[發明專利]基于無創呼氣活檢技術的乳腺癌呼吸氣體數據分析方法

在審

• 申請號: 202211678679.0
• 申請日: 2022-12-26
• 公開（公告）號: CN115810428A
• 公開（公告）日: 2023-03-17
• 發明（設計）人: 劉嘉琦;劉芝華;陳海斌
• 申請（專利權）人: 中國醫學科學院腫瘤醫院
• 主分類號: G16H50/50
• 分類號: G16H50/50;G16H50/70;G16H10/60;G06N20/00
• 代理公司: 北京預立生科知識產權代理有限公司 11736
• 代理人: 李紅偉

1.基于無創呼氣活檢技術的乳腺癌預測模型構建方法，包括：

獲取訓練集樣本的呼吸氣體及分類標簽，所述分類標簽包括乳腺癌患者和非乳腺癌患者；

對所述訓練集樣本的呼吸氣體進行檢測和分析處理，得到處理后的質譜數據；

將所述處理后的質譜數據的離散信號轉換為標準的VOC特征；

對所述標準的VOC特征進行排序，得到目標VOC離子數據；

將所述目標VOC離子數據輸入機器學習模型，得到預測分類結果，與分類標簽進行比對，根據比對結果優化模型，得到構建好的乳腺癌預測模型一。

2.根據權利要求1所述的基于無創呼氣活檢技術的乳腺癌預測模型構建方法，其特征在于，根據特征重要性或系數對所述篩選出來的VOC特征進行排序；可選的，從所述標準的VOC特征中篩選a＜m/z＜b的VOC特征，對所述VOC特征進行排序，得到目標VOC離子數據，所述a的范圍為：0-50，優選為20；所述b的范圍為：100-500，優選為320；

可選的，所述將所述質譜數據的離散信號轉換為標準的VOC特征的方法包括：計算[x-0.1,x+0.1]范圍內最重要峰的面積，并將其視為m/z為x的VOC特征，m/z為x的VOC特征為標準的VOC特征。

3.根據權利要求1或2所述的基于無創呼氣活檢技術的乳腺癌預測模型構建方法，其特征在于，所述乳腺癌預測模型的構建方法還包括：

獲取訓練集樣本的臨床數據，對所述臨床數據分別做特征提取，得到臨床數據特征；

將所述目標VOC離子數據與臨床數據特征做特征融合處理，得到特征集；將所述特征集輸入機器學習模型，得到預測分類結果，與分類標簽進行比對，根據比對結果優化模型，得到構建好的乳腺癌預測模型二；

可選的，所述臨床數據包括下列中的一種或幾種：年齡、BMI、家族癌癥史、個人癌癥史和絕經狀態。

4.基于無創呼氣活檢技術的乳腺癌呼吸氣體數據分析方法，其特征在于，所述方法包括：

獲取待測樣本的呼吸氣體；

對所述待測樣本的呼吸氣體進行處理，得到目標VOC離子數據；

將所述目標VOC離子數據輸入權利要求1或2所述的構建好的乳腺癌預測模型一，得到分類結果；

可選的，所述方法還包括：

獲取待測樣本的呼吸氣體及臨床數據，所述臨床數據包括下列中的一種或幾種：年齡、BMI、家族癌癥史、個人癌癥史和絕經狀態；

對所述待測樣本的呼吸氣體進行處理，得到目標VOC離子數據；

將所述目標VOC離子數據和臨床數據輸入權利要求3所述構建好的乳腺癌預測模型二，得到分類結果。

5.基于無創呼氣活檢技術的乳腺癌呼吸氣體數據分析方法，包括：

獲取待測樣本的呼吸氣體；

對所述待測樣本的呼吸氣體進行處理，得到目標VOC離子數據；所述目標VOC離子數據包括以下一種或幾種：m/z＝28.0，m/z＝32.2，m/z＝40.0，m/z＝101.0，m/z＝112.0，m/z＝123.0，m/z＝126.0，m/z＝132.0，m/z＝92.0，

m/z＝103.0；

將所述目標VOC離子數據輸入構建好的乳腺癌預測模型一，得到分類結果；

可選的，所述方法還包括：

獲取待測樣本的呼吸氣體和臨床數據，所述臨床數據包括下列中的一種或幾種：年齡、BMI、家族癌癥史、個人癌癥史和絕經狀態；

對所述待測樣本的呼吸氣體進行處理，得到目標VOC離子數據；

將所述目標VOC離子數據和所述臨床數據輸入構建好的乳腺癌預測模型二，得到分類結果；

可選的，所述對所述待測樣本的呼吸氣體進行處理的過程包括：

對所述待測樣本的呼吸氣體進行檢測和分析處理，得到處理后的質譜數據；

將所述處理后的質譜數據的離散信號轉換為標準的VOC特征；

從所述標準的VOC特征中篩選a＜m/z＜b的VOC特征；根據特征重要性或系數對所述篩選出來的VOC特征進行排序，得到所述目標VOC離子數據。