The invention provides a combination of biomarkers and biomarkers for the diagnosis of lung diseases, such as non-small cell lung cancer of reactive airway diseases. The measured values of these biomarkers are input into a classification system such as support vector machine or AdaBoost to help determine the possibility of an individual suffering from lung disease. A kit including a reagent for detecting the combination of the biomarker and the biomarker is also provided, as well as a system for helping diagnose lung diseases.
【技术实现步骤摘要】
使用分类系统及其试剂盒识别和诊断肺部疾病的方法本申请是申请日为2012年4月30日、申请号为201280031514.2、专利技术名称为“使用分类系统及其试剂盒识别和诊断肺部疾病的方法”的专利技术专利申请的分案申请。专利技术背景(a)
本专利技术涉及使用生物标记物及其试剂盒对肺部疾病的检测、识别和诊断,以及根据生物标记物帮助确定疾病存在或不存在的可能性的系统。更具体地讲,本专利技术涉及通过测定特定生物标记物的表达水平,并且将这些测定值输入分类系统,例如支持向量机对非小细胞肺癌和反应性气道疾病进行的诊断。(b)相关技术的描述人类肺组织的病变数以百万计的美国人患有呼吸系统的病变,例如哮喘和肺癌。事实上,据AmericanLung报告,几乎有2000万美国人患有哮喘。AmericanCancerSociety,Inc.估计,仅在2007年新增的呼吸系统癌症为229,400例,呼吸系统癌症死亡为164,840例。虽然在检测到癌症还处于原位时,所有癌症病例的五年存活率均为46%,但肺癌患者的五年存活率仅为13%。相应地,仅有16%的肺癌在疾病扩散之前被发现。根据癌细胞的病变,肺癌通常分为两种主要类型。每种类型根据转化变为癌性的细胞类型命名。小细胞肺癌来源于人类肺组织中的小细胞,而非小细胞肺癌通常涵盖非小细胞类型的所有肺癌。非小细胞肺癌组合在一起,因为对于所有非小细胞类型治疗通常是相同的。非小细胞肺癌或NSCLC一起构成了约75%的所有肺癌。肺癌难以在早期诊断,这一事实是肺癌患者低存活率的主要因素。当前诊断肺癌或识别其在人体中存在的方法仅限于采取肺部的X-射线、计 ...
【技术保护点】
1.一种对测试数据分类的方法,所述测试数据包括生物标记物集的每个的多个生物标记物测定值,所述方法包括:接收测试数据,所述测试数据包括人测试受试者中所述生物标记物集的每个生物标记物的生物标记物测定值;使用支持向量机的电子表示评估所述测试数据,所述支持向量机使用电子存储的训练数据向量集合训练,每个训练数据向量代表单个人,并且包括所述相应人的所述生物标记物集的每个生物标记物的生物标记物测定值,每个训练数据向量还包括相对于所述相应人的疾病状态的分类;以及根据所述评估步骤输出所述人测试受试者的分类。
【技术特征摘要】
2011.04.29 US 61/480,802;2012.04.02 US 61/619,2791.一种对测试数据分类的方法,所述测试数据包括生物标记物集的每个的多个生物标记物测定值,所述方法包括:接收测试数据,所述测试数据包括人测试受试者中所述生物标记物集的每个生物标记物的生物标记物测定值;使用支持向量机的电子表示评估所述测试数据,所述支持向量机使用电子存储的训练数据向量集合训练,每个训练数据向量代表单个人,并且包括所述相应人的所述生物标记物集的每个生物标记物的生物标记物测定值,每个训练数据向量还包括相对于所述相应人的疾病状态的分类;以及根据所述评估步骤输出所述人测试受试者的分类。2.一种对测试数据分类的方法,所述测试数据包括生物标记物集的每个的多个生物标记物测定值,所述方法包括:接收测试数据,所述测试数据包括人测试受试者中所述生物标记物集的每个生物标记物的生物标记物测定值;使用AdaBoost分类器的电子表示评估所述测试数据,所述AdaBoost分类器使用电子存储的训练数据向量集合训练,每个训练数据向量代表单个人,并且包括所述相应人的所述生物标记物集的每个生物标记物的生物标记物测定值,每个训练数据向量还包括相对于所述相应人的疾病状态的分类;以及根据所述评估步骤输出所述人测试受试者的分类。3.一种对测试数据分类的系统,所述测试数据包括生物标记物集的每个的生物标记物测定值,所述系统包括:电子存储的训练数据向量集合,每个训练数据向量代表单个人,并且包括所述相应人的所述生物标记物集的每个生物标记物的生物标记物测定值,每个训练数据向量还包括相对于所述相应人的疾病状态的分类;可操作地联接到所述电子存储的训练数据向量集合的计算机,所述计算机包括支持向量机的电子表示,所述支持向量机适于使用所述电子存储的训练数据向量集合训练,所述计算机被配置为接收测试数据,所述测试数据包括人测试受试者中所述生物标记物集的多个生物标记物测定值,所述计算机还被配置为使用所述支持向量机的所述电子表示评估所述测试数据,并且根据所述评估输出所述人测试受试者的分类。4.一种对测试数据分类的系统,所述测试数据包括生物标记物集的每个的生物标记物测定值,所述系统包括:电子存储的训练数据向量集合,每个训练数据向量代表单个人,并且包括所述相应人的所述生物标记物集的每个生物标记物的生物标记物测定值,每个训练数据向量还包括相对于所述相应人的疾病状态的分类;可操作地联接到所述电子存储的训练数据向量集合的计算机,所述计算机包括AdaBoost分类器的电子表示,所述AdaBoost分类器适于使用所述电子存储的训练数据向量集合训练,所述计算机被配置为接收测试数据,所述测试数据包括人测试受试者中所述生物标记物集的多个生物标记物测定值,所述计算机还被配置为使用所述支持向量机的所述电子表示评估所述测试数据,并且根据所述评估输出所述人测试受试者的分类。5.一种对测试数据分类的系统,所述测试数据包括生物标记物集的每个的多个生物标记物测定值,所述系统包括:包括支持向量机的电子表示的计算机,所述支持向量机使用电子存储的训练数据向量集合训练,每个训练数据向量代表单个人,并且包括所述相应人的所述生物标记物集的每个生物标记物的生物标记物测定值,每个训练数据向量还包括相对于所述相应人的疾病状态的分类;所述计算机被配置为接收测试数据,所述测试数据包括人测试受试者中所述生物标记物集的多个生物标记物测定值,所述计算机还被配置为使用所述支持向量机的所述电子表示评估所述测试数据,并且根据所述评估输出所述人测试受试者的分类。6.一种对测试数据分类的系统,所述测试数据包括生物标记物集的每个的多个生物标记物测定值,所述系统包括:包括AdaBoost分类器的电子表示的计算机,所述AdaBoost分类器使用电子存储的训练数据向量集合训练,每个训练数据向量代表单个人,并且包括所述相应人的所述生物标记物集的每个生物标记物的生物标记物测定值,每个训练数据向量还包括相对于所述相应人的疾病状态的分类;所述计算机被配置为接收测试数据,所述测试数据包括人测试受试者中所述生物标记物集的多个生物标记物测定值,所述计算机还被配置为使用所述支持向量机的所述电子表示评估所述测试数据,并且根据所述评估输出所述人测试受试者的分类。7.一种对测试数据分类的方法,所述测试数据包括生物标记物集的每个的多个生物标记物测定值,所述方法包括:接收人测试受试者的测试数据,所述测试数据包括所述生物标记物集的至少每个生物标记物的生物标记物测定值。使用支持向量机的电子表示评估所述测试数据,所述支持向量机使用电子存储的第一训练数据向量集合训练,所述第一训练数据向量集合的每个训练数据向量代表单个人,并且包括所述相应人的所述生物标记物集的至少每个生物标记物的生物标记物测定值,所述第一训练数据向量集合的每个训练数据向量还包括相对于所述相应人的疾病状态的分类;...
【专利技术属性】
技术研发人员:R·T·斯特里珀,E·伊兹比茨卡,J·米夏勒克,C·劳登,
申请(专利权)人:癌症预防和治疗有限公司,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。