[發明專利]肺結節動態風險評估模型的構建方法、應用方法、系統、存儲介質和電子設備

有效

• 申請號: 202210733726.0
• 申請日: 2022-06-27
• 公開（公告）號: CN115036024B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 王子興;胡耀達;姜晶梅;韓偉;薛芳
• 申請（專利權）人: 中國醫學科學院基礎醫學研究所
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70;G06F18/24
• 代理公司: 北京同輝知識產權代理事務所(普通合伙) 11357
• 代理人: 孫艷敏

本發明公開了一種肺結節動態風險評估模型的構建方法、應用方法、系統、存儲介質和電子設備，構建方法包括根據肺結節分析指標構建第一子模型和第二子模型；其中，所述第一子模型用于預測肺結節演進過程，所述第二子模型用于預測肺癌確診風險；聯合所述第一子模型和所述第二子模型以獲得所述肺結節動態風險評估模型。本發明創新性地聯合了用于預測肺結節演進過程的第一子模型以及用于預測肺癌確診風險的第二子模型，從而使得聯合建模后的模型能夠動態地評估患者確診肺癌的風險，在一些實施例中，該模型可進一步應用于肺結節患者動態隨診管理系統，將動態風險評估結果轉化為個體化的動態隨診時間建議。

技術領域

本發明涉及肺癌篩查技術領域，特別是一種肺結節動態風險評估模型的構建方法、應用方法、系統、存儲介質和電子設備。

背景技術

人群肺癌篩查是一項長期性工程，大量肺結節患者需進行初篩后隨診。隨診流程涉及“是否確診、何時復查”等復雜決策，不良決策將造成延遲診斷或過度診斷等一系列問題。

這種復雜性由肺結節病種的多樣性及其進展的多階段性造成。對肺結節的管理決策基礎是風險評估。

當前用于肺結節患者風險評估的技術主要包括以下幾類：

(1)完全基于患者基本信息的評估工具。這些工具基于logistic回歸等統計模型技術開發，依靠年齡、家族史、吸煙信息等信息實現對患者風險等級的劃分，可用于人群高危個體的選擇；

(2)基于患者基本信息和肺結節CT圖像簡單指標的評估工具。該類工具對上述第(1)種方案加以拓展，進一步納入肺結節直徑、分葉征、毛刺征等CT影像表現，技術層面上仍以logistic回歸等統計模型為主，可對基線檢查結果實現肺結節風險的量化(肺癌的概率，或由概率相關函數得到的評分)、或以列線圖形式形成臨床評分工具(即不同變量組合下的得分)；

(3)基于生物標志物的風險評估工具。這類技術以肺癌的血液、呼出氣或其他生物標志物為基礎，依賴于檢測試劑盒等具體方式進行肺癌風險的評估；該類技術可以結合患者的基本信息和(或)CT圖像信息，采用(1)、(2)類的建模方法對肺結節患者的風險進行綜合評估；

(4)基于放射組學方法和(或)機器學習方法的評估工具。該類工具采用放射組學技術，包括(a)肺結節CT圖像的預處理、(b)量化特征的提取及篩選、(c)風險量化模型的構建及驗證、(d)軟件的封裝及測試等具體流程。其中，對大量圖像特征的高通量提取和分析是該類方法的鮮明特征，而風險量化模型的構建是其核心技術。對后者而言，可采用經典統計模型(如logistic回歸、Cox比例風險回歸)、機器學習模型(如決策樹、隨機森林、支持向量機、人工神經網絡)等；此外，還可以采用深度學習技術，將流程(b)和(c)進行融合，讓計算機自動生成、提取和利用肺結節的圖像信息。

現有的上述技術用于肺結節患者隨診流程決策，面臨著以下幾點突出問題：

一、無論是上述哪一大類現有技術，均只用于肺癌篩查前或首次檢查時，而肺結節患者隨診是一個多次決策過程，需要隨著時間推移和檢查次數的增多，對個體的風險進行更新，并據此動態調整關于隨診間隔的決策。需基于肺結節后續檢查結果調整隨診方案的新技術。

二、上述技術的實現高度依賴于數據的獲取途徑。如(2)中的分葉征、毛刺征需專業的影像醫生判斷；(3)中的生物標志物檢測信息需由專業人員測定和解讀；(4)中的圖像量化特征需借助于高性能計算機進行提取和分析。上述特征使這些技術在人群日常應用中的可及性不高，并在長期的隨診管理中難以大規模實施。