CN115862856A - 甲状腺癌远端转移风险的预测方法、装置 - Google Patents

Abstract

本申请公开了一种甲状腺癌远端转移风险的预测方法、装置。该方法包括：确定甲状腺癌远端转移风险预测的目标参数，目标参数包括：肿瘤分期信息，淋巴结转移信息，基因突变信息；获取目标对象的病理信息，病理信息包括目标参数对应的数据信息；根据目标参数的计分规则，确定病理信息对应的风险分值；根据风险分值确定目标对象的远端转移风险等级，其中，远端转移风险等级为多个，每个远端转移风险等级对应不同的风险分值的取值范围。本申请公开的相关技术解决了在甲状腺癌患者进行治疗时，无法对远端转移高风险患者进行有效的风险预测和动态监控，导致远端转移高风险患者无法进行个体化、精准化地有效治疗辅助的问题。

Description

甲状腺癌远端转移风险的预测方法、装置

技术领域

本申请涉及医疗辅助领域，具体而言，涉及一种甲状腺癌远端转移风险的预测方法、装置。

背景技术

甲状腺癌是临床常见的内分泌系统恶性肿瘤，具有生长缓慢及恶性程度低等特征，早期无明显症状；中晚期可表现为肿块质硬、吞咽困难、声带压迫及颈交感神经结节受压等症状，影响患者的生活质量。流行病学调查显示，约90％的甲状腺癌为分化型甲状腺癌(differentiated thyroid carcinoma,DTC)，其病因较为复杂，与癌细胞生长因子、电离辐射、家族遗传史及雌激素过量分泌等有关。临床治疗DTC以手术切除为主，但仍有部分患者出现预后不良。

甲状腺癌远端转移是DTC疾病相关特异死亡的主要原因。DTC中远端转移常见的部位是肺转移和骨转移，其次是大脑和肝脏转移。大多数远端转移在初次诊断时则被鉴别，一些则是在术后随访期间发现。早期鉴别远端转移高风险患者不仅能够为手术方式、随访密度等治疗策略的制定提供重要线索，还能为随访中发现的远端转移提供预防和治疗的主动性。有研究指出某些临床指标如腺外侵犯能一定程度上指示微小癌的远端转移可能，但是临床上仍缺乏对远端转移风险患者的早期鉴别和预测的诊断系统。

针对相关技术中在对甲状腺癌患者进行远端转移治疗时，无法进行有效预测和诊断，导致部分患者远端转移无法及时发现的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种甲状腺癌远端转移风险的预测方法、装置，以解决相关技术中在对甲状腺癌患者进行远端转移治疗时，无法进行有效预测和诊断，导致部分患者远端转移无法及时发现的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种甲状腺癌远端转移风险的预测方法，所述方法包括：确定甲状腺癌远端转移风险预测的目标参数，其中，所述目标参数包括：肿瘤分期信息，淋巴结转移信息，基因突变信息；获取目标对象的病理信息，其中，所述病理信息包括所述目标参数对应的数据信息；根据所述目标参数的计分规则，确定所述病理信息对应的风险分值，其中，所述计分规则用于统计所述病理信息在目标参数上风险分值；根据所述风险分值确定所述目标对象的远端转移风险等级，其中，所述远端转移风险等级为多个，每个远端转移风险等级对应不同的风险分值的取值范围。

可选的，确定甲状腺远端转移风险预测的目标参数包括：获取多个采样对象的病例信息，其中，所述采样对象为具有甲状腺癌的对象，所述病例信息包括多个与远端转移相关的指标参数；确定多个所述指标参数的风险比；根据所述风险比从多个所述指标参数中选取所述目标参数。

可选的，确定多个所述指标参数的风险比包括：根据风险函数计算各个指标参数的回归系数，其中，所述风险函数如下：h(t)＝h₀(t)exp(β₁X₁+…+β_nX_n)，式中，h(t)为在时间t时刻发生远端转移的概率，h₀(t)为基准风险函数，X₁....X_n分别为多个所述指标参数的值，n为指标参数的数量，β₁....β_n为指标参数的回归系数；根据所述回归系数计算风险比，其中，所述风险比HR_i＝exp(β_i)，式中，i为第i个指标参数。

可选的，根据所述风险比从多个所述指标参数中选取所述目标参数包括：从多个所述指标参数中选取能够作为预测远端转移的独立参数；从所述独立参数中选取风险比最高的预设数量的高风险参数；根据所述远端转移的病理从所述独立参数中选取病理上相关性最高的预设数量的病理相关参数；将所述高风险参数和所述病理相关参数作为所述目标参数。

可选的，根据所述风险比从多个所述指标参数中选取所述目标参数之后，所述方法还包括：根据所述目标参数的不同数据信息，所对应的远端转移的风险，对所述目标参数的计分规则进行设定，其中，目标参数的数据信息对应的风险越高，其对应的风险计分越高；根据所述目标参数的计分规则，确定所述病理信息对应的风险分值包括：在所述病理信息中的数据信息，命中目标参数的计分规则的情况下，进行计分；对所述病理信息相对于各个目标参数的计分，进行统计得到风险分值。

可选的，根据所述风险比从多个所述指标参数中选取所述目标参数之后，所述方法还包括：确定多个所述采样对象中发生远端转移后采用碘治疗的治疗效果；根据远端转移风险等级与碘治疗效果的相关性，确定所述远端转移风险等级与碘治疗效果等级的映射关系；根据所述风险分值确定所述目标对象的远端转移风险等级之后，所述方法还包括：根据所述远端转移风险等级与碘治疗效果等级的映射关系，预测碘治疗效果等级。

可选的，所述目标参数中的肿瘤分期信息为肿瘤T分期，所述淋巴结转移信息为淋巴结转移数量，所述基因突变信息为BRAF和TERTp突变；多个所述指标参数包括但不限于首次及后续超声、穿刺、手术病理的检测手段中获取的目标对象的年龄、性别、病理诊断、多灶性、腺外侵犯、双侧肿瘤，肿瘤最大直径，淋巴结转移数量，病理T分期，病理N分期，BRAF和TERTp基因突变类型；所述独立参数包括：肿瘤最大直径，BRAF和TERTp基因突变，病理T分期，淋巴结转移数量超过5个；所述高风险参数包括肿瘤T分期，所述淋巴结转移数量超过5个，其中，所述肿瘤T分期在计分时，T1和T2期不计分，T3和T4期计分；所述淋巴结转移数量少于5个不计分，超过5个计分；所述病理相关参数包括所述BRAF和TERTp突变，所述BRAF和TERTp联合突变计分，否则不计分。

为了实现上述目的，根据本申请的另一方面，提供了一种甲状腺癌远端转移风险的预测装置，包括：确定模块，用于确定甲状腺癌远端转移风险预测的目标参数，其中，所述目标参数包括：肿瘤分期信息，淋巴结转移信息，基因突变信息；获取模块，用于获取目标对象的病理信息，其中，所述病理信息包括所述目标参数对应的数据信息；计分模块，用于根据所述目标参数的计分规则，确定所述病理信息对应的风险分值，其中，所述计分规则用于统计所述病理信息在目标参数上风险分值；判定模块，用于根据所述风险分值确定所述目标对象的远端转移风险等级，其中，所述远端转移风险等级为多个，每个远端转移风险等级对应不同的风险分值的取值范围。

为了实现上述目的，根据本申请的另一方面，提供了一种计算机可读存储介质，所述存储介质用于存储程序，其中，所述程序执行上述中任意一项所述的甲状腺癌远端转移风险的预测方法。

为了实现上述目的，根据本申请的另一方面，提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述中任意一项所述的甲状腺癌远端转移风险的预测方法。

本申请通过确定甲状腺癌远端转移风险预测的目标参数，肿瘤分期信息，淋巴结转移信息，基因突变信息。根据需要预测的目标对象的病理信息，与上述目标参数的计分规则进行匹配，得到该目标对象的病理信息的风险分值，进而预测到目标对象的远端转移风险等级。

从而达到通过目标参数，快速有效的预测目标对象的远端转移风险，进而提供给医护人员作为诊断依据，并依据远端转移风险制定医疗计划。可以对远端转移高风险患者进行风险预测和动态监控，实现个体话、精准化的治疗辅助，进而解决了在甲状腺癌患者进行治疗时，无法对远端转移高风险患者进行有效的风险预测和动态监控，导致远端转移高风险患者无法进行个体化、精准化地有效治疗辅助的问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例提供的一种甲状腺癌远端转移风险的预测方法的流程图；

图2是根据本申请实施方式提供的远端转移预测的流程图；

图3是根据本申请实施方式提供的不同风险等级的患者未发生远端转移生存期曲线的示意图；

图4是根据本申请实施方式提供的预测远端转移的受试者工作特征曲线(ROC)的示意图；

图5是根据本申请实施方式提供的不同风险等级的患者接受的放射性碘(RAI)剂量曲线的示意图；

图6是根据本申请实施方式提供的RAI治疗反应的ROC曲线的示意图；

图7是根据本申请实施例提供的一种甲状腺癌远端转移风险的预测装置的示意图；

图8是根据本申请实施例提供的一种电子设备的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面结合优选的实施步骤对本发明进行说明，图1是根据本申请实施例提供的一种甲状腺癌远端转移风险的预测方法的流程图，如图1所示，该方法包括如下步骤：

步骤S101，确定甲状腺癌远端转移风险预测的目标参数，其中，目标参数包括：肿瘤分期信息，淋巴结转移信息，基因突变信息；

步骤S102，获取目标对象的病理信息，其中，病理信息包括目标参数对应的数据信息；

步骤S103，根据目标参数的计分规则，确定病理信息对应的风险分值，其中，计分规则用于统计病理信息在目标参数上风险分值；

步骤S104，根据风险分值确定目标对象的远端转移风险等级，其中，远端转移风险等级为多个，每个远端转移风险等级对应不同的风险分值的取值范围。

上述步骤通过确定甲状腺癌远端转移风险预测的目标参数，肿瘤分期信息，淋巴结转移信息，基因突变信息。根据需要预测的目标对象的病理信息，与上述目标参数的计分规则进行匹配，得到该目标对象的病理信息的风险分值，进而预测到目标对象的远端转移风险等级。

从而达到通过目标参数，快速有效的预测目标对象的远端转移风险，进而提供给医护人员作为诊断依据，并依据远端转移风险制定医疗计划。可以对远端转移高风险患者进行风险预测和动态监控，实现个体话、精准化的治疗辅助，进而解决了相关技术中在对甲状腺癌患者进行远端转移治疗时，无法进行有效预测和诊断，导致部分患者远端转移无法及时发现的问题。

上述步骤的执行主体可以为辅助决策系统，该辅助决策系统可以设置在处理器、计算器或控制器等能够进行数据处理和运算的设备上，来执行上述步骤中的数据处理操作，例如步骤S101-步骤S104。

上述甲状腺癌的远端转移风险预测的目标参数，是根据甲状腺癌的采样样本的多个指标参数，计算指标参数与远端转移风险的风险比，风险比用于表征指标参数与远端转移风险的相关性，风险比越高，相关性越强，该指标参数预测远端转移风险的概率越准确。然后根据多个指标参数的风险比从多个指标参数中选取目标参数，作为预测远端转移风险的依据。

上述目标参数均为可以单独预测远端转移风险的参数。在上述多个指标参数中，包括一些风险比较高，但是需要与其他的参数联合去预测远端转移风险的参数，例如，年龄，性别等，计算出来的风险比可能比较高，但是其不属于可以单独预测远端转移风险的参数。

在本实施例中，上述目标参数可以包括：肿瘤分期信息，淋巴结转移信息，基因突变信息。不同的目标参数对应有不同的计分规则，在被预测对象的病理信息中，与目标参数的参数项对应的数据命中计分规则的情况下，进行风险计分，最终根据多个目标参数对应的风险计分，确定最终的风险分值。

在一些实施例中，根据多个目标参数对应的风险计分，确定最终的风险分值，可以是直接相加，也可以是加权累计，得到最终的风险分值。根据风险分值所在的取值范围，确定对应的风险等级。

上述病理信息也即是目标对象与远端转移风险存在相关性的多个指标参数。可以从目标对象首次及后续超声、穿刺、手术病理等检测手段中获取的有关病人甲状腺癌肿瘤大小、淋巴结转移个数、肿瘤镜下及术中肉眼可见的腺外侵犯、血管、肌肉、神经等、根据肿瘤大小和腺外侵犯信息确定的肿瘤分期，上述腺外侵犯包括侵犯或黏连气管、血管、肌肉、神经等。

本实施例中，上述目标参数中的肿瘤分期信息可以为肿瘤的T分期指标参数，对应的计分规则为，T分期为T1和T2得分0分，T3和T4得分1分。上述淋巴结转移信息可以为淋巴结转移个数，对应的计分规则为淋巴结转移个数小于5个，得分0分，淋巴结转移个数大于等于5个，得分1分。上述基因突变信息可以为BRAF V600E和TERT启动子联合突变指标参数，对应的计分规则为同时携有BRAF V600E突变和TERT启动子突变得分1分，否则视为0分。

总计上述三个指标的得分总和，总得分0分评估为远端转移低风险；总得分1分评估为远端转移中风险；总得分2-3分评估为远端转移高风险。对远端转移甲状腺癌碘治疗响应程度的判断结果为：远端转移低中风险报告为“碘治疗响应不佳”低风险，远端转移高风险报告为“碘治疗响应不佳”高风险。

可选的，确定甲状腺远端转移风险预测的目标参数包括：获取多个采样对象的病例信息，其中，采样对象为具有甲状腺癌的对象，病例信息包括多个与远端转移相关的指标参数；确定多个指标参数的风险比；根据风险比从多个指标参数中选取目标参数。

上述采样对象可以为多个，包括甲状腺癌的远端转移和非远端转移。对每个采样对象都获取其病理信息，确定多个指标参数的风险比，根据风险比从多个指标参数中选取目标参数。风险比用于表征指标参数与远端转移风险的相关性，风险比越高，相关性越强，该指标参数预测远端转移风险的概率越准确。从而从多个指标参数中选取与远端转移风险较强相关的目标参数，以方便快捷的对甲状腺癌远端转移风险进行预测。

可选的，确定多个指标参数的风险比包括：根据风险函数计算各个指标参数的回归系数，其中，风险函数如下：h(t)＝h₀(t)exp(β₁X₁+…+β_nX_n)，式中，h(t)为在时间t时刻发生远端转移的概率，h₀(t)为基准风险函数，X₁....X_n分别为多个指标参数的值，n为指标参数的数量，β₁....β_n为指标参数的回归系数；根据回归系数计算风险比，其中，风险比HR_i＝exp(β_i)，式中，i为第i个指标参数。

如表2所示，根据上述风险函数可以计算多个指标参数，包括年龄、性别、病理诊断、多灶性、腺外侵犯、双侧肿瘤和病理N分期、最大肿瘤大小(>2cm)、BRAF+TERTp突变(mt)、病理T分期和LNM(n≥5)等等，其对应的风险比不同。需要说明的是，淋巴结转移数量LNM在另一些实施例中，也可以为大于等于3，4，或者6，7，甚至10，20等数值。

可选的，根据风险比从多个指标参数中选取目标参数包括：从多个指标参数中选取能够作为预测远端转移的独立参数；从独立参数中选取风险比最高的预设数量的高风险参数；根据远端转移的病理从独立参数中选取病理上相关性最高的预设数量的病理相关参数；将高风险参数和病理相关参数作为目标参数。

年龄、性别、病理诊断、多灶性、腺外侵犯、双侧肿瘤和病理N分期很难作为远端转移风险预测的独立预测因素，也即是属于非独立参数，非独立参数虽然从计算出的风险比上可能比较高，例如腺外侵犯的风险比为2.173，病理诊断的风险比为1.967，但是其并不能单独进行预测，需要结合其他的参数进行预测，或者量化的难度较高不好进行判定。

而最大肿瘤大小(>2cm)、BRAF+TERTp突变(mt)、病理T分期和LNM(n≥5)等都可以为远端转移风险预测的独立参数。其中，病理T分期的风险比为4.142，LNM(n≥5)淋巴结转移个数大于等于5的风险比为7.041。为风险比最高的两个指标参数。

而BRAF+TERTp突变是上述独立参数中可早期从临床穿刺等手段得到的风险参数。因此，选用T分期指标参数，淋巴结转移个数和BRAF+TERTp突变三个目标参数作为判定远端转移的依据。

可选的，根据风险比从多个指标参数中选取目标参数之后，方法还包括：根据目标参数的不同数据信息，所对应的远端转移的风险，对目标参数的计分规则进行设定，其中，目标参数的数据信息对应的风险越高，其对应的风险计分越高；根据目标参数的计分规则，确定病理信息对应的风险分值包括：在病理信息中的数据信息，命中目标参数的计分规则的情况下，进行计分；对病理信息相对于各个目标参数的计分，进行统计得到风险分值。

对应规则为T分期为T1和T2得分0分，T3和T4得分1分。淋巴结转移个数小于5个，得分0分，淋巴结转移个数大于等于5个，得分1分。同时携有BRAF V600E突变和TERT启动子突变得分1分，否则视为0分。总计上述三个指标的得分总和，总得分0分评估为远端转移低风险；总得分1分评估为远端转移中风险；总得分2-3分评估为远端转移高风险。对远端转移甲状腺癌碘治疗响应程度的判断结果为：远端转移低中风险报告为“碘治疗响应不佳”低风险，远端转移高风险报告为“碘治疗响应不佳”高风险。

可选的，根据风险比从多个指标参数中选取目标参数之后，方法还包括：确定多个采样对象中发生远端转移后采用碘治疗的治疗效果；根据远端转移风险等级与碘治疗效果的相关性，确定远端转移风险等级与碘治疗效果等级的映射关系；根据风险分值确定目标对象的远端转移风险等级之后，方法还包括：根据远端转移风险等级与碘治疗效果等级的映射关系，预测碘治疗效果等级。

放射性碘治疗目前仍旧是临床上治疗远端转移病人的主要手段，其预后也受到多种因素的影响。其中患者病灶失去对碘的摄取能力从而造成极难从碘治疗中受益是远端转移病人不良预后的重要原因。同时，远端转移患者通常会面临多次碘治疗的情况，每次碘治疗前需要反复停用甲状腺激素从而会进一步增加甲状腺癌疾病进展的风险。另外，对于碘-131治疗响应不佳的病人即使接受多次大剂量的碘-131治疗仍旧无法受益，反而增加了高强度辐射带来的次生肿瘤的风险。因此，早期鉴别对碘-131治疗响应不佳的远端转移病人不仅能够避免病人接受不必要的碘-131治疗，也能便于尽早确立靶向药物治疗等替代方案，减少肿瘤恶化的风险。

如表5，以及图3和图4所示，通过单因素分析发现，与远端转移风险低的患者相比，远端转移中高风险组的患者与碘治疗效果的相关性更强。与远端转移高风险组患者相比，低风险和中等风险组患者的远端转移复发时间更长，碘治疗效果更好。

因此将远端转移的中低风险等级与碘治疗效果不佳的低等级进行映射，将远端转移高风险与碘治疗效果不佳的高等级进行映射，在远端转移风险等级确定后，就可以确定出对应的碘治疗效果等级。

可选的，目标参数中的肿瘤分期信息为肿瘤T分期，淋巴结转移信息为淋巴结转移数量，基因突变信息为BRAF和TERTp突变；多个指标参数包括但不限于首次及后续超声、穿刺、手术病理等检测手段中获取的有关目标对象的：年龄、性别、病理诊断、多灶性、腺外侵犯、双侧肿瘤，肿瘤最大直径，淋巴结转移数量，病理T分期，病理N分期，BRAF和TERTp基因突变类型；独立参数包括：肿瘤最大直径，BRAF和TERTp基因突变，病理T分期，淋巴结转移数量超过5个；高风险参数包括肿瘤T分期，淋巴结转移数量超过5个，其中，肿瘤T分期在计分时，T1和T2期不计分，T3和T4期计分；淋巴结转移数量少于5个不计分，超过5个计分；病理相关参数包括BRAF和TERTp突变，BRAF和TERTp联合突变计分，否则不计分。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以不同于此处的顺序执行所示出或描述的步骤。

需要说明的是，本申请还提供了一种可选的实施方式，下面对该实施方式进行详细说明。

本实施方式提供了一种甲状腺癌远端转移风险及对后续碘治疗辅助决策系统，属于辅助决策系统领域。该系统包括以下部分：第一部分：数据采集终端；用于采集甲状腺癌患者的病理信息，包括临床资料和病理检查资料，以及BRAF V600E和TERT启动子基因检测结果；第二部分：后台服务器；后台服务器包括甲状腺癌远端转移风险模块用于判断患者的远端转移及对可能存在碘-131治疗不良响应的危险度，报告为“远端转移风险”和“碘治疗响应不佳风险”；第三部分：用户终端；用于输出后台服务器的判断结果和建议。本发明对甲状腺癌患者是否具有远端转移风险进行危险度分层向用户发送建议，为用户提供个体化的治疗决策建议，对临床上辅助制定甲状腺癌远端转移患者的早期鉴别及治疗决策具有重要意义。

第一部分中，临床资料包括性别、年龄、甲状腺切除术方式、颈部淋巴结清扫范围、病灶是否完全切除。

病理检查资料包括肿瘤病理类型、肿瘤外侵甲状腺外组织、受侵犯的甲状腺外软组织、滤泡癌血管侵袭、淋巴结转移数量。

评分表制备，包括运用EXCEL、SPSS、Jamovi、SAS、R语言等软件计算得出模板评分表构成的元素。

评分表制备，通过cox回归公式：h(t)＝h₀(t)exp(β₁X₁+…+β_nX_n)计算模板评分表中构成元素的exp(β)值，即风险比(Hazard ratio,HR)。其中h(t)指的是所录入病人的远端转移的风险函数，即在时间t时刻发生远端转移的概率，它随着时间的变化而变化。h₀(t)是基准风险函数，该回归方程的截距。X₁....X_n是协变量，包括软件获取的病人病理信息和BRAFV600E、TERT启动子突变的基因检测信息；β₁....β_n是变量前的系数，称为回归系数。这里通过极大似然法来估计回归系数；

将肿瘤的T分期、淋巴结转移个数多于5个和同时携有BRAF V600E和TERT启动子突变三个元素制成制表模板，1)T分期评分标准：T1和T2得分0分，T3和T4得分1分；2)淋巴结转移得分标准：淋巴结转移个数小于5个，得分0分，淋巴结转移个数大于等于5个，得分1分；3)BRAF V600E和TERT启动子联合突变得分标准：同时携有两个突变得分1分，否则视为0分。

对甲状腺癌远端转移危险度的判断结果为：1)总计前三项得分总和，总得分0分评估为远端转移低风险；2)总得分1分评估为远端转移中风险；3)总得分2-3分评估为远端转移高风险。

对远端转移甲状腺癌碘治疗响应程度的判断结果为：1)远端转移低中风险报告为“碘治疗响应不佳”低风险，2)远端转移高风险报告为“碘治疗响应不佳风险”。

向用户发送远端转移及碘治疗响应程度相关报告，为用户提供个体化治疗决策建议，包括不限于：手术全切、颈部清扫、颈部根治术、首次大剂量碘治疗剂量及靶向药物治疗等替代方案等。

图2是根据本申请实施方式提供的远端转移预测的流程图，如图2所示，在具体的应用场景中，本实施方式先接收需要预测的患者的病理信息，并判断该信息是否完整，若不完整则需要发出需要补充的提示信息。将完整的病理信息中的构成元素，也即是包含的各个与远端转移相关的指标参数，进行提取，并确定其HR值，也即是风险分值，来判断其与远端转移风险的相关程度，进而筛选组成评分表的目标参数。通过目标参数的评分表格，来对该患者的风险分值进行统计，并确定其风险等级，以及碘治疗相应效果。

样本获取及分类：根据2015年美国甲状腺协会指南中描述的标准，通过计算机断层扫描(CT)、I-131全身扫描和RAI治疗后甲状腺球蛋白(Tg)水平来识别远端转移(DM)。首次治疗后诊断为同步远端转移。随访期间诊断的其他远端转移被归类为非同步远端转移。根据该标准，2008年1月至2021 12月，在138例DM患者中确定了61个同步型和38个非同步型以及39个未确定的DM-TCs(远端转移碘难治性甲状腺癌)亚型，中位随访期为55.6个月(范围：27.2-83.0个月)。同步型指的是诊断时发现的DM-TCs，非同步型指的是随访过程中发现的DM-TCs。

从2016年1月至2019年7月期间的患者中收集了非DM样本(n＝1059)，中位随访期为39.1个月(范围：35.2-43.1个月)。停止甲状腺激素治疗后，接受放射性碘治疗的患者接受4.4-5.5GBq(120-150mCi)的I-131，以获得超过30mUI/L的促甲状腺激素(TSH)水平。放射性碘难治性甲状腺癌的定义如前所述。简言之，患者在至少一个肿瘤病灶的¹³¹I的初始或后续治疗中显示出阴性结果，在放射性碘(RAI)治疗期间疾病进展，患者接受累积剂量超过600mCi的I-131被视为放射性碘难治性(RAIR)。

BRAF和TERTp突变的检测：从细针穿刺(FNA)样品中获取BRAF V600E和TERTp热点(C228T或C250T)突变的状态，通过等位基因特异性荧光探针定量聚合酶链反应(qPCR)分析进行测量。对于未进行FNA的患者，从10μm厚的石蜡包埋组织切片中提取DNA。按照制造商的说明，使用FFPE DNA试剂盒进行DNA提取。简而言之，石蜡包埋的组织用二甲苯脱蜡并用乙醇洗涤两次。乙醇挥发后，用最终浓度为1ug/mL的裂解I和蛋白酶K进行组织裂解。然后使用吸附柱富集提取的DNA。收集的DNA用TERT启动子引物进行PCR扩增。然后用SanPrep柱PCR产物纯化试剂盒纯化440bp长度的PCR产物，经由测序，如表1所示，表1为q-PCR引物表。

表1q-PCR引物表

/>

运用软件通过公式计算模板评分表中的构成元素：表2为与较差的无远端转移生存率相关的独立危险因素分析表，如表2所示，年龄、性别、病理诊断、多灶性、腺外侵犯、双侧肿瘤和病理N分期很难作为DM-TCs的独立预测因素。最大肿瘤大小(>2cm)和BRAF+TERTp突变(mt)的危险评分(HR)分别为2.446(CI:1.251-4.784，P＝0.009)和1.847(CI:0.747-4.568，P＝0.185)。病理T分期(T3+T4，HR:4.142，CI:1.055-16.263，P＝0.042)和LNM(n≥5，HR:7.041，CI:2.961-16.743，P<0.0001)更能预测无远处转移生存期(DistantMetastasis-Free Survival，DMFS)。与单因素分析一致，BRAF野生型是DM-TCs的显著危险因素(HR:1.848，CI:0.982-3.472，P＝0.057)。

表2与较差的无远端转移生存率相关的独立危险因素分析表

通过模板评分表建立远端转移风险(TLBT)评估模型：表3为模板评分表，如表3所示，本实施方式提供了一种远端转移风险评估模型，由T分期、LNM(n≥5)和BRAF+TERTp突变构成用于预测DM-TCs(缩写为“TLBT”)。表4为远端转移危险度(TLBT)分层的患者特征表，如表4所示，根据风险因素患者的数量，891名患者被分为无风险因素的低风险组，197名患者被划分为有1个风险因素的中风险组，另有55名患者被定义为有2个以上风险因素的高风险组。每个风险组的特征显示，84名DM患者中有40名(47.6％)被分为高TLBT风险组，另外42名(50％)和2名(2.4％)DM患者分别被分为中风险组和低风险组。

表3模板评分表

T分期评分标准：T1和T2得分0分，T3和T4得分1分；淋巴结转移得分标准：淋巴结转移个数小于5个，得分0分，淋巴结转移个数大于等于5个，得分1分；BRAF V600E和TERT启动子联合突变得分标准：同时携有两个突变得分1分，否则视为0分；

远端转移危险度(TLBT)评分标准：总计前三项得分总和，总得分0分评估为远端转移低风险；总得分1分评估为远端转移中风险；总得分2-3分评估为远端转移高风险。

远端转移低风险报告为“远端转移低风险”，远端转移中高风险报告为“远端转移风险”。

远端转移低中风险报告为“碘治疗响应不佳”低风险，远端转移高风险报告为“碘治疗响应不佳风险”。

表4远端转移危险度(TLBT)分层的患者特征表

远端转移风险(TLBT)评估模型在预测远端转移中的应用：表5为TLBT风险分层对远端转移的预测表，如表5所示，通过单因素分析发现，与TLBT风险低的患者相比，TLBT中高风险组的患者与DM-TC的相关性更强。HR和相应CI的数据如下所示：中等风险组(HR:81.62，CI:19.49-341.76，P<0.001)和高风险组(HR:386.67，CI:92.50-1616.43，P<0.01)，TLBT模型中中等风险组和高等风险组的HR分别为26.88(CI:4.39-164.71，P<0.001)和31.38(CI:2.06-477.36，P＝0.013)。

表5TLBT风险分层对远端转移的预测表

图3是根据本申请实施方式提供的不同风险等级的患者未发生远端转移生存期曲线的示意图，如图3所示，与TLBT高风险组患者相比，低风险和中等风险组患者的DM复发时间更长。图4是根据本申请实施方式提供的预测远端转移的受试者操作特征曲线(ReceiverOperating Characteristic curve，ROC)的示意图，如图4所示，为了检验TLBT风险模型在DM-TC预测中的性能，拟合了ROC曲线。当预测具有BRAF+TERTp突变的DM-TC发生时，只能获得0.596(0.566-0.625，P<0.001)的曲线下面积(AUC)。相比之下，用LNM(n≥5)或T阶段，分别获得AUC＝0.794(0.770-0.818，P<0.001)和AUC＝0.820(0.796-0.842)的表现。然而，当用TLBT风险组预测时，发现DM TC的AUC为0.941(0.926-0.954，P<0.001)。

远端转移(DM)风险(TLBT)评估模型在预测碘-131响应程度中的应用：本实施方式中所述TLBT风险模型在预测放射性碘(RAI)治疗反应的预后中具有价值。表6为TLBT风险预测模型中RAI治疗的反应表，如表6所示，共有264名患者(非DM，n＝184；DM，n＝80)在首次手术后接受了RAI治疗。

表6TLBT风险预测模型中RAI治疗的反应表

与TLBT的低和中等风险组接受的RAI剂量相比，被分配到TLBT高等风险组的患者接受的累积RAI剂量水平显著升高(P<0.001)。图5是根据本申请实施方式提供的不同风险等级的患者接受的RAI剂量曲线的示意图。在DM-TCs中，80％(16/20)的TLBT高风险患者和52％(13/25)的TLBT中风险患者在随访中出现RAI难治性。相比之下，没有发现TLBT低风险的患者对RAI治疗产生耐受性。在非DM-TCs中，与TLBT低或中等风险的患者相比，TLBT高风险组的放射性碘耐受(RAIR)发生率也有所增加，如表6所示。所有接受RAI治疗的患者的ROC曲线，以预测RAIR。图6是根据本申请实施方式提供的RAI治疗反应的ROC曲线的示意图，如图6所示，AUC＝0.774，P<0.001指出，TLBT风险模型在预测RAI治疗反应的预后中具有价值。

图7是根据本申请实施例提供的一种甲状腺癌远端转移风险的预测装置的示意图，如图7所示，本申请实施例还提供了一种甲状腺癌远端转移风险的预测装置，需要说明的是，本申请实施例的甲状腺癌远端转移风险的预测装置可以用于执行本申请实施例所提供的用于甲状腺癌远端转移风险的预测方法。以下对本申请实施例提供的甲状腺癌远端转移风险的预测装置进行介绍。该装置包括：确定模块71，获取模块72，计分模块73，判定模块74，下面对该装置进行详细说明。

确定模块71，用于确定甲状腺癌远端转移风险预测的目标参数，其中，目标参数包括：肿瘤分期信息，淋巴结转移信息，基因突变信息；获取模块72，与上述确定模块71相连，用于获取目标对象的病理信息，其中，病理信息包括目标参数对应的数据信息；计分模块73，与上述获取模块72相连，用于根据目标参数的计分规则，确定病理信息对应的风险分值，其中，计分规则用于统计病理信息在目标参数上风险分值；判定模块74，与上述计分模块73相连，用于根据风险分值确定目标对象的远端转移风险等级，其中，远端转移风险等级为多个，每个远端转移风险等级对应不同的风险分值的取值范围。

上述甲状腺癌远端转移风险的预测装置，通过确定甲状腺癌远端转移风险预测的目标参数，肿瘤分期信息，淋巴结转移信息，基因突变信息。根据需要预测的目标对象的病理信息，与上述目标参数的计分规则进行匹配，得到该目标对象的病理信息的风险分值，进而预测到目标对象的远端转移风险等级。

从而达到通过目标参数，快速有效的预测目标对象的远端转移风险，进而提供给医护人员作为诊断依据，并依据远端转移风险制定医疗计划。进而解决了相关技术中在对甲状腺癌患者进行远端转移治疗时，无法进行有效预测和诊断，导致部分患者远端转移无法及时发现的问题。

所述甲状腺癌远端转移风险的预测装置包括处理器和存储器，上述确定模块71，获取模块72，计分模块73，判定模块74等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决了相关技术中非电容屏原配的电容笔在使用时，用户无法确定是否适配的问题。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现所述甲状腺癌远端转移风险的预测方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述甲状腺癌远端转移风险的预测方法。

图8是根据本申请实施例提供的一种电子设备的示意图，如图8所示，本申请实施例提供了一种电子设备80，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现上述甲状腺癌远端转移风险的预测方法的步骤：

本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在甲状腺癌远端转移风险的预测设备上执行时，适于执行初始化有上述任一方法步骤的程序。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程甲状腺癌远端转移风险的预测设备的处理器以产生一个机器，使得通过计算机或其他可编程甲状腺癌远端转移风险的预测设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程甲状腺癌远端转移风险的预测设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程甲状腺癌远端转移风险的预测设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种甲状腺癌远端转移风险的预测方法，其特征在于，所述方法包括：

确定甲状腺癌远端转移风险预测的目标参数，其中，所述目标参数包括：肿瘤分期信息，淋巴结转移信息，基因突变信息；

获取目标对象的病理信息，其中，所述病理信息包括所述目标参数对应的数据信息；

根据所述目标参数的计分规则，确定所述病理信息对应的风险分值，其中，所述计分规则用于统计所述病理信息在目标参数上风险分值；

根据所述风险分值确定所述目标对象的远端转移风险等级，其中，所述远端转移风险等级为多个，每个远端转移风险等级对应不同的风险分值的取值范围。

2.根据权利要求1所述的方法，其特征在于，确定甲状腺远端转移风险预测的目标参数包括：

获取多个采样对象的病例信息，其中，所述采样对象为具有甲状腺癌的对象，所述病例信息包括多个与远端转移相关的指标参数；

确定多个所述指标参数的风险比；

根据所述风险比从多个所述指标参数中选取所述目标参数。

3.根据权利要求2所述的方法，其特征在于，确定多个所述指标参数的风险比包括：

根据风险函数计算各个指标参数的回归系数，其中，所述风险函数如下：

h(t)＝h₀(t)exp(₁X₁+…+_nX_n)

式中，h(t)为在时间t时刻发生远端转移的概率，h₀(t)为基准风险函数，X₁....X_n分别为多个所述指标参数的值，n为指标参数的数量，β₁....β_n为指标参数的回归系数；

根据所述回归系数计算风险比，其中，所述风险比HR_i＝exp(β_i)，式中，i为第i个指标参数。

4.根据权利要求2所述的方法，其特征在于，根据所述风险比从多个所述指标参数中选取所述目标参数包括：

从多个所述指标参数中选取能够作为预测远端转移的独立参数；

从所述独立参数中选取风险比最高的预设数量的高风险参数；

根据所述远端转移的病理从所述独立参数中选取病理上相关性最高的预设数量的病理相关参数；

将所述高风险参数和所述病理相关参数作为所述目标参数。

5.根据权利要求2所述的方法，其特征在于，根据所述风险比从多个所述指标参数中选取所述目标参数之后，所述方法还包括：

根据所述目标参数的不同数据信息，所对应的远端转移的风险，对所述目标参数的计分规则进行设定，其中，目标参数的数据信息对应的风险越高，其对应的风险计分越高；

根据所述目标参数的计分规则，确定所述病理信息对应的风险分值包括：

在所述病理信息中的数据信息，命中目标参数的计分规则的情况下，进行计分；

对所述病理信息相对于各个目标参数的计分，进行统计得到风险分值。

6.根据权利要求5所述的方法，其特征在于，根据所述风险比从多个所述指标参数中选取所述目标参数之后，所述方法还包括：

确定多个所述采样对象中发生远端转移后采用碘治疗的治疗效果；

根据远端转移风险等级与碘治疗效果的相关性，确定所述远端转移风险等级与碘治疗效果等级的映射关系；

根据所述风险分值确定所述目标对象的远端转移风险等级之后，所述方法还包括：

根据所述远端转移风险等级与碘治疗效果等级的映射关系，预测碘治疗效果等级。

7.根据权利要求4所述的方法，其特征在于，所述目标参数中的肿瘤分期信息为肿瘤T分期，所述淋巴结转移信息为淋巴结转移数量，所述基因突变信息为BRAF和TERTp突变；

多个所述指标参数包括但不限于首次及后续超声、穿刺、手术病理的检测手段中获取的目标对象的年龄、性别、病理诊断、多灶性、腺外侵犯、双侧肿瘤，肿瘤最大直径，淋巴结转移数量，病理T分期，病理N分期，BRAF和TERTp基因突变类型；

所述独立参数包括：肿瘤最大直径，BRAF和TERTp基因突变，病理T分期，淋巴结转移数量超过5个；

所述高风险参数包括肿瘤T分期，所述淋巴结转移数量超过5个，其中，所述肿瘤T分期在计分时，T1和T2期不计分，T3和T4期计分；所述淋巴结转移数量少于5个不计分，超过5个计分；所述病理相关参数包括所述BRAF和TERTp突变，所述BRAF和TERTp联合突变计分，否则不计分。

8.一种甲状腺癌远端转移风险的预测装置，其特征在于，包括：

确定模块，用于确定甲状腺癌远端转移风险预测的目标参数，其中，所述目标参数包括：肿瘤分期信息，淋巴结转移信息，基因突变信息；

获取模块，用于获取目标对象的病理信息，其中，所述病理信息包括所述目标参数对应的数据信息；

计分模块，用于根据所述目标参数的计分规则，确定所述病理信息对应的风险分值，其中，所述计分规则用于统计所述病理信息在目标参数上风险分值；

判定模块，用于根据所述风险分值确定所述目标对象的远端转移风险等级，其中，所述远端转移风险等级为多个，每个远端转移风险等级对应不同的风险分值的取值范围。

9.一种计算机可读存储介质，其特征在于，所述存储介质用于存储程序，其中，所述程序执行权利要求1至7中任意一项所述的甲状腺癌远端转移风险的预测方法。

10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的甲状腺癌远端转移风险的预测方法。

Images