[發明專利]一種基于機器學習算法的用于預測CRC轉移的影像組學（RA）模型

在審

• 申請號: 202011093666.8
• 申請日: 2020-10-14
• 公開（公告）號: CN112330596A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 曾凡新;蔡建強;李雪;吳敏;劉杰;宋俐
• 申請（專利權）人: 達州市中心醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06Q10/04;G06N3/12;G16H50/30;G16H50/70
• 代理公司: 北京盛凡智榮知識產權代理有限公司 11616
• 代理人: 李青

本發明公開了一種基于機器學習算法的用于預測CRC轉移的影像組學(RA)模型及建立方法，本發明通過收集整理CRC病患的信息，將其劃分、構建成不同的隊列，通過對患者CT掃描圖像分析進行分割和圖像特征提取，并對腫瘤組織進行轉錄組測序及分析，采用了遺傳算法(GAs)篩選的影像組及轉錄組學特進行構建影像轉錄組(RT)模型并進行驗證；采用逐步回歸分析的方法，篩選出與IL26表達密切相關15個影像特征；最終將轉錄組學與影像組學進行整合，構建了一個只包括19個影像特征的影像組學(RA)模型本發明的影像組學(RA)模型將轉錄組學與影像組學進行結合，其為CRC的轉移的預測提供一種新的、準確度高的診斷方法，且其具有無創，易應用的優勢。

技術領域

本發明涉及醫學輔助診斷系統領域，尤其涉及一種基于機器學習算法的用于預測CRC轉移的影像組學(RA)模型。

背景技術

結直腸癌(colorectal cancer，CRC)是第三常見癌癥，約占全球已診斷癌癥的10.9％和癌癥相關死亡的9.0％。據統計，2018年全球新增確診CRC病例185萬人，死亡病例88.32萬人。在初次診斷時，約25％的CRC患者有轉移，近50％的患者會發展為轉移，轉移是晚期癌癥患者死亡的重要原因之一。轉移性結直腸癌(mCRC)5年生存率僅為8.1％。因此，早期發現和預測轉移潛能有助于制定更有效的CRC治療策略。

為了解決這一問題，相關的研究人員及技術人員在研究用于臨床鑒定的分子標記方面已經做出了大量努力，例如，原發腫瘤的基因表達特征可以預測轉移。然而，到目前為止，相關的標志物的臨床應用仍然受到限制。

而影像學技術：包括計算機斷層攝影(CT)、磁共振成像(MRI)或超聲，其通常用于診斷和確認轉移性結直腸癌。近年來，隨著模式識別工具的快速發展，影像組學也隨之受到了越來越多的關注。影像組學是一種通過提取高通量定量特征將醫學圖像轉換為統計數據的過程。通過對這些特征的分析，影像組學已被用于預測乳腺癌的惡性程度、宮頸癌的新輔助化療反應和乳腺癌腋窩淋巴結轉移。特別是影像組學結合病理因素已被用于預測CRC的區域淋巴結轉移。

此外，先前的研究表明，影像組學與基因或蛋白具有潛在的生物學聯系。MRI影像特征可預測肺腺癌患者O₆-甲基鳥嘌呤DNA甲基轉移酶的損傷狀態，CT圖像特征與肺腺癌患者表皮因子受體的突變能力有關。并且在臨床醫學研究中引入機器學習算法后，使得跨尺度整合多組學信息以構建預后分類和預測模型，并用來指導臨床制定更有效的治療策略成為可能。并且近年來，結合多種要素的CRC預測模型的準確性達到了較好的結果，多維聯合分析具有更強的說服力。但在目前的CRC臨床研究中，綜合分析患者的基因信息和影像組學特征的報道卻極其少見。

發明內容

基于以上背景，本發明通過探索CRC轉移患者與非轉移患者腫瘤的異質性，并基于機器學習算法來將轉錄組學與影像組學數據進行整合，提供了一種基于機器學習算法的用于預測CRC轉移的影像組學(RA)模型。

本發明的技術方案為：

一種基于機器學習算法的用于預測CRC轉移的影像組學(RA)模型，所述模型的計算公式如下：

RA core＝7.069e-01+3.723*wavelet_HHH_glszm_LowGrayLevelZoneEmphasis+2.593e-01*