专利名称：一种预测初诊前列腺癌骨转移风险的装置的制作方法
技术领域：
本发明涉及一种疾病预测装置，尤其涉及用于预测初诊前列腺癌患者发生骨转移风险的装置。
背景技术：
骨扫描在诊断前列腺癌骨转移上的敏感性较高，但中西方在骨扫描的适用指征上存在有明显的差异性。欧美指南并不推荐对初诊前列腺癌患者都行骨扫描检查，这与中国目前指南相反。目前有多项研究表明，PSA、临床分期及Gleason评分是前列腺癌发生骨转移的独立预测指标。然而通过这些指标，我们只能初步判断前列腺癌是否会发生骨转移，并 不能通过整合各个指标间的预测价值进而对骨转移状态进行更为准确的判定。目前临床医师根据初诊前列腺癌患者的相关检查资料并不能预测出该患者发生骨转移的具体风险值，因而只能根据中国指南对所有的初诊前列腺癌行骨扫描检查。由于大部分的初诊前列腺癌患者在初诊时并未发生骨转移，加上中国医疗资源的有限性，因而并不是每个初诊前列腺癌患者都应接受骨扫描检查。如果在初诊前列腺癌患者就诊时，我们能根据相关的检查结果预测出患者发生骨转移的具体风险值，然后再根据转移风险值决定是否对该患者行骨扫描检查，可以在一定程度上减少不必要的骨扫描检查。但是，临床上并没有相关的对初诊前列腺癌骨转移进行预测的工具。
发明内容
本发明的目的在于解决上述问题，提供了一种预测初诊前列腺癌骨转移风险的装置，通过事先预测骨转移的风险，只是对骨转移风险高的患者进行针对性的骨扫描，在不增加漏诊的情况下避免骨扫描的过度使用，从而达到节约医疗资源的目的。本发明的技术方案为本发明揭示了一种预测初诊前列腺癌骨转移风险的装置，包括输入装置，接收初诊前列腺癌时的临床分期变量、Gleason评分变量、PSA值变量以及年龄变量；处理装置，连接所述输入装置，基于临床分期变量、Gleason评分变量、PSA值变量以及年龄变量，根据公式得到初诊前列腺癌会发生骨转移的预测风险值Logit (P) = In (P/(1-P)) =-5. 3517+0. 0362*Age+coefGS+0. 0249*PSA+coefcT其中P表示骨转移的风险预测值，Age表示年龄变量，coefGS表示Gleason评分变量，coefcT表示临床分期变量，PSA表示PSA值变量；输出装置，连接处理装置，输出处理装置得到的预测风险值。本发明还揭示了一种预测初诊前列腺癌骨转移风险的装置，包括存储模块，设置四个输入槽，分别为固定长度槽、第一可供滑动槽、第二可供滑动槽、第三可供滑动槽；
四个输入模块，分别为放置在固定长度槽中的临床分期输入模块、放置在第一可供滑动槽中的Gleason评分输入模块、放置在第二可供滑动槽中的PSA值输入模块以及放置在第三可供滑动槽中的年龄输入模块，其中临床分期输入模块用于输入临床分期变量，Gleason评分输入模块用于输入Gleason评分变量，PSA值输入模块用于输入PSA值变量，年龄输入模块用于输入年龄变量；处理模块，用于对四个输入模块在存储模块各个输入槽中的位置进行调整，获得输出位点；输出模块，设有骨转移的预测风险值的标尺，输出位点在标尺上对应的位点即为初诊前列腺癌会发生骨转移的预测风险值。根据本发明的预测初诊前列腺癌骨转移风险的装置的一实施例，所述处理模块的位置调整是将临床分期输入模块所接收的临床分期变量的位点设置为Gleason评分输入模块的起始点位置，将Gleason评分输入模块所接收的Gleason评分变量的位点设置为PSA值输入模块的起始点位置，将PSA值输入模块所接收的PSA值变量的位点设置为年龄输入 模块的起始点位置，将年龄输入模块所接收的年龄变量的位点处理为输出位点。本发明对比现有技术有如下的有益效果本发明所基于的原理是对初诊前列腺癌患者的相关临床病理资料进行回顾性分析，建立整合相关预测指标的预测列线图，并由此设计出便于临床使用的装置。通过该装置，临床医师能根据患者的年龄、PSA值、Gleason评分及临床分期4个临床病理指标预测出初诊前列腺癌患者的骨转移概率。相较于现有技术，本发明的装置并不能用于临床上对初诊前列腺癌发生骨转移的确切诊断，但可提前预测出初诊前列腺癌患者的骨转移概率，只是对骨转移风险高的患者进行针对性的骨扫描，在不增加漏诊的情况下避免骨扫描的过度使用，从而达到节约医疗资源的目的。
图I示出了本发明的预测初诊前列腺癌骨转移风险的装置的存储模块的示意图。图2-5示出了本发明的预测初诊前列腺癌骨转移风险的装置的输入模块的示意图。图6示出了本发明的预测初诊前列腺癌骨转移风险的装置的处理模块的示意图。图7示出了本发明的预测初诊前列腺癌骨转移风险的装置的输出模块的示意图。图8A、8B示出了本发明的预测初诊前列腺癌骨转移风险的装置的处理模块的处理过程示意图。图9示出了本发明的预测初诊前列腺癌骨转移风险的装置的另一实施形式的示意图。图10示出了根据Logistic回归模型系数相应的列线图。图11示出了用于评估本发明装置的临床应用价值的决策曲线图。图12示出了本发明的预测初诊前列腺癌骨转移风险的装置的另一实施例的框图。
具体实施例方式下面结合附图和实施例对本发明作进一步的描述。
本发明通过分析初诊前列腺癌患者的相关临床病理资料，建立相关数据库，并在数据库中以R统计软件采用Logistic多因素回归模型分析与骨转移相关的临床病理资料变量，并筛选出相关的预测变量及计算出预测变量的模型系数。在R统计软件中以Design程序包根据Logistic回归模型系数画出相应的预测骨转移风险的列线图。下面的数据是初诊前列腺癌患者的相关临床病理资料，包括初诊时患者的年龄、碱性磷酸酶值、前列腺特异性抗原(Prostate Specific Antigen7PSA)值、临床分期(cT)、淋巴结转移(cN)、Gleason评分(反映前列腺癌组织生长的形态学结构特征及其生物学行为相关性的评分系统)及骨转移状态。以R 2. 14. O统计软件采用Logistic多因素回归模型分析这些初诊患者中与骨转移相关的临床病理资料变量，并依据Akaike信息准则(Akaike Information Criteria, AIC)筛选模型入组变量,最终确定入组模型变量包括年龄、PSA值、cT及Gleason评分。
1r,Tr(forfnufa = BK 一 age + GS + psa 十 cT · x = T, y = 了)
Model tik lihgodOiscriminat ionRank Distr ire.
Ratio Testindexesindexes
ObS501 LR Chi2 173.78R20.424C0.839
0363 d.f.Sq1,632Dxy 0.679
113$ Pr(> chi2) <0.0001qr 5.116ga卿a 0.681 sax I<l€f V; 3 -09Qp 0.772tau-a 0.2 l
Brier 0.131
COtf S.E. wal€l Z Pr (> *z )
intercept -5. 351 I. Iim 39<0.0001
age0.0362 0.0169 2.150.0315
65 70.0984 0.3S62 0.250.7989
0.5525 0-4107 1.350.17S5
GS=90.6071 0.44 3S I.3 0.1/13
G5 10 1.3446 0.6890 1.950.0510
psa0.0249 0.0035 7.18<0.0001
0,25S 0,3907 0-650,S160
CT=41.9815 0.3612 5.49<0.0001上述内容中的Irm 表不 Logistic Regression Model (Logistic 回归模型)，formula表示方程，x表示x轴参数，y表示y轴参数，T表示参数值,全称为True ；0bs全称 objects,即研究对象；max I derive I 为模型参数；Model Likehood Ratio Test 为模型似然比检验，参数包括 LR chi2、d.f.及 Pr(>chi2) !Discrimination Indexes 为分辨度指标，参数包括R2、g、gr、gp及Brier ；Rank Discrim. Indexes为等级分辨度指标,参数包括C、Dxy> gamma及tau_a ；Intercept为截距；Coef为系数；S. E.为标准误差；Wald Z为Wald检验值；Pr (> |Z|)为检验参数。。BM、age、GS、psa及cT分别代表骨转移状态、年龄、Gleason评分、PSA值及临床分期。Model Likelihood Ratio Test表不对整个模型进行统计学检验，Pr( < chi2) < O. 0001表示模型有统计学意义，话句话说模型具有可行性。Rank Discrim. Indexes表示整个模型的准确性,其中C较为重要，C全称为C-index (—致指数)，本模型的一致指数较佳，为O. 839。coef表示模型系数，最终整个模型的回归方程为Logit(P) = In(P/(I-P)) =-5. 3517+0. 0362*Age+coefGS+0. 0249*PSA+coef；T(注方程中P表示骨转移的风险预测值，Gleason评分变量取值为彡6、7、8、9、10时Coefes对应值分别为0,0. 0984,0. 5525,0. 6071及I. 3446，临床分期变量取值为< T2、T3、T4时coefcT对应值分别为 0,0. 2537 及 I. 9815)。在图10中，R 2. 14. O统计软件以Design程序包根据Logistic回归模型系数画出相应的列线图。该列线图的使用方法对某一特定的初诊前列腺癌患者，根据该患者的年龄、Gleason评分、PSA值及临床分期4个指标根据垂直线可分别算出每个指标所对的相应积分，四个积分总和即为总分，总分在同一垂直线上多对应的骨转移的风险预测值即为该患者发生骨转移的预测概率。R 2. 14. O统计软件给出的年龄、Gleason评分、PSA值、临床分期4个指标及骨转移的预测风险值所对应的具体积分或总分。age、GS、psa及cT分别代表年龄、Gleason评分、PSA值及临床分期，Predicted value代表骨转移的预测风险值，具体内容如下
权利要求
1.一种预测初诊前列腺癌骨转移风险的装置，包括 输入装置，接收初诊前列腺癌时的临床分期变量、Gleason评分变量、PSA值变量以及年龄变量； 处理装置，连接所述输入装置，基于临床分期变量、Gleason评分变量、PSA值变量以及年龄变量，根据公式得到初诊前列腺癌会发生骨转移的预测风险值Logit(P) = In (P/(I-P)) =-5. 3517+0. 0362*Age+coefGS+0. 0249*PSA+coefcT 其中P表示骨转移的风险预测值，Age表示年龄变量，coefGS表示Gleason评分变量，coefcT表示临床分期变量，PSA表示PSA值变量； 输出装置，连接处理装置，输出处理装置得到的预测风险值。
2.一种预测初诊前列腺癌骨转移风险的装置，包括 存储模块，设置四个输入槽，分别为固定长度槽、第一可供滑动槽、第二可供滑动槽、第三可供滑动槽； 四个输入模块，分别为放置在固定长度槽中的临床分期输入模块、放置在第一可供滑动槽中的Gleason评分输入模块、放置在第二可供滑动槽中的PSA值输入模块以及放置在第三可供滑动槽中的年龄输入模块，其中临床分期输入模块用于输入临床分期变量，Gleason评分输入模块用于输入Gleason评分变量，PSA值输入模块用于输入PSA值变量，年龄输入模块用于输入年龄变量； 处理模块，用于对四个输入模块在存储模块各个输入槽中的位置进行调整，获得输出位点； 输出模块，设有骨转移的预测风险值的标尺，输出位点在标尺上对应的位点即为初诊前列腺癌会发生骨转移的预测风险值。
3.根据权利要求2所述的预测初诊前列腺癌骨转移风险的装置，其特征在于，所述处理模块的位置调整是将临床分期输入模块所接收的临床分期变量的位点设置为Gleason评分输入模块的起始点位置，将Gleason评分输入模块所接收的Gleason评分变量的位点设置为PSA值输入模块的起始点位置，将PSA值输入模块所接收的PSA值变量的位点设置为年龄输入模块的起始点位置，将年龄输入模块所接收的年龄变量的位点处理为输出位点。
全文摘要
本发明公开了预测初诊前列腺癌骨转移风险的装置，预测骨转移的风险，对骨转移风险高的患者进行骨扫描，不增加漏诊的情况下避免骨扫描的过度使用。其技术方案为装置包括存储模块，设置四个输入槽，为固定长度槽、第一可供滑动槽、第二可供滑动槽、第三可供滑动槽；四个输入模块，分别为放置在固定长度槽中的临床分期输入模块、放置在第一可供滑动槽中的Gleason评分输入模块、放置在第二可供滑动槽中的PSA值输入模块以及放置在第三可供滑动槽中的年龄输入模块；处理模块，用于对四个输入模块在存储模块各输入槽中的位置进行调整，获得输出位点；输出模块，设有骨转移的预测风险值的标尺，输出位点在标尺上对应的位点为预测风险值。
文档编号G06F19/00GK102968558SQ201210457389
公开日2013年3月13日 申请日期2012年11月14日 优先权日2012年11月14日
发明者叶定伟, 朱耀, 周家权 申请人:叶定伟