CN104603619B - 在处置周期期间的白血细胞监测 - Google Patents

在处置周期期间的白血细胞监测 Download PDF

Info

Publication number
CN104603619B
CN104603619B CN201380044875.5A CN201380044875A CN104603619B CN 104603619 B CN104603619 B CN 104603619B CN 201380044875 A CN201380044875 A CN 201380044875A CN 104603619 B CN104603619 B CN 104603619B
Authority
CN
China
Prior art keywords
track
minimum point
cycle
modelling
equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201380044875.5A
Other languages
English (en)
Other versions
CN104603619A (zh
Inventor
C·范贝克尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN104603619A publication Critical patent/CN104603619A/zh
Application granted granted Critical
Publication of CN104603619B publication Critical patent/CN104603619B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
    • G01N33/56966—Animal cells
    • G01N33/56972—White blood cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Cell Biology (AREA)
  • Urology & Nephrology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Microbiology (AREA)
  • Tropical Medicine & Parasitology (AREA)
  • Virology (AREA)
  • Biotechnology (AREA)
  • Zoology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Ecology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本申请涉及用于监测和预测在化疗处置周期内的白血细胞的至少一个成分尤其是绝对中性粒细胞计数(ANC)的细胞计数的方法与装置。所述方法包括取得(102)在处置周期内的对对象的所述白血细胞成分的细胞计数的至少一个测量结果；识别(103)与针对所述对象的所述至少一个测量结果匹配的白血细胞计数的至少一个模型化轨迹；并且基于所述至少一个模型化轨迹来识别(104)在所述周期中的稍后日期和/或下一周期的开始时可能的细胞计数。识别至少一个模型化轨迹的所述步骤可以包括取得已经被生成(101)的轨迹的参考集，并且根据所述参考集来识别与所述测量数据匹配的轨迹的选择集。

Description

在处置周期期间的白血细胞监测
技术领域
本发明涉及用于在处置周期期间的白血细胞监测的方法与装置，并且具体涉及用于预测白血细胞计数，并且尤其是中性粒细胞计数的方法和装置。
背景技术
许多化疗处置常常是在门诊的基础上被施予的，其中，该处置通常包括许多处置周期。每个周期的持续时间通常可以为约2-3周。在每个周期期间，化疗药物不仅影响诸如肿瘤细胞的快速分裂的细胞，而且还影响骨髓中的多能干细胞，多能干细胞是前期的血细胞。化疗处置因此也减少了患者的白血细胞计数。如果白血细胞计数降至太低，尤其是如果中性粒细胞计数降低并且患者经历中性粒细胞减少症，则这能够将患者置于可能威胁生命的感染的增加的风险中，并且能够导致化疗处置的下一周期的延迟，同时可能降低处置的效力。
在有希望及时恢复用于下一周期的开始之前的周期期间，不同白血细胞的计数降至最低的点，被称作最低点。如果在最低点的计数太低，或者如果患者在最低点处或附近出现发热，则这被归类为副作用。
已经提出为了支持化疗处置而监测白血细胞计数，尤其是绝对中性粒细胞计数(ANC)。总的白血细胞计数由许多亚种群构成，主要是中性粒细胞、淋巴细胞和单核细胞。在一些情况下，ANC可以是主要临床感兴趣的。因此可以在预计的最低点之前测得ANC，并在ANC在特定阈值以下时生成警报。然而，为了允许在需要时采取预防动作，必须使用保守阈值，从而得到需要由健康护理专业人员考虑的大量警报。
也可以在开始下一周期之前测得ANC，并且如果在周期结束时恢复的计数太低而不能安全地允许施予下一化疗剂量，则可以延迟处置。然而，取消规划的处置能够造成对患者和健康护理提供者而言的排程问题。在后期被取消的预约可能导致对健康护理提供者的资源的非最佳使用。而且允许足够的时间以确保其细胞计数已经恢复的患者参加处置的下一机会，可能导致在处置之前的延迟，该延迟比实际需要的更久，这可能影响总体处置效力。
因此期望提供对于患者而言方便的监测白血细胞计数的改进的方法，以供用于对化疗处置的管理中。
发明内容
根据本发明的第一方面，提供了一种针对对象预测在化疗处置周期内的至少一个白血细胞成分的细胞计数的方法，所述方法包括：取得在所述周期内的对所述对象的所述白血细胞成分的细胞计数的至少一个测量结果；识别与针对所述对象的所述至少一个测量结果匹配的白血细胞计数的至少一个模型化轨迹；并且基于所述至少一个模型化轨迹来识别在所述周期中的稍后日期和/或下一周期的开始时可能的细胞计数。
识别至少一个模型化轨迹的所述步骤可以包括取得适合于所述对象的轨迹的参考集；以及根据所述参考集来识别与针对所述对象的所述至少一个测量结果匹配的轨迹的选择集。
可以通过识别对应于所述对象的模型参数和参数变化的集，并针对识别的参数值的每个实例对轨迹进行建模，来针对所述对象对轨迹的所述参考集进行建模。至少一个对象参数或变化可以是基于适合于所述对象的群体平均的。
所述方法可以包括预测细胞计数最低点。在该情况下，所述方法可以包括将所述选择集的所述轨迹的平均最低点确定为所预测的细胞计数最低点。在所预测的细胞计数最低点在阈值水平以下时可以生成警报。
所述方法可以额外地包括以下中的至少一项：识别所述选择集的轨迹中具有在阈值水平以下的最低点的比例；并且确定所述选择集的所述轨迹的最低点值的范围。
所述选择集的轨迹中具有在阈值水平以下的最低点的比例可以被识别为风险水平。所述选择集的所述轨迹的最低点值的范围可以被识别为置信水平。
所述方法可以额外地或备选地包括识别在预计的当前周期的结束和/或下一周期的开始时或附近的所述细胞计数。
所述细胞计数可以是绝对中性粒细胞计数。
所述至少一个模型化轨迹可以是使用造血模型来生成的。
白血细胞计数的至少一个模型化轨迹可以对接受处置的所述对象进行建模以模拟白血细胞产生。
本发明还涉及用于预测至少一个白血细胞成分的细胞计数的装置。因此在本发明的另一方面中，提供了一种用于针对对象预测在化疗处置周期内的至少一个白血细胞成分的细胞计数的装置，所述装置包括：数据输入接口，其用于接收对所述对象的所述白血细胞成分的细胞计数的至少一个测量结果；以及处理器，其被配置为识别与针对所述对象的所述至少一个测量结果匹配的白血细胞计数的至少一个模型化轨迹；并且基于所述至少一个模型化轨迹来识别在所述周期中的稍后日期和/或下一周期开始时可能的细胞计数。
所述处理器可以适于询问包括适合于所述对象的轨迹的参考集的数据库，从而根据所述参考集来识别与针对所述对象的所述至少一个测量结果匹配的轨迹的选择集。
本发明在另外的方面提供一种计算机程序产品，包括计算机可读代码，所述计算机可读代码在由适当的计算机或处理器运行时，被配置为令所述计算机或所述处理器执行上述方法。
附图说明
为了更好地理解本发明，以及为了更清楚地示出可以如何实现本发明，现在将仅通过范例的方式来参考附图，在附图中：
图1图示根据本发明的实施例的方法的流程图；
图2示出细胞计数轨迹的选择集的绘图；
图3示出使用本发明的方法预测的ANC最低点相对于测量的ANC的绘图；
图4图示在被施予生长因子和没有被施予生长因子的两种情况下预测的ANC轨迹的选择集；并且
图5图示根据本发明的实施例的系统。
具体实施方式
本发明的实施例使用诸如造血模型的生物物理模型来提供对诸如绝对中性粒细胞计数(ANC)的至少一个白血细胞成分的细胞计数的预测。在一些实施例中，对所述模型的随机使用能够被用于识别与可用数据一致的许多可能的未来情境，并且所识别的情境能够被分析以确定期望的信息，例如中性粒细胞减少症的风险。
对化疗对各个白血细胞成分的细胞计数的作用进行建模的各种生物物理模型是已知的。例如，各种生物物理模型被描述在M.Sanstrom等人的文章“Population analysisof the pharmacokinetics and the haematological toxicity of the fluorouracil-epirubicin-cyclophosphamide regimen in breast cancer patients”(CancerChemother Pharmacol，第58卷，第l43至l56页，2006年)中，以及还在Elena Soto等人的文章“Semi-mechanistic population pharmacokinetic/pharmacodynamic model forneutropenia following therapy with the Plk-1inhibitor BI 2536and itsapplication in clinical development”(Cancer Chemother Pharmacol，DOI 10.1007/s00280-009-1223-2，2010年)中，在此通过引用将其内容并入本文。
这些模型使用诸如剂量、肾功能、处置前ANC、体表面积和成熟平均通过时间的对象参数，以便针对正在经历化疗的对象，对细胞计数可以如何随着时间变化进行建模。所述模型在数学上由关联的一阶微分方程组定义，所述方程能够被实施在适当的处理器上以在给定特定参数组的情况下确定细胞计数轨迹，即细胞计数将如何随着时间变化的指示。
应当指出，诸如由Soto等人提出的模型不一定必需特定于中性粒细胞计数，而是能够被用于在假设使用正确的参数的情况下对淋巴细胞计数、单核细胞计数或总的白血细胞计数进行建模。将认识到，在现实中，这些细胞类型的成熟过程是不同的，并且更为复杂的模型已经将此考虑在内(参见例如Caroline Colijn、Michael C Mackey[McGill]的文章“A mathematical model of hematopoiesis I.Periodic chronic myelogenousleukemia”(Journal of Theoretical Biology，第237卷，第l17至132页，2005年))。
由Soto等人描述的模型对于许多实施例是足够的并且能够被用于在给定适当的输入参数组的情况下确定绝对中性粒细胞计数(ANC)轨迹。下文的描述将讨论对ANC的建模，但是将理解，在其他实施例中，所述模型可以额外地或备选地被用于对淋巴细胞计数、单核细胞计数和/或总的白血细胞计数进行建模。
图1图示了图示根据本发明预测细胞计数的最低点的方法的一个实施方式的流程图。
在阶段101，可以生成针对对象的ANC轨迹的参考集，所述对象即正在经历化疗处置的个体。优选地通过取得关于已知的特定对象及其处置方案的参数，并基于针对考虑中的所述对象的适当的群体平均来估计未知的任何模型参数，来生成参考集。因此，诸如药物类型和剂量以及对象的年龄的参数一般将是已知的。诸如体表面积(如果适用的话)和/或处置前中性粒细胞计数的参数可以是已知的，或者如果需要可以是专门测得的。诸如清除率(或肾功能)和通过时间的参数可以是未知的，并且因此可以基于适合于特定对象的各种群体平均而针对对象来估计。如果诸如处置前中性粒细胞计数的参数是未知的，则这些也可以基于预定的分布特性来估计。针对所述参数中的一些的至少一些变化也可以使用先前已经确立的群体变化来确定。换言之，可以估计一些可能的参数值。然而，在一些情况下，可以生成适合于许多不同对象的参考集，并且可以在选择阶段使用对象特异性的参数，如下面将描述的。通常，在对象开始处置方案之前生成参考集(并且因此步骤101被示出为初始步骤)，但是这并不总是这样，并且可以在过程中的任何适当的点生成参考集。
应当指出，所述模型参数尤其是诸如清除率和通过时间的参数的分布特性(例如，平均值和标准差)可以取自现有文献，和/或可以在之前已经通过在处置期间测量代表性的患者群体的实际ANC轨迹以便确定所述分布特性而被确立。在使用中，能够随着收集到越来越多的细胞计数数据，而更新所述参数估计和分布特性。以这种方式，如果对细胞计数的测量变成常规实践，则所述模型参数可以随时间而更准确地被限定。
因此可以通过识别对应于对象的模型参数和参数变化的集，并针对识别的参数值的每个实例对轨迹进行建模，来针对所述对象对轨迹的参考集进行建模。如所提及的，至少一个模型参数或变化可以是基于适合于对象的群体平均的。
在一些实施例中，参考集可以被生成为由约1000个模型化轨迹构成，尽管能够根据需要包括更多或更少的轨迹。
在步骤102中，采集与在处置周期内的对象的实际细胞计数有关的数据。优选地，该数据是通过对象在家中使用适当的测量装置自测来采集的。适合于由对象家庭使用的用于测量白血细胞计数的装置是已知的。允许对象在家中自测对于对象和健康护理提供者两者而言都是方便的。通常，对象因此将在所述处置周期期间采集其细胞计数的至少一个度量，例如ANC。
细胞计数数据可以被用于确定初始细胞计数轨迹。如果在当前处置周期开始时或刚好在当前处置周期之前的起始ANC是已知的，则对细胞计数的一个测量结果可以足以确立初始轨迹。然而，在一些实施例中，可以在处置周期开始时定期，例如每一天或每两天确定细胞计数。
如所提及的，可以通过对象在诸如对象的家中的方便的地点自测来采集测量结果，尽管一些对象可能需要帮助测试，并且在一些情况下，对象可以访问诸如本地测试中心的地点以取得测量结果。测量排程可以涉及在周期的某些部分采集的更为频繁的测量结果。例如可以越往周期的开始取得越频繁的测量结果，以确保初始轨迹得到良好限定。在周期中的后期，当对于该周期有越多的数据可用时，可以为了对象的方便而放松要求从而减少测量频率。如所提及的，测量频率可以是每天，但在一些情况下，可以至少针对处置周期的部分，每天采集超过一个测量结果。将认识到，采集越多的测量结果可以允许对初始细胞计数轨迹的越准确的识别，但是可能表示对于对象而言越大的测试负担。
为了允许对象在采集测量结果中的灵活性，并且还为了改善结果的准确性，可以记录采集测量结果时的时间。记录时间可以允许在不扭曲结果的情况下使用在天的不同时间采集的测量结果(模型时间分辨率或准确度是这样的，天的时间变化在未被正确识别时能够具有一些影响)。测量的时间能够由诸如对象的用户记录，和/或测量装置可以自动记录测量的时间，并将时间添加到数据记录。
在步骤103，检查轨迹的参考集以确定在期望的公差内轨迹的初始部分与所采集的数据匹配的任何轨迹。识别与初始数据匹配的那些轨迹以形成轨迹的选择集。
由于参考集可以已经被选择为与特定对象的参数匹配，所以识别选择集的步骤可以简单地涉及将轨迹与现有数据匹配。然而，在一些情况下，对象的一些其他参数可以被用于确定形成选择集的轨迹。另外，可以使用任何其他边界标准，例如ANC将不是负的。然而如果参考集不是特定于特定对象的参数的通用群体参考集，则已知的参数能够被用在该阶段，以使群体参考集减少为适合于对象的选择集。
轨迹的选择集之后能够被用于预测在相同处置周期中的稍后时间点的细胞计数值。因此可见，本发明总体上提供一种针对对象预测在化疗处置周期内的至少一个白血细胞成分的细胞计数的方法，所述方法涉及取得在所述周期内的对所述对象的所述白血细胞成分的细胞计数的至少一个测量结果；识别与针对所述对象的所述至少一个测量匹配的白血细胞计数的至少一个模型化轨迹；并且基于所述至少一个模型化轨迹来识别在所述周期中的稍后日期和/或下一周期的开始时可能的细胞计数。
图1中图示的方法可以被用于预测细胞计数最低点时间和ANC值，如下面将要描述的。
在步骤103已经识别了选择集之后，可以在步骤104确定选择集中的全部轨迹的平均细胞计数。为了预测细胞计数最低点，平均值将是选择集中的全部轨迹的最低点值的平均。该平均值可以被当作是对最低点的值的预测。也可以通过考虑当针对选择集的轨迹最低点出现时的时间的平均来确定预计的最低点的时间。
图2图示ANC轨迹的选择集的范例绘图。用于生成图2的参考集是使用由Sato等人描述的造血模型使用本文中描述的群体数据参数和分布特性而建模的针对10000个对象的群体数据集。该模型是基于已知化疗药物的21天处置周期的。
已经在周期的第2天和第4天采集的针对给定对象的实际ANC数据被取得并被用于在设定公差内从群体数据集选择在第2天和第4天具有相同细胞计数值的全部轨迹。该选择集被绘制为如图2中所示(其中，细胞计数值是关于右边轴的)。在该范例中，针对选择集选择30个轨迹。
从图2可见，选择集呈现细胞计数最低点值的范围。针对该范例，平均值是1.1每纳升(nL)血液。
本发明的方法因此使得能够基于在处置周期内采集的数据来预测相同周期内的最低点计数值。所述预测能够提前许多天进行，并且因此允许对可能需要预防动作的中性粒细胞减少症的任何风险的早期警告，而没有不适当的错误报警。预测在数据被采集时的相同处置周期内的值的能力是本发明的实施例的显著优点。
同时，选择集的最低点的平均值可以简单地被用作所预测的计数值，在一些实施例中，可以通过考虑选择集的轨迹中具有小于特定阈值的最低点值的比例和/或最低点值的范围来确定额外的信息。
因此，除了确定平均最低点值以外或者代替确定平均最低点值，在图1的步骤105，可以针对一个或多个阈值水平来确定轨迹中具有在阈值以下的最低点计数的比例。通过设定阈值水平并确定选择集中的轨迹中具有在阈值以下的最低点值的比例，能够确定对象的细胞计数降至阈值以下的相对风险。
中性粒细胞减少症通常被定义为小于1每纳升(nL)血液的ANC。严重的中性粒细胞减少症通常被定义为小于0.5/nL。因此，可以设定为1/nL和0.5nL的ANC的单独阈值。如果，例如选择集的轨迹中的10％具有小于1/nl的最低点细胞计数，则这可以被当作是计数值可能降至1/nL以下的10％的风险。要指出，风险因子提供额外的信息，因为所预测的(平均)最低点值其自身可能在阈值以上。确定除了预测的平均值以外的风险因子改善了所述预测的有用性。
在图2中示出的范例选择集中，轨迹中具有小于1.0/nL的最低点细胞计数的比例(例如，呈现中性粒细胞减少症)是19％。
返回参考图1，任选地在步骤106，所述方法可以涉及确定范围，例如选择集的轨迹的最低点值的分布的标准差或其他度量。这可以被当作是所预测的最低点值的置信度的指示。窄的范围将指示比可能的最低点值的宽范围更高的置信度。
在步骤107，可以应用各种临床规则。例如，如果预测的最低点值和/或风险因子超过健康护理专业人员设定的特定限度，则可以为健康护理专业人员自动生成警报。规则可以是基于预测的最低点值和/或风险因子的，并且任选地可以包括置信水平。例如，在所预测的平均最低点值在第一限度以下或者达到第二限度(其可以不同于第一限度)的风险超过设定值时，可以生成警报。在生成警报的情况下，数据可以连同确定的置信值的指示一起被转发给健康护理专业人员。
注意，以上讨论集中在预测细胞计数最低点上。这是有用的，因为其能够及时向健康护理专业人员提供信息以决策是否需要任何干预来防止副作用。然而，所述方法也可以被用于预测在设定时间点的细胞计数值，或者可能达到设定计数值的时间。例如，所述方法可以涉及确定在预计的处置周期的结束时可能的计数值，和/或细胞计数水平将已经充分恢复用于预计的下一处置周期开始时的时间。
在该范例中，所述方法将通过将对在处置周期内的实际细胞计数的采集的数据与适合于对象的轨迹的参考集进行比较，以识别与所采集的数据匹配的选择集，来以基本上相同的方式操作。之后能够根据需要分析轨迹的选择集。
例如，在步骤104能够确定在特定天的细胞计数的平均值，可能连同在步骤105确定细胞计数在设定阈值以上或以下的比例，以及在步骤106确定细胞计数在该天的范围。这可以提供针对特定天，例如预计要开始的下一处置周期之前的天所预测的细胞计数，连同细胞计数不在安全水平以上的风险因子以及所预测的值的置信。该预测可以在下一排程的处置之前几天进行，因此在需要时允许有更多的时间用于重新排程处置。这可以允许健康护理提供者对资源的更有效使用，并且也可以通过允许更多的时间来排程新的处置日期来降低对象的等待时间。能够在所述方法预测计数值在所排程的下一周期开始之前可能没有充分恢复时生成警报。所述方法可以额外地或备选地通过识别细胞计数水平将以期望的置信水平和/或可接受的风险水平超过阈值时的时间，来预测将达到安全细胞计数水平时的日期。该预测的日期能够被传达给健康护理提供者，以允许对下一处置的合适的排程。
本发明的方法因此允许健康护理专业人员例如在设置处置方案中更好地管理针对对象的处置方案，从而识别任何需要的干预，并根据需要对所提出的处置间隔做出调节。
如上文联系图1所描述的，可以在步骤101生成参考集，在已知时能够使用针对对象的具体参数值，并且之后在步骤103，可以识别该参考集中与所采集的数据匹配的轨迹。然而，在一些实施例中，可以生成参考集，同时将任何采集的测量数据考虑在内和/或所述方法可以涉及在处置周期期间重新生成参考集，同时将任何采集的测量数据考虑在内。
例如，可以基于适当的参数和参数变化来生成初始参考集，以包含期望数量的参考轨迹。在一些情况下，由采集到的细胞计数数据确定的初始轨迹可以指示实际轨迹是参考集中的相对异常值，这可能意味着选择集中轨迹的数量是有限的。一旦已经确立了初始轨迹，就能够重新生成参考集，同时将初始轨迹考虑在内以生成具有更大数量的轨迹的参考集，所述轨迹接近匹配于测得的初始轨迹。
因此，在一些情况下，初始参考集可以被用作第一选择水平，能够具有用于将实际轨迹与模型化轨迹匹配的第一组公差，并且一旦确立了初始轨迹，就可以利用可以对应于所采集的数据的更大数量的模型化轨迹来生成集中的参考集。在一些情况下，第二组公差可以被用于根据集中的参考集来形成选择集。
在一些应用中，也能够基于从前一周期采集的数据来再次生成针对随后的处置周期的参考集。
为了评价本发明的方法，实行验证测验，其中，分析针对1000个对象的实际ANC数据。对于每个对象，直到周期的第4天的数据被用于预测ANC的最低点。之后将所预测的ANC最低点与测得的实际ANC进行比较。在图3中绘制结果。可见，所预测的ANC最低点值与测得的实际ANC最低点值很好地对应。
图3还示出为1/nL的ANC值的阈值，并因此图示的是所预测的ANC最低点值被用作对中性粒细胞减少症的指示器，真阳性和阴性的数目(分别地，为实际ANC最低点和预测的ANC最低点两者都小于1/nL或两者都大于1/nL)以及假阴性和假阳性的数量。清楚地，能够通过改变生成警报时的阈值水平来调节假阳性和阴性的相对数量。通过使用高于1/nL的阈值水平，能够减少假阳性的数量(尽管代价是增加假阳性的数量)。
然而针对测试的优点的更有用的图是受试者工作曲线的曲线下面积(AUC)。为1的AUC代表完美的测试，而为0.5的值代表随机测试。下表1图示在该情况下获得的值，并且还图示噪声在细胞计数测量中的影响。在中性粒细胞减少症风险被用作预测器时获得类似的AUC值。
噪声 1％ 5％ 15％ 30％
R2 87％ 79％ 55％ 49％
灵敏度 87％ 87％ 76％ 66％
似然比 6.7 6.7 3.1 1.9
AUC 0.95 0.93 0.83 0.74
表1，预测性能
可见，上述方法允许准确预测能够由健康护理专业人员用于通知处置决策的最低点细胞计数。尤其地，如果所预测的细胞计数最低点或风险因子指示中性粒细胞减少症的可能风险，则健康护理专业人员可以决定采取预防措施。
在临床实践中，在临床医师预期严重中性粒细胞减少症的出现时的情况下，能够开具生长因子药物，例如模拟白血细胞的产生的粒细胞集落刺激因子(GCSF)药物。这些药物的标准用法是在整个周期中施予多个剂量的短持续性变体或者在继化疗的施予之后的天，在周期的第1天施予单一剂量的长持续性变体。
用于生成细胞计数轨迹的生物物理模型也能够对生长因子的效果进行建模。因此，在一些实施例中，所述方法可以涉及，在步骤108，识别与针对对象的至少一个测量结果匹配的白血细胞计数的至少一个模型化轨迹，并且其对接受处置的对象进行建模以模拟白血细胞产生。例如，所述方法可以包括在周期中的预定天，对引入生长因子的效果进行建模。
因此如上文所述，可以在处置周期期间采集针对对象的ANC数据。所采集的数据可以被用于在没有任何生长因子处置的情况下识别与所采集的数据匹配的轨迹的选择集。可以额外地识别对应于随后被应用的生长因子处置的轨迹组。对应于生长因子的应用的选择集可以被确定为理所当然的事，或者在一些实施例中，可以仅在没有任何生长因子的情况下所预测的最低点或风险因子满足特定标准时，识别应用生长因子的效果。
在该实施例中，可以在没有首先决定是否需要生长因子的情况下评估在周期内化疗处置的效果。例如如上文所讨论的，能够在21天周期中的第4天左右进行评估。此时，能够对所述最低点的深度和计时进行合理预测，但是仍将有足够的时间用于在需要时应用生成因子。之后能够为临床医师呈现在两种情境中的最低点的值。一种情境是在其中不施予生长因子，并且一种情境是在其中例如从第4天开始施予生长因子。
图4图示大体上两个集，一个对应于在没有施加任何生长因子的情况下的ANC计数，而另一个对应于在第4天时激活白血细胞产生的处置。
使用生物物理模型来对处置的效果进行建模以模拟在处置周期期间的白血细胞计数表示本发明的实施例的另一创新方面。
图5图示了根据本发明的实施例的系统。图5示出装置501，其用于针对对象预测在化疗处置周期内的至少一个白血细胞成分的细胞计数。装置501具有数据输入接口502，其用于接收对对象的白血细胞成分的细胞计数的至少一个测量结果。所述数据可以使用白血细胞计数测量装置503来采集，例如在专利公开WO03/100402中所描述的，或者用于确定至少一个白血细胞成分的水平的任何适当的装置。优选地，测量装置503被用在对象的家中，并且可以适于使得对象能够自测。在一些情况下，用于预测细胞计数的装置501和测量装置503可以形成同一装置的部分，或者两者都可以被定位在对象家中，但是在其他实施例中，装置501可以距测量装置503远程地被定位，并且因此测量装置503可以被配置用于能够经由诸如对象的集线器设备或计算设备或通信设备(例如，移动电话)的中间设备504远程传送数据。数据传送可以通过任何适当的手段，例如经由互联网。
装置501具有处理器505。处理器可以被布置为询问包括适合于对象的轨迹的参考集的数据库506，从而根据参考集来识别与针对对象的至少一个测量结果匹配的轨迹的选择集。包括参考集的数据库可以被存储在装置501内，或者根据需要由装置501生成，装置501可以例如形成健康护理系统的部分。然而在其他实施例中，可以存在根据需要由装置501访问的外部数据库507和模型。基于模型化轨迹的参考集和采集到的数据，处理器505识别在周期中的稍后日期和/或下一周期开始时可能的细胞计数，例如预测最低点细胞计数和/或最低点细胞计数在设定阈值以下的风险。
装置501可以之后应用由健康护理专业人员设定的一个或多个临床规则，以确定所预测的细胞计数或风险因子是否表示可能的问题，如上文所讨论的。基于这些规则，处理器可以将警报发送到健康护理专业人员的装置508，以指示可能的问题。
尽管已经在附图和前面的描述中详细说明和描述了本发明，但这样的说明和描述被认为是说明性或示范性的而非限制性的；本发明不限于所公开的实施例。
通过研究附图、说明书和从属权利要求，本领域的技术人员在实践所主张的本发明时能够理解和实现所公开的实施例的其他变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且，量词“一”或“一个”并不排除多个。单个处理器或其他单元可以实现权利要求书中记载的若干项目的功能。在互不相同的从属权利要求中记载了特定措施并不指示不能有利地使用这些措施的组合。计算机程序可以存储和/或分布在与其他硬件一起提供或作为其他硬件的部分提供的诸如光学存储介质或固态介质的适当的介质上，但是计算机程序也可以以其他的形式分布，例如经由因特网或其他有线或无线的远程通信系统。权利要求中的任何附图标记不得被解释为对范围的限制。

Claims (28)

1.一种针对对象预测在化疗处置周期内的至少一个白血细胞成分的细胞计数的方法，所述方法包括：
取得在所述周期内的对所述对象的所述白血细胞成分的细胞计数的至少一个测量结果；
识别与针对所述对象的所述至少一个测量结果匹配的白血细胞计数的至少一个模型化轨迹；并且
基于所述至少一个模型化轨迹来识别在所述周期中的稍后日期和/或下一周期的开始时可能的细胞计数。
2.如权利要求1所述的方法，其中，识别至少一个模型化轨迹的所述步骤包括取得适合于所述对象的轨迹的参考集，并且根据所述参考集来识别与针对所述对象的所述至少一个测量结果匹配的轨迹的选择集。
3.如权利要求2所述的方法，其中，通过识别对应于所述对象的模型参数和参数变化的集，并针对识别的参数值的每个实例对轨迹进行建模，来针对所述对象对轨迹的所述参考集进行建模。
4.如权利要求3所述的方法，其中，至少一个对象参数或变化是基于适合于所述对象的群体平均的。
5.如权利要求2至4中的任一项所述的方法，其中，所述方法包括预测细胞计数最低点，并且所述方法包括将所述选择集的所述轨迹的平均最低点确定为所预测的细胞计数最低点。
6.如权利要求5所述的方法，包括在所预测的细胞计数最低点在阈值水平以下时生成警报。
7.如权利要求5所述的方法，其中，所述方法还包括以下中的至少一项：
识别所述选择集的轨迹中具有在阈值水平以下的最低点的比例；并且
确定所述选择集的所述轨迹的最低点值的范围。
8.如权利要求7所述的方法，其中，所述选择集的轨迹中具有在阈值水平以下的最低点的比例被识别为风险水平，和/或所述选择集的所述轨迹的最低点值的范围被识别为置信水平。
9.如权利要求1-4中的任一项所述的方法，其中，所述方法包括识别在预计的当前周期的结束和/或下一周期的开始时或附近的所述细胞计数。
10.如权利要求1-4中的任一项所述的方法，其中，至少一个白血细胞成分的所述细胞计数包括绝对中性粒细胞计数。
11.如权利要求1-4中的任一项所述的方法，其中，所述至少一个模型化轨迹是使用造血模型来生成的。
12.如权利要求1-4中的任一项所述的方法，包括识别与针对所述对象的所述至少一个测量结果匹配的白血细胞计数的至少一个模型化轨迹，并且所述至少一个模型化轨迹对接受处置的所述对象进行建模以模拟白血细胞产生。
13.一种用于针对对象预测在化疗处置周期内的至少一个白血细胞成分的细胞计数的装置，所述装置包括：
数据输入接口，其用于接收对所述对象的所述白血细胞成分的细胞计数的至少一个测量结果；以及
处理器，其被配置为识别与针对所述对象的所述至少一个测量结果匹配的白血细胞计数的至少一个模型化轨迹；并且
基于所述至少一个模型化轨迹来识别在所述周期中的稍后日期和/或下一周期开始时可能的细胞计数。
14.如权利要求13所述的装置，其中，所述处理器适于询问包括适合于所述对象的轨迹的参考集的数据库，从而根据所述参考集来识别与针对所述对象的所述至少一个测量结果匹配的轨迹的选择集。
15.如权利要求14所述的装置，其中，所述处理器还适于预测细胞计数最低点，并且适于将轨迹的所述选择集的所述轨迹的平均最低点确定为所预测的细胞计数最低点。
16.如权利要求15所述的装置，其中所述装置还被布置为在所预测的细胞计数最低点在阈值水平以下时生成警报。
17.一种针对对象预测在化疗处置周期内的至少一个白血细胞成分的细胞计数的设备，所述设备包括：
用于取得在所述周期内的对所述对象的所述白血细胞成分的细胞计数的至少一个测量结果的模块；
用于识别与针对所述对象的所述至少一个测量结果匹配的白血细胞计数的至少一个模型化轨迹的模块；以及
用于基于所述至少一个模型化轨迹来识别在所述周期中的稍后日期和/或下一周期的开始时可能的细胞计数的模块。
18.如权利要求17所述的设备，其中，用于识别至少一个模型化轨迹的所述模块包括用于取得适合于所述对象的轨迹的参考集，并且根据所述参考集来识别与针对所述对象的所述至少一个测量结果匹配的轨迹的选择集的模块。
19.如权利要求18所述的设备，其中，通过识别对应于所述对象的模型参数和参数变化的集，并针对识别的参数值的每个实例对轨迹进行建模，来针对所述对象对轨迹的所述参考集进行建模。
20.如权利要求19所述的设备，其中，至少一个对象参数或变化是基于适合于所述对象的群体平均的。
21.如权利要求18至20中的任一项所述的设备，其中，所述设备包括用于预测细胞计数最低点的模块，并且所述设备包括用于将所述选择集的所述轨迹的平均最低点确定为所预测的细胞计数最低点的模块。
22.如权利要求21所述的设备，包括用于在所预测的细胞计数最低点在阈值水平以下时生成警报的模块。
23.如权利要求21所述的设备，其中，所述设备还包括以下中的至少一项：
用于识别所述选择集的轨迹中具有在阈值水平以下的最低点的比例的模块；以及
用于确定所述选择集的所述轨迹的最低点值的范围的模块。
24.如权利要求23所述的设备，其中，所述选择集的轨迹中具有在阈值水平以下的最低点的比例被识别为风险水平，和/或所述选择集的所述轨迹的最低点值的范围被识别为置信水平。
25.如权利要求17-20中的任一项所述的设备，其中，所述设备包括用于识别在预计的当前周期的结束和/或下一周期的开始时或附近的所述细胞计数的模块。
26.如权利要求17-20中的任一项所述的设备，其中，至少一个白血细胞成分的所述细胞计数包括绝对中性粒细胞计数。
27.如权利要求17-20中的任一项所述的设备，其中，所述至少一个模型化轨迹是使用造血模型来生成的。
28.如权利要求17-20中的任一项所述的设备，包括用于识别与针对所述对象的所述至少一个测量结果匹配的白血细胞计数的至少一个模型化轨迹的模块，并且所述至少一个模型化轨迹对接受处置的所述对象进行建模以模拟白血细胞产生。
CN201380044875.5A 2012-08-31 2013-08-26 在处置周期期间的白血细胞监测 Expired - Fee Related CN104603619B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261695564P 2012-08-31 2012-08-31
US61/695,564 2012-08-31
PCT/IB2013/056887 WO2014033610A1 (en) 2012-08-31 2013-08-26 White blood cell monitoring during treatment cycles

Publications (2)

Publication Number Publication Date
CN104603619A CN104603619A (zh) 2015-05-06
CN104603619B true CN104603619B (zh) 2016-12-28

Family

ID=49551718

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380044875.5A Expired - Fee Related CN104603619B (zh) 2012-08-31 2013-08-26 在处置周期期间的白血细胞监测

Country Status (7)

Country Link
US (2) US20150233892A1 (zh)
EP (1) EP2890985B1 (zh)
JP (1) JP6306014B2 (zh)
CN (1) CN104603619B (zh)
BR (1) BR112015004051A2 (zh)
RU (1) RU2015111515A (zh)
WO (1) WO2014033610A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11980474B1 (en) 2023-02-16 2024-05-14 Neuralytix, Llc Intraoperative neural monitoring system utilizing wavelet-based event detection

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6709868B2 (en) 2002-05-20 2004-03-23 Portascience Inc. Method and apparatus for measuring white blood cell count
US20070027636A1 (en) * 2005-07-29 2007-02-01 Matthew Rabinowitz System and method for using genetic, phentoypic and clinical data to make predictions for clinical or lifestyle decisions
ES2634665T3 (es) * 2005-11-26 2017-09-28 Natera, Inc. Método y sistema para detectar anormalidades cromosómicas

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
M.Sandstrom.Population analysis of the pharmacokinetics and the haematological toxicity of the &#64258 *
Semi-mechanistic pharmacokinetic/pharmacodynamic modelling of the antimalarial effect of artemisinin;Toufigh Gordi;《British Journal of Clinical Pharmacology》;20051231;第60卷;第594-604页 *
Semi-mechanistic population pharmacokinetic/pharmacodynamic model for neutropenia following therapy with the Plk-1 inhibitor BI2536 and its application in clinical development;Elena Soto et al;《Cancer Chemother Pharmacol》;20100109;第66卷;摘要，第787页左栏第2段、右栏第4段，第788页右栏第3段，第791页左栏第5段，附图2-3 *
uorouracil-epirubicin-cyclophosphamide regimen in breast cancer patients.《Cancer Chemother Pharmacol》.2006,第58卷第143-156页. *

Also Published As

Publication number Publication date
CN104603619A (zh) 2015-05-06
US20150233892A1 (en) 2015-08-20
JP6306014B2 (ja) 2018-04-04
EP2890985B1 (en) 2019-11-20
RU2015111515A (ru) 2016-10-20
JP2015529824A (ja) 2015-10-08
US20190056379A1 (en) 2019-02-21
BR112015004051A2 (pt) 2017-07-04
EP2890985A1 (en) 2015-07-08
WO2014033610A1 (en) 2014-03-06

Similar Documents

Publication Publication Date Title
US20140236668A1 (en) Method and apparatus for remote site monitoring
CN103745424A (zh) 医院综合绩效信息处理系统及其方法
CN108135548A (zh) 用于监测压力状态的方法和系统
CN109767831A (zh) 一种医疗机构评价方法、评价装置及计算机可读存储介质
US20160117457A1 (en) Method and apparatus for analyzing patient's constitutional peculiarity
CN107430645A (zh) 用于重症监护病房中的实验室值自动化分析和风险通知的系统
CN105830076A (zh) 用于通过患者可触及设备来调度患者监控的调度设备
CN106104539A (zh) 使用警报再生的针对警报咨询的警报设置的优化
CN108628432B (zh) 一种基于资源占用与时间分布的工作负荷评估方法与系统
CN113837383B (zh) 模型训练方法、装置、电子设备及存储介质
Glanville et al. Searching for evidence for cost‐effectiveness decisions
CN104603619B (zh) 在处置周期期间的白血细胞监测
JP2021523499A (ja) コホートデータの交絡因子による階層化及び疾病間発生時間を考慮した疾病ネットワーク構築方法、その視覚化方法、及びそれを記録したコンピュータで読み取り可能な記録媒体
CN106663144A (zh) 用于基于相互相关性进行分层数据分析的方法和装置
Payne et al. Economic evaluations of complex interventions
CN110928752A (zh) 空管台站健康度评估方法、装置及设备
Kim et al. Reliability acceptance sampling plans for the Weibull distribution under accelerated Type-I censoring
CN113610415B (zh) 一种核磁设备综合评价方法及系统
An et al. A Bayesian hierarchical model with novel prior specifications for estimating HIV testing rates
CN109785965A (zh) 一种健康评估方法、健康评估装置及计算机可读存储介质
CN109615204A (zh) 医疗数据的质量评估方法、装置、设备及可读存储介质
Lachowska Efficiency of public and nonpublic primary health care providers in Poland
Bharathy et al. Applications of social systems modeling to political risk management
CN107330620B (zh) 基于业务与性能关联分析及动态感知进行资源调整的方法
CN109637670A (zh) 数据处理方法、装置、介质及电子设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20161228

Termination date: 20200826