特許ウォッチ

公開番号2024150710
公報種別公開特許公報(A)
公開日2024-10-23
出願番号2024121154,2022114753
出願日2024-07-26,2012-04-30
発明の名称分類システムおよびそのキットを使用した肺疾患の同定および診断方法
出願人ラングキャンサープロテオミクス, エルエルシー
代理人個人,個人,個人,個人,個人
主分類G01N 33/68 20060101AFI20241016BHJP(測定;試験)
要約【課題】分類システムおよびそのキットを使用した肺疾患の同定および診断方法を提供すること。
【解決手段】本発明は、肺疾患、例えば非小細胞肺癌または反応性気道疾患の診断に有用なバイオマーカーおよびバイオマーカーの組み合わせを提供する。これらバイオマーカーの測定値は、個人が肺疾患を患っていることに関する見込みの決定を補助するための分類システム、例えばサポートベクトルマシンまたはアダブーストに入力されている。これらのバイオマーカーおよびバイオマーカーの組み合わせを検出するための薬剤を含むキット、ならびに肺疾患の診断を補助するシステムもまた提供する。
【選択図】図1A
特許請求の範囲【請求項１】
図面に記載の発明。

発明の詳細な説明【技術分野】
【０００１】
発明の背景
(a) 技術分野
〔００１〕本発明は、バイオマーカーおよびそれらのキット、ならびにそれらのバイオマーカーに基づいて、疾患の有無の見込みの決定を補助するシステムを使用した、肺疾患の検出、同定、および診断に関する。より具体的には、本発明は、特定のバイオマーカーの発現レベルを測定し、これらの測定値を、サポートベクトルマシンなどの分類システムに入力することによる、非小細胞肺癌および反応性気道疾患の診断に関する。
続きを表示（約 2,900 文字）【背景技術】
【０００２】
(b)関連する文献の記載
ヒト肺組織の病理
〔００２〕何百万人もの米国人が、喘息や肺癌などの呼吸器系の症状に罹患している。実際のところ、米国肺協会（登録商標）は、２０００万人もの米国人が喘息にかかっていると報告している。米国がん協会は、２００７年の１年間だけでも、呼吸器系の癌の新規発症例が２２９，４００件で、呼吸器系の癌による死亡例が１６４，８４０件だったと推定した。まだ癌が限局性である時に癌が検出されていれば、全癌例の５年生存率は４６％であるが、肺癌患者の５年生存率は僅か１３％である。それに対応して、肺癌は１６％しか疾患が広がる前には発見されない。肺癌は癌細胞の病理に基づいて、通常、主に２種類に分類されている。それぞれの種類には、癌性に転換した細胞型に応じた名前が付けられている。小細胞肺癌はヒト胚組織の小細胞に由来し、非小細胞肺癌は通常、小細胞型でない肺癌全てを含む。一般的に、全ての非小細胞型に対する治療が同じであることから、非小細胞肺癌とまとめられている。また、非小細胞肺癌、すなわちＮＳＣＬＣは肺癌全体の約７５％を占めている。
【０００３】
〔００３〕肺癌患者の生存率が低いことは主に、肺癌を早期に診断することが難しいという事実による。肺癌を診断する、つまりあるヒトに肺癌が存在するかを同定するための現行の方法は、Ｘ線撮影法、コンピューター断層（ＣＴ）撮影法、および腫瘍の有無を物理的に確認するための同様の肺試験に限られている。そのため、肺癌の診断は、症状への反応だけによって行われることが多く、これは、疾患がヒトに存在してから十分な時間存在していたこと、および物理的に検出可能な量を生成するのに十分な時間が経過したことの証拠である。
【０００４】
〔００４〕同様に、喘息を検出するための現行の方法も、通常、再発性の喘鳴、咳、および胸苦しさなどの症状が顕在化してしばらく経ってから行われる。現在行われている喘息の検出方法は、一般的に、肺活量測定または負荷試験などの肺機能試験に限られている。さらにこれらの試験は、他の病理つまり反応性気道疾患、例えば慢性閉塞性肺疾患（ＣＯＰＤ）、気管支炎、肺炎、およびうっ血性心不全を除くために、他の多くの試験と一緒に行われるよう、医師によって指示されることが多い。
【０００５】
分類システム
〔００５〕パターンを認識し、関係のないデータにすぎない他の情報をも含む大量のデータベースから重要な情報を抽出することを可能にするために、機械学習法のような、データ解析およびデータマイニングのための様々な分類システムが広く探索されている。学習機械は、汎化するために既知の分類を使用して学習させることが可能なアルゴリズムを含むものである。その後、訓練した学習機械アルゴリズムを結果が分かっていない事例に応用して、結果を予測することが、すなわち、学習したパターンに応じてデータを分類することができる。ニューラルネットワーク、隠れマルコフモデル、信念ネットワークおよびカーネル法に基づく分類器、例えばサポートベクトルマシンを含む機械学習法は、データが大量であること、パターンにノイズが多いことおよび一般理論がないことを特徴とする問題に有用である。
【０００６】
〔００６〕問題のパターン分類、回帰およびクラスタリングの成功例の多くは、パターンのペアの類似性を決定するためのカーネルに基づいている。これらのカーネルは通常、実数のベクトルとして表すことが可能なパターン用に定義される。例えば、線形カーネル、ラジアル基（radialbasis）カーネルおよび多項カーネルは全て、実際のベクトルの
ペアの類似性を測定するものである。このようなカーネルは、データが実数の列として、この方法において最もよく表される場合に適している。カーネルの選択は、特徴空間におけるデータ表現の選択と対応している。使用法の多くで、パターンは様々な階層を有している。これらの階層を利用して、学習アルゴリズムの性能を改善することができる。機械学習法で一般的に生じる階層データの種類の例としては、文字列、文書、木、グラフ、例えばウェブサイトまたは化学分子、シグナル、例えばマイクロアレイ発現プロファイル、スペクトル、画像、時空的データ、関係型データおよび生化学的濃度などがある。
【０００７】
〔００７〕分類システムは医薬分野で使用されてきた。例えば、病状の発生を診断および予測する方法が、様々なコンピューターシステムや分類システム、例えばサポートベクトルマシンを利用して提唱されてきた。例えば、米国特許第７，３２１，８８１号；同第７，４６７，１１９号；同第７，５０５，９４８号；同第７，６１７，１６３号；同第７，６７６，４４２号；同第７，７０２，５９８号；同第７，７０７，１３４号；および同第７，７４７，５４７号を参照のこと。これらはここで参照することによりその全体が本明細書に組み込まれる。しかしながらこれらの方法の精度は、ヒトの胚組織での病理、例えば非小細胞肺癌および／または反応性気道疾患の診断および／または予測では、高いレベルではない。
【０００８】
〔００８〕このように当該分野では、ヒトの胚組織の病理を、特に発症の初期段階で診断するための単純で信頼のおける方法がない。さらに、特定の肺組織の病理の有無を示すことができる血液検査も今のところない。そのため、疾患の進行の初期に肺癌の存在を確認するための方法の開発が望まれている。同様に、臨床上明らかな症状が現れるよりも前に、喘息および非小細胞肺癌を診断するための方法、ならびに喘息や非小細胞肺癌と他の肺疾患、例えば感染を区別するための方法の開発も望まれている。
【発明の概要】
【課題を解決するための手段】
【０００９】
発明の好ましい態様の概要
〔００９〕本発明は、様々な分類システム、例えばサポートベクトルマシンを利用して、対象における特定のバイオマーカーを評価するための強固な方法を提供することで、これらの需要に対処する。
【００１０】
〔０１０〕本発明は、対象を生理学的に特徴付ける方法を提供し、この方法は、最初に対象の生理学的試料を収集する工程；次いでその試料での複数のバイオマーカーのバイオマーカー測定値を決定する工程；および最後に、分類システムを利用し、バイオマーカー測定値に基づいて、試料を分類する工程を含み、ここでこの試料の分類は、この対象の生理的な状況もしくは状態、または疾患状況の変化と関係がある。通常、この分類システムは機械学習システムであり、好ましくはカーネルまたは分類および分類システムに基づく回帰木であり、より好ましくはサポートベクトルマシン（ＳＶＭ）またはアダブーストである。
（【００１１】以降は省略されています）

関連特許