[发明专利]基于深度神经网络的乳腺癌预后指示系统、存储介质及设备

说明书

基于深度神经网络的乳腺癌预后指示系统、存储介质及设备，属于癌症预后指示技术领域。本发明为了解决现有的乳腺癌预后预测准确率有待于提高的问题。本发明根据用户输入实例对应的组学特征在TCGA数据库中获取相同的全部乳腺癌实例的组学特征，然后针对每个组学数据分别计算特征的肯德尔相关系数矩阵，根据相关系数矩阵确定全局基因相似系数矩阵及最相近基因相似系数矩阵，并通过迭代计算多组学特征相似性融合矩阵进而获得多组学特征的全局相似性，之后根据非负矩阵分解的方式对其进行分解，根据分解结果对用户取户输入的组学特征进行加权，然后利用机器学习模型进行乳腺癌预后预测。本发明用于乳腺癌的预后指示。

技术领域

本发明属于癌症预后指示技术领域，具体涉及一种乳腺癌预后指示系统、存储介质及设备。

背景技术

乳腺癌是女性中最常见的恶性肿瘤，发病率居女性恶性肿瘤第一位，乳腺癌患者不仅要经历疾病的折磨，还要忍受治疗带来的副作用。现在关于癌症的治疗中，存在“过度治疗”的现象，以乳腺癌中常见腋窝淋巴结清扫术为例，在9.7年的中位随访时间后，无腋窝淋巴结清扫术组的10年无疾病生存率是76.8％，腋窝淋巴结清扫术组的10年无疾病生存率是74.9％(low rank p＝0.24；p＝0.0024)；无腋窝淋巴结清扫术组的10年累积发病率是17.6％，腋窝淋巴结清扫术组的10年累积发病率是17.3％(low rank p＝0.92)；无腋窝淋巴结清扫术组的10年总生存率是90.8％，腋窝淋巴结清扫术组的10年总生存率是88.2％(low rank p＝0.20)；无腋窝淋巴结清扫术组出现淋巴水肿的概率是4％，腋窝淋巴结清扫术组出现淋巴水肿的概率是13％(p0.0001)。

另外根据《新英格兰医学杂志》的关于早期乳腺癌治疗的随机、大样本、长达20年的随访报告，有关于乳腺癌保乳手术和根治术后的长期治疗效果评估，经过长达20年的随访后，得出下列结果：乳腺癌保乳手术后的生存率为58.3％，根治术后的生存率为58.8％；乳腺癌保乳手术后的局部累计复发率为8.8％，根治术后的局部累计复发率为2.3％；乳腺癌保乳手术后的死亡率为41.7％，根治术后的死亡率为41.2％；乳腺癌所致死亡率分别为保乳术26.1％和根治术24.3％。

因此在乳腺癌的治疗中避免过度治疗，可以减轻患者痛苦，提高患者生存质量。但是一个矛盾点是，需要在进行治疗前准确判断出患者需要接收的治疗程度，误判会导致治疗过度或治疗不充分，前者导致患者痛苦增加，后者导致患者术后乳腺癌复发、恶化、转移概率提高。对于这一问题，传统cox生存分析的作用有限，本申请开发了基于图神经网络，使用基因组和转录组数据的乳腺癌预后预测方法，用于在临床上对未经治疗的乳腺癌患者做出预后指示，为治疗手段提供参考。

发明内容

本发明为了解决现有的乳腺癌预后预测准确率有待于提高的问题。

基于深度神经网络的乳腺癌预后指示系统，包括系统实例特征获取单元、相关系数计算单元、最相近基因相似系数矩阵生成单元、相似性多组学特征融合单元、用户输入加权单元和乳腺癌转移预测单元；其中，

系统实例特征获取单元：根据用户输入实例对应的组学特征在TCGA数据库中获取相同的全部乳腺癌实例的组学特征F_TCGA；

相关系数计算单元：针对组学特征F_raw和组学特征F_TCGA中的每个组学数据，分别计算特征的肯德尔相关系数矩阵T；

全局基因相似系数矩阵生成单元：通过公式(1)生成标准化特征相似系数矩阵P；矩阵P对角线元素代表基因与自身的相关系数；

其中，P^(v)表示组学v对应的全局基因相似系数矩阵；N_Omic是根据用户输入组学特征确定的组学个数；T(i,j)是肯德尔相关系数矩阵的第i行j列元素，代表基因i和基因j的相关系数；