CN112802600A - 软组织肿瘤信息化病理辅助诊断全程监管系统及方法 - Google Patents

软组织肿瘤信息化病理辅助诊断全程监管系统及方法 Download PDF

Info

Publication number
CN112802600A
CN112802600A CN202110169024.XA CN202110169024A CN112802600A CN 112802600 A CN112802600 A CN 112802600A CN 202110169024 A CN202110169024 A CN 202110169024A CN 112802600 A CN112802600 A CN 112802600A
Authority
CN
China
Prior art keywords
soft tissue
diagnosis
clinical
information
pathological
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.)
Granted
Application number
CN202110169024.XA
Other languages
English (en)
Other versions
CN112802600B (zh
Inventor
林晓燕
肖伟
宋英华
王梅
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.)
Shandong Provincial Hospital Affiliated to Shandong First Medical University
Original Assignee
Shandong Provincial Hospital Affiliated to Shandong First Medical University
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 Shandong Provincial Hospital Affiliated to Shandong First Medical University filed Critical Shandong Provincial Hospital Affiliated to Shandong First Medical University
Priority to CN202110169024.XA priority Critical patent/CN112802600B/zh
Publication of CN112802600A publication Critical patent/CN112802600A/zh
Application granted granted Critical
Publication of CN112802600B publication Critical patent/CN112802600B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明属于肿瘤信息处理领域,提供了软组织肿瘤信息化病理辅助诊断全程监管系统及方法。其中该系统包括临床数据管理平台,其内预存有软组织肿瘤的临床数据及不同类型的软组织肿瘤在不同层次的表达谱或/和特征谱;病理诊断数据平台,用于接收患者的临床数据、病理组织学图像、免疫组化结果及分子遗传学结果,形成不同层次的表达谱或/和特征谱,与临床数据管理平台内相应层次的表达谱或/和特征谱比较,将不同层次确定的相同肿瘤类型确定为最终的病理诊断类型,生成标准化诊断报告;预后数据信息平台,用于评估预后危险因素并反馈至病理诊断数据平台;建立临床预测模型并评估生存率,定期提示随访患者时间和内容并记录随访信息。

Description

软组织肿瘤信息化病理辅助诊断全程监管系统及方法
技术领域
本发明属于肿瘤信息处理领域,尤其涉及一种软组织肿瘤信息化病理辅助诊断全程监管系统及方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
信息技术的发展促使医学由传统模式,向精准医学以及信息化智能医学转变,个体化诊断治疗成为疾病防治的核心环节。疾病诊断金标准是病理诊断,也由组织学模式转变为基于免疫组化和分子病理的全面整合诊断模式,不断涌现的新的疾病类型和分子生物学特征带来前所未有的机遇和挑战,利用新技术和新的诊断分析系统,成为病理诊断精准性的发展必然。
软组织肿瘤是间叶组织来源肿瘤的总称,近年来发病率逐年增加。软组织肿瘤门类众多包括近二十种组织起源几百种疾病,每一组织起源的肿瘤又分为良性、中间型和恶性亚型,并可发生于身体任何部位无组织特异性;并且组织学图像缺乏特征性改变,通常以梭形细胞为主或出现黏液背景等,不同肿瘤存在很多重叠,而诊断治疗和预后截然不同,因此始终是病理诊断的重点和难点,大部分诊断医生对此类疾病缺乏全面和充分的认识,病理诊断带来极大挑战。免疫组化可以鉴别诊断部分软组织肿瘤亚型,但是免疫组化的结果往往也存在很多重叠情况,有些肿瘤最终只有借助分子诊断才能最终确诊。近年来,软组织肿瘤分子病理学发展迅速,基于分子异常的软组织肿瘤的新病种报道也在不断涌现在诊断和鉴别诊断、指导临床制定治疗策略和预测预后等方面发挥重要作用。但是分子诊断包括几百种可能的融合基因,突变和染色体改变,软组织肉瘤中存在染色体易位已发现超过400种,其中包括:尤文肉瘤/原始神经外胚层肿瘤、滑膜肉瘤、脂肪肉瘤、圆形细胞尤文样肉瘤、肺粘液样肉瘤及炎性肌纤维母细胞瘤等存在特异性基因改变。当然同一种基因改变也可能出现在不止一种软组织肿瘤中。病理医生对此类肿瘤的新出现的融合基因和分子改变知识缺乏快速更新,大量的信息难以记忆,诊断的准确性往往不高,不能对患者后续检查和治疗提供良好的指导意义。因此迫切需要对此类疾病大量信息进行系统的整合,将现有的诊断标准、经验和研究成果,由计算机模拟病理医生的诊断思维过程辅助进行整合性的病理诊断,避免了反复查找书籍和文献,有的放矢的得出正确诊断,同时对患者的治疗和预后提供标准化的数据和评估,并能建立数据库为科研工作提供帮助。另外,提供分子遗传学检测指导预后和靶向治疗的指标,使患者的诊断和治疗真正达到精准和个体化。软组织肿瘤由于疾病种类繁多,很少有完整的随访系统,随访数据库的建立将对此类肿瘤的诊断、治疗和研究提供有效的数据平台,并能获得对患者的全程的规范化管理。发明人发现,虽然人工智能在图像分割识别中正发挥着巨大的作用,软组织肿瘤图像往往差别小,图像识别优势难以充分发挥,因此设计一款切实可行的软组织肿瘤的病理诊断和全程管理软件成为亟待解决的问题。
发明内容
为了解决上述背景技术中存在的至少一项技术问题,本发明提供一种软组织肿瘤信息化病理辅助诊断全程监管系统,其能够实现与医院电子病历系统的无缝对接,同时系统设有随访平台,保证临床数据的完整性,可实现患者的全程监管。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种软组织肿瘤信息化病理辅助诊断全程监管系统,其包括:
临床数据管理平台,其内预存有软组织肿瘤的临床数据以及不同类型的软组织肿瘤在组织学、免疫组化蛋白及分子病理这三个层次的经典特征、表达谱或/和特征谱;
病理诊断数据平台,其用于接收患者的临床数据、病理组织学图像、免疫组化结果及分子遗传学结果,形成不同层次的表达谱或/和特征谱,再依次与临床数据管理平台内相应层次的表达谱或/和特征谱比较,将不同层次确定的相同肿瘤类型确定为最终的病理诊断类型,生成标准化诊断报告;
预后数据信息平台,其用于评估预后危险因素并反馈至病理诊断数据平台,以更新标准化诊断报告;还用于建立临床预测模型并评估生存率,定期提示随访患者时间和内容并记录随访信息。
作为一种实施方式,所述统软组织肿瘤信息化病理辅助诊断全程监管系统还包括统计分析平台,其用于统计分析软组织肿瘤各亚型及少见病例的临床病理信息。
上述技术方案的优点在于,依据简单的统计学分析方法进行数据的初步统计学处理,便于掌握软组织肿瘤的发病情况和分布情况,方便病理医生进行病理诊断的疾病分析,并能为临床研究提供可靠的数据。
作为一种实施方式,所述统计分析平台还用于:将新的病理诊断知识及标准不断补充到临床数据管理平台。
上述技术方案的优点在于,这样能够不断补充新的诊断指标和诊断进展,从而使病理诊断更加的准确和全面,是一个全面严谨而又开放的诊断系统。
作为一种实施方式,所述统计分析平台还用于:存储所有病例的临床、病例和随访信息,接收关键词并查询相关病例信息。
作为一种实施方式,所述临床数据包括软组织肿瘤的临床表现、发病特征、影像学特点和症状和体征信息存储在临床资料模块中;软组织肿瘤在不同层次的表达谱或/和特征谱存储在基本病例资料模块中。
作为一种实施方式,所述临床数据管理平台还包括:
影像资料模块,其用于存储软组织肿瘤的影像信息;
实验室检查资料模块,其用于存储软组织肿瘤的实验室检查特征;
细胞和分子遗传资料模块,其用于存储软组织肿瘤的特征性的细胞核分子遗传学改变信息;
治疗和预后模块,其用于存储软组织肿瘤的特征性的治疗方案影响预后的分子信息;
TNM分期模块,其用于存储软组织肿瘤的TNM分期;
临床治疗指南和共识模块,其用于存储组织肿瘤的特征性的临床治疗指南和最新的专家共识。
上述技术方案的优点在于,对软组织肿瘤患者的临床数据,病理数据进行软组织肿瘤数字化信息管理,规范了软组织肿瘤患者的临床数据管理。
作为一种实施方式,在所述病理诊断数据平台中,标准化诊断报告中包含病理诊断疾病的软组织肿瘤的具体分类名称、诊断依据和本例软组织肿瘤进行病理分期和分级。
上述技术方案的优点在于,模拟病理医生的诊断思路和流程,整合目前几百种软组织肿瘤的诊断要点,鉴别诊断要点,进行精准诊断,可使病理诊断更准确,可重复性更高,并能提示新的预后标准和治疗方案,将对软组织肿瘤的病理诊断提高一个台阶,便于各级医生掌握,方便操作。
作为一种实施方式,在所述病理诊断数据平台中,还将明确诊断的软组织肿瘤编入标本库,并留存新鲜组织和石蜡组织,建立软组织终归的标本库。
上述技术方案的优点在于,通过创建软组织肿瘤组织标本库,充分保护和合理利用软组织肿瘤标本资源,为临床和科学研究者提供合适数量的肿瘤标本,促进软组织肿瘤的研究;尤其是那些少见的疾病单元,可将分散的诊断资源进行整合,对治疗提供有价值的病理学线索。
本发明的第二个方面提供一种基于如上述所述的软组织肿瘤信息化病理辅助诊断全程监管系统的监管方法,其包括:
接收患者的临床数据、病理组织学图像、免疫组化结果及分子遗传学结果,形成不同层次的表达谱或/和特征谱,再依次与已知软组织肿瘤类型相应层次的表达谱或/和特征谱比较,将不同层次确定的相同肿瘤类型确定为最终的病理诊断类型,生成标准化诊断报告;
基于确定的病理诊断类型,评估其预后危险因素并反馈至病理诊断数据平台,以更新标准化诊断报告;建立临床预测模型并评估生存率,定期提示随访患者时间和内容并记录随访信息。
作为一种实施方式,更新已知软组织肿瘤类型及其对应的相应层次的表达谱或/和特征谱。
作为一种实施方式,将明确诊断的软组织肿瘤编入标本库,并留存新鲜组织和石蜡组织,建立软组织终归的标本库。
与现有技术相比,本发明的有益效果是:
(1)本发明为适应软组织肿瘤病理诊断的临床要求,并进行系统的诊断流程,规范临床数据管理,以及大规模临床数据的收集、整理、储存和分析,设计了软组织肿瘤信息化病理辅助诊断全程监管系统,整合了现有的软组织肿瘤的病理诊断成果,模拟病理医生的诊断思路和流程,对接医院患者信息监管系统,建立了软组织肿瘤管理数据库,将此类肿瘤的诊断系统化,标准化,精准化和完整化,将软组织中路患者的碎片化管理转变为模块化全程管理,更好地服务于临床、教学和科研工作。
(2)本发明的软组织肿瘤信息化病理辅助诊断全程监管系统对软组织肿瘤患者的临床数据,进行软组织肿瘤病理数据数字化规范信息管理,设计软组织肿瘤患者专门的资料收集软件,实现了与医院电子病历系统的无缝对接,同时系统设有随访平台,保证了临床数据的完整性,实现了患者的全程管理。
(3)软组织肿瘤的病理诊断涉及到一套综合的诊断体系,包括病史、组织学特征、免疫组化表达谱、特殊染色、分子病理等,因此通过本发明的软组织肿瘤信息化病理辅助诊断全程监管系统,模拟病理医生的诊断思路和流程,整合目前几百种软组织肿瘤的诊断要点,鉴别诊断要点,进行精准诊断,可使病理诊断更准确,可重复性更高,并能提示新的预后标准和治疗方案,将对软组织肿瘤的病理诊断提高一个台阶,便于各级医生掌握,方便操作,同时还能不断补充新的诊断指标进展,是一个全面严谨而又开放的监管系统。
(4)通过建立统计分析平台,根据关键词调阅每个疾病病种的发病情况,并可根据不同字段进行排序,依据简单的统计学分析方法进行数据的初步统计学处理,便于掌握软组织肿瘤的发病情况和分布情况,方便病理医生进行病理诊断的疾病分析,并能为临床研究提供可靠的数据。
(5)通过创建软组织肿瘤组织标本库,充分保护和合理利用软组织肿瘤标本资源,为临床和科学研究者提供合适数量的肿瘤标本,促进软组织肿瘤的研究;尤其是那些少见的疾病单元,可将分散的诊断资源进行整合,对治疗提供有价值线索。
(6)基于临床数据的全面收集管理、软组织肿瘤标本库的建立,开展软组织肿瘤相关基础和临床研究,进一步明确软组织肿瘤转移及靶向治疗,改进软组织肿瘤手术方法,拓展软组织肿瘤治疗手段等,最终能够为每一位患者制定个体化的治疗方案,以提高治疗效率。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明的软组织肿瘤信息化病理辅助诊断全程监管系统示意图。
图2为本发明的软组织肿瘤信息化病理辅助诊断全程监管系统疾病基本临床病理信息录入设计页面。
图3为本发明的软组织肿瘤信息化病理辅助诊断全程监管系统组织学分析页面示例。
图4为本发明的软组织肿瘤信息化病理辅助诊断全程监管系统病理诊断分析页面示例。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
参照图1,本实施例的软组织肿瘤信息化病理辅助诊断全程监管系统,其包括:临床数据管理平台、病理诊断数据平台、预后数据信息平台和统计分析平台。
具体地,临床数据管理平台内预存有软组织肿瘤的临床数据以及不同类型的软组织肿瘤在组织学、免疫组化蛋白及分子病理这三个层次的表达谱或/和特征谱。
为了对软组织肿瘤患者的临床数据,病理数据进行软组织肿瘤数字化信息管理,规范软组织肿瘤患者的临床数据管理,本实施例的临床数据包括软组织肿瘤的临床表现、发病特征和症状和体征信息存储在临床资料模块中;软组织肿瘤在不同层次的表达谱或/和特征谱存储在基本病例资料模块中。
其中,临床数据中存储的信息包括但不限于病人基本信息(ID号、姓名、性别、年龄)、既往史(软组织肿瘤治疗史、肿瘤家族史、吸烟饮酒史等)、初次就诊状态(临床症状,肿瘤数目、大小、部位,体能状况等)、血检验指标(血常规、肝肾功能、电解质等)、就诊记录、治疗方案、手术方式等。
在一些实施例中,所述临床数据管理平台还包括:
影像资料模块,其用于存储软组织肿瘤的影像信息;其中,影像资料包括超声图像、CT、PET-CT、核磁共振、骨全身显像等。
实验室检查资料模块,其用于存储软组织肿瘤的实验室检查特征;
细胞和分子遗传资料模块,其用于存储软组织肿瘤的特征性的细胞核分子遗传学改变信息;
治疗和预后模块,其用于存储软组织肿瘤的特征性的治疗方案影响预后的分子信息;
TNM分期模块,其用于存储软组织肿瘤的TNM分期;
临床治疗指南和共识模块,其用于存储组织肿瘤的特征性的临床治疗指南和最新的专家共识。
具体地,病理诊断数据平台,其用于接收患者的临床数据、病理组织学图像、免疫组化结果及分子遗传学结果,形成不同层次的表达谱或/和特征谱,再依次与临床数据管理平台内相应层次的表达谱或/和特征谱比较,将不同层次确定的相同肿瘤类型确定为最终的病理诊断类型,生成标准化诊断报告。
根据图1,病理诊断数据平台包括信息收集模块、病理数据分析模块和标准化诊断报告模块。
具体地,信息收集模块用于录入并存储患者基本信息,病史,病历信息和临床检验资料和影像学资料;可与医院的HIS系统连接,直接调阅存储信息;组织学特征收集,包括组织学图像采用扫描电子切片收和录入主要组织学改变的关键词信息收集;免疫组化表达信息收集,采集患者的免疫组织化学染色结果;分子和遗传学改变信息收集,采集患者的分子遗传学改变信息,包括染色体情况,基因突变,FISH或NGS等信息。
如图2所示,在信息收集模块中,某些字段电脑进行自动归集,年龄可以设立不同年的年龄段进行归集,发病时间也可以设定不同的等级分类,这些归集的界值可以进行调整。其中组织学图像包括细胞特征和组织特征两部分,其中细胞形态,细胞大小,异型性,细胞核浆比例,有无核仁,核分裂计数和有无特征性分化,如血管分化,平滑肌分化,脂肪分化或黑色素分化等;其中组织学特征包括梭形细胞肿瘤,有无上皮样分化,有无分区,有几种组织成分,有无坏死,有无特征性排列方式,如编织样,旋涡样,栅栏状结构,菊形团结构等,有无黏液背景,有无红细胞外渗,有无骨样机制,血管特征包括鹿角样血管,弓形血管或厚壁畸形血管等;所有信息参考专业书籍并由3-5位软组织病理专家审核;根据组织学特点关键词,经过分析提供几种供参考的病理诊断类型。设立每种肿瘤的免疫组化表达谱和分子表达谱。
病理诊断分析模块,根据收集的关键词信息,进行整合分析,与各个层次的表达谱和特征谱进行比较分析,分别在组织学水平上,免疫组化蛋白水平上和分子病理水平上依次得出可能的软组织肿瘤的病理类型,进行计算后确定最终的病理诊断类型,可能是1-n个结果。其中各个水平上是依次的关系,当病理医生做的工作不够全面时,可在免疫组化水平提示需要的鉴别诊断模块,提示需要添加的免疫组化指标,当免疫组化工作完整,系统提示的诊断和鉴别诊断模块中,会提示建议增加的分子检测指标,如FISH,RT-PCR或二代测序,当所有检测信息完整后,诊断信息模块做出最终的诊断;可能是1-n个最终诊断,根据系统提示的情况做出最终的病理诊断,如图3和图4所示。
根据图1,系统提示的诊断和鉴别诊断模块包括组织学图像结果分析诊断与提示模块、免疫组化结果分析诊断与提示模块和特殊染色结果分析诊断与提示模块。组织学图像结果分析诊断与提示模块,用于筛选所述病例资料、根据病理组织学的关键词信息,对软组织肿瘤患者的病理情况进行程序分析,形成至少一种或多种与所述疾病分类模型特征的病理诊断及依据,并提示其可能的免疫组织化学检测分子表达谱和鉴别诊断要点;免疫组化结果分析诊断与提示模块,根据免疫组织化学标记物的关键词信息,并结合组织图像结果推荐筛选的病理学诊断疾病,对软组织肿瘤患者的病理情况进行程序分析,形成至少一种或多种与所述疾病分类模型特征的病理诊断及依据,并提示其可能的分子遗传学异常和鉴别诊断要点;特殊染色结果分析诊断与提示模块,根据病理组织学的关键词信息,对软组织肿瘤患者的病理情况进行程序分析,形成至少一种或多种与所述疾病分类模型特征的病理诊断及依据,并提示其可能的免疫组织化学检测分子表达谱和鉴别诊断要点。
在具体实施中,标准化诊断报告模块,包括最终病理报告模块、鉴别诊断病理模块、病理分期和分级、审核生成病理报告模块和标本库。最终病理报告模块,根据数据分析模块的结果,最终给出病理诊断疾病的软组织肿瘤的具体分类名称和诊断依据;用于自动生成或输出带有完整信息的标准化软组织肿瘤诊断报告;鉴别诊断病理模块,列出主要的鉴别诊断肿瘤并给与依据;病理分期和分级模块,对本例软组织肿瘤进行病理分期和分级;审核生成病理报告模块,最终审核通过或者补充资料后再进行重新分析;标本库,对于明确诊断的软组织肿瘤编入标本库,并留存新鲜组织和石蜡组织,建立软组织终归的标本库。
在所述病理诊断数据平台中,还将明确诊断的软组织肿瘤编入标本库,并留存新鲜组织和石蜡组织,建立软组织终归的标本库。
上述技术方案的优点在于,通过创建软组织肿瘤组织标本库,充分保护和合理利用软组织肿瘤标本资源,为临床和科学研究者提供合适数量的肿瘤标本,促进软组织肿瘤的研究;尤其是那些少见的疾病单元,可将分散的诊断资源进行整合,对治疗提供有价值的病理学线索。
具体地,在所述病理诊断数据平台中,标准化诊断报告中包含病理诊断疾病的软组织肿瘤的具体分类名称、诊断依据和本例软组织肿瘤进行病理分期和分级。这样能够模拟病理医生的诊断思路和流程,整合目前几百种软组织肿瘤的诊断要点,鉴别诊断要点,进行精准诊断,可使病理诊断更准确,可重复性更高,并能提示新的预后标准和治疗方案,将对软组织肿瘤的病理诊断提高一个台阶,便于各级医生掌握,方便操作。
在具体实施中,预后数据信息平台用于评估预后危险因素并反馈至病理诊断数据平台,以更新标准化诊断报告;还用于建立临床预测模型并评估生存率,定期提示随访患者时间和内容并记录随访信息。
具体地,预后数据信息平台包括:
预后危险因素评估,对软组织肿瘤具体类型的预后危险因素进行评估,可在病理报告中进行提示;
临床预测模型建立和5年生存率评估,对不同类型的软组织肿瘤建立临床预测模型并进行生存率评估;预后数据信息平台包括了患者的一般情况:Zubord-ECOG-WHO PS评分和Karnofsky评分,用来评估患者的一般身体状况;同时根据Nomogram进行预后评估。
随访时间内容系统提醒:根据患者联系方式定期系统提示随访患者时间和内容,系统能自动发送短信通知复诊;
随访记录:根据复诊和检查情况,以及电话随访结果进行记录患者手术后的具体治疗情况和检查结果,便于生存模型建立和统计分析。
在一些实施例中,所述统软组织肿瘤信息化病理辅助诊断全程监管系统还包括统计分析平台,其包括统计分析模块,其用于统计分析软组织肿瘤各亚型及少见病例的临床病理信息。如卡方分析,t检验和随访分析等。
其依据简单的统计学分析方法进行数据的初步统计学处理,便于掌握软组织肿瘤的发病情况和分布情况,方便病理医生进行病理诊断的疾病分析,并能为临床研究提供可靠的数据。
在另一些实施例中,所述统计分析平台还包括更新模块,其用于:将新的病理诊断知识及标准不断补充到临床数据管理平台。这样能够不断补充新的诊断指标和诊断进展,从而使病理诊断更加的准确和全面,是一个全面严谨而又开放的诊断系统。
所述统计分析平台还用于:存储所有病例的临床、病例和随访信息,接收关键词并查询相关病例信息。其中所有病例的临床、病例和随访信息存储在存储模块中。接收关键词并查询相关病例信息集成在查询模块中。
本实施例的基于如图1所示的软组织肿瘤信息化病理辅助诊断全程监管系统的监管方法,其包括:
接收患者的临床数据、病理组织学图像、免疫组化结果及分子遗传学结果,形成不同层次的表达谱或/和特征谱,再依次与已知软组织肿瘤类型相应层次的表达谱或/和特征谱比较,将不同层次确定的相同肿瘤类型确定为最终的病理诊断类型,生成标准化诊断报告;
基于确定的病理诊断类型,评估其预后危险因素并反馈至病理诊断数据平台,以更新标准化诊断报告;建立临床预测模型并评估生存率,定期提示随访患者时间和内容并记录随访信息。
下面将每一种软组织肿瘤按照以下格式输入系统,以低度恶性纤维粘液样肉瘤为例,此肿瘤单靠形态学不易诊断和鉴别诊断:
首先建立临床数据管理平台,将本类肿瘤的经典数据的关键词录入数据存储管理平台,具体包括以下要素,平台按照关键词的程序对疾病进行存储、记忆和调取:
定义:纤维肉瘤的特殊变型,梭形,纤维母细胞样细胞,漩涡状排列,间质交替,胶原样和黏液样。
曾用名:含有巨菊形团的玻璃样变梭形细胞肿瘤。
病因:不明。
临床特点:任何年龄,好发于青年人,中位年龄34岁。男性略多见。大腿、躯干、臀部和腹股沟多见;外阴、肛周、肠系膜和直肠少见;表现为缓慢生长的无痛性肿块;体积大,有肿块活检史和切除史,超声和MRI,信号高低不一,区带性分布,无出血或坏死;CT:低密度信号。
大体形态:边界相对清晰,平均9.5cm,切面灰白色或灰黄色,纤维样至黏液样。病理改变:交替性分布;胶原样区域;黏液样区域混合构成;两种区域有移行或过渡。高倍镜:形态一致,梭形,短梭形,黏液区域呈星;细胞核圆形或卵圆形,深染,染色质分布均匀,可见小核仁,核异型性不明显,核分裂少。细胞质淡粉染,胞界限不清。漩涡状排列,线形排列,杂乱分布。血管少,拱状,曲线状,弧线状,黏液区域血管可呈分枝状;类圆形或不规则形巨菊形团,中央胶原纤维,双折光性,放射状排列。
组织学分级:FNCLCC 2级
ICD-O编码:8811/3
治疗:局部广泛切除。
免疫组织化学:阳性:vimentin,可以阳性:SMA,阴性:Desmin,S-100,CK,EMA和CD34等。
细胞分子遗传学:t(7:16)(q34:p11)FUS-CREB3L2(BBF2H7)
鉴别诊断:低度恶性粘液纤维肉瘤,硬化性上皮样纤维肉瘤,粘液纤维肉瘤,粘液性平滑肌肉瘤,血管粘液瘤等,
具体有此类患者手术后标本制成HE切片后,病理医生在光学显微镜下观察,病变主要是由梭形细胞构成的,部分还有粘液,血管似乎也有特征性,但是不确定是那种软组织肿瘤,此时可能的病理诊断有:低度恶性粘液纤维肉瘤,韧带样型纤维瘤病,胶原性纤维瘤,硬化性上皮样纤维肉瘤,粘液纤维肉瘤等,由于这些病变的组织学差别不大,但是肿瘤性质、治疗和预后差别很大。此时将组织学平台界面激活,接收组织学关键词比如粘液,分区和梭形细胞;系统可以根据关键词提取可能的几个诊断,然后可以接受进入组织学图像分析诊断与提示模块或者再修改关键词找出可能的组织学病理诊断,很有可能是一组筛选后诊断,如低度恶性粘液纤维肉瘤,硬化性上皮样纤维肉瘤,粘液纤维肉瘤。
然后根据免疫组化结果分析诊断与提示模块中的组织学结果提供可能阳性的和鉴别诊断所需的一组免疫标记物,Vimentin,SMA,Desmin,S-100,CK,EMA,CD34和Ki-67等。也可以选择直接录入目前已知的阳性免疫组化结果共系统分析,免疫标记染色完毕将Vimentin阳性和SMA阳性以及ki-67阳性率结果录入系统,免疫组化结果分析诊断与提示模块按照免疫标记表达谱进行比对分析提供可能的病理诊断,此时有可能是唯一的诊断也可能是一组诊断比如低度恶性粘液纤维肉瘤,硬化性上皮样纤维肉瘤,粘液纤维肉瘤。
然后根据组织学和免疫标记染色结果,由特殊染色结果分析诊断与提示模块自动提供1-2个融合基因或者特殊分子改变进入分子检测,建议检测t(7;16)(q34,p11)和t(12:15)(p13;q25)。将分子FISH结果检测t(7;16)(q34,p11)到录入系统,最终系统给出正确的诊断为低度恶性纤维粘液样肉瘤。同时给出诊断理由和鉴别诊断要点。以上流程可以根据关键词不同,进行修改,调正最终诊断,而成为一种良好的辅助诊断系统。
以上模拟了病理医生对软组织肿瘤的分析诊断过程,当所有结果齐备时,可以同时将组织学,免疫组化和分子生物学录入系统中,系统自动分析结果给出可能的病理学诊断为低度恶性纤维粘液样肉瘤。同时提供临床分期I期,肿瘤分级2级,治疗建议扩大切除。病理诊断医生根据自己的判断和科室讨论结果审核最终报告。
同时启动随访流程,首先根据Nomogram图判断此患者可能的预后,少见病历提供参考文献。同时启动随诊预约时间,手术时间和术后随诊时间,定时在系统中显示,并可发送复诊短信或微信公众号消息通知患者手术或复查,并记录患者治疗过程和预后情况,建立低度恶性纤维粘液样肉瘤此类肿瘤的长期随访平台和数据库,为患者治疗提供数据。
定期跟踪最新低度恶性纤维粘液样肉瘤肿瘤进展,将更新数据重新补充至数据管理平台的学习模块中,不断更新。
病例积累一段时间后,可启动低度恶性纤维粘液样肉瘤疾病的统计学平台,自动检索并生成Excel表格,并根据公示计算年龄,部位,大小,复发转移等数据进行分组并统计学分析,自动生成分析结果。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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)

1.一种软组织肿瘤信息化病理辅助诊断全程监管系统,其特征在于,包括:
临床数据管理平台,其内预存有软组织肿瘤的临床数据以及不同类型的软组织肿瘤在组织学、免疫组化蛋白及分子病理这三个层次的表达谱或/和特征谱;
病理诊断数据平台,其用于接收患者的临床数据、病理组织学图像、免疫组化结果及分子遗传学结果,形成不同层次的表达谱或/和特征谱,再依次与临床数据管理平台内相应层次的表达谱或/和特征谱比较,将不同层次确定的相同肿瘤类型确定为最终的病理诊断类型,生成标准化诊断报告;
预后数据信息平台,其用于评估预后危险因素并反馈至病理诊断数据平台,以更新标准化诊断报告;还用于建立临床预测模型并评估生存率,定期提示随访患者时间和内容并记录随访信息。
2.如权利要求1所述的软组织肿瘤信息化病理辅助诊断全程监管系统,其特征在于,所述统软组织肿瘤信息化病理辅助诊断全程监管系统还包括统计分析平台,其用于统计分析软组织肿瘤各亚型及少见病例的临床病理信息。
3.如权利要求2所述的软组织肿瘤信息化病理辅助诊断全程监管系统,其特征在于,所述统计分析平台还用于:将新的病理诊断知识及标准不断补充到临床数据管理平台。
4.如权利要求2所述的软组织肿瘤信息化病理辅助诊断全程监管系统,其特征在于,所述统计分析平台还用于:存储所有病例的临床、病例和随访信息,接收关键词并查询相关病例信息。
5.如权利要求1所述的软组织肿瘤信息化病理辅助诊断全程监管系统,其特征在于,所述临床数据包括软组织肿瘤的临床表现、发病特征和症状、影像学特点和体征信息存储在临床资料模块中;软组织肿瘤在不同层次的表达谱或/和特征谱存储在基本病例资料模块中。
6.如权利要求5所述的软组织肿瘤信息化病理辅助诊断全程监管系统,其特征在于,所述临床数据管理平台还包括:
影像资料模块,其用于存储软组织肿瘤的影像信息;
实验室检查资料模块,其用于存储软组织肿瘤的实验室检查特征;
细胞和分子遗传资料模块,其用于存储软组织肿瘤的特征性的细胞核分子遗传学改变信息;
治疗和预后模块,其用于存储软组织肿瘤的特征性的治疗方案影响预后的分子信息;
TNM分期模块,其用于存储软组织肿瘤的TNM分期;
临床治疗指南和共识模块,其用于存储组织肿瘤的特征性的临床治疗指南和最新的专家共识。
7.如权利要求1所述的软组织肿瘤信息化病理辅助诊断全程监管系统,其特征在于,在所述病理诊断数据平台中,标准化诊断报告中包含病理诊断疾病的软组织肿瘤的具体分类名称、诊断依据和本例软组织肿瘤进行病理分期和分级。
8.如权利要求1所述的软组织肿瘤信息化病理辅助诊断全程监管系统,其特征在于,在所述病理诊断数据平台中,还将明确诊断的软组织肿瘤编入标本库,并留存新鲜组织和石蜡组织,建立软组织终归的标本库。
9.一种基于如权利要求1-8中任一项所述的软组织肿瘤信息化病理辅助诊断全程监管系统的监管方法,其特征在于,包括:
接收患者的临床数据、病理组织学图像、免疫组化结果及分子遗传学结果,形成不同层次的表达谱或/和特征谱,再依次与已知软组织肿瘤类型相应层次的表达谱或/和特征谱比较,将不同层次确定的相同肿瘤类型确定为最终的病理诊断类型,生成标准化诊断报告;
基于确定的病理诊断类型,评估其预后危险因素并反馈至病理诊断数据平台,以更新标准化诊断报告;建立临床预测模型并评估生存率,定期提示随访患者时间和内容并记录随访信息。
10.如权利要求9所述的监管方法,其特征在于,更新已知软组织肿瘤类型及其对应的相应层次的表达谱或/和特征谱;
将明确诊断的软组织肿瘤编入标本库,并留存新鲜组织和石蜡组织,建立软组织终归的标本库。
CN202110169024.XA 2021-02-07 2021-02-07 软组织肿瘤信息化病理辅助诊断全程监管系统及方法 Active CN112802600B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110169024.XA CN112802600B (zh) 2021-02-07 2021-02-07 软组织肿瘤信息化病理辅助诊断全程监管系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110169024.XA CN112802600B (zh) 2021-02-07 2021-02-07 软组织肿瘤信息化病理辅助诊断全程监管系统及方法

Publications (2)

Publication Number Publication Date
CN112802600A true CN112802600A (zh) 2021-05-14
CN112802600B CN112802600B (zh) 2023-01-13

Family

ID=75814763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110169024.XA Active CN112802600B (zh) 2021-02-07 2021-02-07 软组织肿瘤信息化病理辅助诊断全程监管系统及方法

Country Status (1)

Country Link
CN (1) CN112802600B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115036011A (zh) * 2022-08-10 2022-09-09 梅傲科技(广州)有限公司 基于数字病理图像进行实体肿瘤预后评估的系统
CN115458160A (zh) * 2022-10-12 2022-12-09 浙江大学 乳腺肿瘤患者全程的智能化管理系统、方法、设备及介质
CN115797356A (zh) * 2023-02-09 2023-03-14 山东第一医科大学附属省立医院(山东省立医院) 一种核磁共振肿瘤区域提取方法
CN116434960A (zh) * 2023-06-13 2023-07-14 中国人民解放军总医院 一种心源性休克临床决策支持系统、设备及可存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105986024A (zh) * 2015-02-27 2016-10-05 复旦大学附属肿瘤医院 一组用于三阴性乳腺癌预后的基因及其应用
CN106951724A (zh) * 2017-05-09 2017-07-14 山东省千佛山医院 适用于肝癌及消化道癌的病理诊断报告生成系统及方法
CN107303174A (zh) * 2016-04-21 2017-10-31 西派特(北京)科技有限公司 一种互联网+光谱肿瘤临床医学诊断方法
CN108962396A (zh) * 2018-05-31 2018-12-07 潘云 一种肿瘤资源组织库及其建立方法
CN110335657A (zh) * 2019-07-10 2019-10-15 杭州大伽信息科技有限公司 标准编辑化肿瘤病理诊断报告模板生成系统及方法
CN111863119A (zh) * 2020-05-28 2020-10-30 上海朴岱生物科技合伙企业(有限合伙) 基于pdc/pdx药敏实验和多组学检测分析的伴随诊断模型及应用

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105986024A (zh) * 2015-02-27 2016-10-05 复旦大学附属肿瘤医院 一组用于三阴性乳腺癌预后的基因及其应用
CN107303174A (zh) * 2016-04-21 2017-10-31 西派特(北京)科技有限公司 一种互联网+光谱肿瘤临床医学诊断方法
CN106951724A (zh) * 2017-05-09 2017-07-14 山东省千佛山医院 适用于肝癌及消化道癌的病理诊断报告生成系统及方法
CN108962396A (zh) * 2018-05-31 2018-12-07 潘云 一种肿瘤资源组织库及其建立方法
CN110335657A (zh) * 2019-07-10 2019-10-15 杭州大伽信息科技有限公司 标准编辑化肿瘤病理诊断报告模板生成系统及方法
CN111863119A (zh) * 2020-05-28 2020-10-30 上海朴岱生物科技合伙企业(有限合伙) 基于pdc/pdx药敏实验和多组学检测分析的伴随诊断模型及应用

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115036011A (zh) * 2022-08-10 2022-09-09 梅傲科技(广州)有限公司 基于数字病理图像进行实体肿瘤预后评估的系统
CN115458160A (zh) * 2022-10-12 2022-12-09 浙江大学 乳腺肿瘤患者全程的智能化管理系统、方法、设备及介质
CN115797356A (zh) * 2023-02-09 2023-03-14 山东第一医科大学附属省立医院(山东省立医院) 一种核磁共振肿瘤区域提取方法
CN116434960A (zh) * 2023-06-13 2023-07-14 中国人民解放军总医院 一种心源性休克临床决策支持系统、设备及可存储介质
CN116434960B (zh) * 2023-06-13 2023-10-13 中国人民解放军总医院 一种心源性休克临床决策支持系统、设备及可存储介质

Also Published As

Publication number Publication date
CN112802600B (zh) 2023-01-13

Similar Documents

Publication Publication Date Title
CN112802600B (zh) 软组织肿瘤信息化病理辅助诊断全程监管系统及方法
Alsuliman et al. Machine learning and artificial intelligence in the service of medicine: Necessity or potentiality?
Wu et al. Decision based on big data research for non-small cell lung cancer in medical artificial system in developing country
Sirinukunwattana et al. Artificial intelligence–based morphological fingerprinting of megakaryocytes: a new tool for assessing disease in MPN patients
Dodington et al. Analysis of tumor nuclear features using artificial intelligence to predict response to neoadjuvant chemotherapy in high-risk breast cancer patients
EP4273868A1 (en) System for automatically issuing periodically updated genetic mutation test result report
CN111081381A (zh) 院内致命性消化道再出血预测关键指标的智能筛选方法
CN114121295A (zh) 一种知识图谱驱动的肝癌诊疗方案推荐系统的构建方法
CN112270988A (zh) 一种罕见病辅助诊断的方法及系统
CN115099331A (zh) 基于可解释性机器学习算法的恶性胸腔积液辅助诊断系统
CN114864080A (zh) 一种肝癌诊断模型c-galad ii的建立方法、系统、设备及介质
Liu et al. Establishment and clinical application of an artificial intelligence diagnostic platform for identifying rectal cancer tumor budding
Ou et al. Evaluation of an artificial intelligence algorithm for assisting the P aris S ystem in reporting urinary cytology: A pilot study
Nebli et al. Quantifying the reproducibility of graph neural networks using multigraph data representation
CN113128654A (zh) 一种用于冠心病预诊断中的改进型随机森林模型及其预诊断系统
Li et al. Deep learning nomogram for predicting lymph node metastasis using computed tomography image in cervical cancer
ElKarami et al. Machine learning-based prediction of upgrading on magnetic resonance imaging targeted biopsy in patients eligible for active surveillance
Wang et al. CW-NET for multitype cell detection and classification in bone marrow examination and mitotic figure examination
Casale et al. Predicting risk of metastases and recurrence in soft-tissue sarcomas via Radiomics and Formal Methods
Büttner Laboratory findings: structure, validity and significance for medical cognitive processes
EP4052167A1 (en) Method for generating models to automatically classify medical or veterinary images derived from original images into at least one class of interest
CN112216386A (zh) 用于预测结直肠癌患者发生隐匿性肝转移的风险度的方法
CN115458160B (zh) 乳腺肿瘤患者全程的智能化管理系统、方法、设备及介质
CN111518882A (zh) 通过分子标志物辨识激素性股骨头坏死的中医证型的系统
JP6041331B1 (ja) 情報処理装置と情報処理プログラム並びに情報処理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant