JP6356359B2 - アンサンブルに基づいたリサーチ・レコメンデーションシステムおよび方法 - Google Patents
アンサンブルに基づいたリサーチ・レコメンデーションシステムおよび方法 Download PDFInfo
- Publication number
- JP6356359B2 JP6356359B2 JP2017546211A JP2017546211A JP6356359B2 JP 6356359 B2 JP6356359 B2 JP 6356359B2 JP 2017546211 A JP2017546211 A JP 2017546211A JP 2017546211 A JP2017546211 A JP 2017546211A JP 6356359 B2 JP6356359 B2 JP 6356359B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- model
- trained
- data set
- clinical outcome
- 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.)
- Active
Links
- 238000011160 research Methods 0.000 title claims description 70
- 238000000034 method Methods 0.000 title claims description 18
- 229940079593 drug Drugs 0.000 claims description 64
- 239000003814 drug Substances 0.000 claims description 64
- 238000004422 calculation algorithm Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 27
- 230000014509 gene expression Effects 0.000 claims description 23
- 238000011282 treatment Methods 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 21
- 108090000623 proteins and genes Proteins 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 102000004169 proteins and genes Human genes 0.000 claims description 13
- 238000002493 microarray Methods 0.000 claims description 12
- 238000003559 RNA-seq method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000007635 classification algorithm Methods 0.000 claims description 4
- 230000035899 viability Effects 0.000 claims description 4
- 230000001575 pathological effect Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000013210 evaluation model Methods 0.000 description 25
- ZBNZXTGUTAYRHI-UHFFFAOYSA-N Dasatinib Chemical compound C=1C(N2CCN(CCO)CC2)=NC(C)=NC=1NC(S1)=NC=C1C(=O)NC1=C(C)C=CC=C1Cl ZBNZXTGUTAYRHI-UHFFFAOYSA-N 0.000 description 12
- 239000002067 L01XE06 - Dasatinib Substances 0.000 description 12
- 229960002448 dasatinib Drugs 0.000 description 12
- 238000013459 approach Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 11
- 238000012706 support-vector machine Methods 0.000 description 11
- 238000009826 distribution Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 241000288113 Gallirallus australis Species 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 206010006187 Breast cancer Diseases 0.000 description 2
- 208000026310 Breast neoplasm Diseases 0.000 description 2
- 206010064571 Gene mutation Diseases 0.000 description 2
- 229940046176 T-cell checkpoint inhibitor Drugs 0.000 description 2
- 239000012644 T-cell checkpoint inhibitor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012165 high-throughput sequencing Methods 0.000 description 2
- 239000003112 inhibitor Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 239000013610 patient sample Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- OYONTEXKYJZFHA-SSHUPFPWSA-N PHA-665752 Chemical compound CC=1C(C(=O)N2[C@H](CCC2)CN2CCCC2)=C(C)NC=1\C=C(C1=C2)/C(=O)NC1=CC=C2S(=O)(=O)CC1=C(Cl)C=CC=C1Cl OYONTEXKYJZFHA-SSHUPFPWSA-N 0.000 description 1
- 108091027967 Small hairpin RNA Proteins 0.000 description 1
- 108020004459 Small interfering RNA Proteins 0.000 description 1
- 210000001744 T-lymphocyte Anatomy 0.000 description 1
- 108020004566 Transfer RNA Proteins 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 210000003719 b-lymphocyte Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229960000074 biopharmaceutical Drugs 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 229940000406 drug candidate Drugs 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 230000008606 intracellular interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 108020004999 messenger RNA Proteins 0.000 description 1
- 230000011987 methylation Effects 0.000 description 1
- 238000007069 methylation reaction Methods 0.000 description 1
- 108091070501 miRNA Proteins 0.000 description 1
- 239000002679 microRNA Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 210000000822 natural killer cell Anatomy 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 102000005962 receptors Human genes 0.000 description 1
- 108020003175 receptors Proteins 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000002924 silencing RNA Substances 0.000 description 1
- 239000004055 small Interfering RNA Substances 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 229940121358 tyrosine kinase inhibitor Drugs 0.000 description 1
- 239000005483 tyrosine kinase inhibitor Substances 0.000 description 1
- 150000004917 tyrosine kinase inhibitor derivatives Chemical class 0.000 description 1
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
- G16B40/20—Supervised data analysis
-
- 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
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- 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
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
-
- 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
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Analytical Chemistry (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Primary Health Care (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Description
Claims (20)
- 少なくとも1つのプロセッサと、
該プロセッサと接続された少なくとも1つのメモリとを含み、該少なくとも1つのメモリは、
コーホートから採取された組織試料を示すゲノムデータ集合と、
前記コーホートに関連し治療後の前記組織試料の臨床結果を示す臨床結果データ集合とを保存するように構成され、
前記ゲノムデータ集合および前記臨床結果データは、可能性のある複数のリサーチプロジェクトに関連し、さらに、
前記少なくとも1つのメモリに保存されたソフトウェア命令に従って前記少なくとも1つのプロセッサ上で実行可能な少なくとも1つのモデリングエンジンを含み、該少なくとも1つのモデリングエンジンは、
1組の予測モデルテンプレートを取得し、
該1組の予測モデルテンプレートに基づき、かつ前記ゲノムデータ集合および前記臨床結果データ集合の関数として、訓練された臨床結果予測モデルのアンサンブルを生成し、各訓練された臨床結果予測モデルは、対応する訓練された臨床結果予測モデルの属性を示すモデル特性メトリックを含み、
前記複数の訓練された臨床結果予測モデルの前記予測モデル特性メトリックに応じて、前記可能性のある複数のリサーチプロジェクトから選択された、可能性のあるリサーチプロジェクトのランク付けされたリストをランキング基準に従って生成し、
前記可能性のあるリサーチプロジェクトの前記ランク付けされたリストを装置に提示させるように前記プロセッサを設定することを特徴とする臨床リサーチプロジェクトの機械学習コンピュータシステム。 - 前記1組の予測モデルテンプレートは、少なくとも10タイプの予測モデルを含むことを特徴とする請求項1に記載のシステム。
- 前記1組の予測モデルテンプレートは、線形回帰アルゴリズム、クラスタリングアルゴリズムおよび人工神経回路網の実現体を少なくとも1つ含むことを特徴とする請求項1に記載のシステム。
- 前記1組の予測モデルテンプレートは、分類アルゴリズムの実現体を少なくとも1つ含むことを特徴とする請求項1に記載のシステム。
- 前記分類アルゴリズムの前記実現体のうちの少なくとも1つは、準教師付きクラシファイヤを示すことを特徴とする請求項4に記載のシステム。
- 前記分類アルゴリズムの前記実現体のうちの少なくとも1つは、線形クラシファイヤ、NMFベースのクラシファイヤ、グラフィカルベースのクラシファイヤ、ツリーベースのクラシファイヤ、ベイジアンベースのクラシファイヤ、規則ベースのクラシファイヤ、ネットベースのクラシファイヤおよびkNNクラシファイヤのうちの少なくとも1つを示すことを特徴とする請求項4に記載のシステム。
- 前記モデル特性メトリックはモデル精度測定値を含むことを特徴とする請求項1に記載のシステム。
- 前記モデル精度測定値はモデル精度利得を含むことを特徴とする請求項7に記載のシステム。
- 前記モデル特性メトリックは以下のモデル性能メトリック、すなわち曲線下領域(AUC)メトリック、R2メトリック、p値、およびシルエット係数のうちの少なくとも1つを含むことを特徴とする請求項1に記載のシステム。
- 前記ランキング基準は、前記モデル特性メトリックから導出されたアンサンブルメトリックに従って設定されることを特徴とする請求項1に記載のシステム。
- 前記訓練された臨床結果予測モデルのアンサンブルは、前記ゲノムデータ集合および前記臨床結果データ集合から選択された十分なコーホートデータ集合に対して訓練された、少なくとも1つの十分に訓練された臨床結果予測モデルを含むことを特徴とする請求項1に記載のシステム。
- 前記臨床結果データは薬剤反応結果データを含むことを特徴とする請求項1に記載のシステム。
- 前記薬剤反応結果データは、前記複数の薬剤について、IC50データ、GI50データ、Amaxデータ、ACareaデータ、フィルタリングされたACareaデータおよび最大投与データのうちの少なくとも1つを含むことを特徴とする請求項12に記載のシステム。
- 前記薬剤反応結果データは、少なくとも100種類の薬剤に関するデータを含むことを特徴とする請求項12に記載のシステム。
- 前記ゲノムデータ集合は、マイクロアレイ発現データ、マイクロアレイコピー数データ、PARADIGMデータ、SNPデータ、全ゲノム配列(WGS)データ、RNAseqデータ、およびタンパク質マイクロアレイデータのうちの少なくとも1つを含むことを特徴とする請求項1に記載のシステム。
- 前記可能性のあるリサーチプロジェクトは、前記ゲノムデータ集合に関連して収集されるタイプのゲノムデータを含み、
前記収集されるタイプのゲノムデータは、マイクロアレイ発現データ、マイクロアレイコピー数データ、PARADIGMデータ、SNPデータ、全ゲノム配列(WGS)データ、全エクソーム解析データ、RNAseqデータ、およびタンパク質マイクロアレイデータのうちの少なくとも1つを含むことを特徴とする請求項1に記載のシステム。 - 前記可能性のあるリサーチプロジェクトは、前記臨床結果データ集合に関連して収集されるタイプの臨床結果データを含み、
前記収集されるタイプの臨床結果データは、IC50データ、GI50データ、Amaxデータ、ACareaデータ、フィルタリングされたACareaデータ、および最大投与データを含むことを特徴とする請求項1に記載のシステム。 - 前記可能性のあるリサーチプロジェクトは予測研究の種類を含み、
前記予測研究の種類は、薬剤反応研究、ゲノム発現研究、生存性研究、サブタイプ分析研究、サブタイプ差研究、分子サブタイプ研究、および病態研究のうちの少なくとも1つを含むことを特徴とする請求項1に記載のシステム。 - 非一時的コンピュータ可読メモリに訓練データ集合を保存し、該訓練データ集合は、
a)コーホートから採取した組織試料を示すゲノムデータ集合と、
b)前記コーホートに関連する治療後の前記組織試料の臨床結果を示す臨床結果データ集合とを含み、前記訓練データ集合は、可能性のある複数のリサーチプロジェクトに関連し、さらに、
モデリングコンピュータを介して1組の予測モデルテンプレートを取得し、
前記モデリングコンピュータを介して、前記予測モデルテンプレートを前記ゲノムデータ集合および前記臨床結果データ集合の関数として訓練することにより訓練された臨床結果予測モデルのアンサンブルを生成し、各訓練された臨床結果予測モデルは、対応する訓練された臨床結果予測モデルの属性を示すモデル特性メトリックを含み、さらに、
前記モデリングコンピュータを介して、前記複数の訓練された臨床結果予測モデルの前記予測モデル特性メトリックによって決定されたランキング基準に従って、前記可能性のある複数のリサーチプロジェクトから選択された可能性のあるリサーチプロジェクトのランク付けされたリストを生成し、
前記モデリングコンピュータを介して、前記可能性のあるリサーチプロジェクトの前記ランク付けされたリストを装置に提示させることを含むことを特徴とする機械学習結果を生成する方法。 - 訓練された臨床結果予測モデルのアンサンブルを生成する工程は、前記ゲノムデータ集合および前記臨床結果データ集合に対する機械学習アルゴリズムの複数の実現体を訓練することを含むことを特徴とする請求項19に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562127546P | 2015-03-03 | 2015-03-03 | |
US62/127,546 | 2015-03-03 | ||
PCT/US2016/020742 WO2016141214A1 (en) | 2015-03-03 | 2016-03-03 | Ensemble-based research recommendation systems and methods |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018112693A Division JP2018173969A (ja) | 2015-03-03 | 2018-06-13 | アンサンブルに基づいたリサーチ・レコメンデーションシステムおよび方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018513461A JP2018513461A (ja) | 2018-05-24 |
JP6356359B2 true JP6356359B2 (ja) | 2018-07-11 |
Family
ID=56849144
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017546211A Active JP6356359B2 (ja) | 2015-03-03 | 2016-03-03 | アンサンブルに基づいたリサーチ・レコメンデーションシステムおよび方法 |
JP2018112693A Abandoned JP2018173969A (ja) | 2015-03-03 | 2018-06-13 | アンサンブルに基づいたリサーチ・レコメンデーションシステムおよび方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018112693A Abandoned JP2018173969A (ja) | 2015-03-03 | 2018-06-13 | アンサンブルに基づいたリサーチ・レコメンデーションシステムおよび方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20180039731A1 (ja) |
EP (1) | EP3265942A4 (ja) |
JP (2) | JP6356359B2 (ja) |
KR (2) | KR101974769B1 (ja) |
CN (1) | CN107980162A (ja) |
AU (3) | AU2016226162B2 (ja) |
CA (1) | CA2978708A1 (ja) |
IL (2) | IL254279B (ja) |
WO (1) | WO2016141214A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7522933B2 (ja) | 2020-12-02 | 2024-07-25 | フロニウス・インテルナツィオナール・ゲゼルシャフト・ミット・ベシュレンクテル・ハフツング | アーク放電の点弧時にエネルギーを制限する方法及び装置 |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200294642A1 (en) * | 2018-08-08 | 2020-09-17 | Hc1.Com Inc. | Methods and systems for a pharmacological tracking and reporting platform |
US12027243B2 (en) | 2017-02-17 | 2024-07-02 | Hc1 Insights, Inc. | System and method for determining healthcare relationships |
AU2016209478B2 (en) | 2015-01-20 | 2019-03-07 | Nantomics, Llc | Systems and methods for response prediction to chemotherapy in high grade bladder cancer |
US10395759B2 (en) | 2015-05-18 | 2019-08-27 | Regeneron Pharmaceuticals, Inc. | Methods and systems for copy number variant detection |
CN108603922A (zh) | 2015-11-29 | 2018-09-28 | 阿特瑞斯公司 | 自动心脏体积分割 |
US10552002B1 (en) * | 2016-09-27 | 2020-02-04 | Palantir Technologies Inc. | User interface based variable machine modeling |
US10552432B2 (en) | 2016-10-12 | 2020-02-04 | Salesforce.Com, Inc. | Ranking search results using hierarchically organized machine learning based models |
US11056241B2 (en) * | 2016-12-28 | 2021-07-06 | Canon Medical Systems Corporation | Radiotherapy planning apparatus and clinical model comparison method |
JP2020510463A (ja) | 2017-01-27 | 2020-04-09 | アーテリーズ インコーポレイテッド | 全層畳み込みネットワークを利用する自動化されたセグメンテーション |
US11062792B2 (en) | 2017-07-18 | 2021-07-13 | Analytics For Life Inc. | Discovering genomes to use in machine learning techniques |
US11139048B2 (en) | 2017-07-18 | 2021-10-05 | Analytics For Life Inc. | Discovering novel features to use in machine learning techniques, such as machine learning techniques for diagnosing medical conditions |
KR101953762B1 (ko) * | 2017-09-25 | 2019-03-04 | (주)신테카바이오 | 이종 특성정보 병합 데이터 기반 인공지능 딥러닝 모델을 이용한 약물 적응증 및 반응 예측 시스템 및 방법 |
WO2019103912A2 (en) * | 2017-11-22 | 2019-05-31 | Arterys Inc. | Content based image retrieval for lesion analysis |
KR102327062B1 (ko) * | 2018-03-20 | 2021-11-17 | 딜로이트컨설팅유한회사 | 임상시험 결과 예측 장치 및 방법 |
GB201805302D0 (en) * | 2018-03-29 | 2018-05-16 | Benevolentai Tech Limited | Ensemble Model Creation And Selection |
US11475995B2 (en) * | 2018-05-07 | 2022-10-18 | Perthera, Inc. | Integration of multi-omic data into a single scoring model for input into a treatment recommendation ranking |
US11574718B2 (en) | 2018-05-31 | 2023-02-07 | Perthera, Inc. | Outcome driven persona-typing for precision oncology |
US10922362B2 (en) * | 2018-07-06 | 2021-02-16 | Clover Health | Models for utilizing siloed data |
CN109064294B (zh) * | 2018-08-21 | 2021-11-12 | 重庆大学 | 一种融合时间因素、文本特征和相关性的药品推荐方法 |
US11250346B2 (en) * | 2018-09-10 | 2022-02-15 | Google Llc | Rejecting biased data using a machine learning model |
CA3119749A1 (en) * | 2018-11-15 | 2020-05-22 | Ampel Biosolutions, Llc | Machine learning disease prediction and treatment prioritization |
JP6737519B1 (ja) * | 2019-03-07 | 2020-08-12 | 株式会社テンクー | プログラム、学習モデル、情報処理装置、情報処理方法および学習モデルの生成方法 |
US11195270B2 (en) | 2019-07-19 | 2021-12-07 | Becton Dickinson Rowa Germany Gmbh | Measuring and verifying drug portions |
KR102270303B1 (ko) | 2019-08-23 | 2021-06-30 | 삼성전기주식회사 | 적층형 커패시터 및 그 실장 기판 |
US20210110926A1 (en) * | 2019-10-15 | 2021-04-15 | The Chinese University Of Hong Kong | Prediction models incorporating stratification of data |
KR102120214B1 (ko) * | 2019-11-15 | 2020-06-08 | (주)유엠로직스 | 앙상블 기계학습 기법을 이용한 사이버 표적공격 탐지 시스템 및 그 탐지 방법 |
US20230113092A1 (en) * | 2020-02-14 | 2023-04-13 | Caris Mpi, Inc. | Panomic genomic prevalence score |
CN111367798B (zh) * | 2020-02-28 | 2021-05-28 | 南京大学 | 一种持续集成及部署结果的优化预测方法 |
US11308436B2 (en) * | 2020-03-17 | 2022-04-19 | King Fahd University Of Petroleum And Minerals | Web-integrated institutional research analytics platform |
CN113821332B (zh) * | 2020-06-19 | 2024-02-13 | 富联精密电子(天津)有限公司 | 自动机器学习系统效能调优方法、装置、设备及介质 |
CN111930350B (zh) * | 2020-08-05 | 2024-04-09 | 深轻(上海)科技有限公司 | 一种基于计算模板的精算模型建立方法 |
EP4334947A1 (en) * | 2021-05-06 | 2024-03-13 | January, Inc. | Systems, methods and devices for predicting personalized biological state with model produced with meta-learning |
US20220398055A1 (en) * | 2021-06-11 | 2022-12-15 | The Procter & Gamble Company | Artificial intelligence based multi-application systems and methods for predicting user-specific events and/or characteristics and generating user-specific recommendations based on app usage |
CN114707175B (zh) * | 2022-03-21 | 2024-07-23 | 西安电子科技大学 | 机器学习模型敏感信息的处理方法、系统、设备及终端 |
US20240161017A1 (en) * | 2022-05-17 | 2024-05-16 | Derek Alexander Pisner | Connectome Ensemble Transfer Learning |
US11881315B1 (en) | 2022-08-15 | 2024-01-23 | Nant Holdings Ip, Llc | Sensor-based leading indicators in a personal area network; systems, methods, and apparatus |
CN115458045B (zh) * | 2022-09-15 | 2023-05-23 | 哈尔滨工业大学 | 一种基于异构信息网络和推荐系统的药物对相互作用预测方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003079286A1 (en) * | 2002-03-15 | 2003-09-25 | Pacific Edge Biotechnology Limited | Medical applications of adaptive learning systems using gene expression data |
EP1579383A4 (en) * | 2002-10-24 | 2006-12-13 | Univ Duke | MODELING OF A BINARY PREVISIONAL TREE WITH SEVERAL PREDICTORS, AND ITS USE IN CLINICAL AND GENOMIC APPLICATIONS |
US20050210015A1 (en) * | 2004-03-19 | 2005-09-22 | Zhou Xiang S | System and method for patient identification for clinical trials using content-based retrieval and learning |
CA2594181A1 (en) * | 2004-12-30 | 2006-07-06 | Proventys, Inc. | Methods, systems, and computer program products for developing and using predictive models for predicting a plurality of medical outcomes, for evaluating intervention strategies, and for simultaneously validating biomarker causality |
JP2010522537A (ja) * | 2006-11-30 | 2010-07-08 | ナビジェニクス インコーポレイティド | 遺伝子分析系および方法 |
US7899764B2 (en) * | 2007-02-16 | 2011-03-01 | Siemens Aktiengesellschaft | Medical ontologies for machine learning and decision support |
WO2010030794A1 (en) * | 2008-09-10 | 2010-03-18 | Digital Infuzion, Inc. | Machine learning methods and systems for identifying patterns in data |
US8484225B1 (en) * | 2009-07-22 | 2013-07-09 | Google Inc. | Predicting object identity using an ensemble of predictors |
EP2681709A4 (en) * | 2011-03-04 | 2015-05-06 | Kew Group Llc | PERSONALIZED MEDICAL MANAGEMENT SYSTEM, NETWORKS AND ASSOCIATED METHODS |
US9934361B2 (en) * | 2011-09-30 | 2018-04-03 | Univfy Inc. | Method for generating healthcare-related validated prediction models from multiple sources |
WO2013059732A1 (en) * | 2011-10-21 | 2013-04-25 | Nestec S.A. | Methods for improving inflammatory bowel disease diagnosis |
US9767526B2 (en) * | 2012-05-11 | 2017-09-19 | Health Meta Llc | Clinical trials subject identification system |
US20140143188A1 (en) * | 2012-11-16 | 2014-05-22 | Genformatic, Llc | Method of machine learning, employing bayesian latent class inference: combining multiple genomic feature detection algorithms to produce an integrated genomic feature set with specificity, sensitivity and accuracy |
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 |
-
2016
- 2016-03-03 CN CN201680025643.9A patent/CN107980162A/zh not_active Withdrawn
- 2016-03-03 KR KR1020177027662A patent/KR101974769B1/ko active IP Right Grant
- 2016-03-03 CA CA2978708A patent/CA2978708A1/en not_active Withdrawn
- 2016-03-03 AU AU2016226162A patent/AU2016226162B2/en active Active
- 2016-03-03 JP JP2017546211A patent/JP6356359B2/ja active Active
- 2016-03-03 WO PCT/US2016/020742 patent/WO2016141214A1/en active Application Filing
- 2016-03-03 US US15/555,290 patent/US20180039731A1/en active Pending
- 2016-03-03 EP EP16759516.4A patent/EP3265942A4/en not_active Withdrawn
- 2016-03-03 KR KR1020197011738A patent/KR20190047108A/ko active Application Filing
-
2017
- 2017-09-03 IL IL254279A patent/IL254279B/en active IP Right Grant
-
2018
- 2018-01-12 AU AU2018200276A patent/AU2018200276B2/en active Active
- 2018-04-02 IL IL258482A patent/IL258482A/en unknown
- 2018-06-13 JP JP2018112693A patent/JP2018173969A/ja not_active Abandoned
-
2019
- 2019-07-25 AU AU2019208223A patent/AU2019208223A1/en not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7522933B2 (ja) | 2020-12-02 | 2024-07-25 | フロニウス・インテルナツィオナール・ゲゼルシャフト・ミット・ベシュレンクテル・ハフツング | アーク放電の点弧時にエネルギーを制限する方法及び装置 |
Also Published As
Publication number | Publication date |
---|---|
IL254279A0 (en) | 2017-10-31 |
KR20190047108A (ko) | 2019-05-07 |
AU2018200276A1 (en) | 2018-02-22 |
WO2016141214A1 (en) | 2016-09-09 |
EP3265942A4 (en) | 2018-12-26 |
CA2978708A1 (en) | 2016-09-09 |
IL258482A (en) | 2018-05-31 |
AU2019208223A1 (en) | 2019-08-15 |
US20180039731A1 (en) | 2018-02-08 |
AU2018200276B2 (en) | 2019-05-02 |
EP3265942A1 (en) | 2018-01-10 |
KR101974769B1 (ko) | 2019-05-02 |
AU2016226162B2 (en) | 2017-11-23 |
JP2018173969A (ja) | 2018-11-08 |
CN107980162A (zh) | 2018-05-01 |
JP2018513461A (ja) | 2018-05-24 |
AU2016226162A1 (en) | 2017-09-21 |
KR20180008403A (ko) | 2018-01-24 |
IL254279B (en) | 2018-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6356359B2 (ja) | アンサンブルに基づいたリサーチ・レコメンデーションシステムおよび方法 | |
Li et al. | Cumulus provides cloud-based data analysis for large-scale single-cell and single-nucleus RNA-seq | |
Sridhar et al. | A probabilistic approach for collective similarity-based drug–drug interaction prediction | |
AU2016203009B2 (en) | Paradigm drug response networks | |
JP6382459B1 (ja) | 細胞系ゲノミクスからの薬物応答の患者特異的予測のためのシステムおよび方法 | |
Wang et al. | Random forests on Hadoop for genome-wide association studies of multivariate neuroimaging phenotypes | |
US20180039732A1 (en) | Dasatinib response prediction models and methods therefor | |
Rashid et al. | Knowledge management overview of feature selection problem in high-dimensional financial data: Cooperative co-evolution and MapReduce perspectives | |
Burkovski et al. | Rank aggregation for candidate gene identification | |
Lee et al. | Predicting activatory and inhibitory drug–target interactions based on structural compound representations and genetically perturbed transcriptomes | |
Wissel et al. | Survboard: standardised benchmarking for multi-omics cancer survival models | |
Lachmann et al. | PrismExp: predicting human gene function by partitioning massive RNA-seq co-expression data | |
Bazlur Rashid et al. | Knowledge management overview of feature selection problem in high-dimensional financial data: Cooperative co-evolution and Map Reduce perspectives | |
Bhavani et al. | Parallel Data Mining Techniques for Breast Cancer Prediction | |
Patel et al. | Prediction of Cancer Microarray and DNA Methylation Data using Non-negative Matrix Factorization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180305 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180305 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180405 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180419 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180515 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180613 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6356359 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |