用于使用个人数字表型维持健康的系统和方法技术方案

一种用于鉴别和治疗患者的疾病的系统和方法从传感器收集一个或多个数据流，这些传感器被配置成检测随时间推移在患者组织内生成的生物信号。收集包括该患者的人口统计学、临床、实验室、病理学、化学、图像、历史、遗传和活动数据中的一项或多项的患者数据元素，并将这些患者数据元素与这些数据流一起处理以生成个性化数字表型(PDP)。将该PDP与包括先前数据的数字分类法进行比较，以将该患者分类为一种或多种定量疾病分类，以指导用于治疗该患者的个性化干预。

【技术实现步骤摘要】
【国外来华专利技术】用于使用个人数字表型维持健康的系统和方法相关申请本申请要求于2018年4月30日提交的美国临时申请号62/664,833的优先权权益，所述美国临时申请通过援引以其全文并入本文。政府权利本专利技术根据美国国立卫生研究院(NIH)授予的授权号HL83359和HL103800在政府支持下进行。政府拥有本专利技术的某些权利。
本专利技术总体上涉及用于疾病和健康维护的个性化疗法，并且更具体地涉及一种系统和方法，该系统和方法用于基于针对特定的人收集的数据(该数据可以基于人群数据参考疾病的数字分类法)来定义疾病的数字表型，从而提供对个性化疗法的关键异常的鉴别。
技术介绍
越来越认识到，医学疗法常常过于笼统并且可以通过个性化进行改进。许多接受的疗法在人群中效果相当好，但在极少数情况下效果不佳或根本没有效果。即使在疗法起效的患者中，个体之间的反应通常也分等级。常常很少有先验线索可以证明特定疗法可能在给定患者中不起效。实际上，反应或失败的先验“预测因素”通常是基于事后观察到的成功和失败，并且尝试使用这些预测因素来改进疗法常常会产生增量益处而不是实质益处。相对于统计学上的少数，针对所陈述病状的当前医学实践明确地优先考虑大多数个体的适用性，因为仅提倡在大多数个体中起效的疗法。重要但被忽视的问题是患有所陈述病状的少数个体的命运，这些少数个体对一种疗法的反应可能与在大多数个体上使用该疗法时的反应不同。此少数可能包括大量个体，但是疗法通常甚至会因这些个体而被放弃，除非很容易从患有所陈述病状的其他个体中鉴别(表型分型)出这些个体。此类“子”表型分型常常很困难，因为不然的话，此类个体将事先已经与患有所陈述病状的其他个体分开而进入到不同的子类别。迫切需要将疗法个性化：先验地鉴别疗法有可能起效的那些患者、疗法不太可能起效的那些患者，并且理想地优化用于个体的疗法。为了满足这些目的，越来越多地使用策略对个性化医学进行研究以鉴别某种病状的(多个)遗传原因、相应地对个体进行表型分型并且基于此表型来定制疗法。个性化医学最常应用于遗传异常(“机理”)所导致的病状，而对于无法证明明确遗传性状的病状的应用不太频繁。不幸的是，这包括所有器官系统中最流行的疾病中的许多疾病。在心脏中，虽然可以鉴别遗传病例的病状，比如冠状动脉疾病或心脏节律障碍(包括心房纤颤(AF))，例如患有家族遗传性高胆固醇血症或孤立性AF的患者，但此类病例是少数。大多数病例没有明确可证明的遗传原因并且被认为是由多种因素引起的(多因素的)。一些最近的研究即使在被视为遗传的病状(包括年轻人的遗传性心脏骤停(即，心律失常猝死综合征(“SADS”)))中也未能示出遗传异常。其他病状可能表现得部分可遗传或者可能具有带“不完全外显性”的遗传原因。在疾病表达或对疗法的反应方面的此类不确定性的原因是未知的，并且例如许多心房纤颤疗法都会发生。此类不确定性常常归因于“环境”并且可以表示为细胞“蛋白质组”或“代谢组”中的变异，但可能难以鉴别、常常未经证实并且很少用于指导疗法。心脏节律紊乱是全世界发病和死亡的常见且重要原因。在正常情况下，窦房结使心脏保持处于窦性节律。在某些情况下，正常窦房结的快速激动会导致不适当的窦性心动过速或窦房结折返，窦性心动过速和窦房结折返两者也表示心脏节律紊乱。心脏中的电系统的故障是心脏节律紊乱的近因。心脏节律紊乱可以分类为简单的或复杂的。在某种程度上，这是基于节律是否在当前得到充分理解且可治疗而任意划分的。然而，简单的节律可以被视为具有随时间推移稳定的明确定义的电路，其中大多数分析方法(标测)都是一致的。示例包括窦性节律(SR)、房性心动过速(AT)或扑动(AFL)、房室结折返性心动过速(AVNRT)和房室往复性心动过速(AVRT)。相反，复杂的节律紊乱包括心房纤颤(AF)、心室纤颤(VF)和其他节律形式(其中，电路随时间推移改变)，比如多形性室性心动过速(PMVT)、多个期前心房复合波(PAC)、多个期前心室复合波(PVC)以及互相关联的心房大折返电路。心脏节律紊乱(尤其是复杂节律紊乱AF、VF和VT的)可能很难治疗。复杂节律紊乱的药理学疗法不是最佳的。通过穿过血管或直接在手术时将传感器/探针操纵到心脏并且向心脏的位置递送能量以减轻并且在一些情况下消除心脏节律紊乱，消融已越来越多地用于心脏节律紊乱。然而，在复杂节律紊乱中，消融常常是困难且无效的，因为鉴别和定位心脏节律紊乱的原因(来源)的工具不完善，从而阻碍了将能量递送至心脏的适当区域以消除紊乱的尝试。尽管做出了最大的努力，但从中长期来看，复杂心律失常的药物疗法仅具有30％至60％的成功率。消融越来越多地被使用，但是对于复杂的病状而言是次优的。例如，在最近的多中心试验中，用于被视为最简单形式的“阵发性”AF的单一消融程序的成功率是65％，在一年内随时间推移下降到50％。对于患有更复杂的持续性AF的患者，在Verma等人最近的多中心试验中，通过“黄金标准(goldstandard)”技术得到的单一程序成功率在停止用药的第一年为约40％到50％(“Approachestocatheterablationforpersistentatrialfibrillation[用于持续性心房纤颤的导管消融方法]”,NEnglJMed.[新英格兰医学期刊]2015；372:1812-22.)这些研究中的每一个都与许多其他多中心前瞻性调查的结果一致。存在若干个未满足的需求，这些需求如果通过新的科学突破或专利技术得到解决则可以有助于提高这些疗法成功率。仍有许多未解答的问题：为什么相同的消融方法对一些患者起效而对其他患者尽管多次尝试仍然无效？节律紊乱的哪些机理在个体之间是类似或不同的，并且可以鉴别出这些节律紊乱的表型吗？出于此目的，当前的疾病分类并不理想，因为肺静脉隔离术在1至2年间的“简单”阵发性AF病例中有35％至50％失败，但在1至2年间的“晚期”持续性AF病例中有40％-50％起效。为什么一些患者在消融建议的AF来源之后表现良好，而其他患者却没有？在来源驱动的AF中，为什么一些个体即使对于复杂的AF也仅具有一个来源，而其他个体却具有若干个？为什么一些个体中来源或驱动因子区域与结构异常(比如磁共振成像或电压分析上的纤维化)有关，而一些个体却无关(Narayan等人,CirculationArrhythmia/Electrophysiology[循环心律失常/电生理学]2013；6(1):58-67)？为什么在一些个体中，比如AF等心脏节律病状与比如神经刺激等过程或比如糖尿病等代谢性疾病有关，而在其他个体中却无关？心脏节律紊乱按其在心脏内的电模式进行分类。详细的标测导致对比如AVRT等病状进行定义、将其与可以以其他方式具有类似症状或ECG外观的其他病状分开并且然后鉴别原因以开发治愈性疗法。用于对心脏节律紊乱的电原因进行分类的现有技术策略使用了若干种方法。在比如房性心动过速等简单心脏节律紊乱中，可以通过将激动追溯到最早的位置来鉴别紊乱的来源，该位置可以被烧灼(消融)以减轻并且在一些情况下消除紊乱。然而，即使在简单本文档来自技高网...

【技术保护点】
1.一种用于鉴别和治疗患者的疾病的方法，该方法包括：/n收集由至少一个传感器生成的至少一个数据流，该至少一个传感器被配置成检测随时间推移在患者组织内生成的生物信号；/n获取患者数据元素，这些患者数据元素包括该患者的人口统计学、临床、实验室、病理学、化学、图像、历史、遗传和活动数据中的一项或多项；/n由处理模块对该至少一个数据流和这些患者数据元素进行处理，该处理模块被配置成执行划分算法以生成个性化数字表型(PDP)；/n将该PDP与根据先前数据构建的数字分类法进行比较，以将该患者分类为一种或多种定量疾病分类；以及/n基于该一种或多种定量疾病分类来使该患者的治疗个性化。/n

【技术特征摘要】
【国外来华专利技术】20180430 US 62/664,8331.一种用于鉴别和治疗患者的疾病的方法，该方法包括：
收集由至少一个传感器生成的至少一个数据流，该至少一个传感器被配置成检测随时间推移在患者组织内生成的生物信号；
获取患者数据元素，这些患者数据元素包括该患者的人口统计学、临床、实验室、病理学、化学、图像、历史、遗传和活动数据中的一项或多项；
由处理模块对该至少一个数据流和这些患者数据元素进行处理，该处理模块被配置成执行划分算法以生成个性化数字表型(PDP)；
将该PDP与根据先前数据构建的数字分类法进行比较，以将该患者分类为一种或多种定量疾病分类；以及
基于该一种或多种定量疾病分类来使该患者的治疗个性化。


2.如权利要求1所述的方法，其中，该至少一个传感器与该患者的身体物理接触，并且该至少一个收集的数据流通过有线或无线通信之一传输。


3.如权利要求1所述的方法，其中，该至少一个传感器是电极、光学传感器、压电传感器、声学传感器、电阻传感器、热传感器、加速度计、压力传感器、流量传感器和电化学传感器中的一项或多项。


4.如权利要求1所述的方法，其中，这些生物信号包括电心脏信号、机械心脏信号、心率、心音、呼吸音、呼吸速率、呼吸量、神经活动和免疫学信号中的一项或多项。


5.如权利要求1所述的方法，其中，这些患者数据元素包括电信号、血液动力学数据、来自成像的心脏结构、与心脏或肺部传导相关联的临床因素、神经信号、基因图谱、代谢状态生物标志物和患者移动中的一项或多项。


6.如权利要求1所述的方法，进一步包括，在处理之前，向该至少一个感测的数据流和这些患者数据元素中的每一个施加时间戳。


7.如权利要求1所述的方法，其中，该划分算法包括监督式机器学习、神经网络、相关性分析、逻辑回归分析、决策树、时域分析、频域分析、三角变换、对数变换、聚类分析和非监督式机器学习中的一项或多项。


8.如权利要求1所述的方法，其中，该数字分类法进一步包括该患者的先前数据。


9.如权利要求1所述的方法，其中，该一种或多种定量疾病分类包括旋转或局灶性激动模式、间歇性旋转或局灶性激动模式、不完全激动模式和所述个体的具体心脏结构的部位或具体解剖部位中的一项或多项。


10.如权利要求1所述的方法，其中，该患者组织包括心脏、供应该心脏的区域的神经、控制这些神经的脑部区域、供应该心脏的区域的血管和与该心脏相邻的组织。


11.如权利要求1所述的方法，其中，该疾病是心脏节律紊乱，该心脏节律紊乱包括心房纤颤、心室纤颤、房性心动过速、心房扑动、多形性或单形性室性心动过速、心室扑动或该心脏内的其他电干扰中的一项或多项。


12.如权利要求11所述的方法，进一步包括，在处理之前，使用该至少一个数据流生成图，该图包括表示该心脏内的位置处的激动的图像，并且其中，处理包括鉴别相对较高的激动的位置。


13.如权利要求11所述的方法，其中，该至少一个数据流包括包含错误偏转的临床电描记图，并且其中，处理进一步包括使用在与不同的心脏节律相关联的一个或多个参考信号上训练的机器学习算法生成重构电描记图。


14.如权利要求1所述的方法，其中，个性化干预包括通过借助于以下各项进行消融中的一项或多项来修饰该患者组织的至少一部分：经由接触设备的能量递送、通过非接触设备的能量递送、电疗法、热疗法、机械疗法、药物疗法的递送、免疫抑制的递送、干细胞疗法的递送和基因疗法的递送。


15.如权利要求1所述的方法，进一步包括生成该PDP的更新的个人历史数据、经过分类的一种或多种定量疾病分类、该个性化干预和干预结果。


16.一种用于鉴别和治疗患者的疾病的系统，该系统包括：
至少一个传感器，该至少一个传感器被配置成检测随时间推移在患者组织内生成的生物信号并且生成至少一个数据流；
计算设备，该计算设备被配置成：
收...

【专利技术属性】
技术研发人员：桑吉夫·M·纳拉扬，马哈茂德·侯赛尼，
申请(专利权)人：小利兰·斯坦福大学托管委员会，
类型：发明
国别省市：美国;US