一种乳腺癌生存智能顾问互联网应用系统的制作方法

[0001]
本专利涉及互联网应用系统，尤其涉及一种乳腺癌生存智能顾问互联网应用系统。


背景技术：

[0002]
乳腺癌是女性最高发的恶性肿瘤。当前，尽管乳腺癌5年生存率已很高，临床科学和基础科学上，已对恶性肿瘤的诊断和治疗，做出了长足的推进；但对于普通百姓，往往闻癌色变，尤其对于确诊患肿瘤的患者，常常面临一个更紧迫的问题：大众希望获得最具个性化、又通俗易懂的生存顾问建议，但这些问题往往是外科医生或主治医生无法回答的。他们询问医生的问题多是：“医生，您就直接说，我还能活多久”“我活过1年的概率有几成”“我活过5年的概率有几成”“我这个癌症如果转移，会转移哪些地方，我可以提前预防吗”“我应该怎么生活才能有利于治疗”“您建议我吃点啥有益于生存和治”“我用药和治疗时，要注意些什么”“我还要做哪些检查可以判断得更准确”，等等。这些问题，外科医生或主治医生之所以难以回答，原因在于，一方面，绝大多数肿瘤医生没有深厚广泛的统计学知识和文献阅读，更不会随着文献和科研的日新月异，不断更新升级统计学结论；另一方面，在本地本院或多中心，也较少开展大样本的统计学调研；同时，就算了解总体统计学结论的医生，也往往无法针对个体具体情况，给出千人千面的顾问建议。因此，基于不断更新的科学结论和数据库的机器学习，给出具体个性化的智能建议，是广大癌症患者的紧迫需求，但此需求一直没有高质量、高维度的产品加以满足。


技术实现要素：

[0003]
本发明目的在于提供一种乳腺癌生存智能顾问互联网应用系统，为乳腺癌疑似患者和确诊患者提供准确灵敏的预测报告和有益生存的全方位建议。
[0004]
为了实现上述目的，本发明采用了如下方案。系统包括以下四大模块：前端输入模块、数据库模块、模型运算模块、顾问建议前端输出模块，其中前端输入模块和顾问建议前端输出模块为系统的交互前端，数据库模块和模型运算模块部署在服务器后端。
[0005]
进一步，所述前端输入模块，包括普通用户单个输入系统和医药专业用户批量输入系统。单个用户输入系统，采用表单为主要交互样式，前端交互载体包括但不限于采用网页、小程序、电脑程序、移动app等方式，医药专业用户批量输入采用结构化数据库导入模式。
[0006]
进一步，所述数据库模块，至少存储用户的结构化特征数据、结果输出模型和报告展示规则；用户的结构化特征数据至少包含以下类别特征：是否已确诊乳腺癌、确诊乳腺癌基本信息、人口学信息、既往疾病史、症状体征、血液检测指标、影像学结果、病理学结果、其他检测与量表、治疗信息、日常生活习惯、和预后相关信息；每一类别特征包含具体特征或包含亚类特征，如影像学结果类包含x线钼靶影像、ct结果、mri结果等亚类结果；结果输出模型包含各种计算模型，对应智能顾问建议各条输出报告或建议；报告展示规则包含各报
告或建议在前端展示的样式和逻辑关系。数据库模块可采用的存储和管理方式，包括但不限于：mysql、sql server、oracle、db2、sybase、access等。结构化特征数据、结果输出模型和报告展示规则由管理员后台设定，管理员后台交互采用的方式可包含但不限于网页、小程序、电脑程序、移动app等前端交互方式，以网页方式为优选。
[0007]
进一步，模型运算模块包含模型的构建系统与基于指定模型的单个样本计算输出系统：其中模型的构建系统最终由人工手动设置运算公式，其参数调节依据，包括但不限于最新临床研究结果数据汇总和已存储数据的有监督学习模型训练获得；基于指定模型的单个样本计算输出系统利用已存储设定的运算公式，代入具体某一用户的指定特征，输出各种模型的计算结果。模型运算模块可采用的后台语言可包括但不限于：java、python、php、c++、asp.net、delphi、javascript、go语言、swift和r语言等。采用的模型训练和建立的算法，包括但不限于logistic分类回归、k近邻分类器、随机森林分类器、朴素贝叶斯算法、决策树分类器、支持向量机、高斯过程分类器、深度神经网络分类、岭分类器、ada boost分类器、梯度提升分类器、极端梯度提升算法、catboost分类器等分类器算法，以及线性回归、套索回归、岭回归、弹性网络回归、最小角度回归、套索最小角度回归、adaboost回归器、k近邻回归器、catboost回归器、极端梯度增强回归、cox回归等回归分析算法。
[0008]
进一步，顾问建议前端输出模块获取模型运算模块的各种模型输出结果，依据管理员手动设置的报告展示规则，生成一系列预测报告和顾问建议。报告至少包括：肿瘤进展与生存预测、建议辅助检查、建议有益生存的生活习惯、可能获益的治疗建议、密切注意的症状建议等。
[0009]
进一步，用户的结构化特征数据的预后部分和专业度较高的部分，可由用户填写或用户关联的医药专业人员填写，每个普通用户可关联自己的医药专业人员，这部分系统推荐由医药专业人员辅助填写表单。
附图说明
[0010]
下面将结合附图及具体实施例对本发明作进一步说明，附图中：图1是乳腺癌生存智能顾问各模块组成与关系图。
具体实施方案
[0011]
以下对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
[0012]
实施例1。本实施例通过微信小程序作为用户交互前端，首先填写是否乳腺癌患者分页、人口学信息分页、既往疾病史分页、症状体征分页、血液检测指标（包含初次确诊时血常规、最新一次血常规、血液肿瘤标记物、循环肿瘤细胞等子分页）、影像学结果（包括x线钼靶影像、ct结果和mri结果等子分页）、病理学结果、其他检测与量表（如brca1/2基因检测、oncotype dx基因检测等）、治疗信息（包括手术、化疗、放疗、新辅助治疗、靶向治疗及短期治疗结果）、日常生活习惯、和预后相关信息等。以上各分页不一定要完整填写，前端交互提示用户，宜尽量多填，填写越完整，模型越准确，受益越多。以上数据填写完成后，系统根据管理员设定的展示规则和数据的缺失程度，自动生成不同分页的报告，包括肿瘤进展与生存预测、建议辅助检查、建议有益生存的生活习惯、用药和症状等分页报告。如肿瘤进展与
生存预测分页，可展示一年生存概率、5年生存概率、预计无进展生存期、如发生转移重点关注的脏器、发生恶病质概率、发生病理分型变化的概率等。
[0013]
实施例2。本实施例通过网页作为后台管理系统，简述各条智能建议的呈现机理。在数据库中，关于结果的运算，定义了三种变量，分别为中间计算变量、结果变量和展示变量。中间变量用于繁琐计算步骤获取中间值，或分步计算时关键逻辑判断节点的中间值。结果变量，用于模型的最终计算结果。展示变量主要为展示的文字，文字中可包含结果变量。在后台管理系统中，对于每一个结果运算的变量，可指定变量类型（中间计算变量、结果变量、抑或展示变量）、变量所述的报告分页或分组、变量编码名、模型中的运算赋值、对于展示变量的展示条件、以及排序等。管理员调整各变量的属性、参数、运算赋值、展示条件后，系统可针对具体用户，自动生成相应的智能建议报告。