CN114829928B - 用于血液检查评估的自动化色谱图分析 - Google Patents
用于血液检查评估的自动化色谱图分析Info
- Publication number
- CN114829928B CN114829928B CN202080088546.0A CN202080088546A CN114829928B CN 114829928 B CN114829928 B CN 114829928B CN 202080088546 A CN202080088546 A CN 202080088546A CN 114829928 B CN114829928 B CN 114829928B
- Authority
- CN
- China
- Prior art keywords
- region
- template
- report
- data
- best fit
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title abstract description 48
- 238000004159 blood analysis Methods 0.000 title description 2
- 238000009534 blood test Methods 0.000 claims abstract description 16
- 238000011208 chromatographic data Methods 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 33
- 108010054147 Hemoglobins Proteins 0.000 claims description 20
- 102000001554 Hemoglobins Human genes 0.000 claims description 20
- 210000004369 blood Anatomy 0.000 claims description 19
- 239000008280 blood Substances 0.000 claims description 19
- 238000004587 chromatography analysis Methods 0.000 claims description 17
- 230000014759 maintenance of location Effects 0.000 claims description 14
- 230000007547 defect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims 1
- 238000007689 inspection Methods 0.000 description 16
- 238000007781 pre-processing Methods 0.000 description 16
- 230000000007 visual effect Effects 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 208000034737 hemoglobinopathy Diseases 0.000 description 4
- 208000018337 inherited hemoglobinopathy Diseases 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- KFZMGEQAYNKOFK-UHFFFAOYSA-N Isopropanol Chemical compound CC(C)O KFZMGEQAYNKOFK-UHFFFAOYSA-N 0.000 description 2
- 208000002903 Thalassemia Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 101100152881 Arabidopsis thaliana THAL gene Proteins 0.000 description 1
- 108091005880 Hemoglobin F Proteins 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 208000005980 beta thalassemia Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009535 clinical urine test Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001962 electrophoresis Methods 0.000 description 1
- 238000010828 elution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000009395 genetic defect Effects 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 208000014951 hematologic disease Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007479 molecular analysis Methods 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 208000007056 sickle cell anemia Diseases 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000004885 tandem mass spectrometry Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Abstract
色谱图分析工具接收样本的血液检查数据,并且将数据划分为区域,并且确定针对每个区域的最佳拟合匹配模板。色谱图分析工具通过将血液检查数据与和区域的原型形状相关联的一组模板进行比较,来确定针对每个区域的最佳拟合匹配。具有血液检查数据的最高r平方值的模板是最佳拟合模板。色谱图分析工具基于针对每个区域的最佳拟合匹配模板生成报告,报告可以指示医疗状况或者对附加检查的推荐。
Description
技术领域
所描述的主题一般涉及分析诊断检测数据,尤其涉及计算机辅助血液检查评估。
背景技术
血红蛋白病是一种遗传缺陷,导致个体血液中血红蛋白分子的异常结构。例如,镰刀细胞病是由血红蛋白病引起的,在某些情况下,血红蛋白病会导致红细胞形成坚硬的镰刀形状。这些畸形的红细胞会阻塞毛细血管,限制血液流动,导致一系列健康问题。相反,地中海贫血是一种导致血红蛋白产量减少的遗传状况。一些血红蛋白病也影响血红蛋白的产生,因此也是地中海贫血。
各种医疗状况(condition)的特征在于血液中某些血红蛋白变体的存在和不同变体的比例。血液检查提供了关于血液样本中不同血红蛋白变体比例的信息。然而,解释这些信息可能具有挑战性。不同的状况对某些变体的存在有相似的影响。因为其他环境和健康因素会影响存在的变体比例,分析更加复杂。例如,异常大量的血红蛋白F可能表明遗传疾病,或者可能表明在取样时个体是孕妇或婴儿。此外,相对少量的变体(或存在的变体的量的变化)可能具有临床意义,但被大量存在的变体所掩盖。
计算机技术提供了分析血液检查数据和更可靠地区分由含有变体的样本产生的不同响应模式的新机会。这可以减少对人类分析师的依赖,与使用技术相比,人类分析师可能会犯错误,并且需要更多的时间和培训来进行诊断。
附图说明
图1是根据一个实施例的图示在其中生成和分析诊断数据的联网计算环境的高级框图。
图2是根据一个实施例的图示适用于图1的联网计算环境的实验室终端的高级框图。
图3是根据一个实施例的图示实验室终端的色谱图分析工具的高级框图。
图4是根据一个实施例的图示适合用作实验室终端的计算机示例的高级框图。
图5示出了根据一个实施例的示例色谱图。
图6是根据一个实施例的图示将色谱图划分为区域的示例的表格。
图7A显示了色谱图数据叠加有最佳拟合匹配模板的区域的示例视觉表示。
图7B显示了根据一个实施例的可以由色谱图分析工具生成的色谱图数据和报告的示例。
图8显示了根据一个实施例的由色谱图分析工具生成的多个结果的报告的示例。
图9是根据一个实施例的图示用于生成血液色谱数据报告的方法的流程图。
具体实施方式
附图和以下说明仅通过说明方式描述了某些实施例。本领域技术人员将从以下描述中容易地认识到,在不脱离所描述的原理的情况下,可以采用结构和方法的替代实施例。现在将参考几个实施例,其示例在附图中示出。注意,只要可行,在附图中使用类似或者相似的附图标记来表示类似或者相似的功能。
概述和益处
色谱图分析工具用作实验室血液检查系统的一部分,以基于样本中各种类型血红蛋白的相对比例来识别遗传状况。血液检查系统从样本中生成色谱数据。色谱图分析工具识别色谱数据的区域,并且针对每个区域,确定该区域中的色谱数据与可能模板的集合中的一个模板之间的匹配。区域可以具有预定的大小。模板具有相应区域内血红蛋白数据的原型形状,并且可以是构建的、单独的或汇集的真实示例性色谱图的一部分、或者真实和/或构建的示例性色谱图的组合。
色谱图分析工具基于最佳拟合匹配生成报告。该报告可以指示一个或多个可能的医疗状况。该报告还可以包括附加的评论和注释,诸如应该执行的附加检查的建议、常见的诊断缺陷、关于相应状况的附加信息(例如,与诊断相关的人口统计因素)、可能的生殖风险等。
使用模板分析色谱图的区域具有几个优点。首先,它可能有助于结果解释,使实验室能够提供更标准化的结果,而无需附加的培训。事实上,它可以减少实验室技术人员高效操作所需的培训量。第二,它可以使结果与在线可获得的参考病例的大型数据库进行基本实时比较,这可以导致对潜在状况的更准确的初步识别。第三,通过将模板应用于区域,缩放的变化被固有地结合到对应于每个区域的模板中。因此,与将模板与色谱图整体匹配的方法相比,匹配区域可以提供更高的准确性。第四,该方法不依赖于将在正常样本中未发现的峰进行积分并分配给特定窗口。第五,该报告可以为达成诊断的后续步骤提供建议,这可以减少对检查结果和可能原因之间的人为联系的依赖。在某些情况下,可以自动或半自动地触发下一步(例如,如果数据库中已经有下一步所需的数据),从而减少完成检查过程所需的时间。
示例系统
图1示出了在其中生成和分析诊断数据的联网计算环境100的一个实施例。在图1所示的实施例中,联网计算环境包括实验室信息系统(laboratory information system,LIS)110、实验室设备120和实验室终端130,它们都经由网络170连接。尽管示出了两个实验室设备120和两个实验室终端130,但是给定的部署可以包括任意量的设备和任意数量的终端(包括仅单个终端)。在其他实施例中,联网计算环境100包含不同的或附加的元件。此外,功能可以以不同于所描述的方式分布在元件中。例如,每个实验室设备120可以包括提供实验室终端130的功能的计算机系统。
LIS 110是支持实验室操作的基于计算机的系统。在各种实施例中,LIS 110提供帮助技术人员和其他用户在实验室中高效工作的工具。例如,LIS 110可以提供数据跟踪、自动备份、数据交换、工作流程管理、样本管理、数据分析、数据挖掘、仪器管理、报告生成、数据审计等。在图1所示的实施例中,LIS 110存储医疗数据112。医疗数据112存储在一个或多个计算机可读介质上,诸如硬盘驱动器。医疗数据112可以包括患者记录、检查结果、医疗文献等。本领域技术人员将认识到LIS 110可以提供的其他功能以及可以作为医疗数据112的一部分存储的其他类型的数据。
实验室设备120是进行医疗检查的一个或多个装置。在一个实施例中,实验室设备120包括色谱系统,该色谱系统产生指示样本中存在的不同血红蛋白变体的相对比例的色谱图。这种系统的一个示例是Bio-RadTM生产的D-100TM。实验室设备120还可以包括执行其他检查的装置,诸如DNA检查、尿液检查等。通过识别可能的医疗状况,色谱图分析工具可以触发一系列检查来帮助样本的鉴别诊断,例如镰刀状检查、稳定性检查(异丙醇检查)、电泳检查、MS/MS、分子研究等。
实验室终端130是用户通过其与LIS 110和实验室设备120进行交互的计算装置。在各种实施例中,技术人员使用包括色谱图分析工具的终端130启动对样本的检查。终端130呈现由色谱图分析工具生成的报告,包括结果分析和建议。在一个实施例中,技术人员批准该报告,并且将其发送到LIS 110进行存储。在另一个实施例中,实验室主管也必须批准该报告(例如,使用第二终端130)。终端130还可以基于色谱图分析工具生成的建议发送指令(例如,向LIS 110)以启动附加的检查或者提供先前进行的检查的结果。终端130的实施例,尤其是色谱图分析工具的操作,将在下面参照图2和图3进行更详细的描述。
网络170提供通信通道,联网计算环境100的其他元件经由该通信通道进行通信。网络170可以包括使用有线或无线通信系统的局域网或广域网的任何组合。在一个实施例中,网络170使用标准通信技术或协议。例如,网络170可以包括使用诸如以太网、802.11、微波接入全球互通(WiMAX)、3G、4G、码分多址(CDMA)、数字用户线路(DSL)等技术的通信链路。用于经由网络170进行通信的网络协议的示例包括多协议标签交换(MPLS)、传输控制协议/互联网协议(TCP/IP)、超文本传输协议(HTTP)、简单邮件传输协议(SMTP)和文件传输协议(FTP)。通过网络170交换的数据可以使用任何合适的格式来表示,诸如超文本标记语言(HTML)或可扩展标记语言(XML)。在一个实施例中,使用RS-232串行连接来连接一些或所有组件。在一些实施例中,网络170的所有或一些通信链路可以使用任何合适的技术来加密。
图2示出了适用于图1的联网计算环境100的实验室终端130的一个实施例。在图2所示的实施例中,实验室终端130包括结果提供器210、显示子系统220、用户输入子系统230、色谱图分析工具240和本地存储260。在其他实施例中,实验室终端130包含不同的或附加的元件。此外,功能可以以不同于所描述的方式分布在元件中。
结果提供器模块210与实验室设备120对接,以获取医疗数据。在一个实施例中,医疗数据是结果提供器模块210用来创建色谱图的血液色谱数据。可选地,色谱图可以由实验室设备120(或联网计算环境100中的其他地方)生成,并且作为输入提供给结果提供器模块210。图5示出了根据一个实施例的色谱图500的示例。色谱图500包括数据的视觉表示510和数据表520。视觉表示510包括检测器响应随时间变化的曲线图,该曲线图包括若干个峰512(为了清楚起见,仅标记了其中的两个)。数据表520识别各个窗口中的保留时间(即,针对峰512观察到最强检测器响应的时间),保留时间被预期对应于不同血红蛋白变体(例如A1a、A1b、F等)。数据表520还包括每个峰512的面积(其对应于样本中存在的给定变体的总量)和针对每个峰报告的结果。
再次参考图2,显示子系统220向用户(例如,实验室科学家)呈现信息和控件。在一个实施例中,显示子系统220提供控件,技术人员利用这些控件来启动由实验室设备120进行的检查。显示子系统220然后提供控件以使操作者能够查看和分析检查的结果(例如,使用色谱图分析工具240)。显示子系统220还可以提供其他功能,诸如查看患者记录、配置实验室设备120、查看状态/维护数据等。
用户输入子系统230接收来自用户(例如,实验室科学家或主管)的输入,并且将其提供给终端130的其他元件。在一个实施例中,用户输入子系统230包括触摸屏。在触摸屏上呈现控件,使得用户能够控制实验室设备120或者与色谱图分析工具240交互。参考下文的图7和图8,其提供了由用户输入子系统230提供的用户界面的实施例的进一步细节。
色谱图分析工具240分析由结果提供器模块210提供的数据,以生成报告。在各种实施例中,色谱图分析工具240将色谱图细分为多个区域,并且将每个区域和与该区域的可能形态相对应的模板集进行匹配,以找到最佳拟合匹配(best-fit match)。色谱图分析工具240然后基于针对每个区域的最佳拟合匹配生成报告,并且包括关于结果的解释的评论。该报告还可以包括每个最佳拟合匹配是正确的可能性,或者将允许确定性诊断的进一步检查的推荐。例如,如果结果表明受试者可能是遗传性血液疾病的携带者,则如果受试者正在考虑生孩子,色谱图分析工具240可以推荐DNA检查用于验证。在一个实施例中,如果所需的数据或设备可用,色谱图分析工具240可以自动触发进一步的分析,并且相应地更新报告。将在下面参照图3更详细地描述色谱图分析工具240的各种实施例的细节。
图3显示了图2中所示的实验室终端120的色谱图分析工具240的一个实施例。在图3所示的实施例中,色谱图分析工具240包括预处理模块310、区域识别模块320、模板库325、模板匹配模块330和结果评估模块340。在其他实施例中,色谱图分析工具240包含不同的或附加的元件。此外,功能可以以不同于所描述的方式分布在元件中。
在进一步分析数据之前,预处理模块310执行各种基线操作和质量检查。在一些实施例中,预处理模块310在任何后续分析之前对色谱图执行基线扣除。在一些实施例中,预处理模块310可以执行色谱图的初始分析。例如,预处理模块310可以计算高度、面积,并且生成经校准和未校准的结果。预处理模块310还可以从这些经校准和未校准的结果中计算特殊和,特殊和组合了来自一个或多个峰的数据以帮助有效的分析。
在一些实施例中,预处理模块310分析数据质量。在一个这样的实施例中,质量分析检查数据中可能指示不准确结果的高可能性的特征。例如,质量分析模块310可以将色谱图的总面积与最小面积阈值进行比较,并且如果总面积小于阈值,则将检查数据标记为低质量。在该示例中,预处理模块310可以使用如上所述计算的特殊和。如果检查数据被标记为低质量数据,预处理模块310可以结束分析并且指示应该执行新的检查。这可以防止将时间和资源浪费在对不可靠数据的进一步分析上。在这种情况下,预处理模块310可以自动触发样本的重新检查。在另一个示例中,预处理模块310可以查看已知峰(例如,A1c峰或A2峰)的宽度、指数修正的高斯拟合sigma和tau值,或者从指数修正的高斯拟合sigma和tau值导出的指标,并且如果超过阈值,则添加警告评论。其他示例包括质量分析模块310使用指数修正的高斯tau/sigma比率或者其他指标来检查不均匀的基线和高度不对称的峰(例如,峰拖尾)。
区域识别模块320将色谱图划分为多个区域。区域识别模块320使用色谱图的特征和/或绝对或归一化时间来确定针对每个区域起始和结束的时间。在一个实施例中,区域识别模块320通过在预期范围内搜索预期的特征来确定区域边界。例如,区域识别模块320可以通过在预期范围内搜索以下中一个或多个来确定区域的起始或结束边界:第一个峰起始或谷、最后一个峰起始或谷、具有最低幅度的峰起始或谷、第一个谷或峰结束、最后一个谷或峰结束、具有最低幅度的谷或峰结束、第一个峰起始或谷或峰结束,最后一个峰起始或谷或峰结束,具有最低幅度的峰起始或谷或峰结束,或者最后一个峰结束。例如,区域识别模块320将作为区域1(例如,区域1 610)和区域2(例如,区域2 620)之间的边界的保留时间确定为与峰F和峰LA1c洗提(elute)的位置相对应的保留时间范围中的局部最小值,使得峰F的全部将包含在区域1内,并且峰LA1c的全部将包含在区域2内(如果两者都存在的话)。如果在预期的范围内找到预期的峰特征,则将其用作相应的区域边界。如果没有,则可以将默认值(例如,绝对时间或归一化时间)用于边界。这可以解释预期的峰没有出现但不寻常的峰出现的不寻常情况。因为区域识别模块320基于选择的特征确定区域,所以每个区域可以具有不同的大小(即,保留时间的长度)。
图6为根据一个实施例的说明将色谱图划分为多个区域的示例的表格600。表格600将色谱图划分为五个区域,并且针对每个区域,列出起始特征和结束特征。在图6所示的示例中,区域1 610起始于色谱图的起始(即,保留时间0.0),结束于与峰F(如果F存在的话)的结束相对应的保留时间。也就是说,区域1 610包括其中峰A1a、A1b和F(如果存在)洗提的保留时间范围。区域2 620起始于与峰LA1c(如果存在)的起始相对应的保留时间,结束于与峰P3(如果存在)的结束相对应的保留时间,使得它包括其中峰LA1c、HbA1c和P3(如果存在)洗提的保留时间范围。区域3 630、区域4 640和区域5 650类似地由其对应的起始和结束特征或者时间来定义。表格600根据色谱图中常见的窗口分量描述了区域610、620、630、640、650的边界。然而,在一些实施例中,边界不依赖于这些窗口分量的识别。
再次参考图3,模板库325存储一个或多个模板集,或者根据需要生成模板所需的参数。每个模板与色谱图区域的原型形状相对应,其中每个原型形状代表色谱图区域的特定原型。原型形状可以是构建的、真实的、或者真实和构建的组合,其中每个原型形状模仿在色谱图的特定区域中发现的一个或多个峰和低谷。真实的原型形状来自色谱数据的真实数据集,可以是单独的或者组合的色谱图。构建的原型形状是人工创建的,以代表原型,例如,由构建预期曲线的专家构建。每个区域与模板集相关联,每个模板具有不同的原型形状。例如,针对区域1的模板可以包括正常A1a、A1b和F峰的原型形状,其中每个模板具有一个或多个峰的不同高度、宽度、对称性,并且在一些模板中,一些峰可能完全缺失。在其他情况下,可能包括异常响应的预期原型形状。模板库325中的与区域相关联的每个模板集可以通过各种因素进行索引和搜索,诸如特定峰的高度、特定峰的缺失或者已知代表与某些医疗状况相关联的色谱图数据的模板子集。
模板匹配模块330将模板集与色谱图的单个区域进行比较,以针对每个区域确定是最佳拟合匹配的模板。模板匹配模块将色谱图的区域与存储在模板库325中的与该区域相关联的模板集中的模板进行比较。在一个实施例中,模板匹配模块330将来自模板库325的第一模板滑过该区域的数据。模板匹配模块330确定第一模板在该区域上的位置,其中该位置在第一模板和该区域的数据之间具有最佳拟合。模板匹配模块330可以通过在第一模板和数据的不同对齐处确定第一模板和数据之间的相关系数R值,来确定第一模板在该区域的数据上的最佳拟合位置。对齐可以在一维或二维中进行。例如,对齐可以包括一维偏移。
在一些实施例中,对齐由抖动范围来参数化,其可基于预期的保留时间针对不同特征进行校准。第一模板与具有最高相关系数R值的数据的对齐是第一模板的最佳拟合位置,并且成为与数据的第一模板相关联的R值。模板匹配模块针对模板库325中的其他模板重复确定最佳拟合相关系数R值的方法。模板匹配模块330将被确定为具有总体最高R值的模板集中的模板确定为针对该区域的最佳拟合匹配。模板匹配模块330针对色谱图中的每个区域找到最佳拟合匹配。在其他实施例中,可以使用指示拟合接近程度的其他度量。
在一些实施例中,模板匹配模块330匹配存储在模板库325中的与特定区域相关的模板集中的每个模板。在其他实施例中,模板匹配模块330使用确定的拟合接近程度的度量来加速最佳拟合匹配的确定。例如,模板匹配模块330确定针对第一模板的相关系数R值高于阈值,这触发与类似于第一模板的模板子集的附加比较。类似地,模板匹配模块330确定针对第二模板的相关系数R值低于阈值,这触发模板匹配模块330跳过与类似于第二模板的模板子集的比较。
模板匹配模块330还可添加一个或多个评论。例如,评论可能会识别与初步模式相关的潜在诊断缺陷,建议进行有助于做出诊断的进一步检查,或者识别应考虑的其他因素(例如,受试者的种族)。
结果评估模块340接收针对每个区域的模板匹配模块330的输出,并且创建报告。结果评估模块340将针对每个区域的最佳拟合匹配合并到整体分析中。校准的百分比面积或者其他预处理结果可以与区域匹配信息相结合,以确定可能的医疗状况。在一些实施例中,结果评估模块340生成整体最佳拟合模板,端到端地组合每个最佳匹配模板。在另一个实施例中,归一化区域与最佳匹配模板单独重叠,并且如图7所示并排显示。由结果评估模块340生成的报告识别一个或多个可能的医疗状况,或者做出正常性的确定,或者返回无分配-可能变体的结果。例如,区域可能具有与医疗状况的可能指示和针对附加检查的建议相关联的最佳拟合匹配模板。在一些实施例中,一个模板可以指示多个可能的医疗状况。在另一个示例中,针对两个或更多个区域确定的最佳拟合匹配模板与预处理结果的组合可以指示医疗状况,或者可能指示比单独的模板匹配更高的状况可能性。
基于与模板组合的单个模板相关联的数据,由结果评估模块340生成的报告还可包括关于报告的解释的评论或建议。例如,评论可以包括个体具有一个或多个医疗状况中的每一个的可能性的指示、进一步检查的建议、与一个或多个医疗状况相关联的常见缺陷、或者关于每个医疗状况的附加信息。例如,当检测Beta地中海贫血时,生成的报告可能包括HbA1c和/或A2/E结果以及关于血红蛋白模式的信息,以及相关联的评论和注释。添加的评论可以提醒实验室科学家并帮助临床医生解释结果。在另一个示例中,由结果评估模块340添加的评论可以包括关于检查结果的特征的评论,诸如特定血红蛋白变体的存在,或者设置指示检查结果应该被抑制或重复的标志(例如,如果分析表明结果不可靠)。
图7A显示了叠加有最佳拟合匹配模板的色谱图数据区域的示例视觉表示。图7A包括区域1的视觉表示710、区域2的视觉表示720、区域3的视觉表示730、区域4的视觉表示740和区域5的视觉表示750。区域识别模块320将色谱图数据760(参见图7B)划分为区域,这些区域由视觉表示710、720、730、740、750来表示。每个区域的每个视觉表示710、720、730、740、750分别包括该区域的色谱图数据712、722、732、742、752和由模板匹配模块330确定的最佳拟合模板714、724、734、744、754的曲线图。每个视觉表示710、720、730、740、750还包括结果的汇总716、726、736、746、756,这些汇总为色谱图数据712、722、732、742、752和针对每个相应区域的(如由模板匹配模块330所确定的)最佳拟合模板714、724、734、744、754之间的匹配提供了偏移值和R值。
例如,区域1的视觉表示710包括区域1的色谱图数据712的曲线图,其叠加有针对色谱图数据712的最佳拟合模板714。色谱图数据712的曲线图与最佳拟合模板714在形状上相似,尽管不完全相同。例如,峰的形状相似,但高度略有不同。模板匹配模块330将最佳拟合模板714确定为原型形状,其在针对区域1的模板库325的所有模板中具有针对色谱图数据712的曲线图的最高相关系数R值。针对最佳拟合模板714和色谱图数据712的曲线图的相关系数R值是0.9324,如结果716所示。模板库325中的针对区域1的其他模板针对色谱图数据712的曲线图具有比0.9324更低的相关系数R值。最佳拟合模板714可以与一个或多个医疗状况相关联。
图7B显示了根据一个实施例,可由色谱图分析工具240生成的色谱图数据760和报告770的示例。色谱图数据760可以被划分为色谱图数据712、722、732、742、752的曲线图的区域。色谱图数据760与指示与色谱图数据712、722、732、742、752的曲线图相关联的每个区域号的叠加图一起显示。色谱图分析工具240从示例色谱图分析数据760产生报告770。针对图7A的色谱图数据712、722、732、742、752的曲线图的最佳拟合模板714、724、734、744、754是由色谱图分析工具针对色谱图数据760的每个区域确定的最佳拟合匹配模板的可视化。基于针对每个区域的最佳拟合匹配714、724、734、744、754生成报告770。
报告770提供关于色谱图数据760的信息。在图7B所示的实施例中,报告770包括各种信息,包括患者信息771、具有每个相关联的最佳拟合匹配模板名称773和相关联的相关系数R值774的区域列表772、评论775和可选注释776。在其他实施例中,报告770可以包括关于色谱图数据760的附加或替代信息。
患者信息771包括关于患者的相关信息,诸如患者ID和指示经检查产生色谱图数据760的样本定位的搁架和位置。在其他实施例中,患者信息771可以附加地或替代地包括姓名、血型、负责医生、人口统计数据、检查日期和时间以及与患者相关联的其他健康信息。患者信息可以存储在本地存储260中,而不是由色谱图分析工具240产生。
区域列表772列出了色谱图数据760的区域。区域列表772中的每个区域与列出的最佳拟合匹配模板名称773以及针对最佳拟合匹配模板的相关联的相关系数R值774相关联。报告770中列出的最佳拟合匹配模板名称773是与针对图7A所示的每个区域的最佳拟合匹配714、724、734、744、754相关联的特定名称。例如,最佳拟合匹配714被称为“BARTS和H1”。报告770中列出的相关系数R值774与图7A的结果的汇总716、726、736、746、756中列出的R值相同。例如,针对区域1的相关系数R值是0.934,如图7A和7B所示。
评论775指示一个或多个可能的医疗状况或其他医疗信息。图7B中的评论76指示患者可能患有“具有Constant Spring的BARTS”。在其他实施例中,评论775可以指示其他可能的医疗状况,诸如下面关于图8给出的示例,或者正常的指示。在一个实施例中,由色谱图分析工具240生成的任何评论775被呈现给实验室主管(例如,在终端130处),并且仅在实验室主管批准的情况下被包括在报告770上。
注释776指示针对医疗疾病的%A2结果以及预期的%A2范围。注释776可以由色谱图分析工具240的预处理模块310产生。在替代实施例中,注释776可以包括附加或替代信息。
图8显示了根据一个实施例,由色谱图分析工具240生成的多个结果的报告800的示例。报告800包括从多个分析的样本获得的多个结果。汇总800可以显示在终端130上。在一些实施例中,报告报告信息可以以电子表格应用可用的格式导出,或者可以被打印。针对每个样本,报告800包括样本名称、针对每个区域的文本名称和相关系数、评论和可选注释。
每个样本中针对每个区域的文本名称指示与针对特定样本的特定区域相关联的最佳拟合匹配模板的名称,如由色谱图分析工具240确定。针对区域1,针对每个区域的文本名称的列标题在报告800中被缩写为“区域1文本”,其他区域也是如此。例如,样本5的区域3文本名称为“A0 Predominate”(A0占主导)。
每个样本中针对每个区域的相关系数是指示该区域内色谱图数据和最佳拟合匹配模板之间接近程度的值(例如,R值)。在报告800中,针对相关系数的列标题被缩写为“区域1CC”,其他区域也是如此。每个相关系数与最佳拟合匹配模板相关联,该最佳拟合匹配模板与直接位于相应的相关系数左侧的文本名称相关联。例如,针对名称为A0 Predominate的最佳拟合匹配模板,样本5具有0.9246的区域3相关系数。
针对每个样本的评论提供了对一个或多个可能的医疗状况的指示。评论由色谱图分析工具240提供。针对评论的列标题是报告800中的“评论”。如图8中所列出的,由评论指示的可能的医疗状况包括但不限于:HbH、BARTS、Constant Spring、高F、Beta-thal主要(Beta-thal major)、Beta 0/E、SC、O-Arab、CC、SS、EE、Beta-thal trait。
针对每个样本的注释提供了关于样本的附加信息。评论可以由色谱图分析工具240或另一个模块提供。针对注释的列标题是报告800中的“注释”。例如,在图8中,第一行包括A2峰/E峰的百分比为0.70的注释。与报告800中的样本相关联的文本名称、相关系数、评论和注释便于一次读取许多样本。除了图7B的报告770之外,或者作为图7B的报告770的替代,可以提供报告800。
在具有不同响应的一组97个色谱图上运行本发明的一个实施方案,并且将本发明的结果与人工检查的分配任务进行比较。二十二个色谱图是模板库中不包含的变体样本的色谱图。二十二个色谱图中的二十个返回结果“无分配-可能的变体”,而两个色谱图返回结果BARTS。这两个结果都会触发对样本的更多检查和审查。另外两个色谱图来自输血样本,也返回了结果“无分配-可能的变体”。在剩余的73个色谱图中,67个被分配为与手动色谱图分配一致。六个差异中的四个似乎归因于对%A2结果的不同解释,因此在该方法和人工审查之间使用了不同的正常%A2截断值。这四个色谱图被识别为正常,而beta thal trait被手动分配。剩余的两个不一致返回结果A2+A2’,而手动分配又是beta thal。这一结果应该会触发进一步的调查。
计算系统架构
图4示出了根据一个实施例的适于用作实验室终端120或LIS110的示例计算机400。示例计算机400包括耦合到芯片组404的至少一个处理器402。芯片组404包括存储器控制器集线器420和输入/输出(I/O)控制器集线器422。存储器406和图形适配器412耦合到存储器控制器集线器420,显示器418耦合到图形适配器412。存储装置408、键盘410、定点装置414和网络适配器416耦合到I/O控制器集线器422。计算机400的其他实施例具有不同的架构。
在图4所示的实施例中,存储装置408为非暂时性计算机可读存储介质,诸如硬盘驱动器、光盘只读存储器(CD-ROM)、DVD或固态存储器装置。存储器406保存处理器402使用的指令和数据。定点装置414是鼠标、轨迹球、触摸屏或其他类型的定点装置,并且与键盘410(可以是屏幕键盘)结合使用,以将数据输入到计算机系统400中。图形适配器412在显示器418上显示图像和其他信息。网络适配器416将计算机系统400耦合到一个或多个计算机网络。
图1至图3的实体使用的计算机类型可根据实施例和实体所需的处理能力而变化。例如,LIS 110可以包括分布式数据库系统,该分布式数据库系统包括一起工作以提供所述功能的多个刀片服务器。此外,计算机可以缺少上述组件中的一些,诸如键盘410、图形适配器412和显示器418。
示例方法
图9为根据一个实施例,说明用于生成针对血液色谱数据的报告的方法的流程图。从执行该方法的色谱图分析工具240的角度示出了图9的步骤。然而,一些或所有步骤可以由其他实体或组件来执行。此外,一些实施例可以并行执行这些步骤,以不同的顺序执行这些步骤,或者执行不同的步骤。
在图9所示的实施例中,该方法开始于色谱图分析工具240接收910针对患者血液样本的血液检查色谱数据。在一些实施例中,色谱图分析工具240从实验室设备120接收血液检查色谱数据。在其他实施例中,色谱分析工具240从LIS 110接收血液检查色谱数据。接收到的血液检查色谱数据包括若干个峰。每个峰对应于血红蛋白的类型,并且具有指示血样中存在的相应类型的血红蛋白的量的值。在接收910血液检查色谱数据之后,预处理模块310可以分析血液检查色谱数据的质量,执行样本分析,计算特殊和,或者执行基线扣除。
色谱图分析工具240识别920色谱数据的多个区域。识别920由参照图3描述的区域识别模块320执行。每个区域包括来自不同范围的色谱峰的色谱数据。可以基于色谱数据的特征或者通过绝对时间来识别每个区域的起始点和结束点920。
针对每个区域,色谱分析工具240检索930与该区域相对应的多个区域模板,并且通过将区域模板与区域中包括的色谱数据进行比较来识别940最佳拟合匹配区域模板。由模板匹配模块330从模板库325中检索930多个区域模板。最佳拟合匹配区域的识别940由模板匹配模块330完成。
色谱分析工具240基于针对每个区域的最佳拟合匹配区域模板生成950报告。在一个实施例中,色谱分析工具240还基于来自预处理模块310的信息,诸如%A2/E,生成950报告。生成950由结果评估模块340执行。生成950的报告可以包括一个或多个医疗状况、关于色谱图数据的评论以及关于一个或多个医疗状况的评论,包括常见缺陷、针对附加检查的建议、或者附加信息。可以生成950该报告,用于例如由显示子系统或任何其他显示终端显示。
其他注意事项
上面描述的说明书的一些部分根据算法过程或操作描述了实施例。这些算法描述和表示通常被数据处理领域的技术人员用来将他们工作的实质有效地传达给本领域的其他技术人员。这些操作虽然在功能上、计算上或逻辑上被描述,但被理解为由计算机程序实现,该计算机程序包括由处理器或等效电路、微码等执行的指令。此外,在不失一般性的情况下,将这些功能操作的布置称为模块有时也被证明是方便的。
如本文所用,任何“一个实施例”或“实施例”的引用均指结合该实施例描述的特定元件、特征、结构或特性包括在至少一个实施例中。说明书中不同地方出现的短语“在一个实施例中”不一定都指同一实施例。
可以使用表述“耦合”和“连接”及其派生词描述某些实施例。应该理解,这些术语并不打算作为彼此的同义词。例如,一些实施例可以使用术语“连接的”来描述,以指示两个或更多个元件彼此直接物理或电接触。在另一示例中,一些实施例可以使用术语“耦合的”来描述,以指示两个或更多个元件直接物理或电接触。然而,术语“耦合的”也可以意味着两个或更多元件彼此不直接接触,但是仍然彼此合作或交互。实施例不限于这种情况。
如本文使用的,术语“包括”、“包含”、“具有”或其任何其他变体,旨在涵盖非排他性包含。例如,包括一系列元素的过程、方法、物品或装置不一定仅限于这些元素,而是可以包括没有明确列出的或这种过程、方法、物品或装置固有的其他元素。此外,除非有相反的明确说明,“或者”指的是包含性的或者,而不是排他性的或者。例如,条件A或者B满足以下任一条件:A为真(或者存在)而B为假(或者不存在),A为假(或者不存在)而B为真(或者存在),A和B都为真(或存在)。
此外,使用“一”或者“一个”来描述实施例的元件和组件。这样做仅仅是为了方便,并且给出本公开的一般意义。该描述应该被理解为包括一个或者至少一个,并且单数也包括复数,除非它显然另有含义。
在阅读本公开时,本领域技术人员将理解用于提供有助于血红蛋白病评估的色谱图分析工具的系统和过程的其他替代结构和功能设计。因此,虽然已经示出和描述了特定的实施例和应用,但是应该理解,所描述的主题不限于本文公开的精确构件和部件,并且可以在所公开的方法和装置的布置、操作和细节中进行对本领域技术人员来说显而易见的各种修改、改变和变化。保护范围应该仅由所附权利要求来限定。
Claims (21)
1.一种用于从血液检查数据生成报告的非诊断目的的方法,所述方法包括:
接收针对患者的血液样本的血液检查色谱数据,所述数据包括多个峰,每个峰对应于一个或多个类型的血红蛋白,并且具有指示所述血液样本中存在的对应类型的血红蛋白的量的值;
识别所述色谱数据的多个区域,每个区域包括来自不同保留时间范围的色谱数据;
针对每个区域:
检索对应于所述区域的多个区域模板;以及
通过将每个区域模板与被包括在所述区域中的所述色谱数据进行比较来识别最佳拟合匹配区域模板;以及
基于针对每个区域的所述最佳拟合匹配区域模板生成报告,所述报告指示针对所述多个区域识别的所述最佳拟合匹配区域模板。
2.根据权利要求1所述的方法,其中,所述报告包括至少一个评论,所述至少一个评论提供关于所述报告的解释的建议。
3.根据权利要求2所述的方法,其中,关于所述报告的解释的所述建议包括以下至少一项:与一个或多个医疗状况相关联的常见缺陷、对附加检查的推荐、或者关于所述一个或多个医疗状况的附加信息。
4.根据权利要求1所述的方法,还包括:
提供所述报告以在终端上显示。
5.根据权利要求1所述的方法,其中,所述多个区域中的每个区域具有对应的预定范围,其中,每个范围由色谱图中的起始特征和结束特征来定义。
6.根据权利要求5所述的方法,其中,所述预定范围中的至少两个预定范围具有不同的长度。
7.根据权利要求1所述的方法,还包括:
确定所述色谱数据的质量的指示;以及
如果所述质量的所述指示低于预定阈值,生成通知。
8.根据权利要求1所述的方法,其中,针对每个区域,识别所述最佳拟合匹配区域模板包括:
针对每个区域模板:
确定所述区域的所述色谱数据和所述区域模板之间的最大相关系数R值;
基于所述最大相关系数R值确定所述最佳拟合匹配区域模板。
9.根据权利要求8所述的方法,其中,确定针对给定区域模板的所述最大相关系数R值包括:
在所述色谱数据的所述区域上滑动所述给定区域模板;
计算所述色谱数据的所述区域内的所述给定区域模板的不同位置的R值;以及
选择所述R值中最大的R值作为所述给定区域模板的最大R值。
10.根据权利要求1所述的方法,其中,每个模板表示所述区域内的色谱图的原型形状,所述原型形状包括一个或多个峰。
11.根据权利要求1所述的方法,其中,所述报告还包括每个最佳拟合匹配区域是正确的可能性。
12.一种存储计算机程序指令的非暂时性计算机可读介质,所述计算机程序指令由处理器可执行以执行操作,所述操作包括:
接收针对患者的血液样本的血液检查色谱数据,所述数据包括多个峰,每个峰对应于一个或多个类型的血红蛋白,指示所述血液样本中存在的对应一个或多个类型的血红蛋白的量;
识别所述色谱数据的多个区域,每个区域包括来自不同保留时间范围的色谱数据;
针对每个区域:
检索对应于所述区域的多个区域模板;以及
通过将每个区域模板与被包括在所述区域中的所述色谱数据进行比较来识别最佳拟合匹配区域模板;以及
基于针对每个区域的所述最佳拟合匹配区域模板生成报告,所述报告指示一个或多个医疗状况。
13.根据权利要求12所述的非暂时性计算机可读介质,其中,所述报告包括至少一个评论,所述至少一个评论提供关于所述报告的解释的建议。
14.根据权利要求13所述的非暂时性计算机可读介质,其中,关于所述报告的解释的所述建议包括以下至少一项:与所述一个或多个医疗状况相关联的常见缺陷、对附加检查的推荐、或者关于所述医疗状况的附加信息。
15.根据权利要求12所述的非暂时性计算机可读介质,存储指令还包括:
提供所述报告以在终端上显示。
16.根据权利要求12所述的非暂时性计算机可读介质,其中,所述多个区域中的每个区域具有对应的预定范围,其中,每个范围由色谱图中的起始特征和结束特征来定义。
17.根据权利要求16所述的非暂时性计算机可读介质,其中,所述预定范围中的至少两个预定范围具有不同的长度。
18.根据权利要求12所述的非暂时性计算机可读介质,还包括:
确定要确定的所述色谱数据的质量的指示;以及
如果所述质量的所述指示低于预定阈值,生成通知。
19.根据权利要求12所述的非暂时性计算机可读介质,其中,针对每个区域,识别所述最佳拟合匹配区域模板还包括,
针对每个区域模板:
确定所述区域的所述色谱数据和所述区域模板之间的R值;
基于最高R值确定所述最佳拟合匹配区域。
20.根据权利要求12所述的非暂时性计算机可读介质,其中,每个模板表示所述区域内的色谱图的原型形状的血红蛋白组成,所述原型形状包括一个或多个峰。
21.一种用于从血液检查数据生成报告的色谱装置,所述色谱装置包括:
用于注射从患者提取的血液样本的端口;
一个或多个处理器;以及
存储计算机程序代码的计算机可读介质,所述计算机程序代码在被执行时使所述一个或多个处理器执行操作,所述操作包括:
接收针对患者的血液样本的血液检查色谱数据,所述数据包括多个峰,每个峰对应于一个或多个类型的血红蛋白,并且具有指示所述血液样本中存在的对应类型的血红蛋白的量的值;
识别所述色谱数据的多个区域,每个区域包括来自不同保留时间范围的色谱数据;
针对每个区域:
检索对应于所述区域的多个区域模板;以及
通过将每个区域模板与被包括在所述区域中的所述色谱数据进行比较来识别最佳拟合匹配区域模板;以及
基于针对每个区域的所述最佳拟合匹配区域模板生成报告。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/721,093 | 2019-12-19 | ||
US16/721,093 US20210190740A1 (en) | 2019-12-19 | 2019-12-19 | Automated chromatogram analysis for blood test evaluation |
PCT/US2020/064479 WO2021126688A1 (en) | 2019-12-19 | 2020-12-11 | Automated chromatogram analysis for blood test evaluation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114829928A CN114829928A (zh) | 2022-07-29 |
CN114829928B true CN114829928B (zh) | 2024-07-02 |
Family
ID=
Non-Patent Citations (1)
Title |
---|
Smart Templates for peak pattern matching with comprehensive two-dimensional liquid chromatography;Stephen E. Reichenbach 等;Journal of Chromatography A;第1216卷;第3458-3466页 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2023507991A (ja) | 血液検査評価用のクロマトグラム自動解析方法 | |
US6512986B1 (en) | Method for automated exception-based quality control compliance for point-of-care devices | |
Lippi et al. | Quality in laboratory diagnostics: from theory to practice | |
EP2457091B1 (en) | System and method for determining sigma of a clinical diagnostic process | |
JP2005524049A (ja) | バイオメトリック・クオリティ管理プロセス | |
EP2433142A1 (en) | System and method for automatic quality control of clinical diagnostic processes | |
WO2015009354A1 (en) | Methods and systems for processing test results based on patient-specific data and reference data | |
KR20090106652A (ko) | 자동 검증 규칙 검사 시스템 및 방법 | |
US20190362824A1 (en) | Condition specific sample analysis | |
US11475990B2 (en) | Systems and methods for delivery of digital biomarkers and genomic panels | |
CN112435753A (zh) | 医疗数据的自动验证 | |
JP2002022748A (ja) | 臨床検査システム | |
JP7267277B2 (ja) | 血液検査評価用のスマートアドバイザ | |
Ratzinger et al. | EQ-Mine: Predicting short-term defects for software evolution | |
JPH08147396A (ja) | 臨床検査分析装置 | |
US20090248315A1 (en) | System and Method for Determining Clinical Equivalence of Test Methods | |
CN111406294B (zh) | 自动生成用于实验室仪器的规则 | |
CN114829928B (zh) | 用于血液检查评估的自动化色谱图分析 | |
JP6282513B2 (ja) | 検査結果解析支援システム | |
US20200000413A1 (en) | Method and system for automated diagnostics of none-infectious illnesses | |
US20210265028A1 (en) | Altering patient care based on long term sdd | |
KR20180010077A (ko) | 의료 검사의 참고치 관리 장치 및 방법 | |
JP3036667B2 (ja) | 医療系検査室内データクリーン化システム | |
Sams et al. | Predictive modelling and its visualization for telehealth data–Concept and implementation of an interactive viewer | |
Shao et al. | A Markov chain approach to study flow disruptions on surgery in emergency care |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |