[发明专利]一种非小细胞肺癌免疫治疗不良反应风险预测方法及系统

说明书

本发明属于人工智能辅助医疗决策技术领域，具体提供一种非小细胞肺癌免疫治疗不良反应风险预测方法及系统，其中方法包括：获取肺癌患者数据信息；从肺癌患者数据信息中筛选出自变量作为输入，从免疫治疗不良反应中选择出预测因变量作为输出，构建风险预测模型；通过机器学习算法对风险预测模型进行训练；将待检索肺癌患者的完整肺癌数据信息输入到风险预测模型，根据的数据信息对可能发生的免疫治疗不良反应做出预测。该方案能够对有可能发生免疫治疗相关不良反应的肺癌患者进行丰富的试验，可以减少样本量要求，能够展示研究对象整体患病风险，对免疫治疗相关不良反应风险高的人群总体的预测会更好地为卫生资源的分配提供信息。

技术领域

本发明涉及人工智能辅助医疗决策技术领域，更具体地，涉及一种非小细胞肺癌免疫治疗不良反应风险预测方法及系统。

背景技术

肺癌中非小细胞肺癌约占肺癌患者的80％以上。大部分非小细胞肺癌患者发现时已经处于中晚期，5年生存率很低，相关的治疗难度大，预后结果欠佳，是困扰患者的中大顽疾。吸烟、既往肺部慢性感染、长期暴露与污染空气中和遗传因素等是非小细胞肺癌的主要诱发因素。临床上，非小细胞肺癌常用的治疗方法有：放射疗法、化学疗法、手术治疗和免疫治疗等。

免疫检查点抑制剂已经彻底改变了各种癌症的治疗前景，包括非小细胞肺癌。小规模临床研究发现免疫治疗主要病理缓解率明显提升，甚至达到完全病理缓解。然而，免疫治疗带来疗效和生存获益的同时，免疫相关不良反应(immune-related adverse events,irAE)，尤其是免疫相关肺炎、心脏毒性、消化道毒性及其他少见但严重毒性等已经严重影响到患者的生存预后。因此，寻找潜在的方法来筛选可能获益与免疫治疗的患者是当前的重要工作。

发明内容

本发明针对现有技术中存在的免疫相关肺炎、心脏毒性、消化道毒性及其他少见但严重毒性等已经严重影响到患者的生存预后的技术问题。

本发明提供了一种非小细胞肺癌免疫治疗不良反应风险预测方法，包括以下步骤：

S1，获取肺癌患者数据信息；

S2，从肺癌患者数据信息中筛选出自变量作为输入，从免疫治疗不良反应中选择出预测因变量作为输出，构建风险预测模型；

S3，通过机器学习算法对风险预测模型进行训练；

S4，将待检索肺癌患者的完整肺癌数据信息输入到风险预测模型，根据的数据信息对可能发生的免疫治疗不良反应做出预测。

优选地，所述S1具体包括：通过AI智能设备采集肺癌患者的初步肺癌数据信息，并对预测模型的标准输入参数所缺失的数据进行补全得到完整的肺癌患者数据信息。

优选地，所述肺癌患者数据信息包括：患者治疗药物种类、姓名、性别、年龄、吸烟史、PS评分、TNM分期、免疫治疗线数以及血常规、血生化指标、病理亚型、驱动基因突变、PD-L1表达情况。

优选地，所述S2具体包括：

通过近零方差查询、共线性筛查、递归特征消除的方式从免疫治疗不良反应中选择出预测因变量。

优选地，所述S2具体包括：

基于Logistic回归算法构建风险预测模型。

优选地，所述S3具体包括：用多项式回归算法筛选剩下的预测因变量，判断是否有非线性可能，以消除隐患。

优选地，用LASSO回归算法筛选剩下的预测因变量，判断是否有交互可能，以消除隐患。

本发明还提供了一种非小细胞肺癌免疫治疗不良反应风险预测系统，所述系统用于实现非小细胞肺癌免疫治疗不良反应风险预测方法的步骤，具体包括：

信息获取模块，用于获取肺癌患者数据信息；