技术摘要：
本发明提供一种预测受试者胃癌预后的系统，其包括：数据采集模块，其用于获取受试者的临床特征数据、受试者免疫标记特征数据、以及受试者蛋白表达数据；数据处理模块，其对数据采集模块中获取的数据进一步进行处理；计算受试者胃癌预后风险的模块，其利用数据处理模块 全部
背景技术：
尽管近几十年来胃癌(GC)的发病率有所下降，但它仍然是全世界第三大最常见的 癌症和第三大癌症死因。这些病例中有一半以上发生在东亚地区。病理肿瘤-淋巴结转移 (Pathological Tumor-Node-Metastasis，简称为pTNM) 分期系统和组织学亚型已常规用 于预测GC的预后并指导治疗策略。但是，即使是在相同的pTNM分期和相似的治疗方案中，往 往患者的临床结局差异很大。因此，一些研究已经调查了预后生物标志物以希望能够实现 更好地结局预测。 许多信号传导途径和关键调节剂已被鉴定为与GC起始和进程异常相关，其中一些 也显示与GC的结果相关。基于基因芯片分析，在新鲜或冷冻的组织样品中已鉴定出不同的 基因表达特征。然而，收集的GC样品通常包含基质、肿瘤和正常细胞的混合物，并且具有复 杂的组成和组织异质性，因此，这些基于基因表达(RNA)的特征并不总是与蛋白质的表达一 致，但通常认为蛋白质是最终的生物功能的执行者。 如今，用于定量原位浸润的原位免疫细胞的“免疫评分(immunoscore)”工具已被 确定为一种预后工具，并且有望作为各种肿瘤的pTNM分类的补充。在大肠癌中，一个国际工 作组已经启动了前瞻性多中心研究，旨在在常规临床环境中实施TNM-免疫评分(TNM-1)。在 乳腺癌中，国际工作组已提出了评估肿瘤浸润淋巴细胞(TILs)的建议。此外，也有研究显示 免疫评分在GC中也显示出显著的预后价值。
技术实现要素：
尽管如上所述，已经有一些针对GC预后的模型，但本领域仍然需要开发出更为准 确地对GC的进展以及病人的结局进行预测的模型。 在本申请中，发明人尝试将关键的免疫信号和GC特异性信号蛋白整合到一个模型 中，实现了从根本上改善GC患者的预后价值。 具体来说，本发明涉及如下内容： 1.一种预测受试者胃癌预后的系统，其包括： 数据采集模块，其用于获取受试者的临床特征数据、受试者免疫标记特征数据、以 及受试者蛋白表达数据； 数据处理模块，其对数据采集模块中获取的数据进一步进行处理； 计算受试者胃癌预后风险的模块，其利用数据处理模块中处理的数据进行计算， 从而计算出所述受试者胃癌预后风险值，并基于该风险值将受试者分组。 2.根据项1所述的系统，其中，所述受试者是经临床医生诊断为罹患胃癌但尚未发 生远处转移并进行了胃部部分或全部切除手术的受试者。 4 CN 111724903 A 说 明 书 2/16 页 3.根据项1或2所述的系统，其中， 所述临床特征数据包括受试者的年龄数据(Age)和肿瘤-淋巴结转移的病理分期 (pTNM)，所述肿瘤-淋巴结转移的病理分期(pTNM)是依据受试者手术中切除的胃部组织基 于临床医生通过显微镜镜下观察肿瘤浸润水平 (T)，淋巴结转移(N)、并通过影像学方法诊 断远处转移(M)以进行病理分析给出的病理结果， 在数据处理模块中，基于所述病理结果将肿瘤-淋巴结转移的病理分期 (pTNM)分 为I期(pTNM1)、II期(pTNM2)、以及III期(pTNM3)。 4.根据项1～3中任一项所述的系统，其中， 所述免疫标记特征数据包括针对受试者胃部组织进行统计的泛T细胞 (CD3)、辅 助T细胞(CD4)、细胞毒性T淋巴细胞相关的丝氨酸酯酶1(GZMB)、 B细胞谱系特异性激活剂 (PAX5)的阳性细胞占肿瘤组织中总细胞的比例，以及细胞程序性死亡配体1(PDL1)在免疫 细胞中的表达是否为阳性， 其中针对细胞程序性死亡配体1(PDL1)，在数据处理模块中，将判断表达为阳性的 情况评分为1，将判断表达为阴性的情况评分为0。 5.根据项1～4中任一项所述的系统，其中， 所述蛋白表达数据是受试者胃部组织的钙粘蛋白(CDH1)细胞膜表达是否为阳性， 所述钙粘蛋白(CDH1)细胞膜表达是否为阳性是依据受试者手术中切除的胃部组织基于临 床医生进行病理分析给出的结果， 在数据处理模块中，将判断表达为阳性的情况评分为1，将判断表达为阴性的情况 评分为0。 6.根据项1～5中任一项所述的系统，其中， 在计算受试者胃癌预后风险的模块中使用的、来计算受试者胃癌预后风险值的公 式是与年龄数据、肿瘤-淋巴结转移的病理分期(pTNM)、泛T细胞(CD3)的阳性细胞比例、辅 助T细胞(CD4)的阳性细胞比例、细胞毒性T 淋巴细胞相关的丝氨酸酯酶1(GZMB)的阳性细 胞比例、细胞程序性死亡配体1(PDL1)在免疫细胞中的表达是否为阳性、B细胞谱系特异性 激活剂 (PAX5)的阳性细胞比例，钙粘蛋白(CDH1)细胞膜表达是否为阳性的指数相关联的 公式。 7.根据项6所述的系统，其中， 在计算受试者胃癌预后风险的模块中利用下述公式一来计算出受试者胃癌预后 风险值： 风险值＝k*exp((m*Age) L–(n*CD3阳性细胞占肿瘤组织中总细胞的比例)–(p* PAX5阳性细胞占肿瘤组织中总细胞的比例)–(q*判断 PDL1在免疫细胞中的表达是否阳性 的结果)–(r*判断CDH1在细胞膜是否阳性表达的结果)–(s*GZMB阳性细胞占肿瘤组织中总 细胞的比例) (t*CD4阳性细胞占肿瘤组织中总细胞的比例))；(公式一) 在上述公式一中，k、m、L、n、p、q、r、s、t为无单位参数，其中L 为肿瘤-淋巴结转移 的病理分期状态相关的无单位参数， 利用公式一计算出来的风险值可以用于对受试者胃癌预后和术后化疗疗效的预 测。 8.根据项7所述的系统，其中，在公式一中， 5 CN 111724903 A 说 明 书 3/16 页 k为0.1387， m为选自0.01282～0.03334中的任意数值，m优选为0.02307， 当肿瘤-淋巴结转移的病理分期(pTNM)为II期(pTNM2)时，L为选自 0 .46763～ 1.93387中的任意数值，L优选为1.20075，当肿瘤-淋巴结转移的病理分期(pTNM)为III期 (pTNM3)时，L为选自1.46149～2.87533中的任意数值，L优选为2.16841，当肿瘤-淋巴结转 移的病理分期(pTNM)为I期 (pTNM1)时，L＝0， n为选自-0.02737～0.00200中的任意数值，n优选为-0.01268， p为选自-0.24705～-0.04374中的任意数值，n优选为-0.14541， q为选自-0.56722～-0.04103中的任意数值，q优选为-0.30411， r为选自-0.72691～-0.06219中的任意数值，r优选为-0.39456， s为选自-0.11306～-0.00200中的任意数值，s优选为-0.05757， t为选自-0.02061～0.02479中的任意数值，t优选为0.00207。 9.根据项7或8所述的系统，其中， 利用公式一计算出来的风险值，当风险值大于等于1.5时，计算受试者胃癌预后风 险的模块将受试者胃癌预后风险评估为高风险； 利用公式一计算出来的风险值，当风险值小于1.5时，计算受试者胃癌预后风险的 模块将受试者胃癌预后风险评估为低风险。 10.一种预测受试者胃癌预后的方法，其包括： 数据采集步骤，其获取受试者的临床特征数据、受试者免疫标记特征数据、以及受 试者蛋白表达数据； 数据处理步骤，其对数据采集步骤中获取的数据进一步进行处理； 计算受试者胃癌预后风险的步骤，其利用数据处理步骤中处理的数据进行计算， 从而计算出所述受试者胃癌预后风险值，并基于该风险值将受试者分组。 11.根据项10所述的方法，其中，所述受试者是经临床医生诊断为罹患胃癌但尚未 发生远处转移并进行了胃部部分或全部切除手术的受试者。 12.根据项10或11所述的方法，其中， 所述临床特征数据包括受试者的年龄数据(Age)和肿瘤-淋巴结转移的病理分期 (pTNM)，所述肿瘤-淋巴结转移的病理分期(pTNM)是依据受试者手术中切除的胃部组织基 于临床医生通过显微镜镜下观察肿瘤浸润水平 (T)，淋巴结转移(N)、并通过影像学方法诊 断远处转移(M)以进行病理分析给出的病理结果， 在数据处理步骤中，基于所述病理结果将肿瘤-淋巴结转移的病理分期 (pTNM)分 为I期(pTNM1)、II期(pTNM2)、以及III期(pTNM3)。 13.根据项10～12中任一项所述的方法，其中， 所述免疫标记特征数据包括针对受试者胃部组织进行统计的泛T细胞 (CD3)、辅 助T细胞(CD4)、细胞毒性T淋巴细胞相关的丝氨酸酯酶1(GZMB)、 B细胞谱系特异性激活剂 (PAX5)的阳性细胞占肿瘤组织中总细胞的比例，以及细胞程序性死亡配体1(PDL1)在免疫 细胞中的表达是否为阳性， 其中针对细胞程序性死亡配体1(PDL1)，在数据处理步骤中，将判断表达为阳性的 情况评分为1，将判断表达为阴性的情况评分为0。 6 CN 111724903 A 说 明 书 4/16 页 14.根据项10～13中任一项所述的方法，其中， 所述蛋白表达数据是受试者胃部组织的钙粘蛋白(CDH1)细胞膜表达是否为阳性， 所述钙粘蛋白(CDH1)细胞膜表达是否为阳性是依据受试者手术中切除的胃部组织基于临 床医生进行病理分析给出的结果， 在数据处理步骤中，将判断表达为阳性的情况评分为1，将判断表达为阴性的情况 评分为0。 15.根据项10～13中任一项所述的系统，其中， 在计算受试者胃癌预后风险的步骤中使用的、来计算受试者胃癌预后风险值的公 式是与年龄数据、肿瘤-淋巴结转移的病理分期(pTNM)、泛T细胞(CD3)的阳性细胞比例、辅 助T细胞(CD4)的阳性细胞比例、细胞毒性T 淋巴细胞相关的丝氨酸酯酶1(GZMB)的阳性细 胞比例、细胞程序性死亡配体1(PDL1)在免疫细胞中的表达是否为阳性、B细胞谱系特异性 激活剂 (PAX5)的阳性细胞比例、钙粘蛋白(CDH1)细胞膜表达是否为阳性的指数相关联的 公式。 16.根据项15所述的方法，其中， 在计算受试者胃癌预后风险的步骤中利用下述公式一来计算出受试者胃癌预后 风险值： 风险值＝k*exp((m*Age) L–(n*CD3阳性细胞占肿瘤组织中总细胞的比例)–(p* PAX5阳性细胞占肿瘤组织中总细胞的比例)–(q*判断 PDL1在免疫细胞中的表达是否阳性 的结果)–(r*判断CDH1在细胞膜是否阳性表达的结果)–(s*GZMB阳性细胞占肿瘤组织中总 细胞的比例) (t*CD4阳性细胞占肿瘤组织中总细胞的比例))；(公式一) 在上述公式一中，k、m、L、n、p、q、r、s、t为无单位参数，其中L 为肿瘤-淋巴结转移 的病理分期状态相关的无单位参数， 利用公式一计算出来的风险值可以用于对受试者胃癌预后和术后化疗疗效的预 测。 17.根据项16所述的系统，其中，在公式一中， k为0.1387， m为选自0.01282～0.03334中的任意数值，m优选为0.02307， 当肿瘤-淋巴结转移的病理分期(pTNM)为II期(pTNM2)时，L为选自 0 .46763～ 1.93387中的任意数值，L优选为1.20075，当肿瘤-淋巴结转移的病理分期(pTNM)为III期 (pTNM3)时，L为选自1.46149～2.87533中的任意数值，L优选为2.16841，当肿瘤-淋巴结转 移的病理分期(pTNM)为I期 (pTNM1)时，L＝0， n为选自-0.02737～0.00200中的任意数值，n优选为-0.01268， p为选自-0.24705～-0.04374中的任意数值，n优选为-0.14541， q为选自-0.56722～-0.04103中的任意数值，q优选为-0.30411， r为选自-0.72691～-0.06219中的任意数值，r优选为-0.39456， s为选自-0.11306～-0.00200中的任意数值，s优选为-0.05757， t为选自-0.02061～0.02479中的任意数值，t优选为0.00207。17.根据项15或16所 述的方法，其中， 利用公式一计算出来的风险值，当风险值大于等于1.5时，计算受试者胃癌预后风 7 CN 111724903 A 说 明 书 5/16 页 险的方法将受试者胃癌预后风险评估为高风险； 利用公式一计算出来的风险值，当风险值小于1.5时，计算受试者胃癌预后风险的 方法将受试者胃癌预后风险评估为低风险。 发明效果 本申请涉及的系统和方法选取了8个特征，包括五个免疫标记(分别是 CD3、CD4、 PDL1、PAX5和GZMB)，以及EMT蛋白标记(即CDH1膜表达)和两个临床特征(分别是pTNM和年 龄)，开发了可显着改善GC患者预后能力的系统和方法。该系统和方法可适用于有或没有新 辅助化疗的患者，并显示出预测价值，可从手术后辅助化疗中受益。
本发明提供一种预测受试者胃癌预后的系统，其包括：数据采集模块，其用于获取受试者的临床特征数据、受试者免疫标记特征数据、以及受试者蛋白表达数据；数据处理模块，其对数据采集模块中获取的数据进一步进行处理；计算受试者胃癌预后风险的模块，其利用数据处理模块 全部
背景技术：
尽管近几十年来胃癌(GC)的发病率有所下降，但它仍然是全世界第三大最常见的 癌症和第三大癌症死因。这些病例中有一半以上发生在东亚地区。病理肿瘤-淋巴结转移 (Pathological Tumor-Node-Metastasis，简称为pTNM) 分期系统和组织学亚型已常规用 于预测GC的预后并指导治疗策略。但是，即使是在相同的pTNM分期和相似的治疗方案中，往 往患者的临床结局差异很大。因此，一些研究已经调查了预后生物标志物以希望能够实现 更好地结局预测。 许多信号传导途径和关键调节剂已被鉴定为与GC起始和进程异常相关，其中一些 也显示与GC的结果相关。基于基因芯片分析，在新鲜或冷冻的组织样品中已鉴定出不同的 基因表达特征。然而，收集的GC样品通常包含基质、肿瘤和正常细胞的混合物，并且具有复 杂的组成和组织异质性，因此，这些基于基因表达(RNA)的特征并不总是与蛋白质的表达一 致，但通常认为蛋白质是最终的生物功能的执行者。 如今，用于定量原位浸润的原位免疫细胞的“免疫评分(immunoscore)”工具已被 确定为一种预后工具，并且有望作为各种肿瘤的pTNM分类的补充。在大肠癌中，一个国际工 作组已经启动了前瞻性多中心研究，旨在在常规临床环境中实施TNM-免疫评分(TNM-1)。在 乳腺癌中，国际工作组已提出了评估肿瘤浸润淋巴细胞(TILs)的建议。此外，也有研究显示 免疫评分在GC中也显示出显著的预后价值。
技术实现要素：
尽管如上所述，已经有一些针对GC预后的模型，但本领域仍然需要开发出更为准 确地对GC的进展以及病人的结局进行预测的模型。 在本申请中，发明人尝试将关键的免疫信号和GC特异性信号蛋白整合到一个模型 中，实现了从根本上改善GC患者的预后价值。 具体来说，本发明涉及如下内容： 1.一种预测受试者胃癌预后的系统，其包括： 数据采集模块，其用于获取受试者的临床特征数据、受试者免疫标记特征数据、以 及受试者蛋白表达数据； 数据处理模块，其对数据采集模块中获取的数据进一步进行处理； 计算受试者胃癌预后风险的模块，其利用数据处理模块中处理的数据进行计算， 从而计算出所述受试者胃癌预后风险值，并基于该风险值将受试者分组。 2.根据项1所述的系统，其中，所述受试者是经临床医生诊断为罹患胃癌但尚未发 生远处转移并进行了胃部部分或全部切除手术的受试者。 4 CN 111724903 A 说 明 书 2/16 页 3.根据项1或2所述的系统，其中， 所述临床特征数据包括受试者的年龄数据(Age)和肿瘤-淋巴结转移的病理分期 (pTNM)，所述肿瘤-淋巴结转移的病理分期(pTNM)是依据受试者手术中切除的胃部组织基 于临床医生通过显微镜镜下观察肿瘤浸润水平 (T)，淋巴结转移(N)、并通过影像学方法诊 断远处转移(M)以进行病理分析给出的病理结果， 在数据处理模块中，基于所述病理结果将肿瘤-淋巴结转移的病理分期 (pTNM)分 为I期(pTNM1)、II期(pTNM2)、以及III期(pTNM3)。 4.根据项1～3中任一项所述的系统，其中， 所述免疫标记特征数据包括针对受试者胃部组织进行统计的泛T细胞 (CD3)、辅 助T细胞(CD4)、细胞毒性T淋巴细胞相关的丝氨酸酯酶1(GZMB)、 B细胞谱系特异性激活剂 (PAX5)的阳性细胞占肿瘤组织中总细胞的比例，以及细胞程序性死亡配体1(PDL1)在免疫 细胞中的表达是否为阳性， 其中针对细胞程序性死亡配体1(PDL1)，在数据处理模块中，将判断表达为阳性的 情况评分为1，将判断表达为阴性的情况评分为0。 5.根据项1～4中任一项所述的系统，其中， 所述蛋白表达数据是受试者胃部组织的钙粘蛋白(CDH1)细胞膜表达是否为阳性， 所述钙粘蛋白(CDH1)细胞膜表达是否为阳性是依据受试者手术中切除的胃部组织基于临 床医生进行病理分析给出的结果， 在数据处理模块中，将判断表达为阳性的情况评分为1，将判断表达为阴性的情况 评分为0。 6.根据项1～5中任一项所述的系统，其中， 在计算受试者胃癌预后风险的模块中使用的、来计算受试者胃癌预后风险值的公 式是与年龄数据、肿瘤-淋巴结转移的病理分期(pTNM)、泛T细胞(CD3)的阳性细胞比例、辅 助T细胞(CD4)的阳性细胞比例、细胞毒性T 淋巴细胞相关的丝氨酸酯酶1(GZMB)的阳性细 胞比例、细胞程序性死亡配体1(PDL1)在免疫细胞中的表达是否为阳性、B细胞谱系特异性 激活剂 (PAX5)的阳性细胞比例，钙粘蛋白(CDH1)细胞膜表达是否为阳性的指数相关联的 公式。 7.根据项6所述的系统，其中， 在计算受试者胃癌预后风险的模块中利用下述公式一来计算出受试者胃癌预后 风险值： 风险值＝k*exp((m*Age) L–(n*CD3阳性细胞占肿瘤组织中总细胞的比例)–(p* PAX5阳性细胞占肿瘤组织中总细胞的比例)–(q*判断 PDL1在免疫细胞中的表达是否阳性 的结果)–(r*判断CDH1在细胞膜是否阳性表达的结果)–(s*GZMB阳性细胞占肿瘤组织中总 细胞的比例) (t*CD4阳性细胞占肿瘤组织中总细胞的比例))；(公式一) 在上述公式一中，k、m、L、n、p、q、r、s、t为无单位参数，其中L 为肿瘤-淋巴结转移 的病理分期状态相关的无单位参数， 利用公式一计算出来的风险值可以用于对受试者胃癌预后和术后化疗疗效的预 测。 8.根据项7所述的系统，其中，在公式一中， 5 CN 111724903 A 说 明 书 3/16 页 k为0.1387， m为选自0.01282～0.03334中的任意数值，m优选为0.02307， 当肿瘤-淋巴结转移的病理分期(pTNM)为II期(pTNM2)时，L为选自 0 .46763～ 1.93387中的任意数值，L优选为1.20075，当肿瘤-淋巴结转移的病理分期(pTNM)为III期 (pTNM3)时，L为选自1.46149～2.87533中的任意数值，L优选为2.16841，当肿瘤-淋巴结转 移的病理分期(pTNM)为I期 (pTNM1)时，L＝0， n为选自-0.02737～0.00200中的任意数值，n优选为-0.01268， p为选自-0.24705～-0.04374中的任意数值，n优选为-0.14541， q为选自-0.56722～-0.04103中的任意数值，q优选为-0.30411， r为选自-0.72691～-0.06219中的任意数值，r优选为-0.39456， s为选自-0.11306～-0.00200中的任意数值，s优选为-0.05757， t为选自-0.02061～0.02479中的任意数值，t优选为0.00207。 9.根据项7或8所述的系统，其中， 利用公式一计算出来的风险值，当风险值大于等于1.5时，计算受试者胃癌预后风 险的模块将受试者胃癌预后风险评估为高风险； 利用公式一计算出来的风险值，当风险值小于1.5时，计算受试者胃癌预后风险的 模块将受试者胃癌预后风险评估为低风险。 10.一种预测受试者胃癌预后的方法，其包括： 数据采集步骤，其获取受试者的临床特征数据、受试者免疫标记特征数据、以及受 试者蛋白表达数据； 数据处理步骤，其对数据采集步骤中获取的数据进一步进行处理； 计算受试者胃癌预后风险的步骤，其利用数据处理步骤中处理的数据进行计算， 从而计算出所述受试者胃癌预后风险值，并基于该风险值将受试者分组。 11.根据项10所述的方法，其中，所述受试者是经临床医生诊断为罹患胃癌但尚未 发生远处转移并进行了胃部部分或全部切除手术的受试者。 12.根据项10或11所述的方法，其中， 所述临床特征数据包括受试者的年龄数据(Age)和肿瘤-淋巴结转移的病理分期 (pTNM)，所述肿瘤-淋巴结转移的病理分期(pTNM)是依据受试者手术中切除的胃部组织基 于临床医生通过显微镜镜下观察肿瘤浸润水平 (T)，淋巴结转移(N)、并通过影像学方法诊 断远处转移(M)以进行病理分析给出的病理结果， 在数据处理步骤中，基于所述病理结果将肿瘤-淋巴结转移的病理分期 (pTNM)分 为I期(pTNM1)、II期(pTNM2)、以及III期(pTNM3)。 13.根据项10～12中任一项所述的方法，其中， 所述免疫标记特征数据包括针对受试者胃部组织进行统计的泛T细胞 (CD3)、辅 助T细胞(CD4)、细胞毒性T淋巴细胞相关的丝氨酸酯酶1(GZMB)、 B细胞谱系特异性激活剂 (PAX5)的阳性细胞占肿瘤组织中总细胞的比例，以及细胞程序性死亡配体1(PDL1)在免疫 细胞中的表达是否为阳性， 其中针对细胞程序性死亡配体1(PDL1)，在数据处理步骤中，将判断表达为阳性的 情况评分为1，将判断表达为阴性的情况评分为0。 6 CN 111724903 A 说 明 书 4/16 页 14.根据项10～13中任一项所述的方法，其中， 所述蛋白表达数据是受试者胃部组织的钙粘蛋白(CDH1)细胞膜表达是否为阳性， 所述钙粘蛋白(CDH1)细胞膜表达是否为阳性是依据受试者手术中切除的胃部组织基于临 床医生进行病理分析给出的结果， 在数据处理步骤中，将判断表达为阳性的情况评分为1，将判断表达为阴性的情况 评分为0。 15.根据项10～13中任一项所述的系统，其中， 在计算受试者胃癌预后风险的步骤中使用的、来计算受试者胃癌预后风险值的公 式是与年龄数据、肿瘤-淋巴结转移的病理分期(pTNM)、泛T细胞(CD3)的阳性细胞比例、辅 助T细胞(CD4)的阳性细胞比例、细胞毒性T 淋巴细胞相关的丝氨酸酯酶1(GZMB)的阳性细 胞比例、细胞程序性死亡配体1(PDL1)在免疫细胞中的表达是否为阳性、B细胞谱系特异性 激活剂 (PAX5)的阳性细胞比例、钙粘蛋白(CDH1)细胞膜表达是否为阳性的指数相关联的 公式。 16.根据项15所述的方法，其中， 在计算受试者胃癌预后风险的步骤中利用下述公式一来计算出受试者胃癌预后 风险值： 风险值＝k*exp((m*Age) L–(n*CD3阳性细胞占肿瘤组织中总细胞的比例)–(p* PAX5阳性细胞占肿瘤组织中总细胞的比例)–(q*判断 PDL1在免疫细胞中的表达是否阳性 的结果)–(r*判断CDH1在细胞膜是否阳性表达的结果)–(s*GZMB阳性细胞占肿瘤组织中总 细胞的比例) (t*CD4阳性细胞占肿瘤组织中总细胞的比例))；(公式一) 在上述公式一中，k、m、L、n、p、q、r、s、t为无单位参数，其中L 为肿瘤-淋巴结转移 的病理分期状态相关的无单位参数， 利用公式一计算出来的风险值可以用于对受试者胃癌预后和术后化疗疗效的预 测。 17.根据项16所述的系统，其中，在公式一中， k为0.1387， m为选自0.01282～0.03334中的任意数值，m优选为0.02307， 当肿瘤-淋巴结转移的病理分期(pTNM)为II期(pTNM2)时，L为选自 0 .46763～ 1.93387中的任意数值，L优选为1.20075，当肿瘤-淋巴结转移的病理分期(pTNM)为III期 (pTNM3)时，L为选自1.46149～2.87533中的任意数值，L优选为2.16841，当肿瘤-淋巴结转 移的病理分期(pTNM)为I期 (pTNM1)时，L＝0， n为选自-0.02737～0.00200中的任意数值，n优选为-0.01268， p为选自-0.24705～-0.04374中的任意数值，n优选为-0.14541， q为选自-0.56722～-0.04103中的任意数值，q优选为-0.30411， r为选自-0.72691～-0.06219中的任意数值，r优选为-0.39456， s为选自-0.11306～-0.00200中的任意数值，s优选为-0.05757， t为选自-0.02061～0.02479中的任意数值，t优选为0.00207。17.根据项15或16所 述的方法，其中， 利用公式一计算出来的风险值，当风险值大于等于1.5时，计算受试者胃癌预后风 7 CN 111724903 A 说 明 书 5/16 页 险的方法将受试者胃癌预后风险评估为高风险； 利用公式一计算出来的风险值，当风险值小于1.5时，计算受试者胃癌预后风险的 方法将受试者胃癌预后风险评估为低风险。 发明效果 本申请涉及的系统和方法选取了8个特征，包括五个免疫标记(分别是 CD3、CD4、 PDL1、PAX5和GZMB)，以及EMT蛋白标记(即CDH1膜表达)和两个临床特征(分别是pTNM和年 龄)，开发了可显着改善GC患者预后能力的系统和方法。该系统和方法可适用于有或没有新 辅助化疗的患者，并显示出预测价值，可从手术后辅助化疗中受益。
