ITCZ20130017A1 - Apparato e metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell'eta' ovarica della donna, e relativa apparecchiatura diagnostica ad ultrasuoni - Google Patents
Apparato e metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell'eta' ovarica della donna, e relativa apparecchiatura diagnostica ad ultrasuoniInfo
- Publication number
- ITCZ20130017A1 ITCZ20130017A1 IT000017A ITCZ20130017A ITCZ20130017A1 IT CZ20130017 A1 ITCZ20130017 A1 IT CZ20130017A1 IT 000017 A IT000017 A IT 000017A IT CZ20130017 A ITCZ20130017 A IT CZ20130017A IT CZ20130017 A1 ITCZ20130017 A1 IT CZ20130017A1
- Authority
- IT
- Italy
- Prior art keywords
- age
- ovarian
- woman
- prediction
- values
- Prior art date
Links
- 230000002611 ovarian Effects 0.000 title claims description 69
- 238000002604 ultrasonography Methods 0.000 title claims description 62
- 238000012545 processing Methods 0.000 title claims description 38
- 238000000034 method Methods 0.000 title claims description 36
- 210000004369 blood Anatomy 0.000 claims description 16
- 239000008280 blood Substances 0.000 claims description 16
- 102000012673 Follicle Stimulating Hormone Human genes 0.000 claims description 12
- 108010079345 Follicle Stimulating Hormone Proteins 0.000 claims description 12
- 229940028334 follicle stimulating hormone Drugs 0.000 claims description 12
- 229940088597 hormone Drugs 0.000 claims description 8
- 239000005556 hormone Substances 0.000 claims description 8
- 230000027758 ovulation cycle Effects 0.000 claims description 4
- 229960005309 estradiol Drugs 0.000 claims description 3
- 229930182833 estradiol Natural products 0.000 claims description 3
- 230000003054 hormonal effect Effects 0.000 claims description 2
- 230000002792 vascular Effects 0.000 claims description 2
- 230000009245 menopause Effects 0.000 description 15
- 210000001672 ovary Anatomy 0.000 description 12
- 230000001850 reproductive effect Effects 0.000 description 11
- 108010005853 Anti-Mullerian Hormone Proteins 0.000 description 10
- 102100030173 Muellerian-inhibiting factor Human genes 0.000 description 10
- 239000000868 anti-mullerian hormone Substances 0.000 description 10
- 238000012360 testing method Methods 0.000 description 9
- 230000007423 decrease Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 210000000287 oocyte Anatomy 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 230000032683 aging Effects 0.000 description 4
- 230000002124 endocrine Effects 0.000 description 4
- 230000035558 fertility Effects 0.000 description 4
- 230000003325 follicular Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- VOXZDWNPVJITMN-ZBRFXRBCSA-N 17β-estradiol Chemical compound OC1=CC=C2[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 VOXZDWNPVJITMN-ZBRFXRBCSA-N 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 208000002500 Primary Ovarian Insufficiency Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000035935 pregnancy Effects 0.000 description 2
- 206010036601 premature menopause Diseases 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 238000011477 surgical intervention Methods 0.000 description 2
- 208000037853 Abnormal uterine bleeding Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 201000009273 Endometriosis Diseases 0.000 description 1
- 108090000288 Glycoproteins Proteins 0.000 description 1
- 102000003886 Glycoproteins Human genes 0.000 description 1
- 102000006771 Gonadotropins Human genes 0.000 description 1
- 108010086677 Gonadotropins Proteins 0.000 description 1
- 206010062767 Hypophysitis Diseases 0.000 description 1
- 201000004458 Myoma Diseases 0.000 description 1
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 1
- 206010046798 Uterine leiomyoma Diseases 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000003782 apoptosis assay Methods 0.000 description 1
- 230000006907 apoptotic process Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003305 autocrine Effects 0.000 description 1
- 230000008049 biological aging Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000030833 cell death Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002357 endometrial effect Effects 0.000 description 1
- 208000016253 exhaustion Diseases 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000001605 fetal effect Effects 0.000 description 1
- 239000002622 gonadotropin Substances 0.000 description 1
- 229940094892 gonadotropins Drugs 0.000 description 1
- 210000002503 granulosa cell Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009802 hysterectomy Methods 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 208000021267 infertility disease Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 201000010260 leiomyoma Diseases 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000002175 menstrual effect Effects 0.000 description 1
- 230000005906 menstruation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 210000002394 ovarian follicle Anatomy 0.000 description 1
- 230000003076 paracrine Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 210000003635 pituitary gland Anatomy 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005522 programmed cell death Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
- A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0866—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving foetal diagnosis; pre-natal or peri-natal diagnosis of the baby
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5292—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves using additional data, e.g. patient information, image labeling, acquisition parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Description
DESCRIZIONE
del brevetto per invenzione dal titolo:
“Apparato e metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, e relativa apparecchiatura diagnostica ad ultrasuoni”
La presente invenzione è relativa ad un apparato e metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, e relativa apparecchiatura diagnostica ad ultrasuoni.
Come è noto, si definisce età o riserva ovarica il “pool” follicolare residuo nelle ovaie della donna in un determinato momento della sua vita. In particolare, la riserva ovarica descrive due aspetti strettamente correlati tra loro: la quantità e la qualità degli ovociti. Gli ovociti si formano solo durante la vita fetale e alla 20° settimana di vita intrauterina il “pool” follicolare si è già interamente costituito. Da quel momento, i follicoli cominciano un processo d’inesorabile progressivo esaurimento. Alla nascita, molti ovociti sono già andati incontro ad apoptosi, ovvero morte cellulare, e i follicoli primordiali sono presenti in numero variabile tra 700.000 e 1 milione. Questo numero rappresenta la riserva ovarica di ogni donna, alla nascita. Fisiologicamente si assiste, poi, ad una progressiva riduzione numerica dei follicoli primordiali a causa di fenomeni degenerativi che ne determinano l'atresia. Nella donna adulta, il tasso di consumo di follicoli non è costante, ma accelera con l'età. Pertanto, nelle ovaie rimane solo il 12% del patrimonio follicolare presente alla nascita, già a soli 30 anni, e il 3% a 40 anni.
E’ noto anche, tuttavia, che il normale processo d’invecchiamento riproduttivo varia notevolmente tra le donne. Alcune donne, infatti, mantengono la fertilità a lungo, fino anche alla quinta decade di vita, mentre altre perdono spesso la naturale fertilità già a metà della terza decade di vita. La variabilità individuale dipende dall'età di insorgenza della menopausa, mediamente a 51 anni ma possibilmente tra 40 e 60 anni. Circa il 10% delle donne, infine, raggiungono la menopausa dall'età di 45 anni.
Negli ultimi due decenni, la possibilità di una precisa previsione dell’età d’insorgenza della menopausa ha suscitato molto interesse. Al giorno d'oggi, molte donne per ragioni sociali ed economiche, pospongono la loro gravidanza, ma con notevole ansia ed incertezza circa la quantità di tempo che rimane prima di raggiungere il climaterio. La predizione di età alla menopausa potrebbe di certo aiutare queste donne a prendere una decisione ragionevole per quanto riguarda la loro pianificazione familiare. Ancora, da un punto di vista strettamente ginecologico, e non più soltanto riproduttivo, conoscere l’età di insorgenza della menopausa ha risvolti clinici importantissimi in termini di indicazioni chirurgiche e benessere della donna. Esistono numerose patologie ginecologiche benigne per le quali la menopausa rappresenta, infatti, una “cura naturale”, ad esempio nel caso di donne con fibromi uterini, la cui qualità di vita è spesso fortemente peggiorata a causa di sanguinamenti uterini anomali e flussi mestruali estremamente abbondanti, spesso causa di anemia moderata/severa. Per tutte queste donne, la menopausa rappresenta il momento della vita riproduttiva in cui la sintomatologia cessa naturalmente. Non essendo in grado di predire l’arrivo di questa fase, tuttavia, oggi la quasi totalità delle pazienti viene sottoposta ad interventi chirurgici demolitivi, quali la rimozione dell’utero, con un notevolissimo impatto economico sul Sistema Sanitario Nazionale e, non di meno, sulla vita della donna stessa.
Diversi tentativi finora sono stati fatti per prevedere l'età della menopausa e per valutare lo stato della riserva ovarica. Nonostante i sottili cambiamenti nella regolazione endocrina della funzione ovarica con l'avanzare dell'età, tuttavia, la maggior parte dei singoli indicatori finora studiati non si è dimostrata clinicamente utile per la previsione della menopausa. Il più importante di tali indicatori è l’invecchiamento anagrafico cui è correlato l’invecchiamento riproduttivo, in relazione ai cambiamenti della funzione ovarica. La riduzione del numero dei follicoli coincide con una riduzione nella qualità degli ovociti, dettata dal graduale cambiamento nella regolarità del ciclo mestruale e della fertilità mensile che, inevitabilmente, evolverà, nel tempo, verso la menopausa. Oltre, però, al normale invecchiamento riproduttivo femminile, come sottolineato, esistono ampie variazioni individuali nell’età in cui sopravvengono le variazioni a livello degli eventi riproduttivi. Sebbene l’età cronologica sia il fattore più importante per prevedere la risposta fisiologica dell’ovaio all’azione esogena ed endogena dell’ormone follicolo stimolante (FSH), sia fattori ambientali che fattori genetici contribuiscono all’invecchiamento biologico dell’ovaio, e, per tale motivo, molto spesso l’età cronologica e l’età biologica non equivalgono. Tra i fattori genetici, quelli che consentono di determinare a quale età sopraggiungerà la menopausa, i più importanti sono le dimensioni dell’iniziale corredo di ovociti, la proporzione che subisce atresia, o morte cellulare programmata, e il tasso di inizio della crescita follicolare. Questo ha, altresì, suggerito che alcuni polimorfismi di alcuni singoli nucleotidi condizionano la recettività alle gonadotropine e l’invecchiamento ovarico. In particolare, fattori ambientali come la dieta, il fumo di sigaretta, regimi di chemioterapia o di radioterapia, chirurgia dell’endometrio o dell’ovaio, potrebbero anche rendere più breve la durata della vita dell’ovaio di una donna. Anche se la continua perdita di follicoli potrebbe essere solo riconosciuta in fase avanzata dall’irregolarità del ciclo, markers endocrini ed ultrasonografici sono emersi nel corso dell’ultimo decennio, che potrebbero esprimere più accuratamente il declino del numero dei follicoli in un lungo periodo di tempo. Tra i vari parametri endocrinologici, i più studiati ed utilizzati nella pratica clinica sono l’Ormone Follicolo Stimolante (FSH), l’Estradiolo (E2), e l’Ormone Antimulleriano (AMH).
In particolare, l’FSH basale, studiato molto nel corso degli ultimi anni, rappresenta il marcatore più indiretto della riserva ovarica. I livelli di FSH aumentano con l’aumentare dell’età, per via della riduzione del “feedback” negativo sul rilascio di FSH da parte dell’ipofisi. Per escludere la possibilità che sopraggiungano fattori confondenti, come ad esempio livelli di E2 superiori a 50pg/ml, che sopprime la secrezione di FSH, questi parametri devono essere sempre valutati insieme tra il primo ed il quarto giorno del ciclo.
In donne con vari gradi di ipergonadotropismo, tuttavia, il miglior parametro per valutare la misura della deplezione dei follicoli ovarici è rappresentato dall’AMH. È una glicoproteina dimerica con azione paracrina ed autocrina nei follicoli in via di sviluppo, prodotta esclusivamente dalle cellule della granulosa dei follicoli preantrali e dei piccoli follicoli antrali (2-7 mm di diametro). Il numero dei piccoli follicoli antrali è direttamente correlato con la misura totale del patrimonio dei follicoli primordiali. Con il decremento del numero dei follicoli antrali con l’età, anche il livello sierico di AMH si riduce e diventa inevitabilmente non misurabile man mano che si avvicina la menopausa. Recenti studi hanno dimostrato che i livelli sierici di AMH rappresentano una valutazione quantitativa della riserva ovarica e potrebbero fornire un indice dell’età di menopausa.
Riguardo ai markers ultrasonografici, parecchi studi, recentemente, hanno dimostrato che la conta dei follicoli primordiali, definita come il numero totale dei follicoli antrali (AFC), della misura di 2-10 mm di diametro, presenti in entrambe le ovaie, rappresenta un marker migliore sia dell’età cronologica che dei livelli basali di FSH, per valutare l’età biologica dell’ovaio. Come per l’AFC, il volume ovarico, misurato attraverso ecografia transvaginale, è stato associato con la funzionalità ovarica, ed anche l’ultrasonografia vaginale, con l’impiego del “power Doppler” è, spesso, utilizzata per valutare il flusso sanguigno attraverso le ovaie nel naturale ciclo.
Tuttavia, i metodi fin’ora utilizzati per predire l’età ovarica della donna presentano il problema di effettuare misurazioni di singoli parametri endocrinologici ed ecografici sopra descritti. Pertanto, poiché, tali parametri sono considerati dei markers con bassa specificità e sensibilità, quando utilizzati per predire la riserva ovarica in donne infertili e per prognosticare la distanza dalla menopausa, tali metodi non forniscono una risposta precisa e accurata dell’età ovarica.
Scopo della presente invenzione è fornire un apparato e metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, e relativa apparecchiatura diagnostica ad ultrasuoni, aventi caratteristiche tali da superare i limiti che ancora influenzano gli apparati e i metodi precedentemente descritti con riferimento alla tecnica nota.
Secondo la presente invenzione viene realizzato un apparato di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, come definito nella rivendicazione 1.
Inoltre, secondo la presente invenzione viene realizzato un metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, come definito nella rivendicazione 2.
Ulteriormente, secondo la presente invenzione viene realizzata un’apparecchiatura diagnostica ad ultrasuoni di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, come definito nella rivendicazione 6.
Per una migliore comprensione della presente invenzione viene ora descritta una forma di realizzazione preferita, a puro titolo di esempio non limitativo, con riferimento ai disegni allegati, nei quali:
- la figura 1 mostra un diagramma schematico di un apparato di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, secondo l’invenzione;
- la figura 2 mostra un diagramma di flusso di un metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, secondo l’invenzione;
- la figura 3 mostra un diagramma di flusso di una forma realizzativa del metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, secondo l’invenzione;
- la figura 3 mostra un diagramma di flusso di una prima forma di implementazione, nel caso di studio effettuato su un numero N di pazienti, del metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, secondo l’invenzione;
- la figura 4 mostra un diagramma di flusso di una seconda forma di implementazione, nel caso di studio effettuato da un numero N di medici ginecologi, del metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, secondo l’invenzione.
Con riferimento a tali figure, e, in particolare, alla figura 1, un apparato 100 di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna è mostrato, secondo l’invenzione. In dettaglio, l’apparato 100 di elaborazione di dati clinici, biochimici e di immagini per la predizione dell’età ovarica della donna comprende un blocco funzionale 101 di misura dei valori ecografici transvaginali e un blocco funzionale 102 di misura dei valori ormonali ematici, i cui parametri in uscita vengono elaborati da un blocco 103 di elaborazione dati che utilizza un modello di elaborazione lineare generalizzato (GLM) e che fornisce, in uscita, l’età ovarica misurata in anni.
Come già spiegato, la presente domanda si riferisce anche ad un metodo di elaborazione di dati clinici, biochimici e di immagini per la predizione dell’età ovarica della donna. Più dettagliatamente, come mostrato nel diagramma di flusso di figura 2, il metodo comprende le fasi di:
- Misurare, tramite un semplice prelievo ematico su una paziente, dei valori ormonali ematici, ad esempio i livelli basali di AMH, di FSH, di estradiolo o E2, la conta dei follicoli antrali (AFC) l’Indice di Vascolarizzazione (VI), l’indice di portata (FI) e l’indice di flusso vascolare (VFI) in donne sane in un periodo di tempo compreso tra il primo ed il quarto giorno del ciclo mestruale.
- misurare, tramite ecografia ultrasonografica 3D sulla paziente, valori ecografici transvaginali, ad esempio il volume ovarico;
- eseguire un’elaborazione dei parametri ormonali ematici e dei parametri ecografici transvaginali mediante un algoritmo polinomiale;
- fornire in uscita il valore dell’età ovarica;
- confrontare il valore dell’età ovarica con quello dell’età anagrafica.
Più dettagliatamente, i prelievi ematici vengono valutati secondo metodica standard, mentre i parametri ecografici sono ottenuti mediante acquisizione ultrasonografica in 3D, mostrata sull’ecografo in prospettive multiplanari. L’immagine visualizzata è ottimizzata e la modalità di rendering va a generare il volume tridimensionale di interesse.
Vantaggiosamente secondo l’invenzione, il render box viene aggiustato per escludere quante più informazioni extraovariche possibile e per garantire che l’intero ovaio venga incluso nel volume ovarico o VOI.
Secondo un aspetto dell’invenzione, l’insieme dei parametri ecografici viene esaminato tramite un software, ad esempio SonoAVC, che identifica e quantifica regioni ipoecogene all’interno del dataset 3D ultrasonografico e fornisce una stima automatica della loro misura. Ad ogni volume individuale è assegnato uno specifico colore, e la misurazione automatica dei suoi diametri significativi e delle sue dimensioni massime (x,y,x) sono mostrati in ordine decrescente, dal più grande al più piccolo. I singoli follicoli sono, quindi, mostrati con uno specifico colore e mostrati insieme con le loro dimensioni e relative misure. Inoltre, un’operazione di “postprocessing”, che coinvolge l’identificazione manuale dei follicoli, non inclusa nell’analisi automatica, è attuata per garantire che tutti i follicoli antrali vengano contati e misurati.
Vantaggiosamente secondo l’invenzione, entrambe le ovaie vengono scansionate con il “power doppler”.
Secondo un aspetto dell’invenzione, per determinare il volume ovarico, gli indici di vascolarizzazione e l’indice di flusso viene utilizzato il “built-in Vocal (virtual organ computer aided analysis) Imaging Program for 3D power Doppler”. L’indice di vascolarizzazione VI misura il numero di colori dei voxels che rappresentano il sangue nei vasi nell’ovaio ed è espresso come percentuale (%) del volume ovarico. Il “Flow Index” (FI) riprende, invece, il valore del colore dei voxels e rappresenta l’intensità media del flusso all’interno dell’ovaio. Il parametro VFI si ottiene moltiplicando i parametri VI e FI ed è la combinazione di vascolarizzazione e portata.
Vantaggiosamente secondo l’invenzione, come mostrato in figura 3, possono essere prelevati i dati di una pluralità di pazienti, in modo tale da raccogliere un numero N di set di dati, cosiddetto “Training Set”, disponibili per essere elaborati mediante un Modello Lineare Generalizzato GLM, in grado di fornire il valore dell’età ovarica. Più in particolare, viene fatta un’operazione di statistica. Nello specifico, vengono esaminati i valori di 8 parametri (AMH, bFSH, E2, AFC, FI, VI, VFI, Volume) per tutte le pazienti, di cui viene eseguita l’analisi delle statistiche descrittive, compresa l’età anagrafica.
Le Richiedenti hanno condotto prove sperimentali del metodo di elaborazione di dati clinici, biochimici e di immagini per la predizione dell’età ovarica della donna. In particolare, attraverso istogrammi, grafici di normalità Q-Q e box-plot di ogni variabile si è evinta la non-normalità di alcune delle distribuzioni. Per ottenere una determinazione quantitativa della non-normalità delle distribuzioni, si è ricorso ai due più comuni test, Kolmogorov-Smirnov e Shapiro-Wilk. Per calcolare la correlazione tra due variabili si è utilizzato il coefficiente di correlazione tra ranghi di Spearman (Rho di Spearman). Si tratta di una misura non parametrica di correlazione che assume una funzione monotonica arbitraria per descrivere la relazione tra due variabili, senza fare alcuna ipotesi sulla distribuzione di frequenza delle variabili. Grazie a tale studio si è dimostrato che: 1) In tutte e tre i test esiste una forte correlazione negativa tra l’età e i livelli di AMH: al crescere dell’età i valori di AMH decrescono. 2) In tutte e tre i test esiste una forte correlazione positiva tra l’età e i livelli di bFSH: al crescere dell’età aumentano i livelli di bFSH. 3) In tutte e tre i test esiste una forte correlazione negativa tra l’età e i livelli di E2: al crescere dell’età i valori di E2 decrescono. 4) In tutte e tre i test esiste una moderata correlazione negativa tra l’età e i livelli di AFC: al crescere dell’età i valori di AFC decrescono sebbene non fortemente. 5) In tutte e tre i test esiste una moderata correlazione negativa tra l’età e i livelli di FI: al crescere dell’età i valori di FI decrescono sebbene non fortemente. 6) In tutte e tre i test esiste una forte correlazione negativa tra l’età e i livelli di Volume: al crescere dell’età i valori di Volume decrescono. 7) Due test (Pearson e Spearman) su tre affermano che non esiste alcuna correlazione significativa tra l’età e il valore di VFI. La valutazione della qualità del modello, oltre che tramite la devianza e l’AIC, è stata condotta usando il concetto di potenza sviluppato da Cohen (1988). Secondo la formula di Cohen, dato un livello di significatività del 0.05, un “effect size” del 0.02, e dati il numero delle pazienti e dei predittori, è stata ottenuta una potenza pari allo 0.80. Tale risultato è stato ottenuto mediante uno studio preventivo della dimensione campionaria, cioè del numero necessario di individui, soggetti o campioni da osservare e studiare, che è una componente cruciale della fase di disegno di ogni indagine di laboratorio o clinica.
Pertanto, è stato generato un modello lineare generalizzato (GLM), il quale permette di modellizzare la risposta delle variabili dipendenti che non presentano una distribuzione normale, che è invece il presupposto alla base della regressione lineare. Il modello GLM è adatto anche ad una situazione in cui il legame tra variabile indipendente e quelle dipendenti non sia lineare, e nel caso di varianza dell’errore non costante. I parametri dei GLM vengono stimati con il metodo della massima verosimiglianza (ML). Con i GLM si possono trattare, tra gli altri, la regressione logistica (quando la variabile risposta è di tipo dicotomico e binomiale) e la regressione di Poisson (quando la risposta è una variabile di conteggio con distribuzione poissoniana) che è quella che è stata utilizzata in questo ambito.
Dal dataset iniziale di pazienti sane si è provveduto ad eliminare i casi con sospetta menopausa precoce. Per la generazione del modello GLM è stato utilizzato RCommander, un’interfaccia grafica del linguaggio di programmazione R, che permette tra l’altro di valutare iterativamente (stepwise) la bontà del modello e conseguentemente di eliminare le feature con basso potere predittivo. L’output ottenuto dalla generazione del modello non sono altro che i coefficienti e l’intercetta dell’equazione polinomiale, che in generale è chiamata equazione di regressione. A titolo esemplificativo, l’equazione generata è la seguente:
età_ovarica = c a*AMH b*bFSH c*E2 d*AFC e*FI f*VFI g*Volume.
Vantaggiosamente secondo l’invenzione, l’algoritmo esclude le curve quelle non esplicative, ovvero quelle che hanno un p value > 0.05. In particolare, il modello lineare generalizzato è costituito da un predittore lineare, che è la componente sistematica, e dalla componente casuale, cioè variabili casuali gaussiane indipendenti che modellano l’errore. La cosiddetta “link function” unisce tali due componenti e, assunta la variabile età cronologica come avente distribuzione di Poisson, la funzione link prescelta è quella logaritmica.
Vantaggiosamente secondo l’invenzione, viene valutata la devianza dei residui e l’Aikake Information Criterion (AIC), due metriche che consentono tra l’altro, di confrontare modelli diversi con diverse caratteristiche. Tramite rappresentazione grafica delle distanze di Cook di ogni campione del “Training set” si provvede ad eliminare tutti quei casi (detti leve) che influenzano negativamente la potenza di predizione. La raffinazione del modello termina allorché la media dello scarto tra età cronologia ed età ovarica delle pazienti di controllo è di circa ±2 anni. Tale valore dello scarto risulta clinicamente accettabile ai fini della predizione dell’età ovarica.
A questo punto, si provvede a generare le predizioni di quelle pazienti precedentemente escluse (con sospetta menopausa precoce) e in tutti i casi si è riscontrato un aumento consistente dell’età predetta rispetto all’anagrafica.
Secondo un aspetto dell’invenzione, il metodo descritto può essere implementato, come mostrato in figura 4, su un software web-based, di cui è possibile acquistare una licenza, per cui ciascun ginecologo, collegandosi alla sua pagina Internet e inserendo le proprie credenziali d’accesso, fornisce in “input” ad un “server HHTP”, che accede ad un “File Server” e ad un “MySQL Database Server”, i valori ematici ed ecografici della paziente. Sul server gira il Modello Lineare Generalizzato che utilizza il Training Ser e set di dati presenti nel server, esegue le elaborazioni e i confronti opportuni e ottiene, come risultato dell’equazione polinomiale, l’età ovarica in tempo reale. In questo modo, tra l’altro, il server che genera la risposta acquisisce i dati della nuova paziente, aumentando il “data set” del modello e migliorando di volta in volta l’accuratezza predittiva del metodo.
Secondo un altro aspetto dell’invenzione, l’apparato descritto può essere implementato su ecografi con software 3D, in modo che una volta eseguito l’esame ultrasonografico, si possono inserire in “input” i soli dati biochimici e l’ecografo stesso sarà in grado di rispondere con l’età ovarica e le curve di riferimento della popolazione generale.
Pertanto, l’apparato e il metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo l’invenzione consentono di superare i problemi presenti al momento legati alla variazione intrae inter- individuale delle singole caratteristiche valutate di volta in volta, risponde alla richiesta del ginecologo e della donna con un risultato oggettivo, numerico e pertanto intuitivo.
Un altro vantaggio dell’apparato e del metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo l’invenzione consiste nel fatto che il ginecologo ha a disposizione uno strumento innovativo, originale, di semplice utilizzo e rapido in termini di risposta che lo aiuterà a guidare le scelte terapeutiche più appropriate per le proprie pazienti, aiutando le giovani donne che non hanno ancora avuto gravidanze a programmare in maniera sicura il proprio desiderio riproduttivo, decidendo consapevolmente quanto rimandare o anticipare la ricerca della maternità.
Un ulteriore vantaggio dell’apparato e del metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo l’invenzione consiste nel fatto che consente di evitare interventi chirurgici inutili, possibilmente dannosi, in donne in età più avanzata, vicine alla menopausa, per le quali sarà possibile indicare il tempo restante alla fine delle mestruazioni. Si ridurranno le isterectomie inutili, eseguite inconsapevolmente a ridosso della menopausa naturale.
Un ulteriore vantaggio dell’apparato e del metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo l’invenzione consiste nel fatto che consente di programmare un intervento chirurgico per patologie quali l’endometriosi o i miomi, a ridosso del desiderio riproduttivo delle pazienti, con la giusta tempistica e in accordo con l’età ovarica, piuttosto che con quella anagrafica della paziente, riducendo così il ricorso a secondi e terzi interventi, causa spesso di complicazioni chirurgiche e disastri riproduttivi.
Un altro vantaggio dell’apparato e del metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo l’invenzione consiste nel fatto che il ginecologo sarà in grado di quantificare l’influenza di particolari patologie, note per l’effetto negativo sulla riserva ovarica, o di interventi chirurgici ginecologici che per necessità implicano l’asportazione di tessuto ovarico sano.
Un altro vantaggio dell’apparato e del metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo l’invenzione consiste nel fatto che il ginecologo sarà in grado di guidare le scelte delle coppie con problemi di fertilità, indicando la metodica riproduttiva più idonea, evitando costosi sovra trattamenti e, dall’altro caso, eliminando i ritardi di trattamento spesso avallati dall’erronea convinzione che in presenza di donne giovani (anagraficamente) si possa attendere anni prima di ricorrere a tecniche di fecondazione in vitro.
Un ulteriore vantaggio dell’apparato e del metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo l’invenzione consiste nel fatto che il ginecologo sarà in grado di individuare con precisione la dose di partenza dei farmaci utilizzati per la stimolazione ovarica controllata in donne sottoposte a cicli di procreazione medicalmente assistita riducendo le complicazioni quali la mancata risposta, in caso di dose insufficiente, con conseguente allungamento del tempo e delle quantità di farmaco da utilizzare (aumento dei costi) e possibile riduzione della qualità della risposta in termini di qualità ovocitaria al momento del prelievo. In tal modo, si evita che le coppie vivano l’esperienza di un insuccesso doloroso, con risvolti psicologici ed economici non indifferenti, e si evita di somministrare alla donna una dose di partenza superiore a quella necessaria esponendola al rischio di complicanze mediche da moderate a severe, in alcuni casi anche letali.
Infine, il metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo l’invenzione è, inoltre, non invasivo, richiedendo l’esecuzione di un semplice prelievo ematico in un determinato momento del ciclo mestruale, e di una valutazione ecografica trans vaginale, metodiche entrambe routinarie sia per il ginecologo che per le donne in epoca riproduttiva.
Risulta, infine, chiaro che all’apparato e al metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna qui descritti ed illustrati possono essere apportate modifiche e varianti senza per questo uscire dall’ambito protettivo della presente invenzione, come definito nelle rivendicazioni allegate.
Claims (7)
- RIVENDICAZIONI 1. Apparato (100) di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna comprendente almeno un blocco funzionale (101) di misura dei valori ecografici transvaginali di almeno una donna e almeno un blocco funzionale (102) di misura dei valori ormonali ematici di almeno una donna, i segnali in uscita da detti blocchi (101, 102) essendo i segnali in entrata di un blocco (103) di elaborazione dati basato su un modello di elaborazione lineare generalizzato (GLM) configurato per fornire come segnale di uscita l’età ovarica misurata in anni rapportata all’età anagrafica della donna.
- 2. Metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna comprendente le fasi di: - Misurare, tramite un semplice prelievo ematico, dei valori ormonali ematici di almeno una donna; - misurare, tramite ecografia ultrasonografica 3D, valori ecografici transvaginali di almeno una donna; - eseguire un’elaborazione dei parametri ormonali ematici e dei parametri ecografici transvaginali mediante un algoritmo polinomiale; - fornire in uscita il valore dell’età ovarica come risultato dell’algoritmo polinomiale in funzione dei valori ormonali ematici e dei valori ecografici transvaginali; - confrontare il valore dell’età ovarica con quello dell’età anagrafica.
- 3. Metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo la rivendicazione 2, caratterizzato dal fatto che la fase di misurare, tramite un semplice prelievo ematico, dei valori ormonali ematici, comprende misurare i valori compreso nel gruppo costituito da: - l’Ormone Antimulleriano (AMH); - l’Ormone Follicolo Stimolante (FSH); - estradiolo (E2); - la conta dei follicoli antrali (AFC); - l’Indice di Vascolarizzazione (VI); - l’indice di portata (FI); - l’indice di flusso vascolare (VFI) in donne sane in un periodo di tempo compreso tra il primo ed il quarto giorno del ciclo mestruale.
- 4. Metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo la rivendicazione 2, caratterizzato dal fatto che la fase di misurare, tramite ecografia ultrasonografica 3D, i valori ecografici transvaginali comprende la fase di misurare il volume ovarico.
- 5. Metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna secondo le rivendicazioni 2-4, caratterizzato dal fatto che la fase di fornire in uscita il valore dell’età ovarica come risultato dell’algoritmo polinomiale in funzione dei valori ormonali ematici e dei valori ecografici transvaginali comprende generare l’equazione: età_ovarica = c a*AMH b*bFSH c*E2 d*AFC e*FI f*VFI g*Volume.
- 6. Apparecchiatura diagnostica ad ultrasuoni di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, caratterizzato dal fatto di comprendere l’apparato secondo la rivendicazione 1.
- 7. Programma di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell’età ovarica della donna, caratterizzato dal fatto di implementare il metodo secondo la rivendicazione 2 su un software “web-based”, accessibile via internet e capace di fornire l’età ovarica in tempo reale.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT000017A ITCZ20130017A1 (it) | 2013-09-25 | 2013-09-25 | Apparato e metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell'eta' ovarica della donna, e relativa apparecchiatura diagnostica ad ultrasuoni |
PCT/IB2014/001915 WO2015044751A1 (en) | 2013-09-25 | 2014-09-23 | Apparatus and method for processing clinical and biochemical data and three-dimensional ultrasound images for predicting ovarian age of the woman, and corresponding diagnostic ultrasound equipment |
DK14796545.3T DK3048981T3 (da) | 2013-09-25 | 2014-09-23 | Indretning og fremgangsmåde til behandling af kliniske og bio-kemiske data og tredimensionelle ultralydsbilleder til forudsigelse af ovariealderen af en kvinde, og tilsvarende diagnostisk ultralydsudstyr |
ES14796545.3T ES2645482T3 (es) | 2013-09-25 | 2014-09-23 | Aparato y procedimiento para procesar datos clínicos y bioquímicos e imágenes de ultrasonido tridimensionales para predecir la edad ovárica de una mujer y, equipo de ultrasonido de diagnóstico correspondiente |
EP14796545.3A EP3048981B1 (en) | 2013-09-25 | 2014-09-23 | Apparatus and method for processing clinical and biochemical data and three-dimensional ultrasound images for predicting ovarian age of the woman, and corresponding diagnostic ultrasound equipment |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IT000017A ITCZ20130017A1 (it) | 2013-09-25 | 2013-09-25 | Apparato e metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell'eta' ovarica della donna, e relativa apparecchiatura diagnostica ad ultrasuoni |
Publications (1)
Publication Number | Publication Date |
---|---|
ITCZ20130017A1 true ITCZ20130017A1 (it) | 2015-03-26 |
Family
ID=49486540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
IT000017A ITCZ20130017A1 (it) | 2013-09-25 | 2013-09-25 | Apparato e metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell'eta' ovarica della donna, e relativa apparecchiatura diagnostica ad ultrasuoni |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP3048981B1 (it) |
DK (1) | DK3048981T3 (it) |
ES (1) | ES2645482T3 (it) |
IT (1) | ITCZ20130017A1 (it) |
WO (1) | WO2015044751A1 (it) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3694417A1 (en) * | 2017-10-11 | 2020-08-19 | Koninklijke Philips N.V. | Intelligent ultrasound-based fertility monitoring |
EP4274594A1 (en) | 2021-06-10 | 2023-11-15 | Alife Health Inc. | Machine learning for optimizing ovarian stimulation |
CN114913972B (zh) * | 2021-12-10 | 2023-12-01 | 北京大学第三医院(北京大学第三临床医学院) | 预测受试者卵巢刺激过程中获得的卵母细胞数量的系统 |
-
2013
- 2013-09-25 IT IT000017A patent/ITCZ20130017A1/it unknown
-
2014
- 2014-09-23 EP EP14796545.3A patent/EP3048981B1/en not_active Not-in-force
- 2014-09-23 DK DK14796545.3T patent/DK3048981T3/da active
- 2014-09-23 WO PCT/IB2014/001915 patent/WO2015044751A1/en active Application Filing
- 2014-09-23 ES ES14796545.3T patent/ES2645482T3/es active Active
Non-Patent Citations (3)
Title |
---|
JAYAPRAKASAN K ET AL: "Establishing the intercycle variability of three-dimensional ultrasonographic predictors of ovarian reserve", FERTILITY AND STERILITY, ELSEVIER SCIENCE INC, NEW YORK, NY, USA, vol. 90, no. 6, 2 December 2008 (2008-12-02), pages 2126 - 2132, XP025711103, ISSN: 0015-0282, [retrieved on 20080114], DOI: 10.1016/J.FERTNSTERT.2007.10.028 * |
MARIA ELISABETTA COCCIA ET AL: "Ovarian Reserve", ANNALS OF THE NEW YORK ACADEMY OF SCIENCES, vol. 1127, no. 1, 2 April 2008 (2008-04-02), pages 27 - 30, XP055118135, ISSN: 0077-8923, DOI: 10.1196/annals.1434.011 * |
YOUNIS J S ET AL: "A simple multivariate score could predict ovarian reserve, as well as pregnancy rate, in infertile women", FERTILITY AND STERILITY, ELSEVIER SCIENCE INC, NEW YORK, NY, USA, vol. 94, no. 2, 2 July 2010 (2010-07-02), pages 655 - 661, XP027104877, ISSN: 0015-0282, [retrieved on 20090414] * |
Also Published As
Publication number | Publication date |
---|---|
ES2645482T3 (es) | 2017-12-05 |
EP3048981A1 (en) | 2016-08-03 |
DK3048981T3 (da) | 2017-11-13 |
EP3048981B1 (en) | 2017-08-02 |
WO2015044751A1 (en) | 2015-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tsiakkas et al. | Serum placental growth factor in the three trimesters of pregnancy: effects of maternal characteristics and medical history | |
Luders et al. | Potential brain age reversal after pregnancy: younger brains at 4–6 weeks postpartum | |
Poon et al. | First-trimester prediction of hypertensive disorders in pregnancy | |
Wright et al. | Two-stage screening for preterm preeclampsia at 11–13 weeks’ gestation | |
Joseph et al. | New Australian birthweight centiles | |
Guedes-Martins et al. | Reference ranges for uterine artery pulsatility index during the menstrual cycle: a cross-sectional study | |
Pritschet et al. | Applying dense-sampling methods to reveal dynamic endocrine modulation of the nervous system | |
Gorkem et al. | Obesity does not compromise ovarian reserve markers in infertile women | |
Stanziano et al. | Evaluation of the cervix tissue homogeneity by ultrasound elastography in infertile women for the prediction of embryo transfer ease: a diagnostic accuracy study | |
ITCZ20130017A1 (it) | Apparato e metodo di elaborazione di dati clinici, biochimici e di immagini ecografiche tridimensionali per la predizione dell'eta' ovarica della donna, e relativa apparecchiatura diagnostica ad ultrasuoni | |
Peixoto et al. | Reference range for uterine artery Doppler pulsatility index using transvaginal ultrasound at 20–24w6d of gestation in a low-risk Brazilian population | |
Rosen et al. | Urinary oxidative stress biomarker levels and reproductive outcomes among couples undergoing fertility treatments | |
Davison et al. | The psychological effects and patient acceptability of a test to predict viability in early pregnancy: a prospective randomised study | |
RU2369331C1 (ru) | Способ прогнозирования перинатальной заболеваемости | |
Chen et al. | A comparison of endometrial and subendometrial vascularity assessed by three-dimensional ultrasonography and power Doppler angiography between healthy fertile women and women with unexplained primary recurrent miscarriage | |
Feng et al. | Three-dimensional measurement and analysis of morphological parameters of the uterus in infertile women | |
KR100389988B1 (ko) | 임신이상에대한산전검사방법 | |
Dovjak et al. | Prenatal assessment of cerebellar vermian lobulation: fetal MRI with 3‐Tesla postmortem validation | |
Li et al. | AI aided analysis on saliva crystallization of pregnant women for accurate estimation of delivery date and fetal status | |
Martins et al. | Fetal volume and crown-rump length from 7 to 10 weeks of gestational age in singletons and twins | |
RU2425641C1 (ru) | Способ прогнозирования риска развития аномальных маточных кровотечений периода пубертата у девочек-подростков | |
RU2706683C1 (ru) | Способ прогнозирования готовности эндометрия к успешной имплантации эмбриона у женщин с маточной формой бесплодия с использованием компьютерной морфометрии | |
Scott et al. | Prospective evaluation of a first trimester screening program for Down syndrome and other chromosomal abnormalities using maternal age, nuchal translucency and biochemistry in an Australian population | |
Pinar et al. | Reference values for transverse cerebellar diameter throughout gestation | |
Oi et al. | Associations of temporal changes in cervical length and lower uterine segment length with spontaneous preterm delivery risk: a prospective study of 727 Japanese women |