【技术实现步骤摘要】
【国外来华专利技术】使用循环神经网络的抗微生物易感性测试
[0001]相关申请
[0002]本申请与2020年11月19日在美国专利局提交的题为“Antimicrobic Susceptibility Testing Using Recurrent Neural Networks(使用循环神经网络的抗微生物易感性测试)”的临时专利申请63/115,768有关,并要求其权益。该申请的全部内容在此通过引用并入。
技术介绍
[0003]可以通过分析患者的微生物体(microorganism)或“微生物(microbe)”来进行与患者诊断和治疗相关的多种类型的测试。微生物是微观的活生物体,例如细菌、真菌或病毒,其可以是单细胞或多细胞的。含有患者的微生物体的生物样品可以取自患者的感染物、体液或脓肿,并且可以放置在测试板或阵列中,与多种试剂组合、孵育和分析以帮助患者的治疗。已经开发了自动生化分析仪以满足医疗保健机构和其他机构的需求,以便利于分析患者样品,并与使用手动操作的分析相比提高了测定结果的准确性和可靠性,并有助于确定多种抗微生物剂(antimicrobial)的有效性。抗微生物剂是杀伤微生物体或抑制其生长的试剂,例如用于针对细菌的抗生素和用于针对真菌的抗真菌剂。然而,随着不断变化的细菌属和新发现的抗微生物剂,对生化测试的需求在复杂性和体积二者上都有所提高。
[0004]一类重要的自动微生物分析仪作为用于确定感染性微生物体和有效控制该微生物体生长的抗微生物剂二者的特性的诊断工具而发挥作用。自动微生物分析仪作为用于确定感染性微生物体和有效控制该微生 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种方法,包括:(a)在多个测试孔中创建多个测试混合物,其中:(i)来自所述多个测试混合物的每个测试混合物使用生物样品进行接种;(ii)来自所述多个测试混合物的每个测试混合物包括包含抗微生物剂的抗微生物剂溶液;(iii)在来自所述多个测试混合物的每个测试混合物中,该测试混合物中的所述抗微生物剂溶液与来自所述多个测试混合物的每个其他测试混合物中的所述抗微生物剂溶液不同;以及(iv)相同的生物样品被用来对来自所述多个测试混合物的每个测试混合物进行接种;(b)孵育所述测试混合物中的每一个;(c)对于来自所述多个测试混合物的每个测试混合物,在多个成像时间处捕获该测试混合物的图像,其中,所述成像时间中的每一个发生在孵育开始后;(d)通过执行以下步骤获得多个生长预测,所述步骤包括:对于来自所述多个测试混合物的每个测试混合物,向机器学习模型提供数据序列,其中:(i)所述数据序列包括多个输入项目;(ii)来自所述多个输入项目中的每个输入项目对应于来自所述多个成像时间的成像时间;以及(iii)所述机器学习模型适于识别并且基于时间序列进行生长预测;以及(e)基于所述多个生长预测生成对所述生物样品的最低抑制浓度MIC确定。2.根据权利要求1所述的方法,其中:(a)所述机器学习模型包括:(i)网络簇,其包括多个循环神经网络;和(ii)密集层,其包括前馈神经网络;(b)获得所述多个生长预测包括对于来自所述多个测试混合物的每个测试混合物:(i)将基于关于该测试混合物的数据序列的时间序列提供至来自所述多个循环神经网络的每个循环神经网络;(ii)从来自所述多个循环神经网络的每个循环神经网络获得对该测试混合物的中间生长预测;以及(iii)基于从所述循环神经网络获得的对该测试混合物的所述中间生长预测,从所述密集层获得对该测试混合物的生长预测。3.根据权利要求2所述的方法,其中:(a)所述机器学习模型适于接收与所述生物样品对应的微生物体的标识;以及(b)所述密集层适于对于每个测试混合物,基于所述微生物体的标识,对来自所述多个循环神经网络的对该测试混合物的所述中间生长预测进行加权。4.根据权利要求1至3中任一项所述的方法,其中,所述机器学习模型适于对于来自所述多个测试混合物的每个测试混合物,通过执行以下步骤基于关于该测试混合物的所述数据序列生成所述时间序列,所述步骤包括:(a)对于来自所述多个成像时间的每个成像时间,通过对与该成像时间对应的由关于该测试混合物的所述数据序列包括的所述输入项目应用以2为底的对数变换获得倍增值;
以及(b)对于除了与第一成像时间对应的所述倍增值之外的每个倍增值,通过减去与在前成像时间对应的倍增值来获得倍增值变化。5.根据权利要求2至4中任一项所述的方法,其中,所述多个循环神经网络包括16个循环神经网络。6.根据权利要求2至5中任一项所述的方法,其中,所述多个循环神经网络包括24个门控循环单元。7.根据权利要求1至6中任一项所述的方法,其中:(a)在来自所述多个测试混合物的每个测试混合物中,该测试混合物中的所述抗微生物剂溶液的相应抗微生物剂浓度不同于与来自所述多个测试混合物的所述其他测试混合物对应的所述抗微生物剂浓度;(b)所述多个生长预测包括,对于来自所述多个测试混合物的每个测试混合物,与该测试混合物对应的生长预测;以及(c)基于所述多个生长预测生成对所述生物样品的所述MIC确定包括确定与具有相应的无生长的生长预测的测试混合物对应的最低浓度作为所述MIC确定。8.根据权利要求1至7中任一项所述的方法,其中,所述多个测试混合物包括生长混合物,所述生长混合物中的相应抗微生物剂浓度为无抗微生物剂。9.一种生物测试系统,其包括处理器,所述处理器配置有计算机指令集,所述计算机指令集能够操作成在被执行时使所述系统执行方法,所述方法包括:(a)在多个测试孔中创建多个测试混合物,其中:(i)来自所述多个测试混合物的每个测试混合物使用生物样品进行接种;(ii)来自所述多个测试混合物的每个测试混合物包括包含抗微生物剂的抗微生物剂溶液;(iii)在来自所述多个测试混合物的每个测试混合物中,该测试混合物中的所述抗微生物剂溶液与来自所述多个测试混合物的每个其他测试混合物中的所述抗微生物剂溶液不同;以及(iv)相同的生物样品被用来对来自所述多个测试混合物的每个测试混合物进行接种;(b)孵育所述测试混合物中的每一个;(c)对于来自所述多个测试混合物的每个测试混合物,在多个成像时间处捕获该测试混合物的图像,其中,所述成像时间中的每一个发生在孵育开始后;(d)通过执行以下步骤获得多个生长预测,所述步骤包括:对于来自所述多个测试混合物的每个测试混合物,向机器学习模型提供数据序列,其中:(i)所述数据序列包括多个输入项目;(ii)来自所述多个输入项目中的每个输入项目对应于来自所述多个成像时间的成像时间;以及(iii)所述机器学习模型适于识别并且基于时间序列进行生长预测;以及(e)基于所述多个生长预测生成对所...
【专利技术属性】
技术研发人员:弗雷德里克,
申请(专利权)人:贝克曼库尔特有限公司,
类型:发明
国别省市:
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。