宫颈癌放疗后放射性肠炎预后分析系统、方法及存储介质

摘要

本发明人工智能及智慧医疗技术领域，具体涉及了一种宫颈癌放疗后放射性肠炎预后分析系统、方法及存储介质。包括数据获取模块、评价标准模块以及预测分析模块；数据存储模块，用于存储临床数据，所述临床数据包括放疗后出现放射性肠炎的患者，在放疗前后的各项指标以及放射性肠炎的预后情况；评价标准模块，用于对临床数据进行统计分析，根据临床数据统计分析结果，生成预后恢复速度的评价标准；预测分析模块，用于输入患者放疗前后的各项指标，根据评价标准和患者放疗前后的各项指标，生成患者放疗后放射性肠炎预后恢复速度的评价结果，根据评价结果对患者进行分组。能够对放射性肠炎预后恢复速度不同的患者进行分组。

说明书

技术领域

本发明涉及人工智能及智慧医疗技术领域，具体涉及了一种宫颈癌放疗后放射性肠炎预后分析系统、方法及存储介质。

背景技术

放射性肠炎是盆腔、腹腔、腹膜后恶性肿瘤经放射治疗引起的肠道并发症。分别可累及小肠、结肠和直肠，故又称为放射性直肠、结肠、小肠炎。根据肠道遭受辐射剂量的大小、时间的长短、发病的缓急，一般将放射病分为急性和慢性两种。又根据射线来源放置的体内外位置的不同将其分为外照射放射病和内照射放射病。在早期肠粘膜细胞更新受到抑制，以后小动脉壁肿胀、闭塞，引起肠壁缺血，粘膜糜烂。晚期肠壁引起纤维化，肠腔狭窄或穿孔，腹腔内形成脓肿、瘘道和肠粘连等。

放疗的大多数宫颈癌患者必须经历的治疗，宫颈放疗后出现放射性肠炎的几率较高，影响患者的生活，症状较重时甚至会威胁到患者的生命，因此需要及时对出现放射性肠炎的患者进行干预治疗。放射性肠炎的预后恢复速度，会根据受到的辐射量大小、时间长短、患者身体指标等诸多影响，对于不同恢复速度的患者，因采用不同的方式进行干预治疗，因此如何对不同恢复速度的患者进行分组，提供干预治疗的依据，是亟待解决的问题。

发明内容

本发明所解决的技术问题在于提供一种宫颈癌放疗后放射性肠炎预后分析系统、方法及存储介质，能够对放射性肠炎预后恢复速度不同的患者进行分组，从而对恢复速度不同的患者进行不同干预治疗。

本发明提供的基础方案：一种宫颈癌放疗后放射性肠炎预后分析系统，包括数据获取模块、评价标准模块以及预测分析模块；

数据存储模块，用于存储临床数据，所述临床数据包括放疗后出现放射性肠炎的患者，在放疗前后的各项指标以及放射性肠炎的预后情况；

评价标准模块，用于对临床数据进行统计分析，根据临床数据统计分析结果，生成预后恢复速度的评价标准；

预测分析模块，用于根据评价标准和患者放疗前后的各项指标，生成患者放疗后放射性肠炎预后恢复速度的评价结果，根据评价结果对患者进行分组。

本发明的原理及优点在于：通过在宫颈癌放疗后出现放射性肠炎的患者的临床数据，根据放疗前后的指标数据与对放射性肠炎预后情况的相关性，制定出放射性肠炎恢复速度的评价标准。之后根据制定出的评价标准和患者在放疗前后的指标数据，便能够直接得到患者恢复快慢的评价结果，根据评价结果对患者进行分组，从而帮助临床医生大致了解不同患者的放射性肠炎的恢复快慢，进而有依据对不同分组的患者进行干预治疗。

目前，虽然也有对于一些对疾病预后恢复情况进行预测的系统，但是大多是对预后的状态变化，或者是对一个大致的恢复时间进行预测。而本申请中，提出的是对患者的预后恢复速度进行预测，根据恢复速度的预测结果对患者进行分组。

因此在本发明中，对于预后情况的预测不是追求一个准确的时间，而是对预后的恢复的快慢进行预测，无需准确预测恢复时间，与现有技术存在明显不同。在现有技术力求提高对预后恢复时间预测准确性的情况下，本领域的技术人员不容易想到本申请的技术方案，因此本申请的技术方案对于本领域技术人员来说是不容易想到的。

而通过本申请的技术方案，预测到不同患者恢复速度的快慢后，将恢复速度快的患者和恢复速度慢的患者进行分组，从而能够为临床医生提供分组干预的依据，使临床医生能够及时且有效地对不同分组的患者采取不同手段进行干预治疗，使不同恢复速度的患者都能够接受到更加适合的干预治疗，也便于临床医生对不同恢复速度的患者统一管理，达到了意想不到的效果。

进一步，还包括标准化模块，所述标准化模块用于对临床数据进行标准化处理；

所述评价标准模块，对标准化处理后的进行统计分析。

对临床数据进行标准化处理后，进行统计分析，避免直接采用原始指标值进行分析，而产生的突出数值较高的指标在综合分析中的作用，相对削弱数值水平较低的指标的作用。

进一步，所述评价标准模块包括评价指标模块；

评价指标模块，内置LASSO-COX回归模型，用于将临床数据输入LASSO-COX回归模型，分析得到评分公式，以及最佳截断值。

采用LASSO-COX回归模型，将临床数据中的宫颈癌放疗后出现放射性肠炎的患者，放疗前后的各项指标，以及放射性肠炎的预后情况输入到LASSO-COX回归模型中后，由LASS0-COX回归模型统计分析出显著性较高的指标数据，生成评分公式，以及生成最佳截断值，通过最佳截断值便能够区分出患者恢复速度的快慢，为对患者进行分组提供依据。

进一步，预测分析模块包括患者评分模块和患者分组模块；

患者评分模块，用于将患者放疗前后的各项指标输入评分公式，得到预测性评分；

患者分组模块，用于根据预测性评分的与最佳截断值的关系，对患者进行分组，分组包括恢复快人群和恢复慢人群。

将患者在放疗前后的指标数据输入到评分公式中后，得到预测性评分。比较预测性评分与最佳截断值的大小关系，便能够区分恢复速度快的患者人群，和恢复速度慢的患者人群，对患者进行分组之后，便能够对不同分组的患者采取不同的方式进行干预治疗提供依据。

本发明还公开了宫颈癌放疗后放射性肠炎预后分析方法，包括以下步骤：

临床数据获取步骤：获取临床数据，临床数据为放疗后出现放射性肠炎的患者，在放疗前后的各项指标以及放射性肠炎的预后情况；

数据分析步骤：对临床数据进行统计分析，根据临床数据统计分析结果，生成预后恢复速度的评价标准；

预后预测步骤：以评价标准对患者放疗前后的各项指标进行评价，生成患者放疗后放射性肠炎预后恢复速度的评价结果，根据评价结果对患者进行分组。

进一步，还包括标准化处理步骤：对临床数据进行标准化处理；

数据分析步骤中，对标准化处理后的临床数据进行统计分析。

进一步，所述数据分析步骤中，采用LASSO-COX回归模型，将临床数据输入LASSO-COX回归模型，分析得到评分公式和最佳截断值。

进一步，预后预测步骤包括以下步骤：

患者评分步骤：将患者放疗前后的指标数据输入评分公式，得到预测性评分；

患者分组步骤：根据预测性评分和最佳截断值之间的关系，对患者进行分组，分组包括恢复快人群和恢复慢人群。

本发明还公开了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述的宫颈癌放疗后放射性肠炎预后分析方法。

附图说明

图1为本发明宫颈癌放疗后放射性肠炎预后分析系统实施例的逻辑框图。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例基本如附图1所示：

宫颈癌放疗后放射性肠炎预后分析系统，包括数据获取模块、标准化模块、评价标准模块以及预测分析模块。

数据存储模块，用于存储临床数据，临床数据包括放疗后出现放射性肠炎的患者，在放疗前后的各项指标，以及放射性肠炎预后情况。各项指标具体包括有放疗前三天，以及放疗后三天的血中各类细胞、炎性指标、肿瘤标记物等90个指标。预后情况为患者预后的恢复天数。

标准化模块，用于对临床数据进行标注化处理，本实施例中，标准化模块采用Z-score算法对临床数据进行标准化处理。

评价标准模块，用于对临床数据进行统计分析，根基临床数据统计分析结果，生成预后恢复速度的评价标准。评价标准模块包括有评价指标模块，评价指标模块内置有LASSO-COX回归模型，将各项指标和放射性肠炎预后情况输入到LASSO-COX回归模型中后，LASSO-COX回归模型统计分析出20个显著性较强的指标数据，以该20个指标数据构建以下评分公式：

预测性评分＝0.144444951972155*放疗前单核细胞计数-0.258047181455832*嗜碱性粒细胞计数+0.15311839268124*放疗前血小板计数+0.091406069273722*放疗结束时红细胞计数-0.00851480842349444*放疗前癌胚抗原水平-0.0539909473812999*放疗前细胞角蛋白19的可溶性片段水平-0.113985261143508*放疗前鳞状上皮细胞癌抗原水平-0.251083854158804*放疗结束时ca125水平-0.0111036389987941*放疗结束时ca50水平-0.175962597652463*放疗结束时鳞状上皮细胞癌抗原水平-0.359018584544724*放疗前CD3阳性细胞数+0.0347429369230835*放疗前IFN-γ水平-0.177771909008992*放疗结束时CD4阳性细胞数+0.018759954100773*放疗后TNF-a水平-0.0434971538081423*放疗前LMR+0.134307112610246*放疗前ELR+0.112460269233865*放疗前SII-0.202891374242232*NLRd-0.0360307645630952*放疗前后CD8阳性细胞差值-0.106014941199536*放疗前后IL6水平差值。

备注：

LMR，淋巴单核细胞比；

ELR，嗜酸性粒细胞淋巴细胞比；

SII，全身免疫炎症指数＝血小板计数×中性粒细胞计数/淋巴细胞计数；

NLR，中性粒细胞淋巴细胞比；NLRd＝放疗前NLR-放疗结束时NLR；

同时还通过roc曲线找最大切迹分析出最佳截断值为：-0.277543055724963。

预测分析模块，用于根据评价标准和患者放疗前后的各项指标，生成患者放疗后放射性肠炎预后恢复速度的评价结果，根据评价结果对患者进行分组。

预测分析模块包括患者评分模块和患者分组模块。

患者评分模块，用于将患者放疗前后的临床数据输入评分公式，得到预测性评分；

患者分组模块，用于根据预测性评分的与最佳截断值的关系，对患者进行分组，分组包括恢复快人群和恢复慢人群。

具体的，将患者的各项指标输入进评分公式，根据评分公式的计算，得到预测性评分，若是预测性评分高于最佳截断值，则分为恢复快人群，若预测性评分低于最佳截断值，则分为恢复慢人群，从而对患者完成分组。

本发明还公开了宫颈癌放疗后放射性肠炎预后分析方法，包括以下步骤：

临床数据获取步骤：获取临床数据，临床数据为放疗后出现放射性肠炎的患者，在放疗前后的各项指标以及预后情况；

数据分析步骤：对临床数据进行统计分析，根据临床数据统计分析结果，生成预后恢复速度的评价标准；

预后预测步骤：以评价标准对患者放疗前后的各项指标进行评价，生成患者放疗后放射性肠炎预后恢复速度的评价结果，根据评价结果对患者进行分组。

还包括标准化处理步骤：对临床数据进行标准化处理；

数据分析步骤中，对标准化处理后的临床数据进行统计分析。

所述数据分析步骤中，采用LASSO-COX回归模型，将临床数据输入LASSO-COX回归模型，分析得到评分公式和最佳截断值。

预后预测步骤包括以下步骤：

患者评分步骤：将患者放疗前后的指标数据输入评分公式，得到预测性评分；

患者分组步骤：根据预测性评分和最佳截断值之间的关系，对患者进行分组，分组包括恢复快人群和恢复慢人群。

本发明还公开了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述的宫颈癌放疗后放射性肠炎预后分析方法。

以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。