[发明专利]一种基于常规检验结果的乳腺癌辅助诊断方法

说明书

本发明通过研究常规检验结果中疾病与数据之间的联系实现对乳腺癌的识别预测，属于乳腺癌筛查领域。该方法的结构包括：数据获取模块、数据处理模块、模型构建模块、疾病识别模块。本发明是基于血常规、激素水平（六项）、生化等常规检验项目结果，对病人患乳腺癌概率进行检测，从而辅助医疗诊断,对于乳腺癌的早期诊断与积极防控有着重要的作用。

技术领域

本发明是一种基于常规检验结果的乳腺癌辅助诊断方法，涉及医学检验领域。

背景技术

乳腺癌的发病率居女性恶性肿瘤首位，且在中国呈迅速增长的趋势。它与宫颈癌并称女性两大“隐形杀手”。乳腺癌是乳腺上皮细胞在多种致癌因子的作用下，发生增殖失控进而恶变的现象。该疾病早期表现为乳房肿块、乳头溢液、腋窝淋巴结肿大等特征，晚期可因癌细胞发生远处转移，出现多器官病变，直接威胁患者的生命。疾病发现的越晚，患者生存希望就越低。本发明就是基于常规检验结果实现对乳腺癌的识别预测，这对于疾病的积极防控有着重要的作用。

目前乳腺癌的筛查手段主要包括乳腺超声、乳腺钼靶、组织活检。乳腺超声虽对乳腺癌的癌细胞有一定的检测能力，但其易受检查者影响且小肿块难以识别，对发现早期乳腺癌效能欠佳；而钼靶虽准确性较高，但由于我国女性发病年龄轻，乳腺小且致密，导致其对钼靶检查的敏感度和特异度均较低，且其筛查主要依赖医生进行判读，个人经验差异往往容易导致诊断结论的不一致性；在其他诊断方法都指明可能存在乳腺癌的情况下，就需要进行活检来下最后的诊断，它同样会对人体造成一定的伤害。而在就医检查过程中由于医疗资源的分布不均衡，这些检查很可能需要消耗大量的人力和物力才能完成，无疑会给患者的心理和生理造成较大的压力。疾病确诊后的治疗方法包括一般治疗、药物治疗及手术治疗等，其中手术治疗仍是乳腺癌患者的首选治疗方案，但术后一般需分期进行辅助化疗以减少手术后复发的几率，对患者身体有较大的副作用。因此便捷、精准、及时的筛查并采取治疗措施显得至关重要。

随着医学的进步，学者们在不断地探索更多的方式来辅助医疗诊断，实现更早更具参考性地对疾病进行识别及预测。但是这些研究大多都基于医生的临床研究得出，其分析方法较为单一，无法有效应用于临床诊断实践，而大数据时代的发展为这一想法提供了新思路，近几年已不断涌现出利用图像、DNA、标记物等方法对乳腺癌进行诊断的研究。

发明内容

为达到识别预测乳腺癌的目标，本发明提出了一种使用常规检验结果辅助诊断乳腺癌的方法及系统，目的在于解决现有的针对乳腺癌的诊断方法中疾病识别效率和准确率低，成本以及经验依赖较高的问题。本发明的结构包括：数据获取模块、数据处理模块、模型构建模块、疾病识别模块。各模块详细内容如下。

数据获取模块：获取医疗常规检验数据，涉及血常规、生化、激素水平等常规检验项目的数据。

数据处理模块：将上述获取到的数据进行处理，其中包括去除特殊字符、缺失值填补、数据正态标准化、特征强化等。由于目前按照乳腺癌的严重程度可将其划分为健康、良性与恶性，对于恶性肿瘤，有一部分患者可选择保守治疗而另一部分则必须手术治疗。因此，本模块也对数据加入了不同的标签进行分类。

模型构建模块：利用深度神经网络算法进行建模。利用构建出的模型对处理后的数据进行训练，让机器去学习数据间的特征关系,之后用测试集去测试其预测的准确度，并利用混淆矩阵去评估模型。

疾病识别模块：疾病识别模块需输入要识别样本的常规检验数据，之后利用已有最优模型进行识别预测，输出结果为患有该疾病的概率。

在这个过程中，模型通过对已有数据特征的学习，进而“学以致用”，达到对新数据也可以准确预测的效果。相对于现有的其他乳腺癌筛查手段，本发明着眼于常规检验数据来预测乳腺癌的患病概率，充分发挥了人工智能的赋能效应，能够降低医疗和社会成本。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要的附图作简单地介绍，但附图中的实施例不构成对本发明创造的任何限制：