[发明专利]一种肿瘤个体化诊疗方案推荐方法

说明书

本发明公开了一种肿瘤个体化诊疗方案推荐方法，用于预测肿瘤细胞的生物学行为，从而个体化制定诊疗方案，提高诊疗成功率，本发明涉及肿瘤学、人工智能技术领域；具体包括以下步骤：信息采集：将图像数据库中的影像数据，根据登记号进行归类整理，一一对应临床数据；图像提取：采用直接提取图像参数或采用图像组学软件提取图像参数；建立模型：采用传统机器学习方法和/或深度学习方法建立模型；模型评价：所有相应的模型都将应用测试数据进行模型评价，给出模型在训练集及测试集上的评价；验证结果：采用内部数据验证和外部数据验证相结合的方法进行验证分析，并不断反复模型调整及优化，得出预测模型。

技术领域

一种肿瘤个体化诊疗方案推荐方法，用于预测肿瘤细胞的生物学行为，从而有针对性的制定诊疗方案，提高诊疗成功率，本发明涉及肿瘤学、医学图像组学、人工智能技术领域。

背景技术

在肿瘤学临床诊疗过程中，因为肿瘤细胞存在不同的生物学行为，相同肿瘤分期的患者会表现出不同的肿瘤生长速度，向周边浸润的范围，以及远处转移的倾向不同；已有研究表明，同类肿瘤的图像表现与肿瘤本身特性存在密切的相关，图像的形态真实的反映着在机体各种内外因素作用下的肿瘤生物学行为，但肉眼无法将细节的差异分辨和描述出来。

近年来，图像组学分析技术在肿瘤领域的研究中迅速发展，CT及磁共振图像表现出来的不同能够反映出不同的肿瘤生物学行为，而且还可以用以进行治疗的疗效和毒性的预测，功能磁共振中的弥散加权成像（DWI）和表观扩散系数（ADC）参数与放化疗敏感性及预后密切相关；有文献表明，通过先进的计算机图像分析软件分析以往仅依赖放诊科医师肉眼分辨的图像所蕴含的特征性信息，通过一系列分析计算，其结论将可用来预测患者治疗及预后；在2017年，肿瘤界权威杂志Lancet Oncology上发表的一篇论著提出了未来头颈部肿瘤的个体化治疗的方向：即使用图像、分子病理资料及临床参数等建立预后模型来预测患者治疗及预后；这些研究表明，图像组学技术将会是利用常规影像学检测来预测肿瘤生物学行为的一种极为简便的方法。

近年来，图像分析技术已经逐渐在临床研究上开始崭露头角，其依据已经得到验证的相关分析公式，能够对于基于DICOM协议（通用的医疗图像协议）的医疗图像进行客观的分析，并且对于同一副图像能够得出稳定一致的结果，从而获得了国际上同行广泛认可；图像组学技术利用临床上标准化的CT/MRI图像，基于像素级别的细节，从肿瘤大小、图像灰度，灰度排列规律，功能磁共振参数等全面进行分析描述，从而得到千余项客观数据，全面反映肿瘤的本质细节；所得出的约1400余项图像参数的结果，与临床参数进行拟合，从而拥有了足够的参数来利用肿瘤患者的大数据，应用人工智能中的机器学习的方法进行各种不同预测模型的建立。

随着可供研究的参数数量的大量增加，如果运用传统的统计学方法，难以进行有效的分析，因为传统的医学界使用的统计学方法注重于p值的意义和模型的可解释性，也就是某项或某几项参数与研究目标的正向或反向的关联性，但是当多个参数结果所关联的结果相悖的时候，无法得知各个参数综合作用下的最终结果；而机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测；与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务，也就是能够对参数进行充分的分析后建模，不同的模型关联不同的结果，全面综合的提供准确的预测。

利用图像组学及医学人工智能这两项技术的结合运用，对于目前困扰临床上已久的，无法利用常规检查结果来进行个体化精确治疗，提供了切实可行的方案。

发明内容

本发明的目的在于：提供一种肿瘤个体化诊疗方案推荐方法，临床医师在诊疗过程中，通过预测肿瘤细胞的生物学行为，从而个体化的推荐诊疗方案，提高诊疗成功率。

本发明采用的技术方案如下：S1、信息采集：将图像数据库中的CT、MRI、PETCT影像数据根据登记号进行归类整理，一一对应治疗中及治疗后的临床数据、生存数据、治疗方案、效果评价；