(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211314509.4 (22)申请日 2022.10.26 (71)申请人 杭州艾名医学 科技有限公司 地址 310051 浙江省杭州市滨江区西兴街 道江陵路8 8号7幢81 1室 (72)发明人 游明亮　沈伟　杨杰　 (74)专利代理 机构 杭州杭诚专利事务所有限公 司 33109 专利代理师 俞则俭 (51)Int.Cl. G16H 70/40(2018.01) G16H 50/20(2018.01) G16H 10/20(2018.01) G16B 20/50(2019.01) G06N 5/00(2006.01)G06K 9/62(2022.01) (54)发明名称 一种基于预测模型的乳腺癌药物方案的预 测方法及装置 (57)摘要 本发明公开了一种基于预测模型的乳腺癌 药物方案的预测方法及装置。 为了克服以基因突 变为精准治疗主要手段的现状下乳腺癌患者用 药获益率低， 缺乏能良好体 现肿瘤药物反应的数 据源模型， 同时解决现有技术的决策系统未纳入 医学指南和医生的先验经验； 本发 明以乳腺癌患 者肿瘤类器官药敏检测和临床资料作为输入， 以 融合了临床指南和 医生经验的用药选择作为输 出， 利用TAN （树增强型朴素贝叶斯） 算法建立预 测模式， 实现乳腺癌患者的精准用药决策。 在少 量样本的前提下， 利用乳腺癌 “试药替身 ” ‑肿瘤 类器官的药敏检测数据， 融合医学指南和高年资 医生乳腺癌诊疗的先验经验， 结合结构化的临床 训练数据， 实现更高的乳腺癌用药决策的准确 性。 权利要求书3页 说明书8页 附图2页 CN 115376706 A 2022.11.22 CN 115376706 A 1.一种基于预测模型的乳腺癌药物方案的预测方法， 其特 征在于， 包括以下步骤： S1： 分别采集与乳腺癌临床用药决策相关的受检者临床信息、 肿瘤类器官药敏检测数 据以及采集受检者的给 药信息， 分析用药的先验分布； S2： 以采集的受检者临床信息和肿瘤类器官药敏检测数据作为输入， 以给药信息的药 物类别作为输出， 采用随机森林算法度量每个特征对药物类别的重要性程度进行特征选 取； S3： 以随机森林算法选取的特征作为输入， 以乳腺癌的药物名称为输出， 利用TAN模型 建立乳腺癌药物选取的预测模型； S4： 利用训练好的预测模型计算输入的临床信息和药敏检测数据， 得到乳腺癌不同药 物方案的选择概 率。 2.根据权利要求1所述的一种基于预测模型的乳腺癌药物方案的预测方法， 其特征在 于， 所述的受检测临床信息包括临床指标和病历信息； 所述的临床指标包括： 血常规、 血凝、 血气分析、 尿常规、 肝肾功能电解质、 血液免疫指 标、 肿瘤标记 物和基因突变情况； 所述的病历信息包括： 受检者的性别、 年龄、 首发症状、 并发症、 合并症、 体检指标和既 往治疗史。 3.根据权利要求1所述的一种基于预测模型的乳腺癌药物方案的预测方法， 其特征在 于， 所述的药 敏检测数据包括受检者的样本信息和药 敏相关指标； 所述的受检者的样本信息包括： 收样时间、 开始检测时间、 结束检测时间、 肿瘤类型、 分 化程度、 组织学分型、 样本来源、 样本形态和样本大小； 所述的受检验者的药敏相关指标包括： 检测药物、 药物最大浓度、 药物最低浓度、 半抑 制浓度、 浓度 抑制曲线下面积、 浓度 抑制曲线坡度和半有效浓度。 4.根据权利要求1所述的一种基于预测模型的乳腺癌药物方案的预测方法， 其特征在 于， 所述的给 药信息包括单 药和药物组合； 单药方案包括： 卡培他滨、 奥拉帕利、 紫杉醇、 艾立布林、 长 春瑞滨、 吉西他滨； 联合用药方案包括： TCbHP 方案、 THP 方案、 TCbH方案、 TAC方案、 AT方案、 AC方案、 AT ‑NP方 案和TP方案 。 5.根据权利要求1或2或3或4所述的一种基于预测模型的乳腺癌药物方案的预测方法， 其特征在于， 用药的先验分布分析 过程为： 根据指南， 梳理病例诊疗信息， 挑选出符合任意一种指南的乳腺癌患者， 明确用药方 案； 结合若干名高年资医学专家 的经验， 通过阅读病历的方式， 确定符合高年资医学专家 用药经验的乳腺癌 患者， 梳理 受检者的治疗方案； 以RECIST标准为药物疗效的评估标准， 筛选在给到明确药物方案后， 在治疗周期内肿 瘤完全缓解或部分缓解的受检者作为分析对象； 确定 乳腺癌患者用药的先验分布。 6.根据权利要求1所述的一种基于预测模型的乳腺癌药物方案的预测方法， 其特征在 于， 特征选取的过程 为： A1： 对于随机森林中已生成的每一棵决策树 ， 使用对应的最小袋外数据 计权　利　要　求　书 1/3 页 2 CN 115376706 A 2算准确率 ； A2： 随机改变最小袋外数据 在特征 的取值, 并计算  对应的最小袋外 数据 的准确率 ； 其中， noise为噪音； A3： 计算特 征 的重要性 ： 其中， 其中， 为第k个变量的原 始准确率； 为第k个变量加入噪声后的准确率； k为变量编号； K为变量总量； A4： 从当前特征空间剔除不重要的特征得到新的特征子集,  在新特征子集上构建随机 森林C*(.) , 得到新特 征子集对应随机森林的O OB误差率； A5： 重复步骤A1~A4， 直至剩余两个特征， 依据最小OOB误差率准则确定最终特征子空 间。 7.根据权利要求1或6所述的一种基于预测模型的乳腺癌药物方案的预测方法， 其特征 在于， 所述的预测模型建立过程 为： B1： 计算每 个属性对之间的条件互信息； B2： 构造完全无向图； 所述的完全无向图的顶点为属性特征， 以条件互信息为属性对之 间弧的权值； B3： 利用最大加权生成树算法建立一个跨度树， 获得m ‑1条加权值和最大的边， 并消除 其它边； B4： 确定属性特 征为根结点， 并用有向边连接， 获得一个有向图； B5： 在步骤B4的基础上将类变量C加入有向图中， 并连结类变量C和根结点之间的弧,   构建一个TAN模型； 其中， C为药物名称。 8.一种基于预测模型的乳腺癌药物方案的预测装置， 执行如权利要求1~7中任意一项 所述的一种基于预测模型的乳腺癌药物方案的预测方法， 其特 征在于， 包括： 第一数据获取 单元， 获取受检者临床信息； 第二数据获取 单元， 获取肿瘤类 器官药敏检测数据； 模型运算单元， 利用训练好的TAN模型计算输入的临床信息和药敏检测数据， 得到乳腺 癌不同药物方案的选择概 率。 9.一种计算机设备， 执行如权利要求1~7中任意一项所述的一种基于预测模型的乳腺 癌药物方案的预测方法， 其特征在于， 包括至少一个处理器以及至少一个存储器， 所述存储权　利　要　求　书 2/3 页 3 CN 115376706 A 3