JP2022111352A - 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 - Google Patents
数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2022111352A JP2022111352A JP2022094292A JP2022094292A JP2022111352A JP 2022111352 A JP2022111352 A JP 2022111352A JP 2022094292 A JP2022094292 A JP 2022094292A JP 2022094292 A JP2022094292 A JP 2022094292A JP 2022111352 A JP2022111352 A JP 2022111352A
- Authority
- JP
- Japan
- Prior art keywords
- patient
- model
- specific
- dosing
- therapeutic agent
- 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
- 238000000034 method Methods 0.000 title claims abstract description 151
- 238000013178 mathematical model Methods 0.000 title claims abstract description 138
- 230000004044 response Effects 0.000 claims abstract description 233
- 239000003814 drug Substances 0.000 claims abstract description 100
- 229940079593 drug Drugs 0.000 claims abstract description 75
- 230000006870 function Effects 0.000 claims description 104
- 239000002131 composite material Substances 0.000 claims description 63
- 238000012935 Averaging Methods 0.000 claims description 44
- 229960000598 infliximab Drugs 0.000 claims description 25
- 229940124597 therapeutic agent Drugs 0.000 claims description 25
- 238000011282 treatment Methods 0.000 claims description 25
- 230000001225 therapeutic effect Effects 0.000 claims description 20
- 239000008280 blood Substances 0.000 claims description 18
- 210000004369 blood Anatomy 0.000 claims description 18
- 201000010099 disease Diseases 0.000 claims description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims 2
- 238000011285 therapeutic regimen Methods 0.000 claims 1
- 230000036765 blood level Effects 0.000 description 23
- 230000008569 process Effects 0.000 description 18
- 239000003795 chemical substances by application Substances 0.000 description 17
- 238000012360 testing method Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 13
- 238000013459 approach Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000007620 mathematical function Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000009533 lab test Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 4
- 230000036772 blood pressure Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000002651 drug therapy Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 239000004072 C09CA03 - Valsartan Substances 0.000 description 2
- 241001289753 Graphium sarpedon Species 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 238000010420 art technique Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000037396 body weight Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005534 hematocrit Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003285 pharmacodynamic effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 231100000946 Benchmark Dose Toxicity 0.000 description 1
- 206010009900 Colitis ulcerative Diseases 0.000 description 1
- 206010011878 Deafness Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 201000006704 Ulcerative Colitis Diseases 0.000 description 1
- 229960003697 abatacept Drugs 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229940126575 aminoglycoside Drugs 0.000 description 1
- 229940125364 angiotensin receptor blocker Drugs 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 238000013476 bayesian approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011240 pooled analysis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- ACWBQPMHZXGDFX-QFIPXVFZSA-N valsartan Chemical compound C1=CC(CN(C(=O)CCCC)[C@@H](C(C)C)C(O)=O)=CC=C1C1=CC=CC=C1C1=NN=NN1 ACWBQPMHZXGDFX-QFIPXVFZSA-N 0.000 description 1
- 229960004699 valsartan Drugs 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Hematology (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)
Abstract
Description
本発明の実施形態において、例えば以下の項目が提供される。
(項目1)
コンピュータ化薬剤投与計画推奨システムを使用して、薬剤を用いた治療のための患者特有の投与計画を提供するための方法であって、前記システムは、マイクロプロセッサと、メモリと、複数の数学モデルとを備え、各モデルは、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表し、前記方法は、
前記複数の数学モデルおよび前記モデルの前記共変量患者因子に対応する特定の患者の特性の関数としての複合モデルであって、前記複合モデルは、共変量患者因子として前記特定の患者の特性を有する典型的な患者についての応答プロファイルを表す、複合モデルを作成し、
前記複合モデルの関数として第1の複数の提案された投与計画の各々についての典型的な患者応答を予測し、
前記特定の患者の特性を有する典型的な患者に好適である推奨される典型的な投与計画を選択し、
前記システムからの出力として、前記推奨される典型的な投与計画を提供し、
施行された投与計画への前記特定の患者の観察された応答を反映するデータを受信し、
対応する複数の更新された患者特有の数学モデルを作成するように、前記観察された患者応答データの関数として前記複数の数学モデルの各々を更新し、
更新された患者特有の複合モデルを作り出すように、各更新された患者特有の数学モデルを処理し、
前記更新された患者特有の複合モデルの関数として、第2の複数の提案された投与計画の各々についての患者特有の応答を予測し、
前記特定の患者に好適である、推奨された患者特有の投与計画を選択し、
前記システムからの出力として、前記推奨された患者特有の投与計画を提供するように、
前記システムを動作させることを含む、方法。
(項目2)
前記複合モデルは、ベイジアンモデル平均化技法を使用して、前記複数の数学モデルを処理することによって作り出される、項目1に記載の方法。
(項目3)
前記典型的な患者応答は、ベイジアン予測技法を使用して、前記複合モデルを処理することによって予測される、項目1に記載の方法。
(項目4)
前記典型的な患者応答を予測することは、前記システムが、
入力として複数の提案された投与計画を受信することと、
前記複数の提案された投与計画の各々について、対応する典型的な患者応答を予測することと
を含む、項目1に記載の方法。
(項目5)
推奨される典型的な投与計画を選択することは、前記システムが、前記予測された典型的な患者応答から、前記特定の患者の特性を有する典型的な患者に好適である推奨される典型的な投与計画を選択することを含み、前記推奨される典型的な投与計画は、所定の基準を満たすために選択される、項目4に記載の方法。
(項目6)
出力として前記推奨される典型的な投与計画を提供することは、複数の代替的な推奨される典型的な投与計画を含むリストを出力することを含む、項目4に記載の方法。
(項目7)
典型的な患者応答を予測することは、前記システムが、
所定の論理に従って、複数の提案された投与計画を自動的に選択することと、 前記複数の提案された投与計画の各々についての典型的な患者応答を予測することと
を含む、項目1に記載の方法。
(項目8)
所定の論理に従って、前記複数の提案された投与計画を自動的に選択することは、提案された投与計画への予測された典型的な患者応答の関数として、次の提案された投与計画を選択することを含む、項目7に記載の方法。
(項目9)
前記所定の論理は、治療目的を最も良く満たす、対応する予測された典型的な患者応答を提供するように、前記複数の提案された投与計画の選択を提供する、項目8に記載の方法。
(項目10)
前記所定の論理は、目的関数の最小値を見出すように、前記複数の提案された投与計画の選択を提供する、項目8に記載の方法。
(項目11)
前記所定の論理は、目的関数の大域的最小値を見出すように、前記複数の提案された投与計画の選択を提供する、項目8に記載の方法。
(項目12)
前記システムが、前記予測された典型的な患者応答から、前記特定の患者の特性を有する典型的な患者に好適である推奨される典型的な投与計画を選択することをさらに含み、前記推奨される典型的な投与計画は、所定の基準を満たすために選択される、項目7に記載の方法。
(項目13)
前記システムが、出力として、前記推奨される典型的な投与計画を提供することをさらに含む、項目12に記載の方法。
(項目14)
前記システムが、出力として、複数の推奨される典型的な投与計画を含むリストを提供することをさらに含む、項目12に記載の方法。
(項目15)
前記患者特有の応答を予測することは、前記システムが、
入力として複数の提案された投与計画を受信することと、
前記複数の提案された投与計画の各々について、対応する患者特有の応答を予測することと
を含む、項目1に記載の方法。
(項目16)
推奨された患者特有の投与計画を選択することは、前記システムが、前記予測された患者特有の応答から、前記特定の患者に好適である、推奨された患者特有の投与計画を選択することを含み、前記推奨された患者特有の投与計画は、所定の基準を満たすために選択される、項目1に記載の方法。
(項目17)
出力として、前記推奨された患者特有の投与計画を提供することは、複数の代替的な推奨された患者特有の投与計画を含むリストを出力することを含む、項目1に記載の方法。
(項目18)
患者特有の応答を予測することは、前記システムが、
所定の論理に従って、複数の提案された投与計画を自動的に選択することと、
前記複数の提案された投与計画の各々についての患者特有の応答を予測することと
を含む、項目1に記載の方法。
(項目19)
所定の論理に従って、前記複数の提案された投与計画を自動的に選択することは、提案された投与計画への予測された患者特有の応答の関数として、次の提案された投与計画を選択することを含む、項目18に記載の方法。
(項目20)
前記所定の論理は、治療目的を最も良く満たす、対応する予測された患者特有の応答を提供するように、前記複数の提案された投与計画の選択を提供する、項目18に記載の方法。
(項目21)
前記所定の論理は、目的関数の最小値を見出すように、前記複数の提案された投与計画の選択を提供する、項目18に記載の方法。
(項目22)
前記所定の論理は、目的関数の大域的最小値を見出すように、前記複数の提案された投与計画の選択を提供する、項目18に記載の方法。
(項目23)
前記システムが、前記予測された患者特有の応答から、前記特定の患者に好適である、推奨された患者特有の投与計画を選択することをさらに含み、前記推奨される典型的な投与計画は、所定の基準を満たすために選択される、項目17に記載の方法。
(項目24)
前記システムが、出力として、前記推奨された患者特有の投与計画を提供することをさらに含む、項目23に記載の方法。
(項目25)
前記システムが、出力として、複数の推奨された患者特有の投与計画を含むリストを提供することをさらに含む、項目23に記載の方法。
(項目26)
前記複数の数学モデルの各々は、ベイジアン更新技法を使用して前記複数の数学モデルの各々を処理することによって更新される、項目1に記載の方法。
(項目27)
各更新された患者特有の数学モデルは、ベイジアンモデル平均化技法を使用して処理される、項目1に記載の方法。
(項目28)
前記患者特有の応答は、ベイジアン予測技法を使用して前記更新された患者特有の数学モデルを処理することによって予測される、項目1に記載の方法。
(項目29)
前記推奨される典型的な投与計画は、一式の典型的な投与計画の間から選択され、前記推奨される典型的な投与計画は、所定の基準に密接に合致する、関連する予測された患者応答を提供するために選択される、項目1に記載の方法。
(項目30)
前記所定の基準は、標的患者応答である、項目29に記載の方法。
(項目31)
前記推奨された患者特有の投与計画は、一式の患者特有の投与計画の間から選択され、前記推奨された患者特有の投与計画は、所定の基準に密接に合致する、関連する予測された患者応答を提供するために選択される、項目1に記載の方法。
(項目32)
前記所定の基準は、標的患者応答である、項目31に記載の方法。
(項目33)
前記共変量患者因子は、血液濃度レベル、血圧示度、および、ヘマトクリットレベルから成る群から選択される少なくとも1つの共変量患者因子を含む、項目1に記載の方法。
(項目34)
コンピュータ化薬剤投与計画推奨システムを使用して、薬剤を用いた治療のための患者特有の投与計画を提供するための方法であって、前記システムは、マイクロプロセッサと、メモリと、複数の数学モデルとを備え、前記複数の数学モデルの各々は、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表し、前記方法は、
前記複数の数学モデルおよび前記モデルの前記共変量患者因子に対応する特定の患者の特性の関数としての複合モデルであって、前記複合モデルは、共変量患者因子として前記特定の患者の特性を有する典型的な患者についての応答プロファイルを表す、複合モデルを作り出すようにベイジアンモデル平均化を行い、
ベイジアン予測を行うことにより、前記複合モデルの関数として第1の複数の提案された投与計画の各々についての典型的な患者応答を予測するように、前記複合モデルを処理し、
一式の予測された典型的な患者応答から、前記特定の患者の特性を有する典型的な患者に好適である推奨される典型的な投与計画であって、前記推奨される典型的な投与計画は、所定の標的応答を達成するように選択される推奨される、典型的な投与計画を選択し、
前記システムからの出力として、前記推奨される典型的な投与計画を提供し、
施行された投与計画への前記特定の患者の観察された応答を反映するデータを受信し、
前記観察された患者応答データの関数として前記複数の数学モデルの各々を更新することにより、対応する複数の更新された患者特有の数学モデルを作成するように、ベイジアン更新を行い、
更新された患者特有の複合モデルを作り出すように、前記複数の更新された患者特有の数学モデルのベイジアンモデル平均化を行い、
前記更新された患者特有の複合モデルの関数として、第2の複数の提案された投与計画の各々についての患者特有の応答を予測するように、ベイジアン予測を行い、
一式の予測された患者特有の応答から、前記特定の患者に好適である、推奨された患者特有の投与計画であって、前記推奨された患者特有の投与計画は、前記所定の標的応答を達成するように選択される、推奨された患者特有の投与計画を選択し、
前記システムからの出力として、前記推奨された患者特有の投与計画を提供するように、
前記システムを動作させることを含む、方法。
(項目35)
コンピュータ化薬剤投与計画推奨システムを使用して、薬剤を用いた治療のための患者特有の投与計画を提供するための方法であって、前記システムは、マイクロプロセッサと、メモリと、複数の数学モデルとを備え、前記複数の数学モデルの各々は、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表し、前記方法は、
前記複数の数学モデルおよび前記モデルの前記共変量患者因子に対応する特定の患者の特性の関数としての複合モデルであって、前記複合モデルは、共変量患者因子として前記特定の患者の特性を有する典型的な患者についての応答プロファイルを表す、複合モデルを作り出すようにベイジアンモデル平均化を行い、
ベイジアン予測を行うことにより、前記複合モデルの関数として第1の複数の提案された投与計画の各々についての典型的な患者応答を予測するように、前記複合モデルを処理し、
一式の予測された典型的な患者応答から、前記特定の患者の特性を有する典型的な患者に好適である推奨される典型的な投与計画であって、前記推奨される典型的な投与計画は、所定の標的応答を達成するように選択される、推奨される典型的な投与計画を選択し、
前記システムからの出力として、前記推奨される典型的な投与計画を提供するように、前記システムを動作させることを含む、方法。
(項目36)
コンピュータ化薬剤投与計画推奨システムを使用して、薬剤を用いた治療のための患者特有の投与計画を提供するための方法であって、前記システムは、マイクロプロセッサと、メモリと、複数の数学モデルとを備え、前記複数の数学モデルの各々は、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表し、前記方法は、
前記複数の数学モデルおよび前記モデルの前記共変量患者因子に対応する特定の患者の特性の関数としての複合モデルであって、前記複合モデルは、共変量患者因子として前記特定の患者の特性を有する典型的な患者についての応答プロファイルを表す、複合モデルを作り出すようにベイジアンモデル平均化を行い、
施行された投与計画への前記特定の患者の観察された応答を反映するデータを受信し、
対応する複数の更新された患者特有の数学モデルを作成するように、前記観察された患者応答データの関数として、前記複数の数学モデルの各々にベイジアン更新を行い、
更新された患者特有の複合モデルを作り出すように、前記複数の更新された患者特有の数学モデルのベイジアンモデル平均化を行い、
前記システムからの出力として、前記更新された患者特有の複合モデルを提供するように、
前記システムを動作させることを含む、方法。
(項目37)
コンピュータ化薬剤投与計画推奨システムを使用して、薬剤を用いた治療のための患者特有の投与計画を提供するための方法であって、前記システムは、マイクロプロセッサと、メモリと、少なくとも1つの数学モデルとを備え、各数学モデルは、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表し、前記方法は、
ベイジアン予測を行うことにより、前記モデルの関数として、第1の複数の提案された投与計画の各々についての典型的な患者応答を予測するように、前記モデルを処理し、
一式の予測された典型的な患者応答から、前記特定の患者の特性を有する典型的な患者に好適である推奨される典型的な投与計画であって、前記推奨される典型的な投与計画は、所定の標的応答を達成するように選択される、推奨される典型的な投与計画を選択し、
前記システムからの出力として、前記推奨される典型的な投与計画を提供し、
施行された投与計画への前記特定の患者の観察された応答を反映するデータを受信し、
対応する更新された患者特有の数学モデルを作成するように、前記観察された患者応答データの関数として、各数学モデルにベイジアン更新を行い、
各更新された患者特有のモデルの関数として、第2の複数の提案された投与計画の各々についての患者特有の応答を予測するように、ベイジアン予測を行い、
一式の予測された患者特有の応答から、前記特定の患者に好適である推奨された患者特有の投与計画であって、前記推奨された患者特有の投与計画は、前記所定の標的応答を達成するように選択される、推奨された患者特有の投与計画を選択し、
前記システムからの出力として、前記推奨された患者特有の投与計画を提供するように、
前記システムを動作させることを含む、方法。
(項目38)
コンピュータ化薬剤投与計画推奨システムを使用して、薬剤を用いた治療のための患者特有の投与計画を提供するための方法であって、前記システムは、マイクロプロセッサと、メモリと、少なくとも1つの数学モデルとを備え、各数学モデルは、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表し、前記方法は、
施行された投与計画への前記特定の患者の観察された応答を反映するデータを受信し、
対応する更新された患者特有の数学モデルを作成するように、前記観察された患者応答データの関数として、各数学モデルにベイジアン更新を行い、
各更新された患者特有のモデルの関数として、第2の複数の提案された投与計画の各々についての患者特有の応答を予測するように、ベイジアン予測を行い、
一式の予測された患者特有の患者応答から、前記特定の患者に好適である推奨された患者特有の投与計画であって、前記推奨された患者特有の投与計画は、前記所定の標的応答を達成するように選択される、推奨された患者特有の投与計画を選択し、
前記システムからの出力として、前記推奨された患者特有の投与計画を提供するように、
前記システムを動作させることを含む、方法。
(項目39)
コンピュータ化薬剤投与計画推奨システムを使用して、薬剤を用いた治療のための患者特有の投与計画を提供するための方法であって、前記システムは、マイクロプロセッサと、メモリと、少なくとも1つの数学モデルとを備え、各数学モデルは、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表し、前記方法は、
ベイジアン予測を行うことにより、前記モデルの関数として、第1の複数の提案された投与計画の各々についての典型的な患者応答を予測するように、前記モデルを処理し、
一式の予測された患者特有の患者応答から、前記特定の患者の特性を有する典型的な患者に好適である推奨される典型的な投与計画であって、前記推奨される典型的な投与計画は、所定の標的応答を達成するように選択される、推奨される典型的な投与計画を選択し、
前記システムからの出力として、前記推奨される典型的な投与計画を提供し、
施行された投与計画への前記特定の患者の観察された応答を反映するデータを受信し、
対応する更新された患者特有の数学モデルを作成するように、前記観察された患者応答データの関数として、各数学モデルにベイジアン更新を行い、
前記システムからの出力として、前記更新された患者特有の数学モデルを提供するように、
前記システムを動作させることを含む、方法。
(項目40)
薬剤を用いた治療のために患者特有の投与計画を提供するためのシステムであって、前記システムは、
マイクロプロセッサと、
前記マイクロプロセッサに動作可能に接続されたメモリと、
複数の数学モデルであって、前記複数の数学モデルの各々は、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表す、複数の数学モデルと、
項目1に記載の方法を実行するように前記システムを動作させるための、前記メモリに記憶されたマイクロプロセッサ実行可能命令と
を備える、システム。
(項目41)
薬剤を用いた治療のために患者特有の投与計画を提供するためのシステムであって、前記システムは、
マイクロプロセッサと、
前記マイクロプロセッサに動作可能に接続されたメモリと、
複数の数学モデルであって、前記複数の数学モデルの各々は、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表す、複数の数学モデルと、
項目34に記載の方法を実行するように前記システムを動作させるための、前記メモリに記憶されたマイクロプロセッサ実行可能命令と
を備える、システム。
(項目42)
薬剤を用いた治療のために患者特有の投与計画を提供するためのシステムであって、前記システムは、
マイクロプロセッサと、
前記マイクロプロセッサに動作可能に接続されたメモリと、
複数の数学モデルであって、前記複数の数学モデルの各々は、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表す、複数の数学モデルと、
項目35に記載の方法を実行するように前記システムを動作させるための、前記メモリに記憶されたマイクロプロセッサ実行可能命令と
を備える、システム。
(項目43)
薬剤を用いた治療のために患者特有の投与計画を提供するためのシステムであって、前記システムは、
マイクロプロセッサと、
前記マイクロプロセッサに動作可能に接続されたメモリと、
複数の数学モデルであって、前記複数の数学モデルの各々は、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表す、複数の数学モデルと、
項目36に記載の方法を実行するように前記システムを動作させるための、前記メモリに記憶されたマイクロプロセッサ実行可能命令と
を備える、システム。
(項目44)
薬剤を用いた治療のために患者特有の投与計画を提供するためのシステムであって、前記システムは、
マイクロプロセッサと、
前記マイクロプロセッサに動作可能に接続されたメモリと、
複数の数学モデルであって、前記複数の数学モデルの各々は、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表す、複数の数学モデルと、
項目37に記載の方法を実行するように前記システムを動作させるための、前記メモリに記憶されたマイクロプロセッサ実行可能命令と
を備える、システム。
(項目45)
薬剤を用いた治療のために患者特有の投与計画を提供するためのシステムであって、前記システムは、
マイクロプロセッサと、
前記マイクロプロセッサに動作可能に接続されたメモリと、
複数の数学モデルであって、前記複数の数学モデルの各々は、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表す、複数の数学モデルと、
項目38に記載の方法を実行するように前記システムを動作させるための、前記メモリに記憶されたマイクロプロセッサ実行可能命令と
を備える、システム。
(項目46)
薬剤を用いた治療のために患者特有の投与計画を提供するためのシステムであって、前記システムは、
マイクロプロセッサと、
前記マイクロプロセッサに動作可能に接続されたメモリと、
複数の数学モデルであって、前記複数の数学モデルの各々は、前記薬剤を用いて治療される患者集団についての応答プロファイルを表し、各モデルはさらに、共変量患者因子の関数として典型的な患者応答を表す、複数の数学モデルと、
項目39に記載の方法を実行するように前記システムを動作させるための、前記メモリに記憶されたマイクロプロセッサ実行可能命令と
を備える、システム。
Science 1999, 14(4)382-417で提供されている。
Larry M. “Specification Uncertainty and
Model Averaging.” American Journal of Political Science 41:641-674; 1997参照)、交通流量および事故率の評価(例えば、Demirhan H Hamurkaroglu C
“An Application of Bayesian Model Averaging Approach to Traffic Accidents Data Over Hierarchical Log-Linear Models” Journal of Data Science 7:497-511; 2009参照)、および毒物学評価(例えば、Morales KH, Ibrahim JG, Chen C-H Ryan LM “Bayesian Model Averaging With Applications to Benchmark Dose Estimation for Arsenic in Drinking Water” JASA 101(473):9-17, 2006参照)との関連で周知である。
Ensembles” Mon. Wea. Rev., 133, 1155-1174; 2005を参照されたい。
to dose-individualization for once-daily aminoglycoside regimens Br J Clin Pharmacol. 1997; 43(2): 125-135を参照されたい。
Claims (21)
- 個人化された治療薬投与計画を提供するための薬剤投与計画推奨システムであって、
前記システムは、メモリに結合されているプロセッサを備え、
前記プロセッサは、
(i)前記メモリに格納されている第1のモデルであって、人口における複数の患者の血液における治療薬の暴露の時間経過に基づいて、前記複数の患者に投与された前記治療薬に対する前記人口における前記複数の患者の応答を示すように構成されている第1のモデルと、
(ii)ある用量の前記治療薬を受信した後の、前記患者の血液における前記治療薬の暴露を示す第1のデータであって、前記治療薬の暴露は、前記患者から採取された血液サンプルから決定される、第1のデータと、
(iii)前記対象患者に具体的に関連付けられている第1の複数の特性を示す第2のデータであって、前記第1の複数の特性は、前記モデルの前記人口における複数の患者によって共有される、第2のデータと、
(iv)前記患者の血液における前記治療薬の標的暴露しきい値を示す第3のデータと
を受信するように構成されており、
前記プロセッサは、
(i)前記第1のデータおよび前記第2のデータに基づいて前記モデルに対してベイジアン更新を実行することによって、患者に特有なモデルを準備することであって、前記患者に特有なモデルは、前記受信された用量の前記治療薬に対する前記患者の応答を考慮に入れた、前記患者の血液における前記治療薬の暴露プロファイルの予測された時間経過を提供する、ことと、
(ii)前記患者の血液における前記治療薬の前記標的暴露を達成するために、1つ以上の提案された投与計画を提供することであって、前記1つ以上の提案された投与計画は、前記患者に特有なモデルおよび前記第2のデータに基づき、前記メモリは、前記プロセッサに結合されているデータベースをさらに含み、前記1つ以上の提案された投与計画を示す情報を前記データベース内に格納することをさらに含む、ことと、
(iii)前記患者に投与するために、前記1つ以上の提案された投与計画のうちの少なくとも1つを出力することと
を行うようにさらに構成されている、薬剤投与計画推奨システム。 - 前記患者の血液における前記治療薬の暴露の時間経過は、前記患者の血液における前記治療薬の濃度である、請求項1に記載のシステム。
- 前記患者に特有なモデルのパラメータは、前記メモリに格納されている、請求項1に記載のシステム。
- 前記患者に特有な前記1つ以上の特性は、身体サイズインジケータ、性別、人種、研究室結果、病期、病状、以前の治療、付随して投与される治療薬、付随する病気、人口統計情報のうちの少なくとも1つを含む、請求項3に記載のシステム。
- 前記プロセッサは、投与計画を更新したときに、前記1つ以上の提案された投与計画のサブセットを出力するように構成されている、請求項4に記載のシステム。
- 前記治療薬は、一日目に前記患者に投与され、前記方法は、前記プロセッサが、前記治療薬の投与の後に、前記患者から採取されたサンプル内の前記患者の血液における前記治療薬の濃度を示す第4のデータを受信することをさらに含む、請求項4に記載のシステム。
- 前記第4のデータを提供する少なくとも1つのサンプルは、前記一日目の前記患者の血液から採取される、請求項6に記載のシステム。
- 前記プロセッサは、
前記患者の血液における前記治療薬の前記標的暴露しきい値を示す入力信号を受信することと、
前記患者の血液における前記治療薬の前記標的暴露しきい値が達成されるまで、1つ以上の付加的な患者血液サンプルにおける前記治療薬の暴露に基づいて、前記メモリに格納されている前記患者に特有なモデルを周期的に更新することと
を行うように構成されている、請求項6に記載のシステム。 - 前記プロセッサは、前記第4のデータが前記患者の血液における前記治療薬の予測された暴露レベルを上回るかどうかに基づいて、リバイズされた用量を決定するように構成されている、請求項8に記載のシステム。
- 前記プロセッサは、用量を増加させることおよび用量間隔を短くすることのうちの1つ以上によって前記患者に特有なモデルを更新した後に、前記投与計画を調整するように構成されている、請求項8に記載のシステム。
- 前記プロセッサは、用量を減少させることおよび用量間隔を長くすることのうちの1つ以上によって前記患者に特有なモデルを更新した後に、前記投与計画を調整するように構成されている、請求項8に記載のシステム。
- 前記第1のモデルおよび前記患者に特有なモデルは、PKモデルを含む、請求項11に記載のシステム。
- 前記第1のモデルは、前記人口における前記患者から取得されたデータから導出された複数の数学的モデルから準備される複合モデルである、請求項12に記載のシステム。
- 前記プロセッサは、ベイジアンモデル平均を用いて、前記複合モデルを準備するようにさらに構成されている、請求項13に記載のシステム。
- 前記プロセッサは、前記複数の数学的モデルのそれぞれに対して前記ベイジアン更新を実行するようにさらに構成されている、請求項14に記載のシステム。
- 前記プロセッサは、前記患者に特有なモデルおよび前記第2のデータに基づいて前記1つ以上の提案された投与計画のそれぞれに対する典型的な患者の応答を予測するベイジアン予測を実行することによって、ベイジアン分析を実行するようにさらに構成されている、請求項15に記載のシステム。
- 前記プロセッサは、目的関数の最小値に対応する投与計画を選択することによって、前記治療薬の更新された患者に特有な投与計画を計算するようにさらに構成されている、請求項8に記載のシステム。
- 前記1つ以上の提案された投与計画は、4週間よりも小さい治療薬投与間隔を含む、請求項8に記載のシステム。
- 前記1つ以上の提案された投与計画は、8週間の治療薬投与間隔を含む、請求項8に記載のシステム。
- 前記患者に投与される前記治療薬は、インフリキシマブであり、インフリキシマブの前記第1の用量は、ベイジアン複合モデルによって決定される、請求項19に記載のシステム。
- インフリキシマブの前記第1の用量は、5~7mg/kgであり、かつ、8週間の治療薬投与間隔を有している、請求項20に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261710330P | 2012-10-05 | 2012-10-05 | |
US61/710,330 | 2012-10-05 | ||
JP2020010887A JP2020080161A (ja) | 2012-10-05 | 2020-01-27 | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020010887A Division JP2020080161A (ja) | 2012-10-05 | 2020-01-27 | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022111352A true JP2022111352A (ja) | 2022-07-29 |
Family
ID=50433375
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015535867A Active JP6412499B2 (ja) | 2012-10-05 | 2013-10-07 | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 |
JP2018183803A Active JP6653365B2 (ja) | 2012-10-05 | 2018-09-28 | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 |
JP2020010887A Withdrawn JP2020080161A (ja) | 2012-10-05 | 2020-01-27 | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 |
JP2022094292A Pending JP2022111352A (ja) | 2012-10-05 | 2022-06-10 | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 |
Family Applications Before (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015535867A Active JP6412499B2 (ja) | 2012-10-05 | 2013-10-07 | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 |
JP2018183803A Active JP6653365B2 (ja) | 2012-10-05 | 2018-09-28 | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 |
JP2020010887A Withdrawn JP2020080161A (ja) | 2012-10-05 | 2020-01-27 | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 |
Country Status (10)
Country | Link |
---|---|
US (6) | US10083400B2 (ja) |
EP (2) | EP4224482A1 (ja) |
JP (4) | JP6412499B2 (ja) |
KR (3) | KR102450486B1 (ja) |
AU (4) | AU2013326801A1 (ja) |
CA (1) | CA2887072C (ja) |
HK (1) | HK1213983A1 (ja) |
IL (3) | IL238115B (ja) |
SG (2) | SG11201502616WA (ja) |
WO (1) | WO2014055978A1 (ja) |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9238100B2 (en) | 2012-06-07 | 2016-01-19 | Tandem Diabetes Care, Inc. | Device and method for training users of ambulatory medical devices |
AU2013326801A1 (en) | 2012-10-05 | 2015-04-16 | Diane Mould | System and method for providing patient-specific dosing as a function of mathematical models |
US9238144B2 (en) * | 2013-03-14 | 2016-01-19 | Neuropace, Inc. | Optimizing data retrieval from an active implantable medical device |
ES2967617T3 (es) * | 2013-12-06 | 2024-05-03 | Bioverativ Therapeutics Inc | Herramientas de farmacocinética poblacional y sus usos |
CN107004006A (zh) | 2014-10-30 | 2017-08-01 | 培生教育公司 | 内容数据库的生成 |
US9667321B2 (en) * | 2014-10-31 | 2017-05-30 | Pearson Education, Inc. | Predictive recommendation engine |
ITMI20142149A1 (it) * | 2014-12-16 | 2016-06-16 | L I A Di Giuseppe Capasso | Apparato di diagnosi differenziale in medicina adattato per determinare la sequenza di test ottimale atta ad identificare una patologia secondo criteri di appropriatezza diagnostica |
US20190121935A1 (en) * | 2015-03-18 | 2019-04-25 | The Regents Of The University Of California | Phenotypic personalized medicine: adaptive optimization of patient-specific combination therapy |
AU2016245862A1 (en) | 2015-04-09 | 2018-02-22 | Diane R. Mould | Systems and methods for patient-specific dosing |
JP7029753B2 (ja) * | 2016-02-26 | 2022-03-04 | 株式会社豊崎会計事務所 | 情報処理装置 |
EA201892347A1 (ru) * | 2016-04-15 | 2019-04-30 | Баксалта Инкорпорейтед | Способ и устройство для предоставления фармакокинетической схемы дозирования лекарственных препаратов |
US10896749B2 (en) | 2017-01-27 | 2021-01-19 | Shire Human Genetic Therapies, Inc. | Drug monitoring tool |
US20190065684A1 (en) * | 2017-08-24 | 2019-02-28 | Fitmylife Health Analytics Inc. | Computer program products, methods, and systems for assisting a user to achieve a health-related goal |
US11301994B2 (en) * | 2017-08-30 | 2022-04-12 | Koninklijke Philips N.V. | Coronary artery health state prediction based on a model and imaging data |
US10803540B2 (en) | 2018-03-14 | 2020-10-13 | Motorola Solutions, Inc. | System for validating and appending incident-related data records in a distributed electronic ledger |
WO2019195733A1 (en) * | 2018-04-05 | 2019-10-10 | University Of Maryland, Baltimore | Method and apparatus for individualized administration of medicaments for delivery within a therapeutic range |
US20190326002A1 (en) * | 2018-04-23 | 2019-10-24 | Diane R. MOULD | Systems and methods for modifying adaptive dosing regimens |
US20210239700A1 (en) | 2018-05-04 | 2021-08-05 | Abbott Laboratories | Hbv diagnostic, prognostic, and therapeutic methods and products |
EP3815107A1 (en) * | 2018-06-28 | 2021-05-05 | Koninklijke Philips N.V. | Method and system for personalized hypertension treatment |
US10810293B2 (en) * | 2018-10-16 | 2020-10-20 | Motorola Solutions, Inc. | Method and apparatus for dynamically adjusting biometric user authentication for accessing a communication device |
CN111104054B (zh) * | 2018-10-29 | 2023-10-27 | 伊姆西Ip控股有限责任公司 | 管理输入/输出操作的方法、装置和计算机程序产品 |
BE1027052A1 (fr) * | 2019-02-14 | 2020-09-07 | Aardex Group | Procede d'assistance a la prise ou a l'acte d'un traitement therapeutique |
WO2020185699A1 (en) | 2019-03-08 | 2020-09-17 | Mould Diane R | Systems and methods for drug-agnostic patient-specific dosing regimens |
EP3946044A1 (en) * | 2019-03-31 | 2022-02-09 | ResMed Inc. | Methods and apparatuses for analyzing one or more analytes from a user |
KR102062157B1 (ko) * | 2019-04-29 | 2020-01-03 | 오케스트로 주식회사 | 가상 머신 배치 방법 및 이를 구현하는 가상 머신 배치 장치 |
JP7342491B2 (ja) * | 2019-07-25 | 2023-09-12 | オムロン株式会社 | 推論装置、推論方法、及び推論プログラム |
KR102527404B1 (ko) * | 2019-10-29 | 2023-05-02 | 고려대학교 산학협력단 | 인슐린 투여량 조절 방법 |
US11823782B2 (en) | 2020-03-03 | 2023-11-21 | Optum, Inc. | Systems, methods, apparatuses, and computer program products for administering pain management solutions remotely |
US11075010B1 (en) | 2020-03-19 | 2021-07-27 | Insight RX, Inc. | Pharmacology model optimization based on distributed data acquisition |
US20220028527A1 (en) * | 2020-07-22 | 2022-01-27 | Optimdosing Llc | Smart nutrition dosing |
KR102559883B1 (ko) * | 2020-09-03 | 2023-07-25 | 한양대학교 산학협력단 | 마르코프 의사결정 과정을 이용하는 투약 전략 생성 방법 |
US20220383991A1 (en) | 2021-05-29 | 2022-12-01 | Diane R. MOULD | Systems and methods for monoclonal antibody nomograms |
KR20230036545A (ko) | 2021-09-07 | 2023-03-14 | 서울대학교산학협력단 | 적응적 설계 최적화 기반으로 하는 실험 최적화 시스템 및 그 방법 |
US20230107786A1 (en) * | 2021-10-05 | 2023-04-06 | Bradford RABIN | Methods and systems for electronically adjusting a dosing pattern of a patient undergoing a medical regimen |
KR20230128848A (ko) * | 2022-02-28 | 2023-09-05 | 한국전자기술연구원 | 목표 농도 조절 주입을 지원하는 약물 투여 장치 및 방법 |
WO2023212347A1 (en) * | 2022-04-28 | 2023-11-02 | Regents Of The University Of Michigan | Closed-loop architecture for distributing and administering medicines to patients |
KR102447046B1 (ko) * | 2022-06-03 | 2022-09-26 | 주식회사 인투인월드 | 인공지능 기반 임상시험 프로토콜 설계 방법, 장치 및 시스템 |
WO2024059692A1 (en) | 2022-09-15 | 2024-03-21 | Abbott Laboratories | Hbv diagnostic, prognostic, and therapeutic methods and products |
KR20240042278A (ko) * | 2022-09-23 | 2024-04-02 | 재단법인 아산사회복지재단 | 머신러닝 기술을 활용한 항응고제 초기 적정 용량 예측 방법 및 장치 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5365948A (en) | 1992-08-21 | 1994-11-22 | J & W Mcmichael Software Inc. | Method for use in treating a patient with FK 506 to prevent an adverse immune response |
US5694950A (en) | 1992-08-21 | 1997-12-09 | J & W Mcmichael Software, Inc. | Method and system for use in treating a patient with immunosuppresants using whole blood level criteria to prevent an adverse immune response |
US6575169B2 (en) | 1999-07-06 | 2003-06-10 | The Rxfiles Corporation | Method and apparatus for use in treating a patient with any drug to optimize therapy and prevent an adverse drug |
US6581606B2 (en) | 1999-07-06 | 2003-06-24 | The Rx Files Corporation | Method, apparatus and system for use in treating patient with a drug having an antineoplastic effect to optimize therapy and prevent an adverse drug response |
US6581607B2 (en) | 1999-07-06 | 2003-06-24 | The Rx Files Corporation | Method and system for use in treating a patient with a biological substance to optimize therapy and prevent an adverse response |
US6267116B1 (en) | 1999-07-06 | 2001-07-31 | The Rxfiles Corporation | Method and system for use in treating a patient with any drug to optimize therapy and prevent an adverse drug |
US7585847B2 (en) | 2000-02-03 | 2009-09-08 | Coley Pharmaceutical Group, Inc. | Immunostimulatory nucleic acids for the treatment of asthma and allergy |
EP1328806A2 (en) | 2000-09-15 | 2003-07-23 | Virco N.V. | System and method for optimizing drug therapy for the treatment of diseases |
US6883521B2 (en) | 2001-08-24 | 2005-04-26 | Dimensional Dosing Systems, Inc. | Method and apparatus for dosing single and multi-agent therapy |
US6578582B2 (en) | 2001-08-24 | 2003-06-17 | The Rxfiles Corporation | Method and apparatus using IDS™ for multi-agent therapy |
US20040122719A1 (en) | 2002-12-18 | 2004-06-24 | Sabol John M. | Medical resource processing system and method utilizing multiple resource type data |
US7490085B2 (en) | 2002-12-18 | 2009-02-10 | Ge Medical Systems Global Technology Company, Llc | Computer-assisted data processing system and method incorporating automated learning |
EP1646381A4 (en) | 2003-07-02 | 2009-12-09 | Merck & Co Inc | COMBINED THERAPY FOR THE TREATMENT OF CHRONIC INFLAMMATORY DISEASES |
BRPI0507175A (pt) * | 2004-01-27 | 2007-06-26 | Aspect Medical Systems Inc | sistema e método para dispensa de droga adaptativa |
JP2007526455A (ja) | 2004-02-03 | 2007-09-13 | ザ リージェンツ オブ ザ ユニバーシティ オブ ミシガン | 癌を特徴付ける、制御する、診断する、および処置するための組成物ならびに方法 |
US20050187789A1 (en) | 2004-02-25 | 2005-08-25 | Cardiac Pacemakers, Inc. | Advanced patient and medication therapy management system and method |
US20060036619A1 (en) * | 2004-08-09 | 2006-02-16 | Oren Fuerst | Method for accessing and analyzing medically related information from multiple sources collected into one or more databases for deriving illness probability and/or for generating alerts for the detection of emergency events relating to disease management including HIV and SARS, and for syndromic surveillance of infectious disease and for predicting risk of adverse events to one or more drugs |
WO2007047997A2 (en) | 2005-10-19 | 2007-04-26 | Smartcells, Inc. | Methods for reducing the mitogenicity of lectin compositions |
DK2508621T3 (en) | 2005-11-29 | 2015-01-12 | Childrens Hosp Medical Center | Optimization and individualization of drug selection and dosage |
US8781566B2 (en) * | 2006-03-01 | 2014-07-15 | Angel Medical Systems, Inc. | System and methods for sliding-scale cardiac event detection |
US8540517B2 (en) * | 2006-11-27 | 2013-09-24 | Pharos Innovations, Llc | Calculating a behavioral path based on a statistical profile |
US8010476B2 (en) * | 2007-06-04 | 2011-08-30 | Siemens Medical Solutions Usa, Inc. | System and method for medical predictive models using likelihood gamble pricing |
EP2562664B1 (en) | 2007-06-27 | 2020-11-25 | Roche Diabetes Care GmbH | System for determining an insulin delivery and communicating a dose in automated pancreas software |
US20110229471A1 (en) * | 2008-11-26 | 2011-09-22 | Cedars-Sinai Medical Center | Methods of determining responsiveness to anti-tnf alpha therapy in inflammatory bowel disease |
US20100273738A1 (en) | 2009-04-23 | 2010-10-28 | Valcke Christian P | Integrated patient management and control system for medication delivery |
WO2011059824A2 (en) | 2009-10-29 | 2011-05-19 | Medtronic, Inc. | Methods and materials for optimized hepatitis c therapeutic regimens |
US8843321B2 (en) | 2010-01-26 | 2014-09-23 | Roche Diagnostics Operations, Inc. | Methods and systems for processing glucose data measured from a person having diabetes |
US8951192B2 (en) | 2010-06-15 | 2015-02-10 | Flint Hills Scientific, Llc | Systems approach to disease state and health assessment |
US8679009B2 (en) * | 2010-06-15 | 2014-03-25 | Flint Hills Scientific, Llc | Systems approach to comorbidity assessment |
AU2013326801A1 (en) | 2012-10-05 | 2015-04-16 | Diane Mould | System and method for providing patient-specific dosing as a function of mathematical models |
US20140114676A1 (en) | 2012-10-23 | 2014-04-24 | Theranos, Inc. | Drug Monitoring and Regulation Systems and Methods |
US9849241B2 (en) | 2013-04-24 | 2017-12-26 | Fresenius Kabi Deutschland Gmbh | Method of operating a control device for controlling an infusion device |
US20140379629A1 (en) | 2013-06-20 | 2014-12-25 | Baxter International Inc. | Method and apparatus for providing a pharmacokinetic drug dosing regime |
AU2016245862A1 (en) | 2015-04-09 | 2018-02-22 | Diane R. Mould | Systems and methods for patient-specific dosing |
-
2013
- 2013-10-07 AU AU2013326801A patent/AU2013326801A1/en not_active Abandoned
- 2013-10-07 WO PCT/US2013/063691 patent/WO2014055978A1/en active Application Filing
- 2013-10-07 SG SG11201502616WA patent/SG11201502616WA/en unknown
- 2013-10-07 JP JP2015535867A patent/JP6412499B2/ja active Active
- 2013-10-07 CA CA2887072A patent/CA2887072C/en active Active
- 2013-10-07 US US14/047,545 patent/US10083400B2/en active Active
- 2013-10-07 EP EP23173217.3A patent/EP4224482A1/en active Pending
- 2013-10-07 KR KR1020227006798A patent/KR102450486B1/ko active IP Right Grant
- 2013-10-07 SG SG10201907682R patent/SG10201907682RA/en unknown
- 2013-10-07 KR KR1020217005789A patent/KR102370479B1/ko active IP Right Grant
- 2013-10-07 KR KR1020157011564A patent/KR102223018B1/ko active IP Right Grant
- 2013-10-07 EP EP13843939.3A patent/EP2904388B1/en active Active
-
2014
- 2014-08-12 US US14/457,601 patent/US10706364B2/en active Active
-
2015
- 2015-04-02 IL IL238115A patent/IL238115B/en active IP Right Grant
-
2016
- 2016-02-12 HK HK16101579.9A patent/HK1213983A1/zh unknown
-
2017
- 2017-10-11 US US15/730,112 patent/US10268966B2/en active Active
-
2018
- 2018-09-28 JP JP2018183803A patent/JP6653365B2/ja active Active
-
2019
- 2019-01-07 IL IL264125A patent/IL264125B/en active IP Right Grant
- 2019-02-08 US US16/271,528 patent/US10740687B2/en active Active
- 2019-09-19 AU AU2019232874A patent/AU2019232874A1/en not_active Abandoned
-
2020
- 2020-01-27 JP JP2020010887A patent/JP2020080161A/ja not_active Withdrawn
- 2020-02-19 IL IL272760A patent/IL272760B/en unknown
- 2020-07-02 US US16/919,247 patent/US20200334561A1/en active Pending
-
2021
- 2021-10-06 AU AU2021245151A patent/AU2021245151A1/en not_active Abandoned
- 2021-10-14 US US17/501,851 patent/US11373743B2/en active Active
-
2022
- 2022-06-10 JP JP2022094292A patent/JP2022111352A/ja active Pending
-
2023
- 2023-12-06 AU AU2023278028A patent/AU2023278028A1/en active Pending
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022111352A (ja) | 数学モデルの関数として患者特有の投与を提供するためのシステムおよび方法 | |
US20230178203A1 (en) | Systems and methods for patient-specific dosing | |
US7487134B2 (en) | Medical risk stratifying method and system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220610 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230810 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231108 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240411 |