JP6645703B2 - 肺癌のリスクを評価する方法およびシステム - Google Patents
肺癌のリスクを評価する方法およびシステム Download PDFInfo
- Publication number
- JP6645703B2 JP6645703B2 JP2016526346A JP2016526346A JP6645703B2 JP 6645703 B2 JP6645703 B2 JP 6645703B2 JP 2016526346 A JP2016526346 A JP 2016526346A JP 2016526346 A JP2016526346 A JP 2016526346A JP 6645703 B2 JP6645703 B2 JP 6645703B2
- Authority
- JP
- Japan
- Prior art keywords
- test results
- count
- blood test
- past
- ratio
- 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
- 208000020816 lung neoplasm Diseases 0.000 title claims description 54
- 206010058467 Lung neoplasm malignant Diseases 0.000 title claims description 53
- 201000005202 lung cancer Diseases 0.000 title claims description 53
- 238000000034 method Methods 0.000 title claims description 48
- 238000009534 blood test Methods 0.000 claims description 140
- 210000003743 erythrocyte Anatomy 0.000 claims description 83
- 210000001772 blood platelet Anatomy 0.000 claims description 47
- 210000000265 leukocyte Anatomy 0.000 claims description 40
- 238000004820 blood count Methods 0.000 claims description 31
- 210000000440 neutrophil Anatomy 0.000 claims description 30
- 102000001554 Hemoglobins Human genes 0.000 claims description 28
- 108010054147 Hemoglobins Proteins 0.000 claims description 28
- 210000003979 eosinophil Anatomy 0.000 claims description 25
- 210000001616 monocyte Anatomy 0.000 claims description 25
- 238000012360 testing method Methods 0.000 claims description 23
- 210000003651 basophil Anatomy 0.000 claims description 21
- 210000004698 lymphocyte Anatomy 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 19
- 230000000391 smoking effect Effects 0.000 claims description 19
- 238000005534 hematocrit Methods 0.000 claims description 18
- WHUUTDBJXJRKMK-VKHMYHEASA-N L-glutamic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O WHUUTDBJXJRKMK-VKHMYHEASA-N 0.000 claims description 16
- 229930195712 glutamate Natural products 0.000 claims description 16
- 108010003415 Aspartate Aminotransferases Proteins 0.000 claims description 15
- 102000004625 Aspartate Aminotransferases Human genes 0.000 claims description 15
- KHPXUQMNIQBQEV-UHFFFAOYSA-N oxaloacetic acid Chemical compound OC(=O)CC(=O)C(O)=O KHPXUQMNIQBQEV-UHFFFAOYSA-N 0.000 claims description 15
- 102000015779 HDL Lipoproteins Human genes 0.000 claims description 14
- 108010010234 HDL Lipoproteins Proteins 0.000 claims description 14
- 102000007330 LDL Lipoproteins Human genes 0.000 claims description 14
- 108010007622 LDL Lipoproteins Proteins 0.000 claims description 14
- 210000004369 blood Anatomy 0.000 claims description 14
- 239000008280 blood Substances 0.000 claims description 14
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims description 14
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims description 14
- 101710098398 Probable alanine aminotransferase, mitochondrial Proteins 0.000 claims description 13
- 238000010876 biochemical test Methods 0.000 claims description 13
- PGOHTUIFYSHAQG-LJSDBVFPSA-N (2S)-6-amino-2-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-4-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-5-amino-2-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S,3R)-2-[[(2S)-5-amino-2-[[(2S)-2-[[(2S)-2-[[(2S,3R)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-5-amino-2-[[(2S)-1-[(2S,3R)-2-[[(2S)-2-[[(2S)-2-[[(2R)-2-[[(2S)-2-[[(2S)-2-[[2-[[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-1-[(2S)-2-[[(2S)-2-[[(2S)-2-[[(2S)-2-amino-4-methylsulfanylbutanoyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-5-carbamimidamidopentanoyl]amino]propanoyl]pyrrolidine-2-carbonyl]amino]-3-methylbutanoyl]amino]-4-methylpentanoyl]amino]-4-methylpentanoyl]amino]acetyl]amino]-3-hydroxypropanoyl]amino]-4-methylpentanoyl]amino]-3-sulfanylpropanoyl]amino]-4-methylsulfanylbutanoyl]amino]-5-carbamimidamidopentanoyl]amino]-3-hydroxybutanoyl]pyrrolidine-2-carbonyl]amino]-5-oxopentanoyl]amino]-3-hydroxypropanoyl]amino]-3-hydroxypropanoyl]amino]-3-(1H-imidazol-5-yl)propanoyl]amino]-4-methylpentanoyl]amino]-3-hydroxybutanoyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-5-carbamimidamidopentanoyl]amino]-5-oxopentanoyl]amino]-3-hydroxybutanoyl]amino]-3-hydroxypropanoyl]amino]-3-carboxypropanoyl]amino]-3-hydroxypropanoyl]amino]-5-oxopentanoyl]amino]-5-oxopentanoyl]amino]-3-phenylpropanoyl]amino]-5-carbamimidamidopentanoyl]amino]-3-methylbutanoyl]amino]-4-methylpentanoyl]amino]-4-oxobutanoyl]amino]-5-carbamimidamidopentanoyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-4-carboxybutanoyl]amino]-5-oxopentanoyl]amino]hexanoic acid Chemical compound CSCC[C@H](N)C(=O)N[C@@H](Cc1c[nH]c2ccccc12)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C)C(=O)N1CCC[C@H]1C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CO)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CS)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H]([C@@H](C)O)C(=O)N1CCC[C@H]1C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](Cc1cnc[nH]1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](Cc1c[nH]c2ccccc12)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CO)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](Cc1ccccc1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](Cc1c[nH]c2ccccc12)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CCCCN)C(O)=O PGOHTUIFYSHAQG-LJSDBVFPSA-N 0.000 claims description 10
- 108010074051 C-Reactive Protein Proteins 0.000 claims description 10
- 102100032752 C-reactive protein Human genes 0.000 claims description 10
- PCDQPRRSZKQHHS-CCXZUQQUSA-N Cytarabine Triphosphate Chemical compound O=C1N=C(N)C=CN1[C@H]1[C@@H](O)[C@H](O)[C@@H](COP(O)(=O)OP(O)(=O)OP(O)(O)=O)O1 PCDQPRRSZKQHHS-CCXZUQQUSA-N 0.000 claims description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 10
- 102000008133 Iron-Binding Proteins Human genes 0.000 claims description 10
- 108010035210 Iron-Binding Proteins Proteins 0.000 claims description 10
- 102000003855 L-lactate dehydrogenase Human genes 0.000 claims description 10
- 108700023483 L-lactate dehydrogenases Proteins 0.000 claims description 10
- 108010000499 Thromboplastin Proteins 0.000 claims description 10
- 102000002262 Thromboplastin Human genes 0.000 claims description 10
- 102000003929 Transaminases Human genes 0.000 claims description 10
- 108090000340 Transaminases Proteins 0.000 claims description 10
- 210000002966 serum Anatomy 0.000 claims description 10
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 claims description 9
- 108010082126 Alanine transaminase Proteins 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 9
- 102000006640 gamma-Glutamyltransferase Human genes 0.000 claims description 8
- 108010088751 Albumins Proteins 0.000 claims description 7
- 102000009027 Albumins Human genes 0.000 claims description 7
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 7
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims description 7
- 101710107035 Gamma-glutamyltranspeptidase Proteins 0.000 claims description 7
- 101710173228 Glutathione hydrolase proenzyme Proteins 0.000 claims description 7
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims description 7
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 7
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 claims description 7
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 claims description 7
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 claims description 7
- 239000011575 calcium Substances 0.000 claims description 7
- 229910052791 calcium Inorganic materials 0.000 claims description 7
- 239000004202 carbamide Substances 0.000 claims description 7
- 235000012000 cholesterol Nutrition 0.000 claims description 7
- 229940109239 creatinine Drugs 0.000 claims description 7
- OVBPIULPVIDEAO-LBPRGKRZSA-N folic acid Chemical compound C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-LBPRGKRZSA-N 0.000 claims description 7
- 239000011591 potassium Substances 0.000 claims description 7
- 229910052700 potassium Inorganic materials 0.000 claims description 7
- 239000011734 sodium Substances 0.000 claims description 7
- 229910052708 sodium Inorganic materials 0.000 claims description 7
- 229940116269 uric acid Drugs 0.000 claims description 7
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 claims description 6
- 102000002260 Alkaline Phosphatase Human genes 0.000 claims description 5
- 108020004774 Alkaline Phosphatase Proteins 0.000 claims description 5
- 239000004382 Amylase Substances 0.000 claims description 5
- 102000013142 Amylases Human genes 0.000 claims description 5
- 108010065511 Amylases Proteins 0.000 claims description 5
- -1 B12 Substances 0.000 claims description 5
- 102000008857 Ferritin Human genes 0.000 claims description 5
- 108050000784 Ferritin Proteins 0.000 claims description 5
- 238000008416 Ferritin Methods 0.000 claims description 5
- 108010049003 Fibrinogen Proteins 0.000 claims description 5
- 102000008946 Fibrinogen Human genes 0.000 claims description 5
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 5
- 102000017011 Glycated Hemoglobin A Human genes 0.000 claims description 5
- 108010014663 Glycated Hemoglobin A Proteins 0.000 claims description 5
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 5
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 5
- 108010094028 Prothrombin Proteins 0.000 claims description 5
- 102100027378 Prothrombin Human genes 0.000 claims description 5
- 238000008050 Total Bilirubin Reagent Methods 0.000 claims description 5
- 102000004338 Transferrin Human genes 0.000 claims description 5
- 108090000901 Transferrin Proteins 0.000 claims description 5
- 229930003316 Vitamin D Natural products 0.000 claims description 5
- QYSXJUFSXHHAJI-XFEUOLMDSA-N Vitamin D3 Natural products C1(/[C@@H]2CC[C@@H]([C@]2(CCC1)C)[C@H](C)CCCC(C)C)=C/C=C1\C[C@@H](O)CCC1=C QYSXJUFSXHHAJI-XFEUOLMDSA-N 0.000 claims description 5
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 claims description 5
- 235000019418 amylase Nutrition 0.000 claims description 5
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 claims description 5
- 229940012952 fibrinogen Drugs 0.000 claims description 5
- 235000019152 folic acid Nutrition 0.000 claims description 5
- 239000011724 folic acid Substances 0.000 claims description 5
- 239000008103 glucose Substances 0.000 claims description 5
- 150000002505 iron Chemical class 0.000 claims description 5
- 229910052742 iron Inorganic materials 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 5
- 229910052744 lithium Inorganic materials 0.000 claims description 5
- 239000011574 phosphorus Substances 0.000 claims description 5
- 229910052698 phosphorus Inorganic materials 0.000 claims description 5
- 229940039716 prothrombin Drugs 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 238000004062 sedimentation Methods 0.000 claims description 5
- 239000012581 transferrin Substances 0.000 claims description 5
- 235000019166 vitamin D Nutrition 0.000 claims description 5
- 239000011710 vitamin D Substances 0.000 claims description 5
- 150000003710 vitamin D derivatives Chemical class 0.000 claims description 5
- 229940046008 vitamin d Drugs 0.000 claims description 5
- 230000024924 glomerular filtration Effects 0.000 claims description 4
- 229940014144 folate Drugs 0.000 claims description 3
- 108091000080 Phosphotransferase Proteins 0.000 claims 1
- 102000020233 phosphotransferase Human genes 0.000 claims 1
- 206010028980 Neoplasm Diseases 0.000 description 13
- 201000011510 cancer Diseases 0.000 description 13
- 238000012216 screening Methods 0.000 description 12
- 101000818522 Homo sapiens fMet-Leu-Phe receptor Proteins 0.000 description 11
- 102100021145 fMet-Leu-Phe receptor Human genes 0.000 description 11
- 102000004420 Creatine Kinase Human genes 0.000 description 8
- 108010042126 Creatine kinase Proteins 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- OVBPIULPVIDEAO-UHFFFAOYSA-N N-Pteroyl-L-glutaminsaeure Natural products C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)NC(CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-UHFFFAOYSA-N 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 229960000304 folic acid Drugs 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 206010008479 Chest Pain Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 206010049119 Emotional distress Diseases 0.000 description 1
- 108020004206 Gamma-glutamyltransferase Proteins 0.000 description 1
- 108090000279 Peptidyltransferases Proteins 0.000 description 1
- LCTONWCANYUPML-UHFFFAOYSA-M Pyruvate Chemical compound CC(=O)C([O-])=O LCTONWCANYUPML-UHFFFAOYSA-M 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 231100000504 carcinogenesis Toxicity 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000009109 curative therapy Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 125000002642 gamma-glutamyl group Chemical group 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000010339 medical test Methods 0.000 description 1
- 238000004223 overdiagnosis Methods 0.000 description 1
- 238000013166 platelet test Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003319 supportive effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
- 208000016261 weight loss Diseases 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- 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
- G01N33/483—Physical analysis of biological material
- G01N33/487—Physical analysis of biological material of liquid biological material
- G01N33/49—Blood
-
- 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
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Optics & Photonics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Analytical Chemistry (AREA)
- Genetics & Genomics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Hematology (AREA)
- Emergency Medicine (AREA)
- Pulmonology (AREA)
- Ecology (AREA)
- Physiology (AREA)
- Urology & Nephrology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
Description
本発明は、そのいくつかの実施形態においては、癌診断に関し、より詳細には、以下に限定されないが、癌のリスクを評価する方法およびシステムに関する。
肺癌は、世界における癌死亡の原因のトップである。さらに、肺癌は、生存率が最も低い癌のひとつであり、なぜなら患者の２／３以上が、治癒的治療を行うことができない後期において肺癌と診断されるためである。有効な肺癌スクリーニングならば、（患者に症状が出る前、治療が有効である可能性が高い時点での）病気の早期発見につながり、死亡率が下がる。現在、肺癌のほとんどは、患者が症状（咳、胸痛、体重減少など）を伴う段階で臨床的に診断される。これらの症状のある患者は、残念ながら通常では進行肺癌である。
ごく最近まで、世界的には肺癌のスクリーニングプログラムはほとんど実施されておらず、肺癌の早期発見は胸部Ｘ線撮影によって散発的に起こるにすぎない。最近の研究によると、肺癌のリスクが高い患者を低線量ＣＴ（ＬＤＣＴ）を使用してスクリーニングできることが示された。全米肺検診試験（ＮＬＳＴ）では、肺癌のリスクが高い５３，４５４人のスクリーニングにおいて、低線量ＣＴの使用と胸部Ｘ線撮影の使用とを比較した。研究によると、胸部Ｘ線撮影スクリーニングと比較して、低線量ＣＴでは肺癌による死亡率が２０％減少することが示された。ＮＬＳＴおよびさらなる支援研究の後、低線量ＣＴに基づく肺癌スクリーニングプログラムの実施を推奨する肺癌スクリーニングの新しいガイドラインが発行された。
低線量ＣＴによる肺癌スクリーニングは、推奨されてはいるが、以下の本質的な危険性がある。（Ａ）偽陽性結果となる率が高く、このため不必要な検査および侵襲的処置が行われ、費用が増大し、精神的苦痛のため生活の質（ＱＯＬ）が低下する。（Ｂ）偽陰性結果となると、診断および治療が遅れたり妨げられる。（Ｃ）小さい悪性腫瘍を検出できない。（Ｄ）過剰診断。（Ｅ）放射線被曝。したがって、リスクの高い個人を正確に識別して、リスクの低い個人が被りうる有害性を防止することが強く求められている。これを目的として、肺癌スクリーニングのガイドラインでは、リスクの高い患者を判定する基準が提案されている。これらの基準は、年齢、喫煙歴、およびさらなる危険因子の組合せに基づく。残念ながら、これらの基準では、治療可能な病期の癌を持つ患者を正確に識別することができない。実際に、ＮＬＳＴの結果では、（米国において）肺癌による１人の死亡を防止するために、リスクの高い３２０人の個人を低線量ＣＴによってスクリーニングしなければならないことが示されている。このような比較的低い率から予測される結果を検討して、このスクリーニングプロセスの恩恵が有害性を上回るかを判断するべきである。したがって、肺癌のリスクの高い患者を（プレスクリーニングの段階で）識別し、癌である確率の高い個人のみをスクリーニングすることによって、効率的かつ危険性が最小限であるスクリーニングプログラムを可能にするモデルを開発することが強く求められている。
本発明のいくつかの実施形態によると、肺癌のリスクを評価するコンピュータ化された方法、を提供する。本方法は、対象の個人から採取された血液からの複数の現在の血液検査結果を含む特徴のセットを生成するステップと、別の複数のサンプリングされた個人それぞれの複数の過去の血液検査結果の分析に従って生成される少なくとも１つの分類器を提供するステップと、対象の個人の肺癌のリスクを、プロセッサを使用して特徴のセットを少なくとも１つの分類器を使用してクラス分類することによって、評価するステップと、を含む。複数の過去および現在の血液検査結果それぞれは、次の血液検査結果、すなわち、好中球数、好塩基球数、好酸球数、リンパ球数、単球数、白血球数、好中球比率、好塩基球比率、好酸球比率、リンパ球比率、単球比率、のうちの少なくとも１つを含む白血球の血液検査結果であって、特徴のセットが、対象の個人から採取された血液からの複数の過去の血液検査結果を含む、白血球の血液検査結果と、生化学検査結果と、血小板数および平均血小板容積（ＭＰＶ）のうちの少なくとも一方を含む血小板の血液検査結果と、喫煙歴と、赤血球数（ＲＢＣ）、赤血球分布幅（ＲＤＷ）、平均赤血球ヘモグロビン量（ＭＣＨ）、平均赤血球容積（ＭＣＶ）、平均赤血球ヘモグロビン濃度（ＭＣＨＣ）、ヘマトクリット値、ヘモグロビン量、のうちの少なくとも１つを含む赤血球検査結果と、の組合せと、のうちの少なくとも１つ、を含む。
オプションとして、生化学検査結果は、赤血球沈降速度（ＥＳＲ）、ブドウ糖、尿素、血液尿素窒素（ＢＵＮ）、クレアチニン、ナトリウム、カリウム、塩化物、カルシウム、リン、尿酸、総ビリルビン、乳酸脱水素酵素（ＬＤＨ）、グルタミン酸オキサロ酢酸トランスアミナーゼ（ＧＯＴ）、血清グルタミン酸オキザロ酢酸トランスアミナーゼ（ＳＧＯＴ）、グルタミン酸オキサロ酢酸、アスパラギン酸トランスアミナーゼ（ＡＳＴ）、アスパラギン酸アミノトランスフェラーゼ、グルタミン酸ピルビン酸トランスアミナーゼ（ＧＰＴ）、血清グルタミン酸ピルビン酸トランスアミナーゼ（ＳＧＰＴ）、アラニンアミノ基転移酵素（ＡＬＴ）、アルカリフォスファターゼ（Ａｌｋ Ｐｈｏｓ／ＡＬＰ）、ガンマグルタミルトランスペプチダーゼ（ＧＧＴ）、アルブミン、ＣＫ（クレアチンキナーゼ）、鉄、ＨｂＡ１、Ｂ１２、ビタミンＤ、Ｇ−６−ＰＤ、リチウム、葉酸、ＣＲＰ（Ｃ反応性タンパク質）、低密度リポタンパク質（ＬＤＬ）、高密度リポタンパク質（ＨＤＬ）、トリグリセリド、総コレステロール、アミラーゼ、ＰＴ（プロトロンビン時間）、部分トロンボプラスチン時間（ＰＴＴ）、活性化部分トロンボプラスチン時間（ＡＰＰＴ）、国際標準化比（ＩＮＲ）、フィブリノーゲン、シチジン三リン酸（ＣＰＴ）、フェリチン、糸球体濾過量（ＧＦＲ）、トランスフェリン、総鉄結合能（ＴＩＢＣ）、不飽和鉄結合能（ＵＩＢＣ）、からなる群から選択される。
オプションとして、少なくとも１つの分類器は、複数のサンプリングされた個人それぞれの複数の過去および現在の血液検査結果と、少なくとも１つの人口統計学的パラメータとの組合せ、に従って生成される。
さらなるオプションとして、少なくとも１つの人口統計学的パラメータは、性別、年齢、居住地域、人種、社会経済的特性、からなる群の中の要素である。
オプションとして、複数の過去および現在の血液検査結果それぞれは、好中球数、好塩基球数、好酸球数、リンパ球数、単球数、白血球数、好中球比率、好塩基球比率、好酸球比率、リンパ球比率、単球比率、のうちの少なくとも１つを含む白血球の血液検査結果、を含む。
さらなるオプションとして、複数の過去および現在の血液検査結果それぞれは、喫煙歴を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、血小板数および平均血小板容積（ＭＰＶ）のうちの少なくとも一方を含む血小板の血液検査結果、を含む。
さらなるオプションとして、複数の過去および現在の血液検査結果それぞれは、喫煙歴を含む。
さらなるオプションとして、複数の過去および現在の血液検査結果それぞれは、喫煙歴を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、喫煙歴と、ＲＢＣ、ＲＤＷ、ＭＣＨ、ＭＣＶ、ＭＣＨＣ、ヘマトクリット値、ヘモグロビン量、のうちの少なくとも１つを含む赤血球検査結果と、の組合せ、を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、好中球比率／好中球数およびリンパ球比率／リンパ球数の両方の結果を含む。
オプションとして、少なくとも１つの分類器は、重み付き線形回帰分類器、ｋ近傍（ＫＮＮ）分類器、ランダムフォレスト分類器からなる群の中の要素を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、血小板クリット（ＰＣＴ）の結果を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、ヘモグロビン濃度（ＨＧＢ）およびヘマトクリット値（ＨＣＴ）の両方の結果を含む。
オプションとして、特徴のセットが、対象の個人の年齢を含み、少なくとも１つの分類器が、別の複数のサンプリングされた個人それぞれの年齢の分析に従って生成される。
オプションとして、複数の過去および現在の血液検査結果それぞれは、次の血液検査結果、すなわち、好酸球数、好中球比率、単球比率、好酸球比率、好塩基球比率、好中球数、単球数、のうちの少なくとも１つを含む。
オプションとして、特徴のセットが、対象の個人の年齢を含み、少なくとも１つの分類器が、別の複数のサンプリングされた個人それぞれの年齢の分析に従って生成される。
オプションとして、複数の過去および現在の血液検査結果それぞれは、赤血球分布幅（ＲＤＷ）の結果を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、赤血球沈降速度（ＥＳＲ）、ブドウ糖、尿素、血液尿素窒素（ＢＵＮ）、クレアチニン、ナトリウム、カリウム、塩化物、カルシウム、リン、尿酸、総ビリルビン、乳酸脱水素酵素（ＬＤＨ）、グルタミン酸オキサロ酢酸トランスアミナーゼ（ＧＯＴ）、血清グルタミン酸オキザロ酢酸トランスアミナーゼ（ＳＧＯＴ）、グルタミン酸オキサロ酢酸、アスパラギン酸トランスアミナーゼ（ＡＳＴ）、アスパラギン酸アミノトランスフェラーゼ、グルタミン酸ピルビン酸トランスアミナーゼ（ＧＰＴ）、血清グルタミン酸ピルビン酸トランスアミナーゼ（ＳＧＰＴ）、アラニンアミノ基転移酵素（ＡＬＴ）、アルカリフォスファターゼ（Ａｌｋ Ｐｈｏｓ／ＡＬＰ）、ガンマグルタミルトランスペプチダーゼ（ＧＧＴ）、アルブミン、ＣＫ（クレアチンキナーゼ）、鉄、ＨｂＡ１、Ｂ１２、ビタミンＤ、Ｇ−６−ＰＤ、リチウム、葉酸、ＣＲＰ（Ｃ反応性タンパク質）、低密度リポタンパク質（ＬＤＬ）、高密度リポタンパク質（ＨＤＬ）、トリグリセリド、総コレステロール、アミラーゼ、ＰＴ（プロトロンビン時間）、部分トロンボプラスチン時間（ＰＴＴ）、活性化部分トロンボプラスチン時間（ＡＰＰＴ）、国際標準化比（ＩＮＲ）、フィブリノーゲン、シチジン三リン酸（ＣＰＴ）、フェリチン、糸球体濾過量（ＧＦＲ）、トランスフェリン、総鉄結合能（ＴＩＢＣ）、不飽和鉄結合能（ＵＩＢＣ）、から選択される生化学検査結果、を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、血小板クリット（ＰＣＴ）の結果を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、平均赤血球容積（ＭＣＶ）の結果を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、次の血液検査結果、すなわち、白血球数（ＷＢＣ）（ＣＢＣ）、平均血小板容積（ＭＰＶ）、平均赤血球容積（ＭＣＶ）、血小板数（ＣＢＣ）、好酸球数、好中球比率、単球比率、好酸球比率、好塩基球比率、好中球数、単球数、のうちの少なくとも１つを含む。
オプションとして、少なくとも１つの分類器は、重み付き線形回帰分類器、ｋ近傍（ＫＮＮ）分類器、勾配ブースティングマシン（ＧＢＭ）分類器、ランダムフォレスト分類器、からなる群の中の要素を含む。
オプションとして、特徴のセットが、対象の個人の少なくとも１つの人口統計学的特性を含み、少なくとも１つの分類器が、複数のサンプリングされた個人それぞれの少なくとも１つの人口統計学的特性の分析に従って生成される。
オプションとして、本方法は、少なくとも１つの人口統計学的特性を有するサンプリングされた個人の複数のそれぞれの過去の血液検査結果、に従ってそれぞれ生成される複数の分類器から、個人の少なくとも１つの人口統計学的特性に従って少なくとも１つの分類器を選択するステップ、をさらに含む。
オプションとして、複数の血液検査結果は、次の複数の血液検査からの少なくとも１つの結果を含み、生化学検査結果は、次の血液検査結果、すなわち、アルブミン、カルシウム、塩化物、コレステロール、クレアチニン、高密度リポタンパク質（ＨＤＬ）、低密度リポタンパク質（ＬＤＬ）、カリウム、ナトリウム、トリグリセリド、尿素、尿酸、のうちの少なくとも１つを含むことができる。
本発明のいくつかの実施形態によると、肺癌評価システムを提供する。本システムは、プロセッサと、別の複数のサンプリングされた個人それぞれの複数の過去の血液検査結果の分析に従って生成される少なくとも１つの分類器、を格納するメモリユニットと、対象の個人の血液から得られる複数の現在の血液検査結果を受け取る入力ユニットと、複数の現在の血液検査結果から抽出される特徴のセットを少なくとも１つの分類器を使用してクラス分類することによって、対象の個人の肺癌のリスクをプロセッサを使用して評価する肺癌評価モジュールと、を備えている。複数の過去および現在の血液検査結果それぞれは、次の血液検査結果、すなわち、好中球数、好塩基球数、好酸球数、リンパ球数、単球数、白血球数、好中球比率、好塩基球比率、好酸球比率、リンパ球比率、単球比率、のうちの少なくとも１つを含む白血球の血液検査結果であって、特徴のセットが、対象の個人から採取された血液からの複数の過去の血液検査結果を含む、白血球の血液検査結果と、生化学検査結果と、血小板数および平均血小板容積（ＭＰＶ）のうちの少なくとも一方を含む血小板の血液検査結果と、喫煙歴と、赤血球数（ＲＢＣ）、赤血球分布幅（ＲＤＷ）、平均赤血球ヘモグロビン量（ＭＣＨ）、平均赤血球容積（ＭＣＶ）、平均赤血球ヘモグロビン濃度（ＭＣＨＣ）、ヘマトクリット値、ヘモグロビン量、のうちの少なくとも１つを含む赤血球検査結果と、の組合せと、のうちの少なくとも１つ、を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、赤血球分布幅（ＲＤＷ）の結果を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、血小板クリット（ＰＣＴ）の結果を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、平均赤血球容積（ＭＣＶ）の結果を含む。
本発明のいくつかの実施形態によると、肺癌のリスクを評価するための分類器を生成する方法、を提供する。本方法は、別の複数のサンプリングされた個人それぞれの複数の過去の血液検査結果を用意するステップと、別の複数のサンプリングされた個人のそれぞれの複数の過去の血液検査結果に従ってそれぞれ生成される複数の特徴のセットを有するデータセット、を生成するステップと、肺癌のリスクを評価するための少なくとも１つの分類器を、データセットの分析に従って生成するステップと、少なくとも１つの分類器を出力するステップと、を含む。
オプションとして、分類器を生成する方法は、それぞれの複数の過去の血液検査結果から選択される過去の血液検査結果の少なくとも１つの操作されたバージョンを計算して、特徴としてそれぞれの特徴のセットに追加するステップ、を含む。
オプションとして、分類器を生成する方法は、特徴のセットそれぞれを、それぞれの複数の過去の血液検査結果の日付に従って重み付けるステップ、を含む。
オプションとして、分類器を生成する方法は、複数の特徴のセットを標準偏差の最大しきい値に従ってフィルタリングして外れ値を取り除くステップ、を含む。
オプションとして、複数の特徴のセットは、それぞれの複数の過去の血液検査結果の日付に従って重み付けられる。
オプションとして、複数の血液検査結果が、次の血液検査結果、すなわち、赤血球数（ＲＢＣ）、ヘモグロビン濃度（ＨＧＢ）、ヘマトクリット値（ＨＣＴ）、のうちの少なくとも１つと、次の血液検査結果、すなわち、平均赤血球ヘモグロビン量（ＭＣＨ）および平均赤血球ヘモグロビン濃度（ＭＣＨＣ）のうちの少なくとも一方と、を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、赤血球分布幅（ＲＤＷ）の結果を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、血小板クリット（ＰＣＴ）の結果を含む。
オプションとして、複数の過去および現在の血液検査結果それぞれは、平均赤血球容積（ＭＣＶ）の結果を含む。
さらなるオプションとして、本方法は、複数のサンプリングされた個人それぞれの少なくとも１つの人口統計学的パラメータを、それぞれの特徴のセットに追加するステップ、をさらに含む。
さらなるオプションとして、少なくとも１つの人口統計学的パラメータは、性別、年齢、居住地域、人種、社会経済的特性、からなる群の中の要素である。
さらなるオプションとして、分類器を生成する方法は、少なくとも１つの人口統計学的パラメータの少なくとも１つの操作されたバージョンを計算して、特徴としてそれぞれの特徴のセットに追加するステップ、を含む。
特に定義されていない限り、本明細書で使用されているすべての技術用語および科学用語は、本発明が関連する技術分野における通常の技能を有する者によって一般に理解されている意味と同じ意味を有する。本発明の実施形態を実施または試験するとき、本明細書に記載されている方法および材料に類似するかまたは同等の方法および材料を使用できるが、例示的な方法および例示的な材料は以下に記載してある。矛盾が生じる場合、定義を含めて本特許明細書に従うものとする。さらには、これらの材料、方法、および例は、説明のみを目的としており、必ずしも本発明を制限することを意図していない。
本発明の実施形態の方法もしくはシステムまたはその両方を実施するとき、選択されたタスクを手操作で、または自動的に、またはこれらを組み合わせて実行または完了することができる。さらに、本発明の方法もしくはシステムまたはその両方の実施形態の実際の計装および機器に応じて、いくつかの選択されたタスクを、オペレーティングシステムを使用して、ハードウェアによって、ソフトウェアによって、またはファームウェアによって、またはこれらの組合せによって、実施することができる。
例えば、本発明の実施形態による選択されたタスクを実行するためのハードウェアは、チップまたは回路として実施することができる。ソフトウェアとしては、本発明の実施形態による選択されたタスクは、任意の適切なオペレーティングシステムを使用するコンピュータによって実行される複数のソフトウェア命令として実施することができる。本発明の例示的な実施形態においては、本明細書に記載されている方法もしくはシステムまたはその両方の例示的な実施形態による１つまたは複数のタスクは、データプロセッサ（例えば複数の命令を実行するコンピューティングプラットフォームなど）によって実行される。オプションとして、データプロセッサは、命令やデータを格納するための揮発性メモリ、もしくは、命令やデータを格納するための不揮発性メモリ（例えば磁気ハードディスク、リムーバブルメディア）、またはその両方を含む。オプションとして、ネットワーク接続も提供される。オプションして、ディスプレイもしくはユーザ入力装置（キーボードやマウスなど）またはその両方も提供される。
本発明のいくつかの実施形態によると、複数の個人の過去の血液検査結果の分析に従って生成される１つまたは複数の分類器を使用して、対象の個人の現在の血液検査結果のセットをクラス分類することによって、肺癌のリスクを評価する方法およびシステム、を提供する。
本明細書では、本発明のいくつかの実施形態について、添付の図面を参照しながら一例としてのみ説明してある。以下では図面を詳細に参照するが、図示されている細部は一例であり、本発明の実施形態を実例を通じて説明することを目的としていることを強調しておく。これに関して、図面を参照しながらの説明によって、当業者には、本発明の実施形態をどのように実施するかが明らかになる。
次に図１を参照し、図１は、本発明のいくつかの実施形態による、肺癌のリスクスコアを推定するための１つまたは複数の分類器を、診断を受けた複数の個人それぞれの複数の過去の検査結果の分析に従って生成する方法１００の流れ図である。
さらに図２を参照し、図２は、本発明のいくつかの実施形態による、例えば図１に示した方法を実施することによって、肺癌のリスクスコアを推定するための（１つまたは複数の）分類器を生成するシステム２００の概略図である。
システム２００は、１つまたは複数の医療記録データベース２０１を含む、もしくは、医療記録データベースのインタフェースに接続されている、またはその両方である。データベース２０１は、複数の個人記録（複数の個人サンプルとも称する）を含み、個人記録は、対象の個人以外の複数のサンプリングされた個人それぞれについて、そのような個人それぞれの複数の過去の検査結果の１つまたは複数のセットと、オプションとして、１つまたは複数の人口統計学的パラメータと、肺癌の診断とを記述している。複数の過去の検査結果のセット、（１つまたは複数の）人口統計学的パラメータ（年齢など）、および／または肺癌の予後は、共通のサンプル記録に格納する、もしくは、複数の独立したデータベースおよび／または複数の接続されているデータベースから集める、またはその両方を行うことができる。オプションとして、肺癌の予後は、癌登録記録による二値指標セット（binary indication set）である。さまざまな検査結果は、一般に行われる血液検査の結果、または、同じ期間内に行われる生化学検査もしくは血液検査またはその両方の結果とすることができる。オプションとして、複数の過去の検査結果のいくつかのセットは、失われた血液検査結果を有する。オプションとして、これらの結果は、別の個人の利用可能な血液検査結果を加重平均することによって補完される。本システムは、プロセッサ２０４と、分類器生成モジュール２０５と、インタフェースユニット２０６（ネットワークインタフェースなど）と、をさらに含む。
本明細書では、人口統計学的パラメータは、年齢、性別、人種、体重、国籍、居住地域などを含む。
最初に、１０１に示したように、複数の個人サンプルの１つまたは複数のデータセットを作成する。
オプションとして、１０２に示したように、複数の個人サンプルを、マッチング基準に従ってスクリーニングする、もしくは選択する、またはその両方を行う。例えば、サンプル記録は、肺癌の癌登録がありオプションとして他の種類の癌の癌登録がない、または、癌登録のない、３０歳以上の個人の記録である。オプションとして、癌登録のある個人のサンプル記録は、これらのサンプル記録に記録されている複数の過去の検査結果の最も新しいセットが、各個人が癌登録に登録される前の特定の期間内（例えば現在の日付の前の少なくとも３０日、最大で２年の期間内）に取得された場合にのみ、採用される。オプションとして、癌登録のない個人のサンプル記録は、これらのサンプル記録に、陽性の肺癌母集団の時間分布（血液検査の時期）と陰性の肺癌母集団の時間分布とが等しくなるような複数の過去の検査結果のセットが含まれる場合にのみ、採用される。陽性のサンプルおよび陰性のサンプルの時間分布を同一にするプロセスによって、少なくともいくつかの陰性の（登録されていない）サンプルも省かれ、データセットの中の肺癌罹患率が変化する。
次いで、１０３に示したように、サンプル記録から抽出されるサンプルデータに従って、例えば分類器生成モジュール２０５によって評価データセット（行列など）を生成する。評価データセットは、オプションとして拡張された複数の特徴のセットを含む。特徴のセットそれぞれは、スクリーニングもしくは選択またはその両方が行われたサンプル記録のそれぞれから生成される。オプションとして、特徴のセットは、処理されていない特徴であり、実際の血液検査結果もしくは人口統計学的特性値またはその両方を含む。
各サンプル記録は、個人の複数の過去の検査結果の１つまたは複数のセットを含み、それぞれ、血液検査結果もしくは生化学検査結果またはその両方の組合せ、例えば、１０より大きい／より小さい、１５より大きい／より小さい、２０より大きい／より小さい、または１０〜２０の任意の数より大きい／より小さい数の血液検査結果の組合せ、を含む。一例においては、抽出される未処理の特徴のセットそれぞれは、少なくとも次の１８種類の血液検査結果、すなわち、赤血球数（ＲＢＣ）、白血球数（ＷＢＣ）（ＣＢＣ）、平均血小板容積（ＭＰＶ）、ヘモグロビン濃度（ＨＧＢ）、ヘマトクリット値（ＨＣＴ）、平均赤血球容積（ＭＣＶ）、平均赤血球ヘモグロビン量（ＭＣＨ）、平均赤血球ヘモグロビン濃度（ＭＣＨＣ）、赤血球分布幅（ＲＤＷ）、血小板数（ＣＢＣ）、好酸球数、好中球比率、単球比率、好酸球比率、好塩基球比率、好中球数、単球数、血小板クリット（ＰＣＴ）、を含む。オプションとして、この抽出された未処理の特徴のセットは、次の血液検査結果、すなわち、赤血球分布幅（ＲＤＷ）、血小板数、平均赤血球容積（ＭＣＶ）、のうちの１つまたは複数をさらに含む。これに加えて、この抽出された未処理の特徴のセットは、次の血液検査結果、すなわち、白血球数（ＷＢＣ）、好酸球数、好中球比率／数、好塩基球比率／数、単球比率／数、のうちの１つまたは複数をさらに含むことができる。
現在の血液検査結果のセットは、次の生化学検査結果、すなわち、赤血球沈降速度（ＥＳＲ）、ブドウ糖、尿素、血液尿素窒素（ＢＵＮ）、クレアチニン、ナトリウム、カリウム、塩化物、カルシウム、リン、尿酸、総ビリルビン、乳酸脱水素酵素（ＬＤＨ）、グルタミン酸オキサロ酢酸トランスアミナーゼ（ＧＯＴ）、血清グルタミン酸オキザロ酢酸トランスアミナーゼ（ＳＧＯＴ）、グルタミン酸オキサロ酢酸、アスパラギン酸トランスアミナーゼ（ＡＳＴ）、アスパラギン酸アミノトランスフェラーゼ、グルタミン酸ピルビン酸トランスアミナーゼ（ＧＰＴ）、血清グルタミン酸ピルビン酸トランスアミナーゼ（ＳＧＰＴ）、アラニンアミノ基転移酵素（ＡＬＴ）、アルカリフォスファターゼ（Ａｌｋ Ｐｈｏｓ／ＡＬＰ）、ガンマグルタミルトランスペプチダーゼ（ＧＧＴ）、アルブミン、ＣＫ（クレアチンキナーゼ）、鉄、ＨｂＡ１、Ｂ１２、ビタミンＤ、Ｇ−６−ＰＤ、リチウム、葉酸、ＣＲＰ（Ｃ反応性タンパク質）、低密度リポタンパク質（ＬＤＬ）、高密度リポタンパク質（ＨＤＬ）、トリグリセリド、総コレステロール、アミラーゼ、ＰＴ（プロトロンビン時間）、部分トロンボプラスチン時間（ＰＴＴ）、活性化部分トロンボプラスチン時間（ＡＰＰＴ）、国際標準化比（ＩＮＲ）、フィブリノーゲン、シチジン三リン酸（ＣＰＴ）、フェリチン、糸球体濾過量（ＧＦＲ）、トランスフェリン、総鉄結合能（ＴＩＢＣ）、不飽和鉄結合能（ＵＩＢＣ）、のうちの数個またはそれ以上を含む。
オプションとして、未処理の特徴のセットを拡張する。拡張された特徴のセットは、例えば後から説明するように、上記の未処理の血液検査結果としての特徴、生化学検査結果としての特徴、喫煙データとしての特徴、１つまたは複数の人口統計学的パラメータとしての特徴、オプションとして操作された血液検査結果としての特徴、血液検査結果の組合せとしての特徴、のうちの少なくとも１つを含む。例えば、拡張された特徴のセットの中の各特徴は、血液検査結果と、人口統計学的特性と、喫煙歴と、生化学検査結果と、（１つまたは複数の）血液検査結果および／または（１つまたは複数の）生化学検査結果の組合せと、（１つまたは複数の）血液検査結果および／または（１つまたは複数の）人口統計学的特性の操作されたバージョン、のうちの少なくとも１つに基づく。例えば、未処理の特徴のセットが１８種類の検査結果を含むとき、９５〜１９０個の（例えば１１４個の）特徴の拡張されたセットを生成することができる。
オプションとして、複数の異なる拡張された特徴のセットを有する複数の異なる評価データセット（例えば行列）を生成して、異なる人口統計学的特性（例えば性別）、異なる喫煙歴、および／または異なる現在のデータを有する対象の個人をクラス分類する複数の異なる分類器を生成する。
オプションとして、評価データセット（例えば行列）をフィルタリングして、外れ値を繰り返し取り除く。オプションとして、各特徴の平均偏差もしくは標準偏差またはその両方を計算し、除外値（例えば標準偏差の最大しきい値（例：１０）より大きい値）を有する特徴を、標準偏差の最大しきい値まで切り捨てる。このプロセスを、反復的に例えば１０回（または切り捨てが行われない場合にはそれ以下）、繰り返す。次いで、１０４に示したように、例えば分類器生成モジュール２０５によって、評価データセットを使用して（１つまたは複数の）分類器を生成し、各分類器は、個人の１つまたは複数の人口統計学的特性と、複数の現在の検査結果のセットとに基づいて、対象の個人の肺癌のリスクをクラス分類する。オプションとして、評価データセットに基づいて、次の分類器、すなわち、
重み付き線形回帰分類器（陽性のサンプル記録には、陰性のサンプル記録のスコアの約１００倍のスコアが与えられる）、
ｋ近傍（ＫＮＮ）分類器（例えば陰性のサンプル記録の１００倍のダウンサンプリング）、
ランダムフォレスト分類器（例えば２：１の比率の陽性対陰性のサンプル記録を使用して各決定木を構築する）、
勾配ブースティングマシン（ＧＢＭ）分類器、
のうちの１つまたは複数を生成することができる。
重み付き線形回帰分類器（陽性のサンプル記録には、陰性のサンプル記録のスコアの約１００倍のスコアが与えられる）、
ｋ近傍（ＫＮＮ）分類器（例えば陰性のサンプル記録の１００倍のダウンサンプリング）、
ランダムフォレスト分類器（例えば２：１の比率の陽性対陰性のサンプル記録を使用して各決定木を構築する）、
勾配ブースティングマシン（ＧＢＭ）分類器、
のうちの１つまたは複数を生成することができる。
オプションとして、分類器それぞれの性能を、１０回の交差検証プロセスを使用して推定し、この場合、評価データセット（本明細書では母集団と称する）を１０個の同じ大きさの部分にランダムに分割する。各部分に対して、次の処理、すなわち、
それぞれの部分の中ではない、母集団の９０％から、血液検査結果の許容可能なセットを選択する、
選択された血液検査結果のセットに従って分類器を訓練する、
それぞれの部分の中の、母集団の１０％から、血液検査結果のセットを選択する、
母集団の１０％からの選択された血液検査結果のセットに対して分類器を使用する、
を実行することができる。
それぞれの部分の中ではない、母集団の９０％から、血液検査結果の許容可能なセットを選択する、
選択された血液検査結果のセットに従って分類器を訓練する、
それぞれの部分の中の、母集団の１０％から、血液検査結果のセットを選択する、
母集団の１０％からの選択された血液検査結果のセットに対して分類器を使用する、
を実行することができる。
次いで１０５に示したように、対象の個人をクラス分類することのできる（１つまたは複数の）分類器を、オプションとしてモジュールとして、例えばインタフェースユニット２０６によって出力する。オプションとして、異なる人口統計学的特性を有する個人を対象とする異なる分類器を定義し、例えば男性用の１つの分類器と女性用の別の分類器を定義する。別の例においては、喫煙者に対して１つの分類器を使用して、非喫煙者に対して別の分類器を使用する。
オプションとして、分類器は、現在の血液検査結果のセットと喫煙歴とを組み合わせることによって、肺癌を評価することができる。現在の血液検査結果のセットは、次の血液検査、すなわち、好酸球数、好酸球比率、好中球数、好中球比率、単球数、単球比率、好塩基球数、好塩基球比率、リンパ球数、リンパ球比率、白血球数（ＷＢＣ）、のうちの数個またはそれ以上の結果、または、次の血液検査、すなわち、赤血球数（ＲＢＣ）、赤血球分布幅（ＲＤＷ）、平均赤血球容積（ＭＣＶ）、平均赤血球ヘモグロビン濃度（ＭＣＨＣ）、ヘマトクリット値（ＨＣＴ）、ヘモグロビン濃度（ＨＧＢ）、平均赤血球ヘモグロビン量（ＭＣＨ）、のうちの少なくとも１つの結果、または、血小板数および平均血小板容積（ＭＰＶ）のうちの少なくとも一方の結果、を含む。
オプションとして、上に指定した血液検査グループのうちの少なくとも２つの結果によって、肺癌のリスクを評価する。
オプションとして、対象の個人の生化学血液検査結果をクラス分類することによって、肺癌のリスクを評価する。このような実施形態においては、例えば上述したように、複数の個人の過去の生化学血液検査結果の分析に従って、分類器を生成する。生化学血液検査結果は、上記の生化学検査のうちの任意の１つまたは複数の検査の結果を含むことができ、例えば、次の血液検査結果、すなわち、アルブミン、カルシウム、塩化物、コレステロール、クレアチニン、高密度リポタンパク質（ＨＤＬ）、低密度リポタンパク質（ＬＤＬ）、カリウム、ナトリウム、トリグリセリド、尿素、尿酸、のうちの少なくとも１つ、を含む。
オプションとして、対象の個人の人口統計学的特性をクラス分類することによって、肺癌のリスクを評価する。このような実施形態においては、複数の個人の人口統計学的特性の分析に従って分類器を生成する。
オプションとして、対象の個人の現在の血液検査結果と、サンプリングされた個人の過去の血液検査結果の両方を使用して、操作もしくは重み付けまたはその両方が行われた値を含む、拡張された特徴のセットを生成する。オプションとして、拡張された特徴のセットそれぞれは、例えば後から説明するように、それぞれの個人の人口統計学的特性に基づく。
オプションとして、１つまたは複数の分類器を、対象の個人の１つまたは複数の人口統計学的特性に適合させる。オプションとして、対象の個人の１つまたは複数の人口統計学的特性に合致するように分類器を選択する。このような実施形態においては、女性および男性に対して異なる分類器を使用する、もしくは、異なる年齢層に対して異なる分類器を使用する、またはその両方とすることができる。
本発明のいくつかの実施形態によると、肺癌のリスクを評価するための１つまたは複数の分類器を生成する方法およびシステム、を提供する。本方法および本システムは、別の複数のサンプリングされた個人それぞれの複数の過去の血液検査結果を分析し、それぞれの過去の血液検査結果に従ってそれぞれ生成される複数の特徴のセットを有するデータセットを生成することに基づく。次いで、データセットを使用して、例えば上述したように、ｋ近傍（ＫＮＮ）分類器、ランダムフォレスト分類器、重み付き線形回帰分類器など、１つまたは複数の分類器を生成し、出力する。分類器は、クライアント端末において実行するためのモジュールとして提供する、または対象の個人の肺癌のリスクを各個人の現在の血液検査結果に基づいて評価するオンライサービスとして使用することができる。
オプションとして、分類器を、特許文献１に記載されているように生成し、この文書は参照によって本明細書に組み込まれている。
次の表は、本発明のいくつかの実施形態による、さまざまな分類器の性能をまとめたものであり、各分類器は、複数のサンプリングされた個人の複数のそれぞれの過去の血液検査結果の分析に従って生成されており、これらの血液検査結果は、１つまたは２つの血液検査グループからのデータを含む。
（１つまたは複数の）分類器は、複数のサンプリングされた個人の複数のそれぞれの過去の血液検査結果の分析に従って生成され、これらの血液検査結果は、以下のうちの少なくとも１つを含む。
１）白血球検査結果（簡潔さのため白血球と略す）： 好中球数、好塩基球数、好酸球数、リンパ球数、単球数、白血球数、好中球比率、好塩基球比率、好酸球比率、リンパ球比率、単球比率、のうちの少なくとも１つを含む。
２）血小板検査結果（簡潔さのため血小板と略す）： 血小板数もしくは平均血小板容積（ＭＰＶ）またはその両方を含む。
３）生化学検査結果： 赤血球沈降速度（ＥＳＲ）、ブドウ糖、尿素、血液尿素窒素（ＢＵＮ）、クレアチニン、ナトリウム、カリウム、塩化物、カルシウム、リン、尿酸、総ビリルビン、乳酸脱水素酵素（ＬＤＨ）、グルタミン酸オキサロ酢酸トランスアミナーゼ（ＧＯＴ）、血清グルタミン酸オキザロ酢酸トランスアミナーゼ（ＳＧＯＴ）、グルタミン酸オキサロ酢酸、アスパラギン酸トランスアミナーゼ（ＡＳＴ）、アスパラギン酸アミノトランスフェラーゼ、グルタミン酸ピルビン酸トランスアミナーゼ（ＧＰＴ）、血清グルタミン酸ピルビン酸トランスアミナーゼ（ＳＧＰＴ）、アラニンアミノ基転移酵素（ＡＬＴ）、アルカリフォスファターゼ（Ａｌｋ Ｐｈｏｓ／ＡＬＰ）、ガンマグルタミルトランスペプチダーゼ（ＧＧＴ）、アルブミン、ＣＫ（クレアチンキナーゼ）、鉄、ＨｂＡ１、Ｂ１２、ビタミンＤ、Ｇ−６−ＰＤ、リチウム、葉酸、ＣＲＰ（Ｃ反応性タンパク質）、低密度リポタンパク質（ＬＤＬ）、高密度リポタンパク質（ＨＤＬ）、トリグリセリド、総コレステロール、アミラーゼ、ＰＴ（プロトロンビン時間）、部分トロンボプラスチン時間（ＰＴＴ）、活性化部分トロンボプラスチン時間（ＡＰＰＴ）、国際標準化比（ＩＮＲ）、フィブリノーゲン、シチジン三リン酸（ＣＰＴ）、フェリチン、糸球体濾過量（ＧＦＲ）、トランスフェリン、総鉄結合能（ＴＩＢＣ）、不飽和鉄結合能（ＵＩＢＣ）、からなる群から選択される。
４）赤血球検査結果（簡潔さのため赤血球と略す）： ＲＢＣ、ＲＤＷ、ＭＣＶ、ＭＣＨＣ、ヘマトクリット値、ヘモグロビン量、ＭＣＨ、のうちの少なくとも１つを含む。
１）白血球検査結果（簡潔さのため白血球と略す）： 好中球数、好塩基球数、好酸球数、リンパ球数、単球数、白血球数、好中球比率、好塩基球比率、好酸球比率、リンパ球比率、単球比率、のうちの少なくとも１つを含む。
２）血小板検査結果（簡潔さのため血小板と略す）： 血小板数もしくは平均血小板容積（ＭＰＶ）またはその両方を含む。
３）生化学検査結果： 赤血球沈降速度（ＥＳＲ）、ブドウ糖、尿素、血液尿素窒素（ＢＵＮ）、クレアチニン、ナトリウム、カリウム、塩化物、カルシウム、リン、尿酸、総ビリルビン、乳酸脱水素酵素（ＬＤＨ）、グルタミン酸オキサロ酢酸トランスアミナーゼ（ＧＯＴ）、血清グルタミン酸オキザロ酢酸トランスアミナーゼ（ＳＧＯＴ）、グルタミン酸オキサロ酢酸、アスパラギン酸トランスアミナーゼ（ＡＳＴ）、アスパラギン酸アミノトランスフェラーゼ、グルタミン酸ピルビン酸トランスアミナーゼ（ＧＰＴ）、血清グルタミン酸ピルビン酸トランスアミナーゼ（ＳＧＰＴ）、アラニンアミノ基転移酵素（ＡＬＴ）、アルカリフォスファターゼ（Ａｌｋ Ｐｈｏｓ／ＡＬＰ）、ガンマグルタミルトランスペプチダーゼ（ＧＧＴ）、アルブミン、ＣＫ（クレアチンキナーゼ）、鉄、ＨｂＡ１、Ｂ１２、ビタミンＤ、Ｇ−６−ＰＤ、リチウム、葉酸、ＣＲＰ（Ｃ反応性タンパク質）、低密度リポタンパク質（ＬＤＬ）、高密度リポタンパク質（ＨＤＬ）、トリグリセリド、総コレステロール、アミラーゼ、ＰＴ（プロトロンビン時間）、部分トロンボプラスチン時間（ＰＴＴ）、活性化部分トロンボプラスチン時間（ＡＰＰＴ）、国際標準化比（ＩＮＲ）、フィブリノーゲン、シチジン三リン酸（ＣＰＴ）、フェリチン、糸球体濾過量（ＧＦＲ）、トランスフェリン、総鉄結合能（ＴＩＢＣ）、不飽和鉄結合能（ＵＩＢＣ）、からなる群から選択される。
４）赤血球検査結果（簡潔さのため赤血球と略す）： ＲＢＣ、ＲＤＷ、ＭＣＶ、ＭＣＨＣ、ヘマトクリット値、ヘモグロビン量、ＭＣＨ、のうちの少なくとも１つを含む。
例えば、分類器は、白血球または血小板のみに基づく。なお、白血球のみ、または血小板のみに基づく分類器では、喫煙歴のみに基づく分類器よりも良好な結果が得られることに留意されたい（上の表を参照）。喫煙歴と肺癌との相関関係が十分に裏付けられていることを考えると、このことは重要である。
オプションとして、分類器は、上記のグループのパラメータのうちの２つのみ（例えば、喫煙歴と白血球、喫煙歴と血小板、喫煙歴と赤血球、赤血球と白血球、血小板と白血球、血小板と赤血球）に基づく。
（１つまたは複数の）分類器は、各個人の年齢もしくは性別またはその両方の分析に従って生成される。
（１つまたは複数の）分類器は、クラス分類（予測とも称する）を生成する。オプションとして、クラス分類を集めて、各分類器の性能を測定する。性能の測度は、例えばＲＯＣ（受信者操作特性）曲線に従って選択する。オプションとして、異なる（５％、１０％、２０％、５０％、７０％）感度（再現率）値における特異度を使用して、測度を識別する。上の表にはさまざまな例示的な分類器の性能がまとめてあり、それぞれ曲線下面積（ＡＵＣ）が異なる。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、複数の血球数パラメータそれぞれの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態における例示的なデータは、ＡＵＣ＝０．９４［０．９３，０．９６］、感度（ＳＥＮＳ １０％）ＳＥＮＳ１０におけるＯＲ＝４３８［１２３，６２６］、偽陽性率（ＦＰＲ １０）におけるＳＥＮＳ＝８５．４％［８０．７，８９．８］、ＦＰＲ１におけるＳＥＮＳ＝４１．８％［３４．９，５０．５］である。以下の例示的なデータは、５０〜７５歳の年齢層の患者の、０〜３０日の時間窓の、ＭＨＳ（Ｍｅｍｏｒｉａｌ Ｈｅａｌｔｈｃａｒｅ Ｓｙｓｔｅｍ）からの医学的検査の記録によって与えられる最適な性能によって裏付けられる。これらの記録は、１０％の偽陽性率（ＦＰＲ）における感度に従って選択されている。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、複数の白血球数パラメータそれぞれの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態における例示的なデータは、ＡＵＣ＝０．９４［０．９２，０．９５］、ＳＥＮＳ１０におけるＯＲ＝２６０［８７，６２４］、ＦＰＲ１０におけるＳＥＮＳ＝７９．４％［７４．７，８４．０］、ＦＰＲ１におけるＳＥＮＳ＝３８．０％［３０．６，４５．４］である。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、複数の赤血球数パラメータそれぞれの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態における例示的なデータは、ＡＵＣ＝０．８８［０．８６，０．９０］、ＳＥＮＳ１０におけるＯＲ＝８８［３６，２０８］、ＦＰＲ１０におけるＳＥＮＳ＝６４．１％［５８．８，７０．０］、ＦＰＲ１におけるＳＥＮＳ＝２７．４％［２０．７，３３．９］である。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、複数の血小板数パラメータそれぞれの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態における例示的なデータは、ＡＵＣ＝０．９１［０．８９，０．９２］、ＳＥＮＳ１０におけるＯＲ＝１４９［４１，６１４］、ＦＰＲ１０におけるＳＥＮＳ＝７２．９％［６６．９，７８．３］、ＦＰＲ１におけるＳＥＮＳ＝３５．４％［２８．１，４２．３］である。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、血小板情報それぞれの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態における例示的なデータは、ＡＵＣ＝０．９４［０．９２，０．９５］、ＳＥＮＳ１０におけるＯＲ＝２３２［７６，６２１］、ＦＰＲ１０におけるＳＥＮＳ＝８０．７％［７５．６，８５．２］、ＦＰＲ１におけるＳＥＮＳ＝３７．７％［３１．２，４４．７］である。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、白血球数の任意のパラメータおよび赤血球数の任意のパラメータそれぞれの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態における例示的なデータは、ＡＵＣ＝０．９３［０．９２，０．９５］、ＳＥＮＳ１０におけるＯＲ＝３２６［７７，６２５］、ＦＰＲ１０におけるＳＥＮＳ＝８０．１％［７５．０，８４．８］、ＦＰＲ１におけるＳＥＮＳ＝３８．２％［３２．３，４５．２］である。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、白血球数の任意のパラメータおよび血小板情報の任意のパラメータ、または、白血球数の任意のパラメータおよび任意の生化学パラメータ、の（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、赤血球数の任意のパラメータおよび血小板情報の任意のパラメータの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態においては、ＡＵＣ＝０．９２［０．９０，０．９３］、ＳＥＮＳ１０におけるＯＲ＝１９４［５７，６１９］、ＦＰＲ１０におけるＳＥＮＳ＝７６．６％［７１．１，８１．６］、ＦＰＲ１におけるＳＥＮＳ＝３５．２％［２７．４，４２．２］である。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、血小板情報および任意の生化学パラメータの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、赤血球数および任意の生化学パラメータの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、好中球数の（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態においては、ＡＵＣ＝０．９０［０．８９，０．９２］、ＳＥＮＳ１０におけるＯＲ＝４４［２３，８９］、ＦＰＲ１０におけるＳＥＮＳ＝６９．２％［６２．９，７４．８］、ＦＰＲ１におけるＳＥＮＳ＝２２．２％［１６．９，２８．６］である。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、ヘマトクリット値の（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態においては、ＡＵＣ＝０．８８［０．８６，０．９０］、ＳＥＮＳ１０におけるＯＲ＝８８［３６，２０８］、ＦＰＲ１０におけるＳＥＮＳ＝６４．１％［５８．８，７０．０］、ＦＰＲ１におけるＳＥＮＳ＝２７．４％［２０．７，３３．９］である。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、血小板数の（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態における例示的なデータは、ＡＵＣ＝０．９１［０．８９，０．９２］、ＳＥＮＳ１０におけるＯＲ＝１４９［４１，６１４］、ＦＰＲ１０におけるＳＥＮＳ＝７２．９％［６６．９，７８．３］、ＦＰＲ１におけるＳＥＮＳ＝３５．４％［２８．１，４２．３］である。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、白血球数の任意のパラメータと、赤血球数の任意のパラメータと、血小板情報の任意のパラメータの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。このような実施形態における例示的なデータは、ＡＵＣ＝０．９４［０．９３，０．９６］、ＳＥＮＳ１０におけるＯＲ＝４３８［１２３，６２６］、ＦＰＲ１０におけるＳＥＮＳ＝８５．４％［８０．７，８９．８］、ＦＰＲ１におけるＳＥＮＳ＝４１．８％［３４．９，５０．５］である。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、白血球数の任意のパラメータと、赤血球数の任意のパラメータと、血小板情報の任意のパラメータと、任意の生化学パラメータの（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。
オプションとして、複数のサンプリングされた個人それぞれは、個人記録において、ＣＢＣまたは生化学の任意のパラメータおよび肺癌の家族歴、白血球数の任意のパラメータおよび肺癌の家族歴、赤血球数の任意の情報および肺癌の家族歴、ＣＢＣまたは生化学の任意のパラメータおよび肥満度指数（ＢＭＩ）、白血球数の任意のパラメータおよびＢＭＩ、赤血球数の任意の情報およびＢＭＩ、ＣＢＣまたは生化学の任意のパラメータおよび併存症（例：ＣＯＰＤ）、白血球数の任意のパラメータおよび併存症、赤血球数の任意の情報および併存症、ＣＢＣまたは生化学の任意のパラメータおよび社会経済指標（例：教育レベル）、白血球数の任意のパラメータおよび社会経済指標、赤血球数の任意の情報および社会経済指標、のうちの少なくとも１つ、の（１つまたは複数の）過去の値および（１つまたは複数の）現在の値を含む。
本出願から発生する特許権の存続期間中、数多くの関連するシステムおよび方法が開発されることが予測されるが、用語「プロセッサ」、「ディスプレイ」、および「ユーザインタフェース」の範囲は、このような新規の技術すべてを含むものとする。
本明細書では、語「約」は±１０％を意味する。
語「備えている」、「含む」、「有する」、およびこれらの活用形は、「〜を含み、ただしそれらに限定されない」を意味する。この語は、語「〜からなる」および「本質的に〜からなる」を包含する。
「本質的に〜からなる」という表現は、組成物または方法が、追加の成分もしくは追加のステップまたはその両方を含むことができるが、その場合の条件として、それら追加の成分もしくは追加のステップまたはその両方が、特許請求の範囲に記載されている組成物または方法の基本的かつ新規の特徴を実質的に変化させない場合に限られることを意味する。
本明細書では、単数形（「ａ」、「ａｎ」および「ｔｈｅ」）は、文脈から明らかに複数形が除外される場合を除いて、複数形も含む。例えば、語「化合物」または「少なくとも１種類の化合物」は、複数種類の化合物（その混合物を含む）を含むことができる。
語「例示的な」は、本明細書においては、「例、一例、または説明としての役割を果たす」を意味する目的で使用されている。「例示的な」として説明されている実施形態は、必ずしも他の実施形態よりも好ましい、または有利であるとは解釈されないものとし、さらには、他の実施形態の特徴を組み込むことが必ずしも排除されないものとする。
語「オプションとして」は、本明細書においては、「いくつかの実施形態において設けられ、他の実施形態では設けられない」を意味する目的で使用されている。本発明のいずれの実施形態も、互いに矛盾しない限りは複数の「オプションの」特徴を含むことができる。
本出願の全体を通じて、本発明のさまざまな実施形態は、範囲形式で提示されていることがある。範囲形式での記述は、便宜上および簡潔さのみを目的としており、本発明の範囲を固定的に制限するようには解釈されないことを理解されたい。したがって、範囲の記述には、具体的に開示されている可能な部分範囲すべてと、その範囲内の個々の数値とが含まれるものとみなされたい。例えば、１〜６などの範囲の記述には、具体的に開示された部分範囲（例えば、１〜３、１〜４、１〜５、２〜４、２〜６、３〜６など）と、この範囲内の個々の数（例えば１、２、３、４、５、および６）とが含まれるものとみなされたい。このことは、範囲の広さにかかわらずあてはまる。
本明細書中に数値範囲が示されているときには、示された範囲内の任意の該当する数値（分数または整数）が含まれるものとする。第１の指示数と第２の指示数「との間の範囲」、および、第１の指示数「から」第２の指示数「までの範囲」という表現は、本明細書においては互換的に使用され、第１の指示数および第２の指示数と、それらの間のすべての分数および整数を含むものとする。
明確さを目的として、個別の実施形態の文脈の中で説明されている本発明の複数の特徴は、１つの実施形態の中に組み合わせて設けることもできることを理解されたい。逆に、簡潔さを目的として、１つの実施形態の文脈の中で説明されている本発明のさまざまな特徴は、個別に設ける、または適切な部分的組合せとして設ける、または本発明の任意の他の説明されている実施形態において適切に設けることもできる。さまざまな実施形態の文脈の中で説明されている特徴は、実施形態がそれらの要素なしでは動作・機能しない場合を除いて、それらの実施形態の本質的な特徴とはみなさないものとする。
ここまで、本発明について、その特定の実施形態に関連して説明してきたが、当業者には、数多くの代替形態、修正形態、および変形形態が明らかであろう。したがって、添付の請求項の概念および広い範囲内に含まれるそのような代替形態、修正形態、および変形形態は、すべて本発明に包含されるものとする。
本明細書に記載されているすべての刊行物、特許、および特許出願は、これら個々の刊行物、特許、および特許出願それぞれが、参照によって本明細書に組み込まれることを明示的かつ個別に示されている場合と同じように、それぞれの内容全体が参照によって本明細書に組み込まれている。さらには、本出願において参考文献が引用または特定されていることは、そのような参考文献が本発明の従来技術として利用可能であることを認めるものとして解釈されない。セクションの見出しが使用されている場合、それらの見出しは必ずしも本発明を制限するものとして解釈されない。
Claims (13)
- 肺癌のリスクを評価するコンピュータ化された方法であって、
対象の個人から採取された血液からの複数の現在の血液検査結果に基づく、異なる血液検査結果の実際の血液検査値を含む特徴の組合せを生成するステップと、
別の複数のサンプリングされた個人それぞれの複数の過去の血液検査結果の分析に従って生成される少なくとも１つの分類器を提供するステップと、
前記対象の個人の肺癌のリスクを、プロセッサを使用して前記特徴の組合せを前記少なくとも１つの分類器を使用してクラス分類することによって、評価するステップと、
を含み、
前記複数の過去および現在の血液検査結果に基づく特徴の組合せのそれぞれが、
（ｉ）好中球数、好塩基球数、好酸球数、リンパ球数、単球数、白血球数、好中球比率、好塩基球比率、好酸球比率、リンパ球比率、単球比率、のうちの少なくとも１つを含む白血球の血液検査結果であって、前記特徴の組合せが、前記対象の個人から採取された血液からの複数の過去の血液検査結果を含む、前記白血球の血液検査結果と、
（ｉｉ）血小板数および平均血小板容積（ＭＰＶ）のうちの少なくとも一方を含む血小板の血液検査結果と、
（ｉｉｉ）喫煙歴と、
（ｉｖ）赤血球数（ＲＢＣ）、赤血球分布幅（ＲＤＷ）、平均赤血球ヘモグロビン量（ＭＣＨ）、平均赤血球容積（ＭＣＶ）、平均赤血球ヘモグロビン濃度（ＭＣＨＣ）、ヘマトクリット値、ヘモグロビン量、のうちの少なくとも１つを含む赤血球検査結果と、
で構成される血液検査の群のそれぞれから選択される実際の血液検査値と、少なくとも１つの生化学検査結果と、を含む、
コンピュータ化された方法。 - 前記生化学検査結果が、
赤血球沈降速度（ＥＳＲ）、ブドウ糖、尿素、血液尿素窒素（ＢＵＮ）、クレアチニン、ナトリウム、カリウム、塩化物、カルシウム、リン、尿酸、総ビリルビン、乳酸脱水素酵素（ＬＤＨ）、グルタミン酸オキサロ酢酸トランスアミナーゼ（ＧＯＴ）、血清グルタミン酸オキザロ酢酸トランスアミナーゼ（ＳＧＯＴ）、グルタミン酸オキサロ酢酸、アスパラギン酸トランスアミナーゼ（ＡＳＴ）、アスパラギン酸アミノトランスフェラーゼ、グルタミン酸ピルビン酸トランスアミナーゼ（ＧＰＴ）、血清グルタミン酸ピルビン酸トランスアミナーゼ（ＳＧＰＴ）、アラニンアミノ基転移酵素（ＡＬＴ）、アルカリフォスファターゼ（Ａｌｋ Ｐｈｏｓ／ＡＬＰ）、ガンマグルタミルトランスペプチダーゼ（ＧＧＴ）、アルブミン、ＣＫ（クレアチンキナーゼ）、鉄、ＨｂＡ１、Ｂ１２、ビタミンＤ、Ｇ−６−ＰＤ、リチウム、葉酸、ＣＲＰ（Ｃ反応性タンパク質）、低密度リポタンパク質（ＬＤＬ）、高密度リポタンパク質（ＨＤＬ）、トリグリセリド、総コレステロール、アミラーゼ、ＰＴ（プロトロンビン時間）、部分トロンボプラスチン時間（ＰＴＴ）、活性化部分トロンボプラスチン時間（ＡＰＰＴ）、国際標準化比（ＩＮＲ）、フィブリノーゲン、シチジン三リン酸（ＣＰＴ）、フェリチン、糸球体濾過量（ＧＦＲ）、トランスフェリン、総鉄結合能（ＴＩＢＣ）、不飽和鉄結合能（ＵＩＢＣ）、
からなる群から選択される、
請求項１に記載のコンピュータ化された方法。 - 前記少なくとも１つの分類器が、前記複数のサンプリングされた個人それぞれの前記複数の過去および現在の血液検査結果と、少なくとも１つの人口統計学的パラメータとの前記組合せ、に従って生成される、請求項１に記載のコンピュータ化された方法。
- 前記少なくとも１つの人口統計学的パラメータが、性別、年齢、居住地域、人種、社会経済的特性、からなる群の中の要素である、請求項３に記載のコンピュータ化された方法。
- 請求項１の方法を実行するようにされているコンピュータ実行可能命令、を備えている、コンピュータ可読媒体。
- 前記複数の過去および現在の血液検査結果に基づく特徴の組合せのそれぞれが、好中球比率／好中球数およびリンパ球比率／リンパ球数の両方の結果を含む、請求項１に記載の方法。
- 前記少なくとも１つの分類器が、重み付き線形回帰分類器、ｋ近傍（ＫＮＮ）分類器、ランダムフォレスト分類器からなる群の中の要素を含む、請求項１に記載の方法。
- 前記複数の過去および現在の血液検査結果に基づく特徴の組合せのそれぞれが、血小板クリット（ＰＣＴ）の結果を含む、請求項１に記載の方法。
- 前記複数の過去および現在の血液検査結果に基づく特徴の組合せのそれぞれが、ヘモグロビン濃度（ＨＧＢ）およびヘマトクリット値（ＨＣＴ）の両方の結果を含む、請求項１に記載の方法。
- 前記特徴の組合せが、前記対象の個人の年齢を含み、前記少なくとも１つの分類器が、別の複数のサンプリングされた個人それぞれの年齢の分析に従って生成される、請求項１に記載の方法。
- 前記複数の過去および現在の血液検査結果に基づく特徴の組合せのそれぞれが、次の血液検査結果、すなわち、好酸球数、好中球比率、単球比率、好酸球比率、好塩基球比率、好中球数、単球数、のうちの少なくとも１つを含む、請求項１に記載の方法。
- 肺癌評価システムであって、
プロセッサと、
別の複数のサンプリングされた個人それぞれの複数の過去の血液検査結果の分析に従って生成される少なくとも１つの分類器を含み、前記プロセッサによる実行のためのコードを格納するメモリと、
対象の個人から集められた血液の分析に基づいて算出された複数の現在の血液検査の値の指標を受け取る入力インターフェースと、
を備えており、
前記コードは、
前記複数の現在の血液検査結果に基づく、異なる血液検査結果の実際の血液検査値を含む特徴の組合せを生成する命令と、
前記複数の現在の血液検査結果から生成される前記特徴の組合せを、前記少なくとも１つの分類器を使用してクラス分類することによって、前記対象の個人の肺癌のリスクを評価する命令と、
をさらに格納し、
前記複数の過去および現在の血液検査結果に基づく特徴の組合せのそれぞれが、
（ｉ）好中球数、好塩基球数、好酸球数、リンパ球数、単球数、白血球数、好中球比率、好塩基球比率、好酸球比率、リンパ球比率、単球比率、のうちの少なくとも１つを含む白血球の血液検査結果であって、前記特徴の組合せが、前記対象の個人から採取された血液からの複数の過去の血液検査結果を含む、前記白血球の血液検査結果と、
（ｉｉ）血小板数および平均血小板容積（ＭＰＶ）のうちの少なくとも一方を含む血小板の血液検査結果と、
（ｉｉｉ）喫煙歴と、
（ｉｖ）赤血球数（ＲＢＣ）、赤血球分布幅（ＲＤＷ）、平均赤血球ヘモグロビン量（ＭＣＨ）、平均赤血球容積（ＭＣＶ）、平均赤血球ヘモグロビン濃度（ＭＣＨＣ）、ヘマトクリット値、ヘモグロビン量、のうちの少なくとも１つを含む赤血球検査結果と、
で構成される血液検査の群のそれぞれから選択される実際の血液検査値と、少なくとも１つの生化学検査結果と、を含む、
肺癌評価システム。 - 肺癌のリスクを評価するための分類器を生成する方法であって、
別の複数のサンプリングされた個人それぞれの複数の過去の血液検査結果を用意するステップと、
前記別の複数のサンプリングされた個人のそれぞれの複数の過去の血液検査結果に従ってそれぞれ生成され、異なる血液検査結果の実際の血液検査値を含む複数の特徴の組合せを有するデータセット、を生成するステップと、
肺癌のリスクを評価するための少なくとも１つの分類器を、前記データセットの分析に従って生成するステップと、
前記少なくとも１つの分類器を出力するステップと、
を含み、
前記複数の過去および現在の血液検査結果に基づく特徴の組合せのそれぞれが、
（ｉ）好中球数、好塩基球数、好酸球数、リンパ球数、単球数、白血球数、好中球比率、好塩基球比率、好酸球比率、リンパ球比率、単球比率、のうちの少なくとも１つを含む白血球の血液検査結果であって、前記特徴の組合せが、前記対象の個人から採取された血液からの複数の過去の血液検査結果を含む、前記白血球の血液検査結果と、
（ｉｉ）血小板数および平均血小板容積（ＭＰＶ）のうちの少なくとも一方を含む血小板の血液検査結果と、
（ｉｉｉ）喫煙歴と、
（ｉｖ）赤血球数（ＲＢＣ）、赤血球分布幅（ＲＤＷ）、平均赤血球ヘモグロビン量（ＭＣＨ）、平均赤血球容積（ＭＣＶ）、平均赤血球ヘモグロビン濃度（ＭＣＨＣ）、ヘマトクリット値、ヘモグロビン量、のうちの少なくとも１つを含む赤血球検査結果と、
で構成される血液検査の群のそれぞれから選択される実際の血液検査値と、少なくとも１つの生化学検査結果と、を含む、
方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201361901059P | 2013-11-07 | 2013-11-07 | |
| US61/901,059 | 2013-11-07 | ||
| PCT/IL2014/050960 WO2015068157A1 (en) | 2013-11-07 | 2014-11-05 | Methods and systems of evaluating a risk of lung cancer |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016535262A JP2016535262A (ja) | 2016-11-10 |
| JP6645703B2 true JP6645703B2 (ja) | 2020-02-14 |
Family
ID=53040982
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016526346A Active JP6645703B2 (ja) | 2013-11-07 | 2014-11-05 | 肺癌のリスクを評価する方法およびシステム |
Country Status (11)
| Country | Link |
|---|---|
| US (2) | US11031105B2 (ja) |
| EP (1) | EP3065630B1 (ja) |
| JP (1) | JP6645703B2 (ja) |
| KR (1) | KR102310799B1 (ja) |
| CN (1) | CN105814571B (ja) |
| AU (1) | AU2014347669C1 (ja) |
| BR (1) | BR112016010322A2 (ja) |
| CA (1) | CA2928271C (ja) |
| MX (1) | MX2016005825A (ja) |
| RU (1) | RU2677742C2 (ja) |
| WO (1) | WO2015068157A1 (ja) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2968988A4 (en) | 2013-03-14 | 2016-11-16 | Allegro Diagnostics Corp | METHOD FOR EVALUATING A COPD STATUS |
| US11976329B2 (en) | 2013-03-15 | 2024-05-07 | Veracyte, Inc. | Methods and systems for detecting usual interstitial pneumonia |
| CA2928271C (en) | 2013-11-07 | 2022-05-31 | Medial Research Ltd. | Methods and systems of evaluating a risk of lung cancer |
| EP3215170A4 (en) | 2014-11-05 | 2018-04-25 | Veracyte, Inc. | Systems and methods of diagnosing idiopathic pulmonary fibrosis on transbronchial biopsies using machine learning and high dimensional transcriptional data |
| CN105232060A (zh) * | 2015-08-31 | 2016-01-13 | 陈琼 | 基于独立风险因子组合筛查的预警系统 |
| CN106974660B (zh) * | 2017-04-20 | 2020-03-06 | 重庆邮电大学 | 基于脑功能活动检测中的血氧特征实现性别判定的方法 |
| CN107133475B (zh) * | 2017-05-10 | 2020-09-29 | 浙江省立同德医院 | 一种中药注射剂不良反应高危患者模式识别方法 |
| JP2020522690A (ja) * | 2017-06-02 | 2020-07-30 | ベラサイト インコーポレイテッド | 肺疾病の特定又はモニタリング方法及びシステム |
| CN111052129B (zh) * | 2017-07-28 | 2024-03-08 | 美国西门子医学诊断股份有限公司 | 深度学习体积定量方法和设备 |
| CN108245161A (zh) * | 2017-12-26 | 2018-07-06 | 北京医拍智能科技有限公司 | 肺部常见疾病的辅助诊断系统 |
| CN108717867A (zh) * | 2018-05-02 | 2018-10-30 | 中国科学技术大学苏州研究院 | 基于梯度迭代树的疾病预测模型建立方法及装置 |
| CN109585011A (zh) * | 2018-10-26 | 2019-04-05 | 朱海燕 | 胸痛患者的病症诊断方法及机器可读存储介质 |
| CN110825819A (zh) * | 2019-09-24 | 2020-02-21 | 昆明理工大学 | 一种处理有缺失值和不平衡非小细胞肺癌数据的二分类方法 |
| KR102487864B1 (ko) * | 2020-02-10 | 2023-01-11 | 연세대학교 원주산학협력단 | 지역사회획득폐렴 환자의 예후를 예측하는 방법 및 이를 위한 예측시스템 |
| CN111933287A (zh) * | 2020-06-24 | 2020-11-13 | 四川省肿瘤医院 | 整合血液和富含血小板血浆中的血小板特征建立肺癌模型 |
| CN114663330A (zh) * | 2020-12-03 | 2022-06-24 | 富泰华工业（深圳）有限公司 | 干细胞密度确定方法、装置、电子设备及存储介质 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4733354A (en) * | 1984-11-23 | 1988-03-22 | Brian Potter | Method and apparatus for automated medical diagnosis using decision tree analysis |
| WO1996012187A1 (en) | 1994-10-13 | 1996-04-25 | Horus Therapeutics, Inc. | Computer assisted methods for diagnosing diseases |
| US5687716A (en) * | 1995-11-15 | 1997-11-18 | Kaufmann; Peter | Selective differentiating diagnostic process based on broad data bases |
| US6059724A (en) | 1997-02-14 | 2000-05-09 | Biosignal, Inc. | System for predicting future health |
| US7392199B2 (en) * | 2001-05-01 | 2008-06-24 | Quest Diagnostics Investments Incorporated | Diagnosing inapparent diseases from common clinical tests using Bayesian analysis |
| CN101180408A (zh) * | 2005-05-19 | 2008-05-14 | 西尼尔根茨生物科学有限公司 | 用遗传多态性分析评估发生肺癌的风险的方法 |
| US20070118399A1 (en) * | 2005-11-22 | 2007-05-24 | Avinash Gopal B | System and method for integrated learning and understanding of healthcare informatics |
| US20070178504A1 (en) * | 2005-12-22 | 2007-08-02 | Tracey Colpitts | Methods and marker combinations for screening for predisposition to lung cancer |
| US9347945B2 (en) * | 2005-12-22 | 2016-05-24 | Abbott Molecular Inc. | Methods and marker combinations for screening for predisposition to lung cancer |
| JP5256284B2 (ja) * | 2007-05-18 | 2013-08-07 | デューク ユニバーシティ | 肺癌早期発見のための血清バイオマーカー |
| EP2222345B1 (en) * | 2007-11-23 | 2016-03-23 | British Columbia Cancer Agency Branch | Methods for detecting lung cancer and monitoring treatment response |
| US10359425B2 (en) * | 2008-09-09 | 2019-07-23 | Somalogic, Inc. | Lung cancer biomarkers and uses thereof |
| ES2559758T3 (es) * | 2008-09-09 | 2016-02-15 | Somalogic, Inc. | Biomarcadores de cáncer de pulmón y usos de los mismos |
| AU2011274422B2 (en) * | 2010-07-09 | 2016-02-11 | Somalogic Operating Co., Inc. | Lung cancer biomarkers and uses thereof |
| GB201021289D0 (en) * | 2010-12-15 | 2011-01-26 | Immatics Biotechnologies Gmbh | Novel biomarkers for a prediction of the outcome of an immunotherapy against cancer |
| RU2011135615A (ru) * | 2011-08-26 | 2013-03-10 | Михаил Владимирович Кутушов | Способ диагностики онкологических и соматических заболеваний |
| CA2928271C (en) | 2013-11-07 | 2022-05-31 | Medial Research Ltd. | Methods and systems of evaluating a risk of lung cancer |
-
2014
- 2014-11-05 CA CA2928271A patent/CA2928271C/en active Active
- 2014-11-05 JP JP2016526346A patent/JP6645703B2/ja active Active
- 2014-11-05 MX MX2016005825A patent/MX2016005825A/es unknown
- 2014-11-05 RU RU2016121682A patent/RU2677742C2/ru active
- 2014-11-05 WO PCT/IL2014/050960 patent/WO2015068157A1/en active Application Filing
- 2014-11-05 EP EP14859375.9A patent/EP3065630B1/en active Active
- 2014-11-05 US US15/035,232 patent/US11031105B2/en active Active
- 2014-11-05 KR KR1020167014533A patent/KR102310799B1/ko active IP Right Grant
- 2014-11-05 BR BR112016010322A patent/BR112016010322A2/pt not_active Application Discontinuation
- 2014-11-05 CN CN201480067921.8A patent/CN105814571B/zh active Active
- 2014-11-05 AU AU2014347669A patent/AU2014347669C1/en active Active
-
2021
- 2021-06-07 US US17/340,137 patent/US20210295960A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN105814571B (zh) | 2020-01-07 |
| EP3065630A1 (en) | 2016-09-14 |
| EP3065630B1 (en) | 2020-09-09 |
| US11031105B2 (en) | 2021-06-08 |
| US20210295960A1 (en) | 2021-09-23 |
| BR112016010322A2 (pt) | 2017-08-08 |
| CN105814571A (zh) | 2016-07-27 |
| AU2014347669B2 (en) | 2019-11-21 |
| AU2014347669A1 (en) | 2016-06-23 |
| KR20160079086A (ko) | 2016-07-05 |
| JP2016535262A (ja) | 2016-11-10 |
| RU2016121682A (ru) | 2017-12-11 |
| MX2016005825A (es) | 2016-12-09 |
| CA2928271C (en) | 2022-05-31 |
| RU2016121682A3 (ja) | 2018-06-22 |
| WO2015068157A1 (en) | 2015-05-14 |
| KR102310799B1 (ko) | 2021-10-12 |
| AU2014347669C1 (en) | 2021-03-11 |
| US20160292379A1 (en) | 2016-10-06 |
| EP3065630A4 (en) | 2017-07-19 |
| RU2677742C2 (ru) | 2019-01-21 |
| CA2928271A1 (en) | 2015-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6645703B2 (ja) | 肺癌のリスクを評価する方法およびシステム | |
| US11651189B2 (en) | Methods and systems of evaluating a risk of a gastrointestinal cancer | |
| Lippi et al. | Relation between red blood cell distribution width and inflammatory biomarkers in a large cohort of unselected outpatients | |
| Wang et al. | Comorbidity and performance status as independent prognostic factors in patients with head and neck squamous cell carcinoma | |
| Kong et al. | The delta neutrophil index predicts development of multiple organ dysfunction syndrome and 30-day mortality in trauma patients admitted to an intensive care unit: a retrospective analysis | |
| Thell et al. | Standard blood laboratory values as a clinical support tool to distinguish between SARS-CoV-2 positive and negative patients | |
| Magalhães et al. | The predictive factors on extended hospital length of stay in patients with AMI: laboratory and administrative data | |
| Chernbumroong et al. | Machine learning can predict disease manifestations and outcomes in lymphangioleiomyomatosis | |
| US10915863B2 (en) | Managing medical examinations in a population | |
| Zhang et al. | Machine Learning Prediction Models for Postoperative Stroke in Elderly Patients: Analyses of the MIMIC Database | |
| Chen‐Liang et al. | An increased percentage of myeloid CD 34+ bone marrow cells stratifies intermediate IPSS‐R myelodysplastic syndrome patients into prognostically significant groups | |
| Xavier et al. | Decision-making support systems on extended hospital length of stay: Validation and recalibration of a model for patients with AMI | |
| Wang et al. | Clinical longitudinal evaluation of COVID-19 patients and prediction of organ-specific recovery using artificial intelligence | |
| Song | Comprehensive Risk Stratification Model for Prognostication and Assisting with Therapeutic Decision-Making for Multiple Myeloma Patients | |
| Fan | Risk Factor Distribution of Cardiovascular Disease in Shanghai, China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160628 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160930 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171016 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180711 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180814 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181112 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190507 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190730 |
|
| 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: 20191210 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200107 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6645703 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 |