用于远程分析与具有共患病和/或不良事件的肿瘤和/或肿瘤血液病患者有关的生物特征数据的系统的制作方法

1.本发明在数据处理系统领域中得到应用，并且具体地，其目的是用于对与患有肿瘤(oncological)疾病和/或肿瘤血液(onco-hematological)疾病并伴有共患病(comorbidity)和/或不良事件的患者有关的生物特征数据进行远程分析的系统。


背景技术：

2.众所周知，技术工具的快速发展和可用计算能力的提高正日益刺激医疗领域的应用和技术的发展。
3.特别是，目前的人口预测显示，随着人口的平均年龄的增加，肿瘤疾病和肿瘤血液疾病及相关共患病也将增加。
4.这一趋势导致主要制药公司将资金更多地集中在数字系统的开发上。
5.获得最大技术发展的领域是与共患病的分析和管理相关的领域。
6.事实上，对同一患者的不同病理表现进行分析需要多个医学诊断设备和比单一病理研究预期更高的计算能力，以及非常规的分析技术，例如通过人工智能。
7.然而，目前的方法主要是“基于证据(evidence based)”的类型，通常依赖于关键的临床试验来使用新疗法，其中除了“真正的临床实践(real clinical practice)”的患者之外，患者是经过高度选择的。
8.已经尝试通过真实世界证据(rwe，real clinical evidence)研究来克服这一限制，该研究不加区别地考虑所有日常临床实践的患者。
9.一种新方法使得在单一病理学领域(例如针对糖尿病患者)开发应用成为可能，它引入了从“基于医学证据(medicine evidence based)”到“医学数据驱动(medicine data driven)”的过渡，这是基于在rwe中对大量真实患者的临时数据的大量收集，以通过人工智能和机器学习处理这些数据，以优化患者的360
°
临床管理，包括治疗和共患病，以及相关的不良事件。
10.然而，肿瘤学和肿瘤血液学需要一种医学数据驱动的方法。
11.事实上，迄今为止，尚未在肿瘤学或肿瘤血液学领域，即在那些有大量肿瘤患者(这些患者患有各种共患病，主要包括心血管病和糖尿病，且发病率与患者年龄成比例增加)的领域开发系统。


技术实现要素：

12.本发明的目的是通过提供一种系统来克服上述缺点，该系统用于远程分析与患有肿瘤和/或肿瘤血液疾病且具有共患病和/或不良事件的患者相关的生物特征数据，该系统适合于收集与大量真实患者人群有关的大量临时数据以对这些数据进行处理，从而优化患者的整体临床管理，包括治疗处理和共患病，以及相关的不良事件。
13.一个特定的目的是提供一种用于远程分析与患有肿瘤和/或肿瘤血液疾病并伴有
共患病和/或不良事件的患者有关的生物特征数据的系统，该系统不仅允许连续检测来自患者的临床数据和临床参数，而且这还允许提供确定最佳治疗方法对他们进行“个性化处理”，并回馈给患者以针对特定共患病和不良事件的自动给药。
14.本发明的又一个目的是提供这样一种系统，该系统允许对通过系统的各种元件收集的数据和历史数据进行复杂的分析。
15.本发明的又一个目的是提供这样一种系统，该系统允许基于患者的生活方式和个人对医学治疗的反应之间的相关性，通过与患者直接接触的设备主动地与患者进行交互。
16.本发明的又一个目的是提供这样一种系统，该系统允许通过监测所应用的疗法(例如化学疗法)的效果来验证患者营养的持续改善。
17.本发明的并非最不重要的目的是提供这样一种系统，该系统允许实现整个医疗保健系统的显着成本降低以及制药工业中新疗法的开发的优化。
18.这些目标以及在下文中将变得更加明显的其他目标是通过用于远程分析与患有肿瘤和/或肿瘤血液疾病且具有共患病和/或不良事件的患者相关的生物特征数据的系统获得，根据独立权利要求，该系统包括：一个或多个本地监测基础设施，适于获得与待监测的相应患者有关的生物特征和/或诊断数据；一个或多个通信网络，每个通信网络包括一个或多个本地通信设备以及一个或多个数据处理单元，本地通信设备适于从相应的本地基础设施接收数据，数据处理单元适于从本地通信设备远程接收数据以定义物联网网络；集中式数字基础设施，能够从物联网网络接收数据以生成包含由本地基础设施收集的所有数据的数据库并将它们关联以用于云中存储；计算自主学习单元，适于处理存储在集中式数字基础设施中的数据。
19.根据从属权利要求获得本发明的有利实施例。
附图说明
20.根据本发明系统的优选但非排他性实施例的详细描述，本发明的进一步特征和优点将更加明显，这些实施例通过非限制性示例借助附图表进行说明，其中：
21.图1是示出系统架构的示意图；
22.图2是系统各个元件之间的通信方案。
具体实施方式
23.参考附图，显示了系统的可能的架构，该系统用于远程分析与具有共患病和/或不良事件的肿瘤和/或血液肿瘤疾病患者，特别是具有心血管代谢共患病和/或不良事件(ae，adverse event)的肿瘤或血液肿瘤患者相关的生物特征数据。
24.在图1的其最重要的方案中，该系统包括：一个或多个本地监测基础设施，本地监测基础设施适合于获得与待监测的相应患者有关的生物特征和/或诊断数据；一个或多个通信网络，每个通信网络包括一个或多个本地通信设备和一个或多个数据处理单元，本地通信设备适于从相应的本地基础设施接收数据，数据处理单元适于从本地通信设备远程接收此类数据，以定义物联网(iot，internet of things)网络；集中式数字基础设施，适于从物联网网络接收数据以用于生成包含本地基础设施检测到的所有数据的数据库并将这些数据关联以用于云中存储；自主学习计算单元，适于通过机器操作学习处理存储在集中式
数字基础设施中的数据。
25.每个本地基础设施都将与单个患者相关联，并且将包括多个设备，这些设备旨在检测临床数据和/或生物特征参数并相互无线通信，例如通过蓝牙协议，以创建短距离(short-range)物联网网络(sr iot)。
26.特别地，本地基础设施将包括一个或多个可穿戴型监测设备，以与要监测的相应患者接触并获取要发送到由患者拥有的本地通信设备的生物特征参数。
27.反过来，各种通信设备将适于与处理单元进行远程通信，以定义额外的长距离(long-range)物联网网络(lr iot)。
28.根据优选但非排他的实施例，本地通信设备可以在智能手机、平板电脑、平板手机、笔记本电脑或其他移动通信设备之中选择，在这些设备上将驻留特定的软件应用程序，该软件应用程序被编程为与集中式数字基础设施进行通信。
29.在示例性且非限制性的方式中，可穿戴设备可以是智能手表或适于检测生物特征参数(例如通过使用相关临时心电图监测心率、监测昼夜节律、监测睡眠等)的其他设备，或者它可能是用于血糖监测的石墨烯手环，例如那些已经开发并用于糖尿病患者的手环。
30.另一种类型的监测设备可以是可摄入传感器，例如具有平方毫米大小的传感器的药丸，其适于被患者摄入，以通过与患者体内存在的电解质的接触而被激活，从而获得与患者健康有关的信息。
31.然后，该信息将从传感器以无线方式(例如始终通过蓝牙协议)发送到相应的本地通信设备，并从该设备发送到临床医生和数字基础设施，然后在机器学习中得到处理。
32.使用该技术的优势在于可以提供对患者的连续监测并允许验证对口服治疗的依从性(例如在慢性髓性白血病(cml)、心脏共患病等的情况下)以及其疗效，在cml的情况下，该疗效可以通过血液bcr/abl转录值来评估，在心脏共患病的情况下，该疗效可以通过监测心率和血压等参数的值来评估。
33.此外，可以使用配备有石墨烯层的皮肤监测传感器，该层适合粘附在患者皮肤上，以检测一个或多个生化参数的变化，并将相关信息发送到相应的本地通信设备。
34.例如，这些传感器可能类似于粘附在皮肤上的薄手镯，并且由于存在一层石墨烯，它们将具有特殊的电子特性，这些电子特性将允许检测葡萄糖、ph、湿度、温度、心率、血压等生化参数的变化。
35.检测到的生化参数可以直接在本地通信设备(如智能手机)的显示屏上进行管理，或被发送到集中式数字基础设施进行数据分析和处理。
36.根据疾病管理、更多表达的ea和共患病的需要，这些腕部传感器还可以配备微针，微针用于引入皮肤并释放药物量。
37.通过这种方式，将有可能实现真正的靶向治疗(目标治疗)，其中药物的药效学和药代动力学可以通过由机器学习管理的二级参数逐个患者进行评估，以允许优化治疗，从经济和成本节约的角度来看，也产生了积极的影响。
38.每个本地基础设施也可以用数字成像设备实现，用于将诸如mri、ct、超声扫描等的诊断图像与患者的临床参数相关联，以便通过机器学习进行联合分析并与越来越多的可用数据集进行比较，并允许不断完善分析，该分析的输出(临床见解)被实时提供给临床医生，以实现最佳患者管理。
39.用于获取临床信息的其他设备可能是基因测序设备或患者的dna片段，或所谓的ngs(下一代测序)。
40.由此产生的优势是对基因或dna片段进行快速测序，以检测任何潜在的疾病潜在点突变。
41.此外，可以使用微生物组测序(microbiome sequencing)来查找有关肠道微生物群的信息，这对患者的生存至关重要，因为它可以通过监测化疗的效果来持续改善患者的营养。
42.事实上，肠道微生物产生的许多代谢物和生物分子对于患者的正确功能表现至关重要，但化疗往往会破坏患者的部分或全部肠道微生物群，因此对肠道微生物群的持续监测在必要时对于其整合至关重要。
43.通过微生物组测序获得的数据也可以在机器学习中进行分析。
44.集中式数字基础设施还配备内存数据处理计算单元以加快数据访问速度，因此能够从各种可穿戴设备或适合与患者身体接触的设备以及通过数字成像操作和遗传分析(ngs)生成一组复杂的数据(大数据)。
45.此外，数字基础设施将接收患者的所有临床参数，例如心率、血糖、生化参数等，并将其存储在云端。
46.这种用于存储信息的解决方案的优点是允许访问参与该项目的所有研究主体，以便可以不断更新所有数据。
47.如此收集的数据将可用于后续治疗和分析步骤，并通过为每位患者定制的治疗/不良事件/共患病的管理解决方案被使用。
48.收集历史数据和来自患者佩戴的设备的数据，将有可能创建一个巨大的信息库和为机器学习提供后续分析和处理步骤的起始数据库。
49.从上面可以清楚地看出云存储的双重优势，首先是针对单个患者，然后是针对整个患者群体：更具体地说，不仅可以通过对整体数据的分析，还可以通过按性别(患者之间的性别差异)细分来管理患者，这种细分可以进一步细化不同性别患者之间的靶向，因为男性和女性可能对相同的药物治疗有不同的反应。
50.该系统的核心将是基于机器学习的自主学习计算单元，它允许处理大量数据并管理病理/不良事件/共患病之间的相关性，或者在未知的情况下识别新的。
51.自主学习计算单元可以通过进出患者的数据路径远程管理病理、共患病、不良事件，并允许对每位患者进行真正的靶向治疗。
52.机器学习提高了预测能力，以改善治疗/不良事件/共患病的管理，从而为各种患者定义个性化治疗。
53.自主学习单元的一个重要元素是人工神经网络(neural network)，它允许随着患者临床参数的变化计算不同的治疗方案。
54.机器学习的信息输出也可用于生成新的生物工程药物，例如单克隆、双特异性抗体、car-t、肿瘤病毒dna等。
55.根据本发明的系统易于进行多种修改和变化，所有这些都落入在所附权利要求中表达的发明概念内。在不脱离本发明的保护范围的情况下，所有的细节都可以被其他技术上等同的元件所取代，并且材料和工具可以根据需要而不同。