[发明专利]基于舌象图像和肿瘤标志物的肿瘤预测系统、方法及应用

说明书

本发明涉及肿瘤学诊断、预测、评估技术领域，具体涉及一种基于舌象图像和肿瘤标志物的肿瘤预测系统、方法及应用，所述系统包括：舌象图像获取模块，其被配置为获取测试试样的舌象图像；血液肿瘤标志物获取模块，其被配制为获取测试试样的血液肿瘤标志物指标；数据处理模块，其被配置为通过下述操作来获得测试试样属于阳性的概率：依据自动学习获得的舌象图像与血液肿瘤标志物指标数据模态上可判别性的特征预测测试试样属于阳性的概率。应用AI深度学习模型，根据舌象图像和临床血液肿瘤标志物指标共同决策自动化预测不同测试试样属于肿瘤阳性的概率，是一种针对于肿瘤的前瞻性的、经济性的、无创性的、有效性的筛查和诊断预测系统。

技术领域

本发明涉及肿瘤学诊断、预测、评估技术领域，更具体来说，具体涉及基于舌象图像和血液肿瘤标志物的肿瘤预测系统、方法及其应用，通过分析舌象图像和血液肿瘤标志物与肿瘤学的关联关系，从而实现经济的、非侵入性的且具有较高准确度的肿瘤预测。

背景技术

根据最新数据，胃癌(GC)是全球第三大癌症相关死亡原因，仅2020年即新增GC病例109万例，死亡77万例，其中，中国新增病例48万例，死亡病例37万例，约占世界病例的一半。我国是胃癌发病率和死亡率较高的国家，早期发现、早期诊断和早期治疗是降低胃癌死亡率的关键，但是目前全国早期胃癌的诊断率仍然不到20%。在人口基数极大的条件下，胃镜筛查也仅仅针对满足特定条件的目标人群，但由于其侵入性强、成本高以及需要专业的内镜医师，其应用受到很大限制。研究证实癌胚抗原、糖蛋白抗原等的表达与胃癌的生长、分期、分化、浸润及淋巴结转移等密切相关，在胃癌病情进展中起到重要作用，因此血液指标检测是目前临床应用的主要手段之一。

然而遗憾的是，在胃癌早期，因存在缺乏特异性症状，临床疾病标志物的特异性和敏感性较差，超过60%的患者在确诊时即发生局部或远处转移。局部早期GC患者的5年生存率超过60%，而局部、远处转移患者的5年生存率分别显著下降至30%和5%。因此，迫切需要新的GC诊断或筛查方法，以提高该人群的早期诊断率和预后效果。

中医药是几千年来中国人民经验应用和保留的医学科学和文化遗产，舌象诊断是中医诊断疾病的重要依据之一。中医理论认为，舌象的变化(舌的颜色、大小和形状，舌苔的颜色、厚度和含水量)可以反映人体的健康状况，尤其与胃病密切相关。但尚未有研究证实舌象变化与GC存在对应关系，以及舌象变化在GC诊断和筛查中的价值。

人工智能(AI)可用于筛查、诊断和治疗各种疾病，CheungCY等学者开发了一种深度学习系统(见参考文献)，通过测量视网膜血管的口径来评估心血管疾病的风险，可以有效预测心血管疾病的风险。TakenakaK等学者开发了一种深度神经网络(见参考文献)，用于评估溃疡性结肠炎患者的内窥镜图像，该网络以90.1%的准确度识别内镜缓解和组织学缓解的患者，准确率为92.9%。

福州数据技术研究院有限公司专利CN110251084A提供一种基于人工智能的舌像检测与识别方法，用于解决舌像采集过程中舌像舌体的实时检测拍摄、保存、上传，同时识别舌像舌色、舌形、苔质、苔色；其方案主要涉及了舌像的采集和识别技术，其中舌像识别更侧重于提取舌像颜色、纹理、舌苔区域或舌苔厚薄等特性，然而这些工作并没有将舌像信息与某一特殊胃病比如胃癌建立对应关系。沈阳智朗科技有限公司专利CN111710394A提出一种人工智能辅助的早期胃癌筛查系统，以自动化代替人工分析胃镜切片图像来解决胃癌阳性确定工作量大的问题；然而此种基于胃镜图像分析的策略，仍然首先需要获得大量的专业仪器采集的胃镜图像用于模型的学习，在测试阶段仍然需要依据每个测试者的胃镜图像做出决策，而胃镜图像的获得仍然存在时间消耗大、物质成本高、测试人群标准高等缺陷，很难做到全国范围的普查筛选。