特許 7758266 イヌの慢性腎臓病のためのシステム及び方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-10-14

(45)【発行日】2025-10-22

(54)【発明の名称】イヌの慢性腎臓病のためのシステム及び方法

(51)【国際特許分類】

   G01N 33/68 20060101AFI20251015BHJP

   G01N 33/493 20060101ALI20251015BHJP

   G16H 50/20 20180101ALI20251015BHJP

   G01N 33/70 20060101ALI20251015BHJP

【ＦＩ】

G01N33/68

G01N33/493 Z

G16H50/20

G01N33/70

【請求項の数】 62

(21)【出願番号】P 2022569480

(86)(22)【出願日】2021-06-01

(65)【公表番号】

(43)【公表日】2023-07-04

(86)【国際出願番号】 US2021035219

(87)【国際公開番号】W WO2021247550

(87)【国際公開日】2021-12-09

【審査請求日】2023-01-30

(31)【優先権主張番号】63/033,154

(32)【優先日】2020-06-01

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】63/038,552

(32)【優先日】2020-06-12

(33)【優先権主張国・地域又は機関】US

【前置審査】

(73)【特許権者】

【識別番号】390037914

【氏名又は名称】マース インコーポレーテッド

【氏名又は名称原語表記】ＭＡＲＳ ＩＮＣＯＲＰＯＲＡＴＥＤ

(74)【代理人】

【識別番号】100073184

【弁理士】

【氏名又は名称】柳田 征史

(74)【代理人】

【識別番号】100175042

【弁理士】

【氏名又は名称】高橋 秀明

(72)【発明者】

【氏名】ブラッドリー，リチャード

(72)【発明者】

【氏名】タゴポロス，イリアス

【審査官】北条 弥作子

(56)【参考文献】

【文献】米国特許出願公開第２０１４／００３８２０３（ＵＳ，Ａ１）

【文献】国際公開第２０１９／１４４０８１（ＷＯ，Ａ１）

【文献】国際公開第２０２０／０１８４６３（ＷＯ，Ａ１）

【文献】米国特許出願公開第２０１７／０２０００６６（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１３／０２１０６６７（ＵＳ，Ａ１）

【文献】国際公開第２０１８／２２２８６５（ＷＯ，Ａ１）

【文献】米国特許出願公開第２０１７／０１２２９６６（ＵＳ，Ａ１）

【文献】特開２０１５－１４１２０１（ＪＰ，Ａ）

【文献】IDEXX Japan，犬猫の慢性腎臓病の診断、ステージング及び治療，IRIS CKD ガイドライン，2011年06月15日，https://www.idexx.co.jp/files/iris-pocket-guide-jp.pdf

【文献】［獣医師監修］高齢犬に多い慢性腎不全 症状から食事や予防について徹底解説，［獣医師監修］高齢犬に多い慢性腎不全 じわじわ悪化 | 動物のきもち，2019年10月26日，https://asamin.tokyo.jp/犬/19-inuno-manseijinhuzen.html

【文献】Anik Saha, et al.，Performance Measurements of Machine Learning Approaches for Prediction and Diagnosis of Chronic Kidney Disease (CKD) ，Proceedings of the 7th International Conference oand Communications Management，2019年07月27日，p.200-204 ，https://doi.org/10.1145/3348445.3348462

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｎ ３３／４８～３３／９８

ＪＳＴＰｌｕｓ／ＪＭＥＤＰｌｕｓ／ＪＳＴ７５８０（ＪＤｒｅａｍＩＩＩ）

(57)【特許請求の範囲】

【請求項1】

イヌの慢性腎臓病（ＣＫＤ）の発症に対する感受性を特定するコンピュータシステムであって、該コンピュータシステムが、
プロセッサ；及び
前記プロセッサによって実行されると、前記コンピュータシステムに、
（ａ）（ｉ）前記イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質および血中尿素窒素（ＢＵＮ）に関する情報を含む、１つ以上のバイオマーカー；および
（ｉｉ）前記イヌの人口統計情報であって、前記イヌの年齢、体重およびサイズを少なくとも含む、人口統計情報；を受信させ、
（ｂ）回帰型ニューラルネットワークを含む予測モデルを使用して前記１つ以上のバイオマーカーおよび前記イヌの人口統計情報を処理させ、かつ
（ｃ）前記処理された１つ以上のバイオマーカーおよび人口統計情報に基づいて、前記イヌがＣＫＤを発症する確率リスクスコアを決定させる、
コードを格納するメモリ
を含み、
前記１つ以上のバイオマーカー又は前記イヌの人口統計情報は、前記回帰型ニューラルネットワークを使用したトップダウン又はボトムアップラッパー法により選択される、コンピュータシステム。

【請求項2】

前記コンピュータシステムに、
前記イヌがＣＫＤを発症する確率リスクに基づいてカスタマイズされた推奨事項を決定させる、
請求項１に記載のコンピュータシステム。

【請求項3】

前記コンピュータシステムに、
前記イヌの獣医師、飼い主、又は介護者のユーザ機器に前記カスタマイズされた推奨事項を送信させる、
請求項２に記載のコンピュータシステム。

【請求項4】

前記カスタマイズされた推奨事項が、
（ａ）１つ以上の治療的介入；
（ｂ）１つ以上の食事に関する推奨事項；
（ｃ）１つ以上の腎温存戦略；又は
（ｄ）疾患の進行についての１つ以上の検査
のうちの少なくとも１つを含む、請求項２又は３に記載のコンピュータシステム。

【請求項5】

（ｉ）前記１つ以上の腎温存戦略が、非ステロイド系抗炎症薬、アミノグリコシド、又はそれらの任意の組合せの回避を含む；及び／又は
（ｉｉ）前記疾患の進行についての１つ以上の検査が、血清副甲状腺ホルモンレベルの検査を含む、
請求項４に記載のコンピュータシステム。

【請求項6】

前記回帰型ニューラルネットワークが、５つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含む、３つの層を有する隠れ層アーキテクチャを含む、請求項１から５のいずれか一項に記載のコンピュータシステム。

【請求項7】

前記回帰型ニューラルネットワークが、１０分割の交差検証プロセスを経験し、８又は１８のエポックにわたってトレーニングされる、請求項１から６のいずれか一項に記載のコンピュータシステム。

【請求項8】

前記１つ以上のバイオマーカーが、アミラーゼに関する情報を含む、請求項１から７のいずれか一項に記載のコンピュータシステム。

【請求項9】

前記回帰型ニューラルネットワークが、複数の他のイヌの前記１つ以上のバイオマーカー及び前記人口統計情報を含むトレーニングデータセットを使用してトレーニングされる、請求項１から８のいずれか一項に記載のコンピュータシステム。

【請求項10】

前記予測モデルが、長・短期記憶（ＬＳＴＭ）を有する前記回帰型ニューラルネットワークをさらに含む、請求項１から９のいずれか一項に記載のコンピュータシステム。

【請求項11】

前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０から約１である、請求項１から１０のいずれか一項に記載のコンピュータシステム。

【請求項12】

前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．５である、請求項１から１０のいずれか一項に記載のコンピュータシステム。

【請求項13】

前記コンピュータシステムに、
前記イヌの１つ以上のバイオマーカー又は前記イヌの人口統計情報からの１つ以上の欠測値を代入させる、
請求項１から１２のいずれか一項に記載のコンピュータシステム。

【請求項14】

前記代入が線形回帰である、請求項１３に記載のコンピュータシステム。

【請求項15】

前記代入が前記イヌの年齢に基づいている、請求項１３に記載のコンピュータシステム。

【請求項16】

前記代入が前記欠測値の数に基づいて算出される、請求項１３に記載のコンピュータシステム。

【請求項17】

イヌの慢性腎臓病（ＣＫＤ）の発症に対する感受性を特定する方法であって、
（ａ）（ｉ）前記イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質および血中尿素窒素（ＢＵＮ）に関する情報を含む、１つ以上のバイオマーカー；および
（ｉｉ）前記イヌの人口統計情報であって、前記イヌの年齢、体重およびサイズを少なくとも含む、人口統計情報；を受信するステップ、
（ｂ）予測モデルを使用して前記１つ以上のバイオマーカーおよび前記イヌの人口統計情報を処理するステップであって、前記予測モデルが回帰型ニューラルネットワークを含む、ステップ、及び
（ｃ）前記処理された１つ以上のバイオマーカーおよび人口統計情報に基づいて、前記イヌがＣＫＤを発症する確率リスクスコアを決定するステップ
を含み、
前記１つ以上のバイオマーカー又は前記イヌの人口統計情報は、前記回帰型ニューラルネットワークを使用したトップダウン又はボトムアップラッパー法により選択される、方法。

【請求項18】

前記イヌがＣＫＤを発症する確率リスクに基づいてカスタマイズされた推奨事項を決定するステップ
をさらに含む、請求項１７に記載の方法。

【請求項19】

前記イヌの獣医師、飼い主、又は介護者のユーザ機器に前記カスタマイズされた推奨事項を送信するステップ
をさらに含む、請求項１８に記載の方法。

【請求項20】

前記カスタマイズされた推奨事項が、
（ａ）１つ以上の治療的介入；
（ｂ）１つ以上の食事に関する推奨事項；
（ｃ）１つ以上の腎温存戦略；又は
（ｄ）疾患の進行についての１つ以上の検査
のうちの少なくとも１つを含む、請求項１８又は１９に記載の方法。

【請求項21】

（ｉ）前記１つ以上の腎温存戦略が、非ステロイド系抗炎症薬、アミノグリコシド、又はそれらの任意の組合せの回避を含む；及び／又は
（ｉｉ）前記疾患の進行についての１つ以上の検査が、血清副甲状腺ホルモンレベルの検査を含む、
請求項２０に記載の方法。

【請求項22】

前記回帰型ニューラルネットワークが、２１つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含む、３つの層を有する隠れ層アーキテクチャを含む、請求項１７から２１のいずれか一項に記載の方法。

【請求項23】

前記回帰型ニューラルネットワークが、１０分割の交差検証プロセスを経験し、８又は１８のエポックにわたってトレーニングされる、請求項１７から２２のいずれか一項に記載の方法。

【請求項24】

前記１つ以上のバイオマーカーが、アミラーゼに関する情報を含む、請求項１７から２３のいずれか一項に記載の方法。

【請求項25】

前記回帰型ニューラルネットワークが、複数の他のイヌの前記１つ以上のバイオマーカー及び前記人口統計情報を含むトレーニングデータセットを使用してトレーニングされる、請求項１７から２４のいずれか一項に記載の方法。

【請求項26】

前記予測モデルが、長・短期記憶（ＬＳＴＭ）を備えた前記回帰型ニューラルネットワークをさらに含む、請求項１７から２５のいずれか一項に記載の方法。

【請求項27】

前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．０から約１．０である、請求項１７から２６のいずれか一項に記載の方法。

【請求項28】

前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．５である、請求項１７から２７のいずれか一項に記載の方法。

【請求項29】

前記イヌの１つ以上のバイオマーカー又は前記イヌの人口統計情報からの１つ以上の欠測値を代入するステップ
をさらに含む、請求項１７から２８のいずれか一項に記載の方法。

【請求項30】

前記代入が線形回帰である、請求項２９に記載の方法。

【請求項31】

前記代入が前記イヌの年齢に基づいている、請求項２９に記載の方法。

【請求項32】

前記代入が前記欠測値の数に基づいて算出される、請求項２９に記載の方法。

【請求項33】

イヌの慢性腎臓病（ＣＫＤ）の発症に対する感受性を特定するコンピュータシステムであって、該コンピュータシステムが、
プロセッサ；及び
前記プロセッサによって実行されると、前記コンピュータシステムに、
（ａ）（ｉ）前記イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質および血中尿素窒素（ＢＵＮ）に関する情報を含む、１つ以上のバイオマーカー；および
（ｉｉ）前記イヌの人口統計情報であって、前記イヌの年齢、体重およびサイズを少なくとも含む、人口統計情報を受信させ、
（ｂ）５つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含む３つの層を有する隠れ層アーキテクチャを含む回帰型ニューラルネットワークを含む、予測モデルを使用して、前記１つ以上のバイオマーカーおよび前記イヌの人口統計情報を処理させ、かつ
（ｃ）前記処理された１つ以上のバイオマーカーおよび人口統計情報に基づいて、前記イヌがＣＫＤを発症する確率リスクスコアを決定させる、
コードを格納するメモリ
を含み、
前記１つ以上のバイオマーカー又は前記イヌの人口統計情報は、前記回帰型ニューラルネットワークを使用したトップダウン又はボトムアップラッパー法により選択される、コンピュータシステム。

【請求項34】

前記コンピュータシステムに、
前記イヌがＣＫＤを発症する確率リスクに基づいてカスタマイズされた推奨事項を決定させる、
請求項３３に記載のコンピュータシステム。

【請求項35】

前記コンピュータシステムに、
前記イヌの獣医師、飼い主、又は介護者のユーザ機器に前記カスタマイズされた推奨事項を送信させる、
請求項３４に記載のコンピュータシステム。

【請求項36】

前記カスタマイズされた推奨事項が、
（ａ）１つ以上の治療的介入；
（ｂ）１つ以上の食事に関する推奨事項；
（ｃ）１つ以上の腎温存戦略；又は
（ｄ）疾患の進行についての１つ以上の検査
のうちの少なくとも１つを含む、請求項３４又は３５に記載のコンピュータシステム。

【請求項37】

（ｉ）前記１つ以上の腎温存戦略が、非ステロイド系抗炎症薬、アミノグリコシド、又はそれらの任意の組合せの回避を含む；及び／又は
（ｉｉ）前記疾患の進行についての１つ以上の検査が、血清副甲状腺ホルモンレベルの検査を含む、
請求項３６に記載のコンピュータシステム。

【請求項38】

前記１つ以上のバイオマーカーが、アミラーゼに関する情報を含む、請求項３３から３７のいずれか一項に記載のコンピュータシステム。

【請求項39】

前記回帰型ニューラルネットワークが、複数の他のイヌの前記１つ以上のバイオマーカー及び前記人口統計情報を含むトレーニングデータセットを使用してトレーニングされる、請求項３３から３８のいずれか一項に記載のコンピュータシステム。

【請求項40】

前記予測モデルが、長・短期記憶（ＬＳＴＭ）を有する前記回帰型ニューラルネットワークをさらに含む、請求項３３から３９のいずれか一項に記載のコンピュータシステム。

【請求項41】

前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．０から約１．０である、請求項３３から４０のいずれか一項に記載のコンピュータシステム。

【請求項42】

前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．５である、請求項３３から４１のいずれか一項に記載のコンピュータシステム。

【請求項43】

前記回帰型ニューラルネットワークが、１０分割の交差検証プロセスを経験し、８又は１８のエポックにわたってトレーニングされる、請求項３３から４２のいずれか一項に記載のコンピュータシステム。

【請求項44】

前記コンピュータシステムに、
前記イヌの１つ以上のバイオマーカー又は前記イヌの人口統計情報からの１つ以上の欠測値を代入させる、
請求項３３から４３のいずれか一項に記載のコンピュータシステム。

【請求項45】

前記代入が線形回帰である、請求項４４に記載のコンピュータシステム。

【請求項46】

前記代入が前記イヌの年齢に基づいている、請求項４４に記載のコンピュータシステム。

【請求項47】

前記代入が前記欠測値の数に基づいて算出される、請求項４４に記載のコンピュータシステム。

【請求項48】

イヌの慢性腎臓病（ＣＫＤ）の発症に対する感受性を特定する方法であって、
（ａ）（ｉ）前記イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質および血中尿素窒素（ＢＵＮ）に関する情報を含む、１つ以上のバイオマーカー；および
（ｉｉ）前記イヌの人口統計情報であって、前記イヌの年齢、体重およびサイズを少なくとも含む、人口統計情報；を受信するステップ、
（ｂ）予測モデルを使用して前記１つ以上のバイオマーカーおよび前記イヌの人口統計情報を処理するステップであって、前記予測モデルが、回帰型ニューラルネットワークを含み、該回帰型ニューラルネットワークが、５つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含む３つの層を有する隠れ層アーキテクチャを含む、ステップ；及び
（ｃ）前記処理された１つ以上のバイオマーカーおよび人口統計情報に基づいて、前記イヌがＣＫＤを発症する確率リスクスコアを決定するステップ
を含み、
前記１つ以上のバイオマーカー又は前記イヌの人口統計情報は、前記回帰型ニューラルネットワークを使用したトップダウン又はボトムアップラッパー法により選択される、方法。

【請求項49】

前記イヌがＣＫＤを発症する確率リスクに基づいてカスタマイズされた推奨事項を決定するステップ
をさらに含む、請求項４８に記載の方法。

【請求項50】

前記イヌの獣医師、飼い主、又は犬の介護者のユーザ機器に前記カスタマイズされた推奨事項を送信するステップ
をさらに含む、請求項４９に記載の方法。

【請求項51】

前記カスタマイズされた推奨事項が、
（ａ）１つ以上の治療的介入；
（ｂ）１つ以上の食事に関する推奨事項；
（ｃ）１つ以上の腎温存戦略；又は
（ｄ）疾患の進行についての１つ以上の検査
のうちの少なくとも１つを含む、請求項４９又は５０に記載の方法。

【請求項52】

（ｉ）前記腎温存戦略が、非ステロイド系抗炎症薬、アミノグリコシド、又はそれらの任意の組合せの回避を含む；及び／又は
（ｉｉ）前記疾患の進行についての検査が、血清副甲状腺ホルモンレベルの検査を含む、
請求項５１に記載の方法。

【請求項53】

前記１つ以上のバイオマーカーが、アミラーゼに関する情報を含む、請求項４８から５２のいずれか一項に記載の方法。

【請求項54】

前記回帰型ニューラルネットワークが、複数の他のイヌの前記１つ以上のバイオマーカー及び前記人口統計情報を含むトレーニングデータセットを使用してトレーニングされる、請求項４８から５３のいずれか一項に記載の方法。

【請求項55】

前記予測モデルが、長・短期記憶（ＬＳＴＭ）を備えた前記回帰型ニューラルネットワークをさらに含む、請求項４８から５４のいずれか一項に記載の方法。

【請求項56】

前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．０から約１．０である、請求項４８から５５のいずれか一項に記載の方法。

【請求項57】

前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．５である、請求項４８から５６のいずれか一項に記載の方法。

【請求項58】

前記回帰型ニューラルネットワークが、１０分割の交差検証プロセスを経験し、８又は１８のエポックにわたってトレーニングされる、請求項４８から５７のいずれか一項に記載の方法。

【請求項59】

前記イヌの１つ以上のバイオマーカー又は前記イヌの人口統計情報からの１つ以上の欠測値を代入するステップ
をさらに含む、請求項４８から５８のいずれか一項に記載の方法。

【請求項60】

前記代入が線形回帰である、請求項５９に記載の方法。

【請求項61】

前記代入が前記イヌの年齢に基づいている、請求項５９に記載の方法。

【請求項62】

前記代入が前記欠測値の数に基づいて算出される、請求項５９に記載の方法。

【発明の詳細な説明】

【関連出願の相互参照】

【0001】

本出願は、その各々の内容がここに参照することによってそれらの全体が本明細書に援用される、２０２０年６月０１日出願の米国仮特許出願第６３／０３３，１５４号及び２０２０年６月１２日出願の米国仮特許出願第６３／０３８，５５２号に対する優先権を主張する。

【技術分野】

【0002】

本明細書に開示される主題は、慢性腎臓病（ＣＫＤ）の発症に対するペットの感受性を決定するための方法及びシステムに関する。

【背景技術】

【0003】

慢性腎疾患又は慢性腎不全としても知られる慢性腎臓病（ＣＫＤ）は、数ヶ月又は数年にわたる、進行性の腎機能低下である。ＣＫＤは、さまざまな条件及び機構によって引き起こされる可能性があり、人間及びペットの両方に影響を及ぼす。イヌ又はイヌ科動物のＣＫＤの発生率は、米国におけるイヌの約０．５～１．０％と推定されているが、既知の素因を有するある特定の品種を含む一部の集団では２５％に近づくことが示されている。イヌ又はイヌ科動物のＣＫＤは、ネコ科動物などの他のペットと比較して予後が悪く、生存期間が短いと一般的に考えられている。

【発明の概要】

【発明が解決しようとする課題】

【0004】

イヌ又はイヌ科動物のＣＫＤに関連するリスクの増加を所与とすると、ＣＫＤの早期発見又は診断に役立つシステム及び方法が依然として必要とされている。さらに、ＣＫＤに関連する健康上のリスクを軽減するのに役立つ、カスタマイズされた推奨事項を提供することが、依然として必要とされている。

【課題を解決するための手段】

【0005】

ある特定の非限定的な実施態様では、本明細書に開示される主題は、イヌが慢性腎臓病（ＣＫＤ）を発症する感受性を特定するコンピュータシステムを提供する。該コンピュータシステムには、プロセッサと、該プロセッサによって実行されると、コンピュータシステムに、イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質、血中尿素窒素（ＢＵＮ）のうちの少なくとも１つに関する情報が含まれうる、１つ以上のバイオマーカー、又はイヌの年齢若しくは体重のうちの少なくとも１つが含まれうる、イヌの人口統計情報、のうちの少なくとも１つを受信させるコードを格納するメモリとが含まれうる。コンピュータシステムは、予測モデルを使用して、イヌの１つ以上のバイオマーカー又は人口統計情報のうちの少なくとも１つを、少なくとも処理させることができる。予測モデルには、回帰型ニューラルネットワークを含めることができる。加えて、処理された１つ以上のバイオマーカーに基づいて、コンピュータシステムに、イヌがＣＫＤを発症する確率リスクスコアを決定させることができる。ある特定の他の非限定的な実施態様では、１つ以上のバイオマーカーは、アミラーゼに関する情報を含みうる。

【0006】

ある特定の非限定的な実施態様では、イヌがＣＫＤを発症する確率リスクに基づいて、コンピュータシステムに、カスタマイズされた推奨事項を決定させることができる。カスタマイズされた推奨事項には、１つ以上の治療的介入、１つ以上の食事に関する推奨事項、１つ以上の腎温存戦略、又は疾患の進行についての１つ以上の検査のうちの少なくとも１つが含まれうる。食事に関する推奨事項には、ペットフード製品などの１つ以上のペット製品の推奨される使用又は１つ以上のペット製品の使用、及び／又はペット製品の任意の組合せの推奨される使用又はペット製品の任意の組合せの使用が含まれうる。さらには、食事に関する推奨事項には、食事の変更の推奨、食事レジメンの推奨、及び／又はイヌ用の栄養補助食品又は医薬品サプリメントなどの補給食の推奨が含まれうる。別の例では、１つ以上の腎温存戦略には、非ステロイド系抗炎症薬、アミノグリコシド、又はそれらの任意の組合せの回避が含まれ、及び／又は疾患の進行についての１つ以上の検査には、血清副甲状腺ホルモンレベルの検査が含まれうる。幾つかの非限定的な実施態様では、カスタマイズされた推奨事項を、イヌの獣医師、飼い主、又は介護者に送信することができる。

【0007】

ある特定の非限定的な実施態様では、回帰型ニューラルネットワークは、３つの層を有する隠れ層アーキテクチャを含みうる。３つの層は、５つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含みうる。回帰型ニューラルネットワークは、１０分割の交差検証プロセスを経験しうる、及び／又は８又は１８のエポックにわたってトレーニングされうる。回帰型ニューラルネットワークを使用したＣＫＤを発症するための決定閾値は、約０．５でありうる。別の例では、回帰型ニューラルネットワークを使用したＣＫＤを発症するための決定閾値は、約０．３から約０．９でありうる。さらに別の例では、決定閾値は、約０から約１の間でありうる。幾つかの非限定的な実施態様では、回帰型ニューラルネットワークは、トレーニングデータセットを使用してトレーニングすることができる。トレーニングデータセットには、１つ以上のバイオマーカー及び複数の他のイヌの人口統計情報が含まれうる。ある特定の非限定的な実施態様では、予測モデルは、長・短期記憶（ＬＳＴＭ）を備えた回帰型ニューラルネットワークをさらに含みうる。

【0008】

ある特定の非限定的な実施態様では、本明細書に開示される主題は、イヌがＣＫＤを発症する感受性を特定する方法を提供する。該方法は、イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質、ＢＵＮのうちの少なくとも１つに関する情報を含む、１つ以上のバイオマーカー、又はイヌの年齢若しくは体重のうちの少なくとも１つを含みうる、イヌの人口統計情報のうちの少なくとも１つを受信するステップを含みうる。該方法はまた、予測モデルを使用してイヌの１つ以上のバイオマーカー又は人口統計情報の少なくとも１つを処理することも含みうる。予測モデルには、回帰型ニューラルネットワークを含めることができる。加えて、該方法は、処理された１つ以上のバイオマーカーに基づいて、イヌがＣＫＤを発症する確率リスクスコアを決定するステップを含みうる。

【0009】

ある特定の非限定的な実施態様では、本明細書に開示される主題は、イヌがＣＫＤを発症する感受性を特定するコンピュータシステムを提供する。該コンピュータシステムは、プロセッサと、該プロセッサによって実行されると、コンピュータシステムに、イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質、ＢＵＮのうちの少なくとも１つに関する情報を含みうる、１つ以上のバイオマーカー、又はイヌの年齢若しくは体重のうちの少なくとも１つを含みうる、イヌの人口統計情報のうちの少なくとも１つを受信させるコードを格納するメモリとを含む。コンピュータシステムには、予測モデルを使用して、イヌの１つ以上のバイオマーカー又は人口統計情報のうちの少なくとも１つを処理させることもできる。予測モデルには、回帰型ニューラルネットワークを含めることができる。回帰型ニューラルネットワークは、３つの層を有する隠れ層アーキテクチャを含み、この３つの層は、５つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含む。加えて、コンピュータシステムに、処理された１つ以上のバイオマーカーに基づいて、イヌがＣＫＤを発症する確率リスクスコアを決定させることもできる。

【0010】

ある特定の非限定的な実施態様では、本明細書に開示される主題は、イヌがＣＫＤを発症する感受性を特定するコンピュータシステムを提供する。該方法は、イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質、ＢＵＮのうちの少なくとも１つに関する情報を含みうる、１つ以上のバイオマーカー、又はイヌの年齢若しくは体重のうちの少なくとも１つを含みうる、イヌの人口統計情報のうちの少なくとも１つを受信するステップを含みうる。該方法は、予測モデルを使用して、イヌの１つ以上のバイオマーカー又は人口統計情報のうちの少なくとも１つを処理することを含みうる。予測モデルには、回帰型ニューラルネットワークを含めることができる。回帰型ニューラルネットワークは、３つの層を有する隠れ層アーキテクチャを含み、この３つの層は、５つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含む。加えて、該方法は、処理された１つ以上のバイオマーカーに基づいて、イヌがＣＫＤを発症する確率リスクスコアを決定するステップを含みうる。

【図面の簡単な説明】

【0011】

【図1A】本明細書に記載されるある特定の実施態様による研究データセットの分布チャート

【図1B】本明細書に記載されるある特定の実施態様による研究データセットの分布チャート

【図1C】本明細書に記載されるある特定の実施態様による研究データセットの分布チャート

【図1D】本明細書に記載されるある特定の実施態様による研究データセットの分布チャート

【図1E】本明細書に記載されるある特定の実施態様による研究データセットの分布チャート

【図1F】本明細書に記載されるある特定の実施態様による研究データセットの分布チャート

【図1G】本明細書に記載されるある特定の実施態様による研究データセットの分布チャート

【図1H】本明細書に記載されるある特定の実施態様による研究データセットの分布チャート

【図2A】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2B】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2C】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2D】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2E】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2F】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2G】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2H】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2I】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2J】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2K】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図2L】本明細書に記載されるある特定の実施態様による、ＣＫＤを有しない例となる電子健康記録（ＥＨＲ）のチャート

【図3A】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3B】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3C】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3D】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3E】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3F】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3G】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3H】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3I】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3J】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3K】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図3L】本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となる電子健康記録（ＥＨＲ）のチャート

【図4】本明細書に記載されるある特定の実施態様によるコンピュータシステムを示す図

【図5】図本明細書に記載されるある特定の実施態様による、図ＸＸのサーバのより詳細な図

【図6】本明細書に記載されるある特定の実施態様によるユーザ機器を示す図

【図7】本明細書に記載されるある特定の実施態様による年齢の関数としてのモデル性能を示すチャート

【図8】本明細書に記載されるある特定の実施態様による訪問回数の関数としてのモデル感度を示すチャート

【図9】本明細書に記載されるある特定の実施態様による診断前の時間の関数としてのモデル感度を示すチャート

【図10A】本明細書に記載されるある特定の実施態様によるデータセットの前処理を示すチャート

【図10B】本明細書に記載されるある特定の実施態様によるデータセットの前処理を示すチャート

【図10C】本明細書に記載されるある特定の実施態様によるデータセットの前処理を示すチャート

【図10D】本明細書に記載されるある特定の実施態様によるデータセットの前処理を示すチャート

【図10E】本明細書に記載されるある特定の実施態様によるデータセットの前処理を示すチャート

【図11】本明細書に記載されるある特定の実施態様による主成分分析又は因子分析を示すチャート

【図12】本明細書に記載されるある特定の実施態様によるラッパーベースの機能順序チャート

【図13】本明細書に記載されるある特定の実施態様による平均最良Ｆ１スコアを示すチャート

【図14】本明細書に記載されるある特定の実施態様による機能選択を示すチャート

【図15】本明細書に記載されるある特定の実施態様による、ラッパー機能選択中のベイズ情報量規準を示すグラフ

【図16】本明細書に記載されるある特定の実施態様による、性能測定基準を示すグラフ

【図17】本明細書に記載されるある特定の実施態様による、性能測定基準を示すグラフ

【図18】本明細書に記載されるある特定の実施態様による、ＲＮＮ及びＬＳＴＭアーキテクチャを示すグラフ

【図19】本明細書に記載されるある特定の実施態様による交差検証性能を示す図

【図20】本明細書に記載されるある特定の実施態様による決定閾値テーブル

【発明を実施するための形態】

【0012】

イヌ又はイヌ科動物のＣＫＤの早期診断に役立てることができるシステム及び方法が依然として必要とされている。したがって、ある特定の非限定的な実施態様は、予測モデルを使用して、イヌの１つ以上のバイオマーカー又は人口統計情報を処理することができる。処理された１つ以上のバイオマーカー又は人口統計情報を使用して、イヌがＣＫＤを発症する確率リスクスコアを決定することができる。確率リスクスコアに基づいて、カスタマイズされた推奨事項を決定し、ＣＫＤに関連する健康上のリスクの軽減に役立てることができる。明確にするためであって限定はしないが、現在開示されている主題の詳細な説明は、以下の小区分に分けられている：
１．定義；
２．バイオマーカー；
３．予測モデル；
４．カスタマイズされた推奨事項；及び
５．デバイス及びシステム。

【0013】

１．定義
本明細書で用いられる用語は、概して、本開示の文脈内及び各用語が用いられる特定の文脈内で、当技術分野における通常の意味を有する。本開示の方法及びシステム並びにそれらを製造及び使用する方法を説明する際に、施術者に追加のガイダンスを提供するために、以下又は本明細書の他の箇所において、ある特定の用語が論じられる。

【0014】

本明細書で用いられる場合には、特許請求の範囲及び／又は明細書で「含む」という用語と併せて用いられる単語「ａ」又は「ａｎ」の使用は、「１つ」を意味する場合もあるが、「１つ以上」、「少なくとも１つ」、及び「１つ又はそれより多く」と言う意味とも一致する。さらには、「有する」、「含む」、「含有する」、及び「包含する」という用語は交換可能であり、当業者はこれらの用語がオープンエンドの用語であることを認識している。

【0015】

「含む」、「含んでいる」という用語、又はそれらの任意の他の変形は、要素のリストを含んでいるプロセス、方法、物品、システム、又は装置が、それらの要素のみを含むのではなく、このようなプロセス、方法、物品、又は装置に明示的に列挙されていない、又は固有ではない他の要素を含むことができるように、非排他的な包含にも及ぶことが意図されている。

【0016】

「実施態様」、「ある実施態様」、「一実施態様」、「さまざまな実施態様では」、「ある特定の実施態様」、「幾つかの実施態様」、「他の」、「ある特定の他の実施態様」などの用語は、説明される（一又は複数の）実施態様が、特定の特徴、構造、又は特性を含むことができるが、すべての実施態様が必ずしも特定の特徴、構造、又は特性を含むとは限らないことを示している。さらには、そのような句は、必ずしも同じ実施形態を指しているわけではない。さらには、特定の特徴、構造、又は特性が一実施形態に関連して説明される場合、明示的に記載されているかどうかにかかわらず、他の任意の実施形態に関連してこのような特徴、構造、又は特性に影響を与えることは当業者の知識の範囲内であると考えられる。

【0017】

「約」又は「およそ」という用語は、当業者によって決定される特定の値の許容誤差範囲内であることを意味し、これは、一部には、値を測定又は決定する方法、すなわち、測定システムの制限に依存するものである。例えば、「約」は、当技術分野の慣行に従って、３以内又は３を超える標準偏差を意味しうる。あるいは、「約」は、所与の値の２０％まで、好ましくは１０％まで、さらに好ましくは５％まで、さらになお好ましくは１％までの範囲を意味しうる。あるいは、特に生物学的システム又はプロセスに関して、この用語は、値の１桁以内、好ましくは５倍以内、さらに好ましくは２倍以内を意味しうる。本明細書に開示される多くの値が存在し、各値はまた、その値自体に加えて、「約」その特定の値として本明細書に開示されていることも理解される。例えば、値「１０」が開示されている場合、「約１０」もまた開示されている。２つの特定のユニット間の各ユニットも開示されていることも理解される。例えば、１０及び１５が開示されている場合、１１、１２、１３、及び１４もまた開示されている。

【0018】

物質の「効果的な治療」又は「有効量」という用語は、臨床結果を含む有益又は望ましい結果をもたらすのに十分な治療又は物質の量を意味し、したがって、「効果的な治療」又は「有効量」は、それが適用される文脈に依存する。ＣＫＤの発症のリスクを低減するための組成物の投与、及び／又はＣＫＤの進行を治療又は遅延させるための組成物の投与の文脈において、本明細書に記載される組成物の有効量は、ＣＫＤを治療及び／又は改善、並びに、ＣＫＤの症状を軽減及び／又は可能性を低減するのに十分な量である。本明細書に記載される効果的な治療は、ＣＫＤを治療及び／又は改善、並びに、ＣＫＤの症状を軽減及び／又は可能性を低減するのに十分な治療である。低下は、ＣＫＤの症状の重症度、又はＣＫＤの可能性の１０％、２０％、３０％、４０％、５０％、６０％、７０％、８０％、９０％、９５％、９８％又は９９％の低下でありうる。有効量は、１回以上の投与回数で投与することができる。本明細書に記載される効果的な治療の可能性は、治療が有効である、すなわち、ＣＫＤを治療及び／又は改善、並びに症状を軽減するのに十分な可能性である。

【0019】

本明細書で用いられる場合には、当技術分野で十分に理解されているように、「治療」は、臨床結果を含む有益又は望ましい結果を得るための手法である。この主題の目的のために、有益又は望ましい臨床結果には、１つ以上の症状の緩和又は改善、疾患の程度の減少、疾患の安定した（すなわち悪化しない）状態、疾患の予防、疾患の発症の可能性の低減、疾患の進行の遅延又は減速、及び／又は疾患状態の改善又は緩和が含まれるが、これらに限定されない。低下は、合併症又は症状の重症度の１０％、２０％、３０％、４０％、５０％、６０％、７０％、８０％、９０％、９５％、９８％又は９９％の低下でありうる。「治療」はまた、治療を受けていない場合に予想される生存期間と比較して、生存期間を延長することも意味しうる。

【0020】

本開示に従って用いられる「動物」又は「ペット」という用語は、飼いイヌ、飼いネコ、ウマ、ウシ、フェレット、ウサギ、ブタ、ラット、マウス、スナネズミ、ハムスター、ヤギなどを含むが、これらに限定されない家畜を指す。飼いイヌ及びネコは、ペットの特定の非限定的な例である。本開示に従って用いられる「動物」又は「ペット」という用語はさらに、バイソン、ヘラジカ、シカ、ベニソン、アヒル、家禽、魚などを含むが、これらに限定されない野生動物を指しうる。

【0021】

「ペット製品」、「ペットフード」、「ペットフード組成物」、「ペットフード製品」、及び／又は「最終ペットフード製品」という用語は、ネコ、イヌ、モルモット、ウサギ、トリ、又はウマなどの動物による使用又は消費を目的とする製品又は組成物を意味する。例えば、限定するものではないが、動物は、「飼い」イヌ又はイヌ科動物でありうる。「ペット製品」、「ペットフード」又は「ペットフード組成物」又は「ペットフード製品」又は「最終ペットフード製品」には、あらゆる食品、飼料、スナック、栄養補助食品、液体、飲料、おやつ、おもちゃ（噛むことができるおもちゃ及び／又は消費できるおもちゃ）、食事、食事代用品、又は食事代替品が含まれる。ある特定の実施態様では、「ペット製品」は、ある特定の健康上又は栄養上の利益を動物に提供することができる。

【0022】

本明細書で用いられる場合、「決定閾値」という用語は、ＣＫＤの診断に用いられる事前定義された又は所定の値又はレベルを指すことができる。「決定閾値」は、例えば、約０．０から約１の範囲でありうる。ある特定の実施態様では、０．５の「決定閾値」を使用することができる。ある特定の実施態様では、「決定閾値」の値は、Ｆ１スコア、適合率、精度、感度、及び／又は特異度の１つ以上を評価する又はバランスを取ることによって導き出すことができる。「決定閾値」は、例えば、Ｆ１スコア、適合率、精度、感度、及び／又は特異度のうちの１つ以上の間のトレードオフ又はバランスを臨床上の必要性又は適用に基づいて決定することができる、スライディングスケールでありうる。

【0023】

「バイオマーカー」という用語は、正常な生物学的プロセス、病原性プロセス、又は治療介入に対する薬理学的反応の指標として客観的に測定及び評価される特性を意味する。「バイオマーカー」という用語はまた、身体又はその生成物で測定することができ、転帰又は疾患の発生率に影響を与える又は予測することができる、任意の物質、構造、又はプロセスを意味する場合もある。例えば、バイオマーカーは、イヌの尿又は血液試料から分析又は決定することができる。バイオマーカーの例には、アルカリホスファターゼ、アミラーゼ、タンパク質、ＢＵＮ又は尿素レベル、クレアチニン、リン、カルシウム、尿タンパク質、カリウム、グルコース、ヘマトクリット、ヘモグロビン、赤血球（ＲＢＣ）数、赤血球分布幅（ＲＤＷ）、アラニンアミノトランスフェラーゼ、アルブミン、ビリルビン、塩化物、コレステロール、好酸球、グロブリン、リンパ球、単球、平均赤血球ヘモグロビン（ＭＣＨ）、平均赤血球ヘモグロビン濃度（ＭＣＨＣ）、平均赤血球容積（ＭＣＶ）、平均血小板容積（ＭＰＶ）、血小板数、分節好中球、ナトリウム、尿ＰＨレベル、及び／又は白血球数が含まれうるが、これらに限定されない。ある特定の非限定的な実施態様では、１つ以上のバイオマーカーは、イヌ又はイヌ科動物の血液、尿、血清、血漿、又は唾液から得ることができる。

【0024】

「トレーニングデータセット」という用語は、予測モデルのトレーニングに使用することができる固有のイヌ又はイヌ科動物のデータベースを意味する。幾つかの非限定的な実施態様では、「トレーニングデータセット」には、イヌの年齢、体重、品種、及び生殖状態などの人口統計情報を含めることができる。年齢には、獣医師を訪問したときのペットの年齢及び／又はＣＫＤの最初の診断中のペットの年齢を含めることができる。ある特定の非限定的な実施態様では、「トレーニングデータセット」には、１つ以上のバイオマーカーを含めることができる。

【0025】

「訪問」という用語は、獣医師などの医療従事者又は提供者とイヌとの面会を意味する。ある特定の実施態様では、医療記録は、訪問中又は訪問後に生成される。ある特定の実施態様では、１つ以上のバイオマーカーの量は、訪問中に決定される。ある特定の実施態様では、ＣＫＤの診断は、訪問中に行われる。施術者は、病院で、及び／又は自宅又は他の場所で訪問することができる。飼い主に連れられたイヌ又はイヌ科動物は、外来診療所又は診療室にいる施術者を訪問することができる。

【0026】

「尿比重」（別名、尿ＳＧ又はＵＳＧ）という用語は、水の密度と比較した尿密度の比率を測定する。これは、尿中の溶質の濃度の尺度であり、腎臓が尿を濃縮する能力に関する情報を提供する。

【0027】

「カスタマイズされた推奨事項」という用語は、ＣＫＤを発症するリスクを低下／軽減するため、又はＣＫＤの症状又は影響を軽減／管理するために用いられる治療、方法、又は検査を意味する。例えば、「カスタマイズされた推奨事項」には、１つ以上の治療的介入、１つ以上の食事に関する推奨事項、１つ以上の腎温存戦略、又は疾患の進行についての１つ以上の検査を含めることができる。

【0028】

２．バイオマーカー
ある特定の非限定的な実施態様では、イヌ又はイヌ科動物の１つ以上のバイオマーカー又は人口統計情報を部分的に使用して、ＣＫＤの発症についての確率リスクスコアを決定することができる。

【0029】

本明細書に開示されるある特定の実施態様では、ＣＫＤの発症に関連する１つ以上の生物学的パラメータに基づいて、１つ以上のバイオマーカーをＣＫＤの予測に使用することができる。次に、カスタマイズされた推奨事項バイオマーカーによって示されるＣＫＤを発症するリスクに応じて調整することができる。

【0030】

ある特定の実施態様では、ＢＵＮと尿素の測定は互換性がある。ＢＵＮは尿素の窒素含有量（分子量２８）のみを反映し、尿素測定値は分子全体（分子量６０）を反映するため、尿素測定値は、ＢＵＮの測定値の２．１４（６０／２８）倍である。

【0031】

ある特定の非限定的な実施態様では、バイオマーカーには、イヌ又はイヌ科動物の尿試料中の尿比重レベル；イヌ又はイヌ科動物の血液中の総クレアチニンレベル；イヌ又はイヌ科動物の血清中のクレアチニンレベル；イヌ又はイヌ科動物の血漿中のクレアチニン；イヌ又はイヌ科動物の尿試料中のクレアチニン；イヌ又はイヌ科動物の尿試料中の尿タンパク質；イヌ又はイヌ科動物の血液中の総尿素；イヌ又はイヌ科動物の血清中の尿素；イヌ又はイヌ科動物の血漿中の尿素；イヌ又はイヌ科動物の尿試料中の尿素；イヌ又はイヌ科動物の血液中のＢＵＮ又は尿素；イヌ又はイヌ科動物の血液中の白血球数（ＷＢＣ）；イヌ又はイヌ科動物の尿試料中の尿ｐＨのうちの１つ以上が含まれうる。ある特定の非限定的な実施態様では、バイオマーカーのレベルの変化は、ＣＫＤを発症するリスクの増加と関連しうる。

【0032】

各バイオマーカーでは、バイオマーカーのレベルの増加又は低下は、特定のバイオマーカーに応じて、イヌ又はイヌ科動物がＣＫＤを発症する可能性に関する情報を提供することができる。例えば、ある特定の実施態様では、尿比重のレベルの低下は、ＣＫＤを発症するリスクの増加を示す。ある特定の実施態様では、尿比重のレベルの増加は、ＣＫＤを発症するリスクの低下を示す。ある特定の実施態様では、データセットにおけるイヌ又はイヌ科動物の集団における尿比重の平均レベルに基づいた所定の基準値と比較して低い尿比重のレベルは、ＣＫＤを発症するリスクの増加を示しうる。ある特定の実施態様では、対照集団における尿比重の平均レベルに基づいた所定の基準値と比較して高い尿比重レベルは、ＣＫＤを発症するリスクの低下を示す。ある特定の実施態様では、データセット集団における尿比重の平均レベルは、約１．００から約１．１の間、約１．０１から約１．０９の間、約１．０２から約１．０８の間、又は約１．０３から約１．０７の間である。ある特定の実施態様では、対照集団における尿比重の平均レベルは、約１．００１から約１．０８の間である。ある特定の実施態様では、尿比重の所定の基準値は、データセットの対照集団における尿比重の平均レベルの約１００％、約９９％、約９８％、約９７％、約９６％、約９５％、約９４％、約９３％、約９２％、約９１％、約９０％、約８９％、約８８％、約８７％、約８６％、約８５％、約８０％、約７５％、約７０％以下、又は任意の中間のパーセンテージ若しくは範囲である。ある特定の実施態様では、尿比重の所定の基準値は、データセットの対照集団における尿比重の平均レベルの約９９．９％から約９０％の間、約９５％から約９０％の間、又は約９９％から約９２％の間である。ある特定の実施態様では、尿比重の所定の基準値は、約１．００１から約１．０８の間、約１．００１から約１．０７の間、約１．００１から約１．０６の間、約１．００１から約１．０５の間、又は約１．００１から約１．０４の間である。ある特定の実施態様では、イヌ又はイヌ科動物の水分状態は、尿比重レベルを調整すると見なすことができる。

【0033】

ある特定の非限定的な実施態様では、クレアチニンのレベルの増加は、ＣＫＤを発症するリスクの増加を示しうる。クレアチニンのレベルの減少又は低下は、ＣＫＤを発症するリスクの低下を示しうる。より高いクレアチニンレベルは、ＣＫＤを発症するリスクが高いことを示しうる。例えば、データセットにおけるクレアチニンの平均レベルは、約０ｍｇ／ｄＬから約３ｍｇ／ｄＬの間、約０．８ｍｇ／ｄＬから約３ｍｇ／ｄＬの間、約１ｍｇ／ｄＬから約２．８ｍｇ／ｄＬの間、又は約１．２ｍｇ／ｄＬから約２．２ｍｇ／ｄＬの間に設定することができる。ある特定の実施態様では、対照集団におけるクレアチニンの平均レベルは、約０．８ｍｇ／ｄＬから約２．４ｍｇ／ｄＬの間であし、ある特定の実施態様では、クレアチニンの所定の基準値は、対照集団におけるクレアチニンの平均レベルの約１００％、約１０５％、約１１０％、約１１５％、約１２０％、約１２５％、約１３０％、約１４０％、約１５０％、約２００％、約２５０％、約３００％、約４００％、約５００％以上、又は任意の中間のパーセンテージ若しくは範囲でありうる。ある特定の実施態様では、クレアチニンの所定の基準値は、対照集団におけるクレアチニンの平均レベルの約１００％から約１２０％の間、約１２０％から約１５０％の間、約１５０％から約２００％の間、又は約２００％から約５００％の間でありうる。ある特定の非限定的な実施態様では、クレアチニンの所定の基準値は、約０ｍｇ／ｄＬから約３ｍｇ／ｄＬの間、約１ｍｇ／ｄＬから約２．４ｍｇ／ｄＬの間、約１ｍｇ／ｄＬから約２ｍｇ／ｄＬの間、又は約１．２ｍｇ／ｄＬから約１．８ｍｇ／ｄＬの間でありうる。

【0034】

ある特定の実施態様では、尿タンパク質のレベルの低下は、ＣＫＤを発症するリスクの増加を示しうる。尿タンパク質のレベルの増加は、ＣＫＤを発症するリスクの低下又増加を示しうる。尿タンパク質のレベルの低下は、ＣＫＤを発症するリスクの増加又は低下を示しうる。ある特定の実施態様では、尿タンパク質の平均レベルに基づいた所定の基準値と比較して低い尿タンパク質のレベルは、ＣＫＤを発症するリスクの増加を示しうる。ある特定の実施態様では、データセットの対照集団における尿タンパク質の平均レベルに基づいた所定の基準値と比較して高い尿タンパク質レベルは、ＣＫＤを発症するリスクの低下を示す。より高い尿タンパク質レベルは、感染又は腎臓の損傷を示しうる。ある特定の非限定的な実施態様では、尿タンパク質の上昇の過去の発作歴は、初期の感染症及び／又は腎臓の損傷のリスクが高いことを示しうる。ある特定の非限定的な実施態様では、現在の尿タンパク質の上昇は、腎機能の低下及び／又はＣＫＤのリスクが高いことを示す。イヌ又はイヌ科動物は、所定の基準値と比較して高い尿タンパク質レベルを示しうる。例えば、より高い尿タンパク質レベルが、イヌ又はイヌ科動物の現在の試料中、又はイヌ又はイヌ科動物の最近の医療記録中に認められる（例えば、本明細書に開示される方法のいずれか１つを実施する前約１週間、約２週間、約３週間、約４週間、約５週間、約１０週間、約３ヶ月、又は約６ヶ月以内に作成された記録）。ある特定の実施態様では、イヌ又はイヌ科動物は、過去における所定の基準値と比較して高い尿タンパク質レベルを示した。例えば、より高い尿タンパク質レベルが、イヌ又はイヌ科動物の過去の試料又はイヌ又はイヌ科動物の過去の医療記録中に認められる（例えば、本明細書に開示される方法のいずれか１つを実施する約１週間、約２週間、約１ヶ月、約２ヶ月、約３ヶ月、又は約６ヶ月超前に作成された記録）。ある特定の実施態様では、対照集団における尿タンパク質の平均レベルは、約０ｍｇ／ｄＬから約５０ｍｇ／ｄＬの間、約０ｍｇ／ｄＬから約２５ｍｇ／ｄＬの間、約０ｍｇ／ｄＬから約１０ｍｇ／ｄＬの間、又は約０ｍｇ／ｄＬから約５ｍｇ／ｄＬの間でありうる。ある特定の実施態様では、対照集団における尿タンパク質の平均レベルは、約４８から５０ｍｇ／ｄＬの間である。ある特定の実施態様では、尿タンパク質の所定の基準値は、対照集団における尿タンパク質の平均レベルの少なくとも約１００％、約１１０％、約１２０％、約１３０％、約１４０％、約１５０％、約１６０％、約１７０％、約１８０％、約１９０％、約２００％、約２５０％、約３００％、約４００％、約５００％、約１０００％、約２０００％、約５０００％、約１００００％以上、又は任意の中間のパーセンテージ若しくは範囲でありうる。ある特定の実施態様では、尿タンパク質の所定の基準値は、対照集団における尿タンパク質の平均レベルの約１００％から約２００％の間、約２００％から約５００％の間、又は約２００％から約１０００％の間でありうる。ある特定の実施態様では、尿タンパク質の所定の基準値は、約０．００１ｍｇ／ｄＬから約１００ｍｇ／ｄＬの間、約１ｍｇ／ｄＬから約８０ｍｇ／ｄＬの間、約５ｍｇ／ｄＬから約７０ｍｇ／ｄＬの間、約１０ｍｇ／ｄＬから約６０ｍｇ／ｄＬの間、又は約２０ｍｇ／ｄＬから約５０ｍｇ／ｄＬの間である。

【0035】

ある特定の実施態様では、ＢＵＮ又は尿素レベルの増加は、ＣＫＤを発症するリスクの増加を示す。ある特定の実施態様では、ＢＵＮ又は尿素レベルの低下は、ＣＫＤを発症するリスクの低下を示す。ある特定の実施態様では、対照集団におけるＢＵＮ又は尿素の平均レベルに基づいた所定の基準値と比較して高いＢＵＮ又は尿素レベルは、ＣＫＤを発症するリスクの増加を示しうる。ある特定の実施態様では、対照集団におけるＢＵＮ又は尿素の平均レベルに基づいた所定の基準値と比較して低いＢＵＮ又は尿素レベルは、ＣＫＤを発症するリスクの低下を示しうる。ある特定の実施態様では、対照集団におけるＢＵＮの平均レベルは、約５ｍｇ／ｄＬから約１００ｍｇ／ｄＬの間、約１０ｍｇ／ｄＬから約５５ｍｇ／ｄＬの間、約１５ｍｇ／ｄＬから約４０ｍｇ／ｄＬの間、又は約２０ｍｇ／ｄＬから約３０ｍｇ／ｄＬの間である。ある特定の実施態様では、対照集団におけるＢＵＮの平均レベルは、約１７ｍｇ／ｄＬから約５５又は５６ｍｇ／ｄＬの間である。ある特定の実施態様では、ＢＵＮの所定の基準値又は尿素は、対照集団におけるＢＵＮ又は尿素の平均レベルの約１００％、約１０５％、約１１０％、約１１５％、約１２０％、約１２５％、約１３０％、約１４０％、約１５０％、約２００％、約２５０％、約３００％、約４００％、約５００％以上、又は任意の中間のパーセンテージ若しくは範囲でありうる。ある特定の実施態様では、ＢＵＮの所定の基準値又は尿素は、対照集団におけるＢＵＮ又は尿素の平均レベルの約１００％から約１２０％の間、約１２０％から約１５０％の間、約１５０％から約２００％の間、又は約２００％から約５００％の間でありうる。ある特定の実施態様では、ＢＵＮの所定の基準値は、約１０ｍｇ／ｄＬから約１００ｍｇ／ｄＬの間、約１５ｍｇ／ｄＬから約９０ｍｇ／ｄＬの間、約１７ｍｇ／ｄＬから約５６ｍｇ／ｄＬの間、約２０ｍｇ／ｄＬから約８０ｍｇ／ｄＬの間、約３０ｍｇ／ｄＬから約７０ｍｇ／ｄＬの間、又は約４０ｍｇ／ｄＬから約６０ｍｇ／ｄＬの間である。

【0036】

ある特定の非限定的な実施態様では、ＷＢＣのレベルの低下は、ＣＫＤを発症するリスクの増加を示しうる。ある特定の非限定的な実施態様では、ＷＢＣのレベルの増加は、ＣＫＤを発症するリスクの増加又は低下を示す。ある特定の非限定的な実施態様では、ＷＢＣのレベルの低下は、ＣＫＤを発症するリスクの増加又は低下を示す。ある特定の非限定的な実施態様では、ＷＢＣを予測モデルで使用して他の感染を除外すること、又は１つ以上の予測モデルで使用して以前の感染を将来のリスクに関連付けることができる。例えば、ＷＢＣを予測モデルで使用して、脱水レベルを理解し、他のバイオマーカーの値を正規化することができる。幾つかの非限定的な実施態様では、予測モデルは、以下で説明するように、回帰型ニューラルネットワーク又はＬＴＳＭなどの機械学習アルゴリズムによって生成することができる。予測モデルは、他のバイオマーカーの現在の値及び／又は以前の値に従って、ＷＢＣ数を解釈することができる。ある特定の非限定的な実施態様では、対照集団におけるＷＢＣの平均レベルに基づいた所定の基準値と比較して高いＷＢＣレベルは、ＣＫＤを発症するリスクの増加を示しうる。ある特定の他の非限定的な実施態様では、より高いＷＢＣレベルは、感染又は腎臓の損傷を示しうる。ＷＢＣの上昇の過去の発作歴は、初期の感染症及び／又は腎臓の損傷のリスクが高いことを示しうる。別の例では、現在のＷＢＣの上昇は、腎機能の低下及び／又はＣＫＤのリスクが高いことを示しうる。ある特定の非限定的な実施態様では、イヌ又はイヌ科動物は、所定の基準値と比較して高いＷＢＣレベルを示しうる。高いＷＢＣレベルは、イヌ又はイヌ科動物の現在の試料又は医療記録（例えば、本明細書に開示される方法のいずれか１つを実施する前約１週間、約２週間、約３週間、約４週間、約５週間、約１０週間、約３ヶ月、又は約６ヶ月以内に作成された記録）に見出すことができる。幾つかの非限定的な実施態様では、イヌ又はイヌ科動物は、過去における所定の基準値と比較して高いＷＢＣレベルを示した。高いＷＢＣレベルは、イヌ又はイヌ科動物の過去のサンプル又は医療記録（例えば、本明細書に開示される方法のいずれか１つを実施する約１週間、約２週間、約１ヶ月、約２ヶ月、約３ヶ月、又は約６ヶ月超前に作成された記録）に見出すことができる。ある特定の非限定的な実施態様では、対照集団におけるＷＢＣの平均レベルは、約１×１０^９／Ｌから約６０×１０^９／Ｌの間、約２×１０^９／Ｌから約５０×１０^９／Ｌの間、約５×１０^９／Ｌから約３０×１０^９／Ｌの間、約６×１０^９／Ｌから約２０×１０^９／Ｌの間、又は約８×１０^９／Ｌから約１６×１０^９／Ｌの間である。ある特定の実施態様では、対照集団におけるＷＢＣの平均レベルは、約１３．５×１０^９／Ｌでありうる。ある特定の実施態様では、ＷＢＣの所定の基準値は、対照集団におけるＷＢＣの平均レベルの約１００％、約１０５％、約１１０％、約１１５％、約１２０％、約１２５％、約１３０％、約１４０％、約１５０％、約２００％、約２５０％、約３００％、約４００％、約５００％以上、又は任意の中間のパーセンテージ若しくは範囲でありうる。ある特定の実施態様では、ＷＢＣの所定の基準値は、対照集団におけるＷＢＣの平均レベルの約１００％から約１２０％の間、約１２０％から約１５０％の間、約１５０％から約２００％の間、又は約２００％から約５００％の間でありうる。例えば、ある特定の非限定的な実施態様では、ＷＢＣの所定の基準値は、約２×１０^９／Ｌから約１００×１０^９／Ｌの間、約５×１０^９／Ｌから約８０×１０^９／Ｌの間、約１０×１０^９／Ｌから約７０×１０^９／Ｌの間、約２０×１０^９／Ｌから約６０×１０^９／Ｌの間、又は約３０×１０^９／Ｌから約５０×１０^９／Ｌの間でありうる。ある特定の非限定的な実施態様では、より低いＷＢＣのレベルは、ＣＫＤを発症するリスクの低下を示しうる。ある特定の実施態様では、ＷＢＣの所定の基準値は、対照集団におけるＷＢＣの平均レベルの約１００％、約９５％、約９０％、約８５％、約８０％、約７５％、約７０％、約６０％、約５０％以下、又は任意の中間のパーセンテージ若しくは範囲でありうる。ある特定の実施態様では、ＷＢＣの所定の基準値は、対照集団におけるＷＢＣの平均レベルの約１００％から約９０％の間、約８０％から約６０％、又は約６０％から約４０％の間でありうる。

【0037】

ある特定の実施態様では、尿ｐＨレベルの低下は、ＣＫＤを発症するリスクの増加を示す。ある特定の実施態様では、尿ｐＨレベルの増加は、ＣＫＤを発症するリスクの低下を示し、尿ｐＨレベルの低下は、ＣＫＤを発症するリスクの増加を示しうる。ある特定の実施態様では、より高い尿ｐＨレベルは、ＣＫＤを発症するリスクの低下を示しうる。幾つかの非限定的な実施態様では、データセットの対照集団における尿ｐＨの平均レベルは、約４から約８．５の間、約５から約８の間、約５．２から約７．５の間、又は約６から約７の間でありうる。特に、対照集団における尿ｐＨの平均レベルは、約５．５から約７．５の間でありうる。ある特定の非限定的な実施態様では、尿ｐＨの所定の基準値は、対照集団における尿ｐＨの平均レベルの約１００％、約９５％、約９０％、約８５％、約８０％、約７５％、約７０％、約６０％、約５０％以下、又は任意の中間のパーセンテージ若しくは範囲でありうる。ある特定の実施態様では、尿ｐＨの所定の基準値は、対照集団における尿ｐＨの平均レベルの約１００％から約８０％の間、約８０％から約６０％の間、又は約６０％から約４０％の間でありうる。ある特定の実施態様では、尿ｐＨの所定の基準値は、約３から約８の間、約４から約７．５の間、約４．５から約７の間、約４．５から約６．５の間、約５から約６．５の間、又は約５から約６の間でありうる。ある特定の実施態様では、イヌ又はイヌ科動物の食事及びイヌ又はイヌ科動物の尿試料の取り扱いは、部分的に、尿比重レベルの調整に寄与しうる。

【0038】

ある特定の非限定的な実施態様では、バイオマーカーのレベルの増加又は低下は、現在の試料又はイヌ又はイヌ科動物の最近の医療記録（例えば、本明細書に開示される方法のいずれか１つを実施する前約１週間、約２週間、約３週間、約４週間、約５週間、約１０週間、約３ヶ月、又は約６ヶ月以内に作成された記録）において検出することができる。幾つかの非限定的な実施態様では、イヌ又はイヌ科動物は過去にバイオマーカーのレベルの増加又は低下を示した。例えば、尿タンパク質のレベルの増加又は低下は、イヌ又はイヌ科動物の過去の試料又はイヌ又はイヌ科動物の過去の医療記録（例えば、約１週間、約２週間、約１ヶ月、約２ヶ月、約３ヶ月、約６ヶ月、約１２ヶ月、約２年、約３年、約４年、約５年超前に作成された記録、及び／又は本明細書に開示される方法のいずれか１つを実施する間、前、又は後の任意の時点に作成された記録）に見出すことができる。

【0039】

概して、バイオマーカーの平均レベルの範囲は、健康で正常な母集団の５０から１００％を占める可能性がある。一部のバイオマーカーでは、バイオマーカーの平均レベルの範囲は８０から９５％を占める可能性がある。したがって、母集団の約５～２５％が、平均／正常範囲の上限を上回る値を有する可能性があり、母集団の別の約５～２５％は、平均／正常範囲の下限を下回る値を有する可能性がある。ある特定の実施態様では、バイオマーカーの実際の範囲及び有効性は、機械に応じて、及び／又は平均／正常範囲を決定するために検査したイヌ又はイヌ科動物の母集団に応じて、各実験室又は検査によって決定することができる。加えて、実験室での検査は、試料の取り扱い及び機械の保守／較正の影響を受ける可能性がある。機械を更新すると、通常の範囲に変更が生じる可能性もある。これらの要因のいずれか１つを考慮して、各バイオマーカーの平均レベル及び／又は所定の基準値を調整することができる。

【0040】

上記のバイオマーカーを超えて、ある特定の非限定的な実施態様には、次のバイオマーカーのうちの１つ以上が含まれうる：リン酸塩及び副甲状腺ホルモン（ＰＴＨ）、対称性ジメチルアルギニン（ＳＤＭＡ）、収縮期血圧、カリウム、総カルシウム、ヒアルロン酸、デスレセプター５、トランスフォーミング増殖因子β１、フェリチン、ベータグロビン、カタラーゼ、αグロビン、上皮成長因子受容体経路基質８、ムチンアイソフォーム前駆体、エズリン、デルタグロビン、モエシン、リンタンパク質アイソフォーム、アネキシンＡ２、ミオグロビン、ヘモペキシン、セリンプロテアーゼ阻害剤、セルピンペプチダーゼ阻害剤、ＣＤ１４抗原前駆体、フィブロネクチンアイソフォームプレタンパク質、アンギオテンシノーゲンプレタンパク質、補体成分前駆体、炭酸脱水酵素、ウロモジュリン前駆体、補体因子Ｈ、補体成分４ ＢＰ、ヘパラン硫酸プロテオグリカン２、オルファクトメジン－４、ロイシンリッチα－２糖タンパク質、リングフィンガータンパク質１６７、α間グロブリン阻害剤Ｈ４、ヘパラン硫酸プロテオグリカン２、Ｎ－アシルシンゴシンアミノヒドロラーゼ、セリンプロテアーゼ阻害剤クレードＡメンバー１、ムチン１、クラステリンアイソフォーム１、脳に豊富に存在する膜結合シグナルタンパク質１、ジペプチダーゼ１、フィブロネクチン１アイソフォーム５プレタンパク質、アンギオテンシノーゲンプレプロタンパク質、炭酸脱水酵素、ウロモジュリン前駆体、メタロプロテアーゼ阻害剤２、インスリン様成長因子結合タンパク質７、免疫グロブリンＡ、免疫グロブリンＧ１、免疫グロブリンＧ２、アルファ－１アンチトリプシン、血清アミロイドＰ成分、肝細胞増殖因子、細胞間接着分子１、ベータ－２－糖タンパク質１、インターロイキン－１ベータ、好中球エラスターゼ、腫瘍壊死因子受容体スーパーファミリーメンバー１１Ｂ、インターロイキン－１１、カテプシンＤ、Ｃ－Ｃモチーフケモカイン２４、Ｃ－Ｘ－Ｃモチーフケモカイン６、Ｃ－Ｃモチーフケモカイン１３、Ｃ－Ｘ－Ｃモチーフケモカイン－１、－２、及び－３、マトリライシン、インターロイキン－２受容体アルファ鎖、インスリン様成長因子結合タンパク質３、マクロファージコロニー刺激因子１、アポリポタンパク質Ｃ－Ｉ、アポリポタンパク質Ｃ－ＩＩ、フィブリノーゲンα鎖、フィブリノーゲンＡ－α鎖、キニノーゲン、インターアルファ阻害剤Ｈ４（ＩＴＩＨ４）、ケラチンＩ型細胞骨格１０、シスタチンＡ、シスタチンＢ、及びそれらの任意の組合せ。例えば、米国特許出願公開第２０１２／００７７６９０号、同第２０１３／０３２３７５１号、欧州特許出願公開第３，１１２，８７１号、同第２，４６２，４４５号、及び同第３，０５４，３０１号の各明細書を参照されたい。

【0041】

ある特定の非限定的な実施態様では、イヌ又はイヌ科動物におけるバイオマーカーの量は、当該分野で知られている任意の手段によって検出及び定量化することができる。ある特定の他の非限定的な実施態様では、クレアチニン、尿タンパク質、ＷＢＣ、尿素及び／又はＢＵＮのレベルは、蛍光法又は発光法によって決定することができる。

【0042】

ある特定の実施態様では、クレアチニン、尿タンパク質、ＷＢＣ、尿素及び／又はＢＵＮのレベルは、抗体ベースの検出方法、例えば、酵素結合免疫吸着測定法（ＥＬＩＳＡ）又はサンドイッチＥＬＩＳＡによって決定することができる。

【0043】

他の例では、尿タンパク質のレベルは尿アルブミン抗体を使用して決定することができ、尿比重のレベルは屈折率測定、比重測定、及び／又は試薬ストリップによって測定することができる。一方、ある特定の非限定的な実施態様では、尿ｐＨレベルは、ｐＨ試験ストリップ、又はｐＨメーター及びｐＨプローブによって測定することができ、ＷＢＣのレベルはフローサイトメトリーによって測定することができる。

【0044】

ある特定の非限定的な実施態様では、他の分光法、クロマトグラフィ法、標識技法、及び／又は定量化学法などの他の検出方法を使用することができる。イヌ又はイヌ科動物由来のバイオマーカーのレベル及び／又はバイオマーカーの所定の基準値は、同じ方法によって決定することができる。

【0045】

３．予測モデル
幾つかの非限定的な実施態様は、イヌがＣＫＤを発症する感受性を特定するための方法又はシステムを対象とすることができる。該方法は、予測モデルを使用して、イヌの１つ以上のバイオマーカー又は人口統計情報のうちの少なくとも１つを処理すること、又はシステムに処理させることを含みうる。予測モデルは、１つ以上の機械学習技法を使用してトレーニングすることができる。

【0046】

３．１ データセット
例えば、予測モデルは、次のデータセットを使用してトレーニングすることができる：

【0047】

【表1】

【0048】

表１に示されるデータセットは、イヌの１つ以上のバイオマーカー及び／又は人口統計情報を含みうる。例えば、人口統計情報は、訪問時のペットの年齢又は体重、ＣＫＤであると最初に診断されたときのペットの年齢、及び／又はイヌ又はイヌ科動物の性別を含みうる。表１に示される１つ以上のバイオマーカーは、ＢＵＮ、クレアチニン、尿タンパク質、尿ＳＧを含みうる。アミラーゼなどの１つ以上の他のバイオマーカー、又は他の人口統計情報をデータセットに含めることができる。

【0049】

ある特定の非限定的な実施態様では、トレーニングデータセットと呼ぶことができるデータセットには、複数のイヌ又はイヌ科動物の医療記録を含めることができる。例えば、表１に記載されるトレーニングデータセットのイヌ又はイヌ科動物の範囲は、約１５，１２８匹から約２２，０８２匹である。別の例では、表１に記載される試験データセットのイヌ又はイヌ科動物の範囲は、約７，４３０匹から約１１，２７５匹である。他の実施態様では、データセットに含まれるイヌ又はイヌ科動物の数は、１００から１００，０００匹の間、例えば５５，８８５匹でありうる。医療記録には、例えば、１つ以上のバイオマーカーの量、及び／又はイヌ又はイヌ科動物の人口統計情報を含めることができる。ある特定の実施態様では、医療記録は、イヌ又はイヌ科動物の１回以上の訪問を含みうる。例えば、表１に記載されるトレーニング及び試験データセットは、イヌ又はイヌ科動物１匹あたり約１１回から約１６回の範囲の訪問回数である。しかしながら、他の非限定的な実施態様では、訪問回数は、イヌ又はイヌ科動物１匹あたり１から１００回の範囲でありうる。ある特定の非限定的な実施態様では、医療記録には、さまざまな時点でのイヌ又はイヌ科動物の最近の２回、３回、４回、又は５回の訪問を含めることができる。別の非限定的な実施態様では、医療記録には、さまざまな時点でのイヌ又はイヌ科動物の初回及び最終回の訪問の記録を含めることができる。

【0050】

幾つかの非限定的な実施態様では、トレーニングデータセットは、交差検証の目的で階層化、形成、又は配置することができる。交差検証を使用して、予測モデルの結果を独立したデータセットに一般化することができる方法の評価に役立てることができる。データセットは、例えば、２分割以上へと分割又は階層化することができ、１つ以上のサブセットを使用して、１つ以上の異なるサブセットによって予測モデルを検証することができる。ある特定の実施態様では、トレーニングデータセットは、約３、４、５、６、７、８、９、１０、２０、３０、４０、又は５０の分割へと階層化される。

【0051】

ある特定の非限定的な実施態様では、交差検証の目的で層別化するのではなく、データセットを１つ以上の異なる予測モデルのサブセットへと分割することができる。サブセットは、例えば、所与の訪問中にＣＫＤであると診断された、又は所与の訪問から３ヶ月、６ヶ月、１２ヶ月、２年、３年、４年、又は５年後にＣＫＤであると診断されたイヌ又はイヌ科動物に対応しうる。他の非限定的な実施態様では、トレーニングデータセットは、他の任意のサブセットに分割することができる。

【0052】

幾つかの非限定的な実施態様では、イヌ又はイヌ科動物の医療記録又はチャートが１つ以上のバイオマーカー及び／又は人口統計情報の値、量、又はレベルが欠測している場合、欠測している量、レベル、又は人口統計情報を補完することができる。欠測データは、次のいずれかに基づくことができる：完全にランダムな欠測データ（ＭＣＡＲ）（インスタンスが変数の欠損値を有する確率が既知の値又は欠測データのいずれにも依存しない場合）；ランダムな欠測データ（ＭＡＲ）（インスタンスが変数の欠損値を有する確率が欠測データ自体の値ではなく、既知の値に依存しうる場合）；ランダムではない欠測データ（ＭＮＡＲ）（インスタンスが変数の欠損値を有する確率がその変数の値に依存しうる場合）。

【0053】

欠測値には代入することができ、これは、欠測値が妥当な値に置き換えられることを意味しうる。代入は、ある特定の非限定的な実施態様では、平均、メジアン回帰倍数、又はリッジ回帰代入などの統計的方法又はプロセスを使用して計算することができる。平均又はメジアン代入手法では、ベクトルの欠測成分は、その成分の平均値又はメジアン値で埋めることができる。幾つかの非限定的な実施態様では、欠測値に代入するために、行列因数分解法又は行列因数分解プロセスを使用することができる。例えば、行列因数分解法又はプロセスは、ＵＶ行列因数分解、ソフト代入、反復特異値分解（ＳＶＤ）代入、又はバイスケーラー（biscaler）とソフト代入との組合せを含みうる。

【0054】

他の非限定的な実施態様では、代入は、機械学習を使用して計算させることができる。例えば、代入の値、量、レベル、又は人口統計情報は、次の機械学習方法の１つ以上を使用して決定することができる：ｍｉｓｓｉｎｇｐｙ ＫＮＮ又はｆａｎｃｙｉｍｐｕｔｅ ＫＮＮなどのｋ－最近傍（ＫＮＮ）代入、線形回帰、リッジ回帰、又は勾配ブーストなどの連鎖方程式（ＭＩＣＥ）代入による多重又は多変量代入、及び／又はｍｉｓｓｉｎｇｐｙ ｍｉｓｓＦｏｒｅｓｔ、ｓｃｉｂｌｏｘ ＭＩＣＥランダムフォレストなどのランダムフォレストアルゴリズム若しくは関連するアルゴリズム、又はｍｉｓｓｉｎｇ ｆｏｒｅｓｔの他の任意の確率変数。代入の測定に用いられる測定基準には、例えば、二乗平均平方根誤差（ＲＭＳＥ）、平均絶対誤差（ＭＡＥ）測定基準、及び正規化されたＲＭＳＥを含めることができる。

【0055】

ＲＭＳＥは、例えば、次の式を使用して計算することができる：

【0056】

【数1】

【0057】

ここで、Ｎは欠測値の数であり、ｙ_ｉは代入値であり、ｘ_ｉは真の値である。ＭＡＥは、例えば、次の式を使用して計算することができる：

【0058】

【数2】

【0059】

ここで、Ｎは欠測値の数であり、ｙ_ｉは代入値であり、ｘ_ｉは真の値である。正規化されたＲＭＳＥは、例えば、次の式を使用して計算することができる：

【0060】

【数3】

【0061】

ここで、Ｘ^ｔｒｕｅは完全なデータ行列とすることができ、Ｘ^ｉｍｐは代入されたデータ行列でありうる。ｖａｒ（）は、連続する欠測値に対して計算された分散でありうる。

【0062】

ある特定の非限定的な実施態様では、１つ以上のバイオマーカー及び／又は人口統計情報を含む３４の機能のすべてに代入する場合、ｍｉｓｓＦｏｒｅｓｔ及びＭＩＣＥの代入、特に線形回帰は、ＲＭＳＥ及びＭＡＥに基づいた最高の性能の代入であり、ｍｉｓｓＦｏｒｅｓｔは実験の７５％で良好であった。一方、１つ以上のバイオマーカー、及び／又は尿タンパク質、尿比重、尿ＰＨ、ＢＵＮ、クレアチニン、又はＷＢＣなどの人口統計情報を含む６つの機能の代入では、ＭＩＣＥの代入はｍｉｓｓＦｏｒｅｓｔよりも良好な性能を示した。例えば、６つの機能の代入では、ＲＭＳＥの最高の性能の代入は、ｆａｎｃｙｉｐｕｔｅ ＭＩＣＥ、ｓｃｉｂｌｏｘ ＭＩＣＥ ｌｉｂｅａｒ、及び／又はｓｃｉｂｌｏｘ ＭＩＣＥ ｂｏｏｓｔでありうる。別の例では、６つの機能の代入では、ＭＡＥの最高の性能の代入は、ｆａｎｃｙｉｐｕｔｅ ＭＩＣＥ、ｓｃｉｂｌｏｘ ＭＩＣＥ ｌｉｂｅａｒ、及び／又はｓｃｉｂｌｏｘ ＭＩＣＥ ｂｏｏｓｔでありうる。

【0063】

幾つかの非限定的な実施態様では、訪問年齢は、尿分析値（例えば、尿タンパク質、尿比重、尿ＰＨ）のブロック又は血液値（例えば、ＢＵＮ、クレアチニン、ＷＢＣ）のブロックのいずれかが欠測している場合に、６つの機能の帰属に有益でありうる。具体的には、イヌ又はイヌ科動物の訪問年齢は、帰属の精度を高めるのに役立てることができる。血液値のブロックの改善は、訪問年齢を考慮すると、尿分析値のブロックよりも大きくなる可能性がある。例えば、メジアンＭＥＡゲインは、血液で１．１％、尿で０．２％でありうる。

【0064】

選択された帰属方法又はプロセスは、データセット内の欠測情報の量に基づくことができる。例えば、１０％の欠測値を有するデータセットでは、ＭＩＣＥ線形回帰を使用することができるが、２０％又は３０％の欠測値を有するデータセットでは、ｍｉｓｓＦｏｒｅｓｔを使用することができる。

【0065】

ある特定の非限定的な実施態様では、トレーニングデータセットは、一連の包含基準及び除外基準によってフィルタリングすることができる。例えば、２回以上、３回以上、４回以上、又は５回以上のイヌ又はイヌ科動物の訪問回数を、包含基準又は除外基準として使用することができる。別の例では、イヌ又はイヌ科動物の訪問の病歴又は訪問年齢を、包含基準又は除外基準として使用することができる。

【0066】

ある特定の非限定的な実施態様では、データセットには、合計５５，８８５匹のイヌ又はイヌ科動物を含めることができる。データセットはまた、１．５歳未満及び２２歳以上のイヌ又はイヌ科動物から収集された情報を除外する場合がある。データセットには、雑種犬及び／又は２８０種を超える血統品種を含めた、多様なイヌ又はイヌ科動物の集団を含めることができる。ＣＫＤ予測モデルの機能として、データセットから１つ以上のバイオマーカー及び／又は人口統計情報を選択した。一例では、３５のバイオマーカー及び／又は人口統計情報の項目を選択した。データセットには、ＣＫＤであると診断されたイヌ又はイヌ科動物、及びＣＫＤであると診断されていないイヌ又はイヌ科動物も含めることができる。

【0067】

図１Ａ～１Ｈは、本明細書に記載されるある特定の実施態様による研究データセットの分布チャートを示している。特に、図１Ａ～１Ｈは、図１Ｂ、１Ｄ、１Ｆ、及び１Ｈに示されるＣＫＤであると診断されたイヌ、及び図１Ａ、１Ｃ、１Ｅ、及び１Ｇに示されるＣＫＤであると診断されていないイヌの両方についてのバイオマーカー及び人口統計情報を示している。図１Ａ～１Ｈの年齢Ｔ（０）は、イヌ又はイヌ科動物が最初に又は元々ＣＫＤであると診断された年齢でありうる。幾つかの非限定的な実施態様では、最初の診断又は元の診断から３０日超経過して収集されたデータは除外し、及び／又は診断訪問の直後にデータベースに入力された血清、血液、又は尿の検査データを取得するために、追加の３０日間のウィンドウを含めた。

【0068】

図１Ａ～１Ｈに示されるデータセットは、正式なＣＫＤ診断を受けていないが、血中クレアチニンが正常値を上回っている、及び／又は尿比重が正常値を下回っているなど、少なくとも２つのＣＫＤを示唆するデータ点を有するイヌ又はイヌ科動物を除外する場合がある。他のＣＫＤを示唆するデータ点には、健康記録の医療記録に表示される次の用語のうちの１つ以上を含めることができる：「ＣＫＤ」、「高窒素血症」、「Ｒｏｙａｌ Ｃａｎｉｎ Ｖｅｔｅｒｉｎａｒｙ ｄｉｅｔ Ｒｅｎａｌ」、又は「Ｈｉｌｌ’ｓ ｐｒｅｓｃｒｉｐｔｉｏｎ ｄｉｅｔ ｋ／ｄ」。ＣＫＤを示唆するデータ点は、血液又は尿検査の結果に基づくことができる。

【0069】

ＣＫＤであると診断されていないか又は少なくとも２つのＣＫＤを示唆するデータ点を有し、かつ少なくとも２年間のデータを有する他のペット又はイヌ科動物はすべて、データセットに含まれ、図１Ａ、１Ｃ、１Ｅ、及び１Ｇに示されるように、「ＣＫＤなし」のステータスが割り当てられた。「ＣＫＤなし」のイヌ又はイヌ科動物では、Ｔ（０）は、最後の訪問の年齢から２歳を差し引いたものとして設定した。

【0070】

幾つかの非限定的な実施態様では、健康記録は、イヌ又はイヌ科動物が血中クレアチニンデータで少なくとも２回の訪問を受けている必要があることを課すことによって、情報コンテンツに基づいてさらにフィルタリングすることができる。これにより、５５，９１５匹のイヌ又はイヌ科動物の最終的な研究データセットが得られ、そのうち２２，５５８匹のイヌがＣＫＤであると診断され、残りの３３，３５７匹は「ＣＫＤなし」であった。「ＣＫＤなし」のイヌ又はイヌ科動物は対照群と呼ぶことができる。図１Ａ～１Ｈのグラフに示されるように、グラフ１０２、１０６、１１０、及び１１４は、それぞれ、「ＣＫＤなし」の標識を割り当てられたイヌ又はイヌ科動物の訪問年齢、クレアチニンレベル、ＢＵＮ、及び尿比重を表しうる。一方、グラフ１０４、１０８、１１２、及び１１６は、それぞれ、ＣＫＤであると診断されたイヌ又はイヌ科動物の訪問年齢、クレアチニンレベル、ＢＵＮ、及び尿比重を表している。ＣＫＤであると診断されたイヌ又はイヌ科動物は、図１Ｂ、１Ｆ、及び１Ｈに示されるように、高齢であり、高いＢＵＮレベル及び／又は低い尿比重を有していた。結果は、データセット内のＣＫＤ診断の品質を裏付けており、モデルの構築に用いられたデータの信頼性を提供するものである。

【0071】

図２Ａ～２Ｌは、本明細書に記載されるある特定の実施態様による、「ＣＫＤなし」の例となるＥＨＲを示している。特に、図２Ａ～２Ｌは、Ｔ（０）前の時間の関数としてのクレアチニン、血中尿素窒素、及び尿比重についての個々のイヌ又はイヌ科動物の観察結果を示している。図２Ａ、２Ｄ、２Ｇ、及び２Ｊに示されるグラフ２０２、２０８、２１４、及び２２０は、Ｔ（０）前の時間の関数としてのクレアチニンを示しうる。図２Ｂ、２Ｅ、２Ｈ、及び２Ｋに示されるグラフ２０４、２１０、２１６、及び２２２は、Ｔ（０）前の時間の関数としてのＢＵＮを示しうる。図２Ｃ、２Ｆ、２Ｉ、及び２Ｌに示されるグラフ２０６、２１２、２１８、及び２２４は、Ｔ（０）前の時間の関数としての尿比重を示しうる。図２Ａ、２Ｂ、及び２Ｃに示されるグラフ２０２、２０４、及び２０６では年齢Ｔ（０）は９．７歳であり、図２Ｄ、２Ｅ、２Ｆに示されるグラフ２０８、２１０、及び２１２では年齢Ｔ（０）は６．２歳であり、図２Ｇ、２Ｈ、及び２Ｉに示されるグラフ２１４、２１６、及び２１８では年齢Ｔ（０）は９．５歳であり、図２Ｊ、２Ｋ、及び２Ｌに示されるグラフ２２０、２２２、及び２２４では、年齢Ｔ（０）は９．２歳でありうる。

【0072】

図３Ａ～３Ｌは、本明細書に記載されるある特定の実施態様による、ＣＫＤを有する例となるＥＨＲを示している。特に、図３Ａ～３Ｌは、Ｔ（０）前の時間の関数としてのクレアチニン、血中尿素窒素、及び尿比重についての個々のイヌ又はイヌ科動物の観察結果を示している。図３Ａ、３Ｄ、３Ｇ、及び３Ｊに示されるグラフ３０２、３０８、３１４、及び３２０は、Ｔ（０）前の時間の関数としてのクレアチニンを示しうる。図３Ｂ、３Ｅ、３Ｈ、及び３Ｋに示されるグラフ３０４、３１０、３１６、及び３２２は、Ｔ（０）前の時間の関数としてのＢＵＮを示しうる。図３Ｃ、３Ｆ、３Ｉ、及び３Ｌに示されるグラフ３０６、３１２、３１８、及び３２４は、Ｔ（０）前の時間の関数としての尿比重を示しうる。図３Ａ～３Ｃに示されるグラフ３０２、３０４、及び３０６では年齢Ｔ（０）は１２．３歳であり、図３Ｄ～３Ｆに示されるグラフ３０８、３１０、及び３１２では年齢Ｔ（０）は１３．７歳であり、図３Ｇ～３Ｉに示されるグラフ３１４、３１６、及び３１８では年齢Ｔ（０）は８．４歳であり、図３Ｊ～３Ｌに示されるグラフ３２０、３２２、及び３２４では年齢Ｔ（０）は９．４歳でありうる。

【0073】

図２Ａ～２Ｌ及び図３Ａ～３Ｌに示される試料では、「ＣＫＤなし」は、ＣＫＤとは異なる。後者の群にはかなりの不均一性が存在し、診断時の前に多くの変化が起こる可能性がある。これは、予測モデルが診断時に複数の要因を考慮するだけでなく、診断前のさまざまな時点での情報も含める必要があることを示すのに役立つ。

【0074】

ＣＫＤ予測モデルを決定するために、データセットをランダムに２つの部分に分割した。例えば、表１に示されるように、合計５５，９１５の健康記録のうち、３７，２１０の健康記録、又はデータの約６７％を、ＣＫＤ予測モデルの構築に使用した。残りの１８，７０５の健康記録、又はデータの約３３％を、モデル性能又は交差検証を評価するための試験データセットとして使用した。トレーニングデータセットとしても知られるモデル構築データセットと、モデル試験データセットは、試験段階での偏りを排除するために、分析全体を通じて個別に保持することができる。使用前に、血液及び尿検査データセットの欠測情報は、利用可能なすべての血液及び／又は尿データを使用して推定することができるが、ＣＫＤステータス情報は使用できない。ある特定の非限定的な実施態様では、ニューラルネットワークは完全なデータを必要とする場合があるため、欠測情報を推定することができる。幾つかのデータセットでは、欠測データの有病率は、ほとんどの血液化学測定で約１０％、及び／又は尿検査結果で約６０％でありうる。モデル構築データセットと試験データセットは、データセット間の情報の流れを避けるために別々に保持した。

【0075】

３．２ 予測モデルの種類
ある特定の非限定的な実施態様では、イヌ又はイヌ科動物のＣＫＤの予測モデルは、１つ以上の機械学習アルゴリズムを含みうる。イヌ科動物のＣＫＤの本質的に多因子的な性質は、臨床的価値を加えるための予測モデルにとって理想的な設定を提示する。例えば、ロジスティック回帰又はバックプロパゲーションニューラルネットワークなどの機械学習アルゴリズムを監視することができる。他の例では、機械学習アルゴリズムは、Ａｐｒｉｏｒｉアルゴリズム又はＫ－ｍｅａｎｓクラスタリングなどの教師なし、半教師付き、又はＱ学習アルゴリズム又は時間差学習などの強化を使用することができる。他の幾つかの非限定的な実施態様では、他の任意の適切な学習スタイルを使用することができる。

【0076】

予測モデルが機械学習アルゴリズムを利用するこのような実施態様では、機械学習アルゴリズムは、例えば、次のアルゴリズム又は方法：回帰アルゴリズム（例えば、通常の最小二乗法、ロジスティック回帰、ステップワイズ回帰、多変量適応回帰スプライン、局所的に推定された散布図の平滑化など）、事例ベースの方法（例えば、ｋ近傍法、学習ベクトル量子化、自己組織化マップなど）、正則化法（例えば、リッジ回帰、最小絶対収縮及び選択演算子、エラスティックネットなど）、決定木学習法（例えば、分類及び回帰ツリー、反復二分法３、Ｃ４．５、カイ二乗自動相互作用検出、決定株、ランダムフォレスト、多変量適応型回帰スプライン、勾配ブースティングマシンなど）、ベイズ法（例えば、単純ベイズ、ＡＯＤＥ、ベイズ信頼ネットワークなど）、カーネル法（例えば、サポートベクターマシン、放射基底関数、線形判別分析など）、クラスタリング法（例えば、ｋ－ｍｅａｎｓクラスタリング、期待値最大化など）、相関ルール学習アルゴリズム（例えば、Ａｐｒｉｏｒｉアルゴリズム、Ｅｃｌａｔアルゴリズムなど）、人工ニューラルネットワークモデル（例えば、パーセプトロン法、誤差逆伝播法、ホップフィールド・ネットワーク法、自己組織化マップ法、学習ベクトル量子化法など）、深層学習アルゴリズム（例えば、制限ボルツマンマシン、ディープビリーフネットワーク法、畳み込みネットワーク法、積層オートエンコーダ法など）、次元縮小法（例えば、主成分分析、部分最小二乗回帰、サモンマッピング、多次元尺度構成法、射影追跡など）、アンサンブル法（例えば、ブースティング、ブートストラップ集約、ＡｄａＢｏｏｓｔ、積み重ね一般化、勾配ブースティングマシン法、ランダムフォレスト法など）、条件付き確率場アルゴリズム、並びに任意の適切な形式のアルゴリズムのうちの１つを含みうる。

【0077】

ある特定の非限定的な実施態様では、予測モデルには、ロジスティック回帰アルゴリズム、人工ニューラルネットワークアルゴリズム（ＡＮＮ）、回帰型ニューラルネットワークアルゴリズム（ＲＮＮ）、ｋ近傍法アルゴリズム（ＫＮＮ）、動的時間伸縮を伴うＫＮＮ（ＫＮＮ－ＤＴＷ）、単純ベイズアルゴリズム、サポートベクターマシンアルゴリズム（ＳＶＭ）、ランダムフォレストアルゴリズム、ＡｄａＢｏｏｓｔアルゴリズム、及び／又はそれらの任意の組合せのうちの１つ以上を含めることができる。幾つかの非限定的な実施態様では、正則化アルゴリズムを使用することができる。例えば、正則化アルゴリズムは、過剰適合を防ぐのに役立ちうる。

【0078】

ある特定の非限定的な実施態様では、予測モデルは、入力層、出力層、及び／又は１つ以上の隠れ層を含むアルゴリズムを含む、ＲＮＮでありうる。ＲＮＮは、例えば、バニラＲＮＮ、長・短期記憶（ＬＳＴＭ）ＲＮＮ、及び／又はゲート付き回帰型ユニット（ＧＲＵ）ＲＮＮでありうる。幾つかの非限定的な実施態様では、ＲＮＮは、１、２、３、４、５、６、７、８、９、又は１０の隠れ層など、１から５０の隠れ層を含みうる。各入力層、出力層、又は隠れ層は、１から５００のノードを含みうる。幾つかの非限定的な実施態様は、例えば、１、２、３、４、５、６、７、８、９、又は１０のノードを含みうる。入力、出力、又は隠れ層の各々に、同じ数又は異なる数のノードを含めることができる。

【0079】

ある特定の実施態様では、１つ以上の隠れ層は活性化関数を含むことができる。活性化関数は、１つ以上の隠れ層において特定のノードの出力を決定するのに役立つ。例えば、活性化関数は、ＴａｎＨ関数、シグモイド関数又はロジスティック関数、整流化線形ユニット（ＲｅＬＵ）関数、マックスアウト関数、又はガウス関数でありうる。当技術分野で知られている他の任意の活性化関数を予測モデルの一部として使用してもよい。

【0080】

上述のように、ある特定の非限定的な実施態様では、予測モデルは、動的時間伸縮（ＤＴＷ）を伴うＫＮＮを使用してトレーニングすることができる。予測モデルによって処理される１つ以上のバイオマーカー及び／又は人口統計情報は、ピアソン相関係数などのフィルタリング方法によって選択することができる。幾つかの非限定的な実施態様では、１つ以上のバイオマーカー及び／又は人口統計情報は、Ｋ又は約７から１７の間の最近傍を使用して、トップダウンラッパー法ＫＮＮ－ＤＴＷによって選択することができる。ある特定の他の非限定的な実施態様では、１つ以上のバイオマーカー及び／又は人口統計情報は、ボトムアップラッパーによって選択することができる。他の非限定的な実施態様では、混合エキスパート（ＭＯＥ）アプローチを使用して、予測モデルをトレーニングすることができ、この場合、単純投票又は加重投票を使用して、予測子のアンサンブルを組み合わせることができる。

【0081】

ある特定の非限定的な実施態様では、分類アルゴリズムは、入力層、出力層、及び１つ以上の隠れ層を含む、バニラＲＮＮ、ＬＳＴＭ ＲＮＮ、又はＧＲＵ ＲＮＮなどのＲＮＮを使用してトレーニングすることができ、各隠れ層は１つ以上のノードを有する。例えば、ＲＮＮは、５つのノードを含む第１の層、３つのノードを含む第２の層、及び３つのノードを含む第３の層を含む、３つの隠れ層を含みうる。ＲＮＮは、約１から約１００分割の交差検証プロセスを含む交差検証プロセスを利用することができる。さらには、ＲＮＮは、約１から１００のエポックにわたってトレーニングすることができる。例えば、ＲＮＮは、１０分割の交差検証プロセスを含むことができ、８又は１８エポックにわたってトレーニングすることができる。

【0082】

予測モデルの入力層は、１つ以上のバイオマーカー及び／又はイヌ又はイヌ科動物の人口統計情報を含みうる。予測モデルの出力層は、ソフトマックス又は正規化された指数関数を含みうる。ソフトマックス関数は、予測モデルの出力を確率分布に正規化するのに役立てることができ、確率の数は入力値の指数に比例する。幾つかの非限定的な実施態様では、バイナリ交差エントロピーも損失の計算に使用することができる。他の非限定的な実施態様は、正則化アルゴリズムを利用して過剰適合を防ぐことができる。正則化アルゴリズムは、例えば、過剰適合を避けるために、約５％、１０％、１５％、２０％、２５％、３０％、３５％、４０％、又は他の任意のパーセンテージをドロップアウトさせることができる。

【0083】

ある特定の非限定的な実施態様では、予測モデルは、予測モデルの評価又は検証を含みうる。幾つかの非限定的な実施態様では、評価又は検証を使用して、予測モデルを更新することができる。例えば、予測モデルは、１０分割の交差検証を含みうる。交差検証の一環として、データセットは、交差検証の約２分割、約３分割、約４分割、約５分割、約６分割、約７分割、約８分割、約９分割、約１０分割、約２０分割、約３０分割、約４０分割、約５０分割又はそれより多くの分割、又は任意の中間数の分割へと階層化されうる。

【0084】

幾つかの非限定的な実施態様では、予測モデルの性能は、約０．５０から約０．９９の範囲の曲線下面積（ＡＵＣ）によって特徴付けることができる。

【0085】

予測モデルを使用して、イヌがＣＫＤを発症する確率リスクスコアを決定することができる。確率リスクスコアは、例えば、イヌ又はイヌ科動物がＣＫＤを発症する確率に基づきうる。確率リスクスコアは、例えば、０から１００％の間、又は０．０から１．０の間の任意の値でありうる。決定された確率リスクスコアに基づいて、イヌ又はイヌ科動物は、低い又は高い確実性で高いＣＫＤを発症するリスクを有すると決定することができる。低い又は高い確実性は、確率リスクスコアの適合率、感度、特異度、又はＦ１スコアのうちの少なくとも１つに基づきうる。例えば、９５％以上の精度ではＣＫＤを発症するリスクが高いと言うことができ、一方、２５から５０％の精度では、ＣＫＤを発症するリスクが低いと言える。

【0086】

ある特定の非限定的な実施態様では、イヌ又はイヌ科動物は、ＣＫＤを発症しないという低い確実性又は高い確実性を有しうる。例えば、約８０％以下の精度は、イヌ又はイヌ科動物がＣＫＤを発症するリスクがないという低い確実性を示しうる。約８０％以上の精度は、イヌ又はイヌ科動物がＣＫＤを発症するリスクがないという高い確実性を示しうる。幾つかの非限定的な実施態様では、低い確実性でＣＫＤを発症するリスクがないイヌ又はイヌ科動物は、将来のＣＫＤとして分類されうる。幾つかの非限定的な実施態様では、高い確率リスクスコアは、イヌ又はイヌ科動物が高い予測精度でＣＫＤを発症することを示しうる。例えば、高い予測精度は、約９５％を超えうる。

【0087】

幾つかの非限定的な実施態様では、中程度の確率リスクスコアは、イヌ又はイヌ科動物がＣＫＤを発症する又はＣＫＤを発症しない可能性を正確に予測するための決定的でない又は不十分なデータを示しうる。中程度の確率スコアは、例えば、４０％から６０％の間のスコア、又は高い若しくは低い確率を示さない他の任意の値でありうる。一方、低い確率リスクスコアは、イヌ又はイヌ科動物が高い予測精度でＣＫＤを発症することができないことを示しうる。例えば、高い予測精度は、約９５％を超えうる。

【0088】

確率リスクスコアは、１つ以上のバイオマーカーの値の量が決定されてから、又は確率スコアが決定されてから約０ヶ月、約３ヶ月、約６ヶ月、約９ヶ月、約１２ヶ月、０年、約０．５年、約１年、約２年、約３年、約４年、又は約５年以上以内にイヌ又はイヌ科動物がＣＫＤを発症するリスクに関連しうる。ある特定の他の例では、確率スコアは、１つ以上のバイオマーカーの値の量が決定されてから、又は確率スコアが決定されてから約１２ヶ月又は約２年以内にイヌ又はイヌ科動物がＣＫＤを発症するリスクを示しうる。

【0089】

ある特定の非限定的な実施態様では、ＲＮＮなどの予測モデルを使用して、クレアチニン、ＢＵＮ、尿比重、尿タンパク質などの１つ以上のバイオマーカー、又は体重若しくは年齢などの人口統計情報を処理することができる。一例では、診断時点に近い予測モデルは、約９１．４％の感度と９７．２％の特異度を表示することができる。予測モデルの特異度は、診断の１年前又は２年前でも約９７％で維持される可能性があるが、感度は、それぞれ、約６９％及び４５％に低下する可能性がある。予測モデルは、ＣＫＤの早期診断を提供するのに役立てることができ、介入及び患者転帰のより大きな機会を可能にする。

【0090】

ＣＫＤ予測モデルを決定するために、データセットをランダムに２つの部分に分割した。合計で３７，２１０の健康記録、又はデータの約６７％をＣＫＤ予測モデルの構築に使用した。残りの１８，７０５の健康記録、又はデータの約３３％を、モデル性能又は交差検証を評価するための試験データセットとして使用した。トレーニングデータセットとしても知られるモデル構築データセットとモデル試験データセットは、試験段階での偏りを排除するために、分析全体を通じて個別に保持することができる。使用前に、血液及び尿検査データセットの欠測情報は、利用可能なすべての血液及び／又は尿データを使用して推定することができるが、ＣＫＤステータス情報は使用できない。ある特定の非限定的な実施態様では、ニューラルネットワークは完全なデータを必要とする場合があるため、欠測情報を推定することができる。モデル構築データセットと試験データセットは、データセット間の情報の流れを避けるために別々に保持した。

【0091】

ある特定の非限定的な実施態様では、予測モデルがＣＫＤの早期発見にうまく機能するためには、構築データセットを予測するモデルを、元の健康記録の切り詰められたバージョンを追加することで強化することができる。例えば、最後のＫ回の訪問は、Ｋの範囲が１から合計訪問数－１までの範囲で削除することができる。幾つかの実施態様では、データを切り捨てることは、データセットの最後の訪問と診断時との間に最大２年のギャップを有する健康記録を用いてデータセットを充実させるのに役立てることができる。切り捨てられたデータは、最後の利用可能なデータ点と診断日との間でデータに大きいギャップがある、より多くのペットのサブセットを使用して予測モデルをトレーニングするのに役立てることができる。

【0092】

幾つかの非限定的な実施態様では、ＣＫＤ予測モデルを構築する最初のステップの１つは、モデル機能の限られたセットを選択することである。機能は、１つ以上のバイオマーカー及び／又は人口統計情報を含みうる。機能選択は、例えば、標準的な回帰型ニューラルネットワークを使用したトップダウン又はボトムアップラッパー法によって実施することができる。最初に試験した回帰型ニューラルネットワークは、３つのノードを有する第１の層と７つのノードを有する第２の層の２つの隠れ層を有することができる。幾つかの実施態様では、ＲＮＮは、隠れ層にＴａｎＨ活性化関数を含み、かつ出力層をＣＫＤ確率リスクスコアに変換するためのソフトマックスを含むことができる。ある特定の非限定的な実施態様では、時間によるバックプロパゲーションは、ＲＭＳｐｒｏｐ勾配最適化アルゴリズムのトレーニングに使用することができる。モデル性能は、例えば、３分割の交差検証セットアップでのＦ１交差エントロピーに基づいて評価することができる。Ｆ１交差エントロピーは、ＣＫＤの発生率とは無関係に、感度と特異度のバランスを取るための測定基準として使用することができる。

【0093】

次に、選択した機能を使用して、完全なモデルアーキテクチャスクリーニングを実施することができる。次いで、１から５の隠れ層のさまざまなＲＮＮ構成を、１層あたり３から２００のノードで試験した。幾つかの非限定的な実施態様では、過剰適合を避けるために、２０％のドロップアウトを追加した。例えば、評価は、１０分割の交差検証セットアップでのＦ１スコアに基づいていた。予測モデル構成は、同じ交差検証セットアップでのトレーニング時間に関して微調整することができる。

【0094】

ある特定の非限定的な実施態様では、バイアスされていないモデル性能は、選択した予測モデルを試験データセットに適用することによって評価することができる。ＣＫＤ及び「ＣＫＤなし」群のすべてのイヌ又はイヌ科動物について予測を実施した。予測モデルの結果は、ＣＫＤ診断の確率などの粗モデルの出力、及び／又は分類後の出力で解釈したが、「ＣＫＤなし」及びＣＫＤは、カット点として０．５のｐを使用して評価する。「ＣＫＤ」及び「ＣＫＤなし」群のカテゴリの結果を使用して、それぞれ、感度推定値（すなわち、真陽性の割合、ＣＫＤとして予測される「ＣＫＤ」状態）及び特異度推定値（すなわち、真陰性の割合、ＣＫＤなしとして予測される「ＣＫＤなし」）を計算した。感度及び特異度の推定値の信頼区間は、正規近似を使用して計算した。モデルが確定診断に先立ってＣＫＤを予測する能力は、健康記録をＣＫＤ群の評価時（Ｔ０）年齢より前のさまざまな時点まで切り捨てることによって、及び／又は予測モデルを切り捨てデータのみを見られるようにすることによって評価することができる。

【0095】

上で論じたように、幾つかの非限定的な実施態様では、３－７の隠れ層構造を有する標準ＲＮＮをＣＫＤの予測モデルの出発点として使用することができる。述べている予測モデルは、ＣＫＤ診断の多因子的側面と一時的側面の両方を認識することができる。１つ以上のバイオマーカー及び／又は人口統計情報を含む、３５の候補因子でこの予測モデルを使用する。ある特定の非限定的な実施態様では、１つ以上のバイオマーカー及び／又は人口統計情報などの最も重要な機能は、トップダウン及びボトムアップの機能選択戦略を使用して選択することができる。幾つかの非限定的な実施態様では、交差エントロピースコアは、最大で６つの機能を追加することで改善されたが、その後横ばいになった。最良の機能セットは、例えば、クレアチニン、血中尿素窒素、尿比重、尿タンパク質、体重、及び年齢でありうる。これら６つの機能を使用して、更新された予測モデルを決定又は選択することができる。ある特定の非限定的な実施態様では、５－３－３構造の３層ＲＮＮは、８エポックにわたってトレーニングされ、最良の性能を示すことができる。

【0096】

４．カスタマイズされた推奨事項
ある特定の非限定的な実施態様では、カスタマイズされた推奨事項は、イヌ又はイヌ科動物がＣＫＤを発症する確率リスクに基づいて決定することができる。カスタマイズされた推奨事項は、イヌ又はイヌ科動物の獣医師、飼い主、又は介護者に送信することができる。概して、カスタマイズされた推奨事項は、イヌ又はイヌ科動物のＣＫＤを治療、予防、又はイヌ又はイヌ科動物がＣＫＤを発症するリスク軽減するための方法、プロセス、試験、又はレジメンを提供することができる。例えば、カスタマイズされた推奨事項には、１つ以上の治療的介入、１つ以上の食事の変更、１つ以上の腎温存戦略、及び／又は疾患の進行についての１つ以上の検査のうちの少なくとも１つが含まれうる。

【0097】

ある特定の非限定的な実施態様では、カスタマイズされた推奨事項には、血清副甲状腺ホルモンレベルの検査など、疾患の進行に関する試験が含まれうる。確率リスクスコアが低い確率スコアであるか、又は高い確実性でＣＫＤを発症するリスクがないことを示す場合、カスタマイズされた推奨事項には、確率リスクスコアの計算から１週間以上、１ヶ月以上、又は１年以上以内にＣＫＤについて検査することが含まれうる。例えば、カスタマイズされた推奨事項には、元の確率リスクスコアが決定されてから１年又は２年後にＣＫＤについて検査することが含まれうる。幾つかの非限定的な実施態様では、中程度の確率スコアが決定された場合、又は低い確実性でＣＫＤを発症するリスクがないことを示す場合、カスタマイズされた推奨事項には、元の確率リスクスコアが決定された後６ヶ月以内にＣＫＤについてイヌ又はイヌ科動物を検査することが含まれうる。他の非限定的な実施態様では、確率リスクスコアが中程度又は高い確率スコアを有する場合、又は低い確実性でＣＫＤを発症するリスクを示す場合、カスタマイズされた推奨事項には、元の確率リスクスコアが決定された後３ヶ月以内にＣＫＤについてイヌ又はイヌ科動物を検査することを含めることができる。

【0098】

確率リスクスコアが高い確実性でＣＫＤを発症するリスクを示す場合、カスタマイズされた推奨事項には、基礎となる商品を特定すること、ＣＫＤについてイヌ又はイヌ科動物を検査すること、及び／又は本明細書に開示される国際獣医腎臓病研究グループ（ＩＲＩＳ）の病期分類を継続することを含めることができる。

【0099】

例えば、イヌ又はイヌ科動物の確率リスクスコアが高い確実性でＣＫＤを発症するリスクを示す場合、カスタマイズされた推奨事項には、治療的介入を含めることができる。治療的介入には、水の消費量とトイレの習慣の監視、食事療法の提供、補足的な推奨事項の提供、タンパク質制限のない、適切なリンレベルの高品質の食事の提供、脂肪酸サプリメントの提供の検討、腎毒性薬の回避、歯科治療レジメンの実施、及び／又は良好な口腔衛生の維持のうちの少なくとも１つを含めることができる。

【0100】

ある特定の非限定的な実施態様では、カスタマイズされた推奨事項には、イヌ又はイヌ科動物における併存疾患の存在を診断することを含めることができる。ある特定の実施態様では、併存疾患には、甲状腺機能亢進症、糖尿病、肝障害、低体重、心雑音、関節炎、不快感、便秘、胃腸炎、嘔吐、炎症性腸疾患、結晶尿、腸炎、尿路感染症、上気道疾患、尿路機能障害、肥満、不適切な排泄、膀胱炎、大腸炎、及び／又はそれらの任意の組合せのうちの１つ以上が含まれうる。特に、幾つかの非限定的な実施態様では、併存疾患には、甲状腺機能亢進症、糖尿病、肝障害、低体重、雑音、及び／又はそれらの任意の組合せが含まれうる。

【0101】

ある特定の実施態様では、カスタマイズされた推奨事項には、治療的介入又は腎温存戦略が含まれうる。例えば、治療的介入又は腎温存戦略には、非ステロイド系抗炎症薬又はアミノグリコシドの回避、血液透析、腎代替療法、腎臓に損傷を与える化合物の使用中止、腎臓移植、腎臓に損傷を与える処置の遅延又は回避、利尿剤投与の変更、及び／又はそれらの任意の組合せのうちの１つ以上を含めることができる。ある特定の他の非限定的な実施態様では、治療的介入又は腎温存戦略には、リン酸塩摂取量の低減、タンパク質摂取量の低減、多価不飽和脂肪酸の投与、リン吸着剤療法の実施、カリウムの投与、食事によるナトリウム摂取量の低減、アルカリ補給剤の投与、又はそれらの任意の組合せのうちの１つ以上が含まれうる。例えば、Jonathan D. Foster, Update on Mineral and Bone Disorders in Chronic Kidney Disease, Vet Clin North Am Small Anim Pract.2016 Nov;46(6):1131-49を参照されたい。

【0102】

ある特定の実施態様では、カスタマイズされた推奨事項には、栄養上の推奨事項、食事若しくは栄養に関する変更、食事若しくは栄養に関するレジメン、栄養製品、及び／又は食事療法若しくは栄養療法などの食事に関する推奨事項が含まれうる。食事に関する推奨事項には、任意のペット製品を使用するための推奨事項、及び／又はペットフードなどの任意のペット製品の摂取若しくは使用のための推奨事項が含まれうる。例えば、低リン食、低タンパク質食、低ナトリウム食、カリウム補給食、多価不飽和脂肪酸（ＰＵＦＡ、例えば、長鎖オメガ－３脂肪酸）補給食、抗酸化補給食、ビタミンＢ補給食、流動食、カルシウム補給食、通常のタンパク質食、又はそれらの任意の組合せのうちの１つ以上が含まれうる。他のある特定の実施態様では、食事に関する推奨事項には、１つ以上のペット製品が含まれうる。例えば、ペット製品は、発症の遅延、進行の制限、影響の軽減、生理学的負担の最小化、又はＣＫＤの予防に役立ちうる。例えば、食事には、低タンパク質、低リン、カルシウムのリンに対する比の増加、エネルギー密度の増加、及び／又は中性酸塩基バランスが含まれうる。

【0103】

ある特定の実施態様では、低リン食には、ペットフードの重量基準による重量で、約０．０１％から約５％の間、約０．１％から約２％の間、約０．１％から約１％の間、約０．０５％から約２％の間、又は約０．５％から約１．５％の間のリンが含まれうる。ある特定の非限定的な実施態様では、低リン食には、ペットフードの重量基準による重量で、約０．０１％、約０．０５％、約０．１％、約０．２％、約０．３％、約０．４％、約０．５％、約０．６％、約０．７％、約０．８％、約０．９％、約１％、約１．１％、約１．２％、約１．３％、約１．４％、約１．５％、約１．６％、約１．７％、約１．８％、約１．９％、約２％、約３％、約４％、約５％のリン酸塩、又は中間のパーセンテージ若しくは範囲のリン酸塩が含まれうる。幾つかの非限定的な実施態様では、低リン食には、約０．１ｇ／１０００ｋｃａｌ、約０．２ｇ／１０００ｋｃａｌ、約０．３ｇ／１０００ｋｃａｌ、約０．４ｇ／１０００ｋｃａｌ、約０．５ｇ／１０００ｋｃａｌ、約０．６ｇ／１０００ｋｃａｌ、約０．７ｇ／１０００ｋｃａｌ、約０．８ｇ／１０００ｋｃａｌ、約０．９ｇ／１０００ｋｃａｌ、約１．０ｇ／１０００ｋｃａｌ、約１．１ｇ／１０００ｋｃａｌ、約１．２ｇ／１０００ｋｃａｌ、約１．３ｇ／１０００ｋｃａｌ、約１．４ｇ／１０００ｋｃａｌ、約１．５ｇ／１０００ｋｃａｌ、約１．６ｇ／１０００ｋｃａｌ、約１．７ｇ／１０００ｋｃａｌ、約１．８ｇ／１０００ｋｃａｌ、約１．９ｇ／１０００ｋｃａｌ、約２．０ｇ／１０００ｋｃａｌ、約２．１ｇ／１０００ｋｃａｌ、約２．２ｇ／１０００ｋｃａｌ、約２．５ｇ／１０００ｋｃａｌ、約２．８ｇ／１０００ｋｃａｌ、約３．０ｇ／１０００ｋｃａｌ、約３．５ｇ／１０００ｋｃａｌ、約４ｇ／１０００ｋｃａｌ、約５ｇ／１０００ｋｃａｌ、約１０ｇ／１０００ｋｃａｌ、約１５ｇ／１０００ｋｃａｌ、約２０ｇ／１０００ｋｃａｌ、又は中間のパーセンテージ若しくは範囲のリン酸塩が含まれうる。ある特定の他の非限定的な実施態様では、低リン食には、約０．１ｇ／１０００ｋｃａｌから約０．５ｇ／１０００ｋｃａｌの間、約０．５ｇ／１０００ｋｃａｌから約１．０ｇ／１０００ｋｃａｌの間、約１．０ｇ／１０００ｋｃａｌから約２．０ｇ／１０００ｋｃａｌの間、約２．０ｇ／１０００ｋｃａｌから約５．０ｇ／１０００ｋｃａｌの間、約０．０１ｇ／１０００ｋｃａｌから約０．１ｇ／１０００ｋｃａｌの間、約０．０５ｇ／１０００ｋｃａｌから約１．０ｇ／１０００ｋｃａｌの間、約０．１ｇ／１０００ｋｃａｌから約１ｇ／１０００ｋｃａｌの間、約０．１ｇ／１０００ｋｃａｌから約２ｇ／１０００ｋｃａｌの間、約１ｇ／１０００ｋｃａｌから２ｇ／１０００ｋｃａｌの間のリン酸塩が含まれうる。ある特定の非限定的な実施態様では、低リン食には、ペットフードの重量基準による重量で、約０．５％のリン酸塩が含まれうる。（例えば、乾燥腎臓病用食で約１．２ｇ／１０００ｋｃａｌ、又は湿潤腎臓病用食で約１．０ｇ／１０００ｋｃａｌ）。他の例では、低リン食には、ペットフードの重量基準による重量で約０．９又は１％のリン酸塩が含まれうる（例えば、乾燥維持食で約１．８ｇ／１０００ｋｃａｌ、又は湿潤維持食で約２．３ｇ／１０００ｋｃａｌ）。低リン食はまた、約１．０ｇ／１０００ｋｃａｌから約１．５ｇ／１０００ｋｃａｌの間のリンも含まれうる。

【0104】

ある特定の非限定的な実施態様では、カルシウム補給食には、ペットフードの重量基準による重量で、約０．０１％から約５％の間、約０．１％から約２％の間、約０．１％から約１％の間、約０．０５％から約２％の間、又は約０．５％から約１．５％の間のカルシウムが含まれうる。幾つかの非限定的な実施態様では、カルシウム補給食には、ペットフードの重量基準による重量で、約０．０１％、約０．０５％、約０．１％、約０．２％、約０．３％、約０．４％、約０．５％、約０．６％、約０．７％、約０．８％、約０．９％、約１％、約１．１％、約１．２％、約１．３％、約１．４％、約１．５％、約１．６％、約１．７％、約１．８％、約１．９％、約２％、約３％、約４％、約５％のカルシウム、又は任意の中間のパーセンテージ若しくは範囲のカルシウムが含まれうる。他の幾つかの非限定的な実施態様では、カルシウム補給食には、約０．１ｇ／１０００ｋｃａｌ、約０．２ｇ／１０００ｋｃａｌ、約０．３ｇ／１０００ｋｃａｌ、約０．４ｇ／１０００ｋｃａｌ、約０．５ｇ／１０００ｋｃａｌ、約０．６ｇ／１０００ｋｃａｌ、約０．７ｇ／１０００ｋｃａｌ、約０．８ｇ／１０００ｋｃａｌ、約０．９ｇ／１０００ｋｃａｌ、約１．０ｇ／１０００ｋｃａｌ、約１．１ｇ／１０００ｋｃａｌ、約１．２ｇ／１０００ｋｃａｌ、約１．３ｇ／１０００ｋｃａｌ、約１．４ｇ／１０００ｋｃａｌ、約１．５ｇ／１０００ｋｃａｌ、約１．６ｇ／１０００ｋｃａｌ、約１．７ｇ／１０００ｋｃａｌ、約１．８ｇ／１０００ｋｃａｌ、約１．９ｇ／１０００ｋｃａｌ、約２．０ｇ／１０００ｋｃａｌ、約２．１ｇ／１０００ｋｃａｌ、約２．２ｇ／１０００ｋｃａｌ、約２．５ｇ／１０００ｋｃａｌ、約２．８ｇ／１０００ｋｃａｌ、約３．０ｇ／１０００ｋｃａｌ、約３．５ｇ／１０００ｋｃａｌ、約４ｇ／１０００ｋｃａｌ、約５ｇ／１０００ｋｃａｌ、約１０ｇ／１０００ｋｃａｌ、約１５ｇ／１０００ｋｃａｌ、約２０ｇ／１０００ｋｃａｌ、又は任意の中間のパーセンテージ若しくは範囲のカルシウムが含まれうる。ある特定の他の非限定的な実施態様では、カルシウム補給食には、約０．１ｇ／１０００ｋｃａｌから約０．５ｇ／１０００ｋｃａｌの間、約０．５ｇ／１０００ｋｃａｌから約１．０ｇ／１０００ｋｃａｌの間、約１．０ｇ／１０００ｋｃａｌから約２．５ｇ／１０００ｋｃａｌの間、約２．５ｇ／１０００ｋｃａｌから約５．０ｇ／１０００ｋｃａｌの間、約０．０１ｇ／１０００ｋｃａｌから約０．１ｇ／１０００ｋｃａｌの間、約０．０５ｇ／１０００ｋｃａｌから約１．０ｇ／１０００ｋｃａｌの間、約０．１ｇ／１０００ｋｃａｌから約１ｇ／１０００ｋｃａｌ、約０．１ｇ／１０００ｋｃａｌから約２ｇ／１０００ｋｃａｌの間、約１ｇ／１０００ｋｃａｌから２ｇ／１０００ｋｃａｌの間のカルシウムが含まれうる。

【0105】

ある特定の非限定的な実施態様では、カルシウム補給食と低リン食との組合せには、約１から約２の間、約１．１から約１．４の間、約１．２から約１．４の間、約１．１から約１．３の間、約１．３から約１．８の間、約１．４から約１．６の間、約１．５から約１．８の間、又は約１．６から約１．８の間のカルシウム－リン比（Ｃａ：Ｐ比）が含まれうる。幾つかの非限定的な実施態様では、カルシウム補給食と低リン食との組合せには、約１、約１．１、約１．２、約１．３、約１．４、約１．５、約１．６、約１．７、約１．８、約１．９、又は約２．０のカルシウム－リン比（Ｃａ：Ｐ比）が含まれうる。

【0106】

ある特定の非限定的な実施態様では、低ナトリウム食には、ペットフードの重量基準による重量で、約０．００００１％から約５％の間、約０．０００１％から約１％の間、約０．００１％から約０．１％の間、又は約０．００１％から約０．０５％の間のナトリウムが含まれうる。幾つかの非限定的な実施態様では、低ナトリウム食には、ペットフードの重量基準による重量で、約０．０１％、約０．０５％、約０．１％、約０．２％、約０．３％、約０．４％、約０．５％、約０．６％、約０．７％、約０．８％、約０．９％、約１％、約１．１％、約１．２％、約１．３％、約１．４％、約１．５％、約１．６％、約１．７％、約１．８％、約１．９％、約２％、約３％、約４％、約５％のナトリウム、又は任意の中間のパーセンテージ若しくは範囲のナトリウムが含まれうる。低ナトリウム食はまた、約１ｍｇ／ｋｇ／日、約２ｍｇ／ｋｇ／日、約３ｍｇ／ｋｇ／日、約４ｍｇ／ｋｇ／日、約５ｍｇ／ｋｇ／日、約６ｍｇ／ｋｇ／日、約７ｍｇ／ｋｇ／日、約８ｍｇ／ｋｇ／日、約９ｍｇ／ｋｇ／日、約１０ｍｇ／ｋｇ／日、約１５ｍｇ／ｋｇ／日、約２０ｍｇ／ｋｇ／日、約３０ｍｇ／ｋｇ／日、約４０ｍｇ／ｋｇ／日、約４６ｍｇ／ｋｇ／日、約５０ｍｇ／ｋｇ／日、約６０ｍｇ／ｋｇ／日、約７０ｍｇ／ｋｇ／日、約８０ｍｇ／ｋｇ／日、約９０ｍｇ／ｋｇ／日、約１００ｍｇ／ｋｇ／日、約１２０ｍｇ／ｋｇ／日、約１５０ｍｇ／ｋｇ／日、又は任意の中間の量若しくは範囲のナトリウムも含みうる。他の非限定的な実施態様では、低ナトリウム食は、約１ｍｇ／１０００ｋｃａｌから約５０ｍｇ／１０００ｋｃａｌの間、約２ｍｇ／１０００ｋｃａｌから約２０ｍｇ／１０００ｋｃａｌの間、約５ｍｇ／１０００ｋｃａｌから約５０ｍｇ／１０００ｋｃａｌの間、約１ｍｇ／１０００ｋｃａｌから約１０ｍｇ／１０００ｋｃａｌ、の間、約０．１ｍｇ／１０００ｋｃａｌから約５ｍｇ／１０００ｋｃａｌの間、約０．１ｍｇ／１０００ｋｃａｌから約１０ｍｇ／１０００ｋｃａｌの間、約０．１ｍｇ／１０００ｋｃａｌから約２０ｍｇ／１０００ｋｃａｌの間、約０．１ｍｇ／１０００ｋｃａｌから約４０ｍｇ／１０００ｋｃａｌの間、約１０ｍｇ／１０００ｋｃａｌから２０ｍｇ／１０００ｋｃａｌの間のナトリウムを含む。低ナトリウム食は、例えば、約０．４から約０．９ｍｍｏｌ／ｋｇ／日、又は約９．２から約２０．７ｍｇ／ｋｇ／日を含みうる。

【0107】

ある特定の非限定的な実施態様では、カリウム補給食には、ペットフード中に存在するカリウムに加えて、ペットフードの重量基準による重量で、約０．００００１％から約５％の間、約０．０００１％から約１％の間、約０．００１％から約０．１％の間、又は約０．００１％から約０．０５％の間のカリウム補給食が含まれうる。他の非限定的な実施態様では、カリウム補給食には、ペットフード中に存在するカリウムに加えて、ペットフードの重量基準による重量で、約０．１％、約０．２％、約０．３％、約０．４％、約０．５％、約０．６％、約０．７％、約０．８％、約０．９％、約１％、約１．１％、約１．２％、約１．３％、約１．４％、約１．５％、約１．６％、約１．７％、約１．８％、約１．９％、約２％、約３％、約４％、約５％以上のカリウム補給食、又はペットフードの重量基準による重量で、ペットフード中に存在するカリウムに加えて、任意の中間のパーセンテージ若しくは範囲のカリウム補給食が含まれうる。幾つかの非限定的な実施態様では、カリウム補給食には、ペットフード中に存在するカリウムに加えて、約１ｍｇ／ｋｇ／日、約２ｍｇ／ｋｇ／日、約３ｍｇ／ｋｇ／日、約４ｍｇ／ｋｇ／日、約５ｍｇ／ｋｇ／日、約６ｍｇ／ｋｇ／日、約７ｍｇ／ｋｇ／日、約８ｍｇ／ｋｇ／日、約９ｍｇ／ｋｇ／日、約１０ｍｇ／ｋｇ／日、約１５ｍｇ／ｋｇ／日、約２０ｍｇ／ｋｇ／日、約３０ｍｇ／ｋｇ／日、約４０ｍｇ／ｋｇ／日、約５０ｍｇ／ｋｇ／日、約６０ｍｇ／ｋｇ／日、約７０ｍｇ／ｋｇ／日、約８０ｍｇ／ｋｇ／日、約９０ｍｇ／ｋｇ／日、約１００ｍｇ／ｋｇ／日以上、又は任意の中間の量若しくは範囲のカリウム補給食が含まれうる。ある特定の実施態様では、カリウム補給食には、ペットフード中に存在するカリウムに加えて、約１ｍｇ／１０００ｋｃａｌから約１０ｍｇ／１０００ｋｃａｌの間、約２ｍｇ／１０００ｋｃａｌから約２０ｍｇ／１０００ｋｃａｌの間、約５ｍｇ／１０００ｋｃａｌから約５０ｍｇ／１０００ｋｃａｌ、約１ｍｇ／１０００ｋｃａｌから約１０ｍｇ／１０００ｋｃａｌの間、約０．１ｍｇ／１０００ｋｃａｌから約５ｍｇ／１０００ｋｃａｌの間、約０．１ｍｇ／１０００ｋｃａｌから約１０ｍｇ／１０００ｋｃａｌの間、約０．１ｍｇ／１０００ｋｃａｌから約２０ｍｇ／１０００ｋｃａｌの間、約０．１ｍｇ／１０００ｋｃａｌから約４０ｍｇ／１０００ｋｃａｌの間、約１０ｍｇ／１０００ｋｃａｌから２０ｍｇ／１０００ｋｃａｌの間のカリウム補給食が含まれうる。

【0108】

ある特定の非限定的な実施態様では、カリウム補給食には、ペットフードの重量基準による重量で、約０．０１％から約５％の間、約０．１％から約２％の間、約０．１％から約１％の間、約０．０５％から約２％の間、又は約０．５％から約１．５％の間のカリウムが含まれうる。他の非限定的な実施態様では、カリウム補給食には、ペットフードの重量基準による重量で、約０．０１％、約０．０５％、約０．１％、約０．２％、約０．３％、約０．４％、約０．５％、約０．６％、約０．７％、約０．８％、約０．９％、約１％、約１．１％、約１．２％、約１．３％、約１．４％、約１．５％、約１．６％、約１．７％、約１．８％、約１．９％、約２％、約３％、約４％、約５％のカリウム、又は任意の中間のパーセンテージ若しくは範囲のカリウムが含まれうる。幾つかの非限定的な実施態様では、カリウム補給食には、約０．１ｇ／１０００ｋｃａｌ、約０．２ｇ／１０００ｋｃａｌ、約０．３ｇ／１０００ｋｃａｌ、約０．４ｇ／１０００ｋｃａｌ、約０．５ｇ／１０００ｋｃａｌ、約０．６ｇ／１０００ｋｃａｌ、約０．７ｇ／１０００ｋｃａｌ、約０．８ｇ／１０００ｋｃａｌ、約０．９ｇ／１０００ｋｃａｌ、約１．０ｇ／１０００ｋｃａｌ、約１．１ｇ／１０００ｋｃａｌ、約１．２ｇ／１０００ｋｃａｌ、約１．３ｇ／１０００ｋｃａｌ、約１．４ｇ／１０００ｋｃａｌ、約１．５ｇ／１０００ｋｃａｌ、約１．６ｇ／１０００ｋｃａｌ、約１．７ｇ／１０００ｋｃａｌ、約１．８ｇ／１０００ｋｃａｌ、約１．９ｇ／１０００ｋｃａｌ、約２．０ｇ／１０００ｋｃａｌ、約２．１ｇ／１０００ｋｃａｌ、約２．２ｇ／１０００ｋｃａｌ、約２．５ｇ／１０００ｋｃａｌ、約２．８ｇ／１０００ｋｃａｌ、約３．０ｇ／１０００ｋｃａｌ、約３．５ｇ／１０００ｋｃａｌ、約４ｇ／１０００ｋｃａｌ、約５ｇ／１０００ｋｃａｌ、約１０ｇ／１０００ｋｃａｌ、約１５ｇ／１０００ｋｃａｌ、約２０ｇ／１０００ｋｃａｌ、又は任意の中間のパーセンテージ若しくは範囲のカリウムが含まれうる。カリウム補給食はまた、約０．１ｇ／１０００ｋｃａｌから約０．５ｇ／１０００ｋｃａｌの間、約０．５ｇ／１０００ｋｃａｌから約１．０ｇ／１０００ｋｃａｌの間、約１．０ｇ／１０００ｋｃａｌから約２．５ｇ／１０００ｋｃａｌの間、約２．５ｇ／１０００ｋｃａｌから約５．０ｇ／１０００ｋｃａｌの間、約０．０１ｇ／１０００ｋｃａｌから約０．１ｇ／１０００ｋｃａｌの間、約０．０５ｇ／１０００ｋｃａｌから約１．０ｇ／１０００ｋｃａｌの間、約０．１ｇ／１０００ｋｃａｌから約１ｇ／１０００ｋｃａｌの間、約０．１ｇ／１０００ｋｃａｌから約２ｇ／１０００ｋｃａｌの間、約１ｇ／１０００ｋｃａｌから２ｇ／１０００ｋｃａｌの間のカリウムも含みうる。他の非限定的な実施態様では、カリウム補給食は、約２ｇ／１０００ｋｃａｌから約２．５ｇ／１０００ｋｃａｌの間のカリウムを含む。ある特定の実施態様では、カリウム補給食は、約２．１ｇ／１０００ｋｃａｌのカリウムを含む。

【0109】

ある特定の非限定的な実施態様では、通常のタンパク質食には、約７０ｇ／１０００ｋｃａｌから約９０ｇ／１０００ｋｃａｌの間、約７０ｇ／１０００ｋｃａｌから約７５ｇ／１０００ｋｃａｌの間、約７０ｇ／１０００ｋｃａｌから約８０ｇ／１０００ｋｃａｌの間、約８０ｇ／１０００ｋｃａｌから約９０ｇ／１０００ｋｃａｌの間、又は約８５ｇ／１０００ｋｃａｌから約９０ｇ／１０００ｋｃａｌの間のタンパク質レベルが含まれうる。幾つかの非限定的な実施態様では、通常のタンパク質食には、約７３ｇ／１０００ｋｃａｌ、約７４ｇ／１０００ｋｃａｌ、又は約７５ｇ／１０００ｋｃａｌのタンパク質レベルが含まれうる。

【0110】

ある特定の非限定的な実施態様では、低タンパク質食には、ペットフードの重量基準による重量で、約０．０００１％から約２０％の間、約０．００１％から約１０％の間、約０．０１％から約５％の間、約０．０５％から約２％の間、又は約０．０１％から約１％の間のタンパク質が含まれうる。幾つかの非限定的な実施態様では、低タンパク質食には、ペットフードの重量基準による重量で、約０．０１％、約０．０５％、約０．１％、約０．２％、約０．３％、約０．４％、約０．５％、約０．６％、約０．７％、約０．８％、約０．９％、約１％、約１．１％、約１．２％、約１．３％、約１．４％、約１．５％、約１．６％、約１．７％、約１．８％、約１．９％、約２％、約３％、約４％、約５％、約１０％、約１５％、約２０％のタンパク質、又は任意の中間のパーセンテージ若しくは範囲のタンパク質が含まれうる。他の非限定的な実施態様では、低タンパク質食には、約１ｇ／ｋｇ／日、約２ｇ／ｋｇ／日、約３ｇ／ｋｇ／日、約４ｇ／ｋｇ／日、約５ｇ／ｋｇ／日、約６ｇ／ｋｇ／日、約７ｇ／ｋｇ／日、約８ｇ／ｋｇ／日、約９ｇ／ｋｇ／日、約１０ｇ／ｋｇ／日、約１５ｇ／ｋｇ／日、約２０ｇ／ｋｇ／日、又は任意の中間の量若しくは範囲のタンパク質が含まれうる。低タンパク質食はまた、約１ｇ／ｋｇ／日から約２０ｇ／ｋｇ／日の間、約１ｇ／ｋｇ／日から約５０ｇ／ｋｇ／日の間、約２ｇ／ｋｇ／日から約３０ｇ／ｋｇ／日の間、約２ｇ／ｋｇ／日から約１０ｇ／ｋｇ／日の間、約２ｇ／ｋｇ／日から約８ｇ／ｋｇ／日の間、約５ｇ／ｋｇ／日から約２０ｇ／ｋｇ／日の間、又は任意の中間の量若しくは範囲のタンパク質も含みうる。低タンパク質食には、約４から約６ｇ／ｋｇ／日、又は約５から約５．５ｇ／ｋｇ／日が含まれうる。

【0111】

ある特定の非限定的な実施態様では、多価不飽和脂肪酸（ＰＵＦＡ）補給食には、ペットフードの重量基準による重量で、ペットフード中に存在するＰＵＦＡに加えて、約０．０１％から約３０％の間、約０．１％から約２０％の間、約１％から約１０％の間、約０．１％から約５％の間、又は約１％から約１０％の間のＰＵＦＡ補給食が含まれうる。幾つかの非限定的な実施態様では、ＰＵＦＡ補給食には、ペットフード中に存在するＰＵＦＡに加えて、約０．１％、約０．２％、約０．３％、約０．４％、約０．５％、約０．６％、約０．７％、約０．８％、約０．９％、約１％、約１．１％、約１．２％、約１．３％、約１．４％、約１．５％、約１．６％、約１．７％、約１．８％、約１．９％、約２％、約３％、約４％、約５％、約１０％、約１５％、約２０％、約２５％、約３０％以上のＰＵＦＡ補給食、又はペットフードの重量基準による重量で、ペットフード中に存在するＰＵＦＡに加えて、任意の中間のパーセンテージ若しくは範囲のＰＵＦＡ補給食が含まれうる。他の非限定的な実施態様では、ＰＵＦＡ補給食には、ペットフード中に存在するＰＵＦＡに加えて、約０．１ｇ／ｋｇ／日、約０．５ｇ／ｋｇ／日、約１ｇ／ｋｇ／日、約１ｇ／ｋｇ／日、約２ｇ／ｋｇ／日、約３ｇ／ｋｇ／日、約４ｇ／ｋｇ／日、約５ｇ／ｋｇ／日、約６ｇ／ｋｇ／日、約７ｇ／ｋｇ／日、約８ｇ／ｋｇ／日、約９ｇ／ｋｇ／日、約１０ｇ／ｋｇ／日、約１５ｇ／ｋｇ／日、約２０ｇ／ｋｇ／日、約３０ｇ／ｋｇ／日、約４０ｇ／ｋｇ／日、約５０ｇ／ｋｇ／日、約６０ｇ／ｋｇ／日、約７０ｇ／ｋｇ／日、約８０ｇ／ｋｇ／日、約９０ｇ／ｋｇ／日、約１００ｇ／ｋｇ／日、又は任意の中間の量若しくは範囲のＰＵＦＡ補給食が含まれうる。ある特定の他の非限定的な実施態様では、ＰＵＦＡ補給食には、ペットフード中に存在するＰＵＦＡに加えて、約０．１ｇ／ｋｇ／日から約２０ｇ／ｋｇ／日の間、約１ｇ／ｋｇ／日から約１００ｇ／ｋｇ／日の間、約２ｇ／ｋｇ／日から約２００ｇ／ｋｇ／日の間、約５ｇ／ｋｇ／日から約１５０ｇ／ｋｇ／日の間、約１０ｇ／ｋｇ／日から約１００ｇ／ｋｇ／日の間、約５ｇ／ｋｇ／日から約５０ｇ／ｋｇ／日の間、又は任意の中間の量若しくは範囲のＰＵＦＡ補給食が含まれうる。ＰＵＦＡ補給食はまた、約１ｇ／１０００ｋｃａｌから約１０ｇ／１０００ｋｃａｌの間、約１ｇ／１０００ｋｃａｌから約５ｇ／１０００ｋｃａｌの間、約５ｇ／１０００ｋｃａｌから約１０ｇ／１０００ｋｃａｌの間、約１ｇ／１０００ｋｃａｌから約３ｇ／１０００ｋｃａｌの間、約１ｇ／１０００ｋｃａｌから約２ｇ／１０００ｋｃａｌの間、約２ｇ／１０００ｋｃａｌから約４ｇ／１０００ｋｃａｌの間、約５ｇ／１０００ｋｃａｌから約８ｇ／１０００ｋｃａｌの間、約７ｇ／１０００ｋｃａｌから約１０ｇ／１０００ｋｃａｌの間のＰＵＦＡレベルも含みうる。ある特定の実施態様では、ＰＵＦＡ補給食は、約１ｇ／１０００ｋｃａｌ、約２ｇ／１０００ｋｃａｌ、約２．１ｇ／１０００ｋｃａｌ、約３ｇ／１０００ｋｃａｌ、約４ｇ／１０００ｋｃａｌ、約５ｇ／１０００ｋｃａｌ、約６ｇ／１０００ｋｃａｌ、約７ｇ／１０００ｋｃａｌ、約８ｇ／１０００ｋｃａｌ、約９ｇ／１０００ｋｃａｌ、又は約１０ｇ／１０００ｋｃａｌのＰＵＦＡレベルを含む。

【0112】

ある特定の非限定的な実施態様では、ＰＵＦＡ補給食には、植物油などのｎ－６ＰＵＦＡ、魚油などのｎ－３ＰＵＦＡ、エイコサペンタエン酸（ＥＰＡ）、及び／又はドコサヘキサエン酸（ＤＨＡ）が含まれうる。

【0113】

ある特定の非限定的な実施態様では、抗酸化剤補給食には、ペットフードの重量基準による重量で、約０．００１％から約５％の間、約０．０１％から約１％の間、約０．０１％から約２％の間、約０．１％から約１％の間、又は約１％から約５％の間のペットフード中に存在する抗酸化剤が含まれうる。幾つかの非限定的な実施態様では、抗酸化剤補給食は、ペットフードの重量基準による重量で、ペットフード中に存在する抗酸化剤に加えて、約０．１％、約０．２％、約０．３％、約０．４％、約０．５％、約０．６％、約０．７％、約０．８％、約０．９％、約１％、約１．１％、約１．２％、約１．３％、約１．４％、約１．５％、約１．６％、約１．７％、約１．８％、約１．９％、約２％、約３％、約４％、約５％以上の抗酸化剤補給食、又は任意の中間のパーセンテージ若しくは範囲の抗酸化剤サプリメントを含む。他の非限定的な実施態様では、抗酸化剤補給食には、ペットフード中に存在する抗酸化剤に加えて、約１ｍｇ／ｋｇ／日、約２ｍｇ／ｋｇ／日、約３ｍｇ／ｋｇ／日、約４ｍｇ／ｋｇ／日、約５ｍｇ／ｋｇ／日、約６ｍｇ／ｋｇ／日、約７ｍｇ／ｋｇ／日、約８ｍｇ／ｋｇ／日、約９ｍｇ／ｋｇ／日、約１０ｍｇ／ｋｇ／日、約１５ｍｇ／ｋｇ／日、約２０ｍｇ／ｋｇ／日、約３０ｍｇ／ｋｇ／日、約４０ｍｇ／ｋｇ／日、約５０ｍｇ／ｋｇ／日、約６０ｍｇ／ｋｇ／日、約７０ｍｇ／ｋｇ／日、約８０ｍｇ／ｋｇ／日、約９０ｍｇ／ｋｇ／日、約１００ｍｇ／ｋｇ／日以上、又は任意の中間の量若しくは範囲の抗酸化剤サプリメントが含まれうる。抗酸化剤補給食には、ペットフード中に存在する抗酸化剤に加えて、約１ｍｇ／ｋｇ／日から約２０ｍｇ／ｋｇ／日の間、約１ｍｇ／ｋｇ／日から約１００ｍｇ／ｋｇ／日の間、約２ｍｇ／ｋｇ／日から約２００ｍｇ／ｋｇ／日の間、約５ｍｇ／ｋｇ／日から約１５０ｍｇ／ｋｇ／日の間、約１０ｍｇ／ｋｇ／日から約１００ｍｇ／ｋｇ／日の間、約５ｍｇ／ｋｇ／日から約５０ｍｇ／ｋｇ／日の間、又は任意の中間の量若しくは範囲の抗酸化剤サプリメントが含まれうる。ある特定の非限定的な実施態様では、抗酸化剤は、ビタミンＥ、ビタミンＣ、タウリン、カロテノイド類、フラバノール類、又はそれらの任意の組合せのうちの１つ以上でありうる。例えば、フラバノールは、カテキン、エピカテキン、エピガロカテキンガレート、プロシアニジン、タンニン、又はそれらの任意の組合せでありうる。抗酸化剤補給食はまた、ココア、ブドウ、及び緑茶など、高いフラバノール濃度を有する植物も含みうる。

【0114】

ある特定の非限定的な実施態様では、ビタミンＢ補給食には、ビタミンＢ１（チアミン）、ビタミンＢ２（リボフラビン）、ビタミンＢ３（ナイアシン又はニコチンアミドリボシド）、ビタミンＢ５（パントテン酸）、ビタミンＢ６（ピリドキシン、ピリドキサール、又はピリドキサミン）、ビタミンＢ７（ビオチン）、ビタミンＢ９（葉酸）、ビタミンＢ１２（コバラミン類、例えば、シアノコバラミン又はメチルコバラミン）、又はそれらの任意の組合せが含まれうる。幾つかの非限定的な実施態様では、ビタミンＢ補給食には、ペットフードの重量基準による重量で、ペットフード中に存在するビタミンＢ類に加えて、約０．００１％から約２％の間、約０．０１％から約１％の間、約０．０５％から約１％の間、約０．００１％から約０．１％の間、又は約０．０１％から約０．２％の間のビタミンＢ類が含まれうる。他の非限定的な実施態様では、ビタミンＢ補給食は、ペットフードの重量基準による重量で、ペットフード中に存在するビタミンＢ類に加えて、約０．１％、約０．２％、約０．３％、約０．４％、約０．５％、約０．６％、約０．７％、約０．８％、約０．９％、約１％、約１．１％、約１．２％、約１．３％、約１．４％、約１．５％、約１．６％、約１．７％、約１．８％、約１．９％、約２％以上のビタミンＢ類、又は任意の中間のパーセンテージ若しくは範囲のビタミンＢサプリメントを含む。ある特定の実施態様では、ビタミンＢ補給食には、ペットフード中に存在するビタミンＢ類に加えて、約１ｍｇ／ｋｇ／日、約２ｍｇ／ｋｇ／日、約３ｍｇ／ｋｇ／日、約４ｍｇ／ｋｇ／日、約５ｍｇ／ｋｇ／日、約６ｍｇ／ｋｇ／日、約７ｍｇ／ｋｇ／日、約８ｍｇ／ｋｇ／日、約９ｍｇ／ｋｇ／日、約１０ｍｇ／ｋｇ／日、約１５ｍｇ／ｋｇ／日、約２０ｍｇ／ｋｇ／日、約３０ｍｇ／ｋｇ／日、約４０ｍｇ／ｋｇ／日、約５０ｍｇ／ｋｇ／日、約６０ｍｇ／ｋｇ／日、約７０ｍｇ／ｋｇ／日、約８０ｍｇ／ｋｇ／日、約９０ｍｇ／ｋｇ／日、約１００ｍｇ／ｋｇ／日以上、又は任意の中間の量若しくは範囲のビタミンＢサプリメントが含まれうる。ある特定の非限定的な実施態様では、ビタミンＢ補給食には、ペットフード中に存在するビタミンＢ類に加えて、約１ｍｇ／ｋｇ／日から約２０ｍｇ／ｋｇ／日の間、約１ｍｇ／ｋｇ／日から約１００ｍｇ／ｋｇ／日の間、約２ｍｇ／ｋｇ／日から約２００ｍｇ／ｋｇ／日の間、約５ｍｇ／ｋｇ／日から約１５０ｍｇ／ｋｇ／日の間、約１０ｍｇ／ｋｇ／日から約１００ｍｇ／ｋｇ／日の間、約５ｍｇ／ｋｇ／日から約５０ｍｇ／ｋｇ／日の間、又は任意の中間の量若しくは範囲のビタミンＢサプリメントが含まれうる。

【0115】

ある特定の非限定的な実施態様では、食事療法には、低リン食、カルシウム補給食、カリウム補給食、通常のタンパク質食、又はそれらの任意の組合せのうちの１つ以上が含まれうる。幾つかの非限定的な実施態様では、食事療法には、ＣＫＤを発症するリスクのあるイヌ又はイヌ科動物に、約１．５ｇ／１０００ｋｃａｌのリンレベル、約２ｇ／１０００ｋｃａｌのカルシウムレベル、約１．３のＣａ：Ｐ比、約２．１ｇ／１０００ｋｃａｌのカリウムレベル、及び約７４ｇ／１０００ｋｃａｌのタンパク質レベルを含む食事を与えることが含まれうる。他の非限定的な実施態様では、食事療法は、当技術分野で知られている任意の食事の変更又は療法でありうる。

【0116】

ある特定の非限定的な実施態様では、カスタマイズされた推奨事項に基づいて、医療従事者又は獣医師は、ペット又はイヌ科動物に対してカスタマイズされた推奨事項を管理することができる。

【0117】

５．デバイス、システム、及び応用
ある特定の非限定的な実施態様では、本明細書に記載される実施態様は、イヌがＣＫＤを発症する感受性を特定するためのコンピュータシステム又は方法を提供する。「受信」、「処理」、「決定」、又は「送信」を含むステップ又はプロセスのいずれも、図４に示されるデバイス又は装置の１つ以上によって実施することができる。

【0118】

図４は、本開示の実施態様を実施することができる新生児死亡率アプリケーションを提供するように構成されたコンピューティングシステム４００を示している。示されるように、コンピューティングシステム４００は、複数のウェブサーバ４０８、予測モデルサーバ４１２、及び複数のユーザコンピュータ／機器（例えば、モバイル／ワイヤレスデバイス）４０２（明瞭にするために２つのみが示されている）を含んでいてもよく、各々が通信ネットワーク４０６（例えば、インターネット）に接続されている。ウェブサーバ４０８は、ローカル接続（例えば、ストレージエリアネットワーク（ＳＡＮ）又はネットワーク接続ストレージ（ＮＡＳ））を介して、又はインターネット（例えば、クラウドベースのストレージサービス）を通じて、データベース４１４と通信することができる。ウェブサーバ４０８は、データベース４１４に含まれるデータに直接アクセスするように構成することができるか、又は、データベース４１４に含まれるデータを管理するように構成されうるデータベースマネージャとインターフェースするように構成することができる。アカウント４１６は、ユーザの電子メールアドレス、パスワード、連絡先情報、課金情報、動物情報など、ユーザに関連付けられたデータを格納することができるデータオブジェクトである。

【0119】

各ユーザコンピュータ４０２は、例えば、プロセッサ、システムメモリ、ハードディスクドライブ、バッテリ、マウス及びキーボードなどの入力デバイス、及び／又はモニタ若しくはグラフィックユーザインターフェースなどの出力デバイス、及び／又は入力を受け取るだけでなく出力も表示することができるタッチスクリーンなどの結合型入出力デバイスといった、演算デバイスの従来の構成要素を含みうる。各ウェブサーバ４０８及び予測モデルサーバ４１２は、プロセッサ及びシステムメモリ（図示せず）を含み、例えば関係データベースソフトウェア及び／又はファイルシステムなどを使用してデータベース４１４に格納されたコンテンツを管理するように構成することができる。ウェブサーバ４０８は、例えば、ＴＣＰ／ＩＰプロトコルなどのネットワークプロトコルを使用して、互いに、ユーザコンピュータ４０２、及び予測モデルサーバ４１２と通信するようにプログラムすることができる。予測モデルサーバ４１２は、例えば、通信ネットワーク４０６を介して、ユーザコンピュータ４０２と直接通信することができる。ユーザコンピュータ４０２は、ウェブブラウザプログラム及び他のソフトウェアアプリケーションなどのソフトウェア４０４を実行するようにプログラムすることができ、例えばウェブサーバ４０８に誘導することができる統一資源位置指定子（ＵＲＬ）を指定することによって、ウェブサーバ４０８によって管理されるウェブページ及び／又はアプリケーションにアクセスすることができる。

【0120】

以下に説明する実施態様では、ユーザはそれぞれ、通信ネットワーク４０６を介してウェブサーバ４０８に接続することができるユーザコンピュータ４０２を操作することができる。ウェブページは、ユーザコンピュータ４０２を介してユーザに表示することができる。ウェブページは、ウェブサーバ４０８からユーザのコンピュータ４０２に送信することができ、ユーザのコンピュータ４０２と通信するディスプレイデバイス及び／又はグラフィックユーザインターフェースを介して表示するために、そのユーザのコンピュータ４０２に格納されたウェブブラウザプログラムによって処理することができる。

【0121】

一例では、ユーザのコンピュータ４０２に表示される情報及び／又は画像は、カスタマイズされた推奨事項、又はオンラインデータベースを介してアクセスされる、１つ以上のバイオマーカー及び／又は人口統計情報を含む健康記録に含まれる任意の情報に関連しうる。ユーザのコンピュータ４０２は、通信ネットワーク４０６を介してペットの健康情報にアクセスすることができ、次に、データベース４１４に接続されたウェブサーバ４０８からペットの健康情報を取得し、ユーザのコンピュータ４０２のグラフィックユーザインターフェースを介して情報及び／又は画像を表示させる。オンライン情報及び／又は画像、及び／又は新生児死亡率アプリケーションは、ユーザ名とパスワードの組合せ、又はユーザが「ログイン」して情報にアクセスできるようにする他の同様の制限付きアクセス／検証が必要なアクセス方法で管理することができる。

【0122】

ユーザコンピュータ４０２は、パソコン、ラップトップ、携帯演算デバイス、スマートフォン、ビデオゲームの操作器、家庭用デジタルメディアプレイヤー、ネットワーク接続型テレビ、セットトップボックス、及び／又は通信ネットワーク４０６との通信に適した構成要素を有する他の演算デバイスでありうることに、留意されたい。ユーザコンピュータ４０２は、とりわけ、テキスト及び／又は画像表示ソフトウェア、メディアプレーヤー、コンピュータ及びビデオゲーム、及び／又はウィジェットプラットフォームなどであるが、これらに限定されない、予測モデルサーバからカスタマイズされた推奨事項を受信するように構成された他のソフトウェアアプリケーションを実行することもできる。

【0123】

図５は、図４の予測モデルサーバ４１２のより詳細な図を示している。予測モデルサーバ５１２は、中央処理装置（ＣＰＵ）５０２、ネットワークインターフェース５０４、メモリ５２０、及び相互接続５０６を介して通信を行うストレージ５３０を含むことができるが、これらに限定されない。予測モデルサーバ５１２はまた、Ｉ／Ｏデバイス５１０（例えば、キーボード、ビデオ、マウス、オーディオ、タッチスクリーンなど）に接続するＩ／Ｏデバイスインターフェース５０８も含みうる。予測モデルサーバ５１２、データ通信ネットワーク４０６を介してデータを送信するように構成されたネットワークインターフェース５０４をさらに含むことができる。

【0124】

ＣＰＵ５０２は、メモリ５２０に格納されたプログラミング命令を取り出して実行することができ、概して、他のシステム構成要素の動作を制御及び調整することができる。同様に、ＣＰＵ５０２は、メモリ５２０に常駐するアプリケーションデータを格納及び取り出すことができる。代表的には、単一のＣＰＵ、複数のＣＰＵ、複数の処理コアを有する単一のＣＰＵなどである、ＣＰＵ５０２を含めることができる。相互接続５０６は、ＣＰＵ５０２と、Ｉ／Ｏデバイスインターフェース５０８と、ストレージ５３０と、ネットワークインターフェース５０４と、メモリ５２０との間でプログラミング命令及びアプリケーションデータを送信するために、使用することができる。

【0125】

代表的にはランダムアクセスメモリである、メモリ５２０を通常含めることができ、該メモリ５２０は、動作中に、ＣＰＵ５０２によって使用されるソフトウェアアプリケーション及びデータを格納する。ストレージ５３０は、単一のユニットとして図示されているが、不揮発性のデータを格納するように構成された、固定ディスクドライブ、フロッピーディスクドライブ、ランダムアクセスメモリ、ハードディスクドライブ、非一時的コンピュータ可読媒体、フラッシュメモリストレージドライブ、テープドライブ、取り外し可能なメモリカード、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、Ｂｌｕ－Ｒａｙ、ＨＤ－ＤＶＤ、光ストレージ、ネットワーク接続ストレージ（ＮＡＳ）、クラウドストレージ、又はストレージエリアネットワーク（ＳＡＮ）などの、固定ストレージデバイス及び／又は取り外し可能なストレージデバイスの組合せでありうる。

【0126】

メモリ５２０は、画像５２８及び／又は予測モデルソフトウェア５３８を含むことができるアプリケーションプラットフォーム５２６を実行するための命令及びロジックを格納することができる。ストレージ５３０は、画像及び／又は情報５３４及び他のユーザ生成メディアを格納することができ、アプリケーションプラットフォームコンテンツ５２３６に関連する画像及び／又は情報５３４を格納するように構成されうるデータベース５３２を含むことができる。データベース５３２は、任意のタイプのストレージデバイスとすることができ、及び／又は本明細書に記載される１つ以上のデータセットを含むことができる。データベース５３２は、ユーザ生成メディア又は画像に関連するデータに関連するアプリケーションコンテンツを格納することができる。データベース５３２はまた、１つ以上のバイオマーカー又は人口統計情報、及び／又はカスタマイズされた推奨事項を含むことができる。

【0127】

ネットワークコンピュータは、本明細書に提供される開示と併用することができる、別のタイプのコンピュータシステムである。ネットワークコンピュータは、一般的には、ハードディスク又は他の大容量ストレージを含まず、実行可能なプログラムは、ＣＰＵ５０２によって実行されるよう、ネットワーク接続からメモリ５２０にロードされる。ウェブＴＶシステムもコンピュータシステムと見なすことができるが、ある特定の入出力デバイスなど、図５に示される機能の一部を欠いている場合がある。典型的なコンピュータシステムは、一般的に、少なくとも、プロセッサ、メモリ、及び該メモリをプロセッサに連結する相互接続を含むであろう。

【0128】

図６は、予測モデルサーバ４１２にアクセスし、アプリケーションプラットフォーム６２０に関連する画像及び／又は情報を表示するために用いられるユーザコンピュータ又は機器４０２を示している。ユーザコンピュータ又はユーザ機器６０２は、例えば、デスクトップコンピュータ、ラップトップコンピュータ、モバイルデバイス、又は他の任意のユーザ機器でありうる。ユーザコンピュータ６０２は、中央処理装置（ＣＰＵ）６０２、ネットワークインターフェース６０４、相互接続６０６、メモリ６２０、及びストレージ６３０を含むことができるが、これらに限定されない。ユーザコンピュータ６０２はまた、Ｉ／Ｏデバイス６１０（例えば、キーボード、ディスプレイ、タッチスクリーン、及びマウスなどのデバイス）をユーザコンピュータ６０２に接続するＩ／Ｏデバイスインターフェース６０８も含みうる。

【0129】

ＣＰＵ５０２と同様に、代表的には、単一のＣＰＵ、複数のＣＰＵ、複数の処理コアを有する単一のＣＰＵなどであるＣＰＵ６０２を含めることができ、メモリ６２０は、概して、代表的にはランダムアクセスメモリに含めることができる。相互接続６０６は、ＣＰＵ６０２と、Ｉ／Ｏデバイスインターフェース６０８と、ストレージ６３０と、ネットワークインターフェース６０４と、メモリ６３２０との間でプログラミング命令及びアプリケーションデータを送信するために使用することができる。ネットワークインターフェース６０４は、通信ネットワーク４０６を介してデータを送信するように、例えば、予測モデルサーバ５１２からコンテンツをストリーミング又は提供するように構成することができる。ハードディスクドライブ又は固体ストレージドライブ（ＳＳＤ）などのストレージ６３０は、不揮発性データを格納することができる。ストレージ６３０は、写真６３２、グラフ６３４、チャート６３６、文書６３８、及び他のメディア６４０を含むことができる。実例として、メモリ６２０は、それ自体がとりわけグラフ又はチャートなどの画像６２４、及び／又は情報６２６を表示することができる、アプリケーションインターフェース６２２を含むことができる。アプリケーションインターフェース６２２は、予測モデルサーバ４１２によってホスティングされるメディアアイテム及び他のコンテンツにユーザがアクセスすることを可能にしうる１つ以上のソフトウェアアプリケーションを提供することができる。

【0130】

上記の用語はすべて、これらの物理量に適用される便利なラベルにすぎない。特に明記しない限り、以下の論述から明らかなように、説明全体を通して、「処理」又は「演算」又は「計算」又は「決定」又は「表示」又は「分析」などの用語を利用した論述は、コンピュータシステムのレジスタ及びメモリ内の物理的（電子）量として表されるデータを操作し、コンピュータシステムのメモリ、レジスタ又は他のこのような情報ストレージ、送信、若しくは表示デバイス内の物理量として同様に表される他のデータへと変換する、コンピュータシステム、サーバ、又は任意の他の電子計算デバイスのアクション及びプロセスを指すことが認識される。

【0131】

本実施例はまた、本明細書中の動作を実施するための装置にも関する。この装置は、要求される目的のために特別に構築することができる、又はコンピュータに記憶されたコンピュータプログラムによって、選択的に作動する又は再構成される汎用コンピュータを備えることができる。このようなコンピュータプログラムは、限定はしないが、それぞれがコンピュータシステムの相互接続に結合された、読み出し専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、磁気又は光学カード、フロッピーディスク、光ディスク、ＣＤ－ＲＯＭ、及び磁気光ディスクを含むあらゆるタイプのディスク、又は電子命令を保存するのに適したあらゆるタイプの媒体などのコンピュータ可読記憶媒体に格納することができる。

【0132】

本明細書に提示されるアルゴリズム及びディスプレイは、特定のコンピュータ又は他の装置に本質的に関連しているわけではない。本明細書の教示に従って、さまざまな汎用システムをプログラムと共に使用することができ、あるいは必要とされる方法動作を実行するためのより特殊な装置を構築することが便利であることが証明されうる。これらのさまざまなシステムの構造は、上記の説明から明らかであろう。加えて、本実施例は、特定のプログラミング言語を参照して説明されておらず、したがって、さまざまな例は、さまざまなプログラミング言語を使用して実装させることができる。

【0133】

本明細書に提示されるアルゴリズム及びディスプレイは、特定のコンピュータ又は他のデバイスに本質的に関連しているわけではない。本明細書の教示に従って、さまざまな汎用システムをアプリケーションと共に使用することができ、あるいは必要とされる方法操作を実行するためのより特殊なデバイスを構築することが便利であることが証明されうる。これらのさまざまなシステムの構造は、上記の説明から明らかであろう。加えて、本実施態様は、特定のプログラミング言語を参照して説明されておらず、したがって、さまざまな例は、さまざまなプログラミング言語を使用して実装することができる。本出願で開示される方法及び食餌／食餌計画のすべての好ましい特徴及び／又は実施態様は、デバイス、システム、及びアプリケーションに適用される。

【実施例】

【0134】

本明細書に開示される主題は、以下を参照することによってよりよく理解することができる。以下の実施例は単なる例示であり、決して限定されるべきではない。

【0135】

実施例１
診断時前後のＣＫＤ予測モデルの性能を決定するために、評価時（Ｔ０）前３ヶ月以内に訪問した試験データセットにおいて、１８，７０５匹のイヌ又はイヌ科動物のうち１５，０４４匹に予測モデル適用した。予測モデルは、「ＣＫＤ」と分類されたイヌ又はイヌ科動物で９１．４％の感度（６８７／７５２）、及び「ＣＫＤなし」と分類されたイヌ又はイヌ科動物で９７．２％の特異度（１３８９１／１４２９２）を示した。年齢が予測モデルの機能であることを所与として、感度及び特異度は評価時（Ｔ０）の年齢でも報告された。

【0136】

図７は、本明細書に記載されるある特定の実施態様による性能測定基準を示すグラフ７０２を示している。特異度は、例えば、８歳まで一貫して９８％を超えていたが、その後は低下し、１５で６７．０％に達した。一方、感度は、年齢とともに増加し、１２歳以降は９６％を超える。予測モデルは、ＣＫＤの有病率がはるかに高い高齢のペットを予測するときに、感度を向上させる（偽陰性率を下げる）ために、ある程度の特異度を犠牲にすることが（偽陽性率の増加）でき、したがって、各年齢群についての全体的な精度が最適化される。

【0137】

図８は、本明細書に記載されるある特定の実施態様による性能測定基準を示すグラフ８０２を示している。患者の履歴がモデル性能にどのように影響したかを理解するために、モデルの感度を、診断が行われる前の健康記録の訪問回数の関数として調べることができる。感度は、診断前に２回の訪問の７６．８％から、ｔｏ のｗｉｔｈ ４回の訪問の８５．５％に増加し、さらなるデータにより、９２％を超えて改善し続ける。これは、過去の情報がＣＫＤ診断の質に寄与しうることを示している。

【0138】

図９は、本明細書に記載されるある特定の実施態様による性能測定基準を示すグラフ９０２を示している。ＣＫＤの診断は過去の健康記録情報から恩恵を受けるため、将来のＣＫＤ診断を予測するモデルの能力を評価することができる。予測モデルを評価するために、診断前のさまざまな時点で「ＣＫＤ」の健康記録を切り捨てることができる。例えば、１年前の予測では、診断と１年前までの間のすべての情報を削除することができる。次いで、予測モデルが将来のＣＫＤの発症を予測する能力を評価することができる。予想通り、予測と診断との間の時間が長くなると感度が低下したが、ＣＫＤを発症しているイヌのうち、診断の１年前に６９．１％、診断の２年前に４４．９％、最初に又は元々ＣＫＤと診断される３．５年前に２２．０％が正しく予測された。

【0139】

ある特定の非限定的な実施態様では、データセットを切り捨てることによって特異度を評価することは、イヌが以前のすべての訪問で「ＣＫＤなし」と分類されたままであることを所与とすると、意味をなさない可能性がある。初期のＣＫＤ検出の特異度は、図７に示されるように、年齢に応じた分布によって最もよく理解することができ、平均レベルは１２歳のイヌまで９０％を超えうる。

【0140】

幾つかの非限定的な実施態様では、高度な計算モデリングを使用して、現在及び／又は過去の健康記録に基づいてＣＫＤのリスクを予測することができる。このデータセットには、評価及び改良された臨床病理学的結果を含めることができる。予測モデルには、次の６つの機能のうちの１つ以上を含めることができる：血清クレアチニン、血中尿素窒素、尿タンパク質及び尿比重、並びに患者の年齢及び体重。予測モデルは、２回の訪問で７６．８％の感度を示すことができ、４回の訪問での８５．５％まで増加する。これは、定期的な先回りした健康モニタリングの価値と、可能な限り完全な臨床病理データを取得することの価値を強調するものである。特異度は、データを追加することで ９２％を超えて増加し続けうる。幾つかの非限定的な実施態様では、偽陽性率が低いことによって示される特異度は、とりわけ、予測試験とその後の臨床的意思決定及び飼い主とのコミュニケーションを考慮する場合に役立ちうる。

【0141】

５－３－３ＲＮＮなどの現在の予測モデルは、尿タンパク質、患者の体重、又は他の任意の追加のバイオマーカー若しくは人口統計情報のうちの１つ以上を含むという点で、７－３ＲＮＮなどの前述の予測モデルとは異なりうる。ある特定の非限定的な実施態様では、腎タンパク質の喪失とそれに伴うタンパク尿は、イヌ又はイヌ科動物の腎疾患よりもイヌ科動物の腎疾患においてより一般的な特徴となりうる。患者の体重は、予測モデルの有用な成分であると決定されたが、これは、イヌ科動物の患者に見られうる体重の範囲が大きく、サイズの異なるイヌ間で病気の有病率に多少のばらつきが見られるためと考えられる。ある特定の非限定的な実施態様では、十分な栄養及び除脂肪体重を維持する上での課題と、ＣＫＤの患者に必要な看護ケアを提供する上での困難さの両方が、体格の大きい患者の予後及び転帰に悪影響を及ぼす可能性がある。

【0142】

幾つかの非限定的な実施態様では、個々の患者の臨床病理学的変数は、時間の経過とともにある程度変化する可能性があり、及び／又は食事摂取量、姿勢、筋肉量、及び／又は水分状態の変化などの要因の影響を受ける可能性がある。臨床病理学の結果を評価するために一般的に利用される基準範囲は、限られた解釈を提供する可能性があり、個々の患者の固有の状態を正確に反映しない場可能性がある。予測モデリングの使用は、ＣＫＤを正確に診断するのに役立ちうる。

【0143】

実施例２
ある特定の非限定的な実施態様では、予測モデルは、ＲＮＮを含みうる。ＲＮＮは、５－３－３アーキテクチャ、１０分割、及び１８エポックを含む。ＲＮＮは、１つ以上のバイオマーカー及び／又は人口統計情報などの７つの選択された機能を評価する。例えば、７つの選択された機能は、ＢＵＮ、尿ｓｇ、訪問年齢、クレアチニン、尿タンパク質、体重、及び／又はアミラーゼでありうる。２年間の層別点で、ランダムなＣＫＤを有するペットについて、ＲＮＮの性能を測定した。予測モデルは、受信者操作特性（ＡＵＣＲＯＣ）下で９４．２％の領域、適合率－再現率曲線（ＡＵＣＰＲ）下で９１．６％の領域、及びＦ１スコア８２．６％を達成した。

【0144】

幾つかの非限定的な実施態様では、予測モデルのトレーニングに用いたデータセットには、約３９，４４２匹の固有のイヌ又はイヌ科動物についての約３０６，７５７の訪問記録が含まれていた。３９，４４２匹の固有のイヌ又はイヌ科動物のうち、約２６，５１４匹がＣＫＤなしであり、約１２，９２８匹はＣＫＤを有していたか、又は発症していた。データセットには、人口統計情報と、血液化学、血液学、及び／又は尿レベルから引き出された人口統計情報及び１つ以上のバイオマーカーを含む、３５の機能が含まれていた。１つ以上のバイオマーカーの例には、アルカリホスファターゼ、アミラーゼ、タンパク質、ＢＵＮ又は尿素レベル、クレアチニン、リン、カルシウム、尿タンパク質、カリウム、グルコース、ヘマトクリット、ヘモグロビン、赤血球（ＲＢＣ）数、赤血球分布幅（ＲＤＷ）、アラニンアミノトランスフェラーゼ、アルブミン、ビリルビン、塩化物、コレステロール、好酸球、グロブリン、リンパ球、単球、平均赤血球ヘモグロビン（ＭＣＨ）、平均赤血球ヘモグロビン濃度（ＭＣＨＣ）、平均赤血球容積（ＭＣＶ）、平均血小板容積（ＭＰＶ）、血小板数、分節好中球、ナトリウム、尿ＰＨレベル、及び／又は白血球数が含まれうるが、これらに限定されない。人口統計情報は、例えば、イヌ又はイヌ科動物の年齢及び体重、並びにイヌ又はイヌ科動物が最初に又は元々ＣＫＤであると診断された年齢を含みうる。

【0145】

データセットに含めるイヌ又はイヌ科動物１匹あたりの訪問回数は、１回から４０回の範囲である。例えば、イヌ又はイヌ科動物１匹あたりの平均訪問回数は７．７回でありうる。訪問回数は、１回から１５回の訪問に偏り、訪問回数は１回から４回の訪問へと急速に増加し、その後、５回から４０回の訪問へと着実に減少する。ある特定の非限定的な実施態様では、データセットは、３５の機能のうちの１つ以上の欠測情報を含みうる。例えば、欠測値が６０％を超える機能は、約６６．５％の尿タンパク質、約６４．２％の尿比重、約７０％のカリウム、約７０．４％の塩化物、約６０．６％の好酸球、約７０．２％のナトリウム、及び約６４．８％の尿ｐＨを含む。１つ以上のバイオマーカー又は人口統計情報などの他の任意の機能は、データベースのデータの０％から１００％の間で欠測している可能性がある。欠測情報は、帰属させることができる。

【0146】

図１０Ａ～１０Ｅは、本明細書に記載されるある特定の実施態様によるデータセットの前処理１００２を示している。例えば、前処理の一部として、例えば、ランダムフォレストの実装などを使用して、データベース内の欠測データに代入することができる。別の例では、データは、各機能の最小値と最大値０から１の範囲に正規化することができる。さらに別の例では、前処理には、最小値と最大値の制限を事前に定義するためにそれらの値を閾値処理することによる、事前平滑化機能を含めることができる。図１０Ａ～１０Ｅに示されるように、例えば、主成分分析（ＰＣＡ）を介して計算された累積説明分散を最大化するために平滑化する機能を選択する、ボトムアップラッパーを使用することができる。したがって、図１０Ａ～１０Ｅに示される値は０から１の範囲であり、ＰＣＡ説明分散を最大化するために平滑化される。すべての機能が平滑化されると、説明分散は、７５％になりうるが、これはノイズの多いデータセットを示す。機能の平滑化を最適化することにより、ＰＣＡ説明分散は９５％になりうる。

【0147】

図１１は、本明細書に記載されるある特定の実施態様による主成分分析又は因子分析を示している。例えば、グラフ１１０２は、２－Ｄ ＰＣＡ線形を実施することによる２次元空間へのデータセットの射影を示している。一方、グラフ１１０４は、ＰＣＡ説明分散及び分散比を示しており、データセットにノイズがないことを確認することができる。幾つかの非限定的な実施態様では、グラフ１１０８は、交差検証スコアに対して成分の数を測定する、２次元の因子分析を示しうる。グラフ１１０６は、２次元の因子分析を示しうる。グラフ１１１０は、２次元のｔ分布の確率的近隣埋め込み（ｔ－ＳＮＥ）非線形次元削減を示しうる。

【0148】

データセットが前処理された後、カーネル密度推定を各機能で使用して、各ビンで真の確率密度関数（ＰＤＦ）を計算するため、及び／又はデータが最初にサンプリングされた元の分布を示すために使用することができる正規化されたヒストグラムを見出すことができる。ＰＤＦを使用したデータの分析後、ある特定の非限定的な実施態様では、最も識別可能な機能は、ＢＵＮ、尿比重、クレアチニン、及び訪問年齢でありうる。これらの機能のそれぞれについて、ＣＫＤ／健康についての正規化された分布は、地域及び範囲が異なることがわかった。アミラーゼ、尿タンパク質、及びコレステロールなどの他の機能も、有用でありうる特徴的な機能のように見えた。

【0149】

ある特定の非限定的な実施態様では、前処理されたデータセットに単変量特徴ランク付けを採用した。特徴のランク付けには、例えば、信号雑音比（ＳＮＲ）に基づく高速フィルタリング法（１次及び／又は２次タイプを含む）、並びに埋め込み機械学習法が含まれていた。高速フィルタリング法及び／又は機械学習法の結果を組み合わせて、特徴の平均ランク付けを作成することができる。高速フィルタリング法は、例えば、相関係数ｆスコア、クラス条件付きＳＮＲ、２サンプル検定統計、対称発散、及び／又はフィッシャー判別比のうちの１つ以上を含むことができる。機械学習法は、例えば、ランダム化したｌａｓｓｏ、リッジ回帰、ランダムフォレスト、及び／又は再帰的特徴量削減のうちの１つ以上を含みうる。上記高速フィルタリング及び／又は機械学習法の１つ以上の正規化された重みに基づいて、上位４つの機能は、訪問年齢、ＢＵＮ、尿比重、及びクレアチニンでありうる。次の３つの機能は、アミラーゼ、コレステロール、及び／又は尿タンパク質でありうる。残りの特徴は次のようにランク付けした：カリウム、アルカリホスファターゼ、リンパ球、ＭＣＶ、体重、グロブリン、尿ＰＨ、ヘマトクリット、リン、血小板数、ヘモグロビン、アラニンアミノトランスフェラーゼ、ＲＤＷ、ＭＣＨ、塩化物、分節好中球、ＲＢＣ数、ＭＰＶ、総タンパク質、白血球数、グルコース、カルシウム、ＭＣＨＣ、アルブミン、ナトリウム、好酸球、単球、及び／又はビリルビン。

【0150】

幾つかの非限定的な実施態様では、予測モデルは、所与のイヌ科動物又はイヌが今後２年以内にＣＫＤを発症するかどうかを判断するように設計することができる。上記に正確に対処する予測モデルを設計するために、汎ペットデータベースを構築することができ、これは、すべての可能な訪問軌跡のスーパーセットでありうる。Ｎ回の訪問を伴うイヌ又はイヌ科動物については、訪問回数のリストに従って軌跡を一時的に定義することができる。次に、最後のＫ回の訪問を削除して、訪問回数の任意の順序付けしたサブセットを有する削減された軌跡を順序付けすることができる。Ｋは、１からＮの間の任意の訪問回数でありうる。元のデータセットを拡張してＣＫＤのすべての可能な縮小された軌跡を含め、診断の２年前までの訪問を削除する場合、結果として得られる拡張されたデータセットは汎イヌ科動物データセットと呼ぶことができる。

【0151】

試料のデータセットは、ある特定の非限定的な実施態様では、各ＣＫＤのイヌ又はイヌ科動物について単一の軌跡が選択される汎イヌ科動物データセットのサブセットでありうる。異なるシードを有する乱数ジェネレーターを使用して、多数のサンプリングされたデータセットを作成できるため、ペットの識別ごとに異なる軌跡（例えば、異なる訪問回数）を選択することができる（例えば、置換によるサンプリング）。サンプリングされたデータセットを使用すると、予測子は今後２年間の任意の時点でＣＫＳと診断されるであろうペットのパターンを学習することができる。

【0152】

ある特定の非限定的な実施態様では、３－７構成のＲＮＮを使用して、データセットを使用した予測モデルのベースライン性能を生成することができる。例えば、３－７構成のＲＮＮは、１０分割の交差検証及び１６のエポックでトレーニングすることができる。次に、このＲＮＮを使用して、訪問年齢、ＢＵＮ、クレアチニン、及び／又は尿比重でありうる上位４つの機能の性能と、３５の機能すべての性能を示すことができる。３－７構成のＲＮＮを使用した上位４つの機能の性能は、７６．２％の感度、９３．９％の特異度、８８．２％の精度、８０．６％のＦ１スコアをもたらした。一方、３－７構成のＲＮＮを使用した３５すべての機能の性能は、７７．２％の感度、９５．１％の特異度、８９．３％の精度、８２．３％のＦ１スコアをもたらした。

【0153】

総計算コストを６分の１に削減するため、ＲＮＮ３－７構成を３分割交差検証及び１０エポックでトレーニングすることができる。次に、このＲＮＮを使用して、訪問年齢、ＢＵＮ、クレアチニン、及び／又は尿比重でありうる上位４つの機能の性能と、３５の機能すべての性能を示すことができる。このＲＮＮを使用した上位４つの機能の性能は、７６．３％の感度、９２．５％の特異度、８７．３％の精度、７９．５％のＦ１スコアをもたらした。一方、３－７構成のＲＮＮを使用した３５すべての機能の性能は、７５．１％の感度、９５．０％の特異度、８８．６％の精度、８０．９％のＦ１スコアをもたらした。

【0154】

もう１つの比較は、１０分割の交差検証と１６エポックでトレーニングされたＬＳＴＭ（ＬＴＳＭ３－７）でＲＮＮを使用することができる。次に、このＬＳＴＭ３－７を使用して、訪問年齢、ＢＵＮ、クレアチニン、及び／又は尿比重でありうる上位４つの機能の性能を示すことができる。このＬＳＴＭ３－７を使用した上位４つの機能の性能は、７５．７％の感度、９４．３％の特異度、８８．３％の精度、８０．７％のＦ１スコアをもたらした。さらなる比較には、３－５－３の構成のＲＮＮを使用して、ＢＵＮ、クレアチニン、尿タンパク質、尿比重、尿ＰＨ、及びＷＢＣなどの上位６つの機能を使用した１０分割の交差検証及び２０エポックでトレーニングすることができる。３－５－３の構成のＲＮＮを使用した上位６つの機能の性能は、７５．９％の感度、９３．０％の特異度、８７．５％の精度、７９．６％のＦ１スコアをもたらした。

【0155】

図１２は、本明細書に記載されるある特定の実施態様による、ラッパーベースの機能順序チャート１２０２を示している。ある特定の非限定的な実施態様では、教師付き機能選択は、トップダウンラッパー又はボトムアップラッパー法を使用して行うことができる。他の実施態様では、教師付き機能選択は、トップダウンラッパー及びボトムアップラッパー法の両方を使用して行うことができる。予測モデルは、例えば、３－７アーキテクチャのＲＮＮであり、３分割交差検証と１０のトレーニングエポックを使用してトレーニングすることができる。例えば、幾つかのトップダウン及びボトムダウンラッパー機能選択実験は、ＲＮＮ交差検証内のブートストラップ試料とランダム性を変更することによって実施することができる。図１２に示されるように、結果をまとめて平均的なラッパーベースの機能選択を作成することができる。特に、上位の選択された機能から最も選択されていない機能へと並べ替えられた平均位置（ＰＯＳ）によって平均的なラッパーベースの機能を順序付けする。幾つかの非限定的な実施態様では、さまざまなランダム性の３０の異なる実験を含めることができる。図１２に示されている矢印は、それぞれの異なるラッパー実験から選択された機能の順序に関する分位数を示している。図１２に示されるように、上位７つの機能は、ＢＵＮ、尿比重、訪問年齢、クレアチニン、尿タンパク質、体重、及び／又はアミラーゼでありうる。

【0156】

図１３は、本明細書に記載されるある特定の実施態様による、平均最良Ｆ１スコア１３０２を示している。ある特定の非限定的な実施態様では、トップダウン及びボトムアップラッパー法を使用した幾つかのブートストラップサンプリング実験の平均最良Ｆ１スコアをグラフ化することができる。図１３に示されるように、Ｆ１スコアは、７つ未満の機能を維持すると、低下し始める可能性がある。したがって、予測モデルは、１つ以上のバイオマーカー及び／又は人口統計情報の組合せを含む、７つの機能を利用することができる。７つの機能は、例えば、ＢＵＮ、尿比重、訪問年齢、クレアチニン、尿タンパク質、体重、及び／又はアミラーゼでありうる。

【0157】

図１４は、本明細書に記載されるある特定の実施態様による機能選択を示すチャート１４０２を示している。特に、図１４は、ＲＮＮ予測子によるトップダウンラッパー法での機能選択を示している。図１４に示されるように、上位７つの選択された機能には、ＢＵＮ、尿比重、訪問年齢、クレアチニン、尿タンパク質、体重、及び／又はアミラーゼが含まれる。

【0158】

図１５は、本明細書に記載されるある特定の実施態様による、ラッパー機能選択中のベイズ情報量規準を示すグラフ１５０２を示している。特に、図１５は、図１４に示されるデータセット機能選択のベイズ情報量規準を示している。図１５に示されるように、屈曲点は、７つの機能が選択された点に対応する。例えば、７つの機能は、ＢＵＮ、尿比重、訪問年齢、クレアチニン、尿タンパク質、体重、及び／又はアミラーゼを含みうる。

【0159】

図１６は、本明細書に記載されるある特定の実施態様による性能測定基準を示すグラフ１６０２を示している。具体的には、図１６は、１０分割の交差検証性能の測定基準を含む、ラッパーのトップダウン機能選択を示している。この測定基準により、１つ以上のステップにおいて、さまざまな閾値でのグリッド検索を介してＦ１測定を最適化することが可能となった。ＡＵＣＰＲ、ＡＵＣＲＯＣ、感度、又はＮＰＶなどの性能測定基準は、ラッパー機能選択プロセス中に計算することができる。図１６は、選択された機能の最適な数が７でありうることを示している。

【0160】

図１７は、本明細書に記載されるある特定の実施態様による性能測定基準を示すグラフ１７０２を示している。具体的には、図１７は、１０分割の交差検証性能の測定基準を含む、ラッパーのトップダウン機能選択を示している。この測定基準により、１つ以上のステップにおいて、さまざまな閾値でのグリッド検索を介してＦ１測定を最適化することが可能となった。ＡＵＣＰＲ、ＡＵＣＲＯＣ、感度、又はＮＰＶなどの性能測定基準は、ラッパー機能選択プロセス中に計算することができる。図１６と同様に、図１７は、選択された機能の最適な数が７でありうることを示している。

【0161】

ある特定の非限定的な実施態様では、ＲＮＮアーキテクチャを最適化することができる。例えば、ＲＮＮ－ＬＳＴＭでは、１～５の隠れ層及び１層あたり３～２００のノードのさまざまな構成を試験することができる。ＴａｎＨ活性化関数は隠れ層で使用することができ、ソフトマックスは出力層で用いられる。ＣＫＤなし又はＣＫＤのバイナリ分類を所与とすると、ソフトマックスはシグモイド化しうる。バイナリ交差エントロピーも損失計算に使用することができ、及び／又は過剰適合を回避するために２０％のドロップアウトを考慮することができる。時間によるバックプロパゲーションは、ＲＭＳｐｒｏｐ勾配降下最適化アルゴリズムを使用したトレーニングに使用することができる。さらに、他の幾つかの非限定的な実施態様では、ＬＳＴＭセル構造を、勾配消失に対処するために試験することができる。

【0162】

図１８は、本明細書に記載されるある特定の実施態様による、ＲＮＮ及びＬＳＴＭアーキテクチャを示すグラフを示している。図１０に示されるように、Ｆ１測定値又はスコアは、ノードの総数の関数として変化する。１０分割の交差検証後に最も性能の高かった構成は、例えば、３－９アーキテクチャの３層バニラＲＮＮ（５－３－３）及び／又は２層ＲＮＮ－ＬＳＴＭであった。次に、パレートフロントを使用して、Ｆ１スコアと、ＲＮＮ内のノード又はニューロンの数の両方の最適値を見つけることができる。グラフ１８０２に示されるように、最高の性能のＲＮＮは、５－３－３アーキテクチャを含むことができ、一方、グラフ１８０４では最高の性能のＬＳＴＭは、３－９アーキテクチャを含みうる。グラフ１８０６に示されるように、５－３－３アーキテクチャを有するＲＮＮ又はバニラＲＮＮは、０．８２のＦ１スコア、０．９１のＡＵＣＰＲ、及び０．９４のＡＵＣＲＯＣを有していた。一方、３－９アーキテクチャを有するＬＳＴＭは、グラフ１８０８に示されるように、０．８１９のＦ１スコア、０．９０７のＡＵＣＰＲ、及び０．９３８のＡＵＣＲＯＣを有していた。

【0163】

５－３－３、９－３－０、５－５－０、３－７－０、５－５－１０、７－３－０、８－４－０、３－９－０、７－５－２、２０－０－０、３０－０－０、２－６－３、５－９－０、４－２－４、５－５－５－５、３－３－３－３、３－３－３、７－９－４－８、５－４－６－３、４－８－４、９－３－６－９を含むがこれらに限定されない、他のバニラＲＮＮを試験した。上述のように、各層が約１から約２５０の間のノードを有する、１～５の層を有するＲＮＮを試験した。５－３－３のアーキテクチャを有するＲＮＮが選択されたが、他のある特定の実施態様では、他の任意のＲＮＮが選択されうる。

【0164】

加えて、３－９－０、５－５－０、３－３－３、７－３－０、２－４－４、２－６－３、４－８－４、３－３－５、７－１３－０、３－３－３－３、６－４－６、３－７－０、９－３－０、１０－１０－０、５－９－０、８－４－０、７－３－７－３、８－４－８、２０－２０－０、３－９－６－５、５－３－３－５－６を含むがこれらに限定されない、他のＬＳＴＭを試験した。上述のように、各層が約１から約２５０の間のノードを有する、１～５の層を有するＬＳＴＭを試験した。３－９－０のアーキテクチャを有するＬＳＴＭが選択されたが、他のある特定の実施態様では、他の任意のＬＳＴＭが選択されうる。

【0165】

図１９は、本明細書に記載されるある特定の実施態様による交差検証性能１９０２を示している。特に、５－３－３のアーキテクチャを有するＲＮＮを使用することができる。ＲＮＮは、１０分割、及び１８エポックを含みうる。ＲＮＮは、７９．２％の感度、９４％の特異度、８９．２％の精度、及び８２．６％のＦ１スコアをもたらしうる。

【0166】

ある特定の非限定的な実施態様では、温度スケーリングを使用することができる。ソフトマックス又はシグモイド関数を使用するＲＮＮ出力の性質に起因して、確率は０と１の間の境界に近い近傍を占めることから、再調整することができる。温度スケーリングは、例えば、Ｐｌａｔｔスケーリングの単一のパラメータ確率変数として使用することができる。温度スケーリングパラメータは、次の式を使用して負の対数尤度（例えば、交差エントロピー損失）を最小化することによって決定することができる：ｓｉｇｍｏｉｄ（ｌｏｇｉｔ（ｐ_ｉ）／Ｔ）、ここで、ｐ_ｉは各ｉペットの初期ニューラルネットワーク予測に等しい。幾つかの非限定的な実施態様では、選択された温度パラメータＴは、モデルの１０分割の交差検証を使用して、１．２９７に等しいことが判明した。

【0167】

ある特定の非限定的な実施態様では、データセットにおけるＣＫＤの有病率は、３３％であると決定された。現在の診断では「リスクがある」ペットの５０％を見逃す可能性があることを所与とすれば、決定閾値は５％の有病率に再最適化することができる（これは、ほとんどの犬種、代表的には高齢のイヌよりも少し高くなる可能性がありうる）。幾つかの非限定的な実施態様では、予測モデルは、５％のＣＫＤクラス割合のデータセットを使用することによって再トレーニングされない。むしろ、予測モデルの決定閾値は、５％の有病率に対して選択することができる。

【0168】

決定閾値の計算は、ＣＫＤクラスの較正された予測確率をアンダーサンプリングする１００回の反復によって実行することができ、例えば、１４００匹の病気のイヌ又はイヌ科動物の無作為抽出で５％が得られる。グリッド検索決定閾値中の平均性能測定基準は、０．０５のステップで０．０５から０．９５の範囲である。この選択された決定閾値は、閾値を評価するために選択された測定基準に依存しうる。例えば、測定基準は、Ｆ１スコア、ＡＵＣＰＲ、又は幾何平均でありうる。ある特定の非限定的な実施態様では、０．９の決定閾値が最大Ｆ１スコアに対応し、平均Ｆ１スコアは０．６８２５である。しかしながら、他の実施態様では、０．２、０．３、０．４、０．５、０．６、０．７、又は．０８の決定閾値を使用することができる。

【0169】

実施例３
ある特定の非限定的な実施態様では、予測モデルは、ＲＮＮを含みうる。ＲＮＮは、５－３－３アーキテクチャ、１０分割、及び１８エポックを含む。ＲＮＮは、１つ以上のバイオマーカー及び人口統計情報などの６つの選択された機能を評価する。例えば、６つの選択された機能は、ＢＵＮ、尿ｓｇ、訪問年齢、クレアチニン、尿タンパク質、及び／又は体重でありうる。実施例２と比較して、実施例３は、予測モデルにアミラーゼを使用しない。アミラーゼは、コレステロールが予測モデルに与える影響が小さいか存在しないことから、削除した。トップダウンラッパー及びボトムアップラッパーを使用して行われた機能選択は、実施例３の予測モデルからのアミラーゼの除去を裏付けていた。アミラーゼを除去することにより、実施例３の予測モデルは７つではなく６つの機能に依拠する。そうすることにより、予測モデルの性能は、Ｆ１スコアを０．２％低下させる可能性がある。しかしながら、全体として、実施例３の予測モデルは、７９．１％の感度、９３．８％の特異度、９４．２％のＡＵＣＲＯＣ、９１．６％のＡＵＣＰＲ、及び８２．４％のＦ１スコアを達成した。

【0170】

アミラーゼは、複雑な炭水化物をアルファ１，４－結合で加水分解してマルトース及びグルコースを形成するカルシウム依存性の酵素でありうる。アミラーゼは尿細管によって濾過され、尿細管上皮によって再吸収（不活性化）されうる。活性酵素は尿中には現れない。少量のアミラーゼは肝臓のクッパー細胞に取り込まれうる。例えば、健康なイヌでは、１４％のアミラーゼがグロブリンに結合することができる。この重合の理由から、イヌ科動物のアミラーゼは、可変の（高い）分子量を有する場合があり、通常は腎臓で濾過することができない。腎疾患を有するイヌでは、この重合した（マクロアミラーゼ）アミラーゼは、高濃度で見られ（総アミラーゼ活性の５～６２％）、ＣＫＤに見られる高アミラーゼ血症に寄与する可能性がある。

【0171】

幾つかの非限定的な実施態様では、８４．１％の感度、９４．２％の特異度、９５．６％のＡＵＣＲＯＣ、９３．８％のＡＵＣＰＲ、及び８５．８％のＦ１スコアを達成するために、実施例３の予測モデルの性能をブーストした。性能の向上は、予測モデルのトレーニングを変更することによって達成した。特に、サブサンプリング後、異なるシードを有する１つ以上のブートストラップ試料を形成でき、ＲＮＮ交差検証予測子を使用してトレーニングサブセットを選択することができる。最良のＦ１スコアをもたらすトレーニングサブセットを選択することができる。例えば、１０分割、及び８エポックでの５－３－３の構成又はアーキテクチャを有するＲＮＮを選択することができる。

【0172】

ある特定の非限定的な実施態様では、０．５の決定閾値を使用して、偽陽性率（例えば、特異度）に対して真陽性率（例えば、感度又は再現率）を最適化することができる。幾つかの非限定的な実施態様では、選択された温度パラメータＴは、準ニュートンブロイデン・フレッチャー・ゴールドファーブ・シャンノ（ＢＦＧＳ）最適化を使用して負の対数尤度を最小化することにより、１．２９６に等しいことがわかった。

【0173】

図２０は、本明細書に記載されるある特定の実施態様による決定閾値テーブル２００２を示している。例えば、表は、０．１のステップでの０．１から０．９の範囲の決定閾値を示している。図１３に示されるＧ平均は、感度及び特異度の幾何平均を示しうる。決定閾値は、Ｆ１スコア、適合率、精度、感度、特異度、及びＧ平均のうちの１つ以上に基づいて選択することができる。

【0174】

感度は、疾患の真陽性のパーセンテージとすることができる。高感度の検査は、陰性検査で疾患を除外するのに有用でありうるが、必ずしも疾患を決定するわけではない。一方、特異度は、疾患のない真の陰性のパーセンテージであり、（特異度が高い場合）陽性の検査を決定するのに有用でありうるが、疾患を除外するわけではない。高い感度及び特異度検査の設定では、感度は容易に理解できるが（検査で陽性でなければ、疾患は存在しない可能性がある）、特異度は、疾患を有することに焦点を合わせるのではなく、疾患を有していないことに焦点を合わせることから、混乱を招く。特異性の高い検査は偽陽性率が低く、感度の高い検査では偽陰性率が低くなる可能性がある。感度及び特異度は、完全な感度（１００％に近い）が特異度の損失につながる逆の関係を有する連続したつながりである可能性があり、その逆も同様である。受信者操作曲線（ＲＯＣ）は、感度と特異度との間の平衡を示すプロセスの統計的及び図示的な説明でありうる。分類及び／又は診断基準の感度及び特異性を説明する場合、同様の連続したつながりを見出すことができる。

【0175】

陽性適中率（ＰＰＶ）は、上記の点を説明することができる。ＰＰＶは、陽性検査の数に対する真の陽性の割合であり、診断検査の精度又は性能の尺度となりうる。陰性適中率（ＮＰＶ）はその逆であり、真陰性の数の陰性検査の数に対する比率である。ＰＰＶ及びＮＰＶはいずれも、ＣＫＤの有病率に大きく依存しうる。

【0176】

本明細書に開示される主題及びその利点を詳細に説明してきたが、添付の特許請求の範囲によって定義される本開示の精神及び範囲から逸脱することなく、本明細書にさまざまな変更、置換、及び修正を行うことができるものと理解されたい。さらには、本出願の範囲は、本明細書に記載されるプロセス、機械、製造、物質の組成、手段、方法、及びステップの特定の実施態様に制限されることは意図されていない。本開示の主題、プロセス、機械、製造、物質の組成、手段、方法、又はステップの開示から、当業者が容易に認識するように、本明細書に記載される対応する実施形態と実質的に同じ機能を実行するか又は実質的に同じ結果を達成する、既存のもの又は今後開発されるものは、本開示の主題に従って利用することができる。したがって、添付の特許請求の範囲は、そのようなプロセス、機械、製造、物質の組成、手段、方法、又はステップをその範囲内に含むことを意図している。

【0177】

特許、特許出願、刊行物、製品説明、及びプロトコルは、本出願の全体を通して引用されており、その開示は、あらゆる目的のために参照によりその全体が本明細書に組み込まれる。
以下、本発明の好ましい実施形態を項分け記載する。
実施形態１
イヌが慢性腎臓病（ＣＫＤ）を発症する感受性を特定するコンピュータシステムであって、該コンピュータシステムが、
プロセッサ；及び
前記プロセッサによって実行されると、前記コンピュータシステムに、
（ａ）（ｉ）前記イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質、血中尿素窒素（ＢＵＮ）のうちの少なくとも１つに関する情報を含む、１つ以上のバイオマーカー；又は
（ｉｉ）前記イヌの人口統計情報であって、前記イヌの年齢又は体重の少なくとも１つを含む、人口統計情報；
のうちの少なくとも１つを受信させ、
（ｂ）回帰型ニューラルネットワークを含む予測モデルを使用して前記１つ以上のバイオマーカー又は前記イヌの人口統計情報の少なくとも１つを処理させ、かつ
（ｃ）前記処理された１つ以上のバイオマーカー又は人口統計情報に基づいて、前記イヌがＣＫＤを発症する確率リスクスコアを決定させる、
コードを格納するメモリ
を含む、コンピュータシステム。
実施形態２
前記コンピュータシステムに、
前記イヌがＣＫＤを発症する確率リスクに基づいてカスタマイズされた推奨事項を決定させる、
実施形態１に記載のコンピュータシステム。
実施形態３
前記コンピュータシステムに、
前記イヌの獣医師、飼い主、又は介護者のユーザ機器に前記カスタマイズされた推奨事項を送信させる、
実施形態１又は２に記載のコンピュータシステム。
実施形態４
前記カスタマイズされた推奨事項が、
（ａ）１つ以上の治療的介入；
（ｂ）１つ以上の食事に関する推奨事項；
（ｃ）１つ以上の腎温存戦略；又は
（ｄ）疾患の進行についての１つ以上の検査
のうちの少なくとも１つを含む、実施形態２又は３に記載のコンピュータシステム。
実施形態５
（ｉ）前記１つ以上の腎温存戦略が、非ステロイド系抗炎症薬、アミノグリコシド、又はそれらの任意の組合せの回避を含む；及び／又は
（ｉｉ）前記疾患の進行についての１つ以上の検査が、血清副甲状腺ホルモンレベルの検査を含む、
実施形態４に記載のコンピュータシステム。
実施形態６
前記回帰型ニューラルネットワークが、５つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含む、３つの層を有する隠れ層アーキテクチャを含む、実施形態１から５のいずれか一項に記載のコンピュータシステム。
実施形態７
前記回帰型ニューラルネットワークが、１０分割の交差検証プロセスを経験し、８又は１８のエポックにわたってトレーニングされる、実施形態１から６のいずれか一項に記載のコンピュータシステム。
実施形態８
前記１つ以上のバイオマーカーが、アミラーゼに関する情報を含む、実施形態１から７のいずれか一項に記載のコンピュータシステム。
実施形態９
前記回帰型ニューラルネットワークが、複数の他のイヌの前記１つ以上のバイオマーカー及び前記人口統計情報を含むトレーニングデータセットを使用してトレーニングされる、実施形態１から８のいずれか一項に記載のコンピュータシステム。
実施形態１０
前記予測モデルが、長・短期記憶（ＬＳＴＭ）を有する前記回帰型ニューラルネットワークをさらに含む、実施形態１から９のいずれか一項に記載のコンピュータシステム。
実施形態１１
前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０から約１である、実施形態１から１０のいずれか一項に記載のコンピュータシステム。
実施形態１２
前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．５である、実施形態１から１０のいずれか一項に記載のコンピュータシステム。
実施形態１３
前記コンピュータシステムに、
前記イヌの１つ以上のバイオマーカー又は前記イヌの人口統計情報からの１つ以上の欠測値を代入させる、
実施形態１から１２のいずれか一項に記載のコンピュータシステム。
実施形態１４
前記代入が線形回帰である、実施形態１３に記載のコンピュータシステム。
実施形態１５
前記代入が前記イヌの年齢に基づいている、実施形態１３に記載のコンピュータシステム。
実施形態１６
前記代入が前記欠測値の数に基づいている、実施形態１３に記載のコンピュータシステム。
実施形態１７
イヌが慢性腎臓病（ＣＫＤ）を発症する感受性を特定する方法であって、
（ａ）（ｉ）前記イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質、血中尿素窒素（ＢＵＮ）のうちの少なくとも１つに関する情報を含む、１つ以上のバイオマーカー；又は
（ｉｉ）前記イヌの人口統計情報であって、前記イヌの年齢又は体重の少なくとも１つを含む、人口統計情報；
のうちの少なくとも１つを受信するステップ、
（ｂ）予測モデルを使用して前記１つ以上のバイオマーカー又は前記イヌの人口統計情報の少なくとも１つを処理するステップであって、前記予測モデルが回帰型ニューラルネットワークを含む、ステップ、及び
（ｃ）前記処理された１つ以上のバイオマーカー又は人口統計情報に基づいて、前記イヌがＣＫＤを発症する確率リスクスコアを決定するステップ
を含む、方法。
実施形態１８
前記イヌがＣＫＤを発症する確率リスクに基づいてカスタマイズされた推奨事項を決定するステップ
をさらに含む、実施形態１７に記載の方法。
実施形態１９
前記イヌの獣医師、飼い主、又は介護者のユーザ機器に前記カスタマイズされた推奨事項を送信するステップ
をさらに含む、実施形態１７又は１８に記載の方法。
実施形態２０
前記カスタマイズされた推奨事項が、
（ａ）１つ以上の治療的介入；
（ｂ）１つ以上の食事に関する推奨事項；
（ｃ）１つ以上の腎温存戦略；又は
（ｄ）疾患の進行についての１つ以上の検査
のうちの少なくとも１つを含む、実施形態１８又は１９に記載の方法。
実施形態２１
（ｉ）前記１つ以上の腎温存戦略が、非ステロイド系抗炎症薬、アミノグリコシド、又はそれらの任意の組合せの回避を含む；及び／又は
（ｉｉ）前記疾患の進行についての１つ以上の検査が、血清副甲状腺ホルモンレベルの検査を含む、
実施形態２０に記載の方法。
実施形態２２
前記回帰型ニューラルネットワークが、２１つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含む、３つの層を有する隠れ層アーキテクチャを含む、実施形態１７から２１のいずれか一項に記載の方法。
実施形態２３
前記回帰型ニューラルネットワークが、１０分割の交差検証プロセスを経験し、８又は１８のエポックにわたってトレーニングされる、実施形態１７から２２のいずれか一項に記載の方法。
実施形態２４
前記１つ以上のバイオマーカーが、アミラーゼに関する情報を含む、実施形態１７から２３のいずれか一項に記載の方法。
実施形態２５
前記回帰型ニューラルネットワークが、複数の他のイヌの前記１つ以上のバイオマーカー及び前記人口統計情報を含むトレーニングデータセットを使用してトレーニングされる、実施形態１７から２４のいずれか一項に記載の方法。
実施形態２６
前記予測モデルが、長・短期記憶（ＬＳＴＭ）を備えた前記回帰型ニューラルネットワークをさらに含む、実施形態１７から２５のいずれか一項に記載の方法。
実施形態２７
前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．０から約１．０である、実施形態１７から２６のいずれか一項に記載の方法。
実施形態２８
前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．５である、実施形態１７から２７のいずれか一項に記載の方法。
実施形態２９
前記イヌの１つ以上のバイオマーカー又は前記イヌの人口統計情報からの１つ以上の欠測値を代入するステップ
をさらに含む、実施形態１７から２８のいずれか一項に記載の方法。
実施形態３０
前記代入が線形回帰である、実施形態１７から２９のいずれか一項に記載の方法。
実施形態３１
前記代入が前記イヌの年齢に基づいている、実施形態１７から２９のいずれか一項に記載の方法。
実施形態３２
前記代入が前記欠測値の数に基づいている、実施形態１７から２９のいずれか一項に記載の方法。
実施形態３３
イヌが慢性腎臓病（ＣＫＤ）を発症する感受性を特定するコンピュータシステムであって、該コンピュータシステムが、
プロセッサ；及び
前記プロセッサによって実行されると、前記コンピュータシステムに、
（ａ）（ｉ）前記イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質、血中尿素窒素（ＢＵＮ）のうちの少なくとも１つに関する情報を含む、１つ以上のバイオマーカー；又は
（ｉｉ）前記イヌの人口統計情報であって、前記イヌの年齢又は体重の少なくとも１つを含む、人口統計情報
のうちの少なくとも１つを受信させ、
（ｂ）５つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含む３つの層を有する隠れ層アーキテクチャを含む回帰型ニューラルネットワークを含む、予測モデルを使用して、前記１つ以上のバイオマーカー又は前記イヌの人口統計情報の少なくとも１つを処理させ、かつ
（ｃ）前記処理された１つ以上のバイオマーカー又は人口統計情報に基づいて、前記イヌがＣＫＤを発症する確率リスクスコアを決定させる、
コードを格納するメモリ
を含む、コンピュータシステム。
実施形態３４
前記コンピュータシステムに、
前記イヌがＣＫＤを発症する確率リスクに基づいてカスタマイズされた推奨事項を決定させる、
実施形態３３に記載のコンピュータシステム。
実施形態３５
前記コンピュータシステムに、
前記イヌの獣医師、飼い主、又は介護者のユーザ機器に前記カスタマイズされた推奨事項を送信させる、
実施形態３３又は３４に記載のコンピュータシステム。
実施形態３６
前記カスタマイズされた推奨事項が、
（ａ）１つ以上の治療的介入；
（ｂ）１つ以上の食事に関する推奨事項；
（ｃ）１つ以上の腎温存戦略；又は
（ｄ）疾患の進行についての１つ以上の検査
のうちの少なくとも１つを含む、実施形態３４又は３５に記載のコンピュータシステム。
実施形態３７
（ｉ）前記１つ以上の腎温存戦略が、非ステロイド系抗炎症薬、アミノグリコシド、又はそれらの任意の組合せの回避を含む；及び／又は
（ｉｉ）前記疾患の進行についての１つ以上の検査が、血清副甲状腺ホルモンレベルの検査を含む、
実施形態３６に記載のコンピュータシステム。
実施形態３８
前記１つ以上のバイオマーカーが、アミラーゼに関する情報を含む、実施形態３３から３７のいずれか一項に記載のコンピュータシステム。
実施形態３９
前記回帰型ニューラルネットワークが、複数の他のイヌの前記１つ以上のバイオマーカー及び前記人口統計情報を含むトレーニングデータセットを使用してトレーニングされる、実施形態３３から３８のいずれか一項に記載のコンピュータシステム。
実施形態４０
前記予測モデルが、長・短期記憶（ＬＳＴＭ）を有する前記回帰型ニューラルネットワークをさらに含む、実施形態３３から３９のいずれか一項に記載のコンピュータシステム。
実施形態４１
前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．０から約１．０である、実施形態３３から４０のいずれか一項に記載のコンピュータシステム。
実施形態４２
前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．５である、実施形態３３から４１のいずれか一項に記載のコンピュータシステム。
実施形態４３
前記回帰型ニューラルネットワークが、１０分割の交差検証プロセスを経験し、８又は１８のエポックにわたってトレーニングされる、実施形態３３から４２のいずれか一項に記載のコンピュータシステム。
実施形態４４
前記コンピュータシステムに、
前記イヌの１つ以上のバイオマーカー又は前記イヌの人口統計情報からの１つ以上の欠測値を代入させる、
実施形態３３から４３のいずれか一項に記載のコンピュータシステム。
実施形態４５
前記代入が線形回帰である、実施形態４４に記載のコンピュータシステム。
実施形態４６
前記代入が前記イヌの年齢に基づいている、実施形態４４に記載のコンピュータシステム。
実施形態４７
前記代入が前記欠測値の数に基づいている、実施形態４４に記載のコンピュータシステム。
実施形態４８
イヌが慢性腎臓病（ＣＫＤ）を発症する感受性を特定する方法であって、
（ａ）（ｉ）前記イヌの１つ以上のバイオマーカーであって、尿比重、クレアチニン、尿タンパク質、血中尿素窒素（ＢＵＮ）のうちの少なくとも１つに関する情報を含む、１つ以上のバイオマーカー；又は
（ｉｉ）前記イヌの人口統計情報であって、前記イヌの年齢又は体重の少なくとも１つを含む、人口統計情報；
のうちの少なくとも１つを受信するステップ、
（ｂ）予測モデルを使用して前記１つ以上のバイオマーカー又は前記イヌの人口統計情報の少なくとも１つを処理するステップであって、前記予測モデルが、回帰型ニューラルネットワークを含み、該回帰型ニューラルネットワークが、５つのノードを有する第１の層、３つのノードを有する第２の層、及び３つのノードを有する第３の層を含む３つの層を有する隠れ層アーキテクチャを含む、ステップ；及び
（ｃ）前記処理された１つ以上のバイオマーカー又は人口統計情報に基づいて、前記イヌがＣＫＤを発症する確率リスクスコアを決定するステップ
を含む、方法。
実施形態４９
前記イヌがＣＫＤを発症する確率リスクに基づいてカスタマイズされた推奨事項を決定するステップ
をさらに含む、実施形態４８に記載の方法。
実施形態５０
前記イヌの獣医師、飼い主、又は犬の介護者のユーザ機器に前記カスタマイズされた推奨事項を送信するステップ
をさらに含む、実施形態４８又は４９に記載の方法。
実施形態５１
前記カスタマイズされた推奨事項が、
（ａ）１つ以上の治療的介入；
（ｂ）１つ以上の食事に関する推奨事項；
（ｃ）１つ以上の腎温存戦略；又は
（ｄ）疾患の進行についての１つ以上の検査
のうちの少なくとも１つを含む、実施形態４９又は５０に記載の方法。
実施形態５２
（ｉ）前記腎温存戦略が、非ステロイド系抗炎症薬、アミノグリコシド、又はそれらの任意の組合せの回避を含む；及び／又は
（ｉｉ）前記疾患の進行についての検査が、血清副甲状腺ホルモンレベルの検査を含む、
実施形態５１に記載の方法。
実施形態５３
前記１つ以上のバイオマーカーが、アミラーゼに関する情報を含む、実施形態４８から５２のいずれか一項に記載の方法。
実施形態５４
前記回帰型ニューラルネットワークが、複数の他のイヌの前記１つ以上のバイオマーカー及び前記人口統計情報を含むトレーニングデータセットを使用してトレーニングされる、実施形態４８から５３のいずれか一項に記載の方法。
実施形態５５
前記予測モデルが、長・短期記憶（ＬＳＴＭ）を備えた前記回帰型ニューラルネットワークをさらに含む、実施形態４８から５４のいずれか一項に記載の方法。
実施形態５６
前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．０から約１．０である、実施形態４８から５５のいずれか一項に記載の方法。
実施形態５７
前記回帰型ニューラルネットワークを使用した前記ＣＫＤの発症の決定閾値が約０．５である、実施形態４８から５６のいずれか一項に記載の方法。
実施形態５８
前記回帰型ニューラルネットワークが、１０分割の交差検証プロセスを経験し、８又は１８のエポックにわたってトレーニングされる、実施形態４８から５７のいずれか一項に記載の方法。
実施形態５９
前記イヌの１つ以上のバイオマーカー又は前記イヌの人口統計情報からの１つ以上の欠測値を代入するステップ
をさらに含む、実施形態４８から５８のいずれか一項に記載の方法。
実施形態６０
前記代入が線形回帰である、実施形態５９に記載の方法。
実施形態６１
前記代入が前記イヌの年齢に基づいている、実施形態５９に記載の方法。
実施形態６２
前記代入が前記欠測値の数に基づいている、実施形態５９に記載の方法。

【図1A】

【図1B】

【図1C】

【図1D】

【図1E】

【図1F】

【図1G】

【図1H】

【図2A】

【図2B】

【図2C】

【図2D】

【図2E】

【図2F】

【図2G】

【図2H】

【図2I】

【図2J】

【図2K】

【図2L】

【図3A】

【図3B】

【図3C】

【図3D】

【図3E】

【図3F】

【図3G】

【図3H】

【図3I】

【図3J】

【図3K】

【図3L】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10A】

【図10B】

【図10C】

【図10D】

【図10E】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】