[发明专利]结合FISH检测的膀胱癌术后复发风险预测方法、装置及介质在审
| 申请号: | 202310032705.0 | 申请日: | 2023-01-10 |
| 公开(公告)号: | CN116013528A | 公开(公告)日: | 2023-04-25 |
| 发明(设计)人: | 郑俊炯;林天歆;孔坚秋;卢思弘;蔡锦华 | 申请(专利权)人: | 中山大学孙逸仙纪念医院 |
| 主分类号: | G16H50/30 | 分类号: | G16H50/30;G16H50/70;G06F16/9535 |
| 代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 李妙芬 |
| 地址: | 510275 广东*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 结合 fish 检测 膀胱癌 术后 复发 风险 预测 方法 装置 介质 | ||
本发明公开一种结合FISH检测的膀胱癌术后复发风险预测方法、装置及介质,所述方法包括:从候选临床因素筛选出多个预测因子;根据所述多个预测因子和FISH检测结果构建临床预测模型;根据目标患者的临床资料得到各个预测因子取值;根据所述目标患者的尿液样本确认FISH检测取值;将所述各个预测因子取值和所述FISH检测取值输入所述临床预测模型,得到所述目标患者的复发风险评分;根据所述复发风险评分对所述目标患者的术后复发风险进行预测,得到所述目标患者的危险分层。采用本发明,结合FISH检测进行膀胱癌术后复发风险预测,得到更加精确、可靠的预测结果。
技术领域
本发明涉及膀胱癌预后评估技术领域,尤其涉及一种结合FISH检测的膀胱癌术后复发风险预测方法、装置及介质。
背景技术
膀胱癌是全球第十大常见恶性肿瘤,在癌症相关的死亡率中位列第13位,是中国第二大泌尿系恶性肿瘤。由于其复发率高、手术等治疗方式繁杂,膀胱癌被称为“最贵”的肿瘤,给患者和社会带来了沉重的经济负担。大约75%的新诊断膀胱癌病例为非肌层浸润性膀胱癌(non-muscle-invasive bladder cancer,NMIBC),对于年轻患者,这一比例更高。经尿道膀胱肿瘤电切除术(transurethral resection of bladder tumor,TURBT)以及术后辅助治疗是NMIBC的标准治疗方案,然而仍有高达70%的患者在诊断后一年内发生复发。因此,预测NMIBC患者复发风险具有重要的临床意义。
目前,EAU指南推荐CUETO和EORTC模型用于NMIBC患者术后复发风险的预测,这两个模型均利用患者的临床因素进行危险分层,CUETO模型包含肿瘤数目、肿瘤大小、既往复发频率、T分期、是否伴发原位癌及G分级等六个预测因子;而EORTC模型专门针对的是术后行卡介苗膀胱灌注治疗的患者,包含性别、年龄、既往是否复发、肿瘤数目、是否伴发原位癌及G分级等六个预测因子。然而,这两个模型预测复发的C指数为0.636-0.644,有研究者对其进行外部验证,C指数也仅介于0.51和0.57之间,提示模型的预测准确性仍有待提高,亟需寻找更为有效的预测因子。
发明内容
本发明提供一种结合FISH检测的膀胱癌术后复发风险预测方法、装置及介质,引入FISH检测结果提升患者膀胱癌术后复发风险预测的准确性。
为实现上述目的,本申请实施例的第一方面提供一种结合FISH检测的膀胱癌术后复发风险预测方法,包括:
从候选临床因素筛选出多个预测因子;
根据所述多个预测因子和FISH检测结果构建临床预测模型;
根据目标患者的临床资料得到各个预测因子取值;
根据所述目标患者的尿液样本确认FISH检测取值;
将所述各个预测因子取值和所述FISH检测取值输入所述临床预测模型,得到所述目标患者的复发风险评分;
根据所述复发风险评分对所述目标患者的术后复发风险进行预测,得到所述目标患者的危险分层。
在第一方面的一种可能的实现方式中,所述从候选临床因素筛选出多个预测因子,具体包括:
使用LASSO Cox回归算法在训练组中对候选临床因素进行相关性筛选,将回归系数不为0的临床因素作为预测因子;所述训练组是对临床病理数据库进行数据分组得到的,用于训练临床预测模型。
在第一方面的一种可能的实现方式中,所述多个预测因子包括肿瘤分级、T分期、是否伴发原位癌、既往是否复发。
在第一方面的一种可能的实现方式中,所述根据所述多个预测因子和FISH检测结果构建临床预测模型,具体包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学孙逸仙纪念医院,未经中山大学孙逸仙纪念医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310032705.0/2.html,转载请声明来源钻瓜专利网。





