(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211138968.1 (22)申请日 2022.09.19 (71)申请人 上海市第一人民医院 地址 200080 上海市虹口区武进路85号 (72)发明人 王琳　娄加陶　王薛庆　乔理华　 郭巧梅　吴飞　梁小卉　许万星　 (74)专利代理 机构 上海元好知识产权代理有限 公司 31323 专利代理师 贾慧琴　张静洁 (51)Int.Cl. G16H 50/50(2018.01) G16H 50/70(2018.01) G16H 30/20(2018.01) G06N 20/00(2019.01) G01N 33/68(2006.01)G01N 27/64(2006.01) (54)发明名称 一种基于血清代谢指纹的肺部良恶性结节 多组学鉴别诊断模型及其构建方法 (57)摘要 本发明公开了一种基于血清代谢指纹的肺 部良恶性结节多组学鉴别诊断模型及其构建方 法， 该构建方法包括： 获取肺腺癌血清样本和对 照血清样本的原始代谢指纹图谱和CEA蛋白含 量； 基于样本的原始代谢指纹图谱， 采用机器学 习构建单模态诊断模型； 进一步联合单模态诊断 模型的得分和CEA含量， 采用机器学习构建双模 态诊断模型； 获取肺结节患者的CT影像， 输入CT 影像辅助诊断模 型； 联合双模态诊断模 型得分和 CT影像辅助诊断模型得分作为输入， 采用机器学 习构建所述的肺部良恶性结节多组学鉴别诊断 模型。 本发明方法构建的模型实现了代谢组学、 肿瘤蛋白标志物和CT影像特征的三模态分析， 提 高了肺结节良恶性鉴定的灵敏度、 准确性， 且构 建方法简单。 权利要求书2页 说明书9页 附图2页 CN 115458173 A 2022.12.09 CN 115458173 A 1.一种基于血清代谢指纹 的肺部良恶性结节多组学鉴别诊断模型的构建方法， 其特征 在于， 包括以下步骤： S1， 获取肺腺癌血清样本和对照血清样本的原 始代谢指纹图谱和C EA蛋白含量； S2， 基于两种样本的原始代谢指纹图谱， 采用机器学习方法构建单模态诊断模型； 进一 步联合单模态诊断模型的得分和CEA含量作为输入， 采用机器学习 方法构建双模态诊断模 型； S3， 获取肺结节患者的CT影 像， 输入CT影 像辅助诊断模型； S4， 联合步骤S2得到的双模态诊断模型的分数和步骤S3得到的CT影像辅助诊断模型的 分数作为输入， 采用机器学习 方法构建三模态诊断模型， 即所述的基于血清代谢指纹的肺 部良恶性结节多组学鉴别诊断模型。 2.如权利要求1所述的基于血清代谢指纹 的肺部良恶性结节多组学鉴别诊断模型的构 建方法， 其特征在于， 所述的CT影像辅助诊断模型为仅基于CT影像信息构建的肺结节良恶 性风险预测模型。 3.如权利要求1所述的基于血清代谢指纹 的肺部良恶性结节多组学鉴别诊断模型的构 建方法， 其特征在于， 所述的机器学习 方法包括支持向量机、 神经网络、 高斯朴素贝叶斯或 AdaBoost算法中的任意 一种或多种。 4.如权利要求1所述的基于血清代谢指纹 的肺部良恶性结节多组学鉴别诊断模型的构 建方法， 其特征在于， 步骤S1 中， 使用MALDI ‑MS技术对 所述肺腺癌血清样 本和对照血清样 本 进行代谢检测， 以获得原 始代谢指纹图谱。 5.如权利要求4所述的基于血清代谢指纹 的肺部良恶性结节多组学鉴别诊断模型的构 建方法， 其特 征在于， 使用MALDI ‑MS技术获得原 始代谢指纹图谱的具体步骤 包括： (1)采集肺腺癌 患者和非肺腺癌对照者的血清样本， 并准备纳米 基质材料； (2)将血清样本和纳米基质材料分别用去离子水稀释配制得到待测血清样本和纳米基 质悬浮液； (3)在LDI ‑MS质谱靶板上进行待测血清样本点样， 室温干燥后进行基质悬浮液点样， 室 温干燥； (4)在LDI ‑TOF‑MS中检测待测血清样本， 获得 血清样本的原 始代谢指纹图谱。 6.如权利要求5所述的基于血清代谢指纹 的肺部良恶性结节多组学鉴别诊断模型的构 建方法， 其特 征在于， 步骤(2)中， 血清样本被稀释10倍， 纳米 基质悬浮液的浓度为1mg/mL。 7.一种根据权利要求1 ‑6中任一项所述的构建方法构建而得的基于血清代谢指纹的肺 部良恶性结节多组学鉴别诊断模型。 8.一种权利要求7所述的基于血清代谢指纹 的肺部良恶性结节多组学鉴别诊断模型的 使用方法， 其特 征在于， 包括以下步骤： (1)取待检血清样本， 采用MALDI ‑MS技术进行分析， 得到该待检血清样本的原始代谢指 纹图谱； 同时检测待检血清样本中的C EA含量， 并获取患者的胸部 CT影像； (2)对所述原 始代谢指纹图谱进行图谱预处 理， 得到该样本的血清 代谢指纹； (3)将该患者的CT影 像输入CT影 像辅助诊断模型； (4)将该样本 的CEA含量、 血清代谢指纹和步骤(3)中CT影像辅助诊断模型的得分输入 到所述的肺部良恶性结节多组学鉴别诊断模型中， 该模型根据恶性 概率， 给出0‑1的得分。权　利　要　求　书 1/2 页 2 CN 115458173 A 29.如权利要求8所述的使用方法， 其特征在于， 当模型得分大于cutoff值， 则表示患者 肺部结节具有较高的恶性概率， 需要进行进一步治疗或随访； 当模 型得分不高于cut off值， 则表示该患者肺部结节具有较低的恶性 风险。权　利　要　求　书 2/2 页 3 CN 115458173 A 3