[发明专利]基于列线图的肺结节数据库及预测模型的构建方法及系统

权利要求书

1.一种联合LDCT和 CEA的列线图的良恶性肺结节预测系统，其特征在于，所述联合LDCT和 CEA的列线图的良恶性肺结节预测系统包括：

良恶性肺结节数据库构建模块，用于收集具有明确病理诊断的良恶性肺结节患者的临床信息、LDCT特征信息及血清CEA水平信息，构建良恶性肺结节库；

肺结节恶性预测模型构建模块，用于通过单因素和多因素分析，共筛选得到5个LDCT指标和血清CEA水平能够有效鉴别良恶性肺结节，采用进入法将6个指标纳入Logistic回归模型，构建良恶性肺结节列线图预测模型，并对构建的模型进行外部验证；

肺结节良恶性预测模块，用于对患者信息进行分层处理，验证列线图预测模型的预测效能；利用验证的列线图预测模型进行肺结节良恶性预测；

所述5个LDCT指标包括：结节数目，毛刺征，血管切迹征，分叶征，纵膈淋巴结肿大；

将血清CEA水平纳入Logistic回归模型包括：将血清CEA水平经对数转换标记为变量lnCEA；

所述肺结节恶性预测模型如下：

P=e^x/(1+e^x)；

其中，x= 0.129+1.116*纵膈淋巴结肿大+ 2.078*分叶征+ 0.997*血管切迹征+1.316*毛刺征-1.493*结节数目+0.796*lnCEA。

2.一种联合LDCT和 CEA的列线图的良恶性肺结节数据库及预测模型的构建方法，其特征在于，所述联合LDCT和 CEA的良恶性肺结节数据库及列线图预测模型的构建方法包括：

通过对收集的具有明确病理诊断的良恶性肺结节患者的LDCT特征信息和血清CEA水平检测结果进行单因素与多因素分析构建肺结节恶性预测模型，并对模型进行外部验证，利用构建的肺结节恶性预测模型进行分层分析和良恶性肺结节预测；

良恶性肺结节数据库及预测模型筛选得到5个LDCT指标包括：结节数目，毛刺征，血管切迹征，分叶征，纵膈淋巴结肿大；

将血清CEA水平纳入Logistic回归模型包括：将血清CEA水平经对数转换标记为变量lnCEA；

所述肺结节恶性预测模型如下：

P=e^x/(1+e^x)；

其中，x= 0.129+1.116*纵膈淋巴结肿大+ 2.078*分叶征+ 0.997*血管切迹征+1.316*毛刺征-1.493*结节数目+0.796*lnCEA。

3.如权利要求2所述联合LDCT和 CEA的列线图的良恶性肺结节数据库及预测模型的构建方法，其特征在于，所述联合LDCT和 CEA的列线图的良恶性肺结节数据库及预测模型的构建方法包括以下步骤：

步骤一，收集具有明确病理诊断的良恶性肺结节患者的临床信息、LDCT特征信息及血清CEA水平信息，构建良恶性肺结节库；

步骤二，通过单因素和多因素分析，共筛选得到5个LDCT指标和血清CEA水平能够有效鉴别良恶性肺结节，采用进入法将6个指标纳入Logistic回归模型，构建良恶性肺结节列线图预测模型，并对构建的模型进行外部验证；

步骤三，对患者信息进行分层处理，验证列线图预测模型的预测效能；利用验证的列线图预测模型进行肺结节良恶性预测。

4.如权利要求3所述联合LDCT和 CEA的列线图的良恶性肺结节数据库及预测模型的构建方法，其特征在于，LDCT检测信息包括结节数目，结节长径，结节种类，结节形态，结节边缘，空洞征，毛刺征，血管切迹征，分叶征，棘突征，胸膜凹陷征，纵膈淋巴结肿大，肺气肿，钙化共14个特征指标。