特許ウォッチ

公開番号2024104300
公報種別公開特許公報(A)
公開日2024-08-02
出願番号2024013344,2020573269
出願日2024-01-31,2019-07-01
発明の名称癌分類子モデル、機械学習システム、および使用方法
出願人20/20 ジェネシステムズ,インク
代理人弁理士法人清原国際特許事務所
主分類G01N 33/48 20060101AFI20240726BHJP(測定;試験)
要約【課題】無症候性患者を、癌を有するかまたは癌を発症するリスクカテゴリに分類するため等の、分類子モデル等を提供する。
【解決手段】a)患者からの測定値を取得する工程であって、バイオマーカーの値が、マーカーのレベルに対応する、取得工程と、b)年齢および性別を含む、患者に対応する臨床パラメータを取得する工程と、c)第1の分類子モデルを使用して、癌を有するかまたは発症するリスクカテゴリに分類する工程であって、第1の分類子モデルが、バイオマーカーのパネルの値、年齢、および診断指標を含む第1の訓練データを使用して機械学習システムによって生成され、第1の分類子モデルは、出力が閾値を超えるときに、年齢の入力変数および患者からのバイオマーカーのパネルの測定値を使用して、患者をリスク増加カテゴリに分類する、分類する工程と、d)患者がリスク増加カテゴリに分類されたときに、ユーザに通知を提供する工程と、を含む。
【選択図】図4
特許請求の範囲【請求項１】
少なくとも１つのプロセッサおよび少なくとも１つのメモリを含むコンピュータ実装システムにおける方法であって、前記少なくとも１つのメモリが、前記少なくとも１つのプロセッサによって実行されて、前記少なくとも１つのプロセッサに、無症候性患者に対して、癌を有するリスクまたは癌を発症するリスクの増加を予測するための１つ以上の分類子モデルを実装させる命令を含み、前記方法が、
ａ）前記患者からの試料中のバイオマーカーのパネルの測定値を取得する工程であって、バイオマーカーの値が、前記試料中の前記バイオマーカーのレベルに対応する、取得する工程と、
ｂ）少なくとも年齢および性別を含む、前記患者に対応する臨床パラメータを取得する工程と、
ｃ）第１の分類子モデルを使用して、前記患者を癌を有するかまたは癌を発症するリスクカテゴリに分類する工程であって、前記第１の分類子モデルが、患者集団の少なくとも２つのバイオマーカーのパネルの値、年齢、および診断指標を含む第１の訓練データを使用して機械学習システムによって生成され、
前記第１の分類子モデルは、前記第１の分類子モデルの出力が閾値を超えるときに、年齢の入力変数および前記患者からのバイオマーカーのパネルの前記測定値を使用して、前記患者をリスク増加カテゴリに分類する、分類する工程と、
ｄ）前記患者が前記リスク増加カテゴリに分類されたときに、前記患者の診断検査のためにユーザに通知を提供する工程と、を含む、方法。
続きを表示（約 850 文字）【請求項２】
前記第１の分類子モデルが、少なくとも０．８の感度値および少なくとも０．８の特異度値を有する受信者動作特性（ＲＯＣ）曲線の性能を有する、請求項１に記載の方法。
【請求項３】
前記第１の訓練データが、少なくとも６つのバイオマーカーのパネルからの値を含む、請求項１に記載の方法。
【請求項４】
前記入力変数が、少なくとも６つのバイオマーカーのパネルからの測定値を含む、請求項１に記載の方法。
【請求項５】
前記バイオマーカーのパネルが、ＡＦＰ、ＣＥＡ、ＣＡ１２５、ＣＡ１９－９、ＣＡ１５－３、ＣＹＦＲＡ２１－１、ＰＳＡ、およびＳＣＣから選択される、請求項３に記載の方法。
【請求項６】
前記バイオマーカーのパネルが、ＡＦＰ、ＣＥＡ、ＣＡ１２５、ＣＡ１９－９、ＣＡ１５－３、ＣＹＦＲＡ２１－１、ＰＳＡ、およびＳＣＣから選択される、請求項４に記載の方法。
【請求項７】
男性患者の前記バイオマーカーのパネルが、ＡＦＰ、ＣＥＡ、ＣＡ１９－９、ＣＹＦＲＡ２１－１、ＰＳＡ、およびＳＣＣから選択される、請求項１に記載の方法。
【請求項８】
女性患者の前記バイオマーカーのパネルが、ＡＦＰ、ＣＥＡ、ＣＡ１２５、ＣＡ１９－９、ＣＡ１５－３、ＣＹＦＲＡ２１－１、およびＳＣＣから選択される、請求項１に記載の方法。
【請求項９】
前記機械学習システムが、前記第１の分類子モデルの前記性能を改善するために、前記第１の分類子モデルを、新しい訓練データで訓練することによって、前記第１の分類子モデルを反復的に再生成する工程をさらに含む、請求項１に記載の方法。
【請求項１０】
前記第１の分類子モデルが、少なくとも０．８５の感度値および少なくとも０．８の特異度値を有する受信者動作特性（ＲＯＣ）曲線の改善された性能を有する、請求項９に記載の方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
関連出願の相互参照
本出願は、２０１８年６月３０日に出願された米国仮特許出願第６２／６９２，６８３号の利益を主張し、その内容は、参照によりその全体が本明細書に組み込まれる。
続きを表示（約 2,300 文字）【０００２】
本出願は、概して、癌を発症するリスクが増加した無症候性患者および癌の種類を特定するための、特に、その他の場合には無症候性患者または曖昧な症候性患者において特定するための、縦断的データで訓練された機械学習システムによって生成された分類子モデルに関する。
【背景技術】
【０００３】
多くの種類の癌において、腫瘍が転移する前に手術および他の治療介入が開始される場合、患者の転帰は著しく改善する。したがって、医師が癌を早期に検出するのを支援するために、撮像検査および診断検査が医療に導入されている。当該検査には、マンモグラフィなどの様々な撮像モダリティ、ならびに血液中の癌特異的「バイオマーカー」および前立腺特異的抗原（ＰＳＡ）検査などの、他の体液を特定するための診断検査が含まれる。当該検査の価値の多くは、特に偽陽性、偽陰性などに関連するコストとリスクが、実際に救われた人命の観点から見込まれる利益を上回るかどうかという点で、しばしば疑問視されている。さらに、この価値を実証するためには、研究所に保存された試料の遡及分析ではなく、多数の患者（数千人、または数万人）からのデータを実世界の（予期的）研究で作成する必要がある。残念ながら、スクリーニングツールのための大規模な予期的研究を実施するコストは、合理的に予想される財政収益に見合うものではない。したがって、これらの大規模な予期的研究が民間部門によって行われることはほとんどなく、政府が出資者となって時折実施するのみである。結果として、大部分の癌の早期発見のための血液検査のパラダイムは、この数十年間ほとんど進歩していない。例えば、米国では、ＰＳＡは依然として、癌スクリーニングのために広く利用されている唯一の血液検査であるが、その利用法も物議を醸している。世界の他の地域、特に極東地域では、様々な癌を検出するための血液検査がより一般的であるが、これらの地域でそのような血液検査の精度を確認または改善するための標準化方法または経験的方法はほとんどない。
【０００４】
したがって、癌スクリーニングが一般的である地域における癌スクリーニングの精度および標準化を改善し、その際に、癌スクリーニングが一般的ではない地域において改善および／または促進し得るツールおよび技術を生み出すことが望ましい。
【０００５】
癌細胞は、ウイルスおよび細菌とは異なり、生物学的に正常な健康な細胞と類似しており、それらと区別することが困難であるため、癌検出は、ウイルスまたは細菌感染症の検出と比較して著しい技術的課題となっている。このため、癌の早期発見のために使用される検査は、ウイルスもしくは細菌感染症の同等の検査、または遺伝子、酵素、もしくはホルモン異常を測定する検査と比較して、偽陽性および偽陰性の数が多くなることが多い。これはしばしば、医療従事者とその患者との間で混乱を引き起こし、不必要で高価で侵襲的なフォローアップ検査が行われるケースもあれば、フォローアップ検査を完全に無視した結果、有用な介入を行うには癌の発見が遅すぎてしまうケースもある。医師および患者にとって、２値決定または２値結果が得られる検査、例えば、患者がある状態に対して陽性または陰性であるかのいずれかをもたらす検査は、歓迎するものであり、このような検査として、例えば、免疫アッセイ結果が妊娠の指標としてプラス記号またはマイナス記号の形状をもたらすカウンター妊娠検査キットの上で観察される検査がある。しかし、診断の感度および特異度が９９％に近づかなければ、大部分の癌検査では得られない水準であるため、そのような２値出力は非常に誤解を招くか、または不正確なものとなる。
【０００６】
したがって、たとえ２値出力が実用的でなくとも、医療従事者およびその患者に、癌、特に特定の癌を有するまたは発症する可能性についてのより定量的な情報を提供することが望ましい。
【０００７】
早期癌の発見はまた、現代の医療行為を伴う要因により、困難なものとなっている。特に一次診療医は、１日あたりの患者数が多く、医療費抑制の要求により、各患者に費やすことができる時間が大幅に短縮されている。そのため、医師は、家族歴および生活歴を詳しく調べたり、患者の健康的な生活習慣についてカウンセリングをしたり、オフィスでの診療で提供されている以上の検査を勧められた患者のフォローアップをしたりするための時間が十分に取れないことが多い。
【０００８】
したがって、特に大規模の一次診療医に、癌患者のトリアージまたは相対的なリスクの比較に役立つツールを提供して、最もリスクの高い患者に対して追加検査を指示できるようにすることが望ましい。
【０００９】
人工知能／機械学習システムは、情報の分析に有用であり、人間の専門家が意思決定を行う際に役立ち得る。例えば、診断決定支援システムを含む機械学習システムは、診断を行う医師を支援するための臨床決定式、規則、木、または他のプロセスを使用してもよい。
【００１０】
意思決定システムが開発されているものの、このようなシステムは、医療機関の日常業務に組み込むことができないという制約があるため、医療現場ではあまり活用されていない。例えば、意思決定システムは、管理しきれないほどのデータ量を提供し、わずかな有意性のある分析に依存し、複雑な多疾患との相関性が低い場合がある（非特許文献１）。
（【００１１】以降は省略されています）

関連特許