CN105335623A - 一种骨转移癌骨相关事件的判断系统 - Google Patents
一种骨转移癌骨相关事件的判断系统 Download PDFInfo
- Publication number
- CN105335623A CN105335623A CN201510887945.4A CN201510887945A CN105335623A CN 105335623 A CN105335623 A CN 105335623A CN 201510887945 A CN201510887945 A CN 201510887945A CN 105335623 A CN105335623 A CN 105335623A
- Authority
- CN
- China
- Prior art keywords
- bone
- data
- interval
- probability
- unit
- 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
Links
Classifications
-
- G06F19/34—
Abstract
本发明涉及医疗领域，尤其涉及一种骨转移癌骨相关事件的判断系统，包括：第一存储单元用于存储标准骨转移临床数据并建立数据库；数据模型单元用于建立数据模型并根据外部输入的指令设定每个数据项的关联于数据模型的权重比；匹配单元用于将采集获得的患者的骨转移临床数据与数据项进行匹配；分析单元用于根据相匹配的数据项以及数据项的权重比处理得到骨转移癌骨相关事件的发生概率。有益效果是通过对现有临床数据的应用及分析，对骨转移癌骨相关事件进行判断，预测恶性肿瘤骨转移的发生概率，为医护人员对患者制定更有效和更主动的治疗方案提供参考依据，减轻患者的痛苦。
Description
技术领域
本发明涉及医疗领域，尤其涉及一种骨转移癌骨相关事件的判断系统。
背景技术
骨骼是恶性肿瘤常见的转移部位，骨转移会引起骨相关事件，严重影响患者的生活质量，加速疾病发展和患者死亡，而且加重了医疗任务，增加了治疗费用，对于骨相关事件的发生很难提前预见，无法及早的进行相关的预防治疗，如能早期预测骨相关事件的发生，便可以及时进行预防性干预，可延缓或阻止骨相关事件的发生，节省医疗费用，减轻患者痛苦，提高患者生活质量，延长患者生存期。
目前临床没有准确的方法可以预测骨相关事件的发生，多是依靠医生的经验，往往是患者出现了病理性骨折、脊髓压迫等骨相关事件后被动地进行治疗，治疗效果差，增加了患者的痛苦。
发明内容
针对上述问题，现提供能够对骨转移癌进行预测的一种骨转移癌骨相关事件的判断系统。
具体的技术方案是：
一种骨转移癌骨相关事件的判断系统，其中，包括：
第一存储单元，用于存储标准骨转移临床数据，并建立关联于所述标准骨转移临床数据的数据库；
所述数据库包含复数个数据项，每个所述数据项分别用以存储不同属性的所述标准骨转移临床数据；
数据模型单元，连接所述第一存储单元，用于根据所述数据项建立关联于所述数据库的数据模型，并根据外部输入的指令设定每个所述数据项的关联于所述数据模型的权重比；
匹配单元，连接所述第一存储单元，用于将采集获得的患者的骨转移临床数据与所述数据项进行匹配；
分析单元，分别连接所述数据模型单元和所述匹配单元，用于根据相匹配的所述数据项以及所述数据项的所述权重比处理得到所述骨转移癌骨相关事件的发生概率。
优选的，上述的判断系统，其中，包括：
更新单元，连接所述第一存储单元，用于将经过匹配的所述骨转移临床数据作为所述标准骨转移临床数据保存于相应的所述数据项中，以更新所述数据库。
优选的，上述的判断系统，其中，包括：
区间单元，连接所述分析单元，用于对所述发生概率预设多个概率区间，每个所述概率区间对应预设的一个治疗方案；
所述分析单元根据所述发生概率获取对应的所述概率区间，并根据所述概率区间得到并输出对应的所述治疗方案。
优选的，上述的判断系统，其中，所述概率区间包括对应所述发生概率最低的第一区间，对应所述发生概率最高的第二区间，以及第三区间；
则所述治疗方案包括：
对应所述第一区间的用于表示不进行手术治疗的所述治疗方案；
对应所述第二区间的用于表示仅进行一次手术治疗的所述治疗方案；
对应所述第三区间的用于表示进行至少两次手术治疗的所述治疗方案。
优选的，上述的判断系统，其中，第二存储单元，连接所述第一存储单元，用于存储医疗数据存储系统中多个关联于所述骨转移癌骨相关事件的所述标准骨转移临床数据；
所述医疗数据存储系统与所述数据库连接，将保存于所述医疗数据存储系统中的所述标准骨转移临床数据保存于所述数据库中对应的所述数据项中。
优选的，上述的判断系统，其中，所述标准骨转移临床数据包括：
用于表示所述患者的个体特征数据的第一信息；和/或
用于表示所述患者的各项指标数据的第二信息；和/或
用于表示所述患者的癌转移数据的第三信息；和/或
用于表示所述患者的骨转移影像指标的第四信息。
优选的，上述的判断系统，其中，所述标准骨转移临床数据包括骨髓损伤数据；
将所述骨髓损伤数据按照取值划分为多个不同的损伤区间，每个所述损伤区间对应骨髓损伤分级的一个预设等级；
所述骨髓损伤分级包括5个所述预设等级。
优选的，上述的判断系统，其中，所述标准骨转移临床数据还包括四肢转移骨折风险数据的概率值；
所述四肢转移骨折风险的概率值根据所述数据项获得，并保存于所述数据库中的对应的所述数据项中。
本发明的有益效果是，通过对现有临床数据的应用及分析，对骨转移癌骨相关事件进行判断，预测恶性肿瘤骨转移的发生概率，为方便医护人员对患者制定更有效和更主动的治疗方案提供参考依据，减轻患者的痛苦。
附图说明
图1为本发明的较佳的实施例中，一种骨转移癌骨相关事件的判断系统的总体结构示意图；
图2-3为本发明的较佳的实施例中，在图1基础上的骨转移癌骨相关事件的判断系统的部分结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
如图1所示；
一种骨转移癌骨相关事件的判断系统，包括：
第一存储单元1，用于存储标准骨转移临床数据，并建立关联于标准骨转移临床数据的数据库；
数据库包含复数个数据项，每个数据项分别用以存储不同属性的标准骨转移临床数据；
数据模型单元2，连接第一存储单元1，用于根据数据项建立关联于数据库的数据模型，并根据外部输入的指令设定每个数据项的关联于数据模型的权重比；
匹配单元3，连接第一存储单元1，用于将采集获得的患者的骨转移临床数据与数据项进行匹配；
分析单元4，分别连接数据模型单元2和匹配单元3，用于根据相匹配的数据项以及数据项的权重比处理得到骨转移癌骨相关事件的发生概率。
本发明是通过前期对大量骨转移癌患者的治疗，获取具有临床意义的骨转移癌骨相关事件的临床资料，进而得到标准骨转移临床数据，将标准骨转移临床数据根据不同属性分类成不同的数据项，如建立性别数据项，将获得的标准骨转移临床数据中患者的性别存储在性别数据项内，或，建立癌症数据项，将全部关联于标准骨转移临床数据的癌症类型存储在建立在数据库的癌症类型数据项内，用以本系统获得不同性别或癌症类型对骨转移癌骨相关事件的概率影响值。
根据标准骨转移临床数据与骨转移癌骨相关事件的关系建立数据模型，根据不同的数据项对应骨转移癌骨相关事件的次数值及通过对各数据项在骨转移癌骨相关事件中的影响大小设定不同的权重比，通过数据模型对患者的骨转移癌骨相关事件的发生概率进行预测，如对患者的性别数据项设定的权重比为一，发生癌症类型的数据项设定的权重比为三，性别中年龄越大对应的发生骨转移癌骨相关事件的次数越多，以及对某一类癌症相对发生骨转移癌骨相关事件的次数越多，通过次数以及权重得到发生骨转移癌骨相关事件的概率比；
采集需要进行骨转移癌骨相关事件判断的骨转移临床数据，将骨转移临床数据与数据库中的数据项进行匹配，获取匹配成功的数据项的权重比，根据患者的骨转移临床数据，该数据模型通过获取对应数据项的权重比处理得到骨转移癌骨相关事件发生的概率。
图2为本发明的较佳的实施例中，同时包括第一存储单元、分析单元和第二存储单元的结构示意图。
本发明较佳实施例中，如图2所示，包括：更新单元5，连接第一存储单元1，用于将经过匹配的骨转移临床数据作为标准骨转移临床数据保存于相应的数据项中，以更新数据库。
在获得患者就骨转移癌骨相关事件发生的概率后，将患者匹配成功的骨转移临床数据作为标准骨转移临床数据，存储进数据库的对应数据项内对匹配的数据项进行更新，当匹配的数据项都更新完成后获得一更新后的数据库，而关联于数据库的数据模型也得到了进一步的更新，通过标准骨转移临床数据不断的验证和补充，实现数据模型再学习功能，进而达到数据模型不断自我更新和调整；当患者实际骨转移癌骨相关事件与本系统对骨转移癌骨相关事件的判断不一致，且在达到预定次数后也可手动对相关数据进行调整，使得数据模型对骨转移癌骨相关事件发生的概率的预测更加的精准。
本发明较佳实施例中，如图3所示，包括区间单元6，连接分析单元4，用于对发生概率预设多个概率区间，每个概率区间对应预设的一个治疗方案；
分析单元根据发生概率获取对应的概率区间，并根据概率区间得到并输出对应的治疗方案。
对于通过数据模型获得的骨转移癌骨相关事件的发生概率可以指导医治人员对患者进行相关的主动治疗，对不同的发生概率划分不同的区间以对应不同的治疗方法，以给医治人员提供参考。
在上述技术方案的基础上，进一步的，概率区间包括对应发生概率最低的第一区间，对应发生概率最高的第二区间，以及第三区间；
则治疗方案包括：
对应第一区间的用于表示不进行手术治疗的治疗方案；
对应第二区间的用于表示仅进行一次手术治疗的治疗方案；
对应第三区间的用于表示进行至少两次手术治疗的治疗方案。
根据不同的发生概率所分成三个区间，每个区间对应各自的治疗方法，其中：
第一区间所对应的治疗方案可以采用不进行手术，而仅通过药物进行保守治疗的方案；
第二区间所对应的治疗方案可以采用最多一次的手术并同时配以药物进行治疗的方案；
第三区间用于的治疗方案可以采用至少一次手术治疗的治疗方案
通过不同的治疗方案，医护人员可以主动根据患者的病情进行针对性的治疗，即减少病患的痛苦，又避免了延误病情或过渡治疗。
本发明较佳实施例中，如图2所示，包括第二存储单元7，连接第一存储单元1，用于存储医疗数据存储系统中多个关联于骨转移癌骨相关事件的标准骨转移临床数据；
医疗数据存储系统与数据库连接，将保存于医疗数据存储系统中的标准骨转移临床数据保存于数据库中对应的数据项中。
对于获取具有临床意义的标准骨转移临床数据，可以通过同一医院的不同医疗分类系统获得，也可以通过不同医疗机构的不同医疗分类系统获得，以便获得大量的标准骨转移临床数据，使获得的标准骨转移临床数据更全面，通过数据模型获得的骨转移癌骨相关事件的发生概率更精准。
本发明较佳实施例中，骨转移临床数据包括：
用于表示患者的个体特征数据的第一信息；和/或
用于表示患者的各项指标数据的第二信息；和/或
用于表示患者的癌转移数据的第三信息；和/或
用于表示患者的骨转移影像指标的第四信息。
其中，表示患者的个体特征数据的第一信息可包括：性别、年龄、生活质量评分；
用于表示患者的各项指标数据的第二信息可包括：血液检测指标中的肿瘤标记物、骨代谢标记物，血清差异蛋白表达；
用于表示患者的癌转移数据的第三信息可包括：原发肿瘤类型、病理类型、骨转移程度、骨转移性质、有无内脏转移、活动功能评分；
用于表示患者的骨转移影像指标的第四信息可包括：CT测量骨质破坏程度、MRI弥散系数等。
本发明较佳实施例中，骨转移临床数据还包括骨髓损伤数据；
将骨髓损伤数据按照取值划分为多个不同的损伤区间，每个损伤区间对应骨髓损伤分级的一个预设等级；
骨髓损伤分级包括5个预设等级。
除采集患者上述骨转移临床数据外，还进一步通过针对骨转移选取了反映骨骼代谢活性的骨代谢标记物，反映脊柱转移患者的骨髓损伤数据对脊髓损伤进行FRANKEL分级，FRANKEL脊髓损伤分级共分为五个等级，分别是：
A级，用于表示完全性损害，损伤平面以下感觉及运动功能完全丧失；
B级，用于表示不完全性损害，损伤平面以下无运动功能，仅存某些感觉功能；
C级，用于表示不完全性损害，损伤平面以下仅存一些无用的运动功能；
D级，用于表示不完全性损害，损伤平面以下存在有用的运动功能，但不完全；
E级，用于表示正常，感觉和运动功能正常。
通过FRANKEL脊髓损伤分级数据，获得更准确的骨转移癌骨相关事件的发生概率。
本发明较佳实施例中，标准骨转移临床数据还包括四肢转移骨折风险数据的概率值；
四肢转移骨折风险的概率值根据数据项获得，并保存于数据库中的对应的数据项中。
本系统还进一步通过数据项获得预测四肢转移骨折风险的Mirels评分，并将获得的评分存储在对应的数据项内，使得数据模型能更好地预测骨相关事件的发生概率。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (8)
1.一种骨转移癌骨相关事件的判断系统，其特征在于，包括：
第一存储单元，用于存储标准骨转移临床数据，并建立关联于所述标准骨转移临床数据的数据库；
所述数据库包含复数个数据项，每个所述数据项分别用以存储不同属性的所述标准骨转移临床数据；
数据模型单元，连接所述第一存储单元，用于根据所述数据项建立关联于所述数据库的数据模型，并根据外部输入的指令设定每个所述数据项的关联于所述数据模型的权重比；
匹配单元，连接所述第一存储单元，用于将采集获得的患者的骨转移临床数据与所述数据项进行匹配；
分析单元，分别连接所述数据模型单元和所述匹配单元，用于根据相匹配的所述数据项以及所述数据项的所述权重比处理得到所述骨转移癌骨相关事件的发生概率。
2.如权利要求1所述的判断系统，其特征在于，包括：
更新单元，连接所述第一存储单元，用于将经过匹配的所述骨转移临床数据作为所述标准骨转移临床数据保存于相应的所述数据项中，以更新所述数据库。
3.如权利要求1所述的判断系统，其特征在于，包括：
区间单元，连接所述分析单元，用于对所述发生概率预设多个概率区间，每个所述概率区间对应预设的一个治疗方案；
所述分析单元根据所述发生概率获取对应的所述概率区间，并根据所述概率区间得到并输出对应的所述治疗方案。
4.如权利要求3所述的判断系统，其特征在于，所述概率区间包括对应所述发生概率最低的第一区间，对应所述发生概率最高的第二区间，以及第三区间；
则所述治疗方案包括：
对应所述第一区间的用于表示不进行手术治疗的所述治疗方案；
对应所述第二区间的用于表示仅进行一次手术治疗的所述治疗方案；
对应所述第三区间的用于表示进行至少两次手术治疗的所述治疗方案。
5.如权利要求1所述的判断系统，其特征在于，还包括
第二存储单元，连接所述第一存储单元，用于存储医疗数据存储系统中多个关联于所述骨转移癌骨相关事件的所述标准骨转移临床数据；
所述医疗数据存储系统与所述数据库连接，将保存于所述医疗数据存储系统中的所述标准骨转移临床数据保存于所述数据库中对应的所述数据项中。
6.如权利要求1所述的判断系统，其特征在于，所述标准骨转移临床数据包括：
用于表示所述患者的个体特征数据的第一信息；和/或
用于表示所述患者的各项指标数据的第二信息；和/或
用于表示所述患者的癌转移数据的第三信息；和/或
用于表示所述患者的骨转移影像指标的第四信息。
7.如权利要求1所述的判断系统，其特征在于，所述标准骨转移临床数据包括骨髓损伤数据；
将所述骨髓损伤数据按照取值划分为多个不同的损伤区间，每个所述损伤区间对应骨髓损伤分级的一个预设等级；
所述骨髓损伤分级包括5个所述预设等级。
8.如权利要求1所述的判断系统，其特征在于，所述标准骨转移临床数据还包括四肢转移骨折风险数据的概率值；
所述四肢转移骨折风险的概率值根据所述数据项获得，并保存于所述数据库中的对应的所述数据项中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510887945.4A CN105335623A (zh) | 2015-12-04 | 2015-12-04 | 一种骨转移癌骨相关事件的判断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510887945.4A CN105335623A (zh) | 2015-12-04 | 2015-12-04 | 一种骨转移癌骨相关事件的判断系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105335623A true CN105335623A (zh) | 2016-02-17 |
Family
ID=55286143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510887945.4A Pending CN105335623A (zh) | 2015-12-04 | 2015-12-04 | 一种骨转移癌骨相关事件的判断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105335623A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956378A (zh) * | 2016-04-26 | 2016-09-21 | 成都聚恒康科技有限公司 | 肿瘤诊疗临床决策支持系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101911078A (zh) * | 2007-12-28 | 2010-12-08 | 皇家飞利浦电子股份有限公司 | 基于疾病概率向量检索类似患者病例 |
| CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
| CN102999686A (zh) * | 2011-09-19 | 2013-03-27 | 上海煜策信息科技有限公司 | 一种健康管理系统及其实现方法 |
| US20130185097A1 (en) * | 2010-09-07 | 2013-07-18 | The Board Of Trustees Of The Leland Stanford Junior University | Medical scoring systems and methods |
| CN104102816A (zh) * | 2014-06-20 | 2014-10-15 | 周晋 | 基于症状匹配和机器学习的自动诊断系统和方法 |
-
2015
- 2015-12-04 CN CN201510887945.4A patent/CN105335623A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101911078A (zh) * | 2007-12-28 | 2010-12-08 | 皇家飞利浦电子股份有限公司 | 基于疾病概率向量检索类似患者病例 |
| US20130185097A1 (en) * | 2010-09-07 | 2013-07-18 | The Board Of Trustees Of The Leland Stanford Junior University | Medical scoring systems and methods |
| CN102156812A (zh) * | 2011-04-02 | 2011-08-17 | 中国医学科学院医学信息研究所 | 基于症状相似度分析的就医辅助决策方法 |
| CN102999686A (zh) * | 2011-09-19 | 2013-03-27 | 上海煜策信息科技有限公司 | 一种健康管理系统及其实现方法 |
| CN104102816A (zh) * | 2014-06-20 | 2014-10-15 | 周晋 | 基于症状匹配和机器学习的自动诊断系统和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吴亚杰: "《数字化医院》", 31 August 2015 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956378A (zh) * | 2016-04-26 | 2016-09-21 | 成都聚恒康科技有限公司 | 肿瘤诊疗临床决策支持系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jakub et al. | Oncologic safety of prophylactic nipple-sparing mastectomy in a population with BRCA mutations: a multi-institutional study | |
| Francis et al. | Risk of extraocular extension in eyes with retinoblastoma receiving intravitreous chemotherapy | |
| Steven et al. | Optimizing descemet membrane endothelial keratoplasty using intraoperative optical coherence tomography | |
| MacDermid et al. | Measurement properties of the neck disability index: a systematic review | |
| Randleman et al. | The resident surgeon phacoemulsification learning curve | |
| Savitz et al. | Vertebral artery compression of the medulla | |
| Weis et al. | Clinical and soft-tissue computed tomographic predictors of dysthyroid optic neuropathy: refinement of the constellation of findings at presentation | |
| Wu et al. | Patterns of pain and interference in patients with painful bone metastases: a brief pain inventory validation study | |
| Kalakoti et al. | Association of risk factors with unfavorable outcomes after resection of adult benign intradural spine tumors and the effect of hospital volume on outcomes: an analysis of 18, 297 patients across 774 US hospitals using the National Inpatient Sample (2002− 2011) | |
| Catanzano et al. | Revisiting the role of radiation therapy in chondrosarcoma: a national cancer database study | |
| Bhattacharya et al. | Can patient-reported outcomes be used instead of clinician-reported outcomes and photographs as primary endpoints of late normal tissue effects in breast radiotherapy trials? Results from the IMPORT LOW trial | |
| Minello et al. | Assessing cancer pain—the first step toward improving patients’ quality of life | |
| CN107887027A (zh) | 一种自闭症诊疗系统 | |
| Maccagnano et al. | Volar locking plate versus external fixation in distal radius fractures: A meta-analysis | |
| Gillespie et al. | Endoscopic-assisted gland-preserving therapy for chronic sialadenitis: a German and US comparison | |
| Woog et al. | Paranasal sinus endoscopy and orbital fracture repair | |
| CN105335623A (zh) | 一种骨转移癌骨相关事件的判断系统 | |
| CN113628761A (zh) | 抗血管生成药物联合免疫检查点抑制剂治疗疗效预测方法 | |
| CN107169278A (zh) | 一种数据治理方法及医疗信息化系统 | |
| CN111430045A (zh) | 一种强直性脊柱炎患者的电子随访管理系统 | |
| CN107145757A (zh) | 中医减肥决策支持系统及方法 | |
| Xie et al. | Three dimensional finite element analysis of biomechanics of osteotomy ends with three different fixation methods after hallux valgus minimally invasive osteotomy | |
| Zeng et al. | Patterns of pain and functional improvement in patients with bone metastases after conventional external beam radiotherapy and a telephone validation study | |
| CN114068000A (zh) | 子宫体癌临床决策、教学、科研辅助支持系统及方法 | |
| Diesinger et al. | Validation of the French version of two on high-activity knee questionnaires |
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 |
Application publication date: 20160217 |
|
| RJ01 | Rejection of invention patent application after publication |