【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 ...
【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...
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。