[发明专利]一种对非小细胞肺癌预后生存情况的分析方法

说明书

本发明提出一种对非小细胞肺癌预后生存情况的分析方法，本发明设计实验对非小细胞肺癌患者进行预后生存分析研究，基于CT影像组学特征对非小细胞肺癌预后分析模型进行构建，按照传统影像组学研究框架，对非小细胞肺癌患者数据进行了肿瘤的分割、特征提取、特征筛选、影像组学特征与预后生存情况的相关性分析和预后生存分析模型建模，得到与非小细胞肺癌患者预后生存显著性相关的影像组学预后因素与预后生存分析模型，从而为医生提供病人包括存活时间以及一系列后期病灶发展情况的数据信息，同时，对得到的预后生存模型的性能进行了评价，保证了预后生存模型的准确性。

技术领域

本发明涉及计算机辅助医学技术领域，尤其涉及一种对非小细胞肺癌预后生存情况的分析方法。

背景技术

世界卫生组织(WHO)国际癌症研究机构(IARC)近日发布最新报告称，肺癌是全球范围内发病率和死亡率增长最快的恶性肿瘤，预计2018年将造成180万人死亡，占预计癌症死亡总人数的18.4％。根据组织学类型分类，肺癌分为非小细胞肺癌与小细胞肺癌，其中，非小细胞肺癌(non-small cell lung cancer，NSCLC)占肺癌患病总人数的80％～85％，包括鳞状细胞癌(鳞癌)、腺癌、大细胞癌。非小细胞肺癌相较于小细胞肺癌，生长分裂较慢，扩散转移较晚，致死性也相对较弱，但由于不同非小细胞肺癌患者的病灶之间存在大量个体间差异，使得不同患者患癌预后病情的发展速度存在很大的差别。流行病学统计表明，大量的非小细胞肺癌患者由于未得到准确的病情发展预测而未能及时接受合适的治疗，使得该类肺癌患者的死亡率高达75％。因此，迫切需要有效的患者生存时间预测模型来对治疗和复查方案的选择进行辅助，以提高非小细胞肺癌的治疗效果，进而提高患者的治愈率和存活率。

影像组学是医学中的一个新兴领域，该技术的诞生与影像基因组学在疾病研究中的良好性能以及医学影像在疾病的诊断和治疗中的巨大潜力密不可分。放射组学通过特征提取，将肿瘤区域的信息映射到高维特征空间，接着通过机器学习的方法构建疾病的预后模型来对疾病的未来发展进行预测，从而对疾病的治疗和复查方案的选择进行指导。CT影像数据拥有采集便易和结果易于比对等特点，作为影像组学数据库中的重要模态之一，在影像组学研究中得到广泛的应用。

近年来，国内外针对计算机辅助诊断(computer aided diagnosis，CAD)技术和精准医疗(Precision Medicine)的研究越来越火热。CAD技术和精准医疗均需借助影像组学手段，通过提取大量影像组学特征对肿瘤进行量化分析，从而达到辅助临床诊断的目的。而利用提取的影像组学特征对患者预后生存情况进行相关性分析，构建预后评估模型预测患者的预后生存情况，从而更好的指导医生对患者的治疗和复查方法进行选择。

从目前的国内外研究现状来看，非小细胞癌预后分析的研究普遍从临床的角度出发，首先，根据病例样本的直观的临床特征(临床分期、吸烟史、有无脑转移、肿瘤标记物、医学征象等)作为病例样本的量化指标；然后，通过传统的统计学方法对临床特征与预后关系进行单因素生存分析，得到与患者预后相关的临床特征；最后，将单因素分析中与患者预后相关的临床特征代入COX回归模型进行多因素分析，得到非小细胞肺癌的预后因素，帮助医生根据预后因素对非小细胞肺癌患者进行更加精准的预后评估，设计出更好的治疗与复查方案，以延长患者生存时间。而这类方法也存在着局限性，所能利用的临床信息种类较少，且医学征象类的特征只表现出肿瘤区域的部分形态特性，而从影像组学角度出发，可以得到数量更多且种类更为丰富的影像组学特征，从而反映肿瘤更多的隐含信息,可以有效解决肿瘤异质性难以定量评估的问题。针对目前研究存在不足，本发明设计了新的肺癌预后研究方法，对非小细胞肺癌的预后生存状况进行分析探究，得出基于CT影像特征的非小细胞肺癌预后分析模型对患者的预后生存时间进行预测；同时，设计实验对实验方法进行验证，进而完善目前存在不足，获得更好的预后分析效果。

发明内容

本发明的目的在于提出一种对非小细胞肺癌预后生存情况的分析方法，从而实现对患者的预后生存时间进行预测。