[发明专利]用于临床决策支持的对血栓形成的临床风险因子与分子标记物的组合使用

说明书

本发明涉及一种用于临床决策支持的装置和方法，所述装置和方法基于临床风险因子和诸如蛋白质浓度的分子标记物的组合来识别处于高血栓形成风险中的患者。这些临床风险因子和分子标记物被组合在基于机器学习的算法中，所述基于机器学习的算法返回与未来血栓形成事件的估计的风险相关的输出值。

技术领域

本发明涉及临床决策支持领域，其中，基于患者特异性输入特征来计算患者的血栓形成风险的估计值。

背景技术

基于计算机的临床决策支持系统(CDSS)被定义为“被设计为直接帮助临床决策制定的任何软件，在所述临床决策制定中，出于生成之后被呈现给医师以供考虑和决策制定的患者特异性评估或推荐的目的，将个体患者的特性匹配到计算机化的知识库”。临床决策支持系统通过支持临床决策制定使其改进健康护理的质量的潜力得到促进。

深静脉血栓形成是西方世界中广泛普及的问题。大部分人口，例如老年人、旅行中的人以及经历整形外科手术的患者都处于血栓形成的增加的风险中。能够对处于风险中的人施加预防性的抗凝处置，但是出血的风险(每年1-3％)、以及成本问题以及不方便对此发言反对。因此期望具有一种更加患者特异性的措施来估计人的血栓形成风险并方便关于是否要进行处置的知情选择。遗憾的是，在当前的临床筛查技术和可用的方法的情况下，应当接受抗凝剂的高风险个体不容易被辨识并且事件没有准确地被预测。这种情况继续的主要原因之一是患有血栓形成的没有显著的遗传缺陷的绝大多数患者具有在临床上通过例行筛查工具和因子测定未被识别为异常的凝血系统。对处于静脉血栓形成风险中的个体的识别是能够受益于创新性技术方法的研究领域。

与血栓形成的患者特异性风险有关的不确定性导致不接受抗凝处置的处于(血栓形成的)高风险中的患者的不必要的血栓形成。另一方面，该不确定性导致接受不必要的抗凝处置的处于相对低风险中的患者的出血。大多数常规临床决策支持系统适于基于许多临床风险因子来估计血栓形成风险。诸如固定和避孕药使用的许多临床风险因子(对于没有明显基因缺陷的患者)已经被识别出，但是这些不足以用于筛查目的。在实践中，如在Durieux等人的“A Clinical Decision Support System for Prevention of VenousThromboembolism”中所描述的，使用基于临床风险因子的指南。在US 2009/0298103 A1中公开了与基于分层的临床风险因子相比在概念上不同的领域，其中，基于蛋白质的单个模拟的测量结果(即，凝血酶生成测定)被链接到血栓形成风险。US 2009/0089079公开了一种基于对象的临床风险因子来确定是否发出用于考虑关于对象的血栓形成风险的预防的警报的方法。Penco等人的“Assessment of the role of genetic polymorphism in venousthrombosis through artificial neural networks”(Annals of Human Genetics，第69卷，第693至706页(2005))公开了一项利用人工神经网络的属性来探索在静脉血栓形成事件与多位点基因型之间的关联的研究。Haan等人的“Multiple SNP testing improvesrisk prediction of first venous thrombosis”(Blood，第120卷，第656至663页(2012))公开了一种用于基于基因标记物与临床风险因子的组合来预测第一静脉血栓形成的风险的方法。Novis等人的“Prevention of thromboembolic events in surgical patientsthrough the creation and implementation of a computerized risk assessmentprogram”(Journal of Vascular Surgery，第51卷，第648至654页(2010))公开了一种用于基于临床风险因子来防止血栓形成的发展的方法。然而，以上方法并不足够特异以用于血栓形成的筛查，因为使用当前可用的方法而被错误分类的患者的数量仍然很高。

发明内容