СПОСОБ, КОМПЬЮТЕРНЫЙ ПРОГРАММНЫЙ ПРОДУКТ И СИСТЕМА ОБЕСПЕЧЕНИЯ ПОДДЕРЖКИ ПРИНЯТИЯ КЛИНИЧЕСКОГО РЕШЕНИЯ Российский патент 2015 года по МПК G06F19/00 G06Q50/22 G01N33/53 

Изобретение относится к области диагностики заболеваний и, в частности, к диагностике аллергических и/или аутоиммунных заболеваний с использованием множества тестов для множества биомаркеров пациента, типично уровней иммуноглобулинов в крови. Конкретно, изобретение относится к компьютеризированному инструменту для улучшения такой диагностики.

Уровень техники

Правильная диагностика всегда была одной из основ здравоохранения. Процесс постановки диагноза может принимать множество форм, таких как основанная на симптомах, основанная на истории пациента и основанная на тестах диагностика. В диагностике, основанной на тестах, измеряемые уровни биомаркеров в биологических жидкостях (например, IgE в крови является показателем аллергии, и сахар в моче является показателем диабета) используются для точного определения заболевания пациента. Кроме того, врачи стремятся к сочетанию диагностики, основанной на симптомах и основанной на тестах для точного определения основного заболевания.

В последние годы возможность использования тестов для молекулярных биомаркеров необычайно возросла. Сейчас является общепринятым, что выполняется панель тестов и по их результату совместно с историей пациента формируется основа для диагноза. До тех пор пока количество тестов составляет менее чем приблизительно 10, является приемлемым для среднего врача обрабатывать их вручную “в своей голове”. Однако когда врач имеет в работе решения, основанные на 20-100 результатах индивидуальных тестов, риск неверной интерпретации и путаницы радикально возрастает.

С целью улучшения принятия решений, принимаемых врачом, или уменьшения количества неверных интерпретаций и сделанных ошибок были разработаны системы поддержки принятия клинического решения (CDSS), предназначенные для улучшения принятия клинического решения, относящегося к диагностике или терапевтическому процессу лечения. Деятельность CDSS адресована к нескольким областям, таким как выбор лекарственных средств (см., например, "A computer-assisted management program for antibiotics and other antiinfective agents" под авторством Evans и других, N Engl J Med. 1998; 338:232-238) и скрининг для латентной туберкулезной инфекции (см., например, "Using computerized clinical decision support for latent tuberculosis infection screening" под авторством Steele и других, Am J Prev Med. 2005; 28(3):281-4). Кроме того, имеются различные вспомогательные инструменты для интерпретации изображений (см., например, "Automated evidence-based critiquing of orders for abdominal radiographs: impact on utilization and appropriateness" под авторством Harpole и других, J Am Med Inform Assoc. 1997; 4:511-521, и US 2005/0102315).

Большинство CDSS имеют приблизительно одинаковую структуру, например, как описано в документе "Clinical decision support systems: perspectives in dentistry", принадлежащем Mendonca in J Dent Educ. 2004 Jun; 68(6):589-97, который включен в настоящее описание посредством ссылки. В типичной CDSS имеется оперативная память (часто упоминаемая как база данных), содержащая данные пациента, механизм принятия решений (или предположений), который использует классифицированную базу знаний (содержащую, например, вероятные заболевания, дающие результат теста). Может быть доступным разъясняющий модуль, который трансформирует вывод с механизма принятия решений в контекстные сообщения.

Одна CDSS для интерпретации результатов тестов в диагностической ситуации раскрыта в WO 2005/103300, в которой статистический алгоритм распознавания образов применяется к панели результатов тестов, имеющих отношение к аутоиммунным заболеваниям. Алгоритм сличает панель результатов тестов с множеством наборов опорных данных от ранее диагностированных пациентов, каждый набор опорных данных включает оценки для каждого из множества специфических аутоантител и диагностированного заболевания. Алгоритм применяет процесс ближайших k-соседей к панели результатов тестов и наборам опорных данных, производя статистически выведенное решение, показывающее, является ли панель результатов тестов связанной или нет с одним или более специфическим заболеванием.

WO 96/12187 раскрывает автоматизированную диагностическую систему, способную выполнять комплексное распознавание образов из многоэлементных лабораторных данных с использованием обученной нейронной сети.

Уровень техники также включает в себя документ US 2006/0013773, который раскрывает методику установления соотношения типов крови с пищевыми аллергиями и гиперчувствительностью к пище.

US 5692220 раскрывает систему поддержки принятия решения для гематологической диагностики, в которой результаты тестов вводятся в механизм принятия решений, который сверяет их с образцами, соответствующими специфическим состояниям пациента. Подобранные образцы систематизируются в иерархическом порядке в соответствии с заранее определенными критериями.

Общей проблемой в проектировании CDSS в уровне техники является то, что сложность ее механизма принятия решений быстро увеличивается с количеством доступных результатов тестов. Очевидно, это служит причиной проблем в тех областях, где является доступным большое количество тестов на биомаркеры, и где постоянно разрабатываются новые тесты. Одной из таких областей являются аллергические и аутоиммунные заболевания, где являются доступными несколько сотен, если не тысяч различных тестов на биомаркеры.

Кроме того, может быть желательным сочетание результатов тестов с демографическими данными и наблюдаемыми симптомами с целью улучшения точности диагноза, предоставляемого механизмом принятия решений, и предоставления возможности механизму принятия решений предлагать значимые последующие тесты. Это усложнит механизм принятия решений.

Сущность изобретения

Целью изобретения является преодоление или смягчение по меньшей мере некоторых из определенных выше ограничений предшествующего уровня техники.

Данная и другие цели, которые могут следовать из описания ниже, по меньшей мере, частично достигаются посредством способа обеспечения поддержки принятия клинического решения, компьютерного программного продукта и системы обеспечения поддержки принятия клинического решения соответственно независимым пунктам формулы изобретения, их вариантов осуществления, определенных в зависимых пунктах формулы изобретения.

В соответствии с первым аспектом изобретения предоставляется способ обеспечения поддержки принятия клинического решения на основе результатов тестов для множества протестированных биомаркеров, причем каждый результат теста дан с первым разрешением значений. Способ включает в себя этапы, на которых: принимают упомянутые результаты тестов; получают доступ к предварительно определенной структуре, в которой доступные биомаркеры ассоциированы с носителями, причем, по меньшей мере, один носитель ассоциирован с множеством биомаркеров; идентифицируют группу носителей посредством установления соответствия тестированных биомаркеров со структурой; присваивают значение носителя каждому носителю в группе носителей на основании результатов теста протестированного биомаркера (биомаркеров), для которого установлено соответствие с носителем, причем значение носителя дано со вторым разрешением значений; и предоставляют исходные данные, указывающие на группу носителей и присвоенные значения носителя для ввода в механизм принятия решений для генерации поддержки принятия клинических решений.

Посредством правильной модели предварительно определенной структуры, которая является соответственно спланированной, основываясь на клиническом опыте и исследовании, представляющих известные взаимосвязи между биомаркерами и носителями, предоставляется возможность уменьшения количества вводимых данных для механизма принятия решений. По существу, данные возможности уменьшают сложность механизма принятия решений. Кроме того, в первом аспекте механизм принятия решений выполнен с возможностью обработки носителей и значений носителей вместо результатов тестов индивидуальных биомаркеров для предоставления желательной поддержки принятия клинического решения. Обработка данных в механизме принятия решений соответственно также основана на предварительно определенной структуре. Это также обеспечивает возможность уменьшения сложности механизма принятия решений, так как исходные данные будут, по существу, отражать клинический опыт и исследования. Разработанные позже тесты для новых биомаркеров могут быть легко приспособлены посредством обновления предварительно определенной структуры, типично посредством ассоциирования новых биомаркеров с одним или более существующими носителями и/или посредством добавления одного или более носителей.

В одном варианте осуществления структура включает в себя носителей в порядке иерархии уровней. Такая структура может использоваться для отражения клинического опыта или исследования, определяя подтип-надтип взаимосвязей между носителями/биомаркерами. Например, различные уровни структуры могут представлять классификации носителей в различных степенях детализации. Использование иерархической структуры может давать возможность эффективной обработки, например, в отношении установления соответствия протестированных биомаркеров. Также установление соответствия биомаркеров может осуществляться на одном или более выбранных уровнях структуры в зависимости от желаемой детализации итоговых исходных данных.

С целью дальнейшего уменьшения сложности механизма принятия решений второе разрешение может быть меньше, чем первое разрешение. Это будет уменьшать количество исходных данных для механизма принятия решений для заданного набора результатов тестов.

В еще одном варианте осуществления результаты тестов или значения носителей распределяются, основываясь на основных данных, характерных для пациентов с данными результатами тестов. Характерные для пациентов основные данные могут включать, по меньшей мере, одно из: демографических данных, анамнеза, наследственных факторов, модели реагирования, истории пациента и генетических данных. Это предоставляет возможность уменьшения сложности механизма принятия решений, который, например, может предназначаться для среднего пациента.

Результаты тестов также могут быть распределены соответственно шкале реагирования между различными биомаркерами. Это дает возможность механизму принятия решений пренебрегать различиями в шкале реагирования, таким образом, упрощая конструкцию механизма принятия решений.

В одном варианте осуществления протестированные биомаркеры являются членами надсемейства Иммуноглобулинов и проверяются в крови. Например, протестированные биомаркеры могут быть антителами.

В одном частном варианте осуществления поддержка принятия клинического решения относится к диагностике аллергии или аутоиммунных заболеваний.

Соответственно второму аспекту изобретения предоставляется компьютерный программный продукт, включающий в себя инструкции, предписывающие выполнение компьютером способа по первому аспекту.

Соответственно третьему аспекту изобретения предоставляется система обеспечения поддержки принятия клинического решения на основе результатов тестов для множества исследованных биомаркеров, причем каждый результат теста дан с первым разрешением значений. Система включает в себя компонент для приема упомянутых результатов тестов; компонент для получения доступа к предварительно определенной структуре, в которой доступные биомаркеры ассоциированы с носителями, причем, по меньшей мере, один носитель ассоциирован с множеством биомаркеров; компонент для идентификации группы носителей посредством установления соответствия тестированных биомаркеров со структурой; компонент для присвоения значения носителя для каждого носителя в группе носителей на основе результатов тестов протестированного биомаркера(ов), для которых установлено соответствие с носителем, причем значение носителя дано со вторым разрешением значений; и компонент для предоставления исходных данных, показывающих группу носителей и присвоенные значения носителей для ввода в компьютерный механизм принятия решений для генерирования поддержки принятия клинического решения. Каждый такой компонент может быть осуществлен как программное обеспечение, аппаратное обеспечение или как их сочетание.

В одном варианте осуществления компьютерный механизм принятия решений включен в систему.

В одном варианте осуществления все компоненты интегрированы в единое устройство, которое может быть сервером, персональным компьютером, аналитическим инструментом или каким-либо другим устройством с возможностью обработки данных.

Система может дополнительно включать в себя компонент для масштабирования результатов тестов или значений носителей на основе характерных для пациента основных данных для результатов тестов.

Система может дополнительно включать в себя компонент для генерации результатов тестов. В одном варианте осуществления данный компонент включает аналитический инструмент, специально предназначенный для тестирования предварительно определенных подгрупп биомаркеров, предпочтительно используемых в методике обнаружения in vitro IgE.

Компьютерный программный продукт и система соответственно второму и третьему аспектам дают возможность получения тех же результатов и преимуществ, что и способ соответственно первому аспекту. Также понятно, что различные варианты осуществления, описанные в отношении первого аспекта, и связанные с ними преимущества и результаты являются в равной степени применимыми для второго и третьего аспектов.

Кроме того, другие цели, признаки, аспекты и преимущества настоящего изобретения будут явствовать из последующего подробного описания, из зависимых пунктов формулы изобретения, а также из фигур.

Краткое описание чертежей

Варианты осуществления изобретения сейчас будут описаны более детально со ссылкой на сопутствующие схематические чертежи, на которых подобные элементы обозначены посредством одинаковой ссылочной нумерации.

Фиг.1 представляет собой структурную схему системы поддержки клинической диагностики, включающую вариант осуществления изобретения.

Фиг 2. показывает пример иерархической структуры носителей.

Фиг.3 представляет собой возможное графическое соотношение значений биомаркера IgE для различных пищевых аллергенов.

Фиг.4 показывает часть предварительно определенной структуры для высших уровней носителей “Пыльца” и “Пища” соответственно варианту осуществления изобретения.

Фиг.5 представляет собой схематическое изображение реализации оборудования для варианта осуществления настоящего изобретения.

Фиг.6 представляет собой схему последовательности операций способа обеспечения поддержки принятия клинического решения соответственно варианту осуществления изобретения.

Фиг.7 представляет собой структурную схему, иллюстрирующую систему для осуществления способа на Фиг.6.

Фиг.8 представляет собой график отношения вероятности аллергической реакции к характерным значениям антител IgE к аллергену молока для пациентов различного возраста.

Для определения предмета последующего описания и для внесения ясности сделаны следующие определения:

Пациент означает субъекта, который может иметь или не иметь заболевание. Пациент типично является человеком, но может быть каким-либо другим живым организмом, в частности млекопитающим.

Биологическая жидкость означает жидкость живого организма, включающую (без ограничения перечисленным) кровь, мочу, слезы, слюну, лимфу, семенную жидкость, фекалии и т.п.

Биомаркер представляет собой компонент биологической жидкости, который может быть выявлен или количественно определен с использованием аналитического инструмента. Биомаркеры включают в себя, без ограничения перечисленным, белки и метаболиты.

Иммуноглобулин означает класс биомаркеров, являющихся членами надсемейства Иммуноглобулинов. Данное семейство включает в себя, без ограничения перечисленным, Антитела (например, IgA, IgD, IgE, IgG, IgM), цепочки рецепторов T-клетки, MHC (главный комплекс гистосовместимости) I Класса, MHC II Класса, beta-2 микроглобулин, CD4, CD8, CD 19, CD3-γ, -δ и -ε цепочки, CD79a, CD79b, CD28, CD80, CD86, иммуноглобулинподобные рецепторы Клеток-киллеров (KIR), CD2, CD48, CD22, CD83, CTX, JAM, BT-IgSF, CAR, VSIG, ESAM), молекулы межклеточной адгезии (ICAM), Молекулы адгезии сосудистого эндотелия (например, VCAM-I), Молекулу Адгезии Нервных Клеток (NCAM), IL-1R-2, IL-lR-beta, антиген CD121b, PDGFR, IL-6R-alpha, антиген CD126, CSF-I-R, антиген CD115, SCFR, c-kit, антиген CD117, FGFR-I, CEKl, PIGR, CD147, CD90, CD7, Butyrophilins и многое другое.

Аллергия означает приобретенную анормальную чувствительность к чужеродным субстанциям, вызывающим симптомы аллергии.

Аллерген означает нечто, вызывающее аллергию.

Тест означает измерение реакции пациента на определенный аллерген.

Носитель означает объект/организм, служащий носителем или ассоциированный с одним или более специфическим аллергеном(ами).

Класс носителей означает группу или семейство носителей.

Подробное описание вариантов осуществления изобретения

Фиг.1 представляет собой структурную схему системы 10 обработки данных, в которой используется вариант осуществления настоящего изобретения. Система 10 получает данные теста из тестирующего оборудования 11, которое включает аналитический инструмент для измерения количества ряда биомаркеров в биологической жидкости, типично крови, пациента. Измерение может быть выполнено in vivo или in vitro. Итоговые данные теста, например измерение значения (результат теста) для каждого протестированного биомаркера, типично даются с высоким разрешением в диапазоне измерений. Например, количество этапов измерения в диапазоне измерений может быть, по меньшей мере, 10, типично приблизительно 50-100 или более. Данные теста могут содержать какое-либо количество результатов теста, типично более чем приблизительно 10.

Система 10 получает и обрабатывает данные теста вместе с дополнительными данными, относящимися к пациенту, в заключение, генерируя характерный для пациента диагностический отчет 12, который может помочь врачу уточнить диагноз пациента. Диагностический отчет 12 может, например, включать предполагаемый диагноз и предложение о проведении дальнейших значимых тестов, а также полную или сокращенную распечатку результатов тестов.

В иллюстрируемом варианте осуществления система 10 включает механизм 13 принятия решений или предположений, который оперирует, например, предварительно обработанными данными теста для генерации диагностического отчета. Механизм 13 принятия решений может иметь конфигурацию соответственно общепринятой технологии для использования базы 14 знаний, в которой хранятся значимые знания в машиночитаемой форме. Механизм 13 принятия решений может включать набор правил в отношении набора доступных биомаркеров, полученных от экспертов и основанных на доказательной медицине. Набор правил может соответственно определять характерные для пациента комментарии, полученные из базы 14 знаний, появляющиеся в отчете 12, основанном на исходных данных.

Исходные данные для механизма 13 принятия решений также могут включать данные о характерных для пациента симптомах, показывающие один или более симптомов, отмеченных у пациента врачом.

Исходные данные для механизма 13 принятия решений могут также включать основные данные, характерные для пациента, такие как демографические данные (возраст, национальность, постоянное местожительство и т.п.) анамнез, наследственные факторы, модель реагирования, генетические данные и т.п.

В одном варианте осуществления механизм 13 принятия решений основан на правилах технологии понижающей пульсации. Такой механизм принятия решений может работать, используя коммерчески доступное программное обеспечение, такое как Lab Wizard®, поставляемое компанией Pacific Knowledge Systems.

Обычно может быть довольно сложным создать механизм принятия решений, который может оперировать большим количеством различных результатов тестов и симптомов пациента. Например, если тестирование является доступным для более 100 различных биомаркеров, каждый результат теста может принимать значение какого-либо целого числа в диапазоне 0-100 и обрабатываются 7 различных симптомов, традиционному механизму принятия решений было бы необходимо включать правила для 101¹⁰⁰·2⁷-3,5·10²⁰² различных комбинаций.

С целью уменьшения сложности механизма принятия решений для данного количества результатов тестов система на Фиг.1 включает модуль 15 предварительного преобразования данных. Модуль 15 выполнен с возможностью уменьшения количества данных, обрабатывающихся посредством механизма 13 принятия решений. С этой целью модуль 15 использует структуру, в которой доступные биомаркеры, например биомаркеры, обработанные посредством механизма 13 принятия решений, присваиваются различным носителям. Каждый носитель включает или представляет один или более биомаркеров. Общий пример такой структуры 20 показан на Фиг.2, в которой носители организованы по номерам уровней L1-L4. Структура 20 представляет известные взаимосвязи между биомаркерами и носителями и построена на основе клинического опыта и исследования.

Модуль 15 устанавливает соответствие протестированных биомаркеров с носителями, определенными посредством предварительно определенной структуры 20, и таким образом идентифицирует группу носителей, в которой каждый носитель включает один или более протестированных биомаркеров. Модуль 15 также присваивает каждому такому носителю значение, основанное на результате(ах) тестирования биомаркера(ов), содержащегося в носителе. Данное значение может быть дано посредством какой-либо подходящей статистической функции, оперирующей результатами тестов для носителя, такой как максимум, среднее, среднее арифметическое, среднее геометрическое, среднее гармоническое и т.п.

Группа носителей и присвоенные значения подаются как исходные данные в механизм 13 принятия решений. Исходные данные для механизма принятия решений могут быть представлены в каком-либо подходящем формате, например, как текст или как числа в какой-либо системе отсчета (двоичной, шестнадцатиричной и т.п.) или их сочетании.

Например, для биомаркеров, указывающих на присутствие специфических аллергенов, носитель может означать класс объектов/организмов, несущих один или более специфических аллергенов. В одном примере предварительно определенная структура разделяет доступные биомаркеры на пять различных основных групп или носителей: "Пища", "Пыльца", "Клещ", "Плесень" и "Животные". Как показано на Фиг.2, структура 20 может быть организована как иерархия носителей на различных уровнях L1-L4. Вышеупомянутые основные группы могут быть организованы на родовом уровне Ll и иметь подгруппы (носителей) в одном или многих подуровнях L2-L4. В одном примере основная группа "Пыльца" может иметь подгруппы (на уровне L2) "Деревья", "Трава" и "Травы определенных видов", и подгруппа "Деревья" может иметь подгруппы (на уровне L3) "Дуб", "Береза" и "Вяз", и т.п. Независимо от числа подгрупп сложность механизма принятия решений определяется числом основных групп. Является осуществимым заметное уменьшение сложности механизма принятия решений.

Для модулей предварительного преобразования данных имеются некоторые возможные варианты выборки носителей, подлежащих включению в исходные данные для механизма принятия решений. В одном варианте все носители в предварительно определенной структуре 20, для которых может быть установлено соответствие с протестированными биомаркерами, могут быть включены в исходные данные. Например, если был протестирован биомаркер для березы, модуль может включить в исходные данные носители "Береза", "Деревья" и "Пыльца".

В еще одном варианте модуль предварительного преобразования данных может включать набор заранее заданных правил, которые контролируют выборку носителей, основываясь на значениях теста и/или биомаркеров, включенных в данные теста. Например, если данные теста включают результаты теста (необязательно с дополнительным условием, что данные результаты теста являются достоверными) для более чем трех различных видов пыльцы, данные результаты тестов могут быть сгруппированы в носитель для лиственных деревьев. Если данные теста включают только результаты тестов для пыльцы, относящейся к березам, данные результаты тестов могут быть сгруппированы в носитель для березы. В еще одном примере все результаты тестов, относящиеся к клещам, по умолчанию группируются в соответствующий главный носитель. Если количество результатов является очень большим, правила могут оговаривать в качестве особого условия, что все результаты тестов должны быть сгруппированы в главные носители или, по меньшей мере, носители уровней L1 или L2.

В еще одном другом варианте выборка носителей контролируется посредством исходных параметров модуля предварительного преобразования данных. Например, исходные параметры могут показывать уровень квалификации человека, интерпретирующего диагностический отчет. Если данный человек является специалистом, то является приемлемым/желательным, чтобы диагностический отчет включал больше деталей о предлагаемом диагнозе и результатах тестов и, соответственно, исходные данные должны включать носители низших уровней структуры 20 (cf. L3 и L4). Если человек является врачом общей практики, диагностический отчет должен быть простым и незатейливым и исходные данные должны, прежде всего, основываться на носителях высших уровней структуры 20 (cf. L1 и L2)

Модуль 15 предварительного преобразования данных может использоваться для уменьшения видимого количества исходных переменных для механизма 13 принятия решений. Данная функция может эксплуатироваться для уменьшения сложности механизма 13 принятия решений и/или для предоставления возможности использования в качестве исходных переменных для механизма 13 принятия решений другой информации, кроме результатов тестов без чрезмерного увеличения его сложности. Как показано на Фиг.1, исходные переменные могут быть использованы как данные о характерных для пациента симптомах. Например, механизм принятия решений выполнен с возможностью обработки данного набора симптомов со значением каждого 0 или 1, показывающим отсутствие или наличие симптома соответственно. Подобным образом могут быть использованы в качестве одной или более исходной переменной(ых) для механизма принятия решений основные характерные для пациента данные (анамнез, демография и т.п.).

Должно быть понятно, что механизм 13 принятия решений должен быть предназначен для предоставления диагностической поддержки, основанной на исходных данных, предоставленных модулем 15 предварительного преобразования данных, например носители и значения носителей. С этой целью механизм 13 принятия решений может включать набор правил, которые основаны на предварительно определенной структуре, подобной той, которая используется модулем 15 предварительного преобразования данных.

Как отмечено выше, данная предварительно определенная структура представляет известные взаимосвязи между биомаркерами и носителями, основанные на клиническом опыте и исследовании. Таким образом, даже несмотря на то что механизм принятия решений оперирует множеством разрозненных исходных данных, он выполнен с возможностью предоставления точного диагноза, основанного на клиническом опыте. Например, знания о перекрестной реактивности, демографии аллергии и зависимости от возраста делают возможным с большой вероятностью прогнозировать высокий риск специфической аллергии у пациента, для которого специфический для значимого аллергена IgE не был протестирован в панели тестов на аллергены. Таким образом реализуется то, что механизм принятия решений способен предоставить точные диагностические руководящие указания, основанные на немногих исходных вероятностях, вышеописанная система делает возможным использование немногочисленных панелей биомаркеров.

Кроме того, сокращение исходных данных до носителей и значений носителя также делает возможным сжатие выходных данных механизма принятия решений в короткие и быстрочитаемые сообщения.

Для дальнейшего уменьшения количества исходных данных, обрабатываемых механизмом 13 принятия решений, модуль 15 может иметь конфигурацию для уменьшения разрешения назначаемых значений носителя соответственно разрешению значений теста. Это может быть достигнуто путем дискретизации каждого из значений тестов или значений, присвоенных группе носителей перед вышеупомянутым установлением соответствия. Дискретизация значений может включать присвоение значения одной из числа групп значений. Например, значения теста могут быть присвоены одной из следующих групп значений: Недиагностированный, Очень Низкий, Низкий, Средний, Высокий, Очень высокий. Данные группы значений могут, например, быть представлены в виде значений 0-5.

Таким образом, мы получаем 5 носителей, которые можно принимать за целое значение 0-5. С 7 различными симптомами мы достигаем 6⁵·2⁷=995000 различных комбинаций, обрабатываемых механизмом принятия решений, что является значительно меньшим, чем 3,5·10²⁰² различных комбинаций, обрабатываемых при результатах теста, которые не были подвергнуты преобразованию.

Возвращаясь к Фиг.1, иллюстрируемый вариант осуществления также включает модуль 16 масштабирования для эффективного селективного контекстного масштабирования результатов теста. Модуль 16 может выполняться для упорядочивания результатов теста, основанных на основных характерных для данного пациента данных. Это дает возможность механизму 13 принятия решений основываться на правилах для средней популяции, таким образом, упрощая конструкцию механизма принятия решений. Например, при тестировании детей шкала реакций может отличаться от взрослых. Так, модуль может иметь конфигурацию для шкалы (типично возрастающей) результатов тестов для, по меньшей мере, определенных биомаркеров.

Дополнительно или альтернативно, модуль 16 может иметь конфигурацию для изменения масштаба результатов тестов для того, чтобы привести в соответствие шкалу реакций между различными биомаркерами. Например, различные аллергены могут иметь различные уровни отсечки, частично зависящие от внутренней аллергенности соответствующего аллергена. Так, низкое значение теста для одного биомаркера может иметь следствием более высокую вероятность аллергии, имеющей высокое значение теста для другого биомаркера. Это имеет силу, даже если биомаркеры являются очень схожими, такими антитела IgE, направленные против множества аллергенов. Как показано на Фиг.3, вероятность низких значений (~1 kUA/1) IgE, являющегося биомаркером для аллергенов c и d, является более высокой, чем вероятность высоких значений (~10 kU/1) IgE, являющегося биомаркером для аллергена a. Контекстное масштабирование может устранять данную проблему посредством масштабирования одного или более результатов тестов для приведения в соответствие вероятностей реакции. Это дает возможность механизму принятия решений игнорировать различия в шкале реакций, таким образом, упрощая конструкцию механизма принятия решений.

В альтернативном варианте осуществления (не показан) модуль 16 масштабирования расположен после модуля 15 предварительного преобразования данных, оперируя значениями, присвоенными набору носителей вместо результатов тестов из тестирующего оборудования. В еще одном варианте осуществления все или часть функций масштабирования могут быть включены в состав механизма 13 принятия решений.

В последующем будет дополнительно показана работа механизма принятия решений и использование им правил. Примеры 1-6 даются со ссылкой на Фиг.4, которая иллюстрирует небольшую часть предварительно определенной структуры для главных носителей "Пыльца" и "Пища". Отмечается, что последующие примеры являются упрощенными для облегчения понимания. Переменные и значения в примерах указываются курсивом.

Пример 1

Симптом: Экзема

Значение носителя: Береза в диапазоне Низкий

Правило: ЕСЛИ (Симптом=Экзема) И (КАКАЯ-ЛИБО Пыльца>Недиагностировано)

=> Поясняющий комментарий: "Экзема, вероятно, не обусловлена Пыльцой"

Пример 2

Симптом: Астма

Значение носителя: Береза в диапазоне Высокий

Правило: ЕСЛИ (Симптом=Астма) И (КАКАЯ-ЛИБО Пыльца в диапазоне от Высокий до Очень Высокий)=>Поясняющий комментарий: "Антитела IgE, обнаруженные для Береза, вероятно, ассоциированы с Симптомами Астмы"

Пример 3

Симптом: Астма

Значения носителей: Береза в диапазоне Высокий, Дуб в диапазоне Средний и Вяз в диапазоне Низкий

Правило: ЕСЛИ (Симптом=Астма) И (КАКАЯ-ЛИБО Пыльца в диапазоне от Высокий ДО Очень Высокий)=>Поясняющий комментарий: "Антитела IgE, обнаруженные для Дерево Пыльца, вероятно, являются ассоциированными с Симптомами Астмы"

Пример 4

Симптом: Экзема

Значение носителя: Треска в диапазоне Очень высокий

Правило: ЕСЛИ (Симптом=Экзема) И (КАКАЯ-ЛИБО Пища в диапазоне Очень Высокий)=>Поясняющий комментарий: "Экзема может быть обусловлена Треской"

Пример 5

Симптом: Экзема

Значения носителя: Треска в диапазоне Средний

Правило: ЕСЛИ (Симптом=Экзема) И (КАКАЯ-ЛИБО Пища в диапазоне Средний)=>Поясняющий комментарий: "Экзема может быть обусловлена Треской"

Пример 6

Симптом: Экзема

Значение носителя: Треска в диапазоне Очень Низкий

Правило: ЕСЛИ (Симптом=Экзема) И (КАКАЯ-ЛИБО Пища в диапазоне Очень Низкий)

=> Поясняющий комментарий: "Очень низкий уровень IgE для Трески, вероятно, не ассоциирован с Экземой"

Пример 7

Пациент с Симптомами Астмы и Экземы тестирован in vitro на антитела IgE. Получены следующие результаты тестов:

Кошка = 51 kU/l

Полынь = 23 kU/1

Береза = 3 kU/1

Собака = 2,7 kU/1

Амброзия = 0,7 kU/1

Тимофеевка = 0,6 kU/1

Лошадь = 0,45 kU/1

Кролик = 0,41 kU/1

Клещ_dl-0,57 kU/1

В данном упрощенном Примере модуль предварительного преобразования данных выполнен с возможностью присвоения результатов тестов следующим предварительно определенным главным носителям: "Пыльца", "Пища", "Животное", "Клещ" и "Плесень". Каждому главному носителю присваивается значение носителя, данное путем присвоения носителю максимального значения теста. Кроме того, модуль предварительного преобразования данных сконфигурирован для группы значений носителей соответственно следующим предварительно определенным диапазонам IgE (данным в kU/1): Недиагностировано: <0,1, Очень Низкий: [0,1-0,5], Низкий: [0,5-2], Средний: [2-15], Высокий: [15-50], и Очень Высокий: >50.

После предварительной обработки модулем предварительного преобразования данных получены следующие исходные данные для механизма принятия решений:

Животное = Очень Высокий

Пыльца = Высокий

Клещ = Низкий

Предварительно обработанные данные отправляются в механизм принятия решений, который генерирует поясняющие комментарии в соответствии со следующим набором правил:

Правило: ЕСЛИ (Симптом=Астма ИЛИ Ринит) И (Животное в диапазоне Очень Высокий)>Поясняющий комментарий: "Наблюдаемые абсолютные величины IgE для Животного с высокой степенью вероятности ассоциированы с Симптомами Астмы."

Правило: ЕСЛИ (Симптом=Астма ИЛИ Ринит) И (Пыльца в диапазоне Высокий)

=> Поясняющий комментарий: "Наблюдаемые абсолютные величины IgE для Пыльцы, вероятно, ассоциированы с Симптомами Астмы."

Правило: ЕСЛИ (Симптом=Астма ИЛИ Ринит) И (Клещ в диапазоне Низкий) => Поясняющий комментарий: "Наблюдаемые абсолютные величины IgE для Клеща могут способствовать возникновению Симптомов Астмы."

Правило: ЕСЛИ (Симптом=Экзема) И (Пыльца в КАКОМ-ЛИБО диапазоне)

=> Поясняющий комментарий: "Наблюдаемые абсолютные значения IgE для Пыльцы не могут быть ассоциированы с описанной Экземой."

Правило: ЕСЛИ (Симптом=Экзема) И ((Клещ ИЛИ Животное) в КАКОМ-ЛИБО диапазоне > Низкий) => Поясняющий комментарий: "IgE-опосредованные кожные аллергические симптомы обычно относятся к пищевым аллергенам, но прямой контакт с кожей или вдыхание воздуха, содержащего аллергены иногда могут способствовать возникновению кожных симптомов."

Одним общим правилом интерпретации значений биомаркера IgE является то, что высшие значения означают большой риск IgE-опосредованных аллергических симптомов. Однако существует много исключений из общего правила, и данные исключения могут быть включены в правила механизма принятия решений или в контекстное масштабирование. Два последующих Примера иллюстрируют, как данные исключения могут включаться в контекстное масштабирование.

Пример 8

Двое пациентов A и B имеют реакции IgE в Низком диапазоне для яйца, один пациент в возрасте 1 года и другой в возрасте 30 лет. Модуль масштабирования сконфигурирован на возрастание результата теста для детей в возрасте <6 лет с диапазона Низкий до диапазона Средний. Соответствующим образом обработанные результаты тестов переданы как исходные данные для механизма принятия решений, который генерирует поясняющие комментарии в соответствии со следующим набором правил:

Правило: ЕСЛИ (Симптом=Экзема) И (Яйцо в диапазоне Средний)

=> Поясняющий комментарий для Пациента A: "Экзема, вероятно, может быть обусловлена Яйцом”

Правило: ЕСЛИ (Симптом=Экзема) И (Яйцо в диапазоне Низкий)

=> Поясняющий комментарий для Пациента B: "Экзема может быть обусловлена Яйцом"

Пример 9

Значимость результата теста для специфического аллергена может повышаться или понижаться безотносительно к возрасту. Основываясь на клиническом опыте, модуль масштабирования может, например, быть конфигурирована для неизменного понижения результатов тестов в диапазоне Низкий для пшеницы или сои (например, 1,8 kU/1) до диапазона Очень Низкий. Соответствующим образом обработанные результаты тестов вводятся в механизм принятия решений, который генерирует поясняющие комментарии в соответствии со следующим набором правил:

Правило: ЕСЛИ (Симптом=Экзема) И ((Пшеница ИЛИ Соя) в диапазоне Очень Низкий)=>Поясняющий комментарий: "Для Пшеница/Соя Симптомы Экземы, обусловленные данными уровнями антител IgE являются редкими."

Правило: ЕСЛИ (Симптом = Экзема) И ((Пшеница ИЛИ Соя) в диапазоне Низкий)

=> Поясняющий комментарий: "Экзема может быть обусловлена Пшеницей/Соей"

Примеры 8 и 9 показывают, что логическая схема может двигаться от механизма принятия решений к модулю масштабирования, позволяя уменьшить сложность для разработчика. Кроме того, предоставление модуля масштабирования дает возможность изменения масштабированных параметров независимо от механизма принятия решений, например, для приспосабливания к новым сведениям, имеющим отношение к аллергенности или определенному биомаркеру.

Таблица 1 ниже представляет собой пример диагностического отчета, сгенерированного механизмом принятия решений на основе набора различных результатов тестов. В данном примере диагностический отчет включает наблюдаемые симптомы, в данном примере ринит. Отчет также включает результаты тестов, которые попадают в каждый из вышеупомянутых диапазонов. В данном примере один результат теста для клеща выпал в диапазоне Высокий и один результат теста для пыльцы травы выпал в диапазоне Средний, несмотря на то что все другие результаты тестов являются Недиагностированными. В данном примере механизму принятия решений были предоставлены не только предварительно обработанные исходные данные, но также и оригинальные результаты тестов. Однако диагностический отчет был сгенерирован на основе предварительно обработанных исходных данных; результаты тестов в данном примере были использованы только с целью их представления.

Таблица 1
Пример диагностического отчета, который генерируется, основываясь на результатах тестов, обработанных соответственно варианту осуществления изобретения Симптомы
Очень Высокие Аллергены
Высокие Аллергены
Средние Аллергены
Низкие Аллергены
Очень Низкие Аллергены
НедиагностированныеАллергены {ринит}
{клещ_d1 (34,7278)}
{смесь трав_3 (7,2496)}
{собака (0,1155), кошка (0,1127), смесь водорослей_3 (0,0899), смесь плесневых грибков_1 (0,1123)} КРАТКОЕ ИЗЛОЖЕНИЕ
Симптомы ринита, вероятно, обусловлены клещом. Абсолютные значения IgE для смеси трав_3 также, вероятно, способствуют этому.
ДЛЯ ОБСУЖДЕНИЯ:
Необходимо исследовать и наблюдать возможное развитие астмы.
КЛЕЩИ
Благотворной для данного пациента может быть минимизация контакта с клещом. Наблюдаемый высокий уровень абсолютных значений IgE для клеща, вероятно, ассоциирован с симптомами ринита. ПЫЛЬЦА
Наблюдаемые абсолютные значения IgE для смеси трав_3, вероятно, ассоциированы с симптомами ринита, если симптомы представлены во время сезона пыльцы. Симптомы для других аллергенов, кроме пыльцы, могут во время сезона пыльцы усугублять тяжесть эффекта, обусловленного дополнительным аллергеном.
БЛИЗКОРОДСТВЕННЫЕ АЛЛЕРГЕНЫ
- для пыльцы травы являются арахис, соевые бобы, томаты, дыня, пшеница, овес, ячмень и рожь.
- для клеща являются креветки, улитки, устрица и другие виды клеща.
ВАМ ИЗВЕСТНО
IgE-опосредованные риниты обычно встречаются сезонно для пыльцы, круглогодично для домашних ингаляционных аллергенов и на рабочем месте для профессиональных аллергенов.
IgE-опосредованная аллергия, особенно на ингаляционные аллергены, является сильным предрасполагающим фактором для развития астмы у пациентов с ринитом.

Фактический диагностический отчет в Таблице 1 генерировался, основываясь на вышеупомянутых правилах. В иллюстрируемом примере диагностический отчет включает КРАТКОЕ ИЗЛОЖЕНИЕ диагноза, раздел ДЛЯ ОБСУЖДЕНИЯ, дающий дальнейшие советы исполнителю, раздел КЛЕЩИ и раздел ПЫЛЬЦА, обсуждающие важность значимых результатов тестов для наблюдаемых симптомов, один раздел предоставляет информацию о БЛИЗКОРОДСТВЕННЫХ АЛЛЕРГЕНАХ, и один раздел предоставляет основную информацию (ВАМ ИЗВЕСТНО).

Включение различных разделов в диагностический отчет и содержание каждого раздела является контролируемым посредством вышеупомянутого набора правил, основанного на исходных данных. Например, комментарий к ПЫЛЬЦА ассоциирован с правилом "Наблюдаемые абсолютные величины IgE для {СреднийПыльца как наименование}, вероятно, ассоциированы с симптомами {ПыльцаСимптомы} если присутствуют во время сезона пыльцы". Переменная {СреднийПыльца как наименование} заменяется всеми аллергенами группы Пыльца или носителями на подходящем уровне предварительно определенной структуры, которые выпадают на диапазон Средний, и переменная {ПыльцаСимптомы} заменяется всеми наблюдаемыми симптомами, которые являются значимыми для аллергии на пыльцу, такими как ринит, астма и одышка.

Может быть важным, чтобы диагностический отчет генерировался с соответствующей сложностью, например, что обеспечено приемлемое количество комментариев. В основном, сложность отчета зависит от уровня детализации, предоставленного посредством исходных данных, например числа носителей на различных уровнях, отмеченных в исходных данных.

Как упомянуто выше, модуль предварительного преобразования данных может содержать логическую схему для выбора подходящих деталей для исходных данных. Альтернативно или дополнительно, сходная логическая схема может быть включена в механизм принятия решений, который таким образом контролирует выбор подгрупп носителей, включенных в исходные данные, которые используются для генерации диагностического отчета. В одном варианте, дополнительно раскрытом выше относительно модуля предварительного преобразования данных, выбор носителей может быть основан на носителях и/или значениях носителей, включенных в исходные данные. В еще одном варианте, также раскрытом выше относительно модуля предварительного преобразования данных, выбор контролируется посредством входных параметров механизма принятия решений, например, указание уровня квалификации субъекта, интерпретирующего диагностический отчет.

Вышеописанная система поддержки принятия клинического решения может быть реализована во многих различных видах оборудования. Предпочтительно модуль масштабирования, модуль предварительного преобразования данных и механизм принятия решений являются реализованными посредством программного обеспечения, работающего на электронном устройстве для обработки данных, таком как компьютер. Например, как схематически показано на Фиг.5, система может быть реализована на одном или более серверах 60, объединенных в единую сеть. Пользователь может вводить данные теста, исходящие из тестирующего оборудования 11 в систему с помощью веб-интерфейса на ПК 61, соединенном с общедоступной или закрытой информационной сетью (например, Интернет). Итоговые диагностические отчеты могут быть предоставлены для демонстрации пользователю с помощью веб-интерфейса и/или могут быть распечатаны на ближайшем цифровом печатающем устройстве. Альтернативно, (не показано), данные теста могут автоматически вводиться в систему из тестирующего оборудования 11, с помощью ПК 61 или с помощью сетевого интерфейса, интегрированного в тестирующее оборудование. В еще одной альтернативе модуль 16 масштабирования и/или модуль 15 предварительного преобразования данных могут быть расположены на ПК 61 или тестирующем оборудовании 11 для предоставления соответствующих исходных данных для механизма 13 принятия решений на сервере 60. В еще одной другой альтернативе единая система находится локально на ПК 61 или тестирующем оборудовании 11.

Фиг.6 представляет собой блок-схему, иллюстрирующую вариант осуществления способа, реализованного в системе поддержки принятия клинического решения, такой как система на Фиг.1 или в ПК/веб-сервере/тестирующем оборудовании на Фиг.5. Вначале результаты тестов для множества протестированных биомаркеров принимаются посредством системы (этап 70). Затем получается доступ к предварительно определенной структуре (c.f. структура 20 на Фиг.2) (этап 71), где идентифицируется группа носителей посредством установления соответствия протестированных биомаркеров со структурой (этап 72). Установление соответствия идентифицирует носители, которые включают в себя или являются ассоциированными с одним или более протестированными биомаркерами. Как отмечено выше, нет необходимости, чтобы группа носителей включала все носители, которые включают один или более простестированных биомаркеров, но она должна взамен включать погруппу таких носителей. Затем каждому носителю в идентифицированной группе носителей присваивается значение носителя, основанное на результатах тестов протестированных биомаркеров, для которых установлено соответствие с носителем (этап 73). Наконец, данные, указывающие на группу носителей, и присвоенные значения носителя предоставляются для введения в автоматизированный механизм принятия решений для генерации поддержки принятия клинического решения (этап 74).

Фиг.7 представляет собой схематическую блок-схему системы, сконфигурированной для реализации способа в соответствии с Фиг.6. В иллюстрированном примере система включает компонент (или средство) 80 для приема вышеупомянутых результатов теста, компонент (или средство) 81 для получения доступа к структуре носителей, компонент (или средство) 82 для идентификации группы носителей посредством установления соответствия, компонент (или средство) 83 для присвоения значения носителя каждому носителю в идентифицированной группе носителей и компонент (или средство) 84 для предоставления итоговых данных для ввода в механизм принятия решений. Как отмечено выше, компоненты (средства) 80-84, которые определяют систему в данном примере, могут быть осуществлены посредством специально предназначенного программного обеспечения (или микропрограммного обеспечения), работающего на одном или более вычислительных устройствах общего или специального назначения. Такое вычислительное устройство может включать одно или более устройств обработки данных, например, CPU ("Центральный Процессор"), DSP ("Цифровой Сигнальный Процессор"), ASIC ("Специализированная Интегральная Микросхема"), дискретные аналоговые и/или цифровые компоненты или некоторые другие программируемые логические устройства, такие как FPGA ("Логическая Микросхема, Программируемая в Условиях Эксплуатации"). В данном контексте является понятным, что каждый "компонент" или "средство" такого аппарата относится к концептуальному эквиваленту этапа способа; не всегда имеется соответствие один-в-один между компонентами/средствами и отдельными частями обычного аппаратного и программного обеспечения. Одна часть аппаратного обеспечения иногда включает различные компоненты/средства. Например, устройство обработки данных может работать как один компонент/средство, когда реализует одну инструкцию, но работает как еще один компонент/средство, когда реализует еще одну инструкцию. Дополнительно, один компонент/средство может быть осуществлен посредством одной инструкции в некоторых случаях, но посредством множества инструкций в других случаях. Вычислительное устройство может дополнительно включать системную память и системную шину, которая соединяет различные компоненты системы, включающие системную память для устройства обработки данных. Системная шина может быть какого-либо из некоторых типов систем шин, включающих шину запоминающего устройства или контроллер памяти, шину периферийных устройств и локальную шину, используя какую-либо из многообразных шинных архитектур. Системная память может включать устройство для хранения информации вычислительного устройства в форме энергозависимого или энергонезависимого запоминающего устройства, такого как постоянное запоминающее устройство (ROM), оперативное запоминающее устройство (RAM) и флэш-память. Специально предназначенное программное обеспечение может храниться в системной памяти или на другом съемном/несъемном энергозависимом/энергонезависимом устройстве для хранения информации вычислительного устройства, которое является включенном в или доступным для вычислительного устройства, таком как магнитный носитель, оптический носитель, флэш-карта памяти, магнитная лента, полупроводниковое RAM, полупроводниковое ROM и т.п. Вычислительное устройство может включать один или более коммуникационных интерфейсов, таких как последовательный интерфейс, параллельный интерфейс, USB-интерфейс, беспроводной интерфейс, сетевой адаптер и т.п. С помощью коммуникационного интерфейса могут быть соединены с вычислительным устройством одно или более устройств ввода-вывода, включающие, например, клавиатуру, мышь, сенсорную панель, дисплей, печатающее устройство, дисковод и т.п. Специально предназначенное программное обеспечение может быть предоставлено для вычислительного устройства на подходящем машиночитаемом носителе, включающем носитель записи, оперативное запоминающее устройство или электрический несущий сигнал.

Еще одним аспектом изобретения является возможность использования знаний иерархической структуры биомаркеров и образцов носителей для создания действенных и недорогих аналитических инструментов. Вместо такого инструмента, который является способным к измерению очень большого числа различных биомаркеров, он должен быть способен к измерению только определенных подгрупп биомаркеров, необходимых для точной диагностики. Кроме того, аналитический инструмент должен также скрывать от оператора принцип иерархичности биомаркеров и образцов носителей с предварительно определенными подгруппами, представляющими высшие по иерархии носители, необязательно в сочетании с контекстным масштабированием, таким образом сводя к минимуму потребность в обучении вышеуказанного оператора. Такой аналитический инструмент должен быть несложным в устройстве, простым в работе и поэтому менее дорогим для конечного пользователя.

При помощи данного способа, дающего набор тестов (который может быть неполным) пациента (который может не быть "средним" пациентом), и при использовании структуры какой-либо обычной CDSS является возможной точная диагностика. Также является возможным предложить экономически эффективные завершающие исследования посредством обнаружения дополнительных тестов, которые должны значительно улучшить диагностику, данную на основе неполного набора тестов пациента.

Дальнейшее Мотивирование Основных Концепций

Вышеописанные варианты осуществления настоящего изобретения опираются на предоставление структуры, которая представляет известные взаимосвязи между биомаркерами и носителями, и, типично, иерархическую структуру таких носителей. Ниже следует обсуждение мотивации предоставления такой структуры.

Используя заболевание аллергией как неограничивающий пример, является возможным тестирование пациента для выявления реакции на аллергены. Носитель может иметь несколько различных аллергенов, ассоциированных с ним. Кроме того, те же аллергены могут находиться в различных носителях. Таким образом, как гипотетически показано в Таблице 2 ниже, должно быть возможным ассоциировать носитель Кошка (1111) с числом специфических аллергенов Кошка (1001, 1002) и числом аллергенов Шерсть (1011, 1012, 1015). Также носитель Собака (1112) гипотетически должен быть ассоциирован с числом специфических аллергенов Собака (1021, 1022), и числом аллергенов Шерсть (1011, 1013), некоторые из которых могут быть общими (1011) с Кошка. Для носителя Лошадь (1113) индивидуальные аллергенные компоненты должны быть неизвестны. Кроме того, носитель Лошадь представлен посредством выборки, содержащей множество неизвестных компонентов, упомянутая выборка относится к большинству возможных аллергенов Лошадь. Лошадь, Кошка, Собака вместе формируют семейство Млекопитающие, покрытые шерстью. (1100). Коротко, пример в Таблице 2 представляет предварительно определенную иерархическую структуру, которая основана на известных взаимосвязях аллергенов и их носителей.

Таблица 2
Пример предварительно определенной иерархической структуры, которая основана на известных взаимосвязях между аллергенами и их носителями    

Было бы непрактичным требовать тестирования для всех индивидуальных аллергенов для всех пациентов, что обусловлено затратами и доступностью тестов. Кроме того, для каждого носителя и для каждого семейства может существовать предварительно определенная подгруппа тестов, которая может представить носитель или семейство. Например, если были протестированы один специфический аллерген Кошка (какой-либо из 1001, 1002) и один из аллергенов Шерсть, представленный в носителе Кошка (какой-либо из 1011, 1012, 1015), данные два результата тестов должны быть использованы для представления в носителе Кошка, даже несмотря на то что несколько аллергенов не были протестированы. Могут быть известны несколько таких предварительно определенных подгрупп биомаркеров, допускающих точное представление носителя. Таким же образом, Млекопитающие, покрытые шерстью (1100), должны быть представлены посредством, по меньшей мере, двух из членов семейств (например, какими-либо двумя из Кошка (1111), Собака (1112) и Лошадь (1113)). Понятие предопределенной подгруппы, следовательно, является в равной степени правомерным для носителей, которые во взаимодействии могут представлять более высокий иерархически носитель.

К структуре аллерген-носитель, показанной в Таблице 2, применялись следующие правила построения

• Носитель имеет один или более ассоциированных аллергенов

• Аллерген может быть найден в различных носителях

• Аллергия на носитель может быть представлена посредством тестирования предварительно определенных подгрупп аллергенов, ассоциированных с носителем

• Аллергия на класс носителей может быть представлена посредством аллергии на предварительно определенную подгруппу носителей, включенную в класс носителей

Таблица 3
Корреляционный коэффициент между значениями биомаркера IgE для пшеницы и диапазоном других значений биомаркера IgE для двух групп субъектов Наименование аллергена Коэффициент корреляции для Пшеницы Группа А Группа В Пшеница 1 1 Рожь 0,95 0,78 Ячмень 0,93 0,47 Овес 0,89 0,36 Рис 0,86 0,17 Кукуруза 0,85 0,52 Лук 0,84 0,05 Чеснок 0,84 0,13 Апельсин 0,80 0,11 Картофель 0,79 0,16 Гречневая крупа 0,79 0,08 Клубника 0,78 0,33 Соевые бобы 0,78 0,21 Помидор 0,77 0,29 Кунжут 0,75 -0,02 Белые бобы 0,74 0,10 Кокосовый орех 0,71 0,04 Морковь 0,71 0,35 Арахис 0,68 0,17 Горох 0,67 -0,08 Миндаль 0,63 -0,09

Одна часть доказательства существования такой иерархической организации биомаркеров может быть получена посредством рассмотрения содержания баз данных по аллергии. Таблица 3 выше показывает корреляцию между пшеницей и диапазоном биомаркеров IgE для биомаркеров для пищи растительного происхождения для двух групп субъектов. Группа А составлена из субъектов, которые имеют подтвержденное повышение значений IgE для пшеницы и пыльцы травы. Группа В составлена из субъектов, которые имеют подтвержденное повышение значений IgE для пшеницы, но не для пыльцы травы. Как видно в Таблице 3, для обеих групп А и В, высокие значения IgE для пшеницы имеют следствием вероятность высоких значений IgE для ржи. Только в группе A высокое значение IgE для пшеницы коррелирует со значениями IgE числа общих аллергенов, включающих лук, рис и апельсин. Это значит, что обнаружение значений биомаркеров IgE для пшеницы и пыльцы травы дает детализированное указание на повышение возможности других аллергий: В случае повышения только значения пшеницы, индицируется повышение значений риса. В случае когда являлись повышенными оба значения пшеницы и пыльцы травы, диапазон индикаций повышенных значений дан, как описано в Таблице 3. Данный тип приоритетной информации дает основу для иерархической структуры.

Вышеописанные варианты осуществления настоящего изобретения также опираются на контекстное масштабирование результатов тестов или значений носителей. Ниже следует показательное обсуждение функции контекстного масштабирования для выявления возможности реагирования на молоко на основе данного результата теста и возраста. Специалист в области аллергии и аутоиммунных заболеваний сразу же поймет, что последующее обсуждение является общеприменимым для других типов аллергий и других типов основных данных, характерных для данного пациента.

Заранее известным является то, что биомаркер "специфические антитела IgE к аллергену молока" соотносится с аллергией на молоко, как описано в документе "The predictive relationship of food-specific serum IgE concentrations to challenge outcomes for egg and milk varies by patient age" под авторством Komata и других, J. Allergy Clin. Immunol. 2007 May; 119(5): 1272-4 (включенном в данное описание посредством ссылки). Иллюстрация взаимосвязи представлена на Фиг.8. Используя данную информацию для масштабирования результата теста (в данном случае, концентрацию антител IgE), основанного на возрасте, механизм принятия решений не нуждается в обработке возрастной характеристики и поэтому должен быть упрощен.

На практике информация на Фиг.8 может быть использована следующим образом. Если ребенок в возрасте одного года протестирован на специфические антитела IgE к аллергену молока и результат теста представляет собой 1.3 kU_A/L, результат теста может быть масштабирован основываясь на возрасте и кривой распределения вероятностей на Фиг.8, в значении, которое представляет такую же вероятность развития аллергии на молоко у старших детей. Данная процедура масштабирования указана на Фиг.8 тонкой линией. В данном частном случае ребенок в возрасте одного года имеет вероятность развития аллергии на молоко 0,25. Для старших пациентов данная вероятность получена при результате теста 3 kU_A/L. Следовательно, результат теста для годовалого ребенка 1,3 kU_A/L преобразуется в 3 kU_A/L. Таким путем одна интерпретация будет правомерной для 22 детей независимо от возраста. В вышеуказанной статье Komata и других в исследование включались только дети, но понятно, что такое же установление соответствия может быть выполнено для любых возрастных групп пациентов, включая взрослых и пожилых.

Изобретение главным образом было описано выше со ссылкой на несколько вариантов осуществления. Однако, как легко оценить специалисту в данной области техники, в рамках объема и сущности изобретения в равной степени возможны другие варианты осуществления, кроме тех, что описаны выше, которые являются предварительно определенными и ограниченными только приложенной формулой изобретения.

Настоящее изобретение применимо для диагностики других заболеваний, кроме аллергии. В основном, оно общеприменимо в любой области диагностики, где используется множество биомаркеров (например, микропанели биомаркеров), которое коррелируется или соотносится одно с другим и, соответственно, может быть сгруппировано в группы и подгруппы и, необязательно, где значимые клинические симптомы нуждаются в масштабировании в контексте. Примеры альтернативных областей диагностики включают заболевания, относящиеся к аутоиммунным, онкологическим и заболеваниям ЦНС (центральной нервной системы). Поскольку биомаркеры могут быть сгруппированы в группы/подгруппы, может быть сформирована предварительно определенная структура, в которой носители ассоциированы с биомаркерами, по меньшей мере, в переносном смысле. Таким образом, специалист в данной области техники может без труда применять вышеизложенное описание в альтернативных областях диагностики.

В примерах выше все результаты тестов даны в общем диапазоне измерения. Это не является необходимым. Вместо этого для различных результатов тестов могут использоваться различные диапазоны измерений. Подобным образом, различные диапазоны измерений могут использоваться для значений носителей, присвоенных различным носителям.

Изобретение относится к области компьютерной медицины. Предложен способ поддержки принятия клинического решения, где в компьютерный механизм принятия решений вводят данные, указывающие группу носителей аллергена и значения носителя аллергена, которые получают путем количественного определения антител IgE в биологической жидкости; идентификации носителей с помощью предварительно определенной структуры, представляющей известные взаимосвязи между антителами IgE и носителями аллергена, где по меньшей мере один носитель аллергена ассоциирован с множеством антител IgE; и присваивания значений носителям аллергенов на основании результатов теста антител IgE. Также рассмотрены машиночитаемый носитель, включающий инструкции, предписывающие выполнение компьютером способа по изобретению, и система поддержки принятия клинического решения. Данное изобретение позволяет уменьшить сложность механизма принятия решений за счет сокращения количества данных, вводимых в механизм принятия решений, и может найти применение в диагностике аллергий и других заболеваний. 3 н. и 11 з.п. ф-лы, 8 ил., 3 табл., 9 пр.

1. Способ поддержки принятия клинического решения на основе результатов тестов для множества протестированных антител IgE, при этом способ включает в себя этапы, на которых:
генерируют результаты тестов путем количественного определения антител IgE в биологической жидкости с использованием тестирующего оборудования;
вводят упомянутые результаты тестов в вычислительное устройство;
получают доступ к предварительно определенной структуре (20), представляющей известные взаимосвязи между антителами IgE и носителями аллергена, в которой доступные антитела IgE ассоциированы с носителями аллергена, причем, по меньшей мере, один носитель аллергена ассоциирован с множеством антител IgE;
идентифицируют группу носителей аллергена посредством установления соответствия тестированных антител IgE со структурой (20);
присваивают значение носителя аллергена каждому носителю аллергена в упомянутой группе носителей аллергена на основании результатов теста протестированных антител IgE, для которых установлено соответствие с носителем аллергена; и
предоставляют данные, указывающие группу носителей аллергена и присвоенные значения носителя аллергена, для ввода в компьютерный механизм (13) принятия решений для принятия клинических решений,
причем число носителей аллергена в группе носителей аллергена является меньшим, чем число доступных антител IgE.

2. Способ по п.1, в котором структура (20) включает в себя носители аллергена в порядке иерархии уровней (L1-L4).

3. Способ по п.1, дополнительно включающий в себя этап, на котором масштабируют результаты тестов или значения носителей аллергена, основанные на характерных для пациента основных данных для результатов тестов.

4. Способ по п.3, в котором характерные для пациента основные данные включают, по меньшей мере, одно из: демографических данных, анамнеза, наследственных факторов, модели реагирования, истории пациента и генетических данных.

5. Способ по п.3 или 4, дополнительно включающий в себя этап, на котором включают в исходные данные, по меньшей мере, часть характерных для пациента основных данных.

6. Способ по п.1, дополнительно включающий в себя этап, на котором идентифицируют у пациента, по меньшей мере, один симптом и включают данные, указывающие на симптом пациента, в исходные данные.

7. Способ по п.1, в котором число доступных антител IgE представляет собой 10 или более.

8. Способ по п.1, в котором протестированные антитела IgE представляют собой антитела.

9. Способ по п.1, в котором принятие клинического решения относится к диагностике аллергии или аутоиммунных заболеваний.

10. Машиночитаемый носитель, включающий в себя инструкции, предписывающие выполнение компьютером способа по любому из пп.1-9.

11. Система поддержки принятия клинического решения на основе результатов тестов для множества протестированных антител IgE, при этом упомянутая система включает в себя:
тестирующее оборудование (11) для генерирования результатов тестов путем количественного определения антител IgE в биологической жидкости;
компонент (80) для приема упомянутых результатов тестов;
компонент (81) для получения доступа к предварительно определенной структуре (20), представляющей известные взаимосвязи между антителами IgE и носителями аллергена, в которой доступные антитела IgE ассоциированы с носителями аллергена, причем, по меньшей мере, один носитель аллергена ассоциирован с множеством антител IgE;
компонент (82) для идентификации группы носителей аллергена посредством установления соответствия тестированных антител IgE со структурой (20);
компонент (83) для присвоения значения носителя аллергена каждому носителю аллергена в упомянутой группе носителей аллергена на основании результатов теста протестированных антител IgE, для которых установлено соответствие с носителем аллергена; и
компонент (84) для предоставления исходных данных, показывающих группу носителей аллергена и присвоенные значения носителей аллергена, для ввода в компьютерный механизм (13) принятия решений для принятия клинического решения,
причем число носителей аллергена в группе носителей аллергена является меньшим, чем число доступных антител IgE.

12. Система по п.11, дополнительно включающая в себя компонент (16) для масштабирования результатов тестов или значений носителей аллергена, основываясь на характерных для пациента основных данных для результатов тестов.

13. Система по п.11, в которой упомянутый компонент (11) для генерации результатов тестов включает в себя аналитический инструмент, специально предназначенный для тестирования предварительно определенных подгрупп антител IgE, предпочтительно использующий технологию выявления in vitro IgE.

14. Система по п.11, в которой упомянутые компоненты (11, 80-84) интегрированы в единое устройство.