【技术实现步骤摘要】
【国外来华专利技术】
本公开涉及例如使用机器学习模型来预测与胰腺癌相关的患者结果。
技术介绍
1、癌症是全球主要的死亡原因，并且占死亡人数的近六分之一。然而，如果早期有效处置，许多癌症是可以治愈的。通常分析来自癌症患者的病理学样本以获得临床风险指标，并且可以使用该病理学样本来确定针对该患者的最适当的处置。然而，估计临床风险指标的常规方法通常在设计上受到限制，并且可能高估或低估患者体内癌症的进展、复发和/或处置失败的风险。
技术实现思路
1、本公开的实施例包括用于将机器学习模型应用于病理学样本以预测结果、对风险进行分层以及预测对于癌症治疗、特别是胰腺癌治疗的反应的技术。
2、在一些实施例中，一种由至少一个处理器进行的用于预测与胰腺癌相关的结果的方法可以包括以下步骤：获得患者的胰腺癌肿瘤的组织学样本；通过应用深度学习模块来确定所述组织学样本的特征集，所述深度学习模块是在与所获得的癌症肿瘤的组织学样本相同类型的癌症肿瘤的组织学样本的群体上训练的；以及通过将第二模型应用于所确定的特征集来生成所述患者的结果集...
【技术保护点】
1.一种由至少一个处理器进行的用于预测与胰腺癌相关的结果的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，所述结果集包括针对处置中止时间、处置时间、无复发生存期、无进展生存期、无事件生存期、总生存期、对治疗的反应和无疾病生存期中的至少一个的风险类别和风险评分中的至少一个。
3.根据权利要求1所述的方法，其中，胰腺癌是不能切除的胰腺导管腺癌、转移性胰腺导管腺癌和能切除的胰腺导管腺癌中的至少一个。
4.根据权利要求1所述的方法，还包括：
5.根据权利要求1所述的方法，其中，所述组织学样本的特征集包括形态数据、组织区...
【技术特征摘要】
【国外来华专利技术】
1.一种由至少一个处理器进行的用于预测与胰腺癌相关的结果的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，所述结果集包括针对处置中止时间、处置时间、无复发生存期、无进展生存期、无事件生存期、总生存期、对治疗的反应和无疾病生存期中的至少一个的风险类别和风险评分中的至少一个。
3.根据权利要求1所述的方法，其中，胰腺癌是不能切除的胰腺导管腺癌、转移性胰腺导管腺癌和能切除的胰腺导管腺癌中的至少一个。
4.根据权利要求1所述的方法，还包括：
5.根据权利要求1所述的方法，其中，所述组织学样本的特征集包括形态数据、组织区域数据、空间关系数据、共定位数据和热点数据中的至少一个。
6.根据权利要求1所述的方法，其中，所述深度学习模块包括u-net模型，其中，所述u-net模型包括具有编码器和解码器的全卷积神经网络。
7.根据权利要求1所述的方法，还包括：
8.根据权利要求1所述的方法，其中，确定所述组织学样本的特征集还包括：
9.根据权利要求1所述的方法，其中，所述第二模型包括多变量模型。
10.根据权利要求9所述的方法，其中，所述多变量模型包括cox比例危险模型即cph模型。
11.根据权利要求1所述的方法，还包括：
12.根据权利要求1所述的方法，还包括：
13.根据权利要求1所述的方法，还包括：
14.根据权利要求1所述的方法，还包括：
15.一种非暂态计算机可读介质，其存储指令，所述指令在一个或多于一个处理器上执行时使所述一个或多于一个处理器：
16.根据权利要求15所述的非暂态计算机可读介质，其中，所述指令还包括使所述一个或多于一个处理器进行以下操作的指令：
17.根据权利要求15所述的非暂态计算机可读介质，其中，所述指令还包括使所述一个或多于一个处理器通过以下操作确定所述组织学样本的特征集的指令：确定所述组织学样本内的组织的位置、检测所确定的组织的位置内的感兴趣的细胞核和细胞的位置、确定所检测到的感兴趣的细胞核和细胞各自的形态特征、几何特征和纹理特征中的至少一个、以及确定所检测到的感兴趣的细胞核和细胞各自的空间位置特征。
18.根据权利要求15所述的非暂态计算机可读介质，其中，所述第二模型包括多变量模型。
19.一种用于预测与胰腺癌相关...
【专利技术属性】
技术研发人员：阿尼鲁德·拉吉夫·乔希，达米尔·弗拉巴克，维韦什·克里希纳，维里沙布·克里希纳，维韦克·乌代·宁冈卡，艾金·张，
申请(专利权)人：守护者研究公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。