-
Die
vorliegende Erfindung betrifft medizinische Entscheidungsunterstützungssysteme
und spezieller computerimplementierte Systeme und Verfahren zum
Integrieren biomedizinischer Information und zum Unterstützen medizinischer
Entscheidungen.
-
Moderne
Biotechnologie und medizinische Bildgebungstechniken liefern verschiedene
Typen von Information. Beispielsweise ist die medizinische Bildgebung
allgemein als wichtig anerkannt, bei der Diagnose und bei der Patientenpflege.
In den vergangenen Jahren hat die medizinische Bildgebung ein starkes
Wachstum erfahren aufgrund der Weiterentwicklungen in Bildgebungsmodalitäten, wie
Röntgen,
Computertomographie (CT), Ultraschall, Magnetresonanzbildgebung
(MRI), Positronenemissionstomographie (PET) und Einzelphotonemissions-Computertomographie
(SPECT). Diese Bildgebungsmodalitäten liefern nichtinvasive Verfahren
zur (in vivo) Untersuchung innerer Organe im lebenden Organismus.
-
Eine
klinische Praxis, eine biomedizinische Forschung und individualisierte
Behandlung können
verbessert werden durch Integrieren heterogener biomedizinischer
Information. Es gibt einen Bedarf für datenbankgeführte Entscheidungsunterstützungssysteme
für Krankenhausärzte, die
aufgebaut sind auf heterogenen biomedizinischen Datenressourcen.
Beispielsweise können
Systeme und Verfahren für
die integrative medizinische Entscheidungsunterstützung die
Prävention,
das Erkennen und das Heilen von Krebs beschleunigen.
-
Eine
integrierte Gesundheitspflegeentscheidungsunterstützungsplattform
für Colonkrebs
kann beispielsweise zu einer verbesserten Colonkrebsdiagnose und
Behandlung führen.
Colonkrebs ist die zweithäufigste
Todesursache bei Krebspatienten in den Vereinigten Staaten. Colonkrebs
tritt auf molekularer und morphologischer Ebene über einen mehrstufigen Verlauf
auf. Er entwickelt sich als Ergebnis der progressiven Anhäufung von
genetischen und epigenetischen Veränderungen, die zu der Umformung
eines normalen colonischen Epithels zu einem Adenokarzinom führt.
-
Zum
Identifizieren der genetischen und epigenetischen Änderungen
im Krankheitsverlauf wird die Entwicklung neuer Therapien vorangetrieben
für die
Prävention
und Behandlung von Colonkrebsen während ihres Verlaufs von einem
normalen Epithel zu einem Adenokarzinom. Vorläufige Studien auf Genexpressionsniveau von
Colonkrebsbehandlungsergebnissen geben an, dass die Reaktion auf
ein Medikament und die Behandlung unterschiedlich und heterogen
ist. Aufgrund der komplexen und heterogenen Natur von Colonkrebs
können
integrierte Gesundheitspflegeentscheidungsunterstützungssysteme,
die aufgebaut sind auf heterogenen biomedizinischen Datenressourcen,
einen revolutionären
Effekt auf die klinische Krebspraxis haben, was zu einem personalisierten,
sicheren und effektiveren Ansatz bei der Medikation führt.
-
System
und Verfahren werden benötigt
für die
Datenintegration, Fusion und für
die Entscheidungsunterstützung
basierend auf heterogenen Datenquellen, wie unterschiedliche klinische/biomedizinische
Datenquellen.
-
Gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung enthält
ein System zur Bereitstellung einer medizinischen Entscheidungsunterstützung für die Diagnose
und Behandlung einer Erkrankung: eine medizinische Wissensdatenbank
mit medizinischer Information, wobei die medizinische Information
Wahrscheinlichkeiten von Krankheitsergebnissen (Krankheitsausbruch)
für eine
Krankheit, die von Interesse ist, enthält, eine Speichervorrichtung
zum Speichern eines Programms, einen Prozessor in Kommunikation
mit der Speichervorrichtung, wobei der Prozessor operativ mit dem
Programm ist, um: Patienteninformation und in vitro Testergebnisse
eines Patienten zu gewinnen, und automatisch einen Vorschlag für einen
medizinischen Test zu erzeugen, basierend auf einer Kombination
der Patienteninformation, der in Vitro Testergebnisse und der medizinischen
Information von der medizinischen Wissensdatenbank.
-
Gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung enthält
ein computerimplementiertes Verfahren zur Bereitstellung einer medizinischen
Entscheidungsunterstützung
für die
Krebsdiagnose und Behandlung: Bereitstellen einer medizinischen
Wissensdatenbank, die medizinische Information aufweist, wobei die
medizinische Information Wahrscheinlichkeiten von Krebsresultaten
(Krebsausbruch) enthält,
Gewinnen von Patienteninformation für einen Patienten, Bestimmen
einer Wahrscheinlichkeit von Krebs, basierend auf der Patienteninformation
und der medizinischen Information von der medizinischen Wissensdatenbank,
Gewinnen von in vitro Testergebnissen des Patienten, Aktualisieren
der Wahrscheinlichkeit von Krebs basierend auf den in vitro Testergebnissen
und der medizinischen Information von der medizinischen Wissensdatenbank, und
Erzeugen eines Vorschlags für
einen medizinischen Test, basierend auf einer Kombination der Patienteninformation
und der aktualisierten Wahrscheinlichkeit für Krebs.
-
Gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung enthält
ein System zur Bereitstellung einer medizinischen Entscheidungsunterstützung für die Krebsdiagnose
und Behandlung: eine medizinische Wissensdatenbank, die medizinische
Information aufweist, wobei die medizinische Information Wahrscheinlichkeiten
für Krebsresultate
(Krebsausbruch) enthält,
eine Speichervorrichtung zum Speichern eines Programms, einen Prozessor
in Kommunikation mit der Speichervorrichtung, wobei der Prozessor
operativ mit dem Programm ist, um: Patienteninformation eines Patienten
zu gewinnen, eine Wahrscheinlichkeit für Krebs basierend auf der Patienteninformation
und der medizinischen Information von der medizinischen Wissensdatenbank
zu bestimmen, in vitro Testergebnisse für den Patienten gewinnen, die
Wahrscheinlichkeit für
Krebs basierend auf den in vitro Testergebnissen und der medizinischen
Information von der medizinischen Wissensdatenbank aktualisieren,
und einen Vorschlag für
einen medizinischen Test basierend auf einer Kombination der Patienteninformation
und der aktualisierten Wahrscheinlichkeit für Krebs automatisch zu erzeugen.
-
Die
vorliegende Erfindung wird für
einen Fachmann auf diesem Gebiet durch die Beschreibung der Ausführungsbeispiele
in Verbindung mit den beigefügten
Zeichnungen deutlicher.
-
1 zeigt
ein System zur Bereitstellung einer medizinischen Entscheidungsunterstützung für die Diagnose
und Behandlung einer Erkrankung gemäß einem Ausführungsbeispiel
der vorliegenden Erfindung.
-
2 zeigt
ein Flussdiagramm, das ein Verfahren zeigt zur Bereitstellung einer
medizinischen Entscheidungsunterstützung für die Krebsdiagnose und Behandlung
gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung.
-
3 zeigt
ein Computersystem zum Implementieren eines Verfahrens zur Bereitstellung
einer medizinischen Entscheidungsunterstützung für die Krebsdiagnose und Behandlung
gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung.
-
Im
Folgenden werden Ausführungsbeispiele
der vorliegenden Erfindung im Einzelnen unter Bezugnahme auf die
beigefügten
Zeichnungen beschrieben.
-
In
einem Ausführungsbeispiel
der vorliegenden Erfindung wird biomedizinische Information integriert, um
die Vorhersage einer Prognose und Tumorreaktion auf spezifische
Therapien bei der Krebsbehandlung zu unterstützen, was einen personalisierten,
sicheren und effizienteren Ansatz für die Medikation ermöglicht.
Eine systematische Ansicht von Colonkrebs kann beispielsweise gewonnen
werden durch Integrieren von biomedizinischer Information, wie Genome,
Genexpressionsniveaus, Proteinniveaus und klinische und/oder epidemiologische
Daten.
-
Die
molekulare Bildgebung kann verwendet werden, um die Diagnose und
Therapie zu paaren. Die molekulare Bildgebung ist nützlich bei
Krebs beispielsweise, aufgrund der vielen unterschiedlichen molekularen
Mechanismen, die Krebs verursachen können. Spezifische Ziele können identifiziert
werden und die Information kann verwendet werden, um zu überwachen,
ob die abgezielte Therapie eine Wirkung auf den Tumor hatte.
-
In
der molekularen Bildgebung kann ein PET-Tracer 2-Fluoro-2-D[18F]Fluorodeoxylglukose
(FDG), was biologisch äquivalent
zu Glukose ist, als ein molekularer Marker dienen für metabolisch
hyperaktive Stellen, die Tumoren entsprechen. FDG-PET ist eine genaue
und nichtinvasive Art und Weise, um zu bestimmen, ob eine Masse
bösartig
ist. Die neu entstehenden molekularen Bildgebungstechniken können verwendet
werden, um in vivo Techniken zu liefern, um Bildgebung und Genome
zu integrieren.
-
Die
molekulare Bildgebung kann verwendet werden, um eine transkriptionale
Anordnung von p53-abhängigen
Genen mit der Positronenemissionstomographie in vivo abzubilden.
Sie kann auch verwendet werden für
die nichtinvasive Überwachung
einer Zielgenexpression durch eine Bildgebungsreporter-Genexpression.
In einem Ausführungsbeispiel
der vorliegenden Erfindung werden Genexpressionsprofile verwendet,
um die molekulare Bildgebung von Colonpolypen für Krebsfrüherkennung und Diagnose zu
verwenden.
-
Ein
integratives Entscheidungsunterstützungssystem für die Krebsbehandlung
gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung integriert heterogene biomedizinische
Information zur verbesserten klinischen Praxis, medizinischen Forschung
und personalisierten Gesundheitspflege. Beispielsweise sind Colonkrebsmetastasen
auf T2-gewichteten Bildern mäßig stark
und T1-gewichteten Bildern stark. Die Empfindlichkeit von MRI für diesen
Typ von Metastasen kann verbessert werden durch dynamische kontrastverbesserte
Studien. Die Metastasen von Colonkrebs erlangen das Meiste ihrer
Blutversorgung von der gemeinsamen Leberarterie. Typischerweise
zeigen die Metastasen ein hohes Signal während der Arterienphase und
ein niedrigeres Signal während
der Portalvenenphase, wenn das normale hepatische Parenchym, das
primär durch
die Portalader geliefert wird, markant wird. Ferrumoxide werden
durch die Metastasen nicht aufgenommen. Derartige gewebespezifische
Kontrastmittel können
die voroperative Planung unterstützen.
-
Verschiedene
Datenquellen können
integriert werden für
die Analyse und die Entscheidungsunterstützung für die Krebsbehandlung. Im Folgenden
werden Beispiele von Datenquellen für die Krebsbehandlung beschrieben.
-
Genotypisierungsdaten:
einzelne Nukleotidprofile werden auf einer Patientenpopulation und
Steuerung analysiert. Für
die Colonentscheidungsunterstützung
können
der Zusammenhang von Krankheitsgenotyp und -phenotyp und individuelle
Krankheits- oder Behandlungsempfindlichkeiten bestimmt werden.
-
Genexpressionsprofile:
Mikroarraytests überwachen
Tausende von Genexpressionsniveaus gleichzeitig. Sie liefern eine
quantitative Messung der Genexpression durch die Transkription-mRNA-Niveaus. Die
Profile können
verwendet werden zum Analysieren des Ergebnisses der Behandlung
und der molekularen Diagnose der Krankheit. In einem Ausführungsbeispiel
der vorliegenden Erfindung wird ein Genexpressionsprofilerstellen
verwendet, bei der in vivo molekularen Bildgebung von Colonkrebs.
-
Proteinexpressionsprofile:
Immuntests können
verwendet werden, wenn eine unbekannte Konzentration eines Analyts
in einer Probe quantifiziert werden muss. Beispielsweise können Immuntests
verwendet werden, um Proteinkonzentrationen zu messen. Immuntests
können
verwendet werden beim Screening, um die Produktion oder die Verhinderung
von Antigenen und Hapten betreffend ein Krankheitsziel zu quantifizieren.
Die Massenspektrometrie (MS) kann verwendet werden, um eine große Anzahl
an Proteinexpressionsniveaus gleichzeitig zu sondieren. MS liefert
eine direktere Messung für
funktionale Proteine, und es berücksichtigt
die posttranslatorische Modifikation, die bei der Mikroarraytechnologie
vernachlässigt
wird. Die hochauflösende
MS, wie LC-MS (flüssigkeitschromatographische
Massenspektrometrie) kann genauere Information über Proteinniveaus in einem
Gewebe liefern.
-
Quantitative
Phenotypdaten, die eine virtuelle Coloskopie verwenden: medizinische
Bildgebungstechniken, wie beispielsweise Positronenemissionstomographie
(PET), Magnetresonanzbildgebung (MRI) und Computertomographie (CT)
stellen nichtinvasive Phenotypwerkzeuge bereit. Beispielsweise können PET,
CT oder MRI diagnostische Werkzeuge bereitstellen und Phenotypmessungen
für Colonkrebs
durch eine Bildgebung von Colonpolypen. Die virtuelle Coloskopie
erzeugt zwei- und dreidimensionale Bilder des Colons, von dem untersten
Bereich, dem Rektum, bis zum unteren Ende des Dünndarms und zeigt die Bilder
auf einem Schirm an. Beispielsweise kann das Verfahren verwendet
werden, um Colon- und Gedärmerkrankung
zu diagnostizieren, enthaltend Polypen, Divertikulose und Colonkrebs.
-
Klinische
Routineuntersuchungsdaten von Colonkrebspatienten können gesammelt
werden. Biochemische und genetische Tests, wie beispielsweise ein
denaturiertes Tumor-DNA in Stuhlproben, kann verwendet werden zum
Detektieren von epigenen Faktoren.
-
In
einem Ausführungsbeispiel
der vorliegenden Erfindung basiert ein Entscheidungsunterstützungssystem
auf der molekularen Bildgebung und klinischen Datenquellen unter
Verwendung von kontrollierten Lernalgorithmen und Datenfusionstechniken.
Ein statistisches Rahmenwerk kann verwendet werden für die Datenfusion.
Ein statistisches Rahmenwerk für
die Datenfusion kann einen Merkmalsraum verwenden und kontrollierte
Lerntechniken, auf denen das integrierte Datensystem der heterogenen
Datenquellen aufgebaut wird. Beispiele eines Merkmalsraums und von
kontrollierten Lerntechniken enthalten eine Unterstützungsvektormaschine,
kernel-basierte Verfahren, einen Wahrscheinlichkeitsboostingbaum,
etc.
-
Eine
medizinische Entscheidungsunterstützungsplattform für den Operateur/Arzt,
gemäß einem
Ausführungsbeispiel
der Erfindung, enthält
eine Entscheidungsunterstützung
für eine
individualisierte Behandlung, basierend auf molekularen Profilen
und Phenotypen von Colon vor oder nach einer Krebsoperation. Um
mehrere Ortsinteraktionen und genetische Heterogenitäten zu identifizieren,
kann ein verstärktes
generatives Modellieren verwendet werden.
-
Die
Diagnoseunterstützungs-
und Biomarkeridentifikation können
basieren auf einem Expressionsprofilerstellung von Colonpolypen
unter Verwendung von Mikroarraydaten oder MS.
-
Die
heterogene Datenfusion und Entscheidungsunterstützung können basieren auf Mikroarraydaten und
Typdaten, die detektiert werden können durch Assoziationsanalyse
und Datenfusion. Ein Entscheidungsunterstützungssystem gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung unterstützt die Analyse und die Optimierung
für eine
Serie von Behandlungen für
Colonkrebs.
-
Ein
Entscheidungsunterstützungssystem
für Design-Gewebe
und zustandsspezifisches Mittel für die molekulare Bildgebung
kann die Verwendung von maximalspezifischen und minimalinvasiven
Diagnosetechniken verwenden. Gemäß einem
Ausführungsbeispiel
der Erfindung wird das Genexpressionsprofilerstellen verwendet,
um eine in vivo molekulare Bildgebung von Colonkrebs zu führen.
-
Ein
Entscheidungsunterstützungssystem
kann eine verteilte medizinische Wissensdatenbank verwenden. Die
verteilte Datenbank kann verwendet werden für eine biomedizinische Wissensermittlung
enthaltend, jedoch nicht darauf eingeschränkt: ein Detektieren eines
Multi-Locus Interaktionsnetzwerks und Umgebungsfaktoren in Colonkrebs
in der genetischen heterogenen Population der Vereinigten Staaten
oder anderen geografischen Regionen, ein Minimieren eines Genotyp-Phenotypzusammenhangs
in Colonkrebs und individueller Anfälligkeit für Colonkrebs, Minimieren des
Zusammenhangs zwischen dem Genotyp und Genexpressionsniveaus, ein
Minimieren und Reverse-Engineering der biochemischen Netzwerke in
Colonkrebs, ein Minimieren und Analysieren der Genexpressionstranskriptionsregulierung
im Colonkrebsvoranschreiten, und Vertikaldatenintegration und minimalem
Ranging von Genotyp, Genexpression, Proteinen, Pfaden und Phenotypen,
etc.
-
1 zeigt
ein System zum Bereitstellen einer medizinischen Entscheidungsunterstützung für die Diagnose
und Behandlung von Krebs, gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung.
-
Bezugnehmend
auf 1 wird in dem Block 110 Patienteninformation
in das System 100 eingegeben zur Bereitstellung einer medizinischen
Entscheidungsunterstützung.
Beispielsweise kann die Patienteninformation das Alter, die Ethnizität, Familienhistorie
von Krankheiten, Markierungsgene und/oder Symptome enthalten. Die
Patienteninformation kann physikalische und/oder physiologische
Befunde enthalten.
-
In
Block 120 erzeugt das System 100 eine Krankheitswahrscheinlichkeit,
die hier auch bezeichnet wird als „Wahrscheinlichkeit der Erkrankung". Die Wahrscheinlichkeit
der Erkrankung kann basieren auf der Patienteninformation und der
medizinischen Information von einer medizinischen Wissensdatenbank.
Beispiele einer medizinischen Wissensdatenbank 150 werden
später
beschrieben.
-
Für eine Krankheit
A, die von Interesse ist, kann die Wahrscheinlichkeit für das Auftreten
der Charakteristiken der Erkrankung A in der Bevölkerung ausgedrückt werden
durch Pr(A). Diese Krankheitscharakteristiken können eine Krankheitsverlauf
(Stufe) enthalten, eine Schwere, etc. Die Patienteninformation kann
dargestellt werden durch einen Vektor B, der im Folgenden als Patientenprofil
B bezeichnet wird. Die Bedingungswahrscheinlichkeit Pr(A|B) des
Auftretens der Krankheit A bei dem gegebenen Patientenprofil B kann
ausgedrückt
werden durch die Gleichung 1.
wobei
Pr(B|A) die Bedingungswahrscheinlichkeit des Auftretens des Patientenprofils
B für die
Krankheit A ist, wobei Pr(A) die Wahrscheinlichkeit des Auftretens
der Krankheit A in einer Bevölkerung
(Population) ist, und wobei Pr(B) die Wahrscheinlichkeit für das Auftreten
des Patientenprofils B in der Bevölkerung ist.
-
Die
medizinische Wissensdatenbank 150 enthält medizinische Information,
wie beispielsweise Wahrscheinlichkeiten von Krankheitsausbrüchen für eine Krankheit
von Interesse. Die Krankheit von Interesse kann eine Zellkrankheit
sein, wie Krebs. Die medizinische Information kann Information über Krankheiten,
Konditionen, Symptome, Medikationen und Behandlungsoptionen und
Ausbrüche,
Risiken und zugehörige
Leistungen enthalten. Die medizinische Information kann Information
von Fallhistorien enthalten, zufällig
gesteuerte Prozesse, zukünftige
längskohorte
Studien, retrospektive kohorte Studien, Fallsteuerstudien, Querschnittstudien, Fallserien,
Anekdoten und/oder klinische Beobachtungen. Die medizinische Wissensdatenbank 150 kann
ein verteiltes Datenbanksystem sein.
-
In
Block 130 bestimmt das System 100, ob zu einem
in vitro Screening vorangeschritten werden soll unter Verwendung
der Wahrscheinlichkeit der Krankheit. Die in vitro Tests können einen
oder mehrere in vitro Diagnosetests enthalten, die die Konzentrationen
von einem oder mehreren Biomolekülen
in von Patienten stammenden Proben messen, um die Diagnose der Krankheit
zu ermöglichen.
Beispiele von Biomolekülen enthalten
Proteine, Peptide oder Metabolide in von Patienten abgeleiteten
Proben.
-
In
Block
140 aktualisiert das System
100 die Wahrscheinlichkeit
der Krankheit und das Stadium. Das Aktualisieren der Wahrscheinlichkeit
der Krankheit kann basieren auf den in vitro Tester gebnissen. Die
Bedingungswahrscheinlichkeit Pr(B ⌒ V) des Auftretens der
Krankheit A bei einem bestimmten Entwicklung (Stadium) bei gegebenem
Patientenprofil B und den in vitro Diagnosetestergebnissen V kann
ausgedrückt
werden durch die Gleichung 2.
wobei
Pr(B ⌒ V|A)
die Bedingungswahrscheinlichkeit des Auftretens des Patientenprofils
B und der in vitro Testergebnisse V für die Krankheit A ist, wobei
Pr(A) die Wahrscheinlichkeit des Auftretens der Krankheit A in der
Bevölkerung
ist, und wobei Pr(B ⌒ V)
die Wahrscheinlichkeit des Auftretens des Patientenprofils B und
der in vitro Testergebnisse V in der Bevölkerung ist.
-
In
Block 145 wählt
das System 100 einen medizinischen Test basierend auf einer
Kombination der Patienteninformation, der in vitro Testergebnisse
und der medizinischen Information von einer medizinischen Wissensdatenbank 150.
Es soll verstanden werden, dass ein medizinischer Test verschiedene
diagnostische medizinische Verfahren (Prozeduren) enthalten kann,
die verfügbar
sind für
eine Krankheit, die von Interesse ist. Beispielsweise kann der ausgewählte medizinische
Test eine endoskopische Untersuchung 167 und/oder eine in
vivo Bildgebung 169 enthalten. In dem Fall einer Colon/Abdominal-Untersuchung,
wie durch die gestrichelte Box 165 in 1 gezeigt,
kann der medizinische Test eine Computertomographie (CT) Colonoskopie,
eine optische Colonoskopie und/oder eine Positronenemissionstomographie
(PET)/CT Colonoskopie enthalten.
-
Das
Kombinieren der in vitro Testergebnisse und der medizinischen Information
von der medizinischen Wissensdatenbank 150 gemäß der Gleichung
2 gibt eine Wahrscheinlichkeit der Erkrankung Pr(A|B ⌒ V).
Die Wahrscheinlichkeit der Krankheit Pr(A|B ⌒ V) kann einen Arzt helfen
bei der Bereitstellung einer personalisierten medizinischen Diagnose
und Behandlung für
den Patienten mit dem Patientenprofil B und den in vitro Testergebnissen
V.
-
2 zeigt
ein Flussdiagramm, das ein computerimplementiertes Verfahren der
Bereitstellung einer medizinischen Entscheidungsunterstützung für die Krebsbehandlung
und Diagnose zeigt, gemäß einem
Ausführungsbeispiel
der vorliegenden Erfindung. Wie in 2 gezeigt,
wird im Block 210 eine medizinische Wissensdatenbank bereitgestellt
mit medizinischer Information, wobei die medizinische Information
Wahrscheinlichkeiten von Krebsausbrüchen (Ergebnissen) enthält.
-
In
Block 220 wird die Patienteninformation für einen
Patienten gewonnen. Die Patienteninformation kann das Alter, die
Ethnizität,
die Familienhistorie für
Krebs, Markergene und/oder Symptome enthalten. Die Patienteninformation
kann physikalische und/oder physiologische Befunde enthalten.
-
In
Blick
230 wird eine Wahrscheinlichkeit für Krebs
bestimmt, basierend auf der Patienteninformation und der medizinischen
Information von der medizinischen Wissensdatenbank. Beispielsweise
kann die Patienteninformation dargestellt werden durch den Vektor
B, der auch als Patientenprofil B bezeichnet wird. Für ein bestimmtes
Stadium des Krebses, mit „C" gekennzeichnet,
kann die Wahrscheinlichkeit des Auftretens der Krebs-C-Charakteristiken
in der Bevölkerung
angegeben werden durch Pr(C). Die Bedingungswahrscheinlichkeit Pr(C|B)
des Auftretens von Krebs C, die dem Patientenprofil B gegeben wird,
kann durch die Gleichung 3 ausgedrückt werden.
wobei
Pr(B|C) die Bedingungswahrscheinlichkeit des Auftretens des Patientenprofils
B für den
Krebs C ist, wobei Pr(C) die Wahrscheinlichkeit des Auftretens des
Krebs C in der Bevölkerung
ist, und Pr(B) die Wahrscheinlichkeit des Auftretens des Patientenprofils
B in der Bevölkerung
ist.
-
In
Block 240 werden in vitro Testergebnisse für den Patienten
gewonnen. Beispielsweise können
die in vitro Tests in vitro Diagnosetests enthalten, die die Konzentrationen
von einem oder von mehreren Biomolekülen in von Patienten stammenden
Proben messen, um die Diagnose von Krankheiten zu ermöglichen.
-
In
Block
250 erfolgt eine Aktualisierung der Wahrscheinlichkeit
für Krebs,
basierend auf den in vitro Testergebnissen und der medizinischen
Information von der medizinischen Wissensdaten bank. Beispielsweise
kann die Bedingungswahrscheinlichkeit Pr(C|B ⌒ V) des Auftretens eines
bestimmten Zustands des Krebs C, die dem Patientenprofil B gegeben
wird, und den in vitro Diagnosetestergebnissen V ausgedrückt werden durch
die Gleichung 4.
wobei
Pr(B ⌒ V)|C)
die Bedingungswahrscheinlichkeit des Auftretens des Patientenprofils
B und der in vitro Testergebnisse V für den Krebs C ist, wobei Pr(C)
die Wahrscheinlichkeit des Auftretens von Krebs C in der Bevölkerung
ist, und wobei Pr(B ⌒ V)
die Wahrscheinlichkeit des Auftretens des Patientenprofils B und
der in vitro Testergebnisse V in der Bevölkerung ist.
-
In
Block 260 wird eine Empfehlung für einen medizinischen Test
basierend auf einer Kombination der Patienteninformation und der
aktualisierten Wahrscheinlichkeit für Krebs erzeugt. Die Patienteninformation kann
das Alter, die Ethnizität,
die Familienhistorie für
eine Krankheit, Genmarker, Symptome, physikalische und/oder physiologische
Befunde enthalten.
-
Obwohl
nicht als solches in
2 gezeigt, enthält ein computerimplementiertes
Verfahren zum Bereitstellen einer medizinischen Entscheidungsunterstützung für die Krebsdiagnose
und Behandlung gemäß einem Ausführungsbeispiel
der Erfindung ein Empfangen von Ergebnissen des medizinischen Tests
und ein Verifizieren der aktualisierten Wahrscheinlichkeit für Krebs,
basierend auf den in vitro Testergebnissen und den medizinischen
Testergebnissen. Beispielsweise kann die Bedingungswahrscheinlichkeit
Pr(C|V ⌒ M)
für das
Auftreten eines bestimmten Stadium von Krebs C, die den in vitro
Diagnosetestergebnissen V und den medizinischen Testergebnissen
M gegeben wird, ausgedrückt
werden durch die Gleichung 5.
wobei
Pr(V ⌒ M|C)
die Bedingungswahrscheinlichkeit für das Auftreten der in vitro
Testergebnisse V und der medizinischen Testergebnisse M für Krebs
C ist, wobei Pr(C) die Wahrscheinlichkeit des Auftretens des Krebs C
in der Bevölkerung
ist, und wobei Pr(V ⌒ M)
die Wahr scheinlichkeit für
das Auftreten der in vitro Testergebnisse V und der medizinischen
Testergebnisse M in der Bevölkerung
ist.
-
Es
soll verstanden werden, dass die Ausführungsbeispiele der vorliegenden
Erfindung in verschiedenen Formen in Hardware, Software, Firmware,
Spezialzweckprozessoren oder Kombinationen davon implementiert werden
können.
Beispielsweise können
Ausführungsbeispiele
der vorliegenden Erfindung in Software als Anwendungsprogramm implementiert
werden, das auf einer Programmspeichervorrichtung gespeichert wird.
Das Anwendungsprogramm kann auf eine Maschine hochgeladen und ausgeführt werden,
die irgendeine geeignete Architektur enthält.
-
Wie
in 3 gezeigt, kann gemäß einem Ausführungsbeispiel
der vorliegenden Erfindung ein Computersystem 301 zum Implementieren
eines Verfahrens der Bereitstellung einer medizinischen Entscheidungsunterstützung für die Krebsdiagnose
und Behandlung u. a. eine zentrale Verarbeitungseinheit (CPU) 309,
einen Speicher 303 und eine Eingabe/Ausgabe(I/O)-Schnittstelle 304 enthalten.
Das Computersystem 301 kann eine grafische Verarbeitungseinheit
(GPU) 302 enthalten. Das Computersystem 301 ist
im Allgemeinen über die
I/O-Schnittstelle 304 an eine Anzeige 305 und
verschiedene Eingabevorrichtungen 306, wie eine Maus und eine
Tastatur gekoppelt. Die Unterstützungsschaltungen
können
Schaltungen enthalten, wie einen Cache, Energieversorgungen, Taktschaltungen
und einen Kommunikationsbus. Der Speicher 303 kann einen
Zufallszugriffsspeicher (RAM), einen Nurlesespeicher (ROM), ein
Plattenlaufwerk, ein Bandlaufwerk, etc., oder eine Kombination davon
enthalten. Ein Ausführungsbeispiel
der vorliegenden Erfindung kann als eine Routine 307 implementiert
werden, die in dem Speicher 303 gespeichert und von der
CPU 309 ausgeführt
wird, um das Signal von der Signalquelle 308 zu verarbeiten.
Als solches ist das Computersystem 301 ein Allzweckcomputersystem,
das zu einem Spezialzweckcomputersystem wird, wenn die Routine 307 gemäß der Erfindung
ausgeführt
wird.
-
Die
Computerplattform 301 enthält auch ein Betriebssystem
und Mikroanweisungscode. Die verschiedenen Prozesse und Funktionen,
die hier beschrieben werden, können
entweder Teil des Mikroanweisungscodes oder Teil des Anwendungsprogramms
(oder eine Kombination davon) sein, welches über das Betriebssystem ausgeführt wird.
Darüber
hinaus können
verschiedene andere Peripheriegeräte an die Computerplattform
gekoppelt sein, wie beispielsweise eine zusätzliche Datenspeichervorrichtung
und eine Druckervorrichtung.
-
In
einem Ausführungsbeispiel
der vorliegenden Erfindung enthält
ein System zum Bereitstellen einer medizinischen Entscheidungsunterstützung für die Krebsdiagnosebehandlung
eine medizinische Wissensdatenbank (nicht gezeigt), eine Speichervorrichtung 303 zum
Speichern eines Programms, und einen Prozessor 309 in Verbindung
mit der Speichervorrichtung 303. Der Prozessor 309 ist
operativ mit dem Programm, um Patienteninformation für einen
Patienten zu erhalten, eine Wahrscheinlichkeit für Krebs basierend auf der Patienteninformation
und der medizinischen Information von der medizinischen Wissensdatenbank
zu bestimmen, in vitro Testergebnisse für den Patienten zu erhalten,
die Wahrscheinlichkeit für
Krebs basierend auf den in vitro Testergebnissen und der medizinischen
Information von der medizinischen Wissensdatenbank zu aktualisieren,
und einen Vorschlag für
einen medizinischen Test basierend auf einer Kombination der Patienteninformation
und der aktualisierten Wahrscheinlichkeit für Krebs automatisch zu erzeugen.
-
Wenn
die Wahrscheinlichkeit für
Krebs basierend auf der Patienteninformation und der medizinischen Information
von der medizinischen Wissensdatenbank bestimmt wird, kann der Prozessor 309 mit
dem Programm operativ sein, um ein Verhältnis zu bestimmen von: einer
Bedingungswahrscheinlichkeit für
das Auftreten der Patienteninformation für einen Krebstyp multipliziert
mit der Wahrscheinlichkeit des Auftretens des Krebstyps in der Bevölkerung,
bezüglich
der Wahrscheinlichkeit des Auftretens der Patienteninformation in
der Bevölkerung.
Beispielsweise kann der Prozessor 309 mit dem Programm
operativ sein, um die Gleichung 3 anzuwenden, um die Wahrscheinlichkeit
für Krebs
basierend auf der Patienteninformation zu bestimmen.
-
Wenn
die Wahrscheinlichkeit für
Krebs basierend auf den in vitro Testergebnissen und der medizinischen
Information von der medizinischen Wissensdatenbank aktualisiert
wird, kann der Prozessor 309 mit dem Programm arbeiten,
um ein Verhältnis
zu bestimmen von einer Bedingungswahrscheinlichkeit für das Auftreten der
Patienteninformation und der in vitro Testergebnisse für einen
Krebstyp multipliziert mit der Wahrscheinlichkeit für das Auftreten
des Krebstyps in der Bevölkerung,
bezüglich
der Wahrscheinlichkeit des Auftretens der Patienteninformation und
der in vitro Testergebnisse in der Bevölkerung. Beispielsweise kann
der Prozessor 309 mit dem Programm arbeiten, um die Gleichung
4 anzuwenden, um die Wahrscheinlichkeit für Krebs basierend auf der Patienteninformation
und den in vitro Testergebnissen zu bestimmen.
-
Es
ist ferner zu verstehen, dass, da einige der Systemkomponenten und
der Verfahrensschritte, die in den beigefügten Figuren gezeigt sind,
in Software implementiert werden können, die tat sächlichen
Verbindungen zwischen den Systemkomponenten (oder Prozessschritten)
verschieden sein önnen
in Abhängigkeit
von der Art und Weise, wie die vorliegende Erfindung programmiert
wird. Aufgrund der Lehren der Ausführungsbeispiele der vorliegenden
Erfindung, wie oben erwähnt,
ist ein Fachmann auf diesem Gebiet in der Lage, diese und ähnliche
Implementierungen oder Konfigurationen der Erfindung in Erwägung zu
ziehen.
-
Ein
integratives medizinisches Entscheidungsunterstützungssystem gemäß einem
Ausführungsbeispiel
der Erfindung ermöglicht
es Patienten, Gesundheitspflegeanbietern, biomedizinischen Forschern
und Institutionen die Diagnose und Behandlung von Krankheiten zu
verbessern. Ein integratives medizinisches Entscheidungsunterstützungssystem
gemäß einem
Ausführungsbeispiel
der Erfindung kann die medizinische Industrie in Richtung gezielter
Therapien und personalisierter Gesundheitspflege beschleunigen.
-
Obwohl
Ausführungsbeispiele
der vorliegenden Erfindung im Einzelnen unter Bezugnahme auf die beigefügten Zeichnungen
zum Zweck der Verdeutlichung beschrieben wurden, soll verstanden
werden, dass die erfinderischen Prozesse und Systeme nicht darauf
beschränkt
sind. Es ist einem Fachmann auf diesem Gebiet offensichtlich, dass
verschiedene Modifikationen der obigen Ausführungsbeispiele vorgenommen
werden können,
ohne den Schutzbereich, der in den beigefügten Ansprüchen definiert ist, zu verlassen.