【技术实现步骤摘要】
本申请涉及生物信息，尤其是涉及到一种免疫治疗疗效预测系统及方法。
技术介绍
1、免疫检查点抑制剂(immune checkpoint inhibitors，ici)治疗是目前临床新型的肿瘤治疗方法，但是患者的治疗疗效因人而异，有的能在治疗中实现肿瘤完全消退，达到病理完全缓解，甚至豁免手术保留器官；有的病人则可能不仅达不到不好的治疗效果，反而由于治疗引发免疫相关不良事件。
2、在相关技术中，最重要且公认度最高的影响免疫治疗疗效的独立因素是治疗前肿瘤微环境中浸润淋巴细胞(tumorinfiltration lymphocyte，til)的浸润密度是影响免疫治疗疗效的独立因素，浸润密度越高则肿瘤退缩越明显，达到病理完全缓解(pathologicalcomplete response，pcr)的概率越高，且发生免疫治疗相关不良事件(immune-relatedadverse events,iraes)的风险越低。但是，目前该过程很难对患者进行整体的til浸润密度评估，即使是术前肿瘤穿刺活检，也只反映极小组织中til浸润密度，无法在治疗前对患者的免疫治疗疗效进行准确预测。
技术实现思路
1、有鉴于此，本申请提供了一种免疫治疗疗效预测系统及方法，用于解决现有技术无法在治疗前对患者的免疫治疗疗效进行准确预测的问题。
2、根据本申请的第一个方面，提供了一种免疫治疗疗效预测系统，包括：资料获取模块、图像获取模块、第一预测模块以及疗效预测模块，其中，
3、所述资料获
4、所述图像获取模块用于获取标注有肿瘤感兴趣区域的两组磁共振弥散加权图像，所述两组磁共振弥散加权图像包括磁共振弥散加权时间扩散谱成像功能得到的脉冲梯度自旋回波序列图像和振荡梯度自旋回波序列图像；
5、所述第一预测模块用于将所述资料获取模块得到的临床资料信息与所述图像获取模块得到的两组磁共振弥散加权图像输入至预先训练的预测模型，以通过所述预测模型根据所述临床资料信息和所述肿瘤感兴趣区域内的微环境细胞参数对待预测患者在免疫治疗后手术病理评价的病理完全缓解信息进行预测，所述微环境细胞参数为对所述两组磁共振弥散加权图像中代表肿瘤的感兴趣区域内的图像特征进行拟合得到的；
6、所述疗效预测模块用于根据所述第一预测模块预测得到的手术病理评价的病理完全缓解信息对待预测患者进行免疫治疗疗效预测。
7、进一步地，所述图像获取模块包括图像获取单元、区域勾画单元以及图像匹配单元，其中，
8、所述图像获取单元用于通过预设存储路径获取待预测患者的两组磁共振弥散加权图像；
9、所述区域勾画单元用于通过操作者勾画方式对所述图像获取单元得到的两组磁共振弥散加权图像中的一组磁共振弥散加权图像逐帧进行肿瘤轮廓范围的勾画标注得到肿瘤感兴趣区域，以使得两组磁共振弥散加权图像中的一组磁共振弥散加权图像标注有肿瘤感兴趣区域；
10、所述图像匹配单元用于根据所述区域勾画单元得到的标注有肿瘤感兴趣区域的一组磁共振弥散加权图像对另一组磁共振弥散加权图像进行肿瘤感兴趣区域复制及匹配，以使得两组磁共振弥散加权图像的相同层面标注有相同的肿瘤感兴趣区域。
11、进一步地，所述系统还包括：图像后处理模块，其中，
12、所述图像后处理模块用于在所述图像获取模块得到标注有肿瘤感兴趣区域的两组磁共振弥散加权图像之后，使用最小二乘曲线拟合对肿瘤感兴趣区域内图像特征进行预设次数的拟合，得到肿瘤感兴趣区域内的微环境细胞参数，所述微环境细胞参数包括肿瘤感兴趣区域内平均细胞直径、细胞内体积分数、细胞外扩散率以及细胞密度。
13、进一步地，所述系统还包括：综合分析模块，
14、所述综合分析模块用于在资料获取模块得到待预测患者的临床资料信息之后，对所述资料获取模块得到的临床资料信息进行单因素回归分析，以得到独立影响患者免疫治疗后达到病理完全缓解的临床因子，将所述达到病理完全缓解的临床因子术与所述图像后处理模块得到的肿瘤感兴趣区域内的微环境细胞参数进行多元逻辑回归分析，得到独立影响患者在免疫治疗后达到病理完全缓解的细胞参数和临床因子。
15、进一步地，所述系统还包括：训练样本获取模块、模型训练模块以及模型构建模块，其中，
16、所述训练样本获取模块用于在将所述资料获取模块得到的临床资料信息与所述图像获取模块得到的两组磁共振弥散加权图像输入至预先训练的预测模型之前，获取机器学习模型的训练样本数据，所述训练样本数据包括训练输入数据和训练输出数据；
17、所述模型训练模块用于将所述训练样本获取模块得到的训练样本数据输入至机器学习模型中，以通过所述机器学习模型对所述训练输入数据与所述训练输出数据之间的映射关系进行训练；
18、所述模型构建模块用于当训练满足迭代停止条件时，根据所述模型训练模块训练得到的映射关系构建预测模型。
19、进一步地，所述训练样本获取模块包括：输入数据构建单元和输出数据构建单元，其中，
20、所述输入数据构建单元用于根据不同患者样本的临床资料信息以及标注有相应肿瘤感兴趣区域的两组磁共振弥散加权图像，构建训练输入数据；
21、所述输出数据构建单元用于根据不同患者样本在治疗后手术病理评价的病理完全缓解信息，构建训练输出数据。
22、进一步地，所述输出数据构建单元是根据不同患者样本在治疗后手术病理评价的病理完全缓解信息对免疫治疗疗效进行二分类，构建训练输出数据，所述训练输出数据中病理完全缓解表征免疫治疗疗效达到预期效果，非病理完全缓解表征免疫治疗疗效未达到预期效果。
23、进一步地，所述模型训练模块中的机器学习模型包括但不限于决策树法、随机森林法、支持向量机法、朴素贝叶斯法中任意一种。
24、进一步地，所述系统还包括：验证参数获取模块、比对模块以及评估模块，其中，
25、所述验证参数获取模块用于获取待验证患者治疗后手术病理评价的病理完全缓解信息；
26、所述比对模块用于将所述验证参数获取模块得到的待预测患者治疗后手术病理评价的病理完全缓解信息作为实测结果，与预测得到的手术病理评价的病理完全缓解信息进行比对，得到模型预测的接受者操作特性曲线；
27、所述评估模块用于根据所述模型预测的接受者操作特性曲线，对预先训练的预测模型进行预测准确性评估。
28、根据本申请的第二个方面，提供了一种免疫治疗疗效预测方法，包括：
29、s1、资料获取模块获取待预测患者的临床资料信息，将所述临床资料信息传递至第一预测模块；
30、s2、图像获取模块获取标注有肿瘤感兴趣区域的两组磁共振弥散加权图像，将所述两组磁共振弥散加权图像传递至第一预测模块，所述两组磁共振弥散加权图像包括磁共振弥散加权时间扩散谱成像功能得到的脉冲梯度自旋回波序列图像和振荡梯度自旋回波序列图像；具体包括本文档来自技高网...
【技术保护点】
1.一种免疫治疗疗效预测系统，其特征在于，包括：资料获取模块、图像获取模块、第一预测模块以及疗效预测模块，其中，
2.根据权利要求1所述的系统，其特征在于，所述图像获取模块包括图像获取单元、区域勾画单元以及图像匹配单元，其中，
3.根据权利要求1所述的系统，其特征在于，所述系统还包括：图像后处理模块，其中，
4.根据权利要求3所述的系统，其特征在于，所述系统还包括：综合分析模块，
5.根据权利要求1-4中任一项所述的系统，其特征在于，所述系统还包括：训练样本获取模块、模型训练模块以及模型构建模块，其中，
6.根据权利要求5所述的系统，其特征在于，所述训练样本获取模块包括：输入数据构建单元和输出数据构建单元，其中，
7.根据权利要求6所述的系统，其特征在于，所述输出数据构建单元是根据不同患者样本在治疗后手术病理评价的病理完全缓解信息对免疫治疗疗效进行二分类，构建训练输出数据，所述训练输出数据中病理完全缓解表征免疫治疗疗效达到预期效果，非病理完全缓解表征免疫治疗疗效未达到预期效果。
8.根据权利要求5
9.根据权利要求1-4中任一项所述的系统，其特征在于，所述系统还包括：验证参数获取模块、比对模块以及评估模块，其中，
10.一种免疫治疗疗效预测方法，其特征在于，包括：
...【技术特征摘要】
1.一种免疫治疗疗效预测系统，其特征在于，包括：资料获取模块、图像获取模块、第一预测模块以及疗效预测模块，其中，
2.根据权利要求1所述的系统，其特征在于，所述图像获取模块包括图像获取单元、区域勾画单元以及图像匹配单元，其中，
3.根据权利要求1所述的系统，其特征在于，所述系统还包括：图像后处理模块，其中，
4.根据权利要求3所述的系统，其特征在于，所述系统还包括：综合分析模块，
5.根据权利要求1-4中任一项所述的系统，其特征在于，所述系统还包括：训练样本获取模块、模型训练模块以及模型构建模块，其中，
6.根据权利要求5所述的系统，其特征在于，所述训练样本获取模块包括：输入数据构建单元和输...
【专利技术属性】
技术研发人员：赵青，钟红霞，张红梅，赵心明，张建新，
申请(专利权)人：中国医学科学院肿瘤医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。