一种肿瘤分期方法、装置、设备及存储介质

本发明涉及医学数据处理，尤其涉及一种肿瘤分期方法、装置、设备及存储介质。

背景技术：

1、准确判断肿瘤分期是制定治疗方案、预测预后以及实现精准医疗的基石。肿瘤分期的确定过程极度复杂，需要综合处理来自医学影像数据以及手术病理报告等多模态非结构化临床数据。

2、传统肿瘤分期依赖资深医师人工查阅病历资料、手动整合并赋予分期代码，效率难以满足大规模应用需求。随着医疗大数据技术发展，传统机器学习方法可以实现初步的信息提取与特征匹配，但对临床语言多样性、否定表达及解剖学歧义处理能力弱，且仍高度依赖大量繁琐的人工特征工程。当前，以llm（large language model，大语言模型）为代表的生成式人工智能技术展现了强大的理解能力，能够直接从复杂的病历描述中推断各分期指标；然而生成式人工智能技术在解剖学场景中易出现虚假描述，对患者安全构成了潜在威胁，且决策过程缺乏透明度，导致其可信度与临床认可度偏低。

技术实现思路

1、本发明提供一种肿瘤分期方法、装置、设备及存储介质，目的在于在无需人工介入的前提下验证模型输出结果的真实性，打破传统肿瘤分期对医师经验的过度依赖，提升自动化肿瘤分期判定的可信度与临床科研价值，并为诊疗辅助及门诊快速筛查提供可靠的技术支撑。

2、第一方面，本发明实施例提供了一种肿瘤分期方法，包括：

3、根据原始临床资料生成病变描述文本；

4、分别基于第一分期编码标准和第二分期编码标准对所述病变描述文本进行上下文增强编码，生成第一编码结果和第二编码结果；其中，所述第一分期编码标准和所述第二分期编码标准为采用代码描述与肿瘤分期结果关联的肿瘤病变程度的不同代码编写标准；

5、在所述第一编码结果与所述第二编码结果具有一致性的情况下，根据所述第一编码结果和所述第二编码结果生成所述肿瘤分期结果。

6、可选的，所述根据原始临床资料生成病变描述文本，包括：

7、在所述原始临床资料中识别临床诊断数据和病理报告数据；

8、在识别到所述临床诊断数据的情况下，生成对所述临床诊断数据的病变数据特征进行描述的临床数据描述文本；

9、在识别到所述病理报告数据的情况下，生成对所述病理报告数据的所述病变数据特征进行描述的病理数据描述文本；

10、根据所述临床数据描述文本和所述病理数据描述文本，确定所述病变描述文本。

11、可选的，所述根据所述临床数据描述文本和所述病理数据描述文本，确定所述病变描述文本，包括：

12、获取所述临床诊断数据的临床诊断时间和所述病理报告数据的病理分析时间；

13、在所述临床诊断时间与所述病理分析时间之间的时间间隔超过预设间隔阈值的情况下，将所述临床数据描述文本确定为所述病变描述文本；

14、在所述临床诊断时间与所述病理分析时间之间的时间间隔未超过所述预设间隔阈值且所述病理分析时间处于病理分析时间窗内的情况下，基于病理分期策略对所述病理数据描述文本和所述临床数据描述文本进行文本语义融合，生成所述病变描述文本；所述病理分期策略包括在所述文本语义融合中，所述病理数据描述文本优先于所述临床数据描述文本被保留。

15、可选的，所述生成对所述临床诊断数据的病变数据特征进行描述的临床数据描述文本，或所述生成对所述病理报告数据的所述病变数据特征进行描述的病理数据描述文本，包括：

16、在所述临床诊断数据或所述病理报告数据中识别原发肿瘤特征，并生成原发肿瘤描述文本作为所述临床数据描述文本或所述病理数据描述文本；

17、在所述临床诊断数据或所述病理报告数据中识别转移性病变特征，并生成转移性病变描述文本作为所述临床数据描述文本或所述病理数据描述文本；其中，所述转移性病变特征包括与所述肿瘤分期结果关联的至少一种类型的所述转移性病变特征，所述转移性病变描述文本包括分别描述各所述转移性病变特征的文本。

18、可选的，在所述根据所述临床数据描述文本和所述病理数据描述文本，确定所述病变描述文本之后，还包括：

19、对所述病变描述文本进行文本证据切割，得到至少两段所述病变描述文本；得到的各段所述病变描述文本分别包含所述原发肿瘤描述文本和分别描述各所述转移性病变特征的所述转移性病变描述文本；

20、所述分别基于第一分期编码标准和第二分期编码标准对所述病变描述文本进行上下文增强编码，生成第一编码结果和第二编码结果，包括：

21、基于所述第一分期编码标准，分别对包含所述原发肿瘤描述文本和各所述转移性病变描述文本的各段所述病变描述文本进行上下文增强编码，生成所述第一编码结果；

22、基于所述第二分期编码标准，分别对包含所述原发肿瘤描述文本和各所述转移性病变描述文本的各段所述病变描述文本进行上下文增强编码，生成所述第二编码结果。

23、可选的，所述根据所述第一编码结果和所述第二编码结果生成所述肿瘤分期结果，包括：

24、调用目标分期引擎，以使所述目标分期引擎基于目标分期策略将所述第一编码结果和所述第二编码结果映射为所述肿瘤分期结果。

25、可选的，在所述分别基于第一分期编码标准和第二分期编码标准对所述病变描述文本进行上下文增强编码，生成第一编码结果和第二编码结果之后，还包括：

26、在所述第一编码结果与所述第二编码结果不具有一致性的情况下，根据所述第一编码结果和所述第二编码结果生成纠错提示文本；

27、基于所述纠错提示文本和所述第一分期编码标准，和/或基于所述纠错提示文本和所述第二分期编码标准，对所述病变描述文本进行上下文增强编码，更新所述第一编码结果和/或所述第二编码结果。

28、第二方面，本发明实施例提供了一种肿瘤分期装置，包括：

29、病变描述模块，用于根据原始临床资料生成病变描述文本；

30、文本编码模块，用于分别基于第一分期编码标准和第二分期编码标准对所述病变描述文本进行上下文增强编码，生成第一编码结果和第二编码结果；其中，所述第一分期编码标准和所述第二分期编码标准为采用代码描述与肿瘤分期结果关联的肿瘤病变程度的不同代码编写标准；

31、结果生成模块，用于在所述第一编码结果与所述第二编码结果具有一致性的情况下，根据所述第一编码结果和所述第二编码结果生成所述肿瘤分期结果。

32、第三方面，本发明实施例提供了一种肿瘤分期设备，包括：

33、一个或多个处理器；

34、存储器，用于存储一个或多个程序；

35、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例提供的肿瘤分期方法。

36、第四方面，本发明实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例提供的肿瘤分期方法。

37、本发明实施例提供的一种肿瘤分期方法、装置、设备及存储介质，通过根据原始临床资料生成病变描述文本，分别基于第一分期编码标准和第二分期编码标准对病变描述文本进行上下文增强编码，生成第一编码结果和第二编码结果，并在第一编码结果与所述第二编码结果具有一致性的情况下，根据第一编码结果和第二编码结果生成肿瘤分期结果，解决了利用生成式人工智能模型进行肿瘤分期的过程中易出现虚假描述造成的可信度低的问题，实现了分期编码结果的平行提取与交叉验证，在无需人工介入的前提下验证模型输出结果的真实性，打破传统肿瘤分期对医师经验的过度依赖，提升自动化肿瘤分期判定的可信度与临床科研价值，并为诊疗辅助及门诊快速筛查提供可靠的技术支撑。