详情

原文传递用于生物疾病及疾患的动态拉曼剖析的系统及方法

专利名称：	用于生物疾病及疾患的动态拉曼剖析的系统及方法
摘要：	本公开提供用于预测个体关于疾病或疾患的诊断状态的方法及系统。所述方法可包括将所述个体的生物样品暴露于激光，从所述经暴露生物样品获取多个拉曼光谱，处理所述多个拉曼光谱以产生所述多个拉曼光谱的空间图，以及至少部分地基于所述多个拉曼光谱的所述空间图而预测个体关于疾病或疾患的诊断状态。分析可包括确定基础生物过程的时间动态。
专利类型：	发明专利
国家地区组织代码：	美国;US
申请人：	西奈山伊坎医学院
发明人：	M·阿罗拉;P·柯廷;C·奥斯汀
专利状态：	有效
申请日期：	2021-12-03T00:00:00+0800
发布日期：	2023-11-07T00:00:00+0800
申请号：	CN202180092972.6
公开号：	CN117015701A
代理机构：	深圳市百瑞专利商标事务所(普通合伙)
代理人：	金辉
分类号：	G01N21/65;G;G01;G01N;G01N21;G01N21/65
申请人地址：	美国纽约州
主权项：	1.一种用于预测个体关于疾病或疾患的诊断状态的方法，其包括： (a)将个体的生物样品暴露于光源； (b)从所述生物样品获取多个拉曼光谱； (c)处理所述多个拉曼光谱以产生所述多个拉曼光谱的空间图；以及 (d)至少部分地基于所述多个拉曼光谱的所述空间图而预测所述个体关于所述疾病或疾患的诊断状态。 2.根据权利要求1所述的方法，其中所述生物样品包括牙齿样品、毛发样品、指甲样品或其任何组合。 3.根据权利要求1或2所述的方法，其进一步包括检测或监测所述空间图的时间压力轮廓的改变，所述改变指示所述个体的时间响应。 4.根据权利要求3所述的方法，其中所述时间响应包括生物响应、生理响应、解剖响应、治疗响应、压力相关响应或其组合响应。 5.根据权利要求1至4中任一项所述的方法，其中所述多个拉曼光谱包括约200波数至约3700波数。 6.根据权利要求1至5中任一项所述的方法，其中获取包括使用拉曼光谱学显微镜。 7.根据权利要求6所述的方法，其中所述拉曼光谱学显微镜包括50倍空气耦合物镜、63倍水浸没耦合异议或其任何组合。 8.根据权利要求1至7中任一项所述的方法，其中所述光源包括激光，其中所述激光包括约785nm的波长、约532nm的波长或其任何组合。 9.根据权利要求1至8中任一项所述的方法，其中所述获取是使用约0.2秒至约0.3秒的积分时间执行的。 10.根据权利要求1至9中任一项所述的方法，其中所述获取包括在获取所述多个拉曼光谱中的拉曼光谱之后，以约2微米至约5微米的步长移动所述生物样品。 11.根据权利要求1至10中任一项所述的方法，其中所述疾病或疾患包括泛自闭症障碍(ASD)、注意力不足/多动症(ADHD)、肌肉萎缩性侧索硬化(ALS)、精神分裂症、大肠激躁症(IBD)、儿童肾脏疾病、肾脏移植排斥、儿童癌症或其任何组合。 12.根据权利要求1至10中任一项所述的方法，其中所述疾病或疾患包括所述ASD。 13.根据权利要求1至12中任一项所述的方法，其中预测所述个体关于所述疾病或疾患的诊断状态包括使用经训练模型处理所述空间图。 14.根据权利要求13所述的方法，其中所述经训练模型选自由以下组成的群组：神经网络算法、支持向量机算法、决策树算法、无监督丛集算法、监督丛集算法、回归算法、梯度提升算法及其任何组合。 15.根据权利要求13所述的方法，其中所述经训练模型包括经梯度提升整体模型。 16.根据权利要求13所述的方法，其中经训练模型配置成处理选自由以下组成的群组的一个或多个特征：层流性、熵、捕获时间(TT)、平均对角线长度(MDL)、递归时间(RT)、Vmax、确定性、Lmax及其任何组合。 17.根据权利要求16所述的方法，其中所述经训练模型配置成处理选自由以下组成的群组的两个或更多个特征：层流性、熵、捕获时间(TT)、平均对角线长度(MDL)、递归时间(RT)、Vmax、确定性、Lmax及其任何组合。 18.根据权利要求1至17中任一项所述的方法，其中所述经训练模型用至少约80％的灵敏度预测关于所述疾病或疾患的诊断状态。 19.根据权利要求1所述的方法，其中经训练模型用至少约80％的特异度预测关于所述疾病或疾患的诊断状态。 20.根据权利要求1所述的方法，其中经训练模型用至少约80％的阳性预测值预测关于所述疾病或疾患的诊断状态。 21.根据权利要求1所述的方法，其中经训练模型用至少约80％的阴性预测值预测关于所述疾病或疾患的诊断状态。 22.根据权利要求1所述的方法，其中经训练模型用至少约0.80的接收器操作特性下面积(AUROC)预测关于所述疾病或疾患的诊断状态。 23.一种装置，其包括一个或多个处理器，及存储供所述一个或多个处理器执行的一个或多个程序的存储器，所述一个或多个程序包括用于进行以下操作的指令： (a)对与个体的拉曼标签相关联的所述个体的生物样品上沿着参考线的多个位置中的每一相应位置进行采样，由此获得多个拉曼光谱，所述多个拉曼光谱中的每一拉曼光谱对应于所述多个位置中的不同位置，并且所述多个位置中的每一位置表示与所述拉曼标签相关联的所述生物样品的不同生长期； (b)分析跨越所述生物样品上的参考线的所述多个拉曼光谱中的每一者，由此获得第一数据集； (c)从所述对应多个拉曼光谱测量结果导出相应第二数据集，对应特征集合中的每一相应特征是通过所述拉曼光谱的顺序变化确定的；以及 (d)使用经训练模型处理所述特征以预测个体关于与所述拉曼标签相关联的疾病或疾患的诊断状态。 24.根据权利要求23所述的装置，其中所述生物样品包括牙齿样品、毛发样品、指甲样品或其任何组合。 25.根据权利要求23或24所述的装置，其中所述指令进一步包括检测或监测跨越所述多个位置的所述拉曼光谱的改变，所述改变指示所述个体的时间响应。 26.根据权利要求25所述的装置，其中所述时间响应包括生物响应、生理响应、解剖响应、治疗响应、压力相关响应或其组合响应。 27.根据权利要求23至26中任一项所述的装置，其中所述多个拉曼光谱包括约200波数至约3700波数。 28.根据权利要求23至27中任一项所述的装置，其中采样包括使用拉曼光谱学显微镜。 29.根据权利要求28所述的装置，其中所述拉曼光谱学显微镜包括50倍空气耦合物镜、63倍水浸没耦合异议或其任何组合。 30.根据权利要求23所述的装置，其中所述采样包括将所述生物样品暴露于光源以在所述多个位置处产生所述多个拉曼光谱中的所述拉曼光谱。 31.根据权利要求30所述的装置，其中所述光源包括激光，其中所述激光包括约785nm的波长、约532nm的波长或其任何组合。 32.根据权利要求23至31中任一项所述的装置，其中所述指令进一步包括平移，其中平移包括在获取所述多个拉曼光谱中的拉曼光谱之后，以约2微米至约5微米的步长将所述生物样品从所述多个位置中的第一位置移动至第二位置。 33.根据权利要求32所述的装置，其中所述平移是使用约0.2秒至约0.3秒的积分时间执行的。 34.根据权利要求23至33中任一项所述的装置，其中所述疾病或疾患包括泛自闭症障碍(ASD)、注意力不足/多动症(ADHD)、肌肉萎缩性侧索硬化(ALS)、精神分裂症、大肠激躁症(IBD)、儿童肾脏疾病、肾脏移植排斥、儿童癌症或其任何组合。 35.根据权利要求23至33中任一项所述的装置，其中所述疾病或疾患包括泛自闭症障碍(ASD)。 36.根据权利要求23至35中任一项所述的装置，其中预测个体关于所述疾病或疾患的诊断状态包括用经训练模型处理跨越所述多个位置的所述拉曼光谱的改变。 37.根据权利要求36所述的装置，其中所述经训练模型选自由以下组成的群组：神经网络算法、支持向量机算法、决策树算法、无监督丛集算法、监督丛集算法、回归算法、梯度提升算法及其任何组合。 38.根据权利要求36所述的装置，其中所述经训练模型包括经梯度提升整体模型。 39.根据权利要求36所述的装置，其中所述经训练模型配置成处理选自由以下组成的群组的一个或多个特征：层流性、熵、捕获时间(TT)、平均对角线长度(MDL)、递归时间(RT)、Vmax、确定性、Lmax及其任何组合。 40.根据权利要求36所述的装置，其中所述经训练模型配置成处理选自由以下组成的群组的两个或更多个特征：层流性、熵、捕获时间(TT)、平均对角线长度(MDL)、递归时间(RT)、Vmax、确定性、Lmax及其任何组合。 41.根据权利要求23所述的装置，其中所述经训练模型用至少约80％的灵敏度预测关于所述疾病或疾患的诊断状态。 42.根据权利要求23所述的装置，其中所述经训练模型用至少约80％的特异度预测关于所述疾病或疾患的诊断状态。 43.根据权利要求23所述的装置，其中所述经训练模型用至少约80％的阳性预测值预测关于所述疾病或疾患的诊断状态。 44.根据权利要求23所述的装置，其中所述经训练模型用至少约80％的阴性预测值预测关于所述疾病或疾患的诊断状态。 45.根据权利要求23所述的装置，其中所述经训练模型用至少约0.80的接收器操作特性下面积(AUROC)预测关于所述疾病或疾患的诊断状态。 46.一种非暂时性计算机可读存储媒体及嵌入其中以用于分类的一个或多个计算机程序，所述一个或多个计算机程序包括指令，所述指令在由计算机系统执行时使所述计算机系统执行方法，所述方法包括： (a)对与个体的拉曼标签相关联的所述个体的生物样品上沿着参考线的多个位置中的每一相应位置进行采样，由此获得多个拉曼光谱，所述多个拉曼光谱中的每一拉曼光谱对应于所述多个位置中的不同位置，并且所述多个位置中的每一位置表示与所述拉曼标签相关联的所述生物样品的不同生长期； (b)分析跨越所述生物样品上的参考线的所述多个拉曼光谱中的每一者，由此获得第一数据集； (c)从所述对应多个拉曼光谱测量结果导出相应第二数据集，对应特征集合中的每一相应特征是通过所述拉曼光谱的顺序变化确定的；以及 (d)使用经训练模型处理所述特征以预测个体关于与所述拉曼标签相关联的疾病或疾患的诊断状态。 47.根据权利要求46所述的非暂时性计算机可读存储媒体，其中所述生物样品包括牙齿样品、毛发样品、指甲样品或其任何组合。 48.根据权利要求46或47所述的非暂时性计算机可读存储媒体，其中所述方法进一步包括检测或监测跨越所述多个位置的所述拉曼光谱的改变，所述改变指示所述个体的时间响应。 49.根据权利要求48所述的非暂时性计算机可读存储媒体，其中所述时间响应包括生物响应、生理响应、解剖响应、治疗响应、压力相关响应或其组合响应。 50.根据权利要求46至49中任一项所述的非暂时性计算机可读存储媒体，其中所述多个拉曼光谱包括约200波数至约3700波数。 51.根据权利要求46至50中任一项所述的非暂时性计算机可读存储媒体，其中采样包括使用拉曼光谱学显微镜。 52.根据权利要求51所述的非暂时性计算机可读存储媒体，其中所述拉曼光谱学显微镜包括50倍空气耦合物镜、63倍水浸没耦合异议或其任何组合。 53.根据权利要求46至52中任一项所述的非暂时性计算机可读存储媒体，其中采样包括将所述生物样品暴露于光源以在所述多个位置处产生所述多个拉曼光谱中的所述拉曼光谱。 54.根据权利要求53所述的非暂时性计算机可读存储媒体，其中所述光源包括激光，其中所述激光包括约785nm的波长、约532nm的波长或其任何组合。 55.根据权利要求46至54中任一项所述的非暂时性计算机可读存储媒体，其中所述指令进一步包括平移，其中平移包括在获取所述多个拉曼光谱中的拉曼光谱之后，以约2微米至约5微米的步长将所述生物样品从所述多个位置中的第一位置移动至第二位置。 56.根据权利要求55所述的非暂时性计算机可读存储媒体，其中平移是使用约0.2秒至约0.3秒的积分时间执行的。 57.根据权利要求46至56中任一项所述的非暂时性计算机可读存储媒体，其中所述疾病或疾患包括泛自闭症障碍(ASD)、注意力不足/多动症(ADHD)、肌肉萎缩性侧索硬化(ALS)、精神分裂症、大肠激躁症(IBD)、儿童肾脏疾病、肾脏移植排斥、儿童癌症或其任何组合。 58.根据权利要求46至56中任一项所述的非暂时性计算机可读存储媒体，其中所述疾病或疾患包括泛自闭症障碍(ASD)。 59.根据权利要求46至58中任一项所述的非暂时性计算机可读存储媒体，其中预测个体关于所述疾病或疾患的诊断状态包括用经训练模型处理跨越所述多个位置的所述拉曼光谱的改变。 60.根据权利要求59所述的非暂时性计算机可读存储媒体，其中所述经训练模型选自由以下组成的群组：神经网络算法、支持向量机算法、决策树算法、无监督丛集算法、监督丛集算法、回归算法、梯度提升算法及其任何组合。 61.根据权利要求59所述的非暂时性计算机可读存储媒体，其中所述经训练模型包括经梯度提升整体模型。 62.根据权利要求59所述的非暂时性计算机可读存储媒体，其中所述经训练模型配置成处理选自由以下组成的群组的一个或多个特征：层流性、熵、捕获时间(TT)、平均对角线长度(MDL)、递归时间(RT)、Vmax、确定性、Lmax及其任何组合。 63.根据权利要求59所述的非暂时性计算机可读存储媒体，其中所述经训练模型配置成处理选自由以下组成的群组的两个或更多个特征：层流性、熵、捕获时间(TT)、平均对角线长度(MDL)、递归时间(RT)、Vmax、确定性、Lmax及其任何组合。 64.根据权利要求46所述的非暂时性计算机可读存储媒体，其中所述经训练模型用至少约80％的灵敏度预测关于所述疾病或疾患的诊断状态。 65.根据权利要求46所述的非暂时性计算机可读存储媒体，其中所述经训练模型用至少约80％的特异度预测关于所述疾病或疾患的诊断状态。 66.根据权利要求46所述的非暂时性计算机可读存储媒体，其中所述指令进一步包括用至少约80％的阳性预测值预测个体关于所述疾病或疾患的诊断状态。 67.根据权利要求46所述的非暂时性计算机可读存储媒体，其中所述经训练模型用至少约80％的阳性预测值预测关于所述疾病或疾患的诊断状态。 68.根据权利要求46所述的非暂时性计算机可读存储媒体，其中所述经训练模型用至少约80％的阴性预测值预测关于所述疾病或疾患的诊断状态。 69.一种用于训练模型的方法，其包括：在具有一个或多个处理器及存储供所述一个或多个处理器执行的一个或多个程序的存储器的计算机系统处： (a)对于多个训练个体中的每一相应训练个体，其中所述多个训练个体中的训练个体的第一子集具有对应于具有与拉曼标签相关联的第一生物情况的第一诊断状态，并且所述多个训练个体中的训练个体的第二子集具有对应于不具有与所述拉曼标签相关联的所述第一生物情况的第二诊断状态： (i)对与所述个体的所述拉曼标签相关联的所述个体的生物样品上沿着参考线的多个位置中的每一相应位置进行采样，由此获得多个拉曼光谱，所述多个拉曼光谱中的每一拉曼光谱对应于所述多个位置中的不同位置，并且所述多个位置中的每一位置表示与所述拉曼标签相关联的所述个体的所述生物样品的不同生长期； (ii)分析跨越生物样品上的参考线的每一拉曼光谱，由此获得第一数据集；以及 (iii)从所述对应多个拉曼光谱导出相应第二数据集，对应特征集合中的每一相应特征是通过拉曼光谱的顺序变化确定的；以及 (b)用(i)所述多个训练个体中的每一训练个体的每一相应第二数据集的所述对应特征集合及(ii)所述多个训练个体中的每一训练个体的所述对应诊断状态训练未经训练或部分未经训练模型，由此获得经训练模型，所述对应诊断状态选自所述第一诊断状态及所述第二诊断状态，所述经训练模型基于从与测试个体的所述拉曼标签相关联的生物样品获取的特征集合中的特征的值而提供关于所述测试个体是否具有与所述拉曼标签相关联的所述第一生物情况的指示。 70.根据权利要求69所述的方法，其中所述经训练模型选自由以下组成的群组：神经网络算法、支持向量机算法、决策树算法、无监督丛集算法、监督丛集算法、回归算法、梯度提升算法及其任何组合。 71.根据权利要求69所述的方法，其中所述经训练模型为多项分类器。 72.根据权利要求69所述的方法，其中所述经训练模型为二项分类器。 73.根据权利要求69所述的方法，其中所述第一生物情况选自由以下组成的群组：泛自闭症障碍(ASD)、注意力不足/多动症(ADHD)、肌肉萎缩性侧索硬化(ALS)、精神分裂症、大肠激躁症(IBD)、儿童肾脏疾病、肾脏移植排斥及儿童癌症。 74.根据权利要求69至73中任一项所述的方法，其中针对与拉曼标签相关联的所述第一生物情况评估所述测试个体进一步包含区分与所述拉曼标签相关联的所述第一生物情况及不同于与所述拉曼标签相关联的所述第一生物情况的与所述拉曼标签相关联的第二生物情况。 75.根据权利要求74所述的方法，其中所述第一生物情况为泛自闭症障碍，并且所述第二生物情况为注意力不足/多动症。 76.根据权利要求69至75中任一项所述的方法，其中所述测试个体为人类。 77.根据权利要求76所述的方法，其中所述人类不到12岁。 78.根据权利要求76所述的方法，其中所述人类不到1岁。 79.根据权利要求69至78中任一项所述的方法，其中与所述相应训练个体的所述拉曼标签相关联的所述对应生物样品选自由以下组成的群组：毛干、牙齿及指甲。 80.根据权利要求79所述的方法，其中与所述相应训练个体的所述拉曼标签相关联的所述对应生物样品为所述毛干，并且其中所述参考线对应于所述毛干的纵向方向。 81.根据权利要求79所述的方法，其中与所述相应训练个体的所述拉曼标签相关联的所述对应生物样品为所述牙齿，并且其中所述参考线对应于穿过包含所述牙齿的新生线的生长带的方向。 82.根据权利要求69至81中任一项所述的方法，其中所述对应多个位置经排序以使得沿着所述相应训练个体的所述对应生物样品的所述对应多个位置中的第一位置对应于最接近于所述相应训练个体的所述对应生物样品的尖端的位置。 83.根据权利要求69至82中任一项所述的方法，其中所述对应多个拉曼光谱测量结果中的每一迹线包含多个数据点，每一数据点为所述多个位置中的所述相应位置的例子。 84.根据权利要求69至83中任一项所述的方法，其中所述对应特征集合选自由以下组成的群组：层流性、熵、捕获时间(TT)、平均对角线长度(MDL)、递归时间(RT)、Vmax、确定性、Lmax。 85.根据权利要求69至83中任一项所述的方法，其中所述对应多个位置包含至少1000个、1500个、2000个、2500个、3000个、3500个、4000个、4500个或5000个、5500个、6000个、6500个、7000个、7500个、8000个、8500个、9000个、9500个、10000个或多于10000个位置。
所属类别：	发明专利