[发明专利]一种宫颈癌术后复发风险预测方法及系统

权利要求书

1.一种宫颈癌术后复发风险预测方法，其特征在于，所述方法包括：

获取宫颈癌术后患者的临床数据；

根据已建立的宫颈癌术后复发风险预测模型对待测对象进行预测，得到待测对象的宫颈癌术后复发风险的预测结果；

其中，所述宫颈癌术后复发风险预测模型是通过将预先采集的宫颈癌术后患者的临床数据采用算法进行模型训练获得。

2.如权利要求1所述的宫颈癌术后复发风险预测方法，其特征在于，获取宫颈癌术后患者的临床数据包括年龄、孕产史、HPV分型、FIGO分期、手术方式、术后病理、辅助治疗方案和合并症；

优选的，患者具体为：IA2-IIA2期，无高危因素(淋巴结转移、宫旁浸润及切缘阳性)，且经过广泛子宫切除及盆腔淋巴结清扫的宫颈癌患者；

优选的，所述术后病理包括病理学类型、病理学分化程度、肿瘤最大直径、淋巴管间隙状态和宫颈间质浸润深度。

3.如权利要求1所述的宫颈癌术后复发风险预测方法，其特征在于，对临床数据进行预处理，具体的，对临床数据中的连续型数据采取ROC曲线最佳约登值的方法寻找最佳临界点，进行二分类的分组；对临床数据中的分类数据，均作为分组数据处理。

4.如权利要求1所述的宫颈癌术后复发风险预测方法，其特征在于，所述算法为单因素COX回归分析和多因素COX回归分析；

优选的，宫颈癌术后复发风险预测模型构建具体方法包括：

S1、以患者术后无进展生存期(DFS)为结局，使用建模组预处理后的宫颈癌患者的临床数据，运用单因素COX回归分析进行对上述临床因素进行危险因素的筛选；

S2、将单因素COX回归分析所得的危险因素，与Sedlis标准中的中危病理因素以及术后辅助治疗方案等多个因素进行组合，以无进展生存期为结局，使用多因素Cox回归分析构建预测模型；

优选的，将上述预测模型，使用列线表的方法进行展示；

优选的，所述步骤S2中，单因素COX回归分析所得的危险因素p值小于0.10；

Sedlis标准中的中危病理因素包括淋巴血管间隙浸润、宫颈间质浸润和肿瘤大小。

5.如权利要求4所述的宫颈癌术后复发风险预测方法，其特征在于，使用受试者工作特征曲线判断模型的区分度；如果ROC曲线的下面积大于设定阈值(0.6)，则表示宫颈癌术后复发风险预测模型预测能力满足要求，输出宫颈癌术后复发风险预测模型；

优选的，对所述宫颈癌术后复发风险预测模型进行验证，判断模型的区分能力；

所述验证方法包括模型的外部验证和/或基于机器学习算法的模型外部验证。

6.如权利要求5所述的宫颈癌术后复发风险预测方法，其特征在于，所述模型的外部验证方法具体为：使用验证组宫颈癌患者的临床数据，对上述构建的模型进行验证，获得模型的ROC曲线，敏感度和特异度；

所述基于机器学习算法的模型外部验证方法具体为：将建模组与验证组患者进行组合，利用上述模型中所得的危险因素，运用机器学习算法采用5折交叉验证的方法，获得ROC曲线，判断模型的区分能力；

所述机器学习算法包括逻辑回归、随机森林、决策树、朴素贝叶斯、Adaboost的任意一种或多种。

7.一种宫颈癌术后复发风险预测系统，其特征在于，所述系统包括：

临床数据获取和处理模块：获取宫颈癌术后患者临床数据并进行预处理；

危险因素筛选模块：以患者术后无进展生存期(DFS)为结局，对上述处理后的临床数据进行单因素COX回归分析，获得危险因素；

模型构建模块：以患者无进展生存期(DFS)为结局，对筛选出的危险因素(优选p值小于0.10)与Sedlis标准中的中危病理因素以及术后辅助治疗方案等多个因素进行组合，使用多因素Cox回归分析构建预测模型。