▶ バクスター・インターナショナル・インコーポレイテッドの特許一覧 ▶ バクスター・ヘルスケヤー・ソシエテ・アノニムの特許一覧
特表2023-542928慢性腎疾患（ＣＫＤ）機械学習予測システム、方法、および装置
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2023-10-12
(54)【発明の名称】慢性腎疾患（ＣＫＤ）機械学習予測システム、方法、および装置
(51)【国際特許分類】
G16H 50/00 20180101AFI20231004BHJP
【ＦＩ】
G16H50/00
【審査請求】未請求
【予備審査請求】有
(21)【出願番号】P 2023518162
(86)(22)【出願日】2021-09-22
(85)【翻訳文提出日】2023-05-08
(86)【国際出願番号】 US2021051443
(87)【国際公開番号】W WO2022066698
(87)【国際公開日】2022-03-31
(31)【優先権主張番号】63/082,017
(32)【優先日】2020-09-23
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】591013229
【氏名又は名称】バクスター・インターナショナル・インコーポレイテッド
【氏名又は名称原語表記】ＢＡＸＴＥＲ ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＩＮＣＯＲＰ０ＲＡＴＥＤ
(71)【出願人】
【識別番号】501453189
【氏名又は名称】バクスター・ヘルスケヤー・ソシエテ・アノニム
【氏名又は名称原語表記】Ｂａｘｔｅｒ Ｈｅａｌｔｈｃａｒｅ Ｓ．Ａ．
【住所又は居所原語表記】Ｔｈｕｒｇａｕｅｒｓｔｒ．１３０ ＣＨ－８１５２ Ｇｌａｔｔｐａｒｋ （Ｏｐｆｉｋｏｎ） Ｓｗｉｔｚｅｒｌａｎｄ
(74)【代理人】
【識別番号】100078282
【弁理士】
【氏名又は名称】山本 秀策
(74)【代理人】
【識別番号】100113413
【弁理士】
【氏名又は名称】森下 夏樹
(74)【代理人】
【識別番号】100181674
【弁理士】
【氏名又は名称】飯田 貴敏
(74)【代理人】
【識別番号】100181641
【弁理士】
【氏名又は名称】石川 大輔
(74)【代理人】
【識別番号】230113332
【弁護士】
【氏名又は名称】山本 健策
(72)【発明者】
【氏名】ノシェイ， エリック デイビッド
(72)【発明者】
【氏名】ダニエレ， アンナリーザ
(72)【発明者】
【氏名】フローレス， アンジェラ ソフィア リベラ
(72)【発明者】
【氏名】チェン， ユークン
(72)【発明者】
【氏名】シーバー， マイケル
【テーマコード（参考）】
5L099
【Ｆターム（参考）】
5L099AA04
(57)【要約】
慢性腎疾患（「ＣＫＤ」）機械学習予測システムが、開示される。例示的システムは、患者がＣＫＤの次の病期に進行し得るかどうか、および／または患者が緊急に透析を開始する必要があり得るかどうかについての予想を提供するように構成される。本明細書に開示される機械学習アルゴリズムは、腎機能に悪影響を及ぼす、臨床的、薬理学的、およびさらなる臨床学的因子を考慮するようにプログラムされる、動的多因子予測アルゴリズムを含む。機械学習システムによって提供される予測は、疾患が悪化する前に、臨床医にＣＫＤ治療を改善するための情報を伝える。いくつかの事例では、予測は、治療計画、透析治療、および／または腎代替療法（「ＲＲＴ」）を選択するために使用されてもよい。
【特許請求の範囲】
【請求項1】
患者の慢性腎疾患（「ＣＫＤ」）進行度を推定するためのシステムであって、前記システムは、分析を受けている患者に関する患者特性データを記憶するメモリデバイスであって、前記患者特性データは、人口統計／生理学的データ、ＣＫＤ初期病期、ＣＫＤの診断された原因、および既往歴を含む、メモリデバイスと、
ＣＫＤの次の病期への進行度と、ＣＫＤの前記次の病期の前記進行度の時間フレームとを予測するように構成されるアンサンブル機械学習アルゴリズムであって、前記アンサンブル機械学習アルゴリズムは、離散時間フレームにわたって、ある中等度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含有する、アンサンブル機械学習アルゴリズムと、
前記メモリデバイスに通信可能に結合される分析プロセッサであって、前記分析プロセッサは、前記アンサンブル機械学習アルゴリズムと連動し、
前記アンサンブル機械学習アルゴリズムにおいて提供される患者特性データの分類と、分析下の前記患者の前記患者特性データとを比較することによって、前記患者の前記ＣＫＤ初期病期に最も近い合致予測十分位数に、前記分析を受けている患者を分類することと、
前記分析を受けている患者が、前記最も近い合致予測十分位数に基づいて、前記離散時間フレーム毎に、次の中等度または重度ＣＫＤ病期に進行するであろう確率を決定することと、
ユーザインターフェースを介して、前記分析を受けている患者が、前記離散時間フレームにわたって、前記次の中等度または重度ＣＫＤ病期に進むであろうパーセンテージ尤度を表示することと
を行うように構成される、分析プロセッサと
を備える、システム。
【請求項2】
前記人口統計／生理学的データは、性別、人種、年齢、肥満度指数、血圧、クレアチニンレベル、糸球体濾過率（「ＧＦＲ」）、ヘモグロビンレベル、またはアルブミンレベルのうちの少なくとも１つを含む、請求項１に記載のシステム。
【請求項3】
前記ＣＫＤの診断された原因は、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎のうちの少なくとも１つを含む、請求項１または２に記載のシステム。
【請求項4】
前記既往歴は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患のうちの少なくとも１つを含む、請求項１または２に記載のシステム。
【請求項5】
ある中等度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージは、患者特性データ、既知のＣＫＤ進行度データ、および治験中止結果を含む患者母集団データを使用して決定される、請求項１または４に記載のシステム。
【請求項6】
前記治験中止結果は、透析療法、腎代替療法（「ＲＲＴ」）、死亡、腎臓移植、または緩和ケアのうちの少なくとも１つを含む、請求項５に記載のシステム。
【請求項7】
前記既知のＣＫＤ進行度データは、異なる中等度または重度ＣＫＤ病期と関連付けられる推定された糸球体濾過率（「ＧＦＲ」）の変化、またはこれまで既知のＧＦＲからの前記推定されたＧＦＲの少なくとも２５％の変化に基づいて、病期進行度を識別する、請求項５に記載のシステム。
【請求項8】
前記患者の前記ＣＫＤ初期病期は、前記患者の推定されたＧＦＲまたは前記患者がタンパク尿を被っている時間の長さのうちの少なくとも１つに基づく、請求項１または７に記載のシステム。
【請求項9】
前記離散時間フレームは、３０日、６０日、９０日、１２０日、１８０日、および３６０日のうちの少なくとも１つを含む、請求項１または７に記載のシステム。
【請求項10】
前記中等度または重度ＣＫＤ病期は、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａと、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂと、１５～２９ｍＬ／分のＧＦＲを伴う病期４と、１５ｍＬ／分未満のＧＦＲを伴う病期５とを含む、請求項１または７に記載のシステム。
【請求項11】
前記アンサンブル機械学習アルゴリズムは、離散時間フレームにわたって、ある軽度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含み、前記ＣＫＤ初期病期は、９０ｍＬ／分を上回るＧＦＲを伴う病期１、６０～８９ｍＬ／分のＧＦＲを伴う病期２、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａ、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂ、または１５～２９ｍＬ／分のＧＦＲを伴う病期４のうちの少なくとも１つを含む、
請求項１に記載のシステム。
【請求項12】
前記ユーザインターフェースは、臨床医コンピュータ上に表示される、請求項１に記載のシステム。
【請求項13】
慢性腎疾患（「ＣＫＤ」）を患う患者が、緊急に透析を開始する必要があるであろう尤度を推定するためのシステムであって、前記システムは、分析を受けている患者に関する患者特性データを記憶するメモリデバイスであって、前記患者特性データは、人口統計／生理学的データ、ＣＫＤ初期病期、ＣＫＤの診断された原因、および既往歴を含む、メモリデバイスと、
前記分析を受けている患者が透析の緊急開始の必要があるであろう尤度を予測するように構成される機械学習アルゴリズムであって、前記機械学習アルゴリズムは、離散時間フレームにわたって、透析の緊急開始が必要とされる既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含有する、機械学習アルゴリズムと、
前記メモリデバイスに通信可能に結合される分析プロセッサであって、前記分析プロセッサは、前記アンサンブル機械学習アルゴリズムと連動し、
前記機械学習アルゴリズムにおいて提供される患者特性データの分類と、分析下の前記患者の前記患者特性データとを比較することによって、前記患者の前記ＣＫＤ初期病期に最も近い合致予測群に、前記分析を受けている患者を分類することと、
前記分析を受けている患者が、最も近い合致予測十分位数に基づいて、前記離散時間フレームにわたって、透析の緊急開始の必要があるであろう確率を決定することと、
ユーザインターフェースを介して、前記分析を受けている患者が、前記離散時間フレームにわたって、前記透析の緊急開始の必要があるであろうパーセンテージ尤度を表示することと
を行うように構成される、分析プロセッサと
を備える、システム。
【請求項14】
前記人口統計／生理学的データは、性別、人種、年齢、肥満度指数、血圧、クレアチニンレベル、糸球体濾過率（「ＧＦＲ」）、ヘモグロビンレベル、またはアルブミンレベルのうちの少なくとも１つを含む、請求項１３に記載のシステム。
【請求項15】
前記ＣＫＤの診断された原因は、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎のうちの少なくとも１つを含む、請求項１４に記載のシステム。
【請求項16】
前記既往歴は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患のうちの少なくとも１つを含む、請求項１４または１５に記載のシステム。
【請求項17】
あるＣＫＤ病期から次のＣＫＤ病期に進行した前記既知の患者のパーセンテージは、患者特性データ、既知のＣＫＤ進行度データ、および治験中止結果を含む患者母集団データを使用して決定された、請求項１４または１５に記載のシステム。
【請求項18】
前記ＣＫＤ病期は、９０ｍＬ／分を上回るＧＦＲを伴う病期１と、６０～８９ｍＬ／分のＧＦＲを伴う病期２と、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａと、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂと、１５～２９ｍＬ／分のＧＦＲを伴う病期４と、１５ｍＬ／分未満のＧＦＲを伴う病期５とを含む、請求項１４または１５に記載のシステム。
【請求項19】
前記分析プロセッサは、透析治療を開始するためのインジケーションを受信することと、
前記患者のために透析治療を準備させることと
を行うように構成される、請求項１４に記載のシステム。
【請求項20】
前記患者に前記透析治療を実施するように構成される透析機械をさらに備える、請求項１９に記載のシステム。
【発明の詳細な説明】
【背景技術】
【0001】
慢性腎疾患（「ＣＫＤ」）は、世界中の何百万人もの個人によって毎年被られる、重篤かつ多くの場合衰弱する、医学的状態である。腎疾患を患う個人は、個人の血液から毒素を除去するために、全くまたは少なくとも十分なレベルにおいて、血液を濾過することができない、損傷した腎臓を有する。腎疾患または腎不全を被っている個人が、水分およびミネラルの平衡を保つ、または毎日の代謝負荷を排泄することは、もはやできない。窒素代謝の毒性最終産物（尿素、クレアチニン、尿酸、カルシウム、リン、ナトリウム、カリウム、およびその他）は、個人の血液および組織内に蓄積し得る。腎疾患または腎不全を患う一部の患者はまた、高／低血圧および赤血球数低下も被り得る。しばしば、腎疾患は、完全な腎不全（すなわち、末期腎疾患（「ＥＳＲＤ」）または死亡に至るまで経時的に悪化する、慢性状態である。
【0002】
世界の全住民が、その全体的生活水準を改善するにつれて、より多くの個人が、ＣＫＤにつながる、食品および飲料を消費することが可能となっており、そのような生活様式で生活している。いくつかの研究は、世界の人口の１０％程度の人口が、ある形態のＣＫＤを有することを推定している。概して、ＣＫＤの世界的負担は、腎代替療法（「ＲＲＴ」）を要求する、ＥＳＲＤを患う個人の数を増加させることだけではなく、ＣＫＤの発症と関連付けられる状態の有病率も増加させることによって、引き起こされる。現在、ＲＲＴを受ける個人が、ＣＫＤを治療するために、医療財源の大部分を消費している。したがって、あまり重篤ではないＣＫＤを患う個人が、多くの場合、治療されない、またはごくわずかだけ治療され、これは、最終的には、最終的にＲＲＴを必要とする状態に至るまで、ＣＫＤを悪化させることにつながる。ＣＫＤを患いやすい個人の素因条件を制御するための医療提供者、またはＣＫＤの早期発症を被っている個人によって、ＥＳＲＤへの進行を遅延させる、および／または回避するための努力が、成されている。
【0003】
現在、個人は、血液が個人の糸球体（腎臓内の極小濾過機能）を通して毎分通過する量に関して示す、その推定された糸球体濾過率（「ＧＦＲ」）を監視することによって、ＣＫＤに関して査定される。ＧＦＲは、典型的には、個人の年齢、身体のサイズ、および性別を考慮した、血液クレアチニン検査によって計算される。概して、９０ｍＬ／分未満であるＧＦＲを有する患者が、ＣＫＤを患っていると見なされる。タンパク尿またはアルブミン尿、すなわち、正常量を上回る尿中のタンパク質（例えば、アルブミン）の存在によって特徴付けられる状態もまた、その状態が３ヶ月にわたって持続する場合、ＣＫＤの発症を示し得る。
【0004】
患者が、ＣＫＤを患っていると査定された後、医療提供者は、患者の潜在的ＣＫＤ進行度タイムラインを推定し、可能性として考えられる治療を決定する。ＣＫＤの早期検出は、合併症が悪化することを通して任意のＣＫＤ憎悪が現れる前に、好適な予防的治療が処方されることを可能にするため、重大である。例えば、推定された緩徐な進行を伴う患者は、投薬療法に加え、生活様式および食事の変更を用いて治療され得る。しかしながら、推定された急速な進行を伴う患者は、ＲＲＴを開始する等のより集約的である臨床治療を受ける必要があり得る。
【0005】
現在、医療提供者は、周期的血液クレアチニン検査および尿分析を通して、個人の進行率を査定する。これは、数週間または数ヶ月毎に個人に血液検査を実施することを伴い、これは、医療提供者および個人に負担となる。いくつかの事例では、医療提供者または個人は、周期的血液検査を行い、ＣＫＤ進行度を査定するための能力を有していない。これらの公知の問題点の結果として、一部の個人は、最初に推定されたものより急速に進行し得、任意の予防的治療は、個人が再び査定されるときには、手遅れである、または非効果的なものとなり得る。
【0006】
故に、個人のＣＫＤ進行度の正確な予測および／または個人が緊急に透析を始める必要があるであろう可能性を提供する、ＣＫＤ臨床医診断ツールの必要性が存在する。
【発明の概要】
【課題を解決するための手段】
【0007】
慢性腎疾患（「ＣＫＤ」）機械学習予測システム、方法、および装置が、開示される。例示的機械学習予測システム、方法、および装置は、患者のＣＫＤ進行度および／または患者が将来的に透析またはＲＲＴを開始する必要があるであろう緊急性を予測するように構成される。いくつかの実施形態では、別個の機械学習モデルが、ＣＫＤ進行度を予想し、緊急透析開始の患者の必要性を推定するために使用される。
【0008】
開示される機械学習予測システム、方法、および装置は、より多くの情報を提供し、臨床医がより多くの情報を持って患者ケア決定を行うことを可能にする。患者のＧＦＲおよび／または尿アルブミン／クレアチニン率／レベルを把握することは、患者の現在のＣＫＤ病期を決定する際に有用であるが、データは、しばしば、ＣＫＤ病期を通した進行の速さを示さない、または患者が緊急に透析を始める必要があるであろうことを示さない。代わりに、他の因子または特性が、ＣＫＤの進行の速さおよび／または透析を始める緊急の必要性について、より多く示し得る。本明細書に開示されるアルゴリズムは、分類された患者因子／特性が、患者ＣＫＤ進行度予測および透析を必要とする緊急性の尤度を決定するためにモデル化および使用されるように、機械学習を使用する。分類された因子／特性は、患者の医療記録から容易に利用可能である。因子／特性は、性別、人種、年齢、肥満度指数（「ＢＭＩ」）血圧、クレアチニンレベル、ＧＦＲ、ヘモグロビンレベル、および／またはアルブミンレベルを含んでもよい。因子／特性はまた、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎を含む、ＣＫＤの診断された原因を含んでもよい。因子／特性はさらに、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患等の既往歴を含んでもよい。
【0009】
いくつかの事例では、開示される機械学習予測システム、方法、および装置は、利用可能な患者因子／特性から、導出される因子／特性を計算するように構成される。導出される因子／特性は、アルブミン／クレアチニン比等の因子の比率を含んでもよい。導出される因子／特性はまた、そのＧＦＲおよび／またはアルブミンレベルに基づいて、患者の現在または過去のＣＫＤ病期の決定を含んでもよい。
【0010】
ともに、因子／特性および導出される因子／特性は、既知のＣＫＤ転帰を伴う患者の母集団に関する、ＣＫＤ病期進行度に関連する正／負の転帰、ＣＫＤ病期の進行の速さ、および透析を開始する緊急の必要性と関連付けられる。関連付けは、類似因子／特性を伴う患者が類似転帰を有するであろう、確率または尤度を決定するために使用される。
【0011】
本明細書に開示されるように、機械学習予測システム、方法、および装置は、予測アルゴリズム／モデルにおいて表される既知の患者の分類された因子／特性と、分析下の患者の特性を比較する。分析下の患者の特性に概ね匹敵する、分類された因子／特性の確率は、予測されるＣＫＤ転帰として報告される。臨床医は、ＣＫＤ進行を遅らせ、および／または緊急透析の必要性を決定するように、治療計画目的のために報告されるＣＫＤ転帰を使用してもよい。
【0012】
いくつかの実施形態では、開示される機械学習予測システム、方法、および装置は、ＣＫＤ進行度予想アルゴリズムまたはモデルを備える。本明細書に開示されるように、ＣＫＤ進行度予想アルゴリズムまたはモデルは、患者が指定される時間フレーム内でＣＫＤの次の病期に進行し得る尤度または確率を提供するように構成される。いくつかの実施形態では、ＣＫＤ進行度アルゴリズムまたはモデルは、患者が新しいＣＫＤ病期に遷移するであろう可能性と、患者を新しいＣＫＤ病期に遷移させ得る時間の長さとを決定するように構成される、アンサンブル機械学習アルゴリズムを含む。モデルまたはアルゴリズムは、既知の患者ＣＫＤ進行度データを使用して訓練されたモデル化された分類子と、患者の生理学的データ、人口統計データ、医療既往歴、および他の識別された特性／因子を比較するように構成される。比較に基づいて、モデルは、最も近い合致予測十分位数を決定し、その十分位数に関するパーセンテージおよび時間フレームを出力する。いくつかの代替実施形態では、ＣＫＤ進行度モデルは、ＣＫＤ病期進行度尤度および時間フレームを推定するための１つまたはそれを上回る十分位数に対する患者の比較の平均または加重平均を求め得る。
【0013】
加えて、または代替として、開示される機械学習予測システム、方法、および装置は、ＣＫＤ緊急透析開始予想アルゴリズムまたはモデルを備える。本明細書に開示されるように、ＣＫＤ進行度緊急透析開始予想アルゴリズムまたはモデルは、患者が指定される時間フレーム内に透析を必要とし得る尤度または確率を提供するように構成される。モデルまたはアルゴリズムは、既知の患者ＣＫＤ緊急透析開始データを使用して訓練されたモデル化された分類子と、患者の生理学的データ、人口統計データ、医療既往歴、および他の識別された特性／因子を比較するように構成される。比較に基づいて、モデルまたはアルゴリズムは、最も近い合致予測十分位数を決定し、その十分位数に関するパーセンテージおよび時間フレームを出力する。いくつかの代替実施形態では、ＣＫＤ緊急透析開始モデルは、患者がある離散時間フレーム内で透析を始める必要があるであろう尤度を推定するための１つまたはそれを上回る十分位数に対する患者の比較の平均または加重平均を求め得る。
【0014】
本開示の開示される機械学習予測システム、方法、および装置は、例えば、血漿交換、血液透析（「ＨＤ」）、血液濾過（「ＨＦ」）、血液透析濾過（「ＨＤＦ」）、および持続的腎代替療法（「ＣＲＲＴ」）治療のための流体送達に適用可能である。本明細書に説明される開示される機械学習予測システム、方法、および装置はまた、腹膜透析（「ＰＤ」）、静脈内薬物送達、および栄養流体送達にも適用可能である。これらのモダリティは、本明細書では、集合的に、または概して、個別に、医療流体送達または治療と称され得る。
【0015】
下記に詳細に説明されるように、本開示のＣＫＤ機械学習予測システム、方法、および装置は、多くの異なるタイプのデバイスを備える、多くの機械、患者、臨床医、医師、保守人員、電子医療記録（「ＥＭＲ」）データベース、ウェブサイト、リソース計画システム、およびビジネスインテリジェンスを含み得る、包含的医療プラットフォーム内で動作してもよい。本開示のＣＫＤ機械学習予測システム、方法、および装置は、システム全体内で、そのルールおよびプロトコルに違反することなくシームレスに動作するように構成される。
【0016】
本明細書の開示に照らして、かついかようにも本開示を限定することなく、別様に規定されない限り、本明細書に列挙される任意の他の側面と組み合わせられ得る、本開示の第１の側面では、患者の慢性腎疾患（「ＣＫＤ」）進行度を推定するためのシステムは、分析を受けている患者に関する患者特性データを記憶する、メモリデバイスであって、患者特性データは、人口統計／生理学的データ、ＣＫＤ初期病期、ＣＫＤの診断された原因、および既往歴を含む、メモリデバイスを含む。本システムはまた、ＣＫＤの次の病期への進行度と、ＣＫＤの次の病期の進行度の時間フレームとを予測するように構成される、アンサンブル機械学習アルゴリズムであって、離散時間フレームにわたって、ある中等度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージをそれぞれ含む、予測十分位数分類子を含有する、アンサンブル機械学習アルゴリズムを含む。本システムはさらに、メモリデバイスに通信可能に結合される、分析プロセッサを含む。アンサンブル機械学習アルゴリズムと連動する、分析プロセッサは、アンサンブル機械学習アルゴリズムにおいて提供される、患者特性データの分類と、分析下の患者の患者特性データを比較することによって、患者のＣＫＤ初期病期に最も近い合致予測十分位数に、分析を受けている患者を分類し、分析を受けている患者が、最も近い合致予測十分位数に基づいて、離散時間フレーム毎に、次の中等度または重度ＣＫＤ病期に進行するであろう、確率を決定し、ユーザインターフェースを介して、分析を受けている患者が、離散時間フレームにわたって、次の中等度または重度ＣＫＤ病期に進むであろう、パーセンテージ尤度を表示するように構成される。
【0017】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第２の側面によると、人口統計／生理学的データは、性別、人種、年齢、肥満度指数、血圧、クレアチニンレベル、糸球体濾過率（「ＧＦＲ」）、ヘモグロビンレベル、またはアルブミンレベルのうちの少なくとも１つを含む。
【0018】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第３の側面によると、ＣＫＤの診断された原因は、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎のうちの少なくとも１つを含む。
【0019】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第４の側面によると、既往歴は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患のうちの少なくとも１つを含む。
【0020】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第５の側面によると、ある中等度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した、既知の患者のパーセンテージは、患者特性データ、既知のＣＫＤ進行度データ、および治験中止結果を含む、患者母集団データを使用して決定される。
【0021】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第６の側面によると、治験中止結果は、透析療法、腎代替療法（「ＲＲＴ」）、死亡、腎臓移植、または緩和ケアのうちの少なくとも１つを含む。
【0022】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第７の側面によると、既知のＣＫＤ進行度データは、異なる中等度または重度ＣＫＤ病期と関連付けられる、推定された糸球体濾過率（「ＧＦＲ」）の変化、またはこれまで既知のＧＦＲから推定されたＧＦＲの少なくとも２５％の変化に基づいて、病期進行度を識別する。
【0023】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第８の側面によると、患者のＣＫＤ初期病期は、患者の推定されたＧＦＲまたは患者がタンパク尿を被っている時間の長さのうちの少なくとも１つに基づく。
【0024】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第９の側面によると、離散時間フレームは、３０日、６０日、９０日、１２０日、１８０日、および３６０日のうちの少なくとも１つを含む。
【0025】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第１０の側面によると、中等度または重度ＣＫＤ病期は、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａと、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂと、１５～２９ｍＬ／分のＧＦＲを伴う病期４と、１５ｍＬ／分未満のＧＦＲを伴う病期５とを含む。
【0026】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第１１の側面によると、アンサンブル機械学習アルゴリズムは、離散時間フレームにわたって、ある軽度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージをそれぞれ含む、予測十分位数分類子を含み、ＣＫＤ初期病期は、９０ｍＬ／分を上回るＧＦＲを伴う病期１、６０～８９ｍＬ／分のＧＦＲを伴う病期２、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａ、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂ、または１５～２９ｍＬ／分のＧＦＲを伴う病期４のうちの少なくとも１つを含む。
【0027】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第１２の側面によると、ユーザインターフェースは、臨床医コンピュータ上に表示される。
【0028】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第１３の側面によると、慢性腎疾患（「ＣＫＤ」）を患う患者が、緊急に透析を開始する必要があるであろう尤度を推定するためのシステムは、分析を受けている患者に関する患者特性データを記憶する、メモリデバイスであって、患者特性データは、人口統計／生理学的データ、ＣＫＤ初期病期、ＣＫＤの診断された原因、および既往歴を含む、メモリデバイスを含む。本システムはまた、分析を受けている患者が、透析の緊急開始の必要があるであろう尤度を予測するように構成される、機械学習アルゴリズムであって、離散時間フレームにわたって、透析の緊急開始が必要とされる既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含有する、機械学習アルゴリズムを含む。本システムはさらに、メモリデバイスに通信可能に結合される、分析プロセッサを含む。アンサンブル機械学習アルゴリズムと連動する、分析プロセッサは、機械学習アルゴリズムにおいて提供される、患者特性データの分類と、分析下の患者の患者特性データを比較することによって、患者のＣＫＤ初期病期に最も近い合致予測群に、分析を受けている患者を分類し、分析を受けている患者が、最も近い合致予測十分位数に基づいて、離散時間フレームにわたって、透析の緊急開始の必要があるであろう、確率を決定し、ユーザインターフェースを介して、分析を受けている患者が、離散時間フレームにわたって、透析の緊急開始の必要があるであろう、パーセンテージ尤度を表示するように構成される。
【0029】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第１４の側面によると、人口統計／生理学的データは、性別、人種、年齢、肥満度指数、血圧、クレアチニンレベル、糸球体濾過率（「ＧＦＲ」）、ヘモグロビンレベル、またはアルブミンレベルのうちの少なくとも１つを含む。
【0030】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第１５の側面によると、ＣＫＤの診断された原因は、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎のうちの少なくとも１つを含む。
【0031】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第１６の側面によると、既往歴は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患のうちの少なくとも１つを含む。
【0032】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第１７の側面によると、あるＣＫＤ病期から次のＣＫＤ病期に進行した、既知の患者のパーセンテージは、患者特性データ、既知のＣＫＤ進行度データ、および治験中止結果を含む、患者母集団データを使用して決定された。
【0033】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第１８の側面によると、ＣＫＤ病期は、９０ｍＬ／分を上回るＧＦＲを伴う病期１と、６０～８９ｍＬ／分のＧＦＲを伴う病期２と、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａと、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂと、１５～２９ｍＬ／分のＧＦＲを伴う病期４と、１５ｍＬ／分未満のＧＦＲを伴う病期５とを含む。
【0034】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第１９の側面によると、分析プロセッサは、透析治療を開始するためのインジケーションを受信し、患者のための透析治療を準備させるように構成される。
【0035】
別様に記載されない限り、本明細書に列挙される任意の他の側面と組み合わせて使用され得る、本開示の第２０の側面によると、本システムはさらに、患者に透析治療を実施するように構成される、透析機械を含む。
【0036】
【0037】
本開示および上記の側面に照らして、したがって、経時的に患者のＣＫＤ進行度に関する予測を提供するように構成される、ＣＫＤ機械学習アルゴリズムを提供することが、本開示の利益である。
【0038】
透析または他のＲＲＴを緊急に開始する患者の必要性に関する予測を提供するように構成される、ＣＫＤ機械学習アルゴリズムを提供することが、本開示の別の利益である
【0039】
臨床医または他の医療提供者に、臨床医診断および治療のために、経時的な患者のＣＫＤ進行度の予想および／または透析を緊急に開始する患者の必要性を示す情報を提供することが、本開示のさらなる利益である。
【0040】
疾患進行を遅らせるために、ＣＫＤの検出の始まりから改善された患者転帰を提供することが、本開示のなおもさらなる利益である。
【0041】
付加的特徴および利益が、以下の詳細な説明および図に説明され、それから明白となるであろう。本明細書に説明される特徴および利益は、包括的ではなく、特に、多くの付加的特徴および利益が、図および説明を考慮して、当業者に明白となるであろう。また、任意の特定の実施形態は、本明細書に列挙される利益の全てを有する必要性はなく、個々の有利な実施形態を別個に請求することが、明確に想定される。また、本明細書に使用される言語が、発明的主題の範囲を限定するためではなく、主として、可読性および教示的目的のために選択されていることに留意されたい。
【図面の簡単な説明】
【0042】
【0043】
【0044】
【0045】
【0046】
【0047】
【0048】
【0049】
【発明を実施するための形態】
【0050】
詳細な説明
ＣＫＤ機械学習予測システム、方法、および装置が、本明細書に開示される。例示的ＣＫＤ機械学習予測システム、方法、および装置は、患者がＣＫＤの次の病期に進行し得るかどうか、および／または患者が緊急に透析を開始する必要があり得るかどうかについての予想を提供するように構成される。本明細書に開示される機械学習アルゴリズムは、腎機能に悪影響を及ぼす、臨床的、薬理学的、およびさらなる臨床学的因子を考慮するようにプログラムされる、動的多因子予測アルゴリズムを含む。機械学習システム、方法、および装置によって提供される予測は、疾患が悪化する前に、臨床医にＣＫＤ治療を改善するための情報を伝える。いくつかの事例では、予測は、治療計画、透析治療、および／またはＲＲＴを選択するために使用されてもよい。
ＣＫＤ機械学習予測システム、方法、および装置が、本明細書に開示される。例示的ＣＫＤ機械学習予測システム、方法、および装置は、患者がＣＫＤの次の病期に進行し得るかどうか、および／または患者が緊急に透析を開始する必要があり得るかどうかについての予想を提供するように構成される。本明細書に開示される機械学習アルゴリズムは、腎機能に悪影響を及ぼす、臨床的、薬理学的、およびさらなる臨床学的因子を考慮するようにプログラムされる、動的多因子予測アルゴリズムを含む。機械学習システム、方法、および装置によって提供される予測は、疾患が悪化する前に、臨床医にＣＫＤ治療を改善するための情報を伝える。いくつかの事例では、予測は、治療計画、透析治療、および／またはＲＲＴを選択するために使用されてもよい。
【0051】
本明細書では、機械学習アルゴリズムおよびモデルが、参照され、それらの用語は、同義的に使用される。開示されるように、機械学習アルゴリズムおよびモデルは、ある患者因子／特性を受信するように構成され、これは、正の結果の確率または尤度を決定するために処理され、かつ分類された因子／特性と比較される。アルゴリズムまたはモデルは、メモリデバイス内に記憶される、１つまたはそれを上回る機械可読命令によって定義される。アルゴリズムおよびモデルはまた、アルゴリズムまたはモデルの作成の間に作成される、因子／特性評価調整パラメータ／加重／相関指数によって定義される。調整パラメータ／加重／相関指数もまた、メモリデバイス内に記憶される。プロセッサによる１つまたはそれを上回る機械可読命令の実行は、記憶された調整パラメータ／加重／相関指数を使用して、動作を実施させる。これらの動作は、指定される患者の患者特性の分析が、予測される転帰を提供するために、例示的機械学習アルゴリズムおよびモデルを通して処理されることを可能にする。
【0052】
また、正の転帰の機械学習モデル十分位数も参照される。本明細書に開示されるように、機械学習モデル／アルゴリズムは、ＣＫＤ病期毎に、１０個の群に既知の患者を分類／順序付ける。モデル／アルゴリズムは、各ＣＫＤ病期の十分位数毎に、ＣＫＤ進行度および／またはＣＫＤ緊急透析開始に関する正の転帰の確率を決定する。確率は、ＣＫＤ病期のその十分位数に関する、３０日、６０日、９０日、１２０日、１８０日、３６０日以内等の正の結果を有するもの等の離散時間フレームの範囲にわたって決定される。他の実施例では、異なる範囲／分類が、使用されてもよい。例えば、分類が、既知の患者特性／因子の間の自然境界に基づいて、非均一様式で行われてもよい。例えば、本明細書に開示される十分位数８～１０は、十分位数１～５と比較してより多くの転帰変動が存在する、大分解能に対してさらなる群にパーティション化され得、これは、既知の患者転帰に関する一般的転帰均一性を前提として、単一群に組み合わせられ得る。
【0053】
本明細書に提供されるように、例示的システム、方法、および装置は、ＣＫＤを治療するための公知の臨床方法と比較して、より正確な予測を提供する。例えば、国際腎臓病ガイドライン（「ＫＤＩＧＯ」）機構は、基礎にある病因に従って、患者内のアルブミン尿のレベルによってＣＫＤを分類することを推奨する。本定義および分類は、概して、血清クレアチニンから患者の糸球体濾過率（「ＧＦＲ」）を計算するために使用される現在の方程式における公知の限界にもかかわらず、世界中で承認および実装されており、これは、特に、６０ｍＬ／分（「分」）を上回るＧＦＲを伴う患者の間で、過大推計をもたらし得る。現在の臨床診療は、患者のＧＦＲの周期的推定を通して、ＣＫＤの患者の進行度を査定することを含み、これは、予測可能な長期的な低下傾向の仮定に基づく。しかしながら、最近の治験は、ある急性事象、投薬療法、および血圧の突然の変化が、患者のＧＦＲ軌道における変動につながり得、したがって、腎機能低下の想定される率を徐々に損なわせることを示している。
【0054】
本明細書に開示される例示的システム、方法、および装置は、ＣＫＤ進行度に寄与する因子の一意の査定および患者におけるＧＦＲ低下の軌道に影響を及ぼし得る条件を提供する。本明細書では、ＣＫＤの病期が参照される。下記の表１は、ＣＫＤの異なる病期のＫＤＩＧＯの定義を示し、これは、患者の推定されたＧＦＲおよび患者がタンパク尿を被っている時間の長さに基づく。ＣＫＤの急速な進行度が、少なくともＧＦＲ＜９０ｍｌ／分を伴って、毎年ＧＦＲ≧５ｍｌ／分の絶対年間低下として定義される。
【表1】
【0055】
本明細書に開示される例示的予測ＣＫＤ機械学習アルゴリズムは、患者が現在のＣＫＤ病期から次のＣＫＤ病期まで進行する尤度を査定するように構成される。したがって、予測ＣＫＤ機械学習アルゴリズムは、表１に示される病期のそれぞれの間の進行度の査定を提供する。いくつかの実施形態では、予測ＣＫＤ機械学習アルゴリズムは、中等度または重度病期３Ａ－５または５Ｄに対する査定のみを提供してもよい。患者が次のＣＫＤ病期に進行するであろうかどうかを決定することに加え、予測ＣＫＤ機械学習アルゴリズムは、進行の速さまたは時間フレームを決定するように構成される。いくつかの事例では、速さは、３０日、６０日、９０日、１２０日、１８０日、および／または３６０日等の離散時間フレーム内の進行度の尤度として定義されてもよい。本明細書に開示される予測ＣＫＤ機械学習アルゴリズムはまた、緊急透析開始の患者のリスクの査定を提供し得、これは、機能的血管アクセスまたは腹膜透析（「ＰＤ」）カテーテルが事前に確立されていない状態でのＥＳＲＤ患者のための透析の緊急始動を指す。本明細書に開示されるように、進行度尤度および速さは、アンサンブル機械学習アルゴリズム（例えば、ＣＫＤ病期進行度予測モデル）に組み合わせられ得る一方、緊急透析開始リスクは、第２の機械学習アルゴリズム（例えば、ＣＫＤ緊急透析開始予測モデル）によって決定される。
Ｉ．ＣＫＤ機械学習予測システム
Ｉ．ＣＫＤ機械学習予測システム
【0056】
図１は、本開示のある例示的実施形態による、ＣＫＤ機械学習予測システム１００の略図である。例示的システム１００は、本明細書に開示される予測機械学習アルゴリズムを作成／更新し、アルゴリズムを使用して患者予測を提供するように構成される、ＣＫＤ管理サーバ１０２を含む。ＣＫＤ管理サーバ１０２は、本明細書に開示される予測機械学習アルゴリズムを発生させるように構成される、モデル発生器１０４を含む。ＣＫＤ管理サーバ１０２はまた、１つまたはそれを上回る予測機械学習アルゴリズムに分析下の患者に関する患者特性データを適用し、患者のＣＫＤ進行度、可能性として、進行率、および緊急透析開始を必要とする確率を査定または予測するように構成される、分析プロセッサ１０６を含む。両方ともＣＫＤ管理サーバ１０２の一部であるものとして示されるが、他の実施形態では、モデル発生器１０４は、分析プロセッサ１０６と別個であってもよい。例えば、モデル発生器１０４は、バックエンドサーバにおいて提供され得る一方、分析プロセッサ１０６は、臨床医デバイスに利用可能であるクラウドベースのサービスとしてプロビジョニングされる。
【0057】
モデル発生器１０４および分析プロセッサ１０６に関連して説明される動作は、１つまたはそれを上回るコンピュータプログラムまたはコンポーネントを使用して実装され得ることを理解されたい。コンポーネントのプログラムは、ランダムアクセスメモリ（「ＲＡＭ」）、読取専用メモリ（「ＲＯＭ」）、フラッシュメモリ、磁気または光ディスク、光学メモリ、または他の記憶媒体を含む、任意のコンピュータ可読媒体への一連のコンピュータ命令として提供されてもよい。命令は、管理サーバ１０２のプロセッサによって実行されるように構成され得、これは、一連のコンピュータ命令を実行するとき、開示される方法およびプロシージャの全部または一部を実施する、またはその実施を促進する。
【0058】
図１に示されるように、モデル発生器１０４は、既知の患者データソース１１０に通信可能に結合され、これは、モデル化のために既知の患者特性データ１１２を記憶する、メモリデバイスを含み得る。モデル発生器１０４は、本明細書に開示される予測機械学習アルゴリズムを訓練および／または作成するために、訓練データ１１２ａに受信された特性データをパーティション化する。モデル発生器１０４はまた、本明細書に開示される予測機械学習アルゴリズムの正確度を試験するために、検査データ１１２ｂに受信された特性データ１１２をパーティション化する。受信されたデータ１１２はさらに、本明細書に開示される予測機械学習アルゴリズムを検証するために、検証データ１１２ｃにパーティション化される。
【0059】
モデル発生器１０４はまた、臨床目的ソース１１４に通信可能に結合され、これは、モデルのための臨床目的を記憶する、メモリデバイスを含み得る。いくつかの実施形態では、臨床目的ソース１１４は、機械学習目的１１６への臨床目的の変換を含んでもよい。モデル発生器１０４は、機械学習目的１１６および訓練データ１１２ａを使用し、ＣＫＤ病期進行度予測モデル１１８ａおよびＣＫＤ緊急透析開始予測モデル１１８ｂとして示される、１つまたはそれを上回る予測機械学習アルゴリズムを作成する。図示される実施形態では、機械学習目的１１８は、ＣＫＤ病期進行度確率または尤度を提供するための第１の目的と、ＣＫＤ進行の速さを提供するための第２の目的と、緊急透析開始が定義された時間フレーム内で必要とされるであろう確率または尤度を提供するための第３の目的とを含む。ＣＫＤ病期進行度予測モデル１１８ａは、アンサンブルモデルとして進行度および速さ目的を達成する。ＣＫＤ緊急透析開始予測モデル１１８ｂは、緊急透析開始目的を達成する。いくつかの実施形態では、モデル発生器１０４は、異なる組み合わせの目的およびモデルを試験し、規定された目的を達成するための最適なアプローチを識別する。
【0060】
図２は、本開示のある例示的実施形態による、本明細書に開示されるＣＫＤ予測機械学習アルゴリズムを作成するための、例示的プロシージャ２００のフロー図である。プロシージャ２００が、図２に図示されるフロー図を参照して説明されるが、プロシージャ２００と関連付けられるステップを実施する多くの他の方法も、使用され得ることを理解されたい。例えば、ブロックのうちの多くの順序は、変更されてもよく、あるブロックは、他のブロックと組み合わせられてもよく、説明されるブロックのうちの多くは、随意であってもよい。ある実施形態では、ブロックの数は、データ前処理およびフィルタリングおよび／または開発された機械学習モデルのタイプに基づいて変更されてもよい。プロシージャ２００において説明されるアクションは、メモリデバイス内に記憶される、１つまたはそれを上回る命令によって規定され、例えば、モデル発生器１０４を含む、複数のデバイス間で実施されてもよい。
【0061】
例示的プロシージャ２００は、モデル発生器１０４が、例えば、既知の患者データソース１１０から既知の患者特性データ１１２を受信するとき、始まる（ブロック２０２）。既知の患者データソース１１０は、医院または病院に位置する１つまたはそれを上回る電子医療記録（「ＥＭＲ」）データベースを含み、患者に関する電子情報を記憶してもよい。下記の表２は、モデル発生器１０４によって受信される既知の患者特性データ１１２の実施例を示す。図示される実施例において、７，１３１人の患者に関するデータが、受信され、本明細書に開示されるＣＫＤ機械学習モデルを作成するために使用される。既知の患者データは、患者毎に、ＧＦＲ、クレアチニンレベル、ヘモグロビンレベル、および／またはアルブミンレベルを含んでもよく、これは、患者血液検査から決定または推定されてもよい。既知の患者データはまた、血圧、体温等を含んでもよい。
【表2-1】
【表2-2】
【表2-3】
【0062】
図３は、本開示のある例示的実施形態による、モデル発生器１０４によって受信される、例示的患者特性データ１１２の略図である。患者特性データ１１２は、年齢、性別、および人種等の人口統計データを含んでもよい。患者特性データ１１２はまた、血圧、ＢＭＩ、体温、体重、ＧＦＲ、クレアチニンレベル、ヘモグロビンレベル、およびアルブミンレベル等の生理学的データを含んでもよい。いくつかの事例では、患者特性データ１１２は、ＣＫＤ病期初期を含んでもよい。そうでなければ、モデル発生器１０４は、ＧＦＲおよび／またはアルブミンデータから患者のＣＫＤ病期を決定してもよい。患者特性データ１１２はさらに、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎を含む、ＣＫＤの診断された原因を含んでもよい。さらに、患者特性データ１１２は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患等の既往歴を含んでもよい。図３はまた、患者特性データ１１２が、透析治療またはＲＲＴ、治療の終了、死亡、腎臓移植、および緩和ケアを含む、患者に関する最終の既知の結果を含み得ることを示す。より少ないまたは付加的患者特性データ１１２も、モデル発生器１０４によって使用され得ることを理解されたい。
【0063】
上記の既知の患者特性データ１１２は、その時点で患者が医療ケアおよび周期的監視を受けた、ＣＫＤの異なる病期における患者を表す。特性データ１１２は、バイタルサイン測定値と、臨床検査値と、薬理学的介入と、緊急透析開始のための入院と、予約日と、手技（血液透析および腹膜透析を含む）とを含む、臨床活動のために提供されるタイムスタンプを含む。
【0064】
図２に再び目を向けると、データを受信後、モデル発生器１０４は、規定された基準によって特性データ１１２をフィルタリングするように構成される（ブロック２０４）。例えば、モデル発生器１０４は、ＣＫＤに関する第１の治療時に１８～８０歳の患者、病期３または４ ＣＫＤに到達した患者、および／またはそれに関して少なくとも３ヶ月、６ヶ月、１年、または２年のデータが利用可能である患者に関するデータのみを留保し得る。いくつかの実施形態では、モデル発生器１０４は、病期５ ＣＫＤ（ＥＳＲＤ）に到達し、少なくとも３ヶ月の経過観察および透析治療を受けた患者に関する患者特性データ１１２をフィルタリングし得る。さらに、モデル発生器１０４は、少なくとも３つの別個のＧＦＲ測定値を有する患者に関する患者特性データ１１２をフィルタリングし得る。
【0065】
フィルタリングした後、モデル発生器１０４は、フィルタリングされたデータ１１２のデータ分布を作成するように構成される（ブロック２０６）。ＧＦＲ、血圧、体重、ＢＭＩ、クレアチニンレベル、ヘモグロビンレベル、および／またはアルブミンレベル等の特性データ１１２の分布が、作成され、調べられ、かつそのタイプ（臨床または管理上）の変動に関する正常または予期される挙動と比較される。比較は、データ誤差、欠測データ、およびモデル化する前に対処されるべき他の異常な挙動を示すデータを明らかにし得る。モデル発生器１０４は、正常分布外のデータを有する患者を排除してもよい（ブロック２０８）。さらに、モデル発生器１０４は、そこから特性データ１１２が受信された、タイムスタンプされた医療記録を使用して、欠測データを提供してもよい。モデル発生器１０４はまた、可変フォーマット、変数の本質、および変数の間のデータ依存性を識別することによって、特性データ１１２の構造および集約を分析してもよい。例えば、モデル発生器１０４は、アルブミン／クレアチニン比が、ＣＫＤ進行度に関する患者分類のために有用であることを決定し得る。さらに、モデル発生器１０４は、ＧＦＲおよび／またはアルブミンレベルに基づいて、患者に関するＣＫＤ病期（ＣＫＤ初期病期を含む）を決定してもよい。
【0066】
図２に示されるように、モデル発生器１０４は、異なるサブセットに処理された患者特性データ１１２をパーティション化する（ブロック２１０）。例えば、サブセットは、訓練データ、検証データ、および検査データに関して含まれ、患者（およびその対応するデータ）が、３つのサブセットのうちの１つに割り当てられる。モデル発生器１０４はまた、患者特性データ１１２から派生データ（例えば、エンジニアリングされた変数）を決定する。派生データは、アルブミン／クレアチニン比等のあるデータの間の比率を計算することを含んでもよい。派生データはまた、ＧＦＲおよび／またはアルブミンレベルに基づいて、ある時点での患者のＣＫＤ病期の決定を含んでもよい。
【0067】
モデル発生器１０４は、次に、訓練データ（例えば、データ１１２ａ）の分布と正および負の結果を相関させる（ブロック２１２）。正および負の結果の分類は、機械学習目的１１６に基づく。ＣＫＤ病期進行度に関して、正の結果は、あるＣＫＤ病期から次のＣＫＤ病期への進行度に対応する、特性データ１１２を備える。モデル発生器１０４は、ＣＫＤ病期毎に、分類を作成する。いくつかの事例では、モデル発生器１０４は、病期３Ａまたは病期３Ｂから病期５までの分類を作成してもよい。モデル発生器１０４は、ＧＦＲのみに基づいて、および／または既知の患者のＧＦＲが以前のＧＦＲ測定値から少なくとも２５％変化したとき、病期進行度に関する正の結果を識別する。
【0068】
ＣＫＤ病期速さに関して、モデル発生器１０４は、経時的にＧＦＲにおける変化を考慮する患者軌道チャートを（特性データ１１２から）作成および／または使用してもよい。正の転帰が、既知のＣＫＤ病期進行度の間の速さに基づいて決定され、これは、上記に議論されるＧＦＲ測定値に基づいて決定される。緊急透析開始転帰に関して、正の結果は、透析治療を開始する患者のインジケーションに基づく。
【0069】
正の結果に関して、モデル発生器１０４はまた、正の結果毎に、時間フレームを決定する（ブロック２１４）。これは、患者毎に、その医療既往歴の間のある時点でのサンプリング患者データを含む。サンプリングされる点までのサンプリングされた患者データが、機械学習アルゴリズムの中に打ち込まれ、予測を発生させる。患者が、正の結果を被った場合、モデル発生器１０４は、発生された予測および正の結果に基づいて、時間フレームを計算する。モデル発生器１０４は、時間フレーム毎に、正の結果の確率を計算するために、患者データを組み合わせるための時間フレームの分類を作成する。いくつかの実施例では、離散時間フレームは、３０日と、６０日と、９０日と、１２０日と、１８０日と、３６０日とを含む。
【0070】
ある実施例では、既知の患者Ａが、その治療の途中の時点に対応する、ある期日においてサンプリングされる。ある期日までの患者Ａの患者データは、例えば、病期３Ｂから病期４ ＣＫＤまで進行するための予測される確率を決定するように、機械学習アルゴリズムを通して、分析される。アルゴリズムは、４５日の推定を提供し得る。モデル発生器１０４は、患者Ａの実際の既知の結果と予測を比較し、本実施例では、病期３Ｂから病期４ ＣＫＤへの進行は、６０日において生じた。本実施例では、モデル発生器１０４は、予測される４５日と実際の６０日との間の差異に基づいて、機械学習アルゴリズムを精緻化する。したがって、少なくとも６０日の時間フレームにわたって、患者Ａは、６０日の時間フレームの前に、病期３Ｂから１００％～０％の病期４ ＣＫＤへの正の進行度を有した。患者Ａの確率が、他の患者と組み合わせられ、異なる時間フレームにわたって、訓練データセット全体に関する推定を提供する。
【0071】
いくつかの事例では、モデル発生器１０４は、複数回、訓練患者データ１１２ａを再サンプルし、機械学習モデルを精緻化する。例えば、患者Ａに関して、患者は、機械学習アルゴリズムを精緻化するための第１の日付／時間、第２の後続日付／時間、および第３の／日付時間において、サンプリングされてもよい。モデルおよび／またはアルゴリズムが、作成および／または精緻化された後、モデル発生器１０４は、訓練データ１１２ａから分離された患者特性データ１１２のサブセット１１２ｂを使用して、検証を実施するように構成される（ブロック２１６）。モデル発生器１０４は、検証されたデータを使用して、予測を発生させるように構成され、次いで、実際の既知の転帰と予測を比較し、統計的正確度を決定する。統計は、正の予測値、因子／特性感度、Ｆ１－スコア、および／または受信者動作特性（「ＲＯＣ」）曲線下面積を含んでもよい。
【0072】
モデル発生器１０４は、統計を分析することによって、機械学習アルゴリズムが正確かどうかを決定する（ブロック２１８）。アルゴリズムが、定義された正確度（例えば、９５％正確）内まで正確ではない場合、例示的プロシージャ２００は、ブロック２０２に戻り、同一および／または異なる既知の患者特性データ１１２を使用して、アルゴリズムを精緻化する、または新しい機械学習アルゴリズムを作成する。しかしながら、機械学習アルゴリズムが正確な場合、モデル発生器１０４は、機械学習アルゴリズム１１８を展開する（ブロック２２０）。これは、分析プロセッサ１０６にＣＫＤ病期進行度予測モデル１１８ａ（例えば、第１の機械学習アルゴリズム）および／またはＣＫＤ緊急透析開始予測モデル１１８ｂ（例えば、第１の機械学習アルゴリズム）を提供するステップを含んでもよい。例示的プロシージャ２００は、次いで、終了する。いくつかの事例では、モデル発生器１０４は、新しい訓練データが利用可能になるにつれて、機械学習アルゴリズムを更新し得ることを理解されたい。
ＩＩ．ＣＫＤ病期進行度予測モデル実施形態
ＩＩ．ＣＫＤ病期進行度予測モデル実施形態
【0073】
本節は、ＣＫＤ病期進行度予測モデル１１８ａの性質および正確度を議論する。下記の表３および４に示されるように、例示的モデル１１８ａは、正の予測値、感度、Ｆ１－スコア、およびＲＯＣ曲線下面積によって図示されるように、異なる離散時間フレーム（潜在的臨床経過観察周期に対応する）にわたって、進行のリスクを識別する際の弁別性能を実証する。
【表3-1】
【表3-2】
【0074】
表４に示されるように、モデル出力は、あるＣＫＤ病期から別の病期への進行のより高い確率を伴う患者の判別を例証し、モデルをより実行可能にするために、十分位数（異なるＣＫＤ病期の平均として）によって群化される。病期進行度予測モデルに関する十分位数分析の綿密な調査は、モデルがリスクの範囲全体を横断して、患者をセグメント化することが可能であることを示す。例えば、十分位数が増加するにつれて、病期進行度に伴う患者のパーセントもまた、増加する。より高い十分位数は、より高い病期進行率を有する傾向にあるだけではなく、より急速な病期進行度を有する傾向にもある。
【表4】
【0075】
図４は、本開示のある例示的実施形態による、表４に示される確率データのグラフ４００である。グラフ４００は、十分位数が増加するにつれて、ＣＫＤ病期進行を伴う患者のパーセンテージが、３０日、６０日、９０日、１２０日、１８０日、および３６０日の時間フレーム毎に増加することを示す。さらに、グラフ４００は、十分位数毎に、病期進行の確率が時間とともに増加することを示す。しかしながら、確率における最大の増加は、最高十分位数群（十分位数７～１０）内の患者において生じ、これは、最初に病期進行をより受けやすい。
【0076】
例示的ＣＫＤ病期進行度予測モデル１１８ａは、既知のＫＤＩＧＯ２因子モデルと比較された。ＫＤＩＧＯモデルは、それを用いて患者がＣＫＤに関して査定されるべきである頻度についてのガイドラインを提供する。ＫＤＩＧＯモデルは、患者がＧＦＲおよびアルブミン／クレアチニン比（「ＡＣＲ」）の組み合わせに基づいて、１年あたり受けるべき診療の回数に対する、４つの異なる推奨を含む。ＫＤＩＧＯは、より高いリスクレベル予測により多い回数の推奨される診療を伴う患者を相関させる、リスク予測モデルを提供する。
【0077】
現在の臨床診療において、ＫＤＩＧＯ２因子モデルは、患者のＧＦＲレベルおよびアルブミン／クレアチニン比（ＡＣＲ）の横断的調査に基づいて、現在のレベルの腎疾患を適切に治療するために、患者が査定されるべき１年の回数を出力する。２因子モデルは、いくつかの限界を提示する。２因子のみを利用するより単純なモデルだけではなく、それらの２つの因子のうちの１つであるＧＦＲも、その独自の限界を提示する。クレアチニンベースのＧＦＲ推定方程式は、低アルブミン血症を患う患者内のネフローゼ症候群における真のＧＦＲの過大推計と、正常値から実質的に逸脱する場合、年齢、性別、人種、およびクレアチニン産生による交絡のため、ＣＫＤが存在するかどうかに関する不確実性とを生成する傾向にある。
【0078】
ＣＫＤ病期進行度予測モデル１１８ａと２因子ＫＤＩＧＯモデルの比較分析は、モデル１１８ａの強度およびそれが臨床医に提供する固有の作動可能性を実証する。検査データ内では、診療の推奨される回数を決定するための実験室測定値が、既知のサンプリングされた患者の多くに関して予測の１４日以内で利用可能であった。これらのサンプルに関して、各推奨される回数の診療群が、病期進行度予測モデルから十分位数による結果を示すように分割され、表５において下記に示される。本データの調査は、診療の推奨される回数が、病期進行度のリスクと相関されて現れることを明らかにする。しかしながら、病期進行度予測モデル十分位数によって分割されるとき、各レベルの推奨される診療は、異なる病期進行の傾向を有する、異なる十分位数からの患者を含むことが示される。例えば、３回の推奨される診療カテゴリに関して、本カテゴリは、異なる十分位数の全てから、十分位数に従って、異なる病期進行率を伴う患者を含有することが、示される。
【表5】
【0079】
上記に加え、下記の表６は、推奨される診療が既知である、それらのサンプルに関するＦ１－スコアを比較することによって、ＫＤＩＧＯ２因子モデルとＣＫＤ病期進行度予測モデル１１８ａとの間のより直接的な比較を提供する。フレームが考慮される度に、ＣＫＤ病期進行度予測モデル１１８ａは、２因子モデルより有意に優れている。
【表6】
【0080】
上記の表５および６は、特に、中範囲内の値を伴う患者の間で、動的な多因子ＣＫＤ病期進行度予測モデル１１８ａが、ＫＤＩＧＯ２因子モデル以上に有意義なリスク区別化を提供することを実証する。１年に３回の外来診療を推奨される患者に注目すると、十分位数に従って、異なる十分位数の全てから、異なる病期進行率を伴う、患者が、ＫＤＩＧＯ２因子モデルによってともに群化された。ＫＤＩＧＯモデルの指針に従って、これらの患者は全て、１年間にわたって３回の査定を受けることによって、同程度に治療されているであろうことになる。しかしながら、ＣＫＤ病期進行度予測モデル１１８ａの指針に従うと、３回の診療カテゴリに該当する患者の２５％は、例示的モデル１１８ａによって非常に低リスクなものとして識別され（十分位数１～４）、患者の４０％を上回るものが、病期変化進行度に対して高リスクなものとして識別された（十分位数８～１０）ことが示される。
【0081】
したがって、十分位数分析は、例示的ＣＫＤ病期進行度予測モデル１１８ａが、患者毎に最良のレベルのケアに向けて医師を誘導するであろう方法で、患者をより精密に階層化することを明らかにする。リソース利用は、３回の査定を推奨された、十分位数１～４におけるそれらの患者が、より少ない診療で治療されるであろう点において、より効率的になるであろう。臨床ケアは、患者が、より高頻度で治療されるであろうため、より高い十分位数におけるそれらの患者を改善するであろう。十分位数１０における患者は、ＫＤＩＧＯ２因子モデルによって推奨されるように、１年あたり３回査定されていた場合、その次の診療前（１２０日以内）に、すでに病期において進行しているであろう。
ＩＩＩ．ＣＫＤ緊急透析開始予測モデル実施形態
ＩＩＩ．ＣＫＤ緊急透析開始予測モデル実施形態
【0082】
本節は、ＣＫＤ緊急透析開始予測モデル１１８ｂの性質および正確度を議論する。ＣＫＤ緊急透析開始予測モデル１１８ｂは、潜在的臨床経過観察の異なる時間フレームにわたって、緊急透析開始のリスクを予測する際に高い性能を実証し、表７において下記に示される。高感度およびＰＰＶ値は、臨床医が、３０日と同程度の短い潜在的緊急透析開始候補を識別することの高確率を有し、カテーテルをＰＤのために留置させる、または自宅ＨＤ機械を注文する等の適切な予期ステップを行うことができることを示す。
【表7】
【0083】
ＣＫＤ緊急透析開始予測モデル１１８に関する９０日以内の有病率（正の転帰を伴うサンプルのパーセント）は、４．４％である。十分位数分析は、これらの緊急開始患者のほぼ全てが、表８において下記に示されるように、リスクの上位十分位数内で識別されることを実証する。機械学習計測値は、正の予測値およびＦ１－スコアが、上位十分位数内の最もリスクのある部分上に集中するとき、十分位数分析によって含意されるものよりさらに高くあり得るが、感度においてあるトレードオフに達するであろうことを示す。
ＩＶ．ＣＫＤ機械学習使用実施形態
【表8】
【0084】
図１に再び目を向けると、管理サーバ１０２の分析プロセッサ１０６は、モデル発生器１０４から、ＣＫＤ病期進行度予測モデル１１８ａおよび／またはＣＫＤ緊急透析開始予測モデル１１８ｂを受信する。分析プロセッサ１０６は、臨床決定サポートをＣＫＤを患う患者を治療する臨床医に提供するように、モデル１１８を使用する。分析プロセッサ１０６は、メモリデバイス１３０にモデルを記憶してもよい。
【0085】
いくつかの実施形態では、分析プロセッサ１０６は、臨床医デバイス１３２が患者特性を提出し、予測される転帰を受信することを可能にする、アプリケーションプログラマブルインターフェース（「ＡＰＩ」）等のウェブサイトまたは他のインターネットアクセス可能インターフェースをホストする。臨床医デバイス１３２は、分析プロセッサ１０６にアクセスするためのウェブブラウザまたは「アプリ」等のアプリケーション１３４を含んでもよい。
【0086】
いくつかの実施例では、臨床医デバイス１３２および分析プロセッサ１０６は、システムハブ（図示せず）に接続されてもよい。代替として、システムハブは、分析プロセッサ１０６の一部として含まれてもよく、サービスポータル、企業リソース計画システム、ウェブポータル、ビジネス知能ポータル、ＨＩＰＡＡ準拠データベース、および電子医療記録データベースを含む。
【0087】
分析プロセッサ１０６によって提供されるウェブページまたはフォームが、臨床医に患者特性データ１３６に関してプロンプトしてもよい。他の実施例では、アプリケーション１３４は、臨床医が患者識別子を規定することを可能にし得、これはアプリケーション１３４に、患者のＥＭＲ（患者特性データ１３６として）から分析プロセッサ１０６に情報を伝送させる。
【0088】
図５は、本開示のある例示的実施形態による、分析プロセッサ１０６によって受信される、例示的患者特性データ１３６の略図である。患者特性データ１３６は、年齢、性別、および人種等の人口統計データを含んでもよい。患者特性データ１３６はまた、血圧、ＢＭＩ、体温、体重、ＧＦＲ、クレアチニンレベル、ヘモグロビンレベル、およびアルブミンレベル等の生理学的データを含んでもよい。いくつかの事例では、患者特性データ１３６は、ＣＫＤ病期初期を含んでもよい。そうでなければ、分析プロセッサ１０６は、そのＧＦＲおよび／またはアルブミンデータから、患者のＣＫＤ病期を決定してもよい。患者特性データ１３６はさらに、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎を含む、ＣＫＤの診断された原因を含んでもよい。さらに、患者特性データ１３６は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患等の既往歴を含んでもよい。
【0089】
より少ないまたは付加的患者特性データ１３６も、分析プロセッサ１０６によって使用され得ることを理解されたい。例えば、分析プロセッサ１０６は、機械学習モデル１１８に提出するための少量のデータのみを有する患者の特性データ１３６を分析するように構成されてもよい。分析プロセッサ１０６は、十分な量の患者特性データ１３６が、提供されていない（例えば、欠測ＧＦＲデータ）場合、臨床医デバイス１３２にエラーメッセージを伝送させ得る。
【0090】
データ１３６を受信後、分析プロセッサ１０６は、ＣＫＤ病期進行度予測モデル１１８ａおよび／またはＣＫＤ緊急透析開始予測モデル１１８ｂを使用して、ＣＫＤ予測分析を実施する。分析を実施するために、分析プロセッサ１０６は、患者のＣＫＤ初期病期に関して、最も近い合致予測に分析を受けている患者を分類してもよい。本動作を実施するために、分析プロセッサ１０６は、個別のモデル１１８内に提供される患者特性データの分類１１２と、分析下の患者の患者特性データ１３６を比較する。これは、モデル１１８に関する開始点として、現在のＣＫＤ病期を識別するステップを含む。本識別は、同一ＣＫＤ病期において、患者の因子／特性毎に、モデル化された因子／特性（派生因子／特性を含む）に比較を実施するステップを含んでもよい。モデル１１８は、例えば、比較に基づいて、１つまたはそれを上回る十分位数に患者を割り当ててもよい。分析プロセッサ１０６は、モデル１１８毎に、正の転帰の確率を使用し、分析を受けている患者が、例えば、最も近い合致予測十分位数に基づいて、離散時間フレームにわたって、次のＣＫＤ病期（または緊急に透析を開始する必要がある）に進行するであろうパーセンテージ尤度（または確率）を決定する。
【0091】
分析プロセッサ１０６は、モデル化された離散時間フレームのために分析下の患者に関する予測される正の転帰を提供する、報告１３８を作成する。分析プロセッサ１０６は、臨床医デバイス１３２のアプリケーション１３４のウェブページまたはインターフェース等のユーザインターフェースにおいて、報告１３８からの情報を表示してもよい。図６は、本開示のある例示的実施形態による、報告１３８からの情報を示す、臨床医デバイス１３２上のアプリケーション１３４を介して表示される、ユーザインターフェース６００の略図である。いくつかの実施形態では、臨床医がまた、分析プロセッサ１０６を介して、患者識別子を規定する、または報告１３８を発生させるための患者の特性データを提供するためのインターフェース６００を使用してもよい。
【0092】
例示的ユーザインターフェース６００は、患者識別子と、ＧＦＲおよびアルブミンレベルを含む、少なくとも一部の患者特性データ１３６とを含む。ユーザインターフェース６００はまた、推定されたＣＫＤ病期および予測十分位数を含む、モデル１１８内の患者の特性データの処理に関連する、少なくとも一部の情報を含む。ユーザインターフェース６００はさらに、機械学習モデル１１８からの出力の概要を含む。第１の出力６０２が、離散時間フレームにわたって、ＣＫＤ病期３ＡからＣＫＤ病期３Ｂまでの進行の速さおよび確率を提供する。第２の出力６０４が、分析下の患者が規定された時間フレーム内で緊急に透析を開始する必要があるであろう、確率を提供する。臨床医が、第１の出力６０２および第２の出力６０４を精査し、患者のＣＫＤの進行度を遅らせるために、患者に対する潜在的治療を決定する。
【0093】
いくつかの実施形態では、分析プロセッサ１０６は、治療を処方するためのオプション６０６をユーザインターフェース６００に表示してもよい。ある実施例では、分析プロセッサ１０６は、患者のＣＫＤ病期、ＣＫＤ進行度の確率、ＣＫＤ進行度の推定された率、および緊急透析開始を必要とする確率に基づく選択に関する推奨される治療を決定してもよい。例えば、分析プロセッサ１０６は、２５％未満の進行度確率および１０％未満の透析の緊急開始の必要性を伴う、ＣＫＤ病期３Ａまたは３Ｂにおける患者に、投薬療法および／または生活様式変更のためのオプションを提供してもよい。比較によって、分析プロセッサ１０６は、患者が、ＣＫＤ病期５にある、１８０日以内に病期５に進行する５０％を上回る確率にある、および／または９０日以内に緊急透析を必要とする、３５％を上回る変化を有する場合、ＰＤ治療または重症管理（「ＣＣ」）治療に関する推奨を提供するように構成されてもよい。
【0094】
例証目的のために（出力６０２および６０４におけるデータに関連しない）、ユーザインターフェース６００は、患者にＰＤ治療および／またはＣＣ治療を処方するためのオプション６０６を含む。ＰＤ治療の選択は、例えば、ブドウ糖レベル、治療期間、治療頻度、治療透析量、除去することが予期されるＵＦ等を含む、ＰＤ処方箋パラメータを打ち込むためのアプリケーション１３４を介して、分析プロセッサ１０６にフォームまたはウェブページを表示させる。いくつかの事例では、ＰＤ治療オプションの選択はまた、臨床医が患者の中にカテーテルを挿入するための医療手技をスケジュールすることを可能にし得る。
【0095】
図７は、臨床医が、分析プロセッサ１０６に伝送される、治療パラメータ７０２を打ち込むためのアプリケーション１３４を使用する、略図を示す。治療パラメータ７０２の受信は、分析プロセッサ１０６に、医療デバイス７０６のための療法プログラム７０４を遠隔でプログラムまたは作成させ得る。分析プロセッサ１０６は、医療デバイス７０６が、分析下の患者に関して識別および／または構成された後、療法プログラム７０４を提供してもよい。
【0096】
処方される治療、処方箋、または療法プログラム７０４は、医療デバイス７０６が患者に治療を施行するように動作するべき方法を定義する、１つまたはそれを上回るパラメータに対応する。腹膜透析療法に関して、パラメータは、患者の腹膜腔の中に圧送されるべき新鮮な透析流体の量（または率）、流体が患者の腹膜腔内に留まるべき時間の量（すなわち、滞留時間）、および滞留周期が終了した後に患者から圧送または排出されるべき使用済み透析流体および限界濾過（「ＵＦ」）の量（または率）を規定してもよい。複数のサイクルを伴う治療に関して、パラメータは、サイクル毎の充填、滞留、および排出量および治療の過程の間に実施されるべきサイクルの合計回数（１回の治療が、１日毎に提供される、または別個の治療が、日中および夜間に提供される）を規定してもよい。加えて、パラメータは、治療が医療流体送達機械によって施行されるべき日付／時刻／曜日（例えば、スケジュール）を規定してもよい。さらに、処方療法のパラメータは、ブドウ糖レベル等の透析流体の濃度レベルに加えて、治療毎に投与されるべき透析流体の合計体積を規定してもよい。
【0097】
図７の医療デバイス７０６は、腎不全または低下した腎機能を治療するための腎不全療法機械を含んでもよい。透析を通して、腎不全機械は、患者から、正常に機能している腎臓がそうでなければ除去するであろう老廃物、毒素、および過剰な水分を除去する。腹膜透析のために、医療デバイス７０６は、透析流体とも呼ばれる透析液をカテーテルを介して患者の腹膜腔の中に注入する。透析流体は、腹膜腔の腹膜に接触する。老廃物、毒素、および過剰な水分が、拡散および浸透に起因して、患者の血流から、腹膜を通して、透析流体の中に通過し、すなわち、浸透勾配が、膜を横断して起こる。透析流体における浸透剤が、浸透勾配を提供する。使用済みまたは消耗済み透析流体は、患者から排出され、患者から老廃物、毒素、および過剰な水分を除去する。本サイクルは、例えば、複数回繰り返される。
【0098】
持続的外来腹膜透析（「ＣＡＰＤ」）、自動化腹膜透析（「ＡＰＤ」）、および潮汐流透析、および持続的流動腹膜透析（「ＣＦＰＤ」）を含む、種々のタイプの腹膜透析療法が、存在する。ＣＡＰＤは、手動透析治療である。ここでは、患者は、使用済みまたは消耗済み透析液流体が患者の腹膜腔から排出することを可能にするために、埋込されたカテーテルをドレインに手動で接続する。患者は、次いで、カテーテルを通して患者の中に新鮮な透析流体を注入するために、新鮮な透析流体のバッグにカテーテルを接続する。患者は、カテーテルを新鮮な透析流体バッグから接続解除し、透析流体が腹膜腔内で滞留することを可能にし、そこで、老廃物、毒素、および過剰な水分の移送が、起こる。ある滞留周期後、患者は、例えば、１日あたり４回手動透析手技を繰り返し、各治療は、約１時間続く。手動腹膜透析は、患者から有意な量の時間および努力を要求し、改良の余地がある。
【0099】
自動化腹膜透析（「ＡＰＤ」）は、透析治療が排出、充填、および滞留サイクルを含む点においてＣＡＰＤに類似する。しかしながら、ＡＰＤ機械は、典型的には、患者が眠っている間に自動的にサイクルを実施する。ＡＰＤ機械は、治療サイクルを手動で実施する必要性から、かつ日中に供給物を運搬する必要性から患者を解放する。ＡＰＤ機械は、埋込されたカテーテルに、新鮮な透析流体の源またはバッグに、および流体ドレインに流体的に接続する。ＡＰＤ機械は、新鮮な透析流体を透析流体源から、カテーテルを通して、患者の腹膜腔の中に圧送する。ＡＰＤ機械はまた、透析流体が腔内で滞留することを可能にし、老廃物、毒素、および過剰な水分の移送が起こることを可能にする。源は、複数の無菌透析流体バッグを含み得る。
【0100】
ＡＰＤ機械は、使用済みまたは消耗済み透析液を腹膜腔から、カテーテルを通して、ドレインに圧送する。手動プロセスのように、いくつかの排出、充填、および滞留サイクルは、透析の間に起こる。「最後の充填」は、ＡＰＤの終わりに起こり、次の治療まで患者の腹膜腔内に留まる。
【0101】
医療デバイス７０６によって実施され得る、別のタイプの腎不全療法は、一般に、患者の血液から老廃物を除去するために拡散を使用する、血液透析（「ＨＤ」）である。拡散勾配が、拡散を引き起こすために、血液と透析液または透析流体と呼ばれる電解質溶液との間の半浸透性透析装置を横断して起こる。
【0102】
血液濾過（「ＨＦ」）は、患者の血液からの毒素の対流輸送に依拠する代替腎代替療法である。ＨＦは、治療の間に体外回路に代替液または補液（典型的には、１０～９０リットルのそのような流体）を添加することによって遂行される。代替液および治療の合間に患者によって蓄積される流体は、ＨＦ治療の過程にわたって限外濾過され、中および大分子を除去する際に特に有益である対流輸送機構を提供する（血液透析では、透析セッションの間に得られる流体とともに、少量の老廃物が除去されるが、しかしながら、その限外濾過液の除去からの溶質牽引は、対流クリアランスを提供するために十分ではない）。
【0103】
血液透析濾過（「ＨＤＦ」）は、対流および拡散クリアランスを組み合わせる治療モダリティである。ＨＤＦは、拡散クリアランスを提供するために、標準的血液透析と同様に、透析器を通して流動する透析流体を使用する。加えて、代替液が、体外回路に直接提供され、対流クリアランスを提供する。
【0104】
大部分のＨＤ（ＨＦ、ＨＤＦ）治療は、センターで行われる。在宅血液透析（「ＨＨＤ」）に向かう傾向が、一部には、ＨＨＤが毎日実施され得、典型的には、週に２回または３回行われるセンター内血液透析治療に優る療法利益を提供するため、今日存在する。研究によって、頻繁な治療が、より頻度が低いが、おそらく、より長い治療を受ける患者よりも多くの毒素および老廃物を除去することが示されている。より頻繁に治療を受ける患者は、治療に先立って２日または３日分の毒素を蓄積しているセンター内患者と比較して多くのダウンサイクルを被らない。ある地域では、最も近い透析センターは、患者の自宅から何マイルも離れ、全行程を含めた治療時間として１日の大部分を費やす場合がある。ＨＨＤは、１晩にわたって、または患者が寛いでいる、働いている、または別様に生産的である間の日中に行われ得る。
【0105】
医療デバイス７０６に関連して説明される実施例は、血液、透析流体、代替液、または静脈内薬物（「ＩＶ」）等の医療流体を送達する、任意の医療流体送達システムに適用可能である。実施例は、特に、本明細書では、集合的に、または概して、個別に、処方療法またはプログラムと称される、あらゆる形態の血液透析（「ＨＤ」）、血液濾過（「ＨＦ」）、血液透析濾過（「ＨＤＦ」）、持続的腎代替療法（「ＣＲＲＴ」）、および腹膜透析（「ＰＤ」）等の腎臓不全療法のために非常に適している。医療流体送達機械は、代替として、大容量蠕動タイプポンプまたはシリンジポンプ等の薬物送達または栄養流体送達デバイスであってもよい。本明細書に説明される機械は、在宅設定において使用されてもよい。
【0106】
図８は、本開示のある例示的実施形態による、本明細書に開示されるＣＫＤ予測機械学習モデル１１８を介して、患者の特性データ１３６を分析するための例示的プロシージャ８００のフロー図である。プロシージャ８００は、図８に図示されるフロー図を参照して説明されるが、プロシージャ８００と関連付けられるステップを実施する多くの他の方法も、使用され得ることを理解されたい。例えば、ブロックのうちの多くの順序は、変更されてもよく、あるブロックは、他のブロックと組み合わせられてもよく、説明されるブロックのうちの多くは、随意であってもよい。ある実施形態では、ブロックの数は、データ前処理およびフィルタリングおよび／または開発された機械学習モデルのタイプに基づいて変更されてもよい。プロシージャ８００において説明されるアクションは、メモリデバイス内に記憶される、１つまたはそれを上回る命令によって規定され、例えば、分析プロセッサ１０６を含む、複数のデバイス間で実施されてもよい。
【0107】
例示的プロシージャ８００は、分析プロセッサ１０６が、臨床医デバイス１３２上でアプリケーション１３４を介して、患者特性データ１３６を受信するとき、始まる（ブロック８０２）。データ１３６は、ＣＫＤ病期進行度予測モデル１１８ａおよび／またはＣＫＤ緊急透析開始予測モデル１１８ｂの入力にリンクされる、分析プロセッサ１０６の１つまたはそれを上回るＡＰＩを介して、受信されてもよい。いくつかの実施形態では、分析プロセッサ１０６は、患者のＣＫＤ病期および／またはアルブミン／クレアチニン比等の患者特性データから派生特性データを決定する（ブロック８０４）。分析プロセッサ１０６は、患者の現在のＣＫＤ病期を識別し、これは、同一ＣＫＤ病期において分類されたデータとの比較のために、ＣＫＤ病期進行度予測モデル１１８ａおよび／またはＣＫＤ緊急透析開始予測モデル１１８ｂへの入力として使用される（ブロック８０６）。
【0108】
例示的分析プロセッサ１０６は、次いで、ＣＫＤ病期進行度予測モデル１１８ａおよび／またはＣＫＤ緊急透析開始予測モデル１１８ｂにおける、患者特性データ１３６、派生データ、および／または患者のＣＫＤ病期を処理し、最も近い合致分類カテゴリまたは十分位数を識別する（ブロック８０８）。比較の一部として、分析プロセッサ１０６は、同一の分類された特性に各患者特性を合致させ、１つまたはそれを上回る最良適合分析を使用し、分析下の患者に関する分類を決定する。例えば、患者の血圧、ＧＦＲ、ＢＭＩ、性別、年齢、およびアルブミン値は、異なる分類に対する分布と比較され、正規分布または平均値からの距離を決定する。差異が、特性または因子毎に総和されてもよく、最低差異に対応するカテゴリまたは十分位数が、患者のために選択される。他の事例では、分析プロセッサ１０６は、確率転帰が、患者の特性評価データまたは因子に対する近似度に基づく、異なる分類カテゴリの組み合わせられた混合物であるように、加重平均ルーチンを使用し、因子毎に異なる分類カテゴリからの確率をコンパイルする。
【0109】
分析プロセッサ１０６は、合致および／または比較を使用し、分析下の患者に関する転帰確率を決定する（ブロック８１０）。これは、ＣＫＤ病期進行度予測モデル１１８ａからの速さおよび病期進行確率および／または患者がＣＫＤ緊急透析開始予測モデル１１８ｂから透析を必要とするであろう確率を決定するステップを含む。モデル１１８ａおよび１１８ｂは、例えば、３０日、６０日、９０日、１２０日、１８０日、３６０日等を含む、規定された離散時間フレームにわたって、確率を発生させる。
【0110】
分析プロセッサ１０６は、次いで、モデル１１８ａおよび１１８ｂからの出力を使用して、報告１３８を発生させる（ブロック８１２）。分析プロセッサ１０６は、報告１３８を、臨床医デバイス１３２上で、アプリケーション１３４のユーザインターフェース内に表示させる（ブロック８１４）。分析プロセッサ１０６は、次に、治療処方箋が受信されるかどうかを決定し得る（ブロック８１６）。治療処方箋が、受信されない場合、例示的プロシージャ８００は、ＣＫＤ分析が、別の患者のために、または再び同一患者のために必要とされるまで、終了する。しかしながら、治療処方箋が、受信される場合、分析プロセッサ１０６は、治療を指示させる（ブロック８１８）。これは、透析機械または他の医療デバイスに関する指示、カテーテルの留置に関する指示、投薬療法指示、および／または患者の生活様式を変更させる際に患者を補助するためのアプリケーションに関する指示を伝送するステップを含んでもよい。指示はまた、透析機械または他の医療デバイスに治療を始めさせるメッセージを含んでもよい。例示的プロシージャ８００は、ＣＫＤ分析が、別の患者のために、または再び同一患者のために必要とされるまで、終了する。
Ｖ．予測ＣＫＤ機械学習モデル性能
Ｖ．予測ＣＫＤ機械学習モデル性能
【0111】
上記に示されるように、多因子機械学習モデル１１８ａおよび１１８ｂは、優れた予測能力を呈する。モデル１１８ａおよび１１８ｂは、経時的に変化する実験室値等の時間依存データを利用することが可能であるだけではなく、データセットが患者リスクを査定するために提示するものと同程度の多くの特徴特性を考慮することも可能である。多数の因子および患者特性が、アルゴリズムを生成する際に、モデル１１８によって考慮される。異なる因子が、モデル毎に患者リスクを決定する際に最も有力となるものとして現れた。例えば、最上位入力の中でもとりわけ、ＧＦＲ、クレアチニン、血圧、およびＢＭＩが、ＣＫＤ病期進行度予測モデル１１８に関する患者のリスクを識別する際に考慮された。一方、ヘモグロビン、アルブミン、およびクレアチニン等の因子が、ＣＫＤ緊急透析開始予測モデル１１８ｂに関するリストの上位に現れた。
【0112】
ＣＫＤ病期進行度予測モデル１１８の出力は、患者が次のＣＫＤ病期へのその進行を遅らせることから最大の利益を得るであろうケアのレベルに臨床医を誘導するように、分析プロセッサ１０６によって使用されることができる。表４に見られるように、モデルが予測されるリスクのより高い十分位数に位置付ける、患者が、より急速に病期において進行した。１２０日以内に病期において進行することが予測される、患者の８８パーセントが、実際に進行した。したがって、ＣＫＤ病期進行度予測モデル１１８を使用する臨床医は、そのリスクレベルに基づいて患者を治療する際に、高レベルの信頼度を有する。これらの患者は、可能な限り、その症状に対処し、疾患進行度を遅らせるために、より早くより頻繁な外来診療を要求する。
【0113】
さらに、ＣＫＤ病期進行度予測モデル１１８ａが、多くの因子に基づくため、欠測または不完全なデータを非常にロバストに取り扱っていることが決定されている。推奨される診療データが、欠測ＡＣＲ値に起因して、不明であるときでも、ＣＫＤ病期進行度予測モデル１１８ａは、リスクを効果的に区別化し続ける。表５および６に関連して議論される、上記の十分位数分析は、より正確度を伴って、予測されるＣＫＤ病期進行率を実証し、医師が、より積極的により高いリスク患者を治療し、より低リスク患者を査定するために必要以上にリソースを使用することを控えることを可能にする。
【0114】
ＣＫＤ緊急透析開始予測モデル１１８ｂは、緊急開始の高リスクにある患者を正確に識別することを証明する。表８における上記の図から分かるように、患者の４１％が、３０～９０日以内に緊急透析開始（十分位数１０）を早急に受けた者に対して高リスクにあることが予測される。モデルは、高感度およびＰＰＶを呈するため、ケア提供者が、３０日と同程度の短い日数で、潜在的緊急透析開始候補を識別することの高確率を有し、適切な予期ステップを講じることができる。緊急のスケジュールされていない透析治療は、定期的にスケジュールされた治療より最大２０倍コストがかかり得る。したがって、緊急治療の数の減少が、患者ケアにおける改善とともに、コスト節約をもたらす。
ＶＩ．結論
ＶＩ．結論
【0115】
本明細書に説明される本好ましい実施形態の種々の変更および修正が、当業者に明白となるであろうことを理解されたい。そのような変更および修正は、本主題の精神および範囲から逸脱することなく、かつその意図される利益を減少させることなく行われることができる。したがって、そのような変更および修正は、添付される請求項によって網羅されることを意図している。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【手続補正書】
【提出日】2023-05-23
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
患者の慢性腎疾患（「ＣＫＤ」）進行度を推定するためのシステムであって、前記システムは、分析を受けている患者に関する患者特性データを記憶するメモリデバイスであって、前記患者特性データは、人口統計／生理学的データ、ＣＫＤ初期病期、ＣＫＤの診断された原因、および既往歴を含む、メモリデバイスと、
ＣＫＤの次の病期への進行度と、ＣＫＤの前記次の病期の前記進行度の時間フレームとを予測するように構成されるアンサンブル機械学習アルゴリズムであって、前記アンサンブル機械学習アルゴリズムは、（ｉ）離散時間フレームにわたって、ある中等度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージと、（ｉｉ）前記既知の患者に対応する既知の患者特性データであって、前記既知の患者特性データは、前記既知の患者に関する人口統計／生理学的データ、ＣＫＤの診断された原因、既往歴、およびＣＫＤ病期進行度に関連する正および負の結果の分類を含む、既知の患者特性データとをそれぞれ含む予測十分位数分類子を含有し、
異なるＣＫＤ病期に関する各予測十分位数は、（ｉ）を使用して、前記離散時間フレームのそれぞれにわたって、ＣＫＤ進行度に関する正の転帰の確率が割り当てられる、アンサンブル機械学習アルゴリズムと、
前記メモリデバイスに通信可能に結合される分析プロセッサであって、前記分析プロセッサは、前記アンサンブル機械学習アルゴリズムと連動し、
前記アンサンブル機械学習アルゴリズムにおいて提供される前記既知の患者特性データの分類と、分析下の前記患者の前記患者特性データとを比較することによって、前記患者の前記ＣＫＤ初期病期に最も近い合致予測十分位数に、前記分析を受けている患者を分類することと、
前記分析を受けている患者が、前記最も近い合致予測十分位数の前記割り当てられた確率を使用して、前記離散時間フレーム毎に、次の中等度または重度ＣＫＤ病期に進行するであろう確率を決定することと、
ユーザインターフェースを介して、前記分析を受けている患者が、前記離散時間フレームにわたって、前記次の中等度または重度ＣＫＤ病期に進むであろうパーセンテージ尤度を表示することと
を行うように構成される、分析プロセッサと
を備える、システム。
【請求項2】
前記人口統計／生理学的データは、性別、人種、年齢、肥満度指数、血圧、クレアチニンレベル、糸球体濾過率（「ＧＦＲ」）、ヘモグロビンレベル、またはアルブミンレベルのうちの少なくとも１つを含む、請求項１に記載のシステム。
【請求項3】
前記ＣＫＤの診断された原因は、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎のうちの少なくとも１つを含む、請求項１または２に記載のシステム。
【請求項4】
前記既往歴は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患のうちの少なくとも１つを含む、請求項１または２に記載のシステム。
【請求項5】
ある中等度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージは、患者特性データ、既知のＣＫＤ進行度データ、および治験中止結果を含む患者母集団データを使用して決定される、請求項１または４に記載のシステム。
【請求項6】
前記治験中止結果は、透析療法、腎代替療法（「ＲＲＴ」）、死亡、腎臓移植、または緩和ケアのうちの少なくとも１つを含む、請求項５に記載のシステム。
【請求項7】
前記既知のＣＫＤ進行度データは、異なる中等度または重度ＣＫＤ病期と関連付けられる推定された糸球体濾過率（「ＧＦＲ」）の変化、またはこれまで既知のＧＦＲからの前記推定されたＧＦＲの少なくとも２５％の変化に基づいて、病期進行度を識別する、請求項５に記載のシステム。
【請求項8】
前記患者の前記ＣＫＤ初期病期は、前記患者の推定されたＧＦＲまたは前記患者がタンパク尿を被っている時間の長さのうちの少なくとも１つに基づく、請求項１または７に記載のシステム。
【請求項9】
前記離散時間フレームは、３０日、６０日、９０日、１２０日、１８０日、および３６０日のうちの少なくとも１つを含む、請求項１または７に記載のシステム。
【請求項10】
前記中等度または重度ＣＫＤ病期は、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａと、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂと、１５～２９ｍＬ／分のＧＦＲを伴う病期４と、１５ｍＬ／分未満のＧＦＲを伴う病期５とを含む、請求項１または７に記載のシステム。
【請求項11】
前記アンサンブル機械学習アルゴリズムは、離散時間フレームにわたって、ある軽度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含み、前記ＣＫＤ初期病期は、９０ｍＬ／分を上回るＧＦＲを伴う病期１、６０～８９ｍＬ／分のＧＦＲを伴う病期２、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａ、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂ、または１５～２９ｍＬ／分のＧＦＲを伴う病期４のうちの少なくとも１つを含む、
請求項１に記載のシステム。
【請求項12】
前記ユーザインターフェースは、臨床医コンピュータ上に表示される、請求項１に記載のシステム。
【請求項13】
慢性腎疾患（「ＣＫＤ」）を患う患者が、緊急に透析を開始する必要があるであろう尤度を推定するためのシステムであって、前記システムは、分析を受けている患者に関する患者特性データを記憶するメモリデバイスであって、前記患者特性データは、人口統計／生理学的データ、ＣＫＤ初期病期、ＣＫＤの診断された原因、および既往歴を含む、メモリデバイスと、
前記分析を受けている患者が透析の緊急開始の必要があるであろう尤度を予測するように構成される機械学習アルゴリズムであって、前記機械学習アルゴリズムは、（ｉ）離散時間フレームにわたって、透析の緊急開始が必要とされる既知の患者のパーセンテージと、（ｉｉ）前記既知の患者に対応する既知の患者特性データであって、前記既知の患者特性データは、前記既知の患者に関する人口統計／生理学的データ、ＣＫＤの診断された原因、既往歴、および透析の緊急開始に関連する正および負の結果の分類を含む、既知の患者特性データとをそれぞれ含む予測十分位数分類子を含有し、
異なるＣＫＤ病期に関する各予測十分位数は、（ｉ）を使用して、前記離散時間フレームのそれぞれにわたって、透析の緊急開始に関する正の転帰の確率が割り当てられる、機械学習アルゴリズムと、
前記メモリデバイスに通信可能に結合される分析プロセッサであって、前記分析プロセッサは、前記アンサンブル機械学習アルゴリズムと連動し、
前記機械学習アルゴリズムにおいて提供される患者特性データの分類と、分析下の前記患者の前記患者特性データとを比較することによって、前記患者の前記ＣＫＤ初期病期に最も近い合致予測群に、前記分析を受けている患者を分類することと、
前記分析を受けている患者が、最も近い合致予測十分位数の前記割り当てられた確率を使用して、前記離散時間フレームにわたって、透析の緊急開始の必要があるであろう確率を決定することと、
ユーザインターフェースを介して、前記分析を受けている患者が、前記離散時間フレームにわたって、前記透析の緊急開始の必要があるであろうパーセンテージ尤度を表示することと
を行うように構成される、分析プロセッサと
を備える、システム。
【請求項14】
前記人口統計／生理学的データは、性別、人種、年齢、肥満度指数、血圧、クレアチニンレベル、糸球体濾過率（「ＧＦＲ」）、ヘモグロビンレベル、またはアルブミンレベルのうちの少なくとも１つを含む、請求項１３に記載のシステム。
【請求項15】
前記ＣＫＤの診断された原因は、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎のうちの少なくとも１つを含む、請求項１４に記載のシステム。
【請求項16】
前記既往歴は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患のうちの少なくとも１つを含む、請求項１４または１５に記載のシステム。
【請求項17】
あるＣＫＤ病期から次のＣＫＤ病期に進行した前記既知の患者のパーセンテージは、患者特性データ、既知のＣＫＤ進行度データ、および治験中止結果を含む患者母集団データを使用して決定された、請求項１４または１５に記載のシステム。
【請求項18】
前記ＣＫＤ病期は、９０ｍＬ／分を上回るＧＦＲを伴う病期１と、６０～８９ｍＬ／分のＧＦＲを伴う病期２と、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａと、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂと、１５～２９ｍＬ／分のＧＦＲを伴う病期４と、１５ｍＬ／分未満のＧＦＲを伴う病期５とを含む、請求項１４または１５に記載のシステム。
【請求項19】
前記分析プロセッサは、透析治療を開始するためのインジケーションを受信することと、
前記患者のために透析治療を準備させることと
を行うように構成される、請求項１４に記載のシステム。
【請求項20】
前記患者に前記透析治療を実施するように構成される透析機械をさらに備える、請求項１９に記載のシステム。【手続補正2】
【補正対象書類名】明細書
【補正対象項目名】００４１
【補正方法】変更
【補正の内容】
【0041】
付加的特徴および利益が、以下の詳細な説明および図に説明され、それから明白となるであろう。本明細書に説明される特徴および利益は、包括的ではなく、特に、多くの付加的特徴および利益が、図および説明を考慮して、当業者に明白となるであろう。また、任意の特定の実施形態は、本明細書に列挙される利益の全てを有する必要性はなく、個々の有利な実施形態を別個に請求することが、明確に想定される。また、本明細書に使用される言語が、発明的主題の範囲を限定するためではなく、主として、可読性および教示的目的のために選択されていることに留意されたい。
本発明は、例えば、以下を提供する。
（項目１）
患者の慢性腎疾患（「ＣＫＤ」）進行度を推定するためのシステムであって、上記システムは、
分析を受けている患者に関する患者特性データを記憶するメモリデバイスであって、上記患者特性データは、人口統計／生理学的データ、ＣＫＤ初期病期、ＣＫＤの診断された原因、および既往歴を含む、メモリデバイスと、
ＣＫＤの次の病期への進行度と、ＣＫＤの上記次の病期の上記進行度の時間フレームとを予測するように構成されるアンサンブル機械学習アルゴリズムであって、上記アンサンブル機械学習アルゴリズムは、離散時間フレームにわたって、ある中等度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含有する、アンサンブル機械学習アルゴリズムと、
上記メモリデバイスに通信可能に結合される分析プロセッサであって、上記分析プロセッサは、上記アンサンブル機械学習アルゴリズムと連動し、
上記アンサンブル機械学習アルゴリズムにおいて提供される患者特性データの分類と、分析下の上記患者の上記患者特性データとを比較することによって、上記患者の上記ＣＫＤ初期病期に最も近い合致予測十分位数に、上記分析を受けている患者を分類することと、
上記分析を受けている患者が、上記最も近い合致予測十分位数に基づいて、上記離散時間フレーム毎に、次の中等度または重度ＣＫＤ病期に進行するであろう確率を決定することと、
ユーザインターフェースを介して、上記分析を受けている患者が、上記離散時間フレームにわたって、上記次の中等度または重度ＣＫＤ病期に進むであろうパーセンテージ尤度を表示することと
を行うように構成される、分析プロセッサと
を備える、システム。
（項目２）
上記人口統計／生理学的データは、性別、人種、年齢、肥満度指数、血圧、クレアチニンレベル、糸球体濾過率（「ＧＦＲ」）、ヘモグロビンレベル、またはアルブミンレベルのうちの少なくとも１つを含む、項目１に記載のシステム。
（項目３）
上記ＣＫＤの診断された原因は、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎のうちの少なくとも１つを含む、項目１または２に記載のシステム。
（項目４）
上記既往歴は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患のうちの少なくとも１つを含む、項目１または２に記載のシステム。
（項目５）
ある中等度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージは、患者特性データ、既知のＣＫＤ進行度データ、および治験中止結果を含む患者母集団データを使用して決定される、項目１または４に記載のシステム。
（項目６）
上記治験中止結果は、透析療法、腎代替療法（「ＲＲＴ」）、死亡、腎臓移植、または緩和ケアのうちの少なくとも１つを含む、項目５に記載のシステム。
（項目７）
上記既知のＣＫＤ進行度データは、異なる中等度または重度ＣＫＤ病期と関連付けられる推定された糸球体濾過率（「ＧＦＲ」）の変化、またはこれまで既知のＧＦＲからの上記推定されたＧＦＲの少なくとも２５％の変化に基づいて、病期進行度を識別する、項目５に記載のシステム。
（項目８）
上記患者の上記ＣＫＤ初期病期は、上記患者の推定されたＧＦＲまたは上記患者がタンパク尿を被っている時間の長さのうちの少なくとも１つに基づく、項目１または７に記載のシステム。
（項目９）
上記離散時間フレームは、３０日、６０日、９０日、１２０日、１８０日、および３６０日のうちの少なくとも１つを含む、項目１または７に記載のシステム。
（項目１０）
上記中等度または重度ＣＫＤ病期は、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａと、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂと、１５～２９ｍＬ／分のＧＦＲを伴う病期４と、１５ｍＬ／分未満のＧＦＲを伴う病期５とを含む、項目１または７に記載のシステム。
（項目１１）
上記アンサンブル機械学習アルゴリズムは、離散時間フレームにわたって、ある軽度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含み、
上記ＣＫＤ初期病期は、９０ｍＬ／分を上回るＧＦＲを伴う病期１、６０～８９ｍＬ／分のＧＦＲを伴う病期２、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａ、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂ、または１５～２９ｍＬ／分のＧＦＲを伴う病期４のうちの少なくとも１つを含む、
項目１に記載のシステム。
（項目１２）
上記ユーザインターフェースは、臨床医コンピュータ上に表示される、項目１に記載のシステム。
（項目１３）
慢性腎疾患（「ＣＫＤ」）を患う患者が、緊急に透析を開始する必要があるであろう尤度を推定するためのシステムであって、上記システムは、
分析を受けている患者に関する患者特性データを記憶するメモリデバイスであって、上記患者特性データは、人口統計／生理学的データ、ＣＫＤ初期病期、ＣＫＤの診断された原因、および既往歴を含む、メモリデバイスと、
上記分析を受けている患者が透析の緊急開始の必要があるであろう尤度を予測するように構成される機械学習アルゴリズムであって、上記機械学習アルゴリズムは、離散時間フレームにわたって、透析の緊急開始が必要とされる既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含有する、機械学習アルゴリズムと、
上記メモリデバイスに通信可能に結合される分析プロセッサであって、上記分析プロセッサは、上記アンサンブル機械学習アルゴリズムと連動し、
上記機械学習アルゴリズムにおいて提供される患者特性データの分類と、分析下の上記患者の上記患者特性データとを比較することによって、上記患者の上記ＣＫＤ初期病期に最も近い合致予測群に、上記分析を受けている患者を分類することと、
上記分析を受けている患者が、最も近い合致予測十分位数に基づいて、上記離散時間フレームにわたって、透析の緊急開始の必要があるであろう確率を決定することと、
ユーザインターフェースを介して、上記分析を受けている患者が、上記離散時間フレームにわたって、上記透析の緊急開始の必要があるであろうパーセンテージ尤度を表示することと
を行うように構成される、分析プロセッサと
を備える、システム。
（項目１４）
上記人口統計／生理学的データは、性別、人種、年齢、肥満度指数、血圧、クレアチニンレベル、糸球体濾過率（「ＧＦＲ」）、ヘモグロビンレベル、またはアルブミンレベルのうちの少なくとも１つを含む、項目１３に記載のシステム。
（項目１５）
上記ＣＫＤの診断された原因は、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎のうちの少なくとも１つを含む、項目１４に記載のシステム。
（項目１６）
上記既往歴は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患のうちの少なくとも１つを含む、項目１４または１５に記載のシステム。
（項目１７）
あるＣＫＤ病期から次のＣＫＤ病期に進行した上記既知の患者のパーセンテージは、患者特性データ、既知のＣＫＤ進行度データ、および治験中止結果を含む患者母集団データを使用して決定された、項目１４または１５に記載のシステム。
（項目１８）
上記ＣＫＤ病期は、９０ｍＬ／分を上回るＧＦＲを伴う病期１と、６０～８９ｍＬ／分のＧＦＲを伴う病期２と、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａと、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂと、１５～２９ｍＬ／分のＧＦＲを伴う病期４と、１５ｍＬ／分未満のＧＦＲを伴う病期５とを含む、項目１４または１５に記載のシステム。
（項目１９）
上記分析プロセッサは、
透析治療を開始するためのインジケーションを受信することと、
上記患者のために透析治療を準備させることと
を行うように構成される、項目１４に記載のシステム。
（項目２０）
上記患者に上記透析治療を実施するように構成される透析機械をさらに備える、項目１９に記載のシステム。
本発明は、例えば、以下を提供する。
（項目１）
患者の慢性腎疾患（「ＣＫＤ」）進行度を推定するためのシステムであって、上記システムは、
分析を受けている患者に関する患者特性データを記憶するメモリデバイスであって、上記患者特性データは、人口統計／生理学的データ、ＣＫＤ初期病期、ＣＫＤの診断された原因、および既往歴を含む、メモリデバイスと、
ＣＫＤの次の病期への進行度と、ＣＫＤの上記次の病期の上記進行度の時間フレームとを予測するように構成されるアンサンブル機械学習アルゴリズムであって、上記アンサンブル機械学習アルゴリズムは、離散時間フレームにわたって、ある中等度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含有する、アンサンブル機械学習アルゴリズムと、
上記メモリデバイスに通信可能に結合される分析プロセッサであって、上記分析プロセッサは、上記アンサンブル機械学習アルゴリズムと連動し、
上記アンサンブル機械学習アルゴリズムにおいて提供される患者特性データの分類と、分析下の上記患者の上記患者特性データとを比較することによって、上記患者の上記ＣＫＤ初期病期に最も近い合致予測十分位数に、上記分析を受けている患者を分類することと、
上記分析を受けている患者が、上記最も近い合致予測十分位数に基づいて、上記離散時間フレーム毎に、次の中等度または重度ＣＫＤ病期に進行するであろう確率を決定することと、
ユーザインターフェースを介して、上記分析を受けている患者が、上記離散時間フレームにわたって、上記次の中等度または重度ＣＫＤ病期に進むであろうパーセンテージ尤度を表示することと
を行うように構成される、分析プロセッサと
を備える、システム。
（項目２）
上記人口統計／生理学的データは、性別、人種、年齢、肥満度指数、血圧、クレアチニンレベル、糸球体濾過率（「ＧＦＲ」）、ヘモグロビンレベル、またはアルブミンレベルのうちの少なくとも１つを含む、項目１に記載のシステム。
（項目３）
上記ＣＫＤの診断された原因は、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎のうちの少なくとも１つを含む、項目１または２に記載のシステム。
（項目４）
上記既往歴は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患のうちの少なくとも１つを含む、項目１または２に記載のシステム。
（項目５）
ある中等度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージは、患者特性データ、既知のＣＫＤ進行度データ、および治験中止結果を含む患者母集団データを使用して決定される、項目１または４に記載のシステム。
（項目６）
上記治験中止結果は、透析療法、腎代替療法（「ＲＲＴ」）、死亡、腎臓移植、または緩和ケアのうちの少なくとも１つを含む、項目５に記載のシステム。
（項目７）
上記既知のＣＫＤ進行度データは、異なる中等度または重度ＣＫＤ病期と関連付けられる推定された糸球体濾過率（「ＧＦＲ」）の変化、またはこれまで既知のＧＦＲからの上記推定されたＧＦＲの少なくとも２５％の変化に基づいて、病期進行度を識別する、項目５に記載のシステム。
（項目８）
上記患者の上記ＣＫＤ初期病期は、上記患者の推定されたＧＦＲまたは上記患者がタンパク尿を被っている時間の長さのうちの少なくとも１つに基づく、項目１または７に記載のシステム。
（項目９）
上記離散時間フレームは、３０日、６０日、９０日、１２０日、１８０日、および３６０日のうちの少なくとも１つを含む、項目１または７に記載のシステム。
（項目１０）
上記中等度または重度ＣＫＤ病期は、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａと、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂと、１５～２９ｍＬ／分のＧＦＲを伴う病期４と、１５ｍＬ／分未満のＧＦＲを伴う病期５とを含む、項目１または７に記載のシステム。
（項目１１）
上記アンサンブル機械学習アルゴリズムは、離散時間フレームにわたって、ある軽度ＣＫＤ病期から次の中等度または重度ＣＫＤ病期に進行した既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含み、
上記ＣＫＤ初期病期は、９０ｍＬ／分を上回るＧＦＲを伴う病期１、６０～８９ｍＬ／分のＧＦＲを伴う病期２、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａ、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂ、または１５～２９ｍＬ／分のＧＦＲを伴う病期４のうちの少なくとも１つを含む、
項目１に記載のシステム。
（項目１２）
上記ユーザインターフェースは、臨床医コンピュータ上に表示される、項目１に記載のシステム。
（項目１３）
慢性腎疾患（「ＣＫＤ」）を患う患者が、緊急に透析を開始する必要があるであろう尤度を推定するためのシステムであって、上記システムは、
分析を受けている患者に関する患者特性データを記憶するメモリデバイスであって、上記患者特性データは、人口統計／生理学的データ、ＣＫＤ初期病期、ＣＫＤの診断された原因、および既往歴を含む、メモリデバイスと、
上記分析を受けている患者が透析の緊急開始の必要があるであろう尤度を予測するように構成される機械学習アルゴリズムであって、上記機械学習アルゴリズムは、離散時間フレームにわたって、透析の緊急開始が必要とされる既知の患者のパーセンテージをそれぞれ含む予測十分位数分類子を含有する、機械学習アルゴリズムと、
上記メモリデバイスに通信可能に結合される分析プロセッサであって、上記分析プロセッサは、上記アンサンブル機械学習アルゴリズムと連動し、
上記機械学習アルゴリズムにおいて提供される患者特性データの分類と、分析下の上記患者の上記患者特性データとを比較することによって、上記患者の上記ＣＫＤ初期病期に最も近い合致予測群に、上記分析を受けている患者を分類することと、
上記分析を受けている患者が、最も近い合致予測十分位数に基づいて、上記離散時間フレームにわたって、透析の緊急開始の必要があるであろう確率を決定することと、
ユーザインターフェースを介して、上記分析を受けている患者が、上記離散時間フレームにわたって、上記透析の緊急開始の必要があるであろうパーセンテージ尤度を表示することと
を行うように構成される、分析プロセッサと
を備える、システム。
（項目１４）
上記人口統計／生理学的データは、性別、人種、年齢、肥満度指数、血圧、クレアチニンレベル、糸球体濾過率（「ＧＦＲ」）、ヘモグロビンレベル、またはアルブミンレベルのうちの少なくとも１つを含む、項目１３に記載のシステム。
（項目１５）
上記ＣＫＤの診断された原因は、高血圧症、糖尿病、閉塞性尿路疾患、糸球体腎炎／自己免疫疾患、多発性嚢胞腎、慢性尿細管間質性腎炎、または慢性腎盂腎炎のうちの少なくとも１つを含む、項目１４に記載のシステム。
（項目１６）
上記既往歴は、高血圧症、糖尿病、心虚血、鬱血性心不全、または脳血管疾患のうちの少なくとも１つを含む、項目１４または１５に記載のシステム。
（項目１７）
あるＣＫＤ病期から次のＣＫＤ病期に進行した上記既知の患者のパーセンテージは、患者特性データ、既知のＣＫＤ進行度データ、および治験中止結果を含む患者母集団データを使用して決定された、項目１４または１５に記載のシステム。
（項目１８）
上記ＣＫＤ病期は、９０ｍＬ／分を上回るＧＦＲを伴う病期１と、６０～８９ｍＬ／分のＧＦＲを伴う病期２と、４５～５９ｍＬ／分のＧＦＲを伴う病期３Ａと、３０～４４ｍＬ／分のＧＦＲを伴う病期３Ｂと、１５～２９ｍＬ／分のＧＦＲを伴う病期４と、１５ｍＬ／分未満のＧＦＲを伴う病期５とを含む、項目１４または１５に記載のシステム。
（項目１９）
上記分析プロセッサは、
透析治療を開始するためのインジケーションを受信することと、
上記患者のために透析治療を準備させることと
を行うように構成される、項目１４に記載のシステム。
（項目２０）
上記患者に上記透析治療を実施するように構成される透析機械をさらに備える、項目１９に記載のシステム。
【国際調査報告】