一种基于影像组学建立炎症细胞浸润模型预测肿瘤治疗预后的方法技术

本发明专利技术涉及肿瘤治疗技术领域，具体涉及一种基于影像组学建立炎症细胞浸润模型预测肿瘤治疗预后的方法，本发明专利技术通过患者基因组数据得到免疫浸润比例，接着与对应的影像学资料进行影像组学分析或神经网络学习，输出结果为对应的免疫浸润结果，建立免疫细胞浸润模型，最后运用该模型对新患者的影像进行预测，获得新患者的浸润情况，和传统方法相比，有无创、快速、可重复等优点，为肿瘤疾病治疗过程中免疫变化、预后情况的判断提供一种完全无创的手段。段。段。

【技术实现步骤摘要】
一种基于影像组学建立炎症细胞浸润模型预测肿瘤治疗预后的方法


[0001]本专利技术涉及肿瘤治疗
，具体涉及一种基于影像组学建立 炎症细胞浸润模型预测肿瘤治疗预后的方法。

技术介绍

[0002]肿瘤是指机体在各种致瘤因子作用下，局部组织细胞增生所形成 的新生物，因为这种新生物多呈占位性块状突起，也称赘生物。
[0003]研究表明肿瘤内炎症细胞的浸入情况与肿瘤放化疗预后存在极 大的相关性。目前，通过活检对肿瘤组织进行实验室检测是获得肿瘤 内炎症细胞浸润情况的唯一标准。但是，该方法存在以下问题：
[0004](1)有创性，增加转移风险：活检过程存在创伤，容易造成肿 瘤沿腔道转移。
[0005](2)时间久：检测前需要对标本进行处理，因此需要至少一周 的时间，才能获得结果。
[0006](3)不可重复性：由于存在多风险性，不建议患者多次取活检 检测。
[0007]综上所述，研发一种基于影像组学建立炎症细胞浸润模型预测肿 瘤治疗预后的方法，仍是肿瘤治疗
中急需解决的关键问题。

技术实现思路

[0008]针对现有技术所存在的上述缺点，本专利技术在于提供一种基于影像 组学建立炎症细胞浸润模型预测肿瘤治疗预后的方法，本专利技术通过患 者基因组数据得到免疫浸润比例，接着与对应的影像学资料(CT或 核磁)进行影像组学分析或神经网络学习，输出结果为对应的免疫浸 润结果，建立免疫细胞浸润模型，最后运用该模型对新患者的影像进 行预测，获得新患者的浸润情况，和传统方法相比，有无创、快速、 可重复等优点。
[0009]为实现本专利技术的目的，本专利技术提供了如下技术方案：
[0010]一种基于影像组学建立炎症细胞浸润模型预测肿瘤治疗预后的 方法，包括以下步骤：
[0011](1)通过患者肿瘤活检获得基因检测序列，运用分析算法对核 酸序列RNA
‑
seq进行数据分析获得各种炎症细胞浸润比例，获得的免 疫细胞浸润数据作为后面模型训练的输出；
[0012](2)获得与步骤(1)中采集核酸序列RNA
‑
seq数据患者的对应 时间附近的影像数据，处理后作为模型训练的输入端数据，将获取的 影像资料导入计划设计系统或影像处理系统上，在系统上手动勾画出 肿瘤区域，对勾画的肿瘤范围进行处理；
[0013](3)获取环形感兴趣区域ROI的影像特征；
[0014](4)将步骤(3)中得到的特征值在python上运用方差检验和 拉索回归进行特征筛选，并与对应的免疫细胞浸润结果建立lasso回 归模型、多项式回归模型以及主成分分析，
对lasso回归模型、多项 式回归模型进行K折交叉检验筛选最优；
[0015](5)用筛选出的模型预测另一组患者的免疫浸润情况，并与实 验室获得的免疫浸润结果进行比对，进行模型验证；
[0016](6)调整模型中样本数据优化模型，并对模型验证。
[0017]本专利技术进一步设置为：在步骤(1)中，所述分析算法为TIMER 算法，所述TIMER算法通过核酸序列RNA
‑
sque得到不同炎症细胞浸 润百分比，筛选其中一种细胞百分比作为影像组学模型训练的输出结 果。
[0018]本专利技术进一步设置为：在步骤(2)中，所述影像数据为CT数据 或MRI数据中的任意一种。
[0019]本专利技术进一步设置为：在步骤(2)中，对勾画的肿瘤范围进行 处理的方法为：同时向内和向外扩3mm距离，形成环形感兴趣区域 ROI，用3D
‑
slicer或Python编程软件将环形感兴趣区域ROI内部密 度设为1，外部设为0，得到掩膜mask，作为后续获取影像组学信息 时的影像范围。
[0020]本专利技术进一步设置为：在步骤(3)中，所述影像特征包括直方 图特征和纹理特征。
[0021]本专利技术进一步设置为：在步骤(6)中，所述样本数据包括CT数 据或核磁影像数目、靶区勾画数目、靶区精确程度以及模型中正则化 参数、迭代次数和阈值大小。
[0022]本专利技术进一步设置为：在步骤(6)中，所述对模型验证是指导 入新一批病人，预测结果通过接受者操作特性曲线ROC的好坏确定最 终模型情况。
[0023]有益效果
[0024]采用本专利技术提供的技术方案，与已知的公有技术相比，具有如下 有益效果：
[0025]本专利技术通过患者基因组数据得到免疫浸润比例，接着与对应的影 像学资料(CT或核磁)进行影像组学分析或神经网络学习，输出结 果为对应的免疫浸润结果，建立免疫细胞浸润模型，最后运用该模型 对新患者的影像进行预测，获得新患者的浸润情况，和传统方法相比， 有无创、快速、可重复等优点，为肿瘤疾病治疗过程中免疫变化、预 后情况的判断提供一种完全无创的手段。
附图说明
[0026]图1为本专利技术运用算法获得免疫细胞浸润比例的流程图；
[0027]图2为本专利技术肿瘤内不同细胞比例图；
[0028]图3为本专利技术Timer分析结果热图；
[0029]图4为本专利技术靶区处理的示例图；
[0030]图5为本专利技术ROC曲线的示例图。
[0031]具体实施方式
[0032]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将对 本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的 实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中 的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得 的所有其他实施例，都属于本专利技术保护的范围。
[0033]为了实现本专利技术的效果，下面结合实施例对本专利技术作进一步的描 述。
[0034]实施例：
[0035]参照图1
‑
5所示，一种基于影像组学建立炎症细胞浸润模型预测 肿瘤治疗预后的方法，包括以下步骤：
[0036](1)通过患者肿瘤活检获得基因检测序列，运用分析算法对核 酸序列RNA
‑
seq进行数据分析获得各种炎症细胞浸润比例，获得的免 疫细胞浸润数据作为后面模型训练的输出。
[0037]进一步的，分析算法为TIMER算法，TIMER算法通过核酸序列 RNA
‑
sque得到不同炎症细胞浸润百分比，筛选其中一种细胞百分比 作为影像组学模型训练的输出结果。
[0038]在本步骤中，目前关于免疫浸润的评估算法包括TIMER,CIBERSORT,quanTIseq,xCell,MCP
‑
counter等，这些算法中很多需要自 己下载代码来实现，但是TIMER算法有网页版，分析过程相对简单， 因此本专利技术采用TIMER算法。获得免疫细胞浸润比例的基本的过程如 下图1所示。
[0039]此外，需要说明的是，TIMER算法中的Timer数据库可以进行三 个方面的分析：(a)免疫的相关性分析；(b)肿瘤基因的扩展(类 似于GEPIA的分析)；(c)上传自己的数据进行免疫情况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于影像组学建立炎症细胞浸润模型预测肿瘤治疗预后的方法，其特征在于，包括以下步骤：(1)通过患者肿瘤活检获得基因检测序列，运用分析算法对核酸序列RNA
‑
seq进行数据分析获得各种炎症细胞浸润比例，获得的免疫细胞浸润数据作为后面模型训练的输出；(2)获得与步骤(1)中采集核酸序列RNA
‑
seq数据患者的对应时间附近的影像数据，处理后作为模型训练的输入端数据，将获取的影像资料导入计划设计系统或影像处理系统上，在系统上手动勾画出肿瘤区域，对勾画的肿瘤范围进行处理；(3)获取环形感兴趣区域ROI的影像特征；(4)将步骤(3)中得到的特征值在python上运用方差检验和拉索回归进行特征筛选，并与对应的免疫细胞浸润结果建立lasso回归模型、多项式回归模型以及主成分分析，对lasso回归模型、多项式回归模型进行K折交叉检验筛选最优；(5)用筛选出的模型预测另一组患者的免疫浸润情况，并与实验室获得的免疫浸润结果进行比对，进行模型验证；(6)调整模型中样本数据优化模型，并对模型验证。2.根据权利要求1所述的一种基于影像组学建立炎症细胞浸润模型预测肿瘤治疗预后的方法，其特征在于，在步骤(1)中，所述分析算法为TIMER算法，所述TIMER算法通过核酸序列RNA
‑
sque得到不同炎症细胞浸润百分...

【专利技术属性】
技术研发人员：毕苏艳，吴式琇，
申请(专利权)人：毕苏艳，
类型：发明
国别省市：