[发明专利]用于药物代谢动力学建模的自动输入函数估计

说明书

本申请是2006年7月11日提交的申请号为200680026342.4、名称为“用于药物代谢动力学建模的自动输入函数估计”的分案申请。

本发明致力于提供一种用于药物代谢动力学建模的自动输入函数估计系统、装置和方法，并且提供一种具有动力学建模的动态过程，该药物代谢动力学建模使工作流程简单化，并且减少了手工交互的量。

为了避免侵入性动脉血采样，非侵入性输入估计是一个感兴趣的重要主题，并且已经研究了各种方法。

参考组织模型依靠存在没有配体的特异性结合的参考组织。在参考组织模型中，放射性配体在感兴趣组织中吸收的时间过程根据其在参考组织中的吸收来表示，假设在这两种组织中的非特异性结合的水平是相同的。它们通常用于神经学上的应用。但是，它们依靠非特异性结合假设，并且被报告在准确性方面有损失，且其偏差增大，也不是对于所有放射性示踪剂都有效。

“总体均值”方法目的在于在第一步骤中估计整个总体的均值参数值以及其概率分布。然后，这在第二步骤中用于定义用于各个参数的贝叶斯估计的先验分布。这不仅对于输入函数估计适用，而且对于模型参数估计也适用。这已经用于具有复杂新陈代谢的示踪剂(tracer)，其含有血液腔，在那里血液输入函数是一种腔活动度(activity)。

“盲识别”完全避免了血液输入的直接知识。但是，必须定义具有相同输入和不同动力学表现的至少三个区域，以便解决盲估计问题，并且输入函数仅被不明显地表示。

本发明的系统、装置和方法提供了一种起作用的和高效的自动方法，来从函数表示集合估计输入函数。这些表示可以根据项的形式和数量而不同。典型的函数表示是加权指数和。

cp(t)=Σi=1NAi(tτ)Bie-Cit/τ---(1)]]>

其中，N是项数，而t是以秒为单位的时间。3N+1个参数是τ、A_i、B_i、C_i，i＝1，……，N。τ是时间标准化参数(在大多数情况下，其将被用作常数)。A_i是活动度权数，B_i是无量纲指数，C_i是标准化的无量纲时间常数。一些参数可以被预先定义。例如，关于计算效率，小整数值的B_i是有利的。

本发明的自动估计过程的方法的优选实施例如下：

1.建立/定义M个输入函数的集合C＝{C_p，1(t)，C_p，2(t)，...，C_p，M(t)}，该M个输入函数在函数形式或预先定义的参数和自由参数的数量上不同。可以选择M以覆盖预先定义的参数值和项数N的所有期望组合。

2.估计在ROI平均数据上的集合中的所有输入函数的(自由)参数。