JPWO2020112478A5

JPWO2020112478A5 -

Info

Publication number: JPWO2020112478A5
Application number: JP2021530139A
Authority: JP
Publication date: 2022-11-24

Claims

疾患のリスクを判定するための方法であって、
ａ）クラス不均衡データセットを取得することであって、前記クラス不均衡データセットは、複数の対象からの生物学的データを含み、各対象の前記生物学的データは、観察結果、時間の値、及び複数の臨床測定値を含み、前記生物学的データは、多数派データクラスまたは少数派データクラスの一部として分類され、前記多数派データクラスは前記少数派データクラスよりも多くの観察結果を含む、前記取得すること、
ｂ）前記クラス不均衡データセットをダウンサンプリングして、ダウンサンプリングされたデータセットを生成することであって、前記ダウンサンプリングが、前記少数派データクラスと同等の数の観察結果を含む前記多数派データクラスを生成する、前記生成すること、及び
ｃ）生存モデルを生成するために、生存分析を使用して前記ダウンサンプリングされたデータセットに対して交差検証を実行することを含み、
前記観察結果は、特定の時間の値でイベントを含むか、またはイベントを含まず、並びに
ＡＵＣ、感度、特異度、及び／または前記生存モデルのＣ－ｉｎｄｅｘは、前記クラス不均衡データセットが前記生存分析の前にダウンサンプリングされなかったＡＵＣ、感度、特異度、及び／または生存モデルのＣ－ｉｎｄｅｘよりも１に近い、
前記方法。
前記クラス不均衡データセットが生存データセットである、請求項１に記載の方法。
前記イベントが、対象の疾患、障害、または状態である、請求項１又は２に記載の方法。
前記生存分析は、コックス比例ハザード分析、ランダムフォレスト分析、加速故障時間分析、及びそれらの任意の組み合わせからなる群から選択される、請求項１～３のいずれか一項に記載の方法。
エラスティックネットペナルティをさらに含む、請求項４に記載の方法。
前記交差検証は、２分割、３分割、４分割、５分割、６分割、７分割、８分割、９分割、１０分割、１１分割、１２分割、１３分割、１４分割、１５分割、１６分割、１７分割、１８分割、１９分割、または２０分割の交差検証である、請求項１～５のいずれか一項に記載の方法。
前記生存モデルは５から１０００の特徴を含み、各特徴は、タンパク質の測定、臨床因子、及びそれらの組み合わせからなる群から選択される、請求項１～６のいずれか一項に記載の方法。
前記臨床因子は、年齢、体重、血圧、身長、ＢＭＩ、コレステロール、性別、及びそれらの組み合わせからなる群から選択される、請求項７に記載の方法。
前記臨床測定値は、プロテオミクス測定値、ゲノム測定値、トランスクリプトーム測定値、メタボロミクス測定値、またはそれらの組み合わせから選択される、請求項１～８のいずれか一項に記載の方法。
前記交差検証が、ｋ分割交差検証、モンテカルロ交差検証、及びＮ個抜き交差検証から選択される、請求項１～９のいずれか一項に記載の方法。
前記多数派データクラスが前記クラス不均衡データセットの９５％であり、前記少数派データクラスが前記クラス不均衡データセットの５％である、請求項１～１０のいずれか一項に記載の方法。
前記多数派データクラスが前記クラス不均衡データセットの９０％であり、前記少数派データクラスが前記クラス不均衡データセットの１０％である、請求項１～１０のいずれか一項に記載の方法。
前記多数派データクラスが前記クラス不均衡データセットの８５％であり、前記少数派データクラスが前記クラス不均衡データセットの１５％である、請求項１～１０のいずれか一項に記載の方法。
前記多数派データクラスが前記クラス不均衡データセットの８０％であり、前記少数派データクラスが前記クラス不均衡データセットの２０％である、請求項１～１０のいずれか一項に記載の方法。
前記多数派データクラスが前記クラス不均衡データセットの７５％であり、前記少数派データクラスが前記クラス不均衡データセットの２５％である、請求項１～１０のいずれか一項に記載の方法。
前記多数派データクラスが前記クラス不均衡データセットの７０％であり、前記少数派データクラスが前記クラス不均衡データセットの３０％である、請求項１～１０のいずれか一項に記載の方法。
前記多数派データクラスが前記クラス不均衡データセットの６５％であり、前記少数派データクラスが前記クラス不均衡データセットの３５％である、請求項１～１０のいずれか一項に記載の方法。
前記多数派データクラスが前記クラス不均衡データセットの６０％であり、前記少数派データクラスが前記クラス不均衡データセットの４０％である、請求項１～１０のいずれか一項に記載の方法。
疾患のリスクを判定するための方法であって、
ａ）クラス不均衡データセットをダウンサンプリングして、ダウンサンプリングされたデータセットを生成することであって、前記ダウンサンプリングが、少数派データクラスと同等の数の観察結果を含む多数派データクラスを生成する、前記生成すること、及び
ｂ）生存モデルを生成するために、生存分析を使用して前記ダウンサンプリングされたデータセットに対して交差検証を実行することを含み、
前記観察結果は、特定の時間の値でイベントを含むか、またはイベントを含まず、
前記クラス不均衡データセットは、複数の対象からの生物学的データを含み、各対象の前記生物学的データは、観察結果、時間の値、及び複数の臨床測定値を含み、前記生物学的データは、前記多数派データクラスまたは前記少数派データクラスの一部として分類され、前記多数派データクラスは前記少数派データクラスよりも多くの観察結果を含み、並びに
ＡＵＣ、感度、特異度、及び／または前記生存モデルのＣ－ｉｎｄｅｘは、前記クラス不均衡データセットが前記生存分析の前にダウンサンプリングされなかったＡＵＣ、感度、特異度、及び／または生存モデルのＣ－ｉｎｄｅｘよりも１に近い、
前記方法。
前記ＡＵＣは、対象が特定の時点までにイベントを有するかどうかの判定に基づいて計算される、請求項１９に記載の方法。
請求項１～１８のいずれか一項に記載の疾患のリスクを判定するための方法のコンピュータ実装方法であって、
ステップｂ）及びステップｃ）は、コンピュータシステムを用いて計算される、前記方法。
ステップａ）におけるクラス不均衡データセットが、コンピュータシステムによって受信される、請求項２１に記載の方法。
コンピュータによって読み取り可能なプログラム記憶装置であって、前記コンピュータによって実行可能な命令のプログラムを触知的に具現化して、
請求項１～１８のいずれか一項に記載の疾患のリスクを判定するための方法の方法ステップを実行する、前記装置。
疾患のリスクを判定するためのコンピューティングシステムであって、プログラムされた命令を格納するためのメモリ；及び操作を実行するため前記プログラムされた命令を実行するように構成されたプロセッサを含み、
前記操作が、請求項１～１８のいずれか一項に記載の疾患のリスクを判定するための方法を実行するものである、前記システム。
非一時的なコンピュータ可読媒体であって、
操作を実行するためにプロセッサによって実行可能な命令が格納され、
前記操作が、請求項１～１８のいずれか一項に記載の疾患のリスクを判定するための方法を実行するものである、前記非一時的なコンピュータ可読媒体。