一种宫颈癌预后评估方法、系统、存储介质及计算机设备技术方案

本公开属于宫颈癌预后评价技术领域，具体涉及一种宫颈癌预后评估方法、系统、存储介质及计算机设备。对于FIGO ⅠB‑ⅡA期宫颈癌而言，根治性子宫切除和盆腔淋巴结清扫术是一种有效的治疗方法，术后五年生存率高达87％～92％，但是仍有10～20％的患者会复发，针对预后不良的患者采用术后辅助放化疗是临床常用应对预后不良的方法。针对现有的Sedlis评价标准准确性较低的问题，本公开提供了一种基于Sedlis标准的、对宫颈癌患者预后进行预测的模型。本公开提供的模型以肿瘤大小、组织学及分化程度为评价标准，预测准确率为40.9％～92.0％，优于Sedlis标准预测准确性。

【技术实现步骤摘要】
一种宫颈癌预后评估方法、系统、存储介质及计算机设备
本公开属于宫颈癌预后评价
，具体涉及一种基于Sedlis标准的宫颈癌预后模型的建立方法、宫颈癌预后评估系统、存储介质及计算机设备。
技术介绍
公开该
技术介绍
部分的信息仅仅旨在增加对本公开的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。宫颈癌是妇科常见的恶性肿瘤，在全球女性恶性肿瘤中占第二位。目前随着宫颈癌普查工作的开展、早期诊断技术的提高、手术方法的完善以及治疗方案的合理化，宫颈癌早期诊断率较前明显提高，死亡率随之不断下降。虽然多数宫颈癌患者可经局部治疗而愈，但仍有约20％的患者仍因复发和远处转移而失败。因此，术后辅助放疗被广泛用于手术后具有不良预后因素的患者，建立宫颈炎相关的预后模型有利于计算患者个体的复发、转移危险程度以指导临床制定合理的个体化治疗方案，对提高患者的治疗收益以及生存率等都具有重要意义。目前，国内外学者研究较多的影响宫颈癌患者预后的因素有：高危HPV、DNA的表达、年龄、临床分期、病灶类型、肿瘤体积(包括肿瘤大小及间质浸润深度)、病理类型、组织分化、病理学宫旁浸润、脉管瘤栓、淋巴结转移、辅助性治疗以及SCC、CA125等分子生物学指标。在这些影响预后的因素中，肿瘤体积、脉管及间质浸润深度被认为是宫颈癌预后的中危因素。但是单一中危因素对复发的影响率不显著，中危因素联合使用，预测复发率可达到15％。后来，根据前瞻试验，GOG根据不同中危因素组合成不同的中危因素组，提出了Sedlis标准，即脉管浸润、间质浸润深1/3，任何肿瘤大小；脉管浸润、间质浸润中1/3、肿瘤大小≥2cm；脉管浸润、间质浸润浅1/3、肿瘤大小≥5cm；无脉管浸润、间质浸润中或深1/3、肿瘤大小≥4cm。尽管Sedlis标准不是简单的将3个中危因素进行组合，但是它对宫颈癌复发的预测准确性较低，有接近一半的复发患者并不符合Sedlis标准。由于中度危险因素对于宫颈癌预后的影响作用并不完全明确，采用不同的评估模型及评级办法带来的结果差异性较大，对于患者及医护人员来说不利于及时把握疾病风险，制定有效的治疗方案。
技术实现思路
针对上述研究背景，本公开针对具有中等危险因素的宫颈癌患者预后情况提供了一种预后评估模型的构建方法。本公开针对患者年龄、月经、孕产次、期别、组织学类型、分化程度、手术切缘、宫旁、脉管、间质、肿瘤大小、淋巴结和SCC-Ag等影响因素进行筛选，获得与宫颈癌预后相关的危险因素，并对该危险因素与宫颈癌预后关系进行预测精度分析，提供了一种更为准确的宫颈癌预后模型的方法，利用该方法建立的模型以肿瘤大小、组织学及分化程度为最佳组合，预测准确率为40.9％～92.0％，优于Sedlis标准预测准确性。为了实现上述技术目的，本公开提供以下技术方案：本公开第一方面，提供一种宫颈癌预后评估模型的构建方法，该评估模型的构建方法包括以下步骤：建立宫颈癌预后评估模型，获取训练样本，采用机器学习的方法对该评估模型进行训练；所述宫颈癌预后评估模型的输入因素为危险因素水平，输出因素为宫颈癌预后情况；所述训练样本，包括：已知宫颈癌个体的个体危险因素和对应的宫颈癌预后状况；所述训练：将已知宫颈癌个体的危险因素输入到宫颈癌预后评估模型中，宫颈癌预后评估模型输出宫颈癌预后预测结果；将宫颈癌预后预测结果与已知宫颈癌个体的宫颈癌预后状况进行误差计算；若误差小于设定阈值，则训练结束，得到训练完毕的宫颈癌预后评估模型；若误差大于等于设定阈值，则重新更新训练样本，继续训练，直至误差小于设定阈值。优选的，所述机器学习方法为SVM算法；进一步的，为非线性支持向量机的方式。优选的，上述方法中，所述危险因素选自脉管(L)、间质浸润深度(D)、肿瘤体积(T)、组织学类型(H)、分化程度(G)中的三种或四种或五种的组合。优选的，所述危险因素还包括预处理步骤，所述预处理步骤：分为脉管浸润组和未浸润组，脉管浸润组设为代号1，脉管未浸润组设为0；间质浸润深度分为浸润深度＜1/3组、浸润深度1/3～2/3组和浸润深度＞2/3组，间质浸润深度＜1/3组设为0、间质浸润深度1/3～2/3组设为1、间质浸润深度＞2/3组设为2；所述肿瘤体积肿瘤体积分为体积＞4cm组和体积≤4cm组，肿瘤体积＞4cm组设为1，肿瘤体积≤4cm组设为0；所述组织学类型分为鳞癌组和非鳞癌组，鳞癌组设为0，非鳞癌组设为1；所述分化程度分为高分化组、中分化组和低分化组，高分化在设为0、中分化组设为1、低分化组设为2。进一步优选的，所述危险因素为肿瘤体积(T)、组织学类型(H)、分化程度(G)的组合。本公开第二方面，提供一种用于宫颈癌预后评估的系统，该系统包括计算机的根据待测个体危险因素水平对宫颈癌预后状况进行评估的装置，所述计算机包括数据库、存储器、输入单元、处理器、显示处理单元；所述输入单元，用于输入待测个体名称及所述个体的危险因素水平；所述数据库用于存储输入单元输入的信息；所述存储器，存储有可在处理器上运行的计算机程序；所述显示处理单元，用于输出及展示预测预后评估状况；所述处理器，调用数据库中的数据，运行存储器中程序，用于将待测个体的危险因素水平放入训练完毕后的宫颈癌预后评估模型中获得该待测个体的宫颈癌预后状况；所述训练完毕的宫颈癌预后评估模型是一种输入因素为危险因素水平、输出因素为宫颈癌预后情况的宫颈癌预后评估模型，该模型通过机器学习的方法建立，采用已知样本中个体危险因素和宫颈癌预后状况特征进行训练。优选的，所述机器学习方法为SVM算法；进一步的，为非线性支持向量机的方式。优选的，上述方法中，所述危险因素选自脉管(L)、间质浸润深度(D)、肿瘤体积(T)、组织学类型(H)、分化程度(G)中的三种或四种或五种的组合。优选的，所述危险因素还包括预处理步骤，所述预处理步骤：分为脉管浸润组和未浸润组，脉管浸润组设为代号1，脉管未浸润组设为0；间质浸润深度分为浸润深度＜1/3组、浸润深度1/3～2/3组和浸润深度＞2/3组，间质浸润深度＜1/3组设为0、间质浸润深度1/3～2/3组设为1、间质浸润深度＞2/3组设为2；所述肿瘤体积肿瘤体积分为体积＞4cm组和体积≤4cm组，肿瘤体积＞4cm组设为1，肿瘤体积≤4cm组设为0；所述组织学类型分为鳞癌组和非鳞癌组，鳞癌组设为0，非鳞癌组设为1；所述分化程度分为高分化组、中分化组和低分化组，高分化在设为0、中分化组设为1、低分化组设为2。进一步优选的，所述危险因素为肿瘤体积(T)、组织学类型(H)、分化程度(G)的组合。本公开第三方面，提供第一方面或第二方面所述危险因素的筛选方法，该方法包括以下步骤：通过SPSS软件对已知个体的影响因素进行初步筛选得到m个与宫颈癌预后相关的危险因素，其中，m>3；从m个危险因素抽样3，4…m-1，m个危险因素为一个组合，每个组合不重复，计算每个组合与宫颈癌预后情况的相关性，选择相关性最高的组合；所述已知个体影响因素包括患者年龄、月经状况、孕产次、期别、组织学类型、分化程度、手术切缘、宫旁、脉管、间质、肿瘤大小、淋巴结和SCC-Ag；所述通过SPSS软件进行初步筛选方法为单变量分析KM曲线和多变量分析Cox回本文档来自技高网...

【技术保护点】
1.一种宫颈癌预后评估模型的构建方法，其特征在于，评估模型的构建方法包括以下步骤：建立宫颈癌预后评估模型，获取训练样本，采用机器学习的方法对该评估模型进行训练；所述宫颈癌预后评估模型的输入因素为危险因素水平，输出因素为宫颈癌预后情况；所述训练样本，包括：已知宫颈癌个体的个体危险因素和对应的宫颈癌预后状况；所述训练：将已知宫颈癌个体的危险因素输入到宫颈癌预后评估模型中，宫颈癌预后评估模型输出宫颈癌预后预测结果；将宫颈癌预后预测结果与已知宫颈癌个体的宫颈癌预后状况进行误差计算；若误差小于设定阈值，则训练结束，得到训练完毕的宫颈癌预后评估模型；若误差大于等于设定阈值，则重新更新训练样本，继续训练，直至误差小于设定阈值。

【技术特征摘要】
1.一种宫颈癌预后评估模型的构建方法，其特征在于，评估模型的构建方法包括以下步骤：建立宫颈癌预后评估模型，获取训练样本，采用机器学习的方法对该评估模型进行训练；所述宫颈癌预后评估模型的输入因素为危险因素水平，输出因素为宫颈癌预后情况；所述训练样本，包括：已知宫颈癌个体的个体危险因素和对应的宫颈癌预后状况；所述训练：将已知宫颈癌个体的危险因素输入到宫颈癌预后评估模型中，宫颈癌预后评估模型输出宫颈癌预后预测结果；将宫颈癌预后预测结果与已知宫颈癌个体的宫颈癌预后状况进行误差计算；若误差小于设定阈值，则训练结束，得到训练完毕的宫颈癌预后评估模型；若误差大于等于设定阈值，则重新更新训练样本，继续训练，直至误差小于设定阈值。2.如权利要求1所述的宫颈癌预后评估模型的构建方法，其特征在于，所述机器学习方法为SVM算法。3.如权利要求1所述的宫颈癌预后评估模型的构建方法，其特征在于，所述机器学习方法为非线性支持向量机的方式。4.如权利要求1所述的宫颈癌预后评估模型的构建方法，其特征在于，所述危险因素为选自脉管、间质浸润深度、肿瘤体积、组织学类型、分化程度中的三种或四种或五种的组合。5.如权利要求4所述的宫颈癌预后评估模型的构建方法，其特征在于，所述危险因素为肿瘤体积、组织学类型、分化程度的组合。6.一种用于宫颈癌预后评估的系统，其特征在于，所述系统包括计算机的根据待测个体危险因素水平对宫颈癌预后状况进行评估的装置，所述计算机包括数据库、存储器、输入单元、处理器、显示处理单元；所述输入单元，用于输入待测个体名称及所述个体的危险因素水平；所述数据库用于存储输入单元输入的信息；所述存储器，存储有可在处理器上运行的计算机程序；所述显示处理单元，用于...

【专利技术属性】
技术研发人员：宋坤，解琳，谯旭，孔北华，姚舒，
申请(专利权)人：山东大学齐鲁医院，
类型：发明
国别省市：山东,37