[发明专利]早产预测

说明书

预测未来医学事件的系统和方法基于医疗图像的处理。提出了基于超声图像而对早产的预测和对胎龄估计作为说明性示例。对未来医学事件的概率进行估计的新能力，在其可能预测未来医学事件之前，为开发预防性疗法提供了新的途径。

相关申请的交叉引用

本申请要求享有于2020年6月19日提交的美国临时专利申请序列号63/041,360和于2021年6月19日提交的美国非临时专利申请序列号17/352,290的权益和优先权。上述专利申请的公开内容通过引用整体并入本文。

技术领域

本发明属于应用于广泛范围的医学状况(包括但不限于妊娠)的预测诊断的领域。

背景技术

早产是在婴儿的预产期前的三周以上发生的出生。换言之，早产是在妊娠的第37周开始之前发生的出生。早产儿，尤其是非常早出生的婴儿，通常具有复杂的医学问题。通常而言，早产的并发症各不相同。但是婴儿出生得越早，并发症的风险越高。

胎儿超声(声谱图)是使用声波产生子宫中胎儿的图像的成像技术。胎儿超声图像能够帮助医疗保健提供者评估婴儿的生长和发育并对妊娠进行监测。在一些情况下，胎儿超声用于评估在超声时呈现的可能问题或帮助确认诊断。首次胎儿超声通常在第一孕期进行，以确认妊娠并估计胎龄。下一次的超声通常在第二孕期(此时解剖学细节可见)提供。

发明内容

超声和可选的其他医学成像技术用于生成关于医学状况(诸如妊娠)的结果的预测。这些预测(除其他方面外)可以包括估计的出生日期、早产和/或引产的需要。这些预测可选地用于在预期早产时提供特定的矫正治疗。预测提供了迄今不可用的治疗方法，其中提供预期治疗以防止或以其他方式减轻不期望的结果。本发明的系统和方法包括预测、预期治疗和/或基于预测的治疗发展。

各种实施例包括使用医学图像(例如，超声图像)作为机器学习系统的输入，该机器学习系统被配置为基于图像产生定量预测输出。这些机器学习系统可以使用回归(regression)、分类方法和/或其他机器学习算法。例如，可以使用输出范围的任何回归算法，例如分位数回归。在一些实施例中，多个算法以独有的方法组合在单个AI中。

各种实施例还包括图像的预处理和/或机器学习系统的预训练。例如，已经发现图像的预处理在医学图像不理想或质量参差或尺寸变化的情况下(例如，在图像是超声图像的情况下)是有用的。

各种实施例包括在图像获取期间的实时反馈。该反馈可以针对图像选择、获得更好的图像和/或获得更有用的图像。反馈可以基于对已经获得的图像的处理。例如，在一些实施例中，初始图像的评估用于引导进一步获取具有预测和/或诊断价值的图像。可选地，图像处理系统包括在图像捕获设备中，或者使用诸如局域网或互联网的通信网络连接到图像处理设备。

本发明的各种实施例包括一种被配置为预测早产的医学预测系统，该系统包括：图像存储装置，其被配置为存储超声图像，该超声图像包括例如胎儿；图像分析逻辑，其被配置为基于该超声图像提供胎儿将过早出生的估计；用户接口，其被配置为向用户至少提供胎儿将过早出生的估计；以及微处理器，其被配置为执行该图像分析逻辑的至少一部分。图像分析逻辑可选地包括：第一逻辑，其被配置为基于超声图像估计胎儿的胎龄，该胎龄是超声图像被生成时的胎龄，第二逻辑，其被配置为基于超声图像估计直到胎儿出生为止的时间，以及被配置为计算胎儿在其出生时的估计胎龄的逻辑。可以在无需胎龄的情况下直接计算直到分娩为止的天数，在此情况下，医学提供者可以计算出生将会早多少天。

本发明的各种实施例包括一种生成早产的定量预测的方法，该方法包括：获得包括胎儿的一组医学图像；使用机器学习系统分析医学图像以产生定量预测，该定量预测包括对直到胎儿出生为止的时间的估计或对胎儿出生时的胎龄的估计；以及向用户提供定量预测。