JP2007518972A - 集中化適応モデル及び遠隔操作サンプルプロセッシングの使用を介した生物学的状態の診断方法 - Google Patents
集中化適応モデル及び遠隔操作サンプルプロセッシングの使用を介した生物学的状態の診断方法 Download PDFInfo
- Publication number
- JP2007518972A JP2007518972A JP2006543958A JP2006543958A JP2007518972A JP 2007518972 A JP2007518972 A JP 2007518972A JP 2006543958 A JP2006543958 A JP 2006543958A JP 2006543958 A JP2006543958 A JP 2006543958A JP 2007518972 A JP2007518972 A JP 2007518972A
- Authority
- JP
- Japan
- Prior art keywords
- model
- location
- vectors
- biological sample
- data
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- 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
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10T—TECHNICAL SUBJECTS COVERED BY FORMER US CLASSIFICATION
- Y10T436/00—Chemistry: analytical and immunological testing
- Y10T436/24—Nuclear magnetic resonance, electron spin resonance or other spin effects or mass spectrometry
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biotechnology (AREA)
- Bioethics (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
Description
本発明は概して集中化バイオインフォマティクスモデリングシステムの使用を介した生物学的データの遠隔操作収集、選択、伝達、及び分析のためのシステムに関する。より詳細には、本発明はバイオインフォマティクスモデリングシステムを精密にする方法に関する。本発明はまたいくらかの診断及びモデリングを行うための組織機構にも関する。最後に、本発明は第一の場所でデータを収集する及び上記データをモデリングシステムにおける分析のために第二の場所に伝達するシステム又は方法に関する。
生物学的サンプルの分析方法は一般的に知られる。典型的な分析において、マススペクトロスコピーの如きハイスループットバイオアッセイは少なくともいくつかのその構成要素生化学成分(例えば、タンパク質、タンパク質断片、DNA、RNA等)を分離する及び定量化するために生物学的サンプルについて行われうる。マススペクトルの如きバイオアッセイの出力に基づいて、さまざまな診断が行われうる。例えば、特定の疾患状態の診断モデルは、スペクトルが由来するサンプルを、上記疾患状態を有する又は有しない患者から取られたものとして同定するために上記マススペクトルに適用されうる。生物学的サンプルのいくつかの既知の分析方法において、データ取得(すなわち、ハイスループットバイオアッセイのパフォーマンス)及びデータ分析(すなわち、診断モデルの適用)は同じ場所で達成される。
診断モデルは、生物学的サンプルが特定の生物学的状態を示すかどうかを決定するために構築されうる。上記モデルを構築するために、既知の生物学的状態を有するいくつかのサンプルが分析され、及び特定の生物学的状態に特異的な識別パターンを見つけるためにモデリングプログラムに入力されうる。
一般的に、本発明は、既知の生物学的状態を有する患者から取られたはじめの1セットの生物学的サンプルに基づいた診断モデルを用いて未知のサンプルの生物学的状態を決定する方法、上記はじめのサンプルセットは上記未知のサンプルが取られた集団を正確に反映するという仮定の持続する妥当性を評価するために及び上記モデルは更新されるべきであるかどうかを決定するために未知のサンプルを用いる方法、及び少なくともいくつかの新規生物学的サンプルを用いて上記モデルを更新する方法を含む。
図8中に示される態様において、生物学的サンプル820は患者810から取られうる。上記生物学的サンプルはその後データ収集クライアント831に送られうる。1の態様において、データ収集クライアント831はマススペクトロメーター834及びコンピュータワークステーション835を含む。データ収集クライアント831はマススペクトロメーター834を用いて、例えば、生物学的サンプル820からサンプル特徴付け(マススペクトル)データを得るであろう。マススペクトロメーター834はどんな型のマススペクトロメーターでもありうる、及び使用されるタンパク質分離プロセスは上記に同定されるもののいずれをも含みうる。データ収集クライアント831はまたワークステーション835を含む。ワークステーション835は作出されたモデル(単数又は複数)に関連する特徴を抽出し、それによりサンプルデータを抽出するよう設定されうる。ワークステーション835はまた質保証又は質制御プロセスを行うためのソフトウェアコードを含みうる。それぞれのサンプルに関連するデータは適切なサンプル識別名でコードされうる。サンプル識別名は、例えば、サンプル収集場所、特定の患者、及び上記データがマッピングされるモデル(単数又は複数)を同定しうる、例えば、アルファ−数コードを含みうる。
本発明のさまざまな特徴は(マススペクトルデータの如き)バイオアッセイデータを比較することによる疾患状態の診断方法に関連して示されている。いくつかの態様において、モデルは適応可能である。他の態様において、モデルは重複する。また他の態様において、モデルは重複し及び適応可能でありうる。さらに、本発明は、それぞれが全体のプロセスの特定の段階又は一部を行う複数の別々の実体間の相互作用を含みうる。しかしながら、多くの段階がさまざまな装置及びバイオインフォマティクス法で実行されうる、及び単一の実体を含むいくつの数の異なる実体によっても行われうることが理解されるであろう。さらに、本発明の範囲及び精神から離れないであろう変形及び改変が存在する。
Claims (35)
- 患者から取られた生物学的サンプルが上記患者が疾患を有することを示すかどうかを決定する方法であって:
上記生物学的サンプルの分析を行うことにより得られたデータストリームからの1セットのベクトルについての要求を伝達すること、ここで、上記データストリームは複数のベクトルを有し、上記1セットのベクトルは少なくとも3の及び全てより少ないデータストリームのベクトルを有する;
第一の場所で、第二の場所からの上記1セットのベクトルを受容すること、ここで、上記第二の場所は上記第一の場所と地理的に異なる;
診断を決定するために上記1セットのベクトルをモデルに適用すること、ここで、上記診断は上記生物学的サンプルが上記疾患を有する患者から取られたかどうかの表示を含む;及び
上記診断を伝達すること:
を含む前記方法。 - 上記要求を伝達することは上記第一の場所から上記第二の場所に、上記生物学的サンプルの分析を行うことにより得られたデータストリームからの1セットのベクトルについての要求を伝達することを含む、請求項1に記載の方法。
- 上記適用することは、上記第一の場所で、診断を決定するために上記1セットのベクトルをモデルに適用することを含む、請求項1に記載の方法。
- 上記診断を伝達することは上記診断を上記第一の場所から上記第二の場所へ伝達することを含む、請求項1に記載の方法。
- 上記1セットのベクトルは第一のセットのベクトルであり、及び:
上記第一の場所で、上記第二の場所からの要求を受容すること、ここで、上記要求は上記データストリームが分析されるべき少なくとも2の疾患の同定を含む;及び
少なくとも3の及び全てより少ないデータストリームのベクトルを有する及び上記第一のセットのベクトル中にない少なくとも1のベクトルを有する第二のセットのベクトルについての要求を伝達すること:
をさらに含む、請求項1に記載の方法。 - 上記要求を受容することは上記要求を伝達することより前に起こる、請求項5に記載の方法。
- 上記データストリームは上記生物学的サンプルについてマススペクトル分析を行うことにより得られる、請求項1に記載の方法。
- 上記生物学的サンプルは血清、血液、唾液、血漿、乳頭吸引物、骨液、脳脊髄液、汗、尿、糞便、涙、気管支洗浄物、綿棒採取物、針吸引物、精液、膣液、及び射精前精液から成る群から選ばれる、請求項1に記載の方法。
- 上記疾患は癌である、請求項1に記載の方法。
- 上記診断は上記第二の場所に位置される結果データベースに伝達される、請求項1に記載の方法。
- 上記1セットのベクトルは電子的方法を介して受容される、請求項1に記載の方法。
- 上記1セットのベクトルはネットワーク接続を介して受容される、請求項1に記載の方法。
- 上記1セットのベクトルは電子データを含む物理的貯蔵媒体を介して受容される、請求項1に記載の方法。
- 患者から取られた生物学的サンプルが上記患者が疾患を有することを示すかどうかを決定する方法であって:
患者から取られた生物学的サンプルの分析を行うことにより得られた、複数のベクトルを有するデータストリームを提供すること;
少なくとも3の及び全てより少ない複数のベクトルが、上記生物学的サンプルが上記患者が上記疾患を有することを示すかどうかを決定するために必要とされるという表示を受容すること;
必要なベクトルを得るために上記データストリームを抽出すること;及び
上記必要なベクトルを第一の場所から第二の場所へ伝達すること、ここで、上記第二の場所は上記第一の場所と地理的に異なる:
を含む方法。 - 上記受容することは、上記第一の場所で、上記第二の場所から、少なくとも3の及び全てより少ない複数のベクトルが、上記生物学的サンプルが上記患者が上記疾患を有することを示すかどうかを決定するために必要であるという表示を受容することを含む、請求項14に記載の方法。
- 上記抽出することは上記第一の場所で上記データストリームを抽出することを含む、請求項14に記載の方法。
- 上記第一の場所で、上記第二の場所からの伝達を受容すること、ここで、上記伝達は上記生物学的サンプルが上記患者が上記疾患を有することを示すかどうかを表示する:
をさらに含む、請求項14に記載の方法。 - 上記必要なベクトルは第一のセットの必要なベクトルであり、及び:
要求を上記第一の場所から上記第二の場所へ伝達すること、ここで、上記要求は上記データストリームが分析されるべき第二の疾患の表示を含む;及び
上記生物学的サンプルが上記患者が上記第二の疾患を有することを示すかどうかを決定するために必要とされる少なくとも3の及び全てより少ない複数のベクトルである第二のセットの必要なベクトルの表示を受容すること、ここで、上記第二のセットの必要なベクトルは上記第一のセットの必要なベクトル中に含まれない少なくとも1のベクトルを有する:
をさらに含む、請求項14に記載の方法。 - 上記要求を伝達することは上記表示を受容することより前に起こる、請求項18に記載の方法。
- 上記データストリームは上記生物学的サンプルについてマススペクトル分析を行うことにより得られる、請求項14に記載の方法。
- 患者から取られた生物学的サンプルは第一の生物学的状態のものであるか又は第二の生物学的状態のものであるかを決定する方法であって:
少なくとも3の及び全てより少ないデータストリームの複数のベクトルを得るために上記生物学的サンプルの分析を行うことにより得られた、複数のベクトルを有するデータストリームを抽出すること;
上記抽出されたベクトルを第一の場所から第二の場所へ伝達すること、ここで、上記第二の場所は上記第一の場所と地理的に異なる;及び
上記生物学的サンプルは第一の状態のものであるか又は第二の状態のものであるかを示す伝達を受容すること:
を含む方法。 - 上記要求を伝達することは上記表示を受容することより前に起こる、請求項21に記載の方法。
- 診断モデルが上記モデルが適用される患者集団に正確に適用可能であるかどうかを決定する方法であって、上記モデルは患者の生物学的状態を決定するよう設定され、上記モデルは1セットのデータストリームに基づき、上記データストリームのそれぞれは既知の生物学的状態の患者から取られた生物学的サンプルの分析を行うことにより得られ、上記モデルは少なくとも3次元を有するベクトル空間中に位置される少なくとも1の診断クラスターを有し、それぞれの次元は上記1セットのデータストリーム中のデータストリームに共通のベクトルに対応し、上記診断クラスターは上記診断クラスターに対応する上記1セットのデータストリームからのベクトル位置に基づいたはじめの中心位置に位置される中心を有し:
ベクトルセットを受容すること、ここで、上記ベクトルセットは未知の生物学的状態の患者から取られた生物学的サンプルの分析を行うことにより得られたデータストリームからの少なくとも3のベクトルを含む;
上記ベクトルセットを上記ベクトル空間にマッピングすること;
上記ベクトルセットが上記診断クラスターに位置する場合、上記ベクトルセット及び上記診断クラスターに対応する上記1セットのデータストリームからのベクトル位置に基づいた上記クラスター中心の更新された位置を計算すること;
はじめの中心位置及び更新された中心位置の間の距離を決定すること;
はじめの中心位置及び更新された中心位置の間の距離が事前に決定された閾値より大きい場合、閾値を超えていることを示す出力を提供すること:
を含む、前記方法。 - はじめの中心位置及び更新された中心位置の間の距離が事前に決定された閾値より大きい場合、上記ベクトルセット及び既知の生物学的状態の生物学的サンプルに対応する上記データストリームに基づいた新規診断モデルを作出すること:
をさらに含む、請求項23に記載の方法。 - 上記出力は目に見える出力である、請求項23に記載の方法。
- 上記出力は第一の出力であり:
はじめの中心位置及び更新された中心位置の間の距離が閾値より小さい場合、閾値を超えていないことを示す第二の出力を提供すること:
をさらに含む、請求項23に記載の方法。 - 患者から取られた生物学的サンプルが上記患者が疾患を有することを示すかどうかを決定するよう設定されたモデルを更新する方法であって、上記モデルは1セットのデータストリームに基づき、上記データストリームのそれぞれは既知の生物学的状態の患者から取られた生物学的サンプルの分析を行うことにより得られ、上記モデルはベクトル空間中に位置される少なくとも1の診断クラスターを有し:
ベクトルセットを受容すること、ここで、上記ベクトルセットは未知の生物学的状態の患者から取られた生物学的サンプルの分析を行うことにより得られたデータストリームからの少なくとも3のベクトルを含む;
上記ベクトルセットを上記ベクトル空間にマッピングすること;
上記生物学的サンプルが上記患者が上記疾患を有することを示すかどうかを決定するために上記モデルを使用すること;
上記患者が上記疾患を有するかどうかを示す上記患者の臨床診断を受容すること;及び
上記1セットのデータストリーム及び上記ベクトルセットを用いて、患者から取られた生物学的サンプルが上記患者が上記疾患を有することを示すかどうかを決定するよう設定される他のモデルを作出すること:
を含む、前記方法。 - 未知の生物学的状態の患者に関連するデータストリームは上記生物学的サンプルについてマススペクトル分析を行うことにより得られる、請求項27に記載の方法。
- プロセッサーに:
上記生物学的サンプルの分析を行うことにより得られたデータストリームからの1セットのベクトルについての要求を伝達すること、ここで、上記データストリームは複数のベクトルを有し、上記1セットのベクトルは少なくとも3の及び全てより少ないデータストリームのベクトルを有する;
第一の場所で、第二の場所からの上記1セットのベクトルを受容すること、ここで、上記第二の場所は上記第一の場所と地理的に異なる;
診断を決定するために上記1セットのベクトルをモデルに適用すること、ここで、上記診断は上記生物学的サンプルが上記疾患を有する患者から取られたかどうかの表示を含む;及び
上記診断を伝達すること:
をさせる命令を表すコードを含む、プロセッサーで読取可能な媒体。 - プロセッサーに:
どの複数のベクターが、患者から取られた生物学的サンプルが上記患者が上記疾患を有することを示すかどうかを決定するために必要であるかの表示を受容すること;
少なくとも3の及び全てより少ないデータストリームの複数のベクトルを得るために、上記生物学的サンプルの分析を行うことにより得られた、複数のベクトルを有するデータストリームを抽出すること;及び
上記抽出されたベクトルを第一の場所から第二の場所へ伝達すること、ここで、上記第二の場所は上記第一の場所と地理的に異なる:
をさせる命令を表すコードを含む、プロセッサーで読取可能な媒体。 - 生物学的サンプルの生物学的状態を決定する方法であって:
上記生物学的サンプルの分析を行うことにより得られたデータストリームからの1セットのベクトルについての要求を伝達すること、ここで、上記データストリームは複数のベクトルを有し、上記1セットのベクトルは少なくとも3の及び全てより少ないデータストリームのベクトルを有する;
第一の場所で、第二の場所から上記1セットのベクトルを受容すること、ここで、上記第二の場所は上記第一の場所と地理的に異なる;
診断を決定するために上記1セットのベクトルをモデルに適用すること、ここで、上記診断は上記生物学的サンプルの生物学的状態の表示を含む;及び
上記診断を伝達すること:
を含む方法。 - 上記生物学的状態の表示は、上記生物学的サンプルが第一の状態のものであるか又は第二の状態のものであるかの表示である、請求項31に記載の方法。
- 上記第一の状態は疾患状態であり、上記第二の状態は健康な状態である、請求項32に記載の方法。
- 上記第一の状態は生物学的病原体の存在であり、上記第二の状態は上記生物学的病原体の不在である、請求項32に記載の方法。
- 上記第一の状態は生物学的毒素の存在である、請求項32に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US52847803P | 2003-12-11 | 2003-12-11 | |
US60/528,478 | 2003-12-11 | ||
PCT/US2004/041135 WO2005060608A2 (en) | 2003-12-11 | 2004-12-10 | Method of diagnosing biological states through the use of a centralized, adaptive model, and remote sample processing |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007518972A true JP2007518972A (ja) | 2007-07-12 |
JP4774534B2 JP4774534B2 (ja) | 2011-09-14 |
Family
ID=34710082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006543958A Expired - Fee Related JP4774534B2 (ja) | 2003-12-11 | 2004-12-10 | 集中化適応モデル及び遠隔操作サンプルプロセッシングの使用を介した生物学的状態の診断方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US7761239B2 (ja) |
EP (1) | EP1709442A4 (ja) |
JP (1) | JP4774534B2 (ja) |
CA (1) | CA2548842A1 (ja) |
WO (1) | WO2005060608A2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014130629A (ja) * | 2008-03-26 | 2014-07-10 | Theranos Inc | 臨床転帰を評価するための方法およびシステム |
WO2014155690A1 (ja) * | 2013-03-29 | 2014-10-02 | 富士通株式会社 | モデル更新方法、装置、およびプログラム |
WO2018139361A1 (ja) * | 2017-01-26 | 2018-08-02 | 大学共同利用機関法人情報・システム研究機構 | 情報処理システム、情報処理方法、及びプログラム |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001099043A1 (en) | 2000-06-19 | 2001-12-27 | Correlogic Systems, Inc. | Heuristic method of classification |
TW200407540A (en) * | 2002-07-29 | 2004-05-16 | Correlogic Systems Inc | Quality assurance for high-throughput bioassay methods cross-reference to related applications |
CA2508136A1 (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 |
EP1649281A4 (en) * | 2003-08-01 | 2007-11-07 | Correlogic Systems Inc | MULTIPLE HIGH RESOLUTION SERUM PROTEOMIC CHARACTERISTICS FOR THE DETECTION OF OVARIAN CANCER |
WO2007053170A2 (en) * | 2005-02-09 | 2007-05-10 | Correlogic Systems, Inc. | Identification of bacteria and spores |
WO2006124628A2 (en) * | 2005-05-12 | 2006-11-23 | Correlogic Systems, Inc. | A model for classifying a biological sample in relation to breast cancer based on mass spectral data |
WO2007069882A1 (en) * | 2005-12-13 | 2007-06-21 | Erasmus University Medical Center Rotterdam | Genetic brain tumor markers |
US7736905B2 (en) | 2006-03-31 | 2010-06-15 | Biodesix, Inc. | Method and system for determining whether a drug will be effective on a patient with a disease |
US20080201095A1 (en) * | 2007-02-12 | 2008-08-21 | Yip Ping F | Method for Calibrating an Analytical Instrument |
WO2009002621A2 (en) * | 2007-06-27 | 2008-12-31 | Roche Diagnostics Gmbh | Medical diagnosis, therapy, and prognosis system for invoked events and method thereof |
JP2010532484A (ja) | 2007-06-29 | 2010-10-07 | コレロジック システムズ,インコーポレイテッド | 卵巣癌のための予測マーカー |
CA2790928A1 (en) * | 2010-02-24 | 2011-09-01 | Biodesix, Inc. | Cancer patient selection for administration of therapeutic agents using mass spectral analysis |
US9151769B2 (en) * | 2010-07-02 | 2015-10-06 | Idexx Laboratories, Inc. | Automated calibration method and system for a diagnostic analyzer |
US10339464B2 (en) * | 2012-06-21 | 2019-07-02 | Philip Morris Products S.A. | Systems and methods for generating biomarker signatures with integrated bias correction and class prediction |
JP6269186B2 (ja) * | 2014-03-07 | 2018-01-31 | 富士通株式会社 | 分類方法、分類装置および分類プログラム |
US11580456B2 (en) | 2020-04-27 | 2023-02-14 | Bank Of America Corporation | System to correct model drift in machine learning application |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002006829A2 (en) * | 2000-07-18 | 2002-01-24 | Correlogic Systems, Inc. | A process for discriminating between biological states based on hidden patterns from biological data |
WO2003084393A1 (fr) * | 2002-04-09 | 2003-10-16 | Matsushita Electric Industrial Co., Ltd. | Systeme et procede de gestion de sante |
JP2003299624A (ja) * | 2002-04-09 | 2003-10-21 | Tama Tlo Kk | 遠隔診断支援システム |
Family Cites Families (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4075475A (en) | 1976-05-03 | 1978-02-21 | Chemetron Corporation | Programmed thermal degradation-mass spectrometry analysis method facilitating identification of a biological specimen |
US4697242A (en) | 1984-06-11 | 1987-09-29 | Holland John H | Adaptive computing system capable of learning and discovery |
US4881178A (en) | 1987-05-07 | 1989-11-14 | The Regents Of The University Of Michigan | Method of controlling a classifier system |
US5697369A (en) | 1988-12-22 | 1997-12-16 | Biofield Corp. | Method and apparatus for disease, injury and bodily condition screening or sensing |
WO1991014990A1 (en) | 1990-03-28 | 1991-10-03 | Koza John R | Non-linear genetic algorithms for solving problems by finding a fit composition of functions |
US5627040A (en) | 1991-08-28 | 1997-05-06 | Becton Dickinson And Company | Flow cytometric method for autoclustering cells |
DE69333288T2 (de) | 1992-09-01 | 2004-08-26 | Apple Computer, Inc., Cupertino | Verbesserte vektorquantisierung |
US5790761A (en) | 1992-12-11 | 1998-08-04 | Heseltine; Gary L. | Method and apparatus for the diagnosis of colorectal cancer |
US5352613A (en) | 1993-10-07 | 1994-10-04 | Tafas Triantafillos P | Cytological screening method |
US6025128A (en) | 1994-09-29 | 2000-02-15 | The University Of Tulsa | Prediction of prostate cancer progression by analysis of selected predictive parameters |
WO1996012187A1 (en) | 1994-10-13 | 1996-04-25 | Horus Therapeutics, Inc. | Computer assisted methods for diagnosing diseases |
GB2301897B (en) | 1995-06-08 | 1999-05-26 | Univ Wales Aberystwyth The | Composition analysis |
JP3284257B2 (ja) * | 1995-06-09 | 2002-05-20 | セイコーエプソン株式会社 | プリンタ |
KR100197580B1 (ko) | 1995-09-13 | 1999-06-15 | 이민화 | 무선 통신망을 이용한 실시간 생체신호모니터링시스템 |
US5716825A (en) | 1995-11-01 | 1998-02-10 | Hewlett Packard Company | Integrated nucleic acid analysis system for MALDI-TOF MS |
US5687716A (en) | 1995-11-15 | 1997-11-18 | Kaufmann; Peter | Selective differentiating diagnostic process based on broad data bases |
US5839438A (en) | 1996-09-10 | 1998-11-24 | Neuralmed, Inc. | Computer-based neural network system and method for medical diagnosis and interpretation |
US6421612B1 (en) | 1996-11-04 | 2002-07-16 | 3-Dimensional Pharmaceuticals Inc. | System, method and computer program product for identifying chemical compounds having desired properties |
US6571227B1 (en) | 1996-11-04 | 2003-05-27 | 3-Dimensional Pharmaceuticals, Inc. | Method, system and computer program product for non-linear mapping of multi-dimensional data |
AU735416B2 (en) | 1996-11-06 | 2001-07-05 | Sequenom, Inc. | Dna diagnostics based on mass spectrometry |
US5905258A (en) | 1997-06-02 | 1999-05-18 | Advanced Research & Techology Institute | Hybrid ion mobility and mass spectrometer |
US6081797A (en) | 1997-07-09 | 2000-06-27 | American Heuristics Corporation | Adaptive temporal correlation network |
US5974412A (en) | 1997-09-24 | 1999-10-26 | Sapient Health Network | Intelligent query system for automatically indexing information in a database and automatically categorizing users |
AU2534999A (en) | 1998-02-13 | 1999-08-30 | Oxford Glycosciences (Uk) Limited | Methods and compositions for diagnosis of hepatoma |
GB9805477D0 (en) | 1998-03-13 | 1998-05-13 | Oxford Glycosciences Limited | Methods and compositions for diagnosis of rheumatoid arthritis |
US6128608A (en) | 1998-05-01 | 2000-10-03 | Barnhill Technologies, Llc | Enhancing knowledge discovery using multiple support vector machines |
US6723564B2 (en) | 1998-05-07 | 2004-04-20 | Sequenom, Inc. | IR MALDI mass spectrometry of nucleic acids using liquid matrices |
JP2002514762A (ja) | 1998-05-09 | 2002-05-21 | アイコニシス,インコーポレーテッド | コンピュータによって制御された、胎児細胞を含む希少細胞に基づく診断のための方法および装置 |
AU1133200A (en) | 1998-10-26 | 2000-05-15 | Visionary Medical, Inc. | Prescription-controlled data collection system and method |
CA2359649A1 (en) | 1999-02-16 | 2000-08-24 | Lance A. Liotta | Lcm (laser capture microdissection) for cellular protein analysis |
GB9905817D0 (en) | 1999-03-12 | 1999-05-05 | Oxford Glycosciences Uk Ltd | Methods |
US6329652B1 (en) | 1999-07-28 | 2001-12-11 | Eastman Kodak Company | Method for comparison of similar samples in liquid chromatography/mass spectrometry |
US6615199B1 (en) | 1999-08-31 | 2003-09-02 | Accenture, Llp | Abstraction factory in a base services pattern environment |
WO2001020043A1 (en) | 1999-09-17 | 2001-03-22 | Affymetrix, Inc. | Method of cluster analysis of gene expression profiles |
AU779635B2 (en) | 1999-10-27 | 2005-02-03 | Health Discovery Corporation | Methods and devices for identifying patterns in biological systems and methods for uses thereof |
AU1350501A (en) | 1999-10-27 | 2001-05-08 | Barnhill Technologies, Llc | Methods and devices for identifying patterns in biological systems and methods for uses thereof |
DE10021737C2 (de) | 2000-05-04 | 2002-10-17 | Hermann Haller | Verfahren und Vorrichtung zur qualitativen und/oder quantitativen Bestimmung eines Protein- und/oder Peptidmusters einer Flüssigkeitsprobe, die dem menschlichen oder tierischen Körper entnommen wird |
WO2001099043A1 (en) | 2000-06-19 | 2001-12-27 | Correlogic Systems, Inc. | Heuristic method of classification |
US6680203B2 (en) | 2000-07-10 | 2004-01-20 | Esperion Therapeutics, Inc. | Fourier transform mass spectrometry of complex biological samples |
WO2002007064A2 (en) | 2000-07-17 | 2002-01-24 | Labnetics, Inc. | Method and apparatus for the processing of remotely collected electronic information characterizing properties of biological entities |
JP2004536276A (ja) | 2000-11-16 | 2004-12-02 | シファーゲン バイオシステムズ, インコーポレイテッド | 質量スペクトルを分析する方法 |
EP1459235B1 (en) | 2001-01-24 | 2011-01-19 | Health Discovery Corporation | Methods of identifying patterns in biological systems and uses thereof |
WO2002079491A2 (en) | 2001-02-16 | 2002-10-10 | Ciphergen Biosystems, Inc. | Method for correlating gene expression profiles with protein expression profiles |
WO2002086168A1 (en) | 2001-04-19 | 2002-10-31 | Ciphergen Biosystems, Inc. | Biomolecule characterization using mass spectrometry and affinity tags |
US20020160420A1 (en) | 2001-04-30 | 2002-10-31 | George Jackowski | Process for diagnosis of physiological conditions by characterization of proteomic materials |
EP1421381A1 (en) | 2001-08-03 | 2004-05-26 | The General Hospital Corporation | System, process and diagnostic arrangement establishing and monitoring medication doses for patients |
WO2003017177A2 (en) | 2001-08-13 | 2003-02-27 | Beyong Genomics, Inc. | Method and system for profiling biological systems |
US20020193950A1 (en) | 2002-02-25 | 2002-12-19 | Gavin Edward J. | Method for analyzing mass spectra |
TW200407540A (en) * | 2002-07-29 | 2004-05-16 | Correlogic Systems Inc | Quality assurance for high-throughput bioassay methods cross-reference to related applications |
JP4585167B2 (ja) | 2002-11-29 | 2010-11-24 | 東芝医用システムエンジニアリング株式会社 | X線コンピュータ断層撮影システム |
US7311665B2 (en) | 2003-05-19 | 2007-12-25 | Alcohol Monitoring Systems, Inc. | Bio-information sensor monitoring system and method |
IL163061A (en) | 2004-07-15 | 2007-07-24 | Meddynamics Ltd | System and method for administration of on-line healthcare |
-
2004
- 2004-12-10 JP JP2006543958A patent/JP4774534B2/ja not_active Expired - Fee Related
- 2004-12-10 CA CA002548842A patent/CA2548842A1/en not_active Abandoned
- 2004-12-10 EP EP04813454A patent/EP1709442A4/en not_active Withdrawn
- 2004-12-10 WO PCT/US2004/041135 patent/WO2005060608A2/en active Application Filing
- 2004-12-10 US US11/008,784 patent/US7761239B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002006829A2 (en) * | 2000-07-18 | 2002-01-24 | Correlogic Systems, Inc. | A process for discriminating between biological states based on hidden patterns from biological data |
WO2003084393A1 (fr) * | 2002-04-09 | 2003-10-16 | Matsushita Electric Industrial Co., Ltd. | Systeme et procede de gestion de sante |
JP2003299624A (ja) * | 2002-04-09 | 2003-10-21 | Tama Tlo Kk | 遠隔診断支援システム |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014130629A (ja) * | 2008-03-26 | 2014-07-10 | Theranos Inc | 臨床転帰を評価するための方法およびシステム |
WO2014155690A1 (ja) * | 2013-03-29 | 2014-10-02 | 富士通株式会社 | モデル更新方法、装置、およびプログラム |
JP6004084B2 (ja) * | 2013-03-29 | 2016-10-05 | 富士通株式会社 | モデル更新方法、装置、およびプログラム |
JPWO2014155690A1 (ja) * | 2013-03-29 | 2017-02-16 | 富士通株式会社 | モデル更新方法、装置、およびプログラム |
US9646265B2 (en) | 2013-03-29 | 2017-05-09 | Fujitsu Limited | Model updating method, model updating device, and recording medium |
WO2018139361A1 (ja) * | 2017-01-26 | 2018-08-02 | 大学共同利用機関法人情報・システム研究機構 | 情報処理システム、情報処理方法、及びプログラム |
JPWO2018139361A1 (ja) * | 2017-01-26 | 2019-12-12 | 大学共同利用機関法人情報・システム研究機構 | 情報処理システム、情報処理方法、及びプログラム |
JP7008979B2 (ja) | 2017-01-26 | 2022-01-25 | 大学共同利用機関法人情報・システム研究機構 | 情報処理システム、情報処理方法、及びプログラム |
US11551788B2 (en) | 2017-01-26 | 2023-01-10 | Inter-University Research Institute Corporation Research Organization Of Information And Systems | Information processing system, information processing method, and program |
Also Published As
Publication number | Publication date |
---|---|
CA2548842A1 (en) | 2005-07-07 |
EP1709442A2 (en) | 2006-10-11 |
JP4774534B2 (ja) | 2011-09-14 |
WO2005060608A2 (en) | 2005-07-07 |
US20050209786A1 (en) | 2005-09-22 |
WO2005060608A3 (en) | 2006-08-17 |
EP1709442A4 (en) | 2010-01-20 |
US7761239B2 (en) | 2010-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4774534B2 (ja) | 集中化適応モデル及び遠隔操作サンプルプロセッシングの使用を介した生物学的状態の診断方法 | |
Viswanath et al. | Assessing exhaustiveness of stochastic sampling for integrative modeling of macromolecular structures | |
RU2533500C2 (ru) | Система и способ для объединения клинических признаков и признаков изображений для диагностики с применением компьютера | |
Petricoin et al. | Use of proteomic patterns in serum to identify ovarian cancer | |
US20170091302A1 (en) | Method and apparatus for representing multidimensional data | |
JP6006081B2 (ja) | 疾患診断のための最適の診断要素セット決定装置及び方法 | |
CN116756579B (zh) | 大语言模型的训练方法及基于大语言模型的文本处理方法 | |
Reinke et al. | Understanding metric-related pitfalls in image analysis validation | |
CN105096225A (zh) | 辅助疾病诊疗的分析系统、装置及方法 | |
JP6715451B2 (ja) | マススペクトル解析システム,方法およびプログラム | |
CN112117011A (zh) | 基于人工智能的传染病早期风险预警方法、装置 | |
US20020120183A1 (en) | Network for evaluating data obtained in a biochip measurement device | |
JP2005501625A (ja) | データ評価のための方法およびシステムならびに対応のコンピュータプログラム製品および対応のコンピュータ読取可能な記録媒体 | |
Lazzarini et al. | A machine learning model on Real World Data for predicting progression to Acute Respiratory Distress Syndrome (ARDS) among COVID-19 patients | |
Renshaw | Rescreening in cervical cytology for quality control: When bad data is worse than no data or what works, what doesn't, and why | |
EP3701538A1 (en) | Automatically generating rules for lab instruments | |
WO2021183769A1 (en) | Method for predicting disease state, therapeutic response, and outcomes by spatial biomarkers | |
Listgarten et al. | Practical proteomic biomarker discovery: taking a step back to leap forward | |
Williams et al. | Using string metrics to identify patient journeys through care pathways | |
JP2005038256A (ja) | 有効因子情報選択装置、有効因子情報選択方法、プログラム、および、記録媒体 | |
Batson et al. | A comparison of group testing architectures for COVID-19 testing | |
Follmann | Reliably picking the best endpoint | |
Bazant et al. | Improved eukaryotic detection compatible with large-scale automated analysis of metagenomes | |
Reilly et al. | Visualisation and pre-processing of peptide microarray data | |
JP2004187562A (ja) | Dnaマイクロアレイデータ解析方法、dnaマイクロアレイデータ解析装置、プログラム、および、記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20071210 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100907 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20101206 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20101213 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110307 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110405 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110506 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110511 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20110606 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110606 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20110608 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140708 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |