CN117877721A - 一种个性化甲状腺癌放疗后内分泌治疗管理系统 - Google Patents
一种个性化甲状腺癌放疗后内分泌治疗管理系统 Download PDFInfo
- Publication number
- CN117877721A CN117877721A CN202410276324.1A CN202410276324A CN117877721A CN 117877721 A CN117877721 A CN 117877721A CN 202410276324 A CN202410276324 A CN 202410276324A CN 117877721 A CN117877721 A CN 117877721A
- Authority
- CN
- China
- Prior art keywords
- patient
- data
- unit
- treatment
- analysis unit
- 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
- 238000011282 treatment Methods 0.000 title claims abstract description 46
- 230000002124 endocrine Effects 0.000 title claims abstract description 19
- 208000024770 Thyroid neoplasm Diseases 0.000 title claims abstract description 18
- 201000002510 thyroid cancer Diseases 0.000 title claims abstract description 18
- 238000001959 radiotherapy Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 238000012216 screening Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000009261 endocrine therapy Methods 0.000 claims description 10
- 229940034984 endocrine therapy antineoplastic and immunomodulating agent Drugs 0.000 claims description 10
- 238000012552 review Methods 0.000 claims description 7
- 102000001554 Hemoglobins Human genes 0.000 claims description 4
- 108010054147 Hemoglobins Proteins 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 206010027476 Metastases Diseases 0.000 abstract description 6
- 230000009401 metastasis Effects 0.000 abstract description 6
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 abstract description 4
- 229910052740 iodine Inorganic materials 0.000 abstract description 4
- 239000011630 iodine Substances 0.000 abstract description 4
- 230000002285 radioactive effect Effects 0.000 abstract description 4
- XUIIKFGFIJCVMT-GFCCVEGCSA-N D-thyroxine Chemical compound IC1=CC(C[C@@H](N)C(O)=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-GFCCVEGCSA-N 0.000 abstract description 3
- 238000004836 empirical method Methods 0.000 abstract description 3
- 229940034208 thyroxine Drugs 0.000 abstract description 3
- XUIIKFGFIJCVMT-UHFFFAOYSA-N thyroxine-binding globulin Natural products IC1=CC(CC([NH3+])C([O-])=O)=CC(I)=C1OC1=CC(I)=C(O)C(I)=C1 XUIIKFGFIJCVMT-UHFFFAOYSA-N 0.000 abstract description 3
- 208000015799 differentiated thyroid carcinoma Diseases 0.000 description 13
- 206010028980 Neoplasm Diseases 0.000 description 9
- 210000001685 thyroid gland Anatomy 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 208000033368 Right sided atrial isomerism Diseases 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 208000009453 Thyroid Nodule Diseases 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- AUYYCJSJGJYCDS-LBPRGKRZSA-N Thyrolar Chemical class IC1=CC(C[C@H](N)C(O)=O)=CC(I)=C1OC1=CC=C(O)C(I)=C1 AUYYCJSJGJYCDS-LBPRGKRZSA-N 0.000 description 2
- 102000011923 Thyrotropin Human genes 0.000 description 2
- 108010061174 Thyrotropin Proteins 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 239000005495 thyroid hormone Substances 0.000 description 2
- 229940036555 thyroid hormone Drugs 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000007882 Gastritis Diseases 0.000 description 1
- 208000001204 Hashimoto Disease Diseases 0.000 description 1
- 208000030836 Hashimoto thyroiditis Diseases 0.000 description 1
- 208000007433 Lymphatic Metastasis Diseases 0.000 description 1
- 206010027452 Metastases to bone Diseases 0.000 description 1
- 206010027458 Metastases to lung Diseases 0.000 description 1
- 102000003982 Parathyroid hormone Human genes 0.000 description 1
- 108090000445 Parathyroid hormone Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 208000023652 chronic gastritis Diseases 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 208000010643 digestive system disease Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000003325 follicular Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002989 hypothyroidism Effects 0.000 description 1
- 208000003532 hypothyroidism Diseases 0.000 description 1
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000199 parathyroid hormone Substances 0.000 description 1
- 229960001319 parathyroid hormone Drugs 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 231100000732 tissue residue Toxicity 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及医疗保健技术领域,具体公开了一种个性化甲状腺癌放疗后内分泌治疗管理系统,包括:信息收集单元、数据分析单元、特征筛选单元、SVR模型分析单元、分类监管单元、反馈推送单元,信息收集单元用于获取患者内分泌治疗数据,数据分析单元用于对得到的数据进行预处理和分析,特征筛选单元用于分析数据并从中挑选出特殊项,SVR模型分析单元用于对处理的数据进行分析预测;本发明通过SVR模型以患者情况的重要特征作为输入,可以对甲状腺癌患者放射性碘治疗后左甲状腺素达标剂量进行预测,相较目前临床应用较多的经验法更加客观、准确,并且缩短该目标患者人群的TSH达标时间,降低患者的复发或转移风险,提高患者生活质量。
Description
技术领域
本发明属于医疗保健技术领域,具体涉及一种个性化甲状腺癌放疗后内分泌治疗管理系统。
背景技术
在世界范围内甲状腺结节的检出率都很高,在中国成人中通过超声检查发现直径0.5 cm以上甲状腺结节的患病率达到20.43%,其中8%-16%为恶性肿瘤。近些年,我国甲状腺癌发病率显著增加,其中绝大多数为分化型甲状腺癌(differentiated thyroid cancer,DTC),主要包括乳头状癌和滤泡状癌。尽管DTC恶性程度较低,但仍有30%左右的患者出现复发,其死亡率也呈上升态势,从而威胁患者的生命健康及生活质量。正是由于DTC具有死亡率低、生存期长的特点,其更需要进行规范化的诊治和随访。
放射性碘治疗(Radioactive iodine,RAI)是中高危DTC患者的重要治疗方案,其可以进一步有效消除患者术后残留甲状腺组织或转移病灶,从而有助于控制病情,改善预后。与此同时,也增加了这类DTC患者外源性甲状腺激素(L-T4)的需求量。因为影响甲状腺激素水平的因素众多,现行指南对患者术后L-T4剂量缺乏较为明确的表述,从而导致在临床上,医生多根据个人经验推荐L-T4初始剂量,从而导致DTC患者的促甲状腺激素(Thyroidstimulating hormone,TSH)达标时间延长,频繁复查甲状腺功能加重了患者的经济负担,而且增加了患者的复发或转移风险,降低了患者的生活质量。
因此,有必要提出一种个性化甲状腺癌放疗后内分泌治疗管理系统,以至少部分地解决现有技术中存在的问题。
发明内容
本发明的目的在于提供一种个性化甲状腺癌放疗后内分泌治疗管理系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种个性化甲状腺癌放疗后内分泌治疗管理系统,包括:信息收集单元、数据分析单元、特征筛选单元、SVR模型分析单元、分类监管单元、反馈推送单元,所述信息收集单元用于获取患者内分泌治疗数据,所述数据分析单元用于对得到的数据进行预处理和分析,所述特征筛选单元用于分析数据并从中挑选出特殊项,所述SVR模型分析单元用于对处理的数据进行分析预测,所述分类监管单元用于结合分析结果对患者内分泌治疗情况进行监管,所述反馈推送单元用于获取患者治疗的反馈信息及推送新的治疗信息。
优选的,所述信息收集单元还获取患者行为信息并将其结合患者内分泌治疗数据进行同步管理,所述数据分析单元对获取的数据进行预处理,包括信息去重、缺失值处理、异常值修正,所述数据分析单元对患者行为信息进行分析构建用户行为偏好。
优选的,所述信息收集单元中数据同步管理依托时间序列进行排序,将邻近时间的数据信息进行整合,作为单个数据区块进行存储在安全的数据库内,所述数据分析单元在构建用户行为偏好时,考虑患者行为信息对内分泌治疗情况的影响,在不影响内分泌治疗效果的条件下,结合患者行为信息对治疗安排进行调整,如饮食方面、药物服用。
优选的,所述特征筛选单元采用主成分分析对患者内分泌治疗数据进行特征提取,所述特征筛选单元中筛选出的重要特征包括年龄、体重、身高、体表面积、体重指数、血红蛋白,所述特征筛选单元将重要特征数据作为输入发送至SVR模型分析单元。
优选的,所述特征提取得到的特征包括:年龄、性别、身高、体重、体表面积、体重指数、是否合并消化系统疾病(慢性胃炎或肝胆疾病等)、是否绝经、收缩压/舒张压、血红蛋白、平均红细胞体积、术后甲状旁腺激素水平、是否合并桥本氏甲状腺炎、是否合并心脑血管疾病、是否有肿瘤家族史、是否合并其他肿瘤病史。
优选的,所述主成分分析的思想:通过某种线性投影,将高维的数据映射到低维的空间中表示,并期望在所投影的维度上数据的方差最大(样本的分布最散乱)以使用较少的数据维度同时保留住较多的原数据点的特征,所述特征筛选单元依据重要度高低对得到的特征进行筛选确定重要较高的部分特征进行后续操作。
优选的,所述SVR模型分析单元基于输入的重要特征数据来分析计算针对患者治疗的初始L-T4剂量,所述SVR模型分析单元中采用历史数据对构建的SVR模型进行训练,所述历史数据中以筛选出的临床特征为自变量,以达标时L-T4的剂量为因变量。
优选的,所述分类监管单元中根据针对患者情况的分析结果,调整对患者的治疗安排及L-T4给药剂量,并对患者接受治疗与用药情况进行管理,所述分类监管单元根据患者的L-T4用量制定新的复查安排及时间,并通知患者按时检查身体状态。
优选的,所述反馈推送单元采集并记录患者提出和反馈的信息,并与医生建立交流通道为患者进行解答,所述反馈推送单元会向患者推送治疗相关的信息内容,以及向患者发送最新的通知提示,所述反馈推送单元会将全部的沟通内容及记录存储至安全的数据库内。
与现有技术相比,本发明的有益效果是:
本发明通过SVR模型以患者情况的重要特征作为输入,可以对甲状腺癌患者放射性碘治疗后左甲状腺素达标剂量进行预测,相较目前临床应用较多的经验法更加客观、准确,并且缩短该目标患者人群的TSH达标时间,降低患者的复发或转移风险,提高患者生活质量,本发明利用双中心进行了前瞻性实验验证,该系统实用性强、可操作性强、计算较准确,有一定的转化推广潜力。
附图说明
图1为本发明的系统框架图;
图2为本发明的双中心前瞻性实验病例筛选流程图;
图3为本发明的采用SVR模型预测RAT治疗后L-T4剂量方面的使用效果图:(A)与经验给药相比,基于构建的SVR模型预测的最佳剂量的L-T4给药显著提高了TSH达标率1和达标率2;(B)与L-T4的经验剂量相比,基于SVR模型对L-T4的剂量预测,达到目标TSH水平的平均时间显著减少。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
实施例:
请参阅图1-图3所示,一种个性化甲状腺癌放疗后内分泌治疗管理系统,包括:信息收集单元、数据分析单元、特征筛选单元、SVR模型分析单元、分类监管单元、反馈推送单元,信息收集单元用于获取患者内分泌治疗数据,数据分析单元用于对得到的数据进行预处理和分析,特征筛选单元用于分析数据并从中挑选出特殊项,SVR模型分析单元用于对处理的数据进行分析预测,分类监管单元用于结合分析结果对患者内分泌治疗情况进行监管,反馈推送单元用于获取患者治疗的反馈信息及推送新的治疗信息。
信息收集单元还获取患者行为信息并将其结合患者内分泌治疗数据进行同步管理,数据分析单元对获取的数据进行预处理,包括信息去重、缺失值处理、异常值修正,数据分析单元对患者行为信息进行分析构建用户行为偏好。
特征筛选单元采用主成分分析对患者内分泌治疗数据进行特征提取,特征筛选单元中筛选出的重要特征包括年龄、体重、身高、体表面积、体重指数、血红蛋白,特征筛选单元将重要特征数据作为输入发送至SVR模型分析单元。
特征筛选单元中应用基于全局寻优的分支定界法,尽可能将所有提取的特征组合构建成一个树状结构,按照特定的规则对树进行搜索,使得搜索过程尽可能早地达到最优解而不必遍历整棵树。
SVR模型分析单元基于输入的重要特征数据来分析计算针对患者治疗的初始L-T4剂量,SVR模型分析单元中采用历史数据对构建的SVR模型进行训练,历史数据中以筛选出的临床特征为自变量,以达标时L-T4的剂量为因变量。
分类监管单元中根据针对患者情况的分析结果,调整对患者的治疗安排及L-T4给药剂量,并对患者接受治疗与用药情况进行管理,分类监管单元根据患者的L-T4用量制定新的复查安排及时间,并通知患者按时检查身体状态。
反馈推送单元采集并记录患者提出和反馈的信息,并与医生建立交流通道为患者进行解答,反馈推送单元会向患者推送治疗相关的信息内容,以及向患者发送最新的通知提示,反馈推送单元会将全部的沟通内容及记录存储至安全的数据库内。
由上可知,本发明通过SVR模型以患者情况的重要特征作为输入,可以对甲状腺癌患者放射性碘治疗后左甲状腺素达标剂量进行预测,相较目前临床应用较多的经验法更加客观、准确,并且缩短该目标患者人群的TSH达标时间,降低患者的复发或转移风险,提高患者生活质量,本发明利用双中心进行了前瞻性实验验证,该系统实用性强、可操作性强、计算较准确,有一定的转化推广潜力。
双中心前瞻性实验中验证SVR模型预测的详细方案,包括纳入、L-T4给药和预测模型的评价:
双中心前瞻性实验:2021年7月1日—2022年2月28日,在天津医科大学肿瘤医院分子影像及核医学诊疗科(中心一,n=110)(伦理批号:LWK-2023-0002)和天津市肿瘤医院空港医院核医学科(中心二,n=214)(伦理批号:bc2023155)进行双中心前瞻性实验,入组标准:(1)进行甲状腺根治性切除手术且病理证实为分化型甲状腺癌(DTC)的患者;(2)按照2015版ATA指南复发危险度分层属于中、高度危险组者;(3)首次接受RAI治疗清甲治疗的患者;(4)年龄大于等于18岁,且小于等于60岁;(5)所有患者均签署知情同意书。排除标准:(1)进行甲状腺癌次全切或经甲状腺显像评估甲状腺组织残留过多者;(2)合并影像学证实的淋巴结和/或肺和/或骨转移者;(3)严重肝肾功能损伤,不能耐受RAI治疗的患者;(4)RAI治疗后随访期内妊娠者;(5)合并冠心病、重度或长期甲状腺功能减退者;(6)依从性差,不能配合复查随访者。剔除标准:(1)随访资料不全或失访者;(2)未按要求规范服用L-T4者并定期复查甲状腺功能者;(3)随访过程中发现影像学证实的局部和/或远处转移,或经反复调整药量甲状腺功能持续无法达标,即经动态反应评估体系未能达到疗效满意(ExcellentResponse,ER)的患者。
所有入组患者均依据SVR回归模型计算L-T4剂量,在RAI治疗后第二天开始服用,通过随访记录患者的TSH达标时间,计算患者的首次复查TSH达标率(以下简称达标率1),第二次复查累积TSH达标率(以下简称达标率2)及平均达标时间等。在随访中发现生化疗效不佳(Biochemical incomplete response,BIR)、结构性疗效不佳(Structural incompleteresponse,SIR)或其他情况经临床综合评估后建议再次行碘治疗的患者28例(其中发现合并肺转移患者8例、骨转移患者2例、咽旁淋巴结转移者1例、生化疗效不佳者17例),未按规定服药、复查或失访者33例,累计剔除患者61例。
参与本次双中心前瞻性实验的DTC患者共计324例,随访过程中累计剔除61例,最终有263例DTC患者纳入SVR模型预测准确性验证队列,中心一88例,中心二175例。两个中心患者的临床生化特征及预测得出的L-T4剂量情况如表1所示,两个中心之间不存在显著差异。患者规律服用L-T4间隔1个月后行甲状腺功能检查,发现137例患者TSH达标,即首月TSH达标率为52.09%(137/263);未达标的126例患者经医生调整L-T4剂量后第2个月复查又有88例患者TSH达标,前2个月累计TSH达标共计225例,达标率为85.55%(225/263)。TSH达标平均时间为中心一59.13±53.93 d,中心二64.36±61.30 d(表1)。与经验给药相比,模型计算剂量法使得患者的首次复查TSH达标率(达标率1)、第2个月复查累计达标率(达标率2)均显著升高,而且TSH平均达标时间也显著缩短(62.61±58.78 d vs 115.50±71.40 d)(图3)。性别亚组分析结果显示,前瞻性总体队列中,男性患者达标率1为45.45%(35/77),达标率2为88.31%(68/77);女性组患者达标率1为54.84%(102/186),达标率2为第2个月累积达标率84.41%(157/186)。不同性别达标率1、达标率2和平均达标时间之间并无显著差异(表2)。而中心一男性患者达标率1显著低于女性组,且男性患者的达标时间长于女性,差异有统计学意义(表2);中心二的性别亚组分析结果不存在显著差异。
表1 双中心263例分化型甲状腺癌患者的选择特征及随访结果比较
表2 前瞻性队列中263例患者按性别进行的亚组分析
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种个性化甲状腺癌放疗后内分泌治疗管理系统,其特征在于,包括:信息收集单元、数据分析单元、特征筛选单元、SVR模型分析单元、分类监管单元、反馈推送单元,所述信息收集单元用于获取患者内分泌治疗数据,所述数据分析单元用于对得到的数据进行预处理和分析,所述特征筛选单元用于分析数据并从中挑选出特殊项,所述SVR模型分析单元用于对处理的数据进行分析预测,所述分类监管单元用于结合分析结果对患者内分泌治疗情况进行监管,所述反馈推送单元用于获取患者治疗的反馈信息及推送新的治疗信息。
2.根据权利要求1所述的一种个性化甲状腺癌放疗后内分泌治疗管理系统,其特征在于:所述信息收集单元还获取患者行为信息并将其结合患者内分泌治疗数据进行同步管理,所述数据分析单元对获取的数据进行预处理,包括信息去重、缺失值处理、异常值修正,所述数据分析单元对患者行为信息进行分析构建用户行为偏好。
3.根据权利要求1所述的一种个性化甲状腺癌放疗后内分泌治疗管理系统,其特征在于:所述特征筛选单元采用主成分分析对患者内分泌治疗数据进行特征提取,所述特征筛选单元中筛选出的重要特征包括年龄、体重、身高、体表面积、体重指数、血红蛋白,所述特征筛选单元将重要特征数据作为输入发送至SVR模型分析单元。
4.根据权利要求3所述的一种个性化甲状腺癌放疗后内分泌治疗管理系统,其特征在于:所述SVR模型分析单元基于输入的重要特征数据来分析计算针对患者治疗的初始L-T4剂量,所述SVR模型分析单元中采用历史数据对构建的SVR模型进行训练,所述历史数据中以筛选出的临床特征为自变量,以达标时L-T4的剂量为因变量。
5.根据权利要求1所述的一种个性化甲状腺癌放疗后内分泌治疗管理系统,其特征在于:所述分类监管单元中根据针对患者情况的分析结果,调整对患者的治疗安排及L-T4给药剂量,并对患者接受治疗与用药情况进行管理,所述分类监管单元根据患者的L-T4用量制定新的复查安排及时间,并通知患者按时检查身体状态。
6.根据权利要求1所述的一种个性化甲状腺癌放疗后内分泌治疗管理系统,其特征在于:所述反馈推送单元采集并记录患者提出和反馈的信息,并与医生建立交流通道为患者进行解答,所述反馈推送单元会向患者推送治疗相关的信息内容,以及向患者发送最新的通知提示,所述反馈推送单元会将全部的沟通内容及记录存储至安全的数据库内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410276324.1A CN117877721A (zh) | 2024-03-12 | 2024-03-12 | 一种个性化甲状腺癌放疗后内分泌治疗管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410276324.1A CN117877721A (zh) | 2024-03-12 | 2024-03-12 | 一种个性化甲状腺癌放疗后内分泌治疗管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117877721A true CN117877721A (zh) | 2024-04-12 |
Family
ID=90583414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410276324.1A Pending CN117877721A (zh) | 2024-03-12 | 2024-03-12 | 一种个性化甲状腺癌放疗后内分泌治疗管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117877721A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859817A (zh) * | 2019-04-01 | 2019-06-07 | 安徽大学 | 食管放射治疗计划中风险器官剂量学评估方法、评估系统 |
CN111052247A (zh) * | 2017-06-13 | 2020-04-21 | 波士顿基因公司 | 用于由经归一化生物标志物评分鉴定癌症治疗的系统和方法 |
CN111739638A (zh) * | 2020-06-16 | 2020-10-02 | 刘�文 | 适用于分化型甲状腺癌患者的术后自助评估系统 |
CN112262440A (zh) * | 2020-07-15 | 2021-01-22 | 北京肿瘤医院(北京大学肿瘤医院) | 一种通过影像组学特征判断癌症治疗反应的方法及系统 |
CN113506630A (zh) * | 2021-07-08 | 2021-10-15 | 上海中医药大学附属龙华医院 | 一种乳腺癌术后全程全方位智能管理系统 |
CN114005532A (zh) * | 2021-11-22 | 2022-02-01 | 四川大学华西医院 | 一种分化型甲状腺癌患者术后碘治疗辅助决策系统 |
CN117198512A (zh) * | 2023-11-07 | 2023-12-08 | 讯飞医疗科技股份有限公司 | 给药量预测方法及相关装置、设备和存储介质 |
CN117637099A (zh) * | 2023-11-27 | 2024-03-01 | 中南大学 | 预测方法、装置、设备及存储介质 |
-
2024
- 2024-03-12 CN CN202410276324.1A patent/CN117877721A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111052247A (zh) * | 2017-06-13 | 2020-04-21 | 波士顿基因公司 | 用于由经归一化生物标志物评分鉴定癌症治疗的系统和方法 |
CN109859817A (zh) * | 2019-04-01 | 2019-06-07 | 安徽大学 | 食管放射治疗计划中风险器官剂量学评估方法、评估系统 |
CN111739638A (zh) * | 2020-06-16 | 2020-10-02 | 刘�文 | 适用于分化型甲状腺癌患者的术后自助评估系统 |
CN112262440A (zh) * | 2020-07-15 | 2021-01-22 | 北京肿瘤医院(北京大学肿瘤医院) | 一种通过影像组学特征判断癌症治疗反应的方法及系统 |
CN113506630A (zh) * | 2021-07-08 | 2021-10-15 | 上海中医药大学附属龙华医院 | 一种乳腺癌术后全程全方位智能管理系统 |
CN114005532A (zh) * | 2021-11-22 | 2022-02-01 | 四川大学华西医院 | 一种分化型甲状腺癌患者术后碘治疗辅助决策系统 |
CN117198512A (zh) * | 2023-11-07 | 2023-12-08 | 讯飞医疗科技股份有限公司 | 给药量预测方法及相关装置、设备和存储介质 |
CN117637099A (zh) * | 2023-11-27 | 2024-03-01 | 中南大学 | 预测方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
李林通;计成;严思敏;桑剑锋;葛卫红;: "分化型甲状腺癌术后患者L-T4初始剂量回归方程准确性验证", 中国医院药学杂志, no. 04, 20 February 2020 (2020-02-20) * |
李林通等: "分化型甲状腺癌患者术后左甲状腺素最佳初始剂量预测模型探 讨", 《临床药学》, 31 December 2019 (2019-12-31), pages 387 - 391 * |
闫凤;牛振洋;费振乐;吴先想;崔相利;刘苓苓;: "机器学习在肺癌VMAT计划中对危及器官剂量预测的可行性", 中国医学物理学杂志, no. 07, 25 July 2020 (2020-07-25) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
LIN et al. | Factors related to the survival of papillary and follicular thyroid carcinoma patients with distant metastases | |
Rohan et al. | Body fat and breast cancer risk in postmenopausal women: a longitudinal study | |
US10420535B1 (en) | Assisted detection model of breast tumor, assisted detection system thereof, and method for assisted detecting breast tumor | |
US8929625B2 (en) | Method and device for side-effect prognosis and monitoring | |
US11640661B2 (en) | System and method for predicting the risk of future lung cancer | |
CN110246577B (zh) | 一种基于人工智能辅助妊娠期糖尿病遗传风险预测的方法 | |
CN111247592A (zh) | 用于随时间量化组织的系统和方法 | |
WO2011068475A1 (en) | A method for construction and use of a probabilistic atlas for diagnosis and prediction of a medical outcome | |
CN103279668A (zh) | 一种恶性肿瘤放化疗规范符合度的量化评估系统 | |
CN117877721A (zh) | 一种个性化甲状腺癌放疗后内分泌治疗管理系统 | |
Su et al. | The approach of data mining methods for medical database | |
CN110265118A (zh) | 一种肺部影像诊断报告质量的评估方法和系统 | |
Wang et al. | Prediction of endometrial carcinoma using the combination of electronic health records and an ensemble machine learning method | |
CN115602327A (zh) | 一种肺结节发生肺癌风险的预测模型的构建方法 | |
CN115206532A (zh) | 一种基于决策树的乳腺肿瘤预测方法及系统 | |
Tedesco et al. | Investigation of the analysis of wearable data for cancer-specific mortality prediction in older adults | |
EP3164824A1 (en) | Method for prognosing a risk of occurrence of a disease | |
CN110675930A (zh) | 一种针对非小细胞肺癌的决策方法、系统及装置 | |
Exarchos et al. | Modelling of oral cancer progression using dynamic Bayesian networks | |
Bonafede et al. | Patient recall following breast cancer screening mammography among Medicaid patients by patient race | |
CN112837775A (zh) | 一种前列腺癌中药配方治疗详情案例统计系统 | |
Qiu et al. | Exercise Exposure Data Preparation for Cancer Research | |
Vadziuk | Direct cost of Hypothyroidism and its complications in Ukraine | |
Ossowski et al. | P37. 02 Improving Outcomes in Malignant Pleural Mesothelioma in an Integrated Health System | |
EP4370020A1 (en) | System and method for predicting the risk of future lung cancer |
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 |