[发明专利]一种周围型NSCLC的隐匿性N2淋巴结转移的预测方法及系统

说明书

本发明公开了一种周围型NSCLC的隐匿性N2淋巴结转移的预测方法及系统，包括，采集PET‑CT中临床分期N1期原发灶及同侧肺门淋巴结的影像组学特征和临床病理特征；利用所述的影像组学特征和临床病理特征建立Nomogram模型；基于所述Nomogram模型对临床中的患者进行评分，获得对应的风险概率系数；利用所述风险概率系数预测评估隐匿性N2淋巴结发生转移的概率。本发明通过卷积神经网络对影像组学特征进行提取，进一步提升了影像组学分类或预测的准确性和可靠性，和基于影像组学的Nomogram可以更直观、更精准的根据每位非小细胞肺癌患者的实际情况提供有无淋巴结转移的个性化信息，让患者避免不必要的医疗检查及手术。

技术领域

本发明涉及影像组学和深度学习的技术领域，尤其涉及一种周围型NSCLC的隐匿性N2淋巴结转移的预测方法及系统。

背景技术

PET-CT在NSCLC(Non-small cell lung cancer)患者cTNM分期及指导临床治疗等方面发挥重要的作用，但在cN分期诊断中仍存在假阴性问题。2020版美国国立综合癌症网络(National Comprehensive Cancer Network,NCCN)指出对于cTNM分期明确N2转移的NSCLC患者，可以选择同步根治性放化疗+Durvalumab药物治疗(I类证据)，然而，实际工作中大约25％的cN1(clinicalN1)患者会发生隐匿性N2淋巴结转移，虽然NCCN对于PET-CT未发现转移淋巴结的NSCLC患者推荐采用超声内镜及纵隔镜等方法进一步明确诊断，但Dooms的研究证实内镜检查在cN1中发现隐匿性N2淋巴结转移的敏感度很低。并且，Meta分析显示纵隔镜在检查隐匿性N2淋巴结转移中的价值尚存争议。因此，目前常规纵隔分期方法对在cN1期患者中排除隐匿性N2淋巴结转移效果并不理想。利用PET-CT常规参数诊断N2淋巴结转移，虽有一定价值但曲线下面积不高。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种周围型NSCLC的隐匿性N2淋巴结转移的预测方法，利用深度学习网络训练提取特征，直接在全连接层完成初筛，然后通过构建的Nomogram模型更直观、更精准的根据每位非小细胞肺癌患者的实际情况提供有无淋巴结转移的个性化信息，让患者避免不必要的医疗检查及手术。

为解决上述技术问题，本发明提供如下技术方案：包括，采集PET-CT中临床分期N1期原发灶及同侧肺门淋巴结的影像组学特征和临床病理特征；利用所述的影像组学特征和临床病理特征建立Nomogram模型；基于所述Nomogram模型对临床中的患者进行评分，获得对应的风险概率系数；利用所述风险概率系数预测评估隐匿性N2淋巴结发生转移的概率。

作为本发明所述的一种周围型NSCLC的隐匿性N2淋巴结转移的预测方法的一种优选方案，其中：所述影像组学特征包括，采集高质量和标准化的PET和CT进行判断和评估；利用自动、半自动分割方法从获取的图像中勾画ROI；利用卷积神经网络提取所述ROI中的影像组学特征，其包括强度分布的描述、不同强度水平间的空间关系、纹理图案的形状和异质性以及对原发肿瘤或淋巴结与周围组织关系的描述。

作为本发明所述的一种周围型NSCLC的隐匿性N2淋巴结转移的预测方法的一种优选方案，其中：所述ROI包括，勾勒所述cN1期原发灶及同侧肺门淋巴结的边界。

作为本发明所述的一种周围型NSCLC的隐匿性N2淋巴结转移的预测方法的一种优选方案，其中：所述临床病理特征包括，患者的住院病历上的年龄、身高、体重、吸烟史以及实验室肿瘤免疫指标检查信息。