CN113571191A - 免疫检查点抑制剂相关mace发生风险的预测方法 - Google Patents
免疫检查点抑制剂相关mace发生风险的预测方法 Download PDFInfo
- Publication number
- CN113571191A CN113571191A CN202111014337.4A CN202111014337A CN113571191A CN 113571191 A CN113571191 A CN 113571191A CN 202111014337 A CN202111014337 A CN 202111014337A CN 113571191 A CN113571191 A CN 113571191A
- Authority
- CN
- China
- Prior art keywords
- patient
- risk
- data index
- risk factor
- immune checkpoint
- 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
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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种免疫检查点抑制剂相关MACE发生风险的预测方法,属于生物医学检测技术领域。预测方法包括获取拟使用免疫检查点抑制剂治疗的患者的诊疗信息,根据诊疗信息提取用以评估心血管不良事件发生风险的风险因子;再设定用以衡量风险因子的数据指标;根据风险因子及其数据指标建立免疫检查点抑制剂治疗后发生相关心血管不良事件的风险预测模型;根据风险预测模型统计风险因子的数据指标并计算发生相关心血管不良事件的风险评估值,根据风险评估值进行风险分层;协助肿瘤科医生个体化评估患者运用免疫检查点抑制剂将会出现心血管不良事件的风险,并根据预测风险采取个体化的干预措施,有助于减少不良事件的发生。
Description
技术领域
本发明涉及一种免疫检查点抑制剂相关MACE(Major Adverse CardiovascularEvents主要心血管不良事件)发生风险的预测方法,属于生物医学检测技术领域。
背景技术
近年来,免疫检查点抑制剂的出现深刻变革了肿瘤治疗理念,将肿瘤治疗的靶点由肿瘤转向自身免疫系统,通过抑制免疫检查点,阻断肿瘤免疫逃逸,促进机体对肿瘤的免疫应答,改善患者生存率。目前免疫检查点抑制剂已经被广泛的运用到恶性肿瘤的临床治疗中,随之而来的免疫相关不良反应也引起了临床医师的关注。根据既往研究,近一半的患者在使用免疫检查点抑制剂后各器官可能出现轻到中度的不良反应。免疫检查点抑制剂可通过影响心脏传导系统和心肌细胞的功能从而增加心律失常、心包炎、心肌炎、心力衰竭、心脏性猝死等心血管不良事件的发生率,其发生率低但进展迅速,死亡率高,需引起重视(免疫性心肌炎为最严重的不良反应,其发生率约0.1%,但其病死率可高达39.7%-46%)。然而目前仍缺乏一种可靠的、可用于临床的评估方法,用于预测患者在运用免疫检查点抑制剂后发生心脏不良事件的风险。
发明内容
本发明的目的是提供一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法,系统及存储装置,通过总结免疫检查点抑制剂相关心血管不良事件发生的高危因素,根据不同危险因素对心血管事件的影响以分配权重,完成对免疫检查点抑制剂相关心血管不良事件发生风险的预测。
为达到解决上述问题的目的,本发明所采取的技术方案是提供一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法,包括:获取在病情评估的界面上输入的拟使用免疫检查点抑制剂的患者的诊疗信息,根据诊疗信息提取用以评估心血管不良事件发生风险的风险因子;设定用以衡量所述风险因子的数据指标;根据所述风险因子及其数据指标建立用以评估患者在接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险预测模型;根据所述风险预测模型统计风险因子的数据指标以计算患者在接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险评估值,根据所述风险评估值进行风险分层,辅助临床医生判断该患者是否适合接受免疫检查点抑制剂治疗或在接受治疗过程中是否需要对心功能进行密切监测。
优选地,在所述风险预测模型的建立过程中,还包括:根据不同的风险因子设定数据指标的权重,根据不同权重的数据指标计算患者的风险评估值。
优选地,所述风险因子包括患者的年龄、体能评分ECOG PS评分、合并糖尿病、合并高血压、合并冠心病、合并心律失常、合并高脂血症、合并瓣膜疾病、放疗史、既往接受蒽环类/紫杉醇/Her2/抗血管/或其他免疫治疗史、目前联合蒽环类/紫杉醇/Her2/抗血管/或其他免疫治疗、既往有吸烟饮酒酗酒史、既往有慢性肝炎病史/风湿结缔组织疾病史、目前白细胞总素升高/C反应蛋白升高/纤维蛋白原升高/血沉升高/血小板升高/乳酸脱氢酶升高/肌钙蛋白升高/利钠肽升高或D二聚体升高、目前有胸闷/气促/呼吸困难史/或下肢浮肿、以及心电图或心超存在异常。
优选地,所述设定用以衡量风险因子的数据指标包括:
如患者的年龄大于75岁,其风险因子的数据指标为1;
如患者的ECOG PS评分大于2分,其风险因子的数据指标为1;
如患者目前合并糖尿病,其风险因子的数据指标为1;
如患者目前合并高血压,其风险因子的数据指标为1;
如患者目前合并冠心病,其风险因子的数据指标为1;
如患者目前合并心律失常,其风险因子的数据指标为1;
如患者目前合并高脂血症,其风险因子的数据指标为1;
如患者目前合并瓣膜疾病,其风险因子的数据指标为1;
如患者接受过蒽环类治疗,其风险因子的数据指标为1;
如患者接受过放疗,其风险因子的数据指标为1;
如患者目前正联合放疗,其风险因子的数据指标为1;
如患者接受过抗血管治疗,其风险因子的数据指标为1;
如患者目前联合抗血管治疗,其风险因子的数据指标为1;
如患者接受过紫杉醇类治疗,其风险因子的数据指标为1;
如患者目前联合紫杉醇类治疗,其风险因子的数据指标为1;
如患者接受过其他免疫治疗,其风险因子的数据指标为1;
如患者目前联合其他免疫治疗,其风险因子的数据指标为1;
如患者接受过抗Her2治疗,其风险因子的数据指标为1;
如患者目前联合抗Her2治疗,其风险因子的数据指标为1;
如患者有吸烟史,其风险因子的数据指标为1;
如患者有饮酒酗酒史,其风险因子的数据指标为1。
如患者有慢性肝炎病史,其风险因子的数据指标为1;
如患者有风湿结缔组织疾病史,其风险因子的数据指标为1;
如患者目前白细胞总数升高,其风险因子的数据指标为1;
如患者目前C反应蛋白升高,其风险因子的数据指标为1;
如患者目前纤维蛋白原升高,其风险因子的数据指标为1;
如患者目前血沉升高,其风险因子的数据指标为1;
如患者目前血小板升高,其风险因子的数据指标为1;
如患者目前乳酸脱氢酶升高,其风险因子的数据指标为1;
如患者目前利钠肽BNP/NT-proBNP升高,其风险因子的数据指标为1;
如患者目前D二聚体升高,其风险因子的数据指标为1;
如患者目前肌钙蛋白升高,cTnT/I升高,其风险因子的数据指标为1;
如患者目前存在胸闷、气促、呼吸困难或下肢浮肿的症状中的任何一项,其风险因子的数据指标为3;
如患者的心电图出现异常,其风险因子的数据指标为为1;
如患者心电图心率>100bpm或<55bpm,其风险因子的数据指标为3;
如患者的心超出现异常,其风险因子的数据指标为1;
如患者的LVEF<50%,其风险因子的数据指标为3。
优选地,所述根据风险评估值进行风险分层包括:
低危组,该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险较低,可开始治疗;
中危组,该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险中等,治疗期间需密切监控患者心功能,必要时请心内科会诊;
高危组,该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险很高,不建议进一步接受免疫检查点抑制剂治疗。
本发明提供一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法的预测系统,包括:
第一模块,用以获取在病情评估的界面上输入的拟接受免疫检查点抑制剂治疗的患者的诊疗信息,根据诊疗信息提取用以预测心脏不良事件发生风险的风险因子;
第二模块,用以设定用以衡量所述风险因子的数据指标;
第三模块,用以根据所述风险因子及其数据指标建立患者在接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险预测模型;
第四模块,用以所述风险预测模型统计风险因子的数据指标以计算接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险评估值,根据所述风险评估值进行风险分层并给出处理建议,辅助临床医生判断该患者是否适合接受免疫检查点抑制剂治疗或在接受治疗过程中是否需要对心功能进行密切监测。
本发明提供一种存储装置,所述存储介质存储有多条指令,所述指令以执行上述的一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法中的步骤。
相比现有技术,本发明具有如下有益效果:
本发明提供了一种免疫检查点抑制剂相关心血管不良事件的风险预测方法,预测系统及存储装置;本发明针对目前临床上难以评估患者使用免疫检查点抑制剂后发生心脏不良事件的风险,导致部分患者在接受治疗后出现严重的心血管不良事件的情况,协助肿瘤科医生个体化评估患者运用免疫检查点抑制剂将会出现心血管不良事件的风险,并根据预测风险采取个体化的干预措施,有助于减少免疫检查点抑制剂相关心血管不良事件的发生。
附图说明
图1是本发明一个实施例的一种免疫检查点抑制剂相关心血管不良事件的风险预测方法的流程图。
图2是本发明一个实施例的一种免疫检查点抑制剂相关心血管不良事件的风险预测系统的系统框架图。
具体实施方式
为使本发明更明显易懂,兹以优选实施例,作详细说明如下:
本发明提供一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法,包括:获取在病情评估的界面上输入的拟使用免疫检查点抑制剂的患者的诊疗信息,根据诊疗信息提取用以评估心血管不良事件发生风险的风险因子;设定用以衡量风险因子的数据指标;根据风险因子及其数据指标建立用以评估患者在接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险预测模型;根据风险预测模型统计风险因子的数据指标以计算患者在接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险评估值,根据风险评估值进行风险分层,辅助临床医生判断该患者是否适合接受免疫检查点抑制剂治疗或在接受治疗过程中是否需要对心功能进行密切监测。在风险预测模型的建立过程中,还包括:根据不同的风险因子设定数据指标的权重,根据不同权重的数据指标计算患者的风险评估值。
风险因子包括患者的年龄、ECOG PS评分、合并糖尿病、合并高血压、合并冠心病、合并心律失常、合并高脂血症、合并瓣膜疾病、放疗史、既往接受蒽环类/紫杉醇/Her2/抗血管/或其他免疫治疗史、目前联合蒽环类/紫杉醇/Her2/抗血管/或其他免疫治疗、既往有吸烟饮酒酗酒史、既往有慢性肝炎病史/风湿结缔组织疾病史、目前白细胞总素升高/C反应蛋白升高/纤维蛋白原升高/血沉升高/血小板升高/乳酸脱氢酶升高/肌钙蛋白升高/利钠肽升高或D二聚体升高、目前有胸闷/气促/呼吸困难史/或下肢浮肿、以及心电图或心超存在异常。
设定用以衡量风险因子的数据指标包括:
如患者的年龄大于75岁,其风险因子的数据指标为1;
如患者的ECOG PS评分大于2分,其风险因子的数据指标为1;
如患者目前合并糖尿病,其风险因子的数据指标为1;
如患者目前合并高血压,其风险因子的数据指标为1;
如患者目前合并冠心病,其风险因子的数据指标为1;
如患者目前合并心律失常,其风险因子的数据指标为1;
如患者目前合并高脂血症,其风险因子的数据指标为1;
如患者目前合并瓣膜疾病,其风险因子的数据指标为1;
如患者接受过蒽环类治疗,其风险因子的数据指标为1;
如患者接受过放疗,其风险因子的数据指标为1;
如患者目前正联合放疗,其风险因子的数据指标为1;
如患者接受过抗血管治疗,其风险因子的数据指标为1;
如患者目前联合抗血管治疗,其风险因子的数据指标为1;
如患者接受过紫杉醇类治疗,其风险因子的数据指标为1;
如患者目前联合紫杉醇类治疗,其风险因子的数据指标为1;
如患者接受过其他免疫治疗,其风险因子的数据指标为1;
如患者目前联合其他免疫治疗,其风险因子的数据指标为1;
如患者接受过抗Her2治疗,其风险因子的数据指标为1;
如患者目前联合抗Her2治疗,其风险因子的数据指标为1;
如患者有吸烟史,其风险因子的数据指标为1;
如患者有饮酒酗酒史,其风险因子的数据指标为1。
如患者有慢性肝炎病史,其风险因子的数据指标为1;
如患者有风湿结缔组织疾病史,其风险因子的数据指标为1;
如患者目前白细胞总数升高,其风险因子的数据指标为1;
如患者目前C反应蛋白升高,其风险因子的数据指标为1;
如患者目前纤维蛋白原升高,其风险因子的数据指标为1;
如患者目前血沉升高,其风险因子的数据指标为1;
如患者目前血小板升高,其风险因子的数据指标为1;
如患者目前乳酸脱氢酶升高,其风险因子的数据指标为1;
如患者目前利钠肽BNP/NT-proBNP升高,其风险因子的数据指标为1;
如患者目前D二聚体升高,其风险因子的数据指标为1;
如患者目前肌钙蛋白升高,cTnT/I升高,其风险因子的数据指标为1;
如患者目前存在胸闷、气促、呼吸困难或下肢浮肿的症状中的任何一项,其风险因子的数据指标为3;
如患者的心电图出现异常,其风险因子的数据指标为为1;
如患者心电图心率>100bpm或<55bpm,其风险因子的数据指标为3;
如患者的心超出现异常,其风险因子的数据指标为1;
如患者的LVEF<50%,其风险因子的数据指标为3。
根据风险评估值进行风险分层包括:
低危组,该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险较低,可开始治疗;
中危组,该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险中等,治疗期间需密切监控患者心功能,必要时请心内科会诊;
高危组,该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险很高,不建议进一步接受免疫检查点抑制剂治疗。
本发明提供一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法的预测系统,包括:
第一模块,用以获取在病情评估的界面上输入的拟接受免疫检查点抑制剂治疗的患者的诊疗信息,根据诊疗信息提取用以预测心脏不良事件发生风险的风险因子;
第二模块,用以设定用以衡量所述风险因子的数据指标;
第三模块,用以根据风险因子及其数据指标建立患者在接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险预测模型;
第四模块,用以风险预测模型统计风险因子的数据指标以计算接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险评估值,根据风险评估值进行风险分层并给出处理建议,辅助临床医生判断该患者是否适合接受免疫检查点抑制剂治疗或在接受治疗过程中是否需要对心功能进行密切监测。
本发明提供一种存储装置,存储装置中存储介质存储有多条指令,指令以执行上述的一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法中的步骤。
实施例
在一个具体实施例中,为了便于医护人员在工作时使用,本发明采用手机或电脑作为运行本发明方法的电子设备,该电子设备包括:处理器、用于存储处理器或可执行指令的存储器。其中,存储器所存储的可执行指令被配置为用以运行本发明免疫检查点抑制剂相关心血管不良事件的风险预测方法的程序,该小程序可以以微信小程序、网页、医院病历系统插件等形式存在,可与其他终端、服务器或其它形态的设备进行数据通信,以完成后台的程序计算。
下面参照附图描述根据本发明实施例提出的一种免疫检查点抑制剂相关心血管不良事件的风险预测方法,系统和存储装置,首先将参照附图描述根据本发明实施例提出的一种免疫检查点抑制剂相关心血管不良事件的风险预测方法。
图1是本发明一个实施例的一种免疫检查点抑制剂相关心血管不良事件的风险预测方法的方法流程图。如图1所示,该评价方法包括以下步骤:
S1,获取在病情评估的界面上输入的拟接受免疫检查点抑制剂治疗的患者的诊疗信息,根据诊疗信息提取用以预测心脏不良事件发生风险的风险因子。
S2,设定用以衡量所述风险因子的数据指标。
S3,根据风险因子及其数据指标建立患者在接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险预测模型。
S4,风险预测模型统计风险因子的数据指标以计算接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险评估值,根据风险评估值进行风险分层并给出处理建议,辅助临床医生判断该患者是否适合接受免疫检查点抑制剂治疗或在接受治疗过程中是否需要对心功能进行密切监测。
具体的,在步骤S1中拟接受免疫检查点抑制剂治疗的患者的信息包括患者个人信息、病例、体能评分、合并疾病、目前治疗方案、既往放疗史、既往化疗史、化验结果、心电图和心超等。治疗信息的输入方式可通过手写输入、OCR方式、多源数据导入、网络传输等方式实现。
在本发明的一个实施例中,在获取诊疗信息后,需从中提取用以预测心血管不良事件发生的风险因子。风险因子是总结评价免疫检查点抑制剂相关心血管不良事件的高危因素,包括:患者的年龄、体能评分(ECOG PS评分)、合并糖尿病、合并高血压、合并冠心病、合并心律失常、合并高脂血症、合并瓣膜疾病、放疗史、既往接受蒽环类/紫杉醇/Her2/抗血管或其他免疫治疗史,目前联合蒽环类/紫杉醇/Her2/抗血管或其他免疫治疗,既往有吸烟饮酗酒史,既往有慢性肝炎病史/风湿结缔组织疾病史,目前白细胞总素升高/C反应蛋白升高/纤维蛋白原升高/血沉升高/血小板升高/乳酸脱氢酶升高/肌钙蛋白升高/利钠肽升高/D二聚体升高,目前有胸闷/气促/呼吸困难史/下肢浮肿,以及心电图、心超的异常。
其中,年龄是恶性肿瘤和心血管不良事件共同的危险因子。
体能评分,ECOG PS评分可用于肿瘤患者化疗前评估,相关研究表明,ECOG PS评分≥2分与患者接受免疫检查点抑制剂治疗后的不良预后相关。
糖尿病、高血压、冠心病、心律失常、高脂血症、瓣膜疾病患者本身就是心血管不良事件的高危人群,此类患者在接受免疫检查点抑制剂治疗后,更易产生相关心血管不良事件。
放疗史,放射治疗增加冠心病、心肌病、瓣膜病、心包疾病及心律失常的风险。
既往接受蒽环类、抗血管治疗、紫杉醇、Her2治疗病史。
蒽环类药物包括阿霉素、表阿霉素等,可导致左心室功能障碍、心衰、心肌炎、心包炎、房颤、室速、室颤等潜在风险。
抗血管治疗包括贝伐珠单抗、安罗替尼以及重组人血管内皮抑制素等,可导致高血压、血栓栓塞、左心室功能障碍及心力衰竭。
紫杉醇类药物会导致心动过缓、心传导阻滞、心室异位搏动。
抗Her2治疗的药物包括曲妥珠单抗、帕妥珠单抗,可能导致左心功能不全和心衰。
其他免疫治疗亦可导致心血管不良事件的发生。
有吸烟及酗酒史的患者本身就是心血管不良事件的高危人群,此类患者在接受免疫检查点抑制剂治疗后,更易产生相关心血管不良事件。
白细胞、C反应蛋白及血沉,白细胞、C反应蛋白及血沉上升通常反应机体受到感染或组织受到损伤,该指标敏感性高、特异度低。
纤维蛋白原升高,纤维蛋白原是反应血管内血栓形成的一种指标,其升高是血管血栓形成的独立危险因素,但该指标敏感性高、特异度低。
血小板升高,目前血小板与免疫治疗药物心脏毒性的相关性尚未得到明确证实,相关研究提示血小板水平升高可能与免疫治疗药物心脏毒性的发生相关。
乳酸脱氢酶升高,既往研究表明乳酸脱氢酶升高与化疗药物所致心力衰竭相关,而心肌炎患者在早期即会出现乳酸脱氢酶的升高。
利钠肽升高,关于NT-proBNP在免疫检查点抑制剂相关心脏毒性诊断和预后中的作用,目前缺乏共识。部分研究表明NT-proBNP可以预测免疫检查点抑制剂相关心脏毒性;另一些研究表明,BNP在检测无症状左室收缩功能障碍具有独特的优势。一项研究显示NT-proBNP在检测亚临床左室功能障碍方面优于肌钙蛋白;另一项研究显示NT-proBNP可以预测1年的死亡率。但利钠肽升高的同时,需要除外个体差异、随年龄、体重、肾功能和BMI的变化,在解释数据的时候需要谨慎考虑上述因素的干扰。
D-二聚体升高,肿瘤患者处于高凝状态,当D-二聚体升高需要除外是否合并肺栓塞、下肢血栓形成等情况,该指标敏感性高、特异度低。
胸闷、气促、呼吸困难,心脏病的常见临床表现包括胸闷、气促、呼吸困难等,出现上述症状通常表明患者存在心功能不全、心包积液、肺栓塞等情况。
下肢浮肿,下肢浮肿需要除外心功能不全等情况,当出现不对称下肢水肿时需要高度警惕下肢血管血栓形成。
肌钙蛋白升高,在高剂量化疗后3天内肌钙蛋白升高已被证明可预测LVEF的降低。肌钙蛋白对治疗期间和治疗后即刻是否发生心脏毒性具有极好的阴性预测价值。
新发心率变化,当心率>100bpm或<55bpm需要除外心率变异及心律失常的发生。心电图变化,蒽环类药物、烷化剂等会导致房颤、室早,甚至室颤。紫杉醇类药物易并发传导阻滞、心动过缓等并发症。当心电图检查检测到新发心律失常,需要考虑出现肿瘤治疗药物相关毒副作用,应尽早干预。
心超,免疫检查点抑制剂容易导致心功能不全的发生。心超是明确心脏是否存在结构和功能异常的重要检测手段,当心超出现左室射血分数保留(45%≤LVEF<55%)或降低(LVEF<45%),表明患者出现心功能不全。
近年来,心脏MRI及MUGA在检测与癌症治疗相关的心脏毒性中的作用已被研究。除了检测早期亚临床LVEF下降,心脏MRI及MUGA也可检测到心脏结构的细微变化,来帮助明确LVEF异常的具体原因。因此,可以检测癌症治疗相关的毒性作用;但临床工作中受检查费用和有限供应的限制。
在步骤S2中,设定用以衡量风险因子的数据指标,数据指标可在模型中根据不同的风险因子设定数据指标的权重,以调整模型计算的准确度。
在一个具体的实施例中,根据不同的必选的风险因子设定数据指标,包括:
如患者的年龄大于75岁,其风险因子的数据指标为1;
如患者的ECOG PS体能评分大于2分,其风险因子的数据指标为1;
如患者目前合并糖尿病,其风险因子的数据指标为1;
如患者目前合并高血压,其风险因子的数据指标为1;
如患者目前合并冠心病,其风险因子的数据指标为1;
如患者目前合并心律失常,其风险因子的数据指标为1;
如患者目前合并高脂血症,其风险因子的数据指标为1;
如患者目前合并瓣膜疾病,其风险因子的数据指标为1。
如患者接受过蒽环类治疗,其风险因子的数据指标为1;
如患者接受过放疗,其风险因子的数据指标为1;
如患者目前正联合放疗,其风险因子的数据指标为1;
如患者接受过抗血管治疗,其风险因子的数据指标为1;
如患者目前联合抗血管治疗,其风险因子的数据指标为1;
如患者接受过紫杉醇类治疗,其风险因子的数据指标为1;
如患者目前联合紫杉醇类治疗,其风险因子的数据指标为1;
如患者接受过其他免疫治疗,其风险因子的数据指标为1;
如患者目前联合其他免疫治疗,其风险因子的数据指标为1;
如患者接受过抗Her2治疗,其风险因子的数据指标为1;
如患者目前联合抗Her2治疗,其风险因子的数据指标为1。
如患者有吸烟史,其风险因子的数据指标为1;
如患者有酗酒史,其风险因子的数据指标为1。
如患者有慢性肝炎病史,其风险因子的数据指标为1;
如患者有风湿结缔组织疾病史,其风险因子的数据指标为1。
如患者目前白细胞总数升高,其风险因子的数据指标为1;
如患者目前C反应蛋白升高,其风险因子的数据指标为1;
如患者目前纤维蛋白原升高,其风险因子的数据指标为1;
如患者目前血沉升高,其风险因子的数据指标为1;
如患者目前血小板升高,其风险因子的数据指标为1;
如患者目前乳酸脱氢酶升高,其风险因子的数据指标为1;
如患者目前利钠肽(BNP/NT-proBNP)升高,其风险因子的数据指标为1;
如患者目前D二聚体升高,其风险因子的数据指标为1;
如患者目前肌钙蛋白升高(cTnT/I)升高,其风险因子的数据指标为3;
如患者目前存在胸闷、气促、呼吸困难、下肢浮肿的症状中的任何一项,其风险因子的数据指标为3。
如患者的心电图出现异常,其风险因子的数据指标为为1;
如患者心电图心率>100bpm或<55bpm,其风险因子的数据指标为3;
如患者的心超出现异常,其风险因子的数据指标为1;
如患者的LVEF<50%,其风险因子的数据指标为3;
在步骤S3中,根据上述风险因子及其数据指标建立用以评估拟使用免疫检查点抑制剂的患者发生心血管不良事件的风险预测模型。
该风险评估模型的风险因子和数据指标可用下表进行表述。
在步骤S4中,风险评估模型统计风险因子的数据指标以计算风险评估值,根据所述风险评估值获取相对应的临床评估结论。例如,当风险评估值超过设定阈值时,则输出该阈值相关联的临床评估结论以完成对患者的评估。
在一个具体的实施例中,评估模型输出的临床评估结论可包括:
低危组(0-6分),该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险较低,可开始治疗。
中危组(7-12分),该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险中等,治疗期间需密切监控患者心功能,必要时请心内科会诊
高危组(13分及以上),该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件风险很高,不建议进一步接受免疫检查点抑制剂治疗。
图2是本发明一个实施例的一种免疫检查点抑制剂相关心血管不良事件发生风险的预测系统的系统框架图,如图2所示,本发明一个实施例的一种免疫检查点抑制剂相关心血管不良事件的预测系统,包括:
第一模块1,用以获取在病情评估的界面上输入的拟使用免疫检查点抑制剂患者的诊疗信息,根据诊疗信息提取用以评估心脏毒性的风险因子;
第二模块2,用以设定用以衡量所述风险因子的数据指标;
第三模块3,用以根据所述风险因子及其数据指标建立拟使用免疫检查点抑制剂患者发生心血管相关不良事件的风险预测模型;
第四模块4,用以风险预测模型统计风险因子的数据指标以计算接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险评估值,根据风险评估值进行风险分层并给出处理建议。
以上所述,仅为本发明的较佳实施例,并非对本发明任何形式上和实质上的限制,应当指出,对于本技术领域的普通技术人员,在不脱离本发明的前提下,还将可以做出若干改进和补充,这些改进和补充也应视为本发明的保护范围。凡熟悉本专业的技术人员,在不脱离本发明的精神和范围的情况下,当可利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对上述实施例所作的任何等同变化的更动、修饰与演变,均仍属于本发明的技术方案的范围内。
Claims (7)
1.一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法,其特征在于,包括:获取在病情评估的界面上输入的拟使用免疫检查点抑制剂的患者的诊疗信息,根据诊疗信息提取用以评估心血管不良事件发生风险的风险因子;设定用以衡量所述风险因子的数据指标;根据所述风险因子及其数据指标建立用以评估患者在接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险预测模型;根据所述风险预测模型统计风险因子的数据指标以计算患者在接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险评估值,根据所述风险评估值进行风险分层,辅助临床医生判断该患者是否适合接受免疫检查点抑制剂治疗或在接受治疗过程中是否需要对心功能进行密切监测。
2.如权利要求1所述的一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法,其特征在于,在所述风险预测模型的建立过程中,还包括:根据不同的风险因子设定数据指标的权重,根据不同权重的数据指标计算患者的风险评估值。
3.如权利要求2所述的一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法,其特征在于,所述风险因子包括患者的年龄、ECOGPS评分、合并糖尿病、合并高血压、合并冠心病、合并心律失常、合并高脂血症、合并瓣膜疾病、放疗史、既往接受蒽环类/紫杉醇/Her2/抗血管/或其他免疫治疗史、目前联合蒽环类/紫杉醇/Her2/抗血管/或其他免疫治疗、既往有吸烟饮酒酗酒史、既往有慢性肝炎病史/风湿结缔组织疾病史、目前白细胞总素升高/C反应蛋白升高/纤维蛋白原升高/血沉升高/血小板升高/乳酸脱氢酶升高/肌钙蛋白升高/利钠肽升高或D二聚体升高、目前有胸闷/气促/呼吸困难史/或下肢浮肿、以及心电图或心超存在异常。
4.如权利要求3所述的一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法,其特征在于,所述设定用以衡量风险因子的数据指标包括:
如患者的年龄大于75岁,其风险因子的数据指标为1;
如患者的ECOGPS评分大于2分,其风险因子的数据指标为1;
如患者目前合并糖尿病,其风险因子的数据指标为1;
如患者目前合并高血压,其风险因子的数据指标为1;
如患者目前合并冠心病,其风险因子的数据指标为1;
如患者目前合并心律失常,其风险因子的数据指标为1;
如患者目前合并高脂血症,其风险因子的数据指标为1;
如患者目前合并瓣膜疾病,其风险因子的数据指标为1;
如患者接受过蒽环类治疗,其风险因子的数据指标为1;
如患者接受过放疗,其风险因子的数据指标为1;
如患者目前正联合放疗,其风险因子的数据指标为1;
如患者接受过抗血管治疗,其风险因子的数据指标为1;
如患者目前联合抗血管治疗,其风险因子的数据指标为1;
如患者接受过紫杉醇类治疗,其风险因子的数据指标为1;
如患者目前联合紫杉醇类治疗,其风险因子的数据指标为1;
如患者接受过其他免疫治疗,其风险因子的数据指标为1;
如患者目前联合其他免疫治疗,其风险因子的数据指标为1;
如患者接受过抗Her2治疗,其风险因子的数据指标为1;
如患者目前联合抗Her2治疗,其风险因子的数据指标为1;
如患者有吸烟史,其风险因子的数据指标为1;
如患者有饮酒酗酒史,其风险因子的数据指标为1。
如患者有慢性肝炎病史,其风险因子的数据指标为1;
如患者有风湿结缔组织疾病史,其风险因子的数据指标为1;
如患者目前白细胞总数升高,其风险因子的数据指标为1;
如患者目前C反应蛋白升高,其风险因子的数据指标为1;
如患者目前纤维蛋白原升高,其风险因子的数据指标为1;
如患者目前血沉升高,其风险因子的数据指标为1;
如患者目前血小板升高,其风险因子的数据指标为1;
如患者目前乳酸脱氢酶升高,其风险因子的数据指标为1;
如患者目前利钠肽BNP/NT-proBNP升高,其风险因子的数据指标为1;
如患者目前D二聚体升高,其风险因子的数据指标为1;
如患者目前肌钙蛋白升高,cTnT/I升高,其风险因子的数据指标为1;
如患者目前存在胸闷、气促、呼吸困难或下肢浮肿的症状中的任何一项,其风险因子的数据指标为3;
如患者的心电图出现异常,其风险因子的数据指标为为1;
如患者心电图心率>100bpm或<55bpm,其风险因子的数据指标为3;
如患者的心超出现异常,其风险因子的数据指标为1;
如患者的LVEF<50%,其风险因子的数据指标为3。
5.如权利要求4所述的一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法,其特征在于,所述根据风险评估值进行风险分层包括:
低危组,该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险较低,可开始治疗;
中危组,该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险中等,治疗期间需密切监控患者心功能,必要时请心内科会诊;
高危组,该患者接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险很高,不建议进一步接受免疫检查点抑制剂治疗。
6.如权利要求1至5中任何一项所述的一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法的预测系统,其特征在于,包括:
第一模块,用以获取在病情评估的界面上输入的拟接受免疫检查点抑制剂治疗的患者的诊疗信息,根据诊疗信息提取用以预测心脏不良事件发生风险的风险因子;
第二模块,用以设定用以衡量所述风险因子的数据指标;
第三模块,用以根据所述风险因子及其数据指标建立患者在接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险预测模型;
第四模块,用以所述风险预测模型统计风险因子的数据指标以计算接受免疫检查点抑制剂治疗后发生相关心血管不良事件的风险评估值,根据所述风险评估值进行风险分层并给出处理建议,辅助临床医生判断该患者是否适合接受免疫检查点抑制剂治疗或在接受治疗过程中是否需要对心功能进行密切监测。
7.一种存储装置,其特征在于,所述存储介质存储有多条指令,所述指令以执行权利要求1至5中任一项所述的一种免疫检查点抑制剂相关心血管不良事件发生风险的预测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111014337.4A CN113571191A (zh) | 2021-08-31 | 2021-08-31 | 免疫检查点抑制剂相关mace发生风险的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111014337.4A CN113571191A (zh) | 2021-08-31 | 2021-08-31 | 免疫检查点抑制剂相关mace发生风险的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113571191A true CN113571191A (zh) | 2021-10-29 |
Family
ID=78173317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111014337.4A Pending CN113571191A (zh) | 2021-08-31 | 2021-08-31 | 免疫检查点抑制剂相关mace发生风险的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113571191A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2500886A1 (en) * | 2004-03-15 | 2005-09-15 | F. Hoffmann-La Roche Ag | The use of cardiac hormones for assessing the risk of suffering from a cardiovascular complication as a consequence of volume overload |
CN111710425A (zh) * | 2020-06-19 | 2020-09-25 | 复旦大学附属中山医院 | 一种免疫检查点抑制剂心脏毒性评估方法,系统及装置 |
CN112289443A (zh) * | 2020-07-14 | 2021-01-29 | 山东大学齐鲁医院 | 一种基于生物标志物的急性心血管事件风险评估系统 |
CN112823005A (zh) * | 2018-08-10 | 2021-05-18 | 阿克拉瑞斯治疗股份有限公司 | 吡咯并嘧啶itk抑制剂 |
CN113707333A (zh) * | 2021-08-31 | 2021-11-26 | 复旦大学附属中山医院 | 免疫检查点抑制剂相关心脏毒性的预后评估模型及其应用 |
-
2021
- 2021-08-31 CN CN202111014337.4A patent/CN113571191A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2500886A1 (en) * | 2004-03-15 | 2005-09-15 | F. Hoffmann-La Roche Ag | The use of cardiac hormones for assessing the risk of suffering from a cardiovascular complication as a consequence of volume overload |
CN112823005A (zh) * | 2018-08-10 | 2021-05-18 | 阿克拉瑞斯治疗股份有限公司 | 吡咯并嘧啶itk抑制剂 |
CN111710425A (zh) * | 2020-06-19 | 2020-09-25 | 复旦大学附属中山医院 | 一种免疫检查点抑制剂心脏毒性评估方法,系统及装置 |
CN112289443A (zh) * | 2020-07-14 | 2021-01-29 | 山东大学齐鲁医院 | 一种基于生物标志物的急性心血管事件风险评估系统 |
CN113707333A (zh) * | 2021-08-31 | 2021-11-26 | 复旦大学附属中山医院 | 免疫检查点抑制剂相关心脏毒性的预后评估模型及其应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Patel et al. | Myocardial damage in patients with sarcoidosis and preserved left ventricular systolic function: an observational study | |
Ha et al. | Prediction of sudden cardiac arrest in the general population: review of traditional and emerging risk factors | |
CN111312390A (zh) | 一种乳腺癌心脏毒性的评估方法,系统及存储装置 | |
CN111710425A (zh) | 一种免疫检查点抑制剂心脏毒性评估方法,系统及装置 | |
Sanchis-Gomar et al. | No evidence of adverse cardiac remodeling in former elite endurance athletes | |
Gumina et al. | Strong predictive value of TIMI risk score analysis for in-hospital and long-term survival of patients with right ventricular infarction | |
Sanghai et al. | Indexed left atrial adipose tissue area is associated with severity of atrial fibrillation and atrial fibrillation recurrence among patients undergoing catheter ablation | |
Polovina et al. | Relation of biomarkers of inflammation and oxidative stress with hypertension occurrence in lone atrial fibrillation | |
CN113707333A (zh) | 免疫检查点抑制剂相关心脏毒性的预后评估模型及其应用 | |
Yuce et al. | Fragmented QRS is predictive of myocardial dysfunction, pulmonary hypertension and severity in mitral stenosis | |
Bivona et al. | Machine learning for multidimensional response and survival after cardiac resynchronization therapy using features from cardiac magnetic resonance | |
Accardi et al. | Clinical utility of fluid volume assessment in heart failure patients using bioimpedance spectroscopy | |
Cicero et al. | Relationship between serum uric acid and electrocardiographic alterations in a large sample of general population: data from the Brisighella Heart Study | |
Atwater et al. | ECG myocardial scar quantification predicts reverse left ventricular remodeling and survival after cardiac resynchronization therapy implantation: A retrospective pilot study | |
Gill et al. | Spectrum of cardiac involvement in COVID-19 | |
Andrade et al. | Prolonged heart rate recovery time after 6-minute walk test is an independent risk factor for cardiac events in heart failure: a prospective cohort study | |
Garshick et al. | Average e′ velocity on transthoracic echocardiogram is a novel predictor of left atrial appendage sludge or thrombus in patients with atrial fibrillation | |
CN113571191A (zh) | 免疫检查点抑制剂相关mace发生风险的预测方法 | |
Ghandi et al. | Correlation between mean serum ferritin levels and atrial electrocardiographic markers in beta-thalassemia major | |
Wu et al. | Elevated plasma adiponectin levels are associated with abnormal corrected QT interval in patients with stable angina | |
Liu et al. | Electrocardiographic and cardiometabolic risk markers of left ventricular diastolic dysfunction in physically active adults: CHIEF heart study | |
Lejeune et al. | Association of plasma myeloperoxidase with inflammation and diabetic status in HFpEF | |
RU2336811C1 (ru) | Способ диагностики кардиоваскулярной автономной нейропатии у больных сахарным диабетом, страдающих хронической сердечной недостаточностью | |
RU2807230C1 (ru) | Способ прогнозирования положительного ответа на терапию модуляции сердечной сократимости у пациентов с хронической сердечной недостаточностью со сниженной фракцией выброса левого желудочка и фибрилляцией предсердий | |
Husby et al. | The association between the PR interval and left ventricular measurements in the multiethnic study of atherosclerosis |
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 |