[發明專利]一種以免疫標記及視覺化方式建立免疫疾病輔助判讀模型的方法

在審

• 申請號: 201810290170.6
• 申請日: 2018-04-03
• 公開（公告）號: CN110346564A
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 陳春賢;曾意儒;王信堯;林宛瑩;陳智光
• 申請（專利權）人: 長庚醫療財團法人林口長庚紀念醫院;長庚大學
• 主分類號: G01N33/564
• 分類號: G01N33/564;G16H50/20
• 代理公司: 北京北新智誠知識產權代理有限公司 11100
• 代理人: 張晶;郭佩蘭

一種以免疫標記及視覺化方式建立免疫疾病輔助判讀模型的方法，搜集復數受試者經由免疫標記套組檢驗的數據，及其每位受試者相對應的疾病診斷資料，建立免疫標記套組檢驗資料庫，通過機器學習演算法處理后，形成具有圖像的輔助判讀模型，接著讓新受試者進行免疫標記套組的檢驗，將取得的數據由群聚式的機器學習演算法處理，使其數據與免疫標記套組檢驗資料庫呈現圖像化至輔助判讀模型進行分布型態的比對；通過上述，本案提供了多數據的即時分析供臨床醫師參考，在正確性、時效性及判讀結果重現性上，皆可獲得改善。

技術領域

本發明提供一種建立輔助判讀模型的方法，尤指一種以免疫標記及視覺化方式建立免疫疾病輔助判讀模型的方法，通過免疫標記套組結合機器學習演算法的即時分析，再經由圖像化的呈現比對結果，供使用者從整體數據分布找出新標的個案可能的免疫疾病。

背景技術

免疫疾病是許多發展中國家、發達國家的主要疾病，而免疫疾病種類繁多，疾病的確定診斷通常須根據多項的準則進行判斷。文獻指出，由于免疫疾病的多樣性，約有20％-52％的風濕免疫科別病患無法得到確切診斷。此外，某些免疫疾病的進展緩慢，在早期臨床表現常不典型，在漫長持續追蹤的過程中仍無法得到確切的診斷與處置。因此，此類免疫疾病的診斷、治療、與追蹤常常不正確、不經濟、不方便之外，也因而浪費相當龐大的醫療資源。

免疫疾病大多使用免疫標記套組進行檢驗，免疫標記套組包含了相當多項免疫標記的檢驗數值，醫療常規大多依靠臨床醫療人員進行大數據判讀，因此在時效性及正確性上皆有其不足。在判讀方法的部份，使用各個免疫標記的閾值作為依據，意即：若任一免疫標記的檢驗數值超出了閾值，即預測該受測者有潛在免疫疾病的危險性較高。然而，這樣的做法通常無法對整體數據的分布型態進行判斷，因而影響其在臨床使用上的效能。

目前在風濕免疫疾病的臨床實務上，缺乏可行的技術可方便且經濟實惠地對于一些“無法明確定義的風濕免疫疾病”(Undifferentiated Connective Tissue Disease,UCTD)進行診斷與追蹤，以協助合適的處置。臨床實務上對于UCTD的診斷與處置，常因個別醫師經驗的差異而有所不同。總體而言，這些做法不但缺乏客觀性、價錢高，而且可能使病患暴露在潛在的醫源性傷害下，不是理想的做法。

綜合上述，目前缺乏可行的技術，可方便地協助臨床工作人員客觀地理解、診斷與追蹤UCTD。

發明內容

本發明提供一種以免疫標記及視覺化方式建立免疫疾病輔助判讀模型的方法，流程如下：(1)將多項免疫標記結合成一免疫標記套組；(2)搜集復數受試者經由該免疫標記套組檢驗的數據，及其相對應疾病診斷資料，以建立一免疫標記套組檢驗資料庫，接著將該免疫標記套組檢驗資料庫的資料輸入至機器學習機中，再通過一機器學習機的群聚式的機器學習演算法處理后以圖像的方式呈現，形成一具有視覺化的輔助判讀模型；(3)新受試者的檢驗數據與該輔助判讀模型進行比對：新受試者的檢驗數據于該免疫標記套組中，挑選至少兩項以上不同的該免疫標記進行檢驗，接著將數據輸入至機器學習機中，及從該免疫標記套組檢驗資料庫挑選相對應的檢驗項目，通過群聚式的機器學習演算法比對分析，并以圖像的方式顯示于該輔助判讀模型中進行分布型態的比對，通過視覺化的輔助判讀模型分布情形可做為輔助標記新受試者的免疫疾病屬性與追蹤其隨時間的變化，可做為醫生判斷的參考依據。

更進一步地，所述新受試者的檢驗數據可在不同時間進行的檢測，并同時顯示于該輔助判讀模型上，以表現新受試者的檢驗數據演變。

更進一步地，所述的群聚式的機器學習演算法包括：主成分分析法、自組織映射圖、階層分群法、K平均分群法、K中心分群法、最大期望分群法、基于密度的分群法、基于網格的分群法、基于模式的分群法或上述的任意組合。

更進一步地，檢體為人體的血液、尿液、唾液、汗液、糞便、胸水、腹水或腦脊髓液。