[发明专利]使用分类系统及其试剂盒识别和诊断肺部疾病的方法

权利要求书

1.一种受试者的生理表征方法，所述方法包括(a)获得所述受试者的生理样品；(b)确定所述样品中多个生物标记物的生物标记物测定值；以及(c)根据所述生物标记物测定值使用分类系统对所述样品分类，其中所述样品的所述分类与生理状态或病症，或所述受试者疾病状态的变化相关。

2.一种诊断受试者中非小细胞肺癌的方法，所述方法包括(a)获得所述受试者的生理样品；(b)确定所述样品中多个生物标记物的生物标记物测定值；以及(c)根据所述生物标记物测定值使用分类系统对所述样品分类，其中所述样品的所述分类是所述受试者中非小细胞肺癌存在或发展的表征。

3.一种诊断受试者中反应性气道疾病的方法，所述方法包括(a)获得所述受试者的生理样品；(b)确定所述样品中多个生物标记物的生物标记物测定值；以及(c)根据所述生物标记物测定值使用分类系统对所述样品分类，其中所述样品的所述分类是所述受试者中反应性气道疾病的表征。

4.一种诊断受试者中肺部疾病的方法，所述方法包括，

(a)获得所述受试者的生理样品；

(b)确定所述样品中以下多个生物标记物的生物标记物测定值：帮助区分反应性气道疾病和非小细胞肺癌的指示的多个生物标记物、表征反应性气道疾病的多个生物标记物，和表征非小细胞肺癌的多个生物标记物，其中所述多个生物标记物是不同的；

(c)根据所述生物标记物测定值使用三个分类系统对所述样品分类，其中所述样品的所述分类帮助区分所述受试者中(i)反应性气道疾病和非小细胞肺癌；(ii)存在或不存在反应性气道疾病；以及(iii)存在或不存在非小细胞肺癌的所述指示；

(d)确定所述受试者患有(1)反应性气道疾病；(2)非小细胞肺癌，或(3)不存在疾病，这取决于在所述三种分类中的二者中发现的病症。

5.权利要求1-4中任一项所述的方法，其中所述分类系统是机器学习系统。

6.根据权利要求5所述的方法，其中所述机器学习系统是基于核的分类系统。

7.根据权利要求6所述的方法，其中所述基于核的分类系统是支持向量机。

8.根据权利要求5所述的方法，其中所述机器学习系统是分类和回归树系统。

9.根据权利要求8所述的方法，其中所述机器学习系统是分类和回归树系统的集合体。

10.根据权利要求9所述的方法，其中所述机器学习系统是AdaBoost。

11.一种对测试数据分类的方法，所述测试数据包括生物标记物集的每个的多个生物标记物测定值，所述方法包括：

接收测试数据，所述测试数据包括人测试受试者中所述生物标记物集的每个生物标记物的生物标记物测定值；

使用支持向量机的电子表示评估所述测试数据，所述支持向量机使用电子存储的训练数据向量集合训练，每个训练数据向量代表单个人，并且包括所述相应人的所述生物标记物集的每个生物标记物的生物标记物测定值，每个训练数据向量还包括相对于所述相应人的疾病状态的分类；以及

根据所述评估步骤输出所述人测试受试者的分类。

12.一种对测试数据分类的方法，所述测试数据包括生物标记物集的每个的多个生物标记物测定值，所述方法包括：

接收测试数据，所述测试数据包括人测试受试者中所述生物标记物集的每个生物标记物的生物标记物测定值；

使用AdaBoost分类器的电子表示评估所述测试数据，所述AdaBoost分类器使用电子存储的训练数据向量集合训练，每个训练数据向量代表单个人，并且包括所述相应人的所述生物标记物集的每个生物标记物的生物标记物测定值，每个训练数据向量还包括相对于所述相应人的疾病状态的分类；以及

根据所述评估步骤输出所述人测试受试者的分类。