使用肿瘤微环境活性蛋白质提高各种疾病的诊断制造技术

通过接收生物标志物的浓度值来检测多个生物标志物，使用生物标志物的样本来构建训练集，并对生物标志物浓度值进行相关性计算来诊断疾病的疾病诊断的系统和方法。断疾病的疾病诊断的系统和方法。断疾病的疾病诊断的系统和方法。

【技术实现步骤摘要】
【国外来华专利技术】使用肿瘤微环境活性蛋白质提高各种疾病的诊断
[0001]相关申请的交叉引用
[0002]本申请要求2019年7月13日提交的美国临时申请No.62/873,862的权益，其全部内容通过引用并入本文。
[0003]2017年7月27日提交的相关专利申请PCT/US2017/014595(公布为WO2017/127822)描述了使用用于相关性分析的自变量以改善疾病预测的方法，该自变量不是直接测量分析物的浓度，而是被称为“邻近度评分”的计算值，该值根据浓度计算得到并且还针对特定年龄(或其他生理参数)被归一化，以去除年龄漂移和当疾病状态从非疾病转变为疾病时浓度值随生理参数(例如，年龄、绝经状态等)漂移或移位方式的非线性。


[0004]本专利技术涉及用于提高疾病诊断准确性的系统和方法，以及涉及所测量的分析物与二元结果(例如，非疾病或疾病)以及高阶结果(例如，疾病的若干个阶段中的一个)的相关性的相关联诊断测试。本专利技术的重点是检测早期分期癌症，特别是非小细胞肺癌(NSCLC)。所述专利技术同样适用于其他实体肿瘤癌症，诸如乳腺癌、卵巢癌、前列腺癌和本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种计算机实现的方法，用于创建评估模型，所述评估模型指示被检查的患者的疾病状态概率，所述方法包括：a.从来自具有非疾病诊断的患者的第一样本集中接收第一生物标志物的第一浓度值集；b.从来自具有疾病诊断的患者的第二样本集中接收所述第一生物标志物的第二浓度值集，其中，所述第一样本集和所述第二样本集包括训练样本集；c.针对第一生物标志物，由与来自所述第二浓度值集的第一生物标志物的浓度值组合的所述第一浓度值集，完成相关性计算，其中，所述计算可以是简单回归、神经网络、ROC曲线面积最大化、随机森林方法、支持向量机或其他行业标准方法；以及d.对第二生物标志物进行步骤a至c，其中，所述第二生物标志物在功能上与所述第一生物标志物正交，并且其中，独立地分析所述第二生物标志物或者与所述第一生物标志物在多维空间中结合地分析所述第二生物标志物，以指示疾病状态的所述概率。2.根据权利要求1所述的计算机实现的方法，其中，所述训练样本集包括血液样本、尿液样本和组织样本中的至少一个。3.根据权利要求1所述的计算机实现的方法，其中，所述训练样本集包括同等数量的疾病样本和非疾病样本。4.根据权利要求3所述的计算机实现的方法，其中，所诊断的所述疾病是：a.非小细胞肺癌；或b.按照分期隔开的非小细胞肺癌的分期。5.根据权利要求4所述的计算机实现的方法，其中，所述生物标志物选自具有功能组的细胞因子，其中，所述功能组是促炎功能、抗肿瘤发生或细胞凋亡功能、血管生成功能、血管化细胞因子功能以及集落刺激因子功能中的至少三个。6.根据权利要求5所述的计算机实现的方法，其中，所述生物标志物之一是白介素6。7.根据权利要求5所述的计算机实现的方法，其中，所述生物标志物之一是肿瘤坏死因子受体1。8.根据权利要求5所述的计算机实现的方法，其中，所述生物标志物之一是IL 8。9.根据权利要求5所述的计算机实现的方法，其中，所述生物标志物之一是血管内皮生长因子β。10.根据权利要求5所述的计算机实现的方法，其中，所述集落刺激因子功能之一是粒细胞
‑
集落刺激因子。11.根据权利要求5所述的计算机实现的方法，其中，所述促炎因子之一是白介素1、白介素1β、IL 12或IL 18。12.根据权利要求5所述的计算机实现的方法，其中，所述抗肿瘤发生或细胞凋亡因子之一是CD254、DR3L、CD258或TNA受体2。13.根据权利要求5所述的计算机实现的方法，其中，所述血管化因子之一是胎盘生长因子即PLGF、VEGF
‑
A、VEGF
‑
C或VEGF
‑
D。14.根据权利要求13所述的...

【专利技术属性】
技术研发人员：加利纳，
申请(专利权)人：欧特雷瑟斯有限公司，
类型：发明
国别省市：