一种晚期非小细胞肺癌免疫治疗疗效评估方法及系统与流程

本公开涉及图像处理，具体涉及一种晚期非小细胞肺癌免疫治疗疗效评估方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

2、免疫治疗是使用免疫检查点抑制剂(icis，免疫检查点抑制剂)治疗晚期非小细胞癌(nsclc，晚期非小细胞癌)的一种里程碑式的治疗方法，icis具有抗细胞毒性t淋巴细胞相关蛋白4(ctla-4，抗细胞毒性t淋巴细胞相关蛋白4)、程序性细胞死亡蛋白-1(pd-1，程序性细胞死亡蛋白-1)和程序性细胞死亡配体-1(pd-l1，程序性细胞死亡配体-1)，并在反应率和持久的疾病缓解中发挥至关重要的作用，在免疫功能中发挥“刹车”作用，并有效地消除癌细胞。

3、目前，免疫治疗应用于实体肿瘤，与化疗免疫治疗相比，对晚期nsclc有更好的疗效。然而，并不是所有的晚期nsclc患者对免疫治疗都有良好的反应，而且有一小部分患者出现了严重的副作用。为了避免免疫毒性并开发替代或联合治疗方案，研究和开发免疫治疗的生物标志物是晚期nsclc的一个重要和具有挑战性的目标。

4、先前的研究已经评估了一些生物标志物在免疫治疗疗效评估方面的表现，包括肿瘤突变负荷、肿瘤浸润淋巴细胞和微卫星不稳定性，都能作为预测晚期nsclc免疫治疗反应的生物标志物发挥作用。尽管得到了不错的预测效果，但是这些疗效预测指标需要通过侵入性病理或者基因测序来诊断，所以这些指标并不适应于监测治疗过程中肿瘤对免疫治疗的反应。

技术实现思路

1、本公开为了解决上述问题，提出了一种晚期非小细胞肺癌免疫治疗疗效评估方法及系统，基于接受免疫治疗的晚期非小细胞肺癌ct影像上提取明显特征，并利用这些特征构建治疗反应类型的预测模型，从而实现对未知免疫治疗效果的早期预测和评估。

2、根据一些实施例，本公开采用如下技术方案：

3、一种晚期非小细胞肺癌免疫治疗疗效评估方法，包括：

4、获取晚期非小细胞肺癌患者在免疫治疗前的原始ct图像数据与临床信息档案数据，对原始ct图像数据进行预处理；

5、提取ct图像原始特征中的小波特征和高斯-拉普拉斯特征，将提取的特征进行计算特征加权排序来筛选最优特征；并将最优特征根据反应类型进行标签标记，使用随机森林模型输出预测标签与标记标签的匹配结果；

6、划分临床信息档案数据中的分类变量和连续变量，并对分类变量和连续变量中的临床特征进行筛选，并进行标签判断，使用临床模型输出预测标签与标记标签的匹配结果，将随机森林与临床模型的预测结果进行融合，输出融合模型中对免疫治疗疗效预测的结果。

7、根据一些实施例，本公开采用如下技术方案：

8、一种晚期非小细胞肺癌免疫治疗疗效评估系统，包括：

9、数据获取模块，用于获取晚期非小细胞肺癌患者在免疫治疗前的原始ct图像数据与临床信息档案数据，对原始ct图像数据进行预处理；

10、特征筛选模块，用于提取ct图像原始特征中的小波特征和高斯-拉普拉斯特征，将提取的特征进行计算特征加权排序来筛选最优特征；并将最优特征根据反应类型进行标签标记，使用随机森林模型输出预测标签与标记标签的匹配结果；

11、划分临床信息档案数据中的分类变量和连续变量，并对分类变量和连续变量中的临床特征进行筛选，并进行标签判断，使用临床模型输出预测标签与标记标签的匹配结果；

12、融合预测模块，用于将随机森林与临床模型的预测结果进行融合，输出融合模型中对免疫治疗疗效预测的结果。

13、根据一些实施例，本公开采用如下技术方案：

14、一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种晚期非小细胞肺癌免疫治疗疗效评估方法。

15、根据一些实施例，本公开采用如下技术方案：

16、一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种晚期非小细胞肺癌免疫治疗疗效评估方法。

17、与现有技术相比，本公开的有益效果为：

18、本公开对接受免疫治疗的晚期非小细胞肺癌患者的影像组学特征与临床特征进行提取与分析，基于影像组学特征与临床特征分别建立随机森林与临床模型，并将其进行融合得到融合模型。实验仿真验证，融合模型进一步提高了仅使用随机森林模型预测免疫治疗疗效的准确率。同时，在使用不同数据中心扫描协议得到的ct影像数据上，本公开涉及的方法对免疫治疗疗效的预测仍能够得到稳定的结果。

技术特征：

1.一种晚期非小细胞肺癌免疫治疗疗效评估方法，其特征在于，包括：

2.如权利要求1所述的一种晚期非小细胞肺癌免疫治疗疗效评估方法，其特征在于，所述预处理步骤包括调窗与灰度值归一化，调整图像ct值的窗位以及窗宽，再调整调窗之后图像的灰度值，得到ct图像。

3.如权利要求1所述的一种晚期非小细胞肺癌免疫治疗疗效评估方法，其特征在于，提取ct图像原始特征中的小波特征和高斯-拉普拉斯特征的过程为：在ct图像上提取三种类型的影像组学特征，首先在ct图像上直接提取原始特征，在经过小波滤波与高斯-拉普拉斯滤波处理的ct图像上提取小波特征和高斯-拉普拉斯特征。

4.如权利要求3所述的一种晚期非小细胞肺癌免疫治疗疗效评估方法，其特征在于，每一类特征都包括形状特征、纹理特征、直方图特征。

5.如权利要求1所述的一种晚期非小细胞肺癌免疫治疗疗效评估方法，其特征在于，所述将提取的特征进行计算特征加权排序来筛选最优特征的方法是利用lasso方法来计算特征加权排序，在拟合广义线性模型的同时进行变量筛选和复杂度调整。

6.如权利要求1所述的一种晚期非小细胞肺癌免疫治疗疗效评估方法，其特征在于，临床信息档案数据中包括性别、吸烟史、tnm分期、肿瘤组织学和年龄，其中，分类变量包括性别、吸烟史、tnm分期以及肿瘤组织学类型；连续变量为年龄。

7.如权利要求1所述的一种晚期非小细胞肺癌免疫治疗疗效评估方法，其特征在于，所述临床模型的训练过程为：建立临床模型，利用临床模型对训练集进行标签判断，得到初步临床模型；将得到的初步临床模型作为测试集的参数进行标签判断；将得到的预测标签与标记标签进行匹配，得到免疫治疗疗效预测的准确率。

8.一种晚期非小细胞肺癌免疫治疗疗效评估系统，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-7中任一项所述的一种晚期非小细胞肺癌免疫治疗疗效评估方法。

10.一种终端设备，其特征在于，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行如权利要求1-7中任一项所述的一种晚期非小细胞肺癌免疫治疗疗效评估方法。

技术总结
本公开提供了一种晚期非小细胞肺癌免疫治疗疗效评估方法及系统，涉及图像处理技术领域，包括获取晚期非小细胞肺癌患者在免疫治疗前的原始CT图像数据与临床信息档案数据，提取CT图像原始特征中的小波特征和高斯‑拉普拉斯特征，将提取的特征进行计算特征加权排序来筛选最优特征；并将最优特征根据反应类型进行标签标记，使用随机森林模型输出预测标签与标记标签的匹配结果；划分临床信息档案数据中的分类变量和连续变量，并对分类变量和连续变量中的临床特征进行筛选，并进行标签判断，使用临床模型输出预测标签与标记标签的匹配结果，将随机森林与临床模型的预测结果进行融合，输出融合模型中对免疫治疗疗效预测的结果。

技术研发人员：玄国庆,贾守强,聂生东,韩紫娟
受保护的技术使用者：济南市人民医院
技术研发日：
技术公布日：2024/2/8