JP6412499B2 - 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
- JP6412499B2 JP6412499B2 JP2015535867A JP2015535867A JP6412499B2 JP 6412499 B2 JP6412499 B2 JP 6412499B2 JP 2015535867 A JP2015535867 A JP 2015535867A JP 2015535867 A JP2015535867 A JP 2015535867A JP 6412499 B2 JP6412499 B2 JP 6412499B2
- Authority
- JP
- Japan
- Prior art keywords
- patient
- model
- dosing
- response
- predicted
- 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
Classifications
-
- 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
- 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
- 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)
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。
Claims (14)
- 薬剤による治療のために患者特有の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、
(1)複数の数学モデルを示す第一のデータであって、前記複数の数学モデルの各々は、薬剤に対する患者集団についての応答プロファイルを記述し、一組の共変量患者因子に対応する、第一のデータと、(2)特定の患者についての所望の薬剤暴露レベルを示す第二のデータと、(3)前記薬剤についての施行された投与計画を示す第三のデータと、(4)前記施行された投与計画に対する前記特定の患者の観察された応答を反映する測定された薬剤濃度レベルを示す第四のデータであって、前記測定された薬剤濃度レベルは、前記患者からの血液サンプルから測定される、第四のデータと、(5)特定の患者の特性を示す第五のデータであって、前記特定の患者の特性は、病期、病状、以前の治療、合併症、人口統計情報、検査室検査の結果情報のうちの少なくとも1つを含む、第五のデータとを受け取るバスと、
前記バスと通信する少なくとも1つのコンピュータプロセッサと
を含み、
前記少なくとも1つのコンピュータプロセッサは、
前記複数の数学モデルを処理することにより、前記複数の数学モデルの組み合わせを表す複合モデルを生成することであって、前記複合モデルは、前記複数の数学モデルの前記共変量患者因子と共に前記特定の患者の特性に一致する、ことと、
前記複合モデルを使用して、第一の複数の提案された投与計画におけるそれぞれの提案された投与計画に対して第一に可能性の高い患者応答を示す対応する予測された薬剤濃度時間プロファイルを予見することにより、前記薬剤に対する第一に可能性の高い患者応答を示す複数の第一の予測された薬剤濃度時間プロファイルを取得することであって、前記複数の予測された薬剤濃度時間プロファイルは、どの特定の患者に対しても特有でない、ことと、
前記第一の複数の提案された投与計画のうちの少なくとも1つの投与計画であって、前記複合モデルによって予測された場合に前記所望の薬剤暴露レベルを満たす対応する第一に可能性の高い患者応答を有する投与計画を選択することと、
前記第一の複数の提案された投与計画のうちの前記選択された少なくとも1つの投与計画をデバイスへの第一の推奨出力として伝送することと、
前記複合モデルおよび前記観察された応答から、前記特定の患者の前記測定された薬剤濃度レベルを反映する更新された複合モデルを計算することと、
前記更新された複合モデルを使用して、第二の複数の提案された投与計画におけるそれぞれの提案された投与計画に対して第二に可能性の高い患者応答を示す対応する予測された薬剤濃度時間プロファイルを予見することにより、前記薬剤に対する第二に可能性の高い患者応答を示す複数の第二の予測された薬剤濃度時間プロファイルを取得することと、
前記第二の複数の提案された投与計画のうちの少なくとも1つの投与計画であって、前記更新された複合モデルによって予測された場合に前記所望の薬剤暴露レベルを満たす対応する第二に可能性の高い患者応答を有する投与計画を選択することと、
前記第二の複数の提案された投与計画のうちの前記選択された少なくとも1つの投与計画を前記デバイスへの第二の推奨出力として伝送することと
を行うように構成されている、システム。 - 前記少なくとも1つのコンピュータプロセッサは、第一に可能性の高い患者応答を示す前記複数の第一の予測された薬剤濃度時間プロファイルを比較することにより、前記第一の複数の提案された投与計画におけるそれぞれの提案された投与計画が、前記複合モデルによって予測された場合に前記所望の薬剤暴露レベルを満たすのに適切であるかどうかを評価するようにさらに構成されている、請求項1に記載のシステム。
- 前記少なくとも1つのコンピュータプロセッサは、第二に可能性の高い患者応答を示す前記複数の第二の予測された薬剤濃度時間プロファイルを比較することにより、前記第二の複数の提案された投与計画におけるそれぞれの提案された投与計画が、前記更新された複合モデルによって予測された場合に前記所望の薬剤暴露レベルを満たすのに適切であるかどうかを評価するようにさらに構成されている、請求項1または請求項2に記載のシステム。
- 前記複数の数学モデルにおけるそれぞれの数学モデルは、前記共変量患者因子を使用して、前記共変量患者因子によって表される患者特有の特性を有する患者集団についての典型的な応答を記述する、請求項1に記載のシステム。
- 前記共変量患者因子は、濃度レベル、研究室評価、臨床評価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、請求項4に記載のシステム。
- 前記複合モデルは、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共変量患者因子として記述し、前記少なくとも1つのコンピュータプロセッサは、前記第一の複数の提案された投与計画における前記提案された投与計画のうちの1つの投与計画であって、前記特定の患者の特性を共変量患者因子として有する前記典型的な患者についての前記所望の薬剤暴露レベルを満たすのに適切である投与計画を前記第一の推奨として選択するように構成されている、請求項1に記載のシステム。
- 前記少なくとも1つのコンピュータプロセッサは、前記複数の数学モデルの加重平均を計算することによって前記複合モデルを生成するように構成されており、前記複数の数学モデルにおけるそれぞれ個別の数学モデルに、(1)前記個別の数学モデルを生成するために使用したデータの量、および、(2)前記個別の数学モデルの予測性能のうちの少なくとも1つを表す加重が割り当てられる、請求項1〜6のうちのいずれか一項に記載のシステム。
- 前記少なくとも1つのコンピュータプロセッサは、前記複数の数学モデルにおけるそれぞれの数学モデルを更新することによって前記複合モデルを更新することにより、前記施行された投与計画に対する前記特定の患者の前記観察された応答をそれぞれが反映する複数の更新された数学モデルを取得するように構成されている、請求項7に記載のシステム。
- 前記少なくとも1つのコンピュータプロセッサは、前記観察された応答と、それぞれ個別の数学モデルによって予測された場合の前記施行された投与計画に対する第三に可能性の高い患者応答との間の差異を表す目的関数を最適化することによって前記複数の数学モデルにおけるそれぞれの数学モデルを更新するように構成されている、請求項1に記載のシステム。
- 前記少なくとも1つのコンピュータプロセッサは、ランダム関数を使用して前記目的関数を最適化するように構成されており、前記ランダム関数は、前記差異の大域的最小値が前記複数の数学モデルにおけるそれぞれの数学モデルについて取得されることを確実にするために使用される、請求項9に記載のシステム。
- 前記少なくとも1つのコンピュータプロセッサは、前記複数の更新された数学モデルの加重平均を計算することによって前記更新された複合モデルを計算するように構成されており、前記複数の数学モデルにおけるそれぞれ個別の更新された数学モデルに、前記個別の更新された数学モデルについての前記最適化された目的関数の値を表す加重が割り当てられる、請求項9または請求項10に記載のシステム。
- 前記第一の推奨出力は、前記複合モデルによって予測された場合に前記所望の薬剤暴露レベルを満たすのに適切である前記第一の複数の投与計画における複数の提案された投与計画のリストを含み、前記施行された投与計画は、前記リストにおける提案された投与計画のうちの1つの修正されたバージョンに対応する、請求項1〜11のうちのいずれか一項に記載のシステム。
- 前記少なくとも1つのコンピュータプロセッサは、
前記施行された投与計画サイクルの間の監視された患者応答を示す第六のデータを取得することと、
前記第六のデータを組み込んだ前記更新された複合モデルからその後の推奨出力を計算することと、
前記その後の推奨出力に基づいて前記施行された投与計画を調整することと
を行うようにさらに構成されている、請求項1〜12のうちのいずれか一項に記載のシステム。 - 前記第一の複数の提案された投与計画のうちの前記少なくとも1つは、前記複合モデルによって予測された場合に所定の標的患者応答を達成するように選択され、前記所望の薬剤暴露レベルは、前記所定の標的患者応答に対応する、請求項1〜13のうちのいずれか一項に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261710330P | 2012-10-05 | 2012-10-05 | |
US61/710,330 | 2012-10-05 | ||
PCT/US2013/063691 WO2014055978A1 (en) | 2012-10-05 | 2013-10-07 | System and method for providing patient-specific dosing as a function of mathematical models |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018183803A Division 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 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2016500866A JP2016500866A (ja) | 2016-01-14 |
JP2016500866A5 JP2016500866A5 (ja) | 2016-11-24 |
JP6412499B2 true JP6412499B2 (ja) | 2018-10-24 |
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 After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
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 |
Country Status (10)
Country | Link |
---|---|
US (6) | US10083400B2 (ja) |
EP (2) | EP2904388B1 (ja) |
JP (4) | JP6412499B2 (ja) |
KR (3) | KR102370479B1 (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 (42)
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 |
KR102370479B1 (ko) | 2012-10-05 | 2022-03-04 | 다이앤 몰드 | 수학적 모형 함수로서의 환자-특이적 투여법용 의약 |
US9238144B2 (en) * | 2013-03-14 | 2016-01-19 | Neuropace, Inc. | Optimizing data retrieval from an active implantable medical device |
WO2015085276A1 (en) * | 2013-12-06 | 2015-06-11 | Biogen Idec Ma Inc. | Population pharmacokinetics tools and uses thereof |
US9667321B2 (en) * | 2014-10-31 | 2017-05-30 | Pearson Education, Inc. | Predictive recommendation engine |
WO2016070124A1 (en) | 2014-10-30 | 2016-05-06 | Pearson Education, Inc. | Content database generation |
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 |
EP3271718A4 (en) * | 2015-03-18 | 2018-11-14 | The Regents of the University of California | Phenotypic personalized medicine: adaptive optimization of patient-specific combination therapy |
US11501863B2 (en) | 2015-04-09 | 2022-11-15 | Diane R. MOULD | Systems and methods for patient-specific dosing |
CN108697580B (zh) * | 2016-02-26 | 2021-04-27 | 株式会社丰崎会计事务所 | 信息处理装置 |
MY197302A (en) | 2016-04-15 | 2023-06-12 | Takeda Pharmaceuticals Co | Method and apparatus for providing a pharmacokinetic drug dosing regimen |
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 |
JP7232245B2 (ja) * | 2017-08-30 | 2023-03-02 | コーニンクレッカ フィリップス エヌ ヴェ | モデル及びイメージングデータに基づく冠動脈健康状態予測 |
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 |
US20210035672A1 (en) * | 2018-04-05 | 2021-02-04 | University Of Maryland, Baltimore | Method and apparatus for individualized administration of medicaments for delivery within a therapeutic range |
JP7396680B2 (ja) * | 2018-04-23 | 2023-12-12 | ダイアン アール. モールド, | 適応投与計画を修正するためのシステムおよび方法 |
WO2019213619A1 (en) | 2018-05-04 | 2019-11-07 | Abbott Laboratories | Hbv diagnostic, prognostic, and therapeutic methods and products |
US20210125696A1 (en) * | 2018-06-28 | 2021-04-29 | 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 |
SG11202109704UA (en) | 2019-03-08 | 2021-10-28 | Diane Mould | 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 |
US20210304846A1 (en) * | 2020-03-29 | 2021-09-30 | Stephen J. Brown | Personalized compounding of therapeutic components and tracking of their influence on a measured parameter using a complex interaction model |
US20210375455A1 (en) * | 2020-05-27 | 2021-12-02 | MediSync, Inc. | Artificial intelligence systems that incorporate expert knowledge related to heart failure |
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 |
AU2022286921A1 (en) | 2021-05-29 | 2024-01-18 | Steven Molnar | 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 |
US12046341B2 (en) * | 2021-10-05 | 2024-07-23 | 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 |
US12073931B2 (en) * | 2022-06-15 | 2024-08-27 | Express Scripts Strategic Development, Inc. | Alternate dose regimen identification system |
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 |
---|---|---|---|---|
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 |
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 |
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 |
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 |
US7585847B2 (en) | 2000-02-03 | 2009-09-08 | Coley Pharmaceutical Group, Inc. | Immunostimulatory nucleic acids for the treatment of asthma and allergy |
US20040023211A1 (en) | 2000-09-15 | 2004-02-05 | Kees Groen | System and method for optimizing drug theraphy 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 |
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 |
US20040122719A1 (en) * | 2002-12-18 | 2004-06-24 | Sabol John M. | Medical resource processing system and method utilizing multiple resource type data |
EP1646381A4 (en) | 2003-07-02 | 2009-12-09 | Merck & Co Inc | COMBINED THERAPY FOR THE TREATMENT OF CHRONIC INFLAMMATORY DISEASES |
AU2005209275B2 (en) * | 2004-01-27 | 2011-05-26 | Fresenius Vial Sas | System for adaptive drug delivery |
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 |
WO2007047922A2 (en) | 2005-10-19 | 2007-04-26 | Smartcells, Inc. | Polymer-drug conjugates |
EP3703058A1 (en) * | 2005-11-29 | 2020-09-02 | Children's Hospital Medical Center | A method of selecting a medication for a patient |
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 |
KR101347008B1 (ko) | 2007-06-27 | 2014-01-02 | 에프. 호프만-라 로슈 아게 | 환자 생리학의 모델링에 기초하여 환자 맞춤형 치료를 개발하는 시스템 및 방법 |
WO2010062960A2 (en) * | 2008-11-26 | 2010-06-03 | Cedars-Sinai Medical Center | METHODS OF DETERMINING RESPONSIVENESS TO ANTI-TNFα THERAPY IN INFLAMMATORY BOWEL DISEASE |
WO2010124127A1 (en) | 2009-04-23 | 2010-10-28 | Automedics Medical Systems, Inc. | 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 |
US8679009B2 (en) * | 2010-06-15 | 2014-03-25 | Flint Hills Scientific, Llc | Systems approach to comorbidity assessment |
US8951192B2 (en) | 2010-06-15 | 2015-02-10 | Flint Hills Scientific, Llc | Systems approach to disease state and health assessment |
KR102370479B1 (ko) | 2012-10-05 | 2022-03-04 | 다이앤 몰드 | 수학적 모형 함수로서의 환자-특이적 투여법용 의약 |
US20140114676A1 (en) | 2012-10-23 | 2014-04-24 | Theranos, Inc. | Drug Monitoring and Regulation Systems and Methods |
WO2014173558A1 (en) | 2013-04-24 | 2014-10-30 | Fresenius Kabi Deutschland Gmbh | Method of operating a control device for controlling an infusion device |
KR102397974B1 (ko) | 2013-06-20 | 2022-05-13 | 다케다 야쿠힌 고교 가부시키가이샤 | 약물동역학 약물 투약 요법의 제공 |
US11501863B2 (en) | 2015-04-09 | 2022-11-15 | Diane R. MOULD | Systems and methods for patient-specific dosing |
-
2013
- 2013-10-07 KR KR1020217005789A patent/KR102370479B1/ko active IP Right Grant
- 2013-10-07 US US14/047,545 patent/US10083400B2/en active Active
- 2013-10-07 EP EP13843939.3A patent/EP2904388B1/en active Active
- 2013-10-07 KR KR1020227006798A patent/KR102450486B1/ko active IP Right Grant
- 2013-10-07 JP JP2015535867A patent/JP6412499B2/ja active Active
- 2013-10-07 AU AU2013326801A patent/AU2013326801A1/en not_active Abandoned
- 2013-10-07 SG SG11201502616WA patent/SG11201502616WA/en unknown
- 2013-10-07 CA CA2887072A patent/CA2887072C/en active Active
- 2013-10-07 SG SG10201907682R patent/SG10201907682RA/en unknown
- 2013-10-07 EP EP23173217.3A patent/EP4224482A1/en active Pending
- 2013-10-07 KR KR1020157011564A patent/KR102223018B1/ko active IP Right Grant
- 2013-10-07 WO PCT/US2013/063691 patent/WO2014055978A1/en active Application Filing
-
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 |
---|---|---|
JP6653365B2 (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 | |
US11145417B2 (en) | Method and system for prediction of medical treatment effect | |
US7584166B2 (en) | Expert knowledge combination process based medical risk stratifying method and system | |
Kılıç et al. | Patient adherence in healthcare operations: A narrative review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20160226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161006 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161006 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171006 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171108 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20180205 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20180326 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180508 |
|
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: 20180829 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180928 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6412499 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 |