肺结节动态风险评估模型的构建方法、应用方法、系统、存储介质和电子设备技术方案

本发明专利技术公开了一种肺结节动态风险评估模型的构建方法、应用方法、系统、存储介质和电子设备，构建方法包括根据肺结节分析指标构建第一子模型和第二子模型；其中，所述第一子模型用于预测肺结节演进过程，所述第二子模型用于预测肺癌确诊风险；联合所述第一子模型和所述第二子模型以获得所述肺结节动态风险评估模型。本发明专利技术创新性地联合了用于预测肺结节演进过程的第一子模型以及用于预测肺癌确诊风险的第二子模型，从而使得联合建模后的模型能够动态地评估患者确诊肺癌的风险，在一些实施例中，该模型可进一步应用于肺结节患者动态随诊管理系统，将动态风险评估结果转化为个体化的动态随诊时间建议。动态随诊时间建议。动态随诊时间建议。

【技术实现步骤摘要】
肺结节动态风险评估模型的构建方法、应用方法、系统、存储介质和电子设备


[0001]本专利技术涉及肺癌筛查
，特别是一种肺结节动态风险评估模型的构建方法、应用方法、系统、存储介质和电子设备。

技术介绍

[0002]人群肺癌筛查是一项长期性工程，大量肺结节患者需进行初筛后随诊。随诊流程涉及“是否确诊、何时复查”等复杂决策，不良决策将造成延迟诊断或过度诊断等一系列问题。
[0003]这种复杂性由肺结节病种的多样性及其进展的多阶段性造成。对肺结节的管理决策基础是风险评估。
[0004]当前用于肺结节患者风险评估的技术主要包括以下几类：
[0005](1)完全基于患者基本信息的评估工具。这些工具基于logistic回归等统计模型技术开发，依靠年龄、家族史、吸烟信息等信息实现对患者风险等级的划分，可用于人群高危个体的选择；
[0006](2)基于患者基本信息和肺结节CT图像简单指标的评估工具。该类工具对上述第(1)种方案加以拓展，进一步纳入肺结节直径、分叶征、毛刺征等CT影像表现，技术层面上仍以logistic回归等统计模型为主，可对基线检查结果实现肺结节风险的量化(肺癌的概率，或由概率相关函数得到的评分)、或以列线图形式形成临床评分工具(即不同变量组合下的得分)；
[0007](3)基于生物标志物的风险评估工具。这类技术以肺癌的血液、呼出气或其他生物标志物为基础，依赖于检测试剂盒等具体方式进行肺癌风险的评估；该类技术可以结合患者的基本信息和(或)CT图像信息，采用(1)、(2)类的建模方法对肺结节患者的风险进行综合评估；
[0008](4)基于放射组学方法和(或)机器学习方法的评估工具。该类工具采用放射组学技术，包括(a)肺结节CT图像的预处理、(b)量化特征的提取及筛选、(c)风险量化模型的构建及验证、(d)软件的封装及测试等具体流程。其中，对大量图像特征的高通量提取和分析是该类方法的鲜明特征，而风险量化模型的构建是其核心技术。对后者而言，可采用经典统计模型(如logistic回归、Cox比例风险回归)、机器学习模型(如决策树、随机森林、支持向量机、人工神经网络)等；此外，还可以采用深度学习技术，将流程(b)和(c)进行融合，让计算机自动生成、提取和利用肺结节的图像信息。
[0009]现有的上述技术用于肺结节患者随诊流程决策，面临着以下几点突出问题：
[0010]一、无论是上述哪一大类现有技术，均只用于肺癌筛查前或首次检查时，而肺结节患者随诊是一个多次决策过程，需要随着时间推移和检查次数的增多，对个体的风险进行更新，并据此动态调整关于随诊间隔的决策。需基于肺结节后续检查结果调整随诊方案的新技术。
[0011]二、上述技术的实现高度依赖于数据的获取途径。如(2)中的分叶征、毛刺征需专业的影像医生判断；(3)中的生物标志物检测信息需由专业人员测定和解读；(4)中的图像量化特征需借助于高性能计算机进行提取和分析。上述特征使这些技术在人群日常应用中的可及性不高，并在长期的随诊管理中难以大规模实施。
[0012]三、为减少辐射暴露，肺癌筛查所采用的CT成像技术为低剂量模式，图像质量的降低给肺结节图像分析带来噪声影响。研究显示即使低剂量CT成像条件完全相同，肺结节直径指标测量值也可有高达25％的随机变异。由于(4)中所述的机器学习方法(包括深度学习方法)具有数据依赖性(data
‑
driven)，这种低剂量CT图像噪声下的随机变异可严重影响风险评估的准确性和可重复性。欲实现可靠的肺结节动态风险评估，需发展对噪声不敏感的新技术。
[0013]因鉴于此，特提出本专利技术。

技术实现思路

[0014]本专利技术的目的在于提供一种肺结节动态风险评估模型的构建方法、应用方法、系统、存储介质和电子设备，以克服当前肺结节风险评估工具缺乏可更新性，不能实现实时更新随诊决策方案的缺陷。
[0015]为解决上述问题，第一方面，本专利技术实施例提供一种肺结节动态风险评估模型的构建方法，包括：
[0016]根据肺结节分析指标构建第一子模型和第二子模型；其中，所述第一子模型用于预测肺结节演进过程，所述第二子模型用于预测肺癌确诊风险；
[0017]联合所述第一子模型和所述第二子模型以获得所述肺结节动态风险评估模型。
[0018]可选的，所述根据肺结节分析指标构建第一子模型和第二子模型，包括：
[0019]根据肺结节分析指标的理论轨迹和噪声误差确定肺结节分析指标的观察轨迹，从而构建出所述第一子模型；
[0020]根据样本内所有患者被确诊为肺癌的平均瞬时风险函数、时不变效应项和时变效应项确定被评估患者被确诊为肺癌的瞬时风险函数，从而构建出所述第二子模型；其中，所述时不变效应项与患者被确诊为肺癌的过程中不随时间改变的预测因素相关，所述时变效应项与患者被确诊为肺癌的过程中随时间改变的预测因素相关。
[0021]可选的，所述时变效应项包括用于将所述第一子模型和所述第二子模型联合在一起的连接函数。
[0022]可选的，所述方法还包括：
[0023]构建首次评估模型，所述首次评估模型作为所述肺结节动态风险评估模型的一个可拓展部分，用于被评估患者在首次检查肺结节后对肺癌确诊瞬时风险的预测。
[0024]第二方面，本专利技术实施例还提供了一种肺结节动态风险评估模型的应用方法，所述肺结节动态风险评估模型为第一方面所述的肺结节动态风险评估模型，所述应用方法包括：
[0025]获取被评估患者的肺结节分析指标；
[0026]基于所述被评估患者的肺结节分析指标，根据所述肺结节动态风险评估模型计算被评估患者的肺癌动态风险得分。
[0027]可选的，所述应用方法还包括随诊动态决策流程，所述随诊动态决策流程包括：
[0028]根据依时受试者工作特征曲面，在第一时间间隔上，以优化所述工作特征曲面下依时间变化的灵敏度为目标，从对应的动态风险得分中选取第一阈值；
[0029]根据依时受试者工作特征曲面，在第二时间间隔上，以优化所述工作特征曲面下依时间变化的特异度为目标，从对应的动态风险得分中选取第二阈值；其中，所述第一时间间隔小于所述第二时间间隔；
[0030]基于所述被评估患者在第一时间间隔和第二时间间隔上的肺癌动态风险得分以及所述第一阈值和所述第二阈值，确认患者的随诊方案；
[0031]其中，所述依时受试者工作特征曲面根据对确诊肺癌事件进行预测的灵敏度、特异度以及时间三个维度确定。
[0032]第三方面，本专利技术实施例还提供了一种肺结节患者动态随诊管理系统，包括：
[0033]获取模块，用于获取被评估患者的肺结节分析指标；
[0034]评分模块，用于基于所述被评估患者的肺结节分析指标，根据肺结节动态风险评估模型计算被评估患者的肺癌动态风险得分；其中，所述肺结节动态风险评估模型为第一方面所述的肺结节动态风险评估模型。
[0035]可选的，所述系统还包括用于为患者随本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.肺结节动态风险评估模型的构建方法，其特征在于，包括：根据肺结节分析指标构建第一子模型和第二子模型；其中，所述第一子模型用于预测肺结节演进过程，所述第二子模型用于预测肺癌确诊风险；联合所述第一子模型和所述第二子模型以获得所述肺结节动态风险评估模型。2.根据权利要求1所述的肺结节动态风险评估模型的构建方法，其特征在于，所述根据肺结节分析指标构建第一子模型和第二子模型，包括：根据肺结节分析指标的理论轨迹和噪声误差确定肺结节分析指标的观察轨迹，从而构建出所述第一子模型；根据样本内所有患者被确诊为肺癌的平均瞬时风险函数、时不变效应项和时变效应项确定被评估患者被确诊为肺癌的瞬时风险函数，从而构建出所述第二子模型；其中，所述时不变效应项与患者被确诊为肺癌的过程中不随时间改变的预测因素相关，所述时变效应项与患者被确诊为肺癌的过程中随时间改变的预测因素相关。3.根据权利要求2所述的肺结节动态风险评估模型的构建方法，其特征在于，所述时变效应项包括用于将所述第一子模型和所述第二子模型联合在一起的连接函数。4.根据权利要求3所述的肺结节动态风险评估模型的构建方法，其特征在于，所述方法还包括：构建首次评估模型，所述首次评估模型作为所述肺结节动态风险评估模型的一个可拓展部分，用于被评估患者在首次检查肺结节后对肺癌确诊瞬时风险的预测。5.肺结节动态风险评估模型的应用方法，其特征在于，所述肺结节动态风险评估模型为权利要求1
‑
4任一所述的肺结节动态风险评估模型，所述应用方法包括：获取被评估患者的肺结节分析指标；基于所述被评估患者的肺结节分析指标，根据所述肺结节动态风险评估模型计算被评估患者的肺癌动态风险得分。6.根据权利要求5所述的肺结节动态风险评估模型的应用方法，其特征在于，所述应用方法还包括随诊动态决策流程，所述随诊动态决策流程包括：根据依时受试者工作特征曲面，在第一时间间隔上，以优化所述工作特征曲面下依时间变化的灵敏度为目标，从对应的动态风险得分中选取第一阈值；根据依时受试者工作特征曲面，在第二时间间隔上，以优化所述工作特征曲...

【专利技术属性】
技术研发人员：王子兴，胡耀达，姜晶梅，韩伟，薛芳，
申请(专利权)人：中国医学科学院基础医学研究所，
类型：发明
国别省市：