JP6873916B2 - 前立腺がんの積極的監視のための組成物および方法 - Google Patents

前立腺がんの積極的監視のための組成物および方法 Download PDF

Info

Publication number
JP6873916B2
JP6873916B2 JP2017556721A JP2017556721A JP6873916B2 JP 6873916 B2 JP6873916 B2 JP 6873916B2 JP 2017556721 A JP2017556721 A JP 2017556721A JP 2017556721 A JP2017556721 A JP 2017556721A JP 6873916 B2 JP6873916 B2 JP 6873916B2
Authority
JP
Japan
Prior art keywords
prostate cancer
biopsy
subject
probability
prostate
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
Application number
JP2017556721A
Other languages
English (en)
Other versions
JP2018518661A (ja
JP2018518661A5 (ja
Inventor
ヤン・ドン
アンドリュー・ジェイ・ビッカース
ダニエル・ショーバーグ
ピーター・ティ・スカーディノ
ハンス・リルヤ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
OPKO Diagnostics LLC
Original Assignee
OPKO Diagnostics LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by OPKO Diagnostics LLC filed Critical OPKO Diagnostics LLC
Publication of JP2018518661A publication Critical patent/JP2018518661A/ja
Publication of JP2018518661A5 publication Critical patent/JP2018518661A5/ja
Application granted granted Critical
Publication of JP6873916B2 publication Critical patent/JP6873916B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • G01N33/57407—Specifically defined cancers
    • G01N33/57434—Specifically defined cancers of prostate
    • 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
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • 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
    • G16H50/20—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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/90—Enzymes; Proenzymes
    • G01N2333/914—Hydrolases (3)
    • G01N2333/948—Hydrolases (3) acting on peptide bonds (3.4)
    • G01N2333/95—Proteinases, i.e. endopeptidases (3.4.21-3.4.99)
    • G01N2333/964—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue
    • G01N2333/96425—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals
    • G01N2333/96427—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals in general
    • G01N2333/9643—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals in general with EC number
    • G01N2333/96433—Serine endopeptidases (3.4.21)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
    • G01N2333/90—Enzymes; Proenzymes
    • G01N2333/914—Hydrolases (3)
    • G01N2333/948—Hydrolases (3) acting on peptide bonds (3.4)
    • G01N2333/95—Proteinases, i.e. endopeptidases (3.4.21-3.4.99)
    • G01N2333/964—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue
    • G01N2333/96425—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals
    • G01N2333/96427—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals in general
    • G01N2333/9643—Proteinases, i.e. endopeptidases (3.4.21-3.4.99) derived from animal tissue from mammals in general with EC number
    • G01N2333/96433—Serine endopeptidases (3.4.21)
    • G01N2333/96441—Serine endopeptidases (3.4.21) with definite EC number
    • G01N2333/96455—Kallikrein (3.4.21.34; 3.4.21.35)

Description

総前立腺特異抗原（ＰＳＡ）の血中濃度の上昇は、前立腺がんを含む前立腺関連の障害と関連付けられる。ＰＳＡのアイソフォームのレベルの測定は、総ＰＳＡの単一の措置においてそれらを一緒に組み合わせるというよりむしろ、別々に、対象者における前立腺がんの存在に関連する予測の改善につながるという重大な証拠がある。また、ｈＫ２（ＰＳＡをその前駆形態から活性形態に変換する分子）の測定はそのような予測に有益であるという証拠もある。その上、そのような測定に基づくマルチマーカー群は、対象者の前立腺がんの状態を評価するために提案されている。しかし、依然として、前立腺がんを評価するための方法、具体的には、侵襲的な前立腺組織生検の必要性を評価するため方法を改善する必要がある。
本開示の態様は、対象者から得られた前立腺組織生検が侵攻性形態（例えば、グリーソンスコア６を超える）の検出可能な前立腺がんを含むかどうかを予測するための方法の改善に関する。従来は、非侵攻性前立腺がんを患っていると診断された対象者は、がんが侵攻性形態に進行したか否かを決定するために、前立腺組織生検を定期的に得て、それらを評価することによって疾患の進行がモニタリングされ、がんが進行した場合は、前立腺切除、放射線治療または他の治療が示される。各生検は、高価であり、対象者を潜在的に不要な外科的なリスク（感染、麻酔合併症、出血問題、血栓などを含む）にもさらす侵襲的手順を伴うため、前立腺組織生検を定期的に得ることは、モニタリングに対しては臨床的には望ましくない手法である。本開示の態様は、非侵攻性疾患と診断された対象者をモニタリングするための最小侵襲手法が必要であるという認識に関連する。具体的には、本明細書で提供される方法は、非侵攻性前立腺がんを患っていると診断された対象者の積極的監視に役立つ。
本開示のいくつかの態様によれば、非侵攻性前立腺がん（低悪性度がん、例えば、グリーソンスコア６を有する）を患っていると以前に診断された対象者を評価するための方法が提供される。いくつかの実施形態では、本明細書で提供される方法は、ｉ）対象者の血液試料を、遊離前立腺特異抗原（ｆＰＳＡ）、無傷前立腺特異抗原（ｉＰＳＡ）、総前立腺特異抗原（ｔＰＳＡ）およびヒトカリクレイン２（ｈＫ２）から選択された１つまたは複数のカリクレインマーカーのレベルを測定する１つまたは複数の免疫測定法にかけるステップと、いくつかの実施形態では、ｉｉ）測定された１つまたは複数のカリクレインマーカーレベルおよび少なくとも１つの臨床学的因子を重み付けすることによって、対象者から得られた前立腺組織生検が検出可能な侵攻性前立腺がん（高悪性度のがん、例えば、グリーソンスコア６を超える）を含む確率を決定するステップとを伴う。いくつかの実施形態では、対象者から得られた前立腺組織生検が検出可能な侵攻性前立腺がんを含む確率が閾値レベルを上回る場合は、侵攻性前立腺がんの存在をさらに評価するために、継続前立腺組織生検が対象者から得られ、分析される。いくつかの実施形態では、非侵攻性前立腺がんは、グリーソンスコア６と関連付けられる。いくつかの実施形態では、侵攻性前立腺がんは、グリーソンスコア７以上と関連付けられる。
いくつかの実施形態では、血液試料は、非侵攻性前立腺がんの初期の診断から６ヶ月から１２ヶ月、６ヶ月から２４ヶ月または６ヶ月から３６ヶ月以内に、対象者から得られる。
いくつかの実施形態では、本明細書で提供される方法は、少なくとも１回、少なくとも２回、少なくとも３回、少なくとも４回、少なくとも５回、少なくとも６回、少なくとも７回、少なくとも８回、少なくとも９回または少なくとも１０回、ステップｉ）およびｉｉ）を繰り返すことを伴う。いくつかの実施形態では、本明細書で提供される方法は、１回から５回、２回から５回または２回から１０回、ステップｉ）およびｉｉ）を繰り返すことを伴う。いくつかの実施形態では、本明細書で提供される方法は、ステップｉ）およびｉｉ）を最初に実行してから６ヶ月から１２ヶ月、６ヶ月から２４ヶ月または６ヶ月から６０ヶ月以内に、少なくとも１回、少なくとも２回、少なくとも３回、少なくとも４回、少なくとも５回、少なくとも６回、少なくとも７回、少なくとも８回、少なくとも９回または少なくとも１０回、ステップｉ）およびｉｉ）を繰り返すことを伴う。いくつかの実施形態では、本明細書で提供される方法は、６ヶ月から１年の間隔で、ステップｉ）およびｉｉ）を繰り返すことを伴う。いくつかの実施形態では、本明細書で提供される方法は、最大で５年まで、少なくとも１年に１回、ステップｉ）およびｉｉ）を繰り返すことを伴う。
いくつかの実施形態では、少なくとも１つの臨床学的因子は、対象者の年齢である。いくつかの実施形態では、少なくとも１つの臨床学的因子は、対象者において実行されたデジタル直腸検査の結果を示すパラメータである。いくつかの実施形態では、少なくとも１つの臨床学的因子は、今まで対象者において実行された前立腺組織生検の数、今まで対象者において実行された以前の前立腺組織生検の結果、非侵攻性前立腺がんの初期の診断以降のあらゆる陰性生検の発生、血液試料を得る前の１年間のあらゆる陰性生検の発生、非侵攻性前立腺がんの初期の診断以降の生検の総数、以前の生検における前立腺容量、以前の生検における陽性コアの数、以前の生検における陽性コアのパーセント、生検コアセクションにおけるがんの断面積、あらゆる生検コアセクションにおけるがんの最大断面積、ＰＳＡ密度、対象者の人種、前立腺がんの家族歴、あらゆる以前の生検からの陽性コアの最大パーセント、および、あらゆる以前の生検からの陽性コアの最大数から選択される。
いくつかの実施形態では、対象者が前立腺がんを患っている確率は、測定されたカリクレインマーカーレベルに基づいて３次スプラインの項を重み付けすることによってさらに決定される。
本開示のさらなる態様は、前立腺がんと関連付けられた事象の確率を決定するための方法であって、事象が、非侵攻性前立腺がんから侵攻性前立腺がんへのアップグレードである、方法に関連する。いくつかの実施形態では、方法は、入力インタフェースを介して、非侵攻性前立腺がんを患っていると以前に診断された対象者の血漿試料中のｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２から選択された１つまたは複数のカリクレインマーカーのレベルを示す情報を受信するステップと、入力インタフェースを介して、対象者の少なくとも１つの臨床学的因子についての情報を受信するステップと、対象者の前立腺がんと関連付けられた事象の確率を決定するために、少なくとも１つのプロセッサを使用して、受信された情報に少なくとも部分的に基づいて、ロジスティック回帰モデルを評価するステップであって、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のうちの１つまたは複数のレベルを示す情報ならびに少なくとも１つの臨床学的因子についての情報に少なくとも部分的に基づいて、前立腺がんと関連付けられた事象の確率を決定することを含む、ステップと、前立腺がんと関連付けられた事象の確率の表示を出力するステップとを伴う。
本開示のさらなる態様は、前立腺がんと関連付けられた事象の確率を決定するためのコンピュータであって、事象が、非侵攻性前立腺がんから侵攻性前立腺がんへのアップグレードである、コンピュータに関連する。いくつかの実施形態では、コンピュータは、対象者の血漿試料中のｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２から選択された１つまたは複数のカリクレインマーカーのレベルを示す情報ならびに対象者の少なくとも１つの臨床学的因子についての情報を受信するように構成された入力インタフェースと、対象者の前立腺がんと関連付けられた事象の確率を決定するために、受信された情報に少なくとも部分的に基づいて、ロジスティック回帰モデルを評価するようにプログラムされた少なくとも１つのプロセッサと、前立腺がんと関連付けられた事象の確率の表示を出力するように構成された出力インタフェースであって、前立腺がんと関連付けられた事象が、非侵攻性前立腺がんから侵攻性前立腺がんへのアップグレードである、出力インタフェースとを備える。いくつかの実施形態では、ロジスティック回帰モデルを評価するステップは、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のうちの１つまたは複数のレベルを示す情報ならびに少なくとも１つの臨床学的因子についての情報に少なくとも部分的に基づいて、前立腺がんと関連付けられた事象の確率を決定することを含む。
本開示のさらなる態様は、前立腺がんと関連付けられた事象の確率を決定するためのシステムであって、前立腺がんと関連付けられた事象が、非侵攻性前立腺がんから侵攻性前立腺がんへのアップグレードである、システムに関連する。いくつかの実施形態では、システムは、ａ）対象者の血漿試料中のｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２から選択された１つまたは複数のカリクレインマーカーのレベルを測定するように構成された検出器と、ｂ）検出器と通信する（例えば、電子通信または無線通信）コンピュータとを備える。いくつかの実施形態では、コンピュータは、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のうちの１つまたは複数の測定レベルを示す情報を検出器から受信し、対象者の少なくとも１つの臨床学的因子についての情報を受信するように構成された入力インタフェースと、対象者の前立腺がんと関連付けられた事象の確率を決定するために、受信された情報に少なくとも部分的に基づいて、ロジスティック回帰モデルを評価するようにプログラムされた少なくとも１つのプロセッサと、前立腺がんと関連付けられた事象の確率の表示を出力するように構成された出力インタフェースとを含む。いくつかの実施形態では、ロジスティック回帰モデルを評価するステップは、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のうちの１つまたは複数のレベルを示す情報ならびに少なくとも１つの臨床学的因子についての情報に少なくとも部分的に基づいて、前立腺がんと関連付けられた事象の確率を決定することを伴う。
さらに、本開示のさらなる態様は、コンピュータによって実行されると、前立腺がんと関連付けられた事象の確率を決定するための方法であって、事象が、非侵攻性前立腺がんから侵攻性前立腺がんへのアップグレードである、方法を実行する多数の命令で符号化されたコンピュータ可読記憶媒体に関連する。いくつかの実施形態では、方法は、対象者の前立腺がんと関連付けられた事象の確率を決定するために、対象者の血漿試料中のｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２から選択された１つまたは複数のカリクレインマーカーのレベルを示す情報ならびに対象者の少なくとも１つの臨床学的因子についての情報に少なくとも部分的に基づいて、ロジスティック回帰モデルを評価するステップと、前立腺がんと関連付けられた事象の確率の表示を出力するステップとを伴う。いくつかの実施形態では、ロジスティック回帰モデルを評価するステップは、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のうちの１つまたは複数のレベルを示す情報ならびに少なくとも１つの臨床学的因子についての情報に少なくとも部分的に基づいて、前立腺がんと関連付けられた事象の確率を決定することを伴う。
生検が検出可能な前立腺がん（例：検出可能な侵攻性前立腺がん）を含む確率を決定するためのプロセスを示す非限定的な概略図である。 生検が検出可能な前立腺がん（例：検出可能な侵攻性前立腺がん）を含む確率を決定するためのプロセスを実装するように構成されたコンピュータの非限定的な概略図である。 生検が検出可能な前立腺がん（例：検出可能な侵攻性前立腺がん）を含む確率を決定するためのプロセスを実装するように構成されたコンピュータネットワークの非限定的な概略図である。 侵攻性前立腺がん（高悪性度のがん）の実際のリスクと予測リスクとを比較するグラフの非限定的な例である。 あらゆる悪性度のがんの実際のリスクと予測リスクとを比較するグラフの非限定的な例である。 侵攻性前立腺がん（高悪性度のがん）に対する決定曲線解析を示すグラフの非限定的な例である。 あらゆる悪性度のがんに対する決定曲線解析を示すグラフの非限定的な例である。 侵攻性前立腺がん（高悪性度のがん）に対する受信者動作特性曲線（ＲＯＣ）のグラフの非限定的な例である。 あらゆる悪性度のがんに対する受信者動作特性曲線（ＲＯＣ）のグラフの非限定的な例である。 侵攻性前立腺がん（高悪性度のがん）に対する生検閾値による陽性適中率のグラフの非限定的な例である。 侵攻性前立腺がん（高悪性度のがん）に対する生検閾値による陰性適中率のグラフの非限定的な例である。 あらゆる悪性度のがんに対する生検閾値による陽性適中率のグラフの非限定的な例である。 あらゆる悪性度のがんに対する生検閾値による陰性適中率のグラフの非限定的な例である。 生検における侵攻性前立腺がん（高悪性度のがん）を抱える男性の割合を年齢別に示すプロットの非限定的な例を示す。 検証試験のすべての患者における侵攻性前立腺がん（高悪性度のがん）の検出の予測対実際の確率を示すプロットの非限定的な例を示す。 検証試験のすべての患者におけるあらゆる悪性度のがんの検出の予測対実際の確率を示すプロットの非限定的な例を示す。 検証試験の５０〜７５歳の患者における侵攻性前立腺がん（高悪性度のがん）の検出の予測対実際の確率を示すプロットの非限定的な例を示す。 検証試験の５０〜７５歳の患者におけるあらゆる悪性度のがんの検出の予測対実際の確率を示すプロットの非限定的な例を示す。 検証試験の７１歳未満の患者における侵攻性前立腺がん（高悪性度のがん）の検出の予測対実際の確率を示すプロットの非限定的な例を示す。 検証試験の７１歳未満の患者におけるあらゆる悪性度の前立腺がんの検出の予測対実際の確率を示すプロットの非限定的な例を示す。 検証試験のすべての患者に対する純利益対閾値確率レベルを示すプロットの非限定的な例を示す。 検証試験の５０〜７５歳の患者に対する純利益対閾値確率レベルを示すプロットの非限定的な例を示す。 検証試験の７１歳未満のすべての患者に対する純利益対閾値確率レベルを示すプロットの非限定的な例を示す。
本開示の態様は、非侵攻性前立腺がんと以前に診断された対象者から得られた前立腺組織生検が検出可能な前立腺がん（高悪性度の前立腺がん（グリーソン７以上）を含む）を含むかどうかを予測するための方法の改善に関連する。従って、本明細書で開示される方法は、侵攻性前立腺がんの進行を検出するためにモニタリングされている対象者に前立腺組織生検がふさわしいかどうかを判断する目的で、医療機関が採用することができる。いくつかの実施形態では、方法は、対象者から得られた血液試料を使用して、次のカリクレインマーカー、すなわち、総前立腺特異抗原（ｔＰＳＡ）、遊離前立腺特異抗原（ｆＰＳＡ）、無傷前立腺特異抗原（ｉＰＳＡ）および／またはヒトカリクレイン２（ｈＫ２）のうちの１つまたは複数などの前立腺特異抗原のレベルを測定する１つまたは複数の免疫測定法を実施するステップを伴う。いくつかの実施形態では、前立腺組織生検が検出可能ながん（特に、侵攻性前立腺がん）を含む確率を決定するために、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよび／またはｈＫ２の血漿レベルを組み込む予測モデル（例えば、ロジスティック回帰モデル）が提供される。その上、いくつかの実施形態では、予測結果の改善は、測定された前立腺特異抗原レベルに関する情報を１つ以上の臨床学的因子（特に、前立腺がんの存在を検出するために、対象者が以前に生検を行ったか否かに関する情報）と組み合わせることによって得られることが分かっている。それに従って、対象者が侵襲的な前立腺組織生検を受けるべきかどうかを判断するのに役立つ方法の改善が提供される。
本開示の態様は、対象者から得られた前立腺組織生検が検出可能な前立腺がん（例：侵攻性前立腺がん）を含む確率を決定する方法を提供する。そのような方法は、対象者の血漿試料を、血漿試料中の総前立腺特異抗原（ｔＰＳＡ）のレベルを少なくとも測定する免疫測定法にかけるステップを伴い得る。ｔＰＳＡレベルが閾値レベルを上回る場合は、ｔＰＳＡの測定レベルおよび対象者が以前に前立腺組織生検を行ったかどうかを示すパラメータを重み付けすることによって、前立腺組織生検が検出可能な前立腺がんを含む確率を決定することができる。他方では、ｔＰＳＡレベルが閾値レベル以下である場合は、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２の測定レベルならびに対象者が以前に前立腺組織生検を行ったかどうかを示すパラメータを重み付けすることによって、前立腺組織生検が検出可能な前立腺がんを含む確率を決定することができる。それに従って、いくつかの実施形態では、本明細書で提供される方法は、血漿試料を、血漿試料中の遊離前立腺特異抗原（ｆＰＳＡ）、無傷前立腺特異抗原（ｉＰＳＡ）および／またはヒトカリクレイン２（ｈＫ２）のレベルを測定する免疫測定法にかけるステップを伴い得る。いくつかの実施形態では、確率は、対象者の年齢を示すパラメータを重み付けすることによってさらに決定される。いくつかの実施形態では、確率は、例えば、対象者において実行されたデジタル直腸検査の結果を示す１つまたは複数のパラメータなど、少なくとも１つの臨床学的因子を重み付けすることによってさらに決定される。いくつかの実施形態では、少なくとも１つの臨床学的因子は、今まで対象者において実行された前立腺組織生検の数、今まで対象者において実行された以前の前立腺組織生検の結果、非侵攻性前立腺がんの初期の診断以降のあらゆる陰性生検の発生、血液試料を得る前の１年間のあらゆる陰性生検の発生、非侵攻性前立腺がんの初期の診断以降の生検の総数、以前の生検における前立腺容量、以前の生検における陽性コアの数、以前の生検における陽性コアのパーセント、生検コアセクションにおけるがんの断面積、あらゆる生検コアセクションにおけるがんの最大断面積、ＰＳＡ密度、対象者の人種、前立腺がんの家族歴、あらゆる以前の生検からの陽性コアの最大パーセント、および、あらゆる以前の生検からの陽性コアの最大数から選択される。
いくつかの実施形態では、モデル選択に使用されるｔＰＳＡの閾値レベルは、ｔＰＳＡ単独での使用またはある患者特有の情報（例えば、以前の生検状態）との併用が、前立腺組織生検で検出可能な前立腺がんを含む確率を確立する目的に対して十分かどうかを示すレベルである。いくつかの実施形態では、閾値レベルは、５ｎｇ／ｍＬ、１０ｎｇ／ｍＬ、１５ｎｇ／ｍＬ、２０ｎｇ／ｍＬ、２５ｎｇ／ｍＬ、３０ｎｇ／ｍＬ、３５ｎｇ／ｍＬまたは４０ｎｇ／ｍＬである。ある患者仕様情報（特に、以前の生検状態）と組み合わされたｔＰＳＡレベルは、有益な予測を行うのに十分であり得るため、いくつかの実施形態では、ｔＰＳＡのレベルを最初に決定する前に他の抗原を検出するための免疫測定法を実行するまでもなく、コスト効率の良いものであり得る。しかし、いくつかの実施形態では、ｔＰＳＡのレベルは、他のマーカーレベル（例えば、ｆＰＳＡ、ｉＰＳＡまたはｈＫ２）と並行してまたは共に決定することができる。
いくつかの実施形態では、複数のカリクレインマーカーレベル（例えば、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のうちの２つ以上のレベル）は、同じアッセイで並行して決定される。他の実施形態では、そのような抗原レベルは、別々のアッセイで決定される。いくつかの実施形態では、抗原レベルは、対象者からの同じオリジナルの採血（例えば、静脈採血）から決定される。いくつかの実施形態では、抗原レベルは、異なる採血から決定される。いくつかの実施形態では、抗原レベルは、同じまたは異なる採血からの血漿製剤を使用して決定される。いくつかの実施形態では、１つまたは複数の抗原レベルは、血漿製剤を使用して決定され、１つまたは複数の他の抗原は、異なるタイプの血液製剤（例えば、血清）を使用して決定される。血漿は、血液の淡黄色の液体成分である。いくつかの実施形態では、血漿は、血球や血液残屑が試験管の底に移動するまで、抗凝固剤（例えば、ヘパリン、ＥＤＴＡなど）を含む血液の試験管を遠心分離機で回転させ、その後、血漿を注ぐかまたは取り出すことによって製剤化することができる。
対象者に前立腺組織生検が適応されるかどうかを判断するための方法が本明細書で提供される。そのような方法は、医師または医療機関が対象者から血液試料を得るステップと、血液試料を使用して決定された抗原の測定レベルに少なくとも部分的に基づいて、前立腺組織生検が検出可能な前立腺がん（例：侵攻性前立腺がん）を含む確率を決定するステップとを伴い得る。血液試料は、現地で（例えば、対象者が評価されている同じ医療施設または事業内で）処理することも、処理および分析のために外部または第三者の研究所または施設に送り出すこともできる。血液試料を使用して測定されたｔＰＳＡレベルが閾値レベルを上回る場合は、確率は、ｔＰＳＡレベルの重み付けに基づいて決定される。そうでなければ、ｔＰＳＡレベルが閾値レベル以下である場合は、確率は、血液試料を使用して測定されたｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のレベルの重み付けに基づく。いずれの場合も、確率は、通常、少なくとも１つの臨床学的因子、例えば、対象者が以前に前立腺組織生検を行ったかどうかを示すパラメータの重み付けにも基づく。医師または医療機関は、前立腺組織生検が検出可能な前立腺がんを含む確率に基づいて、対象者に前立腺組織生検が適応されるかどうかを判断することができる。
いくつかの実施形態では、医師または医療機関は、確率がカットオフ以上かどうかを生検で示す確率カットオフ（閾値レベル）を設定することができる。例えば、確率が、５％、６％、６．５％、７％、７．５％、８％、８．５％、９％、９．５％、１０％、１２．５％、１５％、２０％、２５％、．３０％、３５％、４０％、４５％、５０％、５５％、６０％、６５％、７０％、７５％、８０％、８５％、９０％、９５％、９９％またはそれを超える値より大きい場合は、医師または医療機関は、対象者に前立腺組織生検が適応されると判断することができる。いくつかの実施形態では、前立腺組織生検が（例えば、グリーソンスコア７以上の）検出可能な侵攻性前立腺がんを含む確率に基づくカットオフ（閾値レベル）は、５％、６％、６．５％、７％、７．５％、８％、８．５％、９％、９．５％、１０％、１２．５％または１５％である。いくつかの実施形態では、前立腺組織生検があらゆる悪性度の検出可能な前立腺がんを含む確率に基づくカットオフ（閾値レベル）は、１０％、１２．５％、１５％、２０％、２５％または３０％である。いくつかの実施形態では、確率がカットオフを下回る場合は、医師または医療機関は、生検を命令することはないが、対象者（例えば、確率レベルの増加または前立腺がんを示す他のリスク因子の変化）のモニタリングを継続する。
いくつかの実施形態では、対象者に前立腺組織生検が適応されると判断される場合は、医師または医療機関は、対象者から前立腺組織生検を得るかまたは得るように命令し、前立腺組織生検の分析に基づいて、対象者が前立腺がんを患っているかどうかを判断することができる。前立腺組織生検は、例えば、細胞学的または組織学的分析を含む任意の適切な方法を使用して分析することができる。組織試料は、がんの臨床病期に基づいて特徴付けることができる。試料は、グリーソングレードに基づいて特徴付けることができる。グリーソン３＋３（６．０）は、低悪性度の予後が良好な腫瘍に相当する。グリーソン３＋４（７．０）および３＋５（８．０）は、通常、主に低悪性度形質転換を有するが、いくつかの高悪性度形質転換が見られる組織を有する腫瘍に相当する。グリーソン４＋３（７．０）および５＋３（８．０）は、通常、主に高悪性度形質転換を有するが、いくつかの低悪性度形質転換が見られる組織を有する腫瘍に相当する。グリーソン４＋４（８．０）、４＋５（９．０）、（９．０）および５＋５（１０．０）は、高悪性度の腫瘍に相当する。それに従って、いくつかの実施形態では、前立腺がんは、高悪性度のがん（例えば、グリーソン≧７．０）を含む。
免疫測定法
前立腺特異抗原（例えば、カリクレインマーカー：ｔＰＳＡ、ｉＰＳＡ、ｆＰＳＡおよび／またはｈＫ２）のレベルは、任意の適切な方法によって評価することができる。いくつかの実施形態では、免疫測定法での使用に適した抗体または抗原結合フラグメントが提供される。そのような抗体または抗原結合フラグメントを利用する免疫測定法は、直接または間接形式での競合および非競合免疫測定法であり得る。そのような免疫測定法の非限定的な例は、酵素結合免疫測定法（ＥＬＩＳＡ）、放射免疫測定法（ＲＩＡ）、サンドイッチ法（イムノメトリック法）、フローサイトメトリー、ウエスタンブロット法、免疫沈降法、免疫組織化学、免疫顕微鏡法、側方流動免疫クロマトグラフィー法およびプロテオミクス配列である。抗原もしくは抗体またはそれらと結合する抗原結合フラグメントは、例えば、固相担体（例えば、キャリア、膜、柱、プロテオミクス配列など）と結合させることによって、固定化することができる。固相担体物質の例は、ガラス、ポリスチレン、ポリ塩化ビニール、ポリフッ化ビニリデン、ポリプロピレン、ポリエチレン、ポリカーボネート、デキストラン、ナイロン、アミロース、ニトロセルローズなどの天然および変性セルロース、ポリアクリルアミド、アガロースならびにマグネタイトなどを含む。担体の性質は、溶液中で固定しているかまたは浮遊しているもの（例えば、ビーズ）であり得る。
いくつかの実施形態では、標識抗体または抗原結合フラグメントは、抗原結合抗体複合体を検出するためのトレーサーとして使用することができる。トレーサーを生成するために使用できる標識のタイプの例は、酵素、放射性同位元素、コロイド金属、蛍光化合物、磁性および化学発光化合物ならびに生物発光化合物を含む。放射性標識抗体は、１５３Ｅｕ、３Ｈ、３２Ｐ、３５Ｓ、５９Ｆｅまたは１２５Ｉなどの放射性同位元素を結合することによって、公知の方法で製剤化され、次いで、ガンマカウンター、シンチレーションカウンターまたはオートラジオグラフィーによって検出することができる。本明細書で論じられるように、抗体および抗原結合フラグメントは、代わりに、酵母アルコール脱水素酵素、西洋ワサビペルオキシダーゼ、アルカリホスファターゼおよび同様のものなどの酵素で標識し、次いで、成長させ、分光光度法でまたは視覚的に検出することができる。適切な蛍光標識は、フルオレセインイソチオシアネート、フルオレスカミン、ローダミンおよび同様のものを含む。適切な化学発光標識は、ルミノール、イミダゾール、シュウ酸エステル、ルシフェリンおよびその他を含む。
免疫測定法は、抗体または抗原結合フラグメントと抗原との結合複合体の形成を可能にするという条件の下で、抗原を含む試料（例えば、血漿試料）を抗体または抗原結合フラグメント（例えば、Ｆ（ａｂ）、Ｆ（ａｂ）２）と接触させることを含み得る。いくつかの実施形態では、血漿試料は、抗原が試料中に存在する場合は、標的抗原との抗体または抗原結合フラグメントの結合に適した条件の下で、抗体または抗原結合フラグメントと接触させる。このことは、試験管、プレートウェル、膜槽、細胞培養皿、顕微鏡スライドおよび他のチャンバなどの反応チャンバで実行することができる。いくつかの実施形態では、抗体または抗原結合フラグメントは、固相担体上に固定化される。試料中の抗原と結合する抗体または抗原結合フラグメントは、捕捉抗体と呼ぶことができる。いくつかの実施形態では、捕捉抗体は、タグに関与する相互作用（例えば、ストレプトアビジンが固相担体に固定化されるビオチンストレプトアビジン相互作用）によって固相担体へのその固定化を促進するタグ（例えば、ビオチン標識）を含む。いくつかの実施形態では、固相担体は、反応チャンバの表面である。いくつかの実施形態では、固相担体は、高分子膜（例えば、ニトロセルローズストリップ、ポリフッ化ビニリデン（ＰＶＤＦ）膜など）のものである。他の実施形態では、固相担体は、生物学的構造（例えば、細菌細胞表面）である。他の例示的な固相担体は、本明細書で開示され、当業者に明らかである。
いくつかの実施形態では、抗体および抗原結合フラグメントは、抗原と接触させる前に固相担体上に固定化される。他の実施形態では、抗体および抗原結合フラグメントの固定化は、結合複合体の形成後に実行される。さらなる他の実施形態では、抗原は、結合複合体の形成前に固相担体上に固定化される。いくつかの実施形態では、固定化された結合複合体を検出するために、トレーサーを反応チャンバに添加することができる。いくつかの実施形態では、トレーサーは、抗原に対する検出可能に標識された二次抗体を含む。いくつかの実施形態では、トレーサーは、捕捉抗体に対する検出可能に標識された二次抗体を含む。いくつかの実施形態では、一次抗体または抗原結合フラグメントは、それ自体が検出可能に標識される。
一実施形態では、本明細書で開示される免疫測定法は、抗体または抗原結合フラグメントを固相担体に固定化するステップと、試料中に存在する場合は、抗体または抗原結合フラグメントとの抗原の結合を可能にするという条件の下で、試料（例えば、血漿試料）を固相担体に加えるステップと、固相担体から余分な試料を取り除くステップと、抗原結合固定化抗体または抗原結合フラグメントとのトレーサーの結合を可能にするという条件の下で、トレーサー（例えば、検出可能に標識された抗体または抗原結合フラグメント）を加えるステップと、固相担体を洗浄するステップと、存在トレーサーをアッセイするステップとを含む。
いくつかの実施形態では、抗体および抗原結合フラグメントは、反応チャンバで抗原と接触させた後に固相担体上に固定化される。いくつかの実施形態では、抗体および抗原結合フラグメントは、反応チャンバで抗原と接触させる前に固相担体上に固定化される。いずれの場合も、固定化された結合複合体を検出するために、トレーサーを反応チャンバに添加することができる。いくつかの実施形態では、トレーサーは、抗原に対する検出可能に標識された二次抗体を含む。いくつかの実施形態では、トレーサーは、一次抗体または抗原結合フラグメントに対する検出可能に標識された二次抗体を含む。本明細書で開示されるように、検出可能な標識は、例えば、放射性同位元素、フルオロフォア、発光性分子、酵素、ビオチン部分、エピトープタグまたは色素分子であり得る。適切な検出可能な標識は、本明細書で説明される。
いくつかの実施形態では、低ｐＨ緩衝液中で免疫測定法を実行することは、より感度の高い抗原検出につながることが分かっている。それに従って、いくつかの実施形態では、トレーサーが捕捉抗体抗原複合体と結合するように、トレーサー抗体は、６．５から７．７５未満の範囲のｐＨを有する緩衝液中で捕捉抗体と接触させる。いくつかの実施形態では、緩衝液のｐＨは、約６．５、６．６、６．７、６．８、６．９、７．０、７．１、７．２、７．３、７．４、７．５または７．６である。
本明細書で開示されるいかなるアッセイでも、捕捉抗体はトレーサー抗体と交換できることを理解すべきである。
いくつかの実施形態では、ｆＰＳＡのレベルを測定する免疫測定法は、第１の捕捉抗体がｆＰＳＡと結合し、それにより、捕捉抗体ｆＰＳＡ複合体が生成されるという条件の下で、血漿試料中に存在するｆＰＳＡをｆＰＳＡに特異的な捕捉抗体と接触させるステップと、トレーサーを使用して捕捉抗体ｆＰＳＡ複合体を検出するステップとを伴う。捕捉抗体は、Ｈ１１７抗体であり得る。いくつかの実施形態では、トレーサーは、５Ａ１０抗体またはそのフラグメント（例えば、Ｆ（ａｂ）フラグメント）を含む。
いくつかの実施形態では、ｉＰＳＡのレベルを測定する免疫測定法は、第２の捕捉抗体が少なくともｉＰＳＡと結合し、それにより、捕捉抗体ｉＰＳＡ複合体が生成されるという条件の下で、血漿試料中に存在するｉＰＳＡを遊離ＰＳＡ（ｉＰＳＡおよび切断ＰＳＡを含む）に特異的な捕捉抗体と接触させるステップと、第２のトレーサーを使用して捕捉抗体ｉＰＳＡ複合体を検出するステップとを伴う。いくつかの実施形態では、トレーサーは、４Ｄ４抗体を含む。いくつかの実施形態では、捕捉抗体は、５Ａ１０抗体またはそのフラグメント（例えば、Ｆ（ａｂ）フラグメント）である。
いくつかの実施形態では、ｔＰＳＡのレベルを測定する免疫測定法は、第３の捕捉抗体がｔＰＳＡと結合し、それにより、捕捉抗体ｔＰＳＡ複合体が生成されるという条件の下で、血漿試料中に存在するｔＰＳＡをｔＰＳＡに特異的な捕捉抗体と接触させるステップと、第３のトレーサーを使用して捕捉抗体ｔＰＳＡ複合体を検出するステップとを伴う。いくつかの実施形態では、トレーサーは、Ｈ５０抗体を含む。いくつかの実施形態では、捕捉抗体は、Ｈ１１７抗体である。
いくつかの実施形態では、ｈＫ２のレベルを測定する免疫測定法は、血漿試料中に存在するＰＳＡをＰＳＡに特異的な遮断抗体と接触させるステップと、第４の捕捉抗体がｈＫ２と結合し、それにより、捕捉抗体ｈＫ２複合体が生成されるという条件の下で、血漿試料中に存在するｈＫ２をｈＫ２に特異的な第４の捕捉抗体と接触させるステップと、第４のトレーサーを使用して捕捉抗体ｈＫ２複合体を検出するステップとを伴う。いくつかの実施形態では、トレーサーは、７Ｇ１抗体を含む。いくつかの実施形態では、捕捉抗体は、６Ｈ１０Ｆ（ａｂ）２である。いくつかの実施形態では、遮断抗体は、５Ｈ７抗体、５Ｈ６抗体および２Ｅ９抗体を含む。
以下の表０は、本明細書で開示される方法で使用できる抗体および抗原結合フラグメントならびにそれらに対応するエピトープをリストする。
Figure 0006873916
Figure 0006873916
マイクロ流体試料分析器
本明細書で開示される免疫測定法のいずれも、マイクロ流体デバイス（例えば、カセット）および／またはマイクロ流体試料分析器を使用して実行または実装できることを理解すべきである。例えば、マイクロ流体デバイスは、カリクレインマーカーの１つまたは複数の特徴（例えば、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡまたはｈＫ２のレベル）を決定するために使用することができる。いくつかの実施形態では、システムは、マイクロ流体試料分析器を含み得、マイクロ流体試料分析器は、例えば、免疫測定成分（例えば、抗原抗体複合体、トレーサーなど）を含む試料の流れを含めるおよび／または方向付けるための１つまたは複数のマイクロ流体チャネルを有するカセットで提供された試料を分析するように構成することができる。いくつかの実施形態では、分析器は、１つまたは複数の光源ならびに／あるいは１つまたは複数のマイクロ流体チャネルに存在する抗原抗体複合体および／またはトレーサーのレベルを測定するように構成された１つまたは複数の検出器を含む光学システムを備える。その上、いくつかの実施形態では、マイクロ流体デバイス、および／またはマイクロ流体試料分析器またはマーカーのレベル（例えば、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡまたはｈＫ２のレベル）に基づいて前立腺がんと関連付けられた事象の確率を決定するための他のデバイスと電子通信する、予測モデル（例えば、ロジスティック回帰モデル）を評価するようにプログラムされたプロセッサまたはコンピュータを含み得るシステムが提供される。
特定の一例では、システムは、マイクロ流体試料分析器を含み、マイクロ流体試料分析器は、ハウジングと、少なくとも１つのマイクロ流体チャネルを有するカセットを受け取るように構成されたハウジングの開口部とを備え、ハウジングは、ハウジング内のカセットを検出するためにカセット上の嵌合コンポーネントとインタフェースを取るように構成されたコンポーネントを含む。また、システムは、ハウジング内に配置された圧力制御システムも含み、圧力制御システムは、少なくとも１つのマイクロ流体チャネル中で試料を移動させるために、カセットの少なくとも１つのマイクロ流体チャネルを加圧するように構成される。システムは、ハウジング内に配置された光学システムをさらに含み、光学システムは、少なくとも１つの光源と、光源から離間された少なくとも１つの検出器とを含み、光源は、カセットが試料分析器に挿入された際にカセット中に光を通過させるように構成され、検出器は、カセット中を通過する光の量を検出するために、光源に対向して配置される。システムは、少なくとも１つの臨床学的因子（例えば、人物の年齢）を入力するための、ハウジングと関連付けられたユーザインタフェースを含み得る。システムは、マイクロ流体試料分析器と電子通信するプロセッサを含み得、プロセッサは、非侵攻性前立腺がんを患っていると以前に診断された対象者の血漿試料中のｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２から選択された１つまたは複数のカリクレインマーカーのレベルを示す情報と併せて、本明細書で説明されるようにロジスティック回帰モデルを評価するようにプログラムされる。
適切なマイクロ流体デバイスの非限定的な例は、すべての目的のためにその内容のその全体が参照により本明細書に組み込まれる、２０１３年１０月１７日に公開された「ＭＥＴＨＯＤＳ ＡＮＤ ＡＰＰＡＲＡＴＵＳＥＳ ＦＯＲ ＰＲＥＤＩＣＴＩＮＧ ＲＩＳＫ ＯＦ ＰＲＯＳＴＡＴＥ ＣＡＮＣＥＲ ＡＮＤ ＰＲＯＳＴＡＴＥ ＧＬＡＮＤ ＶＯＬＵＭＥ」と称する米国特許出願公開第２０１３／０２７３６４３号明細書、および２０１４年７月１日に発行された「Ｓｙｓｔｅｍｓ ａｎｄ Ｄｅｖｉｃｅｓ ｆｏｒ Ａｎａｌｙｓｉｓ ｏｆ Ｓａｍｐｌｅｓ」と称する米国特許第８７６５０６２号明細書で開示されている。しかし、本開示はこの点において制限されないため、他のタイプのデバイス（例えば、プレートリーダ、マイクロウェルＥＬＩＳＡタイプのアッセイ用の分析器など）も使用できることを理解すべきである。
予測モデルおよびコンピュータ実装方法
本開示の態様は、前立腺がんと関連付けられた事象の確率（非侵攻性から侵攻性前立腺がんへのアップグレードなど）を決定するためのコンピュータ実装方法を提供する。そのような方法は、入力インタフェースを介して、対象者の血漿試料中に存在するｔＰＳＡのレベルを示す情報を受信するステップと、入力インタフェースを介して、対象者が以前に前立腺組織生検を行ったかどうかについての情報を受信するステップとを伴い得る。いくつかの実施形態では、方法は、対象者の前立腺がんと関連付けられた事象の確率を決定するために、少なくとも１つのプロセッサを使用して、受信された情報に少なくとも部分的に基づいて、適切な予測モデル（例えば、ロジスティック回帰モデル）を評価するステップをさらに伴う。予測モデルは、ｔＰＳＡの測定レベルおよび対象者が以前に前立腺組織生検を行ったかどうかについての情報に少なくとも部分的に基づいて、前立腺がんと関連付けられた事象の確率を生成することができる。予測モデルは、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２の測定レベルならびに対象者が以前に前立腺組織生検を行ったかどうかについての情報に少なくとも部分的に基づいて、前立腺がんと関連付けられた事象の確率を生成することができる。
図１は、本開示のいくつかの実施形態によるプロセス１００のフローチャートを示す。ステップ１０１では、本明細書で説明される技法のうちの１つまたは複数を使用して処理するために、年齢、デジタル検査状態および／または以前の生検状態に相当する患者データを表す１つまたは複数の値が少なくとも１つのプロセッサによって受信される。ステップ１０２では、ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよび／またはｈＫ２に対するマーカーデータを表す１つまたは複数の値が少なくとも１つのプロセッサによって受信される。値は、これらに限定されないが、キーボード、タッチスクリーン、マイクロフォンもしくは他の入力デバイスなどのローカル入力インタフェースを通じて、プロセッサから離れた場所に位置するデバイスから値を受信するネットワーク接続インタフェースから、または、血液マーカー値を測定する１つもしくは複数の検出器から直接（例えば、プロセッサが、１つまたは複数の検出器を含む測定デバイスと統合される実装形態において）を含む、任意の適切な方法で受信することができる。
ステップ１０３では、ｔＰＳＡに対する値を受信した後、プロセスは、ｔＰＳＡのレベルが閾値（例えば、２５ｎｇ／ｍＬ）を上回る場合は第１の予測モデルが選択され、ｔＰＳＡのレベルが閾値以下である場合は第２の予測モデルが選択されるように進む。それに従って、ステップ１０４では、ｔＰＳＡのレベルが閾値レベルを上回る場合は、ＤＲＥ状態、以前の生検状態およびｔＰＳＡレベルに基づいて予測モデルが選択される。あるいは、ステップ１０５では、ｔＰＳＡのレベルが閾値レベル以下である場合は、ＤＲＥ状態、以前の生検状態ならびにｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２レベルに基づいて予測モデルが選択される。ステップ１０４、１０５の予測モデルは、対象者が前立腺がんを患っている確率を決定するために使用される。予測は、使用されるモデルに応じて、あらゆる悪性度のがんまたは高悪性度のがんまたは非侵攻性から侵攻性前立腺がんへのアップグレードに対するものであり得る。
前立腺がんと関連付けられた事象（例えば、非侵攻性前立腺がんから侵攻性前立腺がんへのアップグレード）の確率を決定した後、プロセスは、ステップ１０６に進み、ステップ１０６では、さらなる診断手順および／または治療決定を指導するために、確率がユーザ（例えば、医師、患者）に出力される。確率は、任意の適切な方法で出力することができる。例えば、いくつかの実施形態では、確率は、確率を表す数値をデバイスの表示画面上に出力することができる。他の実施形態では、確率は、１つまたは複数の光または他の視覚インジケータを使用してデバイス上に出力することができる。さらなる他の実施形態では、確率は、音声出力、触覚出力、または、音声、触覚および視覚出力のうちの１つもしくは複数の何らかの組合せを使用して提供することができる。いくつかの実施形態では、確率を出力することは、決定された確率についてユーザに通知するために、ネットワーク接続デバイスに情報を送信することを含む。例えば、確率は、離れた場所に位置する１つまたは複数のプロセッサによって決定することができ、確率の表示は、離れた場所での確率の決定に応答して、１つまたは複数のネットワークを使用して、ユーザ（例えば、医師）の電子デバイスに送信することができる。本明細書で説明される技法に従ってユーザに出力を提供する電子デバイスは、これらに限定されないが、ラップトップ、デスクトップまたはタブレットコンピュータ、スマートフォン、ポケベル、携帯情報端末および電子ディスプレイを含む、任意の適切なデバイスであり得る。
いくつかの実施形態では、前立腺がんに関連する事象の確率は、以下で再現される方程式（１）に従って決定される。
Figure 0006873916
 式中、ロジット（Ｌ）は、多数のロジスティック回帰モデルのいずれかを使用して決定される。本明細書で説明される技法に従って使用できる異なるタイプのロジスティック回帰モデルの非限定的な例は、以下を含む。
１．単純モデル（ｔＰＳＡのみ）
Ｌ＝β０＋β１（年齢）＋β２（ｔＰＳＡ）＋β３（以前のｂｘ） （２）
または
Ｌ＝β０＋β１ｔｐｓａ＋β２ｄｒｅｎｅｇ ＋β ３ ｄｒｅ ｐｏｓ ＋β４以前のｂｘ （３）
２．遊離／総の割合を使用する４つのアッセイモデル
このモデルでは、総ＰＳＡに対する遊離ＰＳＡの割合が遊離ＰＳＡ項に代入される。
Figure 0006873916
３．ｌｏｇ（ｔＰＳＡ）および遊離／総の割合を使用する４つのアッセイモデル
このモデルでは、この予測因子の寄与の増大を説明するために、ｔＰＳＡの対数がｔＰＳＡ項に代入される。
Figure 0006873916
４．多項式モデル
このモデルでは、ｔＰＳＡおよびｆＰＳＡに対する追加の非線形項が含まれる。以下で提供される例示的な方程式では、この項と前立腺がんのリスクとの間の直接的な関係を強調するためにｔＰＳＡの２乗が使用され、この項とリスクとの逆相関を反映するために遊離／総ＰＳＡの平方根項が使用される。しかし、いくつかの実施形態では、高次（例えば、３次）の多項式の項を含めることもできることを理解すべきである。
Figure 0006873916
５．すべての４つのアッセイに対する線形スプライン
このモデルでは、単一のノットが中央値にある線形スプラインが追加される。スプラインは、以下の方程式を使用して決定することができる。
Figure 0006873916
 モデルは、
Ｌ＝β０＋β１（年齢）＋β２（ｔＰＳＡ）＋β３（ｆＰＳＡ）＋β４（ｉＰＳＡ）＋β５（ｈＫ２）＋β６（ｓｐ１［ｔＰＳＡ］）＋β７（ｓｐ２［ｔＰＳＡ］）＋β８（ｓｐ１［ｆＰＳＡ］）＋β９（ｓｐ２［ｆＰＳＡ］）＋β１０（ｓｐ１［ｉＰＳＡ］）＋β１１（ｓｐ２［ｉＰＳＡ］）＋β１２（ｓｐ１［ｈＫ２］）＋β１３（ｓｐ２［ｈＫ２］）＋β１４（以前のｂｘ） （８）
として表される。
６．ｔＰＳＡおよびｆＰＳＡに対する線形スプライン
このモデルでは、変数の数を低減し、モデルを簡素化するために、ｔＰＳＡおよびｆＰＳＡに対してのみ、線形スプラインが含まれる。
Ｌ＝β０＋β１（年齢）＋β２（ｔＰＳＡ）＋β３（ｆＰＳＡ）＋β４（ｉＰＳＡ）＋β５（ｈＫ２）＋β６（ｓｐ１［ｔＰＳＡ］）＋β７（ｓｐ２［ｔＰＳＡ］）＋β８（ｓｐ１［ｆＰＳＡ］）＋β９（ｓｐ２［ｆＰＳＡ］）＋β１０（以前のｂｘ） （９）
上記の方程式の「以前のｂｘ」は、前立腺がんを検出するために対象者が以前に生検を行ったかどうかを示す２進値である。１の値は以前に生検が行われたことを示し、０の値は以前に生検が行われなかったことを示す。
７．すべての４つのアッセイに対する３次スプライン
このモデルでは、各項に対して３次スプラインが含まれる。以下で提供される例では、４つのノットを有する３次スプラインについて説明する。しかし、任意の適切な数のノット（これらに限定されないが、５つのノット、６つのノット、７つのノットおよび８つのノットを含む）を使用する３次スプラインも代わりに使用できることを理解すべきである。スプラインは、以下の方程式を使用して決定することができる。
Figure 0006873916
 式中、ノット１およびノット４は、３次スプラインに対する外部ノットであり、ノット２およびノット３は、３次スプラインに対する内部ノットである。外部ノットは、個体群におけるｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡまたはｈＫ２の最小および最大レベルとして設定することができる。内部ノット（例えば、ノット２）は、個体群におけるｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡまたはｈＫ２レベルの３３．３パーセンタイル値として設定することができる。別の内部ノット（例えば、ノット３）は、個体群におけるｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡまたはｈＫ２レベルの６６．６パーセンタイル値として設定することができる。
いくつかの実施形態では、内部ノットは、ｔＰＳＡに対して約２から約８までおよび約３から約６まで、ｆＰＳＡに対して約０．２５から約２までおよび約０．５から約１．５まで、ｉＰＳＡに対して約０．２から約０．５までおよび約０．４から約０．８まで、ｈＫ２に対して約０．０２から約０．０４までおよび約０．０４から約０．０８までの範囲内で指定される。例えば、一実装形態では、３．９２および５．６１の値がｔＰＳＡに対する内部ノットに使用され、０．８２および１．２１の値がｆＰＳＡに対する内部ノットに使用され、０．３および０．５１の値がｉＰＳＡに対する内部ノットに使用され、０．０３６および０．０５６の値がｈＫ２に対する内部ノットに使用される。
ある実施形態では、ｔＰＳＡに対する１つまたは複数の内部ノットは、独立して、約３から約５まで、約３から約６まで、約２．５から約６まで、約２．５から約６．５まで、約５から約８まで、約５．５から約８まで、約５から約９まで、約５から約１０まで、約１から約５まで、約１から約４までおよび約１から約３までの範囲にあり得る。また、他の範囲も可能である。
ある実施形態では、ｆＰＳＡに対する１つまたは複数の内部ノットは、独立して、約０．１から約１．０まで、約０．１から約１．２まで、約０．３から約０．８まで、約０．４から約０．９まで、約０．５から約１．２まで、約０．７から約１．４まで、約０．７から約０．９まで、約１．１から約１．６まで、約１．１から約１．２までおよび約１．１から約２までの範囲にあり得る。また、他の範囲も可能である。
ある実施形態では、ｉＰＳＡに対する１つまたは複数の内部ノットは、独立して、約０．０５から約０．５まで、約０．１から約０．５まで、約０．２から約０．５まで、約０．１から約０．８まで、約０．２から約０．８まで、約０．４から約０．８まで、約０．４から約１．０まで、約０．３から約０．６まで、約０．５から約１．０までおよび約０．６から約０．８までの範囲にあり得る。また、他の範囲も可能である。
ある実施形態では、ｈＫ２に対する１つまたは複数の内部ノットは、独立して、約０．０１から約０．０３まで、約０．０１から約０．０４まで、約０．０１から約０．０５まで、約０．０２から約０．０５まで、約０．０２から約０．０６まで、約０．０３から約０．０５まで、約０．４から約０．０７まで、約０．０４から約１．０まで、約０．５から約１．０までおよび約０．６から約１．０までの範囲にあり得る。また、他の範囲も可能である。
上記で論じられるように、任意の適切な数の内部ノット（例えば、３つ、４つ、５つ、６つの内部ノット）を組み込む３次スプラインを使用することができ、２つの内部ノットを含む３次スプラインの例は、制限ではなく、単なる例示のために提供される。２つより多い内部ノットを含む実施形態では、ノットは、上記で論じられる範囲のうちの１つもしくは複数の範囲内または他の何らかの適切な範囲に置くことができる。例えば、いくつかの実施形態では、ノットは、近隣ノットの対の各々の間のスプラインのセグメントの長さが本質的に等しくなるように指定することができる。
モデルは、以下のように表すことができる。
Ｌ＝β０＋β１（年齢）＋β２（ｔＰＳＡ）＋β３（ｆＰＳＡ）＋β４（ｉＰＳＡ）＋β５（ｈＫ２）＋β６（ｓｐ１［ｔＰＳＡ］）＋β７（ｓｐ２［ｔＰＳＡ］）＋β８（ｓｐ１［ｆＰＳＡ］）＋β９（ｓｐ２［ｆＰＳＡ］）＋β１０（ｓｐ１［ｉＰＳＡ］）＋β１１（ｓｐ２［ｉＰＳＡ］）＋β１２（ｓｐ１［ｈＫ２］）＋β１３（ｓｐ２［ｈＫ２］）＋β１４（以前のｂｘ） （１２）
８．ｔＰＳＡ閾値モデル
いくつかの実施形態では、選択されるモデルは、ｔＰＳＡの閾値レベルが試料中で検出されるか否かに依存し得る。いくつかの実施形態では、ｔＰＳＡのレベルが試料中で閾値を上回る場合は、予測モデルは以下の通りである。
Ｌ＝β０＋β１（ｔＰＳＡ）＋β２（ＤＲＥ）ｎｅｇ＋β３（ＤＲＥ）ｐｏｓ＋β４（以前のｂｘ） （１３）
いくつかの実施形態では、このモデルの重み付け係数の値の範囲は、以下の表１に記載される通りである。前立腺組織生検があらゆる悪性度のがんを有する確率の決定に適した係数は、第２および第３の列に示され、前立腺組織生検が高悪性度のがんを有する確率の決定に適した係数は、第４および第５の列に示されている。
Figure 0006873916
いくつかの実施形態では、試料中で検出されたｔＰＳＡのレベルが閾値レベル以下である場合は、予測モデルは以下の通りである。
Ｌ＝β０＋β１（年齢）＋β２（ｔＰＳＡ）＋β３ｓｐ１（ｔＰＳＡ）＋β４ｓｐ２（ｔＰＳＡ）＋β５（ｆＰＳＡ）＋β６ｓｐ１（ｆＰＳＡ）＋β７ｓｐ２（ｆＰＳＡ）＋β８（ｉＰＳＡ）＋β９（ｈＫ２）＋β１０（ＤＲＥｎｅｇ）＋β１１（ＤＲＥｐｏｓ）＋β１２（以前のｂｘ） （１４）
いくつかの実施形態では、このモデルの重み付け係数の値の範囲は、以下の表２に記載される通りである。前立腺組織生検があらゆる悪性度のがんを有する確率の決定に適した係数は、第２および第３の列に示され、前立腺組織生検が高悪性度のがんを有する確率の決定に適した係数は、第４および第５の列に示されている。
Figure 0006873916
上記のモデルにおけるｓｐ１（ｔＰＳＡ）、ｓｐ２（ｔＰＳＡ）、ｓｐ１（ｆＰＳＡ）およびｓｐ２（ｆＰＳＡ）のスプライン項は、上記のモデル＃７（方程式（１０および１１））の下で上記で提示される３次スプライン式に従って決定することができる。いくつかの実施形態では、内部ノット２および３ならびに外部ノット１および４の値は、ｔＰＳＡおよびｆＰＳＡに対して以下の表３に記載される範囲内にある。
Figure 0006873916
コンピュータ実装形態
図１Ｂでは、本明細書で説明される技法および／またはユーザ相互作用のいくつかまたはすべてをその上で実装できるコンピュータシステム１０６の例示的な実装形態が示されている。コンピュータシステム１０６は、１つまたは複数のプロセッサ１０７と、１つまたは複数の非一時的なコンピュータ可読記憶媒体（例えば、メモリ１０８、１つまたは複数の不揮発性記憶媒体１１０）とを含み得る。本明細書で説明される本発明の態様はこの点において制限されないため、プロセッサ１０７は、任意の適切な方法でのメモリ１０８および不揮発性記憶媒体１１０へのデータの書き込みならびにメモリ１０８および不揮発性記憶媒体１１０からのデータの読み取りを制御することができる。
本明細書で説明される機能のいずれかを実行するため、プロセッサ１０７は、１つまたは複数のコンピュータ可読記憶媒体（例えば、メモリ１０８）に格納されたプログラムモジュールなどの１つまたは複数の命令を実行することができ、１つまたは複数のコンピュータ可読記憶媒体は、プロセッサ１０７による実行のための命令を格納する非一時的なコンピュータ可読記憶媒体として機能し得る。一般に、プログラムモジュールは、特定のタスクを実行するかまたは特定の抽象データタイプを実装するルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。また、実施形態は、通信ネットワークを通じてリンクされるリモート処理デバイスによってタスクが実行される分散コンピューティング環境で実装することもできる。分散コンピューティング環境では、プログラムモジュールは、記憶装置を含むローカルおよびリモートコンピュータ記憶媒体の両方に位置し得る。データ入力およびプログラムコマンドは、コンピュータ１０６によって、入力インタフェース１０９を通じて受信することができる。入力インタフェース１０９は、キーボード、タッチスクリーン、ＵＳＢポート、ＣＤドライブ、ＤＶＤドライブまたは他の入力インタフェースを含み得る。
コンピュータ１０６は、ネットワーク接続環境において、１つまたは複数のリモートコンピュータへの論理的な接続を使用して動作することができる。１つまたは複数のリモートコンピュータは、パーソナルコンピュータ、サーバ、ルータ、ネットワークＰＣ、ピアデバイスまたは他の共通のネットワークノードを含み得、通常、コンピュータ１０６に関連して上記で説明される要素の多くまたはすべてを含む。コンピュータ１０６と１つまたは複数のリモートコンピュータとの間の論理的な接続は、これらに限定されないが、ローカルエリアネットワーク（ＬＡＮ）および広域ネットワーク（ＷＡＮ）を含み得るが、他のネットワークも含み得る。そのようなネットワークは、任意の適切な技術に基づくものであり、任意の適切なプロトコルに従って動作するものであり、無線ネットワーク、有線ネットワークまたは光ファイバネットワークを含み得る。そのようなネットワーク接続環境は、オフィス、企業規模のコンピュータネットワーク、イントラネットおよびＩｎｔｅｒｎｅｔではありふれたものである。
ＬＡＮネットワーク接続環境で使用される際は、コンピュータ１０６は、ネットワークインタフェースまたはアダプタを通じてＬＡＮに接続することができる。ＷＡＮネットワーク接続環境で使用される際は、コンピュータ１０６は、通常、モデムまたはＷＡＮ上で通信を確立するための他の手段（Ｉｎｔｅｒｎｅｔなど）を含む。ネットワーク接続環境では、プログラムモジュールまたはその一部分は、リモート記憶装置に格納することができる。
前立腺がんのリスクを評価するためおよび／または前立腺容積を決定するための本明細書で説明される様々な入力は、入力と関連付けられたデータを格納する１つまたは複数のリモートコンピュータまたはデバイスから、ネットワーク（例えば、ＬＡＮ、ＷＡＮまたは他の何らかのネットワーク）を介して、コンピュータ１０６によって受信することができる。リモートコンピュータ／デバイスのうちの１つまたは複数は、入力データとして分析結果をコンピュータ３００に送信する前に、リモートで格納されたデータに関する分析を実行することができる。あるいは、リモートで格納されたデータは、リモート分析なしで、リモートで格納された通りにコンピュータ１０６に送信することができる。それに加えて、入力は、コンピュータ１０６のコンポーネントとして組み込むことができる多くの入力インタフェース（例えば、入力インタフェース１０９）のいずれかを使用して、コンピュータ１０６のユーザによって直接受信することができる。
本発明の実施形態はこの点において制限されないため、前立腺がんリスクの確率および／または前立腺容積の出力を含む本明細書で説明される様々な出力は、コンピュータ１０６に直接接続された出力デバイス（例えば、ディスプレイ）上に視覚的に提供することができるか、または、出力は、１つまたは複数の有線または無線ネットワークを介してコンピュータ１０６に接続された離れた場所に位置する出力デバイスに提供することができる。それに加えてまたはその代替として、本明細書で説明される出力は、視覚的提示を使用する以外でも提供することができる。例えば、出力が提供されるコンピュータ３００またはリモートコンピュータは、出力の表示を提供するための、これらに限定されないが、スピーカおよび振動型出力インタフェースを含む、１つまたは複数の出力インタフェースを含み得る。
図１ではコンピュータ１０６は単一のデバイスとして示されているが、いくつかの実施形態では、コンピュータ１０６は、本明細書で説明される機能のいくつかまたはすべてを実行するために通信可能に結合された多数のデバイスを含み得、コンピュータ１０６は、本発明の実施形態に従って使用できるコンピュータの単なる例示的な一実装形態であることを理解すべきである。例えば、いくつかの実施形態では、コンピュータ１０６は、システムに統合することおよび／またはシステムと電子通信することができる。上記で説明されるように、いくつかの実施形態では、コンピュータ１０６は、本明細書で説明される技法のうちの１つまたは複数を使用して分析するために、前立腺がんの確率および／または前立腺容積を決定するために使用される１つまたは複数の血液マーカーについての情報が外部の情報源からコンピュータ１０６に送信されるネットワーク接続環境に含めることができる。図１Ｃでは、本発明のいくつかの実施形態による例示的なネットワーク接続環境１１１が示されている。ネットワーク接続環境１１１では、コンピュータ１０６は、ネットワーク１１４を介してアッセイシステム１１２に接続される。上記で論じられるように、ネットワーク１１４は、任意の適切なタイプの有線または無線ネットワークであり、１つまたは複数のローカルエリアネットワーク（ＬＡＮ）または広域ネットワーク（ＷＡＮ）（Ｉｎｔｅｒｎｅｔなど）を含み得る。
本明細書で説明される計算方法、ステップ、シミュレーション、アルゴリズム、システムおよびシステム要素は、以下で説明されるコンピュータシステムの様々な実施形態などのコンピュータシステムを使用して実装することができる。本明細書で説明される方法、ステップ、システムおよびシステム要素は、他の多くの異なるマシンを使用できるため、それらの実装形態において、本明細書で説明される特定のコンピュータシステムに制限されない。
コンピュータシステムは、プロセッサを含み得、例えば、Ｉｎｔｅｌから入手可能なｘ８６系、ＣｅｌｅｒｏｎおよびＰｅｎｔｉｕｍプロセッサ、ＡＭＤおよびＣｙｒｉｘからの同様のデバイス、Ｍｏｔｏｒｏｌａから入手可能な６８０Ｘ０系マイクロプロセッサ、ＩＢＭからのＰｏｗｅｒＰＣマイクロプロセッサ、ならびに、ＡＲＭプロセッサのうちの１つなどの市販のプロセッサを含み得る。他の多くのプロセッサも利用可能であり、コンピュータシステムは、特定のプロセッサに制限されない。
プロセッサは、通常、オペレーティングシステムと呼ばれるプログラムを実行し、Ｗｉｎｄｏｗｓ７、Ｗｉｎｄｏｗｓ８、ＵＮＩＸ、Ｌｉｎｕｘ、ＤＯＳ、ＶＭＳ、ＭａｃＯＳ、ＯＳＸおよびｉＯＳなどがその例であり、他のコンピュータプログラムの実行を制御し、スケジューリング、デバッギング、入力／出力制御、アカウンティング、コンパイル、ストレージ割り当て、データ管理およびメモリ管理、通信制御、ならびに、関連サービスを提供する。プロセッサおよびオペレーティングシステムは、共に、高水準プログラミング言語のアプリケーションプログラムが記載されるコンピュータプラットフォームを定義する。コンピュータシステムは、特定のコンピュータプラットフォームに制限されない。
コンピュータシステムは、通常、コンピュータが読み取り可能なおよび書き込み可能な不揮発性記録媒体を含むメモリシステムを含み得、磁気ディスク、光ディスク、フラッシュメモリおよびテープなどがその例である。そのような記録媒体は、例えば、フロッピーディスク、読み取り／書き込みＣＤまたはメモリスティックなどの取り外し可能なものでも、例えば、ハードドライブなどの永久的なものでもあり得る。
そのような記録媒体は、通常、２進数形式（すなわち、１と０の配列として解釈される形式）で信号を格納する。ディスク（例えば、磁気または光学）は、通常、２進数形式（すなわち、１と０の配列として解釈される形式）でそのような信号を格納できる多くのトラックを有する。そのよう信号は、マイクロプロセッサによって実行されるソフトウェアプログラム（例えば、アプリケーションプログラム）またはアプリケーションプログラムによって処理される情報を定義することができる。
また、コンピュータシステムのメモリシステムは、通常、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）またはスタティックメモリ（ＳＲＡＭ）などの揮発性のランダムアクセスメモリである集積回路メモリ素子も含み得る。通常、オペレーションの際、プロセッサは、プログラムおよびデータを不揮発性の記録媒体から集積回路メモリ素子に読み取らせ、それにより、通常、プロセッサによるプログラム命令およびデータへのアクセスを不揮発性の記録媒体でのアクセスより速く行うことができる。
プロセッサは、一般に、プログラム命令に従って集積回路メモリ素子内のデータを操作し、次いで、処理が完了した後に、不揮発性の記録媒体に操作データをコピーする。各種のメカニズムは、不揮発性の記録媒体と集積回路メモリ素子との間のデータ移動を管理することで知られており、上記で説明される方法、ステップ、システムおよびシステム要素を実装するコンピュータシステムは、それに制限されない。コンピュータシステムは、特定のメモリシステムに制限されない。
上記で説明されるそのようなメモリシステムの少なくとも一部は、１つまたは複数のデータ構造（例えば、ルックアップテーブル）または上記で説明される方程式を格納するために使用することができる。例えば、不揮発性の記録媒体の少なくとも一部は、そのようなデータ構造のうちの１つまたは複数を含むデータベースの少なくとも一部を格納することができる。そのようなデータベースは、例えば、デリミタによって分離されるデータユニットにデータが組織される１つもしくは複数のフラットファイルデータ構造、テーブルに格納されるデータユニットにデータが組織されるリレーショナルデータベース、オブジェクトとして格納されるデータユニットにデータが組織されるオブジェクト指向データベース、別のタイプのデータベースまたはそれらの任意の組合せを含むファイルシステムなど、各種のタイプのデータベースのいずれかであり得る。
コンピュータシステムは、ビデオおよび音声データＩ／Ｏサブシステムを含み得る。サブシステムの音声部分は、アナログ・デジタル（Ａ／Ｄ）変換器を含み得、Ａ／Ｄ変換器は、アナログ音声情報を受信し、それをデジタル情報に変換する。デジタル情報は、別の時間に使用するために、ハードディスク上に格納するための公知の圧縮システムを使用して圧縮することができる。Ｉ／Ｏサブシステムの典型的なビデオ部分は、その多くが当技術分野で知られているビデオ画像コンプレッサ／デコンプレッサを含み得る。そのようなコンプレッサ／デコンプレッサは、アナログビデオ情報を圧縮デジタル情報に変換することができ、その逆も可能である。圧縮デジタル情報は、後の時間に使用するために、ハードディスク上に格納することができる。
コンピュータシステムは、１つまたは複数の出力デバイスを含み得る。例示的な出力デバイスは、ブラウン管（ＣＲＴ）ディスプレイ、液晶ディスプレイ（ＬＣＤ）および他のビデオ出力デバイス、プリンタ、モデムまたはネットワークインタフェースなどの通信デバイス、ディスクまたはテープなどの記憶装置、ならびに、スピーカなどの音声出力デバイスを含む。
また、コンピュータシステムは、１つまたは複数の入力デバイスも含み得る。例示的な入力デバイスは、キーボード、キーパッド、トラックボール、マウス、ペン、タブレット、上記で説明されるような通信デバイス、ならびに、音声およびビデオキャプチャデバイスおよびセンサなどのデータ入力デバイスを含む。コンピュータシステムは、本明細書で説明される特定の入力または出力デバイスに制限されない。
本明細書で説明される様々な実施形態を実装するために、任意のタイプのコンピュータシステムのうちの１つまたは複数を使用できることを理解すべきである。本開示の態様は、ソフトウェア、ハードウェアもしくはファームウェア、または、それらの任意の組合せで実装することができる。コンピュータシステムは、例えば、特定用途向け集積回路（ＡＳＩＣ）などの特別にプログラムされた専用ハードウェアを含み得る。そのような専用ハードウェアは、上記で説明されるコンピュータシステムの一部としてまたは独立コンポーネントとして上記で説明される方法、ステップ、シミュレーション、アルゴリズム、システムおよびシステム要素のうちの１つまたは複数を実装するように構成することができる。
コンピュータシステムおよびそのコンポーネントは、各種の１つまたは複数の適切なコンピュータプログラミング言語のいずれかを使用してプログラム可能であり得る。そのような言語は、例えば、Ｃ、Ｐａｓｃａｌ、ＦｏｒｔｒａｎおよびＢＡＳＩＣなどの手続き型プログラミング言語、例えば、Ｃ＋＋、ＪａｖａおよびＥｉｆｆｅｌなどのオブジェクト指向言語、ならびに、スクリプト言語またはアセンブリ言語などの他の言語を含み得る。
方法、ステップ、シミュレーション、アルゴリズム、システムおよびシステム要素は、そのようなコンピュータシステムによって実行できる、手続き型プログラミング言語、オブジェクト指向プログラミング言語、他の言語およびそれらの組合せを含む、各種の適切なプログラミング言語のいずれかを使用して実装することができる。そのような方法、ステップ、シミュレーション、アルゴリズム、システムおよびシステム要素は、コンピュータプログラムの別々のモジュールとして実装することができるか、あるいは、別々のコンピュータプログラムとして個別に実装することができる。そのようなモジュールおよびプログラムは、別々のコンピュータ上で実行することができる。
そのような方法、ステップ、シミュレーション、アルゴリズム、システムおよびシステム要素は、個別にまたは組み合わせて、例えば、不揮発性の記録媒体、集積回路メモリ素子またはそれらの組合せなどのコンピュータ可読媒体上でコンピュータ可読信号として明白に具体化されたコンピュータプログラム製品として実装することができる。そのような各方法、ステップ、シミュレーション、アルゴリズム、システムまたはシステム要素に対し、そのようなコンピュータプログラム製品は、例えば、コンピュータによる実行の結果、方法、ステップ、シミュレーション、アルゴリズム、システムまたはシステム要素を実行するようにコンピュータに指示する１つまたは複数のプログラムの一部として命令を定義する、コンピュータ可読媒体上で明白に具体化されるコンピュータ可読信号を含み得る。
上記で説明される機能のうちの１つまたは複数を用いて様々な実施形態を形成できることを理解すべきである。上記の態様および機能は、本発明はこの点において制限されないため、任意の適切な組合せで採用することができる。また、図面は、様々な実施形態に組み込むことができる様々なコンポーネントおよび機能を示すことも理解すべきである。分かり易いように、図面のいくつかは、２つ以上のオプション機能またはコンポーネントを示し得る。しかし、本発明は、図面で開示される特定の実施形態に制限されない。本開示は、図面のいずれか１つに示されるコンポーネントの一部分のみを含み得る実施形態を包含すること、および／または、複数の異なる図面に示されるコンポーネントを組み合わせる実施形態を包含することを認識すべきである。
実施例１−アッセイおよび予測モデル
本明細書では、多変量アルゴリズムを通じて患者特有の情報とリンクされた総前立腺特異抗原（ｔＰＳＡ）、遊離ＰＳＡ（ｆＰＳＡ）、無傷ＰＳＡ（ｉＰＳＡ）およびヒトカリクレイン２（ｈＫ２）を含む一連の４つのカリクレインマーカーに基づくアッセイについて説明する。このアルゴリズムは、２つの検定された確率（１つは、生検前のあらゆる悪性度のがんのリスクに対するものであり、もう１つは、高悪性度のがん（グリーソン７以上）のリスクに対するものである）を返す。
４つのカリクレインマーカーは、前立腺がん検出の応用に対して、個別におよび様々な組合せで研究されてきた。これらの４つのマーカーの血漿レベル、ならびに、年齢、直腸指診（ＤＲＥ）結果および以前の陰性の前立腺生検の存在などの患者特有の情報を組み込むロジスティック回帰アルゴリズムは、前立腺がんに対してＰＳＡ試験単独のものより高い陽性適中率を実証した。
ヒト血漿試料中に存在するｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のレベル（例えば、ｎｇ／ｍＬ）は、ＡｕｔｏＤＥＬＦＩＡ自動免疫測定法システムを使用して決定された。各マーカーの平均量は、各マーカーに対する二重反復試験から計算され、実施例２で提示されるような所定のヒト血漿試料に対するリスクスコアを決定するために予測モデルで使用された。また、Ｅｌｅｃｓｙｓ免疫測定法分析器（Ｒｏｃｈｅ Ｄｉａｇｎｏｓｔｉｃｓ）を使用してｔＰＳＡおよびｆＰＳＡを決定することもできる。
各試験実行において３つのプレートのセット（１つのプレートをｆ／ｔＰＳＡに対して、１つのプレートをｉＰＳＡに対しておよび１つのプレートをｈＫ２に対して）を少なくとも１つ使用した。フル稼働での完全な試験実行は、これらの３つのプレートのセットを２つ必要とした。全手順は、試験実行しているプレートの数に応じて、開始から試験結果を得るまで約３〜５時間必要とした。
初期の検定試験には３００人の患者が含まれ、そのサブセットは以前に陰性生検を有していた。これには、各研究現場で登録した最初の５人の患者や、それに続いて順番に登録した患者が含まれた。最適に保管および／または出荷されなかった試料に対して、あるいは、カリクレインマーカーの測定の間に試料が異常な結果を生み出した場合に例外が設けられた。
生検におけるがんのリスクを計算するためのロジスティック回帰アルゴリズム
生検におけるがんのリスクを計算するための予測モデルの式は、検定試験を通じて確立されており、以下に提示する。述べられるように、総ＰＳＡレベルに応じて、異なる式が使用される。その上、あらゆる悪性度の検出可能ながんを含む生検の確率を決定するためにモデルが使用されるかおよび高悪性度の（例えば、グリーソンスコア７．０以上）検出可能ながんを含む生検の確率を決定するためにモデルが使用されるかに応じて、異なる重み付け係数が使用される。重み付け係数は、本明細書の表１および２で指定される範囲内である。式の変数については表４で説明する。
総ＰＳＡ＞２５ｎｇ／ｍＬの場合
Ｘβ＝β０＋β１ｔｐｓａ＋β２ｄｒｅｎｅｇ＋β３ｄｒｅｐｏｓ＋β４以前のｂｘ （１３）
総ＰＳＡ≦２５ｎｇ／ｍＬの場合
Ｘβ＝β０＋β１年齢＋β２ｔｐｓａ＋β３ｓｐｔｐｓａ１＋β４ｓｐｔｐｓａ２＋β５ｆｐｓａ＋β６ｓｐｆｐｓａ１＋β７ｓｐｆｐｓａ２＋β８ｉｐｓａ＋β９ｈＫ２＋β１０ｄｒｅｎｅｇ＋β１１ｄｒｅｐｏｓ＋β１２以前のｂｘ （１４）
Figure 0006873916
制限された３次スプライン項：
モデル（総ＰＳＡおよび遊離ＰＳＡ）のいくつかの変数に対し、制限された３次スプライン項が含まれており、これは、各スプライン項に対してモデルの各々に２つの追加項が追加されることを意味する。２つのスプライン項を計算するための式は以下の通りである。
Figure 0006873916
Ｓｐ［ｖａｒ］１およびｓｐ［ｖａｒ］２は、総および遊離ＰＳＡに対して、上記の式を使用して演算される。総ＰＳＡに対するスプライン項は、表３で指定される範囲内のノット値を使用して計算された。
Figure 0006873916
検定からの結果
研究の検定段階に登録した患者の特徴を表５に示す。
Figure 0006873916
モデル検定
モデルは、欧州コホートに基づいて開発された。ロジスティック回帰再検定は、米国コホートにおける検定ミスを試験するために傾きおよび切片係数の両方を用いて使用された。
Figure 0006873916
β０≠０またはβ１≠１が証明されている場合は、これは、モデルを再検定することが有益であることを示す。
高悪性度のがんを予測するモデルは、０．２（または２０％）を下回る予測に対しては完璧に近い検定を呈する一方で、０．２（または２０％）より大きい予測に対しては実際のリスクの過小評価があるように見えた（図２）。患者を生検へ照会するという決定は、モデルが高悪性度のがんの真のリスクを正確に予測すると思われる、０．２（または２０％）を下回る閾値で起こるということが知られている。この理由のため、高悪性度のモデルに対して、再検定は実行されなかった。あらゆる悪性度のがんを予測するモデルは、重大な検定ミスを呈することはなく、従って、再検定は実行されなかった（図３）。図２および３のデータポイントは、予測確率と実際の確率との関係を示し、点線は、データに適合する線である。実際の確率における変動の度合いを示すバーが示されている。実線は、実際の確率が予測確率に等しい完璧な検定を反映する。
モデル性能
以下は、予測モデルの性能のレポートである。すべての統計は、繰り返し行われる１０分割交差検定を使用して過剰適合が補正された。
Figure 0006873916
Figure 0006873916
様々な生検スキームの下で回避された生検
１０００人の患者ごとに異なる生検スキームを通じて発見されたおよび見逃された高悪性度のがん（表５）およびあらゆる悪性度のがん（表６）の数が決定された。
Figure 0006873916
Figure 0006873916
決定曲線解析
高悪性度のがんに対する決定曲線解析を図４に示す。あらゆる悪性度のがんに対する決定曲線解析を図５に示す。
受信者動作特性曲線（ＲＯＣ）
高悪性度のがんに対するＲＯＣを図６に示す。あらゆる悪性度のがんに対するＲＯＣを図７に示す。
生検閾値による陰性適中率および陽性適中率
高悪性度のがんに対する生検閾値による陽性適中率および陰性適中率を図８Ａおよび８Ｂにそれぞれ示す。あらゆる悪性度のがんに対する生検閾値による陽性適中率および陰性適中率を図９Ａおよび９Ｂにそれぞれ示す。
実施例２−検証試験
実施例１に提示されるおよび方程式（１０、１１、１３、１４）に記載されるモデルの性能の評価は、この実施例では「試験モデル」と呼ばれ、研究の検証段階に登録した６６３人の患者に基づいて実行された。結果は、全コホート、以前に生検を行った男性、以前に生検を行わなかった男性および５０〜７５歳の男性に対して別々に提示されている。図１０は、生検における高悪性度の疾患を抱える男性の割合を年齢別に示す。男性の年齢が増すごとに、はるかに高い割合で高悪性度の疾患を患っている。
より高い年齢で観察されたリスクの増加の可能性の１つが、より選択的な生検である。言い換えれば、泌尿器科医は、そうせざるを得ない理由がある場合は、７０歳を超える男性（多くのガイドラインにおけるＰＳＡスクリーニングに対する上限）にのみ生検を行う。高齢の男性の間の高悪性度のがんの割合の増加が生検選択によるものだったかどうかを評価するため、ＰＣＰＴリスク計算機を利用した（Ｔｈｏｍｐｓｏｎ ＩＭ，Ａｎｋｅｒｓｔ ＤＰ，Ｃｈｉ Ｃ，Ｇｏｏｄｍａｎ ＰＪ，Ｔａｎｇｅｎ ＣＭ，Ｌｕｃｉａ ＭＳ，Ｆｅｎｇ Ｚ，Ｐａｒｎｅｓ ＨＬ，Ｃｏｌｔｍａｎ ＣＡ Ｊｒ．Ａｓｓｅｓｓｉｎｇ ｐｒｏｓｔａｔｅ ｃａｎｃｅｒ ｒｉｓｋ：Ｒｅｓｕｌｔｓ ｆｒｏｍ ｔｈｅ Ｐｒｏｓｔａｔｅ Ｃａｎｃｅｒ Ｐｒｅｖｅｎｔｉｏｎ Ｔｒｉａｌ，Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｎａｔｉｏｎａｌ Ｃａｎｃｅｒ Ｉｎｓｔｉｔｕｔｅ ９８：５２９−５３４，２００６を参照）。ＰＣＰＴリスク計算機は、年齢を問わずすべての男性に生検が提供された男性コホートに対して構築された。結果として高悪性度の疾患を有し、共変量としてＰＣＰＴリスクおよび高齢を有するロジスティック回帰モデルでは、年齢係数が大きい場合は、観察している年齢の影響が、リスクの生物学的増加というよりむしろ、選択に起因することが示唆される。これらの結果は、高齢の男性におけるリスクが予想されるもの（ｐ＝０．０７２）より高いことを示し、選択の影響が示唆される。５０〜７５歳の男性のサブグループ分析が実行された。５０歳未満の患者は２０人いたため、７０歳を超える患者を除いて、追加のサブグループ分析が実施された。
総ＰＳＡ、年齢、以前の生検およびＤＲＥに基づく「試験モデル」とベースモデルの２つの別々のモデルが比較された。表１０は、検定段階コホートと検証段階コホートとの間の患者の特徴の違いの概要である。
Figure 0006873916
以下の表１１は、がんの状態によって区別された検証段階コホートの患者の特徴を提供する。
試験モデルは、高悪性度の疾患そのベースモデルに対して、約０．０６のＡＵＣの増加で、より高い確率で判別できることが分かった。この違いは、諸条件にわたって比較的安定している。それは、以前に生検を行っている（０．０９）、診断「グレーゾーン」（０．０７−０．０９）の患者の場合にわずかに大きい。陽性生検のエンドポイントにおけるベースモデルと試験モデルとの違いは小さく、高悪性度の疾患に対する試験モデルの選択性を明確に実証している。
以下の表１４および１５は、１０００人の患者ごとに異なる生検スキームを通じて、すべての患者および７０歳未満の患者に対して発見されたおよび見逃された高悪性度の数の概要を示す。臨床結果の分析では、７．５％のカットポイントを使用することにより、生検の数が約５０％低減することが分かった。このことは、まさに、いくつかの高悪性度のがんを見逃すことにつながる（分析が７１歳未満の男性に制限される際に低減される影響）。リスク＜７．５％を有するより若い患者のうち、５．５％がグリーソンスコア７または８を有し、これは、このグループで１つの高悪性度のがんを発見するために１８の生検を実施する必要があることを意味する。見逃された高悪性度のがんのうち、５３％が３＋４、４０％が４＋３、７％が４＋４であった。
Figure 0006873916
Figure 0006873916
Figure 0006873916
すべての患者
Figure 0006873916
７１歳未満
Figure 0006873916
図１１Ａおよび１１Ｂは、すべての患者（ｎ＝６６３）における高悪性度のがんの検出の予測対実際の確率を示す。図１１Ｃは、すべての患者（ｎ＝６６３）におけるあらゆる悪性度のがんの検出の予測対実際の確率を示す。図１２Ａおよび１２Ｂは、５０〜７５歳の患者（ｎ＝５８７）における高悪性度のがんの検出の予測対実際の確率を示す。図１２Ｃは、５０〜７５歳の患者（ｎ＝５８７）におけるあらゆる悪性度のがんの検出の予測対実際の確率を示す。図１３Ａおよび１３Ｂは、７１歳未満の患者（ｎ＝５３５）における高悪性度のがんの検出の予測対実際の確率を示す。図１３Ｃは、７１歳未満の患者（ｎ＝５３５）におけるあらゆる悪性度のがんの検出の予測対実際の確率を示す。前述の結果は、リスクの過小予測度合いがあることを示す（試料を７１歳未満の患者に制限することによって低減される影響）。図１１〜１３の場合、データポイントは、予測確率と実際の確率との関係を示し、点線は、データに適合する線である。実際の確率における変動の度合いを示すバーが示されている。実線は、実際の確率が予測確率に等しい完璧な検定を反映する。
図１４Ａおよび１４Ｂは、すべての患者（ｎ＝６６３）に対する純利益対閾値確率レベルを示す。図１５Ａおよび１５Ｂは、５０〜７５歳の患者（ｎ＝５８７）に対する純利益対閾値確率レベルを示す。図１６Ａおよび１６Ｂは、７１歳未満のすべての患者（ｎ＝５３５）に対する純利益対閾値確率レベルを示す。データは、予測モデルの使用が高悪性度のがんの検出に対する明確な純利益と関連付けられることを示す。この影響は、７１歳未満の患者に対して強化される。純利益は、その全内容が参照により本明細書に組み込まれる、Ｖｉｃｋｅｒｓ Ａ．Ｊ．ｅｔ ａｌ．，Ｎｅｔ ｂｅｎｅｆｉｔ ａｎｄ ｔｈｒｅｓｈｏｌｄ ｐｒｏｂａｂｉｌｉｔｙ ｗｅｒｅ ｅｓｔａｂｌｉｓｈｅｄ ｕｓｉｎｇ ｍｅｔｈｏｄｓ ｄｉｓｃｌｏｓｅｄ ｉｎ Ｍｅｄ Ｄｅｃｉｓ Ｍａｋｉｎｇ．２００６；２６（６）：５６５−５７４で説明されているように評価される。

Claims (29)

  1. 非侵攻性前立腺がんを患っていると以前に診断された対象者を評価するための方法であって、
    ｉ）前記対象者の血液試料を、遊離前立腺特異抗原（ｆＰＳＡ）、無傷前立腺特異抗原（ｉＰＳＡ）、総前立腺特異抗原（ｔＰＳＡ）およびヒトカリクレイン２（ｈＫ２）を含むカリクレインマーカーのレベルを測定する１つまたは複数の免疫測定法にかけるステップと、
    ｉｉ）前記測定されたカリクレインマーカーレベルおよび少なくとも１つの臨床学的因子を重み付けすることによって、前記対象者から得られた前立腺組織生検が検出可能な侵攻性前立腺がんを含む確率を決定するステップと
    を含む、方法。
  2. 前記対象者から得られた前記前立腺組織生検が検出可能な侵攻性前立腺がんを含む前記確率が閾値レベルを上回る場合は、侵攻性前立腺がんの存在をさらに評価するために、継続前立腺組織生検が前記対象者から得られ、分析される、請求項１に記載の方法。
  3. 前記非侵攻性前立腺がんが、グリーソンスコア６と関連付けられる、請求項１または２に記載の方法。
  4. 前記侵攻性前立腺がんが、グリーソンスコア７以上と関連付けられる、請求項１〜３のいずれか一項に記載の方法。
  5. 前記血液試料が、非侵攻性前立腺がんの初期の診断から６ヶ月から１２ヶ月以内に、前記対象者から得られる、請求項１〜４のいずれか一項に記載の方法。
  6. 少なくとも１回、ステップｉ）およびｉｉ）を繰り返すことをさらに含む、請求項１〜５のいずれか一項に記載の方法。
  7. ステップｉ）およびｉｉ）を最初に実行してから６ヶ月から１２ヶ月以内に、少なくとも１回、ステップｉ）およびｉｉ）を繰り返すことをさらに含む、請求項１〜５のいずれか一項に記載の方法。
  8. 少なくとも２回、ステップｉ）およびｉｉ）を繰り返すことをさらに含み、ステップｉ）およびｉｉ）の各セット間の間隔が、６ヶ月から１年の範囲である、請求項１〜５のいずれか一項に記載の方法。
  9. 最大で５年まで、少なくとも１年に１回、ステップｉ）およびｉｉ）を繰り返すことをさらに含む、請求項１〜８のいずれか一項に記載の方法。
  10. 前記少なくとも１つの臨床学的因子が、前記対象者の年齢である、請求項１〜９のいずれか一項に記載の方法。
  11. 前記少なくとも１つの臨床学的因子が、前記対象者において実行されたデジタル直腸検査の結果を示すパラメータである、請求項１〜１０のいずれか一項に記載の方法。
  12. 前記少なくとも１つの臨床学的因子が、今まで前記対象者において実行された前立腺組織生検の数、今まで前記対象者において実行された以前の前立腺組織生検の結果、非侵攻性前立腺がんの初期の診断以降のあらゆる陰性生検の発生、前記血液試料を得る前の１年間のあらゆる陰性生検の発生、非侵攻性前立腺がんの初期の診断以降の生検の総数、以前の生検における前立腺容量、以前の生検における陽性コアの数、以前の生検における陽性コアのパーセント、生検コアセクションにおけるがんの断面積、あらゆる生検コアセクションにおけるがんの最大断面積、ＰＳＡ密度、対象者の人種、前立腺がんの家族歴、あらゆる以前の生検からの陽性コアの最大パーセント、および、あらゆる以前の生検からの陽性コアの最大数から選択される、請求項１〜１１のいずれか一項に記載の方法。
  13. 前記確率が、前記測定されたカリクレインマーカーレベルの１つまたは複数に基づいて３次スプラインの項を重み付けすることによってさらに決定される、請求項１〜１０のいずれか一項に記載の方法。
  14. 前立腺がんと関連付けられた事象の確率を決定するための方法であって、
    入力インタフェースを介して、非侵攻性前立腺がんを患っていると以前に診断された対象者の血漿試料中のｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２を含むカリクレインマーカーのレベルを示す情報を受信するステップと、
    入力インタフェースを介して、前記対象者の少なくとも１つの臨床学的因子についての情報を受信するステップと、
    前記対象者の前立腺がんと関連付けられた事象の確率を決定するために、少なくとも１つのプロセッサを使用して、前記受信された情報に少なくとも部分的に基づいて、ロジスティック回帰モデルを評価するステップであって、
    ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のレベルを示す前記情報ならびに前記少なくとも１つの臨床学的因子についての前記情報に少なくとも部分的に基づいて、前立腺がんと関連付けられた前記事象の前記確率を決定すること
    を含む、ステップと、
    前立腺がんと関連付けられた前記事象の前記確率の表示を出力するステップであって、前立腺がんと関連付けられた前記事象が、非侵攻性前立腺がんから侵攻性前立腺がんへのアップグレードである、ステップと
    を含む、方法。
  15. 前立腺がんと関連付けられた事象の確率を決定するためのコンピュータであって、
    対象者の血漿試料中のｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２を含むカリクレインマーカーのレベルを示す情報ならびに前記対象者の少なくとも１つの臨床学的因子についての情報を受信するように構成された入力インタフェースと、
    前記対象者の前立腺がんと関連付けられた事象の確率を決定するために、前記受信された情報に少なくとも部分的に基づいて、ロジスティック回帰モデルを評価するようにプログラムされた少なくとも１つのプロセッサであって、前記ロジスティック回帰モデルを評価するステップが、
    ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のレベルを示す前記情報ならびに前記少なくとも１つの臨床学的因子についての前記情報に少なくとも部分的に基づいて、前立腺がんと関連付けられた前記事象の前記確率を決定すること
    を含む、少なくとも１つのプロセッサと、
    前立腺がんと関連付けられた前記事象の前記確率の表示を出力するように構成された出力インタフェースであって、前立腺がんと関連付けられた前記事象が、非侵攻性前立腺がんから侵攻性前立腺がんへのアップグレードである、出力インタフェースと
    を備える、コンピュータ。
  16. 前立腺がんと関連付けられた事象の確率を決定するためのシステムであって、
    ａ）対象者の血漿試料中のｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２を含むカリクレインマーカーのレベルを測定するように構成された検出器と、
    ｂ）前記検出器と電子通信するコンピュータと
    を備える、システムであり、前記コンピュータが、
    ｉ）対象者の血漿試料中の測定されたｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のレベルを示す情報を前記検出器から受信し、前記対象者の少なくとも１つの臨床学的因子についての情報を受信するように構成された入力インタフェースと、
    ｉｉ）前記対象者の前立腺がんと関連付けられた事象の確率を決定するために、前記受信された情報に少なくとも部分的に基づいて、ロジスティック回帰モデルを評価するようにプログラムされた少なくとも１つのプロセッサであって、前記ロジスティック回帰モデルを評価するステップが、
    ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のレベルを示す前記情報ならびに前記少なくとも１つの臨床学的因子についての前記情報に少なくとも部分的に基づいて、前立腺がんと関連付けられた前記事象の前記確率を決定すること
    を含む、少なくとも１つのプロセッサと、
    ｉｉｉ）前立腺がんと関連付けられた前記事象の前記確率の表示を出力するように構成された出力インタフェースであって、前立腺がんと関連付けられた前記事象が、非侵攻性前立腺がんから侵攻性前立腺がんへのアップグレードである、出力インタフェースと
    を備える、システム。
  17. コンピュータによって実行されると、前立腺がんと関連付けられた事象の確率を決定するための方法を実行する多数の命令で符号化されたコンピュータ可読記憶媒体であって、前記方法が、
    対象者の前立腺がんと関連付けられた事象の確率を決定するために、前記対象者の血漿試料中のｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２を含むカリクレインマーカーのレベルを示す情報ならびに前記対象者の少なくとも１つの臨床学的因子についての情報に少なくとも部分的に基づいて、ロジスティック回帰モデルを評価するステップであって、
    ｔＰＳＡ、ｆＰＳＡ、ｉＰＳＡおよびｈＫ２のレベルを示す前記情報ならびに前記少なくとも１つの臨床学的因子についての前記情報に少なくとも部分的に基づいて、前立腺がんと関連付けられた前記事象の前記確率を決定すること
    を含む、ステップと、
    前立腺がんと関連付けられた前記事象の前記確率の表示を出力するステップであって、ここで前立腺がんと関連付けられた前記事象が非侵攻性前立腺がんから侵攻性前立腺がんへのアップグレードである、ステップ
    を含む、コンピュータ可読記憶媒体。
  18. 前記少なくとも１つの臨床学的因子が、前記対象者の年齢である、請求項１４に記載の方法。
  19. 前記少なくとも１つの臨床学的因子が、前記対象者において実行されたデジタル直腸検査の結果を示すパラメータである、請求項１４または１８に記載の方法。
  20. 前記少なくとも１つの臨床学的因子が、今まで前記対象者において実行された前立腺組織生検の数、今まで前記対象者において実行された以前の前立腺組織生検の結果、非侵攻性前立腺がんの初期の診断以降のあらゆる陰性生検の発生、前記血漿試料を得る前の１年間のあらゆる陰性生検の発生、非侵攻性前立腺がんの初期の診断以降の生検の総数、以前の生検における前立腺容量、以前の生検における陽性コアの数、以前の生検における陽性コアのパーセント、生検コアセクションにおけるがんの断面積、あらゆる生検コアセクションにおけるがんの最大断面積、ＰＳＡ密度、対象者の人種、前立腺がんの家族歴、あらゆる以前の生検からの陽性コアの最大パーセント、および、あらゆる以前の生検からの陽性コアの最大数から選択される、請求項１４、１８、または１９のいずれか一項に記載の方法。
  21. 前記少なくとも１つの臨床学的因子が、前記対象者の年齢である、請求項１５に記載のコンピュータ。
  22. 前記少なくとも１つの臨床学的因子が、前記対象者において実行されたデジタル直腸検査の結果を示すパラメータである、請求項１５または２１に記載のコンピュータ。
  23. 前記少なくとも１つの臨床学的因子が、今まで前記対象者において実行された前立腺組織生検の数、今まで前記対象者において実行された以前の前立腺組織生検の結果、非侵攻性前立腺がんの初期の診断以降のあらゆる陰性生検の発生、前記血漿試料を得る前の１年間のあらゆる陰性生検の発生、非侵攻性前立腺がんの初期の診断以降の生検の総数、以前の生検における前立腺容量、以前の生検における陽性コアの数、以前の生検における陽性コアのパーセント、生検コアセクションにおけるがんの断面積、あらゆる生検コアセクションにおけるがんの最大断面積、ＰＳＡ密度、対象者の人種、前立腺がんの家族歴、あらゆる以前の生検からの陽性コアの最大パーセント、および、あらゆる以前の生検からの陽性コアの最大数から選択される、請求項１５、２１、または２２のいずれか一項に記載のコンピュータ。
  24. 前記少なくとも１つの臨床学的因子が、前記対象者の年齢である、請求項１６に記載のシステム。
  25. 前記少なくとも１つの臨床学的因子が、前記対象者において実行されたデジタル直腸検査の結果を示すパラメータである、請求項１６または２４に記載のシステム。
  26. 前記少なくとも１つの臨床学的因子が、今まで前記対象者において実行された前立腺組織生検の数、今まで前記対象者において実行された以前の前立腺組織生検の結果、非侵攻性前立腺がんの初期の診断以降のあらゆる陰性生検の発生、前記血漿試料を得る前の１年間のあらゆる陰性生検の発生、非侵攻性前立腺がんの初期の診断以降の生検の総数、以前の生検における前立腺容量、以前の生検における陽性コアの数、以前の生検における陽性コアのパーセント、生検コアセクションにおけるがんの断面積、あらゆる生検コアセクションにおけるがんの最大断面積、ＰＳＡ密度、対象者の人種、前立腺がんの家族歴、あらゆる以前の生検からの陽性コアの最大パーセント、および、あらゆる以前の生検からの陽性コアの最大数から選択される、請求項１６、２４、または２５のいずれか一項に記載のシステム。
  27. 前記少なくとも１つの臨床学的因子が、前記対象者の年齢である、請求項１７に記載のコンピュータ可読記憶媒体。
  28. 前記少なくとも１つの臨床学的因子が、前記対象者において実行されたデジタル直腸検査の結果を示すパラメータである、請求項１７または２７に記載のコンピュータ可読記憶媒体。
  29. 前記少なくとも１つの臨床学的因子が、今まで前記対象者において実行された前立腺組織生検の数、今まで前記対象者において実行された以前の前立腺組織生検の結果、非侵攻性前立腺がんの初期の診断以降のあらゆる陰性生検の発生、前記血漿試料を得る前の１年間のあらゆる陰性生検の発生、非侵攻性前立腺がんの初期の診断以降の生検の総数、以前の生検における前立腺容量、以前の生検における陽性コアの数、以前の生検における陽性コアのパーセント、生検コアセクションにおけるがんの断面積、あらゆる生検コアセクションにおけるがんの最大断面積、ＰＳＡ密度、対象者の人種、前立腺がんの家族歴、あらゆる以前の生検からの陽性コアの最大パーセント、および、あらゆる以前の生検からの陽性コアの最大数から選択される、請求項１７、２７、または２８のいずれか一項に記載のコンピュータ可読記憶媒体。
JP2017556721A 2015-04-29 2016-04-29 前立腺がんの積極的監視のための組成物および方法 Active JP6873916B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562154616P 2015-04-29 2015-04-29
US62/154,616 2015-04-29
PCT/US2016/029959 WO2016176529A1 (en) 2015-04-29 2016-04-29 Compositions and methods for active surveillance of prostate cancer

Publications (3)

Publication Number Publication Date
JP2018518661A JP2018518661A (ja) 2018-07-12
JP2018518661A5 JP2018518661A5 (ja) 2020-07-16
JP6873916B2 true JP6873916B2 (ja) 2021-05-19

Family

ID=57198800

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017556721A Active JP6873916B2 (ja) 2015-04-29 2016-04-29 前立腺がんの積極的監視のための組成物および方法

Country Status (21)

Country Link
US (2) US20160320394A1 (ja)
EP (2) EP3287786A3 (ja)
JP (1) JP6873916B2 (ja)
KR (1) KR102527446B1 (ja)
CN (1) CN107530412A (ja)
AU (1) AU2016254127B2 (ja)
BR (1) BR112017022391A2 (ja)
CA (1) CA2982262A1 (ja)
CL (1) CL2017002701A1 (ja)
CO (1) CO2017010808A2 (ja)
DE (1) DE202016008673U1 (ja)
EA (1) EA039028B1 (ja)
HK (2) HK1247559A1 (ja)
IL (1) IL254833B (ja)
MX (1) MX2017013881A (ja)
MY (1) MY197117A (ja)
PE (1) PE20180930A1 (ja)
SG (1) SG11201708289TA (ja)
TW (1) TWI766836B (ja)
UA (1) UA125745C2 (ja)
WO (1) WO2016176529A1 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2391451B1 (en) 2009-02-02 2018-09-12 Opko Diagnostics, LLC Structures for controlling light interaction with microfluidic devices
TWI638277B (zh) 2012-03-05 2018-10-11 Ｏｐｋｏ診斷法有限責任公司 用於確定前列腺癌相關事件之機率之分析系統及方法
MX2016012667A (es) 2014-03-28 2017-01-09 Opko Diagnostics Llc Composiciones y metodos relacionados con el diagnostico de cancer de prostata.
ES2867798T3 (es) 2015-03-27 2021-10-20 Opko Diagnostics Llc Estándares del antígeno prostático y usos de estos
WO2017100457A1 (en) 2015-12-11 2017-06-15 Opko Diagnostics, Llc Fluidic systems involving incubation samples and/or reagents
JP6956719B2 (ja) 2015-12-29 2021-11-02 オプコ・ダイアグノスティクス・リミテッド・ライアビリティ・カンパニーＯｐｋｏ Ｄｉａｇｎｏｓｔｉｃｓ，Ｌｌｃ 流体の収集のための物品
WO2019221930A1 (en) * 2018-05-16 2019-11-21 Opko Diagnostics, Llc Methods for detecting prostate cancer pathology associated with adverse outcomes

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7211397B2 (en) * 1999-04-30 2007-05-01 Beckman Coulter, Inc. Method of analyzing non-complexed forms of prostate specific antigen in a sample to improve prostate cancer detection
WO2011027310A1 (en) * 2009-09-03 2011-03-10 Koninklijke Philips Electronics N.V. Novel tumor markers
CN102939160B (zh) 2010-04-16 2016-10-12 欧普科诊断有限责任公司 用于样本分析的系统和装置
TWI638277B (zh) * 2012-03-05 2018-10-11 Ｏｐｋｏ診斷法有限責任公司 用於確定前列腺癌相關事件之機率之分析系統及方法
AU2013263473A1 (en) 2012-05-16 2014-11-20 Phadia Ab Method for indicating the presence or non-presence of prostate cancer
AU2013349801B2 (en) * 2012-11-20 2019-03-07 Phadia Ab Method for indicating a presence or non-presence of aggressive prostate cancer
ES2694409T3 (es) * 2012-11-20 2018-12-20 Phadia Ab Método de pronóstico para individuos con cáncer de próstata

Also Published As

Publication number Publication date
EP3247387A4 (en) 2018-09-12
EP3287786A2 (en) 2018-02-28
TWI766836B (zh) 2022-06-11
AU2016254127A1 (en) 2017-10-26
JP2018518661A (ja) 2018-07-12
EA039028B1 (ru) 2021-11-24
IL254833B (en) 2021-12-01
CN107530412A (zh) 2018-01-02
TW201705028A (zh) 2017-02-01
BR112017022391A2 (pt) 2018-07-10
IL254833A0 (en) 2017-12-31
KR102527446B1 (ko) 2023-05-02
US20220399121A1 (en) 2022-12-15
CL2017002701A1 (es) 2018-07-06
MY197117A (en) 2023-05-26
EP3287786A3 (en) 2018-03-21
EA201792372A1 (ru) 2018-03-30
EP3247387A1 (en) 2017-11-29
SG11201708289TA (en) 2017-11-29
WO2016176529A1 (en) 2016-11-03
UA125745C2 (uk) 2022-06-01
AU2016254127B2 (en) 2022-05-26
CO2017010808A2 (es) 2018-04-19
DE202016008673U1 (de) 2019-01-22
HK1247559A1 (zh) 2018-09-28
MX2017013881A (es) 2018-03-12
CA2982262A1 (en) 2016-11-03
HK1247824A1 (zh) 2018-10-05
KR20180018514A (ko) 2018-02-21
US20160320394A1 (en) 2016-11-03
PE20180930A1 (es) 2018-06-08

Similar Documents

Publication Publication Date Title
JP6873916B2 (ja) 前立腺がんの積極的監視のための組成物および方法
JP6775488B2 (ja) 前立腺がんの診断に関連する組成物および方法
US20170089904A1 (en) Compositions and methods for active surveillance of prostate cancer
Gann et al. Risk factors for prostate cancer detection after a negative biopsy: a novel multivariable longitudinal approach
Zhu et al. Nomograms predict survival advantages of Gleason score 3+ 4 over 4+ 3 for prostate cancer: a SEER-based study
US20210208146A1 (en) Methods for detecting prostate cancer pathology associated with adverse outcomes
WO2020205204A1 (en) Methods for the detection of prostate cancer
EA041331B1 (ru) Композиции и методы, имеющие отношение к диагностике рака предстательной железы
Moul et al. NADiA® ProsVue™ PSA Slope Is an Independent Prognostic Marker for Identifying Men at Reduced Risk for Clinical Recurrence of Prostate Cancer after Radical Prostatectomy

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190410

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200131

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200303

A524 Written submission of copy of amendment under article 19 pct

Free format text: JAPANESE INTERMEDIATE CODE: A524

Effective date: 20200602

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201208

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210118

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: 20210406

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210421

R150 Certificate of patent or registration of utility model

Ref document number: 6873916

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250