CN114334078B - 用于推荐药物的方法、电子设备和计算机存储介质 - Google Patents

Abstract

本公开涉及一种用于推荐药物的方法、计算设备和存储介质。该方法包括：构建瘤种药物药效数据集合，药物药效条目用于指示基因、基因变异、肿瘤类型、药物、药效、以及证据等级之间的对应关系；基于待测对象的肿瘤类型信息、基因变异信息，从瘤种药物药效数据集合中筛选出候选药物药效条目；针对满足预定条件的候选药物药效条目所指示的证据等级进行转换；确定与待测对象的每一个基因变异信息所对应的最高证据等级；以及至少针对与待测对象的基因的多个基因变异所分别对应的最高证据等级进行加权，以便确定针对所述基因的最终药物药效表征数据，以用于推荐关于待测对象的药物。本公开有效提高针对差异化患者推荐匹配用药方案的效率。

Description

用于推荐药物的方法、电子设备和计算机存储介质

技术领域

本公开总体上涉及生物信息处理，并且具体地，涉及用于推荐药物的方法、电子设备和计算机存储介质。

背景技术

随着分子生物学和测序技术的发展以及肿瘤发生分子机制的深入研究，肿瘤患者的前瞻性临床测序越来越被认为是常规癌症护理的一个组成部分。例如，通过肿瘤测序可以为患者匹配可靶向具体变异或下游通路的治疗药物，这些变异或通路能够驱动单个肿瘤的生长和/或进展。

传统的推荐药物的方法例如是基于高通量测序技术，准确监测患者肿瘤基因突变信息，然后经由临床医生结合已有基因变异的临床意义描述来分析靶向药物相关基因的突变状态, 从而为患者筛选出最可能从中受益的靶向药物。由于每位患者所携带的突变基因、突变位点不同，导致了患者对肿瘤药物的反应各不相同。已有基因变异的临床意义描述难以全面覆盖患者所携带的突变情形。另外，基因变异的临床意义描述（例如包括：是否可以推药用药等）现在主要存在于FDA、NCCN指南、专家共识、会议记录、科学文献等不同资源处，缺乏统一的支持工具、以及数据描述方式，有的临床意义描述甚至存在冲突，因此对临床医生带来更大的挑战，需要临床医生人工花费大量的时间与精力去分别访问、查询不同资源，以及针对所查询的临床意义描述进行解释与分析，进而使得临床医生难以快速针对差异化患者制定个体化匹配用药方案。另外，在对所查询的临床意义描述进行解释与分析时，受限于临床医生个体的主观因素以及有限经验，难以高效地为每个肿瘤患者做出相对最佳的用药方案。

综上，传统的用于推荐药物的方法存在的不足之处在于：难以有效提高针对差异化患者推荐匹配用药方案的效率。

发明内容

本公开提供一种推荐药物的方法、电子设备和计算机存储介质，能够有效提高针对差异化患者推荐匹配用药方案的效率。

根据本公开的第一方面，提供了一种用于推荐药物的方法。该方法包括：构建瘤种药物药效数据集合，瘤种药物药效数据集合包括多个药物药效条目，每一个药物药效条目用于指示基因、基因变异、肿瘤类型、药物、药效、以及证据等级之间的对应关系；基于待测对象的肿瘤类型信息、基因变异信息，从瘤种药物药效数据集合中筛选出候选药物药效条目，候选药物药效条目至少包括：与肿瘤类型信息和基因变异信息所对应的药物药效条目，以及与基因变异信息所对应的跨适应症的药物药效条目；针对满足预定条件的候选药物药效条目所指示的证据等级进行转换；在候选药物药效条目中确定与待测对象的每一个基因变异信息所对应的最高证据等级；以及至少针对与待测对象的基因的多个基因变异所分别对应的最高证据等级进行加权，以便确定针对基因的最终药物药效表征数据，以用于推荐关于待测对象的药物。

根据本发明的第二方面，还提供了一种计算设备，该设备包括：存储器，被配置为存储一个或多个计算机程序；以及处理器，耦合至存储器并且被配置为执行一个或多个程序使装置执行本公开的第一方面的方法。

根据本公开的第三方面，还提供了一种非瞬态计算机可读存储介质。该非瞬态计算机可读存储介质上存储有机器可执行指令，该机器可执行指令在被执行时使机器执行本公开的第一方面的方法。

在一些实施例中，证据等级至少包括：用于指示肿瘤药物响应水平的多个证据等级、用于指示肿瘤药物耐药水平的多个的证据等级。

在一些实施例中，从瘤种药物药效数据集合中筛选出候选药物药效条目包括：从瘤种药物药效数据集合中筛选出指示相同肿瘤类型和基因变异信息的药物药效条目，以作为适应症候选药物药效条目；从瘤种药物药效数据集合中筛选出指示相同基因变异信息和不同肿瘤类型的药物药效条目。

在一些实施例中，从瘤种药物药效数据集合中筛选出候选药物药效条目还包括：确定所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目是否来源于预定数据库集合并且所对应证据等级为最高证据等级；响应于确定所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目来源于预定数据库集合并且所对应证据等级为最高的药物响应等级，将所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目确定为跨适应症候选药物药效条目；以及基于适应症候选药物药效条目和跨适应症候选药物药效条目，确定候选药物药效条目；以及响应于确定所筛选出的指示相同基因变异信息和不同肿瘤类型条目并非来源于预定数据库集合或者所对应证据等级并非为最高的药物响应等级，基于适应症候选药物药效条目确定候选药物药效条目。

在一些实施例中，至少针对与待测对象的基因的多个基因变异所分别对应的最高证据等级进行加权，以便确定针对基因的最终药物药效表征数据包括：确定多个基因变异所分别对应的最高证据等级是否均为药物响应等级；响应于确定多个基因变异中的当前基因变异所对应的最高证据等级均为药物响应等级，将所对应的最高的药物响应等级确定为加权后的证据等级；响应于确定多个基因变异中的当前基因变异所对应的最高证据等级并非均为药物响应等级，确定所对应的最高证据等级之间是否存在冲突；响应于确定所对应的最高证据等级之间不存在冲突，将所对应的最高的药物耐药等级确定为加权后的证据等级；以及响应于确定所对应的最高证据等级之间存在冲突，将冲突证据等级确定为加权后的证据等级。

在一些实施例中，预定条件包括：确定候选药物药效条目为跨适应症的药物药效条目；以及确定候选药物药效条目所对应的肿瘤类型为乳腺癌中的预定类型。

在一些实施例中，针对满足预定条件的候选药物药效条目所指示的证据等级进行转换包括：使得满足预定条件的候选药物药效条目所指示的证据等级降低两个证据等级。

在一些实施例中，在候选药物药效条目中确定与待测对象的每一个基因变异信息所对应的最高证据等级包括：比较与待测对象的每一个基因变异信息所对应的多个证据等级，以便确定每一个基因变异信息所对应的一个或多个最高证据等级；确定当前基因变异信息所对应的多个最高证据等级之间是否存在冲突；以及响应于确定当前基因变异信息所对应的多个最高证据等级之间存在冲突，使得当前基因变异信息所对应的最高证据等级被标识为“存在冲突”。

提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。

附图说明

图1示出了根据本公开的实施例的用于实施推荐药物的方法的系统的示意图。

图2示出了根据本公开的实施例的用于推荐药物的方法200的流程图。

图3示出了根据本公开的一些实施例的瘤种药物药效数据集合的示意图。

图4示出了根据本公开的一些实施例的瘤种药物药效数据集合的示意图。

图5示出了根据本公开的实施例的用于确定针对基因的最终药物药效表征数据的方法的流程图。

图6示出了根据本公开的另一些实施例的瘤种药物药效数据集合的示意图。

图7示出了根据本公开的实施例的用于确定基因变异信息所对应的最高证据等级的方法的流程图。

图8示出了根据本公开的实施例的用于筛选出候选药物药效条目的方法的流程图。

图9示意性示出了适于用来实现本公开实施例的电子设备的框图。

在各个附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。

如前文所描述，传统的用于推荐药物的方法存在的不足之处在于：难以有效提高针对差异化患者推荐匹配用药方案的效率。

为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于推荐药物的方案。该方案包括：通过构建瘤种药物药效数据集合，使得其中所包括的药物药效条目指示基因、基因变异、肿瘤类型、药物、药效、以及证据等级之间的对应关系。本公开可以建立统一描述方式的临床意义描述。另外，通过从瘤种药物药效数据集合中筛选出包括与肿瘤类型信息和基因变异信息所对应的药物药效条目，以及与基因变异信息所对应的跨适应症的药物药效条目的候选药物药效条目；以及针对满足预定条件的候选药物药效条目所指示的证据等级进行转换；本公开可以使得临床意义描述中不仅包括适应症的药物药效描述信息，而且包括跨适应症的相关药物药效描述信息、以及适应性调整药效证据等级的信息，本公开使得临床意义描述在兼顾全面性的同时，使得药效证据等级更为准确，因此，本公开能够为缺乏适应症临床意义描述的癌肿提供合适的用药参考信息。再者，通过在候选药物药效条目中确定与待测对象的每一个基因变异信息所对应的最高证据等级；以及至少针对与待测对象的基因的多个基因变异所分别对应的最高证据等级进行加权，以便确定针对基因的最终药物药效表征数据，以用于推荐关于待测对象的药物，本公开可以自动并快速地基于具体基因下多个基因变异的相关药物证据的综合分析处理结果而针对药物进行推荐。因此，本公开能够有效提高针对差异化患者推荐匹配用药方案的效率。

图1示出了根据本公开的实施例的用于实施推荐药物的方法的系统100的示意图。如图1所示，系统100包括：计算设备110、多个服务器130、测序设备140、网络150。在一些实施例中，计算设备110、多个服务器130（例如包括第一服务器130-1至第N服务器130-N）、测序设备140经由网络150进行数据交互。

关于测序设备140，其例如用于针对关于待测对象的待测样本进行测序；以及将所生成的测序序列发送给计算设备110。在一些实施例中，也可以由服务器130将关于待测对象的待测样本的测序序列发送至计算设备110。

关于多个服务器130，其例如分别提供一种或者多种临床意义描述信息。一种或者多种临床意义描述信息例如包括：FDA（Food and Drug Administration简称FDA）认证的新药、非专利药和非处方药的临床意义描述信息、NCCN（National Comprehensive CancerNetwork）每年发布的各种恶性肿瘤临床实践指南中的临床意义描述信息。服务器130例如还提供有关于临床意义描述信息的专家共识、会议记录、科学文献等信息。在一些实施例中，计算设备110获取来自多个服务器130的多种临床意义描述信息。

关于计算设备110，其例如用于推荐药物。具体而言，计算设备110可以构建包括多个药物药效条目的瘤种药物药效数据集合，使得每一个药物药效条目用于指示基因、基因变异、肿瘤类型、药物、药效、以及证据等级之间的对应关系；以及基于待测对象的肿瘤类型信息、基因变异信息，从瘤种药物药效数据集合中筛选出候选药物药效条目。计算设备110还可以针对满足预定条件的药物药效条目所指示的证据等级进行转换；在候选药物药效条目中确定与待测对象的每一个基因变异信息所对应的最高证据等级；以及至少针对与待测对象的基因的多个基因变异所分别对应的最高证据等级进行加权，以便确定针对基因的最终药物药效表征数据，以用于推荐关于待测对象的药物。

在一些实施例中，计算设备110可以具有一个或多个处理单元，包括诸如GPU、FPGA和ASIC等的专用处理单元以及诸如CPU的通用处理单元。另外，在每个计算设备上也可以运行着一个或多个虚拟机。计算设备110例如包括：瘤种药物药效数据集合构建单元112、候选药物药效条目筛选单元114、证据等级转换单元116、最高证据等级确定单元118、最终药物药效表征数据确定单元120。上述瘤种药物药效数据集合构建单元112、候选药物药效条目筛选单元114、证据等级转换单元116、最高证据等级确定单元118、最终药物药效表征数据确定单元120可以配置在一个或者多个计算设备110上。

关于瘤种药物药效数据集合构建单元112，其用于构建瘤种药物药效数据集合，瘤种药物药效数据集合包括多个药物药效条目，每一个药物药效条目用于指示基因、基因变异、肿瘤类型、药物、药效、以及证据等级之间的对应关系。

关于候选药物药效条目筛选单元114，其用于基于待测对象的肿瘤类型信息、基因变异信息，从瘤种药物药效数据集合中筛选出候选药物药效条目，候选药物药效条目至少包括：与肿瘤类型信息和基因变异信息所对应的药物药效条目，以及与基因变异信息所对应的跨适应症的药物药效条目。

关于证据等级转换单元116，其用于针对满足预定条件的候选药物药效条目所指示的证据等级进行转换。

关于最高证据等级确定单元118，其用于在候选药物药效条目中确定与待测对象的每一个基因变异信息所对应的最高证据等级。

关于最终药物药效表征数据确定单元120，其用于至少针对与待测对象的基因的多个基因变异所分别对应的最高证据等级进行加权，以便确定针对基因的最终药物药效表征数据，以用于推荐关于待测对象的药物。

以下将结合图2、图3和图4描述根据本公开的实施例的用于推荐药物的方法。图2示出了根据本公开的实施例的用于推荐药物的方法200的流程图。图3示出了根据本公开的一些实施例的瘤种药物药效数据集合的示意图。图4示出了根据本公开的一些实施例的瘤种药物药效数据集合的示意图。应当理解，方法200例如可以在图9所描述的电子设备900处执行。也可以在图1所描述的计算设备110处执行。应当理解，方法200还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤202处，计算设备110构建瘤种药物药效数据集合，瘤种药物药效数据集合包括多个药物药效条目，每一个药物药效条目用于指示基因、基因变异、肿瘤类型、药物、药效、以及证据等级之间的对应关系。

例如，计算设备110获取来自一个或多个服务器的临床意义描述，然后确定基因、基因变异、肿瘤类型、药物、药效、以及证据等级之间的对应关系，以便基于所确定的存在对应关系的基因、基因变异、肿瘤类型、药物、药效、以及证据等级的相关数据确定为一条药物药效条目。之后，基于所确定的多条药物药效条目，构建瘤种药物药效数据集合。瘤种药物药效数据集合中例如包含已收集关于所有基因、基因变异、瘤种、药物、药效、证据等级等相应对应关系的详细信息。

关于证据等级，其例如至少包括：用于指示肿瘤药物响应水平的证据等级、用于指示肿瘤药物耐药水平的证据等级。用于指示肿瘤药物响应水平的证据等级例如包括；A、B、C、D四个证据等级，并且证据等级从A至D依次降低。用于指示肿瘤药物响应水平的证据等级例如包括:R1、R2、R3、R4。证据等级从R1至R4依次降低。

如图3所示，标记310指示基因，该基因例如是PTEM。标记312指示癌肿（或者称为“适应症”），该适应症例如为子宫内膜癌。标记314指示基因变异，该基因变异例如是缺失变异。标记316指示与子宫内膜癌所对应的药物奥拉帕利。标记318指示证据等级例如为D，即肿瘤药物响应水平的证据等级为D。其中，基因为“PTEM”、适应症或癌肿为“子宫内膜癌”、基因变异为“缺失变异”、药物为“奥拉帕利”、证据等级为“D”彼此对应，构成一条药物药效条目。

再如图3所示，基因为“PDGFRA”、适应症为“胃肠间质瘤”、基因变异为“D842V”、药物为“伊马替尼”、证据等级分别对应为“R3”和“R1”。该药物药效条目表明计算设备110所收集的临床意义描述分别指示了伊马替尼针对胃肠间质瘤的肿瘤药物耐药水平的证据等级为R3（例如标记320所指示）或者R1（例如标记322所指示）。

在步骤204处，计算设备110基于待测对象的肿瘤类型信息、基因变异信息，从瘤种药物药效数据集合中筛选出候选药物药效条目，候选药物药效条目至少包括：与肿瘤类型信息和基因变异信息所对应的药物药效条目，以及与基因变异信息所对应的跨适应症的药物药效条目。

关于从瘤种药物药效数据集合中筛选出候选药物药效条目的方法，其例如包括：在一些实施例中，计算设备110从瘤种药物药效数据集合中筛选出指示相同肿瘤类型和基因变异信息的药物药效条目，以作为适应症候选药物药效条目；从瘤种药物药效数据集合中筛选出指示相同基因变异信息和不同肿瘤类型的药物药效条目；确定所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目是否来源于预定数据库集合并且所对应证据等级为最高证据等级；如果确定所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目来源于预定数据库集合并且所对应证据等级为最高的药物响应等级，将所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目确定为跨适应症候选药物药效条目；以及基于适应症候选药物药效条目和跨适应症候选药物药效条目，确定候选药物药效条目；以及如果确定所筛选出的指示相同基因变异信息和不同肿瘤类型条目并非来源于预定数据库集合或者所对应证据等级并非为最高的药物响应等级，基于适应症候选药物药效条目确定候选药物药效条目。通过采用上述手段，本公开可以基于患者的瘤种、患者所携带的具体基因的变异信息，初步筛选出可以纳入适应症候选药物证据条目，以及将基于患者所携带的具体基因的变异信息将高可靠性的、证据等级高的跨适应症的推荐用药纳入候选药物证据条目。

在一些实施例中，如图3所示，例如，患者的肿瘤类型为子宫内膜癌、其基因变异信息指示基因PTEM存在缺失变异。计算设备110从瘤种药物药效数据集合中筛选出指示相同肿瘤类型（即，标记312所指示的子宫内膜癌）和基因变异信息（即，PTEM存在缺失变异）的药物药效条目（例如，标记316所指示的奥拉帕利所在药物药效条目）。此外，计算设备110还从瘤种药物药效数据集合中筛选出指示相同基因变异信息（即，PTEM存在缺失变异）和不同适应症（例如，标记330所指示的前列腺癌）的药物药效条目。在一些实施例中，计算设备110将标记316所指示的奥拉帕利所在药物药效条目和标记332所指示的依维莫司所在药物药效条目作为候选药物药效条目（如标记336所指示）。

在一些实施例中，计算设备110还进一步确定所筛选出的指示相同基因变异信息（即，PTEM存在缺失变异）和不同适应症（例如，标记330所指示的前列腺癌）的药物药效条目是否来源于预定数据库集合（该预定数据库集合例如而不限于包括：FDA、NCCN指南、NMPA）并且所对应证据等级为最高证据等级（例如最高的药物相应等级A、或者最高的药物耐药等级R1）。如图3所示，如果确定所筛选出的、标记330所对应证据等级为药物响应等级C，并非是最高的药物相应等级A，则基于适应症候选药物药效条目（例如，标记316所指示的奥拉帕利所在药物药效条目）确定候选药物药效条目。

在步骤206处，计算设备110针对满足预定条件的候选药物药效条目所指示的证据等级进行转换。在一些实施例中，进行转换的方法例如包括：使得满足预定条件的候选药物药效条目所指示的证据等级降低两个证据等级。在一些实施例中，预定条件例如包括：确定候选药物药效条目为跨适应症的药物药效条目；以及确定候选药物药效条目所对应的肿瘤类型为乳腺癌中的预定类型。（该预定状态例如包括：HR状态、或者HER2状态）。例如，如果计算设备110确定候选药物药效条目为跨适应症的药物药效条目，则使得跨适应症的药物药效条目所指示的证据等级降低两个证据等级，例如，跨适应症的药物药效条目的原有证据等级为A,降级后的证据等级为C。再例如，如果计算设备110确定药物药效条目所对应的肿瘤类型为乳腺癌中的HR状态、或者HER2状态，则需要重新确定证据等级，例如，使得该候选药物药效条目所指示的证据等级降低两个证据等级。通过采用上述手段，可以将候选的跨适应症的药物药效条目的证据等级下调，以便一方面可以更为准确地呈现跨适应症的药物针对差异性的患者癌肿的药效关系，另一方面有利于在同等情况下优先推荐适应症的药物药效条目。

在步骤208处，计算设备110在候选药物药效条目中确定与待测对象的每一个基因变异信息所对应的最高证据等级。

例如，计算设备110比较与待测对象的每一个基因变异信息所对应的多个证据等级，以便确定每一个基因变异信息所对应的一个或多个最高证据等级；确定当前基因变异信息所对应的多个最高证据等级之间是否存在冲突；以及响应于确定当前基因变异信息所对应的多个最高证据等级之间存在冲突，使得当前基因变异信息所对应的最高证据等级被标识为“存在冲突”。

在步骤210处，计算设备110至少针对与待测对象的基因的多个基因变异所分别对应的最高证据等级进行加权，以便确定针对基因的最终药物药效表征数据，以用于推荐关于待测对象的药物。例如，对每一个基因的多个基因变异的相关肿瘤药物的药效进一步加权分析，最终确定针对每一个基因的肿瘤药物的药效。

该待测对象的基因可以是一个基因，也可以是多个基因。由此，本公开可以基于复杂变异（多基因多变异情况）精准推荐具体药物药效信息，支持患者最佳药物的快速推荐。

关于多个基因变异所分别对应的最高证据等级进行加权的方式，其例如包括：确定多个基因变异所分别对应的最高证据等级是否均为药物响应等级；响应于确定多个基因变异中的当前基因变异所对应的最高证据等级均为药物响应等级，将所对应的最高的药物响应等级确定为加权后的证据等级；响应于确定多个基因变异中的当前基因变异所对应的最高证据等级并非均为药物响应等级，确定所对应的最高证据等级之间是否存在冲突；响应于确定所对应的最高证据等级之间不存在冲突，将所对应的最高的药物耐药等级确定为加权后的证据等级；以及响应于确定所对应的最高证据等级之间存在冲突，将冲突证据等级确定为加权后的证据等级。

例如，如图4所示，计算设备110针对与待测对象的基因（例如标记410所指示MET）的多个基因变异（例如，标记424所指示MET扩增）所分别对应的最高证据等级（例如，标记426所指示的最高证据等级A）进行加权，加权后的证据等级例如为A（例如标记428所指示）。计算设备110还针对多个基因变异（例如，标记414所指示的EGFR L858R和MET扩增）所分别对应的存在冲突的证据等级（例如，标记416所指示的相同药物“克唑替尼+吉非替尼”分别对应的“C”证据等级418和“ D”证据等级420。如果计算设备110确定当前基因变异所对应的“C”证据等级418和“ D”证据等级420均为药物响应等级，将所对应的最高的药物响应等级（例如，“C”证据等级418）确定为加权后的证据等级（例如标记422所指示）。下文还会结合图5和图6说明用于针对多个基因变异所分别对应的最高证据等级进行加权的方法500，在此，不再赘述。

关于确定针对基因的最终药物药效表征数据以用于推荐关于待测对象的药物的方法，其例如包括：呈现与待测对象的基因的多个基因变异所分别对应的加权后的证据等级；响应于确定当前加权后的证据等级为药物响应等级，将当前加权后的证据等级所对应的药物确定关于待测对象的推荐药物。通过采用上述手段，本公开可以对具体基因下多个变异的相关药物证据进行加权分析处理，展示患者对具体药物的药效信息。

在上述方案中，通过构建瘤种药物药效数据集合，使得其中所包括的药物药效条目指示基因、基因变异、肿瘤类型、药物、药效、以及证据等级之间的对应关系。本公开可以建立统一描述方式的临床意义描述。另外，通过从瘤种药物药效数据集合中筛选出包括与肿瘤类型信息和基因变异信息所对应的药物药效条目，以及与基因变异信息所对应的跨适应症的药物药效条目的候选药物药效条目；以及针对满足预定条件的候选药物药效条目所指示的证据等级进行转换；本公开可以使得临床意义描述中不仅包括适应症的药物药效描述信息，而且包括跨适应症的相关药物药效描述信息、以及适应性调整药效证据等级的信息，本公开使得临床意义描述在兼顾全面性的同时，使得药效证据等级更为准确，因此，本公开能够为缺乏适应症临床意义描述的癌肿提供合适的用药参考信息。再者，通过在候选药物药效条目中确定与待测对象的每一个基因变异信息所对应的最高证据等级；以及至少针对与待测对象的基因的多个基因变异所分别对应的最高证据等级进行加权，以便确定针对基因的最终药物药效表征数据，以用于推荐关于待测对象的药物，本公开可以自动并快速地基于具体基因下多个基因变异的相关药物证据的综合分析处理结果而针对药物进行推荐。因此，本公开能够有效提高针对差异化患者推荐匹配用药方案的效率。进一步的，本公开可以预测携带已知基因变异的肿瘤患者对相应肿瘤药物的药效，从而辅助患者精准用药。

以下将结合图5和图6描述根据本公开的实施例的用于多个基因变异所分别对应的最高证据等级进行加权的方法。图5示出了根据本公开的实施例的用于针对多个基因变异所分别对应的最高证据等级进行加权的方法500的流程图。图6示出了根据本公开的另一些实施例的瘤种药物药效数据集合的示意图。应当理解，方法500例如可以在图9所描述的电子设备900处执行。也可以在图1所描述的计算设备110处执行。应当理解，方法500还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤502处，计算设备110确定多个基因变异所分别对应的最高证据等级是否均为药物响应等级。

如图6所示，如果计算设备110确定针对相同药物克唑替尼，多个基因变异所分别对应的最高证据等级分别是：标记610所指示的基因变异“重排”所对应的最高证据等级614，以及标记612所指示的基因变异“重排+G1269A”所对应的最高证据等级616 ；则计算设备110确定该多个基因变异所分别对应的最高证据等级614和最高证据等级616是否均为药物响应等级。

在步骤504处，如果计算设备110确定多个基因变异中的当前基因变异所对应的最高证据等级均为药物响应等级，将所对应的最高的药物响应等级确定为加权后的证据等级。

例如，如果计算设备110确定针对药物恩沙替尼，基因变异“重排”所对应的最高证据等级620为药物响应等级（例如，A证据等级），基因变异“重排+G1269A”异所对应的最高证据等级622也是药物响应等级（例如，C证据等级），均为药物响应等级，则计算设备110将所对应的最高的药物响应等级（例如，A证据等级），确定为加权后的证据等级。

在步骤506处，如果计算设备110确定多个基因变异中的当前基因变异所对应的最高证据等级并非均为药物响应等级，确定所对应的最高证据等级之间是否存在冲突。

在步骤508处，如果计算设备110确定所对应的最高证据等级之间不存在冲突，将所对应的最高的药物耐药等级确定为加权后的证据等级。通过采用上述手段，本公开可以实现注重负面临床结果，不鼓励昂贵的靶向治疗药物的超适应症使用。

例如，如果计算设备110确定针对基因变异“重排”所对应的最高证据等级614为药物响应等级，基因变异“重排+G1269A”所对应的最高证据等级616并非药物响应等级，而是药物耐药等级，则计算设备110将所对应的最高的耐药等级（例如，例如标记618所指示R4）确定为加权后的证据等级。

在步骤510处，如果计算设备110确定所对应的最高证据等级之间存在冲突，将冲突证据等级确定为加权后的证据等级。

例如，如果计算设备110确定针对相同的药物塞瑞替尼和相同的基因变异“重排+G1269A”，所对应的两个最高证据等级630和632分别为药物响应等级D和药物耐药等级R4，二者为存在冲突的证据等级，则将冲突证据等级（例如，例如标记634所指示“冲突”）确定为加权后的证据等级。

通过采用上述手段，本公开能够核实每一个基因变异所对应的每一个药物药效证据等级最高的条目，确定该具体基因变异的最终肿瘤药物药效，并且如果确认最高证据等级条目药效出现矛盾时（例如，同时存在药物响应和药物耐药证据的证据等级），此时，将最终的经加权的证据等级确定为冲突。

以下将结合图7描述根据本公开的实施例的用于确定基因变异信息所对应的最高证据等级的方法。图7示出了根据本公开的实施例的用于确定基因变异信息所对应的最高证据等级的方法700的流程图。应当理解，方法700例如可以在图9所描述的电子设备900处执行。也可以在图1所描述的计算设备110处执行。应当理解，方法700还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤702处，计算设备110比较与待测对象的每一个基因变异信息所对应的多个证据等级，以便确定每一个基因变异信息所对应的一个或多个最高证据等级。

在步骤704处，计算设备110确定当前基因变异信息所对应的多个最高证据等级之间是否存在冲突。

在步骤706处，如果计算设备110确定当前基因变异信息所对应的多个最高证据等级之间存在冲突，使得当前基因变异信息所对应的最高证据等级被标识为“存在冲突”。

以下将结合图8描述根据本公开的实施例的用于筛选出候选药物药效条目的方法。图8示出了根据本公开的实施例的用于筛选出候选药物药效条目的方法800的流程图。应当理解，方法800例如可以在图9所描述的电子设备900处执行。也可以在图1所描述的计算设备110处执行。应当理解，方法800还可以包括未示出的附加动作和/或可以省略所示出的动作，本公开的范围在此方面不受限制。

在步骤802处，计算设备110从瘤种药物药效数据集合中筛选出指示相同肿瘤类型和基因变异信息的药物药效条目，以作为适应症候选药物药效条目。

在步骤804处，计算设备110从瘤种药物药效数据集合中筛选出指示相同基因变异信息和不同适应症的药物药效条目。

在步骤806处，计算设备110确定所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目是否来源于预定数据库集合并且所对应证据等级为最高证据等级。

在步骤808处，如果计算设备110确定所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目来源于预定数据库集合并且所对应证据等级为最高的药物响应等级，将所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目确定为跨适应症候选药物药效条目。

在步骤810处，计算设备110基于适应症候选药物药效条目和跨适应症候选药物药效条目，确定候选药物药效条目。

如果计算设备110确定所筛选出的指示相同基因变异信息和不同肿瘤类型条目并非来源于预定数据库集合或者所对应证据等级并非为最高的药物响应等级，跳转至步骤812处，基于适应症候选药物药效条目确定候选药物药效条目。

通过采用上述手段，本公开可将匹配癌肿和基因变异类型适应症候选药物药效条目和匹配基因变异类型的可靠的跨适应症候选药物药效条目均纳入候选药物药效条目，从而有效提高药物推荐的效率、在兼顾可靠性的前提下拓展了作为推荐候选的药物范围。

图9示意性示出了适于用来实现本公开实施例的电子设备900的框图。设备900可以是用于实现执行图2、图5、图7至图8所示的方法200、500、700至800。如图7所示，设备900包括中央处理单元（CPU）901，其可以根据存储在只读存储器（ROM）902中的计算机程序指令或者从存储单元908加载到随机访问存储器（RAM）903中的计算机程序指令，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM903通过总线904彼此相连。输入/输出（I/O）接口905也连接至总线904。

设备900中的多个部件连接至I/O接口905，包括：输入单元906、输出单元907、存储单元908，处理单元901执行上文所描述的各个方法和处理，例如执行方法200、500、700至800。例如，在一些实施例中，方法200、500、700至800可被实现为计算机软件程序，其被存储于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM903并由CPU 901执行时，可以执行上文描述的方法200、500、700至800的一个或多个操作。备选地，在其他实施例中，CPU 901可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行方法200、500、700至800的一个或多个动作。

需要进一步说明的是，本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，该编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、设备（系统）、和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给语音交互装置中的处理器、通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的设备、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，该模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

以上仅为本公开的可选实施例，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开的保护范围之内。

Claims (9)

1.一种用于推荐药物的方法，包括：

构建瘤种药物药效数据集合，所述瘤种药物药效数据集合包括多个药物药效条目，每一个药物药效条目用于指示基因、基因变异、肿瘤类型、药物、药效、以及证据等级之间的对应关系；

基于待测对象的肿瘤类型信息、基因变异信息，从瘤种药物药效数据集合中筛选出候选药物药效条目，所述候选药物药效条目至少包括：与所述肿瘤类型信息和基因变异信息所对应的药物药效条目，以及与所述基因变异信息所对应的跨适应症的药物药效条目；

针对满足预定条件的候选药物药效条目所指示的证据等级进行转换；

在候选药物药效条目中确定与待测对象的每一个基因变异信息所对应的最高证据等级；以及

至少针对与待测对象的基因的多个基因变异所分别对应的最高证据等级进行加权，以便确定针对所述基因的最终药物药效表征数据，以用于推荐关于待测对象的药物，

其中从瘤种药物药效数据集合中筛选出候选药物药效条目包括：

从瘤种药物药效数据集合中筛选出指示相同肿瘤类型和基因变异信息的药物药效条目，以作为适应症候选药物药效条目；

从瘤种药物药效数据集合中筛选出指示相同基因变异信息和不同肿瘤类型的药物药效条目；

确定所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目是否来源于预定数据库集合并且所对应证据等级为最高证据等级；

响应于确定所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目来源于预定数据库集合并且所对应证据等级为最高的药物响应等级，将所筛选出的指示相同基因变异信息和不同肿瘤类型的药物药效条目确定为跨适应症候选药物药效条目；

基于适应症候选药物药效条目和跨适应症候选药物药效条目，确定所述候选药物药效条目；以及

响应于确定所筛选出的指示相同基因变异信息和不同肿瘤类型条目并非来源于预定数据库集合或者所对应证据等级并非为最高的药物响应等级，基于适应症候选药物药效条目确定所述候选药物药效条目。

2.根据权利要求1所述的方法，其中所述证据等级至少包括：用于指示肿瘤药物响应水平的多个证据等级、用于指示肿瘤药物耐药水平的多个的证据等级。

3.根据权利要求1所述的方法，其中至少针对与待测对象的基因的多个基因变异所分别对应的最高证据等级进行加权，以便确定针对所述基因的最终药物药效表征数据包括：

确定多个基因变异所分别对应的最高证据等级是否均为药物响应等级；

响应于确定多个基因变异中的当前基因变异所对应的最高证据等级均为药物响应等级，将所对应的最高的药物响应等级确定为加权后的证据等级；

响应于确定多个基因变异中的当前基因变异所对应的最高证据等级并非均为药物响应等级，确定所对应的最高证据等级之间是否存在冲突；

响应于确定所对应的最高证据等级之间不存在冲突，将所对应的最高的药物耐药等级确定为加权后的证据等级；以及

响应于确定所对应的最高证据等级之间存在冲突，将冲突证据等级确定为加权后的证据等级。

4.根据权利要求1所述的方法，其中预定条件包括：

确定候选药物药效条目为跨适应症的药物药效条目；以及

确定候选药物药效条目所对应的肿瘤类型为乳腺癌中的预定类型。

5.根据权利要求4所述的方法，其中针对满足预定条件的候选药物药效条目所指示的证据等级进行转换包括：

使得满足预定条件的候选药物药效条目所指示的证据等级降低两个证据等级。

6.根据权利要求1所述的方法，其中在候选药物药效条目中确定与待测对象的每一个基因变异信息所对应的最高证据等级包括：

比较与待测对象的每一个基因变异信息所对应的多个证据等级，以便确定每一个基因变异信息所对应的一个或多个最高证据等级；

确定当前基因变异信息所对应的多个最高证据等级之间是否存在冲突；以及

响应于确定当前基因变异信息所对应的多个最高证据等级之间存在冲突，使得当前基因变异信息所对应的最高证据等级被标识为“存在冲突”。

7.根据权利要求1所述的方法，还包括：

呈现所述基因的最终药物药效表征数据。

8.一种计算设备，包括：

至少一个处理单元；

至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令，所述指令当由所述至少一个处理单元执行时，使得所述设备执行根据权利要求1至7中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被机器执行时实现根据权利要求1至7中任一项所述的方法。

Images