CN114599271A - 用于评估表现前阶段的亨廷顿病的装置和方法 - Google Patents

用于评估表现前阶段的亨廷顿病的装置和方法 Download PDF

Info

Publication number
CN114599271A
CN114599271A CN202080076961.4A CN202080076961A CN114599271A CN 114599271 A CN114599271 A CN 114599271A CN 202080076961 A CN202080076961 A CN 202080076961A CN 114599271 A CN114599271 A CN 114599271A
Authority
CN
China
Prior art keywords
disease
subject
huntington
mobile device
performance parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080076961.4A
Other languages
English (en)
Inventor
M·林德曼
F·利普斯梅尔
C·A·M·V·G·西米利安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
F Hoffmann La Roche AG
Original Assignee
F Hoffmann La Roche AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by F Hoffmann La Roche AG filed Critical F Hoffmann La Roche AG
Publication of CN114599271A publication Critical patent/CN114599271A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1124—Determining motor skills
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1124—Determining motor skills
    • A61B5/1125—Grasping motions of hands
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1101—Detecting tremor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Neurology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Neurosurgery (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Developmental Disabilities (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及诊断学领域。具体而言，其涉及用于评估主体中表现前阶段的亨廷顿病的方法，包括下述步骤：从来自所述主体的精细运动测量结果的数据集确定至少一个性能参数，将所述确定的至少一个性能参数与参考进行比较，并基于所述比较评估所述主体中表现前阶段的亨廷顿病。本发明此外还预期用于进行上述方法的设备和系统以及这种设备或系统用于评估所述主体中表现前阶段的亨廷顿病的用途。

Description

用于评估表现前阶段的亨廷顿病的装置和方法
技术领域
本发明涉及诊断学领域。具体而言，其涉及用于评估主体中表现前阶段（pre-manifest stage）的亨廷顿病的方法，包括下述步骤：从来自所述主体的精细运动（motoric）测量结果的数据集确定至少一个性能参数，将所述确定的至少一个性能参数与参考进行比较，并基于所述比较评估所述主体中表现前阶段的亨廷顿病。本发明此外还预期用于进行上述方法的设备和系统以及这种设备或系统用于评估所述主体中表现前阶段的亨廷顿病的用途。
背景技术
亨廷顿病是伴随有中枢神经系统中神经元细胞死亡的遗传性神经病症。最突出的是，基底核受到细胞死亡的影响。还牵涉到脑的进一步的区域，例如黑质、大脑皮质、海马和浦肯野细胞。一般，所有区域都在运动和行为控制中发挥作用。
所述疾病是由编码亨廷顿蛋白的基因中的遗传突变引起的。亨廷顿蛋白是与各种细胞功能有关的蛋白，并与超过100种其他蛋白相互作用。突变的亨廷顿蛋白看来似乎对某些神经元细胞类型具有细胞毒性。
所述疾病的症状最常在中年变得显著，但可以在从幼年时代到上了年纪的任何年龄开始。在早期阶段，症状涉及个性、认知和身体技能的细微变化。身体症状通常是最先被注意到的，这是因为认知和行为症状通常不严重到足以在所述早期阶段自己单独地识别。
最特有的初始身体症状是称为舞蹈症的不平稳的、随机和无法控制的运动。舞蹈症最初可能表现为全身不安、小的无意识地起始或未完成的动作、缺乏协调或减慢的眼球跳动。这些较轻的运动异常通常先于更显而易见的运动功能异常病征至少三年。随着病症进展，出现明显的症状现象，例如僵硬、扭曲动作或异常姿势。
亨廷顿病的进一步症状包括身体不稳定性，异常面部表情以及咀嚼、吞咽和说话困难。因此，进食困难和睡眠障碍也伴随着所述疾病。认知能力也以渐进的方式受损。受损的是执行功能、认知灵活性（cognitive flexibility）、抽象思维（abstract thinking）、规则获得（rule acquisition）和适当的行动/反应能力。在更明显的阶段，往往出现记忆缺失，包括短期记忆缺失到长期记忆困难。认知问题随着时间的过去而恶化，且最终将变成痴呆。伴随亨廷顿病的精神病并发症是焦虑、抑郁、减少的情绪表现（感情迟钝）、自我中心主义、攻击和强迫行为，后者可导致癖嗜或使其恶化，包括酒精中毒、赌博和性欲亢进。
对于亨廷顿病没有治愈的方法。存在取决于要处理的症状在疾病管理中的支持性措施（supportive measurements）。此外，许多药物用于改善疾病、其进展或伴随其的症状。
所述疾病可以通过遗传测试（genetic testing）来诊断。此外，疾病的严重性可以根据统一亨廷顿病评定量表（Unified Huntington´s Disease Rating Scale）（UHDRS）进行分级。（The Huntington Group, 1996，Rao 2009）这个量表系统处理四个组成部分，即运动功能、认知、行为和功能能力。运动功能评估包括眼追踪（ocular pursuit）、跳阅起始（saccade initiation）、跳阅速度、构音困难、舌突出、最大张力障碍、最大舞蹈症、后退牵拉试验（retropulsion pull test）、指轻叩（finger taps）、旋前/旋后手、luria、僵硬臂（rigidity arms）、运动过慢身体、步态和串联行走（tandem walking）的评估且可总结为总运动评分（TMS）。运动功能必须由医学博士驻院医院的医学开业医师进行调查和判断。
用于评估亨廷顿病的计算机实现的测试已除了别的以外还在WO 2019/081640中进行了描述。
然而，需要允许对患者中表现前阶段的亨廷顿病进行可靠诊断和鉴定的诊断工具，以便于适当的护理和/或准确的治疗。
构成本发明基础的技术问题可以在根据上述需要提供装置和方法中看到。所述技术问题通过在权利要求中表征并在下文中描述的实施方案来解决。
发明内容
本发明涉及用于评估主体中表现前阶段的亨廷顿病的方法，包括下述步骤：
a）从来自所述主体的精细运动测量结果的数据集确定至少一个性能参数；
b）将所述确定的至少一个性能参数与参考进行比较；以及
c）基于所述比较评估所述主体中表现前阶段的亨廷顿病。
所述方法一般是计算机实现的方法，即步骤a）至c）通过使用数据处理设备以自动化方式执行。细节也可见于下文和所附实施例中。
在一些实施方案中，所述方法还可以包括在步骤（a）之前使用移动设备从主体获得在主体执行的预定活动期间或在预定时间窗口期间来自所述主体的精细运动测量结果数据集的步骤。然而，一般所述方法是对来自主体的现有测量结果数据集执行的先体外后体内方法，其不需要与所述主体进行的任何身体相互作用（physical interaction）。
如根据本发明所提及的方法包括基本上由上述步骤组成的方法或可以包括额外的步骤的方法。
如在下文中使用的，术语“具有”、“包含”或“包括”或其任何任意语法变化形式以非排他的方式使用。因此，这些术语既可以指除了这些术语引入的特征之外，在所述上下文中描述的实体中不存在进一步的特征的情况，也可以指存在一个或多个进一步的特征的情况。例如，表述“A具有B”、“A包含B”和“A包括B”既可以指除B之外，A中不存在其他要素的情况（即A完全且排他地由B组成的情况），也可以指除B之外，实体A中存在一个或多个进一步的要素，例如要素C、要素C和D或甚至进一步的要素的情况。
进一步地，应该注意，表示特征或要素可能出现一次或不止一次的术语“至少一个”、“一个或多个”或类似措辞一般将在引入相应特征或要素时仅使用一次。在下文中，在大多数情况下，当提及相应的特征或要素时，将不重复措辞“至少一个”或“一个或多个”，尽管事实是相应的特征或要素可能出现一次或不止一次。
进一步地，如下文所用的，在不限制备择的可能性的情况下，术语“特别地”、“更特别地”、“具体地”、“更具体地”、“一般地”和“更一般地”或类似术语与额外的/备择的特征一起使用。因此，由这些术语引入的特征是额外的/备择的特征，并不意图以任何方式限制权利要求的范围。如本领域技术人员将认识到的，本发明可以通过使用备择的特征来执行。类似地，由“在本发明的实施方案中”或类似措辞引入的特征意图是额外的/备择的特征，关于本发明的备择实施方案没有任何限制，关于本发明的范围没有任何限制，并且关于将以这种方式引入的特征与本发明的其他额外的/备择的或非额外的/备择的特征组合的可能性没有任何限制。
一旦已经获得精细运动测量结果数据集，所述方法就可以由主体在移动设备上执行。因此，移动设备和获得数据集的设备可以是物理上相同的，即相同的设备。这种移动设备应具有数据获得单元，所述数据获得单元一般包括用于数据获得的装置，即定量或定性地检测或者测量物理和/或化学参数并将它们转换成传递到用于执行根据本发明的方法的移动设备中的评价单元的电子信号的装置。数据获得单元包括用于数据获得的装置，即定量或定性地检测或者测量物理和/或化学参数并将它们转换成传递到远离所述移动设备且用于执行根据本发明的方法的设备的电子信号的装置。一般，所述用于数据获得的装置包括至少一个传感器。将理解的是，在所述移动设备中可以使用不止一个传感器，即至少两个、至少三个、至少四个、至少五个、至少六个、至少七个、至少八个、至少九个或至少十个或甚至更多个不同的传感器。用作用于数据获得的装置的典型传感器是诸如陀螺仪、磁强计、加速度计、接近度传感器、温度计、湿度传感器、计步器、心搏率检测器、指纹检测器、触觉传感器、语音记录器、光传感器、压力传感器、位置数据检测器、照相机、汗分析传感器等的传感器。评价单元一般包括处理器和数据库以及软件，所述软件有形地嵌入到所述设备，并且当在所述设备上运行时，执行本发明的方法。更一般地，这种移动设备还可以包括用户界面，例如屏幕，其允许将由评价单元执行的分析的结果提供给用户。
另一方面，其可以在相对于已用于获得所述数据集的移动设备远程的设备上执行。在这种情况下，移动设备应仅包括用于数据获得的装置，即定量或定性地检测或者测量物理和/或化学参数并将它们转换成传递到远离所述移动设备且用于执行根据本发明的方法的设备的电子信号的装置。一般，所述用于数据获得的装置包括至少一个传感器。将理解的是，在所述移动设备中可以使用不止一个传感器，即至少两个、至少三个、至少四个、至少五个、至少六个、至少七个、至少八个、至少九个或至少十个或甚至更多个不同的传感器。用作用于数据获得的装置的典型传感器是诸如陀螺仪、磁强计、加速度计、接近度传感器、温度计、湿度传感器、计步器、心搏率检测器、指纹检测器、触觉传感器、语音记录器、光传感器、压力传感器、位置数据检测器、照相机、汗分析传感器、GPS等的传感器。因此，移动设备和用于执行本发明的方法的设备可以是物理上不同的设备。在这种情况下，移动设备可以通过用于数据传递的任何方式与用于执行本发明的方法的设备通信。这种数据传递可以通过永久或临时的物理连接来实现，例如同轴、纤维、光导纤维或双绞式、10 BASE-T电缆。另一方面，其可以通过使用例如无线电波例如Wi-Fi、LTE、LTE-演进（LTE-advanced）或蓝牙的临时或永久无线连接来实现。因此，为了执行本发明的方法，唯一的要求是存在使用移动设备从主体获得的测量结果数据集。所述数据集也可以从在永久或临时存储设备上的获得移动设备传递或存储，所述获得移动设备接着可用于将数据传递到用于执行本发明的方法的设备。在所述配置中执行本发明的方法的远程设备一般包括处理器和数据库以及软件，所述软件有形地嵌入到所述设备，并且当在所述设备上运行时，执行本发明的方法。更一般地，所述设备还可以包括用户界面，例如屏幕，其允许将由评价单元执行的分析的结果提供给用户。
如本文所用的术语“评估”指评估主体是否患有表现前阶段的亨廷顿病。因此，如本文所用的评估包括诊断、分期、分类和/或预测表现前阶段的亨廷顿病或推荐针对表现前阶段的亨廷顿病的疗法。如本领域技术人员将理解的，这种评估虽然是优选的，但通常可能不是对于100％的被调查主体正确的。然而，所述术语要求可以正确地评估统计学上显著的主体部分。本领域技术人员可以使用各种众所周知的统计评价工具，例如置信区间的确定、p-值的确定、斯氏t-检验、Mann-Whitney检验等，立即确定一个部分是否是统计学显著的。详情可在Dowdy和Wearden, Statistics for Research, John Wiley & Sons, New York1983中找到。一般，设想的置信区间为至少50%、至少60%、至少70%、至少80%、至少90%、至少95%。p-值一般为0.2、0.1、0.05。因此，本发明的方法一般通过提供用于评价精细运动测量结果数据集的手段来帮助评估亨廷顿氏病。
如本文所用的术语“亨廷顿病（HD）”涉及伴随有中枢神经系统中神经元细胞死亡的遗传性神经病症。最突出的是，基底核受到细胞死亡的影响。还牵涉到脑的进一步的区域，例如黑质、大脑皮质、海马和浦肯野细胞。一般，所有区域都在运动和行为控制中发挥作用。所述疾病是由编码亨廷顿蛋白的基因中的遗传突变引起的。亨廷顿蛋白是与各种细胞功能有关的蛋白，并与超过100种其他蛋白相互作用。突变的亨廷顿蛋白看来似乎对某些神经元细胞类型具有细胞毒性。突变的亨廷顿蛋白的特征在于由亨廷顿蛋白基因中的三核苷酸重复序列引起的多谷氨酰胺区域。蛋白的多谷氨酰胺区域中不止36个谷氨酰胺残基的重复导致引起疾病的亨廷顿蛋白。由于亨廷顿病是以显性常染色体方式遗传的，所以对遗传上处于危险之中的个体，即，具有相应疾病家族史的患者，建议进行亨廷顿蛋白（HTT）等位基因中CAG重复的基因组测试。此外，疾病的诊断涉及DNA分析，但也涉及成像方法，例如CT、MRI、PET或SPECT扫描，以确定脑萎缩以及由医学开业医师进行的神经学评估。
所述疾病的症状最常在中年变得显著，但可以在从幼年时代到上了年纪的任何年龄开始。在早期阶段，症状涉及个性、认知和身体技能的细微变化。身体症状通常是最先被注意到的，这是因为认知和行为症状通常不严重到足以在所述早期阶段自己单独地识别。几乎患有亨廷顿病的每个人最终都表现出相似的身体症状，但认知和行为症状的发作、进展和程度在个体之间显著不同。最特有的初始身体症状是称为舞蹈症的不平稳的、随机和无法控制的运动。舞蹈症最初可能表现为全身不安、小的无意识地起始或未完成的动作、缺乏协调或减慢的眼球跳动。这些较轻的运动异常通常先于更显而易见的运动功能异常病征至少三年。随着病症进展，出现明显的症状现象，例如僵硬、扭曲动作或异常姿势。这些是脑中负责运动的系统已受到了影响的征兆。意识运动功能变得越来越受损，以致于需要肌肉控制的任何行动都受到影响。常见的后果是身体不稳定性，异常面部表情以及咀嚼、吞咽和说话困难。因此，进食困难和睡眠障碍也伴随着所述疾病。认知能力也以渐进的方式受损。受损的是执行功能、认知灵活性、抽象思维、规则获得和适当的行动/反应能力。在更明显的阶段，往往出现记忆缺失，包括短期记忆缺失到长期记忆困难。认知问题随着时间的过去而恶化，且最终将变成痴呆。伴随亨廷顿病的精神病并发症是焦虑、抑郁、减少的情绪表现（感情迟钝）、自我中心主义、攻击和强迫行为，后者可导致癖嗜或使其恶化，包括酒精中毒、赌博和性欲亢进。
对于亨廷顿病没有治愈的方法。存在取决于要处理的症状在疾病管理中的支持性措施。此外，许多药物用于改善疾病、其进展或伴随其的症状。丁苯那嗪被批准用于治疗亨廷顿病，包括神经安定药和苯二氮䓬类被用作帮助减轻舞蹈症的药物，金刚胺或瑞马酰胺仍在研究中，但已初步显示积极的结果。运动机能减退和僵硬，尤其是在幼年病例中，可用抗震颤麻痹药治疗，且肌阵挛性运动功能亢进可用丙戊酸治疗。发现乙基二十碳五烯酸（ethyl-eicosapentoic acid）增强患者的运动症状，然而，其长期影响需要被揭示。
所述疾病可以通过遗传测试来诊断。此外，疾病的严重性可以根据统一亨廷顿病评定量表（UHDRS）进行分级。这个量表系统处理四个组成部分，即运动功能、认知、行为和功能能力。运动功能评估包括眼追踪、跳阅起始、跳阅速度、构音困难、舌突出、最大张力障碍、最大舞蹈症、后退牵拉试验、指轻叩、旋前/旋后手、luria、僵硬臂、运动过慢身体、步态和串联行走的评估且可总结为总运动评分（TMS）。运动功能必须由医学开业医师进行调查和判断。
亨廷顿病的“表现前阶段”是主体不表现出亨廷顿病的任何临床症状的阶段。然而，一些运动功能可能比不患有表现前阶段的亨廷顿病的主体更弱。一般，主体具有15或更少、12或更少、10或更少、8或更少或5或更少的TMS。此外，主体应是HTT遗传突变（CAG重复）的携带者。
术语“精细运动测量结果”指四肢精细运动（motoric movement）的准确度、灵巧度和/或速度，且更一般地，指指运动准确度和/或灵巧度和/或运动速度。在如下所述的轻叩运动和/或绘图运动期间进行所述指运动准确度和/或灵巧度和/或运动速度的测量。至少一个性能参数一般可以从在执行精细运动能力的以下活动期间从主体收集的测量结果数据集确定。以下测试一般在数据获得设备例如如本文别处具体限定的移动设备上由计算机实现。
精细运动能力测试：绘制形状（draw a shape）测试
移动设备可以适用于执行或获得来自远端运动功能的进一步测试（所谓的“绘制形状测试”）的数据，所述测试被配置为测量指的灵巧度和远端精细运动。从这种测试获得的数据集允许鉴定指运动、压力分布图和速度分布图的精度。
“绘制形状”测试的目的是评估精细的指控制和笔画定序（stroke sequencing）。指示患者用未测试的手握住移动设备，并用测试的手的中指在移动设备的触摸屏上在例如30 秒的最多时间内“尽可能快且尽可能准确地”绘制6个预先写好（pre-written）的复杂性递增的交替形状（线形、矩形、圆形、正弦形和螺旋形；参看下文）。要成功绘制形状，患者的指必须在触摸屏上连续滑动，并穿过所有指示的检查点且尽可能保持在书写路径的边界内连接指示的起点和终点。患者最多有两次尝试以成功完成6种形状中的每一种。测试将用右手和左手交替进行。用户将被指示每日交替。两个线形形状各自具有具体数目“a”个要连接的检查点，即“a-1”个段。正方形形状具有具体数目“b”个要连接的检查点，即“b-1”个段。圆形形状具有具体数目“c”个要连接的检查点，即“c-1”个段。八字形状具有具体数目“d”个要连接的检查点，即“d-1”个段。螺旋形形状具有具体数目“e”个要连接的检查点，“e-1”个段。完成6个形状于是意味着成功绘制总数为“(2a+b+c+d+e-6)”个段。
感兴趣的典型绘制形状测试性能参数：
基于形状的复杂性，线形和正方形形状与1的权重因数（Wf）有关联，圆形和正弦形形状与2的权重因数有关联，且螺旋形形状与3的权重因数有关联。在第二次尝试中成功完成的形状可以与0.5的权重因数有相关联。这些权重因数是可以在本发明的上下文中改变的数值实例。
1. 形状完成性能评分：
a. 每个测试成功完成的形状数目（0到6）（ΣSh）
b. 第一次尝试成功完成的形状数目（0到6）（ΣSh1）
c. 第二次尝试成功完成的形状数目（0到6）（ΣSh2）
d. 所有尝试中失败/未完成的形状数目（0到12）（ΣF）
e. 对于各个形状的不同复杂性水平用权重因数调整的反映了成功完成的形状的数目的形状完成评分（0 到 10）（Σ[Sh*Wf]）
f. 对于各个形状的不同复杂性水平用权重因数调整的反映了成功完成的形状的数目且计及第一次对第二次尝试的成功的形状完成评分（0 到 10）（Σ[Sh1*Wf]+Σ[Sh2*Wf*0.5]）
g. 如在#1e和#1f中所定义的形状完成评分如果乘以30/t，则可以计算出测试完成时的速度，其中t将表示完成测试的时间（以秒为单位）。
h. 基于特定时间段内多次测试的每 6 个单独形状的总的和第一次尝试完成率：(ΣSh1)/(ΣSh1+ΣSh2+ΣF)和(ΣSh1+ΣSh2)/(ΣSh1+ΣSh2+ΣF)。
2. 段完成和运动速度（celerity）性能评分/量度：
（基于对每个形状的两次尝试中的最好结果[完成的段的最高数目]的分析，如果适用的话）
a. 每次测试成功完成的段的数目（0到[2a+b+c+d+e-6]）（ΣSe）
b. 成功完成的段的平均运动速度（[C]，段/秒）：C = ΣSe/t，其中t将表示完成测试的时间（以秒为单位）（最长30秒）
c. 对于各个形状的不同复杂性水平用权重因数调整的反映了成功完成的段的数目的段完成评分（Σ[Se*Wf]）
d. 速度调整和加权的段完成评分 (Σ[Se*Wf]*30/t)，其中t将表示完成测试的时间（以秒为单位）。
e. 对于线形和正方形形状成功完成的段的形状特异性数目（ΣSeLS）
f. 对于圆形和正弦形形状成功完成的段的形状特异性数目（ΣSeCS）
g. 对于螺旋形形状成功完成的段的形状特异性数目（ΣSeS）
h. 在线形和正方形形状测试中进行的成功完成的段的形状特异性平均线形运动速度：CL = ΣSeLS/t，其中t将表示从这些特定形状内相应成功完成的段的起点到终点经过的累积新纪元时间（cumulative epoch time）（以秒为单位）。
i. 在圆形和正弦形形状测试中进行的成功完成的段的形状特异性平均圆形运动速度：CC = ΣSeCS/t，其中t将表示从这些特定形状内相应成功完成的段的起点到终点经过的累积新纪元时间（以秒为单位）。
j. 在螺旋形形状测试中进行的成功完成的段的形状特异性平均螺旋形运动速度：CS = ΣSeS/t，其中t将表示从所述特定形状内相应成功完成的段的起点到终点经过的累积新纪元时间（以秒为单位）。
3. 绘图精度性能评分/量度：
（基于对每个形状的两次尝试中的最好结果[完成的段的最高数目]的分析，如果适用的话）
a. 偏差（Dev），其计算为画好的轨迹和从对于每个具体形状所达到的开始到结束检查点的靶绘图路径之间的综合表面偏差（integrated surface deviation）的总曲线下面积（AUC）度量值的总和除以这些形状内的相应靶路径的总累积长度（从到达的开始到结束检查点）。
b. 线形偏差（DevL），其计算为#3a中的Dev，但具体来自线形和正方形形状测试结果。
c. 圆形偏差（DevC），其计算为#3a中的Dev，但具体来自圆形和正弦形形状测试结果。
d. 螺旋形偏差（DevS），其计算为#3a中的Dev，但具体来自螺旋形形状测试结果。
e. 形状特异性偏差（Dev1-6），其计算为#3a中的Dev，但分别来自6个不同形状测试结果中的每一个，仅适用于在最佳尝试中成功完成至少3个段的那些形状。
f. 对任何其他计算与靶轨迹的形状特异性或形状不可知的总偏差的方法的连续变量分析。
4.）压力分布图测量结果
i）施加的平均压力
ii）偏差（Dev），其计算为压力的标准差
绘制形状测试中精细运动能力的更典型性能参数是螺旋形绘制速度变异系数、圆形绘制速度变异系数和/或螺旋形平均绘制速度。更一般地，可以确定所有这些性能参数。进一步的典型性能参数也在以下伴随的实施例中进行了描述。
精细运动能力测试：迅速轻叩（speed tapping）测试
“迅速轻叩”测试的目的是评估指移动速度能力。指示患者用未测试的手握住移动设备，并以各种速度在移动设备的触摸屏上轻叩。可以通过向主体显示在轻叩运动期间需要触摸的诸如按钮或圆形的符号来控制轻叩速度。
迅速轻叩测试中精细运动能力的更典型性能参数是两次轻叩之间指被抬起时间的标准差、两次轻叩之间指被抬起的最长时间、两次轻叩之间指被抬起时间的变异系数、两次轻叩之间距离的变异系数、轻叩期间指触摸屏幕时间的标准差、轻叩期间指触摸屏幕时间的变异系数和/或轻叩期间指触摸屏幕的最长时间。更一般地，可以确定所有这些性能参数。进一步的典型性能参数也在以下伴随的实施例中进行了描述。。
可以与上述测试一起进行的进一步测试是在WO 2019/081640中描述的那些。
如本文所用的术语“主体”涉及动物，并且一般涉及哺乳动物。特别地，主体是灵长类动物，且最一般地是人。根据本发明的主体应患有或怀疑患有表现前阶段的亨廷顿病。如本文别处所讨论的，若干危险因子可确定亨廷顿病增加的流行，并且受这种危险因子影响的主体可被认为是怀疑患有表现前阶段的亨廷顿病的主体。
术语“至少一个”意指可以根据本发明确定一个或多个性能参数，即至少两个、至少三个、至少四个或甚至更多不同的性能参数。因此，根据本发明的方法可以确定的不同性能参数的数目没有上限值。一般，一个或多个参数选自精细运动测量结果的数据集，并且包括指运动准确度和/或灵巧度和/或运动速度的测量结果，和更一般地，本文别处具体提及的那些性能参数。在指的轻叩运动和/或绘图运动期间进行所述指运动准确度和/或灵巧度和/或运动速度的测量。更一般地，使用诸如智能手机、智能手表、可穿戴式传感器、便携式多媒体设备或平板电脑的移动设备进行这种运动，所述移动设备已经实现了需要来自要测试的主体的输入的测试，从而使得可以确定指运动准确度和/或灵巧度和/或运动速度。要在移动设备上实现的合适测试在本文别处描述。
如本文所用的术语“性能参数”指指示主体在测量精细运动活动期间进行进行某种活动例如指运动的能力的参数。一般，性能参数可以是可以执行精细运动任务的准确度或速度，例如，屏幕上的指运动。例如，性能参数可以从使用指在屏幕上的轻叩运动的测量结果数据集确定。在这种情况下，轻叩的速度可以被确定为性能参数。另一方面或此外，指运动准确度和/或速度可以被确定为在指运动是测试中的任务的条件下的性能参数，例如在屏幕上绘制某个预定的形状。
术语“测量结果数据集”指已在来自主体的精细运动能力的测量期间由移动设备从所述主体获得的全部数据或这种数据的子集。根据本发明的方法的数据集可以得自由要测试的主体进行的精细运动测试。如本文其他地方所述的，主体可以进行精细运动能力的计算机实现的测试。进一步的细节可在以下所附实施例中找到。
确定至少一个性能参数或者可以通过直接从数据集中得到期望的测量值作为性能参数来实现。另一方面，参数可以整合来自数据集的一个或多个测量值，且因此，可以通过诸如计算的数学运算从数据集得到。一般，性能参数通过自动化算法从数据集得到，例如通过计算机程序，其当有形地嵌入由所述数据集输入的数据处理设备时自动从测量结果数据集得到性能参数。
如本文所用的术语“参考”指允许基于所确定的至少一个性能参数评估表现前阶段的亨廷顿病的鉴别器（discriminator）。这种鉴别器可以是指示正常（即健康）主体或患有表现前阶段的亨廷顿病的主体的性能参数的值。
这种值可以从已知患有表现前阶段的亨廷顿病的主体的一个或多个对比度视力（contrast vision）参数得出。一般，在这种情况中，参数的平均值或中值可以用作鉴别器。如果从主体确定的性能参数与参考相同或高于从参考得出的阈值，则在这种情况中，主体可以被鉴定为患有表现前阶段的亨廷顿病。如果确定的性能参数与参考不同，且特别地低于所述阈值，则应将主体鉴定为未患有表现前阶段的亨廷顿病。
类似地，值可以从已知不患有表现前阶段的亨廷顿病的主体的一个或多个性能参数得出。一般，在这种情况中，参数的平均值或中值可以用作鉴别器。如果从主体确定的性能参数与参考相同或低于从参考得出的阈值，则在这种情况中，主体可以被鉴定为不患有表现前阶段的亨廷顿病。如果确定的性能参数与参考不同，且特别地高于所述阈值，则应将主体鉴定为患有表现前阶段的亨廷顿病。
作为备择方案，参考可以是来自在实际数据集之前已从同一主体获得的测量结果数据集的以前确定的性能参数。在这种情况中，取决于表现前阶段的亨廷顿病的以前状态，相对于以前确定的参数不同的从实际数据集确定的确定的性能参数应指示改善或恶化。本领域技术人员基于活动的种类和以前的参数知道如何将所述参数用作参考。
将所确定的至少一个性能参数与参考进行比较可以通过在诸如计算机的数据处理设备上实现的自动化比较算法来实现。相互比较的是确定的性能参数的值和对于所述确定的参数的参考，如本文别处详细说明的。作为比较的结果，可以评估确定的性能参数是否与参考相同或不同或存在某种关系（例如，大于或低于参考）。基于所述评估，主体可以被鉴定为患有亨廷顿病（“划入（rule-in）”）或没有（“排除”）。对于评估，将考虑参考的种类，如在别处连同根据本发明的合适参考所描述的。
此外，通过确定所确定的性能参数和参考之间的差异程度，对主体中表现前阶段的亨廷顿病的定量评估应是可能的。要理解的是，可以通过将实际确定的性能参数与用作参考的较早确定的性能参数进行比较来确定改善、恶化或不变的状况。基于所述性能参数的值中的定量差异，可以确定并且任选地还可以定量改善、恶化或不变的状况。如果使用其他参考，例如来自患有表现前阶段的亨廷顿病的主体的参考，则将理解，如果可以将某个损伤阶段分配给参考集合，则数量差异是有意义的。相对于所述损伤阶段，在这种情况中可以确定恶化、改善或不变的状况，并且任选地，还可以定量。
将通过本发明的方法进行的评估显示给主体或另一个人，例如医学开业医师。一般，这是通过在移动设备或评价设备的显示器上显示针诊断来实现的。另一方面，自动向主体或其他人提供疗法例如药物治疗推荐，或某种生活方式例如恢复措施推荐。为此，将确立的评估与数据库中分配给不同评估的推荐进行比较。一旦确立的评估与存储和分配的评估之一匹配，就由于将推荐分配给与确立的评估匹配的存储的评估而可以鉴定合适的推荐。因此，一般设想推荐和评估以关系数据库的形式存在。然而，其他允许鉴定合适推荐的布置也是可能的并且为本领域技术人员所知。
此外，一个或多个性能参数也可以存储在移动设备上或显示给主体，一般是实时的。存储的性能参数可以装配成时间过程或类似的评价措施。这种评价的性能参数可以作为根据本发明的方法研究的亨廷顿病病程（course）的反馈提供给主体。一般，这种反馈可以在移动设备的合适显示器上以电子格式提供，并且可以与对如上文所具体说明的疗法或恢复措施的推荐联系。
进一步地，评价的性能参数也可以提供给医生办公室或医院的医学开业医师以及其他卫生保健提供者，例如临床试验背景中的诊断测试开发者或药物开发者、健康保险提供者或其他公共或私人卫生保健系统的利益相关者。
一般，本发明的用于评估主体中的表现前阶段的亨廷顿病的方法可以如下进行：
首先，从使用移动设备来自所述主体的精细运动测量结果的现有数据集确定至少一个性能参数。所述数据集可能从移动设备传递到评价设备，例如计算机，或者可能在移动设备中被处理以从数据集得到至少一个性能参数。
其次，通过例如使用由移动设备的数据处理器或评价设备例如计算机执行的计算机实现的比较算法，将所确定的至少一个性能参数与参考进行比较。比较的结果是相对于比较中使用的参考进行评估的，并且基于所述比较，将评估主体中的表现前阶段的亨廷顿病，例如，主体将被鉴定为患有表现前阶段的亨廷顿病，或者不患有。
第三，在合适的显示器例如在移动设备或评价设备中连接或实现的屏幕上，将所述评估，例如，主体患有表现前阶段的亨廷顿病或者不患有的鉴定，显示给主体或另一个人，例如医学开业医师。
另一方面，自动向主体或其他人提供疗法例如药物治疗推荐，或某种生活方式推荐。为此，将确立的评估与数据库中分配给不同评估的推荐进行比较。一旦确立的评估与存储和分配的评估之一匹配，就由于将推荐分配给与确立的评估匹配的存储的评估而可以鉴定合适的推荐。
然而作为备择方案或此外，构成评估基础的至少一个性能参数将被存储在移动设备上。一般，它应该与其他存储的性能参数一起通过在如本文其他地方具体说明的可以电子地帮助恢复或疗法推荐的移动设备上实现的合适的评价工具进行评价，例如时间过程装配算法。
鉴于上述情况，本发明还具体预期用于评估主体中的表现前阶段的亨廷顿病的方法，包括下述步骤：
a）使用移动设备从所述主体获得精细运动测量结果的数据集；
b）确定从使用移动设备从所述主体获得的所述数据集确定的至少一个性能参数；
c）将所述确定的至少一个性能参数与参考进行比较；并
d）基于在步骤c）中进行的比较评估所述主体中的表现前阶段的亨廷顿病。
有利地，已发现在构成本发明基础的研究中，从来自所述主体的精细运动测量结果的数据集获得的性能参数可以用作评估表现前阶段的亨廷顿病的数字生物标志。根据本发明，已经发现精细运动测量，且特别是指运动准确度和/或灵巧度和/或运动速度，如在指的轻叩运动和/或绘图运动期间进行的指运动准确度和/或灵巧度和/或运动速度，允许鉴定患有表现前阶段的亨廷顿病的患者。可以使用计算机实现的测试，例如，在移动设备上实现的测试，方便地进行这种测量。由于移动设备的使用，患者可以随时随地进行测试。对于进行测量，无需咨询医生办公室或医院救护车中的医学开业医师。由于本发明，由于通过本发明的方法使用实际确定的性能参数，亨廷顿病患者的生活状况，特别地在早期阶段，可以更精确地按照实际疾病状态进行调整。因此，可以选择更有效药物治疗或可以使剂量方案适应患者的当前状态。要理解的是，本发明的方法一般是数据评价方法，其需要来自主体的活动测量结果的现有数据集。
因此，本发明的方法可用于：
- 评估疾病状况；
- 监控患者，特别是在现实生活中、日常情况和大规模的；
- 为患者提供生活方式和/或疗法推荐支持；
- 研究药物功效，例如也在临床试验期间；
- 促进和/或帮助治疗决策的作出；
- 支持医院管理；
- 支持恢复措施管理；
- 改善疾病状况，作为刺激更高密度的认知、运动和行走活动的恢复工具
- 支持健康保险评估和管理；和/或
- 支持公共卫生管理中的决策。
除非另外具体说明，否则上述作出的对术语的定义和解释做必要的修改后适用于下述实施方案。
在本发明的方法的实施方案中，所述精细运动测量结果包括指运动准确度和/或灵巧度和/或运动速度的测量结果。更一般地，在指的轻叩运动和/或绘图运动期间进行所述指运动准确度和/或灵巧度和/或运动速度的测量。
在本发明的方法的实施方案中，所述测量使用移动设备进行。更一般地，所述移动设备包括在智能手机、智能手表、可穿戴式传感器、便携式多媒体设备或平板电脑中。
在本发明的方法的实施方案中，所述方法是计算机实现的。
在本发明的方法的又一个实施方案中，参考是来自所述主体的精细运动测量结果的数据集的至少一个性能参数，其中所述数据集已在步骤a）的数据集之前获得。
在本发明的方法的实施方案中，参考是来自至少一个已知患有表现前阶段的亨廷顿病的主体的精细运动测量结果的数据集的至少一个性能参数。更一般地，与参考基本上相同的至少一个性能参数指示主体患有表现前阶段的亨廷顿病。
在本发明的方法的实施方案中，参考是来自至少一个已知不患有表现前阶段的亨廷顿病的主体的精细运动测量结果的数据集的至少一个性能参数。更一般地，与参考不同的至少一个性能参数指示主体患有表现前阶段的亨廷顿病。
在本发明的方法的又一个实施方案中，所述评估表现前阶段的亨廷顿病包括诊断和/或预测表现前阶段的亨廷顿病或推荐针对表现前阶段的亨廷顿病的疗法。
本发明还包括用于确定针对表现前阶段的亨廷顿病的疗法的功效的方法，包括本发明方法（即，用于评估表现前阶段的亨廷顿病的方法）的步骤和如果在进行疗法时在主体中发生表现前阶段的亨廷顿病的改善则确定疗法反应或如果在进行疗法时在主体中发生表现前阶段的亨廷顿病的恶化或如果表现前阶段的亨廷顿病保持不变则确定反应失败的进一步步骤。
如本文所用的术语“针对表现前阶段的亨廷顿病的疗法”指所有种类的医学治疗，包括基于药物的疗法、呼吸支持等。所述术语还包括生活方式推荐和恢复措施。一般，方法包括基于药物的疗法的推荐，且特别是使用已知可用于治疗表现前阶段的亨廷顿病的药物的疗法。这种药物可以是丁苯那嗪、神经安定药、苯二氮䓬类、金刚胺、瑞马酰胺、抗震颤麻痹药、丙戊酸或乙基二十碳五烯酸。此外，上述方法在又一个实施方案中可以包括将推荐的疗法应用于主体的额外步骤。
此外，根据本发明包括的是用于确定针对表现前阶段的亨廷顿病的疗法的功效的方法，包括上述本发明方法（即，用于评估表现前阶段的亨廷顿病的方法）的步骤和如果在进行疗法时在主体中发生表现前阶段的亨廷顿病的改善则确定疗法反应或如果在进行疗法时在主体中发生表现前阶段的亨廷顿病的恶化或如果表现前阶段的亨廷顿病保持不变则确定反应失败的进一步步骤。
如根据本发明所提及的术语“改善”涉及总疾病状况或其个别症状的任何改善，且特别是对比度视力能力。同样，“恶化”意指总疾病状况或其个别症状的任何恶化，且特别是对比度视力能力。因为亨廷顿病作为正在进行的疾病一般与总疾病状况及其症状的恶化有关，所以关于上述方法提及的恶化是超出疾病正常进程的出乎意料或非典型的恶化。未改变的表现前阶段的亨廷顿病意指总疾病状况及伴随其的症状在疾病的正常进程中。
此外，本发明涉及在主体中监控表现前阶段的亨廷顿病的方法，包括通过在预定的监控时间段期间至少两次执行本发明的方法（即评估表现前阶段的亨廷顿病的方法）的步骤来确定所述主体中所述疾病是否改善、恶化或保持不变。
本发明涉及移动设备，包括处理器、至少一个传感器和数据库以及软件，所述软件有形地嵌入到所述设备，并且当在所述设备上运行时，执行本发明的方法。
如本文所用的术语“移动设备”指任何便携式设备，其至少包括传感器和适合于获得上述测量结果数据集的数据记录设备。这可能还需要数据处理器和存储单元以及用于在移动设备上电子模拟用于精细运动能力的测试的显示器。数据处理器可以包括中央处理器（Central Processing Unit）（CPU）和/或一个或多个图形处理器（Graphics ProcessingUnits）（GPUs）和/或一个或多个专用集成电路（Application Specific IntegratedCircuits）（ASICs）和/或一个或多个张量处理器（Tensor Processing Units）（TPUs）和/或一个或多个现场可编程门阵列（field-programmable gate arrays）（FPGAs）等。此外，从主体的活动起，数据应被记录并汇编成数据集，所述数据集将在移动设备本身或在第二设备上通过本发明的方法进行评价。取决于所设想的具体配置，移动设备可能必须包括数据传递设备，以将获得的数据集从移动设备传递到进一步的设备。特别适合作为根据本发明的移动设备的是智能手机、便携式多媒体设备或平板电脑。另一方面，可以使用带有数据记录和处理设备的便携式传感器。进一步地，取决于要执行的活动测试的种类，移动设备应适合于为主体显示关于要为测试执行的活动的指令。将由主体进行的具体设想的活动在本文其他地方进行了描述，并且包括如本说明书中描述的对精细运动能力的测试。
本发明预期包括移动设备和远程设备的系统，所述移动设备包括至少一个传感器，所述远程设备包括处理器和数据库以及软件，所述软件有形地嵌入到所述设备，并且当在所述设备上运行时，执行本发明的方法，其中所述移动设备和所述远程设备可操作地彼此连接。
在“可操作地彼此连接”下，要理解设备被连接以便允许从一个设备到另一设备的数据传递。一般，设想至少从主体获得数据的移动设备连接到执行本发明的方法的步骤的远程设备，从而使得可以将获得的数据传递到远程设备用于进行处理。然而，远程设备也可以向移动设备发送数据，例如控制或监督其正确功能的信号。移动设备和远程设备之间的连接可以通过永久或临时的物理连接来实现，例如同轴、纤维、光导纤维或双绞式、10BASE-T电缆。另一方面，其可以通过使用例如无线电波例如Wi-Fi、LTE、LTE-演进或蓝牙的临时或永久无线连接来实现。进一步的细节可以在所述说明书的其他地方找到。对于数据获得，移动设备可以包括用户界面，例如屏幕或其他用于数据获得的设备。一般，活动测量可以在移动设备包括的屏幕上执行，其中将理解的是，所述屏幕可以具有不同的尺寸，包括例如5.1英寸的屏幕。
本发明此外还涉及本发明的移动设备或系统用于使用来自主体的精细运动测量结果的测量结果数据集的至少一个性能参数来评估所述主体中的亨廷顿病的用途。
本发明还预期根据本发明的移动设备或系统用于监控患者的用途，特别是在现实生活中、日常情况和大规模的。本发明所包括的此外是根据本发明的移动设备或系统用于支持患者的生活方式和/或疗法推荐的用途。此外还将理解的是，本发明预期根据本发明的移动设备或系统用于研究药物安全性和功效的用途，例如也在临床试验期间。进一步地，本发明预期根据本发明的移动设备或系统用于促进和/或帮助治疗决策的作出的用途。此外，本发明提供了根据本发明的移动设备或系统作为恢复工具用于改善疾病状况以及用于支持医院管理、恢复措施管理、健康保险评估和管理和/或支持公共卫生管理中的决策的用途。
原则上，本发明还预期计算机程序、计算机程序产品或有形地嵌入了所述计算机程序的计算机可读存储介质，其中所述计算机程序包括当在数据处理设备或计算机上运行时执行如上文所具体限定的本发明的方法的指令。具体地，本公开内容进一步包括：
- 计算机或计算机网络，包括至少一个处理器，其中所述处理器适合于执行根据所述说明书中描述的实施方案之一的方法，
- 计算机可加载的数据结构，其适合于当所述数据结构在计算机上执行时执行根据所述说明书中描述的实施方案之一的方法，
- 计算机脚本（computer script），其中计算机程序适合于当程序在计算机上执行时执行根据所述说明书中描述的实施方案之一的方法，
- 计算机程序，包括当所述计算机程序在计算机或计算机网络上执行时用于执行根据所述说明书中描述的实施方案之一的方法的程序手段（program means），
- 计算机程序，包括根据前述实施方案的程序手段，其中所述程序手段存储在计算机可读的存储介质上，
- 存储介质，其中数据结构被存储在所述存储介质上，并且其中数据结构适合于在已经被加载到计算机或计算机网络的主存储器和/或工作存储器中之后执行根据所述说明书中描述的实施方案之一的方法，
- 具有程序代码手段（program code means）的计算机程序产品，其中所述程序代码手段可以被存储或被存储在存储介质上，用于执行根据所述说明书中描述的实施方案之一的方法，如果所述程序代码手段在计算机或计算机网络上执行的话，
- 一般加密的数据流信号，包括使用移动设备从主体获得的精细运动测量结果的测量结果数据集，
- 一般加密的数据流信号，包括从使用移动设备从主体获得的精细运动测量结果的测量结果数据集得到的至少一个性能参数。
本发明进一步涉及用于使用移动设备从来自主体的精细运动测量结果的测量结果数据集确定至少一个性能参数的方法
a）使用移动设备从来自所述主体的精细运动测量结果的测量结果数据集得到至少一个性能参数；和
b）将所述确定的至少一个性能参数与参考进行比较，
其中，一般地，所述至少一个性能参数可以帮助评估所述主体中的表现前阶段的亨廷顿病。
在下文中，列出了本发明的进一步的特定实施方案：
实施方案1. 用于评估主体中表现前阶段的亨廷顿病的方法，包括下述步骤：
a）从来自所述主体的精细运动测量结果的数据集确定至少一个性能参数；
b）将所述确定的至少一个性能参数与参考进行比较；以及
c）基于所述比较评估所述主体中表现前阶段的亨廷顿病。
实施方案2. 根据实施方案1所述的方法，其中所述精细运动测量结果包括指运动准确度和/或灵巧度和/或运动速度的测量结果。
实施方案3. 根据实施方案2所述的方法，其中在指的轻叩运动和/或绘图运动期间进行所述指运动准确度和/或灵巧度和/或运动速度的测量。
实施方案4. 根据实施方案1至3中任一项所述的方法，其中所述测量使用移动设备进行。
实施方案5. 根据实施方案4所述的方法，其中所述移动设备包括在智能手机、智能手表、可穿戴式传感器、便携式多媒体设备或平板电脑中。
实施方案6. 根据实施方案1至5中任一项所述的方法，其中所述方法是计算机实现的。
实施方案7. 根据实施方案1至6中任一项所述的方法，其中所述参考是来自所述主体的精细运动测量结果的数据集的至少一个性能参数，其中所述数据集已在步骤a）的数据集之前获得。
实施方案8. 根据实施方案1至6中任一项所述的方法，其中所述参考是来自至少一个已知患有表现前阶段的亨廷顿病的主体的精细运动测量结果的数据集的至少一个性能参数。
实施方案9. 根据实施方案8的方法，其中与参考基本上相同的至少一个性能参数指示主体患有表现前阶段的亨廷顿病。
实施方案10. 根据实施方案1至6中任一项所述的方法，其中所述参考是来自至少一个已知不患有表现前阶段的亨廷顿病的主体的精细运动测量结果的数据集的至少一个性能参数。
实施方案11. 根据实施方案10的方法，其中与参考不同的至少一个性能参数指示主体患有表现前阶段的亨廷顿病。
实施方案12. 根据实施方案1至11中任一项所述的方法，其中所述评估亨廷顿病包括诊断和/或预测表现前阶段的亨廷顿病或推荐针对表现前阶段的亨廷顿病的疗法。
实施方案13. 移动设备，包括处理器、至少一个传感器和数据库以及软件，所述软件有形地嵌入到所述设备，并且当在所述设备上运行时，执行根据实施方案1至12中任一项的方法。
实施方案14. 包括移动设备和远程设备的系统，所述移动设备包括至少一个传感器，所述远程设备包括处理器和数据库以及软件，所述软件有形地嵌入到所述设备，并且当在所述设备上运行时，执行根据实施方案1至12中任一项的方法，其中所述移动设备和所述远程设备可操作地彼此连接。
实施方案15. 根据实施方案13的移动设备或根据实施方案14的系统用于使用来自主体的精细运动测量结果的测量结果数据集的至少一个性能参数来评估所述主体中的表现前阶段的亨廷顿病的用途。
在整个所述说明书中引用的所有参考文献就其全部公开内容而言且就说明书中提及的具体公开内容而言并此引入作为参考。
附图说明
图1：比较群组之间每个移动设备实现的测试的预定特征的箱线图（Boxplots）。图注：*：p < 0.05；**：p < 0.01；***：p < 0.001。（A）认知测试SDMT和SWR，（B）稳定性和步态测试平衡、2-分钟行走、调头（C）上半身运动测试绘制形状、舞蹈症和迅速轻叩（speededtapping）。“优势”是指优势使用的手，“非优势”是指非优势使用的手。
图2：对区分表现前和健康对照群组的特征的探索分析。图注：*：p < 0.05；**：p <0.01；***：p < 0.001。显示的是来自对于至少一只手具有p < 0.01且对于双手具有p <0.05的用手进行的测试的特征。来自迅速轻叩测试的正常运行时间标准差特征定义为在连续轻叩之间指从屏幕上抬离的时间的标准差；p = 0.002（优势手）；p < 0.001（非优势手）。
图3：对区分表现前和健康对照群组的特征的探索分析。图注：*：p < 0.05；**：p <0.01；***：p < 0.001。显示的是来自对于至少一只手具有p < 0.01且对于双手具有p <0.05的用手进行的测试的特征。绘制形状测试特征与螺旋形绘制速度的变异系数相同；p =0.04（优势手）；p = 0.007（非优势手）。
实施例：
以下实施例仅举例说明本发明。无论怎样，它们不应被以限制本发明的范围的方式进行解释。
实施例1：鉴定区分健康对照和表现前主体的新特征
研究
在患有表现前亨廷顿病（HD）、表现HD和健康对照（HC）的参与者的观察研究（数字-HD）中采用了智能手机应用程序，其包括七项主动测试（符号数字模式测试（Symbol DigitModalities Test）[SDMT]、Stroop单词阅读测试（Stroop Word Reading test）[SWRT]、迅速轻叩、舞蹈症、平衡、调头、2-分钟行走）和连续被动监控。
这里显示的是在数据截止时登记的79名参与者的结果。在筛选后的第5周和第6周集合预定的主动测试测量结果，以将练习效果减至最低。
所述1-年的研究目的在于登记80名参与者（表现HD：40，表现前HD：20，HC：20）。从连续被动监控和每日主动测试捕获数据。被动监控包括佩戴智能手表并携带启动GPS的智能手机，两者都含有三轴加速度计和陀螺仪。主动测试测量HD的运动和非运动表现，且包括有关运动任务、认知测试、QoL和情绪的问题。
患者的人口统计细节总结在下表1中。
表1：
HC 表现前HD 表现HD 总计
N 20 20 39 79
年龄，平均值（标准差[SD]），岁 47.8 (14.2) 44.4 (10.0) 56.2 (11.2) 51.1 (12.7)
女性，% 35.0 50.0 46.2 44.3
右手优势， % 85.0 100.0 74.4 83.5
总功能能力，平均值（SD） 13 (0.0) 12.9 (0.3) 10.6 (2.2) 11.8 (2.0)
总运动评分，平均值（SD） 1.4 (2.5) 4.9 (3.9) 32.9 (16.8) 17.8 (19.2)
参与者在现场设备问题调查（equipment issue visit）（EIV）期间关于主动测试进行了训练，并在提示时在家中进行这些测试。
在EIV期间，参与者使用统一HD评定量表（Unified HD Rating Scale）运动、认知和功能子量表（subscale）以及起立-行走计时（Timed-up-and-go）测试和来自与Kinect传感器一起的Berg平衡量表（Berg Balance Scale）的选择的项目进行了临床评估。
加密的电话数据经由互联网安全传输并进行分析，以提取用于组区分和与临床参数的相关性的具有临床意义的测量结果。
使用Mann-Whitney检验计算组之间的特征差异。使用Spearman相关系数计算与临床内（in-clinic）对应物的相关性。
结果
SDMT和SWR测试显示出与其临床内对应物的极好的相关性。舞蹈症测试显示与UHDRS最大舞蹈症上肢（Maximal Chorea Upper Limb）项目的良好相关性。除步态测试（调头：p=0.009；2-分钟行走：p=0.004）外，所有8个预定特征均具有全部p < 0.001的在表现和健康对照群组之间的显着差异（参见图 1）。结果也显示在下表2中。
Figure 620373DEST_PATH_IMAGE001
Figure 271934DEST_PATH_IMAGE002
Figure 769780DEST_PATH_IMAGE003
Figure 837094DEST_PATH_IMAGE004
Figure 120307DEST_PATH_IMAGE005
鉴定了在使用迅速轻叩和绘制形状测试来区分表现前和健康对照群组中显示出有希望的2个候选特征（参见图2和3）。
引用的参考文献
Figure 660879DEST_PATH_IMAGE006

Claims (15)

1.用于评估主体中表现前阶段的亨廷顿病的方法，包括下述步骤：
a）从来自所述主体的精细运动测量结果的数据集确定至少一个性能参数；
b）将所述确定的至少一个性能参数与参考进行比较；以及
c）基于所述比较评估所述主体中表现前阶段的亨廷顿病。
2.根据权利要求1所述的方法，其中所述精细运动测量结果包括指运动准确度和/或灵巧度和/或运动速度的测量结果。
3.根据权利要求2所述的方法，其中在指的轻叩运动和/或绘图运动期间进行所述指运动准确度和/或灵巧度和/或运动速度的测量。
4.根据权利要求1至3中任一项所述的方法，其中所述测量使用移动设备进行。
5.根据权利要求4所述的方法，其中所述移动设备包括在智能手机、智能手表、可穿戴式传感器、便携式多媒体设备或平板电脑中。
6.根据权利要求1至5中任一项所述的方法，其中所述方法是计算机实现的。
7.根据权利要求1至6中任一项所述的方法，其中所述参考是来自所述主体的精细运动测量结果的数据集的至少一个性能参数，其中所述数据集已在步骤a）的数据集之前获得。
8.根据权利要求1至6中任一项所述的方法，其中所述参考是来自至少一个已知患有表现前阶段的亨廷顿病的主体的精细运动测量结果的数据集的至少一个性能参数。
9.根据权利要求8的方法，其中与参考基本上相同的至少一个性能参数指示主体患有表现前阶段的亨廷顿病。
10.根据权利要求1至6中任一项所述的方法，其中所述参考是来自至少一个已知不患有表现前阶段的亨廷顿病的主体的精细运动测量结果的数据集的至少一个性能参数。
11.根据权利要求10的方法，其中与参考不同的至少一个性能参数指示主体患有表现前阶段的亨廷顿病。
12.根据权利要求1至11中任一项所述的方法，其中所述评估表现前阶段的亨廷顿病包括诊断和/或预测表现前阶段的亨廷顿病或推荐针对表现前阶段的亨廷顿病的疗法。
13.移动设备，包括处理器、至少一个传感器和数据库以及软件，所述软件有形地嵌入到所述设备，并且当在所述设备上运行时，执行根据权利要求1至12中任一项的方法。
14.包括移动设备和远程设备的系统，所述移动设备包括至少一个传感器，所述远程设备包括处理器和数据库以及软件，所述软件有形地嵌入到所述设备，并且当在所述设备上运行时，执行根据权利要求1至12中任一项的方法，其中所述移动设备和所述远程设备可操作地彼此连接。
15.根据权利要求13的移动设备或根据权利要求14的系统用于使用来自主体的精细运动测量结果的测量结果数据集的至少一个性能参数来评估所述主体中的表现前阶段的亨廷顿病的用途。
CN202080076961.4A 2019-11-04 2020-11-03 用于评估表现前阶段的亨廷顿病的装置和方法 Pending CN114599271A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP19206919 2019-11-04
EP19206919.3 2019-11-04
PCT/EP2020/080755 WO2021089509A1 (en) 2019-11-04 2020-11-03 Means and methods for assessing huntington´s disease of the pre-manifest stage

Publications (1)

Publication Number Publication Date
CN114599271A true CN114599271A (zh) 2022-06-07

Family

ID=68426310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080076961.4A Pending CN114599271A (zh) 2019-11-04 2020-11-03 用于评估表现前阶段的亨廷顿病的装置和方法

Country Status (5)

Country Link
US (1) US20220401010A1 (zh)
EP (1) EP4054413A1 (zh)
JP (1) JP2023500648A (zh)
CN (1) CN114599271A (zh)
WO (1) WO2021089509A1 (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018050763A1 (en) * 2016-09-14 2018-03-22 F. Hoffmann-La Roche Ag Digital biomarkers for cognition and movement diseases or disorders
CN111557033A (zh) 2017-10-25 2020-08-18 豪夫迈·罗氏有限公司 用于认知和移动疾病或障碍的数字质量计量生物标记

Also Published As

Publication number Publication date
US20220401010A1 (en) 2022-12-22
JP2023500648A (ja) 2023-01-10
WO2021089509A1 (en) 2021-05-14
EP4054413A1 (en) 2022-09-14

Similar Documents

Publication Publication Date Title
JP6888095B2 (ja) 認知および動作の疾患もしくは障害についてのデジタルバイオマーカー
US20200315514A1 (en) Digital biomarkers for muscular disabilities
JP7280876B2 (ja) 認知および動作の疾患または障害についてのデジタル質測定的バイオマーカー
JP6854900B2 (ja) 進行性ｍｓについてのデジタルバイオマーカー
US20220285027A1 (en) Prediction of disease status
US20220104755A1 (en) Digital biomarker
CN114727761A (zh) 患有运动障碍的患者的个性化保健的改善
Maleki et al. Objective monitoring of facioscapulohumeral dystrophy during clinical trials using a smartphone app and wearables: observational study
US20220351864A1 (en) Means and methods for assessing huntington&#39;s disease (hd)
Scheid et al. Predicting Severity of Huntington's Disease With Wearable Sensors
CN114599271A (zh) 用于评估表现前阶段的亨廷顿病的装置和方法
Zhuparris et al. Smartphone and Wearable Sensors for the Estimation of Facioscapulohumeral Muscular Dystrophy Disease Severity: Cross-sectional Study
US20240153632A1 (en) Computer-implemented methods and systems for quantitatively determining a clinical parameter
de Oliveira Brauner et al. The 180° turn phase of the timed up and go test better predicts history of falls in the oldest-old when compared with the full test: a case-control study
CN117546254A (zh) 用于定量确定临床参数的计算机实现方法和系统
Kiprijanovska et al. Smart Glasses for Gait Analysis of Parkinson’s Disease Patients
JP2022550135A (ja) 脊髄筋萎縮症（ｓｍａ）を評価するための手段および方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40078762

Country of ref document: HK