(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 202211222615.X (22)申请日 2022.10.08 (71)申请人 温州医科 大学附属第一医院 地址 325000 浙江省温州市瓯海区南白象 街道温州医科大学附属 第一医院南白 象院区 (72)发明人 陈钢　薄志远　陈波　赵正晓　 毛毅成　王怡　余正平　吴莉军　 (74)专利代理 机构 温州名创知识产权代理有限 公司 33258 专利代理师 方剑宏 (51)Int.Cl. G16H 50/70(2018.01) G16H 30/00(2018.01) G16H 10/60(2018.01)G16H 10/40(2018.01) G16H 80/00(2018.01) G06T 7/10(2017.01) G06V 10/25(2022.01) G06V 10/50(2022.01) G06V 10/54(2022.01) G06V 10/44(2022.01) G06N 20/00(2019.01) (54)发明名称 基于人工智能预测肝癌患者仑伐替尼靶向 治疗效果的方法 (57)摘要 本发明公开了一种基于人工智能预测肝癌 患者仑伐替尼靶向治疗效果的方法， 包括： (1)收 集晚期肝癌患者的资料； (2)判断患者的疾病进 展情况和药物治疗效果， 根据实体瘤评价标准对 患者进行分组， 统计两组差异并分析； (3)用图像 处理软件对患者影像学图片进行手动分割并得 到肿瘤3D模型； (4)用Python软件对肿瘤图像的 特征进行提取和量化； (5)应用LASSO回归模型对 图像特征进行筛选， 使用相关矩阵消除高度相关 的特征， 剩下非冗余的特征集； (6)应用人工智能 机器学习方法对提取的影像学特征和临床资料 进行分析， 建立基于影像组学特征的预测模型。 本发明利用人工智能技术预测仑伐替尼靶向治 疗的敏感性， 具有重要的临床应用价 值。 权利要求书2页 说明书5页 附图5页 CN 115527683 A 2022.12.27 CN 115527683 A 1.一种基于人工智能预测肝癌 患者仑伐替尼靶向治疗效果的方法， 包括以下步骤： (1)收集多个医疗中心服用仑伐替尼的晚期肝癌患者的影像学资料和临床资料， 所述 影像学资料包括动脉期和静脉期增强CT的影像图片， 所述临床资料包括流行病学资料、 实 验室检查资料和肿瘤相关资料， 所述流行病学资料包括性别、 年龄、 身高、 体重、 BMI、 糖尿 病、 高血压、 PS 评分， 所述实验室检查资料包括乙肝、 肝硬化、 肝功能指标、 肿瘤指标、 凝血功 能指标， 所述肿瘤相关 资料包括肿瘤大小、 肿瘤数目、 肿瘤分期、 淋巴结转移、 血 管侵犯； (2)每月对患 者门诊随访一次， 进行影像学和血液指标检测， 判断患者的疾病 进展情况 和药物治疗效果， 药物治疗效果根据实体瘤评价标准RECIST  1.1和mRECIST判断， 根据药物 治疗效果将患者分为客观缓解组和无客观缓解组， 对两组之间的临床资料进 行统计并进 行 单因素和多因素l ogistic回归分析； (3)图像分割： 邀请2 ‑3名专业经验10年以上的影像科医师， 使用MRIcroGL软件对患者 动脉期和静脉期的增强CT影 像图片进行手动分割， 并得到感兴趣区域的3D模型； (4)图像特征提取和量化： 用Python软件对手动分割好的肿瘤3D模型的图像特征进行 提取和量 化， 所述图像特 征包括形状特 征、 第一直方图特 征、 第二直方图、 纹 理特征； (5)特征选择： 应用LASSO回归模型对图像特征进行筛选， 使用相关矩阵消除高度相 关 的特征， 剩下非冗余的特 征集用于后续分析和建模； (6)应用人工智能机器学习方法对提取的影像学特征和临床资料进行分析， 建立基于 影像组学特征的预测模型， 用于预测仑伐替尼有效性。 2.根据权利要求1所述的基于人工智能预测肝癌患者仑伐替尼靶向治疗效果的方法， 其特征在于： 所述步骤(1)还包括： 采用纳入标准和排除标准对患者进行筛选， 选择符合纳 入标准的患者进行后续分析， 以排除其 他干扰因素对预测结果的影响。 3.根据权利要求1所述的基于人工智能预测肝癌患者仑伐替尼靶向治疗效果的方法， 其特征在于： 所述步骤(2)中的分类标准中， 肿瘤反应被定义为完全缓解、 部分缓解、 疾病稳 定和疾病进展， 客观缓解组定义为完全缓解和部分缓解的患者， 无客观缓解组定义为疾病 稳定和疾病进 展患者。 4.根据权利要求1所述的基于人工智能预测肝癌患者仑伐替尼靶向治疗效果的方法， 其特征在于： 所述步骤(3)中， 不同医师间的图像分割模型进行一致性检验， 以保证所提取 影像学特征的稳定性和可重复性， 如有分歧， 经讨论达成共识。 5.根据权利要求1所述的基于人工智能预测肝癌患者仑伐替尼靶向治疗效果的方法， 其特征在于： 所述步骤(4)中， 提取的特征包括肿瘤形态学、 肿瘤边缘、 强度、 Haralik、 不变 矩、 离散小波变换特征， 将提取的特 征采用Z‑score方法进行 标准化处理。 6.根据权利要求1所述的基于人工智能预测肝癌患者仑伐替尼靶向治疗效果的方法， 其特征在于： 所述步骤(6)中， 人工智能机器学习方法包括logistic回归、 决策树、 随机森 林、 神经网络、 支持向量机、 自举法、 交叉验证、 聚类分析法。 7.根据权利要求1所述的基于人工智能预测肝癌患者仑伐替尼靶向治疗效果的方法， 其特征在于： 所述步骤(6)还包括： 通过10乘交叉验证机器学习方法以避免出现过度拟合现 象， 确保结果的可靠性和可重复性。 8.根据权利要求1所述的基于人工智能预测肝癌患者仑伐替尼靶向治疗效果的方法， 其特征在于： 所述步骤(6)还包括： 通过多种评估指标综合评价所建立模型的预测效能， 所权　利　要　求　书 1/2 页 2 CN 115527683 A 2述评估指标包括： 受试者特征曲线 下面积、 准确度、 敏感度、 特异度、 阳性预测值和阴性预测 值。 9.根据权利要求1所述的基于人工智能预测肝癌患者仑伐替尼靶向治疗效果的方法， 其特征在于： 所述步骤(6)还包括： 将研究对象分为训练队列和外部验证队列， 通过训练队 列建立的模型进一 步在验证队列中证实有效性和准确性。权　利　要　求　书 2/2 页 3 CN 115527683 A 3