RU2016121682A - Способы и системы оценки риска развития злокачественной опухоли легкого - Google Patents

Способы и системы оценки риска развития злокачественной опухоли легкого Download PDF

Info

Publication number
RU2016121682A
RU2016121682A RU2016121682A RU2016121682A RU2016121682A RU 2016121682 A RU2016121682 A RU 2016121682A RU 2016121682 A RU2016121682 A RU 2016121682A RU 2016121682 A RU2016121682 A RU 2016121682A RU 2016121682 A RU2016121682 A RU 2016121682A
Authority
RU
Russia
Prior art keywords
relative
results
retrospective
blood
classifier
Prior art date
Application number
RU2016121682A
Other languages
English (en)
Other versions
RU2016121682A3 (ru
RU2677742C2 (ru
Inventor
Нир КАЛКСТЕЙН
Иарон КИНАР
Варда ШАЛЕВ
Гэбриел ЧОДИК
Инбал ГОЛДШТЕЙН
Original Assignee
Медиал Рисеч Лтд.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Медиал Рисеч Лтд. filed Critical Медиал Рисеч Лтд.
Publication of RU2016121682A publication Critical patent/RU2016121682A/ru
Publication of RU2016121682A3 publication Critical patent/RU2016121682A3/ru
Application granted granted Critical
Publication of RU2677742C2 publication Critical patent/RU2677742C2/ru

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Claims (41)

1. Компьютеризированный способ оценки риска развития злокачественной опухоли легкого, предусматривающий
создание набора признаков, содержащего множество текущих результатов анализа крови от крови, забранной у целевого индивидуума;
получение по меньшей мере одного классификатора, созданного на основе анализа множества соответствующих ретроспективных результатов анализов крови каждого из множества индивидуумов, у которых был взят образец, и
оценку при помощи процессора риска развития злокачественной опухоли легкого у целевого индивидуума посредством классификации указанного набора признаков при помощи по меньшей мере одного классификатора;
причем каждый из указанного множества ретроспективных и текущих результатов анализов крови включает результаты по меньшей мере одного из следующих анализов крови:
результаты анализа крови на лейкоциты, включающие по меньшей мере одно из количества нейтрофилов, количества базофилов, количества эозинофилов, количества лимфоцитов, количества моноцитов, количество WBC, относительного содержания нейтрофилов, относительного содержания базофилов, относительного содержания эозинофилов, относительного содержания лимфоцитов и относительного содержания моноцитов, причем указанный набор признаков содержит множество ретроспективных результатов анализов крови от указанной крови, забранной от указанного целевого индивидуума;
результаты биохимического анализа;
результаты анализа крови на тромбоциты, включающие по меньшей мере одно из количества тромбоцитов и среднего объема тромбоцитов (MPV); и
сочетание анамнеза курения и результатов анализа на эритроциты, включающего по меньшей мере один из анализов на количество эритроцитов (RBC), ширины распределения эритроцитов по объему (RDW), анализов крови на гемоглобин (МСН), среднеклеточного объема (MCV), среднеклеточной концентрации гемоглобина (МСНС), гематокрита и гемоглобина.
2. Компьютеризированный способ по п. 1, предусматривающий, что указанные результаты биохимического анализа выбирают из группы, состоящей из анализов на скорость оседания эритроцитов (ESR), глюкозы, мочи, азота мочевины
крови (BUN), креатинина, натрия, калия, хлорида, кальция, фосфора, мочевой кислоты, общего количества билирубина, лактатдегидрогеназы (LDH), глутаминовой оксалоацетиновой трансаминазы (GOT), глутаминовой оксалоацетиновой трансаминазы в сыворотке крови (SGOT), глютамат оксалоацетата, аспарагиновой трансаминазы (AST), аспартатаминотрансферазы, глутамат-пируват-трансаминазы (GPT) глутамат-пируват-трансаминазы в сыворотке (SGPT), аланин-аминотрансферазы (ALT), щелочной фосфатазы (щелоч. фосф./ALP), гамма-глутамилтранспептидазы (GGT), альбумина, CK (креатинкиназы), железа, HbA1, В12, витамина D, G-6-PD, лития, фолиевой кислоты, CRP (С-реактивного белка), липопротеина низкой плотности (LDL), липопротеина высокой плотности (HDL), триглицеридов, общего содержания холестерина, амилазы, РТ (протромбинового времени), частичного тромбопластинового времени (РТТ), активированного частичного тромбопластинового времени (АРРТ), международного нормализационного индекса (INR), фибриногена, цитидинтрифосфата (СРТ), ферритина, скорости гломерулярной фильтрации (GFR), трансферрина, общей железосвязывающей способности (TIBC), остаточной железосвязывающей способности (UIBC).
3. Компьютеризированный способ по п. 1, предусматривающий, что указанный по меньшей мере один классификатор создают в результате сочетания указанного множества ретроспективных и текущих результатов анализов крови и по меньшей мере одного демографического параметра каждого из указанного множества индивидуумов, у которых был взят образец.
4. Компьютеризированный способ по п. 3, предусматривающий, что указанный по меньшей мере один демографический параметр является членом группы, состоящей из пола, возраста, зоны проживания, расы и социально-экономической характеристики.
5. Компьютеризированный способ по п. 1, предусматривающий, что указанный каждый из указанного множества ретроспективных и текущих результатов анализов крови содержит результаты из результатов анализа крови на лейкоциты, включающего по меньшей мере одно из количества нейтрофилов, количества базофилов, количества эозинофилов, количества лимфоцитов, количества моноцитов, количества WBC, относительного содержания нейтрофилов, относительного содержания базофилов, относительного содержания эозинофилов, относительного содержания лимфоцитов, относительного содержания моноцитов.
6. Компьютеризированный способ по п. 5, предусматривающий, что указанный каждый из указанного множества ретроспективных и текущих результатов анализов крови включает анамнез курения.
7. Компьютеризированный способ по п. 1, предусматривающий, что указанный каждый из указанного множества ретроспективных и текущих результатов анализов крови включает результаты анализа крови на тромбоциты, включающие по меньшей мере одно из количества тромбоцитов и MPV.
8. Компьютеризированный способ по п. 7, предусматривающий, что указанный каждый из указанного множества ретроспективных и текущих результатов анализов крови включает анамнез курения.
9. Компьютеризированный способ по п. 1, предусматривающий, что указанный каждый из указанного множества ретроспективных и текущих результатов анализов крови включает указанную комбинацию из анамнеза курения и результатов анализа на эритроциты, включающего по меньшей мере одно из RBC, RDW, МСН, MCV, МСНС, гематокрита и гемоглобина.
10. Машиночитаемый носитель, содержащий выполняемые компьютером инструкции, адаптированные для осуществления способа по п. 1.
11. Способ по п. 1, предусматривающий, что каждый из указанного множества ретроспективных и текущих результатов анализов крови включает результаты как на относительное содержание нейтрофилов/количество нейтрофилов, так и на относительное содержание лимфоцитов/количество лимфоцитов.
12. Способ по п. 1, предусматривающий, что указанный по меньшей мере один классификатор включает члена группы, состоящей из классификатора взвешенной линейной регрессии, классификатора K-ближайших соседей (KNN) и классификатора решающих деревьев.
13. Способ по п. 1, предусматривающий, что каждый из указанного множества ретроспективных и текущих результатов анализов крови включает результаты на тромбокрит (РСТ).
14. Способ по п. 1, предусматривающий, что каждый из указанного множества ретроспективных и текущих результатов анализов крови включает результаты как на HGB, так и на НСТ.
15. Способ по п. 1, предусматривающий, что указанный набор признаков включает возраст указанного целевого индивидуума, причем указанный по меньшей
мере один классификатор получают на основании анализа возраста одного из множества индивидуумов, у которых был взят образец.
16. Способ по п. 1, предусматривающий, что каждый из указанного множества ретроспективных и текущих результатов анализов крови включает по меньшей мере один из следующих анализов крови: количество эозинофилов, относительное содержание нейтрофилов, относительное содержание моноцитов, относительное содержание эозинофилов, относительное содержание базофилов и количество нейтрофилов, количество моноцитов.
17. Система для оценки злокачественной опухоли легкого, содержащая:
процессор;
блок памяти, которых хранит по меньшей мере один классификатор, созданный на основе анализа множества соответствующих ретроспективных результатов анализов крови каждого из множества индивидуумов, у которых был взят образец;
блок ввода, который получает множество текущих результатов анализа крови, полученных из крови целевого индивидуума, и
модуль оценки злокачественной опухоли легкого, который при помощи указанного процессора оценивает риск развития злокачественной опухоли легкого у целевого индивидуума посредством классификации при помощи указанного по меньшей мере одного классификатора, набора признаков, полученных из множества текущих результатов анализа крови;
причем каждый из указанного множества ретроспективных и текущих результатов анализов крови включает результаты по меньшей мере одного из следующих анализов крови:
результаты анализа крови на лейкоциты, включающие по меньшей мере одно из количества нейтрофилов, количества базофилов, количества эозинофилов, количества лимфоцитов, количества моноцитов, количество WBC, относительного содержания нейтрофилов, относительного содержания базофилов, относительного содержания эозинофилов, относительного содержания лимфоцитов, относительного содержания моноцитов, причем указанный набор признаков содержит множество ретроспективных результатов анализов крови от указанной крови, забранной от указанного целевого индивидуума;
результаты биохимического анализа; и
результаты анализа крови на тромбоциты, включающие по меньшей мере одно из количества тромбоцитов и среднего объема тромбоцитов (MPV); и
сочетание анамнеза курения и результатов анализа на эритроциты, включающего по меньшей мере один из анализов на количество эритроцитов (RBC), ширины распределения эритроцитов по объему (RDW), анализов крови на гемоглобин (МСН), среднеклеточного объема (MCV), среднеклеточной концентрации гемоглобина (МСНС), гематокрита и гемоглобина.
18. Способ создания классификатора для оценки риска развития злокачественной опухоли легкого, предусматривающий
получение множества ретроспективных результатов анализов крови каждого из множества индивидуумов, у которых был взят образец;
создание набора данных, имеющего множество наборов признаков, при этом каждый набор создан на основе соответствующего множества ретроспективных результатов анализов крови другого из множества индивидуумов, у которых был взят образец;
создание по меньшей мере одного классификатора для оценки риска развития злокачественной опухоли легкого на основании анализа набора данных и
вывод по меньшей мере одного классификатора.
RU2016121682A 2013-11-07 2014-11-05 Способы и системы оценки риска развития злокачественной опухоли легкого RU2677742C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361901059P 2013-11-07 2013-11-07
US61/901,059 2013-11-07
PCT/IL2014/050960 WO2015068157A1 (en) 2013-11-07 2014-11-05 Methods and systems of evaluating a risk of lung cancer

Publications (3)

Publication Number Publication Date
RU2016121682A true RU2016121682A (ru) 2017-12-11
RU2016121682A3 RU2016121682A3 (ru) 2018-06-22
RU2677742C2 RU2677742C2 (ru) 2019-01-21

Family

ID=53040982

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2016121682A RU2677742C2 (ru) 2013-11-07 2014-11-05 Способы и системы оценки риска развития злокачественной опухоли легкого

Country Status (11)

Country Link
US (2) US11031105B2 (ru)
EP (1) EP3065630B1 (ru)
JP (1) JP6645703B2 (ru)
KR (1) KR102310799B1 (ru)
CN (1) CN105814571B (ru)
AU (1) AU2014347669C1 (ru)
BR (1) BR112016010322A2 (ru)
CA (1) CA2928271C (ru)
MX (1) MX2016005825A (ru)
RU (1) RU2677742C2 (ru)
WO (1) WO2015068157A1 (ru)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10526655B2 (en) 2013-03-14 2020-01-07 Veracyte, Inc. Methods for evaluating COPD status
US11976329B2 (en) 2013-03-15 2024-05-07 Veracyte, Inc. Methods and systems for detecting usual interstitial pneumonia
BR112016010322A2 (pt) 2013-11-07 2017-08-08 Medial Res Ltd Método computadorizado de avaliação de risco de câncer de pulmão, meio legível por computador, sistema de avaliação de câncer de pulmão, e método de geração de um classificador para avaliação de risco de câncer de pulmão
EP3215170A4 (en) 2014-11-05 2018-04-25 Veracyte, Inc. Systems and methods of diagnosing idiopathic pulmonary fibrosis on transbronchial biopsies using machine learning and high dimensional transcriptional data
CN105232060A (zh) * 2015-08-31 2016-01-13 陈琼 基于独立风险因子组合筛查的预警系统
CN106974660B (zh) * 2017-04-20 2020-03-06 重庆邮电大学 基于脑功能活动检测中的血氧特征实现性别判定的方法
CN107133475B (zh) * 2017-05-10 2020-09-29 浙江省立同德医院 一种中药注射剂不良反应高危患者模式识别方法
EP3629904A4 (en) * 2017-06-02 2021-03-31 Veracyte, Inc. METHODS AND SYSTEMS FOR IDENTIFYING OR MONITORING LUNG DISEASE
EP3659065A4 (en) * 2017-07-28 2020-08-19 Siemens Healthcare Diagnostics Inc. DEEP LEARNING VOLUME QUANTIFICATION METHODS AND APPARATUS
CN108245161A (zh) * 2017-12-26 2018-07-06 北京医拍智能科技有限公司 肺部常见疾病的辅助诊断系统
CN108717867A (zh) * 2018-05-02 2018-10-30 中国科学技术大学苏州研究院 基于梯度迭代树的疾病预测模型建立方法及装置
CN109585011A (zh) * 2018-10-26 2019-04-05 朱海燕 胸痛患者的病症诊断方法及机器可读存储介质
CN110825819A (zh) * 2019-09-24 2020-02-21 昆明理工大学 一种处理有缺失值和不平衡非小细胞肺癌数据的二分类方法
KR102487864B1 (ko) * 2020-02-10 2023-01-11 연세대학교 원주산학협력단 지역사회획득폐렴 환자의 예후를 예측하는 방법 및 이를 위한 예측시스템
CN111933287A (zh) * 2020-06-24 2020-11-13 四川省肿瘤医院 整合血液和富含血小板血浆中的血小板特征建立肺癌模型
CN114663330A (zh) * 2020-12-03 2022-06-24 富泰华工业（深圳）有限公司 干细胞密度确定方法、装置、电子设备及存储介质

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4733354A (en) 1984-11-23 1988-03-22 Brian Potter Method and apparatus for automated medical diagnosis using decision tree analysis
WO1996012187A1 (en) 1994-10-13 1996-04-25 Horus Therapeutics, Inc. Computer assisted methods for diagnosing diseases
US5687716A (en) * 1995-11-15 1997-11-18 Kaufmann; Peter Selective differentiating diagnostic process based on broad data bases
US6059724A (en) 1997-02-14 2000-05-09 Biosignal, Inc. System for predicting future health
WO2002087431A1 (en) * 2001-05-01 2002-11-07 Structural Bioinformatics, Inc. Diagnosing inapparent diseases from common clinical tests using bayesian analysis
CN101180408A (zh) 2005-05-19 2008-05-14 西尼尔根茨生物科学有限公司 用遗传多态性分析评估发生肺癌的风险的方法
US20070118399A1 (en) * 2005-11-22 2007-05-24 Avinash Gopal B System and method for integrated learning and understanding of healthcare informatics
US9347945B2 (en) * 2005-12-22 2016-05-24 Abbott Molecular Inc. Methods and marker combinations for screening for predisposition to lung cancer
JP5160447B2 (ja) 2005-12-22 2013-03-13 アボット・ラボラトリーズ 肺がんへの傾向についてのスクリーニングのための方法およびマーカー組合せ
WO2008144034A1 (en) 2007-05-18 2008-11-27 Duke University Serum biomarkers for the early detection of lung cancer
US8728823B2 (en) * 2007-11-23 2014-05-20 British Columbia Cancer Agency Branch Methods for detecting lung cancer and monitoring treatment response
WO2010030697A1 (en) 2008-09-09 2010-03-18 Somalogic, Inc. Lung cancer biomarkers and uses thereof
US10359425B2 (en) * 2008-09-09 2019-07-23 Somalogic, Inc. Lung cancer biomarkers and uses thereof
US20130116150A1 (en) * 2010-07-09 2013-05-09 Somalogic, Inc. Lung Cancer Biomarkers and Uses Thereof
GB201021289D0 (en) * 2010-12-15 2011-01-26 Immatics Biotechnologies Gmbh Novel biomarkers for a prediction of the outcome of an immunotherapy against cancer
RU2011135615A (ru) 2011-08-26 2013-03-10 Михаил Владимирович Кутушов Способ диагностики онкологических и соматических заболеваний
BR112016010322A2 (pt) 2013-11-07 2017-08-08 Medial Res Ltd Método computadorizado de avaliação de risco de câncer de pulmão, meio legível por computador, sistema de avaliação de câncer de pulmão, e método de geração de um classificador para avaliação de risco de câncer de pulmão

Also Published As

Publication number Publication date
RU2016121682A3 (ru) 2018-06-22
EP3065630A1 (en) 2016-09-14
JP2016535262A (ja) 2016-11-10
CA2928271A1 (en) 2015-05-14
US11031105B2 (en) 2021-06-08
US20210295960A1 (en) 2021-09-23
KR20160079086A (ko) 2016-07-05
KR102310799B1 (ko) 2021-10-12
AU2014347669A1 (en) 2016-06-23
AU2014347669C1 (en) 2021-03-11
JP6645703B2 (ja) 2020-02-14
CA2928271C (en) 2022-05-31
AU2014347669B2 (en) 2019-11-21
MX2016005825A (es) 2016-12-09
EP3065630B1 (en) 2020-09-09
CN105814571B (zh) 2020-01-07
WO2015068157A1 (en) 2015-05-14
EP3065630A4 (en) 2017-07-19
CN105814571A (zh) 2016-07-27
RU2677742C2 (ru) 2019-01-21
US20160292379A1 (en) 2016-10-06
BR112016010322A2 (pt) 2017-08-08

Similar Documents

Publication Publication Date Title
RU2016121682A (ru) Способы и системы оценки риска развития злокачественной опухоли легкого
RU2014140114A (ru) Способы и системы для оценки риска рака желудочно-кишечного тракта
JP2015517653A5 (ru)
Tomlinson et al. Best practices for veterinary toxicologic clinical pathology, with emphasis on the pharmaceutical and biotechnology industries
Blann et al. Blood science: principles and pathology
Lee et al. Reference values of hematology, chemistry, electrolytes, blood gas, coagulation time, and urinalysis in the Chinese rhesus macaques (Macaca mulatta)
Pierre et al. Hematological and serum biochemical indices in healthy bonnet macaques (Macaca radiata)
Shiel et al. Hematologic values in young pretraining healthy Greyhounds
Pouladzadeh et al. Validation of red cell distribution width as a COVID-19 severity screening tool
JP2017021727A (ja) イベント発生時期予測装置、イベント発生時期予測方法、及びイベント発生時期予測プログラム
Spittler et al. Age-and sex-associated differences in hematology and biochemistry parameters of Dunkin Hartley guinea pigs (Cavia porcellus)
Caldin et al. A retrospective study of 60 cases of eccentrocytosis in the dog
Sato et al. Flow cytometric analysis of Xenopus laevis and X. tropicalis blood cells using acridine orange
Radin et al. Hematologic and serum biochemical values for Yucatan miniature swine.
Schoorl et al. Changes in platelet volume, morphology and RNA content in subjects treated with haemodialysis
Carr et al. Performance evaluation of the new UniCel DxH800 coulter cellular analysis system in a large hospital setting
KR102302739B1 (ko) 신생 송아지의 생체정보 지표를 이용한 건강상태 판단 방법
Sharma et al. Hematology and serum chemistry values of sooty mangabeys (Cercocebus atys): comparison with rhesus monkeys
CN113436739A (zh) 一种利用血液大数据分析进行健康体检的方法和系统
Zini et al. Reticulocyte population data in different erythropoietic states
Zhou et al. Time-course investigation of small molecule metabolites in MAP-stored red blood cells using UPLC-QTOF-MS
Soogarun et al. Leukocyte counts in cerebrospinal fluid with the automated hematology analyzer, Technicon H* 3.
JP6483593B2 (ja) 血液検査装置および血液検査方法
Boyd et al. Persistent reticulocytosis in a case of poodle macrocytosis
Shah et al. Hematological and biochemical reference intervals of wild-caught and inhouse adult Indian rhesus macaques