本发明涉及机器学习领域，尤其涉及一种基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统。
背景技术：
1、随着免疫疗法在乳腺癌治疗中的应用越来越多，目前，pd-l1表达已成为最受关注的肿瘤免疫检查点治疗相关生物标志物，然而对于多数肿瘤而言，pd-l1免疫组化检测作为抗pd-1或抗pd-l1治疗的生物学标志物具有不可靠性，因此需要其他生物标志物来预测患者对免疫疗法的反应，然而，基于肿瘤微环境的生物标记物虽然能有效预测免疫治疗的疗效，但其局限性在于基因信息获取的有创性，由此，为了避免pd-l1免疫组化检测的不可靠性或是基因信息获取时的有创性，如何基于影像组学来构建一个三阴性乳腺癌患者的tme表型预测系统，并根据所述tme表型来预测三阴性乳腺癌患者的免疫治疗疗效，是一个亟须解决的问题。
技术实现思路
1、本发明提供了一种基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统，所述系统能够有效预测三阴性乳腺癌患者的tme表型，并根据tme表型来预测待评估患者的免疫治疗疗效。
2、本发明一实施例提供了一种基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统，包括：数据获取模块、tme表型预测模块、免疫治疗疗效评估模块以及模型构建模块；
3、所述数据获取模块，用于获取待评估患者的mri影像；
4、所述tme表型预测模块，用于将所述mri影像输入至tme表型预测模型中，以使所述tme表型预测模型根据所述mri影像，预测所述待评估患者的tme表型，并将所述tme表型结果输入至免疫治疗疗效评估模块中；
5、所述免疫治疗疗效评估模块，用于根据所述tme表型结果，评估所述待评估患者的免疫治疗疗效；
6、所述模型构建模块，用于获取若干接受过免疫联合治疗的三阴性乳腺癌患者的mri影像，以及每一患者对应的tme表型和治愈结果；对所述mri影像进行特征提取，得到提取后的特征信息；构建一随机森林分类器，以所述特征信息作为tme表型预测模型的输入，以每一患者对应的tme表型和治愈结果为输出对所述随机森林分类器进行训练，将训练完成后的随机森林分类器作为所述tme表型预测模型。
7、进一步地，所述的基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统，还包括：tme表型确定模块；所述tme表型确定模块包括：目标表达基因筛选单元、聚类单元以及tme表型确定单元；
8、所述目标表达基因筛选单元，用于获取若干患者的rna-seq数据，并基于预设的乳腺癌微环境基因纲要，从所述rna-seq数据中筛选出目标表达基因；
9、所述聚类单元，用于根据单样本基因富集分析，计算所述目标表达基因中每个细胞亚群的丰度，并根据所述目标表达基因中每个细胞亚群的丰度进行k-means聚类，得到k个聚类；
10、所述tme表型确定单元，用于根据所述k个聚类，确定目标tme表型，并将所述目标tme表型作为构建tme表型预测模型时所需的tme表型。
11、进一步地，所述tme表型确定模块，还包括：tme表型预后分析单元；
12、所述tme表型预后分析单元，用于在将所述目标tme表型，作为构建tme表型预测模型时所需的tme表型之前，根据目标tme表型，生成kaplan-meier生存曲线；
13、根据所述kaplan-meier生存曲线分别评估目标tme表型中每个细胞亚群的预后价值；
14、在所述预后价值超过预设值时，将所述目标tme表型，作为构建tme表型预测模型时所需的tme表型。
15、进一步地，构建tme表型预测模型时所需的tme表型包括：免疫炎症表型以及免疫沙漠表型。
16、进一步地，所述模型构建模块，在对所述mri影像进行特征提取，得到提取后的特征信息前，还包括：
17、对接受过免疫治疗的三阴性乳腺癌患者的mri影像进行标准化；
18、将标准化后的mri影像进行重采样，并对重采样后的mri影像进行图像分割。
19、进一步地，所述模型构建模块，还用于在得到mri影像后，将所述影像分为训练集以及测试集；通过所述训练集对所述随机森林分类器进行训练，通过所述测试集对训练完成后的随机森林分类器进行测试验证。
20、进一步地，在对所述随机森林分类器进行训练的过程中，将训练集进行n倍交叉验证，得到若干学习模型以及所述学习模型对应的评估精度值；取所述若干评估精度值的平均值，在所述平均值低于预设精度值时，重新调整随机森林分类器中的超参数，并在调整超参数后重新对所述随机森林分类器进行训练。
21、通过实施本发明具有如下有益效果：
22、本申请构建了一个三阴性乳腺癌患者tme表型的预测系统，通过获取待评估患者的mri影像，并将所述mri影像输入至tme表型预测模型中，以使所述tme表型预测模型根据所述mri影像，预测所述待评估患者的tme表型，并根据预测的tme表型来评估当前待评估患者的免疫治疗疗效，由此，所述tme表型预测模型通过对待评估患者的mri影像进行分析，从而得出当前待评估患者的tme表型，可有效避免pd-l1免疫组化检测的不可靠性以及基因信息获取时的有创性。
1.一种基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统，其特征在于，包括：数据获取模块、tme表型预测模块、免疫治疗疗效评估模块以及模型构建模块；
2.如权利要求1所述的基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统，其特征在于，还包括：tme表型确定模块；所述tme表型确定模块包括：目标表达基因筛选单元、聚类单元以及tme表型确定单元；
3.如权利要求2所述的基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统，其特征在于，所述tme表型确定模块，还包括：tme表型预后分析单元；
4.如权利要求3所述的基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统，其特征在于，构建tme表型预测模型时所需的tme表型包括：免疫炎症表型以及免疫沙漠表型。
5.如权利要求1所述的基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统，其特征在于，所述模型构建模块，在对所述mri影像进行特征提取，得到提取后的特征信息前，还包括：
6.如权利要求1所述的基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统，其特征在于，所述模型构建模块，还用于在得到mri影像后，将所述mri影像分为训练集以及测试集；通过所述训练集对所述随机森林分类器进行训练，通过所述测试集对训练完成后的随机森林分类器进行测试验证。
7.如权利要求6所述的基于tme表型的三阴性乳腺癌免疫治疗疗效评估系统，其特征在于，在对所述随机森林分类器进行训练的过程中，将训练集进行n倍交叉验证，得到若干学习模型以及所述学习模型对应的评估精度值；取所述若干评估精度值的平均值，在所述平均值低于预设精度值时，重新调整随机森林分类器中的超参数，并在调整超参数后重新对所述随机森林分类器进行训练。
