RU2007124523A

RU2007124523A - Способы, системы и компьютерные программные продукты для разработки и использования прогнозных моделей для прогнозирования большинства медицинских случаев, оценки стратегий вмешательства и для одновременной оценки нерегулярности биологических маркеров

Info

Publication number: RU2007124523A
Application number: RU2007124523/09A
Authority: RU
Inventors: Джейсон ЛЭНХИЕР (US); Джейсон ЛЭНХИЕР; Кристофер ХАНС (US); Кристофер ХАНС; Карлос КАРВАЛХО (US); Карлос КАРВАЛХО; Ральф СНИДЕРМАН (US); Ральф СНИДЕРМАН
Original assignee: ПРОВЕНТИС, Инк., (US); ПРОВЕНТИС, Инк.,
Priority date: 2004-12-30
Filing date: 2005-12-30
Publication date: 2009-02-10
Also published as: WO2006072011A9; US20060173663A1; EP1839229A4; EP1839229A2; AU2005321925A1; JP2008532104A; WO2006072011A2; IL184318A0; CA2594181A1

Claims

1. Способ автоматического генерирования прогнозной модели, связывающей факторы, выбранные пользователем, с исходом, выбранным пользователем, способ включающий в себя

(a) получение клинических данных из множества различных источников на группу индивидов, клинические данные включают в себя множество различных физических и демографических факторов в отношении индивидов и множество различных исходов для этих индивидов;

(b) получение вводных данных в отношении области поиска, включая модели, связывающие различные комбинации факторов с как минимум одним исходом, и

(c) в ответ на получение вводных данных:

(i) выполнение поиска моделей в области поиска, основанной на прогностической ценности моделей в отношении исхода; и

(ii) обработка моделей, указанных в шаге (с) (i), с целью производства окончательной модели, связывающей одну из комбинаций факторов с исходом, где окончательная модель обозначает вероятность того, что индивид, имеющий факторы окончательной модели, будет иметь определенный исход.

2. Способ по п.1, в котором происходит получение клинических данных от множества источников, включает в себя получение как минимум двух пунктов из следующих: история болезни, данные по образу жизни, информация по физическому осмотру, самостоятельно сообщенные демографические данные, демографические данные, установленные посредством баз данных глобальной информационной системы, данные по генотипу и SNP, данные по выражению генов, информация протеомики, включающая в себя как минимум один показатель по антителам или цитокинам, метаболические данные, данные масс-спектроскопии, координаты визуализации от рентгенографии, маммографии, рентгеновского компьютерно-томографического исследования (CAT), отображение магнитного резонанса (MRI), данные электрокардиограммы (ЭКГ), магнитоэнцефалографии (МЭГ), электроэнцефалографии (ЭЭГ) и данных функционального магнитного резонанса (fMRI).

3. Способ по п.1, в котором выполняется поиск моделей, включает в себя выбор и определение показателей каждой из моделей с использованием одного из критериев информации Akaike и байесовский критерий информации.

4. Способ по п.1, в котором выполняется обработка моделей, включает в себя оценку прогностической точности моделей с использованием рабочей кривой (ROC).

5. Способ по п.1, в котором исход включает в себя один из хирургических исходов, исход заболевания, исход хронометража, ответ индивида на лечебно-оздоровительный уход, а также исход клинических обследований.

6. Способ по п.1, включающий в себя оценку и проверку окончательной модели с использованием как минимум одного набора данных, который находится вне пределов данных, полученных для группы индивидов, для сокращения чрезмерной подгонки окончательной модели к конкретной группе людей.

7. Способ по п.1, включающий в себя сравнение и оценку окончательной модели в отношении к другим моделям, входящим в поиск, основанный на критерии, отличном от прогностической ценности.

8. Способ по п.7, в котором критерий, отличный от прогностической ценности, включает в себя специфическую информацию по факторам.

9. Способ по п.8, в котором специфическая информация по факторам включает в себя как минимум один из следующих показателей: стоимость, связанная с получением определенного типа клинических данных, использованных в каждой из моделей, риск, связанный с получением определенного типа клинических данных, и риск, связанный с прохождением пациентом диагностики, связанной с моделью.

10. Способ по п.1, включающий в себя производство дерева решений, основанного на окончательной модели, для разделения пациентов на группы согласно различиям пациентов в отношении индивидуальных факторов в окончательной модели.

11. Способ по п.1, включающий в себя автоматическое обновление окончательной модели в ответ на получение новых клинических данных для новой совокупности индивидов.

12. Способ по п.11, включающий в себя создание специализированной прогнозной модели для новой совокупности индивидов в ответ на получение новых клинических данных.

13. Способ по п.1, в котором шаги (а)-(с) выполняются при помощи компьютерного программного продукта, включающего в себя инструкции, выполнимые компьютером, встроенные в среду, читаемую компьютером.

14. Способ по п.1, включающий в себя автоматическое включение показателей от множества прогнозных моделей в дерево решений для выбора оптимального вмешательства при лечении исхода.

15. Способ по п.1, включающий в себя использование окончательной модели в качестве инструмента поддержки решения для пациента.

16. Способ по п.1, включающий в себя использование окончательной модели для генерирования статистики по риску в совокупной подгруппе индивидов против риска определенного исхода в группе полностью.

17. Способ по п.1, включающий в себя

(a) получение клинических данных на группу индивидов;

(b) определение факторов, связанных с группой и являющихся индикативными в отношении медицинского исхода;

(c) генерирование, на основании факторов, множества прогнозных моделей для прогнозирования медицинского исхода; и

(d) организация моделей в иерархическом порядке на основании относительной прогностической ценности и, как минимум, одного дополнительного показателя, связанного с применением каждой из моделей к индивиду.

18. Способ по п.17, где как минимум один дополнительный показатель включает в себя как минимум одну из стоимостей выполнение теста для определения наличия или отсутствия у индивида определенного фактора и риска выполнения теста для определения наличия у индивида определенного фактора.

19. Система для автоматического генерирования прогнозной модели, связывающей факторы, выбранные пользователем, с исходом, выбранным пользователем, система включает в себя

(a) модуль сбора данных для получения клинических данных из

множества различных источников на группу индивидов; клинические данные включают в себя множество разнообразных физических и демографических факторов в отношении индивидов и множество различных исходов для индивидов;

(b) модуль пользовательского интерфейса для получения вводимых данных в отношении области поиска, включая модели, соединяющие различные комбинации факторов и, как минимум, один исход в ответ на получение ввода; и

(c) устройство прогнозного моделирования для того, чтобы в ответ на получение вводимых данных:

(i) выполнять поиск моделей в области поиска, основанной на прогностической ценности моделей в отношении исхода; и

(ii) обрабатывать модели, определенные в ходе поиска, для производства окончательной модели, связывающей как минимум одну комбинацию факторов, определенных в поиске, с выбранным исходом.

20. Система по п.19, в которой исход включает в себя индивидуальный медицинский исход.

21. Система по п.18, включающая в себя модуль поддержки решения для получения ввода данных в отношении факторов, имеющихся у индивида, для получения ввода данных в отношении режима лечения для индивида, для применения как минимум одной из моделей, сгенерированных устройством прогнозного моделирования для введенных данных, и для вывода результатов, обозначающих риск того, что у индивида будет один из клинических исходов для выбранного режима лечения

22. Система по п.21, в которой модуль поддержки решения включает в себя одно из следующих:

(a) модуль решений коронарной хирургии для вывода значений риска, связанных с множеством различных исходов, связанных с выполнением коронарной хирургии; и

(b) модуль решений фармакотерапии для вывода значений риска, обозначающих риск побочной реакции индивида на режим фармакотерапии.

23. Система по п.21, в которой модуль поддержки решения адаптирован к получению ввода данных в отношении определенного лечения и к переоценке возможности исхода в ответ на определенное лечение.

24. Система по п.19, включающая в себя модуль определения случайности биологических маркеров для определения новых факторов, которые будут использованы устройством прогнозного моделирования, где модуль определения случайности биологических маркеров адаптирован к запросу медицинской литературы на определение биологических маркеров, которые будут использованы в прогнозной модели при генерировании моделей.

25. Компьютерный программный продукт, включающий в себя инструкции, выполнимые компьютером, встроенные в среду, читаемую компьютером, для выполнения шагов, включающих в себя

(a) предоставление пользователю экрана для сбора клинической информации в отношении индивида, который будет проходить режим лечения;

(b) получение клинической информации от пользователя;

(c) применение прогнозной модели и предоставление пользователю экрана поддержки решения, отображающего режим лечения и показатель риска, связанного с клиническим исходом, который связан с режимом лечения; и

(d) получение ввода данных от пользователя для модифицирования режима лечения и автоматическое обновление и отображение показателей риска, связанных с клиническим исходом.