用于预测女性卵巢恶性肿瘤的人工智能模型的训练方法

    公开(公告)号:CN118072942A

    公开(公告)日:2024-05-24

    申请号:CN202410239648.8

    申请日:2024-03-01

    Abstract: 本发明公开了一种用于预测女性卵巢恶性肿瘤的人工智能模型的训练方法,属于智能医学技术领域。该方法包括:获取患者被确诊为卵巢癌之前的病例数据,并将单个患者的数据合并为一个样本,得到样本集合;统计样本集合包含的所有特征,并统计各特征在所有样本中的缺失率,删除缺失率大于阈值的特征,得到特征集合;将特征集合包含的所有特征划分为离散型特征和连续型特征分别进行处理,得到数据集合;将数据集合中的数据按比例划分为训练数据集和测试数据集,并利用训练数据集训练模型,利用测试数据集评价训练后的模型,得到用于预测女性卵巢恶性肿瘤的人工智能模型。提高了临床医生对卵巢恶性肿瘤的诊断能力,增加了患者早诊早治的机会。

    B7H4在制备子宫内膜癌分子分型试剂及系统中的应用

    公开(公告)号:CN113156120A

    公开(公告)日:2021-07-23

    申请号:CN202110329809.9

    申请日:2021-03-26

    Abstract: 本发明涉及一种B7H4在制备子宫内膜癌分子分型试剂及系统中的应用。本发明首先通过测序的方法筛选出POLE突变型;不存在致病突变的标本进行4种错配修复蛋白的检测,筛选出dMMR型;不存在dMMR的标本利用免疫组化检测p53蛋白筛选出p53突变型;不存在p53突变的判定为NSMP型;对于判读dMMR型和NSMP型的标本,利用免疫组化检测蛋白B7H4的表达,1%以上肿瘤细胞中B7H4着色判定为B7H4表达型,其余判定为B7H4不表达型。从而将子宫内膜癌划分为POLE突变型、B7H4表达型、B7H4不表达型和p53突变型。改良后分子分型仍然以分子病理为基础,具备现有分子分型相对客观、重复性高、临床上可行的特点,但是比现有模型具有更高的预测能力,有助于避免过度治疗和治疗不足。

    纳入分子分型和PDL1检测的高危子宫内膜癌预后评价系统

    公开(公告)号:CN112877438A

    公开(公告)日:2021-06-01

    申请号:CN202110330660.6

    申请日:2021-03-26

    Abstract: 本发明公开一种纳入分子分型和PDL1检测的高危子宫内膜癌(高级别内膜样癌和非内膜样癌)预后评价系统,对于接受手术分期的高危子宫内膜癌患者的肿瘤标本,通过HE染色判定FIGO分期和是否存在淋巴脉管间隙浸润(LVSI)。通过测序、免疫组化方法检测确定分子分型。利用多重荧光免疫组化的方法判定PDL1在肿瘤细胞中的表达。对FIGO分期、分子分型、LVSI及PDL1的表达分别赋予危险分值,得分相加即为预后评分,按此次评分系统将高危内膜癌患者进一步分层,分为高中危、高危和超高危。本发明中的预后模型比现有的FIGO分期及分子分型具有更高的预测和区分预后的效能,有助于避免过度治疗和治疗不足。

    一种宫颈癌预后评分系统及其应用

    公开(公告)号:CN113552355A

    公开(公告)日:2021-10-26

    申请号:CN202110826513.8

    申请日:2021-07-21

    Abstract: 本发明提供一种判断子宫颈癌患者术后复发风险的试剂和预后评分系统。FIGO(2018)I–II期及IIIC期宫颈癌患者在接受根治性手术治疗后,根据临床查体及病理检查,进行分期及赋予危险评分;福尔马林固定石蜡包埋的标本利用免疫组化检测PD‑L1、VISTA及B7‑H4表达,赋予危险评分。以上2项得分相加,即为复发风险或预后评分,按此次评分系统将子宫颈癌患者进行分层,分为低危、中危和高危。该预后评分系统比现有FIGO分期具有更高的判断复发的能力,有助于避免过度治疗和治疗不足。

    B7H4在制备子宫内膜癌分子分型试剂及系统中的应用

    公开(公告)号:CN113156120B

    公开(公告)日:2022-03-25

    申请号:CN202110329809.9

    申请日:2021-03-26

    Abstract: 本发明首先通过测序的方法筛选出POLE突变型;不存在致病突变的标本进行4种错配修复蛋白的检测,筛选出dMMR型;不存在dMMR的标本利用免疫组化检测p53蛋白筛选出p53突变型;不存在p53突变的判定为NSMP型;对于判读dMMR型和NSMP型的标本,利用免疫组化检测蛋白B7H4的表达,1%以上肿瘤细胞中B7H4着色判定为B7H4表达型,其余判定为B7H4不表达型。从而将子宫内膜癌划分为POLE突变型、B7H4表达型、B7H4不表达型和p53突变型。改良后分子分型仍然以分子病理为基础,具备现有分子分型相对客观、重复性高、临床上可行的特点,但是比现有模型具有更高的预测能力,有助于避免过度治疗和治疗不足。

Patent Agency Ranking