论文部分内容阅读
自20世纪80年代起，肺癌已成为目前世界范围内发病率及死亡率最高的恶性肿瘤。围绕肿瘤进展的建模研究能辅助医生了解病情、选择治疗方式，具有较大科研和临床意义，已成为广大医疗工作者和科研人员的重要研究课题。 目前，针对医学硬指标(生化、影像学和肿瘤标记物等)的研究相对成熟，研究者使用客观、精准的数据探究疾病发展的影响因素并建立预测模型。但这类细胞级数据在人体复杂巨系统中相对微观和孤立，要想揭示机体复杂规律还需加强对宏观、定性因素的考虑。医学软指标(症状、体征、FACT-L评分等)能反映人体在内外多因素作用下的综合情况。但由于不可精确测量且数据特点复杂，所以相关研究仍处于探索阶段。 考虑我国中晚期肺癌患者以中医治疗为主且治疗措施难以控制，课题组提出整体研究设想：不限制患者所采取的干预措施，直接研究隐含着全部干预措施效果的宏观可观测症状，结合患者个体病情变化趋势，研究肺癌肿瘤进展预测模型。本文作为研究的第一阶段，首先从基于横截面、时间序列和纵向数据3个方面介绍建模研究现状并阐述软指标数据特点。在此基础上，针对研究第一阶段所面临的几个问题提出具体研究和解决方案。接着设计了肿瘤进展诊疗辅助管理原型系统(DTAMS)并开发部分模块。最后对研究工作进行总结和展望。本文的探索和研究内容如下： (1)在调研和数据特点分析基础上，本文协助课题组提出肿瘤进展建模的整体研究设想，并针对建模第一阶段所面临的几个问题提出具体研究方案。 (2)本文验证了软指标间相关性的特点，认为建模时需关注相关性问题。在此基础上，提出改进的单因素分析方法FAUCA，利用因子分析从具有相关性的症状中提取潜在公因子，再利用聚类发现症状组合模式，以探究该综合效应对肿瘤进展的影响。利用症状软指标进行实验，得到症状组合模式对肿瘤进展有显著性影响的结论。 (3)针对软指标具有多维性、相关性和不确定性的特点，本文提出两阶段属性降维方法RSFA，利用粗糙集属性约简技术处理不确定性，在保持属性分类能力的情况下剔除无效和噪声属性。然后利用因子分析处理相关性。最后利用LS-SVM建立症候分类器验证RSFA降维效果，结果表明分类正确率比未降维时提高4％，比传统PCA降维和RS属性约简后提高5％～6％。 (4)针对由随访软指标形成的不等长、不完全匹配的短时间序列，本文在分析现有方法适用性基础上，提出基于带限定LCS的加权相似性度量方法PWLCS，利用窗函数限定序列扭曲程度，并结合领域知识设定权重。使用凝聚层次方法对FACT-L评分序列进行聚类以验证PWLCS效果，结果表明与其他常规方法相比，该方法相对评价指标平均高出0.20，外部评价指标平均高出0.38，说明该方法更适合度量所研究数据的相似性。 此外，本文还完成了患者病历回顾性数据的整理和存储、前瞻性数据的收集以及DTAMS的设计和部分功能的实现，为课题组进一步研究工作做好准备。