CN119452423A 用于疗法预测的模型生成设备以及相关联的方法和模型 （通 用电气健康护理有限公司）

2024.12.24PCT/US2022/0320842022.06.03WO2023/211476EN2023.11.02用于疗法预测的模型生成设备以及相关联公开了用于疗法预测和处理的模型的生成以及部署选择的第一模型和/或第二模型以预测2至少测试所述第一模型和所述第二模型，以比较所述第一模型和所述第二模型的性部署所述第一模型或所述第二模型中的所述选择的至少一个以预测以下中的至少一2.根据权利要求1所述的设备，还包括在具有接口的工具中部署所述第一模型或所述8.根据权利要求1所述的设备，其中，所述处理器电路系统要为所述输入数据生成标第二模型中的所述选择的至少一个部署为具有接13.至少一种计算机可读存储介质，其包括指令，所述指令当由处理器电路系统执行3至少测试所述第一模型和所述第二模型，以比较所述第一模型和所述第二模型的性部署所述第一模型或所述第二模型中的所述选择的至少一个以预测以下中的至少一使得所述处理器电路系统在具有接口的工具中部署所述第一模型或所述第二模型中的所使得所述处理器电路系统相对于锚点按照时间序列提取和组织合中提取中的至少一个来对所述候选特征集至少测试所述第一模型和所述第二模型，以比较所述第一模型和所述第二模型的性部署所述第一模型或所述第二模型中的所述选择的至少一个以预测以下中的至少一模型或所述第二模型中的所述选择的至少一个20.根据权利要求18所述的方法，还包括相对于锚点按照时间序列提取和组织所述输21.根据权利要求18所述的方法，还包括为所述输入数据生成标签以形成所述候选特从所述候选特征集合中提取中的至少一个来对所述候选特征集合4[0001]本专利要求2022年4月26日提交的美国临时专利申请序列号63/335215的优先权[0006]图2图14示出了图示使用图1的示例模型生成设备来执行指令以驱动操作的流程[0007]图15是包括构造成执行示例机器可读指令和/或示例操作的处理器电路系统的示在要分配给例如零售商和/或分配给诸如直接购买客户之类的其他最终用户的产品中)相5控制器和/或其他基于逻辑的装置，其基于存储在有形且非暂时性的计算机可读存储介质6或多个DSP等和/或其组合)以及(一个或多个)应用编程接口((一个或多个)API)的异构计疫细胞上的蛋白质)来保护自己免受攻击。为了靶向体内的癌细胞，免疫检查点抑制剂些示例预测了在开始第一次ICI治疗之前irAE肝炎的发作。更准确地说，某些示例预测了irAE肝炎是否将在第一次治疗开始后的给定的时间窗口内发生。可以类似地预测诸如肺些示例中，通过提取来自电子健康记录(EHR)数据表(例如，在处理器/处理电路系统处从7他方式提供免疫检查点抑制剂(ICI)治疗的日期以供标签和/或时间序列据集可以用于训练GB模型。在某些示例中，可以验证经[0033]某些示例提供了用于准备EHR和/或其他健康数据以供在基于机器学习的模型训8[0034]某些示例提供了与ICI相关的预测模型构建，其中准备了来自多个来源的输入数据。可以从准备的数据中生成基准真实值(groundtruth)预测标签和/或可以专业地创建联的(一个或多个)预测可以为个体定制和/或被部署数据被混淆到通用模型以用于比较。在这样的数据上训练和测试的所得模型对于异常值、9的数据(和/或患者之间的数据)对齐，以实现[0044]经处理的数据然后可用于预测预定义或以其他方式确定的时间窗口中的静态标实验室系统和/或其他数据来源的数据可以被预处理并被提供给模型以生成预测，所述预据集中的相关对象和区域的互连数据的生物启发网络。CNN以多个阵列的形式评估原始数[0054]深度学习是一类采用表示学习方法的机器学习技术，其允许机器被给予原始数供有分类良好的数据的巨大集合的机器更好地被配备成辨别和提取与新数据的成功分类[0059]利用迁移学习的深度学习机器可将数据特征正确连接到由人类专家确认的某些第一模型或第二模型中的至少一个。示例模型存储电路系统140提供存储器电路系统来存储所选择的第一和/或第二模型。示例模型部署器电路系统150部署所选择的第一模型和/或第二模型以预测由于根据患者的治疗计划的免疫疗法而产生的毒性的可能性，诸如肺个或多个外部系统160的数据。示例模型生成器设备100然后使用模型训练器电路系统120[0072]在某些示例中，输入数据处理器110将输入数据值规则化至正常的上限，使得值[0077]示例模型训练器电路系统120使用特征和/或其他数据来训模型训练器电路系统120训练一个或多个模型以最大化Fl得分或最大化召回率。当关注Fl并评估由每个模型生成的预测的可能性。这样的评定/评估可用于选择要部署的一个或多署模型来驱动工具，以评估与患者和/或患者群体等的免疫疗法相关联的疗效和/或毒性。和/或毒性模型预测可以与患者的更新疗效和/或毒性模型预测一起使用(例如，在先前和[0081]图2_14是代表可存储在存储器电路系统中并可由处理器电路系统执行以实现和致动图1的示例模型生成设备100的计算机可读指令的示例过程的流程图。图2的示例过程择的模型也可以由模型存储电路系统140存储，因[0086]在框260处，一个或多个选择的模型由模型部署器电路系统150部署至外部系统疫疗法相关联的毒性和/或其他副作用预测等。这样的请求可以驱动对具有某种特性的模足一个或多个准则。以基于模型相对于一个或多个准则如何执行和/或输出的评估来选择单个模型用于部署。[0093]图5图示了用于模型构建和评估的示例顺序规程500(例如，通过开发特征集等已经相应地评估了特征，就使用第二数据分区525来测试所得的模型性能。如果两个循环部循环524上评估模型性能。因此，初始特征集Ml或扩展特征集M2可以被选择用于模型训风险预测数据集635可以包括每个血液测试值历史的免疫相关肝炎不良事件风险预测。也[0099]图7图示了用于构建示例分类模型的示例过程700。在框710处，来自输入数据集[0106]图10图示了从多个来源准备数据以供在机器学习和/或其他AI模型训练中使用的集1005中生成数据。可以从多个结构化和/或非结构化数据来源收集数据以形成数据集据结构的模型不可知的非聚合表可以用于特征过滤和向量生成。患者向量和/或未聚合的以包括由输入域分隔并保留时间结构的一个或多个数据治疗等)可以通过框架来驱动锚点选择，以对齐时间序列数据以用于关系处理和比较。例[0116]图13图示了构建与ICI相关的疗效的预测模型的示例过程1300。这样的模型可以ICI治疗开始的第一个日期。生成的基准真实值标签可以按原样使用和/或以修改的粒度多个)图形处理单元((一个或多个)GPU)、(一个或多个)数字信号处理器((一个或多个)DSP)、(一个或多个)专用集成电路((一个或多个)ASIC)、(一个或多个)可编程逻辑装置((一个或多个)PLD)和/或诸如现场可编程门阵列(FPGA)之类的(一个或多个)现场可编程何组合可实现(一个或多个)系统和/或执算机可读存储介质诸如与位于一个或多个硬件装置中的处理器电路系统相关联的致密盘由除处理器电路系统之外的一个或多个硬件装置执行和/或体现在固件或专用硬件中。机造成在不执行软件或固件的情况下执行对应的操全部或部分执行机器可读指令和/或对应的(一个或多个)程序之前可能需要配置机器可读读介质可以包括机器可读指令和/或(一个或多个)程序，而不管机器可读指令和/或(一个文中公开的示例操作，所述可执行指令被存储在一个或多个非暂态计算机和/或机器可读置和机器可读存储装置的示例包括任何类型的随机存取存储器、任何类型的只读存储器、指代包括以下的任何的实现：(1)至少一个A、(2)至少一个B或者(3)至少一个A和至少一个B。[0132]图15是被构造成执行和/或实例化本文中公开和描述的机器可读指令和/或操作[0134]所图示的示例的处理器电路系统1512包括本地存储器1513(例如高速缓存、寄存1514和非易失性存储器1516)进行通信。易失性存储器1514可由同步动态随机存取存储器(SDRAM)、动态随机存取存储器(DRAM)、RAMBUS这动态随机存取存储器(RDRAM@)和/或任何其他类型的RAM装置来实现。非易失性存储器1516可由闪速存储器和/或任何其Bluetooth@接口、近场通信(NFC)接口、外围组件互连(PCI)接口和/或外围组件快速或多个)输入装置1522准许用户将数据和/或命令输入到处理器电路系统1512中。(一个或[0137]一个或多个输出装置1524也被连接到所图示的示例的接口电路系统1520。(一个或多个)输出装置1524能够例如由显示装置(例如发光二极管(LED)、有机发光二极管[0138]所图示的示例的接口电路系统1520还包括通信装置(诸如传送器、接收器、收发[0139]所图示的示例的处理器平台1500还包括存储软件和/或数据的一个或多个大容量易失性存储器1516中和/或诸如CD或DVD对应于本文中公开的机器可读指令和/或操作的一部分[0143]每个核1602可称作CPU、DSP、GPU等或者任何其他类型的硬件电路系统。每个核被构造成对于对应核1602内的数据执行一个或多个数学和/或逻辑操作的基于半导体的电术逻辑单元(ALU)。寄存器1618是用于存储数据和/或指令(诸如由对应核1602的AL电路系[0144]每个核1602和/或更一般地微处理器1600可包括上面所示和所描述的那些结构的或多个移位器(例如(一个或多个)桶式移位器)和/或其处理器电路系统的板上、在与处理器电路系统相同的芯片封装中和/或在一个或多个与处[0146]更具体地，与上述图16的微处理器1600(其是被编程为执行此处公开的机器可读指令中的一些或全部但是其互连和逻辑电路系统一旦被制作就是固定的通用装置)相比，图17的示例的FPGA电路系统1700包括可在制作之后以不同的方式配置和/或互连以实例化来互连逻辑门，从而有效地形成一个或多个专用逻辑电路(除非并且直到FPGA电路系统[0147]在图17的示例中，FPGA电路系统1700被构造成由最终用户通过诸如Verilog之类示例输入/输出(I/O)电路系统1702，其用来从示例配置电路系统1704和/或外部硬件1706的至少一些的一个或多个操作和/或其他期望操作。图17中所示的逻辑门电路系统1708以关(例如晶体管)存在于逻辑门电路系统1708的每[0149]所图示的示例的存储电路系统1712被构造成存储由对应逻辑门所执行的操作中[0150]图17的示例FPGA电路系统1700还包括示例专用操作电路系统1714。在这个示例FPGA电路系统1700还可包括示例通用可编程电路系统1718，诸如示例CPU1720和/或示例例中，电路系统中的一些或全部可以在微处理器上执行的一个或多个虚拟机和/或容器内的处理器电路系统1600和/或图17的FPGA电路系统1700可处于一个或多个封装中。在一些[0153]图示用于将诸如图15的示例机器可读指令1532之类的软件分发给由第三方拥有和/或操作的硬件装置的示例软件分发平台1805的框图在图18中图示。示例软件分发平台或操作软件分发平台1805的实体可以是诸如图15的示例机器可读指令1532之类的软件的开发商、销售商和/或许可者。第三方可以是购买软件和/或许可软件以供使用和/或转售个或多个服务器和一个或多个存储装置。如上面所描述的，存储装置存储机器可读指令台1805的一个或多个服务器与示例网络1810通信，所述网络1810可对应于因特网和/或上可的付款可由软件分发平台的一个或多个服务器和/或由第三方支付实体处理。服务器使分发平台1805的一个或多个服务器周期性地提供、传送和/或强制对软件进行更新(例如，[0154]在一些示例中，可经由基于云的平台1805上传部署的模型和/或患者数据以远程现模型生成和部署以驱动用于疗法预测和治疗执行的过程，改进了使用计算装置的效率。示，诸如符号集合近似的修改版本等。示例特征工程子模块要从符号序列中提取作为n_练和评估AI模型以从固定长度的血液测试历史动态预测免疫相关的肝炎不良事件风险的[0158]示例系统和方法包括在数据中寻找模式，以识别如同肺炎的与ICI相关的毒性的[0160]示例系统和方法包括当M2在步骤3)中显著更好时，评定M2在保持的第二分区(例使用的多来源电子健康记录数据。示例方法和相关联的系统包括从多个来源准备输入数[0165]某些示例提供了用于为与免疫检查点抑制剂治疗相关的疗效替代端点构建预测从接收的电子健康记录(EHR)数据表中提取血液特征的相关部分来准备输入。这些是血浆[0172]示例2包括任何前述条款所述的设备，还包括在具有接口的工具中部署所述第一型或所述第二模型中的所述选择的至少一个或所述第二模型中的所述选择的至少一个部署为[0192]示例22包括任何前述条款所述的方法，还包括通过对候选特征集合进行规则化、变换或从候选特征集合中提取中的至少一个来对候选特征集据用于第一患者的治疗计划在免疫疗法期间产生的毒性，或b)治疗计划对第一患者的疗[0212]示例42包括任何前述条款所述的方法，还包括按照时间序列提取和组织患者数