一种基于病理组学知识库的辅助诊疗系统及构建方法与流程

本发明涉及医疗系统，具体涉及一种基于病理组学知识库的辅助诊疗系统及构建方法。

背景技术：

1、病理组学是指基于人工智能将病理图像转化为高保真度、高通量的可挖掘的数据，并用于定量化病理诊断和疾病预后等，最后自动生成病理诊断报告。病理组学能超越病理医生的视觉和记忆，能对人类的知识和经验进行量化建模，构建超越人的视觉水平的亚视觉特征；同时利用高性能计算机对大规模数字化切片进行训练和学习，通过归纳数据中的共性、趋势和规律，可以超越诊断的任务，实现疾病的预测和预后等更复杂问题的解决。

2、随着数字病理技术的推动，模拟的玻璃切片正在被大规模数字化，其数字化病理切片以几何级数量快速增加。目前，病理学组已经在数字病理技术、人工智能技术和互联网技术的支撑下发展起来。随之产生了大量的科研成果。目前对于病理组学研究成果仍处于研究阶段，且并没有针对病理组学相关的知识库，能够将病理组学相关研究成果进行结构化，体系化，也并没有基于病理组学知识库的辅助诊疗系统，能够把相关研究成果系统的落地于临床，服务于临床。

技术实现思路

1、针对上述现有技术的不足，本发明旨在提供一种基于病理组学知识库的辅助诊疗系统及构建方法，以实现基于病理组学在肿瘤辅助诊断和分型、基因突变预测、预后评估、治疗指导及疾病研究等方面进行临床应用。

2、为了解决上述问题，本发明采用了如下的技术方案：

3、一种基于病理组学知识库的辅助诊疗系统的构建方法，包括：

4、获取病理组学相关的文献指南信息；

5、对所述文献指南信息的文本内容进行实体提取，构建病理组学实体库；

6、在所述病理组学实体库的基础上，建立病理组学实体库数据框架，构建各实体相关的医学属性信息；

7、根据文献指南信息，确定所述病理组学实体库中实体间的关联关系；

8、对所述文献指南信息的文本内容进行信息提取，确定病理组学各类临床预测模型的注释数据；

9、根据所述病理组学实体库数据框架、所述病理组学实体库中实体间的关联关系和所述病理组学各类临床预测模型的注释数据，以各个实体的数据框架的标识或各类临床预测模型的标识作为节点，各个实体的数据框架之间的关系和各类临床预测模型及其相关的数据元素信息的从属关系信息作为有向线段，构建病理组学知识图谱库；

10、将所述文献指南信息中涉及的病理组学模型进行整合，形成模型库，通过肿瘤基因组图谱数据作为模型的训练集和测试集对所述模型库中的预测模型进行训练和测试，形成病理组学临床预测模型库。

11、作为一种可实施方式，还包括建立报告平台：

12、配置病理图像获取模块，病理图像获取模块被配置为获取目标患者的病理学切片并扫描成数字化图像，进行预处理；

13、配置特征获取模块，特征获取模块被配置为采用深度学习模型进行自动特征获取或采用人工特征获取；

14、配置模型库调用模块，模型库调用模块被配置为基于获取的病理图像和特征，从病理组学临床预测模型库中调用能采用获取的病理图像和特征进行预测的模型进行预测，得出不同的预测结果；

15、配置病理组学知识库调用模块，病理组学知识库调用模块被配置为基于得出的不同的预测结果，调用病理组学知识图谱库，根据所述得出的不同的预测结果关联相关询证证据及治疗指导或预后信息；

16、配置报告生成模块，报告生成模块被配置为根据目标患者的病理学切片、采用的预测模型及其预测结果和询证证据及治疗指导或预后信息形成综合报告。

17、作为一种可实施方式，所述获取病理组学相关的文献指南信息，包括：

18、利用自然语言处理和机器学习技术搜索和筛选病理组学文献及指南，利用人工智能辅助搜索工具搜索病理组学相关文献和研究成果；

19、从pubmed、google学术、web of science、scopus和cnki网站或数据库收集病理组学相关的文献及指南。

20、作为一种可实施方式，所述对所述文献指南信息的文本内容进行实体提取，构建病理组学实体库，包括：

21、对所述文献指南信息进行预处理；

22、通过nlp语言模型识别文本中的实体，实体包括但不限于文献或指南名称、疾病、病理组学特征、基因和药物；

23、对识别的实体进行标准化，并抽取实体进行人工纠正，形成病理组学实体库。

24、作为一种可实施方式，所述建立病理组学实体库数据框架，构建各实体相关的医学属性信息，包括：

25、通过文献指南医学属性信息构建文献指南实体数据框架，文献指南医学属性信息包括id、作者信息、文献标题、摘要、关键词、出版信息、引用信息、研究对象和文献链接；

26、通过疾病医学属性信息根据icd疾病分类系统构建树状层级结构的疾病实体数据框架，疾病医学属性信息包括疾病id、病名、症状、病因、诊断方法、治疗方法、预防措施、并发症、流行病学特征、遗传性质、患病人群和疾病的阶段；

27、通过病理组学特征构建树状层级结构的病理组学特征实体数据框架，病理组学特征包括图片形态特征，图像强度特征，图像纹理特征和空间拓扑特征；

28、通过基因医学属性信息构建基因实体数据框架，基因医学属性信息包括基因id、symbol、基因组学信息、基因表达、基因功能和药物反应相关信息；

29、通过药物相关医学属性信息根据atc药物分类系统构建树状层级结构的药物实体数据框架，药物相关医学属性信息包括药物id、药物名称、药理学特性、适应症、禁忌症、不良反应和给药途径；

30、以文献指南、疾病、基因、药物的实体标识以及各个实体相关的实体数据框架为节点，以各实体与其医学属性信息的从属关系信息作为有向线段，连接实体与其医学属性元素，确定关联关系。

31、作为一种可实施方式，所述根据文献指南信息，确定所述病理组学实体库中实体间的关联关系，包括：

32、根据文献指南信息，提取实体间的关联信息，关联信息的类型包括：疾病和病理学特征关联、疾病和病理学特征和基因关联、疾病和病理学特征和药物关联、疾病和病理学特征和基因和药物关联，所有关联的类型与文献指南实体相关联；

33、以文献指南、疾病 、病理组学特征、基因和药物实体标识作为节点，以各个实体的数据的关系信息作为有向线段，连接各个实体，确定所述病理组学实体库中实体间的关联关系。

34、作为一种可实施方式，所述对所述文献指南信息的文本内容进行信息提取，确定病理组学各类临床预测模型的注释数据，包括：

35、对所述文献指南信息的文本内容进行信息提取整合病理组学相关的预测模型得病理组学各类临床预测模型，病理组学各类临床预测模型包括但不限于肿瘤辅助诊断和分型模型、基因突变预测模型、预后评估模型和治疗指导模型；

36、获取与病理组学各类临床预测模型相关的数据元素，数据元素包括研究对象、预测模型类型、结局指标、研究类型、研究目的和预测变量；

37、以病理组学各类临床预测模型以及各类模型相关的数据元素作为节点，以临床预测模型与其相关的数据元素的从属关系信息作为有向线段，连接各类预测模型与其属性数据信息，确定关联，得到病理组学各类临床预测模型的注释数据。

38、一种基于病理组学知识库的辅助诊疗系统，包括病理组学知识图谱库构建模块、病理组学临床预测模型库构建模块、和报告平台；

39、所述病理组学知识图谱库构建模块用于获取病理组学相关的文献指南信息；对所述文献指南信息的文本内容进行实体提取，构建病理组学实体库；在所述病理组学实体库的基础上，建立病理组学实体库数据框架，构建各实体相关的医学属性信息；根据文献指南信息，确定所述病理组学实体库中实体间的关联关系；对所述文献指南信息的文本内容进行信息提取，确定病理组学各类临床预测模型的注释数据；根据所述病理组学实体库数据框架、所述病理组学实体库中实体间的关联关系和所述病理组学各类临床预测模型的注释数据，以各个实体的数据框架的标识或各类临床预测模型的标识作为节点，各个实体的数据框架之间的关系和各类临床预测模型及其相关的数据元素信息的从属关系信息作为有向线段，构建病理组学知识图谱库；

40、所述病理组学临床预测模型库构建模块用于将所述文献指南信息中涉及的病理组学模型进行整合，形成模型库，通过肿瘤基因组图谱数据作为模型的训练集和测试集对所述模型库中的预测模型进行训练和测试，形成病理组学临床预测模型库；

41、所述报告平台包括病理图像获取模块、特征获取模块、模型库调用模块、病理组学知识库调用模块和报告生成模块；

42、所述病理图像获取模块被配置为获取目标患者的病理学切片并扫描成数字化图像，进行预处理；

43、所述特征获取模块被配置为采用深度学习模型进行自动特征获取或采用人工特征获取；

44、所述模型库调用模块被配置为基于获取的病理图像和特征，从病理组学临床预测模型库中调用能采用获取的病理图像和特征进行预测的模型进行预测，得出不同的预测结果；

45、所述病理组学知识库调用模块被配置为基于得出的不同的预测结果，调用病理组学知识图谱库，根据所述得出的不同的预测结果关联相关询证证据及治疗指导或预后信息；

46、所述报告生成模块被配置为根据目标患者的病理学切片、采用的预测模型及其预测结果和询证证据及治疗指导或预后信息形成综合报告。

47、作为一种可实施方式，所述建立病理组学实体库数据框架，构建各实体相关的医学属性信息，包括：

48、通过文献指南医学属性信息构建文献指南实体数据框架，文献指南医学属性信息包括id、作者信息、文献标题、摘要、关键词、出版信息、引用信息、研究对象和文献链接；

49、通过疾病医学属性信息根据icd疾病分类系统构建树状层级结构的疾病实体数据框架，疾病医学属性信息包括疾病id、病名、症状、病因、诊断方法、治疗方法、预防措施、并发症、流行病学特征、遗传性质、患病人群和疾病的阶段；

50、通过病理组学特征构建树状层级结构的病理组学特征实体数据框架，病理组学特征包括图片形态特征，图像强度特征，图像纹理特征和空间拓扑特征；

51、通过基因医学属性信息构建基因实体数据框架，基因医学属性信息包括基因id、symbol、基因组学信息、基因表达、基因功能和药物反应相关信息；

52、通过药物相关医学属性信息根据atc药物分类系统构建树状层级结构的药物实体数据框架，药物相关医学属性信息包括药物id、药物名称、药理学特性、适应症、禁忌症、不良反应和给药途径；

53、以文献指南、疾病、基因、药物的实体标识以及各个实体相关的实体数据框架为节点，以各实体与其医学属性信息的从属关系信息作为有向线段，连接实体与其医学属性元素，确定关联关系。

54、作为一种可实施方式，所述根据文献指南信息，确定所述病理组学实体库中实体间的关联关系，包括：

55、根据文献指南信息，提取实体间的关联信息，关联信息的类型包括：疾病和病理学特征关联、疾病和病理学特征和基因关联、疾病和病理学特征和药物关联、疾病和病理学特征和基因和药物关联，所有关联的类型与文献指南实体相关联；

56、以文献指南、疾病 、病理组学特征、基因和药物实体标识作为节点，以各个实体的数据的关系信息作为有向线段，连接各个实体，确定所述病理组学实体库中实体间的关联关系；

57、所述对所述文献指南信息的文本内容进行信息提取，确定病理组学各类临床预测模型的注释数据，包括：

58、对所述文献指南信息的文本内容进行信息提取整合病理组学相关的预测模型得病理组学各类临床预测模型，病理组学各类临床预测模型包括但不限于肿瘤辅助诊断和分型模型、基因突变预测模型、预后评估模型和治疗指导模型；

59、获取与病理组学各类临床预测模型相关的数据元素，数据元素包括研究对象、预测模型类型、结局指标、研究类型、研究目的和预测变量；

60、以病理组学各类临床预测模型以及各类模型相关的数据元素作为节点，以临床预测模型与其相关的数据元素的从属关系信息作为有向线段，连接各类预测模型与其属性数据信息，确定关联，得到病理组学各类临床预测模型的注释数据。

61、本发明的有益效果在于：通过本发明建立一种基于病理组学知识库的辅助诊疗系统，能够基于病理组学知识库，在肿瘤辅助诊断和分型、基因突变预测、预后评估、治疗指导及疾病研究等方面进行临床应用，在临床中，常常出现肿瘤基因检测样本不足等问题，此时结合病理组学的方法，来综合评估患者诊断和分型，分子特征 (基因突变，蛋白表达水平等)，预后和治疗等信息，病理组学诊疗系统可以弥补不能进行基因检测的不足；且病理组学相较于基因检测，可以在较短的时间内获取分子特征，预后等信息，有助于医生更快地制定治疗方案和监测疾病进展。