用于确定在被诊断患有疾病的受试者中使用药物组合进行治疗的功效的方法以及用于将药物组合在所述受试者的治疗中的效用分类的方法技术

技术编号：29503549 阅读：25 留言：0更新日期：2021-07-30 19:18

本发明专利技术涉及用于确定在被诊断患有疾病的受试者中使用包含药物A和药物B的药物组合进行治疗的功效的方法和系统，并且涉及用于将包含药物A和药物B的药物组合在被诊断患有疾病的受试者的治疗中的效用分类的方法和系统。本文还公开了一种用于改善估计药物组合的协同作用的准确性的方法。

全部详细技术资料下载

【技术实现步骤摘要】
【国外来华专利技术】用于确定在被诊断患有疾病的受试者中使用药物组合进行治疗的功效的方法以及用于将药物组合在所述受试者的治疗中的效用分类的方法专利
本专利技术涉及一种用于确定在被诊断患有疾病的受试者中使用药物组合进行治疗的功效的方法。本专利技术还涉及一种用于将药物组合在被诊断患有疾病的受试者的治疗中的效用分类的方法。本专利技术还涉及一种用于改善估计药物组合的协同作用的准确性的方法。专利技术背景药物组合通常用于治疗疾病，特别是造血和淋巴组织的癌症，诸如急性髓性白血病。然而，并不是所有这样的药物组合在所有患者中都展现出相同程度的协同作用并且因此对所述疾病展现出相同功效。因此，本专利技术的一个问题是提供一种确定在给定受试者中使用给定药物组合治疗特定疾病的功效(即，在所述受试者中所述疾病对所述药物组合的敏感性或耐药性)的方法，从而提供在所述受试者中所述药物组合针对所述疾病提供的协同作用程度的指示。另外，由于各种药物组合通常可用于治疗任何给定的疾病，因此本专利技术的一个问题是提供一种根据其在给定受试者中治疗所述疾病的功效或效用将不同药物组合分类的方法，从而向临床医生或受试者提供关于在所述受试者中治疗所述疾病具有最大或最小效用的药物组合的治疗指南。此外，由于需要针对给定疾病的给定药物组合的临床试验以获得其监管批准，因此本专利技术的一个问题还在于提供所述药物组合的伴随诊断(CDx)生物标记，这允许选择其中所述疾病对治疗敏感的受试者(患者)以纳入所述试验。本专利技术的另一个问题是确保上述方法中的每一个都展现出高...

【技术保护点】
1.一种用于确定在被诊断患有疾病的受试者中使用包含药物A和药物B的药物组合进行治疗的功效的方法，其中所述方法包括以下步骤：/n(a)将从所述受试者获得的组织样品分离为子样品；/n(b)进行以下步骤：/n(i)在浓度X的所述药物A的存在下将子样品温育2至168小时的时间T；以及/n(ii)将步骤(b)(i)重复额外(N-1)次，每次利用不同的子样品，使用与步骤(b)(i)的先前重复中使用的X值不同的X值；/n其中N是选自5至10的整数，包括5和10；/n以及/n(iii)在浓度Y的所述药物B的存在下将子样品温育所述时间T；以及/n(iv)将步骤(b)(iii)重复额外(M-1)次，每次利用不同的子样品，使用与步骤(b)(iii)的先前重复中使用的Y值不同的Y值；/n其中M是选自5至10的整数，包括5和10；/n以及/n(v)在包含所述药物A和所述药物B的药物组合的存在下将子样品温育所述时间T，其中/n-所述药物A的浓度是浓度X，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的X

【技术特征摘要】
【国外来华专利技术】20181011 EP 18382726.01.一种用于确定在被诊断患有疾病的受试者中使用包含药物A和药物B的药物组合进行治疗的功效的方法，其中所述方法包括以下步骤：
(a)将从所述受试者获得的组织样品分离为子样品；
(b)进行以下步骤：
(i)在浓度X的所述药物A的存在下将子样品温育2至168小时的时间T；以及
(ii)将步骤(b)(i)重复额外(N-1)次，每次利用不同的子样品，使用与步骤(b)(i)的先前重复中使用的X值不同的X值；
其中N是选自5至10的整数，包括5和10；
以及
(iii)在浓度Y的所述药物B的存在下将子样品温育所述时间T；以及
(iv)将步骤(b)(iii)重复额外(M-1)次，每次利用不同的子样品，使用与步骤(b)(iii)的先前重复中使用的Y值不同的Y值；
其中M是选自5至10的整数，包括5和10；
以及
(v)在包含所述药物A和所述药物B的药物组合的存在下将子样品温育所述时间T，其中
-所述药物A的浓度是浓度X，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的X50,A值的分布的百分位数值PHα,A处的浓度，其中百分位数值PHα,A通过式(A)计算：
PHα,A＝cos(α°)xH
(A)
其中：
·H对应于选自以下的组的参考百分位数：
10，和90，其中：
-r是选自2至(R-1)的整数，包括2和R-1；
·α以度为单位，并且通过下式计算：

其中：
-w是选自1至W的整数，包括1和W；
-所述药物B的浓度是浓度Y，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的Y50,B值的分布的百分位数值PHα,B处的浓度，其中百分位数值PHα,B通过式(B)计算：
PHα,B＝cos(90°–α°)xH
(B)
(vi)将步骤(b)(v)重复额外(R-1)次，每次利用不同的子样品，使用与步骤(b)(v)的先前重复中使用的H值不同的H值，并且使用步骤(b)(v)使用的相同w值；并且
(vii)将步骤(b)(v)和(b)(vi)重复额外(W-1)次，每次利用不同的子样品，使用与步骤(b)(v)和(b)(vi)的先前重复中使用的w值不同的w值；
其中；
·R是选自3至10的整数，包括3和10；
·W是选自3至10的整数，包括3和10；
并且其中：
·X50,A是根据以下步骤(e)(i)估计的在受试者中发挥最大活性的一半的药物A浓度；
·Y50,B是根据以下步骤(e)(i)估计的在受试者中发挥最大活性的一半的药物B浓度；
以及
(viii)将子样品温育所述时间T；
(c)将至少一种标记添加到步骤(b)中温育的每个子样品中以鉴别其中的至少一种细胞类型(CTi)；
(d)对在根据步骤(b)温育每个子样品后仍保留的步骤(c)中鉴别的每种细胞类型的活细胞的数量(LCTi)进行计数；
(e)对于步骤(c)中鉴别的每种细胞类型，确定：
(i)药效参数值，包括X50,A值、LCTi0,A值、Emax,A值、γA值、Y50,B值、LCTi0,B值、Emax,B值和/或γB值，其中：
-所述X50,A值、LCTi0,A值、Emax,A值和γA值由单一药物剂量-响应药效混合效应非线性群体模型估计，所述模型通过在根据对于药物A的每个浓度X获得的步骤(b)(i)和(b)(ii)温育群体中每个受试者的子样品之后将式(I)拟合到根据步骤(d)计数的LCTi的实验值来确定：

-所述Y50,B值、LCTi0,B值、Emax,B值和γB值由单一药物剂量-响应药效混合效应非线性群体模型估计，所述模型通过在根据对于药物B的每个浓度Y获得的步骤(b)(iii)和(b)(iv)温育所述群体中每个受试者的子样品之后将式(II)拟合到根据步骤(d)计数的LCTi的实验值来确定：

其中所述群体包含所述受试者和被诊断患有所述疾病的其他受试者；其中：
·X＝药物A的浓度；
·X50,A是发挥最大活性的一半的药物A浓度；
·LCTi0,A是LCTi的基础(预温育)数量，并且等于在根据(b)(viii)提及的步骤在不存在药物的情况下温育子样品之后计数的LCTi；
·Emax,A是药物A引起的LCTi0,A的最大分数降低；
·γA是药物A的LCTi-浓度曲线的陡度；
·Y＝药物B的浓度；
·Y50,B是发挥最大活性的一半的药物B浓度；
·LCTi0,B是LCTi的基础(预温育)数量，并且等于在根据(b)(viii)提及的步骤在不存在药物的情况下温育子样品之后计数的LCTi；
·Emax,B是药物B引起的LCTi0,B的最大分数降低；
·γB是药物B的LCTi-浓度曲线的陡度；
(ii)活性标记值，包括AUCxy,A值、AUCxy,B值、αAB值和/或VUSAB值，
其中：
-所述AUCxy,A值使用式(III)计算：
AUCxy，A＝AUCx，A-Ay:10-90，A
(III)
其中：
所述AUCx,A值是在根据对于药物A的每个浓度X获得的步骤(b)(i)和(b)(ii)温育子样品之后由源自存活率％的式(I)的函数的两个药物浓度X’和X”之间的积分并且使用式(IV)计算，其中LCTi0,A被视为100％存活率，

其中药物浓度X’和X”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的X50,A值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的X50,A根据步骤(a)至(e)(i)计算；
以及
所述Ay:10-90,A值是落在存活率％的10％和90％界限之外的AUCx,A表面，其中LCTi0,A被视为100％存活率；
以及
-所述AUCxy,B值使用式(V)计算：
AUCxy，B＝AUCx，B-Ay：10-90，B
(V)
其中：
所述AUCx,B值是在根据对于药物B的每个浓度Y获得的步骤(b)(iii)和(b)(iv)温育子样品之后由源自存活率％的式(II)的函数的两个药物浓度Y’和Y”之间的积分并且使用式(VI)计算，其中LCTi0,B被视为100％存活率，

其中药物浓度Y’和Y”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Y50,B值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Y50,B根据步骤(a)至(e)(i)计算；
以及
所述Ay:10-90,B值是落在存活率％的10％和90％界限之外的AUCx,B表面，其中LCTi0,A被视为100％存活率；
以及
-所述VUSAB值使用式(VII)计算，其中所述VUSAB值是在步骤(b)(v)至(b)(vii)温育子样品之后计数的LCTi的自然对数的模型函数的药物A的两个药物浓度X’和X”与药物B的两个药物浓度Y’和Y”之间的二重积分，其中LCTi0，A＝LCTi0，B，并且被视为100％存活率，并且使用式(VII)计算，

其中：
·药物浓度X’和X”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的X50，A值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的X50，A根据步骤(a)至(e)(i)计算；
·药物浓度Y’和Y”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Y50,B值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Y50,B根据步骤(a)至(e)(i)计算；
·Emax,A＝药物A引起的LPC的最大分数降低；
·Emax,B＝药物B引起的LPC的最大分数降低；
·X50,A＝发挥Emax,A的一半的药物A的EC50浓度；
·Y50,B＝发挥Emax,B的一半的药物B的EC50浓度；
·X＝药物A的浓度；
·Y＝药物B的浓度；
·
其中：
-γA＝药物A的LCTi-浓度曲线的陡度；
-γB＝药物B的LCTi-浓度曲线的陡度；以及
·αAB＝由双药物表面相互作用模型估计的协同参数，所述模型通过以下方式确定：在根据对于药物A的每个浓度X获得的(b)(i)和(b)(ii)提及的步骤、对于药物B的每个浓度Y获得的(b)(iii)和(b)(iv)提及的步骤以及对于药物A和药物B的组合的每对浓度获得的b(v)、b(vi)和b(vii)提及的步骤温育所述受试者的子样品之后，将式(VII’)拟合到根据步骤(d)计数的LCTi的实验值：

(iii)归一化标记值，包括NAUCA、NAUCB和/或NVUSAB，其中：
-NAUCA是使用式(VIII)计算的AUCxy,A的归一化值；
NAUCA＝100xAUCxy,A/AUCmax，A(VIII)
-NAUCB是使用式(IX)计算的AUCxy,B的归一化值；
NAUCB＝100xAUCxy,B/AUCmax,B(IX)
-NVUSAB是使用式(X)计算的VUSAB的归一化值；
NVUSAB＝100xVUSAB/VUSmax,AB(X)
其中：
·AUCmax,A＝在每个被诊断患有所述疾病的受试者的群体中获得的AUCxy,A的最大值，其中所述群体中每个受试者的AUCxy,A根据步骤(a)至(e)(ii)计算；
·AUCmax,B＝在每个被诊断患有所述疾病的受试者的所述群体中获得的AUCxy,B的最大值，其中所述群体中每个受试者的AUCxy,B根据步骤(a)至(e)(ii)计算；以及
·VUSmax,AB＝在每个被诊断患有所述疾病的受试者的所述群体中获得的VUSAB的最大值，其中所述群体中每个受试者的VUSAB根据步骤(a)至(e)(ii)计算；
(f)选择：
(i)受试者的所述群体中每个受试者的根据步骤(e)(i)确定的药效参数值或多个药效参数值；和/或
(ii)受试者的所述群体中每个受试者的根据步骤(e)(ii)确定的活性标记值或多个活性标记值；和/或
(iii)受试者的所述群体中每个受试者的根据步骤(e)(iii)确定的归一化标记值或多个归一化标记值，和/或
(iv)受试者的所述群体中每个受试者的临床变量值或多个临床变量值，
其取决于对所述药物组合的临床耐药性或临床敏感性，由此当值独立于临床耐药性或临床敏感性的概率小于或等于0.05时，所述值是依赖性的；
(g)使用步骤(f)中选择的值中的至少一个，使用用于受试者的所述群体的所述药物组合的广义线性模型或广义加性模型来创建响应函数，其中源自所述模型函数的接受者工作特征曲线的曲线下面积等于或大于0.8，并且所述曲线下面积的95％置信区间的下限大于0.5；
(h)由所述接受者工作特征曲线上的点计算步骤(g)中创建的响应函数的阈限：
-在所述点处敏感性和特异性最大化并且值相等；或者
-在所述点处特异性优先于敏感性；或者
-所述点最接近(1,0)坐标平面。
(j)使用步骤(g)中创建的响应函数以及以下各项，计算所述受试者中所述药物组合针对所述疾病的S/R值：
(i)所述受试者的根据步骤(e)(i)确定的药效参数值或多个药效参数值；和/或
(ii)所述受试者的根据步骤(e)(ii)确定的活性标记值或多个活性标记值；和/或
(iii)所述受试者的根据步骤(e)(iii)确定的归一化标记值或多个归一化标记值；和/或
(iv)所述受试者的临床变量值或多个临床变量值，
其是所述响应函数中的变量；以及
(k)通过将步骤(j)中计算的S/R值与步骤(h)中计算的阈限进行比较，确定在所述受试者中使用所述药物组合治疗所述疾病的功效，其中
-当所述S/R值等于或大于所述阈限时，所述疾病对所述受试者中使用所述药物组合的治疗敏感；以及
-当所述S/R值小于所述阈限时，所述疾病对所述受试者中使用所述药物组合的治疗具有耐药性。

2.根据权利要求1所述的方法，其中所述组合是药物A和药物B和药物C的组合，其中：
-步骤(b)还包括：
(ix)在浓度Z的所述药物C的存在下将子样品温育所述时间T；以及
(x)将步骤(b)(ix)重复额外(L-1)次，每次利用不同的子样品，使用与步骤(b)(ix)的先前重复中使用的Z值不同的Z值；
其中L是选自5至10的整数，包括5和10；
以及
(xi)在包含所述药物A和所述药物C的药物组合的存在下将子样品温育所述时间T，其中
-所述药物A的浓度是浓度X，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的X50,A值的分布的百分位数值PH’α’,A处的浓度，其中百分位数值PH’α’,A通过式(C)计算：
PH’α’,A＝cos(α’°)xH’
(C)
其中：
·H’对应于选自以下的组的参考百分位数：
10，和90，其中：
-r’是选自2至(R’-1)的整数，包括2和R’-1；
·α’以度为单位，并且通过下式计算：

其中：
-w’是选自1至W’的整数，包括1和W’；
-所述药物C的浓度是浓度Z，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的Z50,C值的分布的百分位数值PH’α’,C处的浓度，其中百分位数值PH’α’,C通过式(D)计算：
PH’α’,C＝cos(90°–α’°)xH’
(D)
(xii)将步骤(b)(xi)重复额外(R’-1)次，每次利用不同的子样品，使用与步骤(b)(xi)的先前重复中使用的H’值不同的H’值，并且使用步骤(b)(xi)使用的相同w’值；以及
(xiii)将步骤(b)(xi)和(b)(xii)重复额外(W’-1)次，每次利用不同的子样品，使用与步骤(b)(xi)和(b)(xii)的先前重复中使用的w’值不同的w’值；
其中；
·R’是选自3至10的整数，包括3和10；
·W’是选自3至10的整数，包括3和10；
以及；
(xiv)在包含所述药物B和所述药物C的药物组合的存在下将子样品温育所述时间T，其中
-所述药物B的浓度是浓度Y，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的Y50,B值的分布的百分位数值PH”α”,B处的浓度，其中百分位数值PH”α”,B通过式(E)计算：
PH”α”,B＝cos(α”°)xH”
(E)
其中：
·H”对应于选自以下的组的参考百分位数：
10，和90，其中：
-R”是选自2至(R”-1)的整数，包括2和R”-1
·α”以度为单位，并且通过下式计算：

其中：
-w”是选自1至W”的整数，包括1和W”；
-所述药物C的浓度是浓度Z，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的Z50,C值的分布的百分位数值PH”α”,C处的浓度，其中百分位数值PH”α”,C通过式(F)计算：
PH”α”,C＝cos(90°–α”°)xH”
(F)
(xv)将步骤(b)(xiv)重复额外(R”-1)次，每次利用不同的子样品，使用与步骤(b)(xiv)的先前重复中使用的H”值不同的H”值，并且使用步骤(b)(xiv)使用的相同w”值；并且
(xvi)将步骤(b)(xiv)和(b)(xv)重复额外(W”-1)次，每次利用不同的子样品，使用与步骤(b)(xiv)和(b)(xv)的先前重复中使用的w”值不同的w”值；
其中；
·R”是选自3至10的整数，包括3和10；
·W”是选自3至10的整数，包括3和10；
并且其中：
·X50,A是根据步骤(e)(i)估计的在受试者中发挥最大活性的一半的药物A浓度；
·Y50,B是根据步骤(e)(i)估计的在受试者中发挥最大活性的一半的药物B浓度；
·Z50,C是根据步骤(e)(i)估计的在受试者中发挥最大活性的一半的药物C浓度，如下；
-步骤(e)(i)中确定的药效参数值任选地还包括Z50,C值、LCTi0,C值、Emax,C值和/或γC值，其中：
-所述Z50,C值、LCTi0,C值、Emax,C值和γC值由单一药物剂量-响应药效混合效应非线性群体模型估计，所述模型通过在根据对于药物C的每个浓度Z获得的步骤(b)(ix)和(b)(x)温育子样品之后将式(XI)拟合到根据步骤(d)计数的LCTi的实验值来确定：

其中：
·Z＝药物C的浓度；
·Z50,C是发挥最大活性的一半的药物C浓度；
·LCTi0,C是LCTi的基础(预温育)数量，并且等于在根据(b)(viii)提及的步骤在不存在药物的情况下温育子样品之后计数的LCTi；
·Emax,C是药物C引起的LCTi0,C的最大分数降低；
·γC是药物C的LCTi-浓度曲线的陡度；
-根据步骤(e)(ii)确定的活性标记值任选地还包AUCxy,C值、αAC值、VUSAC值、αBC值和/或VUSBC值，其中：
-所述AUCxy,C值使用式(XII)计算：
AUCxy，C＝AUCx，C-Ay：10-90，C
(XII)
其中：
所述AUCx,C值是在根据对于药物C的每个浓度获得的步骤(b)(ix)和(b)(x)温育子样品之后由源自存活率％的式(XI)的函数的两个药物浓度Z’和Z”之间的积分并且使用式(XIII)计算，其中LCTi0,C被视为100％存活率，

其中药物浓度Z’和Z”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Z50,C值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Z50,C根据步骤(a)至(e)(i)计算；
以及
所述Ay:10-90,C值是落在存活率％的10％和90％界限之外的AUCx,C表面，其中LCTi0,C被视为100％存活率；
以及
-所述VUSAC值使用式(XIV)计算，其中所述VUSAC值是在根据步骤(b)(xi)至(b)(xiii)温育子样品之后计数的LCTi的自然对数的模型函数的药物A的两个药物浓度X’和X”与药物C的两个药物浓度Z’和Z”之间的二重积分，其中LCTi0,A＝LCTi0,C，并且被视为100％存活率，

其中：
·药物浓度X’和X”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的X50,A值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的X50,A根据步骤(a)至(e)(i)计算；
·药物浓度Z’和Z”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Z50,C值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Z50,C根据步骤(a)至(e)(i)计算；
·Emax,A＝药物A引起的LPC的最大分数降低；
·Emax,C＝药物C引起的LPC的最大分数降低；
·X50,A＝发挥Emax,A的一半的药物A的EC50浓度；
·Z50,C＝发挥Emax,C的一半的药物C的EC50浓度；
·X＝药物A的浓度；
·Z＝药物C的浓度；
·
·其中：
-γA＝药物A的LCTi-浓度曲线的陡度；
-γC＝药物C的LCTi-浓度曲线的陡度；以及
·αAC＝由双药物表面相互作用模型估计的协同参数，所述模型通过以下方式确定：在根据对于药物A的每个浓度X获得的(b)(i)和(b)(ii)提及的步骤、对于药物C的每个浓度Z获得的(b)(ix)和(b)(x)提及的步骤以及对于药物A和药物C的组合的每对浓度获得的b(xi)、b(xii)和b(xiii)提及的步骤温育所述受试者的子样品之后，将式(XIV’)拟合到根据步骤(d)计数的LCTi的实验值：

-所述VUSBC值使用式(XV)计算，其中所述VUSBC值是在根据步骤(b)(xiv)至(b)(xvi)温育子样品之后计数的LCTi的自然对数的模型函数的药物B的两个药物浓度Y’和Y”与药物C的两个药物浓度Z’和Z”之间的二重积分，其中LCTi0,B＝LCTi0，C，并且被视为100％存活率，

其中：
·药物浓度Y’和Y”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Y50，B值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Y50,B根据步骤(a)至(e)(i)计算；
·药物浓度Z’和Z”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Z50,C值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Z50,C根据步骤(a)至(e)(i)计算；
·Emax,B＝药物B引起的LPC的最大分数降低；
·Emax,C＝药物C引起的LPC的最大分数降低；
·Y50,B＝发挥Emax,B的一半的药物B的EC50浓度；
·Z50,C＝发挥Emax,C的一半的药物C的EC50浓度；
·Y＝药物B的浓度；
·Z＝药物C的浓度；
·
其中：
-γB＝药物B的LCTi-浓度曲线的陡度；
-γC＝药物C的LCTi-浓度曲线的陡度；以及
·αBC＝由双药物表面相互作用模型估计的协同参数，所述模型通过以下方式确定：在根据对于药物B的每个浓度Y获得的(b)(iii)和(b)(iv)提及的步骤、对于药物C的每个浓度Z获得的(b)(ix)和(b)(x)提及的步骤以及对于药物B和药物C的组合的每对浓度获得的b(xiv)、b(xv)和b(xvi)提及的步骤温育所述受试者的子样品之后，将式(XV’)拟合到根据步骤(d)计数的LCTi的实验值：

-根据步骤(e)(iii)确定的归一化标记值任选地还包括NAUCC、NVUSAC和/或NVUSBC，其中：
-NAUCC是使用式(XVI)计算的AUCxy,C的归一化值；
NAUCC＝100xAUCxy,C/AUCmax,C(XVI)
-NVUSAC是使用式(XVII)计算的VUSAC的归一化值；
NVUSAC＝100xVUSAC/VUSmax,AC(XVII)
-NVUSBC是使用式(XVIII)计算的VUSBC的归一化值；
NVUSBC＝100xVUSBC/VUSmax,BC(XVIII)
其中：
·AUCmax,C＝在每个被诊断患有所述疾病的受试者的所述群体中获得的AUCxy,C的最大值，其中所述群体中每个受试者的AUCxy,C根据步骤(a)至(e)(ii)计算；
·VUSmax,AC＝在每个被诊断患有所述疾病的受试者的所述群体中获得的VUSAC的最大值，其中所述群体中每个受试者的VUSAC根据步骤(a)至(e)(ii)计算；以及
·VUSmax,BC＝在每个被诊断患有所述疾病的受试者的所述群体中获得的VUSBC的最大值，其中所述群体中每个受试者的VUSBC根据步骤(a)至(e)(ii)计算。

3.根据前述权利要求中任一项所述的方法，其中当已经计算S/R值的被诊断患有所述疾病的受试者的数量等于用于计算所述S/R的群体大小的20％时，所述受试者包括在所述群体中，并且相应地调整浓度X、浓度Y、药物浓度X’和X”、药物浓度Y’和Y”以及在权利要求2的情况下的浓度Z和药物浓度Z’和Z”。

4.根据前述权利要求中任一项所述的方法，其中：
-药物A是阿糖胞苷并且药物B是伊达比星；并且，在权利要求2的情况下
-药物C选自由氟达拉滨、依托泊苷、硫鸟嘌呤和氯法拉滨组成的组。

5.根据前述权利要求中任一项所述的方法，其中
-步骤(c)包括：
(i)将至少一种缀合抗体添加到步骤(b)中温育的每个子样品中以鉴别其中的至少一种病理细胞类型；以及
(ii)将至少一个细胞死亡或凋亡标记添加到步骤(b)中温育的每个子样品中以鉴别其中的凋亡细胞，
以及
-步骤(d)包括通过以下方式对温育每个子样品后仍保留的活细胞的数量(LCTi)进行计数：对根据步骤(c)(ii)未被鉴别为凋亡的根据步骤(c)(i)鉴别的所述至少一个病理细胞类型的细胞数量进行计数。

6.根据前述权利要求中任一项所述的方法，其中所述功效是抗癌功效，并且所述疾病是造血和淋巴组织的癌症。

7.根据前述权利要求中任一项所述的方法，其中所述疾病是急性髓性白血病。

8.根据前述权利要求中任一项所述的方法，其中所述受试者是成人受试者。

9.根据前述权利要求中任一项所述的方法，其中在患者已经进行化学疗法和/或放射疗法之前收集骨髓细胞。

10.根据前述权利要求中任一项所述的方法，其中：
-当在不存在阿糖胞苷和/或伊达比星的情况下温育48小时时，骨髓细胞的活力大于或等于60％；和/或
-当从所述受试者获得时，骨髓细胞不以凝块形式存在。

11.根据前述权利要求中任一项所述的方法，其还包括为其中所述药物组合被确定为有效治疗受试者的所述疾病的所述受试者规定护理计划。

12.一种用于确定在被诊断患有疾病的受试者中使用包含药物A和药物B的药物组合进行治疗的功效的系统，其中所述系统包括：
(a)用于进行以下步骤的装置：将从所述受试者获得的组织样品分离为子样品；
(b)用于进行以下步骤的装置：
(i)在浓度X的所述药物A的存在下将子样品温育2至168小时的时间T；以及
(ii)将(b)(i)提及的步骤重复额外(N-1)次，每次利用不同的子样品，使用与(b)(i)提及的步骤的先前重复中使用的X值不同的X值；
其中N是选自5至10的整数，包括5和10；
以及
(iii)在浓度Y的所述药物B的存在下将子样品温育所述时间T；以及
(iv)将(b)(iii)提及的步骤重复额外(M-1)次，每次利用不同的子样品，使用与(b)(iii)提及的步骤的先前重复中使用的Y值不同的Y值；
其中M是选自5至10的整数，包括5和10；
以及
(v)在包含所述药物A和所述药物B的药物组合的存在下将子样品温育所述时间T，其中
-所述药物A的浓度是浓度X，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的X50,A值的分布的百分位数值PHα,A处的浓度，其中百分位数值PHα,A通过式(A)计算：
PHα,A＝cos(α°)xH
(A)
其中：
·H对应于选自以下的组的参考百分位数：
10，和90，其中：
-r是选自2至(R-1)的整数，包括2和R-1；
·α以度为单位，并且通过下式计算：

其中：
-w是选自1至W的整数，包括1和W；
-所述药物B的浓度是浓度Y，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的Y50,B值的分布的百分位数值PHα,B处的浓度，其中百分位数值PHα,B通过式(B)计算：
PHα，B＝cos(90°–α°)xH
(B)
(vi)将(b)(v)提及的步骤重复额外(R-1)次，每次利用不同的子样品，使用与(b)(v)提及的步骤的先前重复中使用的H值不同的H值，并且使用(b)(v)提及的步骤使用的相同w值；
(vii)将(b)(v)和(b)(vi)提及的步骤重复额外(W-1)次，每次利用不同的子样品，使用与(b)(v)和(b)(vi)提及的步骤的先前重复中使用的w值不同的w值；
其中；
·R是选自3至10的整数，包括3和10；
·W是选自3至10的整数，包括3和10；
并且其中：
·X50,A是根据以下(e)(i)提及的步骤估计的在受试者中发挥最大活性的一半的药物A浓度；
·Y50,B是根据以下(e)(i)提及的步骤估计的在受试者中发挥最大活性的一半的药物B浓度；
以及
(viii)将子样品温育所述时间T；
(c)用于进行以下步骤的装置：将至少一种标记添加到(b)提及的步骤中温育的每个子样品中以鉴别其中的至少一种细胞类型(CTi)；
(d)用于进行以下步骤的装置：对在根据(b)提及的步骤温育每个子样品后仍保留的步骤(c)中鉴别的每种细胞类型的活细胞的数量(LCTi)进行计数；
(e)用于进行以下步骤的装置：对于(c)提及的步骤中鉴别的每种细胞类型，确定：
(i)药效参数值，包括X50，A值、LCTi0，A值、Emax,A值、γA值、Y50，B值、LCTi0，B值、Emax,B值和/或γB值，其中：
-所述X50，A值、LCTi0，A值、Emax，A值和γA值由单一药物剂量-响应药效混合效应非线性群体模型估计，所述模型通过在根据对于药物A的每个浓度X获得的(b)(i)和(b)(ii)提及的步骤温育群体中每个受试者的子样品之后将式(I)拟合到根据步骤(d)计数的LCTi的实验值来确定：

-所述Y50，B值、LCTi0，B值、Emax，B值和γB值由单一药物剂量-响应药效混合效应非线性群体模型估计，所述模型通过在根据对于药物B的每个浓度Y获得的(b)(iii)和(b)(iv)提及的步骤温育所述群体中每个受试者的子样品之后将式(II)拟合到根据步骤(d)计数的LCTi的实验值来确定：

其中所述群体包含所述受试者和被诊断患有所述疾病的其他受试者；
其中：
·X＝药物A的浓度；
·X50，A是发挥最大活性的一半的药物A浓度；
·LCTi0，A是LCTi的基础(预温育)数量，并且等于在根据(b)(viii)提及的步骤在不存在药物的情况下温育子样品之后计数的LCTi；
·Emax，A是药物A引起的LCTi0，A的最大分数降低；
·γA是药物A的LCTi-浓度曲线的陡度；
·Y＝药物B的浓度；
·Y50，B是发挥最大活性的一半的药物B浓度；
·LCTi0，B是LCTi的基础(预温育)数量，并且等于在根据(b)(viii)提及的步骤在不存在药物的情况下温育子样品之后计数的LCTi；
·Emax,B是药物B引起的LCTi0，B的最大分数降低；
·γB是药物B的LCTi-浓度曲线的陡度
(ii)活性标记值，包括AUCxy，A值、AUCxy,B值、αAB值和/或VUSAB值，其中：
-所述AUCxy,A值使用式(III)计算：
AUCxy，A＝AUCx，A-Ay：10-90，A
(III)
其中：
所述AUCx,A值是在根据对于药物A的每个浓度获得的(b)(i)和(b)(ii)提及的步骤温育子样品之后由源自存活率％的式(I)的函数的两个药物浓度X’和X”之间的积分并且使用式(IV)计算，其中LCTi0,A被视为100％存活率，

其中药物浓度X’和X”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的X50,A值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的X50,A根据步骤(a)至(e)(i)计算；
以及
所述Ay:10-90,A值是落在存活率％的10％和90％界限之外的AUCx,A表面，其中LCTi0,A被视为100％存活率；
以及
-所述AUCxy,B值使用式(V)计算：
AUCxy，B＝AUCx，B-Ay：10-90，B
(V)
其中：
所述AUCx,B值是在根据对于药物B的每个浓度获得的(b)(iii)和(b)(iv)提及的步骤温育子样品之后由源自存活率％的式(II)的函数的两个药物浓度Y’和Y”之间的积分并且使用式(VI)计算，其中LCTi0,B被视为100％存活率，

其中药物浓度Y’和Y”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Y50,B值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Y50，B根据步骤(a)至(e)(i)计算；
以及
所述Ay:10-90，B值是落在存活率％的10％和90％界限之外的AUCx，B表面，其中LCTi0，A被视为100％存活率；
以及
-所述VUSAB值使用式(VII)计算，其中所述VUSAB值是在根据(b)(v)至(b)(vii)提及的步骤温育子样品之后计数的LCTi的自然对数的模型函数的药物A的两个药物浓度X’和X”与药物B的两个药物浓度Y’和Y”之间的二重积分，其中LCTi0，A＝LCTi0，B，并且被视为100％存活率，并且使用式(VII)计算，

其中：
·药物浓度X’和X”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的X50,A值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的X50，A根据步骤(a)至(e)(i)计算；
·药物浓度Y’和Y”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Y50,B值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Y50,B根据步骤(a)至(e)(i)计算；
·Emax,A＝药物A引起的LPC的最大分数降低；
·Emax,B＝药物B引起的LPC的最大分数降低；
·X50,A＝发挥Emax,A的一半的药物A的EC50浓度；
·Y50,B＝发挥Emax,B的一半的药物B的EC50浓度；
·X＝药物A的浓度；
·Y＝药物B的浓度；
·
其中：
-γA＝药物A的LCTi-浓度曲线的陡度；
-γB＝药物B的LCTi-浓度曲线的陡度；以及
·αAB＝由双药物表面相互作用模型估计的协同参数，所述模型通过以下方式确定：在根据对于药物A的每个浓度X获得的(b)(i)和(b)(ii)提及的步骤、对于药物B的每个浓度Y获得的(b)(iii)和(b)(iv)提及的步骤以及对于药物A和药物B的组合的每对浓度获得的b(v)、b(vi)和b(vii)提及的步骤温育所述受试者的子样品之后，将式(VII’)拟合到根据(d)提及的步骤计数的LCTi的实验值：

(iii)归一化标记值，包括NAUCA、NAUCB和/或NVUSAB，其中：
-NAUCA是使用式(VIII)计算的AUCxy,A的归一化值；
NAUCA＝100xAUCxy,A/AUCmax,A(VIII)
-NAUCB是使用式(IX)计算的AUCxy,B的归一化值；
NAUCB＝100xAUCxy,B/AUCmax,B(IX)
-NVUSAB是使用式(X)计算的VUSAB的归一化值；
NVUSAB＝100xVUSAB/VUSmax,AB(X)
其中：
·AUCmax,A＝在每个被诊断患有所述疾病的受试者的群体中获得的AUCxy,A的最大值，其中所述群体中每个受试者的AUCxy,A根据(a)至(e)(ii)提及的步骤计算；
·AUCmax,B＝在每个被诊断患有所述疾病的受试者的所述群体中获得的AUCxy,B的最大值，其中所述群体中每个受试者的AUCxy,B根据(a)至(e)(ii)提及的步骤计算；以及
·VUSmax，AB＝在每个被诊断患有所述疾病的受试者的所述群体中获得的VUSAB的最大值，其中所述群体中每个受试者的VUSAB根据(a)至(e)(ii)提及的步骤计算；
(b)用于进行以下步骤的装置：选择：
(i)受试者的所述群体中每个受试者的根据(e)(i)提及的步骤确定的药效参数值或多个药效参数值；和/或
(ii)受试者的所述群体中每个受试者的根据(e)(ii)提及的步骤确定的活性标记值或多个活性标记值；和/或
(iii)受试者的所述群体中每个受试者的根据(e)(iii)提及的步骤确定的归一化标记值或多个归一化标记值；和/或
(iv)受试者的所述群体中每个受试者的临床变量值或多个临床变量值，
其取决于对所述药物组合的临床耐药性或临床敏感性，由此当值独立于临床耐药性或临床敏感性的概率小于或等于0.05时，所述值是依赖性的,
(g)用于进行以下步骤的装置：使用(f)提及的步骤中选择的值中的至少一个，使用用于受试者的所述群体的所述药物组合的广义线性模型或广义加性模型来创建响应函数，其中源自所述模型函数的接受者工作特征曲线的曲线下面积等于或大于0.8，并且所述曲线下面积的95％置信区间的下限大于0.5；
(h)用于进行以下步骤的装置：由所述接受者工作特征曲线上的点计算(g)提及的步骤中创建的响应函数的阈限：
-在所述点处敏感性和特异性最大化并且值相等；或者
-在所述点处特异性优先于敏感性；或者
-所述点最接近(1，0)坐标平面。
(j)用于进行以下步骤的装置：使用(g)提及的步骤中创建的响应函数以及以下各项，计算所述受试者中所述药物组合针对所述疾病的S/R值：
(i)所述受试者的根据(e)(i)提及的步骤确定的药效参数值或多个药效参数值；和/或
(ii)所述受试者的根据(e)(ii)提及的步骤确定的活性标记值或多个活性标记值；和/或
(iii)所述受试者的根据(e)(iii)提及的步骤确定的归一化标记值或多个归一化标记值；和/或
(iv)所述受试者的临床变量值或多个临床变量值，
其是所述响应函数中的变量；以及
(k)用于进行以下步骤的装置：通过将(j)提及的步骤中计算的S/R值与(h)提及的步骤中计算的阈限进行比较，确定在所述受试者中使用所述药物组合治疗所述疾病的功效，其中
-当所述S/R值等于或大于所述阈限时，所述疾病对所述受试者中使用所述药物组合的治疗敏感；以及
-当所述S/R值小于所述阈限时，所述疾病对所述受试者中使用所述药物组合的治疗具有耐药性。

13.根据权利要求12所述的系统，其中所述组合是药物A和药物B和药物C的组合，其中：
-用于进行(b)提及的步骤的所述装置另外用于：
(ix)在浓度Z的所述药物C的存在下将子样品温育所述时间T；以及
(x)将步骤(b)(ix)重复额外(L-1)次，每次利用不同的子样品，使用与步骤(b)(ix)的先前重复中使用的Z值不同的Z值；
其中L是选自5至10的整数，包括5和10；
以及
(xi)在包含所述药物A和所述药物C的药物组合的存在下将子样品温育所述时间T，其中
-所述药物A的浓度是浓度X，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的X50,A值的分布的百分位数值PH’α’,A处的浓度，其中百分位数值PH’α’,A通过式(C)计算：
PH’α’,A＝cos(α’°)xH’
(C)
其中：
·H’对应于选自以下的组的参考百分位数：
10，和90，其中：
-r’是选自2至(R’-1)的整数，包括2和R’-1；
·α’以度为单位，并且通过下式计算：

其中：
-w’是选自1至W’的整数，包括1和W’；
-所述药物C的浓度是浓度Z，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的Z50，C值的分布的百分位数值PH’α’，C处的浓度，其中百分位数值PH’α’，C通过式(D)计算：
PH’α’,C＝cos(90°–α’°)xH’
(D)
(xii)将步骤(b)(xi)重复额外(R’-1)次，每次利用不同的子样品，使用与步骤(b)(xi)的先前重复中使用的H’值不同的H’值，并且使用步骤(b)(xi)使用的相同w’值；以及
(xiii)将步骤(b)(xi)和(b)(xii)重复额外(W’-1)次，每次利用不同的子样品，使用与步骤(b)(xi)和(b)(xii)的先前重复中使用的w’值不同的w’值；
其中；
·R’是选自3至10的整数，包括3和10；
·W’是选自3至10的整数，包括3和10；
以及；
(xiv)在包含所述药物B和所述药物C的药物组合的存在下将子样品温育所述时间T，其中
-所述药物B的浓度是浓度Y，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的Y50,B值的分布的百分位数值PH”α”,B处的浓度，其中百分位数值PH”α”,B通过式(E)计算：
PH”α”,B＝cos(α”°)xH”
(E)
其中：
·H”对应于选自以下的组的参考百分位数：
10，和90，其中：
·R”是选自2至(R”-1)的整数，包括2和R”-1，
·α”以度为单位，并且通过下式计算：

其中：
·w”是选自1至W”的整数，包括1和W”；
-所述药物C的浓度是浓度Z，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的Z50,C值的分布的百分位数值PH”α”,C处的浓度，其中百分位数值PH”α”,C通过式(F)计算：
PH”α”,C＝cos(90°–α”°)xH”
(F)
(xv)将步骤(b)(xiv)重复额外(R”-1)次，每次利用不同的子样品，使用与步骤(b)(xiv)的先前重复中使用的H”值不同的H”值，并且使用步骤(b)(xiv)使用的相同w”值；
(xvi)将步骤(b)(xiv)和(b)(xv)重复额外(W”-1)次，每次利用不同的子样品，使用与步骤(b)(xiv)和(b)(xv)的先前重复中使用的w”值不同的w”值；
其中；
·R”是选自3至10的整数，包括3和10；
·W”是选自3至10的整数，包括3和10；
并且其中：
·X50,A是根据步骤(e)(i)估计的在受试者中发挥最大活性的一半的药物A浓度；
·Y50,B是根据步骤(e)(i)估计的在受试者中发挥最大活性的一半的药物B浓度；
·Z50,C是根据步骤(e)(i)估计的在受试者中发挥最大活性的一半的药物C浓度，如下；
-根据(e)(i)提及的步骤确定的药效参数值任选地还包括Z50,C值、LCTi0,C值、Emax,C值和/或γC值，其中：
·所述Z50,C值、LCTi0,C值、Emax,C值和γC值由单一药物剂量-响应药效混合效应非线性群体模型估计，所述模型通过在根据对于药物C的每个浓度Z获得的(b)(ix)和(b)(x)提及的步骤温育子样品之后将式(XI)拟合到根据(d)提及的步骤计数的LCTi的实验值来确定：

其中：
·Z＝药物C的浓度；
·Z50,C是发挥最大活性的一半的药物C浓度；
·LCTi0,C是LCTi的基础(预温育)数量，并且等于在根据(b)(viii)提及的步骤在不存在药物的情况下温育子样品之后计数的LCTi；
·Emax,C是药物C引起的LCTi0，C的最大分数降低；
·γC是药物C的LCTi-浓度曲线的陡度；
-根据(e)(ii)提及的步骤确定的活性标记值任选地还包AUCxy，C值、αAC值、VUSAC值、αAC值和/或VUSBC值，其中：
-所述AUCxy,C值使用式(XII)计算：
AUCxy，C＝AUCx，C-Ay：10-90，C
(XII)
其中：
所述AUCx，C值是在根据对于药物C的每个浓度获得的(b)(ix)和(b)(x)提及的步骤温育子样品之后由源自存活率％的式(XI)的函数的两个药物浓度Z’和Z”之间的积分并且使用式(XIII)计算，其中LCTi0，C被视为100％存活率，

其中药物浓度Z’和Z”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Z50，C值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Z50，C根据(a)至(e)(i)提及的步骤计算；
以及
所述Ay:10-90，C值是落在存活率％的10％和90％界限之外的AUCx，C表面，其中LCTi0，C被视为100％存活率；
以及
-所述VUSAC值使用式(XIV)计算，其中所述VUSAC值是在根据(b)(xi)至(b)(xiii)提及的步骤温育子样品之后计数的LCTi的自然对数的模型函数的药物A的两个药物浓度X’和X”与药物C的两个药物浓度Z’和Z”之间的二重积分，其中LCTi0,A＝LCTi0，C，并且被视为100％存活率，

其中：
·药物浓度X’和X”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的X50,A值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的X50,A根据(a)至(e)(i)提及的步骤计算；
·药物浓度Z’和Z”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Z50,C值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Z50,C根据(a)至(e)(i)提及的步骤计算；
·Emax,A＝药物A引起的LPC的最大分数降低；
·Emax,C＝药物C引起的LPC的最大分数降低；
·X50,A＝发挥Emax,A的一半的药物A的EC50浓度；
·Z50,C＝发挥Emax,C的一半的药物C的EC50浓度；
·X＝药物A的浓度；
·Z＝药物C的浓度；
·
其中：
-γA＝药物A的LCTi-浓度曲线的陡度；
-γC＝药物C的LCTi-浓度曲线的陡度；以及
·αAC＝由双药物表面相互作用模型估计的协同参数，所述模型通过以下方式确定：在根据对于药物A的每个浓度X获得的(b)(i)和(b)(ii)提及的步骤、对于药物C的每个浓度Z获得的(b)(ix)和(b)(x)提及的步骤以及对于药物A和药物C的组合的每对浓度获得的b(xi)、b(xii)和b(xiii)提及的步骤温育所述受试者的子样品之后，将式(XIV’)拟合到根据(d)提及的步骤计数的LCTi的实验值：

-所述VUSBC值使用式(XV)计算，其中所述VUSBC值是在根据步骤(b)(xiv)至(b)(xvi)温育子样品之后计数的LCTi的自然对数的模型函数的药物B的两个药物浓度Y’和Y”与药物C的两个药物浓度Z’和Z”之间的二重积分，其中LCTi0,B＝LCTi0,C，并且被视为100％存活率，

其中：
·药物浓度Y’和Y”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Y50,B值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Y50,B根据(a)至(e)(i)提及的步骤计算；
·药物浓度Z’和Z”对应于在每个被诊断患有所述疾病的受试者的所述群体中获得的Z50,C值的第20个和第80个百分位数的浓度，其中所述群体中每个受试者的Z50,C根据(a)至(e)(i)提及的步骤计算；
·Emax,B＝药物B引起的LPC的最大分数降低；
·Emax,C＝药物C引起的LPC的最大分数降低；
·Y50,B＝发挥Emax,B的一半的药物B的EC50浓度；
·Z50,C＝发挥Emax,C的一半的药物C的EC50浓度；
·Y＝药物B的浓度；
·Z＝药物C的浓度；
·
其中：
-γB＝药物B的LCTi-浓度曲线的陡度；
-γC＝药物C的LCTi-浓度曲线的陡度；以及
·αBC＝由双药物表面相互作用模型估计的协同参数，所述模型通过以下方式确定：在根据对于药物B的每个浓度Y获得的(b)(iii)和(b)(iv)提及的步骤、对于药物C的每个浓度Z获得的(b)(ix)和(b)(x)提及的步骤以及对于药物B和药物C的组合的每对浓度获得的b(xiv)、b(xv)和b(xvi)提及的步骤温育所述受试者的子样品之后，将式(XV’)拟合到根据(d)提及的步骤计数的LCTi的实验值：

-根据(e)(ii)提及的步骤确定的归一化标记值任选地还包括NAUCC、NVUSAC和/或NVUSBC，其中：
-NAUCC是使用式(XVI)计算的AUCxy,C的归一化值；
NAUCC＝100xAUCxy,C/AUCmax,C(XVI)
-NVUSAC是使用式(XVII)计算的VUSAC的归一化值；
NVUSAC＝100xVUSAC/VUSmax,AC(XVII)
-NVUSBC是使用式(XVIII)计算的VUSBC的归一化值；
NVUSBC＝100xVUSBC/VUSmax,BC(XVIII)
其中：
·AUCmax,C＝在每个被诊断患有所述疾病的受试者的所述群体中获得的AUCxy,C的最大值，其中所述群体中每个受试者的AUCxy,C根据(a)至(e)(ii)提及的步骤计算；
·VUSmax,AC＝在每个被诊断患有所述疾病的受试者的所述群体中获得的VUSAC的最大值，其中所述群体中每个受试者的VUSAC根据(a)至(e)(ii)提及的步骤计算；以及
·VUSmax,BC＝在每个被诊断患有所述疾病的受试者的所述群体中获得的VUSBC的最大值，其中所述群体中每个受试者的VUSBC根据(a)至(e)(ii)提及的步骤计算。

14.根据权利要求12和13中任一项所述的系统，其中当已经计算S/R值的被诊断患有所述疾病的受试者的数量等于用于计算所述S/R值的群体大小的20％时，所述受试者包括在所述群体中，并且相应地调整浓度X、浓度Y、药物浓度X’和X”、药物浓度Y’和Y”以及在权利要求13的情况下的浓度Z和药物浓度Z’和Z”。

15.根据权利要求12至14中任一项所述的系统，其中
-药物A是阿糖胞苷并且药物B是伊达比星；并且，在权利要求13的情况下
-药物C选自由氟达拉滨、依托泊苷、硫鸟嘌呤和氯法拉滨组成的组。

16.根据权利要求12至15中任一项所述的系统，其中
-(c)提及的步骤包括：
(i)将至少一种缀合抗体添加到(b)提及的步骤中温育的每个子样品中以鉴别其中的至少一种病理细胞类型；以及
(ii)将至少一个细胞死亡或凋亡标记添加到(b)提及的步骤中温育的每个子样品中以鉴别其中的凋亡细胞，
以及
-(d)提及的步骤包括通过以下方式对温育每个子样品后仍保留的活细胞的数量(LCTi)进行计数：对根据(c)(ii)提及的步骤未被鉴别为凋亡的根据(c)(i)提及的步骤鉴别的所述至少一个病理细胞类型的细胞数量进行计数。

17.根据权利要求12至16中任一项所述的系统，其中所述功效是抗癌功效，并且所述疾病是造血和淋巴组织的癌症。

18.根据权利要求12至17中任一项所述的系统，其中所述疾病是急性髓性白血病。

19.根据权利要求12至18中任一项所述的系统，其中所述受试者是成人受试者。

20.根据权利要求12至19中任一项所述的系统，其中在患者已经进行化学疗法和/或放射疗法之前收集骨髓细胞。

21.根据权利要求12至20中任一项所述的系统，其中
-当在不存在阿糖胞苷和/或伊达比星的情况下温育48小时时，骨髓细胞的活力大于或等于60％；和/或
-当从所述受试者获得时，骨髓细胞不以凝块形式存在。

22.根据权利要求12至21中任一项所述的系统，其中
-用于进行分离组织样品的步骤的装置包括微流体干细胞分离设备；
-用于进行(b)中提及的温育步骤的装置包括细胞培养保温箱；
-用于进行添加至少一个标记的步骤的装置包括移液管或注入器；
-用于进行对活细胞的数量进行计数的步骤的装置包括细胞计；
-用于进行确定药效参数值、活性标记值和归一化标记值的步骤的装置包括至少一个计算机程序产品；
-用于进行选择的步骤的装置包括至少一个计算机程序产品；
-用于进行创建响应函数的步骤的装置包括至少一个计算机程序产品；
-用于进行计算所述响应函数的阈限的步骤的装置包括至少一个计算机程序产品；
-用于进行计算S/R值的步骤的装置包括至少一个计算机程序产品；以及
-用于确定使用所述药物组合治疗所述受试者中的所述疾病的功效的装置包括至少一个计算机程序产品。

23.根据权利要求12至22中任一项所述的系统，其还包括用于为受试者规定护理计划的装置，其中当所述疾病被确定对所述受试者中使用所述药物组合的治疗敏感时，所述护理计划规定所述药物组合。

24.一种治疗被诊断患有疾病的受试者的方法，所述方法包括向所述受试者施用药物组合，其中根据权利要求1至10中任一项所述的方法或根据权利要求12至22中任一项所述的系统，所述疾病被确定对所述受试者中使用所述药物组合的治疗敏感。

25.根据权利要求1至10中任一项所述的方法或根据权利要求12至22中任一项所述的系统在确定被诊断患有所述疾病的所述受试者中使用所述药物组合进行治疗的功效中的用途。

26.根据权利要求11所述的方法或根据权利要求23所述的系统在向所述受试者规定所述护理计划的用途。

27.根据权利要求1至10中任一项所述的方法或根据权利要求12至22中任一项所述的系统在确定来自每个被诊断患有疾病的受试者的群体的给定受试者是否适合纳入临床试验中的用途，所述临床试验涉及使用包含药物A和药物B的药物组合的治疗，其中：
-当所述疾病被确定对所述受试者中使用所述药物组合的治疗敏感时，选择所述受试者以纳入所述临床试验；以及
-当所述疾病被确定对所述受试者中使用所述药物组合的治疗耐药时，不选择所述受试者以纳入所述临床试验。

28.一种用于将各自包含药物A和药物B的药物组合在被诊断患有疾病的受试者的治疗中的效用分类的方法，其中所述方法包括以下步骤：
(a)将从所述受试者获得的组织样品分离为子样品；
(b)进行以下步骤：
(i)在浓度X的所述药物A的存在下将子样品温育2至168小时的时间T；以及
(ii)将步骤(b)(i)重复额外(N-1)次，每次利用不同的子样品，使用与步骤(b)(i)的先前重复中使用的X值不同的X值；
其中N是选自5至10的整数，包括5和10；
以及
(iii)在浓度Y的所述药物B的存在下将子样品温育所述时间T；以及
(iv)将步骤(b)(iii)重复额外(M-1)次，每次利用不同的子样品，使用与步骤(b)(iii)的先前重复中使用的Y值不同的Y值；
其中M是选自5至10的整数，包括5和10；
以及
(v)在包含所述药物A和所述药物B的药物组合的存在下将子样品温育所述时间T，其中
-所述药物A的浓度是浓度X，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的X50,A值的分布的百分位数值PHα,A处的浓度，其中百分位数值PHα,A通过式(A)计算：
PHα,A＝cos(α°)xH
(A)
其中：
·H对应于选自以下的组的参考百分位数：
10，和90，其中：
·r是选自2至(R-1)的整数，包括2和R-1；
·α以度为单位，并且通过下式计算：

其中：
·w是选自1至W的整数，包括1和W；
-所述药物B的浓度是浓度Y，其对应于在来自每个被诊断患有所述疾病的受试者的所述群体中获得的Y50,B值的分布的百分位数值PHα,B处的浓度，其中百分位数值PHα,B通过式(B)计算：
PHα,B＝cos(90°–α°)xH
(B)
(vi)将步骤(b)(v)重复额外(R-1)次，每次利用不同的子样品，使用与步骤(b)(v)的先前重复中使用的H值不同的H值，并且使用步骤(b)(v)使用的相同w值；和
(vii)将步骤(b)(v)和(b)(vi)重复额外(W-1)次，每次利用不同的子样品，使用与步骤(b)(v)和(b)(vi)的先前重复中使用的w值不同的w值；
其中；
·R是选自3至10的整数，包括3和10；
·W是选自3至10的整数，包括3和10；
并且其中：
·X50,A是根据以下步骤(e)(i)估计的在受试者中发挥最大活性的一半的药物A浓度；
·Y50,B是根据以下步骤(e)(i)估计的在受试者中发挥最大活性的一半的药物B浓度；
以及
(viii)将子样品温育所述时间T；
(c)将至少一种标记添加到步骤(b)中温育的每个子样品中以鉴别其中的至少一种细胞类型(CTi)；
(d)对在根据步骤(b)温育每个子样品后仍保留的步骤(c)中鉴别的每种细胞类型的活细胞的数量(LCTi)进行计数；
(e)对于步骤(c)中鉴别的每种细胞类型，确定：
(i)药效参数值，所述药效参数值包括药物A的至少一个药效参数值和/或药物B的至少一个药效参数值，其中：
-药物A的每个药效参数值通过在根据步骤(b)(i)和(ii)温育群体中每个受试者的子样品之后将公式拟合到根据步骤(d)计数的LCTi的实验值而由单一药物剂量-响应药效混合效应非线性群体模型估计：
-药物B的每个药效参数值通过在根据步骤(b)(iii)和(iv)温育群体中每个受试者的子样品之后将公式拟合到根据步骤(d)计数的LCTi的实验值而由单一药物剂量-响应药效混合效应非线性群体模型估计：
其中所述群体包含所述受试者和被诊断患有所述疾病的其他受试者；
(ii)活性标记值，所述活性标记值包括药物A的至少一个活性标记值、药物B的至少一个活性标记值和/或药物A和B的至少一个活性标记值，其中：
-药物A的每个活性标记值由步骤(e)(i)中估计的药物A的所述药效参数值或多个药效参数值计算，
-药物B的每个活性标记值由步骤(e)(i)中估计的药物B的所述药效参数值或多个药效参数值计算，
-药物A和B的每个活性标记值由通过以下方式制定的特定模型计算：将公式拟合到步骤(e)(i)中估计的药物A的所述药效参数值或多个药效参数值以及药物B的所述药效参数值或多个药效参数值，并且拟合到在根据(b)(...

【专利技术属性】
技术研发人员：胡里安·高罗沙蒂格吉伦，何塞·路易斯·罗哈斯鲁迪利亚，霍安·巴列斯特罗斯诺韦利亚，赫苏斯·比略里亚莫里略，皮拉尔·埃尔南德斯德尔坎波，丹尼尔·普里默拉莫斯，杰奎因·马丁内兹洛佩兹，波·蒙特西诺斯费尔南德斯，戴维·马丁内斯夸德龙，
申请(专利权)人：维维雅生物技术公司，
类型：发明
国别省市：西班牙;ES

全部详细技术资料下载我是这个专利的主人