本发明涉及鉴定或辅助鉴定肺癌的计算机装置和计算机可读存储介质。
背景技术：
1、近年来肿瘤死亡率的降低主要得益于“早筛早诊，早诊早治”，然而目前大多数肿瘤的早期筛查主要依赖于影像学。影像学的高灵敏度为肺腺癌的早期诊疗带来了一个伴随问题：无法区分良性增生结节和肺腺癌(luad)，由此产生了临床上的过度诊断。与此同时，由于早期肿瘤样本的匮乏，很少有研究关注肿瘤的早期演化过程。在机体处于一个相对健康的状态时，肿瘤启动细胞具有一定的隐蔽性和惰性。一旦状态失衡，肿瘤启动细胞会尝试扩张为预浸润性病变。这种侵袭前病变仍会保持一定的隐蔽性，同时由于局部微环境带来的选择压力，不断获得新的特征最终形成具有更恶性的侵袭性病变。
2、2015年，who发布的肺癌病理分型指南将早期肺腺癌划分为非典型增生(aah)、原位癌(ais)、微浸润癌(mia)及浸润癌(ia)的多阶段发展过程，这一过程可能要经历5-20年时间。根据中华医学会肺癌临床诊疗指南(2022版)，ais指单纯贴壁生长模式的腺癌，目前ais和aah被归为腺体前驱病变。mia是指肿瘤以贴壁型成分为主，肿瘤大小≤30mm且浸润成分最大径≤5mm，且均无胸膜、支气管、脉管侵犯、肿瘤性坏死以及气腔内播散。ia是指肿瘤浸润成分最大径>5mm。在临床上，前驱病变(aah和ais)可能不需要积极干预，一旦发展为浸润性腺癌，恶性程度明显增强，需要及时干预。所以在肺腺癌进展为浸润腺癌之前，如果我们能够及时发现并干预，将很大程度上提高患者的5年生存率。且不同阶段的术后生存期存在着显著差异，ais和mia期患者术后生存率可达100％，一旦进展为ia期，术后生存率就会降到75％。
3、那么在肺腺癌早期演化过程中，是否存在递进式的特征获得过程？从mia进展到ia阶段，肺腺癌的侵袭性分子开关是什么？
技术实现思路
1、本发明的目的是提供鉴定或辅助鉴定肺癌的计算机装置和计算机可读存储介质。
2、本发明提供了一种计算机装置，其包括存储器、处理器及存储在存储器上的计算机程序，其特征在于：所述处理器执行所述计算机程序以实现如下步骤：
3、s1、数据接收：接收供试者样本中甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据，得到样本数据；所述供试者样本为供试者的呼出气样本或体液样本；
4、s2、结果输出：基于所述样本数据从计算机输出结果信息，所述结果信息为供试者是否为肺癌患者。
5、计算机流程图见图1。
6、所述结果信息由肺癌和非肺癌分类模型得出；所述肺癌和非肺癌分类模型是将采集自确诊为肺癌的受试者和确诊为非肺癌的受试者的样本中的甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据作为训练样本构建的；所述样本为受试者的呼出气样本或体液样本。
7、本发明还提供了一种计算机程序产品，包括计算机程序，其特征在于：该计算机程序被处理器执行时实现所述步骤s1和所述步骤s2。
8、本发明还提供了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：该计算机程序被处理器执行时实现所述步骤s1和所述步骤s2。
9、本发明还提供了一种装置，所述装置为用于肺癌筛查或肺癌辅助筛查或肺癌诊断或肺癌辅助诊断的装置，其特征在于：所述装置包括如下模块：
10、m1、数据接收模块：用于接收供试者样本中甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据，得到样本数据；所述供试者样本为供试者的呼出气样本或体液样本；
11、m2、结果输出模块：用于基于所述样本数据从计算机输出结果信息，所述结果信息为供试者是否为肺癌患者。
12、所述结果输出模块存储肺癌和非肺癌分类模型；所述肺癌和非肺癌分类模型是将采集自确诊为肺癌的受试者和确诊为非肺癌的受试者的样本中的甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据作为训练样本构建的；所述样本为受试者的呼出气样本或体液样本。
13、所述结果输出模块包括模型构建子模块；所述模型构建子模块用于构建肺癌和非肺癌分类模型；所述肺癌和非肺癌分类模型是将采集自确诊为肺癌的受试者和确诊为非肺癌的受试者的样本中的甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据作为训练样本构建的；所述样本为受试者的呼出气样本或体液样本。
14、本发明还提供了用于肺癌筛查或肺癌辅助筛查或肺癌诊断或肺癌辅助诊断的方法，其特征在于：所述方法包括如下步骤：
15、接收供试者样本中甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据，得到样本数据；所述供试者样本为供试者的呼出气样本或体液样本；
16、基于所述样本数据从计算机输出结果信息，所述结果信息为供试者是否为肺癌患者。
17、所述结果信息由肺癌和非肺癌分类模型得出；所述肺癌和非肺癌分类模型是将采集自确诊为肺癌的受试者和确诊为非肺癌的受试者的样本中的甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据作为训练样本构建的；所述样本为受试者的呼出气样本或体液样本。
18、本发明还提供了肺癌和非肺癌分类模型的构建方法，其特征在于：所述方法包括如下步骤：将采集自确诊为肺癌的受试者和确诊为非肺癌的受试者的样本中的甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据作为训练样本构建肺癌和非肺癌分类模型。
19、以上任一所述肺癌和非肺癌分类模型又称为肺癌/非肺癌分类模型。
20、以上任一所述肺癌和非肺癌分类模型为二分类模型。
21、以上任一所述肺癌和非肺癌分类模型的输出结果信息为“肺癌患者是”或“肺癌患者否”。
22、以上任一所述肺癌和非肺癌分类模型的输出结果信息为“肺癌患者”或“非肺癌患者”。
23、以上任一所述分类模型为机器学习模型。
24、具体的，所述分类模型为朴素贝叶斯模型(naive bayes model)。
25、具体的，所述分类模型为逻辑回归模型(logistic regression model)。
26、所述体液样本为血液样本或尿液样本。
27、具体的，所述血液样本为血浆样本。
28、所述呼出气样本可为呼出气气体样本或呼出气液体样本。
29、所述呼出气气体样本为直接采集的呼出气样本。
30、所述呼出气液体样本为呼出气冷凝物。
31、所述呼出气液体样本为呼出气气体样本的冷凝物。
32、以上任一所述甘氨酸含量可为绝对含量也可为相对含量。
33、以上任一所述甘氨酸含量可为浓度(示例性的，浓度单位可为μg/ml)，也可为相对浓度。以上任一所述甘氨酸含量可为将甘氨酸浓度(示例性的，浓度单位可为μg/ml)基于肌酐浓度(示例性的，浓度单位可为μg/ml)进行线性归一化后的相对含量。
34、以上任一所述甘氨酸含量可为丰度，也可为相对丰度。以上所述液体样本(血液样本、尿液样本或呼出气液体样本)中甘氨酸含量可为利用sciex triple quadtm5500检测得到的甘氨酸丰度(峰面积)。以上所述气体样本中甘氨酸含量可为为利用高压光子电离飞行时间质谱(hppi-tofms)检测得到的甘氨酸丰度(峰面积)。
35、以上任一所述脯氨酸含量可为绝对含量也可为相对含量。
36、以上任一所述脯氨酸含量可为浓度(示例性的，浓度单位可为μg/ml)，也可为相对浓度。以上任一所述脯氨酸含量可为将脯氨酸浓度(示例性的，浓度单位可为μg/ml)基于肌酐浓度(示例性的，浓度单位可为μg/ml)进行线性归一化后的相对含量。
37、以上任一所述脯氨酸含量可为丰度，也可为相对丰度。以上所述液体样本(血液样本、尿液样本或呼出气液体样本)中脯氨酸含量可为利用sciex triple quadtm5500检测得到的脯氨酸丰度(峰面积)。以上所述气体样本中脯氨酸含量可为利用高压光子电离飞行时间质谱(hppi-tofms)检测得到的脯氨酸丰度(峰面积)。
38、以上任一所述羟脯氨酸含量可为绝对含量也可为相对含量。
39、以上任一所述羟脯氨酸含量可为浓度(示例性的，浓度单位可为μg/ml)，也可为相对浓度。以上任一所述羟脯氨酸含量可为将羟脯氨酸浓度(示例性的，浓度单位可为μg/ml)基于肌酐浓度(示例性的，浓度单位可为μg/ml)进行线性归一化后的相对含量。
40、以上任一所述羟脯氨酸含量可为丰度，也可为相对丰度。以上所述液体样本(血液样本、尿液样本或呼出气液体样本)中羟脯氨酸含量可为利用sciex triple quadtm5500检测得到的羟脯氨酸丰度(峰面积)。以上所述气体样本中羟脯氨酸含量可为利用高压光子电离飞行时间质谱(hppi-tofms)检测得到的羟脯氨酸丰度(峰面积)。
41、以上任一所述甘氨酸为l-甘氨酸。
42、以上任一所述脯氨酸为l-脯氨酸。
43、以上任一所述羟脯氨酸为l-羟脯氨酸。
44、以上任一所述肺癌可为肺腺癌。
45、以上任一所述肺癌可为肺腺癌或肺鳞癌或非小细胞肺癌。
46、本发明可用于诊断或筛查肺癌患者，可以实现早期诊断或筛查肺癌。
1.一种计算机装置，其包括存储器、处理器及存储在存储器上的计算机程序，其特征在于：所述处理器执行所述计算机程序以实现如下步骤：
2.如权利要求1所述的计算机装置，其特征在于：所述结果信息由肺癌和非肺癌分类模型得出；所述肺癌和非肺癌分类模型是将采集自确诊为肺癌的受试者和确诊为非肺癌的受试者的样本中的甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据作为训练样本构建的；所述样本为受试者的呼出气样本或体液样本。
3.一种计算机程序产品，包括计算机程序，其特征在于：该计算机程序被处理器执行时实现权利要求1或2中所述的步骤s1和步骤s2。
4.一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：该计算机程序被处理器执行时实现权利要求1或2中所述的步骤s1和步骤s2。
5.装置，所述装置为用于肺癌筛查或肺癌辅助筛查或肺癌诊断或肺癌辅助诊断的装置，其特征在于：所述装置包括如下模块：
6.如权利要求5所述的装置，其特征在于：所述结果输出模块存储肺癌和非肺癌分类模型；所述肺癌和非肺癌分类模型是将采集自确诊为肺癌的受试者和确诊为非肺癌的受试者的样本中的甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据作为训练样本构建的；所述样本为受试者的呼出气样本或体液样本。
7.如权利要求5所述的装置，其特征在于：所述结果输出模块包括模型构建子模块；所述模型构建子模块用于构建肺癌和非肺癌分类模型；所述肺癌和非肺癌分类模型是将采集自确诊为肺癌的受试者和确诊为非肺癌的受试者的样本中的甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据作为训练样本构建的；所述样本为受试者的呼出气样本或体液样本。
8.用于肺癌筛查或肺癌辅助筛查或肺癌诊断或肺癌辅助诊断的方法，其特征在于：
9.如权利要求8所述的方法，其特征在于：所述结果信息由肺癌和非肺癌分类模型得出；所述肺癌和非肺癌分类模型是将采集自确诊为肺癌的受试者和确诊为非肺癌的受试者的样本中的甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据作为训练样本构建的；所述样本为受试者的呼出气样本或体液样本。
10.肺癌和非肺癌分类模型的构建方法，其特征在于：所述方法包括如下步骤：将采集自确诊为肺癌的受试者和确诊为非肺癌的受试者的样本中的甘氨酸含量数据、脯氨酸含量数据和羟脯氨酸含量数据作为训练样本构建肺癌和非肺癌分类模型。
