CN104933314A - 分化型甲状腺癌的远处转移分析方法及分析系统 - Google Patents

分化型甲状腺癌的远处转移分析方法及分析系统 Download PDF

Info

Publication number
CN104933314A
CN104933314A CN201510373851.5A CN201510373851A CN104933314A CN 104933314 A CN104933314 A CN 104933314A CN 201510373851 A CN201510373851 A CN 201510373851A CN 104933314 A CN104933314 A CN 104933314A
Authority
CN
China
Prior art keywords
stg
measurement data
last
value
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201510373851.5A
Other languages
English (en)
Inventor
赵腾
林岩松
梁军
李田军
郭振清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Original Assignee
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking Union Medical College Hospital Chinese Academy of Medical Sciences filed Critical Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Priority to CN201510373851.5A priority Critical patent/CN104933314A/zh
Publication of CN104933314A publication Critical patent/CN104933314A/zh
Pending legal-status Critical Current

Links

Abstract

本发明涉及分化型甲状腺癌的远处转移分析方法,本发明还涉及分化型甲状腺癌的远处转移分析系统,包括用于接收测量数据的数据接收模块、用于根据设定的测量阈值判断数据是否符合计算处理的请求计算模块、用于计算数据的数据计算模块、用于根据计算结果进行处理的处理模块和显示分析信息的显示模块;本发明计算出131I治疗前该组sTg动态变化相关参数,以期排除手术后尚未经131I成功“清甲”前的残余甲状腺组织对sTg水平的影响,为在131I治疗前提高对DTC远处转移患者的早期诊断正确率提供较好的参考信息,较目前临床上应用的单次sTg水平分析患者远处转移状态的方法其分析的准确性及特异度均有提高。

Description

分化型甲状腺癌的远处转移分析方法及分析系统
技术领域
本发明涉及医疗数据分析处理技术领域,尤其涉及分化型甲状腺癌的远处转移分析方法及分析系统。
背景技术
近年来,分化型甲状腺癌(differentiated thyroid cancer,DTC)因其发病率日益增高而备受关注,虽然多数甲状腺癌经系统治疗后预后良好,仍有约1%-23%在诊断时已发生远处转移。及时地发现远处转移对于病情评估、治疗策略的正确制定以及改善患者预后都有重要意义。目前,对于手术后已行131I治疗清除甲状腺组织(简称清甲)的DTC患者,血清甲状腺球蛋白(thyroglobulin,Tg)的变化情况是随访过程中监测患者是否存在肿瘤残留或复发、转移的重要手段。特别是高促甲状腺激素(TSH)水平即TSH刺激状态(通过停服甲状腺激素或应用重组人TSH使血清TSH升高至>30μIU/ml以上)下的血清Tg水平(刺激性Tg,stimulated thyroglobulin,sTg)对于DTC患者术后、131I清甲治疗后病情的监测具有较高敏感性和特异性。然而,由于绝大多数DTC患者术后仍存在残余甲状腺组织,使得目前的影像学手段以及131I“清甲”治疗前单次sTg水平均易受残余甲状腺影响,对于远处转移在131I清甲治疗前的检出仍存在一定局限性,敏感性和特异性均不高。部分患者131I治疗前胸部CT甚至131I诊断性全身显像(diagnostic whole-body scintigraphy,DxWBS)均未能及时发现远处转移灶,仅在131I治疗后进行治疗后全身显像(posttreatment whole-bodyscintigraphy,RxWBS)甚至后续长期随访过程中进行价格昂贵的PET/CT等检查时才被正确判断。这种残余甲状腺组织等因素存在所导致的131I治疗前sTg假阳性高水平也使其在病情评估方面的应用受到了一定限制。
发明内容
本发明所要解决的技术问题是提供一种分化型甲状腺癌的远处转移分析方法及分析系统,通过收集患者术后131I治疗前未服或停服甲状腺激素后TSH刺激状态(>30μIU/mL)下测定的数次sTg随TSH变化的数据,计算出131I治疗前该组sTg动态变化相关参数,以期排除手术后尚未经131I成功“清甲”前的残余甲状腺组织对sTg水平的影响,为在131I治疗前提高对DTC远处转移患者的早期诊断正确率提供较好的参考信息,较目前临床上应用的单次sTg水平分析患者远处转移状态的方法,其分析的准确性及特异度均有提高。
本发明解决上述技术问题的技术方案如下:分化型甲状腺癌的远处转移分析方法,包括如下步骤:
步骤A:接收多次sTg测量中的首次sTg测量数据和末次sTg测量数据;
步骤B:根据设定的测量阈值判断首次sTg测量数据和末次sTg测量数据是否符合测量范围,如果符合,则发送处理请求并执行步骤D,如果不符合,则向用户发送会影响判断结果准确性的提示信息,执行步骤C;
步骤C:等待用户确认,当接收到用户“确认”信息后,发送处理请求至步骤D处理;
步骤D:根据处理请求将首次sTg测量数据及末次sTg测量数据结合进行动态变化指标的计算,得到第一计算值,以及单独对末次sTg测量数据进行计算,得到第二计算值;
步骤E:根据设定的指标范围值判断第一计算值是否属于指标范围值内,如果属于,则根据设定的第一判定值对第二计算值进行比较后显示分析信息,如果不属于,则根据设定的第二判定值对第二计算值进行比较后显示分析信息。
本发明的有益效果是:通过收集患者术后131I治疗前未服或停服甲状腺激素后TSH刺激状态(>30μIU/mL)下测定的数次sTg随TSH变化的数据,计算出131I治疗前该组sTg动态变化相关参数,以期排除手术后尚未经131I成功“清甲”前的残余甲状腺组织对sTg水平的影响,为在131I治疗前提高对DTC远处转移患者的早期诊断正确率提供较好的参考信息,较目前临床上应用的单次sTg水平分析患者远处转移状态的方法,其分析的准确性及特异度均有提高。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述步骤E中,设置指标范围值为:-0.40~0.41ng/μIU,以及设置第一判定值为:0.663ng/μIU和设置第二判定值为:0.136ng/μIU;所述分析信息为“远处转移M1”或“非远处转移M0”的一种情况。
采用上述进一步方案的有益效果是:为提高诊断的正确率提供可靠的分析信息。
进一步,还包括如下步骤:检查接收的首次sTg测量数据和末次sTg测量数据是否完整,如果完整,则进入步骤D,如果不完整,则向用户发出需填写数据的提示信息,直至接收完整后,进入步骤D。
采用上述进一步方案的有益效果是:保证数据采集的完整性,使分析信息更可靠。
进一步,所述首次sTg测量数据包括促甲状腺激素TSH1、甲状腺球蛋白Tg1和甲状腺球蛋白抗体TgAb1;所述末次sTg测量数据包括促甲状腺激素TSH2、甲状腺球蛋白Tg2和甲状腺球蛋白抗体TgAb2;所述测量阈值为所述首次sTg测量数据和末次sTg测量数据中的促甲状腺激素TSH>30μIU/mL,且所述首次sTg测量数据和末次sTg测量数据中的甲状腺球蛋白抗体TgAb<115IU/mL。
进一步,所述第一计算值利用公式
ΔTg/ΔTSH=(Tg2-Tg1)/(TSH2-TSH1)
来获得,其中,ΔTg/ΔTSH为动态变化指标,Tg1为首次sTg测量数据中的甲状腺球蛋白值,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH1为首次sTg测量数据中的促甲状腺激素值,TSH2为末次sTg测量数据中的促甲状腺激素值;
所述第二计算值利用公式Tg2/TSH2计算来获得,
其中,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH2为末次sTg测量数据中的促甲状腺激素值。
本发明解决上述技术问题的另一技术方案如下:分化型甲状腺癌的远处转移分析系统,包括数据接收模块、请求计算模块、数据计算模块、处理模块和显示模块;
所述数据接收模块,用于接收多次sTg测量中的首次sTg测量数据和末次sTg测量数据,以及接收用户对sTg测量数据的“确认”信息;
所述请求计算模块,用于根据设定的测量阈值判断首次sTg测量数据和末次sTg测量数据是否符合测量范围,如果符合,则发送处理请求至数据计算模块,如果不符合,则向用户发送会影响判断结果准确性的提示信息,并等待用户确认,当接收到用户“确认”信息后,发送处理请求至数据计算模块;
所述数据计算模块,用于根据处理请求将首次sTg测量数据及末次sTg测量数据结合进行动态变化指标的计算,得到第一计算值,以及单独对末次sTg测量数据进行计算,得到第二计算值;
所述处理模块,用于根据设定的指标范围值判断第一计算值是否属于指标范围值内,如果属于,则根据设定的第一判定值对第二计算值进行比较后调用显示模块显示分析信息,如果不属于,则根据设定的第二判定值对第二计算值进行比较后调用显示模块显示分析信息;
所述显示模块,用于显示分析信息。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述处理模块中,设置指标范围值为:-0.40~0.41ng/μIU,以及设置第一判定值为:0.663ng/μIU和设置第二判定值为:0.136ng/μIU;所述分析信息为“远处转移M1”或“非远处转移M0”的一种情况。
采用上述进一步方案的有益效果是:为提高诊断的正确率提供可靠的分析信息。
进一步,还包括数据检查模块,其用于检查接收的首次sTg测量数据和末次sTg测量数据是否完整,如果完整,则进入所述请求计算模块处理,如果不完整,则向用户发出需填写数据的提示信息,直至接收完整后,进入所述请求计算模块处理。
采用上述进一步方案的有益效果是:保证数据采集的完整性,使判断结果更准确。
进一步,所述首次sTg测量数据包括促甲状腺激素TSH1、甲状腺球蛋白Tg1和甲状腺球蛋白抗体TgAb1;所述末次sTg测量数据包括促甲状腺激素TSH2、甲状腺球蛋白Tg2和甲状腺球蛋白抗体TgAb2;所述测量阈值为所述首次sTg测量数据和末次sTg测量数据中的促甲状腺激素TSH>30μIU/mL,且所述首次sTg测量数据和末次sTg测量数据中的甲状腺球蛋白抗体TgAb<115IU/mL。
进一步,所述第一计算值利用公式
ΔTg/ΔTSH=(Tg2-Tg1)/(TSH2-TSH1)
来获得,其中,ΔTg/ΔTSH为动态变化指标,Tg1为首次sTg测量数据中的甲状腺球蛋白值,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH1为首次sTg测量数据中的促甲状腺激素值,TSH2为末次sTg测量数据中的促甲状腺激素值;
所述第二计算值利用公式Tg2/TSH2计算来获得,其中,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH2为末次sTg测量数据中的促甲状腺激素值。
附图说明
图1为本发明分析系统的模块框图;
图2为本发明分析方法的方法流程图;
图3为本发明实施例的方法流程图;
图4为本发明检测患者不同残余甲状腺情况的数值分布散点图;
图5为本发明建立不同指标判断远处转移的ROC曲线图;
图6为本发明对其测试结果的准确性与任一单次测试结果对比的数据图。
附图中,各标记所代表的部件名称如下:
1、数据接收模块,2、请求计算模块,3、数据计算模块,4、处理模块,5、显示模块,6、数据检查模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种分化型甲状腺癌的远处转移分析系统,包括数据接收模块1、请求计算模块2、数据计算模块3、处理模块4和显示模块5;
所述数据接收模块1,用于接收多次sTg测量中的首次sTg测量数据和末次sTg测量数据,以及接收用户对sTg测量数据的“确认”信息;动态监测停服甲状腺激素期间两次或以上,取首次和末次的sTg测量数据作为测试的有效数据;
所述请求计算模块2,用于根据设定的测量阈值判断首次sTg测量数据和末次sTg测量数据是否符合测量范围,如果符合,则发送处理请求至数据计算模块3,如果不符合,则向用户发送会影响判断结果准确性的提示信息,并等待用户确认,当接收到用户“确认”信息后,发送处理请求至数据计算模块3;
所述数据计算模块3,用于根据处理请求将首次sTg测量数据及末次sTg测量数据结合进行动态变化指标的计算,得到第一计算值,以及单独对末次sTg测量数据进行计算,得到第二计算值;
所述处理模块4,用于根据设定的指标范围值判断第一计算值是否属于指标范围值内,如果属于,则根据设定的第一判定值对第二计算值进行比较后调用显示模块5显示分析信息,如果不属于,则根据设定的第二判定值对第二计算值进行比较后调用显示模块5显示分析信息;
所述显示模块5,用于显示分析信息。
所述首次sTg测量数据包括促甲状腺激素TSH1、甲状腺球蛋白Tg1和甲状腺球蛋白抗体TgAb1;所述末次sTg测量数据包括促甲状腺激素TSH2、甲状腺球蛋白Tg2和甲状腺球蛋白抗体TgAb2。
所述测量阈值为所述首次sTg测量数据和末次sTg测量数据中的促甲状腺激素TSH>30μIU/mL,且所述首次sTg测量数据和末次sTg测量数据中的甲状腺球蛋白抗体TgAb<115IU/mL。
所述处理模块4中,设置指标范围值为:-0.40~0.41ng/μIU,以及设置第一判定值为:0.663ng/μIU和设置第二判定值为:0.136ng/μIU;所述分析信息为“远处转移M1”或“非远处转移M0”的一种情况。
还包括数据检查模块5,其用于检查接收的首次sTg测量数据和末次sTg测量数据是否完整,如果完整,则进入所述请求计算模块2处理,如果不完整,则向用户发出需填写数据的提示信息,直至接收完整后,进入所述请求计算模块2处理。
所述第一计算值利用公式
ΔTg/ΔTSH=(Tg2-Tg1)/(TSH2-TSH1)
来获得,其中,ΔTg/ΔTSH为动态变化指标,Tg1为首次sTg测量数据中的甲状腺球蛋白值,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH1为首次sTg测量数据中的促甲状腺激素值,TSH2为末次sTg测量数据中的促甲状腺激素值;
所述第二计算值利用公式Tg2/TSH2计算来获得,
其中,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH2为末次sTg测量数据中的促甲状腺激素值。
如图2所示,分化型甲状腺癌的远处转移分析方法,包括如下步骤:
步骤A:接收多次sTg测量中的首次sTg测量数据和末次sTg测量数据;
步骤B:根据设定的测量阈值判断首次sTg测量数据和末次sTg测量数据是否符合测量范围,如果符合,则发送处理请求并执行步骤D,如果不符合,则向用户发送会影响判断结果准确性的提示信息,执行步骤C;
步骤C:等待用户确认,当接收到用户“确认”信息后,发送处理请求至步骤D处理;
步骤D:根据处理请求将首次sTg测量数据及末次sTg测量数据结合进行动态变化指标的计算,得到第一计算值,以及单独对末次sTg测量数据进行计算,得到第二计算值;
步骤E:根据设定的指标范围值判断第一计算值是否属于指标范围值内,如果属于,则根据设定的第一判定值对第二计算值进行比较后显示分析信息,如果不属于,则根据设定的第二判定值对第二计算值进行比较后显示分析信息。
所述步骤E中,设置指标范围值为:-0.40~0.41ng/μIU,以及设置第一判定值为:0.663ng/μIU和设置第二判定值为:0.136ng/μIU;所述分析信息为“远处转移M1”或“非远处转移M0”的一种情况。
还包括如下步骤:检查接收的首次sTg测量数据和末次sTg测量数据是否完整,如果完整,则进入步骤D,如果不完整,则向用户发出需填写数据的提示信息,直至接收完整后,进入步骤D。
具体实施例,如图3所示:
步骤S1:接收多次sTg测量中的首次sTg测量数据和末次sTg测量数据;动态监测停服甲状腺激素期间两次或以上,取首次和末次的sTg测量数据作为测试的有效数据;
步骤S2:检查接收的首次sTg测量数据和末次sTg测量数据是否完整,如果完整,则执行步骤S4,如果不完整,执行步骤S3;
步骤S3:向用户发出需填写数据的提示信息,并返回步骤S1;
步骤S4:根据设定的测量阈值判断首次sTg测量数据和末次sTg测量数据是否符合测量范围,如果符合,则发送处理请求并执行步骤S7,如果不符合,则执行步骤S5;
步骤S5:向用户发送会影响判断结果准确性的提示信息,执行步骤S6;
步骤S6:等待用户确认,当接收到用户“确认”信息后,发送处理请求至步骤S7处理;
步骤S7:根据处理请求将首次sTg测量数据及末次sTg测量数据结合进行动态变化指标的计算,得到第一计算值,以及单独对末次sTg测量数据进行计算,得到第二计算值;
步骤S8:设置指标范围值:-0.40~0.41ng/μIU,以及设置第一判定值:0.663ng/μIU和设置第二判定值:0.136ng/μIU;
步骤S9:根据指标范围值判断第一计算值是否属于指标范围值内,如果属于,则执行步骤S10,如果不属于,则执行步骤S13;
步骤S10:根据第一判定值比较第二计算值是否大于或等于第一判定值,如果是,执行步骤S11,否则,执行步骤S12;
步骤S11:显示“远处转移M1”的分析信息;
步骤S12:显示“非远处转移M0”的分析信息;
步骤S13:根据第一判定值比较第二计算值是否大于或等于第二判定值,如果是,执行步骤S14,否则,执行步骤S15;
步骤S14:显示“远处转移M1”的分析信息;
步骤S15:显示“非远处转移M0”的分析信息。
步骤S8中,可根据需要重新设置指标范围值、第一判定值和第二判定值,如不需要变动,则不需再次设置。
所述首次sTg测量数据包括促甲状腺激素TSH1、甲状腺球蛋白Tg1和甲状腺球蛋白抗体TgAb1;所述末次sTg测量数据包括促甲状腺激素TSH2、甲状腺球蛋白Tg2和甲状腺球蛋白抗体TgAb2;
所述测量阈值为所述首次sTg测量数据和末次sTg测量数据中的促甲状腺激素TSH>30μIU/mL,且所述首次sTg测量数据和末次sTg测量数据中的甲状腺球蛋白抗体TgAb<115IU/mL。
所述第一计算值利用公式
ΔTg/ΔTSH=(Tg2-Tg1)/(TSH2-TSH1)
来获得,其中,ΔTg/ΔTSH为动态变化指标,Tg1为首次sTg测量数据中的甲状腺球蛋白值,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH1为首次sTg测量数据中的促甲状腺激素值,TSH2为末次sTg测量数据中的促甲状腺激素值;
所述第二计算值利用公式Tg2/TSH2计算来获得,
其中,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH2为末次sTg测量数据中的促甲状腺激素值。
如图4所示,为294名非远处转移性DTC患者单次sTg水平(Tg1、Tg2)与动态变化指标(ΔTg/ΔTSH)在不同残余甲状腺情况的患者中数值分布散点图。图中将残余甲状腺情况分为无残余(None)、部分残余(Moderate)和大量残余(Overt)三种情况,并对这3种情况下患者的Tg1、Tg2、ΔTg/ΔTSH分别进行了Mann-Whitney秩和检验,结果提示:对于存在大量残余甲状腺的患者,其单次sTg水平Tg1和Tg2均显著高于其他2组(Mann-Whitney U=1731.0,P<0.001;Mann-Whitney U=1165.5,P<0.001),而动态变化指标ΔTg/ΔTSH的分布则完全不受残余甲状腺情况的影响(Mann-Whitney U=2.107,P=0.349)。
如图5所示,为根据317例患者建立的不同指标判断远处转移的ROC曲线及其诊断效能,不难看出,ΔTg/ΔTSH与Tg2/TSH2联合诊断时ROC曲线下面积最大,诊断准确性最好。
如图6所示,为将本系统应用于317例DTC患者分析其是否存在远处转移后得到的灵敏度(SN)、特异度(SP)、准确性(Accuracy)与目前临床上应用的单次sTg水平结果比较,利用本系统分析信息的准确性及特异度均优于任一单次sTg指标(Tg1或Tg2),由83.27%、84.86%提高至91.2%、92.2%。
下面举例对甲状腺患者使用本系统进行病情判断:
1)患者女性,37岁,甲状腺全切术后,拟行131I治疗。131I治疗前停服甲状腺激素血清学检查结果如下:2012-11-15TSH:121.22μIU/ml;Tg:15.2ng/ml;TgAb:16.24IU/ml。2012-11-16CT:双肺多发结节,结合病史考虑转移瘤可能,请结合临床,双侧胸膜增厚。动态监测患者131I治疗前sTg随TSH变化情况,2012-11-20复查TSH:129.38μIU/4ml;Tg:25.7ng/ml;TgAb:<10IU/ml。将2次血清学检测日期对应TSH、Tg、TgAb结果分别输入本系统,得到如下结果:ΔTg/ΔTSH=(Tg2-Tg1)/(TSH2-TSH1)=1.287,Tg2/TSH2=0.199,显示分析信息,病人为M1(远处转移)。即:通过本系统的分析,高度怀疑此患者存在远处转移病灶,提示应在考虑治疗剂量时给予治疗远处转移病灶的大剂量131I治疗,以避免其因治疗不足而导致的病情迁延。
2)患者女性,63岁,甲状腺全切术后,131I治疗后随诊过程中遵医嘱停服甲状腺激素复查结果如下:2009-07-22TSH:23.93μIU/4ml;Tg:68.5ng/ml;TgAb:11.09IU/ml。2009-07-29颈部B超未见明显异常。考虑患者sTg可疑增高,遂动态监测其sTg随TSH变化情况,拟行第2次131I治疗。2009-09-07复查TSH:90.29μIU/4ml;Tg:84.8ng/ml;TgAb:12.07IU/ml。将2次血清学检测日期对应TSH、Tg、TgAb结果分别输入本系统,得到如下结果:ΔTg/ΔTSH=(Tg2-Tg1)/(TSH2-TSH1)=0.246,Tg2/TSH2=0.939,显示分析信息,病人为M1(远处转移)。即:患者第2次131I治疗前通过本系统的分析,高度怀疑此患者存在远处转移病灶,应在考虑治疗剂量时给予治疗远处转移病灶的大剂量131I治疗,以避免其因治疗不足而导致的病情迁延。
3)患者女性,43岁,甲状腺全切术后,拟行131I治疗。2013-03-14胸部HRCT提示:右肺下叶小结节,右肺中叶、双肺下叶斑片影。停服甲状腺激素血清学检查结果如下:2013-04-07TSH:63.624μIU/4ml;Tg:4.0ng/ml;TgAb:58.32IU/ml。动态监测其sTg随TSH变化情况,2013-04-17TSH:54.929μIU/4ml;Tg:3.6ng/ml;TgAb:61.20IU/ml。2013-04-23TSH:62.938μIU/4ml;Tg:4.3ng/ml;TgAb:36.94IU/ml。将首次(2013-04-07)与末次(2013-04-23)sTg对应血清学检测日期将TSH、Tg、TgAb结果分别输入本系统,得到如下结果:ΔTg/ΔTSH=(Tg2-Tg1)/(TSH2-TSH1)=-0.437,Tg2/TSH2=0.068,经分析,此病人为M0(没有远处转移)。即:通过本系统的分析认为此患者不存在远处转移病灶,提示可在考虑治疗剂量时给予以“清甲”治疗为目的的小剂量131I治疗,避免了因131I过渡治疗而使患者接受不必要的辐射及其可能的远期不良反应。
4)患者男性,44岁,甲状腺全切术后,拟行131I治疗。停服甲状腺激素复查结果如下:2013-10-25TSH:52.991μIU/4ml;Tg:6.4ng/ml;TgAb:<10IU/ml。动态监测其sTg随TSH变化情况,2013-11-01复查TSH:76.173μIU/4ml;Tg:8.0ng/ml;TgAb:<10IU/ml。将2次血清学检测日期对应TSH、Tg、TgAb结果分别输入本系统,得到如下结果:ΔTg/ΔTSH=(Tg2-Tg1)/(TSH2-TSH1)=0.069,Tg2/TSH2=0.015,经分析,此病人为M0(没有远处转移)。即:通过本软件的分析认为此患者不存在远处转移病灶,可在考虑治疗剂量时给予以“清甲”治疗为目的的小剂量131I治疗。
本系统涉及硬件环境:能够通过网络浏览器接入互联网的计算设备,如个人计算机,便携式笔记本,平板电脑,智能手机等。该设备需具备:1)输入设备:鼠标,触模板,或者可触控屏幕等;2)输出设备:显示屏。对于设备处理器及内存无特殊要求。
本系统涉及软件环境:支持在Windows、Mac OS X或Linux任一操作系统中通过网络浏览器进入网页。适用浏览器包括IE7(Internet Explorer 7)及以上版本,谷歌浏览器(Google Chrome),火狐浏览器,百度浏览器,360浏览器,QQ浏览器,傲游浏览器,搜狗浏览器等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.分化型甲状腺癌的远处转移分析方法,其特征在于,包括如下步骤:
步骤A:接收多次sTg测量中的首次sTg测量数据和末次sTg测量数据;
步骤B:根据设定的测量阈值判断首次sTg测量数据和末次sTg测量数据是否符合测量范围,如果符合,则发送处理请求并执行步骤D,如果不符合,则向用户发送会影响判断结果准确性的提示信息,执行步骤C;
步骤C:等待用户确认,当接收到用户“确认”信息后,发送处理请求至步骤D处理;
步骤D:根据处理请求将首次sTg测量数据及末次sTg测量数据结合进行动态变化指标的计算,得到第一计算值,以及单独对末次sTg测量数据进行计算,得到第二计算值;
步骤E:根据设定的指标范围值判断第一计算值是否属于指标范围值内,如果属于,则根据设定的第一判定值对第二计算值进行比较后显示分析信息,如果不属于,则根据设定的第二判定值对第二计算值进行比较后显示分析信息。
2.根据权利要求1所述的分化型甲状腺癌的远处转移分析方法,其特征在于,所述步骤E中,设置指标范围值为:-0.40~0.41ng/μIU,以及设置第一判定值为:0.663ng/μIU和设置第二判定值为:0.136ng/μIU;所述分析信息为“远处转移M1”或“非远处转移M0”的一种情况。
3.根据权利要求1所述的分化型甲状腺癌的远处转移分析方法,其特征在于,还包括如下步骤:检查接收的首次sTg测量数据和末次sTg测量数据是否完整,如果完整,则进入步骤D,如果不完整,则向用户发出需填写数据的提示信息,直至接收完整后,进入步骤D。
4.根据权利要求1所述的分化型甲状腺癌的远处转移分析方法,其特征在于,所述首次sTg测量数据包括促甲状腺激素TSH1、甲状腺球蛋白Tg1和甲状腺球蛋白抗体TgAb1;所述末次sTg测量数据包括促甲状腺激素TSH2、甲状腺球蛋白Tg2和甲状腺球蛋白抗体TgAb2;所述测量阈值为所述首次sTg测量数据和末次sTg测量数据中的促甲状腺激素TSH>30μIU/mL,且所述首次sTg测量数据和末次sTg测量数据中的甲状腺球蛋白抗体TgAb<115IU/mL。
5.根据权利要求1所述的分化型甲状腺癌的远处转移分析方法,其特征在于,
所述第一计算值利用公式
ΔTg/ΔTSH=(Tg2-Tg1)/(TSH2-TSH1)
来获得,其中,ΔTg/ΔTSH为动态变化指标,Tg1为首次sTg测量数据中的甲状腺球蛋白值,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH1为首次sTg测量数据中的促甲状腺激素值,TSH2为末次sTg测量数据中的促甲状腺激素值;
所述第二计算值利用公式Tg2/TSH2计算来获得,
其中,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH2为末次sTg测量数据中的促甲状腺激素值。
6.分化型甲状腺癌的远处转移分析系统,其特征在于,包括数据接收模块(1)、请求计算模块(2)、数据计算模块(3)、处理模块(4)和显示模块(5);
所述数据接收模块(1),用于接收多次sTg测量中的首次sTg测量数据和末次sTg测量数据,以及接收用户对sTg测量数据的“确认”信息;
所述请求计算模块(2),用于根据设定的测量阈值判断首次sTg测量数据和末次sTg测量数据是否符合测量范围,如果符合,则发送处理请求至数据计算模块(3),如果不符合,则向用户发送会影响判断结果准确性的提示信息,并等待用户确认,当接收到用户“确认”信息后,发送处理请求至数据计算模块(3);
所述数据计算模块(3),用于根据处理请求将首次sTg测量数据及末次sTg测量数据结合进行动态变化指标的计算,得到第一计算值,以及单独对末次sTg测量数据进行计算,得到第二计算值;
所述处理模块(4),用于根据设定的指标范围值判断第一计算值是否属于指标范围值内,如果属于,则根据设定的第一判定值对第二计算值进行比较后调用显示模块(5)显示分析信息,如果不属于,则根据设定的第二判定值对第二计算值进行比较后调用显示模块(5)显示分析信息;
所述显示模块(5),用于显示分析信息。
7.根据权利要求6所述的分化型甲状腺癌的远处转移分析系统,其特征在于,所述处理模块(4)中,设置指标范围值为:-0.40~0.41ng/μIU,以及设置第一判定值为:0.663ng/μIU和设置第二判定值为:0.136ng/μIU;所述分析信息为“远处转移M1”或“非远处转移M0”的一种情况。
8.根据权利要求6所述的分化型甲状腺癌的远处转移分析系统,其特征在于,还包括数据检查模块(6),其用于检查接收的首次sTg测量数据和末次sTg测量数据是否完整,如果完整,则进入所述请求计算模块(2)处理,如果不完整,则向用户发出需填写数据的提示信息,直至接收完整后,进入所述请求计算模块(2)处理。
9.根据权利要求6所述的分化型甲状腺癌的远处转移分析系统,其特征在于,所述首次sTg测量数据包括促甲状腺激素TSH1、甲状腺球蛋白Tg1和甲状腺球蛋白抗体TgAb1;所述末次sTg测量数据包括促甲状腺激素TSH2、甲状腺球蛋白Tg2和甲状腺球蛋白抗体TgAb2;所述测量阈值为所述首次sTg测量数据和末次sTg测量数据中的促甲状腺激素TSH>30μIU/mL,且所述首次sTg测量数据和末次sTg测量数据中的甲状腺球蛋白抗体TgAb<115IU/mL。
10.根据权利要求6所述的分化型甲状腺癌的远处转移分析系统,其特征在于,
所述第一计算值利用公式
ΔTg/ΔTSH=(Tg2-Tg1)/(TSH2-TSH1)
来获得,其中,ΔTg/ΔTSH为动态变化指标,Tg1为首次sTg测量数据中的甲状腺球蛋白值,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH1为首次sTg测量数据中的促甲状腺激素值,TSH2为末次sTg测量数据中的促甲状腺激素值;
所述第二计算值利用公式Tg2/TSH2计算来获得,其中,Tg2为末次sTg测量数据中的甲状腺球蛋白值,TSH2为末次sTg测量数据中的促甲状腺激素值。
CN201510373851.5A 2015-06-30 2015-06-30 分化型甲状腺癌的远处转移分析方法及分析系统 Pending CN104933314A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510373851.5A CN104933314A (zh) 2015-06-30 2015-06-30 分化型甲状腺癌的远处转移分析方法及分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510373851.5A CN104933314A (zh) 2015-06-30 2015-06-30 分化型甲状腺癌的远处转移分析方法及分析系统

Publications (1)

Publication Number Publication Date
CN104933314A true CN104933314A (zh) 2015-09-23

Family

ID=54120479

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510373851.5A Pending CN104933314A (zh) 2015-06-30 2015-06-30 分化型甲状腺癌的远处转移分析方法及分析系统

Country Status (1)

Country Link
CN (1) CN104933314A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110275014A (zh) * 2019-07-23 2019-09-24 江苏省原子医学研究所 一种术中快速鉴别甲状腺乳头状癌颈淋巴结转移的方法
CN111739638A (zh) * 2020-06-16 2020-10-02 刘�文 适用于分化型甲状腺癌患者的术后自助评估系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000060803A (ja) * 1998-08-21 2000-02-29 Terumo Corp 血糖値情報処理システム
CN103246825A (zh) * 2013-05-28 2013-08-14 美合实业(苏州)有限公司 一种医疗机构中央诊断方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000060803A (ja) * 1998-08-21 2000-02-29 Terumo Corp 血糖値情報処理システム
CN103246825A (zh) * 2013-05-28 2013-08-14 美合实业(苏州)有限公司 一种医疗机构中央诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TENG ZHAO,ET AL: ""Incremental Value of Serial Preablative Thyroglobulin Measurements in Identifying Distant Metastatic Differentiated Thyroid Cancer"", 《ECE2015》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110275014A (zh) * 2019-07-23 2019-09-24 江苏省原子医学研究所 一种术中快速鉴别甲状腺乳头状癌颈淋巴结转移的方法
CN111739638A (zh) * 2020-06-16 2020-10-02 刘�文 适用于分化型甲状腺癌患者的术后自助评估系统

Similar Documents

Publication Publication Date Title
Attia et al. Screening for cardiac contractile dysfunction using an artificial intelligence–enabled electrocardiogram
Jiang et al. Radiomic signature of 18F fluorodeoxyglucose PET/CT for prediction of gastric cancer survival and chemotherapeutic benefits
Huang et al. Sarcopenia, as defined by low muscle mass, strength and physical performance, predicts complications after surgery for colorectal cancer
Acampa et al. Myocardial perfusion imaging and risk classification for coronary heart disease in diabetic patients. The IDIS study: a prospective, multicentre trial
Elkins et al. Coding neuroradiology reports for the Northern Manhattan Stroke Study: a comparison of natural language processing and manual review
Huh et al. Metabolic syndrome severity score in Korean adults: analysis of the 2010–2015 Korea National Health and Nutrition Examination Survey
Motwani et al. Fully automated analysis of attenuation-corrected SPECT for the long-term prediction of acute myocardial infarction
Wang Surveillance radiologic imaging after treatment of oropharyngeal cancer: a review
Marinovich et al. Artificial intelligence (AI) for breast cancer screening: BreastScreen population-based cohort study of cancer detection
Lv et al. Development and validation of a clinically applicable deep learning strategy (HONORS) for pulmonary nodule classification at CT: a retrospective multicentre study
Cui et al. Myocardial extracellular volume fraction measurements with MOLLI 5 (3) 3 by cardiovascular MRI for the discrimination of healthy volunteers from dilated and hypertrophic cardiomyopathy patients
Wagensveld et al. A prospective multicenter comparison study of risk-adapted ultrasound-directed and magnetic resonance imaging–directed diagnostic pathways for suspected prostate cancer in biopsy-naïve men
Tomita et al. Predicting oncogene mutations of lung cancer using deep learning and histopathologic features on whole-slide images
CN104933314A (zh) 分化型甲状腺癌的远处转移分析方法及分析系统
AU2019212585B2 (en) Compositions and methods for monitoring the treatment of breast disorders
Yan et al. CT-based radiomics nomogram for prediction of progression-free survival in locoregionally advanced nasopharyngeal carcinoma
US9640375B2 (en) Method for crystallizing low mass ions for diagnosing colorectal cancer and method for diagnosing colorectal cancer using same
Adhaduk et al. Comparison of cardiac magnetic resonance imaging and fluorodeoxyglucose positron emission tomography in the assessment of cardiac sarcoidosis: Meta-analysis and systematic review
Lin et al. Online prediction model for primary aldosteronism in patients with hypertension in Chinese population: a two-center retrospective study
Yao et al. AI-Assisted Ultrasound for the Early Diagnosis of Antibody-Negative Autoimmune Thyroiditis
Wang et al. Development and validation of a novel diagnostic nomogram model to predict primary aldosteronism in patients with hypertension
Konstantinides Modern lung scintigraphy techniques for optimizing the diagnosis of pulmonary embolism: great expectations still awaiting to be met
MacDuffie et al. Vulvar cancer in Botswana in women with and without HIV infection: patterns of treatment and survival outcomes
Li-Yu et al. Intervention thresholds to identify postmenopausal women with high fracture risk: A single center study based on the Philippines FRAX model
Shi et al. Dual-attention residual network for automatic diagnosis of covid-19

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150923