(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211213716.0 (22)申请日 2022.09.30 (71)申请人 中国医学 科学院北京协和医院 地址 100730 北京市东城区王府井帅府园1 号 (72)发明人 宋兰　宋伟　朱振宸　周振　雷晶　 谭卫雄　金征宇　 (74)专利代理 机构 北京预立 生科知识产权代理 有限公司 1 1736 专利代理师 李红伟 (51)Int.Cl. G16H 50/50(2018.01) G06V 10/764(2022.01) G06V 10/40(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) (54)发明名称 用于预测晚期癌症患者PD-1/PD-L1单抗治 疗疗效的系统 (57)摘要 本发明涉及用于预测晚期癌症患者PD ‑1/ PD‑L1单抗治疗疗效的系统， 具体涉及用于预测 晚期癌症患者PD ‑1/PD‑L1单抗治疗疗效的方法、 系统、 设备及计算机可读 存储介质。 包括： 获取待 测癌症患者的增强CT影像； 提取癌症患者的增强 CT影像组学特征； 将所述影像组学特征输入训练 好的PD‑1/PD‑L1表达状态模型， 得到患者PD ‑1/ PD‑L1表达结果； 基于所述表达结果将癌症患者 的增强CT影像组学特征输入对应的疗效结果预 测模型， 得到患者抗PD ‑1/PD‑L1单抗治疗疗效分 类结果。 本申请在解决癌症患者是否进行PD ‑1/ PD‑L1单抗治疗临床决策中具有很好的应用价 值。 权利要求书2页 说明书17页 附图2页 CN 115440383 A 2022.12.06 CN 115440383 A 1.一种用于预测晚期癌症患者P D‑1/PD‑L1单抗治疗 疗效的方法， 包括： 获取待测癌症患者的增强CT影 像； 提取癌症患者的增强CT影 像组学特征； 将所述影像组学特征输入训练好的PD ‑1/PD‑L1表达状态模型， 得到患者PD ‑1/PD‑L1表 达结果； 基于所述表达结果将癌症患 者的增强CT影像组学特征输入对应的疗 效结果预测模型， 得到患者抗PD ‑1/PD‑L1单抗治疗疗效分类结果， 具体为： 当表达结果为阳性， 输入训练好的 PD‑1/PD‑L1表达阳性疗效结果预测模型， 当表达结果为阴性， 输入训练好的PD ‑1/PD‑L1表 达阴性疗效结果预测模型。 2.根据权利要求1所述的用于预测晚期癌症患者PD ‑1/PD‑L1单抗治疗疗效的方法， 其 特征在于， 所述训练好的PD ‑1/PD‑L1表达状态模型的构建方法包括： 获取癌症患者的增强 CT影像训练集， 通过肿瘤组织的免疫组化检测结果将训练集分为PD ‑1/PD‑L1表达阳性组和 PD‑1/PD‑L1表达阴性组， 提取癌症患者的增强CT影像组学特征， 将所述影像组学特征输入 分类器中， 得到预测的分类结果， 将预测的分类结果与免疫组化检测结果进行比对， 优化分 类器， 得到训练好的P D‑1/PD‑L1表达状态模型。 3.根据权利要求1所述的用于预测晚期癌症患者PD ‑1/PD‑L1单抗治疗疗效的方法， 其 特征在于， 所述方法还 包括： 获取待测癌症患者的临床数据； 提取代表性的临床特征， 所述临床特征为： 年龄、 临床分期、 骨转移、 治疗线数和ICI治 疗； 将所述代表性的临床特征和增强CT影像组学特征输入对应的疗效结果预测模型， 得到 患者抗PD‑1/PD‑L1单抗治疗 疗效分类结果。 4.根据权利要求1所述的用于预测晚期癌症患者PD ‑1/PD‑L1单抗治疗疗效的方法， 其 特征在于， 所述提取癌症患者的增强CT影像组学特征为基于加权多病灶方法提取影像组学 特征， 得到加权后的影像学组学特征， 所述加权多病灶方法提取影像组学特征为： 提取患者 的增强CT影像中多个病灶的影像组学特征， 并将所述多个病灶的影像组学特征自适应加权 求和； 可选的， 所述加权多病灶方法的计算公式为： 其中， z代表加权 后的整合特 征， ai,1为加权系数， hi,j为患者的单个病灶的影 像学特征， K为病灶个数。 5.根据权利要求4所述的用于预测晚期癌症患者PD ‑1/PD‑L1单抗治疗疗效的方法， 其 特征在于， 加权中的加权系 数采用多实例学习注意力模型确定； 所述模型 由一个基于注意 力加权机制的多层感知机分类器构成， 所述多层感知机分类器由两层神经网络构成， 第一 层为隐藏层和激活函数构成， 第二层为激活函数获得的全连接 输出层。 6.根据权利要求4所述的用于预测晚期癌症患者PD ‑1/PD‑L1单抗治疗疗效的方法， 其 特征在于， 所述基于加权多病灶方法提取影像组学特征为2个基于形状的特征， 9个一阶特 征和14个高阶纹理特征； 可选的， 所述将所述加权后的影像组学特征输入对应的疗效结果 预测模型中为将2个基于形状的特征、 9个一阶特征和14个高阶纹理特征及5个代表性的临 床特征输入对应的疗效结果预测模型中。权　利　要　求　书 1/2 页 2 CN 115440383 A 27.根据权利要求1所述的用于预测晚期癌症患者PD ‑1/PD‑L1单抗治疗疗效的方法， 其 特征在于， 所述方法还包括对所述增强CT影像组学特征进行预处理， 所述预处理包括保留 ICC超过预定阈值的影像组学特征； 和 /或剔除相关系数大于规定阈值的影像组学特征； 可 选的， 所述表达状态模型、 疗效结果预测模型选自下列算法中的一种或几种： 随机森林、 逻 辑回归、 线性回归、 多项式回归、 逐步回归、 岭回归、 套索回归、 弹性回归、 多层感知机、 极致 梯度提升、 支持向量机 。 8.一种用于预测晚期癌症患者PD ‑1/PD‑L1单抗治疗疗效的系统， 其特征在于， 所述系 统包括： 获取单元， 用于获取待测癌症患者的增强CT影 像； 特征提取单元， 用于提取癌症患者的增强CT影 像组学特征； 判断单元， 用于将所述影像组学特征输入训练好的PD ‑1/PD‑L1表达状态模型， 得到患 者PD‑1/PD‑L1表达结果； 预测单元， 用于基于所述表达结果将癌症患者的增强CT影像组学特征输入对应的疗效 结果预测模型， 得到患者抗PD ‑1/PD‑L1单抗治疗疗效分类结果， 具体为： 当表达结果为阳 性， 输入训练好的PD ‑1/PD‑L1表达阳性疗效结果预测模 型， 当表达结果为阴性， 输入训练好 的PD‑1/PD‑L1表达阴性疗效结果预测模型。 9.一种用于预测晚期癌症患者PD ‑1/PD‑L1单抗治疗疗效的设备， 包括： 存储器和处理 器； 所述存储器用于存 储程序指令； 所述处理器用于调用程序指令， 当程序指令被执行时， 实现权利要求1 ‑7任意一项所述 的用于预测晚期癌症患者P D‑1/PD‑L1单抗治疗 疗效的方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时， 实现权利要求1 ‑7任意一项所述的用于预测晚期癌症患者PD ‑1/PD‑L1单 抗治疗疗效的方法。权　利　要　求　书 2/2 页 3 CN 115440383 A 3