[发明专利]构建肺癌预测模型构建方法

说明书

本发明提供一种构建肺癌预测模型构建方法，包括如下步骤：S1：进行肺癌预测模型遗传变量选取的步骤；S2：进行对其余变量的确认、收集及深度学习算法模型构建的步骤；S3：进行模型队列数据验证的步骤；S4：进行相关筛查指标在不同风险人群中验证的步骤。该构建肺癌预测模型构建方法可以很好地构建具有更高准确度，更适合中国人群的肺癌预测模型。

技术领域

本发明具体涉及一种构建肺癌预测模型构建方法。

背景技术

肺癌是发病率和死亡率最高，对人群健康和生命威胁最大的恶性肿瘤之一。近年来许多国家，包括中国都有数据显示肺癌的发病率和死亡率均明显增高，其中2018年的新增癌症人群中，肺癌患者占比约12％，因此对肺癌的预防与筛查手段的研究一直是全球的核心研究热点。在所有的肺癌病例中，85％都是属于非小细胞肺癌，而目前已知的NSCLC的致病因素主要有环境和遗传两大类。因此，如何区分肺癌高风险人群，从而让该类人群进行有效的预防筛查一直都是该领域急需解决的问题。

构建肺癌预测模型从而对人群的风险进行划分，再对高危人群实行普筛已经被证实是降低肺癌发病率与死亡率行之有效的方法。

除了PLCO M2012外，还有一些肺癌模型被开发出来，但其中部分模型再经过同一批数据比较时，具有明显的短板，而其余几个表现最好的模型的敏感性与特异性与PLCOM2012相似。即便如此，目前现有的肺癌风险模型都具有一个很明显的缺点：没有纳入基因变异数据作为考量，目前的模型都将非吸烟人群排除在推荐筛查范围之外，但事实上有15％的肺癌患者都是非吸烟人群。 PLCO M2012模型的作者在文章中就明确提到，将更多的维度的数据或变量纳入考量，如肺功能，遗传变异，生物标志物等，是未来进一步提升模型性能用以预测肺癌的核心。这种情况，对于中国人群来讲更是如此，因为目前已有的模型，极大比例的训练数据都是基于欧美人群，因此对于亚洲和其它人群的数据，模型相对表现都是比较差的。所以构建基于亚洲人群数据的疾病预测模型，是有极大的意义和需求的。

发明内容

本发明的目的在于针对现有技术的不足，提供一种构建肺癌预测模型构建方法，该构建肺癌预测模型构建方法可以很好地解决上述问题。

为达到上述要求，本发明采取的技术方案是：提供一种构建肺癌预测模型构建方法，该构建肺癌预测模型构建方法包括如下步骤：S1：进行肺癌预测模型遗传变量选取的步骤；S2：进行对其余变量的确认、收集及深度学习算法模型构建的步骤；S3：进行模型队列数据验证的步骤；S4：进行相关筛查指标在不同风险人群中验证的步骤。

该构建肺癌预测模型构建方法具有的优点如下：

该构建肺癌预测模型构建方法可以很好地构建具有更高准确度，更适合中国人群的肺癌预测模型。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示意性地示出了根据本申请一个实施例的构建肺癌预测模型构建方法的示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。

在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。

为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。