CN117119957A - 焦虑和抑郁障碍的诊断和药物治疗有效性监测 - Google Patents
焦虑和抑郁障碍的诊断和药物治疗有效性监测 Download PDFInfo
- Publication number
- CN117119957A CN117119957A CN202280024011.6A CN202280024011A CN117119957A CN 117119957 A CN117119957 A CN 117119957A CN 202280024011 A CN202280024011 A CN 202280024011A CN 117119957 A CN117119957 A CN 117119957A
- Authority
- CN
- China
- Prior art keywords
- anxiety
- depression
- patient
- patients
- physiological marker
- 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
Links
- 208000019901 Anxiety disease Diseases 0.000 title claims abstract description 48
- 230000036506 anxiety Effects 0.000 title claims abstract description 46
- 238000011282 treatment Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims description 14
- 208000020401 Depressive disease Diseases 0.000 title claims description 7
- 229940079593 drug Drugs 0.000 title description 24
- 239000003814 drug Substances 0.000 title description 24
- 238000003745 diagnosis Methods 0.000 title description 11
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000010801 machine learning Methods 0.000 claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 239000003550 marker Substances 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000003909 pattern recognition Methods 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims description 6
- 238000002560 therapeutic procedure Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000002651 drug therapy Methods 0.000 claims 1
- 238000004632 predicting treatment efficacy Methods 0.000 claims 1
- 239000000090 biomarker Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- QZAYGJVTTNCVMB-UHFFFAOYSA-N serotonin Chemical compound C1=C(O)C=C2C(CCN)=CNC2=C1 QZAYGJVTTNCVMB-UHFFFAOYSA-N 0.000 description 6
- 208000028017 Psychotic disease Diseases 0.000 description 5
- GIYXAJPCNFJEHY-UHFFFAOYSA-N N-methyl-3-phenyl-3-[4-(trifluoromethyl)phenoxy]-1-propanamine hydrochloride (1:1) Chemical compound Cl.C=1C=CC=CC=1C(CCNC)OC1=CC=C(C(F)(F)F)C=C1 GIYXAJPCNFJEHY-UHFFFAOYSA-N 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 206010033296 Overdoses Diseases 0.000 description 3
- 229940076279 serotonin Drugs 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 238000002483 medication Methods 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 230000002459 sustained effect Effects 0.000 description 2
- RTHCYVBBDHJXIQ-MRXNPFEDSA-N (R)-fluoxetine Chemical compound O([C@H](CCNC)C=1C=CC=CC=1)C1=CC=C(C(F)(F)F)C=C1 RTHCYVBBDHJXIQ-MRXNPFEDSA-N 0.000 description 1
- 208000027559 Appetite disease Diseases 0.000 description 1
- 206010010144 Completed suicide Diseases 0.000 description 1
- 206010011971 Decreased interest Diseases 0.000 description 1
- 206010012374 Depressed mood Diseases 0.000 description 1
- 208000027534 Emotional disease Diseases 0.000 description 1
- 208000019454 Feeding and Eating disease Diseases 0.000 description 1
- 208000011688 Generalised anxiety disease Diseases 0.000 description 1
- 206010026749 Mania Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000000561 anti-psychotic effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 239000000890 drug combination Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229960002464 fluoxetine Drugs 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000029364 generalized anxiety disease Diseases 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002620 method output Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000036581 peripheral resistance Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000003236 psychic effect Effects 0.000 description 1
- 238000001671 psychotherapy Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- 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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1127—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using markers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- 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
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Abstract
提供了用于获取具有焦虑症或抑郁症的患者的生理标志测量结果的方法和系统。生理标志测量结果的数学分析(例如，模式识别、机器学习和AI算法)用于针对个体患者创建独特的个人预测模型和数据集。独特的个人数据集被用于诊断并监测个体患者的与焦虑症或抑郁症相关联的特定问题、防止潜在的过量用药或推荐针对个体患者的与焦虑症或抑郁症相关联的特定问题的治疗，或预测针对个体患者的与焦虑症或抑郁症相关联的特定问题的治疗的结果。
Description
技术领域
本发明总体上涉及一种对焦虑和抑郁障碍(焦虑症和抑郁症)的受试者进行分析的方法，并且具体地但不限于，确定焦虑症和抑郁症诊断以及药物的有效性、适当的剂量以及特别是对抗焦虑症和抑郁症的各种药物的组合或其它相关临床治疗。
背景技术
焦虑症包括一组精神障碍，其中，患者经历在不适当时间出现的强烈焦虑感，在短时间内不会克服并且干扰正常生活的管理。焦虑障碍可以被分类为广义的焦虑症，其不依赖于特定刺激或不会引起大多数人的焦虑的刺激；以及由于似乎大多数人被威胁的状况(尽管不是每个人都因为这些状况而感到焦虑)导致的情境性焦虑。情境性焦虑的示例是“考试焦虑”，其在不同人中以不同强度出现。
抑郁症是精神障碍，其特征在于差情绪的广泛且持续的模式(通常为数周和数月)，伴随着自卑以及对愉快的活动失去兴趣和享受、焦虑、睡眠和食欲障碍、乏力、对生活和自杀有不同程度的悲观想法、注意力和记忆力下降以及功能严重受损。有时也表现为空虚感和情绪不高。该症状集合被命名了专业名称，在1980年版的美国精神病学会(DSM)诊断手册中被描述并分类为情绪障碍。
焦虑症和抑郁症的治疗是相似的，包括相似的医学干预和一系列心理治疗。关于作为本发明的关注点的涉及药物的干预，焦虑症和抑郁症目前的治疗都有三个基本阶段：
a.初始诊断和设立初始推荐治疗(例如，药物类型和剂量)；
b.过量用药(overdosing)分析，并可能增加补充医学治疗，以防止不想要的结果(例如，血清素过量，其可能导致潜在的精神病)。这种潜在的风险可以通过使用附加抗精神病药物的药物组合来减轻，以防止过度/精神病(hyper/psychotic)发作；以及
c.需要持续进行的治疗监测，因为药物功效会随着时间的推移而变化，并且可能会出现副作用(例如，上述血清素过量和精神病)；由于这些原因，治疗应时不时地被调整。
焦虑症和抑郁症的诊断和监测是由医生使用各种方法(大多是主观的)进行的。通常，这包括采访患者、父母、教师和学校工作人员等。然后，专家将整合和分析获得的所有数据，并基于他/她的发现做出决定。在某些情况下，诊断和监测过程涉及焦虑症和抑郁症水平的等级或分数。
焦虑症和抑郁症是难以诊断的障碍。此外，一旦患者被诊断，则使用不同药物的组合来管理持续进行的过程是完全基于试错的，这依赖于医生的先前经验和事后事件分析。
除上述内容之外，诊断阶段和监测阶段都不涉及不同患者集群。当前，除了年龄和体重类别之外，焦虑症和抑郁症患者没有因相似背景和每个集群内的生理属性被分组为集群。结果，初始药物分配和持续进行的调整仅基于患者的年龄和体重，而没有其它附加相关属性，零星初步校准基于医生的先前经验。
因此，需要一种被动的、客观的、廉价且可靠的技术来确定焦虑症和抑郁症的诊断和持续监测以及药物的有效性、服用的适当剂量、检测过量用药以监测和对抗焦虑症和抑郁症以及其它临床治疗。
发明内容
本发明试图提供一种方法以及跟踪和评估算法系统，其分析各种生理标志的变化，以确定持续的焦虑症和抑郁症诊断、进行监测、预测对不同药物的组合的需要以及预防不足用药/过量用药。该方法和系统包括：A)将患者分配给焦虑症和抑郁症患者集群的预定组中的一者；B)个性化分析他们的医学治疗有效性，以防止焦虑症和抑郁症的症状；以及C)防止过量用药并分析对多于一种药物的组合的需要(即，防止由于血清素溢流引起的可能的过度/精神病爆发)。与使用主观输入和自我报告的当前试错减轻过程不同，通过使用我们的新颖方法，这三个过程将使用一系列生理标志的变化的客观数学分析来完成。将使用经训练的基于机器学习的搜索模式来完成数学分析，所述经训练的基于机器学习的搜索模式被指定用于焦虑症和抑郁症分析，然后针对每组患者进行个人校准。
与现有技术相反，生理标志测量结果被用于定义降低焦虑症或抑郁症水平方面的治疗成功的概率以及并行地需要附加药物的概率、防止潜在的过量用药，所有这些通过分析生理标志的集合来实现。该过程将包括：1)定义患者的预定个人群体；以及B)针对每个患者创建个人简档、基线和预测模式，以在不足用药和过量用药情况下进行分析。每个集群中的患者具有类似属性(例如，性别、年龄、并存病)和相似的生理标志测量结果，使得在每个集群内，生物标志可变性将显著小于集群间可变性。
创新过程将包括：
-分配到患者集群：提供关于不足用药/过量用药的每种特定治疗成功的基于患者集群的分析；
-持续进行的治疗有效性分析：通过校准被指派给每个集群的通用模型来创建独特的治疗有效性个人模型。这将通过使用机器和深度学习技术来实现；以及
-过量用药监测：通过创建另一组基于机器学习的个人模型、分析生理标志的变化来预测潜在的过量用药以及对单一类型药物或药物组合的需要。
附图说明
通过以下结合附图的详细描述，将更充分地明白和理解本发明，其中：
图1示出了数据流概念：取回生理数据(使用智能可穿戴设备)、使用我们的基于机器学习的引擎分析数据以及将各种分析报告指派给不同利益相关者。
图2示出了具有医学治疗和不具有医学治疗的情况下的量化持续监测。
图3示出了关于可选用药的聚合量化数据(为了避免越过过度/精神病阈值)，其中使用了从基于机器学习的搜索模式集合生成的数据聚类。
具体实施方式
如上所述，与现有技术相反，本发明使用生物标志测量结果的数学分析来定义持续进行的模式功效、患者的集群以及针对每个患者创建针对不足用药和过量用药两者的个人简档、基线和预测模式。独特的个人模型由机器和深度学习技术校准，针对每个患者专门指派独特的个人模型，以提供评估焦虑症和抑郁症的输出。
个人方法可以包括以下步骤：
A：集群分配：
·使用患者的所测量的生物标志数据来构建医生使用的临床焦虑症和抑郁症诊断工具的预测模型的集合。该步骤使用在临床诊断过程期间测量的生物标志数据，并且将使用大量模式识别、机器学习和AI算法。
·使用模式识别、机器学习和AI算法来基于外部特征(诸如性别、年龄和并存病)和内部特征(生物标志数据)对患者进行聚类，并且针对每个集群修改预测模型。
B：个人基线校准和继续监测医学治疗有效性：
·使用模式识别、机器学习和AI算法来校准模型特征(例如，生理标志加权和/或选择特定生理特征的重要性)，并且基于其集群关联并且基于其外部特征和内部特征的独特组合来针对每个个体定制预测模型。
·使用经训练的个性化预测模型来自动地且被动地监测患者对焦虑症和抑郁症医学治疗的响应。
C：过量用药预防：
·通过使用另一层指定模型，系统将监测患者以防止过量用药和潜在躁狂症爆发。
D：持续进行的校准：
·用针对每个患者测量的更多生物标志数据自动更新和改进(持续学习)预测模型。
该方法还评估其它治疗选项(诸如CBT、营养和各种行为治疗)对焦虑症和抑郁症患者的客观影响。
该方法的输出通过示出具有和不具有有效治疗的情况下的基于机器学习的个人预测模型和个体的个人基线来实现。该输出支持医生对治疗成功性的评估并提供推荐可能的有利治疗修改的附加的持续进行的分析。
该方法使用模式识别、机器学习、AI算法和其它技术。其基于生理标志测量结果(如下所述)和外部信息(诸如性别、年龄等)。预测模型在收集所有样本时被设计，然后在每个患者集群内被修改，然后被进一步修改以匹配每个患者的特定个人模式，其中利用了用于治疗分析和过量用药预测的分离模型。最终，每个个体患者具有独特的、个性化的预测模型。
以下是本发明的方法和系统的一个非限制性实施方式的描述。
首先，可以由诸如可穿戴设备的设备自动收集和记录以下生物标志的测量结果的组合：
| PPG | 毫微瓦 |
| 心博间期 | 秒 |
| 心率(BPM) | 秒 |
| 皮肤温度 | 摄氏度℃ |
| 加速度 | 重力(g) |
| (或运动传感器) | |
| 心率差异性 | 赫兹(Hz) |
| 陀螺仪 | 度每秒(°/s) |
| 呼吸率 | BRA |
| 血压 | mmHg |
| EEG | μV |
| 皮肤电导 | Hz |
| EEG | mV/mS |
| 血氧饱和度 | SaO2 |
| 全身血管阻力 | PRU |
之后，可以使用生理标志和属性将患者指派给预定集群。例如，初始持续进行的生理标志测量结果连同患者的属性(例如，女孩，15岁，非裔美国人，出生困难)可以用于将患者指派给指定集群。该方法可以以一定数量的集群开始，并且并行地可以存在持续进行的集群校准和新集群的添加。
用于聚类和用于构建预测模型的方法可以基于模型的集合，包括线性模型(例如，Fisher判别分析和线性判别分析)和非线性模型(例如，神经网络分类器和随机森林)。每当更多患者数据变得可用时，可以调整并不断地重新训练模型的集合。
该方法还可以包括以下步骤：与医生诊断并行地测量生理标志。例如，测量可以与临床评估一起执行以将生理标志与焦虑症和抑郁症评分相关联。
该方法还可以包括以下步骤：计算个人校准模型。该方法可以指派个人计算模型以设立基线和持续进行的预测模型。
该方法还可以包括以下步骤：设立个性化生理标志加权和显著性水平。例如，这些可以包括个人生理标志加权和/或选择特定特征的重要性，同时评估非线性模型。
该方法还可以包括以下步骤：监测持续进行的医学治疗和/或初步焦虑症和抑郁症诊断。这可以包括利用个人预测模式并且使用基于机器学习的过程来执行持续进行的分析以及过量用药预测。
该方法还可以包括持续进行的集群校准和集群之间的转移。例如，可能存在对患者的持续进行的评估以决定他/她是否应当在集群之间转移(例如，年龄组从7-10改变到11-14)，或者可能存在新集群或子集群的持续进行的创建。
个人过程-个人建模的意义(significance)：
个人建模的意义体现在每个患者的独特生理属性中。以数学方式分析生理标志的变化将包括针对每个患者的个人建模和模型校准。这样的过程将包括指派最适合的基于机器学习的搜索模式，其将最佳地区分治疗中/治疗停止(on/off treatment)情况(即，治疗中/治疗停止情况之间的间隔和整体治疗显著性和有效性)。这样的个人方法可以包括现成的搜索模式、多于一个模式的集合或指定的基于机器学习的模型。
技术过程：
所有生理标志测量结果由可穿戴设备自动收集和记录。数据可以被转换到集中式集线器(hub)。数据可以存储在可穿戴设备存储器内以供以后下载。此后，数据可以被发送或上传到数字数据储存库(云或其它项)，并且通过实现机器和深度学习技术来分析。
系统输出是经处理的分析变换为医学指标和状态报告，并且通过医疗网络应用提供给医生，并且通过移动应用提供给个体(患者、孩子、父母等)。
分析被无缝地传送到个体的智能电话(或其它通信设备)，或者经由用于实时数据传输的发送附加装置专用单元。
网络应用向医生提供分析的结果，该结果包括对焦虑症和抑郁症的持续诊断和监测，其可以包括有效治疗的指示、用药有效性、影响的实际持续时间、长期模式和趋势以及其它临床方面(例如，其它临床治疗的有效性，以及对睡眠质量的影响)、与推荐治疗变化有关的预测、患者用药水平、依从性和总体治疗有效性快照。因此，该方法向医学专业人员提供对现实生活患者临床和行为模式的大数据洞察。
另外，该方法可以使用患者聚类分析来提供基于深度学习的推荐(例如，要分配给每个集群以进行初始治疗过程的初步类型的推荐药物)。
本申请提供了在日常和日内时段两者期间药物方面或有效性的清晰视图，并且使用焦虑症和抑郁症症状的水平的预测来帮助准备和更好地管理个体的活动。
系统的元件/部件：
实现该方法的系统是可以包括用户友好的可穿戴设备的IoT平台。可穿戴设备可以包括但不限于包括用于上表中提到的所有生物标志的传感器的传感器集线器、用户界面(例如，包括界面的图形、声音和振动方法)和软件应用。例如但不限于，应用可以操作相关服务和处理以读取传感器、执行分析并通过用户界面向用户发送实时反馈。该软件应用还可以实时或定期地与基于云的软件进行通信，以更新从设备中的传感器测量的数据。
该系统还可以包括基于云的SW工具或其它数据储存库，其聚合并分析传感器数据、更新相关算法并生成仪表板中的输出并且向利益相关者进行报告。
该系统还可以包括用于医学专业人员的提供关于焦虑症和抑郁症的诊断的输出、药物和用药有效性的指示、推荐治疗变化的预测、依从性和总体治疗有效性快照的网络应用界面。
该系统还可以包括用于用户(具有焦虑症和抑郁症的个体和利益相关者(例如，父母)的移动应用界面，其提供了一整天的个体的焦虑症和抑郁症状态的实时视图，包括药物周期影响和逐步淘汰定时(phasing out timing)以及焦虑症和抑郁症个人模式的预测。
方法输出和个人分析的重要性的示例：
本发明的方法的测试已经证明其功效，导致输出与所示出的临床结果(如医生所指示的)显著相关。
以下部分提供了使用生物标志进行个人持续进行的分析的示例。
示例：输出样本
示例1-过量用药减轻(图3所示)：用Prizma(氟西汀)治疗的孩子的示例情况，随后切换到Prizma+Ariply组合-分类输出清楚地示出两种药物混合物的过量用药分析，与医生的临床观察一致(Prizma：过量用药，Prizma+Ariply：有效治疗)。分类基于所组合的多个生理标志测量结果和确定该特定患者的每个标志的意义的个性化公式。
Claims (6)
1.一种用于处理焦虑和抑郁障碍的方法，所述方法包括以下步骤：
获取各自具有焦虑症或抑郁症的患者的生理标志测量结果；
使用所述生理标志测量结果来创建焦虑症或抑郁症患者的集群，其中，所述集群中的患者具有类似的属性和生理标志测量结果，使得在每个集群内，生理标志可变性将显著小于集群间可变性；以及
处理所述患者的所述生理标志测量结果之间的差异，以创建针对个体患者的独特个人数据集；以及
使用所述独特个人预测模型和所述独特个人数据集来A)诊断并监测所述个体患者的与焦虑症或抑郁症相关联的特定问题以及B)预测治疗功效、潜在过量用药，或推荐针对所述个体患者的与焦虑症或抑郁症相关联的特定问题的治疗，或预测针对所述个体患者的与焦虑症或抑郁症相关联的特定问题的治疗的结果。
2.根据权利要求1所述的方法，其中，所述处理差异的步骤通过模式识别、机器学习或AI算法来完成。
3.根据权利要求1所述的方法，所述方法包括以下步骤：
根据其他患者的生理标志测量结果，将所述其他患者指派给各种患者集群中的一个患者集群；以及
使用所述其他患者的生理标志测量结果之间的差异的模式识别来创建针对所述其他患者的个体患者的独特个人数据集；以及
使用所述生理标志测量结果之间的差异的附加个人模式识别模型来分析潜在过量用药。
4.根据权利要求3所述的方法，其中，所述独特个人数据集还包括个人基线的校准和计算。
5.根据权利要求1所述的方法，所述方法还包括以下步骤：执行持续进行的治疗，包括递送基于所述独特个人数据集使用个人模式的药物治疗效果的个人分析和预测。
6.根据权利要求1所述的方法，所述方法还包括以下步骤：使用自动化机器学习和集群之间的转移来执行持续进行的集群校准。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202163164673P | 2021-03-23 | 2021-03-23 | |
| US63/164,673 | 2021-03-23 | ||
| PCT/IB2022/052516 WO2022200966A1 (en) | 2021-03-23 | 2022-03-20 | Diagnosis and monitoring medical treatment effectivness for anxiety and depression disorders |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117119957A true CN117119957A (zh) | 2023-11-24 |
Family
ID=83396099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280024011.6A Pending CN117119957A (zh) | 2021-03-23 | 2022-03-20 | 焦虑和抑郁障碍的诊断和药物治疗有效性监测 |
Country Status (5)
| Country | Link |
|---|---|
| EP (1) | EP4312757A1 (zh) |
| JP (1) | JP2024512555A (zh) |
| KR (1) | KR20230160275A (zh) |
| CN (1) | CN117119957A (zh) |
| WO (1) | WO2022200966A1 (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140257708A1 (en) * | 2008-03-04 | 2014-09-11 | Ridge Diagnostics, Inc. | Diagnosing and monitoring depression disorders |
| US20150031064A1 (en) * | 2009-04-01 | 2015-01-29 | Ridge Diagnostics, Inc. | Multiple biomarker panels to stratify disease severity and monitor treatment of depression |
| EP3512424A1 (en) * | 2016-09-14 | 2019-07-24 | H. Hoffnabb-La Roche Ag | Digital biomarkers for cognition and movement diseases or disorders |
| EP3908175A4 (en) * | 2019-01-08 | 2022-11-02 | Iluria Ltd. | DIAGNOSIS AND EFFECTIVENESS OF SURVEILLANCE OF ATTENTION-DEFICIT HYPERACTIVITY DISORDER |
-
2022
- 2022-03-20 KR KR1020237032842A patent/KR20230160275A/ko unknown
- 2022-03-20 EP EP22774443.0A patent/EP4312757A1/en active Pending
- 2022-03-20 JP JP2023558339A patent/JP2024512555A/ja active Pending
- 2022-03-20 CN CN202280024011.6A patent/CN117119957A/zh active Pending
- 2022-03-20 WO PCT/IB2022/052516 patent/WO2022200966A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| JP2024512555A (ja) | 2024-03-19 |
| WO2022200966A1 (en) | 2022-09-29 |
| EP4312757A1 (en) | 2024-02-07 |
| KR20230160275A (ko) | 2023-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230082019A1 (en) | Systems and methods for monitoring brain health status | |
| CN108780663B (zh) | 数字个性化医学平台和系统 | |
| JP2020510909A (ja) | デジタル個別化医療のためのプラットフォームとシステム | |
| JP2018524137A (ja) | 心理状態を評価するための方法およびシステム | |
| US11707217B2 (en) | Diagnosis and effectiveness of monitoring attention deficit hyperactivity disorder | |
| JP2023547875A (ja) | 個人化された認知介入システム及び方法 | |
| US20220285027A1 (en) | Prediction of disease status | |
| Claes et al. | Mobile Health Revolution in Healthcare: Are We Ready? | |
| US20220351864A1 (en) | Means and methods for assessing huntington's disease (hd) | |
| CN117119957A (zh) | 焦虑和抑郁障碍的诊断和药物治疗有效性监测 | |
| US20240156382A1 (en) | Diagnosis and monitoring medical treatment effectivness for anxiety & depression disorders | |
| Lievevrouw et al. | The social implications of digital health technology | |
| Mosavi et al. | Data mining techniques in psychotherapy: applications for studying therapeutic alliance | |
| US20240153632A1 (en) | Computer-implemented methods and systems for quantitatively determining a clinical parameter | |
| US20240136035A1 (en) | System and method for neuro-sensory biofeedback artificial intelligence based wellness therapy | |
| US20230277122A1 (en) | Evaluating pain of a user via time series of parameters from portable monitoring devices | |
| Mambretti et al. | Older Persons in Europe 2020: Needs and Challenges for an Interdisciplinary Polytechnic Approach | |
| Gunay | Modelling of sleep behaviors of patients with mood disorders | |
| Banellis | Neural-heart interactions in the healthy and injured brain | |
| WO2023069668A1 (en) | Devices, systems, and methods for monitoring and managing resilience | |
| KR20230035609A (ko) | 주요 우울 장애의 재발을 검출 및 예측하기 위한 시스템 및 방법 |
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 |