CN116844685B - 一种免疫治疗效果评估方法、装置、电子设备及存储介质 - Google Patents
一种免疫治疗效果评估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116844685B CN116844685B CN202310805651.7A CN202310805651A CN116844685B CN 116844685 B CN116844685 B CN 116844685B CN 202310805651 A CN202310805651 A CN 202310805651A CN 116844685 B CN116844685 B CN 116844685B
- Authority
- CN
- China
- Prior art keywords
- biological
- evaluation
- sample
- gene expression
- evaluation model
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 47
- 230000001024 immunotherapeutic effect Effects 0.000 title description 6
- 230000014509 gene expression Effects 0.000 claims abstract description 39
- 238000013210 evaluation model Methods 0.000 claims abstract description 35
- 239000003181 biological factor Substances 0.000 claims abstract description 29
- 239000012472 biological sample Substances 0.000 claims abstract description 29
- 230000000694 effects Effects 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000000556 factor analysis Methods 0.000 claims abstract description 17
- 238000009169 immunotherapy Methods 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 6
- 102000004169 proteins and genes Human genes 0.000 claims abstract description 6
- 239000000523 sample Substances 0.000 claims description 28
- 230000028993 immune response Effects 0.000 claims description 18
- 238000000611 regression analysis Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 10
- 238000003759 clinical diagnosis Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000003559 RNA-seq method Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 229940124452 immunizing agent Drugs 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 20
- 238000001514 detection method Methods 0.000 abstract description 4
- 210000004027 cell Anatomy 0.000 description 17
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000000987 immune system Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000001363 autoimmune Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000036737 immune function Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000002626 targeted therapy Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本申请涉及医疗检测装置技术领域，公开了一种免疫治疗效果评估方法、装置、电子设备及存储介质，该方法包括以下步骤：采集生物样本；对生物样本进行生物因素分析，所述生物因素包括生物样本的DNA、RNA和蛋白质对应的基因表达量，所述生物因素通过生物临床试验表现和细胞切片分析得到；将生物因素分析结果输入评估模型，所述评估模型输出治疗效果评估结果Q；其中，所述评估模型的网络参数基于数据集训练得到。本申请公开的装置、电子设备及存储介质均与前述的方法相适配。本申请预测方法和计算方法均较为简单，具有较高的工作效率和较高的结果可靠性。
Description
技术领域
本申请涉及医疗检测装置技术领域，具体是一种免疫治疗效果评估方法、装置、电子设备及存储介质。
背景技术
免疫治疗(immunotherapy)是指针对机体低下或亢进的免疫状态，人为地增强或抑制机体的免疫功能以达到治疗疾病目的的治疗方法。免疫治疗的方法有很多，适用于多种疾病的治疗。肿瘤的免疫治疗旨在激活人体免疫系统，依靠自身免疫机能杀灭癌细胞和肿瘤组织。与以往的手术、化疗、放疗和靶向治疗不同的是，免疫治疗针对的靶标不是肿瘤细胞和组织，而是人体自身的免疫系统。
但是，针对不同的机体而言，免疫治疗的疗效不同，但是，为了能够达到免疫治疗的预期疗效，需要对免疫治疗的效果进行预测，以便于针对性改变治疗策略。现有的一些免疫治疗预测方式，为了提高预测结果，存在计算复杂、难以广泛应用于临床的问题。因此，亟需一种预测方法和计算方式简单的评估技术来弥补这一技术缺陷。
发明内容
本申请的目的在于提供一种免疫治疗效果评估方法、装置、电子设备及存储介质，以解决上述背景技术中提出的技术问题。
为实现上述目的，本申请公开了以下技术方案：
第一方面，本申请公开了一种免疫治疗效果评估方法，该方法包括以下步骤：
采集生物样本；
对生物样本进行生物因素分析，所述生物因素包括生物样本的DNA、RNA和蛋白质对应的基因表达量，所述生物因素通过生物临床试验表现和细胞切片分析得到；
将生物因素分析结果输入评估模型，所述评估模型输出治疗效果评估结果Q；其中，所述评估模型的网络参数基于数据集训练得到。
在一种实施方式中，所述评估模型的构建方法包括以下步骤：
获取数据集；所述数据集包括：样本特征向量，以及RNAseq数据、TCGA-LUAD、GSE72094数据集、GSE42127数据集、GSE41271数据集、GSE68465数据集中的一种或多种；所述样本特征向量包括生物细胞年龄、生物细胞活性、生物细胞敏感性中的一种或多种；
回归分析；将获取的数据集通过回归分析确认基因表达量基准值γ、基因表达量损失系数η以及不同类型的生物样本在所述评估模型中对应的回归系数ρ，基于回归分析的结果，构建所述评估模型，并建立生物样本对应的样本评估值M与所述基因表达量基准值γ、所述基因表达量损失系数η和所述回归系数ρ之间的映射关系。
在一种实施方式中，所述样本评估值M的计算公式为：其中，β为生物样本通过所述生物因素分析获得的基因表达量；
所述评估结果Q的计算公式为：Q＝K1*M+K2*N，其中，N为待测生物的临床评分，K1和K2分别为样本评估值和临床评分对应的权重系数，且K1+K2＝1。
在一种实施方式中，所述临床评分的获取具体包括以下步骤：
对待测生物进行临床诊断或生物影像采集，基于临床诊断的结果或生物影像采集的结果获得临床评分。
在一种实施方式中，通过所述临床诊断得到所述临床评分的具体步骤包括：
对待测生物使用有效剂量的免疫制剂；
在多个时间节点获取待测生物的表现样本；
对所述表现样本的免疫应答特征进行持续采集，将持续采集到的免疫应答特征绘制得到变化曲线后与免疫应答基线进行比较，并得到临床评分。
在一种实施方式中，所述临床评分N的计算公式为其中，r为与免疫应答基线相比表现好或表现相同的免疫应答特征的个数，R为免疫应答特征的总个数。
第二方面，公开了一种免疫治疗效果评估装置，包括参数录入模块、评估模型；
所述参数录入模块配置为用于输入生物因素分析结果，所述生物因素包括生物样本的DNA、RNA和蛋白质对应的基因表达量，所述生物因素通过生物临床试验表现和细胞切片分析得到；
所述评估模型配置为基于输入的生物因素分析结果输出治疗效果评估结果Q，所述评估模型的网络参数基于数据集训练得到；所述评估模型的构建方法包括以下步骤：
获取数据集；所述数据集包括：样本特征向量，以及RNAseq数据、TCGA-LUAD、GSE72094数据集、GSE42127数据集、GSE41271数据集、GSE68465数据集中的一种或多种；所述样本特征向量包括生物细胞年龄、生物细胞活性、生物细胞敏感性中的一种或多种；
回归分析；将获取的数据集通过回归分析确认基因表达量基准值γ、基因表达量损失系数η以及不同类型的生物样本在所述评估模型中对应的回归系数ρ，基于回归分析的结果，构建所述评估模型，并建立生物样本对应的样本评估值M与所述基因表达量基准值γ、所述基因表达量损失系数η和所述回归系数ρ之间的映射关系。
在一种实施方式中，所述样本评估值M的计算公式为：其中，β为生物样本通过所述生物因素分析获得的基因表达量；
所述评估结果Q的计算公式为：Q＝K1*M+K2*N，其中，N为待测生物的临床评分，K1和K2分别为样本评估值和临床评分对应的权重系数，且K1+K2＝1。
第三方面，公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信；所述存储器中存储有计算机程序，当所述程序被所述处理器执行时，实现上述的免疫治疗效果评估方法。
第四方面，公开了一种计算机可读存储介质，该种计算机可读存储介质存储有计算机程序，当所述计算机程序被电子设备执行时，实现上述的免疫治疗效果评估方法。
有益效果：本申请的免疫治疗效果评估方法、装置、电子设备及存储介质，基于检测得到的生物样本的基因表达量，以及生物临床试验表现，通过评估模型输出得到预测的治疗效果评估结果Q，预测方法和计算方法均较为简单，具有较高的工作效率和较高的结果可靠性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中免疫治疗效果评估方法的流程框图。
具体实施方式
下面将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，都属于本申请保护的范围。
在本文中，术语“包括”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、物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、物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……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
参考图1所示的一种免疫治疗效果评估方法，该方法包括以下步骤：
步骤S101-采集生物样本；
步骤S102-对生物样本进行生物因素分析，所述生物因素包括生物样本的DNA、RNA和蛋白质对应的基因表达量，所述生物因素通过生物临床试验表现和细胞切片分析得到；
步骤S103-将生物因素分析结果输入评估模型，所述评估模型输出治疗效果评估结果Q；其中，所述评估模型的网络参数基于数据集训练得到。
在一种具体的实施方式中，所述评估模型的构建方法包括以下步骤：
获取数据集；所述数据集包括：样本特征向量，以及RNAseq数据、TCGA-LUAD、GSE72094数据集、GSE42127数据集、GSE41271数据集、GSE68465数据集中的一种或多种；所述样本特征向量包括生物细胞年龄、生物细胞活性、生物细胞敏感性中的一种或多种；
回归分析；将获取的数据集通过回归分析确认基因表达量基准值γ、基因表达量损失系数η以及不同类型的生物样本在所述评估模型中对应的回归系数ρ，基于回归分析的结果，构建所述评估模型，并建立生物样本对应的样本评估值M与所述基因表达量基准值γ、所述基因表达量损失系数η和所述回归系数ρ之间的映射关系。其中，所使用的回归分析算法包括但不限于有单因素COX回归、LASSO回归和多因素cox回归分析等。
在本实施例中，所述样本评估值M的计算公式为：其中，β为生物样本通过所述生物因素分析获得的基因表达量。所述评估结果Q的计算公式为：Q＝K1*M+K2*N，其中，N为待测生物的临床评分，K1和K2分别为样本评估值和临床评分对应的权重系数，且K1+K2＝1。
进一步地，所述临床评分的获取具体包括以下步骤：
对待测生物进行临床诊断或生物影像采集，基于临床诊断的结果或生物影像采集的结果获得临床评分。
具体来说，通过所述临床诊断得到所述临床评分的具体步骤包括：
对待测生物使用有效剂量的免疫制剂；
在多个时间节点获取待测生物的表现样本；
对所述表现样本的免疫应答特征进行持续采集，将持续采集到的免疫应答特征绘制得到变化曲线后与免疫应答基线进行比较，并得到临床评分。所述临床评分N的计算公式为其中，r为与免疫应答基线相比表现好或表现相同的免疫应答特征的个数，R为免疫应答特征的总个数。
因此，评估结果
另一种可行的是，通过生物影像采集得到所述临床评分的具体步骤包括：基于生物影像(CT或核磁共振等得到的病理图像)对待测生物的病灶进行分析，同时，可以借助现有技术中的一些如基于深度学习算法搭建的诊断模型，来匹配该生物影像的诊断结果，并基于该诊断结果获取相应的临床评分N，这一点，在现有技术中已经存在相应的记载，因此，本文本不再赘述。
基于上述，本申请记载的免疫治疗效果评估方法，基于检测得到的生物样本的基因表达量，以及生物临床试验表现，通过评估模型输出得到预测的治疗效果评估结果Q，预测方法和计算方法均较为简单，具有较高的工作效率和较高的结果可靠性。
本实施例还公开了一种适用于上述方法的免疫治疗效果评估装置，包括参数录入模块、评估模型。
具体的，所述参数录入模块配置为用于输入生物因素分析结果，所述生物因素包括生物样本的DNA、RNA和蛋白质对应的基因表达量，所述生物因素通过生物临床试验表现和细胞切片分析得到。所述评估模型配置为基于输入的生物因素分析结果输出治疗效果评估结果Q，所述评估模型的网络参数基于数据集训练得到。
其中，所述评估模型的构建方法包括以下步骤：
获取数据集；所述数据集包括：样本特征向量，以及RNAseq数据、TCGA-LUAD、GSE72094数据集、GSE42127数据集、GSE41271数据集、GSE68465数据集中的一种或多种；所述样本特征向量包括生物细胞年龄、生物细胞活性、生物细胞敏感性中的一种或多种；
回归分析；将获取的数据集通过回归分析确认基因表达量基准值γ、基因表达量损失系数η以及不同类型的生物样本在所述评估模型中对应的回归系数ρ，基于回归分析的结果，构建所述评估模型，并建立生物样本对应的样本评估值M与所述基因表达量基准值γ、所述基因表达量损失系数η和所述回归系数ρ之间的映射关系。
所述样本评估值M的计算公式为：其中，β为生物样本通过所述生物因素分析获得的基因表达量；
所述评估结果Q的计算公式为：Q＝K1*M+K2*N，其中，N为待测生物的临床评分，K1和K2分别为样本评估值和临床评分对应的权重系数，且K1+K2＝1。
同时，本实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信；所述存储器中存储有计算机程序，当所述程序被所述处理器执行时，实现上述的免疫治疗效果评估方法。处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。
最后，本实施例还公开了一种计算机可读存储介质，该种计算机可读存储介质存储有计算机程序，当所述计算机程序被电子设备执行时，实现上述的免疫治疗效果评估方法。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应说明的是：以上所述仅为本申请的优选实施例而已，并不用于限制本申请，尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (4)
1.一种免疫治疗效果评估装置，其特征在于，包括参数录入模块和评估模型；
所述参数录入模块配置为用于输入生物因素分析结果，所述生物因素包括生物样本的DNA、RNA和蛋白质对应的基因表达量，所述生物因素通过生物临床试验表现和细胞切片分析得到；
所述评估模型配置为基于输入的生物因素分析结果输出治疗效果评估结果Q，所述评估模型的网络参数基于数据集训练得到；所述评估模型的构建方法包括以下步骤：
获取数据集；所述数据集包括：样本特征向量，以及RNAseq数据、TCGA-LUAD、GSE72094数据集、GSE42127数据集、GSE41271数据集、GSE68465数据集中的一种或多种；所述样本特征向量包括生物细胞年龄、生物细胞活性、生物细胞敏感性中的一种或多种；
回归分析；将获取的数据集通过回归分析确认基因表达量基准值γ、基因表达量损失系数η以及不同类型的生物样本在所述评估模型中对应的回归系数ρ，基于回归分析的结果，构建所述评估模型，并建立生物样本对应的样本评估值M与所述基因表达量基准值γ、所述基因表达量损失系数η和所述回归系数ρ之间的映射关系；
所述样本评估值M的计算公式为：其中，β为生物样本通过所述生物因素分析获得的基因表达量；
所述评估结果Q的计算公式为：Q＝K1*M+K2*N，其中，N为待测生物的临床评分，K1和K2分别为样本评估值和临床评分对应的权重系数，且K1+K2＝1。
2.根据权利要求1所述的免疫治疗效果评估装置，其特征在于，所述临床评分的获取具体包括以下步骤：
对待测生物进行临床诊断或生物影像采集，基于临床诊断的结果或生物影像采集的结果获得临床评分。
3.根据权利要求2所述的免疫治疗效果评估装置，其特征在于，通过所述临床诊断得到所述临床评分的具体步骤包括：
对待测生物使用有效剂量的免疫制剂；
在多个时间节点获取待测生物的表现样本；
对所述表现样本的免疫应答特征进行持续采集，将持续采集到的免疫应答特征绘制得到变化曲线后与免疫应答基线进行比较，并得到临床评分。
4.根据权利要求3所述的免疫治疗效果评估装置，其特征在于，所述临床评分N的计算公式为其中，r为与免疫应答基线相比表现好或表现相同的免疫应答特征的个数，R为免疫应答特征的总个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310805651.7A CN116844685B (zh) | 2023-07-03 | 2023-07-03 | 一种免疫治疗效果评估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310805651.7A CN116844685B (zh) | 2023-07-03 | 2023-07-03 | 一种免疫治疗效果评估方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116844685A CN116844685A (zh) | 2023-10-03 |
| CN116844685B true CN116844685B (zh) | 2024-04-12 |
Family
ID=88166508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310805651.7A Active CN116844685B (zh) | 2023-07-03 | 2023-07-03 | 一种免疫治疗效果评估方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116844685B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117423451B (zh) * | 2023-12-19 | 2024-05-03 | 菏泽德康医学检验所有限公司 | 一种基于大数据分析的智能分子诊断方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106407689A (zh) * | 2016-09-27 | 2017-02-15 | 牟合（上海）生物科技有限公司 | 一种基于基因表达谱的胃癌预后标志物筛选及分类方法 |
| CN111172284A (zh) * | 2020-02-25 | 2020-05-19 | 郑州大学第一附属医院 | 用以对头颈癌进行监测、疗效评估的生物标记物 |
| CN112567052A (zh) * | 2018-06-21 | 2021-03-26 | 癌症研究技术有限公司 | 预后和治疗响应预测方法 |
| CN112614546A (zh) * | 2020-12-25 | 2021-04-06 | 浙江大学 | 一种用于预测肝细胞癌免疫治疗疗效的模型及其构建方法 |
| CN112746108A (zh) * | 2021-01-11 | 2021-05-04 | 中国医学科学院肿瘤医院 | 用于肿瘤预后分层评估的基因标志物、评估方法及应用 |
| CN112908470A (zh) * | 2021-02-08 | 2021-06-04 | 深圳市人民医院 | 一种基于rna结合蛋白基因的肝细胞癌预后评分系统及其应用 |
| CN113832227A (zh) * | 2021-09-17 | 2021-12-24 | 中山大学孙逸仙纪念医院 | 一种肝细胞肝癌患者预后预测模型的构建及应用 |
| CN113851185A (zh) * | 2021-11-29 | 2021-12-28 | 求臻医学科技（北京）有限公司 | 一种用于非小细胞肺癌患者免疫治疗的预后评估方法 |
| CN114990215A (zh) * | 2022-05-30 | 2022-09-02 | 徐州医科大学附属医院 | microRNA生物标志物在肺癌诊断或预测预后中的应用 |
| CN115588507A (zh) * | 2022-09-02 | 2023-01-10 | 山西省肿瘤医院 | 一种肺腺癌emt相关基因的预后模型及构建方法和应用 |
| CN115843335A (zh) * | 2020-06-30 | 2023-03-24 | 国家医疗保健研究所 | 用于预测患有实体癌的患者在术前辅助治疗和根治性手术后复发和/或死亡风险的方法 |
| CN116013403A (zh) * | 2022-11-29 | 2023-04-25 | 西安交通大学医学院第二附属医院 | 宫颈癌甲基化相关长链非编码rna预后及免疫治疗疗效预测模型的构建方法和用途 |
| CN116312807A (zh) * | 2023-03-24 | 2023-06-23 | 成都市第六人民医院(成都市全科医学中心) | 一种预测非小细胞肺癌免疫治疗疗效的早期预测评估方法 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2945308C (en) * | 2014-04-10 | 2023-10-31 | Seattle Children's Hospital (dba Seattle Children's Research Institute) | Transgene genetic tags and methods of use |
| CN113444794B (zh) * | 2021-06-25 | 2023-01-06 | 复旦大学附属肿瘤医院 | 联合基因组在制备肾透明细胞癌预后评估系统中的应用 |
| CN113388684A (zh) * | 2021-06-30 | 2021-09-14 | 北京泱深生物信息技术有限公司 | 生物标志物用于预测肾癌预后的用途 |
| CN113430270A (zh) * | 2021-06-30 | 2021-09-24 | 北京泱深生物信息技术有限公司 | 免疫相关基因在肾癌预后预测中的应用 |
| CN114134227B (zh) * | 2021-07-23 | 2023-09-05 | 中国医学科学院血液病医院(中国医学科学院血液学研究所) | 多发性骨髓瘤预后不良生物标志物及筛选方法、预后分层模型和应用 |
| CN115394445A (zh) * | 2022-05-25 | 2022-11-25 | 郑州金域临床检验中心有限公司 | 结肠癌预后标记基因及其筛选、预后预测及模型构建方法 |
| CN114854863A (zh) * | 2022-06-02 | 2022-08-05 | 中国人民解放军空军军医大学 | 基于生物标志物构建的模型在预测癌症免疫疗效中的应用 |
| CN115478092A (zh) * | 2022-09-05 | 2022-12-16 | 中南大学湘雅二医院 | 用于预测乳腺癌免疫治疗效果的模型 |
| CN115497552A (zh) * | 2022-09-27 | 2022-12-20 | 山西医科大学第一医院 | 一种基于内质网应激特征基因的胃癌预后风险模型和应用 |
| CN115497562B (zh) * | 2022-10-27 | 2023-04-14 | 中国医学科学院北京协和医院 | 一种基于铜死亡相关基因的胰腺癌预后预测模型构建方法 |
| CN116030880A (zh) * | 2022-11-01 | 2023-04-28 | 苏州科技大学 | 用于结直肠癌预后风险预测的生物标志物、模型及其应用 |
| CN115527681A (zh) * | 2022-11-11 | 2022-12-27 | 北京科技大学 | 一种结直肠癌预后预测模型构建方法及装置 |
| CN116313044A (zh) * | 2023-01-13 | 2023-06-23 | 重庆医科大学 | 基于基底膜相关基因构建胃癌预后模型的方法 |
-
2023
- 2023-07-03 CN CN202310805651.7A patent/CN116844685B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106407689A (zh) * | 2016-09-27 | 2017-02-15 | 牟合（上海）生物科技有限公司 | 一种基于基因表达谱的胃癌预后标志物筛选及分类方法 |
| CN112567052A (zh) * | 2018-06-21 | 2021-03-26 | 癌症研究技术有限公司 | 预后和治疗响应预测方法 |
| CN111172284A (zh) * | 2020-02-25 | 2020-05-19 | 郑州大学第一附属医院 | 用以对头颈癌进行监测、疗效评估的生物标记物 |
| CN115843335A (zh) * | 2020-06-30 | 2023-03-24 | 国家医疗保健研究所 | 用于预测患有实体癌的患者在术前辅助治疗和根治性手术后复发和/或死亡风险的方法 |
| CN112614546A (zh) * | 2020-12-25 | 2021-04-06 | 浙江大学 | 一种用于预测肝细胞癌免疫治疗疗效的模型及其构建方法 |
| CN112746108A (zh) * | 2021-01-11 | 2021-05-04 | 中国医学科学院肿瘤医院 | 用于肿瘤预后分层评估的基因标志物、评估方法及应用 |
| CN112908470A (zh) * | 2021-02-08 | 2021-06-04 | 深圳市人民医院 | 一种基于rna结合蛋白基因的肝细胞癌预后评分系统及其应用 |
| CN113832227A (zh) * | 2021-09-17 | 2021-12-24 | 中山大学孙逸仙纪念医院 | 一种肝细胞肝癌患者预后预测模型的构建及应用 |
| CN113851185A (zh) * | 2021-11-29 | 2021-12-28 | 求臻医学科技（北京）有限公司 | 一种用于非小细胞肺癌患者免疫治疗的预后评估方法 |
| CN114990215A (zh) * | 2022-05-30 | 2022-09-02 | 徐州医科大学附属医院 | microRNA生物标志物在肺癌诊断或预测预后中的应用 |
| CN115588507A (zh) * | 2022-09-02 | 2023-01-10 | 山西省肿瘤医院 | 一种肺腺癌emt相关基因的预后模型及构建方法和应用 |
| CN116013403A (zh) * | 2022-11-29 | 2023-04-25 | 西安交通大学医学院第二附属医院 | 宫颈癌甲基化相关长链非编码rna预后及免疫治疗疗效预测模型的构建方法和用途 |
| CN116312807A (zh) * | 2023-03-24 | 2023-06-23 | 成都市第六人民医院(成都市全科医学中心) | 一种预测非小细胞肺癌免疫治疗疗效的早期预测评估方法 |
Non-Patent Citations (6)
| Title |
|---|
| Cuproptosis illustrates tumor micro-environment features and predicts prostate cancer therapeutic sensitivity and prognosis;Bisheng Cheng等;《Life Sciences》;20230401;第1-11页，全文 * |
| MYBL2 基因表达和拷贝数变异与子宫内膜癌患者 预后的关系;乐露露等;《实用肿瘤杂志》;20230630;第38卷(第3期);第258-264页，全文 * |
| PD14-04 Whole mammogram image-based Cox regression improves 5-year breast cancer prediction;Shu Jiang等;《Cancer Research》;20230301;第83卷(第5期);第1页 * |
| 凋亡抑制蛋白Survivin在结直肠癌预后评估中的价值;姚红兵, 吴爱国, 黄宗海;中国临床康复;20060505(第29期);第6389-6391页，全文 * |
| 基于乳酸代谢基因的结肠腺癌风险模型构建 及其预后价值;欧文杰等;《社区医学杂志》;20230630;第21卷(第12期);第620-626页，全文 * |
| 陈海燕等.新生物标志物在胃肠道肿瘤中疗效预测和预后价值的研究进展.《诊断学理论与实践》.2019,第18卷(第6期),第704-710页，全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116844685A (zh) | 2023-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105096225B (zh) | 辅助疾病诊疗的分析系统、装置及方法 | |
| CN116844685B (zh) | 一种免疫治疗效果评估方法、装置、电子设备及存储介质 | |
| Kumari et al. | A data mining approach for the diagnosis of diabetes mellitus | |
| JP6640868B2 (ja) | 生体年齢を利用した残余寿命の予測方法 | |
| KR102044094B1 (ko) | 딥 러닝 기반 유전체 발현량 해석을 통한 암 또는 정상 판별 방법 및 그 장치 | |
| CN114283890B (zh) | 一种基于瘤胃球菌微生物群的疾病风险预测装置 | |
| CN114376558A (zh) | 基于磁共振和孪生图神经网络的脑图谱个体化方法及系统 | |
| CN113610845A (zh) | 肿瘤局部控制预测模型的构建方法、预测方法及电子设备 | |
| CN113270203A (zh) | 药物剂量预测方法、装置、电子设备及存储介质 | |
| CN111028223A (zh) | 一种微卫星不稳定肠癌能谱ct碘水图影像组学特征处理方法 | |
| JP7124265B2 (ja) | バイオマーカー検出方法、疾病判断方法、バイオマーカー検出装置、及びバイオマーカー検出プログラム | |
| US20220165392A1 (en) | Personalized content providing method based on personal multiple feature information and analysis apparatus | |
| KR102344774B1 (ko) | 자극을 동적으로 변화시키는 실-시간 피드백 시스템 제어 기술 플랫폼 | |
| CN117423423A (zh) | 一种基于卷积神经网络的健康档案整合方法、设备及介质 | |
| KR20230118054A (ko) | 의료 영상으로부터 바이오마커 발현을 예측하는 방법및 시스템 | |
| CN115658877B (zh) | 基于强化学习的药物推荐方法、装置、电子设备和介质 | |
| CN117058484A (zh) | 细胞检测模型的训练方法、装置、系统和电子装置 | |
| CN115410686B (zh) | 转化治疗方案的选择方法、装置、电子设备及存储介质 | |
| US20170169183A1 (en) | Quantitative assessment of drug recommendations | |
| CN116956172A (zh) | 对象分类方法、装置、设备、存储介质及程序产品 | |
| CN114694745A (zh) | 预测免疫疗效的方法、装置、计算机设备和存储介质 | |
| Ross et al. | Constraints on mammalian forelimb development: insights from developmental disparity | |
| CN113990499A (zh) | 一种心脏年龄评估方法、装置、电子设备及存储介质 | |
| EP2718865A2 (en) | Cross-modal application of combination signatures indicative of a phenotype | |
| CN110390999A (zh) | 一种临床数据的值域计算方法、装置、可读介质及电子设备 |
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 |