肺癌筛查模型的构建装置制造方法及图纸

本申请涉及一种肺癌筛查模型的构建装置

【技术实现步骤摘要】
肺癌筛查模型的构建装置、肺癌筛查装置、设备及介质


[0001]本申请涉及智能医疗检测
，尤其是涉及一种肺癌筛查模型的构建装置
、
肺癌筛查装置
、
设备及介质
。

技术介绍

[0002]肺癌是造成全球健康负担的主要原因，因此，早期发现和治疗以降低肺癌死亡率至关重要
。
[0003]低剂量计算机断层扫描
(LDCT)
是发现肺结节的常用方法
。
然而，使用
LDCT
评估肺结节的癌变风险仍存在挑战
。
两年随访中的假阳性率高达
23.3
％，这可能导致不必要的辐射暴露
、
有创活检
、
经济成本和患者焦虑
。LDCT
检查后的肺结节风险评估方法需要改进，以优化随访策略
。
[0004]目前我国肺癌筛查指南建议仅根据
LDCT
测量的肺结节径向和密度决定是否进一步检查
。
欧洲和英国的指南则建议使用预测模型，可显著降低假阳性率
。
然而，由于预测因素分布的差异，国外的这些模型并不适用于中国人，另外，已发表的中国人群模型由于样本量较小
(
＜
1000)
，也限制了其适用性
。
因此，迫切需要一种基于大样本中国人群的预测模型构建技术，来实现无肺癌的肺结节患者发展为肺癌的风险预测
。

技术实现思路

[0005]为了实现无肺癌的肺结节患者发展为肺癌的风险预测，本申请提供一种肺癌筛查模型的构建装置
、
肺癌筛查装置
、
设备及介质
。
[0006]第一方面，本申请提供的一种肺癌筛查模型的构建装置采用如下的技术方案：一种肺癌筛查模型的构建装置，包括：样本获取及数据采集模块，用于获取无肺癌的肺结节患者样本，并采集所述肺结节患者样本的基线参数；所述的基线参数包括肺结节径向和血清胸苷激酶1；模型训练模块，用于以所述基线参数作为自变量，以基线访视后3年内新发肺癌风险作为因变量进行模型训练；模型评估及验证模块，用于对训练后的模型进行预测效能评估及内部验证，进而获得无癌肺结节患者3年内新发肺癌风险预测模型
。
[0007]通过采用上述技术手段，尤其是利用所述的基线参数
(
包括肺结节径向和血清胸苷激酶
1)
作为自变量，以基线访视后3年内新发肺癌风险作为因变量进行模型训练，从而可以用于大样本中国人群实现无肺癌的肺结节患者发展为肺癌的风险预测
。
也就是说，本申请可应用于预测未来3年内新发肺癌的概率而不是诊断已有肺癌，因为目前无肺癌的肺结节患者，随着疾病发展在未来也有发展为肺癌的风险，而目前未有技术可以预测，本申请为首个可以预测中短期肺癌风险的实用工具
。
此外，本申请中，采用肺结节径向和血清胸苷激酶1构建的模型可进一步提高肺癌风险预测的灵敏度和特异度；此外，本申请中的短期肺癌风险预测模型可以在早期发现患者的高风险因素，并提供相关干预措施，从而促进早期诊
断和治疗，还将带来以下几个方面的收益：早期发现和诊断：通过使用短期肺癌风险预测模型，医生能够更早地检测到可能有高风险的患者，并及时进行相关检查和诊断
。
这将有助于尽早发现肺癌，并提供更早的治疗机会，提高患者存活率；个体化治疗方案：预测模型可以根据患者的个体特征和风险因素，为每位患者提供个性化的治疗建议和方案
。
这样不仅可以提高治疗效果，还能降低不必要的治疗过程或药物副作用；资源利用的高效性：通过使用本申请的风险预测模型，医疗资源可以更有针对性地被分配给那些患者群体，减少了对资源的浪费，包括床位
、
人力
、
设备等，在大量患者面前可以提高医疗服务的效率；成本降低：早期诊断和治疗通常比晚期治疗更有效，并且能够减少后续治疗所需的成本，而且通过风险预测模型的使用，可以更好地管理肺癌患者的健康风险，并减轻对医疗系统的经济负担
。
[0008]优选的，所述的模型训练模块中，进行模型训练具体包括：拟合逻辑回归模型，并使用
LASSO
正则化来约束模型的参数
。
[0009]更优选的，所述的使用
LASSO
正则化来约束模型的参数包括：通过调整正则化参数控制模型的稀疏性，从而筛选得到对所述因变量有最强影响的自变量特征
。
[0010]本申请中，
LASSO
通过添加
L1
正则化项，可以自动将一些不重要的特征的系数收缩到零，从而实现自动变量选择
。
相比之下，逐步回归法需要手动设置进入和移出模型的阈值，需要进行多次迭代，而
LASSO
可以一次性筛选出对目标变量具有显著影响的特征，更加简单高效
。
[0011]优选的，所述的无癌肺结节患者3年内新发肺癌风险预测模型为：其中，所述的
lp
＝
‑
7.066+lp(
血清胸苷激酶
1)+lp(
肺结节径向
)(
线性预测值
)lp(
肺结节径向
)
＝
0.3392*
肺结节径向；
(
线性预测值
)lp(
血清胸苷激酶
1)
＝
0.3355*
血清胸苷激酶
1。
[0012]通过采用上述技术方案，利用本申请中获得无癌肺结节患者3年内新发肺癌风险预测模型，从而可以准确的计算出无癌肺结节患者3年内新发肺癌风险概率
。
[0013]优选的，所述的样本获取及数据采集模块中，所述样本排除基线患癌症的个体
、
有肿瘤史记录的个体，以及基线时有胸外科手术史的个体；和
/
或所述的样本获取及数据采集模块中，所述样本选择首次检出肺结节的
30
岁或以上
、
且接受过至少1次随访的无肺癌及肺癌史的且基线时无胸外科手术史的个体
。
[0014]通过采用上述技术手段，本申请建模时选择的样本排除基线患癌症的个体
、
有肿瘤史记录的个体，以及基线时有胸外科手术史的个体，从而使得本申请可应用于未有肿瘤史的肺结节患者而不是已有肿瘤患者
。
而肺结节患者群体庞大，发病率为
35.5
％，且有一定肺癌风险
(0.54
％
)
，因此，本申请可协助预防较大数量的新发肺癌病例产生
。
本申请中，选择首次检出肺结节的样本，能避免检出结节后可能接受的干预如抗炎治疗等对肺癌风险预测的干扰；另外，选择
30
岁或以上样本，选择接受过至少1次随访的样本，能确保本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种肺癌筛查模型的构建装置，其特征在于，包括：样本获取及数据采集模块，用于获取无肺癌的肺结节患者样本，并采集所述肺结节患者样本的基线参数；所述的基线参数包括肺结节径向和血清胸苷激酶1；模型训练模块，用于以所述基线参数作为自变量，以基线访视后3年内新发肺癌风险作为因变量进行模型训练；模型评估及验证模块，用于对训练后的模型进行预测效能评估及内部验证，进而获得无癌肺结节患者3年内新发肺癌风险预测模型
。2.
根据权利要求1所述的肺癌筛查模型的构建装置，其特征在于，所述的模型训练模块中，进行模型训练具体包括：拟合逻辑回归模型，并使用
LASSO
正则化来约束模型的参数
。3.
根据权利要求2所述的肺癌筛查模型的构建装置，其特征在于，所述的使用
LASSO
正则化来约束模型的参数包括：通过调整正则化参数控制模型的稀疏性，从而筛选得到对所述因变量有最强影响的自变量特征
。4.
根据权利要求1～3任一项所述的肺癌筛查模型的构建装置，其特征在于，所述的无癌肺结节患者3年内新发肺癌风险预测模型为：其中，所述的
lp
＝
‑
7.066+lp(
血清胸苷激酶
1)+lp(
肺结节径向
)lp(
肺结节径向
)
＝
0.3392*
肺结节径向；
lp(
血清胸苷激酶
1)
＝
0.3355*
血清胸苷激酶
1。5.
根据权利要求1所述的肺癌筛查模型的构建装置，其特征在于，所述的样本获取及数据采集模块中，所述样本排除基线患癌症的个体
、
有肿瘤史记录的个体，以及基线时有胸外科手术史的个体；和
/
或所述的样本获取及数据采集模块中，所述样本选择首次检出肺结节的
30
岁或以...

【专利技术属性】
技术研发人员：周际，汪海东，李劲，黄潇阳，
申请(专利权)人：华瑞同康生物技术深圳有限公司，
类型：发明
国别省市：