一种前列腺癌预测模型的建模方法及预测系统技术方案

本发明专利技术公开了一种前列腺癌预测模型的建模方法及预测系统，该方法包括以下步骤：S1，获取研究对象的临床检查、检验数据；S2，以是否经病理确诊为具有临床意义前列腺癌为因变量，利用所述临床检查、检验数据进行单因素逻辑回归分析，得到具有临床意义的前列腺癌的预测因素；S3，对所述预测因素进行多因素逻辑回归分析，得到具有临床意义的前列腺癌的独立预测因素，构建预测模型；S4，根据独立预测因素构造列线图；S5，对所构造预测模型进行性能评估与验证。本发明专利技术准确通过量化前列腺癌的评估结果，准确预测患者患前列腺癌的风险，为前列腺癌患者的临床诊断提供指导，并具有重要的临床意义。义。义。

【技术实现步骤摘要】
一种前列腺癌预测模型的建模方法及预测系统


[0001]本专利技术涉及生物
，尤其涉及一种前列腺癌预测模型的建模方法及预测系统。

技术介绍

[0002]前列腺癌(PCa)是男性泌尿生殖系统中最常见的恶性肿瘤之一，按世界卫生组织(WHO)2018年GLOBOCAN统计，在世界范围内，其发病率在男性所有恶性肿瘤中位居第2位。Gleason分级是目前应用最广泛的组织学评价前列腺癌的分级系统，Gleason评分是肿瘤主要成分和次要成分(>5％)的Gleason分级总和。参照PI
‑
RADSv2.1指南,具有临床意义的前列腺癌定义为Gleason评分≥3+4分的中高危PCa,而Gleason评分≤3+3分则定义为惰性PCa。
[0003]前列腺癌的确诊多依赖于各种路径的前列腺癌穿刺活检手术，为有创检查，不适用于前列腺癌的筛查。早期识别前列腺癌需要高效的筛查手段，因早期前列腺癌通常没有典型症状，故而前列腺癌症状也不能作为早期筛查手段。目前，血清前列腺特异性抗原(prostate specific antigen，PSA)检查是筛查PCa最广泛使用的生物标志物。然而，PSA检查的主要缺点器官特异性低，导致了较高的假阳性率、过度诊断和不必要的穿刺。如公开号为CN105243283A的中国专利，名称为前列腺癌诊疗信息采集系统中报道：因为单纯的利用PSA和直肠指检会导致一些人患前列腺癌的风险被低估，而另一部分人的风险被高估，提供一种前列腺癌诊疗信息采集系统，包括病人基本信息采集模块、血液检测信息采集模块、影像信息采集模块(包括CT或MRI)和穿刺活检信息采集模块，将上述模块收集到的信息传送到网络云端进行汇总，通过信息处理模块对汇总的信息进行参数处理。通过计算机辅助技术综合多个参数并提供多变量分析，使诊断过程更加客观，并提高诊断效率。
[0004]而前列腺多参数磁共振(mpMRI)已在疑似或确诊前列腺癌男性的常规管理中得到广泛认可。这是一种有效的影像检查，在检测肿瘤和分期方面具有相当高的准确性。然而，mpMRI由于相对较低的特异性(75％)、阳性预测值和可重复性，限制了其临床应用。如网页链接为https://www.sohu.com/a/437522721_328736名称为多参数磁共振成像在前列腺癌诊断中的应用一文中所报道。又如公开号为CN114022462A的中国专利，专利名称为实现多参数核磁共振图像病灶分割的方法、系统、系统、处理器及其计算机可读存储介质中报道：通过本申请方法及系统实现基于深度神经网络模型实现多参数核磁共振图像病灶分割。
[0005]目前
68
Ga
‑
PSMA PET
‑
CT(正电子发射计算机断层显像)作为一种相对较新的分子成像手段，也是检测生化复发、淋巴结转移和原发性PCa的有力工具。与mpMRI相比，
68
Ga
‑
PSMA PET
‑
CT具有更高的灵敏度。然而，前列腺特异性膜抗原(PSMA)并非在所有PCa细胞中都表达上调，这影响了
68
Ga
‑
PSMA PET
‑
CT的应用效果。
[0006]提高前列腺癌筛查效率，能够早期识别前列腺癌高危人群，适时地行前列腺穿刺检查、而减少不必要的穿刺是遏制前列腺癌对人类健康威胁的关键所在。最近有研究表明
68
Ga
‑
PSMA PET
‑
CT和mpMRI的结合可以实现更高的PCa检测率，如DOI号为10.2214/
AJR.18.19585和10.2967/jnumed.118.221010等论文中的报道。
[0007]以上现有技术虽然都提到了利用各种方法组合来提高肿瘤检测和识别的准确率，但目前仍然缺乏有效的基于
68
Ga
‑
PSMA PET
‑
CT和mpMRI组合、实验室检查和其他危险因素建立的前列腺癌预测模型和预测系统。

技术实现思路

[0008]本专利技术提供一种前列腺癌预测模型的建模方法及预测系统，基于
68
Ga
‑
PSMA PET
‑
CT和mpMRI结合构建预测模型，得到用于预测具有临床意义的前列腺癌的预测模型及预测系统，能够利用患者的临床检查、检验数据构建逻辑回归模型列线图，该列线图可预测患者罹患具有临床意义的前列腺癌风险。
[0009]为实现上述目的，本专利技术的技术方案之一为一种前列腺癌预测模型的建模方法，该方法包括如下步骤：
[0010]S1，获取研究对象的临床检查、检验数据。
[0011]S2，以是否经病理确诊为具有临床意义前列腺癌为因变量，利用所述临床检查、检验数据进行单因素逻辑回归分析，得到具有临床意义的前列腺癌的预测因素；单因素逻辑回归分析是在构建逻辑回归模型时，只纳入一个因素进入到逻辑回归模型中进行拟合，求得组间均值或率的分布差异有无统计学显著性(P值)、偏回归系数(β)的估计值、效应估计值(OR、RR值)等。
[0012]S3，对所述预测因素进行多因素逻辑回归分析，得到具有临床意义的前列腺癌的独立预测因素；挑选单因素逻辑回归分析后所得P值较小的变量，再采用逐步回归法开展多因素分析。并构建预测模型，
[0013]logitP＝ln[P/(1
‑
P)]＝
‑
4.0359+1.6926*a+0.2341*b+c
[0014]其中P为患具有临床意义的前列腺癌的可能性,a为PSAd值，b为SUVmax值，c为PI
‑
RADS评分对应的值。
[0015][0016]S4，根据独立预测因素构造列线图；列线图是临床预测模型的一种图形表示方式，是基于个体其各个预测变量的数值来计算总分，然后根据总分来计算某事件发生风险或生存概率。
[0017]S5，对所构造预测模型进行性能评估与验证。
[0018]进一步的，所述步骤S1中临床检查、检验数据包括：基础资料、血液学指标、血清PSA浓度、影像学检查报告、病理检查报告。
[0019]进一步的，所述步骤S3中筛选得到独立预测因素为：前列腺成像报告和数据系统(Prostate Imaging Reporting and Data System,PSAd)、最大标准摄取值(Standardized uptake value maximum,SUVmax)、前列腺特异性抗原密度(Prostate
‑
specific antigen density,PI
‑
RAD)S评分。
[0020]进一步的，所述列线图中，第一行为分值标尺，分值范围为0
‑
100分；第二行为
PSAd，范围为0
‑
2.4，对应分值范围为0
‑
28.9分；第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种前列腺癌预测模型的建模方法，其特征在于，该方法包括以下步骤：S1，获取研究对象的临床检查、检验数据；S2，筛选出相关临床检查、检验数据进行单因素逻辑回归分析，得到具有临床意义的前列腺癌预测因素；S3，对所述预测因素进行多因素逻辑回归分析，得到具有临床意义的前列腺癌的独立预测因素，独立预测因素为：前列腺特异性抗原密度PSAd、最大标准摄取值SUVmax以及前列腺成像报告和数据系统PI
‑
RADS评分，构建预测模型logitP＝ln[P/(1
‑
P)]＝
‑
4.0359+1.6926*a+0.2341*b+c；其中P为患具有临床意义的前列腺癌的可能性，a为PSAd值，b为SUVmax值，c为PI
‑
RADS评分对应的值，并计算得到具有临床意义的前列腺癌的风险值，风险值的计算公式如下：S4，根据独立预测因素构造列线图；S5，对所构造预测模型进行性能评估与验证。2.根据权利要求1所述的前列腺癌预测模型的建模方法，其特征在于，所述步骤S1中临床检查、检验数据包括：基础资料、血液学指标、血清PSAd、影像学检查报告、病理检查报告。3.根据权利要求2所述的前列腺癌预测模型的建模方法，其特征在于，所述列线图中，第一行为分值标尺，分...

【专利技术属性】
技术研发人员：邱东旭，蔡燚，
申请(专利权)人：中南大学湘雅医院，
类型：发明
国别省市：