MX2007003502A - Metodos y productos de programas de computadora para analisis y optimizacion de los candidatos marcadores para el pronostico del cancer. - Google Patents

Abstract

Se proporcionan metodos y productos de programa de computadora para evaluar y optimizar uno o mas marcadores para usarse en el establecimiento de un pronostico para un paciente que sufre de una enfermedad. Mas particularmente, los metodos incluyen las etapas para evaluar sistematicamente un numero de caracteristicas que pueden extraerse de una imagen de una muestra corporal, tal como una dispositiva histologica, que se ha expuesto a uno o mas biomarcadores de manera que establezca una regla de decision de pronostico basada en una o mas caracteristicas extraidas tal como la regla de decision que produce un pronostico que es optimamente predictivo del resultado real del paciente. Ademas, los metodos y productos de programa de computadora proporcionados producen pronosticos optimamente predictivos para ayudar a los medicos en el desarrollo de estrategias para el manejo efectivo del cuidado del paciente.

Description

MÉTODOS Y PRODUCTOS DE PROGRAMAS DE COMPUTADORA PARA ANÁLISIS Y OPT.MIZACIÓN DE LOS CANDIDATOS MARCADORES PARA EL PRONÓSTICO DEL CÁNCER CAMPO DE LA INVENCIÓN La presente invención se refiere a métodos para seleccionar, analizar y optimizar los biomarcadores que pueden ser candidatos para usarse en el establecimiento, del pronóstico de un paciente afectado con cáncer.

ANTECEDENTES DE LA INVENCIÓN La amplificación de los genes, la omisión de los genes y la mutación de los genes se conocen que tienen un rol prominente en los comportamientos celulares anormales a través de la expresión de la proteína anormal. El rango de comportamientos celulares de interés incluyen los comportamientos tan diversos como, por ejemplo, la regulación de la proliferación o diferenciación. Por lo tanto, la omisión efectiva y la cuantificación en la amplificación de los genes, la omisión y la mutación, la cuantificación de mARN o los análisis de la expresión de las proteínas es necesaria para facilitar la búsqueda útil, las herramientas de pronóstico y diagnóstico en las enfermedades complejas tal como, por ejemplo varias formas de cáncer.

Existen numerosas técnicas de laboratorio dirigidas para la detección y cuantificación de la amplificación de los genes, la omisión y la mutación, la cuantificación del mARN o los análisis de expresión de proteínas. Por ejemplo, dichas técnicas incluyen las hibridaciones Western, Northern y Southern, la reacción de cadena de polimerasa ("PCR"), prueba de inmunoseparación ligado a enzimas ("ELISA") y las técnicas de hibridación genómica comparativas ("CGH"). Sin embargo, la microscopia se usa rutinariamente porque es una técnica informativa, permitiendo las rápidas investigaciones en los niveles celulares y sub-celulares mientras es capaz de ser implementada expeditamente en un costo relativamente bajo.

Cuando la microscopia es la técnica de laboratorio seleccionada, las muestras biológicas deberán primero experimentar la detección específica y las preparaciones de revelación. Una vez que las muestras se preparan, un experto humano típicamente analiza las muestras con un microscopio solo en un estudio cualitativo o con un microscopio acoplado a una cámara y una computadora en un estudio generalmente estandarizado y cuantitativo. En algunos ejemplos, el microscopio puede configurarse para el análisis ampliamente automático, en donde el microscopio es automatizado con un estado y foco motorizado, los cambiadores de objetivo motorizados, los controles de intensidad de luz automáticos y los similares.

La preparación de las muestras para la detección pueden involucrar diferentes tipos de técnicas de preparación que se establecen para el análisis de formación de imágenes microscópicas, tales como por ejemplo, las técnicas de preparación basadas en inmunomarcación y basadas en hibridación. Dichas técnicas de detección pueden acoplarse con las técnicas de revelación apropiadas, tales como por ejemplo, técnicas basadas en la reacción del color visibles y basadas en fluorescencia.

La Hibridación in situ ("ISH") y la Hibridación in situ de Fluorescencia ("FISH") son técnicas de detección y revelación usadas, por ejemplo para la detección y cuantificación en la amplificación de la información genética y los análisis de mutación. Ambas ISH y FISH pueden aplicarse a las muestras citológicas o histológicas. Estas técnicas usan sondas complementarias específicas para el reconocimiento de las secuencias precisas correspondientes. Dependiendo de la técnica usadas, la sonda específica puede incluir un marcador colorimétrico (cISH) o un marcador de fluorescencia (FISH), en donde las muestras posteriormente se analizan usando un microscopio de transmisión o un microscopio de fluorescencia, respectivamente. El uso de un marcador colorimétrico o un marcador fluorescente depende del objetivo del usuario, cada tipo de marcador teniendo ventajas correspondientes sobre el otro en instancias particulares.

Las técnicas de microscopia y formación de imágenes se han desarrollado para optimizar y estandarizar la lectura de los marcadores o marcas colorimétricas que pueden usarse para detectar y/o cuantificar la amplificación de genes, la omisión de genes, (as mutaciones de genes y la expresión de proteína anormal que pueden ser visibles al analizar una dispositiva con sección de tejido tratada con un marcador apropiado seleccionado para señalar la actividad celular anormal que puede ayudar en el diagnóstico y/o determinación del pronóstico de una enfermedad tal como el cáncer.

Dichos métodos son útiles para obtener una medición cuantificada de una especie molecular blanco dentro de una muestra celular dada, sin embargo, si las especies moleculares adicionales se señalan dentro de la misma muestra de tejido mediante biomarcadores adicionales, ellas no pueden ser inmediatamente perceptibles y existe una necesidad para identificar u cuantificar dichas características para analizar más sistemáticamente una muestra de tejido de manera que el médico proporcione un pronóstico más exacto al paciente que sufre de una enfermedad compleja tal como el cáncer. Por ejemplo, en muchos tipos de cáncer, un porcentaje pequeño de pacientes que se han diagnosticado en una etapa temprana aún eventualmente tienen un resultado pobre en diez años tal como la recurrencia de la enfermedad, la metástasis o la muerte dentro de un periodo de diez años. La mayoría de los pacientes con cáncer diagnosticados en una etapa temprana, sin embargo tienen un buen pronóstico en los diez años y es improbable que necesiten o se beneficien de una terapia adyuvante agresiva adicional (es decir, quimioterapia). Por ejemplo, el consenso clínico real es que al menos unos pacientes con cáncer de mama de nodo negativo en etapa temprana deberían recibir quimioterapia adyuvante, pero actualmente no existen pruebas de FDA aprobadas para satisfacer el riesgo de los pacientes de más tratamiento agresivo. Dado que la mayoría de estos pacientes con cáncer en etapa temprana disfrutan de supervivencia a largo plazo después de la cirugía y/o la terapia con radiación sin tratamiento adicional, es comúnmente apropiado recomendar la terapia adyuvante agresiva para todos estos pacientes, particularmente a la luz de los efectos colaterales significantes asociados con los quimioterapéuticos para el cáncer. Las composiciones y métodos que permiten la diferenciación de estas poblaciones de pacientes con cáncer de mama en etapa temprana en el tiempo del diagnóstico inicial en grupos con pronósticos buenos y malos podrían ayudar a los médicos en la selección de cursos apropiados de tratamiento. Además, los métodos para evaluar el pronóstico de pacientes con cáncer de mama, particularmente en pacientes con cáncer de mama en etapa temprana, son necesarios.

Aunque el criterio del pronóstico actual y los análisis de video-microscopio cuantitativos de los marcadores proporcionan alguna guía en la predicción del resultado del paciente y la selección del curso apropiado del tratamiento, una necesidad significante existe para un método sistemático que usa datos de video-microscopia clínicos para proporcionar un pronóstico del cáncer más sensible y óptimamente específico, particularmente en los pacientes en etapa temprana. Además, existe una necesidad de un método para identificar y evaluar los marcadores candidatos y las características de los mismos identificados vía video-microscopio para ayudar en la evaluación del pronóstico del cáncer.

SUMARIO DE LA INVENCIÓN Se proporciona un método y un producto de programa de computadora para analizar y/o evaluar al menos un marcador adaptado para determinar un pronóstico de un paciente con cáncer. El método para analizar al menos un marcador para determinar el pronóstico de un paciente con cáncer comprende las etapas de exponer una muestra corporal (tomada del paciente con cáncer) a al menos un marcador, extrayendo una característica cuantificable de una imagen tomada de al menos una diapositiva usando un sistema de procesamiento de imágenes, en donde al menos una diapositiva se prepara de la muestra corporal y aplicando una regla de decisión para al menos una característica cuantificable entre al menos una característica cuantificable y la regla de decisión. En algunas modalidades del método para analizar al menos un marcador, la etapa de aplicación además comprende aplicar un inicio al menos de una característica cuantificable de manera que se determine el pronóstico del paciente de cáncer basado en una relación entre al menos una característica cuantificable y el inicio. En aún otra modalidad del método para analizar al menos un marcador la etapa de aplicación además comprende aplicar una regla de afectación para el inicio, la regla de afectación siendo capaz de establecer un buen pronóstico o un mal pronóstico correspondiente a un valor de al menos una característica cuantificable con relación al inicio.

El método para evaluar al menos un marcador incluye la etapa de exponer una pluralidad de muestras corporales para al menos un marcador, la pluralidad de las muestras corporales siendo tomada de una pluralidad correspondiente de pacientes, en donde cada paciente tiene un resultado conocido. El método además incluye la tea de extraer al menos una característica cuantificable de una imagen tomada de cada una de una pluralidad de diapositivas usando un sistema de procesamiento de imágenes. La pluralidad de diapositivas puede prepararse déla pluralidad de muestras corporales correspondiente a cada paciente. Por lo tato, el método incluye las etapas de aplicar una pluralidad de reglas de decisión candidatas a al menos una característica cuantificable de la pluralidad de diapositivas de manera que se proporciona un pronóstico candidato correspondiente para cada una de la pluralidad de diapositivas y seleccionar una regla de decisión óptima, en donde la regla de decisión óptima se selecciona de las reglas de decisión candidatas, para al menos una característica cuantificable. La regla de decisión óptima proporciona que el pronóstico candidato para cada una de las pluralidades de diapositiva óptimamente corresponden al resultado conocido para cada una de las pluralidades de pacientes. Por ejemplo, la regla de decisión óptima puede seleccionarse mediante determinar la especificidad y sensibilidad para cada una de las reglas de decisiones del candidato y seleccionar la regla de decisión que tiene una especificidad y sensibilidad que es la más cercana a la pareja de sensibilidad y especificidad óptima de (1 ,1).

Algunas modalidades del método y el producto de programa de computadora de la presente invención además comprenden la etapa de evaluar la independencia estadística de al menos un marcador de manera que se asegure que al menos un marcador es capaz de proporcionar un pronóstico que es sustancialmente estadísticamente independiente de la menos un marcador complementario. Más particularmente, la etapa de evaluación anterior puede en algunas modalidades, además comprender las etapas de: primero, comparar una distribución de frecuencia de resultados observados a una distribución de frecuencia de pronósticos teóricos para una primera pluralidad de muestras corporales expuestas para al menos un marcador y para al menos un marcador complementario, la primer pluralidad de las muestras corporales correspondientes a los pacientes que tienen un buen resultado conocido, comparando una distribución de frecuencia de los resultados observados para una distribución de frecuencia de pronósticos teóricos para una segunda pluralidad de muestras corporales expuestas para al menos un marcador y para al menos un marcador complementario, la segunda pluralidad de muestras corporales correspondientes a los pacientes que tienen un resultado malo conocido y finalmente valorando la independencia de al menos un marcador con respecto a al menos un marcador complementario (usando, en algunos casos, un análisis chi-cuadrada).

De conformidad con algunas modalidades, la etapa de aplicación del método para evaluación puede además incluir aplicar una pluralidad de inicios de candidato para cada característica de cuarentena de manera que genere una pluralidad de pronósticos candidatos correspondientes a cada una de las pluralidades de inicios candidatos para cada una de las pluralidades de las muestras corporales. Por lo tanto, la etapa de selección además puede incluir seleccionar un valor de inicio óptimo de la pluralidad de inicios candidatos de manera que el pronóstico candidato para cada una de las pluralidades de diapositivas opcionalmente corresponde al resultado conocido para cada una de las pluralidades de pacientes. Dicho inicio óptimo puede proporcionar, por ejemplo, una herramienta para usarse mediante una característica cuantificable particular de un marcador después de que se ha aplicado a una muestra corporal (tal como una diapositiva histológica). Una vez categorizado como arriba o abajo del inicio óptimo, el valor dado posteriormente puede traducirse en un resultado de la regla de decisión aplicada de manera que a su vez se use para establecer un pronóstico para el paciente del cual la muestra corporal se toma.

En otras modalidades, la etapa de aplicación además puede comprender determinar una regla de afectación para cada una de las pluralidades de los inicios candidatos, la regla de afectación siendo capaz de establecer un buen pronóstico o un mal pronóstico correspondiente a un valor de al menos una característica cuantificable con relación a cada una de la pluralidad de los inicios candidatos.

De conformidad con varias modalidades de la presente invención, el método puede incluir exponer la pluralidad de muestras corporales para al menos un marcador en donde el marcador puede seleccionarse de los siguientes biomarcadores colorimétricos, SLPI, PSMB9, NDRG-1 , Muc-1 , fosfo-p27, src, E2F1 , p21ras, p53 y combinaciones de los mismos. Adicionalmente, en algunas modalidades, el método puede extraer al menos una característica cuantificable de una imagen tomada de cada una de una pluralidad de diapositivas en donde la característica cuantificable es detectable y cuantificable por un sistema de procesamiento de imágenes. Dichas características cuantificables pueden incluir: transmisión, densidad óptica, morfología celular, porcentaje de tipos de células y combinaciones de las mismas.

Las etapas del método resumidas anteriormente también pueden incorporarse en uno o más productos de programa de computadora ejecutables en un dispositivo de computadora (tal como un dispositivo de computadora en comunicación con un sistema de microscopio y/o un sistema de análisis de imágenes apropiado para capturar una imagen de una diapositiva histológica marcada) y capaz de llevar a cabo las varias funciones asociadas con las modalidades del método anteriormente descritas. Por ejemplo, de conformidad con una modalidad un producto de programa de computadora se proporciona de manera que sea capaz de controlar un sistema de procesamiento de imágenes para determinar un pronóstico de un paciente con cáncer, en donde el programa de computadora comprende: (1) una porción ejecutable para extraer una característica de una imagen tomada de cada una de las pluralidades de las diapositivas usando un sistema de procesamiento de imágenes, la pluralidad de diapositivas siendo preparada de una pluralidad de muestras corporales tomadas de una pluralidad de pacientes, en donde cada paciente tiene un resultado conocidos, la pluralidad de las muestras corporales habiendo sido expuesta para al menos un marcador; (2) una porción ejecutable para aplicar una pluralidad de reglas de decisión del candidato para ia característica de cada una de las pluralidades de las diapositivas de manera que se proporcione un pronóstico candidato para cada una de las combinaciones posibles de las reglas de decisión del candidato y la característica y (3) una porción ejecutable para seleccionar una regla de decisión óptima correspondiente a un pronóstico óptimo, la regla de decisión óptima siendo seleccionada de las reglas de decisión candidatas para la característica, la regla de decisión óptima proporcionando ese pronóstico óptimo para cada una de las pluralidades de diapositivas que opcionalmente corresponden al resultado conocido para cada uno de los pacientes.

Además, la regla de decisión óptima puede proporcionar, con base en los resultados conocidos de la pluralidad de pacientes, un pronóstico que se basa en el análisis comprensivo de al menos un marcador que tiene al menos una característica cuantificable de manera que el pronóstico proporcione un número mínimo de pronósticos positivos falsos y los pronósticos negativos falsos cuando se comparan a los resultados conocidos de la pluralidad de pacientes. Además, una vez seleccionada, la regla de decisión óptima puede usarse para optimizar el análisis de uno o más marcadores calorimétricos que tienen una o más características que son cuantificables (por, por ejemplo, el análisis en un sistema de procesamiento de imágenes) de manera que proporcione pronósticos al paciente que puede predecir más exactamente buenos o malos resultados. Además, el método y el producto del programa de computadora de la presente invención puede permitir a los médicos usar mejor un marcador dado (o el establecimiento de marcadores) para predecir la incidencia de malos resultados incluso en pacientes que exhiben solamente manifestaciones de etapa temprana de una enfermedad particular.

BREVE DESCRIPCIÓN DE LOS DIBUJOS Teniendo además descrita la ¡nvención en términos generales, ahora se hará referencia a las figuras que la acompañan, que no se dibujan necesariamente a escala, y en donde: La Figura 1 muestra un diagrama de bloque del método y el producto de programa por computadora para evaluar al menos un marcador de conformidad con una modalidad de la presente invención, en donde: S = Inicio E = Fin.

La Figura 2 es una representación gráfica de los cuatro cuadrantes posibles dentro de los cuales un pronóstico candidato puede encontrarse cuando se compara a un resultado actual correspondiente - los cuadrantes representados pueden usarse para generar una pareja de sensibilidad y especificidad para un pronóstico candidato, en donde: A = pronóstico bueno predicho B = pronostico pobre predicho C = resultado bueno real D = resultado malo real.

La Figura 3 muestra un ejemplo de una curva ROC de parejas de especificidad y sensibilidad representadas que pueden usarse para seleccionar una combinación óptima de las características del marcador y/o los inicios de manera que se maximicen ambos la sensibilidad y la especificidad del pronóstico establecido por un marcador o combinación de marcadores de conformidad con una modalidad de la presente invención.

La Figura 4 muestra un diagrama de bloque del método y producto de programa de computadora para evaluar al menos un marcador y valorar la independencia de al menos un marcador con respecto a al menos un marcador complementario de conformidad con una modalidad de la presente invención y La Figura 5 muestra una representación visual de la determinación de un inicio óptimo para una característica dada en un análisis de marcador simple mediante representar las distribuciones de los buenos y malos resultados en una escala de los inicios candidatos.

DESCRIPCIÓN DETALLADA DE LA INVENCIÓN La presente invención proporciona métodos para evaluar y optimizar los candidatos del marcador para usarse en el establecimiento del pronóstico de un paciente con cáncer. Mientras los marcadores (y las características particulares del mismo) descritas abajo son particularmente útiles para establecer el pronóstico de un paciente con cáncer. Mientras los marcadores (y las características del mismo) descritas posteriormente son particularmente útiles para establecer un pronóstico para un paciente con cáncer de mama y más particularmente un paciente con cáncer de mama en etapa temprana, los métodos descritos en este documento pueden usarse para evaluar y optimizar los candidatos del marcador para usarse en establecer el pronóstico de un paciente que sufre de cualquier enfermedad que puede unirse a (vía, por ejemplo datos clínicos) la sobreexpresión de una proteína particular u otra molécula blanco que es sensible para marcar vía, por ejemplo un biomarcador colorimétrico (marcador). Además, un experto en la técnica apreciará que los métodos descritos en este documento pueden aplicarse al análisis y optimización de los marcadores para usarse en el establecimiento del pronóstico de pacientes que tienen otras formas de cáncer u otras enfermedades unidas a la expresión de proteínas o moléculas blanco que pueden marcarse y subsecuentemente analizarse vía microscopio.

Los métodos descritos en este documento también encuentran uso en la evaluación de marcadores que pueden ser útiles en la predicción de la respuesta de un paciente con cáncer de mama para un tratamiento seleccionado. Mediante "predecir la respuesta de un paciente con cáncer de mama para un tratamiento seleccionado" se intenta valorar la probabilidad que un paciente experimentará un resultado negativo o positivo con un tratamiento particular. Como se usa en este documento, "indicativo de un resultado de tratamiento positivo" se refiere a una probabilidad incrementada que el paciente experimentará resultados benéficos del tratamiento seleccionado (es decir, remisión parcial o completa, tamaño del tumor reducido, etc.). Mediante "indicativo de un resultado de tratamiento negativo" se intenta una probabilidad incrementada que el paciente no se beneficiará del tratamiento seleccionado con respecto al progreso del cáncer de mama subyacente. En algunos aspectos de la invención, el tratamiento seleccionado es quimioterapia.

Los métodos descritos en este documento también pueden encontrar uso en la evaluación y/o optímización de los marcadores útiles en la identificación o diagnóstico del cáncer, particularmente el cáncer de mama. "Diagnosticando el cáncer de mama" se intenta que incluya, por ejemplo, diagnosticar o detectar la presencia del cáncer de mama, monitoreando el progreso de la enfermedad e identificando las células o muestras que son indicativas del cáncer de mama. Los términos de diagnóstico, la detección y la identificación del cáncer se usan intercambiablemente en este documento. En las modalidades particulares, los métodos de la invención pueden facilitar la detección del cáncer en etapa temprana mediante optimizar los marcadores y/o combinaciones del marcador que son más efectivos en el diagnóstico del cáncer de mama u otras enfermedades que pueden caracterizarse y/o diagnosticarse mediante la detección de un marcador dado como se sobreexpresa o presenta una pérdida de expresión en una muestra corporal (tal como una dispositiva histológica marcada o diapositiva citológica).

Los métodos descritos en este documento se relacionan a la aplicación de una pluralidad de valores de inicio para una característica seleccionada de un marcador dado (biomarcador o biomarcador colorimétrico) cuya expresión puede ser indicadora de un buen resultado o mal resultado para un paciente dado. Un experto en la técnica apreciará que los métodos de la presente invención pueden aplicarse a los marcadores que muestran la pérdida de la expresión tal como, por ejemplo melastatin que muestra la pérdida de expresión en los casos de melanoma. Por lo tanto, los métodos de la presente invención permiten la diferenciación de los pacientes quienes experimentan más comúnmente la recurrencia de la enfermedad (es decir, pronóstico pobre) de aquellos quiénes están más propensos a estar libre del cáncer (es decir, buen pronóstico) basado en los análisis sistemáticos de las características cuantificables (y la pluralidad de valores de inicio aplicados al mismo) que pueden señalarse mediante el análisis colorimétrico de las muestras de tejido (tales como las dispositivas histológicas preparadas) que se han expuesto a uno o más biomarcadores. Más particularmente, los métodos de la presente invención involucran un proceso sistemático para evaluar las características de una muestra de tejido dado que se han expuesto a un marcador (tal como un biomarcador colorimétrico) y seleccionan los valores de inicio óptimo para cada característica de manera que el marcador puede analizarse en términos de las características y los inicios óptimos correspondientes de manera que las combinaciones de inicio/marcador proporcionan pronósticos que son más exactos cuando se comparan con los resultados de pacientes reales conocidos. Además, los métodos de la presente invención además pueden usarse para seleccionar las combinaciones óptimas de marcadores, características de los mismos y valores de inicio para cada característica particular de manera que proporcione pronósticos más exactos para los pacientes con cáncer en etapa temprana.

Los biomarcadores evaluados por la invención incluyen genes y proteínas. Dichos biomarcadores incluyen ADN que comprende la secuencia parcial o completa de la secuencia del ácido nucleico que codifica al biomarcador o el complemento de dicha secuencia. Los ácidos nucleicos del biomarcador también incluyen ARN que comprende la secuencia parcial o total de cualquiera de las secuencias de ácido nucleico de interés. Una proteína del biomarcador es una proteína codificada mediante o correspondiente a un biomarcador de ADN de la invención. Una proteína del biomarcador comprende la secuencia de aminoácido parcial o completa de cualquier proteína del biomarcador o polipéptidos.

Un "biomarcador" es cualquier proteína o gen cuyo nivel de expresión en un tejido o célula se altera comparada al de un tejido o célula saludable o normal. Los biomarcadores de conformidad con una modalidad de la presente invención, son genes y proteínas cuya sobreexpresión se correlaciona con el pronóstico del cáncer y particularmente en los ejemplos presentados en este documento, el pronóstico del cáncer de mama. En algunos casos, la sobreexpresión selectiva de un biomarcador o combinación de biomarcadores de interés en una muestra del paciente es indicativa de un pobre pronóstico del cáncer. Mediante "indicativo de un pobre pronóstico" se refiere que la sobreexpresión del biomarcador particular se asocia con una probabilidad incrementada de recurrencia o recaída del cáncer subyacente o tumor, metástasis o muerte dentro de menos de cinco años. Los biomarcadores son indicativos de un pobre diagnóstico que puede referirse en este documento como "biomarcadores de resultado malo". En otros aspectos de la invención, la sobreexpresión selectiva de un biomarcador o combinación de biomarcadores de interés es indicativa de un buen pronóstico. Como se usa en este documento "indicativo de un buen pronóstico" se refiere a una probabilidad incrementada de que el paciente continuará libre de cáncer por al menos cinco años. Dichos biomarcadores pueden referirse como "biomarcadores de buen resultado".

Los biomarcadores que pueden evaluarse por los métodos de la presente invención incluyen cualquier gen o proteína cuya sobreexpresión se correlaciona con el pronóstico del cáncer como se describió anteriormente. Los biomarcadores incluyen los genes y proteínas que son indicativos de un pobre pronóstico de cáncer de mama (es decir, biomarcadores de resultado malo), así como aquellos que son indicativos de un buen pronóstico (es decir, biomarcadores de buen resultado). Los biomarcadores de interés particular incluyen los genes y proteínas que se involucran en la regulación del crecimiento celular y la proliferación, el control del ciclo celular, la replicación y la transcripción de ADN, la apoptósis, la transducción de señal, la angiogénesis/linfogénesis o metástasis. En algunas modalidades, los biomarcadores regulan los sistemas de proteasa involucrados en la degradación de la matriz extracelular, remodelación del tejido y la invasión del tejido adyacente. Aunque cualquier biomarcador cuya sobreexpresión es indicativa del pronóstico de cáncer puede analizarse y/o usarse en el método de la presente invención, en particular las modalidades que evalúan los pronósticos de cáncer de mama, los biomarcadores se seleccionan del grupo que consiste de SLP1 , p21ras, MUC-1 , DARPP-32, fosfo-p27, src, MGC 14832, myc, TGFß-3, SERHL, E2F1 , PDGFRa, NDRG-1 , MCM2, PSMB9, MCM6 y p53. Más preferiblemente, los biomarcadores de interés en el establecimiento de los pronósticos de cáncer de mama que comprenden SLPI, PSMB9, NDRG-1 , Muc-1 , fosfo-p27, src, E2F1 , p21ras o p53. En un aspecto de la invención, como se ilustra en el ejemplo experimental incluido en este documento, los métodos para evaluar los pronósticos del cáncer de mama comprenden detectar la sobreexpresión de E2F1 y al menos otro biomarcador seleccionado del grupo que consiste de SLPI, src, fosfo-p27, p21 ras y PSMB9.

El término "característica" como se describe en este documento, se refiere a una variación perceptible y/o cuantificable producida en una muestra corporal mediante la exposición a un marcador dado y/o biomarcador. Las características pueden incluir las variaciones en la transmisión o los valores de densidad óptica mediante las características de marcación de un marcador colorimétrico (incluyendo los marcadores anteriormente descritos) que pueden detectarse, por ejemplo, usando técnicas de microscopio y los sistemas de procesamiento de imágenes. Dichas técnicas de microscopio y/o sistemas de procesamiento de imágenes se usan para proporcionar una imagen de la muestra biológica después de que se han marcado para indicar visualmente la presencia de un biomarcador de interés (y además indicar la presencia de una proteína particular correspondiente y/o molécula blanco de interés). Algunos de estos métodos y sistemas asociados, tal como aquellos descritos en la Solicitud de Patente Norteamericana 09/957,446 de Marcelpoil er al (la solicitud '446) y la Solicitud de Patente Norteamericana 10/057,729 de Marcelpoil eí al (la solicitud 729), incorporada en este documento como referencia, describe el uso de un sistema de procesamiento de imágenes, método y producto de programa de computadora asociado para determinar las cantidades relativas de cada especie molecular presente en una imagen dada basada en la presencia de los marcadores de tinte de color representativo como se indica por aquella densidad óptica de los marcadores de tinte de color o el valor de transmisión, respectivamente, como se determina por un sistema de imágenes y programas asociados. Estas técnicas además pueden proporcionar determinaciones cuantitativas de las cantidades relacionadas de cada molécula blanco o proteína cuya sobreexpresión puede revelarse por un biomarcador colorimétrico aplicado a una diapositiva de muestra de tejido. Por ejemplo, la expresión de una característica de un marcador dado puede revelarse usando una imagen digital de una dispositiva de muestra de tejido marcada en donde el marcador se separa del marcado de fondo y/o de los otros marcadores usando la separación cromagen de sus partes de color del componente rojo, verde y azul (RGB) de manera que la contribución relativa del marcador (relativa al marcado de fondo y/o el marcado de otros marcadores) puede determinarse dentro de una célula o una región de interés (ROÍ) dentro de una muestra corporal tomada del paciente.

De conformidad con varias modalidades de la presente invención, varias características (ambas cuantificables y no cuantificables) pueden extraerse de una imagen tomada de una muestra de tejido marcada (tal como una diapositiva histológica preparada marcada con un biomarcador colorimétrico) usando un sistema de procesamiento de imágenes capaz de capturar las regiones de interés (ROÍ), varios campos de vista (FOV) o imágenes de dispositivas histológicas completas y determinar los límites morfológicos definidos en los mismos tal como las varias regiones de la célula que ¡ncluye el núcleo, el citoplasma y la membrana celular. Esta etapa de procesamiento de imágenes para determinar los límites morfológicos dentro de una diapositiva y/o muestra corporal se conoce como segmentación. Las regiones de interés (ROÍ) pueden, de conformidad con varias modalidades extender una diapositiva completa, las porciones de una diapositiva, las porciones seleccionadas discretas de una diapositiva y/o un FOV completo. La segmentación exacta de los límites morfológicos (vía microscopio y/o análisis de imágenes) se requiere para la determinación de muchas características como varios tipos de biomarcador diferentes que exhiben diferente ubicación sub-celular dentro de las células de una muestra corporal dada. Por ejemplo, algunos biomarcadores revelan la sobreexpresión de una molécula blanco solamente dentro del núcleo de una célula. Otros marcadores pueden revelar la sobreexpresión de una molécula blanco dentro del citoplasma o dentro de la membrana celular de una célula. Por ejemplo, la Tabla 1 muestra algunos de los marcadores usados en el establecimiento de un pronostico y/o diagnóstico para el cáncer de mama que se listan junto con sus áreas respectivas de la localización sub-celular.

Como se describió en el Apéndice anexo de las Características del Ejemplo, ciertas características del descriptor celular tales como CELL, CYTO, MEMB y NUCL (con referencia a la célula, citoplasma, membrana celular y núcleo celular, respectivamente) sirven como identificadores de la ubicación dentro de las células de una muestra corporal en donde las características exhibidas mediante un marcador particular pueden detenerse y/o cuantificarse usando, por ejemplo la separación del cromagen de un tinte o marcador.

También se muestra en el apéndice anexo un número de otras características ejemplarizadoras de varios biomarcadores que se extraen, examinan y o cuantifican por los métodos de la presente invención para optimizar el valor pronóstico de un biomarcador dado o combinación de biomarcadores. Las características se categorizar generalmente como sigue: características del descriptor de forma, textura y/o histograma de las características del descriptor (que se refiere principalmente a las determinaciones estadísticas como la cantidad y la variación de la sobreexpresión de la molécula blanco que puede señalarse por un biomarcador particular); características del descriptor espectral (tal como la transmisión o la densidad óptica de los varios biomarcadores colorimétricos y/o las contra-marcaciones que pueden usarse para revelar la sobreexpresión de las moléculas blanco); las características del descriptor de jerarquía (que se usan para computar las características cuantificables relativas a los objetos jerárquicos capturados por un sistema de formación de imágenes) y las características del descriptor celular (¡ncluyendo CELL, CYTO, MEMB y NUCL (como se describieron abajo y se detallan en el Apéndice del Ejemplo de las Características). La lista de características descritas generalmente arriba y en más detalle en el apéndice anexo a este documento no significa que sea exhaustivo y significa que sirve solamente como un ejemplo. El método de la presente invención puede usar una variedad de diferentes características cuantificables (y varias combinaciones de las mismas) para optimizar el valor pronóstico de un marcador dado o combinación de marcadores. De conformidad con las modalidades del producto del programa de computadora de la presente invención, las características descritas en este documento pueden detectarse en una manera automatizada, mediante, por ejemplo un controlador (tal como un dispositivo de computadora) configurado para controlar un sistema de procesamiento de imágenes que tiene la capacidad de marcar las regiones de interés (ROÍ), segmentar los varios compartimientos y los componentes de una célula o muestra de tejido y/o des-construir una marca o tinte en partes RGB del componente como para determinar la transmisión, luminancia, densidad óptica y/u otras características espectrales.

En algunas modalidades de la presente ¡nvención, las características anteriores y otras pueden combinarse para crear características de síntesis que incorporan varios tipos de características subyacentes para crear una característica cuantificable que puede tener utilidad para el propósito de proporcionar un diagnóstico y/o pronóstico de un paciente dado. Para construir dicha característica de síntesis, otras características más específicas pueden cuantificarse y examinarse para crear la característica de síntesis que puede en algunos casos, tener más significancia para una observación clínica para obtener el pronóstico y/o el valor de diagnóstico a partir de las características señaladas por un biomarcador y/o colección de biomarcadores. Por ejemplo, en el Ejemplo Experimental descrito en este documento, las características usadas incluyen porcentajes numéricos de varios grados de células cancerosas que se consideran presentes en una colección dada de célula que pueden señalarse en una región específica de interés (ROÍ) identificada en una muestra corporal (tal como una diapositiva histológica). Un experto en la técnica apreciará que un patólogo puede "clasificar" una célula que se ha marcado con un marcador a medida que se observa, por ejemplo, vía microscopio, mediante comprobar el grado del marcador que está presente en la región de interés (ROÍ) (tal como un área de una diapositiva histológica que parece marcarse más oscura que las regiones circundantes). Mientras que la clasificación visual por un patólogo es útil para valorar el nivel relativo del marcador presente en una célula, dicho grado es completamente subjetivo y puede variar de conformidad con varios médicos y en varios contextos. Además, al construir una característica de síntesis en la presente invención, las células cancerosas sospechosas pueden ser más objetivamente clasificadas como, por ejemplo, 0 (indicando una carencia completa del marcador presente en el compartimiento de la célula señalado), 1 (indicando alguna pequeña cantidad del marcador presente en el compartimiento de la célula señalado), 2 (indicando el nivel medio del marcador presente en el compartimiento celular señalado) o 3 (indicando un alto nivel de marcador presente en el compartimiento celular señalado). Dicha clasificación puede llevarse a cabo en una manera automatizada usando un sistema de video microscopio y/o sistema de procesamiento de imágenes tales como aquellos descritos en la solicitud '446 y la solicitud 729. Como se resume posteriormente en la Tabla 2, de conformidad con un ejemplo de la presente invención, las características denotadas por NUCL, CYTO, MEMB, DYE2, OD y MEAN pueden combinarse para producir valores de transmisión óptica que tiene un rango de valores que pueden dividirse para determinar el nivel del biomarcador calorimétrico dado (o en algunas instancias, un componente colorimétrico del mismo) (denotado por "DYE2" por ejemplo) en una célula dada. El mismo tinte puede usarse para proporcionar el biomarcador dado de un biomarcador colorimétrico (tal como, por ejemplo, un marcador de tinte comúnmente usado tal como DAB u otros bien conocidos por un experto en la técnica) sin embargo, los varios diferentes marcadores evaluados por la presente invención pueden revelar la existencia de las moléculas blanco en varios compartimientos celulares (tales como el núcleo, la membrana celular y/o citoplasma). Los valores de inicio del ejemplo (correspondientes a los valores de transmisión) en este caso mostrados en la Tabla 2 además pueden expedir cada una de las células observadas en una de las categorías siguientes: 0, 1 , 2 ó 3. Una evaluación de la categoría 0 correspondiente al número esperado de las células no marcadas (es decir, células encontradas no para exhibir la sobre expresión de la molécula blanco cuando se expone al marcador) pueden realizarse usando un sistema de procesamiento de imágenes y/o microscopio. El número aproximado de 0 (no marcadas) células puede además computarse usando el área celular del tumor promedio (por ejemplo, 1100 píxeles como se estima de la característica llamada CELL_AREA (ver el Apéndice de las Características de Ejemplo)) obtenidas en esta modalidad particular de los cálculos del área de las células 1 , 2 y 3 (usando la determinaciones listadas posteriormente) ^s "#*.* (3) Jv, m .(%Nf<¡t?i ~Nt - JVa ~ Jfs) (5) En otras modalidades el número de células pueden computarse usando los métodos más que los que determinan las áreas celulares (tales como mediante el conteo del núcleo dentro de un FOV que se marca con un marcador localizado del núcleo). Una vez el número de los tipos celulares 0, 1 y 3 (N0, N^ N2 y N3 respectivamente) se determina (usando por ejemplo, los varios valores de inicio proporcionados en la Tabla 2), el porcentaje de 0, 1 , 2 y 3 células puede computarse. La Tabla 3 presenta los nombre de estas características de síntesis usando el prefijo CELL_PORCENTAJE junto con un identificador numérico mostrando los tipos de células reflejadas en el porcentaje dado. Estas características de síntesis ejemplarizadoras pueden computarse como porcentaje simple. Por ejemplo, CELL_PORCENTAJE__0 puede computarse como sigue: CELL_PORCENTÁJE O=-^=- l00- (F - Aunque las características de síntesis CELL_PORCENTAJE anteriormente descritas se usan en los ejemplos experimentales descritos en este documento, cualquier número de características cuantificables posible pueden evaluarse como parte de las modalidades de los métodos y los productos del programa de computadora de la presente invención. Por ejemplo, una o más de una de las características colorimétricas descritas en el Apéndice de las Características de Ejemplo (asociadas con, por ejemplo, el análisis de una diapositiva histológica marcada usando un sistema de análisis de imágenes) pueden combinarse para formar otro tipo de característica de síntesis o características individuales descritas en el Apéndice pueden usarse y analizarse independientemente.

Las varias características y las características de síntesis anteriormente descritas pueden ser aplicables en el análisis de uno o más marcadores que pueden usarse para marcar una muestra corporal (o una diapositiva de la misma) tal como por ejemplo, una diapositiva histológica) para establecer (o ayudar en el establecimiento de) un pronóstico para un paciente con cáncer (tal como un paciente con cáncer de mama en etapa temprana). De conformidad con las modalidades de la presente invención, las diferentes combinaciones de marcadores y características del mismo, pueden evaluarse usando las modalidades de la presente invención para establecer una combinación óptima de características, inicios de características (tal como un CELL_PORCENTAJE dado de las células cancerosas en una región dada de interés (ROÍ)) y los tipos de marcador tales como la sensibilidad y la especificidad de un marcador dado o combinación de marcador pueden optimizarse. Además, otros tipos de caracteristicas basadas en pacientes pueden combinarse con las características descritas en este documento tal como (pero no limitadas a): edad del paciente, historia médica del paciente y otros factores indicando el pronóstico posible y/o diagnóstico para los pacientes con cáncer. Por ejemplo, envolvimiento del nodo de la linfa, tamaño del tumor, grado histológico, niveles del receptor de estrógenos y progesterona, estado Her2/neu, ploide del tumor e historia familiar pueden ser todos factores de pronóstico y/o diagnóstico para ayudar en el establecimiento de un pronóstico para un paciente con cáncer de mama en etapa temprana.

Usando los métodos y los productos de programa de computadora de la presente invención, las características, inicios y combinaciones del marcador pueden analizarse eficientemente y sistemáticamente y evaluarse para determinar una sensibilidad y especificidad óptimas en el establecimiento de un pronóstico para cualquier paciente de cáncer dado. En los métodos y productos de programa de computadora de la presente ¡nvención, el punto terminal para valorar la especificidad y sensibilidad en comparación del pronóstico (por ejemplo, el resultado predicho usando un marcador candidato particular y/o característica o características del candidato correspondientes) con el resultado clínico real (es decir, si el paciente continua libre de cáncer o sufre de una recurrencia dentro de cinco años). Como se muestra en la Figura 2, los pronósticos candidatos producidos por un número de combinaciones de inicios/características candidatos pueden representarse en una matriz de cuatro cuadrantes como se muestra con base en los resultados conocidos de las muestras corporales usadas en los métodos de la presente invención para determinar los números de los pronósticos positivo verdadero 210, el negativo verdadero 240, falso positivo 220 y negativo falso 230 descritos por una combinación de característica/marcador dado (y/o la regla de decisión) como se describe en más detalle posteriormente. Después del cómputo de los números relativos de los pronósticos verdadero positivo 210, negativo verdadero 240, positivo falso 220 y el negativo falso 230, una pareja de especificidad y sensibilidad característica puede computarse para valorar la efectividad de la combinación de la regla de decisión/característica/marcador como una herramienta de pronóstico (como se describe en mayor detalle posteriormente).

Como se usa en este documento "especificidad" se refiere al nivel en el cual un método de la invención puede identificarse exactamente negativos verdaderos. En un estudio clínico, la especificidad se calcula mediante dividir el número de negativos verdaderos por la suma de negativos verdaderos y positivos falsos (como se determina por la representación de los pronósticos candidatos en los cuadrantes de la Figura 2). Mediante "sensibilidad" se intenta el nivel en el cual un método de la invención puede identificar exactamente las muestras que son positivas verdaderas. La sensibilidad se calcula en un estudio clínico mediante dividir el número de positivos verdaderos por la suma de los positivos verdaderos y los negativos falsos (también como se determina por la representación de los pronósticos candidatos en los cuadrantes de la Figura 2). En algunas modalidades, la sensibilidad de una combinación dada de marcadores, características e inicios descubiertos por los métodos descritos es al menos aproximadamente 40%, 45%, 50%, 55%, 60%, 65%, 70%, 75%, 80%, 85%, 90%, 91%, 92%, 93%, 94%, 95%, 96%, 97%, 98%, 99% o más. Por lo tanto, la especificidad obtenible por los métodos de evaluación presentes es de preferencia al menos aproximadamente 40%, 45%, 50%, 55%, 60%, 65%, 70%, 75%, 80%, 85%, 90%, 91%, 92%, 93%, 94%, 95%, 96%, 97%, 98%, 99% o más.

Como se usa en este documento, las definiciones de positivos y negativos "verdaderos" y "falsos" dependerán de si el marcador o la combinación de marcadores bajo consideración es marcadores de buen resultado o malos resultados. Esto es, en el caso de los marcadores de buen resultado (es decir, aquellos indicativos de un buen pronóstico), "verdadero positivo" se refiere a aquellas muestras que exhiben la sobreexpresión del biomarcador de interés, como se determina por los métodos de la invención (es decir, marcado positivo mediante inmunohistoquímica) que tienen un buen resultado clínico real confirmado. En contraste, "positivos falsos" exhibe la sobreexpresión de los biomarcadores de buen resultado pero tienen un resultado clínico real malo. "Negativos verdaderos" y "negativos falsos" con respecto a los marcadores de buen resultado no exhiben la sobreexpresión del marcador (es decir, no marcan positivo en ios métodos de inmunohistoquímica) y tienen resultados clínicos reales bueno y malos confirmados, respectivamente.

Similarmente, en el caso de los marcadores de resultado malo, "positivos verdaderos" se refiere a aquellas muestras que exhiben la sobreexpresión del marcador o los marcadores de combinación de interés que tienen un resultado clínico actual malo confirmado. En resumen, "verdadero positivo" con respecto a ambos biomarcadores de resultado bueno y malo se refiere a muestras en las cuales el resultado clínico real (es decir, bueno o malo) se predice exactamente. "Falsos positivos" exhiben la sobreexpresión del biomarcador de resultado malo pero tienen un resultado clínico real bueno confirmado. "Negativos verdaderos" y "negativos falsos" con respecto a los biomarcadores de resultado malo no exhiben la sobreexpresión del biomarcador y tienen resultados clínicos reales buenos y malos confirmados, respectivamente. Los métodos y los productos de programa de computadora de la presente invención usan una comparación sistemática de los pronósticos producidos usando un número de marcadores, caracteristicas de marcadores y valores de inicio para las características dadas con resultados clínicos reales para determinar que combinación óptima de marcadores, características e inicios son las más probables para proporcionar los pronósticos que son los más exactos como se define por ios resultados clínicos reales.

La Figura 1 muestra un diagrama de flujo esquemático de un método de conformidad con una modalidad de la presente invención para evaluar al menos un marcador que puede usarse para determinar el pronóstico de un paciente con cáncer. La etapa 110 muestra una etapa de exposición, incluyendo exponer una pluralidad de muestras corporales a un marcador (o en algunos casos, una pluralidad de marcadores). La pluralidad de muestras corporales se toman, por ejemplo de una pluralidad correspondiente de pacientes, en donde cada paciente tiene un resultado clínico conocido. Como se describe en mayor detalle posteriormente, el marcador puede incluir una variedad de biomarcadores colorimétricos que pueden usarse para detectar una variedad de moléculas blanco (tales como, por ejemplo, proteínas) que pueden sobreexpresarse en una célula dada. Las muestras corporales pueden incluir muestras de tejido de biopsia tomadas de paciente que tienen una enfermedad para la cual el método de la presente invención es está usando para evaluar un marcador.

La etapa 120 muestra la siguiente etapa de conformidad con un método de la presente invención que incluye extraer al menos una característica cuantificable de una imagen tomada de cada una de una pluralidad de diapositivas usando un sistema de procesamiento de imágenes, en donde la pluralidad de diapositivas se prepara de la pluralidad de muestras corporales correspondientes a cada paciente que tiene un resultado conocido. Las diapositivas pueden sujetar secciones secuenciales de una muestra del centro de la biopsia para otra muestra de tejido y pueden exponerse a uno o más de un marcador que pueden ser bajo evaluación como parte de los métodos de la presente invención. Las diapositivas pueden incluir diapositivas histológicas que se secan y/o marcan para facilitar la extracción de una característica cuantificable (tal como un cambio perceptible en el color, sombra, luminancia, transmisión (TRANS), densidad óptica (OD) u otras características como se describieron en mayor detalla anteriormente). Por ejemplo, la diapositiva puede tratarse con una marca configurada para resaltar el marcador (o pluralidad de marcadores) a los cuales las muestras corporales se han expuesto. Además, la diapositiva puede tratarse con un mareaje contrario teniendo un color y/o marcado característico tendiendo a resaltar el marcado del marcador o marcadores de interés. Un experto en la técnica apreciará que dichos marcados colorimétricos pueden incluir DAB (tendiendo a marcar la apariencia de los marcadores cafés) y que los mareajes contrarios pueden incluir hematoxilina (teniendo a marcar la morfología normal del azul celular). Además, cualquier dispositiva marcada puede analizarse usando las técnicas de separación de cromagen descritas, por ejemplo en la aplicación '446 y la aplicación 729.

Como se describió anteriormente, la etapa de extracción puede involucrar las características de extracción de una imagen de video-microscopio de la diapositiva usando, por ejemplo, un sistema de análisis de imagen y un controlador asociado (tao como un dispositivo de computadora) configurado para analizar una imagen dada (tal como una diapositiva entera, una cámara de campo de vista (FOV) o una región seleccionada de interés (ROÍ)). Como se describe en detalle en el Apéndice anexo de las Características de Ejemplo, muchas características diferentes relacionadas a una imagen de una diapositiva que se ha expuesto a un marcador dado (o juego de marcadores) pueden extraerse o analizarse. En algunas modalidades, un médico tal como un patólogo puede usar un sistema de análisis de imagen para seleccionar un ROÍ (correspondiente, por ejemplo a una región de una imagen de microscopio marcada oscura con DAB de manera que indique la presencia de grandes cantidades de un marcador dado). Dentro del ROÍ, el sistema de análisis de imagen (y el controlador en comunicación con el mismo) puede usarse para aislar y extraer un número de características descritas en el apéndice anexo. Por ejemplo, un número de células dentro del ROÍ pueden computarse y el porcentaje de las células Tipo I en este documento pueden computarse también (mediante aplicar, por ejemplo, las configuraciones del emisor señalado en la Tabla 2, después de determinar la densidad óptica de la luz transmitida a través de diferentes compartimientos celulares dependiendo del tipo de marcador) contenido dentro del ROÍ). Para aplicar un inicio o regla de decisión objetiva ((ver la etapa 130) descrita posteriormente en detalle), la característica es en la mayoría de los casos, una característica cuantificable, tal como un porcentaje, número de células, área, luminiscencia, transmisión y/o densidad óptica. Por ejemplo, en el ejemplo experimental, las caracteristicas de síntesis extraídas de varios ROI's ¡ncluyen los porcentajes de las células cancerosas Tipo 1 , Tipo 2 y Tipo 3 (y combinaciones de estos porcentajes) en donde los porcentajes fueron computados mediante combinar características más específicas (tales como transmisión y/o densidad óptica de las áreas marcadas de las células que se usan para emitir una célula dada a una designación de tipo particular (Tipo 1 , 2 ó 3, por ejemplo).

La etapa 130 de una modalidad del, método de la presente invención incluye aplicar una pluralidad de reglas de decisión candidatas a la característica cuantificable extraída de cada una de la pluralidad de las diapositivas de manera que proporciona un pronóstico candidato correspondiente para cada una de las diapositivas. La "regla de decisión" puede hacerse de varios componentes incluyendo una regla de afectación (que involucra una determinación de si una característica cuantificable mayor que un inicio dado es indicativo de un buen pronóstico o un mal pronóstico) así como un valor de inicio para una característica cuantificable dada. En el análisis de un marcador simple teniendo una característica simple, la regla de decisión puede ser una decisión binaria para la característica particular. De conformidad con muchas modalidades de la presente invención, la regla de decisión completa involucra generar un pronóstico de bueno o mal candidato (dependiendo en el inicio candidato y la regla de afectación correspondiente). Por ejemplo de conformidad con una modalidad, los buenos pronósticos pueden denotarse como cero (0) y los pronósticos malos pueden denotarse como (1). Sin embargo, para cada posible inicio, existen dos posibles elecciones para las reglas de afectación (es decir pronósticos (0) puede referirse a los valores menos el valor de inicio o alternativamente, los pronósticos malos (1) pueden referirse a los valores menores que el valore de inicio). Además, cada regla de afectación (para cada posible inicio) puede evaluarse para cada muestra corporal (correspondiente a un paciente que tiene un resultado conocido) y colocado en uno de los cuatro cuadrantes correspondiente a una de las siguientes categorías como se muestra en la Figura 2: positivos verdaderos (cuadrante a, 210), positivos falsos (cuadrante b, 220), negativos falsos (cuadrante c, 230) y los negativos verdaderos (cuadrante d, 240). Un pronóstico posible posteriormente puede generarse para cada una de las combinaciones de regla de afectación/incio posibles para cada muestra corporal (correspondiente a un paciente que tiene un resultado conocido) tal como la regla de afectación óptima para cada inicio que puede determinarse mediante seleccionarlo para cada cuadrante en la Figura 2, una regla de afectación basada en la ocurrencia de resultados buenos y malos en ese cuadrante.

Por ejemplo, dando un valor de inicio (T) para una característica cuantificable específica (F) de un marcador, dos reglas de afectación son posible para determinar un pronóstico. La primer regla posible es si F es mayor que T, el pronóstico es malo (1 ). La segunda regla posible es: si F es mayor que T, el pronóstico es bueno (0). Para cada una de las reglas de afectación posibles, el pronóstico predicho puede predecir exactamente el resultado real del paciente (es decir, produjo un positivo verdadero o negativo verdadero) o cae para predecir el resultado real del paciente (es decir, produjo un positivo falso o negativo falso). Es posible para determinar que cuadrante de la Figura 2 contiene la mayoría de los pronósticos posibles para determinar que la regla de afección es la más apropiada para una característica cuantificable dada. Por ejemplo, con referencia a la Figura 2, los pronósticos posibles para la primera regla posible puede representarse para determinar en donde los resultados caen. Además, los pronósticos posibles para la segunda regla posible puede representarse para determinar en donde los resultados caen dentro de los cuadrantes representados en la Figura 2. Después de la representación ambas reglas de afectación posibles en los cuadrantes apropiados, una regla de afectación óptima puede determinarse mediante determinar la proporción de los resultados buenos predichos en contra de los resultados malos para el número completo de los resultados buenos y malos. Por ejemplo, para una característica e inicio dado, la mayoría de los puntos representados pueden caer en el cuadrante positivo verdadero si la primera regla de afectación posible (si F > T, pronóstico = malo (1) se usa. En este caso, la siguiente regla de decisión candidato puede generarse: los pacientes que exhiben la característica cuantificable arriba del inicio se consideran que tienen un pronóstico malo (positivo para la enfermedad). En otro ejemplo, la mayoría de los puntos representados pueden caer en el cuadrante negativo falso si la primer regla posible si F <T, pronóstico = bueno (0) se usa. En este caso, la regla de decisión candidata puede leerse como: pacientes que exhiben la característica cuantificada arriba del inicio se consideran para tener un buen pronóstico (negativo para la enfermedad). Un experto en la técnica apreciará que otros métodos estadísticos también pueden usarse para encontrar las reglas de decisión eficientes. Por ejemplo, discriminación lineal, discriminación cuadrática, modelos lineales generalizados, regresiones logísticas, discriminación penalizada, discriminación flexible, discriminación de mezcla y/u otros métodos estadísticos pueden usarse para encontrar dichas reglas de decisión como parte de la etapa 130 de la presente invención.

Como se muestra en la Figura 1 , etapa 140 incluye la selección de una regla de decisión óptima, seleccionada de las reglas de decisión candidatas, para al menos una característica cuantificable. La regla de decisión óptima se selecciona de manera que proporcione ese pronóstico cuantificable para cada una de la pluralidad de dispositivas que corresponden óptimamente al resultado conocido para cada una de las pluralidades de pacientes. Por ejemplo, la regla de decisión se selecciona de la pluralidad de las reglas de decisión candidatas de manera que proporcionen una herramienta de pronóstico opcionalmente predictiva cuando se compara a los resultados clínicos de los pacientes de quienes las muestras corporales se han tomado (ver la Etapa 110). Como se describió anteriormente, las reglas de decisión candidatas tienen ambos un componente de inicio y un componente de regla de afectación. Por sistemáticamente evaluando una pluralidad de inicios candidatos (y reglas de afectación) un valor de inicio óptimo puede seleccionarse de manera que el pronóstico óptimo resultante del mismo para cada una de la pluralidad de diapositivas puede corresponder más cercanamente al resultado conocido para cada una de la pluralidad de pacientes (de los cuales la pluralidad de dispositivas se produce). Adicionalmente, la eficiencia de una regla de decisión dada puede probarse usando la especificidad y sensibilidad como se muestran posteriormente en las ecuaciones 7 y 8.

De conformidad con algunas modalidades de la presente invención, seleccionar una regla de decisión óptima además comprende determinar una pluralidad de parejas de sensibilidad y especificidad correspondientes a cada pluralidad de reglas de decisión candidatas. En dichas modalidades, la especificidad y la sensibilidad para cada regla de decisión candidata (y para cada una de la pluralidad de inicios de candidato y reglas de afectación correspondientes) puede computarse mediante comparar el pronóstico candidato de cada regla de decisión candidata para el resultado conocido real para cada paciente del cual las muestras corporales se toman. En funcionamiento esta comparación de cada uno de los números relativos de positivos verdaderos (cuadrante a), positivos falsos (cuadrante b), negativos falsos (cuadrante c), y negativos verdaderos (cuadrante d) pueden determinarse usando un sistema de cuadrante tal como se representa en la Figura 2. Usando los números relativos para cada cuadrante, las parejas de sensibilidad y especificidad (sens, esps) pueden computarse para cada regla de decisión candidata y cada una de la pluralidad de inicios candidatos usando las siguientes fórmulas: Sensibilidad «= 7 Especificida '=t- S) Además, como se describió generalmente anteriormente, sensibilidad se refiere a la probabilidad de un paciente con resultado malo siendo evaluado como siendo positivo con respecto al marcador (es decir, para considerarse como un positivo verdadero). Similarmente, la especificidad se refiere a la probabilidad de un buen resultado del paciente siendo evaluado como siendo negativo con respecto al marcador (es decir, para considerarse un negativo verdadero).

Cada una de las parejas de especificidad y sensibilidad posteriormente se representan en un diagrama dimensional de sensibilidad y especificidad como se muestra en la Figura 3, en donde cada punto se refiere al valor de especificidad y sensibilidad calculado para cada una de la pluralidad de las reglas de decisión candidatas (y para cada una de la pluralidad de los inicios candidatos). La tabla mostrada en la Figura 3 también se conoce como una curva característica de operación del receptor (ROC) que muestra una representación de los valores de sensibilidad 310 y corresponde a los valores de especificidad correspondientes 300 para un juego de reglas de decisión candidatas que se han comparada para un juego de datos correspondientes a los resultados clínicos reales. Una prueba de pronóstico ideal tendría una pareja de sensibilidad y especificidad ideal 320 representada en el punto 1,1 que indica que todos los resultados de pronóstico consisten de positivos verdaderos o negativos verdaderos (ver los cuadrantes a 210 y d 240 en la Figura 2). Para cada pareja de sensibilidad y especificidad representada en la curva ROC, la distancia Euclidiana puede computarse entre la pareja representada y la pareja ideal 320 en (1 ,1) usando la diferencia de especificidad 350 y la diferencia de sensibilidad 340 entre las parejas ideales y representadas. Después de representar la curva ROC como se muestra en la Figura 3, la pareja de especificidad y sensibilidad teniendo la distancia mínima Euclidiana 320 para la pareja ideal 320 puede identificarse tal como la regla de decisión óptima (y correspondiente a la regla de afectación y/o inicio óptima) puede seleccionarse para señalar una pareja de sensibilidad y especificidad específica del marcador y la combinación característica bajo evaluación. Por lo tanto, en algunas modalidades, la regla de decisión óptima puede seleccionarse para maximizar ambas la sensibilidad y la especificidad (es decir el avance ideal (1 ,1) de la pareja de sensibilidad y especificidad) del marcador y la combinación característica bajo evaluación.

Como se muestra en la Figura 4, algunos métodos de la presente invención además pueden comprender una etapa adicional, mostrada esquemáticamente en el bloque 150, que incluye evaluar la independencia estadística de al menos un marcador de manera que asegure que el marcador es capaz de proporcionar un pronóstico que es sustancialmente estadísticamente independiente de al menos un marcador complementario. Además, esta modalidad puede asegurar que para un par dado de marcadores aplicados a una muestra corporal, los pronósticos generados del mismo son sustancialmente estadísticamente independientes de manera que un marcador no proporciona información sustancialmente repetitiva con respecto al marcador complementario. Esto puede asegurar, por ejemplo que un marcador complementario no se usa junto con un primer marcador cuando los dos no son sustancialmente estadísticamente independientemente. La dependencia de los dos marcadores puede indicar que son duplicados y que la adición de un segundo marcador no agrega valor adicional al poder de pronóstico de un par dado de marcadores. Para optimizar el poder de pronóstico de un panel dado de marcadores también es deseable reducir la cantidad de "ruido de señal" mediante minimizar el uso de marcadores que proporcionen información de pronóstico duplicativo cuando se compara con otro marcador en el panel.

La evaluación de la independencia estadística de los dos marcadores puede involucrar, por ejemplo, en algunas modalidades, las siguientes etapas adicionales: (1) comparar una distribución de frecuencia de los resultados observados para una distribución de frecuencia de pronósticos teóricos para un primer juego de muestras corporales expuestas para un primer marcador y para un marcador complementario, en donde el primer juego de muestras corporales corresponde a los pacientes que tienen un resultado bueno conocido; (2) comparando una distribución de frecuencia de resultado observado para una distribución de frecuencia de pronósticos teóricos para un segundo juego de las muestras corporales expuestas al primer marcador y para el marcador complementario, en donde el segundo juego de muestras corporales corresponde a los pacientes que tienen un resultado malo conocido y (3) valorar la independencia de al menos un marcador con respecto a al menos un marcador complementario usando un análisis de chi cuadrada (X2).

Por ejemplo, un análisis X2 puede realizarse para valorar la independencia del marcador cuando se consideran 2 marcadores en un momento y se toma el resultado de los pacientes (correspondiente a las muestras corporales) en cuenta. La Tabla 7 detalla como el valor X2 se obtiene para ambas sub-poblaciones de pacientes con resultados buenos y malos para el par marcador particular. De conformidad con un ejemplo, el valor X2 se computó para ser 7.81 con una probabilidad de error (p) de 0.05. Además, los siguientes resultados pueden seguir: (1) si X2 Bueno<7.81 , entonces H0Bueno no puede rechazarse; (2) Si X2Bueno<7.81 , H0MaIo no puede rechazarse y los marcadores pueden considerarse independientes.

Los métodos descritos en este documento también pueden incorporarse en uno o más productos de programa de computadora apropiada ejecutable en un dispositivo de computadora (tal como un dispositivo de computadora en comunicación con un sistema de microscopio y/o sistema de análisis de imágenes apropiado para capturar una imagen de una diapositiva histológica marcada o diapositiva citológica) y capaz de llevar a cabo las varias funciones asociadas con los métodos y sistemas asociados descritos en este documento. Más particularmente, las etapas 120, 130, 140 y 150 de la modalidad del método ilustrado en las Figuras 1 y 4, pueden llevarse a cabo con un programa de computadora que tiene una o más porciones ejecutables para llevar a cabo o de otra manera dirigir las etapas del método para asumirse. Por ejemplo, en dichas modalidades del programa de computadora, las porciones ejecutables pueden llevar a cabo la etapa 120 mostrada en tas Figuras 1 y 4 mediante facilitar la comunicación entre un dispositivo de computadora (u otro dispositivo controlador) y un sistema de microscopio o sistema de análisis de imágenes apropiados para extraer una o más características descritas y detalladas en el apéndice de las características de ejemplo incluidas en este documento. Por ejemplo, una porción ejecutable ilustrada esquemáticamente por la etapa 120 que puede ser capaz de extraer los datos estadísticos (u otra característica cuantificable) de una imagen digital (obtenida vía un sistema de análisis de imágenes) de una diapositiva histológica marcada correspondiente a las características de marcado de un marcador particular.

Adicionalmente, las porciones ejecutables de los productos del programa de computadora de la presente invención también pueden llevar a cabo la etapa 130 mostrada en las Figuras 1 y 4 vía la aplicación sistemática de una pluralidad de diapositivas de manera que generen una secuencia de pronósticos candidatos correspondientes a cada una de la pluralidad de combinaciones de la pluralidad exhaustiva de las reglas de decisión (comprendiendo, en algunos casos, una evaluación sistemática de posibles inicios y/o reglas de afectación para una pluralidad de combinaciones del marcador y las caracteristicas de mismo.

De conformidad con algunas modalidades, las porciones ejecutables de los productos de programa de computadora de la presente invención también pueden realizar o facilitar la etapa 140 mostrada en las Figuras 1 y 4 y mediante calcular una pareja de especificidad y sensibilidad para cada uno de los pronósticos candidatos usando los resultados conocidos para cada uno de los pacientes correspondientes a la pluralidad de ranuras bajo investigación. Además, la porción ejecutable ilustrada esquemáticamente en la etapa 140 puede determinar una regla de decisión que corresponde a una pareja de sensibilidad y especificidad óptima y/o señalada.

Finalmente, como se muestra en la etapa 150 de la Figura 4, las porciones ejecutables de los productos del programa de computadora de la presente invención también puede dirigir y/o facilitar una determinación de la independencia del marcador de dos o más marcadores usando los análisis de chi cuadrada u otras técnicas como se describieron anteriormente en relación con las modalidades del método de la presente invención. Dichas determinaciones también pueden tomarse en cuenta para la prevalencia de ciertos resultados en la población de pacientes de los cuales la pluralidad de diapositivas (e imágenes de las mismas) se toman,.

Además, un experto en la técnica apreciará que las modalidades del producto del programa de computadora de la presente invención puede usarse para evaluar sistemáticamente las combinaciones complejas de los inicios, reglas de afectación y reglas de decisión basadas en la secuencia correspondiente que puede resultar cuando se evalúan los juegos de los marcadores de manera que se determine una combinación del marcador y la regla de decisión correspondiente al mismo que considerará y/o alcanzará un nivel de especificidad y sensibilidad óptima y/o señalada.

Un experto en la técnica apreciará que cualquiera o todas las etapas en los métodos de la invención podrían ¡mplementarse por el personal o alternativamente realizarse en un diseño automatizado. Además, las etapas de la preparación de la muestra corporal (ver la etapa 110, por ejemplo), el marcado de la muestra (ver la etapa 110, por ejemplo) y la detección de la expresión del biomarcador (ver la etapa 120, por ejemplo) pueden automatizarse. Además, en algunas modalidades, los métodos inmunohistoquímicos de la invención se usan junto con el equipo de formación de imágenes computarizado y/o el programa para facilitar la identificación de las células de marcación positiva por un patólogo. Los métodos descritos en este documento, también pueden combinarse con otros métodos de pronóstico o análisis (es decir, tamaño del tumor, estado del nodo de la linfa, niveles de expresión de otros biomarcadores (incluyendo, por ejemplo, Her2/neu, ki67, receptor de estrógenos (ER), receptor de progesterona (PR) y p53). De esta manera la optimización y evaluación de los biomarcadores usando los métodos descritos en este documento pueden facilitar la detección de la sobre expresión de los varios marcadores evaluados por la invención de manera que permita en una determinación más exacta el pronóstico de un paciente que sufre de una enfermedad que puede unirse a la sobreexpresión de uno o más de uno de los varios biomarcadores.

Además, muchas modificaciones y otras modalidades de la invención estarán en la mente de un experto en la técnica a la cual esta invención pertenece que tiene el beneficio de las enseñanzas presentadas en las descripciones precedentes y los dibujos asociados, los apéndices y ejemplos. Por lo tanto, se entiende que la invención no se limita a las modalidades específicas descritas y que las modificaciones y otras modalidades se intentan para incluirse dentro del alcance de las reivindicaciones anexas. Aunque los términos específicos se emplean en este documento, se usan en un sentido genérico y descriptivo solamente y no para propósitos de limitación. El siguiente ejemplo experimental describe el uso de las modalidades de la presente invención en la evaluación de un panel de ejemplo de 4 biomarcadores candidatos y las características de síntesis cuantificables de los mismos que pueden usarse en el establecimiento de los pronósticos para los pacientes con cáncer de mama. Se ofrece por medio de ilustración y no por medio de limitación.

EJEMPLO EXPERIMETAL: EVALUACIÓN DE UN PANEL DE BIOMARCADORES (SLPI, p21ras, E2F1 y src) PARA EL ESTABLECIMIENTO DE LOS PRONÓSTICOS DEL CÁNCER DE MAMA Introducción De conformidad con el ejemplo experimental incluido en este documento, las modalidades de la presente invención pueden usarse para evaluar una combinación de biomarcadores cuya sobreexpresión puede ser útil para establecer los diagnósticos y pronósticos para pacientes que tienen varios tipos de cáncer de mama. En el caso del ejemplo experimental en el apéndice y en otras modalidades de la presente invención, un panel de marcadores puede evaluarse para determinar una regla de decisión basada en la secuencia óptima. Por "cáncer de mama" se intenta por ejemplo, aquellas condiciones clasificadas por biopsia como patología maligna. La delineación clínica de los diagnósticos de cáncer de mama es bien conocida en las artes médicas. Un experto en la técnica apreciará que el cáncer de mama se refiere a cualquier malignidad del tejido de la mama, incluyendo por ejemplo, carcinomas y sarcomas. En modalidades particulares, el cáncer de mama es carcinoma ductal in situ (DCIS), carcinoma lobular in situ (LCIS) o carcinoma mucino. EL cáncer de mama también se refiere a infiltración ductal (IDC) o carcinoma de infiltración lobular (ILC). En la mayoría de las modalidades de la invención, el sujeto de interés es un paciente humano sospechoso de o actualmente diagnosticado con cáncer de mama.

El Comité de la Unión Americana sobre el Cáncer (AJCC) ha desarrollado un sistema estandarizado para escalonar el cáncer de mama usando una síntesis de clasificación "TNM". Los pacientes se valoran para el tamaño del tumor primario (T), estado del nodo de la linfa regional (N) y la presencia/ausencia de la metástasis distante (M) y posteriormente clasificados en estados 0-IV basado en esta combinación de factores. En este sistema, el tamaño del tumor primario es categorizado en una escala de 0-4 (TO = no evidencia del tumor primario; T1 = < 2 cm; T2 = > 2cm -< 5 cm; T3 = > 5 cm; T4 = tumor de cualquier tamaño con extensión hacia la pared del cuello o piel). El estado del nodo de la linfa se clasifica como N0-N3 (NO = modos de la linfa regional están libres de metástasis; N1 = metástasis para el nodo de la linfa axilar del mismo lado, movible; N2 = metástasis para el nodo de la linfa del mismo lado fijado a otra o a las otras estructuras; N3 = metástasis para los nodos de la linfa del mismo lado detrás del hueso del pecho). La metástasis se categoriza por la ausencia (MO) o la presencia de las metástasis distantes. Mientras la evaluación de los marcadores usados para establecer el pronóstico de los pacientes con cáncer de mama en cualquier estado clínico se contempla por la presente invención, la evaluación y optimización de marcadores usados para establecer un pronóstico para un paciente con cáncer de mama en el cáncer de mama en etapa temprana son de particular interés. Por "cáncer de mama en etapa temprana" se intentan las etapas 0 (cáncer de mama in situ); I (T1, NO, MO), HA (TO-1, N1, MO ó T2, NO, MO) y IIB (t2, N1 , MO ó T3, NO, MO). Los pacientes con cáncer de mama en etapa temprana exhiben poco o ningún envolvimiento del nodo de la linfa. Como se usa en este documento, "el envolvimiento del nodo de la linfa" o el "estado del nodo de la linfa" se refiere a si el cáncer tiene metástasis en los nodos de la linfa. Los pacientes con cáncer de mama se clasifican como "positivo de nodo de la linfa" o "negativo del nodo de la linfa" en su base. Los métodos para identificar a los pacientes y el escalonamiento de las enfermedades son bien conocidos y pueden incluir examen manual, biopsia, revisión de la historia familiar y/o del paciente y las técnicas de representación de imágenes, tales como mamografía, representación de imágenes de resonancia magnética (MRl) y tomografía de emisión de positrones (PET).

El término "pronóstico" se reconoce en la técnica y se abarcan las predicciones acerca del curso más probable del cáncer de mama o el progreso del cáncer de mama, particularmente con respecto a la probabilidad de la remisión de la enfermedad, la reincidencia de la enfermedad, la recurrencia del tumor, la metástasis y la muerte. Para los propósitos del ejemplo descrito en este documento, "buen pronóstico" se refiere a la probabilidad que un paciente afligido con cáncer de mama, continuará libre de la enfermedad (es decir, libre de cáncer) por al menos cinco años, mientras "pobre pronóstico" se intenta que signifique la probabilidad de una recaída o recurrencia del cáncer subyacente o tumor, metástasis o muerte dentro de menos de cinco años. Los pacientes con cáncer clasificados como teniendo un "buen resultado" continua libre del cáncer subyacente o tumor por al menos cinco años. En contraste, "mal resultado" pacientes con cáncer experimentan una recaída de la enfermedad, recurrencia del tumor, metástasis o muerte dentro de cinco años. Como se usa en este documento, el tiempo relevante para valorar el pronóstico o tiempo de supervivencia libre de la enfermedad inicia con la remoción quirúrgica del tumor o supresión, mitigación o inhibición del crecimiento tumoral.

Como se describió en este documento anteriormente, un número de factores del pronóstico del cáncer de mama y clínico se conocen en la técnica se usan para predecir la probabilidad del resultado del tratamiento y la recurrencia de la enfermedad. Dichos factores incluyen el envolvimiento del nodo de la linfa, el tamaño del tumor, el grado histológico, el estado del receptor de hormonas de progesterona y estrógenos (ER/PR), niveles Her2/neu y el ploide tumoral. Usando los métodos de la presente invención, la evaluación de una combinación de marcadores y una característica del mismo usado en el establecimiento del pronóstico de un paciente con cáncer de mama en etapa temprana puede llegarse a completar en una manera sistemática independiente de o en combinación con la valoración de estos u otros factores de pronóstico y clínicos.

Los métodos de la invención permiten la evaluación sistemática de los biomarcadores candidatos (y características de los mismos) para de esta manera proporcionar la valoración superior del pronóstico de cáncer de mama en comparación al análisis de otros indicadores de pronóstico conocidos (es decir, envolvimiento del nodo de la linfa, el tamaño del tumor, el grado histológico, los niveles del receptor de progesterona y estrógenos, el estado Her 2/neu, el ploide tumoral y la historia familiar).

El cáncer de mama se maneja por varias estrategias alternativas que pueden incluir por ejemplo, cirugía, terapia por radiación, terapia con hormonas, quimioterapia o algunas combinaciones del mismo. Como se conoce en la técnica, las decisiones de tratamiento para los pacientes con cáncer de mama individuales pueden basarse en el número de nodos de la linfa involucrados, el estado del receptor de progesterona y estrógenos, estado Her 2/neu, ploide tumoral e historia familiar).

El cáncer de mama se maneja por varias estrategias alternas que pueden incluir, por ejemplo, cirugía, terapia por radiación, terapia por hormonas, quimioterapia o alguna combinación de las mismas. Como se conoce en la técnica, las decisiones de tratamiento para los pacientes con cáncer de mama pueden basarse en el número de nodos de linfa involucrados, el estado del receptor de progesterona y estrógenos, el tamaño del tumor primario y el estado de la enfermedad en el diagnóstico. La estratificación de los pacientes en el pobre pronóstico o buen pronóstico en grupos de riesgo en el momento del diagnóstico usando los métodos descritos en este documento pueden proporcionar un factor para toma de decisiones del tratamiento alterno o adicional. Los métodos de la invención permiten el análisis y evaluación de los biomarcadores candidatos usados para diferenciar aquellos pacientes con cáncer de mama con un buen pronóstico para aquellos más comúnmente que sufren de una recurrencia (es decir, pacientes quienes necesitan o se benefician del tratamiento agresivo adicional en el tiempo del diagnóstico). Los métodos de la invención encuentran uso particular en la selección de los biomarcadores apropiados, las características del mismo y los inicios de las características de manera que maximicen el valor pronóstico de un biomarcador candidato (o panel de biomarcadores) en el establecimiento de un pronóstico más exacto de un paciente con cáncer de mama en etapa temprana. Como se describió anteriormente, la mayoría de los pacientes con cáncer de mama diagnosticados en una etapa temprana de la enfermedad disfrutan de supervivencia a largo plazo seguida de la cirugía y/o terapia por radiación sin terapia adjunta adicional. Un porcentaje significante (aproximadamente 20%) de estos pacientes, sin embargo, sufrirá de recurrencia de la enfermedad o muerte, conduciendo a recomendaciones clínicas que algunos o todos los pacientes con cáncer de mama en etapa temprana deberían recibir terapia adyuvante (es decir, quimioterapia). Los métodos de la presente invención encuentran uso en la evaluación de los biomarcadores y caracteristicas de los mismos que pueden remarcar este alto riesgo, la población con pobre pronóstico de pacientes con pacientes con cáncer de mama en etapa temprana y por lo tanto determinando que pacientes se beneficiarían de la terapia más agresiva y/o continuada y el monitoreo cercano siguiendo el tratamiento.

En este ejemplo experimental, los métodos de la presente invención se usaron para evaluar un panel de 4 biomarcadores candidatos (SLPI, p21ras, E2F1 y src) y una característica de síntesis simple correspondiente a cada biomarcador (extraída usando un sistema de procesamiento de imágenes). El ejemplo muestra la determinación de una regla de decisión basada en la secuencia óptima de conformidad con una modalidad de la presente invención. Las características usadas en el ejemplo se relacionan la porcentaje de 1+, 2+ y 3+ células en las regiones del tumor del cáncer de mama identificadas como regiones de interés (ROÍ) por un patólogo. Con base en estas características, las parejas de sensibilidad y especificidad se maximizaron para las combinaciones de la característica/marcador seleccionado usando reglas de decisión basadas en la secuencia óptima (consistiendo de los inicios y las reglas de afectación).

Materiales y Métodos En este ejemplo experimental, más de 200 pacientes se analizaron para evaluar y optimizar diferentes combinaciones de característica y marcador diferentes para establecer los pronósticos de cáncer de mama. Como se resume en la Tabla 4, esta población de pacientes es muy heterogénea y exhibe los tumores en diferentes etapas oscilando de T1 N0 a T3N0. La característica señalada del pacientes es su estado de buen resultado o mal resultado. Los pacientes con buen resultado fueron aquellos aún libres de la enfermedad después de cinco años; los pacientes con mal resultado se definieron como los pacientes con recurrencia o muerte dentro de cinco años. Las muestras corporales y las diapositivas correspondientes tomadas de los mismos de cada pacientes para proporcionan las muestras corporales teniendo un resultado conocido tal como las parejas de sensibilidad y especificidad podrían determinarse para cada posible combinación del marcador/característica/inicio como se describió anteriormente.

Las muestras corporales del estudio (de la población del mismo paciente señaladas en la Tabla 4) posteriormente se expusieron al panel de los 4 biomarcadores (ver la Tabla 5) y las diapositivas correspondientes se produjeron de manera que sometan las diapositivas marcadas a los métodos de la presente invención. Las siguientes etapas señalan el método de la presente invención como se aplica en este ejemplo experimental: (1 ) la separación de cromagen se optimizó para cada marcador que mostró la mejor calidad de marcación (de conformidad con los métodos de separación cromagen de la aplicación '446 y la aplicación 729); (2) la configuración de segmentación se personalizó para cada marcador de conformidad con su localización sub-celular, ver la Tabla 1 (núcleo, citoplasma o membrana). (Ver también las características NUCL, CYTO y MEMB resaltadas en el apéndice anexo de las características de ejemplo) y (3) las características se extrajeron en la célula, campo de vista (FOV) y nivel de foco, dentro del ROÍ definido y exportado a un archivo de salida (formato XML).

Un producto de programa de computadora específico de conformidad con una modalidad de la presente invención (en este ejemplo nombrado "Analizador Multimarcador" ) posteriormente se usó para completar la evaluación y optimización de las combinaciones del marcador. De conformidad con una modalidad, el producto del programa de computadora se configura para ser capaz de cargar todo o una porción de micro-series de tejido (TMA) o archivos de sección de tejido XML generadas usando el microscopio para combinar los datos obtenidos en estos archivos usando los archivos XML que describen las claves TMA (en el caso de un análisis TMA) o los archivos Excel dando el estado clínico del paciente y la evaluación del paciente (en el caso de un análisis de sección del tejido) y todos los análisis adicionales. Este proceso de combinación consiste en la asociación de las características extraídas vía microscopio para cada muestra corporal (correspondiente a cada paciente) con la información conservada en la clave TMA (o el archivo Excel) cerca de paciente: número de identificación y estado médico (incluyendo resultados Buenos o Malos) y la evaluación patológica si no se incluye en el archivo formateado XML.

La Tabla 5 lista los marcadores evaluados en este ejemplo (SLPI, p21ras, E2F1 y src) y las características de síntesis CELL_PORCENTAJE correspondientes extraídas de cada tipo de marcador (este ejemplo muestra el establecimiento de una regla de decisión basada en secuencia para cuatro marcadores en donde los inicios de la característica simple/marcador simple se analizan para determinar una regla de decisión basada en la secuencia óptima). La regla de decisión se creó usando los métodos de la presente invención señaladas en la Figura 1 en donde los pronósticos predichos (para cada secuencia posible de marcadores, en donde cada marcador está "encendido" (1) o "apagado" (0). Para determinar los inicios para la característica evaluada para cada marcador particular (ver la Tabla 5) de cada cantidad de inicio posible (de 0 a 100%9 se analizó y se comparó en los resultados para los varios pacientes en el estudio de los cuales las muestras corporales para el ejemplo se tomaron. Por ejemplo, la Figura 5 muestra las curvas de distribución para CELL_PORCENTAJE_2 correspondiente al marcador E2F1. La representación muestra la distribución de los pacientes con resultado malo 520 y la distribución de los pacientes con buen resultado 510 como una función de los valores CELL_PORCENTAJE_2. Como se muestra en la Figura 5, arriba del límite de porcentaje 2-3, los pacientes con resultado malo (520) son significativamente más frecuentes que los pacientes con buen resultado (510). Usando un inicio 550 de 2.46% proporcionaría sensibilidad y especificidad de 0.54 y 0.75, respectivamente con el uso del marcador E2F1 solo o como un indicador de pronóstico. La Columna 3 de la Tabla 5 muestra la regla de decisión resultante determinada por el marcador E2F1 de los datos en la Figura 5 (que incluye tanto el inicio de 2.46% y la regla de afectación ("encendido" si es mayor que 2.46% CELL_PORCENTAJE_2) para E2F1).

Los pronósticos candidatos (correspondientes a cada combinación posible de secuencias) se generó y posteriormente se comparó a los resultados reales para cada una de las muestras corporales siendo evaluadas usando el sistema de cuadrantes en la Figura 2 para determinar el número de positivos verdaderos 210, positivos falsos 220, negativos falsos 230 y los negativos verdaderos 240. Como se describe en mayor detalle, una vez que se represente en los cuadrantes apropiados, los valores de especificidad y sensibilidad correspondientes a cada regla de decisión posible se computan (los resultados de dichas computaciones se muestran en la Tabla 6). La regla de decisión basada en la secuencia determinada de los datos de la Tabla 6 puede leerse como sigue: si E2F1 está ENCENDIDO (es decir 1), y solamente un marcador está ENCENDIDO entonces el paciente se considera con mal resultado, buen resultado de otra manera.

Resultados: Usando solamente una característica de porcentaje para SLPI, p21ras, E2F1 y src con los inicios y la regla de decisión definida en la Tabla 5, 60% de sensibilidad y 80% de especificidad se alcanzan en este juego de muestra usando una regla de decisión basada en secuencia simple: si E2F1 está ENCENDIDA (es decir 1) y no solamente un marcador esta ENCENDIDO entonces el pronóstico óptimo para el paciente es un mal resultado. Por lo tanto, el pronóstico para el paciente es de otra manera un buen resultado.

Como se describió anteriormente, una regla de decisión de pronóstico basado solamente en E2F1 proporcionaría sensibilidad y especificidad de 54% y 75% respectivamente. Sin embargo, usando una combinación del marcador basado en la interpretación cuando E2F1 está ENCENDIDO y SLPI, p21ras o src está ENCENDIDO conduce a 60% de sensibilidad y 80% de especificidad (usando el algoritmo de decisión basado en la secuencia definida por los resultados de la Tabla 6).

APÉNDICE: CARACTERÍSTICAS DEL EJEMPLO Las siguientes características son indicativas de los tipos de características cuantificables que pueden extraerse de una imagen de una muestra corporal (tal como una diapositiva histológica marcada o una dispositiva citológica) usando un sistema de formación de imágenes o sistema de video-microscopia en comunicación con, por ejemplo un controlador tal como un dispositivo computado Por lo tanto, las siguientes características pueden extraerse y/o computarse usando las modalidades del producto del programa de computadora descritas en este documento. En algunas modalidades, las siguientes características pueden computarse y/o combinarse de manera que se construyan las características de síntesis que pueden ser más fácilmente usadas por un médico para cuantificar un valor que corresponde a un indicador de pronóstico para una enfermedad particular que puede unirse a la sobreexpresión (y resultando en el marcado con tinte) de una molécula blanco particular.

Deberá entenderse que el siguiente apéndice de características se ofrece por medio de ilustración y no por medio de limitación. Un experto en la técnica apreciará qua las características pueden ser de interés y que pueden extraerse y analizarse de manera que evalúen uno o más marcadores usando los métodos y las modalidades del producto de programa de computadora de la presente invención.

A. Características de Descripción de la Forma: 1. AREA Este es el número de los píxeles de primer plano en una mancha (los orificios no se cuentan), cuya máscara (representación binaria) es M. Cuando el píxel para la correspondencia del micrón está disponible (k) representa el área física de la mancha (M) en la diapositiva (micrómetros2). Si no hay correspondencia física del píxel para el micrón (k) está disponible el ÁREA que es el número de píxeles medidos (k =1). con E = {p\p e M } el Rango es [0, 8[ 2. PERÍMETRO Este es la longitud total de los bordes en una mancha (¡ncluyendo los bordes de cualquier orificio)) cuya máscara (representación binaria) es M, con una tolerancia hecha para el efecto de escalera que se produce cuando los bordes diagonales se digitalizan (las esquinas internas se cuentan como J2 más que 2). Una mancha de un solo píxel (área = 1) tiene un perímetro de 4.0. Cuando la correspondencia del píxel al micrón está disponible (k) representa el perímetro físico de la mancha (M) en la diapositiva (micrómetros). Si no hay correspondencia física del píxel para el micrón disponible (ik=1). (10) si p Interior y p es una Esquina entonces también q (n p) = 4 - T (t, /, r, b) El rango es [0, 8[ 3. MINFERET Este es el diámetro Feret más pequeño (diámetro de enlace mínimo de un recuadro rectangular ajustando el objeto, encontrado después de verificar un cierto número de ángulos).

Cuando la correspondencia del píxel al micrón está disponible (k) representa el diámetro Min Feret físico de la mancha (M) en la diapositiva (micrometros). Si no está disponible la correspondencia física del píxel al micron (K = 1). El rango es [0, 8[ 4. MAXFERET Este es el diámetro Feret más grande (diámetro de límite máximo de un recuadro rectangular ajustando el objeto, encontrado después de la verificación de un cierto número de ángulos). Cuando la correspondencia del píxel al micrón está disponible (k) representa el diámetro Feret Max físico de la mancha (M) en la diapositiva (micrómetros). Si no está disponible la correspondencia física del píxel al micrón (k=1). El rango es [0, 8[ 5. COMPACTO Este valor es mínimo para un círculo (1.0) y se deriva del perímetro (P) y el área (A). Entre mayor sea la forma complicada, mayor será el valor.

Compacto 4mi (11) El rango es [1 , 8[ 6. DUREZA Esta es una medida de cómo la dureza de la mancha es y es igual al perímetro (P) dividido por el perímetro convexo (Pc). Un objeto convexo liso tendrá una dureza mínimo de 1.0 m = JL (12) JA El rango es [0,1] 7. PROLONGACIÓN Este valor es igual a la Longitud/Ancho verdadera. Deberá usarse para objetos delgados grandes. El rango es [0, 8[ B. Características de la Descripción del Histoqrama 1. SUMA La SUMA es la suma de todos los resultados de píxeles individuales.

El rango es [0, 8[ para las transmisiones y para las densidades ópticas 2. MEDIA La media aritmética es la que comúnmente se llama el promedio: Cuando la palabra "media" se usa sin un modificador, puede asumirse que se refiere a la media aritmética. La media es la suma de todos los resultados divididos por el número de resultados. La media es una buena medida de tendencia central para las distribuciones aproximadamente simétricas pero pueden equivocarse en las distribuciones oblicuas dado que pueden influenciarse grandemente por los resultados extremos. Por lo tanto, otras estadísticas tales como la mediana pueden ser más informativas para las distribuciones tal como el tiempo de reacción o el ingreso familiar que son frecuentemente muy oblicuas.

La suma de las desviaciones cuadradas de los resultados de su media es menor que las desviaciones cuadradas de cualquier otro número.

Para las distribuciones normales, la media es la más eficiente y por lo tanto el último sujeto para las fluctuaciones de la muestra de todas las medidas de tendencia central.

Medía =^=ÜS lí. |_4) N El rango es [0,1] para las transmisiones El rango es [0.0000,2.4065] para las densidades ópticas 3. MIN El min es el valor más pequeño de una distribución.

El rango es [0,1] para las transmisiones El rango es [0.0000,2.4065] para las densidades ópticas 4. Q1 El Q1 es 25 percentil de una distribución. 25% de los resultados se muestran debajo de Q1 y 75% están arriba de Q1.

S225 , , .- El rango es [0,1] para las transmisiones El rango es [0.0000,2.4065] para las densidades ópticas 5. MEDIANA La mediana es la mitad de una distribución: la mitad de los resultados que están arriba de la mediana y la mitad están debajo de la mediana. La mediana es menos sensitiva a los resultados extremos que la media y esto hace una medición mejor que la media para ias distribuciones altamente oblicuas.

La suma de las desviaciones absolutas de cada número de la mediana es menor que la suma de las desviaciones absolutas de cualquier otro número.

La media, la mediana y el modo son iguales en las distribuciones simétricas. La media es mayor que la mediana en las distribuciones positivamente oblicuos y menores que la mediana en las distribuciones negativamente oblicuas. con /V= ?^¿0') El rango es [0,1] para las transmisiones El rango es [0.0000,2.4065] para densidades ópticas 6. Q3 Q3 es el 75 percentil de una distribución. 75% de los resultados están debajo de Q3 y 25% están arriba de Q3. 7. MAX El max es el valor más grande de una distribución El rango es [0,1] para las transmisiones El rango es [0.0000,2.4065] para las densidades ópticas 8. MODO El modo es el resultado de ocurrencia más frecuente en una distribución y se usa como una medida de tendencia central. La ventaja del modo como una medida de tendencia central es que su significado es obvio. Además, es solamente la medida de tendencia central que puede usarse con los datos nominales.

El modo es grandemente sujeto a las fluctuaciones de muestra y por lo tanto no recomendado para usarse como solamente la medición de la tendencia central. Una desventaja adicional del modo es que muchas distribuciones tienen más de un modo. Estas distribuciones se llaman "multimodales".

En una distribución normal, la media, mediana y el modo son idénticos.

El rango es [0,1] para las transmisiones El rango es [0.0000,2.4065] para las densidades ópticas 9. TRIMEDIA La trimedia se computa mediante agregar 25 percentil + dos veces el 50 percentil (media) + el 75 percentil y dividiéndolos por cuatro.

La trimedia es casi tan resistente para los resultados extremos como la mediana y es menos sometida a las fluctuaciones de muestreo que la media aritmética en las distribuciones oblicuas. Es menos eficiente que la media para las distribuciones normales.

TriMedia El rango es [0,1] para las transmisiones El rango es [0.000,2.4065] para las densidades ópticas 10. MEDIA50EQUILIBRADA Una media equilibrada se calcula mediante descartar un cierto porcentaje de los resultados más bajos y más altos y posteriormente se computa la media de los resultados restantes. Una media equilibrada 50% se computa mediante descartar lo más bajo y lo más alto 25% de los resultados y tomando la media de los resultados restantes. La mediana es la media equilibrada 100% y la media aritmética es la media equilibrada 0%.

Una media equilibrada es obviamente menos susceptible a los efectos de los resultados extremos que es la media aritmética. Es por lo tanto menos susceptible a la fluctuación de muestreo que la media para las distribuciones oblicuas. Es menos eficiente que la media para la distribución normal.

TríMediaEstabífizad El rango es [0,1] para las transmisiones El rango es [0.0000,2.4065] para las densidades ópticas 11. RANGO El rango es la medición más simple de la extensión o dispersión: Es igual a la diferencia entre los valores más grandes y los más pequeños. El rango puede ser una medición útil de la extensión porque es más fácilmente entendida. Sin embargo es muy sensible para los resultados extremos dado que se basa en solamente dos valores. El rango deberá casi usarse como solamente la medida de extensión pero puede ser informativo si se usa como suplemento para otras medidas de extensión tal como desviación estándar o el rango semi-intercuartil.

Rango = Max - Min 23) El rango es [0,1] para las transmisiones El rango es [0.0000,2.4065] para las densidades ópticas. 12. RANGOSEMICUARTIL El rango semi-intercuartil es una medición de extensión o dispersión. Se computa como una mitad de la diferencia entre el 75 percentil [comúnmente llamado (Q3)] y el 25 percentil (Q^.

Dado que la mitad de los resultados en una distribución cae entre Q3 y Q1, el rango semi-intercuartil es Vz la distancia necesaria para cubrir 14 de los resultados. En una distribución simétrica, un intervalo extendiéndose desde un rango semi-intercuartil debajo de la mediana para un semi-intercuartil arriba de la mediana contendrá ? de los resultados. Sin embargo esto no será verdadero para una distribución oblicua.

El rango semi-intercuartil se afecta poco por los resultados extremos, de manera que es una buena medición de la extensión para las distribuciones oblicuas. Sin embargo, se somete más a la fluctuación de muestreo en las distribuciones normales que es la desviación estándar y por lo tanto no comúnmente usadas para los datos que son aproximadamente normalmente distribuidos. ñangoSemUmerCuartU El rango es [0,1] para las transmisiones El rango es [0.0000,2.4065] para las densidades ópticas. 13. VARIANZA La varianza es la medición de cómo se extiende una distribución. Se computa como la desviación cuadrada promedio de cada número de su media.

El rango es [0, 8[ 14. STDEV Esta característica estima la desviación estándar basada en una muestra. La desviación estándar es una medición de cómo los valores ampliamente se dispersan del valor promedio (la media). La desviación estándar es la raíz cuadrada de la varianza. Es la medición más comúnmente usada de extensión.

Aunque menos sensible para los resultados extremos que el rango, la desviación estándar es más sensible que el rango semi-intercuartil. Además, el rango semi-intercuartil deberá suplementar la desviación estándar cuando la posibilidad de los resultados extremos está presente. 15. OBLICUIDAD Esta característica regresa la oblicuidad de una distribución. La oblicuidad caracteriza el grado de asimetría de una distribución alrededor de su media. Una distribución es oblicua si una de sus colas es mayor que la otra. La oblicuidad positiva indica una distribución con una cola asimétrica extendiéndose hacia valores más positivos. La oblicuidad negativa indica una distribución con una cola asimétrica extendiéndose hacia valores más negativos. (27) El rango es ]-8, +8[ con S es la desviación estándar muestra 16. KURTOSIS Esta característica regresa la kurtosis de un juego de datos. La kurtosis caracteriza el pico o el plano relativo de una distribución comparada con la distribución normal. La kurtosis positiva indica una distribución relativamente en pico. La kurtosis negativa indica un distribución relativamente plana. La kurtosis se basa en el tamaño de una cola de la distribución.

Ki -t?SÍS (28) El rango es ]- 8, +8[ S es la desviación estándar muestra.

C. Transmisión y Características de la Densidad Óptica (TRANS. OD y otras) 1. TRANS - Transmisión La transmisión es la proporción del radiante total o el flujo luminoso transmitido por un objeto transparente para el flujo incidente, usualmente dado para la incidencia normal. j Ítems* m El rango es [0,1] Dentro de las imágenes, la transmisión se discretiza en 8 bits conduciendo a 256 valores dentro del rango [0,225]. Si la computación subyacente se basa en los valores discretos, las características computadas se expresan sin embargo dentro del rango [0,1], de 0% a 100% de la transmisión. (30) 2. OD - Densidad óptica La densidad óptica se relaciona a la transmisión como el valor negativo de su logaritmo. Dentro de las imágenes, la transmisión se discretiza en 8 bits conduciendo a 256 valores dentro del rango [0,225]. (31) El rango es [0.0000,2.4065] debido a la discretización de 8 bits de transmisiones.

Los estabilizadores de la imagen OD temporales también son estabilizadores discretos.

Si el computo subyacente se basa en dichos valores discretos, las características computadas se expresan sin embargo de conformidad con los valores OD reales oscilando desde 0 al infinito (teórico), vaciado en los límites superiores a 2.4065 en la práctica debido a la limitación de 8 bits. 3. Luminancia y las Características del Tinte (LUMIN, TINTE1 , TINTE2, TINTE3) Las características del histograma computadas en la Transmisión o los histogramas de la densidad óptica reflejan la Luminancia ("LUMIN") de la imagen RGB del Tinte de interés calculado después de resolver el modelo del cromagen para el valor del píxel (R, G, B) ("T1NTE1", "TINTE2" ó "TINTE3"). El modelo de separación del cromagen RGB se describe por ejemplo en la aplicación '446 y la aplicación 729.

LUMIN (Y) = 0.299 R 0.587 + 0.114B ecuaciones del punto de flotación convencional (33) LUMIN (Y) = [(9798R + 19235G + 3736 B)/32768] las Ecuaciones usadas por el código (34) Nota: Errores del cromaqen. confidencia del tinte Cuando se resuelven, el modelo de separación cromagen RGB evalúa un error de reconstrucción, que es la distancia Euclidiana dentro del espacio RGB entre el valor de entrada RGB del píxel y el valor RGB recomputado con base en la reconstrucción del valor RGB de cada distribución de tinte. Este error puede evaluarse para cada píxel del objeto de interés reportado usando los métodos y aparatos del modelo de separación del cromagen RGB arriba referenciado.

Dependiendo del error de cromagen medido para cada valor RGB y el nivel de ruido (RUIDO) registrado dentro del sistema óptico cuando se adquiere la imagen de referencia blanca usada para realizar la corrección de la profundidad y la normalización de la imagen, una confidencia se computa para cada tinte con base en la probabilidad que la transmisión evaluada para este píxel no variaría estadísticamente más que la habilidad del ojo humano para discriminar entre las diferentes transmisiones.

D. Características de Descripción de Jerarquía Cuando se computan las características relativas a los objetos jerárquicos diferentes (tales como una célula, membrana celular, núcleo u otros objetos) dentro de una diapositiva (tal como una diapositiva histológica) o imagen de una diapositiva, las características pueden evaluarse con respecto a los siguientes campos de referencia jerárquica: la diapositiva (DIAPOSITIVA), el foco (FOCO), el campo de vista (FOV) o la célula (CÉLULA) relativa a este objeto. • * Diapositiva: "DIAPOSITIVA" y relacionadas "FOCO", "FOV", "CÉLULA" • Enfoque: "FOCO" y relacionadas "FOV", "CÉLULA" • Campo de Vista: "FOV" y relacionadas "CÉLULA" • Célula: "CÉLULA" E. Características de la Descripción Celular Cuando se computan, las características celulares, las características se reflejan en una o más de las siguientes ubicaciones celulares o sub-celulares: la célula completa (CÉLULA), el núcleo (NÚCLEO), el citoplasma (CYTO) o la membrana celular (MEMB). • Célula completa: "CÉLULA" • Núcleo: "NÚCLEO" • Citoplasma: "CYTO" • Membrana: "MEMB" APÉNDICE DE TABLAS Tabla 1 : Lista de marcadores ejemplarizadores y su localización sub-celular respectiva Nombre del Marcador Ubicación E2F1 Núcleo MUC-1 (IF3.9) Membrana NDRG-1 (ZYMED CAP43) Citopl asma (Núcleo + Membrana) p21ras Citoplasma p53 Núcleo Fosfo p27 Citoplasma (Núcleo) PSM9 (3a2.4) Citoplasma SLPI (5G6.24) Citoplasma src Citoplasma Tabla 2: Configuraciones del despachador resultando en la afectación de las células seleccionadas en la categoría 1 , 2 ó 3 Tabla 3: Características de Síntesis del Porcentaje Tabla 4: Descripción y Resultados de los Pacientes de los cuales las Muestras Corporales se Toman (Ejemplo Experimental) Tabla 5: Características de Síntesis del Porcentaje para el Ejemplo Experimental (mostrando los valores de inicio determinados por la regla de decisión basada en la secuencia Tabla 6: Parejas de Sensibilidad y Especificidad usando el avance de la interpretación de secuencia para la combinación SLPI, p21ras, E2F1 y SRC del Ejemplo Experimental (Secuencia S0110 deberá leerse como sigue: SLPI = APAGADO/p21ras= ENCENDIDO/E2F1 =ENCENDIDO/src=APAGADO) Tabla 7: Detalles de las fórmulas X2 resultando en el computo de un valor X2 para los pacientes con buen resultado (X2bueno) y un valor X2 para los pacientes con mal resultado (X2ma?0) Todas las publicaciones y solicitudes de patente mencionadas en la solicitud son indicativas del nivel de aquellos expertos en la técnica a la que pertenece la invención. Todas las publicaciones y las solicitudes de patente se incorporan en este documento como referencia a la misma extensión como si cada publicación individual o aplicación de patente fue indicada específicamente e individualmente para incorporarse como referencia.

Aunque la invención precedente se ha descrito en mayor detalles por medio de ilustración y ejemplo para propósitos de claridad de entendimiento, será obvio que ciertos cambios y modificaciones pueden practicarse dentro del alcance de las modalidades anexas.

Claims (27)

REIVINDICACIONES

1. Un método para analizar al menos un marcador para determinar un pronóstico de un paciente con cáncer, dicho método comprende: exponer una muestra corporal a al menos un marcador, la muestra corporal tomada del paciente con cáncer; extraer al menos una característica cuantificable de una imagen tomada de al menos una diapositiva usando un sistema de procesamiento de imagen, al menos una característica cuantificable siendo determinada al menos en parte de una separación del cromogen de la imagen, al menos una diapositiva siendo preparada de la muestra corporal, aplicar una regla de decisión a al menos una característica cuantificable de manera que determine el pronóstico del paciente con cáncer con base en una relación entre al menos una característica cuantificable y la regla de decisión.

2. Un método de conformidad con la reivindicación 1 , en donde la etapa de aplicación además comprende aplicar un inicio para la menos una característica cuantificable para de esta manera determinar el pronóstico del paciente con cáncer con base en una relación entre al menos una característica cuantificable y el inicio.

3. Un método de conformidad con la reivindicación 2, en donde la etapa de aplicación además comprende aplicar una regla de afectación para el inicio, la regla de afectación siendo capaz de establecer un buen pronóstico o un mal pronóstico correspondiente a un valor de al menos una característica cuantificable en relación al inicio.

4. Un método de conformidad con la reivindicación 1 , en donde la etapa de extracción además comprende identificar una región de interés de la cual se extrae al menos una característica cuantificable, la región de interés estando dentro de la imagen tomada de la menos una diapositiva usando el sistema de procesamiento de imágenes.

5. Un método de conformidad con la reivindicación 1 , en donde al menos un marcador se selecciona del grupo que consiste de: biomarcadores colorimétricos; SLPI; PSMB9; NDRG-1; Muc-1 ; Fosfo-p27; src; E2F1 ; p21ras; p53 y combinaciones de los mismos.

6. Un método de conformidad con la reivindicación 1 , en donde al menos una característica cuantificable se selecciona del grupo que consiste de: transmisión densidad óptica morfología celular porcentaje de los tipos celulares caracterizado por la intensidad del marcador y la morfología celular y combinaciones de los mismos.

7. Un producto de programa de computadora capaz de controlar un sistema de procesamiento de imágenes para analizar al menos un marcador para determinar un pronóstico de un paciente con cáncer, el producto de programa por computadora comprendiendo un medio de almacenaje legible por computadora teniendo porciones de código de programa legible por computadora almacenados en el mismo, las porciones del código de programa legible por computadora comprendiendo: una porción ejecutable para extraer al menos una característica cuantificable de una imagen tomada de la menos una diapositiva usando un sistema de procesamiento de imágenes, al menos una característica cuantificable siendo determinada al menos en parte de una separación de cromogen de la imagen, al menos una diapositiva siendo preparado desde una muestra corporal tomada del paciente con cáncer, la muestra corporal siendo expuesta a al menos un marcador y una porción ejecutable para aplicar una regla de decisión a al menos una característica cuantificable de manera que determine el pronóstico del paciente con cáncer con base en una relación entre al menos una característica cuantificable y la regla de decisión.

8. Un producto de programa por computadora de conformidad con la reivindicación 7, en donde la porción ejecutable para la aplicación además comprende una porción ejecutable para aplicar un inicio a al menos una característica cuantificable de manera que determine el pronóstico del paciente con cáncer con base en una relación entre al menos una característica cuantificable y el inicio.

9. Un producto de programa por computadora de conformidad con la reivindicación 8, en donde la porción ejecutable para la aplicación además comprende una porción ejecutable para aplicar una regla de afectación para el inicio, la regla de afectación siendo capaz de establecer un buen pronóstico o un mal pronóstico correspondiente a un valor de al menos una característica cuantificable en relación al inicio.

10. Un método para evaluar al menos un marcador adaptado para determinar un pronóstico de un paciente con cáncer, dicho método comprendiendo: exponer una pluralidad de muestras corporales a al menos un marcador, la pluralidad de muestras corporales siendo tomada de una pluralidad correspondiente de pacientes, cada paciente teniendo un resultado conocido; extraer al menos una característica cuantificable de una imagen tomada de cada una de la pluralidad de diapositivas usando un sistema de procesamiento de imágenes, al menos una característica cuantificable siendo determinada en al menos en parte de una separación de cromogen de la ¡magen, la pluralidad de diapositivas siendo preparada de la pluralidad de muestras corporales correspondientes a cada paciente; aplicar una pluralidad de reglas de decisión candidatas a al menos una característica cuantificable de cada una de las pluralidades de diapositivas de manera que proporcionen un pronóstico candidato para cada una de las pluralidades de combinaciones de la pluralidad de reglas de decisión candidatas y al menos una característica cuantificable y seleccionar una regla de decisión óptima correspondiente a un pronóstico óptimo, la regla de decisión óptima siendo seleccionada de las reglas de decisión candidatas, para al menos una característica cuantificable, la regla de decisión óptima proporcionando ese pronóstico óptimo para cada una de las pluralidades de diapositivas opcionalmente correspondientes al resultado conocido para cada una de las pluralidades de pacientes.

11. Un método de conformidad con la reivindicación 10, en donde la etapa de aplicación además comprende aplicar una pluralidad de inicios candidatos para al menos una característica cuantificable de manera que genere una pluralidad de pronósticos candidatos correspondientes a cada una de las pluralidades de inicios candidatos para cada una de las pluralidades de las muestras corporales y en donde la etapa de selección además comprende seleccionar un valor de inicio óptimo de la pluralidad de inicios candidatos tal como el pronóstico óptimo para cada una de las pluralidades de las diapositivas que opcionalmente corresponden al resultado conocido para cada una de las pluralidades de pacientes.

12. Un método de conformidad con la reivindicación 11 , en donde la etapa de aplicación además comprende determinar una regla de afectación para cada una de las pluralidades de los inicios candidatos, la regla de afectación siendo capaces de establecer un buen pronóstico o un mal pronóstico correspondiente a un valor de al menos una característica cuantificable en relación a cada una de las pluralidades de inicios candidatos.

13. Un método de conformidad con la reivindicación 10, en donde la etapa de selección además comprende: determinar una pluralidad de parejas de especificidad y sensibilidad correspondiente a cada una de las pluralidades de las reglas de decisión candidatas; representar la pluralidad de parejas de especificidad y sensibilidad en un receptor operando la curva característica; computar una pluralidad de distancias Euclidianas entre cada una de la pluralidad de las parejas de especificidad y sensibilidad y una pareja de especificidad y sensibilidad óptima y seleccionar la regla de decisión óptima correspondiente a una pareja de especificidad y sensibilidad teniendo una distancia Euclidiana mínima para la pareja de especificidad y sensibilidad óptima.

14. Un método de conformidad con la reivindicación 10, en donde la etapa de extracción además comprende identificar una región de interés de la cual se extrae al menos una característica cuantificable, la región de interés estando entre la imagen tomada de cada una de una pluralidad de dispositivas usando el sistema de procesamiento de imágenes.

15. Un método de conformidad con la reivindicación 10, que además comprende evaluar la independencia estadística de la menos un marcador para de esta manera asegurar que al menos un marcador es capaz de proporcionar un pronóstico que es sustancialmente estadísticamente independiente de al menos un marcador complementario.

16. Un método de conformidad con la reivindicación 15, en donde la etapa de evaluación además comprende: comparar una distribución de frecuencia de resultados observados a una distribución de frecuencia de pronósticos teóricos computados asumiendo que al menos un marcador es independiente de un marcador adicional para una primera pluralidad de muestras corporales expuestas a al menos un marcador y al menos un marcador complementario, la primer pluralidad de muestras corporales correspondientes a los pacientes teniendo un resultado bueno conocido; comparar una distribución de frecuencia de resultados observados para una distribución de frecuencia de pronósticos teóricos computados asumiendo que al menos un marcador es independiente del marcador adicional para una segunda pluralidad de muestras corporales expuestas a al menos un marcador y al menos un marcador complementario, la segunda pluralidad de muestras corporales correspondiente a los pacientes teniendo un resultado malo conocido; comprobar la independencia de al menos un marcador con respecto a al menos un marcador complementario.

17. Un método de conformidad con la reivindicación 16, en donde la etapa de comprobación además comprende examinar la independencia de al menos un marcador con respecto a al menos un marcador complementario usando un análisis de chi cuadrada.

18. Un método de conformidad con la reivindicación 10, en donde al menos un marcador se selecciona del grupo que consiste de: biomarcadores colorimétricos; SLPI; PSMB9; NDRG-1; Muc-1 ; Fosfo-p27; src; E2F1; p21ras; p53 y combinaciones de los mismos.

19. Un método de conformidad con la reivindicación 10, en donde la menos una característica cuantificable se selecciona del grupo que consiste de: transmisión; densidad óptica; morfología celular; porcentaje de los tipos celulares caracterizados por la intensidad del marcador y la morfología celular y combinaciones de los mismos.

20. Un producto de programa de computadora capaz de controlar un sistema de procesamiento de imágenes para evaluar al menos un marcador capaz de determinar un pronóstico de un paciente con cáncer, el producto de programa por computadora comprendiendo un medio de almacenaje legible por computadora teniendo porciones de código del programa legible por computadora almacenado en el mismo, las porciones del código del programa legible por computadora comprendiendo: una porción ejecutable para extraer al menos una característica cuantificable de una imagen tomada para cada una de una pluralidad de dispositivas usando un sistema de procesamiento de imágenes, al menos una característica cuantificable siendo determinada en al menos en parte de una separación de cromogen de la imagen, la pluralidad de diapositivas siendo preparada de una pluralidad de muestras corporales siendo tomadas desde una pluralidad correspondiente de pacientes, cada paciente teniendo un resultado conocido, la pluralidad de muestras corporales siendo expuestas a al menos un marcador; una porción ejecutable para aplicar una pluralidad exhaustiva de reglas de decisión candidatas para al menos una característica cuantificable para cada una de la pluralidad de dispositivas para de esta manera proporcionar un pronóstico candidato para cada una de una pluralidad de combinaciones de la pluralidad exhaustiva de reglas de decisión candidatas y al menos una característica cuantificable y una porción ejecutable para seleccionar una regla de decisión óptima correspondiente para un pronóstico óptimo, la regla de decisión óptima siendo seleccionada de las reglas de decisión candidatas, para al menos una característica cuantificable, la regla de decisión óptima proporcionando que el pronóstico óptimo para cada una de la pluralidad de diapositivas corresponde óptimamente al resultado conocido para cada una de la pluralidad de pacientes.

21. Un producto de programa de computadora de conformidad con la reivindicación 20, en donde la porción ejecutable para la aplicación además comprende una porción ejecutable para aplicar una pluralidad de inicios candidatos para al menos una característica cuantificable de manera que genere una pluralidad de pronósticos candidatos correspondientes a cada una de la pluralidad de inicios candidatos para cada una de la pluralidad de muestras corporales y en donde la porción ejecutable para seleccionar además comprende una porción ejecutable para seleccionar un valor de inicio óptimo de la pluralidad de inicios candidatos tal como el pronóstico óptimo para cada una de la pluralidad de diapositivas óptimamente corresponde al resultado conocido para cada una de la pluralidad de pacientes.

22. Un producto de programa de computadora de conformidad con la reivindicación 21 , en donde la porción ejecutable para aplicar una pluralidad de inicios candidatos además comprende una porción ejecutable para determinar una regla de afectación para cada una de la pluralidad de inicios candidatos, la regla de afectación siendo capaz de establecer un buen pronóstico o un mal pronóstico, correspondiente a un valor de al menos una característica cuantificable en relación a cada una de la pluralidad de inicios candidatos.

23. Un producto de programa de computadora de conformidad con la reivindicación 20, en donde la porción ejecutable para la etapa de selección además comprende: una porción ejecutable para determinar una pluralidad de parejas de especificidad y sensibilidad correspondiente a cada una de la pluralidad exhaustiva de las reglas de decisión candidatas; una porción ejecutable para representar la pluralidad de parejas de especificidad y sensibilidad en un receptor que opera la curva característica; una porción ejecutable para computar una pluralidad de distancias Euclidianas entre cada una de la pluralidad de parejas de especificidad y sensibilidad y una pareja de especificidad y sensibilidad y una porción ejecutable para seleccionar la regla de decisión óptima correspondiente a una pareja de especificidad y sensibilidad teniendo una distancia Euclidiana mínima para la pareja de especificidad y sensibilidad óptima.

24. Un producto de programa de computadora de conformidad con la reivindicación 20, en donde la porción ejecutable para extraer además comprende una porción ejecutable para identificar una región de interés de la cual se extrae al menos una característica cuantificable, la región de interés estando dentro de la imagen tomada de cada una de una pluralidad de diapositivas usando el sistema de procesamiento de imágenes.

25. Un producto de programa de computadora de conformidad con la reivindicación 20, que además comprende una porción ejecutable para evaluar la independencia estadística de al menos un marcador de manera que asegure que al menos un marcador es capaz de proporcionar un pronóstico que es sustancialmente estadísticamente independiente de al menos un marcador complementario.

26. Un producto de programa de computadora de conformidad con la reivindicación 25, en donde la porción ejecutable para la evaluación además comprende: una porción ejecutable para comparar una distribución de frecuencia de resultados observados para una distribución de frecuencia de pronósticos teóricos para una primera pluralidad de muestras corporales expuestas a al menos un marcador y para al menos un marcador complementario, la primera pluralidad de muestras corporales correspondientes a los pacientes que tienen un buen resultado conocido; una porción ejecutable para comparar una distribución de frecuencia de resultados observados para una distribución de frecuencia de pronósticos teóricos para una segunda pluralidad de muestras corporales expuestas para al menos un marcador y al menos un marcador complementario, la segunda pluralidad de las muestras corporales correspondiente a los pacientes que tienen un resultado malo conocido; una porción ejecutable para comprobar la independencia de al menos un marcador con respecto a al menos un marcador complementario.

27. Un producto de programa por computadora de conformidad con la reivindicación 26, en donde la porción ejecutable para la comprobación además comprende una porción ejecutable para comprobar la independencia de al menos un marcador con respecto a al menos un marcador complementario usando un análisis de chi cuadrada.