[发明专利]基于组合的研究建议系统和方法

权利要求书

1.临床研究项目机器学习计算机系统，包括：

至少一个处理器；

至少一个存储器，耦合所述处理器并配置为存储：

代表来自队列的组织样本的基因组数据集；

临床结果数据集，与所述队列相关联并且代表治疗后组织样本的临床结果；和

其中所述基因组数据集和所述临床结果数据涉及多个潜在研究项目；和

至少一个建模引擎，根据存储在至少一个存储器中的软件指令在最后一个处理器上可执行，并将所述处理器配置为：

获得一组预测模型模板；

基于所述预测模型模板组并且作为基因组数据集和临床结果数据集的函数，产生训练的临床结果预测模型的集合，其中各训练的临床结果预测模型包括表示对应的训练的临床结果预测模型的属性的模型特征指标；

根据取决于多个训练的临床结果预测模型的预测模型特征指标的排序标准，产生选自多个潜在研究项目的潜在研究项目的排序列表；和

使装置呈现所述潜在研究项目的排序列表。

2.权利要求1所述的系统，其中所述预测模型模板组包括至少十种预测模型类型。

3.权利要求1所述的系统，其中所述预测模型模板组包括线性回归算法、聚类算法和人工神经网络的实现中的至少一种。

4.权利要求1所述的系统，其中所述预测模型模板组包括分类器算法的实现中的至少一种。

5.权利要求4所述的系统，其中分类器算法的实现中的至少一种代表半监督分类器。

6.权利要求4所述的系统，其中分类器算法的实施中的至少一种表示以下类型的分类器中的至少一种：线性分类器、基于NMF的分类器、基于图形的分类器、基于树的分类器、基于贝叶斯的分类器、基于规则的分类器、基于网络的分类器和kNN分类器。

7.权利要求1所述的系统，其中所述模型特征指标包括模型精度测量。

8.权利要求6所述的系统，其中所述模型精度测量包括模型精度增益。

9.权利要求1所述的系统，其中所述模型特征指标包括以下模型性能指标中的至少一种：曲线下面积(AUC)度量、R²度量、p-值和剪影系数。

10.权利要求1所述的系统，其中所述排序标准根据从所述模型特征指标衍生的综合度量定义。

11.权利要求1所述的系统，其中所述训练的临床结果预测模型的集合包括从基因组数据集和临床结果数据集中选出的完整队列数据集训练的至少一种完全训练的临床结果预测模型。

12.权利要求1所述的系统，其中所述临床结果数据包括药物反应结果数据。

13.权利要求12所述的系统，其中所述药物反应结果数据包括关于多种药物的以下至少之一：IC50数据、GI50数据、Amax数据、ACarea数据、过滤的ACarea数据和max剂量数据。

14.权利要求12所述的系统，其中所述药物反应结果数据包括至少100种药物的数据。

15.权利要求14所述的系统，其中所述药物反应结果数据包括至少150种药物的数据。

16.权利要求15所述的系统，其中所述药物反应结果数据包括至少200种药物的数据。

17.权利要求1所述的系统，其中所述基因组数据集包括以下中的至少一种：微阵列表达数据、微阵列拷贝数数据、PARADIGM数据、SNP数据、全基因组测序(WGS)数据、RNAseq数据和蛋白质微阵列数据。

18.权利要求1所述的系统，其中所述潜在研究项目包括涉及所述基因组数据集的待收集的基因组数据类型。

19.权利要求15所述的系统，其中所述待收集的基因组数据类型包括下列中的至少一种：微阵列表达数据、微阵列拷贝数数据、PARADIGM数据、SNP数据、全基因组测序(WGS)数据、全外显子序列数据、RNAseq数据和蛋白质微阵列数据。

20.权利要求1所述的系统，其中所述潜在研究项目包括涉及所述临床结果数据集的待收集的临床结果数据类型。