神经丝轻链生物标志物组合物及其使用方法技术

公开了以改善的效率和准确性预测心脏病的方法、非暂时性计算机可读介质和计算机系统。在一些示例中，此技术包括获得生物标志物谱，该生物标志物谱包括从受试者获得的第一样品中的一个或多个生物标志物的第一水平。一个或多个生物标志物包括神经丝轻链（NfL）。将第一机器学习模型应用于输入以生成受试者的生物标志物评分。输入至少包括生物标志物谱，并且生物标志物分数指示受试者处于心脏病的风险种或正遭受心脏病的概率。然后，经由一个或多个通信网络并且响应于生物标志物谱，将生物标志物评分或根据生物标志物评分所确定的心脏病的指示输出到计算设备。

【技术实现步骤摘要】
【国外来华专利技术】

所公开的技术总体上涉及分子生物学和心脏健康，并且更特别地涉及神经丝轻链生物标志物组合物及其使用方法。

技术介绍

1、心脏病是重要的健康问题，因为它是美国大多数人种和种族人群的男性、女性和人死亡的主要原因。例如，在美国，每34秒有一个人死于心血管疾病。在2020年，美国约697,000人死于心脏病，即每5例死亡中1例死于心脏病。从2017到2018年，心脏病每年花费美国约2290亿美元，这包括健康护理服务、药品的花费以及由于死亡而损失的生产率。

2、用于检测心脏病的当前方法是不方便、不舒适和/或不准确的。因此，本领域需要用于以可接受的特异性水平并以有助于患者依从性的方式检测心脏病的组合物、试剂盒和方法。

技术实现思路

1、本公开提供了用于检测和/或识别心脏病（例如，急性冠状动脉综合征、主动脉瘤、主动脉夹层、主动脉狭窄、心律失常、动脉粥样硬化、心房颤动、冠状动脉疾病（例如，心绞痛（例如，稳定型心绞痛或不稳定型心绞痛）或心脏病发作）、心脏节律异常、心肌病（例如，扩张型、肥厚型、致心律失常型或限制型心肌病本文档来自技高网...

【技术保护点】

1.一种用于心脏病预测的方法，所述方法由计算机系统实施并且所述方法包括：

2.根据权利要求1所述的方法，其进一步包括从所述计算设备并且经由所述通信网络获得对应于所述受试者的一个或多个人口统计因素的人口统计数据，其中，所述输入进一步包括所述人口统计数据，并且所述人口统计因素包括所述受试者的性别或年龄中的至少一个或多个。

3.根据权利要求1-2中任一项所述的方法，其进一步包括从所述计算设备并且经由所述通信网络获得所述受试者的一个或多个基于成像的生物标志物，其中，所述输入进一步包括所述基于成像的生物标志物，并且所述基于成像的生物标志物至少包括左心室间隔壁厚度或射血分数。...

【技术特征摘要】
【国外来华专利技术】

1.一种用于心脏病预测的方法，所述方法由计算机系统实施并且所述方法包括：

2.根据权利要求1所述的方法，其进一步包括从所述计算设备并且经由所述通信网络获得对应于所述受试者的一个或多个人口统计因素的人口统计数据，其中，所述输入进一步包括所述人口统计数据，并且所述人口统计因素包括所述受试者的性别或年龄中的至少一个或多个。

3.根据权利要求1-2中任一项所述的方法，其进一步包括从所述计算设备并且经由所述通信网络获得所述受试者的一个或多个基于成像的生物标志物，其中，所述输入进一步包括所述基于成像的生物标志物，并且所述基于成像的生物标志物至少包括左心室间隔壁厚度或射血分数。

4. 根据权利要求3所述的方法，其进一步包括：为了确定所述基于成像的生物标志物，分析与所述受试者相关联的一个或多个获得的图像以获得一个或多个测量结果，其中，所述分析包括如下项中的一个或多个：

5.根据权利要求1-4中任一项所述的方法，其中，第一机器学习模型是从装袋法、提升法、或加性决策树方法、神经提升方法、自助森林方法、提升树方法或支持向量机方法衍生的。

6.根据权利要求1-5中任一项所述的方法，其中，第一机器学习模型是用于心脏病的分类器，并且所述方法进一步包括基于所述生物标志物评分将所述受试者分类为患有或不患有心脏病，其中，所述心脏病的指示包括基于所述分类确定的二元指示，并且所述分类器的灵敏度或特异性中的一个或多个大于百分之八十。

7.根据权利要求1-6中任一项所述的方法，其中，所述受试者是人类受试者，并且第一样品包括血液、血清、血浆或心脏组织中的一个或多个。

8.根据权利要求1-7中任一项所述的方法，其进一步包括基于所述生物标志物评分确定如下项中的至少一个：（i）所述受试者的心脏病状态，（ii）所述受试者是否患有心脏病，或（iii）所述受试者患有心脏病的概率。

9.根据权利要求1-8中任一项所述的方法，其进一步包括使用获得的训练数据来训练第一机器学习模型，所述训练数据...

【专利技术属性】
技术研发人员：A·J·乌兹吉里斯，
申请(专利权)人：美国西门子医学诊断股份有限公司，
类型：发明
国别省市：