[发明专利]一种基于临床检验多维数据的原发性肝细胞癌微血管侵犯回归预测模型的建立及其应用

说明书

本发明涉及一种基于临床检验多维数据的原发性肝细胞癌微血管侵犯回归预测模型的建立及其应用，属于医学检验技术领域原发性肝细胞癌分层管理模型的建立及应用，该模型可用于术前预测原发性肝细胞癌患者是否发生微血管侵犯。

技术领域

本发明属于医学检验技术领域，涉及原发性肝细胞癌分层管理模型的建立及应用，具体涉及基于临床检验多维数据的原发性肝细胞癌微血管侵犯回归预测模型的建立及其应用，该模型可用于术前预测原发性肝细胞癌患者是否发生微血管侵犯。

背景技术

原发性肝细胞癌(hepatocellular carcinoma，HCC)一直是世界范围内导致癌症死亡的重要原因，且发病率和死亡率相当，预后不佳。肝切除与肝移植是目前肝癌主要的治疗方法，但术后复发的风险较高。微血管侵犯(microvascular invasion，MVI)是原发性肝细胞癌患者的重要组织病理学特征以及预后不良的独立危险因素，可增加术后复发风险和降低远期生存率，伴随微血管侵犯(MVI)的原发性肝细胞癌患者复发风险会大大增加。

现阶段MVI的诊断主要依靠肝切除术后病理组织学检查，将全部组织切片内的MVI进行计数，并根据MVI的数量和分布情况进行风险分级。M0：未发现MVI；M1(低危组)：≤5 个MVI，且发生近癌旁组织区域(≤1cm)；M2(高危组)：＞5个MVI，或MVI发生于远癌旁肝组织区域(＞1cm)，这对组织取样具有严格要求，例如完整采集肿瘤/非肿瘤交界面的组织样本，否则无法进行准确的判断。术前影像学特征、临床炎症指标、运用临床指标构建列线图、人工神经网络分析等研究被提出可用于原发性肝细胞癌患者MVI的术前预测，而上述研究或不适合大批量样本的处理、或用于研究的样本量太小、或诊断效能太低、或在应用时需要借助复杂的计算机软件支持，目前都没得到广泛的认可。

术前预测微血管侵犯，对临床治疗方案选择和改善患者预后具有重要意义。人工智能是近年来在多个领域迅速发展起来的一种新技术，原发性肝细胞癌分层管理模型用于术前预测原发性肝细胞癌患者是否发生微血管侵犯，在特异性分子靶标出现之前，可为原发性肝细胞癌患者术前预测微血管侵犯开辟新的途径。本研究尝试采用非创临床检验多维数据，通过训练组逻辑回归建立原发性肝细胞癌微血管侵犯预测模型，并在验证组中进行独立验证。

发明内容

本发明的目的是提供一种原发性肝细胞癌分层管理模型的建立及应用，并将该模型用于术前预测原发性肝细胞癌患者是否发生微血管侵犯，建立模型的基本数据包括病人的基本信息、病理信息以及完整的临床检验信息。

具体而言，在第一方面，本发明提供了一种基于临床检验多维数据的原发性肝细胞癌微血管侵犯回归预测模型建立的方法，该方法包括以下步骤：

(A)建立原发性肝细胞癌临床表征及实验室数据的原发性肝细胞癌数据库，进行数据采集，采集源头为电子病历及实验室信息系统(LIS)。整理2015年1月至2018年12月在上海东方肝胆外科医院接受手术治疗的7507例HCC患者病例资料，按住院时间划分训练组和验证组，将2015年1月至2017年12月5602例作为训练组，2018年1月至2018年12月1905 例作为验证组。病例纳入标准：(1)接受手术治疗且术后组织病理诊断为HCC；(2)所有病例基本信息及临床实验室数据均完整；排除标准：(1)合并有其他器官非HCC恶性肿瘤；(2)排除严重的感染性疾病、重要脏器疾病；(3)术前接受其他抗肿瘤治疗。

(B)补充并整理数据，包括完善病人基本信息和实验室数据，并对重要检验指标进行补测。

(C)用单因素Logistic回归分析训练组中每个变量与MVI之间的关系，筛选出有意义的变量再进行多因素Logistic回归分析。通过逐步回归确定预测MVI的独立危险因素，构建相应的Logistic回归模型。