JP2007052774A - コンピュータ援用疾病診断方法 - Google Patents
コンピュータ援用疾病診断方法 Download PDFInfo
- Publication number
- JP2007052774A JP2007052774A JP2006194886A JP2006194886A JP2007052774A JP 2007052774 A JP2007052774 A JP 2007052774A JP 2006194886 A JP2006194886 A JP 2006194886A JP 2006194886 A JP2006194886 A JP 2006194886A JP 2007052774 A JP2007052774 A JP 2007052774A
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- disease
- data
- patient
- value
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Eye Examination Apparatus (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
【解決手段】生物学的、物理的、人口統計学的、人種的、環境的および病歴データを含む患者に関するデータを収集し、疾病の診断に関するデータを選別し、データをデジタル化し、テストを実施してデータの持つ判断力を解析し、個別データ値をグループ分けし、これらのデータを前処理して前処理値を作成し、選別データをニューラルネットワークに入力して、個別のデータ入力値のニューラルネットワークに対する寄与度を解析し、診断指数を生成させるように訓練されている最適訓練ニューラルネットワークを性能、精度及びコストに基づいて選別し、他の患者のデータをかかる訓練済みのニューラルネットワークに入力して、当該患者が当該疾病に罹患しているかまたは罹患する可能性があるか否かを指示する出力値を生成する。
【選択図】図1
Description
本明細書において、「疾病」なる用語は、身体のあらゆる部位、器官またはシステムの健常な構造または機能(またはこれらの組合せ)からの偏位・逸脱として定義される。具体的疾病は、化学的変化および物理的変化の双方を含む特徴的な症状や徴候によって表される。疾病は、しばしば人口統計学的要因、環境的要因、雇用因子、遺伝的要因や病歴因子を含むがこれらに限定されない種々様々なその他の要因に関連している場合が多い。いくつかの特徴的な徴候、症状およびこれらに関連した要因は、種々の方法によって定量化することが可能であり、重要な診断情報を生成させる。このような適用の目的のために、ある特定の疾病の生物学的液体の特徴において、定量化可能である徴候、症状および/または分析物が、かかる疾病の「バイオマーカー(biomarkers)」と定義されている。現行の診断法および予後判断法は、かかるバイオマーカーを同定し、かつ評価・判断することに依拠しているが、いずれも個別にまた相互に関連した状態で依存している。ある特定の疾病の診断は往々にして、上記した要因を測定するとともに、例えば雇用履歴等の伝統的に定量性に劣る要因のうちの多くについて考慮した結果を組合せて得られるデータを医師、獣医またはその他のヘルスケアー提供者等の臨床家が客観的に分析することからなる場合が多い。不幸にして、ある疾病を診断し、または予後判断するためのかかる客観的プロセスは、必ずしも潜在的に関連する要因を全て包含することはできず、従ってこれらの要因が正しい診断または予後判断に寄与する程度を正確に加重することができないのである。
紙巻きタバコ喫煙者
アルコール多量飲酒者
ステロイドなどの種々の薬物使用者
女性ランナーおよびバレーダンサー
カロリー消費量の少な過ぎる男性のマラソンランナー
過食症患者および食欲不振者
食事の貧弱な人
乳製品にアレルギーを示す人
癌罹患者
色白で、スリムな女性
65才以上の全ての男性および女性
女性であることに加えて、三つの最も重要なリスク要因は、貧弱な食事、運動不足および閉経後であることである。骨粗鬆症に関連するその他のリスク要因としては、例えば家系が白色人種系または東洋人種系などの人種的要因、色白および骨粗鬆症の家系が挙げられる。
・自閉症(Cohen, I et al., "Diagnosing Autism: A Neural Net-Based Tool", PCAI, pp.22-25(May/June 1994)を参照)
・小児放射線医学(Boone, J.M. et al., "Neural Networks in Radiologic Diagnosis. I. Introduction and Illustration", Invest. Radiol., Vol. 25, pp.1012-1016(1990)およびGross, G.W. et al., "Neural Networks in Radiologic Diagnosis. II. Interpretations of Neonatal Chest Radiographs", Invest. Radiol., Vol. 25, pp.1017-1023(1990)を参照)
・乳癌(Astion, M.L., et al. "Application of Neural Networks to the Interpretation of Laboratory Data in Cancer Diagnosis", Clin. Chem., Vol. 38, No.1, pp.34-38(1992); Yuzheng, W., et al., "Artificial Neural Networks in Mammography: Application to Decision Making in the Diagnosis of Breast Cancer", Radiology, Vol. 82, pp.81-87(1993); Kappen, H.J., et al., "Neural Network Analysis to Predict Treatment Outcome", Annals of Oncology, Vol. 4, Supp. 4, pp.S31-S34(1993); 及びRavdin, P.M., et al., "A practical application of neural network analysis for predicting outcome of individual breast cancer patients", Breast Cancer Research and Treatment, Vol. 22, pp.285-293(1992)を参照)
・卵巣癌(Wilding, P., et al., "Application of backpropogation neural networks to diagnosis of breast and ovarian cancer", Cancer Letters, Vol. 77, pp.145-153(1994)を参照)
・甲状腺疾患(Sharpe, P.K, et al., "Artifical Neural Networks in Diagnosis of Thyroid Function from in Vitro Laboratory Tests," Clin. Chem., Vol.39, No.11, pps.2248-2253(1993)を参照)
・前立腺癌(Snow, P.S., et. al., "Artificial Neural Networks in the Diagnosis and Prognosis of Prostate Cancer: A Pilot Study" J. Urology, Vol. 152: 1923-1926(1994)を参照)
・子宮頸部癌(Rutenvergの米国特許第4,965,725号を参照)
・心臓病学(Leongらの米国特許第5,280,792号及びFurlong, J.W., "Neural Network of Serial Cardiac Enzyme Data: A Clinical Application of Artifical Machine Intelligence", Clin, Chem., Vol.96, No.1, pp.134-141(July 1991)を参照)
ニューラルネットワークは、特に種々の診断を行うのに適したパターン認識を実行する能力がある。論理的な一組の規則からある診断に到達する現行の方法と異なって、ニューラルネットワークは、一組の規則においてプロセス知識の明白な符号化を必要としないのである。ニューラルネットワークは、実例から学習するのである。ニューラルネットワークは、当該ニューラルネットワーク内に入力するべきデータを前処理した場合、さらに一層効率的に学習する。
本発明は、疾病を診断し、検診しまたは予後判断するための装置およびシステムに関する。さらに詳しくは、本発明は、訓練されたニューラルネットワークを使用するコンピュータを用いた方法、並びに、例えばヒトまたは動物等の患者における疾病を診断し、検診しまたは予後判断するためおよび当該疾病の重篤度と原因とを決定するための方法に関する。かかる目的は、下記の工程を実行することによって達成される。すなわち、任意に生物学的、物理的、人口統計学的、人種的、環境的および病歴データを含む患者に関するデータを収集し、疾病の診断に関連するデータを選別し、データをデジタル化し、これらのデジタル値をスケーリング(scaling)し、テストを実施してデータの持つ判別力を解析し、個別データ値をグループ分けし、これらのデータを前処理して前処理値を作成し、選別データをコンピュータを用いたニューラルネットワークに入力して、当該ニューラルネットワークを訓練し、個別のデータ入力値のニューラルネットワークに対する寄与度を解析し、診断指数を生成させるように訓練されている最適訓練ニューラルネットワークを性能、精度およびコストに基づいて選別し、他の患者データをかかる訓練済みニューラルネットワークに入力して、当該患者が当該疾病に罹患しているかまたは罹患し得る可能性があるか否かを指示する出力値を生成することを含む。
以下の特許出願をその全体として本明細書に参照により含める。米国暫定特許出願第60/001,425号、1995年7月25日出願;米国特許出願第08/472,632号、1995年6月7日出願;PCT出願第PCT/US95/01379号、1995年2月2日出願;米国特許出願第08/323,446号、1994年10月13日出願;米国特許出願第08/315,851号、1994年9月30日出願;米国特許出願第07/990,772号、1992年12月14日出願;PCT出願第PCT/US92/10879号、1992年12月14日出願;米国特許出願第07/964,486号、1992年10月21日出願;米国特許出願第07/806,980号、1991年12月12日出願。
また、本発明は、患者における疾病を診断し、検診しまたは予後判断するための方法であって、当該疾病に関連していることが知られている、患者に由来する予め定めた群のバイオマーカーの濃度を測定する工程、これらの濃度をデジタル化する工程、かかるデジタル値を前処理して前処理値を作成する工程、分析物のデジタル値をスケーリングする工程、がかる前処理値を第一の訓練済みニューラルネットワークへ導入する工程、および該第一のニューラルネットワークから得られる出力値と第一群の予め定めたバイオマーカーの中の一つまたはそれ以上のバイオマーカーを含んでいてもよい第二群の予め定めたバイオマーカーを第二の訓練済みニューラルネットワークに送信する工程からなり、かくして該第二のニューラルネットワークから得られる出力値を診断指数と比較して、当該患者が当該疾病を発症するかまたは将来当該疾病を発症する可能性があるかを示す診断指数を得るものである前記方法を含んでなるのである。
このブロックにおいては、個々の被験者について観察したデータ値は、変換と結合わせとのシークエンスを通過する。この手順の目的は、関連しない「ノイズ」データを削除しつつ、最も明白な型式で有用な情報を保持する型式に生の入力データを変換することである。さらには、初期の入力を用いて、二次的入力変数を生成させてもよい。かかる変換は、往々にして本質的に非線形であることが多いが、適応可能な学習および分類ブロックにかかる負担を軽減するのに役立つ可能性がある。
このブロックにおいては、ある特定の疾病渦程について入手可能な知識と情報を使用して、例えば下記のようなしかしこれらに限定されない分類と変数とを含む測定した患者データの生成源に関連する通常プロセス(生理学的、解剖学的、薬理学的、病理学的、分子生物学的、遺伝学的などの)の幾つかについて機械論的(現実的)モデルを確立する。
EEG
EKG
EMG
断層X線撮影
神経伝導法
造影診断方法
X線
NMR
CTスキャン
PETスキャン
蛍光撮影法
乳房撮影法
音波撮影法
赤外線
心エコー図
種々の生物学的液体中のバイオマーカーを測定するための臨床検査診断法
血液
尿
唾液
胃腸液
生殖器液
脳脊椎液
PCR
遺伝子マーカー
ラジオイムノアッセイ、ELISA
クロマトグラフィー
受容体測定法
組織学的診断法
組織分析
細胞学
組織型分類
免疫細胞化学
組織病理学的分析
電子顕微鏡
インシツハイブリダイゼーション
薬理動力学的診断法
治療薬物のモニタリング
受容体の特性評価と測定
その他の要因
身体検査
病歴
精神病歴と心理学的履歴
行動パターン
行動試験
人口統計学的データ
ドラッグ、アルコール、タバコおよび食品摂取のパターン
環境的影響(雇用、化学薬品、放射線、トキシン等への暴露)
肉眼病理学
このようなモデルは、検討対象となっている個別の患者に係る入力データ、または個別の患者が属する患者クラスの情報に基づくものである。これらのモデルのシミュレーション出力が、観察した患者のデータとの比較を行いかつ次の機能ブロックにおける相違や異常を検知するための基礎となる。
この同時多重アクセス推論技術システムにおける重要な概念の一つは、健常状態と疾病のプロセスに係る現存の知識(すなわち、CADRSおよび上記診断方法)と事実を利用することにより、数値優先型適応可能パターン分類サブシステムを、患者の状態の相違に起因する観察データの通常の変動で多重定義することを回避することである。このブロックにおいては、機械論的モデルの出力結果は、観察した患者データと比較される。その相違(必ずしも数値の単純な数字上の相違ではない)を次に、入力として適応可能パターンサブシステムに送り込むことによって、所望とする臨床指標を得る。
このブロックにおける分類機能/アルゴリズムは、臨床上の問題が持つ複雑な性質が原因で、その本質においてしばしば非線形であることが多いが、特別なケースとして線形または段階的線形システムを包含している。このような分類機能の構築とそのパラメータの決定は、分類問題が有する既知の性質および最も重要なことであるが、利用可能なトレーニングデータに包含される明白な情報とに基づいている。このような適応可能分類システムの例としては、情報を分類する種々の形式の人工ニューラルネットワークが挙げられる。
下記の実施例は、前立腺癌の予後判断を行うためのニューラルネットワークのトレーニングについて記載している。
ネットワーク中における各々のニューロンは、全ての入力の和を非線形s字型関数(しばしばロジスティック関数)を経由してニューロンに写し、次いでその結果を次に隣接するレイヤー中におけるニューロンのそれぞれと全てに送ることによって出力計算に関与した。生成した出力またはそれぞれの出力ニューロンを所望とする「目標」出力と比較した。0.1なる数値は、定常状態の診断に相当し、また0.9なる出力は、進行状態の診断に相当するものであった。この差は誤差を計算するために使用したが、トレーニング症例群全体に亙ってネットワーク出力と目標値との差を低減させようという試みにおいてネットワークコネクションウエイトを調節する際にトレーニングアルゴリズム、すなわち逆伝搬アルゴリズムをガイドした。
ProstAsureTMアルゴリズムについての数学的記述は、本明細書に添付した図25に示してある。ProstAsureTMのトレーニングデータと試験データは、図6および図7にそれぞれ示してある。このトレーニングデータセットは、年齢、PSA、PAP、CK−BB、CK−MB、CK−MM、全CK、デジタル直腸検査および民族に係る患者データを示す。
この実施例においては、骨粗鬆症を診断するためのニューラルネットワークに関する構築とトレーニングを説明する。トレーニングと試験のデータは、図8と図9にそれぞれ示してある。QuiOsTMアルゴリズムの数学的記述は、図26として添付してある。この実施例においては、骨粗鬆症を診断するためのニューラルネットワークについてその構築とトレーニングを説明する。
本発明の一つの実施態様を実施する一つの例は、ある患者において骨減少症を診断するための方法である。この方法は好ましくは、六つの血液構成成分を使用し、かかる構成成分は、カルシウム、リン酸塩、全アルカリホスファターゼ、アルカリホスファターゼアイソエンザイム、エストラジオールおよびプロゲステロンである。本発明を実施する上で好ましいアルカリホスファターゼアイソエンザイムとしては、リンパ球由来アルカリホスファターゼアイソエンザイムおよび骨、肝臓または腸管由来アルカリホスファターゼアイソエンザイムが挙げられる。本発明は、前記した六つの血液組成を用いて、これらの試験のための数値を本明細書に図26として添付したQuiOsTMアルゴリズムに入力することによって骨密度比を計算することからなる。年齢、体重および身長もQuiOsTMアルゴリズムに含める。
この実施例では、疾病のコンピュータ援用診断および予後判断を目的とするコンピュータベースのニューラルネットワークを用いた分類装置の構築とトレーニングに対するアプローチについて説明を行う。下記の文字を付した文節は、図13において示した文字つきラベルをいう。
疾病の進行過程に関連するバイオマーカーおよびその他の尺度(解剖学的、生理学的、病理学的など)を、当該疾病の診断および当該疾病の進行の段階の診断を行う上で有用な情報が抽出されるように選択する。かかる選択は、医学の専門知識、基礎生物医学化学における現行の知識や臨床研究の進歩に依存する度合いが大きい。
選択した入力が、個別にまた線形的や非線形的な組合せで有する判別力の統計的解析を、トレーニングセットから得た試験データを使用して行う。使用するソフトウエアの種類には、市販の統計パッケージ(例えばMath Works, Inc.のMatLabTM、 StatSoft, Inc.のStatistira for Windows(登録商標) release 4.5など))や入力数値の非線形組合せおよび変換による層別化解析のためHorusスタッフが開発したプログラムが含まれる。科学的データの可視表示技法を使用して、非線形的組合せや変換をガイドする。トレーニングデータにおいて異なる診断群の患者データポイントを分離するに際して全く判別力を有さない入力は、選択した入力のプールから除外する。
初期に同定した入力のうちの幾つかは、疾病過程の同一局面に関して密接に関連した尺度であるかまたは単に異なる尺度のいずれかであり得るのであって、これらは一緒に入力のサブセットに群分けされ、分類される。ニューラルネットワークを用いた分類装置(これは、ニューラルネットワークで実行される分類システムを提供する)の開発過程において、各サブセットからの入力は、一度に一つずつ使用し(先ず最初により高い判別力を有するもの)、当該分類装置への現実の入力のリストを作成する。生物医学の専門的知識は、この群分け作業において使用する。例えば、CA125やCA125II等の同一の生物学的現象を測定する、2つの若干異なる試験は、一緒に群分けされる可能性がある。入力間の相互作用、関連や一致に関する統計的解析は、このような群を同定するのに役立つ(例えば、カイ二乗や二点t−検定など)
d. 前処理
この前処理工程は、入力値、すなわちニューラルネットワークを用いた分類装置に現実の入力として使用する「前処理値」の作成を含んでなる。この工程は、デジタル値であってもよい初期入力バイオマーカーまたは人口統計学数値の線形的または非線形的変換(例えば再スケーリング)および/または式入力値の線形的または非線形的組合せを用いた二次入力の生成を含む。この工程で使用されるソフトウエアおよび操作法は、上記した工程b「判別力の試験」のそれらと類似している。工程bにおいては、その目的は、特定のバイオマーカーまたはその他の測定値が何らかの有益な情報を提供するか否かを決定することである。しかしながら、この工程dにおいては、その目的は、十分な判別情報を有する以外に、ニューラルネットワークの負担を軽減するような情報を提供するはずである、ニューラルネットワークを用いた分類装置への一群の入力を見出すことである。この工程においては、統計的、数学的および計算的手段を使用して、当該情報を「前消化(pre-digest)」する。例えば、非線形式て組合せた二つの入力は、分類のためのさらに明白な情報を提供する。この式を用いて計算値である入力を付加すると、トレーニングが一層容易になる。生物医学および臨床科学分野における専門的知識は(例えば、いくつかの種類の変換または組合せは、生物学的に「もっともらしい」か否か)やパターン分類における経験を使用する。例えば、標本を入力変数空間で見ることによって、標本分布における複雑さを推定し、またこのような情報を使用してニューラルネットワーク構造を調節することができる可能性がある。非線形的演算の本質や組合せに使用した入力の数が往々にして大きいために、新たに生成した二次入力の効率を直接数値的に評価することは、極めて困難である可能性がある。化学的データの可視化表示は、二次的入力の構築および評価をする上でのガイダンスを得るために広く使用されている。例えば、カラーコーディングおよび強調システム変換によって、三次元以上でのデータのビューイングが可能となる。このことは、入力変数空間における標本の分布や前処理工程の構築を理解するのに役立つ。
この工程は、恐らくは変換されている場合が多い初期入力値からおよび新たに生成した二次入力から入力値を選択して、ニューラルネットワークを用いた分類装置への現実的入力のリストを作成することを含む。このリストにおける選択された入力の初期の数は、工程bおよびdにおける判別力推定から得られた結果および当該問題の持つ複雑さに関して入手可能な知識に基づく。
この工程においては、訓練済みのニューラルネットワークを用いた分類装置の性能は、分類意思決定成分としてニューラルネットワークを使用した分類システムであるニューラルネットワークを用いた分類装置の構築とトレーニングにそれまで関与したことがない試験データセットから得られたデータによって評価される。ニューラルネットワークを用いた計算においては非線形的性質があるために、ニューラルネットワーク分類装置の最終的出力を生成させる上で個別の入力の寄与度を直接的に解析することは、往々にして不可能であることが多い。以下の工程を使用する。1)それぞれの入力から生じたネットワークコネクション強度の検索、2)ニューラルネットワークの出力の相対的な変化を単一入力値の変化と比較する感度解析、および3)多重入力の同時的変化に関して感度のある表層を構築するためにモンテカルロ標本採取法を用いるなどさらに完全な解析方法。
入力値の追加/削除およびニューラルネットワーク分類装置の構築/評価からなる繰り返しプロセスによって、ニューラルネットワークを用いた診断システムの多重構成が得られる。「最善」の選択は、以下の二つの主要な判断に基づく。1)絶対的な及び現存する方法と比較したシステムの効率、および2)入力の数とそれに関連した費用。
コンピュータ援用診断装置のためのニューラルネットワークを用いた分類装置の構築とトレーニングのための方法
下記のリストが、図14において示した構築とトレーニングに使用した工程を記述するものである:
1. 診断群の合計数が2に等しい場合は、次の工程に進む。そうでない場合は、疾病過程に関して既知となっている事実に基づいて、群の二進分類決定木(binary classification decision tree)への分離を構成する。二進分類を必要とする(yes/no,positive/negativeなど)群の対のそれぞれに対して、工程2−6を繰り返す。
a. トレーニングおよび試験のために適当なデータを選択する。
前立腺癌診断のための患者データをニューラルネットワーク解析するProstAsureTMコンピュータを使用したシステム
これは、患者データを受信し、訓練済みのニューラルネットワークで該データを解析し、前立腺癌の有無を示す出力値を生成し、該値を別のコンピュータに送信し、次いで該値を別の場所に送信する能力を有するコンピュータを用いたシステムである。このシステムを、模式的に図15に示す。図15における個々のボックスは、番号付けし、以下の記載において触れる。このシステムは、大量の患者データを受信して、解析し、迅速に前立腺癌を診断するための出力値を生成し、かつ選択的にこれらの結果を遠隔場所に送信する高い能力を提供する。このシステムは、多数の患者データセットを迅速に解析することを可能にし、臨床検査室やヘルスケア提供者に診断値を提供する。図15は、本発明の一つの好ましい実施態様を表わすものであること、および例えば単一または複数のコンピュータを包含する異なるハードウエア構成等のようにその他のシステム構成も前立腺癌を含むあらゆる疾病の診断のために本発明を実施するのに使用してもよいことが、理解されるべきである。
システムの要求仕様
本システムの模式的概要を図15に示す。
実際にインストールされたシステムの一例は、下記の通りである。
NEC MultiSync XV17TM モニター
MS Windows(登録商標) for Workgroup 3.11 をロード済み。
インターナル850 Mb テープユニット:
NEC MultiSync XV17TM モニター、MS Windows(登録商標) for Workgroup 3.11 をロード済み。
参考書類:操作手順書
Ready Pentium(登録商標) Systems User’s Guide;
NEC Ready Pentium(登録商標) Systems Hardware Ref/Operations Guide;
NEC MultiSyncXV17TM User’s Guide
システムの機能
操作手順に関する以下の記載において、「緊急警告手順」なる用語は、コンピュータソフトウエアまたはハードウエアシステムにおいて、またはデータファイル転送機構において、人間のオペレータおよび/またはオペレーション13のディレクターの即座の注意または介入を必要とする異常事態を報告するたの自動化手順を定義するものである。この「緊急警告手順」において、1)故障したコンピュータは、施設全体で聞くことができる大きなサイレンを鳴らす、2)故障したコンピュータスクリーンが光り、エラーメッセージと相当するエラーコードを表示する、また3)コンピュータシステムは、自動的に当番の役職者の呼び出し機にダイアルする。
本発明は、コンピュータ援用ニューラルネットワークを使用して、卵巣癌を診断することを包含する。この新規のバージョンは、「卵巣癌II」なる見出しの項において上記にて掲げたバイオマーカーを使用するが、CA125、M−CSF、OVX1、LASA、CAA7−24およびCA19−9を含む。186人の被験者の独立データ群について試験した場合、この試験は、89%の感度および89%の特異性を実現する。
Claims (11)
- 患者における疾病を診断または予後判断するための方法であって、
前記疾病に関連している患者バイオマーカーの濃度をデジタル値に変換し、
前記デジタル値を前処理して前処理値を作成し、
前記前処理値を訓練済みのニューラルネットワークを包含するコンピュータへ入力し、
前記疾病を診断または予後判断をするように特に訓練されており、前記疾病の有無または重篤度に相当する出力値を生成する訓練済みニューラルネットワークに、前記前処理値を導入し、
前記訓練済みのニューラルネットワークからの出力値を、表示手段に接続した出力値受信装置へ送信することを含む前記方法。 - 患者の人口統計学的データをデジタル値に変換し、
前記デジタル値を前処理して前処理値を作成し、
前記前処理値を前記コンピュータに入力し、
前記前処理値を前記訓練済みのニューラルネットワークに導入することをさらに含む、請求項1に記載の方法。 - 前記訓練済みのニューラルネットワークから得た前記出力値及び患者のバイオマーカーから得た第二のセットの前処理数値または任意に患者の人口統計学的データから得た第二のセットの前処理値を、前記疾病を診断または予後判断するように訓練されており、前記疾病の有無または重篤度に相当する第二の出力値を生成する、コンピュータ中の第二の訓練済みのニューラルネットワークに導入し、
前記第二の訓練済みニューラルネットワークから得た前記第二の出力値を、表示手段に接続した出力値受信装置に送信することをさらに含む、請求項1に記載の方法。 - 患者バイオマーカーデータおよび任意に患者の人口統計学的データを患者レコード内に挿入し、
データフォーマットエラーについて解析される、患者レコードの中のデータをコンピュータに導入し、
フォーマットエラーのない前記患者データをデジタル値に変換し、
前記デジタル値を前処理して前処理値を作成し、
前記疾病を診断または予後判断をするように特に訓練されており、前記疾病の有無または重篤度を示す出力値を生成する訓練済みニューラルネットワークに、前記前処理値を導入し、
前記出力値と患者データを患者レコード内に挿入することをさらに含む、請求項1に記載の方法。 - 前記疾病が、骨粗鬆症、骨減少症、乳癌、卵巣癌、大腸癌、前立腺癌および精巣癌からなる群から選択される、請求項1に記載の方法。
- 患者における疾病を診断または予後判断するのに用いられるコンピュータを用いたニューラルネットワークを訓練するための方法であって、
コンピュータを用いたニューラルネットワークにおいてコネクションウエイトをランダム化し、
前記疾病に罹患した患者群から、前記疾病に関連した患者バイオマーカーの濃度を得、
前記バイオマーカーの濃度をデジタル値に変換し、
前記デジタル値を前処理して前処理値を作成し、
入力変数として各患者から得た前記前処理値を入力によりニューラルネットワークに逐次導入することによって前記ネットワークを訓練し、
前記ニューラルネットワークから、ニューラルネットワーク診断を示しかつ前記疾病の有無または重篤度に相当する出力値を得、
前記ニューラルネットワークの出力値を現実の診断と比較し、
前記ニューラルネットワーク診断が現実の診断に相当しない場合は、前記コネクションウエイトを調節し、
入力変数として患者群の中の一人の患者から得た前処理値を入力によりニューラルネットワークに導入し、
前記ニューラルネットワークから第二の出力値を得、
前記ニューラルネットワークの第二の出力値を現実の診断と比較し、前記ニューラルネットワーク診断が現実の診断に相当しない場合は、前記コネクションウエイトを調節し、
前記患者群の中の別の患者から得た前処理値をニューラルネットワークに導入し、新規の出力値を得、前記新規の出力値を現実の診断と比較し、かつ任意にコネクションウエイトを調節する以前の工程を繰り返し、
任意に分類エラーに関する決定限界を確立することを含む前記方法。 - 疾病を診断または予後判断するよう訓練されている訓練済みのニューラルネットワークを含むコンピューターを含む装置。
- 前記疾病に関連している患者バイオマーカーの濃度をデジタル値に変換する手段、
前記デジタル値を前処理して前処理値を作成する手段、
前記疾病の有無または重篤度に相当する出力値を生成する訓練済みのニューラルネットワークへ、前記前処理値を入力する手段、および
前記出力値を通信する手段をさらに含む、請求項7に記載の装置。 - 患者の人口統計学的データをデジタル値に変換する手段、
前記デジタル値を前処理して前処理値を作成する手段、
前記疾病の有無または疾病の重篤度に相当する出力値を生成する訓練済みのニューラルネットワークに、前記前処理値を入力する手段、および
前記出力値を通信する手段をさらに含む、請求項7に記載の装置。 - 二つ以上の訓練済みのニューラルネットワークを含み、前記訓練済みニューラルネットワークは、疾病を診断または予後判断をするように特に訓練されており、かつそれぞれが、前記疾病の有無または重篤度に相当する出力値を生成する、請求項8項の装置。
- 前記疾病が、骨粗鬆症、骨減少症、乳癌、卵巣癌、大腸癌、前立腺癌および精巣癌からなる群から選択される、請求項7に記載の装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US142595P | 1995-07-25 | 1995-07-25 | |
US08/642,848 US5769074A (en) | 1994-10-13 | 1996-05-03 | Computer assisted methods for diagnosing diseases |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP9507712A Division JPH11504739A (ja) | 1995-07-25 | 1996-07-25 | コンピュータ援用疾病診断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007052774A true JP2007052774A (ja) | 2007-03-01 |
Family
ID=26669012
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP9507712A Pending JPH11504739A (ja) | 1995-07-25 | 1996-07-25 | コンピュータ援用疾病診断方法 |
JP2006194886A Pending JP2007052774A (ja) | 1995-07-25 | 2006-07-14 | コンピュータ援用疾病診断方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP9507712A Pending JPH11504739A (ja) | 1995-07-25 | 1996-07-25 | コンピュータ援用疾病診断方法 |
Country Status (13)
Country | Link |
---|---|
EP (1) | EP0842475B1 (ja) |
JP (2) | JPH11504739A (ja) |
CN (1) | CN1194045A (ja) |
AT (1) | ATE197511T1 (ja) |
AU (1) | AU717449B2 (ja) |
CA (1) | CA2227543C (ja) |
DE (1) | DE69610926T2 (ja) |
DK (1) | DK0842475T3 (ja) |
ES (1) | ES2152548T3 (ja) |
GR (1) | GR3035370T3 (ja) |
NZ (1) | NZ315428A (ja) |
PT (1) | PT842475E (ja) |
WO (1) | WO1997005553A1 (ja) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009145094A (ja) * | 2007-12-12 | 2009-07-02 | Sysmex Corp | 動物検査情報提供システム、中央装置、動物検査情報提供方法及びコンピュータプログラム |
JP2009145115A (ja) * | 2007-12-12 | 2009-07-02 | Sysmex Corp | 動物検査情報提供システム、中央装置、動物用分析装置、動物検査情報提供方法およびコンピュータプログラム |
WO2009136520A1 (ja) * | 2008-05-07 | 2009-11-12 | 株式会社大塚製薬工場 | Peg施行患者の予後の予測装置、peg施行患者の予後の予測方法、及びコンピュータ記録媒体 |
KR20100126365A (ko) * | 2008-02-08 | 2010-12-01 | 파디아 에이비 | 임상적 판단을 지원할 수 있는 방법, 컴퓨터 프로그램 제품 및 시스템 |
JP2011501845A (ja) * | 2007-10-12 | 2011-01-13 | ペイシェンツライクミー, インコーポレイテッド | 患者のコミュニティのプロファイルに基づく病状および転帰の個人管理ならびに比較 |
KR101244252B1 (ko) * | 2009-11-23 | 2013-03-25 | 한국과학기술정보연구원 | 역학 시뮬레이션 시스템 및 방법 |
CN103109186A (zh) * | 2010-06-30 | 2013-05-15 | 安派科生物医学科技有限公司 | 疾病检测仪 |
KR20140042531A (ko) * | 2012-09-28 | 2014-04-07 | 삼성전자주식회사 | 카테고리별 진단 모델을 이용한 병변 진단 장치 및 방법 |
JP2016519807A (ja) * | 2013-03-15 | 2016-07-07 | ザ クリーブランド クリニック ファウンデーションThe Cleveland ClinicFoundation | 自己進化型予測モデル |
JP2017527399A (ja) * | 2014-09-09 | 2017-09-21 | レイドス イノベイションズ テクノロジー,インコーポレイティド | 疾患検出のための装置及び方法 |
KR101876338B1 (ko) * | 2016-12-28 | 2018-07-09 | 아주대학교산학협력단 | 신경망을 이용한 간 경변 예측 장치 및 방법 |
KR101951727B1 (ko) * | 2018-02-02 | 2019-02-26 | (주)바이오인프라생명과학 | 멀티 암 판별을 위한 컴퓨팅 방법 및 이를 이용한 컴퓨팅 장치 |
JP2019523675A (ja) * | 2016-07-06 | 2019-08-29 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 骨特性を監視する方法 |
WO2020054738A1 (ja) * | 2018-09-10 | 2020-03-19 | 京セラ株式会社 | 推定装置、推定システム及び推定プログラム |
JP2020525892A (ja) * | 2017-10-16 | 2020-08-27 | イルミナ インコーポレイテッド | 深層畳み込みニューラルネットワークを訓練するための深層学習ベースの技法 |
JP2020534614A (ja) * | 2017-09-20 | 2020-11-26 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 深層学習アルゴリズムを使用した入力データの評価 |
JP2022024092A (ja) * | 2016-10-31 | 2022-02-08 | 株式会社Preferred Networks | 疾患の罹患判定装置、疾患の罹患判定方法及び疾患の罹患判定プログラム |
JP2022029824A (ja) * | 2020-08-05 | 2022-02-18 | 憲一 佐藤 | 癌罹患判定方法、装置、およびプログラム |
US11676221B2 (en) | 2009-04-30 | 2023-06-13 | Patientslikeme, Inc. | Systems and methods for encouragement of data submission in online communities |
US11861491B2 (en) | 2017-10-16 | 2024-01-02 | Illumina, Inc. | Deep learning-based pathogenicity classifier for promoter single nucleotide variants (pSNVs) |
US11894139B1 (en) | 2018-12-03 | 2024-02-06 | Patientslikeme Llc | Disease spectrum classification |
US11942194B2 (en) | 2018-06-19 | 2024-03-26 | Ellipsis Health, Inc. | Systems and methods for mental health assessment |
Families Citing this family (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5660176A (en) | 1993-12-29 | 1997-08-26 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system |
USRE43433E1 (en) | 1993-12-29 | 2012-05-29 | Clinical Decision Support, Llc | Computerized medical diagnostic and treatment advice system |
US6206829B1 (en) | 1996-07-12 | 2001-03-27 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system including network access |
US6678669B2 (en) | 1996-02-09 | 2004-01-13 | Adeza Biomedical Corporation | Method for selecting medical and biochemical diagnostic tests using neural network-related applications |
US6309816B1 (en) * | 1997-04-16 | 2001-10-30 | Horus Therapeutics, Inc. | Methods for diagnosing cancer by measuring creatine kinase |
JP2003523176A (ja) * | 1999-10-15 | 2003-08-05 | ダブリュー. ジーン ドッヅ, | 動物健康診断 |
ATE348363T1 (de) * | 2000-04-28 | 2007-01-15 | Pes Ges Fuer Medizinische Diag | Verfahren zur ermittlung signifikanter knochendichteverluste |
US7567870B1 (en) | 2000-07-31 | 2009-07-28 | Institute For Systems Biology | Multiparameter analysis for predictive medicine |
US7315784B2 (en) | 2001-02-15 | 2008-01-01 | Siemens Aktiengesellschaft | Network for evaluating data obtained in a biochip measurement device |
US20030013120A1 (en) * | 2001-07-12 | 2003-01-16 | Patz Edward F. | System and method for differential protein expression and a diagnostic biomarker discovery system and method using same |
US7343247B2 (en) | 2001-07-30 | 2008-03-11 | The Institute For Systems Biology | Methods of classifying drug responsiveness using multiparameter analysis |
AT411143B (de) * | 2001-10-09 | 2003-10-27 | G Schuhfried Ges M B H Dr | Vorrichtung zum auswerten psychologischer und biomedizinischer rohdaten |
JP3823192B2 (ja) * | 2002-04-19 | 2006-09-20 | 学校法人慶應義塾 | 診療支援装置、診療支援方法、及び診療支援プログラム |
AU2003265743B2 (en) * | 2002-10-03 | 2008-02-14 | Joachim Diederich | Method and apparatus for assessing psychiatric or physical disorders |
CN100518846C (zh) * | 2002-10-03 | 2009-07-29 | 斯科特实验室公司 | 镇静和止痛系统中的神经网络 |
EP1545302A4 (en) * | 2002-10-03 | 2008-12-17 | Joachim Diederich | METHOD AND DEVICE FOR THE INVESTIGATION OF PSYCHIATRICAL OR PHYSICAL DISEASES |
CA2637250A1 (en) * | 2002-12-09 | 2004-06-24 | Ajinomoto Co., Inc. | Apparatus and method for processing information concerning biological condition, system, program and recording medium for managing information concerning biological condition |
DE10317717B4 (de) * | 2003-04-17 | 2005-02-24 | Pe Diagnostik Gmbh | Verfahren zur Diagnose von Erkrankungen unter Verwendung von Indikatorstoffen |
JP2007523324A (ja) | 2004-02-05 | 2007-08-16 | メドトロニック・インコーポレーテッド | 命にかかわる不整脈のリスク状態にある患者を識別する方法及び装置 |
US7608458B2 (en) | 2004-02-05 | 2009-10-27 | Medtronic, Inc. | Identifying patients at risk for life threatening arrhythmias |
US8027791B2 (en) | 2004-06-23 | 2011-09-27 | Medtronic, Inc. | Self-improving classification system |
US8335652B2 (en) | 2004-06-23 | 2012-12-18 | Yougene Corp. | Self-improving identification method |
US9081879B2 (en) | 2004-10-22 | 2015-07-14 | Clinical Decision Support, Llc | Matrix interface for medical diagnostic and treatment advice system and method |
CN100349548C (zh) * | 2004-12-23 | 2007-11-21 | 香港理工大学 | 一种早期检测特发性脊柱侧凸的智能增强系统 |
US20070081700A1 (en) * | 2005-09-29 | 2007-04-12 | General Electric Company | Systems, methods and apparatus for creation of a database of images from categorical indices |
US20070156382A1 (en) * | 2005-12-29 | 2007-07-05 | Graham James L Ii | Systems and methods for designing experiments |
US7629889B2 (en) | 2006-12-27 | 2009-12-08 | Cardiac Pacemakers, Inc. | Within-patient algorithm to predict heart failure decompensation |
US9022930B2 (en) | 2006-12-27 | 2015-05-05 | Cardiac Pacemakers, Inc. | Inter-relation between within-patient decompensation detection algorithm and between-patient stratifier to manage HF patients in a more efficient manner |
EP2279478A1 (en) * | 2008-05-12 | 2011-02-02 | Koninklijke Philips Electronics N.V. | A medical analysis system |
CA2738610C (en) | 2008-09-25 | 2016-10-25 | Cae Healthcare Inc. | Simulation of medical imaging |
DE102009009228A1 (de) * | 2009-02-17 | 2010-08-26 | GEMAC-Gesellschaft für Mikroelektronikanwendung Chemnitz mbH | Verfahren und Vorrichtung zur agglutinationsbasierten erkennung von spezifischen Erkankungen über einen Bluttest |
JP2010231308A (ja) * | 2009-03-26 | 2010-10-14 | Olympus Corp | 生活習慣病予防装置および生活習慣病予防プログラム |
CN104254863B (zh) | 2011-10-24 | 2019-02-19 | 哈佛大学校长及研究员协会 | 通过人工智能和移动健康技术、在不损害准确性的情况下对病症进行增强诊断 |
EP3734609A1 (en) * | 2013-03-14 | 2020-11-04 | Otraces Inc. | A method for improving disease diagnosis using measured analytes |
CN104523264B (zh) * | 2014-12-31 | 2017-01-18 | 深圳职业技术学院 | 一种心电信号处理方法 |
CN104866727A (zh) * | 2015-06-02 | 2015-08-26 | 陈宽 | 基于深度学习对医疗数据进行分析的方法及其智能分析仪 |
WO2017027709A1 (en) | 2015-08-11 | 2017-02-16 | Cognoa, Inc. | Methods and apparatus to determine developmental progress with artificial intelligence and user input |
US11972336B2 (en) | 2015-12-18 | 2024-04-30 | Cognoa, Inc. | Machine learning platform and system for data analysis |
CN105956378A (zh) * | 2016-04-26 | 2016-09-21 | 成都聚恒康科技有限公司 | 肿瘤诊疗临床决策支持系统 |
CN106202968B (zh) * | 2016-07-28 | 2020-02-07 | 北京柏惠维康科技有限公司 | 癌症的数据分析方法及装置 |
EP3312748A1 (en) * | 2016-10-19 | 2018-04-25 | Fujitsu Limited | Method for aiding a diagnosis, program and apparatus |
EP3580700A4 (en) | 2017-02-09 | 2020-11-18 | Cognoa, Inc. | PLATFORM AND SYSTEM FOR DIGITAL PERSONALIZED MEDICINE |
CN107895168A (zh) * | 2017-10-13 | 2018-04-10 | 平安科技(深圳)有限公司 | 数据处理的方法、数据处理的装置及计算机可读存储介质 |
KR102071491B1 (ko) * | 2017-11-10 | 2020-01-30 | 주식회사 디시젠 | 차세대 염기서열분석을 이용한 기계학습 기반 유방암 예후 예측 방법 및 예측 시스템 |
CN108231189B (zh) * | 2017-12-12 | 2022-12-09 | 华南师范大学 | 基于双深度神经学习网络的数据处理方法和疾病诊断装置 |
CN108143411A (zh) * | 2017-12-13 | 2018-06-12 | 东南大学 | 一种面向孤独症诊断的静息态脑电分析系统 |
CN108333126B (zh) * | 2018-01-17 | 2020-12-01 | 南通市第一人民医院 | 一种人工智能实时动态光谱脑脊液监测系统 |
CN108538393B (zh) * | 2018-04-02 | 2021-12-10 | 重庆邮电大学 | 基于大数据的骨质质量评估专家系统及预测模型建立方法 |
CN108877950B (zh) * | 2018-04-24 | 2021-07-06 | 绍兴市人民医院 | 一种基于计算机的骨质疏松筛查方法和装置 |
JP7130038B2 (ja) * | 2018-06-12 | 2022-09-02 | 富士フイルム株式会社 | 内視鏡画像処理装置、内視鏡画像処理装置の作動方法、内視鏡画像処理プログラム及び記憶媒体 |
CN109009222A (zh) * | 2018-06-19 | 2018-12-18 | 杨成伟 | 面向心脏病类型和严重程度的智能评估诊断方法及系统 |
CN109285147B (zh) * | 2018-08-30 | 2020-12-29 | 杭州深睿博联科技有限公司 | 用于乳腺钼靶钙化检测的图像处理方法及装置、服务器 |
CN109599185B (zh) * | 2018-11-14 | 2021-05-25 | 金色熊猫有限公司 | 疾病数据处理方法、装置、电子设备及计算机可读介质 |
WO2020144627A1 (en) * | 2019-01-10 | 2020-07-16 | 3M Innovative Properties Company | Automated generation of codes |
BR112021018770A2 (pt) | 2019-03-22 | 2022-02-15 | Cognoa Inc | Métodos e dispositivos de terapia digital personalizada |
CN110164549A (zh) * | 2019-05-20 | 2019-08-23 | 南通奕霖智慧医学科技有限公司 | 一种基于神经网络分类器的儿科分诊方法及系统 |
GB201913666D0 (en) * | 2019-09-23 | 2019-11-06 | Tpp | Data conversion/symptom scoring |
IT201900019556A1 (it) * | 2019-10-22 | 2021-04-22 | Consiglio Nazionale Ricerche | Metodo per selezionare un gruppo di marcatori biologici e di un vettore di parametri utili nella predizione della probabilità di sopravvivenza a lungo termine al tumore del seno nelle pazienti affetti da tumore al seno |
JP6734457B1 (ja) * | 2019-10-28 | 2020-08-05 | アニコム ホールディングス株式会社 | 疾患予測システム、保険料算出システム及び疾患予測方法 |
EP4055352A1 (en) | 2019-11-05 | 2022-09-14 | Apeel Technology, Inc. | Prediction of infection in plant products |
CN110911010A (zh) * | 2019-11-25 | 2020-03-24 | 深圳安泰创新科技股份有限公司 | 诊疗方案的生成方法、电子设备及计算机可读存储介质 |
CN112017771B (zh) * | 2020-08-31 | 2024-02-27 | 吾征智能技术(北京)有限公司 | 一种基于精液常规检查数据的疾病预测模型的构建方法及系统 |
DE102021119035A1 (de) | 2021-07-22 | 2023-01-26 | Marco Willems | Computerimplementiertes Verfahren, Diagnoseunterstützungssystem sowie computerlesbares Speichermedium |
CN113724861A (zh) * | 2021-09-06 | 2021-11-30 | 汤学民 | 基于深度学习的初步诊断生成方法、装置及计算机设备 |
-
1996
- 1996-07-25 DK DK96927247T patent/DK0842475T3/da active
- 1996-07-25 AU AU67131/96A patent/AU717449B2/en not_active Ceased
- 1996-07-25 EP EP96927247A patent/EP0842475B1/en not_active Expired - Lifetime
- 1996-07-25 WO PCT/US1996/012177 patent/WO1997005553A1/en active IP Right Grant
- 1996-07-25 AT AT96927247T patent/ATE197511T1/de not_active IP Right Cessation
- 1996-07-25 ES ES96927247T patent/ES2152548T3/es not_active Expired - Lifetime
- 1996-07-25 CN CN96196534A patent/CN1194045A/zh active Pending
- 1996-07-25 NZ NZ315428A patent/NZ315428A/xx not_active IP Right Cessation
- 1996-07-25 CA CA2227543A patent/CA2227543C/en not_active Expired - Fee Related
- 1996-07-25 DE DE69610926T patent/DE69610926T2/de not_active Expired - Lifetime
- 1996-07-25 PT PT96927247T patent/PT842475E/pt unknown
- 1996-07-25 JP JP9507712A patent/JPH11504739A/ja active Pending
-
2001
- 2001-02-06 GR GR20010400197T patent/GR3035370T3/el not_active IP Right Cessation
-
2006
- 2006-07-14 JP JP2006194886A patent/JP2007052774A/ja active Pending
Cited By (60)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011501845A (ja) * | 2007-10-12 | 2011-01-13 | ペイシェンツライクミー, インコーポレイテッド | 患者のコミュニティのプロファイルに基づく病状および転帰の個人管理ならびに比較 |
JP2015064914A (ja) * | 2007-10-12 | 2015-04-09 | ペイシェンツライクミー, インコーポレイテッド | 患者のコミュニティのプロファイルに基づく病状および転帰の個人管理ならびに比較 |
JP2009145094A (ja) * | 2007-12-12 | 2009-07-02 | Sysmex Corp | 動物検査情報提供システム、中央装置、動物検査情報提供方法及びコンピュータプログラム |
JP2009145115A (ja) * | 2007-12-12 | 2009-07-02 | Sysmex Corp | 動物検査情報提供システム、中央装置、動物用分析装置、動物検査情報提供方法およびコンピュータプログラム |
KR20100126365A (ko) * | 2008-02-08 | 2010-12-01 | 파디아 에이비 | 임상적 판단을 지원할 수 있는 방법, 컴퓨터 프로그램 제품 및 시스템 |
KR101635629B1 (ko) * | 2008-02-08 | 2016-07-01 | 파디아 에이비 | 임상적 판단을 지원할 수 있는 방법, 컴퓨터 프로그램 제품 및 시스템 |
WO2009136520A1 (ja) * | 2008-05-07 | 2009-11-12 | 株式会社大塚製薬工場 | Peg施行患者の予後の予測装置、peg施行患者の予後の予測方法、及びコンピュータ記録媒体 |
JP2009268680A (ja) * | 2008-05-07 | 2009-11-19 | Noribumi Hibi | Peg施行患者の予後の予測装置、peg施行患者の予後の予測方法、及びpeg施行患者の予後の予測プログラム |
US11676221B2 (en) | 2009-04-30 | 2023-06-13 | Patientslikeme, Inc. | Systems and methods for encouragement of data submission in online communities |
KR101244252B1 (ko) * | 2009-11-23 | 2013-03-25 | 한국과학기술정보연구원 | 역학 시뮬레이션 시스템 및 방법 |
CN103109186A (zh) * | 2010-06-30 | 2013-05-15 | 安派科生物医学科技有限公司 | 疾病检测仪 |
CN103109186B (zh) * | 2010-06-30 | 2016-06-22 | 安派科生物医学科技有限公司 | 疾病检测仪 |
KR101993716B1 (ko) | 2012-09-28 | 2019-06-27 | 삼성전자주식회사 | 카테고리별 진단 모델을 이용한 병변 진단 장치 및 방법 |
KR20140042531A (ko) * | 2012-09-28 | 2014-04-07 | 삼성전자주식회사 | 카테고리별 진단 모델을 이용한 병변 진단 장치 및 방법 |
JP2016519807A (ja) * | 2013-03-15 | 2016-07-07 | ザ クリーブランド クリニック ファウンデーションThe Cleveland ClinicFoundation | 自己進化型予測モデル |
JP2017527399A (ja) * | 2014-09-09 | 2017-09-21 | レイドス イノベイションズ テクノロジー,インコーポレイティド | 疾患検出のための装置及び方法 |
JP2019523675A (ja) * | 2016-07-06 | 2019-08-29 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 骨特性を監視する方法 |
JP2022024092A (ja) * | 2016-10-31 | 2022-02-08 | 株式会社Preferred Networks | 疾患の罹患判定装置、疾患の罹患判定方法及び疾患の罹患判定プログラム |
JP7411619B2 (ja) | 2016-10-31 | 2024-01-11 | 株式会社Preferred Networks | 疾患の罹患判定装置、疾患の罹患判定方法及び疾患の罹患判定プログラム |
KR101876338B1 (ko) * | 2016-12-28 | 2018-07-09 | 아주대학교산학협력단 | 신경망을 이용한 간 경변 예측 장치 및 방법 |
JP7271515B2 (ja) | 2017-09-20 | 2023-05-11 | コーニンクレッカ フィリップス エヌ ヴェ | 深層学習アルゴリズムを使用した入力データの評価 |
JP2020534614A (ja) * | 2017-09-20 | 2020-11-26 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 深層学習アルゴリズムを使用した入力データの評価 |
US11386324B2 (en) | 2017-10-16 | 2022-07-12 | Illumina, Inc. | Recurrent neural network-based variant pathogenicity classifier |
JP2022020658A (ja) * | 2017-10-16 | 2022-02-01 | イルミナ インコーポレイテッド | バリアントの分類のための深層畳み込みニューラルネットワーク |
JP2021093169A (ja) * | 2017-10-16 | 2021-06-17 | イルミナ インコーポレイテッド | 深層畳み込みニューラルネットワークを訓練するための深層学習ベースの技法 |
US11861491B2 (en) | 2017-10-16 | 2024-01-02 | Illumina, Inc. | Deep learning-based pathogenicity classifier for promoter single nucleotide variants (pSNVs) |
US11315016B2 (en) | 2017-10-16 | 2022-04-26 | Illumina, Inc. | Deep convolutional neural networks for variant classification |
JP7089078B2 (ja) | 2017-10-16 | 2022-06-21 | イルミナ インコーポレイテッド | 深層畳み込みニューラルネットワークを訓練するための深層学習ベースの技法 |
JP2020525892A (ja) * | 2017-10-16 | 2020-08-27 | イルミナ インコーポレイテッド | 深層畳み込みニューラルネットワークを訓練するための深層学習ベースの技法 |
US11798650B2 (en) | 2017-10-16 | 2023-10-24 | Illumina, Inc. | Semi-supervised learning for training an ensemble of deep convolutional neural networks |
JP7275228B2 (ja) | 2017-10-16 | 2023-05-17 | イルミナ インコーポレイテッド | バリアントの分類のための深層畳み込みニューラルネットワーク |
KR101951727B1 (ko) * | 2018-02-02 | 2019-02-26 | (주)바이오인프라생명과학 | 멀티 암 판별을 위한 컴퓨팅 방법 및 이를 이용한 컴퓨팅 장치 |
US11942194B2 (en) | 2018-06-19 | 2024-03-26 | Ellipsis Health, Inc. | Systems and methods for mental health assessment |
JP2022106895A (ja) * | 2018-09-10 | 2022-07-20 | 京セラ株式会社 | 推定装置及び推定方法 |
JP2023085344A (ja) * | 2018-09-10 | 2023-06-20 | 京セラ株式会社 | 推定装置、プログラム及び記録媒体 |
JP2022180590A (ja) * | 2018-09-10 | 2022-12-06 | 京セラ株式会社 | 推定装置及び推定方法 |
JP2023002781A (ja) * | 2018-09-10 | 2023-01-10 | 京セラ株式会社 | 推定装置、システム及び推定方法 |
JP7217906B2 (ja) | 2018-09-10 | 2023-02-06 | 京セラ株式会社 | 推定装置、システム及び推定方法 |
JP2023056028A (ja) * | 2018-09-10 | 2023-04-18 | 京セラ株式会社 | 装置及びシステム |
JP2023056029A (ja) * | 2018-09-10 | 2023-04-18 | 京セラ株式会社 | 装置及びシステム |
JP2023056026A (ja) * | 2018-09-10 | 2023-04-18 | 京セラ株式会社 | 装置及びシステム |
JP7260887B2 (ja) | 2018-09-10 | 2023-04-19 | 京セラ株式会社 | 推定装置及び推定方法 |
JP7260886B2 (ja) | 2018-09-10 | 2023-04-19 | 京セラ株式会社 | 推定装置及び推定方法 |
JP7264364B2 (ja) | 2018-09-10 | 2023-04-25 | 京セラ株式会社 | 装置及びシステム |
JP7266230B2 (ja) | 2018-09-10 | 2023-04-28 | 京セラ株式会社 | 装置及びシステム |
JP2023062093A (ja) * | 2018-09-10 | 2023-05-02 | 京セラ株式会社 | 装置 |
WO2020054738A1 (ja) * | 2018-09-10 | 2020-03-19 | 京セラ株式会社 | 推定装置、推定システム及び推定プログラム |
JP7157425B2 (ja) | 2018-09-10 | 2022-10-20 | 京セラ株式会社 | 推定装置、システム及び推定方法 |
JP7283672B1 (ja) | 2018-09-10 | 2023-05-30 | 京セラ株式会社 | 学習モデル生成方法、プログラム、記録媒体及び装置 |
JP7283673B1 (ja) | 2018-09-10 | 2023-05-30 | 京セラ株式会社 | 推定装置、プログラム及び記録媒体 |
JP7157426B2 (ja) | 2018-09-10 | 2022-10-20 | 京セラ株式会社 | 装置及び方法 |
JP2023082022A (ja) * | 2018-09-10 | 2023-06-13 | 京セラ株式会社 | 学習モデル生成方法、プログラム、記録媒体及び装置 |
JP2022180589A (ja) * | 2018-09-10 | 2022-12-06 | 京セラ株式会社 | 推定装置及び推定方法 |
JP2022106894A (ja) * | 2018-09-10 | 2022-07-20 | 京セラ株式会社 | 推定装置、システム及び推定方法 |
JP7385228B2 (ja) | 2018-09-10 | 2023-11-22 | 京セラ株式会社 | 装置 |
JP7385229B2 (ja) | 2018-09-10 | 2023-11-22 | 京セラ株式会社 | 装置及びシステム |
JP6744614B1 (ja) * | 2018-09-10 | 2020-08-19 | 京セラ株式会社 | 推定装置、推定システム及び推定プログラム |
US11894139B1 (en) | 2018-12-03 | 2024-02-06 | Patientslikeme Llc | Disease spectrum classification |
JP2022029824A (ja) * | 2020-08-05 | 2022-02-18 | 憲一 佐藤 | 癌罹患判定方法、装置、およびプログラム |
JP7157941B2 (ja) | 2020-08-05 | 2022-10-21 | 憲一 佐藤 | 癌罹患判定方法、装置、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
EP0842475B1 (en) | 2000-11-08 |
CA2227543C (en) | 2010-10-05 |
EP0842475A1 (en) | 1998-05-20 |
NZ315428A (en) | 2000-02-28 |
PT842475E (pt) | 2001-04-30 |
GR3035370T3 (en) | 2001-05-31 |
DE69610926D1 (de) | 2000-12-14 |
WO1997005553A1 (en) | 1997-02-13 |
CN1194045A (zh) | 1998-09-23 |
ATE197511T1 (de) | 2000-11-11 |
AU6713196A (en) | 1997-02-26 |
CA2227543A1 (en) | 1997-02-13 |
ES2152548T3 (es) | 2001-02-01 |
DK0842475T3 (da) | 2000-11-27 |
DE69610926T2 (de) | 2001-06-21 |
JPH11504739A (ja) | 1999-04-27 |
AU717449B2 (en) | 2000-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2007052774A (ja) | コンピュータ援用疾病診断方法 | |
US6248063B1 (en) | Computer assisted methods for diagnosing diseases | |
WO1997005553A9 (en) | Computer assisted methods for diagnosing diseases | |
Kahn Jr et al. | Construction of a Bayesian network for mammographic diagnosis of breast cancer | |
Castellino | Computer aided detection (CAD): an overview | |
JP5038671B2 (ja) | 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム | |
JP4139822B2 (ja) | ニューラルネットワーク関連アプリケーションを使用して医療診断テストおよび生化学診断テストを選択する方法 | |
KR102289277B1 (ko) | 복수의 의료 영상 판독 알고리듬들에 대한 평가 스코어를 생성하는 의료 영상 판독 지원 장치 및 방법 | |
JP2007524461A (ja) | 乳房撮像の自動診断及び決定支援システム及び方法 | |
JP2006500075A (ja) | 肺がん判別のための患者データマイニング | |
US7315784B2 (en) | Network for evaluating data obtained in a biochip measurement device | |
Khanna et al. | Current Challenges and Opportunities in Implementing AI/ML in Cancer Imaging: Integration, Development, and Adoption Perspectives | |
CN111226287B (zh) | 用于分析医学成像数据集的方法、系统、程序产品和介质 | |
US20030175782A1 (en) | Genetic diagnosis/analysis apparatus and genetic diagnosis support system using the apparatus | |
Debs et al. | The promise and limitations of artificial intelligence in musculoskeletal imaging | |
EP4002382A1 (en) | Using unstructured temporal medical data for disease prediction | |
WO2022130006A1 (en) | A prognosis and early diagnosis method and system and choosing the best treatment based on data fusion and information analysis by artificial intelligence, with the ability to modify and improve information and results according to machine learning | |
Sikora | Cancer screening | |
Gauthier et al. | Challenges to building a platform for a breast cancer risk score | |
JP7446586B2 (ja) | 情報処理装置と情報処理プログラムと情報処理方法 | |
Athelogou et al. | Tissue Phenomics For Diagnostic Pathology | |
EP4053853A1 (en) | Apparatus for determining a temporal breast cancer risk | |
EP4071768A1 (en) | Cad device and method for analysing medical images | |
Alotaibi et al. | The Diagnostic Accuracy And Clinical Utility Of Radiomics In Oncology Imaging | |
Poelhuis | Helping to Detect Breast Cancer with Artificial Intelligence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070327 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20070626 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20070629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070927 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080408 |