Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019027667) SYSTÈME ET PROCÉDÉ D'ANALYSE PRÉDICTIVE DE LÉSIONS MAMMAIRES PATHOLOGIQUES
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/027667 N° de la demande internationale : PCT/US2018/042382
Date de publication : 07.02.2019 Date de dépôt international : 17.07.2018
CIB :
A61B 8/00 (2006.01) ,A61B 10/00 (2006.01) ,A61B 10/02 (2006.01)
A NÉCESSITÉS COURANTES DE LA VIE
61
SCIENCES MÉDICALE OU VÉTÉRINAIRE; HYGIÈNE
B
DIAGNOSTIC; CHIRURGIE; IDENTIFICATION
8
Diagnostic utilisant des ondes ultrasonores, sonores ou infrasonores
A NÉCESSITÉS COURANTES DE LA VIE
61
SCIENCES MÉDICALE OU VÉTÉRINAIRE; HYGIÈNE
B
DIAGNOSTIC; CHIRURGIE; IDENTIFICATION
10
Autres méthodes ou instruments pour le diagnostic, p.ex. pour le diagnostic de vaccination; Détermination du sexe; Détermination de la période d'ovulation; Instruments pour gratter la gorge
A NÉCESSITÉS COURANTES DE LA VIE
61
SCIENCES MÉDICALE OU VÉTÉRINAIRE; HYGIÈNE
B
DIAGNOSTIC; CHIRURGIE; IDENTIFICATION
10
Autres méthodes ou instruments pour le diagnostic, p.ex. pour le diagnostic de vaccination; Détermination du sexe; Détermination de la période d'ovulation; Instruments pour gratter la gorge
02
Instruments pour prélever des échantillons cellulaires ou pour la biopsie
Déposants :
THE GENERAL HOSPITAL CORPORATION [US/US]; 55 Fruit Street Boston, MA 02114, US
Inventeurs :
LEHMAN, Constance; US
BARZILAY, Regina; US
Mandataire :
COOK, Jack, M.; US
Données relatives à la priorité :
62/539,88701.08.2017US
Titre (EN) SYSTEM AND METHOD FOR PREDICTIVE PATHOLOGIC BREAST LESIONS ANALYSIS
(FR) SYSTÈME ET PROCÉDÉ D'ANALYSE PRÉDICTIVE DE LÉSIONS MAMMAIRES PATHOLOGIQUES
Abrégé :
(EN) Machine learning approaches may be used to determine whether a patient has a relatively low risk for cancer upgrade of a high-risk lesion (HRL) in the breast. A dataset may be generated, the dataset having structural features including health information from the patient's medical history or obtained from the patient's healthcare provider, and pathology text features including terms from a diagnostic report on which an HRL diagnosis is based, the terms being qualitative descriptors for the HRL. A machine learning model may be applied to the dataset to generate an HRL risk score for malignancy of the HRL. A report may then be generated on whether surveillance of the HRL or surgical excision of the HRL is indicated for the patient based on the HRL risk score to allow patients and healthcare providers to reduce the likelihood of unneeded surgery.
(FR) La présente invention concerne des approches d'apprentissage automatique pouvant être utilisées pour déterminer si un patient présente un risque relativement faible de nouvelle définition du grade d'un cancer en ce qui concerne une lésion à haut risque (LHR) dans le sein. Un ensemble de données peut être généré, l'ensemble de données comportant des caractéristiques structurelles qui comprennent des informations de santé issues des antécédents médicaux du patient ou obtenues auprès du fournisseur de soins de santé du patient, et des caractéristiques de texte de pathologie comprenant des termes issus d'un rapport de diagnostic sur lequel un diagnostic de LHR est fondé, les termes étant des descripteurs qualitatifs de la LHR. Un modèle d'apprentissage automatique peut être appliqué à l'ensemble de données pour générer un score de risque de LHR pour la malignité de la LHR. Un rapport peut ensuite être généré, concernant le fait de savoir si la surveillance de la LHR ou une excision chirurgicale de la LHR est indiquée pour le patient sur la base du score de risque de LHR, afin de permettre aux patients et aux fournisseurs de soins de santé de réduire la probabilité d'une chirurgie inutile.
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)