Processing

Please wait...

Settings

Settings

Goto Application

1. WO2021063935 - PREDICTION OF DISEASE STATUS

Publication Number WO/2021/063935
Publication Date 08.04.2021
International Application No. PCT/EP2020/077207
International Filing Date 29.09.2020
IPC
G16H 50/20 2018.01
GPHYSICS
16INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
50ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
20for computer-aided diagnosis, e.g. based on medical expert systems
G16H 50/70 2018.01
GPHYSICS
16INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
50ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
70for mining of medical data, e.g. analysing previous cases of other patients
G06N 20/00 2019.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
A61B 5/00 2006.01
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Measuring for diagnostic purposes; Identification of persons
Applicants
  • F. HOFFMANN-LA ROCHE AG [CH]/[CH] (AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BE, BF, BG, BH, BJ, BN, BR, BW, BY, BZ, CA, CF, CG, CH, CI, CL, CM, CN, CO, CR, CU, CY, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, FR, GA, GB, GD, GE, GH, GM, GN, GQ, GR, GT, GW, HN, HR, HU, ID, IE, IL, IN, IR, IS, IT, JO, JP, KE, KG, KH, KM, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LT, LU, LV, LY, MA, MC, MD, ME, MG, MK, ML, MN, MR, MT, MW, MX, MY, MZ, NA, NE, NG, NI, NL, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SI, SK, SL, SM, SN, ST, SV, SY, SZ, TD, TG, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, UZ, VC, VN, WS, ZA, ZM, ZW)
  • HOFFMANN-LA ROCHE INC. [US]/[US] (US)
Inventors
  • GOSSENS, Christian
  • LIPSMEIER, Florian
  • SIMILLION, Cedric André Marie Vincent Geoffrey
  • LINDEMANN, Michael
Agents
  • ALTMANN STÖSSEL DICK PATENTANWÄLTE PARTG MBB
Priority Data
19200522.130.09.2019EP
Publication Language English (EN)
Filing Language English (EN)
Designated States
Title
(EN) PREDICTION OF DISEASE STATUS
(FR) PRÉDICTION D'ÉTAT PATHOLOGIQUE
Abstract
(EN)
A machine learning system (110) for determining at least one analysis model for predicting at least one target variable indicative of a disease status is proposed. The machine learning system (110) comprises: - at least one communication interface (114) configured for receiving input data, wherein the input data comprises a set of historical digital biomarker feature data, wherein the set of historical digital biomarker feature data comprises a plurality of measured values indicative of the disease status to be predicted; - at least one model unit (116) comprising at least one machine learning model comprising at least one algorithm; - at least one processing unit (112), wherein the processing unit (112) is configured for determining at least one training data set and at least one test data set from the input data set, wherein the processing unit (112) is configured for determining the analysis model by training the machine learning model with the training data set, wherein the processing unit (112) is configured for predicting the target variable on the test data set using the determined analysis model, wherein the processing unit (112) is configured for determining performance of the determined analysis model based on the predicted target variable and a true value of the target variable of the test data set.
(FR)
L'invention concerne un système d'apprentissage automatique (110) permettant de déterminer au moins un modèle d'analyse permettant de prédire au moins une variable cible indiquant un état pathologique. Le système d'apprentissage automatique (110) comprend : - au moins une interface de communication (114) configurée pour recevoir des données d'entrée, les données d'entrée comprenant un ensemble de données de caractéristiques de biomarqueurs numériques historiques, l'ensemble de données de caractéristiques de biomarqueurs numériques historiques comprenant une pluralité de valeurs mesurées indiquant l'état pathologique à prédire ; - au moins une unité à modèles (116) comprenant au moins un modèle d'apprentissage automatique comprenant au moins un algorithme ; - au moins une unité de traitement (112), l'unité de traitement (112) étant configurée pour déterminer au moins un ensemble de données d'apprentissage et au moins un ensemble de données de test parmi l'ensemble de données d'entrée, l'unité de traitement (112) étant configurée pour déterminer le modèle d'analyse par formation du modèle d'apprentissage automatique au moyen de l'ensemble de données d'apprentissage, l'unité de traitement (112) étant configurée pour prédire la variable cible sur l'ensemble de données de test à l'aide du modèle d'analyse déterminé, l'unité de traitement (112) étant configurée pour déterminer les performances du modèle d'analyse déterminé sur la base de la variable cible prédite et d'une valeur réelle de la variable cible de l'ensemble de données de test.
Latest bibliographic data on file with the International Bureau