一种非小细胞肺癌患者TMB水平的预测方法及装置制造方法及图纸

本申请公开了一种非小细胞肺癌患者TMB水平的预测方法及装置，属于计算机辅助医学技术领域，方法包括：收集非小细胞肺癌患者样本；计算非小细胞肺癌患者样本的TMB值，根据TMB值对非小细胞肺癌患者样本分组；提取样本中非对比增强CT图像中兴趣区域的图像特征为初步影像组学特征；对初步影像组学特征做标准化和归一化处理，生成标准化初步影像组学特征；根据非小细胞肺癌患者样本分组结果，对标准化初步影像组学特征进行特征筛选，得到目标影像组学特征；根据目标影像组学特征建立影像组学评估模型，并通过该模型实现非小细胞肺癌患者TMB水平预测。本申请实现了低成本高效率情况下可靠预测非小细胞肺癌患者TMB大小和对非小细胞肺癌患者精准治疗。癌患者精准治疗。癌患者精准治疗。

【技术实现步骤摘要】
一种非小细胞肺癌患者TMB水平的预测方法及装置


[0001]本申请属于计算机辅助医学领域，具体涉及一种非小细胞肺癌患者TMB水平的预测方法及装置。

技术介绍

[0002]非小细胞肺癌(NSCLC，NonSmall
‑
Cell Lung Cancer)是肺癌最主要的类型，对于晚期不可手术的患者来说免疫治疗已经被证明对其生存存在明显的获益。TMB(Tumor Mutational Burden，肿瘤突变负荷)被认为是PD
‑
1/PD
‑
L1抑制剂产生免疫应答的一种生物标志物，并且临床中观察到NSCLC患者中对免疫检查点抑制剂有强烈反应，且都具有较高的TMB分级。目前市场已存在帕博利珠单抗药物用于治疗TMB高的实体瘤，所以，确定可以从免疫检查点阻断治疗中受益的患者是改善临床结局的关键。虽然TMB被认为能够预测NSCLC患者对PD
‑
1/PD
‑
L1阻断的反应，但当下TMB需通过全外显子组测序准确测量，这种方法价格昂贵，大多数患者无法负担，并且对于晚期不能手术的患本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非小细胞肺癌患者TMB水平的预测方法，其特征在于，包括：收集非小细胞肺癌患者样本，包括非小细胞肺癌患者非对比增强CT图像和非小细胞肺癌患者基因测序数据；根据所述非小细胞肺癌患者基因测序数据计算非小细胞肺癌患者样本的TMB值，根据所述TMB值对所述非小细胞肺癌患者样本分组，得到非小细胞肺癌患者样本分组结果；选择所述非小细胞肺癌患者非对比增强CT图像中的兴趣区域，提取所述兴趣区域的图像特征作为初步影像组学特征；对所述初步影像组学特征做标准化和归一化处理，生成标准化初步影像组学特征；根据所述非小细胞肺癌患者样本分组结果，对所述标准化初步影像组学特征进行特征筛选，得到目标影像组学特征；根据所述目标影像组学特征建立影像组学评估模型，并通过所述影像组学评估模型预测非小细胞肺癌患者TMB水平。2.根据权利要求1所述的非小细胞肺癌患者TMB水平的预测方法，其特征在于，所述初步影像组学特征包括：一阶特征、形态学特征、纹理特征和小波特征。3.根据权利要求1所述的非小细胞肺癌患者TMB水平的预测方法，其特征在于，所述目标影像组学特征包括：平整度、最小值以及自相关性，所述平整度为所述非对比增强CT图像的一阶特征，所述最小值以及自相关性为所述非对比增强CT图像的小波特征。4.根据权利要求1所述的非小细胞肺癌患者TMB水平的预测方法，其特征在于，所述根据所述非小细胞肺癌患者样本分组结果，对所述标准化初步影像组学特征进行特征筛选，得到目标影像组学特征，具体为：将所述非小细胞肺癌患者样本分组结果和所述标准化初步影像组学特征结合，所述非小细胞肺癌患者样本分组结果为因变量，所述标准化初步影像组学特征为自变量；根据结合结果，从所述初步影像组学特征中筛选出第一回归系数不为0的目标影像组学特征。5.根据权利要求3所述的非小细胞肺癌患者TMB水平的预测方法，其特征在于，所述第一回归系数采用最小绝对值收敛和选择算子回归模型方法计算，所述最小绝对值收敛和选择算子回归模型的损失函数表达式如下：其中，ω为第一回归系数，x为标准化的初步影像组学特征值，y为TMB分组，i为第i个非小细胞肺癌患者样本，T为停止条件控制参数，N为非小细胞肺癌患者样本个数，λ为常数系数，||ω||1为ω的L1范数。6.根据权利要求1所述的非小细胞肺癌患者TMB水平的预测方法，其特征在于，所述建立影像组学评估模型，是通过将所述非小细胞肺癌患者样...

【专利技术属性】
技术研发人员：王宏志，王捷晓，王姝洁，黄祥，齐健，洪波，
申请(专利权)人：中国科学院合肥肿瘤医院，
类型：发明
国别省市：