用于确定凝血结果的技术制造技术

本公开文本的一个方面涉及一种用于确定生物样品的凝血结果的自动化方法，该自动化方法包括：获得表示生物样品的测量数据的时间序列，该时间序列跨越应该发生凝结反应的时间段；并且获得被配置为对发生凝结反应的生物样品的测量数据建模的全局模型函数，该全局模型函数被配置为将测量数据建模为具有至少一个拐点的S形。在该至少一个拐点一侧的该S形的最大曲率绝对值比在另一侧的大。该方法进一步包括将该模型函数拟合到表示测量数据的时间序列以获得拟合模型函数，并基于该拟合模型函数确定该生物样品的凝血结果。

【技术实现步骤摘要】
用于确定凝血结果的技术
本公开文本涉及用于确定生物样品的凝血结果的方法和用于确定生物样品的凝血结果的系统。专利技术背景在当今医疗执业者的日常工作中凝血诊断(也称为凝结诊断)起着重要作用。通常，凝血诊断涉及由自动分析仪进行的部分自动或全自动过程。通常，在预定的时间段内重复测量，以监测由凝结反应引起的样品特性的变化。然后可以处理所得到的测量数据时间序列，以获得对凝结过程的了解，并且从而了解被提取了样品的个体的健康状况。具体而言，自动分析仪可以被配置为基于生成的测量数据自动确定一个或多个凝血结果(例如，凝结时间或信号变化的大小)。这个过程可能容易出错，因为可能会出现多种不同的混杂因素，并且导致自动确定过程步入歧途。例如，测量数据的时间序列可包括信号跳跃(例如，由样品容器的移动或样品中的气泡引起)或信号异常值。此外，在样品中可能发生与待监测的反应不同的反应并且可能影响凝血结果。另外或可替代地，样品或试剂处理中的错误或其他错误可导致测量数据的时间序列的意外形状。在任何这些情况或其他情况下，自动进行凝血结果确定算法的自动分析仪可能确定出错误的凝血结果。这会产生严重后果，因为错误的凝血结果会影响诊断和治疗决策，或者可能需要昂贵的凝血诊断的重复。专利技术概述本公开文本的第一一般方面涉及一种用于确定生物样品的凝血结果的自动化方法，该方法包括获得表示生物样品的测量数据的时间序列，该时间序列跨越生物样品中应该发生凝结反应的时间段；并且获得被配置为对发生凝结反应的生物样品的测量数据建模的全局模型函数，该全局模型函数被配置为将测量数据建模为具有至少一个拐点的S形。在该至少一个拐点一侧的该S形的最大曲率绝对值比在另一侧的大。该方法进一步包括将该模型函数拟合到表示测量数据的时间序列以获得拟合全局模型函数，并基于拟合全局模型函数确定该生物样品的凝血结果。本公开文本的第二一般方面涉及用于确定生物样品的凝血结果的系统，该系统被配置为执行本公开文本的第一一般方面的步骤。在一些实施方案中，第一一般方面的方法和第二一般方面的系统可以具有以下优点中的一个或多个。通常，在一些例子中，本公开文本的技术可以允许稳健地自动确定凝血结果。首先，与使用多个模型函数分段地接近测量数据的时间序列的一些现有技术相比，通过使用全局模型函数，可以减少异常值或其他错误数据点的影响。因此，在本公开文本的一些例子中，不需要异常值检测和去除过程。其次，使用全局模型函数可以允许相对简单地检测测量数据时间序列中的信号跳跃。例如，信号跳跃可以导致拟合值与测量数据时间序列的数据值之间的差异的特征标记，这可以以简单方式检测到。再次，包括不同模型函数的分段拟合的一些现有技术方法可能需要更复杂的信号跳跃检测算法。第三，凝血结果可以基于拟合全局模型函数自动确定，在一些例子中，该拟合全局模型函数被配置为以简单且稳健的方式根据本公开文本将测量数据建模为S形。在测量数据具有有效形状的情况下，对于具有多种不同特征的测量数据，如此定义的全局模型函数可适合于确定凝血结果。例如，用于凝血诊断的不同自动分析仪或测定可以产生数量上不同的时间序列。另外，在不同环境中可存在或不存在不同的误差源和混杂因素。例如，在一些情况下，样品中的不同干扰过程可能导致较大时间值的测量数据中的漂移基线或尾部。在一些例子中，当使用本公开文本的全局模型函数时，可以自动处理这些错误和混杂因素。此外，如此定义的全局模型函数可以针对多个不同的环境(例如，特定操作员使用的不同分析仪或不同测定)定制。第四，在一些例子中，即使没有观察到基线，也可使用全局模型函数来确定凝血结果。例如，可能延迟开始测量过程和/或可能过早地添加触发凝血反应的试剂。用于自动凝血结果确定的一些现有技术不能处理此类测量数据。第五，在一些例子中，根据本公开文本拟合全局模型函数可以以相对简单的方式促进无效或负(即，没有发生凝结反应)曲线形状的检测。例如，可以评价在拟合全局模型函数的过程中获得的一个或多个拟合质量参数，以确定测量数据的时间序列不显示有效的凝血曲线。如文本所使用的，术语“S形(sigmoid或sigmoidalshape)”(这两个术语可互换使用)包括所有总体上为S形的曲线。它包括但不限于逻辑函数的特殊情况，如通过公式S(x)＝1/(1+e-x)定义的。如本文所定义的S形具有至少一个拐点。然而，在其他例子中，它可以具有多于一个拐点。拐点可以位于S形的任何位置(S形可以具有不对称形状，其中拐点一侧的信号增长或下降小于拐点另一侧的相应信号增长或下降)。S形可以围绕着拐点而呈点对称或不对称。本公开文本中的“全局模型函数”涉及可以通过拟合单个函数表达式来对凝血数据的完整时间序列建模的模型函数。与此相反，一些现有技术使用多个局部模型函数来分段拟合时间序列。表述“配置为对……建模”表达全局模型函数的用以对相应的特征建模的可能性。根据模型函数拟合的时间序列的性质，拟合的模型实际上可能显示相应的特征或不显示。例如，作为线性和非线性项之和的模型函数被配置为对具有相应非线性行为的时间序列建模。然而，在样品时间序列在时间上是线性的情况下，拟合模型函数也将是线性的(例如，非线性项的权重将较低或为零)。换言之，即使模型函数被配置为对某些特征建模，这并不意味着拟合模型函数在所有情况下都显示相应的特征。凝血(还称为凝结)是血液从液态变成凝胶形成血凝块的过程。该过程可能引起止血，即从受损的血管停止失血，然后修复。凝血机制涉及血小板的活化、粘附和聚集以及纤维蛋白的沉积和成熟。凝血障碍是可以导致例如出血或血栓症的疾病状态。凝血机制在所有哺乳动物中是相似的，并且涉及细胞组分(血小板)和蛋白质组分(凝血因子)二者。血管受伤已损坏作为血管的内衬的内皮之后，凝血几乎立即开始。血液通过内皮泄漏会启动两个过程：血小板变化、以及内皮下组织因子暴露于血浆因子VII，最终引起纤维蛋白形成。血小板在伤口部位立即形成栓；这被称为初期止血。继发性止血同时发生。因子VII以外的额外的凝血因子或凝结因子以复杂级联产生响应从而形成纤维蛋白链，这些纤维蛋白链强化血小板栓。本文所述的方法可用于凝血诊断的任何测定，该测定基于在体外监测正在进行的凝血反应(例如，如上所述)的测量数据的时间序列。根据本公开文本的“自动分析仪”可以是适合于生成通过本公开文本的技术处理的测量数据的任何自动或半自动设备。自动分析仪可配备任何合适的测量单元，以执行可用于确定凝血诊断的测量数据时间序列的测量。例如，自动分析仪可以被配置为对生物样品进行光学或电学测量以生成测量数据。光学测量可以包括以下项中的一个或多个：浊度测量、吸光度测量、散射测量或透射率测量。电学测量可以包括电阻测量或阻抗测量。术语“生物样品”是指可能含有用于凝血分析的感兴趣分析物的一种或多种材料。样品可以源自生物来源，例如生理流体。具体而言，样品可以是全血样品或可以源自血液样品。可以在使用前预处理生物样品，如从血液制备血浆。处理方法可涉及对包含感兴趣分析物的样品组分进行离心、过滤、蒸馏、稀释、浓缩和/或分离，使干扰组分失活以及添加试剂。样品可以在从来源获得时直接使用，或在预处理以修改样品的特征后使用。生物样品可以是不同材料的混合物。具体而言，生物样品可包括非生物材料，例如稀释剂、缓冲本文档来自技高网...

【技术保护点】
1.一种用于确定生物样品的凝血结果的自动化方法，该方法包括：获得表示生物样品的测量数据的时间序列(13)(51)，其中该时间序列(13)跨越该生物样品中应该发生凝结反应的时间段；获得全局模型函数，该全局模型函数被配置为对发生凝结反应的生物样品的测量数据建模(52)，其中该全局模型函数被配置为将该测量数据建模为具有至少一个拐点(14)的S形(19)，并且其中在该至少一个拐点一侧的该S形的最大曲率绝对值比在另一侧的大；将该模型函数拟合到表示测量数据的时间序列，以获得拟合全局模型函数(11)；并且基于该拟合全局模型函数(11)确定该生物样品的凝血结果。

【技术特征摘要】
2017.07.17 EP 17181666.31.一种用于确定生物样品的凝血结果的自动化方法，该方法包括：获得表示生物样品的测量数据的时间序列(13)(51)，其中该时间序列(13)跨越该生物样品中应该发生凝结反应的时间段；获得全局模型函数，该全局模型函数被配置为对发生凝结反应的生物样品的测量数据建模(52)，其中该全局模型函数被配置为将该测量数据建模为具有至少一个拐点(14)的S形(19)，并且其中在该至少一个拐点一侧的该S形的最大曲率绝对值比在另一侧的大；将该模型函数拟合到表示测量数据的时间序列，以获得拟合全局模型函数(11)；并且基于该拟合全局模型函数(11)确定该生物样品的凝血结果。2.权利要求1的方法，其中该全局模型函数被配置为对该S形的第一侧上的非平坦基线(12)和/或该S形的第二侧上该S形逼近的非平坦渐近线(10)建模。3.权利要求1至2中任一项的自动化方法，其中确定凝血结果包括：基于该拟合全局模型函数(11)确定该S形(19)的基线(12)；基于该拟合全局模型函数(11)确定虚拟或实际渐近线(10)，其中虚拟渐近线是该拟合模型函数在没有干扰过程的情况下逼近的渐近线，其中该基线和该虚拟或实际渐近线(12、10)中的至少一项是非平坦的；定义在该基线(12)和该渐近线(10)之间出现的阈值线(21)，其中该基线(12)与该阈值线(21)之间的距离是在每个时间点处该基线(12)与该虚拟或实际渐近线(10)之间的距离的固定分数；并且基于该拟合全局模型函数(11)的在该拟合全局模型函数(11)与该阈值线(21)交叉的点处的特征(23；24)确定该凝血结果。4.权利要求3的自动化方法，其中使用该拟合全局模型函数(11)的拟合参数的一个或多个子集来确定该基线(12)、或者该虚拟或实际渐近线(10)、或者两者。5.权利要求2或4中任一项的自动化方法，其中该S形具有呈正曲率或负曲率的尾部(40)，这意味着该拟合模型函数不逼近线性渐近函数。6.权利要求1至5中任一项的自动化方法，其中该凝血结果是基于该拟合全局模型函数确定的信号变化的大小(22)或凝血时间(23)。7.权利要求1至6中任一项的自动化方法，其中该全局模型函数包括三个或四个项的和，其中第一项是定义基线截距的常数项，其中第二项是定义基线斜率的线性项，并且其中第三项是另外的线性分量与定义该S形的非线性行为的两个或更多个指数分量的乘积。8.权利要求1至7中任一项的自动化方法，其中该全局模型函数具有以下形式：或数学上...

【专利技术属性】
技术研发人员：R·克诺伯尔，
申请(专利权)人：豪夫迈·罗氏有限公司，
类型：发明
国别省市：瑞士,CH