(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211204745.0 (22)申请日 2022.09.30 (65)同一申请的已公布的文献号 申请公布号 CN 115274119 A (43)申请公布日 2022.11.01 (73)专利权人 中国医学 科学院北京协和医院 地址 100730 北京市东城区王府井帅府园1 号 (72)发明人 金征宇　宋兰　朱振宸　宋伟　 雷晶　周振　谭卫雄　 (74)专利代理 机构 北京预立 生科知识产权代理 有限公司 1 1736 专利代理师 李红伟 (51)Int.Cl. G16H 50/50(2018.01)G16H 30/00(2018.01) G16H 20/00(2018.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114783517 A,202 2.07.22 审查员 黄恒琪 (54)发明名称 一种融合多影像组学特征的免疫治疗预测 模型的构建方法 (57)摘要 本发明涉及一种融合多影像组学特征的免 疫治疗预测模 型的构建方法， 具体涉及一种融合 多影像组学特征的免疫治疗预测模型的构建方 法、 预测方法、 系统、 设备及计算机可读存储介 质。 包括： 获取待测癌症患者的增强CT影像； 提取 影像组学特征， 选 择与PD‑1/PD‑L1表达状态相关 的影像组学特征作为第一影像组学特征； 提取影 像组学特征， 选择与免疫治疗反应相关的影像组 学特征作为第二影像组学特征； 将第一影像组学 特征与第二影像组学特征进行特征融合， 输入分 类器， 得到患者是否适合抗PD ‑1/PD‑L1单抗治疗 的分类结果。 本申请具有很好的临床应用价 值。 权利要求书2页 说明书15页 附图2页 CN 115274119 B 2022.12.23 CN 115274119 B 1.一种融合多影 像组学特征的免疫 治疗预测模型的构建方法， 包括： 获取癌症患者的增强CT影像训练集， 训练集中每个样本含有免疫治疗反应的标签和 PD‑1/PD‑L1表达状态的标签； 基于PD‑1/PD‑L1表达状态标签提取癌症患者的增强CT影像组学特征， 构建PD ‑1/PD‑L1 表达状态模 型， 基于所述PD ‑1/PD‑L1表达状态模型中所用的影像组学特征得到与PD ‑1/PD‑ L1表达状态相关的影 像组学特征， 作为第一影 像组学特征； 基于免疫治疗反应的标签提取癌症患 者的增强CT影像组学特征， 构建免疫治疗疗效结 果预测模型； 基于所述免疫治疗疗效结果预测模型中所用的影像组学特征得到免疫治疗反 应相关的影 像组学特征， 作为第二影 像组学特征； 将第一影像组学特征与第二影像组学特征进行特征融合， 输入分类器， 得到是否适合 抗PD‑1/PD‑L1单抗治疗的预测的分类结果， 将预测的分类结果与实际结果进行比对， 优化 分类器， 得到训练好的融合多影 像组学特征的免疫 治疗预测模型。 2.一种融合多影 像组学特征的免疫 治疗预测方法， 包括： 获取待测癌症患者的增强CT影 像； 提取影像组学特征， 选择与PD ‑1/PD‑L1表达状态相关的影像组学特征作 为第一影像组 学特征； 提取影像组学特征， 选择与免疫治疗反应相关的影像组学特征作为第二影像组学特 征； 将第一影像组学特征与第二影像组学特征进行特征融合， 输入分类器， 得到患者是否 适合抗PD‑1/PD‑L1单抗治疗的分类结果。 3.根据权利要求2所述的融合多影像组学特征的免疫治疗预测方法， 其特征在于， 所述 提取影像组学特征， 选择与免疫治疗反应相关的影像组学特征作为第二影像组学特征具体 步骤为： 提取患者的增强CT影像中多个病灶的影像组学特征， 并将所述多个病灶的影像组 学特征自适应加权求和， 得到加权后的影 像组学特征作为第二影 像学组学 特征。 4.根据权利要求2所述的融合多影像组学特征的免疫治疗预测方法， 其特征在于， 所述 方法还包括： 获取待测癌症患者的临床数据； 提取代表性的临床特征， 所述临床特征为： 年龄、 临床分期、 骨转移、 治疗线数和  ICI  治疗； 将所述代表性的临床特征、 第一影像组学特征、 第二影像组学特征进行特征融合输入 分类器， 得到患者是否适 合抗PD‑1/PD‑L1单抗治疗的分类结果。 5.根据权利要求3所述的融合多影像组学特征的免疫治疗预测方法， 其特征在于， 所述 加权求和中的加权系数采用多示例学习注意力模型确定， 所述多示例学习注意力模型由注 意力机制加权系数和多层感知机分类 器构成。 6.根据权利要求5所述的融合多影像组学特征的免疫治疗预测方法， 其特征在于， 所述 多层感知机分类器由两层神经网络构成， 第一层为隐藏层和激活函数构成， 第二层为激活权　利　要　求　书 1/2 页 2 CN 115274119 B 2函数获得的全连接输出层； 加权系数的公式为 ； 其中K为病灶个 数，w和V为注意力模型参数， tanh为神经网络的激活函数， 为患者的单病灶的影像学特 征。 7.根据权利要求2所述的融合多影像组学特征的免疫治疗预测方法， 其特征在于， 所述 第二影像组学特征为2 个基于形状的特 征， 9 个一阶特 征和 14 个高阶纹 理特征。 8.根据权利要求7所述的融合多影像组学特征的免疫治疗预测方法， 其特征在于， 所述 将第一影像组学特征与第二影像组学特征进行特征融合输入分类器为将2  个基于形状的 特征、 9 个一阶特征和  14 个高阶纹理特征、 5个代表性的临床特征、 第一影像组学特征进 行特征融合输入分类 器。 9.根据权利要求2所述的融合多影像组学特征的免疫治疗预测方法， 其特征在于， 所述 方法还包括对所述增强CT影像组学特征进行预处理， 所述预处理包括保留ICC超过预定阈 值的影像组学特征； 和/或剔除相关系数 大于规定阈值的影 像组学特征。 10.根据权利要求2所述的融合多影像组学特征的免疫治疗预测方法， 其特征在于， 所 述分类器选自下列算法中的一种或几种： 随机森林、 逻辑回归、 线性回归、 多项式回归、 逐步 回归、 岭回归、 套索回归、 弹性回归、 多层感知机、 极致梯度提升、 支持向量机 。 11.一种融合多影 像组学特征的免疫 治疗预测系统， 其特 征在于， 所述系统包括： 获取单元， 用于获取待测癌症患者的增强CT影 像； 第一影像组学特征提取单元， 用于提取影像组学特征， 选择与PD ‑1/PD‑L1表达状态相 关的影像组学特征作为第一影 像组学特征； 第二影像组学特征提取单元， 用于提取影像组学特征， 选择与免疫治疗反应相关的影 像组学特征作为第二影 像组学特征； 分类单元， 用于将第一影像组学特征与第二影像组学特征进行特征融合， 输入分类器， 得到患者是否适 合抗PD‑1/PD‑L1单抗治疗的分类结果。 12.一种融合多影 像组学特征的免疫 治疗预测设备， 包括： 存 储器和处 理器； 所述存储器用于存 储程序指令； 所述处理器用于调用程序指令， 当程序指令被执行时， 实现权利要求2 ‑10任意一项所 述的融合多影像组学特征的免疫治疗预测方法或采用权利要求1所述的融合多影像组学特 征的免疫治疗预测模型的构建方法构建的模型实现融合多影像组学特征的免疫治疗预测 方法。 13.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时， 实现权利要求2 ‑10任意一项 所述的融合多影像组学特征的免疫治疗预测 方法或采用权利要求 1所述的融合多影像组学特征的免疫治疗预测模型的构建方法构建的 模型实现融合多影 像组学特征的免疫 治疗预测方法。权　利　要　求　书 2/2 页 3 CN 115274119 B 3