[发明专利]使用人工智能生成与脊髓性肌萎缩症相关的预测结果的技术

说明书

公开了使用人工智能(AI)来便于治疗被诊断患有脊髓性肌萎缩症(SMA)的受试者的技术。本文公开的方法和系统涉及以下技术：使用AI预测被诊断患有SMA的受试者的疾病进展、检测患有SMA的受试者之间的潜在共性以识别新的或现有临床研究的候选受试者以及智能地选择受试者特定性治疗性治疗以用于治疗SMA。

相关申请的交叉引用

本申请要求2020年11月24日提交的题为“Techniques for GeneratingPredictive Outcomes Relating to Spinal Muscular Atrophy using ArtificialIntelligence”的欧洲申请第20211555.6号的权益和优先权，出于所有目的，特此通过引用将其全文并入。

技术领域

本文公开的方法和系统大体上涉及使用人工智能(AI)来便于治疗被诊断患有脊髓性肌萎缩症(SMA)的受试者的技术。更具体地，本文公开的方法和系统涉及以下技术：使用AI预测被诊断患有SMA的受试者的疾病进展、检测跨患有SMA的受试者的潜在共性以识别新的或现有临床研究的候选受试者以及智能地选择受试者特定性治疗性治疗用于治疗SMA。

背景技术

大脑包含称为运动神经元的特化细胞，它们控制全身500多块肌肉的自主运动。运动神经元包括轴突，它们是将信号从大脑沿着脊髓传递到目标肌肉的长纤维。然而，运动神经元的健康在很大程度上取决于一种称为运动神经元存活(SMN)蛋白的蛋白质的存在。SMN1是位于5号染色体上的基因，可产生足够量的SMN蛋白来维持健康的运动神经元。

由于SMN1基因突变，患有称为脊髓性肌萎缩症(SMA)的神经肌肉疾病的人产生的SMN蛋白量不足。SMN蛋白的缺乏导致运动神经元逐渐退化。然而，退化的运动神经元会阻止控制自主运动的大脑信号到达目标肌肉。虽然SMN1可能不会产生足够量的SMN蛋白，但大多数人都有SMN1的至少一个功能拷贝，称为SMN2基因。SMN2能够产生大约正常水平10-20％的SMN蛋白，从而至少允许一些运动神经元存活。患有SMA的那些人通常会经历进行性肌萎缩，主要是近端肌肉，导致肌无力和衰退。

SMA带来各种独特的挑战。例如，患有SMA的受试者的症状和症状严重程度各不相同。因此，定义用于治疗受试者的治疗工作流程对于被诊断患有SMA的受试者尤其具有挑战性。SMA相关治疗可能与受试者所经历的疾病进展高度相关，因此，定义具有特定治疗日程表的治疗工作流程是一项具有挑战性且复杂的任务。

通常，定义治疗受试者的日程表是对症状的反应而不是预测。例如，在疾病的整个过程中，关于哪些肌肉群最初减弱以及减弱到何种程度，受试者之间存在很大差异。受试者通常会经历支撑脊柱的肌肉群的无力，从而对呼吸系统造成负担。然而，对于某些受试者，该肌肉群的萎缩进展很快，而对于其他受试者，进展是渐进的。另外，某些受试者会经历支持吞咽的肌肉群的无力，从而对日常进食活动造成负担。对于某些受试者，支持吞咽的肌肉群在支撑脊柱的肌肉群之前减弱，而对于其他受试者，肌肉群退化的顺序是相反的。对支持吞咽的肌肉发生减弱的受试者进行治疗与对支撑脊柱的肌肉发生减弱的受试者进行治疗截然不同。通常，为个体受试者定义治疗涉及密切监测受试者的症状并相应地对治疗做出反应。

在另一个说明SMA独特挑战的示例中，一种治疗涉及使用基因替代疗法增加SMN蛋白的表达。然而，增加SMN蛋白表达只有在治疗窗内进行时才会改善受试者的运动功能。例如，在动物模型中，只有在出生后头三天内实施疗法，进行SMN恢复疗法才能有效改善运动功能。如果在出生后10天或10天以上进行相同的治疗，则可能根本无效。实施某些SMN疗法以改善运动功能的时间窗很窄，并且该时间窗与每个受试者相关。对于新受试者(例如患者)，识别SMN蛋白表达的治疗窗是一项技术上具有挑战性和复杂性的任务。通常，识别新受试者的治疗和治疗日程表涉及将新受试者的许多不同且复杂的属性与先前接受过治疗的受试者的相同属性进行手动比较。