[发明专利]一种肺癌样本的预测评估方法和系统在审
申请号: | 201910510203.8 | 申请日: | 2019-06-13 |
公开(公告)号: | CN110246584A | 公开(公告)日: | 2019-09-17 |
发明(设计)人: | 华树成 | 申请(专利权)人: | 吉林大学第一医院 |
主分类号: | G16H50/30 | 分类号: | G16H50/30 |
代理公司: | 北京盛凡智荣知识产权代理有限公司 11616 | 代理人: | 刘晓晖 |
地址: | 130000 *** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据分析平台 数据采集模块 肺癌 样本 风险预测 数据传输 预测评估 智能终端 大数据 疾病风险评估 预测评估系统 采集 编号模块 存储模块 发送模块 分析模块 个体信息 检测结果 数据分析 无线方式 无线网络 用户CT 疾病 上传 影像 存储 发送 预测 | ||
本发明涉及一种肺癌样本的预测评估系统,包括用于采集个体信息的数据采集模块,所述数据采集模块通过无线方式与基于大数据的云数据分析平台进行数据传输,所述云数据分析平台通过无线网络与智能终端进行数据传输,所述云数据分析平台包括用于对患者进行编号的编号模块,用于存储患者CT影像的存储模块,用于对患者CT影像进行处理的分析模块,用于将分析结果发送至智能终端的发送模块。数据采集模块用于采集用户CT影像并上传至云数据分析平台;采用基于大数据的疾病风险预测模型,根据建立的疾病风险预测模型对用户的肺癌样本进行预测及疾病风险评估,并给出检测结果,数据分析更加快速、准确。还提供了一种肺癌样本的预测评估方法。
技术领域
本发明涉及癌症诊疗技术领域,具体是一种肺癌样本的预测评估方法和系统。
背景技术
目前用于临床前以及诊断、预后和预测性临床癌症研究和护理实践标准的技术在其在微环境背景下分析肿瘤的能力有限。利用福尔马林固定的石蜡包埋组织(FFPE)形式的薄组织切片(4-10微米)的2维分析的标准方法受限于不能检查肿瘤的3维特征,例如血管结构和周围胞外基质的变化,或淋巴或免疫细胞侵袭。此外,由于肿瘤或肿瘤微环境内的异质性,可能会遗漏罕见事件,例如罕见肿瘤细胞或罕见肿瘤标记物基因表达。样品处理和保存方法也可能破坏某些肿瘤特征。利用流式细胞术、RT-PCR或下一代肿瘤测序和分析的新技术已经推进了临床前和临床癌症领域;然而,它们也存在关联关键定量信息同时维持肿瘤和周围微环境结构和形态的能力问题。
发明内容
本发明所要解决的技术问题是提供一种肺癌样本的预测评估方法和系统,以解决现有技术中存在的缺陷。
本发明解决上述技术问题的技术方案如下:
一种肺癌样本的预测评估系统,包括用于采集个体信息的数据采集模块,所述数据采集模块通过无线方式与基于大数据的云数据分析平台进行数据传输,所述云数据分析平台通过无线网络与智能终端进行数据传输,所述云数据分析平台包括用于对患者进行编号的编号模块,用于存储患者CT影像的存储模块,用于对患者CT影像进行处理的分析模块,用于将分析结果发送至智能终端的发送模块;
一种肺癌样本的预测评估方法,包括如下步骤:
第一步:在水凝胶亚单位存在下固定从受试者获得的肿瘤组织样品,并通过数据采集模块进行图像采集,以产生第一可检测标记物的至少一个肿瘤图像和/或测定第一可检测标记物的量;
第二步:将采集的图像传输至云数据分析平台,所述云数据分析平台存储有大量肺癌样本,并预先经过分类;
第三步:将所述的肿瘤图像或量与云数据分析平台内的一个或多个对照图像或量或从正常组织、肿瘤组织、与良好预后相关的肿瘤组织或与不良预后相关的肿瘤组织获得的预定图像或量比较,并得出分析结果;具体为将第一肿瘤图像与第二肿瘤图像比较,或所述一种或多种可检测标记物的第一量与第二量比较,其中如果第二肿瘤图像或第二量显示比第一肿瘤图像或第一量更少的肿瘤特征,则该肿瘤对该治疗性处理响应良好,其中如果第二肿瘤图像或第二量显示比第一肿瘤图像或第一量更多的肿瘤特征,则该肿瘤对该治疗性处理响应差;
第四步:经过云数据分析平台的大数据比对分析,判断该肿瘤影像并分析是否为肺癌;
第五步:将结果通过发送模块发送至智能终端供患者查看;
本发明的有益效果是:数据采集模块用于采集用户CT影像并上传至云数据分析平台;采用基于大数据的疾病风险预测模型,根据建立的疾病风险预测模型对用户的肺癌样本进行预测及疾病风险评估,并给出检测结果,数据分析更加快速、准确。
附图说明
图1为本发明结构示意图;
具体实施方式
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吉林大学第一医院,未经吉林大学第一医院许可,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/201910510203.8/2.html,转载请声明来源钻瓜专利网。