基于泛癌风险优先分流的体液筛查装置和方法、电子设备、存储介质以及计算机程序产品
本公开涉及光学测量,尤其涉及一种基于泛癌风险优先分流的体液筛查装置和方法、电子设备、存储介质以及计算机程序产品。
背景技术:
1、癌症早期筛查对于降低癌症死亡率、提高患者生存率和改善治疗效果具有重要意义。体液包含蛋白质、脂质、核酸代谢物、小分子代谢物等多种生物分子信息,能够反映机体在疾病发生发展过程中的系统性生化变化。与传统单一标志物检测方法相比,体液光谱能够提供体液的指纹信息,可用于癌症筛查。
2、常见癌症的体液光谱样本丰富,可以得到准确的正常-目标癌症识别模型。这里目标癌症可以为体液光谱数据样本丰富的单种癌症。这种模型对目标癌症有良好的识别效果。
3、但是在癌症筛查场景下,情况发生了变化。一方面,因为筛查时未知是否受检者患有目标癌症,无法准确将受检人的体液光谱数据送入正确的模型,且不同癌症可能存在光谱重叠和共同异常特征,导致癌症类别判断错误。另一方面,小样本癌症(不常见或体液光谱数据样本少的癌症)的光谱数据样本数量少,无法准确训练模型,难以获得正常-小样本癌症的识别模型。若使用已有的正常-目标癌症识别模型则有可能误识别为正常,延误早期干预的时机。由此可见,在癌症筛查场景下,使用正常-目标癌症识别模型处理待测光谱数据无法得到准确的癌症筛查结果。即,无判断法准确受检者患有的癌症类型,甚至会将已经有患癌风险的受检者误判为正常,延误干预时机,降低了筛查结果的可靠性和对医疗指导作用的准确性。
技术实现思路
1、有鉴于此,本公开提出了一种体液筛查方案。
2、根据本公开的一方面,提供了一种体液筛查装置。该装置包括:
3、第一检测单元,用于基于待测体液的光谱数据,确定所述待测体液的第一检测结果,所述第一检测结果指示受检者患癌的可能性;
4、第二检测单元,所述第二检测单元包含多个识别模型,单个所述识别模型用于检测一种目标癌症类别、以及非目标癌症类别;
5、所述多个识别模型,用于在所述第一检测结果指示为癌症的情况下,分别处理所述待测体液的光谱数据,得到多个识别结果,所述识别结果为单种目标癌症类别或非目标癌症类别;
6、所述第二检测单元,还用于在所述多个识别结果不矛盾的情况下,基于所述多个识别结果,确定第二检测结果;在所述多个识别结果矛盾的情况下,将所述第二检测结果确定为待进一步检测。
7、在一种可能的实现方式中,所述装置包括至少两个第一检测单元;
8、所述装置还包括第一会诊单元,用于:
9、在所述至少两个第一检测单元各自确定的第一检测结果一致的情况下,保持所述第一检测结果;
10、在所述至少两个第一检测单元各自确定的第一检测结果不一致的情况下,将所述第一检测结果更新为第三检测结果,所述第三检测结果表征不能确定受检者患癌或未患癌。
11、在一种可能的实现方式中,所述装置包括至少两个第二检测单元;
12、所述装置还包括第二会诊单元,用于:
13、在所述至少两个第二检测单元各自确定的第二检测结果一致的情况下,保持所述第二检测结果;
14、在所述至少两个第二检测单元各自确定的第二检测结果不一致的情况下,将所述第二检测结果更新为第四检测结果,所述第四检测结果表征不能确定癌症类型。
15、在一种可能的实现方式中,在一种可能的实现方式中,所述装置还包括第一训练单元,用于:
16、获取多个表征非癌症体液的第一光谱数据并作为第一负样本,以及获取多个表征癌症体液的第二光谱数据并作为第一正样本,所述第一正样本至少表征两种癌症;
17、基于所述第一正样本和所述第一负样本,训练初始第一检测单元,得到用于检测所述待测体液对应的受检者未患癌或患癌的所述第一检测单元。
18、在一种可能的实现方式中,还包括第二训练单元,用于:
19、获取多个表征目标癌症体液的第三光谱数据并作为第二正样本,以及获取多个表征非目标癌症体液的第四光谱数据并作为第二负样本,所述第二负样本至少表征两种癌症;
20、基于所述第二正样本和所述第二负样本,训练初始识别模型,得到用于预测待测体液对应的癌症类别的所述识别模型。
21、在一种可能的实现方式中,所述光谱数据为表面增强拉曼散射光谱;所述至少两个第一检测单元分别为基于使用不同表面吸附特性的增强拉曼基片得到的训练数据所建立的模型。
22、根据本公开的另一方面,提供了一种体液筛查方法,该方法包括:基于待测体液的光谱数据,确定所述待测体液的第一检测结果,所述第一检测结果指示受检者患癌的可能性;在所述第一检测结果指示为癌症的情况下,分别处理所述待测体液的光谱数据,得到多个识别结果,所述识别结果为单种目标癌症类别或非目标癌症类别;所述多个识别结果不矛盾的情况下,基于所述多个识别结果,确定第二检测结果;在所述多个识别结果矛盾的情况下,将所述第二检测结果确定为待进一步检测。
23、在一种可能的实现方式中,还包括:基于待测体液的光谱数据,确定所述待测体液的至少两个第一检测结果;在至少两个所述第一检测结果一致的情况下,保持所述第一检测结果;在所述至少两个第一检测结果不一致的情况下,将所述第一检测结果更新为第三检测结果,所述第三检测结果表征不能确定受检者患癌或未患癌。
24、在一种可能的实现方式中,还包括在所述多个识别结果不矛盾的情况下,确定至少两个第二检测结果:在至少两个所述第二检测结果一致的情况下,保持所述第二检测结果;在至少两个所述第二检测结果不一致的情况下,将所述第二检测结果更新为第四检测结果,所述第四检测结果表征不能确定癌症类型。
25、在一种可能的实现方式中,所述方法还包括:获取多个表征非癌症体液的第一光谱数据并作为第一负样本,以及获取多个表征癌症体液的第二光谱数据并作为第一正样本,所述第一正样本至少表征两种癌症;基于所述第一正样本和所述第一负样本,训练初始第一检测单元,得到用于检测所述待测体液对应的受检者未患癌或患癌的所述第一检测单元。
26、在一种可能的实现方式中,所述方法还包括:获取多个表征目标癌症体液的第三光谱数据并作为第二正样本,以及获取多个表征非目标癌症体液的第四光谱数据并作为第二负样本,所述第二负样本至少表征两种癌症;基于所述第二正样本和所述第二负样本,训练初始识别模型,得到用于预测待测体液对应的癌症类别的所述识别模型。
27、在一种可能的实现方式中,所述光谱数据为表面增强拉曼散射光谱;所述至少两个第一检测单元分别为基于使用不同表面吸附特性的增强拉曼基片得到的训练数据所建立的模型。
28、根据本公开另一方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现上述方法的步骤。
29、根据本公开另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
30、根据本公开另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
31、在本公开实施例中,不再使用区分目标癌症类别和未患癌类别的传统单阶段模型筛查方式。而是将筛查过程分为两个阶段。第一阶段判断受检人的患癌可能性。在该阶段可以识别出受检人为未患癌类别或患癌类别。对在第一阶段被识别患癌的受检人体液的光谱数据进行第二阶段检查,以识别具体癌症类别。本公开中的识别模型通过将目标癌症类别与非目标癌症类别进行比较,可以降低由于不同癌症类型之间光谱特征相似性导致的错误分类风险。这样,降低了将小样本癌症误判断为未患癌类别或其他目标癌症类别的概率。且多个识别模型各自的识别结果可以进行相互佐证。由此,无论受检者患有目标癌症、还是小样本癌症、或者正常均可以得到准确的且可靠的筛查结果。提高筛查结果的可靠性和对医疗指导作用的准确性。
32、根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com