用于确定对象的止血风险的方法
【专利摘要】本发明涉及临床决策支持系统。详细地，本发明涉及用于确定对象的止血风险的方法、用于确定对象的止血风险的生物标志物阈值的使用、用于确定对象的止血风险的设备、包括用于执行用于确定对象的止血风险的方法的程序代码的计算机程序，以及包含用于执行用于确定对象的止血风险的方法的指令的计算机可读非瞬态存储介质。
【专利说明】
用于确定对象的止血风险的方法
技术领域
[0001]本发明涉及临床决策支持系统。详细地，本发明涉及用于确定对象的止血风险的 方法、用于确定对象的止血风险的生物标志物的使用、用于确定对象的止血风险的设备、包 括用于执行用于确定对象的止血风险的方法的程序代码的计算机程序，^及包含用于执行 用于确定对象的止血风险的方法的指令的计算机可读非瞬态存储介质。
【背景技术】
[0002] 在西方世界中深静脉血栓形成是广泛的问题(Kyrle PA，Eichinger S，Deep vein 化rombosis丄ancet. 2005:365(9465): 1163-74)。大部分人群趋向增加的血栓形成风险，例 女日老年人（Engbers MJ，van Hylckama Vlieg A，民osendaal F民.Venous thrombosis in the elderly: incidence，risk factors and risk groups.J Thromb Haemost.2010;8 (10) :2105-12),旅行的人化annegieter SC，Doggen CJ，van Houwelingen HC，Rosendaal F民.Travel-related venous thrombosis：results from a large population-based case control study(MEGA study) .PLoS Med.2006;3(8):e307)，和经历矫形外科手术的 j蕾者（Kearon C，Kahn S民，Agnelli G，Goldhaber S，民askob GE，Comerota AJ;American College of Chest Physicians.Antithrombotic therapy for venous thromboembolic dise过se:Americ过n College of Chest Physicians Evidence-B过sed Clinic过1 Practice Guidelines(第8版）·化63古.2008年6月；133(65啤口1):4545-5455)。风险中的人能够进行预 防性抗凝处置，但是出血的风险（每年1-3% ) (Veeger NJ，Piersma-Wichers M，Ti jssen JG，Hillege HL,van der Meer J.Individual time within target range in patients treated with vitamin K antagonists：main determinant of quality of anticoagulation and predictor of clinical outcome.A retrospective study of 2300consecutive patients with venous thromboembolism.Br J Haematol.2005;128 (4) :513-9)，1^及成本和不方便的问题（Cohen AT,Tapson VF，Bergmann JF，Goldhaber SZ，Kakkar AK，Deslandes B，Huang W，Zayaruzny M，Emery L，Anderson FA Jr;END0民SE Investigators. Venous thromboembolism risk and prophylaxis in the acute hospital care setting(END0民SE study)：a multinational cross-sectional study丄ancet. 2008:371(9610) :387-94),作出不利于此的陈述。因此，将期望具有患者特 定手段来估计个人血栓形成风险，并且促进是否要进行处置的有消息支持的选择。
[0003]不幸地，用当前临床筛查技术和可用的方法论，不能容易地辨识出高风险个体并 且不會b 准确地预挪Ij 事件（White 民 Η. The epidemiology of venous 化romboembolism.Circulation.2003; 107(23Suppl 1): 14-8) D这继续是这个情况的主要 原因中的一个是患有血栓形成的绝大多数患者，没有明显的基因缺陷，具有通过例程筛查 工具和因子分析而在临床上未被识别为异常的凝血系统。对处于静脉血栓形成风险的个体 的识别是能够从创新技术方法中获益的研究领域（Brummel-Ziedins KE，0rf eo T， 民osendaal F民，Undas A，民ivard GE，Butenas S，Mann KG.Empirical and theoretical phenotypic discrimination.J Thromb Haemost.2009；7(Suppl l):181-6)。
[0004] 在过去一个世纪凝血系统已经是广泛研究的主题。已经最详细地研究的子系统是 凝血级联(coagulation cascade)。该级联描述从血液暴露到组织因子(正常地屏蔽在血管 壁下面的蛋白质，但当暴露时触发凝血)到凝血酶的产生的凝血过程，在凝结过程中的关键 蛋白质。在凝血酶生成分析（TGA)中很好地捕捉凝血酶的产生化emker，HC and B自guin， S.Thrombin generation in plasma：Its assessment via the endogenous thrombin potential thrombosis and haemos1:asis，第74卷，第1 号，第134-138页，1995年），在将已 知浓度的组织因子添加到血液样本之后，其测量随着时间的凝血酶浓度。TGA的若干特征， 如迟滞时间（在组织因子触发与凝血酶的第一非零浓度的发生之间的时间）、最大凝血酶浓 度、最大值时间、最大生成速率W及内源性凝血酶潜力化TP，随着时间的标绘的凝血酶曲线 下面的面积），已经被试验性地链接到血栓形成风险。
[0005] 研究（Jordan, SW and 畑 aikov，EL.Simulated Su;rface-Induced Thrombin Generation in a Flow Field.Bio地ysical Journal,第101卷，2011年7月，第276-286页） 已经示出了凝血酶生成随着组织因子的浓度的增加而变得更强(更高的TGA最大值、更短的 迟滞时间）。对于低的组织因子的浓度(~IfM)，没有显著的凝血酶生成发生，然而对于在pM 范围中的浓度，发生显著的凝血酶生成。基于此，已经假设和观察了组织因子阔值的概念， 良P，凝血开始所要求的组织因子的最小浓度（Mann，KG，Butenas，S. and Brummel，Κ. The Dynamics of Thrombin Formation.Arterioscler.Thromb. Vase. Biol.2003;23:17-25， Jord曰n 曰nd Ch曰ikov，l.c.)〇
[0006] 关于患者特异性血栓形成风险的不确定性引起不接收抗凝处置的（血栓形成的） 高风险的患者的血栓形成的不必要情况。另一方面，该不确定性能够导致接收不必要抗凝 处置的相对低风险的患者的出血。本领域的现状（Hippisley-Cox，J and Co叩land, C.Development and validation of risk prediction algorithm(QThrombosis)to estimate future risk of venous thromboembolism：prospective cohort study,BMJ 2011:343)基于临床风险因子的数目来估计血栓形成风险。然而，运不具有足够的特异性。
[0007] 文献US 2009/0298103和W0 2009/142744公开了用于通过使各个血液因子的浓度 服从计算机模型来确定患者的止血风险的方法。利用该模型模拟凝血酶浓度，并且将模拟 的浓度与参考进行比较。根据作者，该比较允许临床医生对患者是否易倾向于止血风险的 决策。然而，在临床实践中运样的方法还未证明其价值。
【发明内容】
[0008] 本发明的目标是提供用于确定对象的止血风险的方法，借助于所述方法，能够避 免现有技术方法的缺点。尤其地，应当提供用于确定对象的止血风险的运样的方法，所述方 法允许对对象是否具有血栓形成的高风险并且可能要求抗凝血药物或者所述对象是否具 有与出血指示相反或甚至要求抗凝血药物的停止的高风险的可靠诊断。
[0009] 本发明的另一目的是提供用于确定对象的止血风险的设备、包括用于执行用于确 定对象的止血风险的方法的程序代码的计算机程序，W及包含用于执行用于确定对象的止 血风险的方法的指令的计算机可读非瞬态存储介质。
[0010] 在本发明的第一方面中，提出了一种用于确定对象的止血风险的方法，所述方法 包括将足w开始对象中的凝结过程的凝结触发物的浓度值与指示止血风险和/或无止血风 险(止血稳定)的所述凝结触发物的至少一个参考浓度值进行比较。
[0011] 本发明的另一方面指向一种对用于确定所述对象的止血风险的、足W开始对象中 的凝结过程的凝结触发物的浓度值的使用。
[0012] 在体外能够实现根据本发明的方法和使用，即，对象的物理存在，例如生物或人 类，将不是必要的。因为如此，在根据本发明的方法或使用之前的步骤中能够测量或生成足 W开始凝结过程的凝结触发物的浓度值。
[0013] 在本发明的又另一方面中，提供了一种用于确定对象的止血风险的设备，所述设 备包括：
[0014] 接收单元，其被配置用于接收关于所述对象的止血状况的第一信息，
[0015] 第一确定单元，其被配置用于基于由所述接收单元接收的所述第一信息来确定足 W开始所述对象中的凝结过程的凝结触发物的浓度值，
[0016] 比较单元，其被配置用于将由所述第一确定单元确定的所述浓度值与指示止血风 险和/或无止血风险(止血稳定）的所述凝结触发物的至少一个参考浓度值进行比较。
[0017] 在本发明的又另一方面中，提出了一种临床决策支持系统，所述系统包括处理器 和计算机可读存储介质，其中，所述计算机可读存储介质包含用于由所述处理器运行的指 令，其中，所述指令令所述处理器执行W下步骤：
[0018] a)接收关于对象的止血状况的第一信息，
[0019] b)基于步骤(a)的所述信息来确定足W开始所述对象中的凝结过程的凝结触发物 的浓度值，
[0020] C)将在步骤(b)中确定的所述浓度值与指示止血风险和/或无止血风险（止血稳 定)的所述凝结触发物的至少一个参考浓度值进行比较。
[0021] 在本发明的另外的方面中，提供了一种包括程序代码模块的计算机程序，所述程 序代码模块用于，当所述计算机程序在计算机上W及非瞬态计算机可读记录介质上被执行 时，令计算机执行在本文中公开的方法的步骤，所述非瞬态计算机可读记录介质在其中存 储有计算机程序产品，所述计算机程序产品当由处理器运行时令在本文中公开的方法被执 行。
[0022] 在从属权利要求中定义了本发明的优选实施例。应当理解，请求保护的系统、设 备、计算机程序和介质具有与请求保护的方法W及与在从属权利要求中所定义的类似和/ 或相同的优选实施例。因此，设及根据本发明的方法的所有从属权利要求也能够与根据本 发明的系统、设备、计算机程序和介质进行组合，并且能够彼此进行组合。
[0023] 所提出的发明显著地增加了特别是在至少一个已知临床风险因子存在的患者的 增加风险的子组内的人的特定血栓形成和出血风险估计的准确度。该子组设及一一除其他 之外一一住院、怀孕或(开始)使用口服避孕药并且由此接收医生的注意的患者。在该情境 中，所提出的发明帮助医生将要针对已知增加血栓形成风险的状况进行处置或检查的患者 分层为高风险类别和低风险类别。具体地，改进的方法可W被用于基于估计的血栓形成或 出血风险来决定针对每个患者是否要施予抗凝处置。
[0024] 与从现有技术文献US 2009/0298103和W0 2009/142744获知的方法进行对比，在 现有技术中，在生物信息学(in silico)中模拟凝血酶作为凝血过程的关键因子，而本发明 使用不同的方法。在本发明中，确定凝结触发物，即，初始化凝血过程的因子，而不是凝血过 程本身。该方法允许止血风险的更准确且可靠的预测，并且不需要像现有技术方法的凝血 酶形成的在生物信息学中的复杂且易于出错的模拟。
[0025] 根据本发明，"止血风险"指的是诸如人类或动物的对象具有止血功能障碍的风 险，其可能导致血栓形成或出血的发展。
[0026] 根据另外的发展，本发明的方法包括W下步骤：
[0027] a)提供关于所述对象的止血状况的第一信息，
[0028] b)基于步骤(a)的所述第一信息来确定足W开始所述对象中的凝结过程的凝结触 发物的浓度值，
[0029] C)将在步骤(b)中确定的所述浓度值与表示稳定止血状况的最小浓度的所述凝结 触发物的参考浓度值进行比较，并且
[0030] d)如果在步骤(b)中确定的所述浓度值低于表示针对稳定止血状况的所述最小浓 度的所述凝结触发物的所述参考浓度值，则确定针对所述对象有血栓形成的高风险，
[0031] 其中，优选地，步骤C)和d)额外地或备选地包括W下步骤：
[0032] C'）将在步骤(b)中确定的所述浓度值与表示针对稳定止血状况的最大浓度的所 述凝结触发物的参考浓度值进行比较，并且
[0033] d'）如果在步骤(b)中确定的所述浓度值高于表示针对稳定止血状况的所述最大 浓度的所述凝结触发物的所述参考浓度值，则确定针对所述对象有出血的高风险。
[0034] 在本发明的又另一方面中，提供了一种用于确定对象的止血风险的设备，所述设 备包括：
[0035] 接收单元，其被配置用于接收关于所述对象的止血状况的第一信息，
[0036] 第一确定单元，其被配置用于基于由所述接收单元接收的所述第一信息来确定足 W开始所述对象中的凝结过程的凝结触发物的浓度值，
[0037] 比较单元，其被配置用于将由所述第一确定单元确定的所述浓度值与表示针对稳 定止血状况的最小浓度的所述凝结触发物的参考浓度值进行比较，W及
[0038] 第二确定单元，其被配置用于如果由所述第一确定单元确定的所述浓度值低于表 示针对稳定止血状况的所述最小浓度的所述凝结触发物的所述参考浓度值，则确定针对所 述对象有血栓形成的高风险，
[0039] 其中，优选地，额外地或备选地，
[0040] 所述比较单元被配置用于将由所述第一确定单元确定的所述浓度值与表示针对 稳定止血状况的最大浓度的所述凝结触发物的参考浓度值进行比较，并且
[0041] 所述第二确定单元被配置用于如果由所述第一确定单元确定的所述浓度值高于 表示针对稳定止血状况的所述最大浓度的所述凝结触发物的所述参考浓度值，则确定针对 所述对象有出血的高风险。
[0042] 在本发明的又另一方面中，提出了一种临床决策支持系统，所述系统包括处理器 和计算机可读存储介质，其中，所述计算机可读存储介质包含用于由所述处理器运行的指 令，其中，所述指令令所述处理器执行W下步骤：
[0043] a)接收关于对象的止血状况的第一信息，
[0044] b)基于步骤(a)的所述信息来确定足W开始所述对象中的凝结过程的凝结触发物 的浓度值，
[0045] C)将在步骤(b)中确定的所述浓度值与表示针对稳定止血状况的最小浓度的所述 凝结触发物的参考浓度值进行比较，并且
[0046] d)如果在步骤(b)中确定的所述浓度值低于表示针对稳定止血状况的所述最小浓 度的所述凝结触发物的所述参考浓度值，则确定针对所述对象有血栓形成的高风险，
[0047] 其中，优选地，步骤C)和d)额外地或备选地包括W下步骤：
[0048] C'）将在步骤(b)中确定的所述浓度值与表示针对稳定止血状况的最大浓度的所 述凝结触发物的参考浓度值进行比较，并且
[0049] d'）如果在步骤(b)中确定的所述浓度值高于表示针对稳定止血状况的所述最大 浓度的所述凝结触发物的所述参考浓度值，则确定针对所述对象有出血的高风险。
[0050] 根据本发明，"关于止血状况的第一信息"指的是从如INR分析的功能分析输出的 表征对象的止血状态，优选地在已经初始化凝结过程或凝血过程之前的状态的任何信息， 例如，（优选去活的)凝血分子或蛋白质的浓度值、酶常数，或者"关于止血状况的第一信息" 指的是间接信息，如关于例如"Factor V Leiden"的基因数据，其提供关于通过蛋白质"活 化的蛋白C"能够如何有效地使蛋白质"因子r去活的间接信息。针对所述特定对象能够测 量运样的第一信息，或者能够使用从文献资料中取得的平均值，或者通过两种方法能够部 分地形成运样的信息。
[0051] 根据本发明，"凝结触发物"指的是对象的诸如血液的体液中存在的因子，所述因 子能够初始化对象中的凝血过程。当凝结触发物达到在对象的体液中的临界浓度时，初始 化凝血过程。根据本发明，所述临界浓度指的是"所述对象中的足W开始凝结过程的浓度 值"或"凝结触发物阔值"。合适的凝结触发物涵盖组织因子(TF)(外源性途径），而且还涵盖 血小板组织因子、促凝血酶原激酶，或CD142、活化的凝血因子，例如，FIIa、FVa、FVIIa、 尸￥1113^^3少乂3少乂13少乂113、胶原蛋白、高分子量激肤原(歷慨）、前激肤释放酶和。乂11或 其组合（内源性路径)能够被用作凝结触发物。
[0052] 根据本发明，在步骤(b)中，通过根据体外凝结触发物浓度对凝结过程或凝血过程 的测量能够确定凝结触发物的运样的临界浓度，允许在实验室环境中的实施。通过采用计 算机模拟也能够确定运样的临界浓度，所述计算机模拟取得对象的止血状况的信息，例如， 来自对象血液样本的凝血蛋白的浓度值(没有凝结触发物)作为输入，并且取决于凝结触发 物浓度来计算凝结响应。
[0053] "所述凝结触发物的参考浓度值"指的是根据一个或多个参考对象或在生物信息 学中的参考计算已经获得的凝结触发物的值。参考浓度能够分别是个体测量或计算的结果 或多个测量或计算的平均值。
[0054] 根据本发明，"针对稳定止血状况的最小/最大浓度"指的是限制在通过功能、稳定 止血（"健康范围"）来表征的健康参考对象中能够找到的所述凝结触发物的浓度范围的凝 结触发物的浓度值。凝结触发物的最小浓度在健康范围的下边界处限制健康范围；凝结触 发物的最大浓度在健康范围的上边界处限制健康范围。备选地，所述最小浓度和所述最大 浓度可W指的是在抗凝剂（"治疗范围"）上限制在患者对象中能够找到的所述凝结触发物 的浓度范围的凝结触发物的浓度值。从文献资料中能够推断两个范围或在祀向患者研究中 能够确定两个范围。
[0055] 所述"足W开始凝结过程的凝结触发物的浓度值"也被认为是"凝结触发物阔值"。 针对在该阔值W下的凝结触发物的浓度，凝结响应保持在最小，针对在该阔值W上的凝结 触发物的浓度，凝结响应开始上升。在步骤(C)和(C'）中，将凝结触发物阔值与"健康范围" 的边界值进行比较。
[0056] 根据本发明，如果在步骤(b)中确定的凝结触发物阔值落入"健康范围下，则对 象被认为处于在步骤(b)中诊断的血栓形成的高风险，并且可能指示抗凝剂处置。如果该阔 值落入该范围W上，则患者被认为处于在步骤(d'）中诊断的严重出血的高风险，并且如果 在测试时间时患者正在使用抗凝剂，则可W反向指示或甚至可W停止使用抗凝剂。
[0057] 因此完全实现本发明的目标。发明人已经惊奇地认识到，足W开始对象中的凝结 过程的凝结触发物的浓度值，例如组织因子(TF)的浓度值能够被用于确定所述对象的止血 风险。尽管"组织因子阔值"的概念存在并且在文献资料中已经提到，但是现有技术既未公 开也未明显描绘作为指示血栓形成或出血风险的方式的对该阔值的使用。此外，在本领域 中，"组织因子阔值"的理念总是被链接到血液样本或凝血酶生成的凝结（例如，凝固）的视 觉标志。通过根据本发明的方法可能进行对其他凝血特征的使用，在凝块的凝血酶生成或 形成之前其常常显现其本身，并且其他凝血特征的使用可W提供对本领域中的基于凝血酶 方法的改进。
[0058] 根据本发明的备选实施例，所述方法包括W下步骤：
[0059] a)提供关于所述对象的所述止血状况的第一信息(S1)，
[0060] b)基于步骤(a)的所述第一信息来确定足W开始所述对象中的所述凝结过程的凝 结触发物的浓度值(S2)，
[0061] C)将在步骤(b)中确定的所述浓度值与包括指示止血风险，优选指示血栓形成的 高风险和/或出血的高风险的至少一个参考浓度值的所述凝结触发物的至少两个或更多个 参考浓度值进行比较，并且与指示无止血风险(止血稳定）的至少一个参考浓度值进行比较 (S3"),并且
[0062] d)进行W下确定：
[0063] -如果在步骤(b)中确定的所述浓度值在数值上更接近指示止血风险的所述至少 一个参考浓度值，则确定针对所述对象有止血风险(S4")，或者
[0064] -如果在步骤(b)中确定的所述浓度值在数值上更接近指示止血稳定的所述至少 一个参考浓度值，则确定针对所述对象无止血风险(止血稳定）（S4" '）。
[0065] 在该备选方法结果中，鉴于在数值上最接近后者中的一个，将凝结触发物阔值与 (不同）参考值进行比较。运导致滑动尺度而不是二进制输出。优选地，借助于最近邻方法或 最近邻插值分别实现步骤(C)和(d)。
[0066] 根据本发明的备选实施例，提供了一种用于确定对象的止血风险的设备，所述设 备包括：
[0067] 接收单元，其被配置用于接收关于所述对象的止血状况的第一信息，
[0068] 第一确定单元，其被配置用于基于由所述接收单元接收的所述第一信息来确定足 W开始所述对象中的凝结过程的凝结触发物的浓度值，
[0069] 比较单元，其被配置用于将由所述第一确定单元确定的所述浓度值与包括指示止 血风险，优选针对血栓形成的高风险和/或出血的高风险的至少一个参考浓度值的所述凝 结触发物的至少两个或更多个参考浓度值进行比较，并且与指示无止血风险(止血稳定）的 至少一个参考浓度值进行比较，W及
[0070] 第二确定单元，其被配置用于进行W下确定：
[0071] -如果由所述第一确定单元确定的所述浓度值在数值上更接近指示止血风险的所 述至少一个参考浓度值，则确定针对所述对象有止血风险，或
[0072] -如果由所述第一确定单元确定的所述浓度值在数值上更接近指示止血稳定的所 述至少一个参考浓度值，则确定针对所述对象无止血风险(止血稳定）。
[0073] 因此，在本发明的另一方面中，提供了一种临床决策支持系统，所述临床决策支持 系统包括处理器和计算机可读存储介质，其中，所述计算机可读存储介质包含用于由所述 处理器运行的指令，其中，所述指令令所述处理器执行W下步骤：
[0074] a)提供关于所述对象的止血状况的第一信息，
[0075] b)基于步骤(a)的所述第一信息来确定足W开始所述对象中的凝结过程的凝结触 发物的浓度值，
[0076] C)将在步骤(b)中确定的所述浓度值与包括指示止血风险，优选指示血栓形成的 高风险和/或出血的高风险的至少一个参考浓度值的所述凝结触发物的至少两个或更多个 参考浓度值进行比较，并且与指示无止血风险（止血稳定）的至少一个参考浓度值进行比 较，W及
[0077] d)进行W下确定：
[0078] -如果在步骤(b)中确定的所述浓度值在数值上更接近指示止血风险的所述至少 一个参考浓度值，则确定针对所述对象有止血风险，或者
[0079] -如果在步骤(b)中确定的所述浓度值在数值上更接近指示止血稳定的所述至少 一个参考浓度值，则确定针对所述对象无止血风险(止血稳定）。
[0080] 根据另外的方面，在步骤(a)中，关于所述对象的所述止血状况的所述第一信息是 来自所述对象的生物样本中的凝血蛋白的浓度值，优选地，在步骤(a)中，关于所述对象的 所述止血状况的所述第一信息是来自所述对象的生物样本中的多个凝血蛋白的浓度值，高 度优选地，在步骤(a)中，关于所述对象的所述止血状况的所述第一信息是来自所述对象的 生物样本中的至少Ξ个或更多个凝血蛋白的浓度值。
[0081] 运些测量具有关于对象的止血状况的运样的信息被用于实现根据本发明的方法 的优点，根据本发明的方法已经被证明为针对凝结触发物阔值的确定是恰当的。优选地，在 该实施例中，凝血蛋白W其去活的形式存在。能够测量针对所述特定对象的凝血蛋白的浓 度值，或者能够使用从文献资料中取得的平均值。备选地或额外地，针对所述特定对象测量 浓度值并且将该浓度值与针对未在所述特定对象中测得的那些凝血蛋白从文件资料中取 得的平均值进行组合。"生物样本"指的是对象的任何生物材料，例如，生物细胞(例如，内皮 细胞），生物组织(例如，内皮)或优选地为生物液体(例如，血液）。
[0082] 根据另一方面，所述凝结触发物是组织因子(TF)。
[0083] 该测量具有运样的优点：即，采用被认为是凝血的主要触发物并且已经被证明尤 其适合于实现本发明的运样的凝结触发物。
[0084] 根据另外的方面，从包括W下项的组中选择一个或多个所述凝血蛋白：凝血因子2 巧11)、尸￥、尸￥11、尸￥111、尸1乂、尸乂、尸乂1、尸乂11、抗凝血酶^1')、了尸口1、曰21、〔48口、蛋白(：、蛋白5、蛋 白2、了4尸1、2口1、441\口(：1、(：1抑制剂^及纤维蛋白原。
[0085] 本发明的另外的发展具有运样的优点：即，运样的（去活的）凝血蛋白被用于计算 凝结触发物阔值，根据本发明人的发现，其显著地产生良好且可靠的结果。
[0086] 根据本发明的另一优选实施例，在步骤(b)中，通过所述凝结过程的在生物信息学 中的模拟来确定足W开始所述对象中的所述凝结过程的凝结触发物的所述浓度值。
[0087] 在原位或体外，例如通过分别视觉检查血液样本的凝结或凝固或凝血酶生成的标 志能够确定凝结触发物。通过使用凝血过程的计算机模型可能做出对其他凝血特征的使 用，所述其他凝血特征常常在凝块的凝血酶生成或形成之前显现其本身。运样的在生物信 息学中的模拟可W提供对基于凝血酶的方法的改进。
[0088] 根据另一优选实施例，在生物信息学中的模拟中，关于所述对象的所述止血状况 的所述第一信息，例如(去活的)凝血蛋白的浓度值，被用作输入特征，并且关于在所模拟的 凝结过程中所述对象的所述止血状况的第二信息被用作输出特征。
[0089] 根据另一优选实施例，关于所述对象的所述止血状况的所述第二信息是被用作输 出特征的集合的、在所模拟的凝结过程的一系列时间点处的活化的凝血蛋白的浓度值，优 选地，关于所述对象的所述止血状况的所述第二信息是被用作输出特征的集合的、在所模 拟的凝结过程的一系列时间点处的多个活化的凝血蛋白的浓度值。然而，应当理解，尽管优 选为活化的凝血蛋白，但是原则上，也能够使用非活化的凝血蛋白的浓度值。如果，例如已 知随着时间的非活化的凝血蛋白（例如，FX)的浓度值，则也知晓产生的活化的对应物（即， FXa)的浓度值，运是因为运是FX的初始浓度减去在后面阶段的FX的浓度。
[0090] 与对体外或原位的凝结触发物阔值的确定相比较，在计算机模拟中能够模拟更宽 范围的特征，其取得分别来自患者的诸如血液样本的样本(无组织因子触发物)的测得的蛋 白浓度和/或来自文献资料的平均值作为输入，并且分别计算凝结响应和凝结触发物阔值。 因此，运样的测量显著地增加对对象的血栓形成或出血的特定风险的诊断的准确度。
[0091] 根据本发明的另外的发展，从包括W下项的组中选择一个或多个所述活化的凝血 蛋白：凝血酶(FIIa)、F化、。￥11日少￥111日少巧日少乂日少乂11日少￥日斗乂日少￥111日斗^日、纤维蛋 白、凝血酶原(FII)。
[0092] 该测量具有运样的优点：即，前述活化的凝血蛋白中的任一种已经被证明为适合 于确定凝结触发物阔值。
[0093] 通过内源性凝血酶潜力化TP)也能够实施关于所述对象的止血状况的所述第二信 息。所述ETP被定义为在模拟过程上的凝血酶浓度的曲线下面的时间积分或面积，并且常常 与在利用组织因子作为触发物并且利用憐脂质作为血小板替代物的凝血的体外活化之后 能够生成的纤维蛋白的量有关。
[0094] 根据本发明的另一方面，从所述输出特征的集合中创建表示凝结响应的强度的一 个特征，优选地，表示所述凝结响应的所述强度的所述一个特征是在所模拟的凝结过程的 所有时间点或ETP上的所述活化的凝血蛋白中的至少一种的最大浓度（在活化的蛋白（例 如，Flla)上的时间积分或凝血酶的总产量（目阳II(t = 0)-FII(t = t_结束），其中，t = 0指代 到凝结触发物的第一暴露的时间，并且t_结束指代在被认为是使得凝结过程完全在间隔t =0至* = *_结束内发生的第一暴露(例如，一小时)之后的时间）。
[00%]该测量具有运样的优点：即，使用允许凝结触发物阔值的在生物信息学中确定的 特征。在模拟中，凝结响应，使用例如特定的活化的凝血蛋白（例如，F1 Oa)或各种活化的凝 血蛋白的最大浓度，来计算足W开始凝结过程的凝结触发物(例如，T巧的浓度值。
[0096] 应当理解，本发明的优选实施例也能够是从属权利要求与各自的独立权利要求的 任何组合。
[0097] 参考下文描述的实施例，本发明的运些方面和其他方面将是明显的并且得到阐 明。
【附图说明】
[009引在附图中：
[0099] 图1示出了展示针对组织因子例示的凝结触发物阔值的现象的图形；
[0100] 图2示出了在模拟的凝血过程或凝结过程期间在100个时间点处，针对FlOa例示的 活化的凝血蛋白的浓度的模型输出；
[0101] 图3示意性地示出了根据本发明的示范性实施例的方法的相应的流程图；
[0102] 图4示意性地示出了根据本发明的另一示范性实施例的方法的相应的流程图；
[0103] 图5示出了在MEGA数据库上在交叉验证研究中基于临床风险因子(CRF)、单核巧酸 多态性(SNP)、蛋白质水平和基于模型的阔值而评估的风险得分的条形图。
【具体实施方式】
[0104] 本发明识别W-系列凝结触发物，例如，W诸如初始化凝结过程的主要蛋白的组 织因子的增加的浓度的形式，对人的预期的凝结物响应。参考图1，给出了针对组织因子例 示的凝结触发物阔值的现象的范例。在曲线中的每个星表示计算机模拟结果。每个模拟结 果的输入包括患者的血液样本中的测得的凝血蛋白浓度，W及针对非测得的浓度的文献资 料值。X轴表示被用作最终模型输入的组织因子的浓度。y轴表示在凝血酶原酶(F化-FXa)的 最大浓度的情况下，来自模拟的输出的一个选取的特征。能够看到，针对低浓度的组织因 子，凝结响应仍然在最小值处。在用垂直线指示的组织因子阔值处，凝结响应开始明显上 升，并且所选取的模型输出特征超过用水平线指示的所选取的出发水平。针对足够大的组 织因子浓度，再次离开响应水平。
[0105] 凝结响应(图1的y轴)能够被认为是在凝结过程中的任何代表性特征。一般研究的 特征(在研究设定中）是凝血酶生成特征，如最大凝血酶浓度或迟滞时间。在阶式凝血器中 的如FXa或酶复合物(如FVIIIa-FIXa)的其他酶的生成上能够使用类似特征。在更广泛的意 义上，也能够使用如凝块大小的特征。在体外能够测量一些运样的特征，允许在实验室环境 中的实施。在计算机模型中能够模拟更宽范围的特征，运些特征采取来自患者的血液样本 的测得的蛋白浓度(无组织因子触发物)作为输入，并且计算前述一系列增加的组织因子浓 度的凝结响应。
[0106] 针对患者的组织因子阔值(浓度值)的数值被记录，并且与针对关于抗凝剂的患者 的预定义的"健康范围"或"治疗范围"进行比较。如果该阔值落入该范围W下，则患者被认 为处于血栓形成的高风险，并且指示抗凝剂处置。如果该阔值落入该范围W上，则患者被认 为处于严重出血的高风险，并且（如果在测试时间时患者正在使用抗凝剂），则反向指示或 甚至可W停止使用抗凝剂。
[0107] 本发明的一个实施例设及能够模拟在暴露到组织因子之后的凝血蛋白浓度的动 态变化的计算机模型的使用。模型的患者特异性输入包括在凝结之前起凝血级联作用的蛋 白质的浓度值。该模型模拟在时间t = 0处具有运些浓度和凝结触发物(例如，组织因子）的 非零浓度的血液样本。该模型的输出包括针对一系列时间点ti〉0的在凝血过程中设及的所 有蛋白和蛋白复合物的浓度。
[0108] 由此，一个模拟生成Ρ*Τ数值输出，其中，P是在模型中描述的蛋白和蛋白C复合物 的数目，并且Τ是生成模型输出的时间点的数目。从输出的该集合中创建表示凝血响应的强 度的一个特征。运样的特征的范例能够是在模型输出中在所有时间点上的一种蛋白（例如， FXa)的最大浓度。
[0109] 参考图2,其中示出了该模型在100个时间点(在80个第二区间中的0-8000秒)处输 出FXa浓度。最大浓度(在该图形中的5.7nM)能够被用作凝血响应特征。应当指出，强烈关联 在凝血级联中的蛋白的浓度特征，如此多的不同模型输出特征，或模型输出特征的组合能 够被选择作为凝血响应特征W被使用在对组织因子阔值的确定中。
[0110] 图3示出了用于确定对象的止血风险的方法的实施例的流程图，其中，所提出的方 法分别包括步骤(S1)至(S4)和/或(S1)至(S4'）。
[0111] 在步骤(S1)中，提供了关于所述对象的止血状况的所述第一信息，例如，来自所述 对象的生物样本中的多个凝血蛋白的浓度值。有用于确定对象的止血风险的设备的接收单 元或临床决策支持系统可W接收运样的信息。浓度值可W是测得的值或从文献资料取得的 平均值。实际上，从需要确定其的止血风险，即血栓形成风险或出血风险的人中取得血液样 本，例如，扎手指样本。在该样本中经由如化ISA分析的标准方法来确定多个(去活的）凝血 蛋白的浓度。测得的蛋白优选是W下中的一个或多个或全部：凝血因子2(FII)、FV、FVII、 FVIII、FIX、FX、FXI、FXII、抗凝血酶(AT)、TFPI、a2M、C4BP、蛋白 C、蛋白 S、蛋白 Z、TAFI、ZPI、 八八1\?(：1、(：1抑制剂^及纤维蛋白原。实际上，一个或子集(例如乃1^￥少￥111少乂^乂1、八了 W及纤维蛋白原）的测量将是足够的。备选地或额外地，从文献资料中取得平均值。
[0112] 在步骤(2)中，基于步骤(S1)的所述第一信息，确定足W开始所述对象中的所述凝 结过程的凝结触发物的浓度值。由用于确定对象的止血风险的设备的确定单元或临床决策 支持系统可W实现运样的确定。实际上，使用计算机模型。利用该模型，利用W下输入执行N 个模拟:针对在测得的（子)集合中的蛋白，使用测得的值。针对未观察到的蛋白浓度，使用 文献资料或平均值。在N个模拟中的每个中，运些输入，即在时间零（当模拟的血液首次被暴 露到凝结触发物时的时间）处的P蛋白的浓度是相同的。针对组织因子的浓度在针对第一模 拟的TF最小与针对模拟N的TF嚴:之间改变。针对组织因子浓度的每一个不同选择，通过模型来 计算响应。换言之，执行描述对应于所选取的组织因子浓度的凝血响应的模型模拟。响应包 括随着时间的某种蛋白的浓度的发展，在血液到诸如组织因子的凝结因子(创伤的起始）的 第一暴露的时间开始，并且在预设时间长度处结束。该模型计算多种不同蛋白的运些动力 学；图2是针对运样的蛋白的范例，其中，响应限于一个特性量，例如，FXa的最大浓度（图2中 的图形的峰值）。针对模拟i的浓度可W被选取为
[011引 TFi = TF最小+i*(TFg^TF最小)/N，(1)
[0114] 或者
[0115] TFi = e 邱（log(TF最小)+i*(log(TF献)-log(TF最小））/N) (2)
[0116] 针对? = 0···Ν，其中，当TF最小和TF嚴:是相同的数量级时，公式（1)最为合适，然而针 对组织因子浓度的更大范围，公式(2)更为合适。范例值是TF最小=lxl(T4fM并且TF默=ImM， 其中N=l〇〇。在所有而不是大多数极端情况下，该大范围（针对其公式(2)最为适宜)是一定 的W包括组织因子阔值，并且N足够高来W高精确度捕捉其值。
[0117] 正因如此，蛋白浓度和凝结触发物或组织因子浓度的每一个组合(如在第一项中 的）能够被用于通过模型来计算一个数值特征(一个数）。然后计算针对N个不同组织因子浓 度的运些数值特征，而在患者中测得的或从文献资料中取得的蛋白质保持恒定(在N个模型 模拟中的每个中为相同值）。运产生N个数值特征；图1利用在X轴上的对应组织因子浓度的 值标绘了在Y轴上的一个运样的特征的值。凝结触发物或组织因子浓度的不同值分别在非 常低的值处开始，并且W某个步长大小增加到大的值，例如W覆盖从当然不会发生强烈凝 结响应的点到确定将发生凝结响应的点的范围。公式（1)和(2)描述了运些步长:公式（1)描 述了针对最小组织因子浓度TF最小和最大组织因子浓度TF嚴:例示的凝结触发物浓度，在其之 间具有相等的大小的步长。TFi是计算模型输出的组织因子浓度。公式(2)描述了相同的内 容，仅仅现在步长具有在对数域中的相同大小(例如，如果有关的组织因子浓度将在多个数 量级上改变，即在1和1.000.000之间，则将看到1、10、100、000.000比起1、2、3、…、 1.000.000的组织因子浓度是更为合理的;第一类型的步长是在对数域中的得到的项）。
[0118] -旦分别针对所有凝结触发物或组织因子浓度计算了模型输出，则将具有如在图 1中的图形。通过眼睛能够看到响应在哪里开始上升。该点被认为分别是凝结触发物阔值或 组织因子阔值。通过W下算法能够计算运样的阔值：
[0119] 取得在图1的图形中的最小Y值[min(Yi)]和动态范围，即，在图形中的最高点与最 低点之间的差[111曰义(￥0-1]1；[]1(￥〇]。着迷的是当超过5%动态范围高于最小值时，响应开始上 升，引出公式：
[0120] min(Yi)+0.05*(max(Yi)-min(Yi)) (3)
[0121] 其中，Yi是在模拟i中的凝血响应特征的获得的值；
[0122] 其中，min(Yi)是在所有模拟上的活化的凝血蛋白的最小浓度值，并且
[0123] 其中，max(Yi)是在所有模拟上的活化的凝血蛋白的最大浓度值。
[0124] 在图1中的水平线是运样的出发水平的范例。插值技术(例如，线性)被用于确定组 织因子阔值，即，凝血响应曲线超过出发水平处的浓度(见图1中的垂直线）。存储针对该患 者的对应组织因子阔值。
[0125] 在步骤(S3)中，将在步骤(S2)中确定的所述浓度值或组织因子阔值分别与表示针 对稳定止血状况的最小浓度的所述凝结触发物的参考浓度值进行比较。额外地或备选地， 在步骤(S3'）中，将在步骤(S2)中确定的所述浓度值与表示针对稳定止血状况的最大浓度 的所述凝结触发物的参考浓度值进行比较。由用于确定对象的止血风险的设备的比较单元 或临床决策支持系统可W实现运样的比较。实际上，在(S3)中，将组织因子阔值与（要在祀 向患者研究中确定的）"最小稳定水平"进行比较。额外地或备选地，在(S3'）中，能够将组织 因子阔值与"最大稳定水平"进行比较。从文献资料中能够取得或在祀向患者研究中能够确 定"最小稳定水平"和"最大稳定水平"。
[0126] 在步骤(S4)中，如果在步骤(S2)中确定的所述浓度值低于表示针对稳定止血状况 的所述最小浓度的所述凝结触发物的所述参考浓度值，则确定针对所述对象有血栓形成的 高风险。在步骤(S4'）中，如果在步骤(S2)中确定的所述浓度值高于表示针对稳定止血状况 的所述最大浓度的所述凝结触发物的所述参考浓度值，则确定针对所述对象有出血的高风 险。由用于确定对象的止血风险的设备的确定单元或临床决策支持系统可W实现运样的确 定步骤。实际上，如果患者的阔值低于"最小稳定水平"水平，则在(S4)中，患者被分层为"处 于血栓形成的高风险"。如果患者的阔值超过该水平，则在(S4'）中，患者被分层为"处于出 血的高风险"。最小水平和最大水平的组合能够指示稳定区域，所述稳定区域可W具有针对 抗凝剂用户（治疗区域)和非凝血用户(健康区域）的不同边界。基于在(S4)和/或(S4'）的风 险分层，临床医生能够决定是开始对非抗凝血的患者进行抗凝剂处置，还是停止对当前使 用抗凝剂的患者的抗凝剂处置。
[0127] 针对一系列增加的凝结触发物或组织因子浓度通过凝血响应的体外测量能够分 别代替步骤(S1)和(S2)。然而，运在时间方面(并且在大部分情况下在金钱方面)更为昂贵， 限制了凝血响应特征的选择，并且已知运样的测量针对小的凝结触发物(例如，~IfM组织 因子)变得高度不可靠。优点在于该实施例不依赖于计算机模型的质量。
[0128] 此外，通过数据驱动算法可W代替步骤(S4)和/或（S4'）。运样的算法能够是基于 神经网络的算法，所述基于神经网络的算法分别组合已知的血栓形成风险因子，例如，近期 外科手术、固定不动或具有针对凝结触发物或组织因子阔值的值FV莱顿基因突变，运些已 知的血栓形成风险因子在步骤(S2)中被获得，并且所述基于神经网络的算法返回在零和一 之间的血栓形成风险得分。针对出血风险能够描述类似的算法。
[0129] 步骤(51)、（52)、（53)和(54)^及(51)、（52)、（53'）和(54'）能够被看作备选路线。 在要确定血栓形成风险的情况下，使用第一路线（"血栓形成风险路线"；图3中的左边路 线）。在要确定出血风险的情况下，使用第二路线Γ出血风险路线"；图3中的右边路线）。然 而，能够并行采取步骤(S3)和(S3'）W及步骤(S4)和(S4'），或者额外地，即，在一个方法中， 允许例如通过一个设备来按次序地或并行地确定对象的血栓形成风险或出血风险。也可能 通过"血栓形成风险路线"并且在负面预后的情况下，连续通过"出血风险路线"，即（S1)、 (52)、（53)、（54)、（53'）、（54'），或反之亦然，即（51)、（52)、（53'）、（54'）、（53)、（54)。
[0130] 在图4中描绘了备选方法。步骤(S1)和(S2)与图3中示出的方法相同。然而，在下一 个步骤(S3")中，将在步骤(S2)中确定的所述浓度值与包括指示止血风险，优选指示血栓形 成的高风险和/或出血的高风险的至少一个参考浓度值的所述凝结触发物的至少两个或更 多个参考浓度值进行比较，并且与指示无止血风险(止血稳定）的至少一个参考浓度值进行 比较。在步骤中（S4")，如果在步骤(S2)中确定的所述浓度值在数值上更接近指示止血风险 的所述至少一个参考浓度值，则确定针对所述对象有止血风险。相反地，如果在步骤(S2)中 确定的所述浓度值在数值上更接近指示止血稳定的所述至少一个参考浓度值，则确定针对 所述对象无止血风险（止血稳定）（S4" '）。借助于最近邻方法来实现步骤（S3" )、（S4")和 (S4"'）。
[0131] 发明人有机会通过使用来自MEGA(对针对静脉血栓形成的风险因子的多环境和基 因评估)研究的信息来评价深静脉血栓形成的风险。运是被设置为识别在荷兰已经执行的 针对静脉血栓形成的风险因子的对照研究。从凝血蛋白质水平到环境血栓形成风险因子， 到年龄和教育水平，W及遗传性血栓形成倾向大量变量已经从具有静脉血栓形成和对照的 患者中取得。为了本研究的目的，发明人使用在MEGA研究中测得的凝血蛋白水平来模拟针 对一范围的组织因子水平的凝血响应，并且识别针对每个患者的组织因子阔值的定位。发 明人将基于运些模型的风险因子与直接风险因子（即，临床风险因子，如近期外科手术、基 因数据W及在模型中使用的相同凝血蛋白水平的数值）用回归法进行组合，W针对每个患 者达到一个血栓形成风险评分。在MEGA研究的内部交叉验证中对所识别的组合风险评分进 行验证。
[0132] MEGA: MEGA研究(对针对静脉血栓形成研究的风险因子的多环境和基因评估)是对 针对静脉血栓形成的风险因子的基于大的人群的对照研究，先前已经公布了其详情。简而 言之，在1999年Ξ月至2004年九月之间，从在荷兰的六个参与抗凝诊所中包括首先被客观 地证实患有深静脉血栓形成或肺栓塞的18至70岁的连续患者。从病历和全科医生获得关于 诊断流程的信息。在分析中仅仅包括被证实具有利用客观技术证实的静脉血栓形成的诊断 的患者。排除标准是严格的精神病问题W及没有讲荷兰语的能力。6567个符合条件的患者 中，5184进行了参与(79%)。针对目前的分析，具有臂静脉血栓形成(n = 228)和具有肺栓塞 (n = 2069)的患者被排除W优化其中包括仅具有DVT的患者的具有LETS的数据集。作为对照 的人，包括没有静脉血栓形成的、年龄<70岁的患者的配偶(n = 3277)，W及经由随机数字拨 号(RDD)方法获得的没有静脉血栓形成的人(η = 3000)。
[0133] 数据收集:所有人被要求完成关于针对静脉血栓形成的许多潜在风险因子的广泛 问卷调查。尤其感兴趣的该研究问题是关于一般健康特性(年龄、性别W及固定不动）的项。 索引日期是患者和其配偶的血栓形成事件的日期，W及针对随机对照在问卷调查中填写的 日期。问卷调查也包括关于存在病史中的W下内容的问题:肝病、肾病、类风湿性关节炎、多 发性硬化、屯、力衰竭、出血性卒中W及动脉血栓形成（屯、肌梗死、屯、绞痛、缺血性卒中、短暂 性脑缺血发作W及周围性血管疾病）。
[0134] 针对当前研究，发明人选择W下风险因子：固定不动(石膏細带、在家长期邸床至 少4天、住院治疗）、外科手术、静脉血栓形成的家族病史(如果父母中的至少1个、兄弟或姐 妹经历静脉血栓形成，则认为为正）、在过去3个月中的腿部受伤、在从五年之前到索引日期 之后的六个月的时期的癌症、在过去2个月旅行超过四小时、在索引日期之前的3个月内怀 孕或产后期，或在索引日期使用雌激素（口服避孕药或激素替代治疗）。另外的特征是肥胖 的存在，被确定为身体质量指数为30kg/m2或更高。
[0135] 基因效应：利用来自问卷调查的数据，数据在五个基因方面的存在下是可用的， 良P，血型非0,和在F2(rsl799963)、纤维蛋白原（'32066865)、尸11('32036914)^及巧（尸￥莱 顿;rs6025)中的四个单核巧酸多态性(SNP)。所述数据还包括每个SNP影响的等位基因的数 目。
[0136] 血液收集:在诊断血栓形成之后至少3个月时取得血液样本。如先前所描述的，从 肘前静脉到包含0.106M的巧樣酸Ξ钢（0.1体积）的Sarstedt Monovette管(Niimbrecht，德 国）收集整个血液(0.9体积）。通过在室溫在2000g下离屯、10分钟来制备血浆，并且将血浆存 储在-7(TC的等分部分中，直到被分析。所有蛋白因子分析在先前被执行，并且要么是活性 分析要么是基于抗原的临床分析。所包括的蛋白是抗凝血酶(AT)、凝血酶原（因子II)、因子 7巧￥11)、尸￥111、尸巧、尸乂、尸乂1、纤维蛋白原^及蛋白(：(所有活性测量)和蛋白5(抗原测量）。
[0137] 未取得血液测量的个体（1504个患者和3357个对照）或少于5个风险因子(蛋白水 平、基因效应和有关选择的临床风险因子的回答)可用的（n=1512个患者并且n = 3362)的 个体被从该研究中排除。也排除在抽血时间时口服抗凝剂处置的患者(n = 294)和对照(n = 34)。
[0138] 最后选择包括1227个患者和2905个控制。
[0139] 基于模型的风险因子-对凝结触发物的灵敏度指示血栓形成风险：假设在血栓形 成的增加的风险的患者在较轻的凝结触发物处开始凝结。发明人首先假设具有针对凝结触 发物的大小的阔值效应。将组织因子触发物作为范例，清楚的是凝结不应当发生在不存在 组织因子的情况下（在血管壁中没有分支）。然而非常小的非零组织因子浓度，对应于有规 律发生的血管壁的微分支，不应当导致完全成熟的凝血。然而，严重的分支，对应于组织因 子的更大浓度应当开始强烈的凝血响应，因此在两个之间的一些地方应当具有很少至没有 凝血改变到强烈的凝血处的组织因子阔值浓度。对应于该阔值的组织因子浓度被认为是针 对血栓形成风险的指示特征。
[0140] 针对在0.00004fM至40nM之间的TF浓度的范围计算凝血响应。该范围在极端低的 值处开始W确保捕捉第一阔值;该阔值通常位于高于0.4fM和低于0.4nM的T阿农度。
[0141] 在图1中示出了阔值效应的范例，其中，相对模拟的凝结触发物的大小标绘FVa- FXa(凝血酶原酶）的最大浓度（或峰值高度(PH))。该阔值浓度被指示为在选择的特征(在 FVa-FXa的情况下)开始示出强烈增加处的浓度。也可W选择其他特征，如在最大值发生(峰 值时间（TTP)的时间、直到蛋白浓度达到其最大值的5 %的时间（迟滞时间）、蛋白的浓度的 改变的最大速率(最大速率)或在标绘的曲线图下面的面积(AUC)。针对在凝血中起作用的 各种蛋白可W计算所有运些特征。表1示出了被用于获得在结果下描述的结果的运样的特 征的列表。
[0142] 最近邻方法:为了根据一个特征(例如，在最大FVa-FXa浓度的模型输出上确定的 组织因子阔值)估计患者是否处于高风险或低风险，其将被进行如下：
[0143] 计算已知其标签(血栓形成/无血栓形成）的N个对象的特征
[0144] 针对新的患者计算相同的特征
[0145] 从具有预测特征值的K个对象中收集标签，所述预测特征值在数值上最接近针对 新的患者的预测特征
[0146] 在K个收集的标签中，η案例将指示血栓形成，并且η础,?将指示无血栓形成。现在针对 新的患者的风险评分将被计算为[n；a;j/K]/Z，其中，Z是在从步骤1中的N个对象中的血栓形 成患者的分数。
[0147] 组合生物标志物：下一步骤是将新近创建的生物标志物特征组合在一起，并且与 早前的生物标志物特征进行组合:所述早前的生物标志物特征为临床风险因子、SNPW及蛋 白浓度。可能的预测性特征的该相对大的集合被用作针对如神经网络的数据驱动分类方法 的输入。在下文中，发明人应用基于逻辑回归的方法根据MEGA数据推断最优风险得分。通过 500倍交叉验证内部地测试评分方法。运里，在两个集合具有相同的案例对控制的比率的约 束下，发明人将3866个参与者随机划分成2577个参与者的训练集合和1289个参与者的非重 叠测试集合。在训练集合中的信息，即，前述临床风险因子，针对每个对象的SNP和蛋白水 平，W及指示是否在对象中诊断是深静脉血栓形成(DVT)的标签（1/0)，被用于推断风险得 分。该风险得分是采取针对患者特征的数值作为输入并且产生在零和一之间的风险数字作 为输出的数值算法。
[0148] 所推断的算法随后被用于计算针对在测试集合中的每个患者的风险数字。风险得 分，连同真实对象案例/对照标签被用于标绘R0C曲线，并且在曲线下面的面积(AUC)是方法 准确度的量度。重复该过程500次，每次使数据不同地随机分成训练集合和测试集合。平均 AUC和95 %置信区间被呈现W评价所述方法。
[0149] R0C曲线:所提出的方法在研究中针对每个对象分配在零和一之间的风险得分。如 果该评分与在零和一之间的数字（阔值)进行比较，并且针对那些具有在该阔值W上的得分 被预测为血栓形成，并且针对那些具有在该阔值W下的得分被预测为无血栓形成，则能够 计算灵敏度（（正确)预测其血栓形成的血栓形成患者的百分比）和特异性（1减去（错误)预 测其血栓形成的无血栓形成对象的百分比）。取决于阔值，能够获得具有100%特异性的0% 灵敏度到具有0%特异性的100%灵敏度的组合的范围。R0C曲线在y轴上标绘灵敏度，并且 在X轴上标绘1特异性。在曲线(AUC)下面的面积常常被用作风险得分的质量量度。
[0150] 结果:针对凝结触发物阔值的计算，发明人考虑如在表1的左列中所指示的模型输 出特征。在第二列中给出单变量AUC(基于使用有关的组织因子阔值获得的R0C曲线作为在 风险得分中的唯一元素）。发现针对凝血酶总产量(最大速率）、最多FVIIIa-FIXa特征、TFPI 峰值高度、ETP W及FII-FXa峰值高度的得分0.65或更多的阔值特征。
[0151]
[0153] 表1:针对凝结触发物的计算的模型输出特征。
[0154] 关于直接特征和凝结触发物阔值的回归：运里，标准逻辑回归函数被用于对在 MEGA数据库上的交叉验证研究中基于临床风险因子、SNP、蛋白水平W及基于模型的阔值来 评价风险得分。针对交叉验证，发明人将500个随机数据划分成训练集合和验证集合(2:1)， 其中，确保案例-对照比率在两个集合中是相同的。针对阔值，发明人使用如W上描述的最 近邻得分，其中，所有邻项必须在训练集合中。在图5中示出了结果(A:CRF+SNP;B:CRF+SNP+ 蛋白；C:CRF+SNP+蛋白+阔值）。当在风险得分中包括组织因子阔值特征时，显著改进了在 R0C曲线下的区（图5,在左（1)上的Ξ个条形的集合及对应地能够获得与90%特异性组 合的最大灵敏度（图5,在中间（2)的Ξ个条形的集合）（并且反之亦然，能够获得与90%灵敏 度组合的最大特异性(图5,在右(3)上的Ξ个条形的集合））。当发明人将因包括测得的蛋白 浓度而引起的改进(从左边的条形到每个集合的中间的条形)与总的改进(从中间的条形到 每个集合的右边的条形)进行比较时，能够看到基于包括完全相同的测得的蛋白浓度的计 算的组织因子阔值(即，不要求额外的测量)而使在风险估计准确度的增加加倍。
[0155] 最多信息特征的选择:发明人执行修剪方法来识别最相关的特征。他们进行如下：
[0156] 将500划分成1/^3的验证集合和2/^3的训练集合
[0157] 在训练集合，将100随机划分成1/^3的测试集合和2/^3的(剩余)训练集合
[0158] 在每次迭代时，逐个移除在训练集合尚导致估计准确度(AUC)的最小减少的特征。 如果多个特征引起准确度的相同（最小)减少，则随机摘取运些中的一个。
[0159] 对每个特征幸存在先前项中描述的修剪步骤的次数和通过该特征的移除引起的 准确度的下降进行存储。
[0160] 在100次迭代之后，对特征进行排名，首先通过修剪步骤幸存的数目，其次通过在 移除之后的准确度的平均下降。
[0161] 按他们的排名的顺序逐个移除特征，并且计算在100个测试集合上的AUC。
[0162] 针对500个划分中的每个，识别仍然导致超过在测试集合上的最大平均得分的测 试集合上的平均AUC减去（围绕在测试集合上的最大平均得分计算的)一个标准偏差的最小 数目的特征。
[0163] 在500次迭代上，对如在先前用着重号描述的在剩余最小特征集合中每个特征结 束的次数进行计数。
[0164] 对在倒数第二的用着重号作出的选择中结束的25个特征(95%CI = [19,31])取平 均。在表2中示出了常常剩余最多的特征的排名。能够看到，在先前公布的数据驱动方法 (FVIII、FV莱顿、腿部受伤等）中最重要的特征仍然评分高，但是现在在前十名扩增两个基 于计算的阔值的特征，即，总的活化的凝血酶和内源性凝血酶潜力的阔值。
[01 化]
[0167] 表2:最指示止血风险的特征的排名
[0168] 尽管已经在附图和前面的描述中详细图示和描述了本发明，但是运样的图示和描 述应当被认为是图示性或示范性的，而非限制性的;本发明不限于所公开的实施例。本领域 技术人员通过研究附图、公开内容W及权利要求，在实践请求保护的发明时能够理解并实 现对所公开的实施例的其他变型。
[0169] 在权利要求中，"包括"一词不排除其他元件或步骤，并且词语"一"或"一个"不排 除多个。单个处理器或其他单元可W实现在权利要求中记载的若干项的功能。尽管某些措 施被记载在互不相同的从属权利要求中，但是运并不指示不能有利地使用运些措施的组 合。
[0170] 计算机程序可W被存储/分布在合适的非瞬态介质上，例如与其他硬件一起或作 为其他硬件的部分供应的光学存储介质或固态介质，但是也可W被W其他形式分布，例如 经由互联网或其他有线或无线的电信系统。
[0171]权利要求中的任何附图标记都不应被解释为对范围的限制。
【主权项】
1. 一种用于确定对象的止血风险的方法，所述方法包括将足以开始对象中的凝结过程 的凝结触发物的浓度值与指示止血风险和/或无止血风险(止血稳定）的所述凝结触发物的 至少一个参考浓度值进行比较。2. 根据权利要求1所述的方法，包括以下步骤： a) 提供关于所述对象的所述止血状况的第一信息(S1)， b) 基于步骤(a)的所述第一信息来确定足以开始所述对象中的所述凝结过程的凝结触 发物的浓度值(S2)， c) 将在步骤(b)中确定的所述浓度值与表示针对稳定止血状况的最小浓度的所述凝结 触发物的参考浓度值进行比较(S3)，并且 d) 如果在步骤(b)中确定的所述浓度值低于表示针对稳定止血状况的所述最小浓度的 所述凝结触发物的所述参考浓度值，则确定针对所述对象有血栓形成的高风险(S4)， 其中，优选地，步骤c)和d)额外地或备选地包括以下步骤： c'）将在步骤(b)中确定的所述浓度值与表示针对稳定止血状况的最大浓度的所述凝 结触发物的参考浓度值进行比较(S3'），并且 d'）如果在步骤(b)中确定的所述浓度值高于表示针对稳定止血状况的所述最大浓度 的所述凝结触发物的所述参考浓度值，则确定针对所述对象有出血的高风险(S4 '）。3. 根据权利要求1所述的方法，包括以下步骤： a) 提供关于所述对象的所述止血状况的第一信息(S1)， b) 基于步骤(a)的所述第一信息来确定足以开始所述对象中的所述凝结过程的凝结触 发物的浓度值(S2)， c) 将在步骤(b)中确定的所述浓度值与包括指示止血风险，优选指示血栓形成的高风 险和/或出血的高风险的至少一个参考浓度值的所述凝结触发物的至少两个或更多个参考 浓度值进行比较，并且与指示无止血风险（止血稳定）的至少一个参考浓度值进行比较 (S3"），并且 d) 进行以下确定： -如果在步骤(b)中确定的所述浓度值在数值上更接近指示止血风险的所述至少一个 参考浓度值，则确定针对所述对象有止血风险(S4"），或者 -如果在步骤(b)中确定的所述浓度值在数值上更接近指示止血稳定的所述至少一个 参考浓度值，则确定针对所述对象无止血风险(止血稳定）（S4" '）， 其中，优选地，借助于最近邻方法来实现步骤(c)和(d)。4. 根据权利要求2或3所述的方法，其中，在步骤(a)中，关于所述对象的所述止血状况 的所述第一信息是来自所述对象的生物样本中的凝血蛋白的浓度值，优选地，在步骤(a) 中，关于所述对象的所述止血状况的所述第一信息是来自所述对象的生物样本中的多个凝 血蛋白的所述浓度值，高度优选地，在步骤(a)中，关于所述对象的所述止血状况的所述第 一信息是来自所述对象的生物样本中的至少三个或更多个凝血蛋白的浓度值。5. 根据权利要求2或3所述的方法，其中，所述凝结触发物是组织因子(TF)。6. 根据权利要求4所述的方法，其中，从包括以下项的组中选择一个或多个所述凝血蛋 白：凝血因子2(FII)、FV、FVII、FVIII、FIX、FX、FXI、FXII、抗凝血酶(AT)、TFPI、a2M、C4BP、蛋 白C、蛋白S、蛋白23厶?1、2?1^厶1\?(：1、(：1抑制剂以及纤维蛋白原。7. 根据权利要求2或3所述的方法，其中，在步骤(b)中，通过对所述凝结过程的在生物 信息学中的模拟来确定足以开始所述对象中的所述凝结过程的凝结触发物的所述浓度值， 其中，优选地，在生物信息学中的模拟中，关于所述对象的所述止血状况的所述第一信息被 用作输入特征，并且关于在所模拟的凝结过程中所述对象的所述止血状况的第二信息被用 作输出特征。8. 根据权利要求7所述的方法，其中，关于所述对象的所述止血状况的所述第二信息是 被用作输出特征的集合的、在所模拟的凝结过程的一系列时间点处的活化的凝血蛋白的浓 度值，其中，优选地，关于所述对象的所述止血状况的所述第二信息是被用作输出特征的集 合的、在所模拟的凝结过程的一系列时间点处的多个活化的凝血蛋白的浓度值，其中，最优 选地，从包括以下项的组中选择一个或多个所述活化的凝血蛋白：凝血酶（FIIa)、FVa、 卩￥11&、卩￥111&小1父&、卩父&、卩父11&、卩￥&-卩父&、卩￥111&41父&、纤维蛋白、凝血酶原$11)。9. 根据权利要求8所述的方法，其中，从所述输出特征的集合中创建表示凝结响应的强 度的一个特征，其中，优选地，表示所述凝结响应的所述强度的所述一个特征是在所模拟的 凝结过程的所有时间点上的所述活化的凝血蛋白中的至少一种的最大浓度。10. -种对用于确定所述对象的止血风险的、足以开始对象中的凝结过程的凝结触发 物的浓度值的使用，优选为对用于确定所述对象的止血风险的、足以开始对象中的凝结过 程的组织因子(TF)的浓度值的使用。11. 一种用于确定对象的止血风险的设备，所述设备包括： 接收单元，其被配置用于接收关于所述对象的止血状况的第一信息， 第一确定单元，其被配置用于基于由所述接收单元接收的所述第一信息来确定足以开 始所述对象中的凝结过程的凝结触发物的浓度值，以及 比较单元，其被配置用于将由所述第一确定单元确定的所述浓度值与指示止血风险 和/或无止血风险(止血稳定）的所述凝结触发物的至少一个参考浓度值进行比较。12. 根据权利要求11所述的设备，其中，所述比较单元被配置用于将由所述第一确定单 元确定的所述浓度值与表示针对稳定止血状况的最小浓度的所述凝结触发物的参考浓度 值进行比较，并且所述设备还包括： 第二确定单元，其被配置用于如果由所述第一确定单元确定的所述浓度值低于表示针 对稳定止血状况的所述最小浓度的所述凝结触发物的所述参考浓度值，则确定针对所述对 象有血栓形成的高风险； 其中，优选地，额外地或备选地， 所述比较单元被配置用于将由所述第一确定单元确定的所述浓度值与表示针对稳定 止血状况的最大浓度的所述凝结触发物的参考浓度值进行比较，并且 所述第二确定单元被配置用于如果由所述第一确定单元确定的所述浓度值高于表示 针对稳定止血状况的所述最大浓度的所述凝结触发物的所述参考浓度值，则确定针对所述 对象有出血的高风险。13. 根据权利要求11所述的设备，其中，所述比较单元被配置用于将由所述第一确定单 元确定的所述浓度值与包括指示止血风险，优选指示血栓形成的高风险和/或出血的高风 险的至少一个参考浓度值的所述凝结触发物的至少两个或更多个参考浓度值进行比较，并 且与指示无止血风险(止血稳定）的至少一个参考浓度值进行比较，并且所述设备还包括： 第二确定单元，其被配置用于进行以下确定： -如果由所述第一确定单元确定的所述浓度值在数值上更接近指示止血风险的所述至 少一个参考浓度值，则确定针对所述对象有止血风险，或者 -如果由所述第一确定单元确定的所述浓度值在数值上更接近指示止血稳定的所述至 少一个参考浓度值，则确定针对所述对象无止血风险(止血稳定）。14. 一种临床决策支持系统，包括处理器和计算机可读存储介质，其中，所述计算机可 读存储介质包含用于由所述处理器运行的指令，其中，所述指令令所述处理器执行以下步 骤： a) 接收关于对象的止血状况的第一信息， b) 基于步骤(a)的所述信息来确定足以开始所述对象中的凝结过程的凝结触发物的浓 度值， c) 将在步骤(b)中确定的所述浓度值与指示止血风险和/或无止血风险（止血稳定）的 所述凝结触发物的至少一个参考浓度值进行比较。15. 根据权利要求14所述的临床决策支持系统，其中，所述指令令所述处理器执行以下 步骤： a) 提供关于所述对象的所述止血状况的第一信息， b) 基于步骤(a)的所述第一信息来确定足以开始所述对象中的所述凝结过程的凝结触 发物的浓度值， c) 将在步骤(b)中确定的所述浓度值与表示针对稳定止血状况的最小浓度且表示针对 稳定止血状况的所述最小浓度的所述凝结触发物的参考浓度值进行比较，并且 d) 如果在步骤(b)中确定的所述浓度值低于表示针对稳定止血状况的所述最小浓度的 所述凝结触发物的所述参考浓度值，则确定针对所述对象有血栓形成的高风险， 其中，优选地，步骤c)和d)额外地或备选地包括以下步骤： c'）将在步骤(b)中确定的所述浓度值与表示针对稳定止血状况的最大浓度的所述凝 结触发物的参考浓度值进行比较，并且 d'）如果在步骤(b)中确定的所述浓度值高于表示针对稳定止血状况的所述最大浓度 的所述凝结触发物的所述参考浓度值，则确定针对所述对象有出血的高风险。16. -种根据权利要求14所述的临床决策支持系统，其中，所述指令令所述处理器执行 以下步骤： a) 提供关于所述对象的所述止血状况的第一信息， b) 基于步骤(a)的所述第一信息来确定足以开始所述对象中的所述凝结过程的凝结触 发物的浓度值， c) 将在步骤(b)中确定的所述浓度值与包括指示止血风险，优选指示血栓形成的高风 险和/或出血的高风险的至少一个参考浓度值的所述凝结触发物的至少两个或更多个参考 浓度值进行比较，并且与指示无止血风险（止血稳定）的至少一个参考浓度值进行比较，并 且 d) 进行以下确定： -如果在步骤(b)中确定的所述浓度值在数值上更接近指示止血风险的所述至少一个 参考浓度值，则确定针对所述对象有止血风险，或者 -如果在步骤(b)中确定的所述浓度值在数值上更接近指示止血稳定的所述至少一个 参考浓度值，则确定针对所述对象无止血风险(止血稳定）。17. -种包括程序代码模块的计算机程序，所述程序代码模块用于，当在计算机上执行 所述计算机程序时，所述程序代码模块令所述计算机执行权利要求1至9中的任一项所述的 方法的步骤。18. -种包括由处理器运行的指令的计算机可读非瞬态存储介质，其中，所述指令令所 述处理器执行权利要求1至9中的任一项所述的方法的步骤。
【文档编号】G01N33/50GK105829888SQ201480069634
【公开日】2016年8月3日
【申请日】2014年12月10日
【发明人】B·J·巴克, H·J·范奥义任, R·范德汉姆
【申请人】皇家飞利浦有限公司