[发明专利]一种结、直肠癌转移预测系统及其使用方法

说明书

本发明涉及预测系统技术领域，公开了一种结、直肠癌转移预测系统及其使用方法，包括：采集单元，用于采集肠癌组织样本；数据预处理单元，用于差异分析初步筛选特征RNA；筛选预测模型构建单元，用于根据性能指标和特征数量，筛选特征RNA构建预测模型；预测模型分析单元，用于分析预测模型中靶向样本的特征RNA。本系统综合应用随机森林算法、神经网络算法、梯度提升树算法等多种深度学习方法构建结直肠癌转移风险预测深度学习模型，通过应用多种深度学习和分析方法实现自动化和流程化处理，促进人工智能与临床研究的紧密结合，为结直肠癌患者提供无创、便捷、准确、高效的转移风险预测方法。

技术领域

本发明涉及预测系统技术领域，尤其涉及了一种结、直肠癌转移预测系统及其使用方法。

背景技术

结直肠癌(colorectal cancer，CRC)是临床上高发病率、高死亡率的恶性肿瘤之一，其发病率居全球恶性肿瘤的第3位，死亡率居第2位，严重威胁着人类健康。转移是肠癌的一个重要特征，其转移途径包括肝转移、肺转移、淋巴转移等。早期大肠癌5年生存率可达90％，而转移或晚期晚期结直肠癌则不足20％。目前临床上常用的转移诊断方法为影像学检查手段，包括CT、PET-CT、同位素等，对可疑病灶的细针穿刺是明确诊断的主要手段。但是对于微小转移病灶而言，常规的影像学检测方法难以发现。因此，实现微小病灶的精准检测，提高转移风险预测率对于改善结直肠癌患者预后至关重要。

发明内容

本发明针对现有技术中的缺点，提供了一种结、直肠癌转移预测系统及其使用方法。

为了解决上述技术问题，本发明通过下述技术方案得以解决。

一种结、直肠癌转移预测系统，包括：

采集单元，用于采集肠癌组织样本；

数据预处理单元，用于差异分析初步筛选特征RNA；

筛选预测模型构建单元，用于根据性能指标和特征数量，筛选特征RNA构建预测模型；

预测模型分析单元，用于分析预测模型中靶向样本的特征RNA。

作为优选，采集单元中，采集肠癌组织样本后，还包括将肠癌组织样本冻存与-80°冰箱。

作为优选，数据预处理单元中，差异分析初步筛选特征RNA过程包括：提取肠癌组织样本DNA，通过测序仪对RNA组进行测序，通过生物信息学方法对测序的RNA序列进行RNA注释分析和差异RNA筛选，得出结、直肠癌靶向转移差异RNA数据。

作为优选，筛选预测模型构建单元中，所有预测模型包括：感知器算法模型、逻辑回归算法模型、随机森林算法模型、梯度提升树算法模型、Catboost算法模型、支持向量机算法模型。

作为优选，筛选预测模型构建单元中，筛选特征RNA构建预测模型过程包括：将结、直肠癌靶向转移数据带入所有预测模型中，得出所有预测模型的AUC曲线图，根据生成的AUC曲线图中性能指标和特征数量符合率，筛选出一个或多个符合率最高的预测模型。

作为优选，筛选预测模型构建单元中，还包括训练模型：将大量肠癌组织样本分为训练样本和测试样本，训练样本和测试样本的比例为4：1，将所有样本经过数据预处理单元得出直肠癌靶向转移差异RNA的数据；将训练样本的直肠癌靶向转移差异RNA的数据进行RNA注释分析和差异RNA筛选后，带入筛选出的预测模型中，得出训练后预测模型；将测试样本的直肠癌靶向转移差异RNA的数据进行RNA注释分析和差异RNA筛选后，带入训练后的预测模型中，对该预测模型进行验证，验证成功则训练模型为最终的转移预测模型。

作为优选，预测模型分析单元中，分析预测模型中的特征RNA过程包括：将待预测器官样本DNA测序后带入转移预测模型中，生成ACU曲线图，对特征RNA的符合率进行判断，根据判断结果得出预测结论。