用于评估患者眼睛中疾病或病症的活动水平的计算机实施的系统和方法技术方案

本发明专利技术涉及一种用于对患者的至少一只眼睛中疾病的活动水平、包括疾病的存在或不存在进行评估的计算机实施的方法，其中，所述疾病是新生血管性眼部疾病。所述方法包括以下步骤：经由一个或多个输入元件接收与患者相对应的且包括患者的视网膜图像的输入患者数据集；将用于成像数据分析的第一算法应用于视网膜图像，以识别患者眼睛的e解剖变量的值；将第二算法应用于识别的解剖变量的值以及包括在输入患者数据集中的非图像导出的不同临床输入患者数据，以便因此对患者眼睛中疾病的活动水平和/或疾病相对于先前确定的活动水平而言的进展或消退来作出评估。基于所述评估，生成并输出与疾病的活动水平相对应的疾病活动分数。所述疾病活动评估用于调整用于治疗患者的眼睛疾病的药物的给药方案。睛疾病的药物的给药方案。睛疾病的药物的给药方案。

【技术实现步骤摘要】
【国外来华专利技术】用于评估患者眼睛中疾病或病症的活动水平的计算机实施的系统和方法


[0001]本专利技术涉及一种用于自动评估患者眼睛中的疾病或病症的活动水平的计算机实施的方法，例如其中，所述疾病是导致眼睛的视网膜的和/或视网膜附近的新生血管形成的新生血管性眼部疾病。
[0002]基于所述评估，所述方法可以因此自动输出关于疾病活动水平的信息、与这种疾病活动有关的特征、和/或对眼睛进行医疗干预的最佳时机，诸如治疗疾病或病症的药物注射的最佳时机。所述信息可以包括按照所批准的药物剂量学的给药频率、患者就诊以执行下一次干预的时机等。
[0003]具体地，根据本专利技术的计算机实施的方法基于所述评估生成并输出与疾病的活动水平相对应的疾病活动分数，其中，所述疾病活动分数还可以与有效地将用于治疗患者眼睛疾病的药物的当前给药方案切换为其不同的给药方案的概率或适当性相关。
[0004]本专利技术还涉及一种被设计为执行所述方法的计算系统，其中，所述计算系统包括计算设备，所述计算设备包括一个或多个处理器；一个或多个输入元件；存储器；以及存储在存储器中的包括用于实施所述方法的指令的一个或多个程序。
[0005]本专利技术进一步涉及一种非暂态计算机可读存储介质，其存储有一个或多个程序，所述一个或多个程序被配置成由具有一个或多个输入元件的电子设备的一个或多个处理器执行，所述一个或多个程序包括用于执行上述计算机实施的方法的指令。
[0006]根据本专利技术的计算机实施的方法适用于训练机器学习算法，以评估受眼睛视网膜的和/或视网膜附近的新生血管形成的影响、特别是受年龄相关性黄斑变性的影响、并且尤其是受湿性年龄相关性黄斑变性(也可称为w
‑
AMD)影响的患者的疾病活动。在下面的
技术介绍
部分给出了本专利技术意义上的新生血管性眼部疾病的定义。
[0007]基于所述评估，根据本专利技术的计算机实施的方法所依据的算法支持实现临床决策的给药系统，所述系统向治疗这种影响视网膜疾病(特别是通过抗血管内皮生长因子(抗VEGF)药物治疗湿性年龄相关性黄斑变性(w
‑
AMD))的医疗保健提供者或医师提供了精确且智能的疾病活动评估以及给药频率指导。

技术介绍

[0008]通常，视网膜病变包括几种视网膜血管疾病，这些疾病最终可能会导致视力障碍。特别地，以下解决了对导致眼睛的视网膜的和/或视网膜附近的新生血管形成的新生血管性眼部疾病的治疗。其中，新生血管性年龄相关性黄斑变性(或nAMD)也称为“渗出性”或“湿性(wet)”AMD(也由w
‑
AMD表示)，是一种慢性眼睛障碍，其特征是新脉络膜血管的异常形成并在视网膜色素上皮(RPE)下或视网膜下空间中生长，从而影响了眼睛中视网膜的中央区域，所述中央区域称为黄斑，负责中心视力和看到细节。这会导致视力模糊、波浪线、颜色暗淡、盲点、并最终导致严重的视力丧失。
[0009]以非详尽示例的方式，其他视网膜病变也包括糖尿病性视网膜病变(DR)；糖尿病
性黄斑水肿(DME)；近视脉络膜新生血管形成(mCNV)；视网膜静脉阻塞(RVO)后黄斑水肿；早产儿视网膜病变(ROP)。
[0010]如本文所使用的，术语“新生血管性眼部疾病”是指与眼部新生血管形成相关的病症、疾病、或障碍。可以使用本披露内容的方法治疗的“新生血管性眼部疾病”包括与眼部新生血管形成相关的病症、疾病、或障碍，其包括但不限于：异常血管生成、脉络膜新生血管形成(CNV)、与w
‑
AMD相关的脉络膜新生血管形成(CNV)、视网膜血管通透性、视网膜水肿、糖尿病性视网膜病变(特别是增生性糖尿病性视网膜病变(PDR)和非增生性糖尿病性视网膜病变(NPDR))、黄斑水肿(ME)、糖尿病性黄斑水肿(DME)、新生血管性(渗出性)年龄相关性黄斑变性(w
‑
AMD)、与视网膜缺血相关的后遗症、视网膜静脉阻塞(RVO)、视网膜中央静脉阻塞(CRVO)、视网膜分支静脉阻塞(BRVO)、视网膜静脉阻塞后黄斑水肿、和后段新生血管形成。
[0011]如今尤其是通过在受影响的眼睛中注射抗血管内皮细胞生长因子或抗VEGF药物(也称为VEGF抑制剂)来治疗受上述视网膜病变影响的患者。抗血管内皮细胞生长因子药物包括例如雷珠单抗、阿柏西普和布洛赛珠单抗
‑
dbll，后者特别适合于治疗湿性年龄相关性黄斑变性或w
‑
AMD。
[0012]接受抗VEGF疗法以治疗上述视网膜病变的患者需要定期拜访医疗保健专业人员，以进行疾病监测和再治疗。进一步地，很难在患者水平上预测如w
‑
AMD疾病活动等疾病活动的模式以及通过注射对抗VEGF药物的所需相关施用的模式。
[0013]一些起作用的抗VEGF剂是长效的，由此使得对接受治疗的患者的监测变得困难。此外，难以预测从当前给药方案切换为不同给药方案的效果如何。
[0014]在许多情况下，这些问题会导致对患者的如w
‑
AMD等视网膜病变的治疗不足和/或增加患者的负担，例如以不必要的注射和/或多余的医疗保健专业人员就诊的形式。
[0015]迄今为止，在现实世界的实践中，对w
‑
AMD患者或受上述视网膜病变之一影响的患者进行管理存在许多挑战。在定期就诊期间眼科医生为这些患者提供咨询的时间有限，并且经常需要在不完全知情的情况下快速做出给药决策。辅助临床医生做出给药决策的信息通常不容易获得，例如由于图像分割和视网膜液体的体积测定是有限的和/或没有对疾病活动进行量化。总而言之，疾病活动评估和给药决策可能是复杂的，并且在不同的眼科医生之间可能存在关于在个体病例中最佳给药的构成内容的差异并且在患者间可能存在表型差异。
[0016]目前没有成熟合理的基于计算机的全自动程序来管理受w
‑
AMD或其他视网膜病变影响的患者的治疗，改进他们的治疗，同时还减轻重复就诊带来的对患者独立性和生活质量的影响的相关负担。
[0017]因此，需要可靠且准确地评估w
‑
AMD的和/或其他视网膜病变的疾病活动并提供如定制化的给药频率模型等患者特定的抗VEGF治疗方案模型的方法。

技术实现思路

[0018]根据本专利技术，该需求通过一种用于对患者的至少一只眼睛中疾病或病症的活动水平、包括疾病或病症的存在或不存在进行评估的计算机实施的方法来解决，其中，所述疾病是新生血管性眼部疾病。
[0019]这种疾病活动水平的评估由计算机实施的系统通过使用非暂态计算机可读存储
介质来自动执行。前述各项均由一个或多个所附权利要求限定。
[0020]根据本专利技术的方法允许通过施用所开的药物(例如，通过注射在患者的受影响的眼睛中)来最佳地个体化治疗间隔，以更好地保护患者的视力并同时促进患者的独立性和更好的生活质量。
[0021]通过易于使用的专家系统模拟经验丰富的视网膜专家的决策制定来随时随地优化决策，可以以最低的患者和医疗保健专业人员负担来高效地保护本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于对患者的至少一只眼睛中疾病的活动水平、包括疾病的存在或不存在进行评估的计算机实施的方法，其中，所述疾病是新生血管性眼部疾病；所述方法包括以下步骤：在包括一个或多个处理器、存储器、以及一个或多个输入元件和/或输出元件的一个或多个计算设备处：经由所述一个或多个输入元件接收与所述患者相对应的输入患者数据集，所述输入患者数据集包括所述患者的至少一个或多个视网膜图像；将用于成像数据分析的第一算法应用于所述一个或多个视网膜图像，以基于所述一个或多个视网膜图像来识别所述患者的眼睛的一个或多个解剖变量的值；将第二算法应用于识别的所述一个或多个解剖变量的值，以及包括在所述输入患者数据集中的非图像导出的不同临床输入患者数据；基于所述第二算法的应用，对于所述患者的所述至少一只眼睛中所述疾病的所述活动水平和/或所述疾病相对于先前确定的活动水平而言的进展或消退来作出评估；其中，所述疾病活动评估与用于治疗所述患者的眼睛疾病的药物的给药方案相对应；以及基于所述评估，经由所述一个或多个输出元件生成并输出与所述疾病的所述活动水平相对应的疾病活动分数。2.如权利要求1所述的方法，包括确定由于从用于治疗所述患者眼睛疾病的所述药物的当前给药方案改变到其不同的给药方案而产生的疾病活动水平的预测的步骤。3.如权利要求2所述的方法，其中，所述疾病活动分数与在不同给药方案之间切换的概率或适当性相关。4.如权利要求2或3所述的方法，其中，确定疾病活动水平的所述预测是基于预测所述一个或多个识别的解剖变量之一在一段时间内的生理变化。5.如权利要求2至4之一中任一项所述的方法，其中，所述给药方案包括用于以一定剂量的所述药物来治疗所述患者的药物施用频率，所述方法进一步包括以下步骤：基于识别的所述一个或多个解剖变量的值和/或基于所述疾病活动分数，使用第三算法生成药物施用频率建议。6.如权利要求5所述的方法，其中，生成所述药物施用频率建议包括以下步骤：使用所述第三算法生成不同的给药方案的治疗结果的一个或多个概率模拟；以及基于治疗结果的所述一个或多个概率模拟生成所述药物施用频率建议。7.如权利要求6所述的方法，进一步包括以下步骤：基于所生成的药物施用频率建议，使用所述第三算法生成对时间依赖性视敏度增益的预测。8.如权利要求5至7中任一项所述的方法，其中，所述药物施用频率建议包括选自由以下各项组成的组中的参数：给药频率间隔；下一次给药日期；下一次药剂量；
下一次视网膜成像日期；用于医疗保健提供者对所述患者进行监测的下一次就诊日期；和/或其组合。9.如权利要求5至8中任一项所述的方法，其中，所述输入患者数据集进一步包括选自由以下各项组成的组的数据：关于视敏度的患者纵向数据；关于生理特性的患者纵向数据；既往疾病活动分数；既往药物施用频率建议；和/或其组合。10.如权利要求1至9中任一项所述的方法，其中，所述一个或多个解剖变量选自由以下各项组成的组：中央视网膜厚度和/或体积；视网膜下液体积；视网膜间液体积；色素上皮脱离，也表示为PED；玻璃疣、纤维血管或浆液性PED；高反射灶；椭圆体区缺陷；外界膜带缺陷；视网膜色素上皮萎缩；中心子区中央凹厚度(CSFT)；神经节细胞层和内丛状层；内核层和外丛状层体积；囊肿体积；外核层体积；色素上皮脱离体积；光感受器和视网膜色素体积；视网膜神经纤维层体积；和/或其组合。11.如权利要求1至10中任一项所述的方法，其中，所述一个或多个视网膜图像中的至少一个是光学相干断层扫描(OCT)图像。12.如权利要求11所述的方法，其中，所述OCT图像由光谱域光学相干断层扫描(SD
‑
OCT)成像设备生成。13.如权利要求1至12中任一项中任一项所述的方法，其中，所述第二算法是由包括多个输入变量的一个或多个机器学习算法生成的疾病活动评估模型，所述多个输入变量与所述一个或多个识别的解剖变量以及所述非图像导出的不同临床输入患者数据相对应；所述一个或多个机器学习算法是在来自被诊断患有所述疾病的多个历史患者的历史患者数据集上训练的；所述历史患者数据集包括从所述历史患者的视网膜图像中导出的所述一个或多个识别的解剖变量的输入值；和/或包括与非图像导出的临床输入患者数据相关的值，所述非图像导出的临床输入患者数据包括历史患者的人口统计和/或病史和/或伴随用药和/或合并症和/或不良事件和/或严重不良事件。14.如权利要求13所述的方法，其中，所述历史患者数据集包括从临床试验数据和来自可商购数据库的匿名真实世界患者数据中的至少一者中提取的输入值。15.如权利要求13或14所述的方法，进一步包括以下步骤：基于来自被诊断患有所述疾病的另外多个历史患者的另外历史患者数据集来更新所述第二算法。16.如权利要求15所述的方法，其中，更新所述第二算法包括以下步骤：通过用所述另外历史患者数据集补充所述历史患者数据集来再训练所述一个或多个机器学习算法；以及利用所述一个或多个再训练的机器学习算法来生成经更新的疾病活动评估模型。17.如权利要求15或16所述的方法，其中，所述疾病评估模型是实时更新的，所述另外历史患者数据集包括用于评估对应的真实世界患者的所述疾病的活动水平和/或所述疾病的进展或消退的真实世界患者数据。18.如权利要求17所述的方法，其中，所述真实世界患者数据包括在一段时间内更新的解剖变量...

【专利技术属性】
技术研发人员：Z，
申请(专利权)人：诺华股份有限公司，
类型：发明
国别省市：