JPWO2019209845A5

JPWO2019209845A5 -

Info

Publication number: JPWO2019209845A5
Application number: JP2020558574A
Authority: JP
Publication date: 2022-05-09
Anticipated expiration: 2039-04-23

Description

時として、濃度データ点等の特定のデータ点に関してシステムに提供される値は、エラーである。例えば、入力をシステムに提供するユーザは、直近に入力された入力が、期待値から突然かつ劇的に逸脱したかのような誤入力を偶発的に実行し得る。この場合、異常濃度データ点値が提供されるが、生理学的パラメータデータによって示されるような患者の健康ステータスが、不変である、または別様に安定して容認可能であるとき、本開示は、最新の濃度データ点値が誤って提供されたかどうかに関してチェックを提供する。実施例では、臨床医は、直近に入力された値（本明細書では付加的濃度データと称され得る）を確認するようにプロンプトされてもよい、または本システムは、患者の履歴濃度データに従って事前決定もしくは設定され得る、ある範囲外になる場合に、値が異常であることを自動的に決定するように構成されてもよい。値が異常である場合、値は、濃度データから恒久的に除去され、モデルの次の反復のうちのいずれかのためのモデル入力内に含まれない。本開示は、システムに入力されるデータ点毎に本チェックを実施してもよい。異常ではないことが決定される（システムによって、またはユーザによってのいずれかで決定される）任意のデータが、次のモデル反復内に含まれる。
本願明細書は、例えば、以下の項目も提供する。
（項目１）
コンピュータ化医薬品投与計画推奨システムを使用して、患者のための患者特有の医薬品投与計画を決定する方法であって、前記方法は、
（ａ）入力を受信することであって、前記入力は、（ｉ）前記患者から取得される１つ以上のサンプル内の薬物の１つ以上の濃度レベルを示す濃度データであって、前記薬物は、類似薬物動態（ＰＫ）挙動、類似薬力学的（ＰＤ）挙動、または両方を呈することが予期される薬物のセットのうちの１つである、濃度データと、（ｉｉ）前記患者の少なくとも１つの生理学的パラメータの１つ以上の測定を示す生理学的データと、（ｉｉｉ）標的薬物暴露レベルとを含む、ことと、
（ｂ）前記受信された入力に基づいて、前記患者における前記薬物の濃度時間プロファイルの予測を生成する計算モデルに関するパラメータを決定することであって、前記計算モデルは、前記薬物のセットの中の複数の薬物への複数の患者による応答を表し、前記応答のうちの各応答は、前記薬物のセットの中の少なくとも１つの薬物への患者応答を示し、前記計算モデルは、特定の薬物に特有ではない、ことと、
（ｃ）前記計算モデルを使用して、前記決定されたパラメータに基づいて、前記患者のための第１の医薬品投与計画を決定することであって、前記第１の医薬品投与計画は、（ｉ）前記薬物のセットの中の任意の薬物の少なくとも１つの投与量と、（ｉｉ）前記少なくとも１つの投与量を前記患者に投与するための推奨スケジュールであって、前記推奨スケジュールは、前記第１の医薬品投与計画に応答した前記患者における前記薬物のセットの中の任意の薬物の予測濃度時間プロファイルが、推奨時間における前記標的薬物暴露レベルにあるかまたはそれを上回るように、次の投与量を前記患者に投与するための推奨時間を含む、推奨スケジュールとを含む、ことと、
（ｄ）少なくとも部分的に、前記患者への前記第１の医薬品投与計画に基づく投与計画の投与の開始後に、前記患者から取得される付加的濃度データおよび／または付加的生理学的データを受信することと、
（ｅ）前記患者の健康の悪化を示す前記生理学的データおよび前記付加的生理学的データに基づいて、（ｉ）前記入力から前記濃度データを除外し、（ｉｉ）前記入力内に前記付加的生理学的データを含むように、前記入力を更新することと、
（ｆ）前記更新された入力に基づいて、前記計算モデルに関する前記パラメータを更新することと、
（ｇ）前記計算モデルおよび前記更新されたパラメータを使用して、前記患者のための第２の医薬品投与計画を決定することと
を含む、方法。
（項目２）
前記計算モデルは、ベイジアンモデルである、項目１に記載の方法。
（項目３）
前記入力を更新することは、前記付加的濃度データが前記濃度データと一致するときに起こる、項目１または２に記載の方法。
（項目４）
前記更新された入力は、
（ｉ）前記生理学的データ、前記付加的生理学的データ、および前記標的薬物暴露レベルを含み、
（ｉｉ）前記濃度データおよび前記付加的濃度データを除外する、
上記の項目のいずれかに記載の方法。
（項目５）
前記患者の健康の悪化のインジケーションを受信することをさらに含む、上記の項目のいずれかに記載の方法。
（項目６）
前記患者の生理学的データおよび付加的生理学的データ内の前記少なくとも１つの生理学的パラメータから生理学的パラメータを選択することと、
前記患者の選択された生理学的パラメータの変化率を決定することと、
生理学的パラメータの変化率を閾値と相関させるデータベースから閾値を読み出すことと、
前記決定された変化率が前記読み出された閾値を上回ることを決定することと
によって、前記患者の健康の悪化を決定することをさらに含む、上記の項目のいずれかに記載の方法。
（項目７）
前記変化率を決定することは、
前記生理学的データおよび前記付加的生理学的データから、（ｉ）第１の時間における前記患者の選択された生理学的パラメータを示す第１のデータと、（ｉｉ）第２の時間における前記患者の選択された生理学的パラメータを示す第２のデータとを識別することと、
前記第１のデータおよび前記第２のデータを比較し、前記患者の選択された生理学的パラメータの変化の量を決定することと、
前記第１の時間と前記第２の時間との間の時間間隔を決定することと、
前記変化の量および前記時間間隔から、前記患者の選択された生理学的パラメータの変化率を決定することと
を含む、上記の項目のいずれかに記載の方法。
（項目８）
（ｉ）前記計算モデルによって生成されるような前記第１の医薬品投与計画に応答した、前記患者における前記薬物の予測濃度時間プロファイルと、（ｉｉ）前記濃度データおよび前記付加的濃度データの少なくとも一部のインジケーションとを表示するために提供することをさらに含む、上記の項目のいずれかに記載の方法。
（項目９）
前記標的薬物暴露レベルのインジケーションを表示するために提供することをさらに含む、上記の項目のいずれかに記載の方法。
（項目１０）
前記薬物の予測濃度時間プロファイルが前記標的薬物暴露レベルと交差する点として、前記推奨時間のインジケーションを表示するために提供することをさらに含む、項目９に記載の方法。
（項目１１）
前記計算モデルは、前記薬物の濃度時間プロファイルを示す薬物動態成分と、前記薬物への前記患者の個々の応答を示す薬力学的マーカの合成および分解率に基づく薬力学的成分とを含む、上記の項目のいずれかに記載の方法。
（項目１２）
前記薬物のセットのうちの前もって投与された薬物への前記患者の応答を示す履歴データを受信することをさらに含み、前記計算モデルは、前記患者における前記薬物の濃度時間プロファイルの予測を生成するために、前記履歴データを考慮する、上記の項目のいずれかに記載の方法。
（項目１３）
前記少なくとも１つの生理学的パラメータは、炎症のマーカ、アルブミン測定、薬物クリアランスのインジケータ、Ｃ反応性タンパク（ＣＲＰ）の測定値、抗薬物抗体の測定値、ヘマトクリットレベル、薬物活性のバイオマーカ、体重、身体サイズ、性別、人種、病期、疾患ステータス、以前の療法、以前の臨床検査結果情報、併用して投与された薬物、合併症、メイヨースコア、部分メイヨースコア、ハーベイ・ブラッドショー指数、血圧読取値、乾癬面積、重症度指数（ＰＡＳＩ）スコア、疾患活動性スコア（ＤＡＳ）、シャープスコア、および人口統計学的情報のうちの少なくとも１つを含む、上記の項目のいずれかに記載の方法。
（項目１４）
前記方法はさらに、前記受信された生理学的データに最良適合する計算モデルのセットから前記計算モデルを選択することを含む、上記の項目のいずれかに記載の方法。
（項目１５）
前記薬物のセットは、モノクローナル抗体および抗体構築物、サイトカイン、酵素補充療法に使用される薬物、アミノグリコシド抗生物質、および白血球減少を引き起こす化学療法薬のうちの１つである、上記の項目のいずれかに記載の方法。
（項目１６）
前記薬物のセットの中の各薬物は、炎症性疾患を治療するために使用される、上記の項目のいずれかに記載の方法。
（項目１７）
前記薬物のセットの中の各薬物は、炎症性腸疾患（ＩＢＤ）、リウマチ性関節炎、強直性脊椎炎、乾癬性関節炎、乾癬、喘息、および多発性硬化症のうちの少なくとも１つを治療するために使用される、項目１６に記載の方法。
（項目１８）
前記薬物は、インフリキシマブである、上記の項目のいずれかに記載の方法。
（項目１９）
前記薬物は、アダリムマブである、項目１－１７のいずれかに記載の方法。
（項目２０）
前記入力はさらに、投与経路を含む薬物データを含み、前記薬物データは、前記複数の薬物に属する具体的薬物を識別する情報を除外する、項目１－１７のいずれかに記載の方法。
（項目２１）
前記薬物データはさらに、前記複数の薬物に属する具体的薬物に関する利用可能な投薬単位を含み、前記投与量は、ある投与経路のための前記利用可能な投薬単位の整数倍である、項目２０に記載の方法。
（項目２２）
前記投与経路は、皮下、静脈内、経口、筋肉内、髄腔内、舌下、口腔内、直腸、膣、眼内、経鼻、吸入、噴霧、皮膚、および経皮のうちの少なくとも１つである、項目２０に記載の方法。
（項目２３）
コンピュータ化医薬品投与計画推奨システムを使用して、患者のための患者特有の医薬品投与計画を決定する方法であって、前記方法は、
（ａ）入力を受信することであって、前記入力は、（ｉ）前記患者から取得される１つ以上のサンプル内の薬物の１つ以上の濃度レベルを示す濃度データであって、前記薬物は、類似薬物動態（ＰＫ）挙動、類似薬力学的（ＰＤ）挙動、または両方を呈することが予期される薬物のセットのうちの１つである、濃度データと、（ｉｉ）前記患者の少なくとも１つの生理学的パラメータの１つ以上の測定を示す生理学的データと、（ｉｉｉ）標的薬物暴露レベルとを含む、ことと、
（ｂ）前記受信された入力に基づいて、前記患者における前記薬物の濃度時間プロファイルの予測を生成する計算モデルに関するパラメータを決定することであって、前記計算モデルは、前記薬物のセットの中の複数の薬物への複数の患者による応答を表し、前記応答のうちの各応答は、前記薬物のセットの中の少なくとも１つの薬物への患者応答を示し、前記計算モデルは、特定の薬物に特有ではない、ことと、
（ｃ）前記計算モデルを使用して、前記決定されたパラメータに基づいて、前記患者のための第１の医薬品投与計画を決定することであって、前記第１の医薬品投与計画は、（ｉ）前記薬物のセットの中の任意の薬物の少なくとも１つの投与量と、（ｉｉ）前記薬物のセットの中の任意の薬物の少なくとも１つの投与量を前記患者に投与するための推奨スケジュールであって、前記推奨スケジュールは、前記第１の医薬品投与計画に応答した前記患者における前記薬物のセットの中の任意の薬物の予測濃度時間プロファイルが、推奨時間における前記標的薬物暴露レベルにあるかまたはそれを上回るように、前記薬物のセットの中の任意の薬物の次の投与量を前記患者に投与するための推奨時間を含む、推奨スケジュールとを含む、ことと、
（ｄ）少なくとも部分的に、前記患者への前記第１の医薬品投与計画に基づく、投与計画の投与の開始後に、前記患者から取得される付加的濃度データおよび付加的生理学的データを受信することと、
（ｅ）前記濃度データおよび前記付加的濃度データを含むように、前記濃度データを更新することと、
（ｆ）前記更新された濃度データをサブセットおよび残りの部分に分割することと、
（ｇ）前記患者における前記薬物の濃度レベルの重大な変化を示す前記更新された濃度データに基づいて、（ｉ）前記入力内に前記付加的生理学的データを含み、（ｉｉ）前記入力内に前記更新された濃度データのサブセットを含み、（ｉｉｉ）前記入力から前記更新された濃度データの残りの部分を除外するように、前記入力を更新することと、
（ｈ）前記更新された入力に基づいて、前記計算モデルに関する前記パラメータを更新することと、
（ｉ）前記計算モデルおよび前記更新されたパラメータを使用して、前記患者のための第２の医薬品投与計画を決定することと
を含む、方法。
（項目２４）
前記更新された濃度データのサブセットは、前記更新された濃度データ内の最大３つの直近のデータ点から成る、項目２３に記載の方法。
（項目２５）
前記更新された濃度データをサブセットおよび残りの部分に分割することは、前記第１の医薬品投与計画の治療の施行される周期が前記第１の医薬品投与計画の時間の全長のある割合を上回るかどうかに基づく、項目２３または２４に記載の方法。
（項目２６）
前記更新された濃度データのサブセットは、前記更新された濃度データおよび前記付加的濃度データ内の１つの直近のデータ点から成る、項目２５に記載の方法。
（項目２７）
前記サブセットは、前記生理学的データおよび前記付加的生理学的データが前記患者の健康の悪化を示すかどうかに基づいて決定される、項目２３－２６のいずれかに記載の方法。
（項目２８）
前記生理学的データおよび前記付加的生理学的データが、前記患者の健康の悪化を示すとき、前記サブセットは、前記更新された濃度データ内の最大３つの直近のデータ点から成る、項目２７に記載の方法。
（項目２９）
前記生理学的データおよび前記付加的生理学的データが、前記患者の健康の悪化を示さないときに、前記付加的濃度データが異常であるかどうかを決定することをさらに含む、項目２７に記載の方法。
（項目３０）
前記付加的濃度データが、異常であるとき、前記残りの部分は、前記付加的濃度データから成り、
前記付加的濃度データが、異常ではないとき、前記サブセットは、前記更新された濃度データ内の最大３つの直近のデータ点から成る、
項目２９に記載の方法。
（項目３１）
前記薬物のセットの中の各薬物は、炎症性疾患を治療するために使用される、項目２３－３０のいずれかに記載の方法。
（項目３２）
前記薬物のセットの中の各薬物は、炎症性腸疾患（ＩＢＤ）、リウマチ性関節炎、強直性脊椎炎、乾癬性関節炎、乾癬、喘息、および多発性硬化症のうちの少なくとも１つを治療するために使用される、項目３１に記載の方法。
（項目３３）
前記薬物は、インフリキシマブである、項目２３－３２のいずれかに記載の方法。
（項目３４）
前記薬物は、アダリムマブである、項目２３－３２のいずれかに記載の方法。
（項目３５）
前記入力はさらに、投与経路を含む薬物データを含み、前記薬物データは、前記複数の薬物に属する具体的薬物を識別する情報を除外する、項目２３－３４のいずれかに記載の方法。
（項目３６）
前記薬物データはさらに、前記複数の薬物に属する具体的薬物に関する利用可能な投薬単位を含み、前記投与量は、ある投与経路のための前記利用可能な投薬単位の整数倍である、項目３５に記載の方法。
（項目３７）
前記投与経路は、皮下、静脈内、経口、筋肉内、髄腔内、舌下、口腔内、直腸、膣、眼内、経鼻、吸入、噴霧、皮膚、および経皮のうちの少なくとも１つである、項目３５に記載の方法。
（項目３８）
コンピュータ化医薬品投与計画推奨システムを使用して、患者のための患者特有の医薬品投与計画を決定する方法であって、前記方法は、
（ａ）入力を受信することであって、前記入力は、（ｉ）前記患者から取得される１つ以上のサンプル内の履歴薬物の１つ以上の以前の濃度レベルを示す以前の濃度データと、（ｉｉ）前記患者の少なくとも１つの生理学的パラメータの１つ以上の測定を示す生理学的データと、（ｉｉｉ）現在の薬物の標的薬物暴露レベルであって、前記現在の薬物は、類似薬物動態（ＰＫ）挙動、類似薬力学的（ＰＤ）挙動、または両方を呈することが予期される薬物のセットのうちの１つである、標的薬物暴露レベルとを含む、ことと、
（ｂ）前記受信された入力に基づいて、前記患者における前記現在の薬物の濃度時間プロファイルの予測を生成する計算モデルに関するパラメータを決定することであって、前記計算モデルは、前記薬物のセットの中の複数の薬物への複数の患者による応答を表し、前記応答のうちの各応答は、前記薬物のセットの中の少なくとも１つの薬物への患者応答を示し、前記計算モデルは、特定の薬物に特有ではない、ことと、
（ｃ）前記計算モデルを使用して、前記決定されたパラメータに基づいて、前記患者のための第１の医薬品投与計画を決定することであって、前記第１の医薬品投与計画は、（ｉ）前記薬物のセットの中の任意の薬物の少なくとも１つの投与量と、（ｉｉ）前記薬物のセットの中の任意の薬物の少なくとも１つの投与量を前記患者に投与するための推奨スケジュールであって、前記推奨スケジュールは、前記第１の医薬品投与計画に応答した前記患者における前記薬物のセットの中の任意の薬物の予測濃度時間プロファイルが、推奨時間における前記標的薬物暴露レベルにあるかまたはそれを上回るように、前記薬物のセットの中の任意の薬物の次の投与量を前記患者に投与するための推奨時間を含む、推奨スケジュールとを含む、ことと、
（ｄ）少なくとも部分的に、前記患者への前記第１の医薬品投与計画に基づく投与計画の投与の開始後に、前記患者から取得される１つ以上のサンプル内の前記現在の薬物の１つ以上の濃度レベルを示す付加的濃度データと、前記患者から取得される付加的生理学的データとを受信することと、
（ｇ）（ｉ）前記入力内に前記付加的生理学的データを含み、（ｉｉ）前記入力内に前記付加的濃度データを含むように、前記入力を更新することと、
（ｈ）前記更新された入力に基づいて、前記計算モデルに関する前記パラメータを更新することと、
（ｉ）前記計算モデルおよび前記更新されたパラメータを使用して、前記患者のための第２の医薬品投与計画を決定することと
を含む、方法。
（項目３９）
前記履歴薬物は、前記薬物のセットのうちの１つである、項目３８に記載の方法。
（項目４０）
項目１－３９のいずれかに記載の方法を実施するように構成されるコントローラを備える、システム。 Sometimes, the value provided to the system for a particular data point, such as a concentration data point, is an error. For example, a user who provides an input to the system may accidentally make an erroneous input as if the most recently input input deviated suddenly and dramatically from the expected value. In this case, anomalous concentration data points are provided, but when the patient's health status as indicated by physiologic parameter data is unchanged or otherwise stable and acceptable, the present disclosure will be held. Provides a check as to whether the latest concentration data point values were provided incorrectly. In an example, the clinician may be prompted to confirm the most recently entered value (which may be referred to herein as additional concentration data), or the system follows the patient's historical concentration data. It may be configured to automatically determine that the value is abnormal if it falls outside a certain range that can be predetermined or set. If the value is unusual, the value is permanently removed from the concentration data and is not included in the model input for any of the next iterations of the model. In this disclosure, this check may be carried out for each data point input to the system. Any data that is determined to be non-anomalous (either determined by the system or by the user) is contained within the next model iteration.
The present specification also provides, for example, the following items.
(Item 1)
A method of determining a patient-specific drug dosing regimen for a patient using a computerized drug dosing regimen recommendation system, said method.
(A) Receiving an input, said input is concentration data indicating (i) one or more concentration levels of a drug in one or more samples obtained from the patient, said drug. Is one of a set of drugs expected to exhibit similar pharmacodynamic (PK) behavior, similar pharmacodynamic (PD) behavior, or both, concentration data and (ii) at least the patient. Containing physiological data showing one or more measurements of one physiological parameter and (iii) target drug exposure level, and
(B) Based on the received input, determining parameters for a computational model that produces a prediction of the concentration-time profile of the drug in the patient, wherein the computational model is in the set of the drug. Representing a response by multiple patients to multiple drugs, each response of the responses represents a patient response to at least one drug in the set of drugs, and the computational model is specific to a particular drug. Not that,
(C) The calculation model is used to determine a first drug administration plan for the patient based on the determined parameters, wherein the first drug administration plan is (i). ) A dose of at least one of any drug in the set of drugs and (ii) a recommended schedule for administering the at least one dose to the patient, wherein the recommended schedule is the first. The next dose is such that the predicted concentration time profile of any drug in the set of drugs in the patient in response to the drug administration regimen is at or above the target drug exposure level at the recommended time. Including a recommended schedule, including a recommended time for administration to the patient, and
(D) Receive additional concentration data and / or additional physiological data obtained from the patient at least in part after initiating administration of the dosing regimen based on the first drug dosing regimen to the patient. And that
(E) Based on the physiological data and the additional physiology data indicating the deterioration of the patient's health, (i) the concentration data is excluded from the input, and (ii) the additional physiology within the input. To update the input to include the target data,
(F) Updating the parameters with respect to the computational model based on the updated inputs.
(G) Using the computational model and the updated parameters to determine a second drug dosing regimen for the patient.
Including, how.
(Item 2)
The method according to item 1, wherein the calculation model is a Bayesian model.
(Item 3)
The method of item 1 or 2, wherein updating the input occurs when the additional concentration data matches the concentration data.
(Item 4)
The updated input is
(I) include said physiological data, said additional physiological data, and said targeted drug exposure level.
(Ii) Exclude the concentration data and the additional concentration data,
The method described in any of the above items.
(Item 5)
The method according to any of the above items, further comprising receiving an indication of deterioration of the patient's health.
(Item 6)
To select a physiological parameter from the at least one physiological parameter in the patient's physiological data and additional physiological data.
Determining the rate of change of the selected physiological parameters of the patient and
Reading the threshold from a database that correlates the rate of change of physiological parameters with the threshold,
To determine that the determined rate of change exceeds the read threshold.
The method according to any of the above items, further comprising determining the deterioration of the patient's health by.
(Item 7)
Determining the rate of change
From the physiological data and the additional physiological data, (i) first data indicating the selected physiological parameters of the patient at the first time, and (ii) selection of the patient at the second time. Distinguishing from the second data indicating the physiological parameters that were made
To determine the amount of change in selected physiological parameters of the patient by comparing the first data with the second data.
Determining the time interval between the first time and the second time,
Determining the rate of change of the selected physiological parameter of the patient from the amount of change and the time interval.
The method according to any of the above items, including.
(Item 8)
(I) A predicted concentration-time profile of the drug in the patient in response to the first drug administration regimen as generated by the computational model, and (ii) at least one of the concentration data and the additional concentration data. The method of any of the above items, further comprising providing to display the indication of the part.
(Item 9)
The method according to any of the above items, further comprising providing to display the indication of the target drug exposure level.
(Item 10)
9. The method of item 9, further comprising providing to display the indication of the recommended time as the point at which the predicted concentration time profile of the drug intersects the target drug exposure level.
(Item 11)
The computational model comprises a pharmacokinetic component indicating a concentration-time profile of the drug and a pharmacodynamic component based on the synthesis and degradation rate of pharmacodynamic markers indicating the individual response of the patient to the drug. The method described in any of the items of.
(Item 12)
Further comprising receiving historical data indicating the patient's response to the pre-administered drug in the set of drugs, the computational model is to generate a prediction of the concentration-time profile of the drug in the patient. The method according to any of the above items, in consideration of the historical data.
(Item 13)
The at least one physiological parameter includes an inflammation marker, an albumin measurement, a drug clearance indicator, a C-reactive protein (CRP) measurement, an anti-drug antibody measurement, a hematocrit level, a biomarker of drug activity, body weight, and the like. Body size, gender, race, stage, disease status, previous therapy, previous clinical test results information, concomitant medications, complications, Mayo score, partial Mayo score, Harvey Bloodshaw index, blood pressure A method according to any of the above items, comprising at least one of a reading, psoriasis area, severity index (PASI) score, disease activity score (DAS), sharpness score, and demographic information. ..
(Item 14)
The method according to any of the above items, wherein the method further comprises selecting the computational model from a set of computational models that best fits the received physiological data.
(Item 15)
The set of drugs is one of the above items, which is one of monoclonal antibodies and antibody constructs, cytokines, drugs used for enzyme replacement therapy, aminoglycoside antibiotics, and chemotherapeutic agents that cause leukopenia. The method described.
(Item 16)
The method according to any of the above items, wherein each drug in the set of drugs is used to treat an inflammatory disease.
(Item 17)
Each drug in the set of drugs treats at least one of inflammatory bowel disease (IBD), rheumatic arthritis, ankylosing spondylitis, psoriatic arthritis, psoriasis, asthma, and polysclerosis. Item 16. The method of item 16 used for.
(Item 18)
The method according to any of the above items, wherein the drug is infliximab.
(Item 19)
The method according to any of items 1-17, wherein the drug is adalimumab.
(Item 20)
The method of any of item 1-17, wherein the input further comprises drug data including a route of administration, wherein the drug data excludes information identifying specific drugs belonging to the plurality of drugs.
(Item 21)
The drug data further comprises available dosing units for specific drugs belonging to the plurality of drugs, wherein the dose is an integral multiple of the available dosing unit for a route of administration, item 20. The method described.
(Item 22)
The route of administration is at least one of subcutaneous, intravenous, oral, intramuscular, intrathecal, sublingual, intraoral, rectal, vaginal, intraocular, nasal, inhalation, spray, skin, and transdermal. The method according to item 20.
(Item 23)
A method of determining a patient-specific drug dosing regimen for a patient using a computerized drug dosing regimen recommendation system, said method.
(A) Receiving an input, said input is concentration data indicating (i) one or more concentration levels of a drug in one or more samples obtained from the patient, said drug. Is one of a set of drugs expected to exhibit similar pharmacodynamic (PK) behavior, similar pharmacodynamic (PD) behavior, or both, concentration data and (ii) at least the patient. Containing physiological data showing one or more measurements of one physiological parameter and (iii) target drug exposure level, and
(B) Based on the received input, determining parameters for a computational model that produces a prediction of the concentration-time profile of the drug in the patient, wherein the computational model is in the set of the drug. Representing a response by multiple patients to multiple drugs, each response of the responses represents a patient response to at least one drug in the set of drugs, and the computational model is specific to a particular drug. Not that,
(C) The calculation model is used to determine a first drug administration plan for the patient based on the determined parameters, wherein the first drug administration plan is (i). ) A recommended schedule for administering to the patient at least one dose of any drug in the set of drugs and (ii) at least one dose of any drug in the set of drugs. Thus, the recommended schedule is such that the predicted concentration time profile of any drug in the set of drugs in the patient in response to the first drug dosing regimen is at the target drug exposure level at the recommended time or it. Including a recommended schedule, including a recommended time for administering to the patient the next dose of any drug in the set of drugs, and the like.
(D) At least in part, receiving additional concentration data and additional physiological data obtained from the patient after the start of administration of the dosing regimen based on the first drug dosing regimen to the patient. When,
(E) Updating the concentration data to include the concentration data and the additional concentration data.
(F) Dividing the updated concentration data into a subset and the rest,
(G) Based on the updated concentration data indicating significant changes in the concentration level of the drug in the patient, (i) include the additional physiological data in the input and (ii) in the input. To update the input so as to include a subset of the updated concentration data and (iii) exclude the rest of the updated concentration data from the input.
(H) Updating the parameters with respect to the computational model based on the updated inputs.
(I) Using the computational model and the updated parameters to determine a second drug dosing regimen for the patient.
Including, how.
(Item 24)
23. The method of item 23, wherein the subset of the updated concentration data consists of up to three most recent data points in the updated concentration data.
(Item 25)
Dividing the updated concentration data into a subset and the rest will allow the treatment cycle of the first drug administration plan to exceed a certain percentage of the total time of the first drug administration plan. 23. The method of item 23 or 24, based on any of these.
(Item 26)
25. The method of item 25, wherein the subset of the updated concentration data consists of the updated concentration data and one nearest data point in the additional concentration data.
(Item 27)
23-26. The method of item 23-26, wherein the subset is determined based on whether the physiological data and the additional physiological data indicate deterioration of the patient's health.
(Item 28)
27. Item 27, wherein when the physiological data and the additional physiological data indicate deterioration of the patient's health, the subset consists of up to three most recent data points in the updated concentration data. Method.
(Item 29)
27. The method of item 27, further comprising determining if the additional concentration data is abnormal when the physiological data and the additional physiological data do not indicate deterioration of the patient's health. ..
(Item 30)
When the additional concentration data is abnormal, the rest of the data consists of the additional concentration data.
When the additional concentration data is not anomalous, the subset consists of up to three most recent data points in the updated concentration data.
The method according to item 29.
(Item 31)
The method of any of items 23-30, wherein each drug in the set of drugs is used to treat an inflammatory disease.
(Item 32)
Each drug in the set of drugs treats at least one of inflammatory bowel disease (IBD), rheumatic arthritis, ankylosing spondylitis, psoriatic arthritis, psoriasis, asthma, and polysclerosis. 31. The method of item 31 used for.
(Item 33)
23. The method of any of items 23-32, wherein the drug is infliximab.
(Item 34)
23. The method of any of items 23-32, wherein the drug is adalimumab.
(Item 35)
The method of any of items 23-34, wherein the input further comprises drug data including a route of administration, wherein the drug data excludes information identifying specific drugs belonging to the plurality of drugs.
(Item 36)
The drug data further comprises available dosing units for specific drugs belonging to the plurality of drugs, wherein the dose is an integral multiple of the available dosing unit for a route of administration, item 35. The method described.
(Item 37)
The route of administration is at least one of subcutaneous, intravenous, oral, intramuscular, intrathecal, sublingual, intraoral, rectal, vaginal, intraocular, nasal, inhalation, spray, skin, and transdermal. 35. The method of item 35.
(Item 38)
A method of determining a patient-specific drug dosing regimen for a patient using a computerized drug dosing regimen recommendation system, said method.
(A) Upon receiving an input, said input is (i) with previous concentration data indicating one or more previous concentration levels of the historical drug in one or more samples obtained from the patient. , (Iii) physiological data showing one or more measurements of at least one physiological parameter of the patient, and (iii) the target drug exposure level of the current drug, wherein the current drug has similar pharmacodynamics. Includes a target drug exposure level, which is one of a set of drugs expected to exhibit (PK) behavior, similar pharmacodynamic (PD) behavior, or both.
(B) Based on the received input, the computational model is to determine parameters for a computational model that produces a prediction of the concentration-time profile of the current drug in the patient, wherein the computational model is of the set of the drug. Representing a response by multiple patients to a plurality of drugs in, each response of said response represents a patient response to at least one drug in the set of said drugs, and the computational model is a particular drug. It's not unique to
(C) The calculation model is used to determine a first drug administration plan for the patient based on the determined parameters, wherein the first drug administration plan is (i). ) A recommended schedule for administering to the patient at least one dose of any drug in the set of drugs and (ii) at least one dose of any drug in the set of drugs. Thus, the recommended schedule is such that the predicted concentration time profile of any drug in the set of drugs in the patient in response to the first drug dosing regimen is at the target drug exposure level at the recommended time or it. Including a recommended schedule, including a recommended time for administering to the patient the next dose of any drug in the set of drugs, and the like.
(D) At least in part, one or more of the current drugs in one or more samples obtained from the patient after initiation of administration of the dosing regimen based on the first drug dosing regimen to the patient. Receiving additional concentration data indicating the concentration level of the patient and additional physiological data obtained from the patient.
(G) (i) updating the input to include the additional physiological data in the input and (ii) including the additional concentration data in the input.
(H) Updating the parameters with respect to the computational model based on the updated inputs.
(I) Using the computational model and the updated parameters to determine a second drug dosing regimen for the patient.
Including the method.
(Item 39)
38. The method of item 38, wherein the historical drug is one of the set of the drugs.
(Item 40)
A system comprising a controller configured to perform the method according to any of items 1-39.

Claims

A computerized drug administration plan recommendation system for determining a patient -specific drug administration plan for a patient, wherein the system comprises a controller.
(A) Receiving an input, said input is concentration data indicating (i) one or more concentration levels of a drug in one or more samples obtained from the patient, said drug. Is one of a set of drugs expected to exhibit similar pharmacodynamic (PK) behavior, similar pharmacodynamic (PD) behavior, or both, concentration data and (ii) at least the patient. Containing physiological data indicating one or more measurements of one physiological parameter and (iii) target drug exposure level, and
(B) Based on the received input, determining parameters for a computational model that produces a prediction of the concentration-time profile of the drug in the patient, wherein the computational model is in the set of the drug. Representing a response by multiple patients to multiple drugs, each response of the responses represents a patient response to at least one drug in the set of drugs, and the computational model is specific to a particular drug. Not that,
(C) The calculation model is used to determine a first drug administration plan for the patient based on the determined parameters, wherein the first drug administration plan is (i). ) A dose of at least one of any drug in the set of drugs and (ii) a recommended schedule for administering the at least one dose to the patient, wherein the recommended schedule is the first. To ensure that the predicted concentration-time profile of any drug in the set of drugs in the patient in response to the drug dosing regimen is at or above the target drug exposure level at the recommended time, the next dose is given. Including a recommended schedule, including a recommended time for administration to the patient, and
(D) Receive additional concentration data and / or additional physiological data obtained from the patient at least in part after initiating administration of the dosing regimen based on the first drug dosing regimen to the patient. And that
(E) Based on the physiological data and the additional physiology data indicating the deterioration of the patient's health, (i) the concentration data is excluded from the input, and (ii) the additional physiology within the input. To update the input to include the target data,
(F) Updating the parameters with respect to the computational model based on the updated inputs.
(G) A system configured to perform actions including determining a second drug dosing regimen for the patient using the computational model and the updated parameters.

The system according to claim 1, wherein the calculation model is a Bayesian model.

The system of claim 1 or 2, wherein updating the input occurs when the additional concentration data matches the concentration data.

The updated input is
(I) include said physiological data, said additional physiological data, and said targeted drug exposure level.
(Ii) Exclude the concentration data and the additional concentration data,
The system according to any of the above claims.

The system according to any of the above claims , wherein the operation further comprises receiving an indication of deterioration of the patient's health.

The above operation is
To select a physiological parameter from the at least one physiological parameter in the patient's physiological data and additional physiological data.
Determining the rate of change of the selected physiological parameters of the patient and
Reading the threshold from a database that correlates the rate of change of physiological parameters with the threshold,
The system according to any of the above claims, further comprising determining the deterioration of the patient's health by determining that the determined rate of change exceeds the read threshold.

Determining the rate of change
From the physiological data and the additional physiological data, (i) first data indicating the selected physiological parameters of the patient at the first time, and (ii) selection of the patient at the second time. Distinguishing from the second data indicating the physiological parameters that were made
To determine the amount of change in selected physiological parameters of the patient by comparing the first data with the second data.
Determining the time interval between the first time and the second time,
The system according to any of the above claims, comprising determining the rate of change of selected physiological parameters of the patient from the amount of change and the time interval.

The behavior is i) a predicted concentration time profile of the drug in the patient in response to the first drug administration regimen as generated by the computational model, and (ii) the concentration data and the additional concentration data. The system according to any of the above claims, further comprising providing to display at least some of the indications of.

The system according to any of the above claims , wherein the operation further comprises providing to display an indication of the target drug exposure level.

The system of claim 9, wherein the operation further comprises providing to display the indication of the recommended time as the point at which the predicted concentration time profile of the drug intersects the target drug exposure level.

The computational model comprises a pharmacokinetic component indicating a concentration-time profile of the drug and a pharmacodynamic component based on the synthesis and degradation rate of pharmacodynamic markers indicating the individual response of the patient to the drug. The system described in any of the claims of.

The behavior further comprises receiving historical data indicating the patient's response to the previously administered drug in the set of drugs, wherein the computational model predicts the concentration-time profile of the drug in the patient. The system according to any of the above claims, which takes into account the historical data in order to generate.

The at least one physiological parameter includes an inflammation marker, an albumin measurement, a drug clearance indicator, a C-reactive protein (CRP) measurement, an anti-drug antibody measurement, a hematocrit level, a biomarker of drug activity, body weight, and the like. Body size, gender, race, stage, disease status, previous therapy, previous clinical test results information, concomitant medications, complications, Mayo score, partial Mayo score, Harvey Bloodshaw index, blood pressure The statement in any of the above claims comprising at least one of a reading, psoriasis area, severity index (PASI) score, disease activity score (DAS), sharpness score, and demographic information. System .

The system according to any of the above claims, wherein the operation further comprises selecting the computational model from a set of computational models that best fits the received physiological data.

One of the above claims, said set of drugs is one of a monoclonal antibody and antibody construct, cytokines, drugs used for enzyme replacement therapy, aminoglycoside antibiotics, and chemotherapeutic agents that cause leukopenia. The system described in.