CN112820384A - 肝癌自动化中国分期方法及终端 - Google Patents
肝癌自动化中国分期方法及终端 Download PDFInfo
- Publication number
- CN112820384A CN112820384A CN202110096867.1A CN202110096867A CN112820384A CN 112820384 A CN112820384 A CN 112820384A CN 202110096867 A CN202110096867 A CN 202110096867A CN 112820384 A CN112820384 A CN 112820384A
- Authority
- CN
- China
- Prior art keywords
- staging
- liver cancer
- child
- pugh
- chinese
- 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
- 201000007270 liver cancer Diseases 0.000 title claims abstract description 122
- 208000014018 liver neoplasm Diseases 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 47
- 206010028980 Neoplasm Diseases 0.000 claims description 79
- 206010027476 Metastases Diseases 0.000 claims description 50
- 230000009401 metastasis Effects 0.000 claims description 50
- 230000009790 vascular invasion Effects 0.000 claims description 45
- 206010003445 Ascites Diseases 0.000 claims description 35
- 102100027378 Prothrombin Human genes 0.000 claims description 26
- 108010094028 Prothrombin Proteins 0.000 claims description 26
- 238000007689 inspection Methods 0.000 claims description 26
- 229940039716 prothrombin Drugs 0.000 claims description 26
- 102000009027 Albumins Human genes 0.000 claims description 15
- 108010088751 Albumins Proteins 0.000 claims description 15
- 238000008050 Total Bilirubin Reagent Methods 0.000 claims description 15
- 230000023555 blood coagulation Effects 0.000 claims description 15
- 208000007386 hepatic encephalopathy Diseases 0.000 claims description 15
- 208000019423 liver disease Diseases 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 6
- 230000002440 hepatic effect Effects 0.000 claims description 5
- 230000002035 prolonged effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 8
- 238000011282 treatment Methods 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 7
- 238000003745 diagnosis Methods 0.000 abstract description 6
- 238000004393 prognosis Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 206010073071 hepatocellular carcinoma Diseases 0.000 description 1
- 231100000844 hepatocellular carcinoma Toxicity 0.000 description 1
- 238000010832 independent-sample T-test Methods 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明的提供一种肝癌自动化中国分期方法及终端,将肝癌住院病人视图、肝癌病人Child‑Pugh分级表、肝癌病人影像库视图进行汇总,形成肝癌分期基础数据表,根据预设的中国分期判定方法,利用数据库SQL条件判断语句自动计算得到中国分期结果,本发明的有益效果是:运用视图完成数据库操作具有安全性高、简化操作等优点,将诊疗规范中的中国分期转化为规则化的判断路径,利用数据库条件判断语句可以实现快速、精准判断中国分期结果,将判断路径以可视化的路径图展示,方便医生了解患者的病因。
Description
技术领域
本发明涉及医学数据处理领域,尤其涉及一种肝癌自动化中国分期方法及终端。
背景技术
肝细胞癌(以下简称肝癌)是我国最常见的恶性肿瘤之一,发病率居我国肿瘤发病率第四位,死亡率居我国肿瘤致死率第三位,肝癌严重威胁我国人民的生命和健康。
准确的肝癌分期是实现肝癌精准治疗的前提,分期是对肝癌扩展范围的估计,并将具有相同预后且常用相同方法治疗的患者分为一组。肝癌分期对于预后的评估、合理治疗方案的选择至关重要。影响肝癌患者预后的因素较多,包括肿瘤因素、患者一般情况及肝功能情况等。据此,国内外形成多种分期方案,其中欧洲巴塞罗那分期(BarcelonaClinicLiver Cancer,BCLC)和美国癌症联合委员会(American JointCommitteeonCancer,AJCC)TNM分期是目前国际上应用最为广泛的分期预测系统,但二者各有局限。我国肝癌约占世界新发肝癌的一半,并且我国肝癌的流行病学特点显著不同于西方国家。因此,由国家卫生部门基于我国国情、临床研究、实践经验以及国家规范等颁布的《原发性肝癌诊疗规范(2017年版)》在国内被推荐优先采用。
目前在临床中,肝病专科医生进行中国分期时,主要是根据病人临床表现和检查结果,结合经验进行分期,这个过程需要有一定的肝癌诊疗水平。但是肝病专科年轻医生、非肝病专科医生或者基层医院医生,由于其肝癌的诊疗经验、诊疗水平有所局限,无法为肝癌病人提供精准的分期服务。在科研中进行中国分期时,医生主要是人工登录到医院内部多个系统,主要包括HIS、EMR、LIS、PACS等,查询病人分期所需的各种数据,手工摘录形成表格,再由医生凭借对分期路径的记忆进行主观判断,得到分期结果,这个过程耗时耗力,影响医生工作效率。因此,设计方法实现肝癌自动化中国分期,对于临床和科研都具有非常高的实用价值。
发明内容
有鉴于此,本发明的目的在于提供一种肝癌自动化中国分期方法及终端,
为了实现上述目的,本发明采用的技术方案一为:一种肝癌自动化中国分期方法包括以下步骤:
S1:在EMR系统中的住院病人数据表中根据诊断为肝癌的病人条件建立视图,提取出病人编号、姓名、年龄、入院时间、PS评分、肝性肝病、腹水,汇总形成肝癌住院病人视图;
S2:在LIS系统中的生化检查表中以病人编号作为主键与肝癌住院病人视图进行关联,提取总胆红素、白蛋白,形成生化检查视图;
S3:在LIS系统中的凝血检查表中以病人编号作为主键与肝癌住院病人视图进行关联,提取凝血酶原时间,形成凝血检查视图;
S4:将生化检查视图与凝血检查视图以病人编号作为主键,进行合并,并将凝血酶原时间减去14秒,得到凝血酶原时间延长指标,汇总形成肝癌病人Child-Pugh分级表,所述肝癌病人Child-Pugh分级表指标包含病人编号、肝性脑病、腹水、总胆红素、白蛋白、凝血酶原时间延长;
S5:根据预设的Child-Pugh分级判定方法,利用数据库SQL条件判断语句自动计算得到Child-Pugh分级结果,汇总到肝癌病人Child-Pugh分级表中;
S6:在PACS系统中的影像报告表中以病人编号作为主键与肝癌住院病人视图进行关联,从肝癌住院病人最近一次影像报告中提取出肝外转移、血管侵犯、肿瘤数量、肿瘤大小,汇总形成肝癌病人影像库视图;
S7:将肝癌住院病人视图、肝癌病人Child-Pugh分级表、肝癌病人影像库视图进行汇总,形成肝癌分期基础数据表,所述肝癌分期基础数据表包括病人编号、姓名、年龄、PS评分、Child-Pugh分级、肝外转移、血管侵犯、肿瘤数量、肿瘤大小;
S8:根据预设的中国分期判定方法,利用数据库SQL条件判断语句自动计算得到中国分期结果,汇总到肝癌分期基础数据表中。
进一步的,所述的Child-Pugh分级判定方法如下:
肝性脑病得分,无肝性脑病得1分、1-2期得2分、3-4期得3分;
腹水得分,无腹水得1分、轻度得2分、中度或重度得3分;
总胆红素检查值得分,检查值<34umol/L得1分、34umol/L≤检查值≤51umol/L得2分、检查值>51umol/L得3分;
白蛋白检查值得分,检查值>35g/L得1分、28g/L≤检查值≤35g/L得2分、检查值<28g/L得3分;
凝血酶原时间延长检查值得分,检查值<4秒得1分、4秒≤检查值≤6秒得2分、检查值>6秒得3分;
将以上得分进行汇总,形成总得分;
总得分在5-6分范围内,则Child-Pugh分级为A级;
总得分在7-9分范围内,则Child-Pugh分级为B级;
总得分在10分及以上,则Child-Pugh分级为C级。
进一步的,所述的中国分期判定方法如下:
PS评分为3分或4分,则得到的中国分期结果为IV期;
PS评分在0-2的范围内,Child-Pugh分级为C级,则得到的中国分期结果为IV期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为有,则得到的中国分期结果为IIIB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为有,则得到的中国分期结果为IIIA期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量大于等于4个,则得到的中国分期结果为IIB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于2个或3个,最大肿瘤大于3cm,则得到的中国分期结果为IIA期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于2个或3个,最大肿瘤小于等于3cm,则得到的中国分期结果为IB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于1个,最大肿瘤大于5cm,则得到的中国分期结果为IB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于1个,最大肿瘤小于等于5cm,则得到的中国分期结果为IA期。
进一步的,根据所述的中国分期判定方法及得到的中国分期结果,输出可视化的中国分期路径图。
上述技术方案一的有益效果是:
1、利用数据库视图方式快速提取基础数据,数据库视图是从一个或几个基本表(或视图)中导出的虚拟的表。运用视图完成数据库操作具有安全性高、简化操作等优点。
2、将诊疗规范中的中国分期转化为规则化的判断路径,利用数据库条件判断语句可以实现快速、精准判断中国分期结果。
3、将判断路径以可视化的路径图展示,方便医生了解患者的病因。
附图说明
图1所示为本发明提供的一种肝癌自动化中国分期方法流程图;
图2所示为本发明提供的一种肝癌自动化中国分期方法的可视化路径图;
图3所示为本发明提供的一种肝癌自动化中国分期终端的结构示意图;
附图标号说明:
1-处理器;2-存储器;
具体实施方式
下面结合附图和具体实施例对本发明做进一步的说明如下:
如图1和2所示,本发明提供的一种肝癌自动化中国分期方法包括以下步骤:
S1:在EMR系统中的住院病人数据表中根据诊断为肝癌的病人条件建立视图,提取出病人编号、姓名、年龄、入院时间、PS评分、肝性肝病、腹水,汇总形成肝癌住院病人视图;
S2:在LIS系统中的生化检查表中以病人编号作为主键与肝癌住院病人视图进行关联,提取总胆红素、白蛋白,形成生化检查视图;
S3:在LIS系统中的凝血检查表中以病人编号作为主键与肝癌住院病人视图进行关联,提取凝血酶原时间,形成凝血检查视图;
S4:将生化检查视图与凝血检查视图以病人编号作为主键,进行合并,并将凝血酶原时间减去14秒(凝血酶原时间正常值为10-14秒),得到凝血酶原时间延长指标,汇总形成肝癌病人Child-Pugh分级表,所述肝癌病人Child-Pugh分级表指标包含病人编号、肝性脑病、腹水、总胆红素、白蛋白、凝血酶原时间延长;
S5:根据预设的Child-Pugh分级判定方法,利用数据库SQL条件判断语句自动计算得到Child-Pugh分级结果,汇总到肝癌病人Child-Pugh分级表中;
S6:在PACS系统中的影像报告表中以病人编号作为主键与肝癌住院病人视图进行关联,从肝癌住院病人最近一次影像报告中提取出肝外转移、血管侵犯、肿瘤数量、肿瘤大小,汇总形成肝癌病人影像库视图;
S7:将肝癌住院病人视图、肝癌病人Child-Pugh分级表、肝癌病人影像库视图进行汇总,形成肝癌分期基础数据表,所述肝癌分期基础数据表包括病人编号、姓名、年龄、PS评分、Child-Pugh分级、肝外转移、血管侵犯、肿瘤数量、肿瘤大小;
S8:根据预设的中国分期判定方法,利用数据库SQL条件判断语句自动计算得到中国分期结果,汇总到肝癌分期基础数据表中。
进一步的,所述的Child-Pugh分级判定方法如下:
肝性脑病得分,无肝性脑病得1分、1-2期得2分、3-4期得3分;
腹水得分,无腹水得1分、轻度得2分、中度或重度得3分;
总胆红素检查值得分,检查值<34umol/L得1分、34umol/L≤检查值≤51umol/L得2分、检查值>51umol/L得3分;
白蛋白检查值得分,检查值>35g/L得1分、28g/L≤检查值≤35g/L得2分、检查值<28g/L得3分;
凝血酶原时间延长检查值得分,检查值<4秒得1分、4秒≤检查值≤6秒得2分、检查值>6秒得3分;
将以上得分进行汇总,形成总得分;
总得分在5-6分范围内,则Child-Pugh分级为A级;
总得分在7-9分范围内,则Child-Pugh分级为B级;
总得分在10分及以上,则Child-Pugh分级为C级。
进一步的,所述的中国分期判定方法如下:
PS评分为3分或4分,则得到的中国分期结果为IV期;
PS评分在0-2的范围内,Child-Pugh分级为C级,则得到的中国分期结果为IV期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为有,则得到的中国分期结果为IIIB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为有,则得到的中国分期结果为IIIA期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量大于等于4个,则得到的中国分期结果为IIB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于2个或3个,最大肿瘤大于3cm,则得到的中国分期结果为IIA期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于2个或3个,最大肿瘤小于等于3cm,则得到的中国分期结果为IB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于1个,最大肿瘤大于5cm,则得到的中国分期结果为IB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于1个,最大肿瘤小于等于5cm,则得到的中国分期结果为IA期。
根据所述的中国分期判定方法及得到的中国分期结果,输出可视化的中国分期路径图。
本专利根据输入的患者数据自动化输出中国分期结果,但是Ib期结果对应的路径有多条,即患者得到分期结果的原因不同,输出可视化的路径图可更直观的展示患者的情况。
如图3所示,本发明提供的一种肝癌自动化中国分期终端包括以下存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
S1:在EMR系统中的住院病人数据表中根据诊断为肝癌的病人条件建立视图,提取出病人编号、姓名、年龄、入院时间、PS评分、肝性肝病、腹水,汇总形成肝癌住院病人视图;
S2:在LIS系统中的生化检查表中以病人编号作为主键与肝癌住院病人视图进行关联,提取总胆红素、白蛋白,形成生化检查视图;
S3:在LIS系统中的凝血检查表中以病人编号作为主键与肝癌住院病人视图进行关联,提取凝血酶原时间,形成凝血检查视图;
S4:将生化检查视图与凝血检查视图以病人编号作为主键,进行合并,并将凝血酶原时间减去14秒,得到凝血酶原时间延长指标,汇总形成肝癌病人Child-Pugh分级表,所述肝癌病人Child-Pugh分级表指标包含病人编号、肝性脑病、腹水、总胆红素、白蛋白、凝血酶原时间延长;
S5:根据预设的Child-Pugh分级判定方法,利用数据库SQL条件判断语句自动计算得到Child-Pugh分级结果,汇总到肝癌病人Child-Pugh分级表中;
S6:在PACS系统中的影像报告表中以病人编号作为主键与肝癌住院病人视图进行关联,从肝癌住院病人最近一次影像报告中提取出肝外转移、血管侵犯、肿瘤数量、肿瘤大小,汇总形成肝癌病人影像库视图;
S7:将肝癌住院病人视图、肝癌病人Child-Pugh分级表、肝癌病人影像库视图进行汇总,形成肝癌分期基础数据表,所述肝癌分期基础数据表包括病人编号、姓名、年龄、PS评分、Child-Pugh分级、肝外转移、血管侵犯、肿瘤数量、肿瘤大小;
S8:根据预设的中国分期判定方法,利用数据库SQL条件判断语句自动计算得到中国分期结果,汇总到肝癌分期基础数据表中。
Child-Pugh分级判定方法如下:
肝性脑病得分,无肝性脑病得1分、1-2期得2分、3-4期得3分;
腹水得分,无腹水得1分、轻度得2分、中度或重度得3分;
总胆红素检查值得分,检查值<34umol/L得1分、34umol/L≤检查值≤51umol/L得2分、检查值>51umol/L得3分;
白蛋白检查值得分,检查值>35g/L得1分、28g/L≤检查值≤35g/L得2分、检查值<28g/L得3分;
凝血酶原时间延长检查值得分,检查值<4秒得1分、4秒≤检查值≤6秒得2分、检查值>6秒得3分;
将以上得分进行汇总,形成总得分;
总得分在5-6分范围内,则Child-Pugh分级为A级;
总得分在7-9分范围内,则Child-Pugh分级为B级;
总得分在10分及以上,则Child-Pugh分级为C级。
中国分期判定方法如下:
PS评分为3分或4分,则得到的中国分期结果为IV期;
PS评分在0-2的范围内,Child-Pugh分级为C级,则得到的中国分期结果为IV期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为有,则得到的中国分期结果为IIIB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为有,则得到的中国分期结果为IIIA期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量大于等于4个,则得到的中国分期结果为IIB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于2个或3个,最大肿瘤大于3cm,则得到的中国分期结果为IIA期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于2个或3个,最大肿瘤小于等于3cm,则得到的中国分期结果为IB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于1个,最大肿瘤大于5cm,则得到的中国分期结果为IB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于1个,最大肿瘤小于等于5cm,则得到的中国分期结果为IA期。
根据所述的中国分期判定方法及得到的中国分期结果,输出可视化的中国分期路径图。
随机抽取肝癌病例100例,由自动化肝癌中国分期进行自动分期、由4位肝胆外科主治医师及6位住院医师对测试病例进行人工分期,记录三者之间的用时及准确率,以多学科(multiple disciplineteam,MDT)讨论作为金标准,比较三者间差异,以观察模型的准确性和实用性。
使用SPSS25.0软件进行统计学处理,计量资料以均值±标准差表示,组间比较采用独立样本t检验。检验水准(α)为0.05。
自动分期用时3秒、准确率为100%,主治医师用时40±5.6分钟、准确率98±0.5%,住院医师用时100±7.8分钟、准确率为96±3.5%。
说明肝癌自动化中国分期模型高效、准确,值得向临床推广。
本发明已由上述相关实施例和附图加以描述,然而上述实施例仅为实施本发明的范例。必须指出的是,已揭露的实施例并未限制本发明的范围。相反地,包括于权利要求的精神及范围的修改及均等设置均包括于本发明的范围内。
Claims (8)
1.一种肝癌自动化中国分期方法,其特征在于,包括以下步骤:
S1:在EMR系统中的住院病人数据表中根据诊断为肝癌的病人条件建立视图,提取出病人编号、姓名、年龄、入院时间、PS评分、肝性肝病、腹水,汇总形成肝癌住院病人视图;
S2:在LIS系统中的生化检查表中以病人编号作为主键与肝癌住院病人视图进行关联,提取总胆红素、白蛋白,形成生化检查视图;
S3:在LIS系统中的凝血检查表中以病人编号作为主键与肝癌住院病人视图进行关联,提取凝血酶原时间,形成凝血检查视图;
S4:将生化检查视图与凝血检查视图以病人编号作为主键,进行合并,并将凝血酶原时间减去14秒,得到凝血酶原时间延长指标,汇总形成肝癌病人Child-Pugh分级表,所述肝癌病人Child-Pugh分级表指标包含病人编号、肝性脑病、腹水、总胆红素、白蛋白、凝血酶原时间延长;
S5:根据预设的Child-Pugh分级判定方法,利用数据库SQL条件判断语句自动计算得到Child-Pugh分级结果,汇总到肝癌病人Child-Pugh分级表中;
S6:在PACS系统中的影像报告表中以病人编号作为主键与肝癌住院病人视图进行关联,从肝癌住院病人最近一次影像报告中提取出肝外转移、血管侵犯、肿瘤数量、肿瘤大小,汇总形成肝癌病人影像库视图;
S7:将肝癌住院病人视图、肝癌病人Child-Pugh分级表、肝癌病人影像库视图进行汇总,形成肝癌分期基础数据表,所述肝癌分期基础数据表包括病人编号、姓名、年龄、PS评分、Child-Pugh分级、肝外转移、血管侵犯、肿瘤数量、肿瘤大小;
S8:根据预设的中国分期判定方法,利用数据库SQL条件判断语句自动计算得到中国分期结果,汇总到肝癌分期基础数据表中。
2.根据权利要求1所述的一种肝癌自动化中国分期方法,其特征在于,所述的Child-Pugh分级判定方法如下:
肝性脑病得分,无肝性脑病得1分、1-2期得2分、3-4期得3分;
腹水得分,无腹水得1分、轻度得2分、中度或重度得3分;
总胆红素检查值得分,检查值<34umol/L得1分、34umol/L≤检查值≤51umol/L得2分、检查值>51umol/L得3分;
白蛋白检查值得分,检查值>35g/L得1分、28g/L≤检查值≤35g/L得2分、检查值<28g/L得3分;
凝血酶原时间延长检查值得分,检查值<4秒得1分、4秒≤检查值≤6秒得2分、检查值>6秒得3分;
将以上得分进行汇总,形成总得分;
总得分在5-6分范围内,则Child-Pugh分级为A级;
总得分在7-9分范围内,则Child-Pugh分级为B级;
总得分在10分及以上,则Child-Pugh分级为C级。
3.根据权利要求1所述的一种肝癌自动化中国分期方法,其特征在于,所述的中国分期判定方法如下:
PS评分为3分或4分,则得到的中国分期结果为IV期;
PS评分在0-2的范围内,Child-Pugh分级为C级,则得到的中国分期结果为IV期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为有,则得到的中国分期结果为IIIB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为有,则得到的中国分期结果为IIIA期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量大于等于4个,则得到的中国分期结果为IIB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于2个或3个,最大肿瘤大于3cm,则得到的中国分期结果为IIA期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于2个或3个,最大肿瘤小于等于3cm,则得到的中国分期结果为IB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于1个,最大肿瘤大于5cm,则得到的中国分期结果为IB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于1个,最大肿瘤小于等于5cm,则得到的中国分期结果为IA期。
4.根据权利要求1所述的一种肝癌自动化中国分期方法,其特征在于,根据所述的中国分期判定方法及得到的中国分期结果,输出可视化的中国分期路径图。
5.一种肝癌自动化中国分期终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
S1:在EMR系统中的住院病人数据表中根据诊断为肝癌的病人条件建立视图,提取出病人编号、姓名、年龄、入院时间、PS评分、肝性肝病、腹水,汇总形成肝癌住院病人视图;
S2:在LIS系统中的生化检查表中以病人编号作为主键与肝癌住院病人视图进行关联,提取总胆红素、白蛋白,形成生化检查视图;
S3:在LIS系统中的凝血检查表中以病人编号作为主键与肝癌住院病人视图进行关联,提取凝血酶原时间,形成凝血检查视图;
S4:将生化检查视图与凝血检查视图以病人编号作为主键,进行合并,并将凝血酶原时间减去14秒,得到凝血酶原时间延长指标,汇总形成肝癌病人Child-Pugh分级表,所述肝癌病人Child-Pugh分级表指标包含病人编号、肝性脑病、腹水、总胆红素、白蛋白、凝血酶原时间延长;
S5:根据预设的Child-Pugh分级判定方法,利用数据库SQL条件判断语句自动计算得到Child-Pugh分级结果,汇总到肝癌病人Child-Pugh分级表中;
S6:在PACS系统中的影像报告表中以病人编号作为主键与肝癌住院病人视图进行关联,从肝癌住院病人最近一次影像报告中提取出肝外转移、血管侵犯、肿瘤数量、肿瘤大小,汇总形成肝癌病人影像库视图;
S7:将肝癌住院病人视图、肝癌病人Child-Pugh分级表、肝癌病人影像库视图进行汇总,形成肝癌分期基础数据表,所述肝癌分期基础数据表包括病人编号、姓名、年龄、PS评分、Child-Pugh分级、肝外转移、血管侵犯、肿瘤数量、肿瘤大小;
S8:根据预设的中国分期判定方法,利用数据库SQL条件判断语句自动计算得到中国分期结果,汇总到肝癌分期基础数据表中。
6.根据权利要求5所述的一种肝癌自动化中国分期终端,其特征在于,所述的Child-Pugh分级判定方法如下:
肝性脑病得分,无肝性脑病得1分、1-2期得2分、3-4期得3分;
腹水得分,无腹水得1分、轻度得2分、中度或重度得3分;
总胆红素检查值得分,检查值<34umol/L得1分、34umol/L≤检查值≤51umol/L得2分、检查值>51umol/L得3分;
白蛋白检查值得分,检查值>35g/L得1分、28g/L≤检查值≤35g/L得2分、检查值<28g/L得3分;
凝血酶原时间延长检查值得分,检查值<4秒得1分、4秒≤检查值≤6秒得2分、检查值>6秒得3分;
将以上得分进行汇总,形成总得分;
总得分在5-6分范围内,则Child-Pugh分级为A级;
总得分在7-9分范围内,则Child-Pugh分级为B级;
总得分在10分及以上,则Child-Pugh分级为C级。
7.根据权利要求5所述的一种肝癌自动化中国分期终端,其特征在于,所述的中国分期判定方法如下:
PS评分为3分或4分,则得到的中国分期结果为IV期;
PS评分在0-2的范围内,Child-Pugh分级为C级,则得到的中国分期结果为IV期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为有,则得到的中国分期结果为IIIB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为有,则得到的中国分期结果为IIIA期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量大于等于4个,则得到的中国分期结果为IIB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于2个或3个,最大肿瘤大于3cm,则得到的中国分期结果为IIA期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于2个或3个,最大肿瘤小于等于3cm,则得到的中国分期结果为IB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于1个,最大肿瘤大于5cm,则得到的中国分期结果为IB期;
PS评分在0-2的范围内,Child-Pugh分级为A级或B级,肝外转移为无,血管侵犯为无,肿瘤数量等于1个,最大肿瘤小于等于5cm,则得到的中国分期结果为IA期。
8.根据权利要求5所述的一种肝癌自动化中国分期终端,其特征在于,根据所述的中国分期判定方法及得到的中国分期结果,输出可视化的中国分期路径图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110096867.1A CN112820384A (zh) | 2021-01-25 | 2021-01-25 | 肝癌自动化中国分期方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110096867.1A CN112820384A (zh) | 2021-01-25 | 2021-01-25 | 肝癌自动化中国分期方法及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112820384A true CN112820384A (zh) | 2021-05-18 |
Family
ID=75859560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110096867.1A Pending CN112820384A (zh) | 2021-01-25 | 2021-01-25 | 肝癌自动化中国分期方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112820384A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492883A (zh) * | 2018-03-21 | 2018-09-04 | 福州宜星大数据产业投资有限公司 | 一种bclc分期模型建立方法及终端 |
US20190242894A1 (en) * | 2016-09-29 | 2019-08-08 | Memed Diagnostics Ltd. | Methods of risk assessment and disease classification |
CN112200763A (zh) * | 2020-08-24 | 2021-01-08 | 江苏科技大学 | 一种基于肝脏ct影像的肝功能分级方法 |
-
2021
- 2021-01-25 CN CN202110096867.1A patent/CN112820384A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190242894A1 (en) * | 2016-09-29 | 2019-08-08 | Memed Diagnostics Ltd. | Methods of risk assessment and disease classification |
CN108492883A (zh) * | 2018-03-21 | 2018-09-04 | 福州宜星大数据产业投资有限公司 | 一种bclc分期模型建立方法及终端 |
CN112200763A (zh) * | 2020-08-24 | 2021-01-08 | 江苏科技大学 | 一种基于肝脏ct影像的肝功能分级方法 |
Non-Patent Citations (3)
Title |
---|
王垒 等: "原发性肝癌大数据建设初步探索", 《中华肝胆外科杂志》 * |
王垒 等: "基于大数据平台的肝细胞癌自动化中国分期模型研究", 《中华肝脏外科手术学电子杂志》 * |
詹泽锋等: "我国肝细胞癌巴塞罗那分期中晚期病人精确临床分期方法研究", 《蚌埠医学院学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rifkind et al. | Lipid Research Clinics Program reference values for hyperlipidemia and hypolipidemia | |
Rafiemanesh et al. | Incidence trend and epidemiology of common cancers in the center of Iran | |
Purnak et al. | Mean platelet volume is increased in chronic hepatitis C patients with advanced fibrosis | |
CN107153774A (zh) | 慢性病风险评估双曲线模型的构建及应用该模型的疾病预测系统 | |
Cui et al. | Clinical value of ROMA index in diagnosis of ovarian cancer: meta-analysis | |
Sheron et al. | Developing a ‘traffic light’test with potential for rational early diagnosis of liver fibrosis and cirrhosis in the community | |
Wu et al. | A comparative research on obesity hypertension by the comparisons and associations between waist circumference, body mass index with systolic and diastolic blood pressure, and the clinical laboratory data between four special Chinese adult groups | |
Lépine et al. | Simplified criteria using pleural fluid cholesterol and lactate dehydrogenase to distinguish between exudative and transudative pleural effusions | |
Wu et al. | Associations between novel anthropometric measures and the prevalence of hypertension among 45,853 adults: A cross-sectional study | |
Man et al. | Association between metabolically healthy obesity and non-alcoholic fatty liver disease | |
CN114155956B (zh) | 用于预测不可手术切除的原发性肝癌患者血管侵犯概率的系统及方法 | |
Oh et al. | Reduced glomerular filtration rate and risk of stroke: a nationwide cohort study in South Korea | |
CN109979532A (zh) | 甲状腺乳头状癌远处转移分子突变预测模型、方法及系统 | |
Han et al. | Prevalence and Distribution of Coronary Artery Calcification in Asymptomatic United States and Korean Adults–Cross-Sectional Propensity-Matched Analysis– | |
CN112820384A (zh) | 肝癌自动化中国分期方法及终端 | |
Freyburger et al. | Rapid ELISA D-dimer testing in the exclusion of venous thromboembolism in hospitalized patients | |
Bakhronov et al. | Role of health check-ups in non-communicable diseases detection at primary health care | |
CN115985497A (zh) | 主要基于血小板/脾脏长径比值的预测非手术治疗原发性肝癌患者预后的系统 | |
Li et al. | Development and validation of a routine blood parameters-based model for screening the occurrence of retinal detachment in high myopia in the context of PPPM | |
CN108753991A (zh) | 一种针对人群高原适应相关遗传变异的高效筛查系统及方法 | |
Gao et al. | Short-Term Prediction of Preeclampsia in Chinese Women Using the Soluble fms-Like Tyrosine Kinase 1/Placental Growth Factor Ratio: A Sub-Analysis of the PROGNOSIS Asia Study | |
Stekkinger et al. | Comparison of three definitions of metabolic syndrome and relation to risk of recurrent preeclampsia | |
CN112259231A (zh) | 一种高危胃肠间质瘤患者术后复发风险评估方法与系统 | |
Omunakwe et al. | Cancer-associated thrombosis in some African populations: a growing concern | |
Kataoka-Yahiro et al. | Relationship of Associated Cardiovascular Risk Factors and Chronic Kidney Disease with Participants Enrolled in the National Kidney Foundation of Hawai'i Kidney Early Detection Screening (KEDS) Program |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210518 |
|
RJ01 | Rejection of invention patent application after publication |