CN104995520A - 虚拟诊断测试面板装置、系统、方法以及计算机可读媒介 - Google Patents
虚拟诊断测试面板装置、系统、方法以及计算机可读媒介 Download PDFInfo
- Publication number
- CN104995520A CN104995520A CN201380064278.9A CN201380064278A CN104995520A CN 104995520 A CN104995520 A CN 104995520A CN 201380064278 A CN201380064278 A CN 201380064278A CN 104995520 A CN104995520 A CN 104995520A
- Authority
- CN
- China
- Prior art keywords
- result
- diagnostic
- coordinate
- test
- database
- 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.)
- Granted
Links
Classifications
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种系统,对对象中的诊断结果进行虚拟测试,并包括数据库和处理器。该数据库包括测试结果、QC数据和诊断矩阵。每个诊断矩阵指示诊断结果中的一个。处理器自动地应用解释算法以生成结果坐标;并应用QC协议以生成QC坐标。处理器自动地:将结果坐标和对应的QC坐标结合以生成虚拟测试面板矩阵;并且当虚拟测试面板矩阵与诊断矩阵中的一个或多个匹配时,确定诊断结果中的与虚拟测试面板矩阵匹配的每个上述对应的诊断结果。还公开了装置、方法和计算机可读媒介。
Description
技术领域
本发明大体涉及诊断装置、系统和方法,更具体地涉及虚拟诊断测试面板装置、系统、方法以及计算机可读媒介以对在生物或环境对象(subject)中的一个或多个诊断结果虚拟地测试。
背景技术
在诊断行业中,许多不同的诊断装置、系统和/或方法可能已经适于对与对象关联的具体生物和/或环境条件进行测试。一些现有的诊断装置、系统和/或方法可能已经适于对具体特性和/或对在测试样本中的一个或多个特别的化学制品、生物标志物、环境因素、病原体和/或疾病状态的存在进行测试。一些上述装置、系统和/或方法可以包括例如由医疗保健专家做出的视觉评价、手动测量的身体温度、听诊器和快速诊断测试以及其他测试和/或医疗设备。
在现有技术中,可能已经存在计算机辅助的诊断系统和方法,诸如都转让给加拿大多伦多的Fio公司的第2010/0257027号美国专利申请出版物“A Method And System For Collating,Storing,Analyzing AndEnabling Access To Collected And Analyzed Data Associated WithBiological And Environmental Test Subjects(用于校对、存储、分析并使得能够访问与生物和环境测试对象关联的收集和分析数据的方法和系统)”和第2012/0154139号美国专利申请出版物“A Bio-Threat AlertInfrastructure System And Method,A Bio-Threat Alert Device,And AMethod Of Alerting A User Thereof(生物威胁警报基础设施系统和方法,生物威胁警报装置和向它们的使用者报警的方法)”的对象。需要具有存储的可执行指令的虚拟诊断测试面板计算机可读媒介以使得计算机能够对在生物或环境对象中的一个或多个诊断结果进行虚拟测试。
在这些实施的诊断测试中,可能已知使用来自两个或更多个诊断装置、系统和/或方法的诊断结果以对与对象关联的给定生物和/或环境条件进行测试。但是,如由本领域的技术人员可以理解的,结合来自不同诊断装置、系统和/或方法的结果的能力可能由诊断结果限定,该诊断结果(在所提供的形式上)可能难以或甚至不可能结合或可能与不同的质量控制标准和/或协议关联。例如,可能难以或甚至不可能将给定的定性测试结果与给定的定量测试结果结合以获得有意义的诊断结果。另外,可能难以或不可能通过结合不同规模的两个定性测试结果以获得有意义的诊断结果。
在现有技术中,与上述诊断装置、系统和/或方法关联的一个问题可能是它们只能对它们原本被设计用于和/或适用于的具体条件、特性、化学物品、标记物、因素、病原体和/或状态。可能不能将上述现有技术的装置、系统和/或方法的结果一起使用,并不能对不是它们原本被设计用于和/或适用于的条件、特性、化学物品、标记物、因素、病原体和/或状态进行测试。
与将上述现有技术的装置、系统和/或方法的结果一起使用关联的一个问题可能是每个结果都受制于不同的质量控制标准和/或协议,和/或无法容易地在结合这些结果对这些差异做出解释。
以前,现有技术可能未能提供这样一种虚拟诊断测试面板装置、系统和/或方法,其特别适于自动结合各种其他诊断装置、系统和/或方法的测试结果以对不是上述诊断装置、系统和/或方法原本被设计用于和/或适用于的生物条件和/或特性,和/或化学制品、生物标志物、环境因素、病原体和/或疾病状态的存在进行测试。
可能显著地,现有的装置、系统和/或方法可能不适于解决负面地影响诊断装置、系统和/或方法的一个或多个上述问题。现有的装置、系统和/或方法可能不适于容易地生成定量的、半定量的和/或定性的结果以使得便于将它们结合在一起。一些现有的诊断测试装置、系统和/或方法可能不适于为与诊断测试一起使用提供测试结果和/或不适于生成不是原本和/或特别设计的诊断结果。而且,一些现有的诊断测试装置、系统和/或方法可能不适于容易地将与不同质量控制标准和/或协议关联的测试结果结合。
需要克服、阻止、避免和/或减轻与现有技术关联的一个或多个限制,和/或有助于这样的装置、系统、方法和/或计算机可读媒介。可能提供将之前可能难以或甚至不可能结合(例如,以相同或不同规模结合定性的、半定量的和定量的测试结果)的给定测试结果结合的装置、系统、方法和/或计算机可读媒介是有利的。而且可能提供使得能够和/或便于根据不同诊断测试结合测试结果从而使得能够和/或便于提供每一个诊断测试原本旨在提供的诊断结果以外的诊断结果的装置、系统、方法和/或计算机可读媒介也是有利的。可能提供适于将可能与不同质量控制标准和/或协议关联的测试结果结合的装置、系统、方法和/或计算机可读媒介是有利的。
本发明一个方面的目的可以在于提供诊断装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供装置、系统、方法和/或计算机可读媒介以对生物或环境对象中的一个或多个诊断结果虚拟地进行测试。
本发明一个方面的目的可以在于提供适于将从诊断测试收集的测试结果与质量控制(QC)数据关联的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于应用解释算法基于测试结果生成结果坐标,并适于应用QC协议基于QC数据生成QC坐标的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于生成规模相同的结果坐标,并适于生成规模相同的QC坐标的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于通过将结果坐标与它们对应的QC坐标结合生成虚拟测试面板矩阵的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于确定与虚拟测试面板矩阵匹配的任何诊断矩阵和/或与和诊断测试面板矩阵匹配的诊断矩阵对应的任何诊断结果的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于存储用于解释测试结果的算法和/或用于在一个或多个数据库中评价QC数据的协议的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于在使用算法解释测试结果之前自动地从数据库检索算法,和/或适于在QC数据与数据结果关联之后自动地从数据库检索协议的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于发送解释算法和/或QC协议用于存储在一个或多个数据库中的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于对于在一个或多个诊断矩阵中的每个诊断测试,将由在虚拟测试面板矩阵中的坐标定义的点与精度范围匹配的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供具有取决于合计的临床数据的一个或多个诊断矩阵中的精度范围的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供具有由最小和/或最大结果和/或QC值定义的一个或多个诊断矩阵中的精度范围的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于与由临床检查观察的临床数据结合来自其他诊断测试的其他测试结果的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于与使用一个或多个诊断装置收集的测试结果和QC数据一起使用的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于使用可以进行或可以不进行诊断测试的一个或多个自动捕捉装置自动地捕捉测试结果和QC数据的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于与一个或多个数据库和/或每个远离和/或位于一个或多个诊断装置的处理器一起使用的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供适于与测试分析QC结果、装置校准结果、装置功能检验结果和/或测试用户QC结果一起使用的装置、系统、方法和/或计算机可读媒介。
本发明一个方面的目的可以在于提供这样的装置、系统、方法和/或计算机可读媒介,其提供一个或多个协议以评价取决于关联的测试分析、测试装置和/或测试用户的QC数据。
本发明一个方面的目的可以在于提供这样的装置、系统、方法和/或计算机可读媒介,其提供分布于网络的一个或多个数据库。
本发明一个方面的目的可以在于提供这样的装置、系统、方法和/或计算机可读媒介,其提供至少两个一致的数据库。
本发明一个方面的目的可以在于提供这样的装置、系统、方法和/或计算机可读媒介,其提供一个或多个算法以解释取决于与生物或环境对象关联的一个或多个年龄、性别、位置和/或温度的测试结果。
本发明一个方面的目的可以在于提供适于结合来自各种诊断装置、系统和/或方法的测试结果的虚拟诊断测试面板装置、系统、方法。
本发明一个方面的目的可以在于提供各种诊断装置、系统和/或方法的给定测试结果的装置、系统和/或方法,它们适于使用来自各种诊断装置、系统和/或方法的给定测试结果,除了用于它们主要被收集的目的之外。
之前即使尝试解决与现有的诊断装置、系统、方法和/或计算机可读媒介关联的问题,也可能不成功和/或具有与它们关联的一个或多个缺点。现有的诊断装置、系统、方法和/或计算机可读媒介可能不适合解决上述问题和/或与它们关联的不足。
本发明的目的在于避免或减轻与现有技术关联的一个或多个前述缺点和/或不足,并在与提供一个或多个前述需求或优点,和/或在于实现一个或多个本发明的前述目的。
发明内容
根据本发明,公开了一种对在生物或环境对象中的一个或多个诊断结果虚拟地进行测试的系统。所述系统包括:一个或多个数据库和一个或多个处理器。所述数据库包括:从第一诊断测试收集的第一测试结果;和与所述第一测试结果关联的第一质量控制(QC)数据。还包括:从与所述第一诊断测试不同的第二诊断测试收集的第二测试结果;和与所述第二测试结果关联的第二QC数据。所述数据库还包括:与所述第一诊断测试、所述第二诊断测试和所述生物或环境对象关联的一个或多个诊断矩阵。所述诊断矩阵的每一个指示至少一个对应的所述诊断结果。所述处理器,被有效地编码以自动地:应用第一解释算法以基于所述第一测试结果生成第一结果坐标;并且应用第一QC协议以基于所述第一QC数据生成第一QC坐标。还被有效地编码以自动地:应用第二解释算法以基于所述第二测试结果生成与所述第一结果坐标规模相同的第二结果坐标;并且应用第二QC协议以基于所述第二QC数据生成与所述第一QC坐标规模相同的第二QC坐标。所述处理器还被有效地编码以自动地:将所述第一结果坐标、所述第一QC坐标、所述第二结果坐标和所述第二QC坐标结合为虚拟测试面板矩阵;并且当所述虚拟面板矩阵与一个或多个诊断矩阵匹配时,确定与所述虚拟测试面板矩阵匹配的每个所述对应的所述诊断结果。
根据本发明一个优选实施方式的方面,所述第一解释算法、所述第一QC协议、所述第二解释算法和/或所述第二QC协议可以优选但是不必须被存储在所述数据库中。优选地,在所述第一解释算法如前所述被应用之前,所述第一解释算法可以优选地、但是不必须被自动地从所述数据库检索。优选地,在所述第一QC数据与所述第一测试结果关联之后,所述第一QC协议可以优选地、但是不必须被自动地从所述数据库检索并如前所述被所述处理器应用。优选地,在所述第二解释算法如前所述被应用之前,所述第二解释算法可以优选地、但是不必须被自动地从所述数据库检索。优选地,在所述第二QC数据与所述第二测试结果关联之后,所述第二QC协议可以优选地、但是不必须被自动地从所述数据库检索并如前所述被所述处理器应用。
根据本发明一个优选实施方式的方面,对于以下任一项的更新可以优选地、但是不必须被发送至所述数据库并被存储在所述数据库中:所述第一解释算法;所述第一QC协议;所述第二解释算法;和所述第二QC协议。
根据本发明一个优选实施方式的方面,所述第一解释算法和所述第一QC协议可以优选地、但是不必须适于生成所述第一结果坐标和所述第一QC坐标作为定量值或半定量值。
根据本发明一个优选实施方式的方面,上述一个或多个所述诊断矩阵可以优选地、但是不必须至少包括用于所述第一诊断测试的第一精度范围和/或用于所述第二诊断测试的第二精度范围。当:(a)由所述第一结果坐标和所述第一QC坐标定义的第一点位于所述第一精度范围中;并且(b)由所述第二结果坐标和所述第二QC坐标定义的第二点位于所述第二精度范围中时,所述处理器可以优选地、但是不必须如上述地自动将所述虚拟测试面板矩阵与所述一个或多个所述诊断矩阵匹配。
根据本发明一个优选实施方式的方面,所述第一精度范围和/或所述第二精度范围可以优选地、但是不必须取决于关于所述第一点、所述第二点和/或一个对应的所述诊断结果的合计的临床数据。
根据本发明一个优选实施方式的方面,所述第一精度范围可以优选地、但是不必须由与所述第一结果坐标匹配的最大和/或最小第一结果值和/或由与所述第一QC坐标匹配的最大和/或最小第一QC值定义。所述第二精度范围可以优选地、但是不必须由与所述第二结果坐标匹配的最大和/或最小第二结果值和/或由与所述第二QC坐标匹配的最大和/或最小第二QC值定义。
根据本发明一个优选实施方式的方面,所述第一测试结果可以优选地、但是不必须是来自临床检查的临床数据。
根据本发明一个优选实施方式的方面,所述第一测试结果和/或所述第一QC数据可以优选地、但是不必须使用诊断装置收集。
根据本发明一个优选实施方式的方面,所述诊断装置可以优选地、但是不必须是执行所述第一诊断测试的自动捕捉装置。所述自动捕捉装置可以优选地、但是不必须自动地捕捉所述第一测试结果和/或所述第一QC数据。
根据本发明一个优选实施方式的方面,至少一个所述数据库可以优选地、但是不必须远离所述诊断装置。至少一个所述处理器可以优选地、但是不必须位于所述诊断装置本地。
根据本发明一个优选实施方式的方面,至少一个所述数据库可以优选地、但是不必须位于所述诊断装置本地。至少一个所述处理器可以优选地、但是不必须位于所述诊断装置本地。
根据本发明一个优选实施方式的方面,所述第一QC数据可以优选地、但是不必须包括以下至少一个:对于与所述第一测试结果关联的分析的一个或多个QC结果;对于所述诊断装置的一个或多个校准结果;对于所述诊断装置的一个或多个功能检验结果;和对于与所述第一测试结果关联的用户的一个或多个QC结果。
根据本发明一个优选实施方式的方面,所述第一QC协议可以优选地、但是不必须取决于以下至少一个:与所述第一测试结果关联的分析;所述诊断装置;和与所述第一测试结果关联的用户。
根据本发明一个优选实施方式的方面,上述一个或多个数据库可以优选地、但是不必须包括分布在网络上的数据库。
根据本发明一个优选实施方式的方面,上述一个或多个数据库可以优选地、但是不必须包括至少两个全等数据库。
根据本发明一个优选实施方式的方面,所述第一解释算法可以优选地、但是不必须取决于以下至少一个:与所述生物或环境对象关联的年龄;与所述生物或环境对象关联的性别;与所述生物或环境对象关联的位置;和与所述生物或环境对象关联的温度。
根据本发明,还公开一种对在生物或环境对象中的一个或多个诊断结果虚拟地进行测试的方法。所述方法包括数据库存储步骤,在一个或多个数据库中存储:从第一诊断测试收集的第一测试结果;和与所述第一测试结果关联的第一质量控制(QC)数据;从与所述第一诊断测试不同的第二诊断测试收集的第二测试结果;与所述第二测试结果关联的第二QC数据;以及与所述第一诊断测试、所述第二诊断测试和所述生物或环境对象关联的一个或多个诊断矩阵。所述诊断矩阵的每一个指示至少一个对应的所述诊断结果。所述方法还包括处理步骤,使用一个或多个处理器以自动地:应用第一解释算法以基于所述第一测试结果生成第一结果坐标;应用第一QC协议以基于所述第一QC数据生成第一QC坐标;应用第二解释算法以基于所述第二测试结果生成与所述第一结果坐标规模相同的第二结果坐标;应用第二QC协议以基于所述第二QC数据生成与所述第一QC坐标规模相同的第二QC坐标;将所述第一结果坐标、所述第一QC坐标、所述第二结果坐标和所述第二QC坐标结合为虚拟测试面板矩阵;并且当所述虚拟面板矩阵与一个或多个诊断矩阵匹配时,确定与所述虚拟测试面板矩阵匹配的每个所述对应的所述诊断结果。
根据本发明一个优选实施方式的方面,优选地在所述数据库存储步骤中,所述第一解释算法、所述第一QC协议、所述第二解释算法和/或所述第二QC协议可以优选地、但是不必须被存储在所述数据库中。优选地在所述处理步骤之前,所述第一解释算法可以优选地、但是不必须被自动地从所述数据库检索。优选地在所述数据库存储步骤之后,所述第一QC协议可以优选地、但是不必须被自动地从所述数据库检索并如前所述被所述处理器应用优选地在所述处理步骤之前,所述第二解释算法可以优选地、但是不必须被自动地从所述数据库检索。优选地在所述数据库存储步骤之后,所述第二QC协议可以优选地、但是不必须被自动地从所述数据库检索并如前所述被所述处理器应用。
根据本发明一个优选实施方式的方面,优选地在所述数据库存储步骤中,对于以下任一项的更新可以优选地、但是不必须被发送至和/或存储在所述数据库:所述第一解释算法;所述第一QC协议;所述第二解释算法;和所述第二QC协议。
根据本发明一个优选实施方式的方面,优选地在所述处理步骤中,所述第一解释算法和/或第一QC协议可以优选地、但是不必须适于生成所述第一结果坐标和/或所述第一QC坐标作为定量值或半定量值。
根据本发明一个优选实施方式的方面,优选地在所述数据库存储步骤中,上述一个或多个所述诊断矩阵可以优选地、但是不必须至少包括用于所述第一诊断测试的第一精度范围和/或用于所述第二诊断测试的第二精度范围。在所述处理步骤中,当:(a)由所述第一结果坐标和所述第一QC坐标定义的第一点位于所述第一精度范围中;并且(b)由所述第二结果坐标和所述第二QC坐标定义的第二点位于所述第二精度范围中时,所述处理器可以优选地、但是不必须如上述地自动将所述虚拟测试面板矩阵与所述一个或多个所述诊断矩阵匹配。
根据本发明一个优选实施方式的方面,优选地在所述处理步骤之前,所述第一精度范围和/或所述第二精度范围可以优选地、但是不必须依赖于关于所述第一点、所述第二点和/或一个对应的所述诊断结果的合计的临床数据确定。
根据本发明一个优选实施方式的方面,优选地在所述处理步骤之前:所述第一精度范围可以优选地、但是不必须由与所述第一结果坐标匹配的最大和/或最小第一结果值和/或由与所述第一QC坐标匹配的最大和/或最小第一QC值定义;和/或所述第二精度范围可以优选地、但是不必须由与所述第二结果坐标匹配的最大和/或最小第二结果值和/或由与所述第二QC坐标匹配的最大和/或最小第二QC值定义。
根据本发明一个优选实施方式的方面,优选地在所述数据库存储步骤中,所述第一测试结果可以优选地、但是不必须是来自优选地在所述数据库存储步骤之前的临床检查的临床数据。
根据本发明一个优选实施方式的方面,本方法可以优选地、但是不必须优选地在所述数据存储步骤之前还包括结果收集步骤,其中,所述第一测试结果和/或所述第一QC数据可以优选地、但是不必须使用诊断装置收集。
根据本发明一个优选实施方式的方面,所述诊断装置可以优选地、但是不必须是执行所述第一诊断测试的自动捕捉装置。优选地在所述结果收集步骤中,所述自动捕捉装置可以优选地、但是不必须自动地捕捉所述第一测试结果和/或所述第一QC数据。
根据本发明一个优选实施方式的方面,优选地在所述数据库存储步骤中,至少一个所述数据库可以优选地、但是不必须远离所述诊断装置。优选地在所述处理步骤中,至少一个所述处理器可以优选地、但是不必须位于所述诊断装置本地。
根据本发明一个优选实施方式的方面,优选地在所述数据库存储步骤中,至少一个所述数据库可以优选地、但是不必须位于所述诊断装置本地。优选地在所述处理步骤中,至少一个所述处理器可以优选地、但是不必须位于所述诊断装置本地。
根据本发明一个优选实施方式的方面,优选地在所述数据库存储步骤中,所述第一QC数据可以优选地、但是不必须包括以下至少一个:对于与所述第一测试结果关联的分析的一个或多个QC结果;对于所述诊断装置的一个或多个校准结果;对于所述诊断装置的一个或多个功能检验结果;和对于与所述第一测试结果关联的用户的一个或多个QC结果。
根据本发明一个优选实施方式的方面,优选地在所述处理步骤中,所述第一QC协议可以优选地、但是不必须取决于以下至少一个:与所述第一测试结果关联的分析;所述诊断装置;和与所述第一测试结果关联的用户。
根据本发明一个优选实施方式的方面,优选地在所述数据库存储步骤中,上述一个或多个数据库可以优选地、但是不必须包括分布在网络上的数据库。
根据本发明一个优选实施方式的方面,优选地在所述处理步骤中,上述一个或多个数据库可以优选地、但是不必须包括至少两个全等数据库。
根据本发明一个优选实施方式的方面,优选地在所述处理步骤中,所述第一解释算法可以优选地、但是不必须取决于以下至少一个:与所述生物或环境对象关联的年龄;与所述生物或环境对象关联的性别;与所述生物或环境对象关联的位置;和与所述生物或环境对象关联的温度。
根据本发明,还公开一种存储有指令的计算机可读媒介。在执行所述指令之后将操作系统以对在生物或环境对象中的一个或多个诊断结果虚拟地进行测试。所述指令包括用于将以下内容存储到一个或多个数据库中的指令:从第一诊断测试收集的第一测试结果;与所述第一测试结果关联的第一质量控制(QC)数据;从与所述第一诊断测试不同的第二诊断测试收集的第二测试结果;与所述第二测试结果关联的第二QC数据;和与所述第一诊断测试、所述第二诊断测试和所述生物或环境对象关联的一个或多个诊断矩阵。所述诊断矩阵的每一个指示至少一个对应的所述诊断结果。所述指令还包括用于使用一个或多个处理器以自动地进行以下内容的指令:应用第一解释算法以基于所述第一测试结果生成第一结果坐标;应用第一QC协议以基于所述第一QC数据生成第一QC坐标;应用第二解释算法以基于所述第二测试结果生成与所述第一结果坐标规模相同的第二结果坐标;应用第二QC协议以基于所述第二QC数据生成与所述第一QC坐标规模相同的第二QC坐标;将所述第一结果坐标、所述第一QC坐标、所述第二结果坐标和所述第二QC坐标结合为虚拟测试面板矩阵;并且当所述虚拟面板矩阵与一个或多个诊断矩阵匹配时,确定与所述虚拟测试面板矩阵匹配的每个所述对应的所述诊断结果。
根据本发明,还公开一种对在生物或环境对象中的一个或多个诊断结果虚拟地进行测试的装置。所述装置包括自动捕捉模块,其自动地捕捉:从第一诊断测试收集的第一测试结果;和与所述第一测试结果关联的第一质量控制(QC)数据。所述装置还包括至少一个存储器,在本地存储:所述第一测试结果和所述第一QC数据;虚拟测试面板矩阵;和一个或多个诊断矩阵。虚拟测试面板矩阵包括:基于第二测试结果的第二结果坐标,其中,所述第二测试结果从与所述第一诊断测试不同的第二诊断测试收集;和基于第二QC数据的第二QC坐标,其中,所述第二QC数据与所述第二测试结果关联。诊断矩阵与所述第一诊断测试、所述第二诊断测试和所述生物或环境对象关联。所述诊断矩阵的每一个指示至少一个对应的所述诊断结果。所述装置还包括一个或多个处理器,其被有效地编码以自动地:应用第一解释算法以基于所述第一测试结果生成与所述第一结果坐标规模相同的所述第二结果坐标;并且应用第一QC协议以基于所述第一QC数据生成与所述第一QC坐标规模相同的所述第二QC坐标。所述处理器还被有效地编码以自动地:将所述第一结果坐标和所述第一QC坐标合并为所述虚拟测试面板矩阵;并且当所述虚拟面板矩阵与一个或多个诊断矩阵匹配时,确定与所述虚拟测试面板矩阵匹配的每个上述对应的所述诊断结果。
根据本发明一个优选实施方式的方面,所述装置可以优选地、但是不必须适于与一个或多个数据库一起使用。所述第一解释算法和/或所述第一QC协议可以优选地、但是不必须被存储在所述数据库中。优选地在所述第一解释算法如前所述被应用之前,所述第一解释算法可以优选地、但是不必须被自动地从所述数据库检索。优选地在所述第一QC数据与所述第一测试结果关联之后,所述第一QC协议可以优选地、但是不必须被自动地从所述数据库检索。
根据本发明一个优选实施方式的方面,至少一个数据库可以优选地、但是不必须远离所述装置。
根据本发明一个优选实施方式的方面,所述装置可以优选地、但是不必须还包括通信系统,所述通信系统可以优选地、但是不必须发送对于所述第一解释算法和/或所述第一QC协议的更新优选地以存储在所述数据库中。
根据本发明一个优选实施方式的方面,所述存储器可以优选地、但是不必须存储至少一个数据库。
根据本发明一个优选实施方式的方面,所述第一解释算法和所述第一QC协议可以优选地、但是不必须被适应以使得所述处理器生成所述第一结果坐标和/或所述第一QC坐标作为定量值或半定量值。
根据本发明一个优选实施方式的方面,上述一个或多个所述诊断矩阵可以优选地、但是不必须至少包括用于所述第一诊断测试的第一精度范围和/或用于所述第二诊断测试的第二精度范围。当:(a)由所述第一结果坐标和所述第一QC坐标定义的第一点位于所述第一精度范围中;并且(b)由所述第二结果坐标和所述第二QC坐标定义的第二点位于所述第二精度范围中时,所述处理器可以优选地、但是不必须如上述地自动将所述虚拟测试面板矩阵与所述一个或多个所述诊断矩阵匹配。
根据本发明一个优选实施方式的方面,所述第一精度范围和/或所述第二精度范围可以优选地、但是不必须取决于关于所述第一点、所述第二点和/或一个对应的所述诊断结果的合计的临床数据。
根据本发明一个优选实施方式的方面,所述第一精度范围可以优选地、但是不必须由与所述第一结果坐标匹配的最大和/或最小第一结果值和/或由与所述第一QC坐标匹配的最大和/或最小第一QC值定义。所述第二精度范围可以优选地、但是不必须由与所述第二结果坐标匹配的最大和/或最小第二结果值和/或由与所述第二QC坐标匹配的最大和/或最小第二QC值定义。
根据本发明一个优选实施方式的方面,所述第一QC数据可以优选地、但是不必须包括以下至少一个:对于与所述第一测试结果关联的分析的一个或多个QC结果;对于所述装置的一个或多个校准结果;对于所述装置的一个或多个功能检验结果;和对于与所述第一测试结果关联的用户的一个或多个QC结果。
根据本发明一个优选实施方式的方面,所述第一QC协议可以优选地、但是不必须取决于以下至少一个:与所述第一测试结果关联的分析;所述装置;和与所述第一测试结果关联的用户。
根据本发明一个优选实施方式的方面,所述第一解释算法可以优选地、但是不必须取决于以下至少一个:与所述生物或环境对象关联的年龄;与所述生物或环境对象关联的性别;与所述生物或环境对象关联的位置;和与所述生物或环境对象关联的温度。
本发明的其他优势、特征和/或特性,以及操作方法和/或装置的相关元件的功能、系统、方法和计算机可读媒介,和/或步骤的结合、部分和/或制造的节约将在参考附图考虑以下详细描述和所附权利要求之后变得更加明显,下面简要描述附图。
附图说明
对于根据本发明的系统、方法、装置和计算机可读媒介的结构、组织、使用和/或操作方法,以及它们的其他目标和/或优点,根据以下附图将更好地理解被认为是它们特性的新颖特征,在附图中将将通过举例的方式示出本发明目前优选的实施方式。但是,应明显地理解,附图只用于说明和描述的目的,不用于作为本发明限定的定义。在附图中:
图1是示出根据本发明一个优选实施方式的虚拟测试面板系统的示意图;
图2是示出生成用于图1的系统的虚拟测试面板矩阵中的点的坐标的示意图;
图3A至3F是示出用于图1的系统的诊断矩阵上的两个诊断测试的精度范围的示意图;
图4是示出用于图1的系统的另一个诊断矩阵上的前述两个诊断测试的另一个精度范围的另一个示意图;
图5是示出图1的系统的元件和/或用于与图1的系统一起使用的元件的示意图,包括根据本发明一个优选实施方式的自动捕捉虚拟测试装置。
具体实施方式
现在参考图1,其大体示出根据本发明优选实施方式的系统100的示意图。
图1示出第一、第二、第三和第四诊断测试210a、210b、210c、210d(可选地,由数字符号“210a-d”或仅由“210”表示)。第一、第二、第三和第四诊断测试210-d与分别对应的第一、第二、第三和第四测试结果220a、220b、220c、220d(可选地,由数字符号“220a-d”或仅由“220”表示)和第一、第二、第三和第四质量控制(“QC”)数据230a、230b、230c、230d(可选地,由数字符号“230a-d”或仅由“230”表示)关联。图1示出分别对应的第一、第二、第三和第四解释算法320a、320b、320c、320d(可选地,由数字符号“320a-d”或仅由“320”表示)被应用于第一、第二、第三和第四测试结果220a-d。分别对应的第一、第二、第三和第四QC协议330a、330b、330c、330d(可选地,由数字符号“330a-d”或仅由“330”表示)被应用于第一、第二、第三和第四组QC数据230a-d。如上所述地,并在环境中视情况而定地,并考虑到每个测试结果220a-d的性质和每个测试结果220a-d的各自集合的环境来应用解释算法320a-d和QC协议330a-d。以这种方式,对于测试结果220a-d和它们的对应QC数据组230a-d分别生成第一、第二、第三和第四结果坐标420a、420b、420c、420d(可选地,由数字符号“420a-d”或仅由“420”表示)和分别对应的第一、第二、第三和第四QC坐标430a、430b、430c、430d(可选地,由数字符号“430a-d”或仅由“430”表示)。
换言之,更概括地,图1示出与对应的测试结果220和QC数据230关联的测试210。解释算法320(“A”)被应用于对应的测试结果220(“R”)以生成结果坐标420(“RA”)。并且,QC协议330(“P”)被应用于对应的QC数据230(“Q”)以生成QC坐标430(“QP”)。
如图1所示,当一起考虑时,对于每个结果220和其QC数据230的结果坐标420和QC坐标430优选地定义可以被标绘以生成虚拟测试面板矩阵450的第一、第二、第三和第四点440a、440b、440c、440d(可选地,由数字符号“440a-d”或仅由“440”表示)。
图1示意性地示出,虚拟测试面板矩阵450优选地根据本发明与一个或多个诊断矩阵550a-550n(可选地,由数字符号“550a-n”或仅由“550”表示)比较以获得潜在匹配。数据库200优选地包括各种诊断矩阵550,每个诊断矩阵550代表和/或与相当于阳性诊断结果。如图1所示,诊断矩阵550中的每一个优选地包括两个或更多个精度区域(可选地,本文称为“范围”)540a、540b、540c、540d(可选地,由数字符号“540a-d”或仅由“540”表示),每个区域用于在虚拟测试面板矩阵450中与点440之一比较。同样地,图3A至图4示出包括两个或更多个精度区域540的诊断矩阵550,每个区域用于在虚拟测试面板矩阵450中与点440之一比较。
优选地,一个或多个处理器116、126(诸如图5中示出的)自动地将虚拟测试面板矩阵450与诊断矩阵550比较以获得潜在匹配。在这种情况下,处理器116、126确定在虚拟测试面板450中的对应的点440是否位于具体诊断矩阵550中的每个精度范围540中。如果在虚拟测试面板450中的对应的点440位于具体诊断矩阵550中的每个精度范围540中,则诊断矩阵550被确定与虚拟测试面板矩阵450匹配(和/或反之亦然)。之后与匹配的诊断矩阵550对应的诊断结果中的每一个可以呈现给用户和/或与生物或环境对象关联。
实施例
出于说明的目的,可能值得通过以下非限定实施例的方式详述该过程。下述段落参考图1陈述实施例而并不旨在受理论或假设约束(本领域的技术人员应该理解,图1可以许多其他真实的情况和实施例的替代或附加)。
在本实施例中,第一测试结果220a以用于基因X的遗传分析的形式从第一诊断测试210a中获得。在本示例中,遗传分析使用自动捕捉装置110a(诸如图5中示出)在血液样本上进行。QC数据230a对与例如不理想的测试210a关联的装置条件和血液样本特性做出解释。
第二测试结果220b以活组织检查的形式(例如,由外科医生收集并由病理学家进行的组织样本的分析)从第二诊断测试210b中获得。QC数据230b可以对与例如不理想的测试210b关联的收集技术和样本处理做出解释。
第三测试结果220c从第三诊断测试210c中获得用于杀虫剂Y。在本示例中,遗传分析使用自动捕捉装置110a(诸如在图5中示出的)在毛发样本上进行。QC数据230c对与例如不理想的测试210c关联的毛发样本特性做出解释。
第四测试结果220d以成像分析(例如,在原位的组织上进行)的形式从第四诊断测试210d中获得。QC数据230d对与例如不理想的测试210d关联的装置条件和成像技术做出解释。
在本实施例中,测试结果220a-d理论上从4个不同测试210a-d中获得。结果220a-d和它们的对应QC数据组230a-d可被提供为数值。
另一方面,测试结果220a-d和对应的QC数据230a-d的一个或多个整体地或部分地被提供为非数值,例如被提供为定性和/或半定量的值。在另一个实施例中,一些结果220可以是颜色(例如,“红色”、“绿色”或“蓝色”),并且一些QC数据230可以包括半定量的置信值(例如,“差”、“一般”或“好”)。如果结果220或QC数据230包括非数值,则解释算法230和QC协议330可以优选地(处理其他之外)将非数值转换为数值。
本领域的技术人员将理解,鉴于本文的公开内容,将有在本发明范围内的许多不同方法(任意的或其他)将非数值转换为数值。以下的两个附加实施例可以有助于说明这一点:(I)颜色可以基于它们的亮度和/或在电磁波谱上的位置被转换为数值;和(II)半定量的值可以被沿着任意的数字规模相对数值分配,例如,“差”=1,“一般”=2,并且“好”=3。
无论结果220和QC数据230是否原本被提供为数值或被转换至数值,结果220和QC数据230数值以与各种其他单位没有相似之处,或不与各种其他单位重叠,或与各种其他单位相比具有本质不同的规模或数量级的单位提供。解释算法320和QC协议330优选地也允许每个结果220和QC数据230在与其他结果220和QC数据230中的每一个相同的坐标轴上映射,与其他结果220和QC数据230中的每一个以相同规模映射,和/或与其他结果220和QC数据230中的每一个以大体相同的数量级映射。
本领域的技术人员将理解,鉴于本文的公开内容,将有在本发明范围内的许多不同方法转换不同数值,以使得它们可以以相同规模标绘。例如,参考对于给定测试210a-d的潜在结果220a-d的范围,每个数值结果可以转换至在0和1之间的数。
在我们的实施例中,结果220和QC数据230可以由适当的解释算法320和QC协议330处理以给出在以下表1中列出的结果坐标420和QC坐标430(例如相当于图1示出的点440a-d)。每个结果坐标420a-d可以关于其对应的QC坐标430a-d标绘以定义点440a-d。之后点440a-d被标绘以生成结合的虚拟面板矩阵450(如图1):
表1 | 结果坐标420 | QC坐标430 |
第一测试210a | 0.23 | 0.72 |
第二测试210b | 0.35 | 0.28 |
第三测试210c | 0.71 | 0.80 |
第四测试210d | 0.78 | 0.17 |
通过解释的方法,第一测试210a可以例如揭露了23%的被测细胞拥有基因X(即,相当于第一结果坐标420a是0.23),其中QC分数是0.72(即,相当于第一QC坐标430a是0.72)。在第二QC坐标430b是0.28的情况下,示例性第二测试210b可以指示示例活组织检查规模上的第二结果坐标是0.35,其中异常癌细胞可以具有在0.15和0.64之间任何值的活组织检查分数。作为另一个实施例,在第三QC坐标430c是0.80的情况下,第三测试210c可以指示最大杀虫剂Y值的71%(即,第三结果坐标420c是0.71)处的杀虫剂Y水平,其可以在毛发样本上使用自动捕获装置110b(如图5所示)检测出。最后,在第四QC坐标430d是0.17的情况下,实施例测试210d可指示在最大密度的78%(即,第四结果坐标420d是0.78)处的组织密度,其可以使用成像技术检测出。
根据本发明,这4个处理的结果坐标420a-d和QC坐标430a-d之后可以虚拟地从它们的4个不同测试210a-d组成至点440a-d以生成单一的/结合的虚拟面板矩阵450。结合的虚拟面板矩阵450可以为了以下目而如此组合,即诊断在关联的生物和/或环境测试对象中的多个不同条件、特性、状态、动因(例如,病原体)和/或标记物的任一个的出现或存在。之后结合的虚拟面板矩阵450与一个或多个数据库200比较以获得在各种诊断矩阵550中的潜在匹配,诊断矩阵550中的每一个代表和/或相当于具体阳性诊断结果。诊断矩阵550中的每一个可以包括一个或多个精度区域540。
继续描述上述实施例,根据本发明,测试结果220和它们对应的QC数据230优选地与特别良好匹配的诊断矩阵550a最紧密地联系,该诊断矩阵550a例如可以对于特殊的癌症(也就是癌症Z0)代表并相当于阳性诊断。本实施例的匹配的诊断矩阵550a在本文中可选地称为“癌症Z0诊断矩阵”550a。
理论上和/或通过一个或多个假设的方式,对于在癌症Z0诊断矩阵550a中的每一个诊断测试210,精度范围540优选地可以理解为例如以下段落中陈述的内容:
第一诊断测试210a:当第一测试结果220a示出多于大约38%的被测细胞拥有基因X(即,相当于第一结果坐标420a是0.38)时,则通常可以指示癌症Z1代替癌症Z0。当第一测试结果220a示出小于大约10%的被测细胞拥有基因X(即,相当于第一结果坐标420a是0.10)时,通常可以指示既不是癌症Z0也不是癌症Z1。与第一测试210a关联的小于大约0.67的第一QC坐标430a可能不够可靠因此不具有预测值。与第一测试210a关联的大于大约0.84的第一QC坐标430a可能不能给定自动捕获装置110a的某些限定以对于基因X测试血液样本。因此,当在大约10%和大约38%之间的被测细胞拥有基因X(即,第一结果坐标420a),并且达到第一QC坐标430a在大约0.67和0.84之间时,当虚拟测试面板矩阵450的其他点440b、440c、440d也落入癌症Z0诊断矩阵550a上它们对应的精度区域540b、540c、540d中时,通常可以指示癌症Z0。
第二诊断测试210b:当第二测试结果220b(活组织检查)导致大于大约0.64的第二结果坐标420b时,可以指示细胞为异常但是非癌变。当第二结果坐标420b小于大约0.15时,可以指示细胞为无活性(例如,甚至不作为癌症)。对于第二测试210b的小于大约0.20的第二QC坐标430b可能不够可靠因此不具有预测值。大于大约0.33的第二QC坐标430b可能不能给定第二测试210b的集合和样本处理方法的某些限定。因此,当第二结果坐标420b在大约0.15和大约0.64之间,并且达到第二QC坐标430b在大约0.20和0.33之间时,当虚拟测试面板矩阵450的其他点440a、440c、440d也落入癌症Z0诊断矩阵550a上它们对应的精度区域540a、540c、540d中时,通常可以指示癌症Z0。
第三诊断测试210c:当第三测试结果220c示出杀虫剂Y等级(即,第三结果坐标420c)大于最大可检测量的大约95%时,可以指示死亡。当第三测试结果220c示出杀虫剂Y等级小于最大可检测量的大约50%,对象可以不与癌症Z0关联。对于第三诊断测试210c的小于大约0.60的第三QC坐标430c可能不够可靠因此不具有预测值。大于大约0.95的第三QC坐标430c可能不能给定自动捕获装置110a的某些限定以对于杀虫剂Y测试毛发样本。因此,当杀虫剂Y等级(即第三结果坐标420c)在最大可检测量的大约50%和大约95%之间,并且达到第三QC坐标430c在大约0.60和0.95之间时,当虚拟测试面板矩阵450的其他点440a、440b、440d也落入癌症Z0诊断矩阵550a上它们对应的精度区域540a、540b、540d中时,通常可以指示癌症Z0。
第四诊断测试210d:当第四测试结果220d示出组织密度(即,第四结果坐标420d)大于最大可检测量的大约85%时,组织可能太密集以不能得到有意义的测试结果220d。组织密度小于最大可检测量的大约62%可以指示正常组织密度。在第四测试210d上小于大约0.15的第四QC坐标430d可能不够可靠因此不具有预测值。大于大约0.45的QC分数可能不能给定用于第四测试210d的装置120的类型和样式的某些限定。因此,当组织密度(即第四结果坐标420d)在最大可检测量的大约62%和大约85%之间,并且达到第四QC坐标430d在大约0.15和0.45之间时,当虚拟测试面板矩阵450的其他点440a、440b、440c也落入癌症Z0诊断矩阵550a上它们对应的精度区域540a、540b、540c中时,通常可以指示癌症Z0。
优选实施方式的其他详细描述
虚拟测试面板矩阵450优选地取决于测试结果220、解释算法320,QC数据230(例如装置校准和/或功能检查结果,用户QC结果)和QC协议330(例如,在测试分析、装置和用户方面)。
优选地,根据本发明的装置110a、系统100、方法和计算机可读媒介广泛地包括结果坐标420和QC坐标430的辨识和/或与结果坐标420和QC坐标430的辨识关联。
根据本发明,并且如图2所示,结果220、QC数据230、解释算法320、QC协议330、结果坐标420、QC坐标430、点440和虚拟测试面板矩阵450可以存储在数据库220中。每个测试结果220优选地分别与对应的解释算法320、QC数据230和QC协议330关联。优选地,根据本发明,对解释算法320和QC协议330的更新322可以从数据库200获得和/或发送至数据库200。数据库200可以包括一个或多个本地、远程、分布式和/或一致的(congruent)的数据库。
图3A示出诊断矩阵550,其包括:与第一点440a(和第一诊断测试210a)关联的3个精度范围540a、546a、548a和与第二点440b(和第二诊断测试210b)关联的两个范围精度540b、546b。任意地,例如,针对第一诊断测试210a示出的3个精度区域540a、546a、548a可以分别是~50%、~75%和~100%。用于第二诊断测试210b的2个精度区域540b、546b可以分别是~50%和~100%。当第一点440a和第二点440b落入图3A示出的最具限制性的精度区域548a、546b的边界内时,在本实施例中,诊断矩阵550可以指示、代表和/或关联对具体阳性诊断结果的近似确信(即,~100%可能性)。
图3B至3G示出被划分至单独诊断矩阵550中的精度540a、546a、548a和540b、546b的各种区域。在本实施例中,当第一点440a和第二点440b落入图3B示出的精度区域540a、540b的边界中时,诊断结果可以具有至少~25%(~50%×~50%)的可能性;当第一点440a和第二点440b落入图3C示出的精度区域546a、540b的边界中时,诊断结果可以具有至少~37.5%(~75%×~50%)的可能性;当第一点440a和第二点440b落入图3D示出的精度区域548a、540b的边界中时,诊断结果可以具有至少~50%(~100%×~50%)的可能性;当第一点440a和第二点440b落入图3E示出的精度区域540a、546b的边界中时,诊断结果可以具有至少~50%(~50%×~100%)的可能性;并且当第一点440a和第二点440b落入图3F示出的精度区域546a、546b的边界中时,诊断结果可以具有至少~75%(~75%×~100%)的可能性。这些各种排列可以列表如下:
每个精度范围540(如在图3B中最佳看到的)具有优选地一起定义边界范围540的最大和最小结果值542a、542b和QC值544a、544b。
鉴于图4,本领域的技术人员可以理解,精度区域540可以不是矩形,而事实上可以是适合环境的任何形状。图4示出具有被定义为椭圆形的精度区域540的诊断矩阵550,但是它们也可以是不规则的形状(未示出)。与图3A相似,图4示出与第一点440a(和第一诊断测试210a)关联的3个精度范围540a、546a、548a;以及与第二点440b(和第二诊断测试210b)关联的两个精度范围540b、546b。预期在一些诊断矩阵550中,取决于包括合计的临床数据的环境,可以适于作为互相离散或远离(未示出)并且仍然都与单一的点440和诊断测试210关联的精度的区域和/或子区域。
在可选实施方式中,与在虚拟测试面板矩阵450中的各种诊断测试210中的每一个关联的结果坐标420和QC坐标430不需要关于彼此标绘以确定生成的点440是否落入对应的精度540范围中。反而,处理器116、125可以确定结果420和QC结果430的每一个是否落在对应的最大和最小结果值542a、542b和QC结果值544a、544b之间。
如果结果坐标420和QC坐标430落在对应的最大和最小结果值542a、542b和QC结果值544a、544b之间,则任何具体的点440将落入精度540的对应范围中。
图5示出不同的自动捕捉装置110a、110b(可选地,由数字符号“110a-b”或仅由“110”表示)和可以与本地/远程软件应用112、122一起使用的其他诊断装置120以根据本发明捕捉或收集结果220和临床数据或症状20。
自动捕捉装置110a可以设置有机载/集成/本地存储器118a和处理器116。存储器118a可以短暂地、临时地、半永久性地或永久性地对可以用于有效地对处理器116编码的软件应用112a(包括QC数据模块113和自动更新模块114)编码。
可选的自动捕捉装置110b可以与非集成的本地/远程软件应用112b(同样地包括QC数据模块113和自动更新模块114),该软件应用112b可以存储在非集成的本地/远程存储器118b中并用于有效地对处理器116编码。在该可选实施方式中,处理器116可以是集成的/非集成的,并且位于自动捕捉装置110b本地/远离自动捕捉装置110b。如果在本地提供,则存储器118b和处理器116可以被改进以使得所存储的软件应用112b能够与可选的自动捕捉装置110b关联地近集成使用。
来自其他诊断装置120和/或基于观察的临床数据或症状20的测试结果220可以使用离散处理器126和优选地存储在本地/远程存储器118中的另一个本地/远程软件应用122收集。在这种情况下,软件应用122附加地设置有智能捕捉/收集模块125和QC数据模块123。在该最后的方面中,涉及QC数据模块123的功能可以涉及和/或需要回答一些QC问题/疑问以恰当地决定QC数据230。
可以使用与上述装置120(例如智能手机)关联的智能捕捉/手机模块125例如以使用智能手机捕捉(例如通过手动捕捉)与对象关联的各种生理数据和/或生物参数,诸如,例如,心率、对象面孔的颜色和整体对象态度。上述捕捉的生理数据和/或生物参数可以存储在数据库200或存储器118b中作为测试结果220。
一个或多个处理器116、126优选地应用解释算法320和QC协议330。测试结果220、QC数据230、结果坐标420和QC坐标430可以被存储在一个或多个数据库200(如图2所示)中和/或在通过入口130(如图5所示)可访问的远程后端处进一步处理。鉴于本文的公开,本领域的技术人员应当理解,当自动捕捉装置110b远程地提供软件应用112b、122时,诊断装置120和/或症状20可以通过入口130被接入远程后端。
因此,根据本发明,优选地提供虚拟诊断测试面板装置110a、系统100、方法和计算机可读媒介,其特别地适于将来自各种装置110a、110b、120和症状20的结果220与对在生物或环境对象中的诊断结果进行的测试结合,而不是与其他能够结合的事物结合。虚拟诊断测试面板装置110a、系统100、方法和计算机可读媒介优选地使得能够将来自各种装置110a、110b、120和症状20的结果220一起使用。虚拟诊断测试面板装置110a、系统100、方法和计算机可读媒介优选地在结合各种测试结果220方面对不同的QC数据230和QC协议330。
如上所述,本领域的技术人员可以理解克服问题,避免与现有技术关联的缺点,和/或提供改进的性能。
两个确定优选地根据本发明由装载110a、系统100、方法和计算机可读媒介进行如下处理:
I)结果坐标420的确定可以优选地、但是不必须取决于测试结果220和/或解释算法230和/或是测试结果220和/或解释算法230的函数,其中测试结果220和/或解释算法230可以包括各种对象数据(未示出),包括年龄、性别、位置和/或温度。例如,
结果坐标(RA)=测试结果(R)×解释算法(A)
II)QC坐标430的确定可以优选地、但是不必须取决于QC结果230和/或QC协议330和/或是QC结果230和/或QC协议330的函数,其中QC结果230和/或QC协议330与装置、用户、分析和/或测试关联。例如,
QC坐标(QP)=QC数据(Q)×QC协议(P)
优选地,例如,结果坐标420被关联为在虚拟测试面板矩阵450的(X/Y)坐标系统上的X或Y值中的第一个,而QC坐标430被关联为在虚拟测试面板矩阵450的(X/Y)坐标系统上的X或Y值中的另一个。
在本发明的一些实施方式中,虚拟测试面板矩阵450的一个或多个分析和/或包括测试面板450的一个或多个因素(诸如测试结果220、解释算法320、QC数据230和/或QC协议330)优选地通过以下中的一项和多项执行和/或关联:
A)测试结果220的分级算法可以在这样的情况下实施,例如,更加强调(整体或部分地)基于临床数据的特定诊断测试210的情况;
B)测试面板矩阵450的分级算法可以在这样的情况下实施,例如,对于给定对象存在两个或更多个测试面板矩阵450且更加强调(整体或部分地)基于临床数据的特定测试面板矩阵450的情况;
C)测试面板矩阵450算法可以在这样的情况下实施,例如,(i)适于(整体或部分地)基于临床数据改变给定精度范围540的尺寸和/或位置的情况,和/或(ii)简单地将测试面板矩阵450与诊断矩阵550中的一个或多个比较的情况。
在本发明的一些实施方式中,虚拟测试面板矩阵450中的一个或多个解释和/或包括测试面板450的一个或多个因素(诸如测试结果220、解释算法320、QC数据230和/或QC协议330)优选地通过以下中的一项和多项执行和/或关联:
i)虚拟测试面板矩阵450知识数据库可以在这样的情况下实施,例如,可能适于将测试面板矩阵450存档(例如,将临床数据累积至更佳地定义的精度540范围中)的情况;
ii)虚拟测试面板矩阵450监控数据库可以在这样的情况下实施,例如,可能需要监控测试面板矩阵450(例如,以确定在群体中的恶性爆发的开始或结局)的情况;
iii)诊断结果解释数据库可以在这样的情况下实施,例如,可能适于提供与给定的测试面板矩阵450匹配的诊断结果的至少一些解释的情况--参考上述实施例,如果癌症Z0是诊断结果,则解释数据库也可以指示转移的可能性。
应当理解,尽管根据本发明的装置、系统、方法和计算机可读媒介的一些部件、关系、配置和/或步骤没有互相关联地特别引用,但是它们可以关联地使用和/或关联地适于使用。
所有上面提及、描绘的各种结构、配置、关系、处理和使用等可以但不必须并入本发明和/或由本发明实施。对于本领域的技术人员显而易见的是,上述结构、配置、关系、处理等中的任一个或多个可单独地和/或在不参考、考虑或同样地执行上述结构、配置、关系、处理等中的任一个的情况下通过各种替换和组合的方式在本发明中和/或由本发明实现,而不背离所公开发明的精髓、精华和精神。
在不背离本发明的精神和范围的基础上,其他修改和变更可以在根据本发明的其他实施方式的设计、制造和/或实施中使用,本发明的精神和范围仅由要求其优先权的任何合格的专利申请的权利要求限定。
这得到本发明目前优选实施方式的描述。上述描述已经出于说明的目的呈现并且不旨在详尽地将本发明限定于所公开的明确形式。其他修改、变化、变更可以鉴于上述教导并将对于本领域的技术人员显而易见,而且在不背离本发明的精神和范围的基础上,可以用在根据本发明的其他实施方式的设计和制造中。本发明的范围并不打算由本描述限定而仅由形成该描述一部分的权利要求限定。
Claims (47)
1.一种对生物或环境对象中的一个或多个诊断结果进行虚拟测试的系统,其中,所述系统包括:
(a)一个或多个数据库,包括:
(i)从第一诊断测试收集的第一测试结果;和与所述第一测试结果关联的第一质量控制(QC)数据;
(ii)从与所述第一诊断测试不同的第二诊断测试收集的第二测试结果;和与所述第二测试结果关联的第二QC数据;
(iii)与所述第一诊断测试、所述第二诊断测试和所述生物或环境对象关联的一个或多个诊断矩阵;其中,所述一个或多个诊断矩阵中的每一个指示所述一个或多个诊断结果中的至少一个对应诊断结果;
(b)一个或多个处理器,被有效地编码以自动地:
(i)应用第一解释算法以基于所述第一测试结果生成第一结果坐标;并且应用第一QC协议以基于所述第一QC数据生成第一QC坐标;
(ii)应用第二解释算法以基于所述第二测试结果生成与所述第一结果坐标规模相同的第二结果坐标;并且应用第二QC协议以基于所述第二QC数据生成与所述第一QC坐标规模相同的第二QC坐标;并且
(iii)将所述第一结果坐标、所述第一QC坐标、所述第二结果坐标和所述第二QC坐标结合为虚拟测试面板矩阵;并且当所述虚拟面板矩阵与一个或多个诊断矩阵匹配时,确定所述一个或多个诊断结果中的、与所述虚拟测试面板矩阵匹配的每个所述对应诊断结果。
2.如权利要求1所述的系统,其中,所述第一解释算法、所述第一QC协议、所述第二解释算法和所述第二QC协议被存储在所述数据库中;并且其中:(a)在所述第一解释算法如前所述被应用之前,所述第一解释算法从所述数据库被自动地检索;(b)在所述第一QC数据与所述第一测试结果关联之后,所述第一QC协议从所述数据库被自动地检索并如前所述由所述处理器应用;(c)在所述第二解释算法如前所述被应用之前,所述第二解释算法从所述数据库被自动地检索;以及(d)在所述第二QC数据与所述第二测试结果关联之后,所述第二QC协议从所述数据库被自动地检索并如前所述由所述处理器应用。
3.如权利要求1或2所述的系统,其中,对于以下任一项的更新被发送至所述数据库并被存储在所述数据库中:所述第一解释算法;所述第一QC协议;所述第二解释算法;和所述第二QC协议。
4.如权利要求1至3中的任一项所述的系统,其中,所述第一解释算法和所述第一QC协议适于生成所述第一结果坐标和所述第一QC坐标作为定量值或半定量值。
5.如权利要求1至4中的任一项所述的系统,其中,所述诊断矩阵中的一个或多个至少包括用于所述第一诊断测试的第一精度范围和用于所述第二诊断测试的第二精度范围;并且其中,当:(a)由所述第一结果坐标和所述第一QC坐标限定的第一点位于所述第一精度范围内时;并且(b)由所述第二结果坐标和所述第二QC坐标限定的第二点位于所述第二精度范围内时,所述处理器如前所述自动将所述虚拟测试面板矩阵与所述诊断矩阵中的所述一个或多个匹配。
6.如权利要求5所述的系统,其中,所述第一精度范围和所述第二精度范围取决于与所述第一点、所述第二点和所述诊断结果中的所述一个对应诊断结果有关的汇总的临床数据。
7.如权利要求5或6所述的系统,其中,所述第一精度范围由与所述第一结果坐标匹配的最大第一结果值和最小第一结果值以及由与所述第一QC坐标匹配的最大第一QC值和最小第一QC值限定;并且其中所述第二精度范围由与所述第二结果坐标匹配的最大第二结果值和最小第二结果值以及由与所述第二QC坐标匹配的最大第二QC值和最小第二QC值限定。
8.如权利要求1至7中的任一项所述的系统,其中,所述第一测试结果是来源于临床检查的临床数据。
9.如权利要求1至7中的任一项所述的系统,其中,所述第一测试结果和所述第一QC数据使用诊断装置收集。
10.如权利要求9所述的系统,其中,所述诊断装置是执行所述第一诊断测试并自动地捕捉所述第一测试结果和所述第一QC数据的自动捕捉装置。
11.如权利要求9或10所述的系统,其中,至少一个所述数据库远离所述诊断装置,并且至少一个所述处理器位于所述诊断装置本地。
12.如权利要求9或10所述的系统,其中,至少一个所述数据库位于所述诊断装置本地,并且至少一个所述处理器位于所述诊断装置本地。
13.如权利要求9至12中的任一项所述的系统,其中,所述第一QC数据包括以下中的至少一个:用于与所述第一测试结果关联的分析的一个或多个QC结果;用于所述诊断装置的一个或多个校准结果;用于所述诊断装置的一个或多个功能检查结果;和用于与所述第一测试结果关联的用户的一个或多个QC结果。
14.如权利要求9至13中的任一项所述的系统,其中,所述第一QC协议取决于以下中的至少一个:与所述第一测试结果关联的分析;所述诊断装置;和与所述第一测试结果关联的用户。
15.如权利要求1至14中的任一项所述的系统,其中,所述一个或多个数据库包括分布在网络上的数据库。
16.如权利要求1至15中的任一项所述的系统,其中,所述一个或多个数据库包括至少两个一致的数据库。
17.如权利要求1至16中的任一项所述的系统,其中,所述第一解释算法取决于以下中的至少一个:与所述生物或环境对象关联的年龄;与所述生物或环境对象关联的性别;与所述生物或环境对象关联的位置;和与所述生物或环境对象关联的温度。
18.一种对生物或环境对象中的一个或多个诊断结果进行虚拟测试的方法,其中,所述方法包括:
(a)数据库存储步骤,用于在一个或多个数据库中存储:
(i)从第一诊断测试收集的第一测试结果;和与所述第一测试结果关联的第一质量控制(QC)数据;
(ii)从与所述第一诊断测试不同的第二诊断测试收集的第二测试结果;和与所述第二测试结果关联的第二QC数据;
(iii)与所述第一诊断测试、所述第二诊断测试和所述生物或环境对象关联的一个或多个诊断矩阵;其中,所述一个或多个诊断矩阵中的每一个指示所述一个或多个诊断结果中的至少一个对应诊断结果;
(b)处理步骤,用于使用一个或多个处理器以自动地:
(i)应用第一解释算法以基于所述第一测试结果生成第一结果坐标;并且应用第一QC协议以基于所述第一QC数据生成第一QC坐标;
(ii)应用第二解释算法以基于所述第二测试结果生成与所述第一结果坐标规模相同的第二结果坐标;并且应用第二QC协议以基于所述第二QC数据生成与所述第一QC坐标规模相同的第二QC坐标;并且
(iii)将所述第一结果坐标、所述第一QC坐标、所述第二结果坐标和所述第二QC坐标结合为虚拟测试面板矩阵;并且当所述虚拟面板矩阵与所述诊断矩阵中的一个或多个匹配时,确定所述一个或多个诊断结果中与所述虚拟测试面板矩阵匹配的每个所述对应诊断结果。
19.如权利要求18所述的方法,其中,在所述数据库存储步骤中,所述第一解释算法、所述第一QC协议、所述第二解释算法和所述第二QC协议被存储在所述数据库中;并且其中:(a)在所述处理步骤之前,所述第一解释算法从所述数据库被自动地检索;(b)在所述数据库存储步骤之后,所述第一QC协议从所述数据库被自动地检索并如前所述被所述处理器应用;(c)在所述处理步骤之前,所述第二解释算法从所述数据库被自动地检索;并且(d)在所述数据库存储步骤之后,所述第二QC协议从所述数据库被自动地检索并如前所述被所述处理器应用。
20.如权利要求18或19所述的方法,其中,在所述数据库存储步骤中,对于以下任一项的更新被发送至所述数据库并被存储在所述数据库中:所述第一解释算法;所述第一QC协议;所述第二解释算法;和所述第二QC协议。
21.如权利要求18至20中的任一项所述的方法,其中,在所述处理步骤中,所述第一解释算法和所述第一QC协议适于生成所述第一结果坐标和所述第一QC坐标作为定量值或半定量值。
22.如权利要求18至21中的任一项所述的方法,其中,在所述数据库存储步骤中,所述诊断矩阵中的一个或多个至少包括用于所述第一诊断测试的第一精度范围和用于所述第二诊断测试的第二精度范围;并且其中,在所述处理步骤中,当:(a)由所述第一结果坐标和所述第一QC坐标限定的第一点位于所述第一精度范围内时;并且(b)由所述第二结果坐标和所述第二QC坐标限定的第二点位于所述第二精度范围内时,所述处理器如前所述自动将所述虚拟测试面板矩阵与所述诊断矩阵中的一个或多个匹配。
23.如权利要求22所述的方法,其中,在所述处理步骤之前,所述第一精度范围和所述第二精度范围根据与所述第一点、所述第二点和所述诊断结果中的所述一个对应诊断结果的汇总的临床数据确定。
24.如权利要求22或23所述的方法,其中,在所述处理步骤之前:所述第一精度范围由与所述第一结果坐标匹配的最大第一结果值和最小第一结果值以及由与所述第一QC坐标匹配的最大第一QC值和最小第一QC值限定;并且所述第二精度范围由与所述第二结果坐标匹配的最大第二结果值和最小第二结果值以及由与所述第二QC坐标匹配的最大第二QC值和最小第二QC值限定。
25.如权利要求18至24中的任一项所述的方法,其中,在所述数据库存储步骤中,所述第一测试结果是来源于在所述数据库存储步骤之前的临床检查的临床数据。
26.如权利要求18至24中的任一项所述的方法,其中,在所述数据存储步骤之前还包括结果收集步骤,其中,所述第一测试结果和所述第一QC数据使用诊断装置收集。
27.如权利要求26所述的方法,其中,所述诊断装置是执行所述第一诊断测试,并且在所述结果收集步骤中自动地捕捉所述第一测试结果和所述第一QC数据的自动捕捉装置。
28.如权利要求26或27所述的方法,其中,在所述数据库存储步骤中,至少一个所述数据库远离所述诊断装置;并且在所述处理步骤中,至少一个所述处理器位于所述诊断装置本地。
29.如权利要求26或27所述的方法,其中,在所述数据库存储步骤中,至少一个所述数据库位于所述诊断装置本地;并且在所述处理步骤中,并且至少一个所述处理器位于所述诊断装置本地。
30.如权利要求26至29中的任一项所述的方法,其中,在所述数据库存储步骤中,所述第一QC数据包括以下至少一个:对于与所述第一测试结果关联的分析的一个或多个QC结果;对于所述诊断装置的一个或多个校准结果;对于所述诊断装置的一个或多个功能检验结果;和对于与所述第一测试结果关联的用户的一个或多个QC结果。
31.如权利要求26至30中的任一项所述的方法,其中,在所述处理步骤中,所述第一QC协议取决于以下中的至少一个:与所述第一测试结果关联的分析;所述诊断装置;和与所述第一测试结果关联的用户。
32.如权利要求18至31中的任一项所述的方法,其中,在所述数据库存储步骤中,所述一个或多个数据库包括分布在网络上的数据库。
33.如权利要求18至32中的任一项所述的方法,其中,在所述处理步骤中,所述一个或多个数据库包括至少两个一致的数据库。
34.如权利要求18至33中的任一项所述的方法,其中,在所述处理步骤中,所述第一解释算法取决于以下中的至少一个:与所述生物或环境对象关联的年龄;与所述生物或环境对象关联的性别;与所述生物或环境对象关联的位置;和与所述生物或环境对象关联的温度。
35.一种计算机可读媒介,在所述计算机可读媒介上存储有指令,所述指令在执行时将操作系统以对生物或环境对象中的一个或多个诊断结果进行虚拟测试,所述指令包括:
(a)用于将以下内容存储到一个或多个数据库中的指令:
(i)从第一诊断测试收集的第一测试结果;和与所述第一测试结果关联的第一质量控制(QC)数据;
(ii)从与所述第一诊断测试不同的第二诊断测试收集的第二测试结果;和与所述第二测试结果关联的第二QC数据;
(iii)与所述第一诊断测试、所述第二诊断测试和所述生物或环境对象关联的一个或多个诊断矩阵;其中,所述一个或多个诊断矩阵中的每一个指示所述一个或多个诊断结果中的至少一个对应诊断结果;
(b)用于使用一个或多个处理器以自动地进行以下步骤的指令:
(i)应用第一解释算法以基于所述第一测试结果生成第一结果坐标;并且应用第一QC协议以基于所述第一QC数据生成第一QC坐标;
(ii)应用第二解释算法以基于所述第二测试结果生成与所述第一结果坐标规模相同的第二结果坐标;并且应用第二QC协议以基于所述第二QC数据生成与所述第一QC坐标规模相同的第二QC坐标;并且
(iii)将所述第一结果坐标、所述第一QC坐标、所述第二结果坐标和所述第二QC坐标结合为虚拟测试面板矩阵;并且当所述虚拟面板矩阵与所述诊断矩阵中的一个或多个匹配时,确定所述一个或多个诊断结果中与所述虚拟测试面板矩阵匹配的每个所述对应诊断结果。
36.一种对生物或环境对象中的一个或多个诊断结果进行虚拟测试的装置,其中,所述装置包括:
(a)自动捕捉模块,自动地捕捉:从第一诊断测试收集的第一测试结果;和与所述第一测试结果关联的第一质量控制(QC)数据;
(b)至少一个存储器,在本地存储:
(i)所述第一测试结果和所述第一QC数据;
(ii)虚拟测试面板矩阵,包括:基于第二测试结果的第二结果坐标,其中,所述第二测试结果从与所述第一诊断测试不同的第二诊断测试收集;和基于第二QC数据的第二QC坐标,其中,所述第二QC数据与所述第二测试结果关联;以及
(iii)与所述第一诊断测试、所述第二诊断测试和所述生物或环境对象关联的一个或多个诊断矩阵;其中,所述诊断矩阵中的每一个指示所述诊断结果中的至少一个对应诊断结果;
(c)一个或多个处理器,被有效地编码以自动地:
(i)应用第一解释算法以基于所述第一测试结果生成与所述第二结果坐标规模相同的所述第一结果坐标;并且应用第一QC协议以基于所述第一QC数据生成与所述第二QC坐标规模相同的所述第一QC坐标;
(ii)将所述第一结果坐标和所述第一QC坐标集成为所述虚拟测试面板矩阵;并且
(iii)当所述虚拟面板矩阵与所述诊断矩阵中的一个或多个匹配时,确定所述一个或多个诊断结果中与所述虚拟测试面板矩阵匹配的每个所述对应诊断结果。
37.如权利要求36所述的装置,适于与一个或多个数据库一起使用;其中,所述第一解释算法和所述第一QC协议被存储在所述数据库中;并且其中:(a)在所述第一解释算法如前所述被应用之前,所述第一解释算法从所述数据库被自动地检索;(b)在所述第一QC数据与所述第一测试结果关联之后,所述第一QC协议从所述数据库被自动地检索。
38.如权利要求37所述的装置,其中,所述数据库中的至少一个远离所述装置。
39.如权利要求37或38所述的装置,其中,还包括通信系统,所述通信系统发送对于所述第一解释算法和/或所述第一QC协议的更新以存储在所述数据库中。
40.如权利要求37所述的装置,其中,所述存储器存储所述数据库中的至少一个。
41.如权利要求36至40中的任一项所述的装置,其中,所述第一解释算法和所述第一QC协议适于使得所述处理器生成所述第一结果坐标和所述第一QC坐标作为定量值或半定量值。
42.如权利要求36至41中的任一项所述的装置,其中,所述诊断矩阵中的一个或多个至少包括用于所述第一诊断测试的第一精度范围和用于所述第二诊断测试的第二精度范围;并且其中,当:(a)由所述第一结果坐标和所述第一QC坐标限定的第一点位于所述第一精度范围内时;并且(b)由所述第二结果坐标和所述第二QC坐标限定的第二点位于所述第二精度范围内时,所述处理器如前所述自动将所述虚拟测试面板矩阵与所述诊断矩阵中的一个或多个匹配。
43.如权利要求42所述的装置,其中,所述第一精度范围和所述第二精度范围取决于与所述第一点、所述第二点和所述诊断结果中的一个对应诊断结果的汇总的临床数据。
44.如权利要求42或43所述的装置,其中,所述第一精度范围由与所述第一结果坐标匹配的最大第一结果值和最小第一结果值以及由与所述第一QC坐标匹配的最大第一QC值和最小第一QC值限定;并且其中所述第二精度范围由与所述第二结果坐标匹配的最大第二结果值和最小第二结果值以及由与所述第二QC坐标匹配的最大第二QC值和最小第二QC值限定。
45.如权利要求36至44中的任一项所述的系统,其中,所述第一QC数据包括以下中的至少一个:用于与所述第一测试结果关联的分析的一个或多个QC结果;用于所述装置的一个或多个校准结果;用于所述装置的一个或多个功能检查结果;和用于与所述第一测试结果关联的用户的一个或多个QC结果。
46.如权利要求36至45中的任一项所述的系统,其中,所述第一QC协议取决于以下中的至少一个:与所述第一测试结果关联的分析;所述装置;和与所述第一测试结果关联的用户。
47.如权利要求36至46中的任一项所述的系统,其中,所述第一解释算法取决于以下中的至少一个:与所述生物或环境对象关联的年龄;与所述生物或环境对象关联的性别;与所述生物或环境对象关联的位置;和与所述生物或环境对象关联的温度。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261715587P | 2012-10-18 | 2012-10-18 | |
US61/715,587 | 2012-10-18 | ||
PCT/CA2013/000898 WO2014059532A1 (en) | 2012-10-18 | 2013-10-18 | Virtual diagnostic test panel device, system, method and computer readable medium |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104995520A true CN104995520A (zh) | 2015-10-21 |
CN104995520B CN104995520B (zh) | 2017-12-12 |
Family
ID=50487376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380064278.9A Expired - Fee Related CN104995520B (zh) | 2012-10-18 | 2013-10-18 | 虚拟诊断测试面板装置、系统、方法以及计算机可读媒介 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20160026764A1 (zh) |
EP (1) | EP2909638A4 (zh) |
CN (1) | CN104995520B (zh) |
AP (1) | AP2015008447A0 (zh) |
BR (1) | BR112015008892A2 (zh) |
CA (1) | CA2888927A1 (zh) |
HK (1) | HK1214352A1 (zh) |
WO (1) | WO2014059532A1 (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080064118A1 (en) * | 2006-09-08 | 2008-03-13 | Richard Porwancher | Bioinformatic Approach to Disease Diagnosis |
WO2009064901A2 (en) * | 2007-11-13 | 2009-05-22 | Veridex, Llc | Diagnostic biomarkers of diabetes |
US20110307217A1 (en) * | 2008-01-14 | 2011-12-15 | Avl List Gmbh | Method and apparatus for analysis and assessment of measurement data of a measurement system |
WO2012005764A2 (en) * | 2010-07-08 | 2012-01-12 | Prime Genomics, Inc. | System for the quantification of system-wide dynamics in complex networks |
-
2013
- 2013-10-18 CA CA2888927A patent/CA2888927A1/en not_active Abandoned
- 2013-10-18 BR BR112015008892A patent/BR112015008892A2/pt not_active Application Discontinuation
- 2013-10-18 CN CN201380064278.9A patent/CN104995520B/zh not_active Expired - Fee Related
- 2013-10-18 AP AP2015008447A patent/AP2015008447A0/xx unknown
- 2013-10-18 US US14/436,779 patent/US20160026764A1/en not_active Abandoned
- 2013-10-18 EP EP13847506.6A patent/EP2909638A4/en not_active Ceased
- 2013-10-18 WO PCT/CA2013/000898 patent/WO2014059532A1/en active Application Filing
-
2016
- 2016-02-25 HK HK16102185.3A patent/HK1214352A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080064118A1 (en) * | 2006-09-08 | 2008-03-13 | Richard Porwancher | Bioinformatic Approach to Disease Diagnosis |
WO2009064901A2 (en) * | 2007-11-13 | 2009-05-22 | Veridex, Llc | Diagnostic biomarkers of diabetes |
US20110307217A1 (en) * | 2008-01-14 | 2011-12-15 | Avl List Gmbh | Method and apparatus for analysis and assessment of measurement data of a measurement system |
WO2012005764A2 (en) * | 2010-07-08 | 2012-01-12 | Prime Genomics, Inc. | System for the quantification of system-wide dynamics in complex networks |
Non-Patent Citations (1)
Title |
---|
LAMBERT J-C .ETAL: "Genome-wide association study identifies variants at CLU and CR1 associated with Alzheimer"s disease", 《NATURE GENETICS》 * |
Also Published As
Publication number | Publication date |
---|---|
EP2909638A1 (en) | 2015-08-26 |
EP2909638A4 (en) | 2016-05-25 |
HK1214352A1 (zh) | 2016-07-22 |
US20160026764A1 (en) | 2016-01-28 |
CA2888927A1 (en) | 2014-04-24 |
WO2014059532A1 (en) | 2014-04-24 |
CN104995520B (zh) | 2017-12-12 |
BR112015008892A2 (pt) | 2017-07-04 |
AP2015008447A0 (en) | 2015-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arunkumar et al. | Fully automatic model‐based segmentation and classification approach for MRI brain tumor using artificial neural networks | |
CN1826529B (zh) | 临床检查分析装置及临床检查分析方法 | |
CN107679052B (zh) | 大数据分析方法以及利用了该分析方法的质谱分析系统 | |
Hallau et al. | Automated identification of sugar beet diseases using smartphones | |
Bennell et al. | Linking commercial burglaries by modus operandi: Tests using regression and ROC analysis | |
US11521706B2 (en) | Testing and representing suspicion of sepsis | |
Valbuena et al. | Diversity and equitability ordering profiles applied to study forest structure | |
CN106526177A (zh) | 基于胶体金试纸条的生物标志物检测系统及方法 | |
Nakas et al. | ROC graphs for assessing the ability of a diagnostic marker to detect three disease classes with an umbrella ordering | |
JP2007020449A (ja) | スクリーニング方法およびスクリーニング装置 | |
TW201426620A (zh) | 健康檢查路徑評估指標建構系統、方法、運用此方法之裝置及電腦程式產品 | |
JP5963198B2 (ja) | 動的ネットワークバイオマーカーの検出装置、検出方法及び検出プログラム | |
CN109030803A (zh) | 生化检测质控方法 | |
Leen et al. | Statistical error detection for clinical laboratory tests | |
Navrozidis et al. | Implementing sentinel-2 data and machine learning to detect plant stress in olive groves | |
CN104995520A (zh) | 虚拟诊断测试面板装置、系统、方法以及计算机可读媒介 | |
Kuncheva et al. | Evaluation of feature ranking ensembles for high-dimensional biomedical data: a case study | |
JP6198161B2 (ja) | 動的ネットワークバイオマーカーの検出装置、検出方法及び検出プログラム | |
CN110320358A (zh) | 糖尿病肾病生物标志物检测装置及方法 | |
Reis-Pereira et al. | Enhancing Kiwi Bacterial Canker Leaf Assessment: Integrating Hyperspectral-Based Vegetation Indexes in Predictive Modeling | |
JP2020064642A (ja) | 検出装置、記録媒体、検出方法及び検出プログラム | |
CN107614674A (zh) | 检查系统、检查装置以及检查方法 | |
Kolisnyk et al. | Predicting neurologic recovery after severe acute brain injury using resting-state networks | |
Altinok et al. | Model based dynamics analysis in live cell microtubule images. | |
CN108542350A (zh) | 血常规自动分析仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171212 Termination date: 20191018 |
|
CF01 | Termination of patent right due to non-payment of annual fee |