一种基于COX模型的颊黏膜癌预后评估系统的制作方法

一种基于cox模型的颊黏膜癌预后评估系统
技术领域
1.本发明涉及辅助医疗的技术领域，尤其涉及一种基于cox模型的颊黏膜癌预后评估系统。


背景技术：

2.由于人们在生活中可能形成不同的嗜好习惯，导致人们的身体可能出现各种不同的疾病，例如，经常咀嚼烟叶或槟榔，容易造成颊黏膜癌(buccal mucosa cancer,bmc)，而且颊黏膜癌是全球范围内发病率仅次于舌癌的第二高发的口腔恶性肿瘤，因此，颊黏膜癌的预后评估现已逐渐受到人们的重视。
3.目前常用的预后评估方式是使用国际抗癌联盟/美国癌症协会(uicc/ajcc)的用于实体瘤预后预测评估的tnm分期系统。
4.但目前的预后评估方法有如下技术问题：临床上广泛使用的tnm分期系统只考虑原发肿瘤、淋巴结转移、远处转移三个因素而忽略了其它影响预后的重要独立预后危险因素(如年龄、病例类型、治疗方式等)，其准确性受到限制。


技术实现要素：

5.本发明提出一种基于cox模型的颊黏膜癌预后评估系统，所述系统可以利用cox比例风险模型对患者所包含的不同因素进行整合匹配，并评估用户的预后情况，从而通过评估结果辅助医生进行临床决策，以提高医生的处理效率和诊断的准确率。
6.本发明实施例的第一方面提供了一种基于cox模型的颊黏膜癌预后评估系统，所述系统包括：
7.信息输入模块，用于获取患者的多个临床特征信息；
8.运算分析模块，用于利用cox模型设定对应的计算分数值，采用所述计算分数值与所述临床特征信息进行预测计算得到分析结果；
9.结果显示模块，用于利用nomogram列线图将所述分析结果进行可视化与整合处理，并利用所述分析结果与预设的分析图表进行数值关联，以及从预设的分析图表中提取关于患者的患者生存率值，以供用户作诊断参考，其中，预设的分析图表为通过训练后的nomogram预测模型采用海量患者数据进行评估模拟后生成的图表。
10.在第一方面的一种可能的实现方式中，所述运算分析模块，包括：
11.单因素分析模块，用于从所述多个临床特征信息中筛选若干个影响生存的预后相关因素，得到单因素对应的分析结果；
12.多因素分析模块，用于从所述多个临床特征信息中筛选若干个影响生存的的独立预后危险因素信息，利用cox模型设定对应的若干个多因素分数值，得到多因素对应的分析结果。
13.在第一方面的一种可能的实现方式中，所述系统，还包括：
14.模型验证模块，用于采用所述展示图表生成验证参数，基于所述验证参数的参数
值进行准确度验证。
15.在第一方面的一种可能的实现方式中，所述验证曲线，包括：校准图、c-指数、roc曲线、dca曲线。
16.在第一方面的一种可能的实现方式中，所述系统，还包括：
17.数据分组模块：获取多个患者数据，并按照预设的比例随机将所述多个患者数据分为训练组数据和验证组数据，以采用所述训练组数据进行系统训练以及采用所述验证组数据进行结果验证。
18.在第一方面的一种可能的实现方式中，所述临床特征信息包括：年龄信息、肿瘤分级信息、病理类型信息、肿瘤分期信息、肿瘤大小信息、淋巴结状态信息、手术信息、婚姻状态信息。
19.相比于现有技术，本发明实施例提供的一种基于cox模型的颊黏膜癌预后评估系统，其有益效果在于：本发明可以基于癌症数据库—seer数据库，收集了多个患者临床特征信息并构建nomogram预测模型，通过nomogram预测模对患者的临床特征信息进行分析计算，再基于其计算结果在nomogram预测模型构建的分析图表中匹配对应的风险评估值，以确定患者的生存概率，并供医生参考，实现医疗辅助的效果，而且本发明的变量简单易得的，且标准明确，计算后用户可以直观精确了解，可以进一步提高其辅助效果，同时整个过程计算快，耗时短，提高医生的处理效率，让医生可以对患者病情作出精确评估，辅助临床决策，从而可以防止因过度治疗造成医疗资源的浪费以及防止治疗不足造成的病情贻误，又可以减少患者就医和检查的成本。
附图说明
20.图1是本发明一实施例提供的一种基于cox模型的颊黏膜癌预后评估系统的结构示意图；
21.图2是本发明一实施例提供的分析图表的图像示意图。
具体实施方式
22.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.目前的诊断方式有如下技术问题：临床上广泛使用的tnm分期系统只考虑原发肿瘤、淋巴结转移、远处转移三个因素而忽略了其它影响预后的重要独立预后危险因素(如年龄、病例类型、治疗方式等)，其准确性受到限制。
24.为了解决上述问题，下面将通过以下具体的实施例对本技术实施例提供的一种基于cox模型的颊黏膜癌预后评估系统进行详细介绍和说明。
25.参照图1，示出了本发明一实施例提供的一种基于cox模型的颊黏膜癌预后评估系统的结构示意图。
26.其中，作为示例的，所述基于cox模型的颊黏膜癌预后评估系统，可以包括：
27.信息输入模块101，用于获取患者的多个临床特征信息；
28.运算分析模块102，用于利用cox模型设定对应的计算分数值，采用所述计算分数值与所述临床特征信息进行预测计算得到分析结果；
29.结果显示模块103，用于利用列线图将所述分析结果进行可视化与整合处理，并利用所述分析结果与预设的分析图表进行数值关联，以及从预设的分析图表中提取关于患者的患者生存率值，以供用户作诊断参考，其中，预设的分析图表为通过训练后的预测模型采用海量患者数据进行评估模拟后生成的图表。
30.预测模型为用户采用大量患者数据进行预测模型训练后生成的预测模型。
31.在应用时，通过cox模型可以设定与患者的临床特征信息相关的计算分数值，从而可以利用计算分数值与患者的临床特征信息进行评估计算，从而确定患者的实际状况，进而可以将该评估结果发送给诊断医生，实现辅助医生诊断的效果，而且整个过程计算快速，耗时小，可以有效提高诊断效率，方便医生操作。
32.参照图2，示出了本发明一实施例提供的分析图表的图像示意图。
33.在一实施例中，预定的分析图表为用户通过在全球最大癌症数据库
‑‑
美国seer(the surveillance,epidemiology,and end results)数据库获取颊黏膜癌患者数据后，利用患者数据制作的生存率评估列线图。该分析图表可以包含患者一年的生存率、三年的生存率、单一因素风险评分。
34.参照图2，在使用时，系统可以根据患者的多个临床特征信息计算该患者对应的分析结果，该分析结果为一个对应的分数值，接着可以通过分数值在图表中查找对应的风险概率值，以确定患者的1年、3年生存率。而医生也可以根据该生存概率值进行相应的医疗评估。
35.在一实施例中，所述临床特征信息包括：年龄信息、肿瘤分级信息、病理类型信息、肿瘤分期信息、肿瘤大小信息、淋巴结状态信息、手术信息、婚姻状态信息等信息。
36.由于影响每个患者预后的因素可能不同，而造成预后不同的原因也可能是一种或者多种，为了准确分析不同的患者，在一可选的实施例中，所述运算分析模块，包括：
37.单因素分析模块，用于从所述多个临床特征信息中筛选若干个影响生存的预后相关因素，得到单因素对应的分析结果；
38.多因素分析模块，用于从所述多个临床特征信息中筛选若干个影响生存的的独立预后危险因素信息，利用cox模型设定对应的若干个多因素分数值，得到多因素对应的分析结果。
39.例如，在全因生存(overall survival,os)预测模型里，各个临床特征信息对应的分数值为：
40.年龄分数值：小于或等于70岁＝0分，大于70岁＝5.8分；
41.婚姻状态分数值：已婚＝0分，未婚＝2.7分；
42.肿瘤分级：低等级＝0分，高等级＝2.2分；
43.病理类型分数值：其他＝0分，鳞状细胞癌＝10.0分；
44.肿瘤分期分数值：原位＝0分，局部＝6.1分，远处转移＝9.9分；
45.肿瘤大小分数值：小于或等于4cm＝0分，大于4cm＝3.4分；
46.手术分数值：接受手术＝0分，无手术证据＝5.4分。
47.则在计算单分析结果时，其计算结果为：年龄分数值 婚姻状态分数值 肿瘤分级
分数值 病理类型分数值 肿瘤分期分数值 肿瘤大小分数值 手术分数值。
48.比如一个80岁、已婚、分级低、病理类型为鳞状细胞癌、原位、肿瘤大小5cm、无手术的患者，根据上述计算方式，其风险得分值为：5.8 0 0 10 0 3.4 5.4＝24.6。根据预测列线图，其预测的1年全因生存率(1-year os)约为57％，预测的3年全因生存率(3-year os)约为25％。
49.同理，在癌因生存(cancer-specific survival,css)预测模型里，各个临床特征信息对应的分数值为：
50.年龄：小于或等于70岁＝0分，大于70岁＝3.9分；
51.肿瘤分级：低等级＝0分，高等级＝2.3分；
52.病理类型：其他＝0分，鳞状细胞癌＝7.5分；
53.肿瘤分期：原位＝0分，局部＝6.6分，远处转移＝10.0分；
54.肿瘤大小：小于或等于4cm＝0分，大于4cm＝3.4分；
55.手术：接受手术＝0分，无手术证据＝5.0分。
56.在计算时，其计算结果为：年龄分数值 肿瘤分级分数值 病理类型分数值 肿瘤分期分数值 肿瘤大小分数值 手术分数值。
57.在使用时，为了进一步调整系统的准确度，以适配不同的病人，在一可选的实施例中，所述系统，还包括：
58.模型验证模块，用于采用所述展示图表生成验证参数，基于所述验证参数的参数值进行准确度验证。
59.可选地，所述验证曲线，包括：校准图、c-指数、roc曲线、dca曲线。
60.其中，校准图：可以提示模型预测结果(x轴)和实际生存结果(y轴)之间匹配良好(45
°
线表示完全匹配的理想状态，偏离越小表示预测结果越精确)。
61.c-指数：可以提示模型准确度较高。
62.roc曲线：可以提示预测模型精确度满意。
63.dca曲线：可以在临床应用方面，决策曲线提示较高的临床应用价值且优于ajcc分期系统。预测模型有临床价值，os概率在4％～88％之间，css概率在3％～77％之间。
64.由于需要基于验证组进行外部验证，因此需将数据分为训练组和验证组，在一实施例中，所述系统，还包括：
65.数据分组模块：获取多个患者数据，并按照预设的比例随机将所述多个患者数据分为训练组数据和验证组数据，以采用所述训练组数据进行系统训练以及采用所述验证组数据进行结果验证。
66.在本实施例中，本发明实施例提供了一种基于cox模型的颊黏膜癌预后评估系统，其有益效果在于：本发明可以基于癌症数据库—seer数据库，收集了多个患者临床特征信息并构建nomogram预测模型，通过nomogram预测模对患者的临床特征信息进行分析计算，再基于其计算结果在nomogram预测模型构建的分析图表中匹配对应的风险评估值，以评估患者的预后情况，并供医生参考，实现医疗辅助的效果，而且本发明的变量简单易得的，且标准明确，计算后用户可以直观精确了解，可以进一步提高其辅助效果，同时整个过程计算快，耗时短，可以让医生对患者病情作出精确评估，从而可以防止因过度治疗造成医疗资源的浪费以及防止治疗不足造成的病情贻误，又可以减少患者就医和检查的成本。
67.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。