详情

原文传递用于针对慢性肾脏疾病的风险对受试者进行筛查的方法、计算机实现的方法、系统和计算机程序产品

专利名称：	用于针对慢性肾脏疾病的风险对受试者进行筛查的方法、计算机实现的方法、系统和计算机程序产品
摘要：	本发明提供了一种用于针对慢性肾脏疾病(CKD)的风险对受试者进行筛查的方法，所述方法包括：接收指示针对受试者的多个标志物参数的标志物数据，此类多个标志物参数至少指示年龄值、指示自针对所述受试者的糖尿病诊断以来的时间的自诊断以来的时间值、肌酐的样品水平、估计的肾小球滤过率、白蛋白的样品水平和血尿素氮的样品水平；以及从所述多个标志物参数确定指示针对所述受试者的罹患CKD的风险的风险因素。进一步地，本发明提供了一种用于针对CKD的风险对受试者进行筛查的计算机实现的方法。本发明还提供了一种系统，所述系统包括处理器和非暂时性存储器，所述非暂时性存储器存储程序，所述程序使所述处理器执行用于针对CKD的风险对受试者进行筛查的方法。在另一方面，本发明提供了一种包括指令的计算机程序产品，当所述程序由计算机执行时，所述指令使得所述计算机执行用于针对CKD的风险对受试者进行筛查的方法。
专利类型：	发明专利
申请人：	豪夫迈·罗氏有限公司
发明人：	C·林格曼;T·胡施托;H·柯尼格
专利状态：	有效
申请日期：	2022-03-15T00:00:00+0800
发布日期：	2023-11-03T00:00:00+0800
申请号：	CN202280021967.0
公开号：	CN116997799A
代理机构：	中国专利代理(香港)有限公司
代理人：	钟茂建;吕传奇
分类号：	G01N33/68;G;G01;G01N;G01N33;G01N33/68
申请人地址：	瑞士巴塞尔
主权项：	1.一种用于针对慢性肾脏疾病(CKD)的风险对受试者进行筛查的方法，所述方法包括 -接收指示针对受试者的多个标志物参数的标志物数据，此类多个标志物参数至少指示 -年龄值， -自诊断以来的时间值，其指示自针对所述受试者的糖尿病诊断以来的时间， -肌酐的样品水平， -估计的肾小球滤过率， -白蛋白的样品水平，和 -血尿素氮的样品水平；以及 -从所述多个标志物参数确定指示针对所述受试者的罹患CKD的风险的风险因素。 2.根据权利要求1所述的方法，其进一步包括所述多个标志物参数，所述多个标志物参数指示针对所述受试者的肌酐的血液样品水平。 3.根据权利要求1或2所述的方法，其进一步包括所述多个标志物参数，所述多个标志物参数指示针对所述受试者的白蛋白的血液样品水平和白蛋白的尿液样品水平中的至少一者。 4.根据前述权利要求中的任一项所述的方法，其中所述接收包括接收两年或更短的测量周期的指示针对所述受试者的多个标志物参数的标志物数据。 5.根据前述权利要求中的任一项所述的方法，其中所述年龄值对应于当确定所述风险因素时所述受试者的年龄。 6.根据前述权利要求中的任一项所述的方法，其中所述自诊断以来的时间值指示当确定所述风险因素时自针对所述受试者的所述糖尿病诊断以来的时间。 7.根据前述权利要求中的任一项所述的方法，其中所述风险因素指示在从所述测量周期结束计三年的预测时间段内针对所述受试者的罹患CKD的风险。 8.一种用于在数据处理系统中针对慢性肾脏疾病(CKD)的风险对受试者进行筛查的计算机实现的方法，所述数据处理系统具有处理器和非暂时性存储器，所述非暂时性存储器存储程序，所述程序使所述处理器执行： a)接收指示针对受试者的多个标志物参数的标志物数据，此类多个标志物参数至少指示 -年龄值， -指示自针对所述受试者的糖尿病诊断以来的时间的值， -肌酐的样品水平， -估计的肾小球滤过率， -白蛋白的样品水平，和 -血尿素氮的样品水平；以及 b)从所述多个标志物参数确定指示针对所述受试者的罹患CKD的风险的风险因素。 9.根据权利要求8所述的计算机实现的方法，其中步骤b)中确定所述风险因素包括 -提供机器学习模型； -向所述机器学习模型提供指示所述多个标志物参数的输入数据；以及 -通过所述机器学习模型来确定所述风险因素。 10.根据权利要求9所述的计算机实现的方法，其中所述机器学习模型包括提供XGBoost机器学习模型。 11.根据权利要求8至10中的任一项所述的计算机实现的方法，其中提供所述机器学习模型包括 -提供针对受试者的群体的训练数据集，所述训练数据指示针对所述受试者的群体的多个训练参数，其中所述训练参数包括：年龄、肌酐的水平、估计的肾小球滤过率、白蛋白的水平、血尿素氮的水平以及关于所述受试者是否患上CKD的指标； -提供糖尿病诊断数据，所述糖尿病诊断数据指示针对来自所述受试者的群体的受试者确定了糖尿病诊断的时间或日期； -从所述糖尿病诊断数据确定补充训练数据，所述补充训练数据指示自诊断以来的时间参数，所述自诊断以来的时间参数指示自针对来自所述受试者的群体的所述受试者确定了糖尿病诊断以来的时间； -提供包括所述训练数据集和所述补充训练数据的增强的训练数据集；以及 -基于所述增强的训练数据集来训练所述机器学习模型。 12.根据权利要求8至11中任一项所述的计算机实现的方法，其中使用没有插补标志物数据的所述机器学习模型来确定所述风险因素。 13.一种包括处理器和非暂时性存储器的系统，所述非暂时性存储器存储程序，所述程序使所述处理器执行根据权利要求8至12中的任一项所述的用于针对慢性肾脏疾病(CKD)的风险对受试者进行筛查的方法的步骤a)和步骤b)。 14.一种包含指令的计算机程序或计算机程序产品，当所述程序由计算机执行时，所述指令使所述计算机执行根据权利要求8至12中的任一项所述的用于针对慢性肾脏疾病(CKD)的风险对受试者进行筛查的方法的步骤a)和步骤b)。
所属类别：	发明专利