ES2329452T3 - Procedimiento para predecir el resultado de tratamientos. - Google Patents
Procedimiento para predecir el resultado de tratamientos. Download PDFInfo
- Publication number
- ES2329452T3 ES2329452T3 ES02765829T ES02765829T ES2329452T3 ES 2329452 T3 ES2329452 T3 ES 2329452T3 ES 02765829 T ES02765829 T ES 02765829T ES 02765829 T ES02765829 T ES 02765829T ES 2329452 T3 ES2329452 T3 ES 2329452T3
- Authority
- ES
- Spain
- Prior art keywords
- treatment
- information
- neurophysiological
- patient
- procedure
- 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.)
- Expired - Lifetime
Links
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0006—ECG or EEG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/386—Accessories or supplementary instruments therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
- A61B5/411—Detecting or monitoring allergy or intolerance reactions to an allergenic agent or substance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4833—Assessment of subject's compliance to treatment
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- 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
Un procedimiento para predecir un resultado de un primer tratamiento basado en la información neurofisiológica obtenida de un sujeto escalando la información neurofisiológica para permitir compararla con la información neurofisiológica almacenada obtenida de una fuente de datos; calcular al menos una variable indicadora de la información neurofisiológica; y evaluar la al menos una variable indicadora con ayuda de al menos una regla para predecir el resultado del primer tratamiento antes de la administración real del primer tratamiento; caracterizado porque el procedimiento comprende las etapas de: identificar la al menos una variable indicadora cribando una base de datos de respuestas que comprende información neurofisiológica previa al tratamiento y la respuesta al primer tratamiento en forma de información neurofisiológica con el tratamiento activo de una pluralidad de sujetos; identificar agrupaciones de información neurofisiológica previa al tratamiento asociada a sujetos que tienen respuestas similares al primer tratamiento en forma de información neurofisiológica con el tratamiento activo como parte de la etapa de cribado, identificando una región de un espacio multidimensional definida por un intervalo de valores de variables unitarias de tal forma que esté incluido en la región un número umbral de sujetos que tiene una respuesta común al primer tratamiento en forma de información neurofisiológica con el tratamiento activo; e identificar el intervalo de valores de variables unitarias que describen la región; combinar el conjunto de variables unitarias que tienen valores compartidos por los sujetos de una agrupación para formar una multivariable y emplear la multivariable como la al menos una variable indicadora; y en el que el procedimiento se realiza en un sujeto independientemente del diagnóstico conductual de una enfermedad mental, o de los datos conductuales del sujeto.
Description
Procedimiento para predecir el resultado de
tratamientos.
La presente invención se refiere al campo de la
electroencefalografía (EEG), y más específicamente incluye un
procedimiento para seleccionar terapias para afecciones
psiquiátricas con diagnóstico conductual y para predecir los
resultados de las terapias.
El tratamiento convencional para los trastornos
mentales sigue un diagnóstico de acuerdo con un patrón después de
lo cual se selecciona un tratamiento que se ha reseñado que es
eficaz para ese diagnóstico particular. Habitualmente hay varias
opciones de tratamiento disponibles. La selección de un tratamiento
particular depende del criterio del médico. La validez de este
criterio, a su vez, depende de la información disponible para el
médico. La información disponible para el médico a menudo incluye
riesgo de respuestas alérgicas y similares en el caso de que se
administre una sustancia como parte del tratamiento. Sin embargo,
hay poco más disponible para ayudar al médico a evitar recetar un
tratamiento al que el paciente no responde, o peor, un tratamiento
que empeore la enfermedad mental en lugar de controlarla. Por lo
tanto, los médicos ensayan numerosas modalidades de tratamiento
para determinar un tratamiento eficaz en un caso dado.
Es notoria la heterogeneidad de la respuesta al
tratamiento de la enfermedad mental diagnosticada. Por consiguiente,
se han producido intentos de mejorar los procedimientos de
diagnóstico para identificar grupos de trastornos mentales
particulares que respondan de forma más homogénea. Sin embargo, a
pesar de la mayor homogeneidad entre la enfermedad mental
diagnosticada para cada médico y entre distintos médicos, la
respuesta al tratamiento de los trastornos mentales continua siendo
marcadamente heterogénea.
Actualmente, el Diagnostic and Statistical
Manual of Mental Disorders ("DSM") proporciona unas directrices
definitivas para diagnosticar y tratar los trastornos mentales.
Véase por ejemplo, Nathan et al.: "Psychopathology:
Description and Classification" en Annual Reviews of Psychology,
50: 79-107 (1999). El manual DSM, actualmente en su
cuarta edición, denominado habitualmente
"DSM-IV", se organiza siguiendo diversos ejes.
Por ejemplo, los trastornos del eje I incluyen depresión mayor y
esquizofrenia; el eje II incluye trastornos de la personalidad;
mientras que el eje III se refiere a trastornos físicos que
contribuyen a síntomas psicológicos. Un vistazo conveniente a las
entradas del DSM es de acuerdo con sus capítulos dado que están
organizados por temas para evitar un exceso de detalles. Dichos
detalles están dentro de la pluralidad de diagnósticos que se
describen en cada uno de los capítulos. Los ejemplos de capítulos
incluyen los de "trastornos de la infancia", "trastornos de
alimentación", "trastornos relacionados con sustancias",
"ansiedad", "trastornos del estado de ánimo" y
similares.
Otro patrón alternativo para diagnosticar
trastornos mentales es el conjunto de criterios que mantiene la
Organización Mundial de la Salud ("OMS") en la Clasificación
internacional de enfermedades ("ICD"). La ICD se emplea más
extensamente en Europa que en Norteamérica, aunque el
DSM-IV sigue siendo el patrón internacional
predominante para permitir a los profesionales sanitarios
independientes realizar diagnósticos similares de un paciente
particular a pesar de la naturaleza inherentemente subjetiva de las
observaciones subyacentes.
La aplicación de las mencionadas técnicas de
diagnóstico estándar requiere recopilar datos. Actualmente hay
disponibles diversos procedimientos de recopilación de datos, como
por ejemplo mediciones objetivas de la actividad cerebral o
entrevistas con el paciente y observaciones del comportamiento
estimulado o natural del sujeto. Por ejemplo, hace mucho tiempo que
hay disponibles mediciones objetivas como por ejemplo registros de
electrodos fijados sobre la cabeza de un sujeto, denominados
electroencefalogramas ("EEG"). Sin embargo, han tenido un uso
muy limitado fuera del contexto de monitorizar y controlar las
crisis de epilepsia o de estudiar los trastornos relacionados con
el sueño.
En particular, los sistemas conocidos para
diagnosticar los trastornos mentales, como por ejemplo el
DSM-IV, no emplean registros de EEG para ayudar o
bien en el diagnóstico o bien en el tratamiento de un trastorno
mental a parte del contexto de las crisis de epilepsia, muerte
cerebral, monitorización intraoperatoria o demencia. Por ejemplo,
un comité de expertos en un artículo, Hoffman et al., J. of
Neuropsychiatry and Clinical Neurosciences, 11:3 (1999), cita la
American Academy of Neurology ("AAN") que recomienda el EEG
cuantitativo ("QEEG") como que no presenta valor clínico en
1987 y en 1997 como que es de uso clínico limitado en (a) apoplejía,
(b) demencia, (c) monitorización intraoperatoria, y (d) epilepsia.
Sin embargo, la AAN no aceptó la utilidad clínica para la
aplicación en (a) lesión cerebral por traumatismo, (b) trastornos
psiquiátricos que incluyen discapacidades del aprendizaje, y (c)
uso médico-legal. Aunque Hoffman et al.
discrepan con las limitadas recomendaciones de la AAN para el uso
del QEEG, no ofrecen alternativas concretas a la aplicación
terapéutica del QEEG en el tratamiento de los trastornos mentales.
Esto ilustra el desafío representan los datos objetivos como por
ejemplo la información neurométrica/neurofisiológica en general y
los datos de EEG en particular en el tratamiento de los trastornos
mentales.
La técnica neurofisiológica de EEG mide la
actividad eléctrica del cerebro en función del tiempo de la
variación de los potenciales espontáneos (SP) mediante un número de
electrodos que se sitúan en zonas estándar del cuero cabelludo. La
información neurofisiológica obtenida a través del análisis por EEG
se registra en forma de un conjunto de señales de la amplitud de
los SP en función del tiempo para los electrodos del cuero cabelludo
que tienen una referencia variable. Esta información análoga de EEG
puede analizarse e interpretarse visualmente para detectar
anormalidades en las señales.
En los años 70 del siglo XX, el análisis
cuantitativo de las señales de EEG proporcionó un acceso fácil y
rápido a mediciones que extendían el procedimiento de EEG más allá
de la detección visual cualitativa de la anormalidad de las
señales. Los estudios de EEG cuantitativo (QEEG) suponen la
adquisición a través de canales múltiples, el procesamiento y el
análisis de la actividad cerebral a través de, a menudo, pero no
exclusivamente, ordenadores. Un ejemplo de un instrumento para
EEG/QEEG es el sistema Easy Writer II, disponible de Caldwell
Laboratories, Inc. (Kennewick, Washington).
En una versión los electrodos de registro de
EEG/QEEG (al menos un electrodo, preferiblemente diecinueve
electrodos y lo más preferiblemente 21 electrodos) se sitúan
habitualmente en zonas estándar del cuero cabelludo usando el
Sistema de colocación internacional 10/20. Entonces se realiza un
registro multicanal de la actividad cerebral en estado alerta,
despierto, con los ojos cerrados o en "ruido de fondo" y se
analiza a menudo usando un procesamiento de señales por
transformada rápida de Fourier (FFT). El procesamiento por FFT del
EEG en bruto permite la medición y cuantificación de múltiples
características de la actividad eléctrica cerebral. En este proceso,
opcionalmente, se rechazan las señales debidas al movimiento
muscular u ocular o al ruido ambiental, dejando la información
referida a la neurofisiología para el análisis ulterior.
Los registros de EEG son habitualmente de
calidad incierta y a menudo requieren la ayuda de un técnico
experimentado. Véase, por ejemplo, Nuwer, Marc, "Assessment of
digital EEG, quantitative EEG, and EEG brain mapping: Report of the
American Academy of Neurology and the American Clinical
Neurophysiology Society" en Neurology, 49:
277-292 en la página 279 (1997). Aún así, hay
procedimientos conocidos para obtener datos de EEG de forma fiable
colocando los electrodos (satisfaciendo los límites de impedancia
que se especifican) relativos a puntos de referencia del cráneo
como por ejemplo el sistema internacional 10/20. La patente de
Estados Unidos número 5.730.146 expedida a Itil et al. el 24
de marzo de 1998 describe un aparato para colocar los electrodos de
forma reproducible, de acuerdo con el sistema internacional 10/20,
sobre la cabeza de un sujeto y transmitir los datos de EEG a una
localización remota mediante una conexión telefónica. La patente de
Estados Unidos número 5.816.247 expedida a Douglas E. Maynard el 6
de octubre de 1998 describe un aparato y procedimiento para recoger
señales de EEG de un sujeto y someter las señales a clasificación
con ayuda de una red neural con formación adecuada.
No todas las personas con un EEG anormal tienen
un trastorno mental asociado ni al revés. Aunque el EEG revela
cambios groseros como por ejemplo picos y alteraciones que acompañan
a una crisis de epilepsia o la falta de actividad cerebral asociada
a la muerte, tiene mucho menos éxito para proporcionar una
correlación con trastornos mentales conocidos tal como se definen
en el DSM-IV o sus otras ediciones. Hay dificultades
similares para correlacionar los hallazgos de EEG/QEEG con otros
sistemas de diagnóstico de trastornos mentales, como por ejemplo la
ICD.
El manual DSM-IV tiene muchos
detractores que discrepan de diversos detalles metodológicos o sus
conclusiones así como la estrategia básica que subyace el manual.
Sin embargo, a la vista de la realidad de los trastornos mentales y
el beneficio terapéutico posible con la administración de sustancias
y terapia a un sujeto para tratar trastornos mentales esas críticas
no proporcionan alternativas prácticas a la prescripción de
sustancias o al tratamiento distinto del DSM-IV o
un esquema de diagnóstico comparable. La anteriormente mencionada
carencia de confianza en los registros de EEG para formular un
diagnóstico refleja la falta de correlación entre un diagnóstico de
acuerdo con los sistemas conocidos para diagnosticar los trastornos
mentales, como por ejemplo DSM-IV, y los registros
de EEG. En los pocos casos en los que es posible encontrar una
correlación, como por ejemplo en la esquizofrenia avanzada, existen
indicadores obvios de la enfermedad que eliminan la necesidad de
realizar registros de EEG en vista del mayor coste y necesidades
técnicas que presenta el EEG.
Además del EEG, las mediciones objetivas de la
actividad cerebral incluyen técnicas como por ejemplo resonancia
magnética (MRI), resonancia magnética funcional (FMRI), tomografía
por emisión de positrones (PET), tomografía computerizada de
emisión de fotón único (SPECT), magnetoencefalografía (MEG),
magnetoencefalografía cuantitativa (QMEG) y muchas otras. Todas
estas técnicas tienen una significación limitada en el tratamiento
real de los trastornos mentales por razones similares a las
indicadas en el caso de los registros de EEG o por razones de coste
o debido a la facilidad de uso o una combinación de las mismas.
En consecuencia, los intentos conocidos de
integrar la información neurofisiológica con el el tratamiento
empiezan por una DSM definitiva, o de forma similar, el diagnóstico
seguido de un intento de identificar las variaciones en QEEG o EEG
que muestran una correlación directa con el diagnóstico conocido. Un
ejemplo de dicha estrategia en el contexto de un diagnóstico de
síndrome de fatiga crónica puede encontrarse en la patente de
Estados Unidos 5.267.570 expedida a Myra S. Preston el 7 de
diciembre de 1993 por un "procedimiento para diagnosticar y
tratar el síndrome de fatiga crónica". De forma similar, en el
contexto de un diagnóstico de la demencia por Alzheimer, se
describe el uso de datos de EEG por la patente de Estados Unidos
5.230.346 expedida a Leuchter et al. el 27 de julio de 1993
por "Diagnóstico de afecciones cerebrales mediante
electroencefalografía cuantitativa". Otra patente de Estados
Unidos con número 5.873.823 expedida a David Eidelberg el 23 de
febrero de 1999 describe una estrategia más generalizada de
detectar marcadores para ayudar a cribar pacientes para un
diagnóstico y tratamiento tradicionales. La patente de Estados
Unidos número 5.083.571 concedida a Leslie S. Prichep el 28 de
enero de 1992 describe el análisis discriminante y el análisis por
grupos de datos de EEG en el diagnóstico de trastornos
mentales.
Ninguna de las patentes mencionadas
anteriormente enseña la integración de las definiciones conductuales
de los trastornos psiquiátricos con los datos objetivos a la vista
de la respuesta de un sujeto al tratamiento del estado mental del
paciente independientemente del diagnóstico. En vez de ello, se
centran en refinar el diagnóstico de los trastornos psiquiátricos
conductuales tradicionales con ayuda de datos objetivos.
No es raro que una entidad terapéutica prescrita
para un trastorno mental particular no consiga aliviar nada los
síntomas o incluso que provoque más síntomas u otros diferentes. En
otras palabras, además de una correlación entre los sistemas de
diagnóstico tradicionales y los datos objetivos, la correlación
entre el diagnóstico tradicional y los tratamientos también es
significativamente menos que deseable.
La ausencia de una fuerte correlación entre los
datos objetivos recopilados de un sujeto y las técnicas analíticas
conocidas, como por ejemplo el DSM-IV, dificulta
descubrir y utilizar la probable utilidad de una sustancia o
terapia dada tras la administración a un sujeto. De hecho, el
identificar a un sujeto como que tiene un perfil neurológico
anormal requiere una base más objetiva que la que proporcionan los
datos subjetivos para reducir los errores del tratamiento y mejorar
la probabilidad de un resultado exitoso para una pauta de
tratamiento.
Además, muchas sustancias conocidas y entidades
terapéuticas actualmente disponibles presentan efectos útiles sobre
el estado mental todavía desconocidos. Fiarse de datos de
observación más subjetivos basados en la historia de casos narrados
o en las observaciones a menudo enmascara las propiedades útiles de
muchas sustancias conocidas. A menudo, al proporcionar información
para modificar la conducta es difícil persuadir de forma anticipada
a un sujeto de que el riesgo de daños o de adición es mayor en el
caso del sujeto que en la población general. Así, la generación de
información neurofisiológica proporciona una herramienta útil para
diseñar e implementar programas con mayor alcance.
Algunas sustancias son de considerable
trascendencia social y política dado que los usuarios de dichas
sustancias son una fracción muy pequeña de la población general, y
en consecuencia sus necesidades se ven fácilmente superados por el
coste de dar servicio y localizar a dichos usuarios. Aunque las
actuales leyes alientan a esos usuarios a través de estipulaciones
como por ejemplo identificar "fármacos huérfanos" para
tratamiento especial, el coste de identificar incluso la afección a
la que debe dirigirse un fármaco huérfano putativo supone un
desafío. La mejor identificación de los fármacos huérfanos no solo
mejoraría la disponibilidad del tratamiento, si no que realmente
proporcionaría tratamiento a medida para un amplio espectro de
sujetos.
Además, las sustancias adicionales presentan
adicción asociada a su administración. Los ejemplos incluyen
nicotina, que habitualmente se autoadministra mediante inhalación de
humo, y muchas otras sustancias cuya venta está restringida o
prohibida por la ley. Sin embargo, educar al público de los daños
que suponen dichas sustancias es difícil en ausencia de una
evaluación de riesgo a medida de las respuestas dañinas y de la
propensión a provocar adicción. Actualmente, no existe ningún
procedimiento ni sistema para proporcionar dicha información a
medida aunque a la vez anticipada como parte de las campañas de
educación pública y de cuidados preventivos.
John E. R. Am. J. EEG Tech.
30:254-266 (1990) se refiere al concepto básico de
la electroencefalografía cuantitativa (QEEG) en la que el análisis
por ordenador hace posible la detección y cuantificación de la
organización cerebral anormal, para proporcionar una definición
cuantitativa de la gravedad de la enfermedad cerebral, y para
identificar subgrupos de anormalidades patofisiológicas en grupos
de pacientes con síntomas clínicos similares.
El documento US 6.223.074 se refiere a un
procedimiento para diagnosticar la presencia de un trastorno
neurológico o evaluar de otro modo la afección neurológica de un
paciente. El también permite evaluar la pauta de tratamiento que
usa el paciente. El procedimiento incluye la recogida y el análisis
de datos de ERP. El procedimiento se inicia realizando una
pluralidad de ensayos de ERP en un paciente. Los datos de los
ensayos de ERP después se caracterizan para producir un único
vector de señal de ERP para el paciente. Después se usan
proyecciones para identificar la presencia o ausencia de un
trastorno neurológico.
Los anteriores inconvenientes se ven superados
con la presente invención, que se describe a continuación, además
de las nuevas capacidades que se permiten en sus diversas
realizaciones.
La invención proporciona un procedimiento tal
como se define en la reivindicación 1. Otras características se
definen en las reivindicaciones anexas. Entidad en la práctica
clínica.
La Fig. 1 es un esquema de una base de datos de
tratamientos y respuestas que enseña la invención;
La Fig. 2 ilustra un procedimiento ejemplar para
usar una base de datos de tratamientos y respuestas;
La Fig. 3 ilustra la base de datos de
tratamientos y respuestas para evaluar y generar tratamientos de
forma anticipada;
La Fig. 4 representa la relación entre las
entidades terapéuticas basándose en las reglas que comparten sus
agrupaciones respectivas;
La Fig. 5 describe un procedimiento ejemplar
para identificar los agentes para encontrar un tratamiento para un
sujeto;
La Fig. 6 ilustra un procedimiento ejemplar para
evaluar la información neurofisiológica de sujetos que tienen una
respuesta conocida a un agente;
La Fig. 7 ilustra otro procedimiento ejemplar
para reevaluar la información neurofisiológica de sujetos que
tienen una respuesta conocida a un agente para determinar las
respuestas beneficiosas al agente;
La Fig. 8 ilustra un procedimiento ejemplar para
correlacionar un tratamiento distintivo con la información
neurofisiológica de un sujeto;
La Fig. 9 ilustra un procedimiento ejemplar para
evaluar a un sujeto para su inclusión en un ensayo clínico;
La Fig. 10 ilustra un procedimiento ejemplar
para administrar una única entidad terapéutica
La Fig. 11 ilustra un procedimiento ejemplar
para administrar múltiples entidades terapéuticas,
La Fig. 12 ilustra un procedimiento ejemplar
para identificar un conjunto enriquecido de sujetos para identificar
y aislar factores genéticos habituales que subyacen la respuesta a
diversas afecciones que pueden tratarse con tratamientos
habituales;
La Fig. 13 ilustra una multivariable y
agrupación de datos en su contexto;
La Fig. 14 ilustra un dispositivo portátil
basado en la pequeña huella que posibilita la identificación de
reglas por el sistema y procedimiento de la invención; y
La Fig. 15 ilustra una realización para el
tratamiento y evaluación a distancia mediante los procedimientos de
la invención.
La presente invención se refiere a un
procedimiento para predecir el resultado del tratamiento de un
sujeto En un aspecto importante, la predicción es independiente del
diagnóstico tradicional, y por lo tanto no se ve limitado por la
exactitud del diagnóstico clínico ni de los datos conductuales que
subyacen el diagnóstico clínico.
La presente invención se basa, en parte, en los
descubrimientos de los inventores de que la información
neurofisiológica cuantitativa, que preferiblemente incluye
información electrofisiológica cuantitativa, es un indicador fiable
por el que elegir terapias para individuos con afecciones
psiquiátricas con diagnóstico por conducta y para predecir
resultados a partir de las terapias seleccionadas. Se ha descubierto
que dicha información cuantitativo es más fiable y útil para guiar
el tratamiento de trastornos mentales que las clasificaciones de
diagnóstico tradicionales a las que se llega mediante
procedimientos psiquiátricos cualitativos estándar conocidos en la
técnica, que se basan en gran medida en entrevistas, observación, y
similares.
Los inventores creen, sin limitación, que la
información electrofisiológica cuantitativa, como por ejemplo la
obtenida mediante registros de electroencefalograma cuantitativos
(QEEG), refleja mejor el funcionamiento fisiológico del sistema
nervioso central subyacente (o, más específicamente, del cerebro)
sobre el que actúan directamente las terapias, especialmente las
terapias de entidades terapéuticas. De hecho, los datos de QEEG
proporcionan información regional (anterior, central, posterior,
izquierda, y derecha) sobre el funcionamiento del SNC que refleja
la bien conocida regionalización y lateralización del funcionamiento
del SNC. Por el contrario, se cree que la conducta reseñada u
observada cualitativamente es el resultado neto de muchos factores
de forma que cualquier conducta dada puede ser el único resultado
de al menos varias constelaciones diferentes de funcionamiento
fisiológico del SNC, donde cada constelación debería atacarse
mediante terapias diferentes. Por consiguiente, se cree que la
información neurofisiológica cuantitativa es más fiable para
seleccionar la terapia que el diagnóstico conductual tradicional
por
sí solo.
sí solo.
Por lo tanto, las terapias para afecciones
psiquiátricas con diagnóstico por conducta se seleccionan de acuerdo
con las indicaciones de la información neurofisiológica
cuantitativa. Antes de la presente invención, las terapias se
seleccionaban principalmente basándose únicamente en el diagnóstico
conductual, como por ejemplo un diagnóstico de acuerdo con un
estándar como el DSM-IV. Es bien conocido, sin
embargo, que las terapias así seleccionadas son a menudo
ineficaces, o menos de lo suficientemente eficaces, o que realmente
pueden exacerbar la dolencia original. Por lo tanto, los médicos
esperaban unos significativos ensayo y error, efectos secundarios
desagradables, coste, esfuerzo por parte del paciente, etc. para
llegar a una terapia eficaz. Por lo tanto, esta invención
proporciona un procedimiento y sistema para mejorar la posibilidad
de seleccionar un tratamiento eficaz la primera vez.
Hasta la presente invención, no se pensaba que
los datos neurofisiológicos cuantitativos y de QEEG eran útiles
para la selección del tratamiento debido a que la gran complejidad
de estos datos escondían eficazmente la información que la presente
invención es capaz de discernir. Originariamente, los datos de EEG
se presentaban únicamente con formas de ondas análogas, que eran
útiles sólo para detectar anormalidades sorprendentes en el dominio
del tiempo. Por lo tanto, los datos de EEG se han usado desde hace
mucho para diagnosticar las epilepsias. Los datos analógicos no
podrían usarse para detectar cambios sutiles en el funcionamiento
fisiológico del SNC. Aunque las técnicas de EEG cuantitativo
produjeron mediciones numéricas de la actividad de EEG, los datos
de QEEG también esconden información útil en los muchos cientos a
sustancialmente más de mil mediciones distintas de la estructura de
EEG. Estas mediciones incluyen principalmente transformadas de
Fourier, amplitudes, y correlaciones de datos unipolares, que se
derivan de señales registradas a partir de derivaciones únicas de
EEG, y datos bipolares, que se derivan de combinaciones de señales
de dos derivaciones de EEG.
En vista de los descubrimientos básicos que
subyacen la presente invención, los inventores han descubierto
además procedimientos y sistemas para extraer información útil para
la selección de la terapia a partir de esta masa de datos
neurofisiológicos cuantitativos anteriormente inescrutable. Estos
procedimientos novedosos se describen ahora de forma breve y
general para preparar las descripciones específicas de realizaciones
y aplicaciones particulares de estos procedimientos y sistemas que
vienen posteriormente. La presente descripción es un resumen no
limitante, mientras que las descripciones específicas posteriores
presentan los detalles reales de las diversas realizaciones y
aplicaciones de forma consistente y completa.
Por lo tanto, de forma general, el procedimiento
de la presente invención comienza por la recopilación de datos para
un cierto número de individuos, donde para cada individuo, los datos
(denominados de forma colectiva, por ejemplo, una base de datos de
terapia-respuesta) incluye al menos unos datos de
QEEG iniciales, una terapia que se administra después, y una
evaluación cuantitativa de la respuesta a la terapia. Los individuos
de la base de datos tienen una afección psiquiátrica con
diagnóstico por conducta; se QEEG inicial se toma en condiciones
libres de entidad terapéutica; los datos de QEEG se transforman de
forma que reflejen una desviación relativa de las observaciones que
se han hecho en individuos sin síntomas psiquiátricos; y después se
administra una única terapia. La base de datos, por supuesto, puede
incluir datos adicionales de cada individuo, por ejemplo, el
diagnóstico conductual tradicional.
Con fines únicamente descriptivos (y sin
limitación en lo que se refiere a la puesta en práctica), el
procedimiento de esta invención puede describirse y visualizarse en
términos espaciales. Por lo tanto, la base de datos de
terapia-respuesta puede representarse en forma de
puntos en un espacio (espacio de QEEG). El espacio de QEEG tiene un
gran número de dimensiones, habitualmente sustancialmente más de mil
dimensiones, donde una dimensión registra los valores de cada
medición de QEEG (normalizada y "en bruto"). Cada punto
representa un individuo de la base de datos, el punto se posiciona
de acuerdo con las mediciones de QEEG del individuo y marcadas
tanto por la terapia del individuo como por si el individuo
respondió o no a la terapia administrada. Después, tal como han
descubierto los inventores, los puntos (es decir, los individuos)
que responden a terapias particulares tienden a estar dispuestos en
"agrupaciones", o en grupos "localizados" en el espacio de
QEEG. Aunque estas agrupaciones o grupos pueden verse como, por
ejemplo, "galaxias" de individuos que responden, las formas de
estas galaxias no se limitan a regiones compactas, si no que muy
menudo son regiones altamente, incluso inimaginablemente, complejas
en este espacio de más de mil dimensiones.
A pesar de toda la complejidad, en una
realización de la invención los límites de estas agrupaciones de
puntos que responden definen las mediciones de QEEG, es decir las
estructuras del EEG de un paciente nuevo, que predicen la respuesta
probable de ese paciente a las terapias que definen las
agrupaciones. En otras palabras, si el punto que representa el QEEG
del paciente nuevo está dentro o cerca de una agrupación definida
por una terapia particular, entonces se selecciona esa terapia para
el nuevo paciente de acuerdo con la invención.
Es importante, y un aspecto principal de esta
invención, que esta agrupación es en gran medida independiente del
diagnóstico conductual. Las agrupaciones preferiblemente se definen
porque responden sólo a terapias particulares; preferiblemente no
se usan otras condiciones de la agrupación, como por ejemplo el
diagnóstico. Si, en una realización, el diagnóstico es parte de la
agrupación, sólo es útil la información más general del diagnóstico.
Por ejemplo, puede ser útil agrupar por separado a los individuos
cuya afección psiquiátrica diagnosticada conductualmente dependa de
otras afecciones médicas de los que no tienen ese tipo de afecciones
identificables. Dichas afecciones podrían incluir anormalidades
metabólicas debidas a enfermedad renal o hepática, tumor,
traumatismo, y similares. Por el contrario, la técnica anterior
enseña justo lo contrario, en concreto "agrupar" a individuos
de acuerdo con su diagnóstico (es decir "diagnosticar" a los
individuos) y después usando dichas agrupaciones de diagnóstico
para seleccionar las terapias de forma convencional. El carácter con
el que se han usado los datos de QEEG objetivamente en psiquiatría
antes de la presente invención, ha sido para diagnosticar,
seleccionando la terapia dependiendo del diagnóstico. Los presentes
inventores han descubierto que los procedimientos opuestos a la
técnica anterior son considerablemente
más eficaces.
más eficaces.
El procedimiento de esta invención ahora pasa a
encontrar y representar los límites de las agrupaciones o grupos de
puntos (individuos de la base de datos) que responden a una terapia
particular. En una realización, la identificación y la
representación de grupos se realiza directamente en el espacio de
QEEG de más de mil dimensiones. Es muy ventajoso porque las
agrupaciones se representan de la forma más exacta sin aproximación
en este espacio definido por el completo complemento de las
mediciones que representan la estructura del EEG de un paciente. Es
menos ventajoso porque la representación de formas y límites en un
espacio de tantísimas dimensiones es laborioso. En este espacio,
los límites de la agrupación pueden ser representados por funciones
de más de mil dimensiones. Por ejemplo, una agrupación para la
terapia T puede tener un límite representado por la función, f, de
forma que para un punto de un paciente, p, si f(p) > 0
entonces p está dentro de la agrupación. En este caso, T está
indicada para el paciente p, y no está indicada para los pacientes q
con f(q) < 0. Por lo tanto, f = 0 puede considerarse como
que define un "hiperplano" que divide los pacientes para los
que está indicada T de los otros pacientes. Sin embargo, incluso si
para un paciente q, f(q)< 0, por ejemplo, la terapia T
puede considerarse aún si el punto q está lo suficientemente
"cerca" a la agrupación definida. Tal como se entiende de la
forma más general, dichas funciones, que excluyen los límites de las
agrupaciones, definen "variables indicadoras", es decir
variables que indican, o no, terapias particulares.
Por lo tanto, en las realizaciones preferidas,
el espacio de QEEG se proyecta, o de forma más general, se mapea (o
se proyecta y se mapea) en un espacio de QEEG reducido (simplemente,
un espacio reducido) de dimensiones menores de tal forma que las
agrupaciones o grupos de pacientes que responden se conservan
sustancialmente. Preferiblemente, el espacio reducido tiene entre
50 y 200 dimensiones, y más preferiblemente, el espacio reducido
tiene entre 50 y 100 dimensiones, mientas que menos preferiblemente,
el espacio reducido tiene más de 200 dimensiones. El número real
de dimensiones de una puesta en práctica viene limitado por la
eficacia de las técnicas de agrupación disponibles y los recursos
informáticos para realizar esta agrupación. Las proyecciones
preferiblemente se definen descartando las mediciones de QEEG que se
determina que contribuyen poco a una agrupación en el espacio
reducido, donde la contribución de una medición puede determinarse
analizando las sensibilidades de las agrupaciones en el espacio
reducido a la medición particular.
Un mapeo preferiblemente se define combinando
conjuntos separados de mediciones de QEEG múltiples en variables
únicas que definen las coordenadas en el espacio reducido (por
ejemplo, al combinar conjuntos de 10 mediciones de QEEG en
variables únicas, 1000 dimensiones se reducen a 100 dimensiones).
Preferiblemente, los conjuntos separados incluyen mediciones de
QEEG que tienen una significación fisiológica relacionada. Por
ejemplo, las señales monopolares se combinan de forma que
representen el espectro de potencia (dividido entre las bandas de
frecuencia estándar de alfa, beta, delta, y theta) de las regiones
anatómicas monopolar (anterior, central, posterior, izquierda, y
derecha). Las señales bipolares se combinan de forma que representen
el espectro de potencia de la actividad simultánea entre diversas
regiones del cerebro, por ejemplo, por la línea media. Las
mediciones de los conjuntos generalmente se combinan de acuerdo con
funciones monotónicas en todas las variables, como por ejemplo
combinaciones lineales, combinaciones lineales normalizadas de forma
no lineal, funciones sigmoideas, etc.
En las siguientes descripciones detalladas, las
mediciones de QEEG a menudo se denomina "mediciones
unifactoriales", o "unifactoriales", o "univariables",
etc. Las variables que definen el espacio reducido se denominan
"mediciones multifactoriales", o "multifactoriales", o
"multivariables", etc. En alternativas preferidas, ciertas
dimensiones del espacio reducido se definen mediante univariables
únicas, o mediante mediciones de QEEG en bruto, como por ejemplo
potencia absoluta. Los mapeos/proyecciones reales preferidos se
representan en forma de tablas que definen las multivariables en
términos de univariables. Además, los mapeos reales (así como el
número de dimensiones de espacio reducido) pueden mejorarse
mediante iteraciones al comparar agrupaciones o grupos en espacio
de QEEG con las agrupaciones mapeadas en el espacio reducido de
QEEG, y ajustando el mapeo de forma que las agrupaciones mapeadas
reproduzcan las agrupaciones originarias con fidelidad
sustancial.
Por lo tanto, en realizaciones preferidas, se
determinan los límites de las agrupaciones y se representan en un
espacio reducido de QEEG. Aquí, como en el espacio de QEEG, los
límites de las agrupaciones pueden representarse mediante
funciones, o variables "indicadoras", que son más manejables
siendo funciones de, preferiblemente, 100 o menos variables. En
ambos espacios, las agrupaciones o grupos definidos por la respuesta
a la terapia pueden determinarse mediante procedimientos de
agrupación conocidos, por ejemplo, procedimientos estadísticos como
por ejemplo agrupación en árboles, agrupación de medias de k, y
similares. De forma alternativa, los límites de las agrupaciones (y
las variables indicadoras) pueden encontrarse y representarse
mediante redes neurales. También, los límites de las agrupaciones
son habitualmente aproximados o "difusos". Preferiblemente, se
elige un límite de forma que un porcentaje determinado de los
individuos que responden a la terapia que se están agrupando estén
dentro del límite, mientras que un porcentaje determinado similar de
todos los individuos que responden a la terapia están dentro del
límite. Se ha encontrado que un porcentaje determinado práctico es
80%; también pueden usarse otros porcentajes, por ejemplo, 55%, 60%,
70%, 90%, 95% o más.
En una realización preferida adicional, un
espacio reducido de QEEG puede simplificarse más, sin pérdida
esencial de la agrupación, en lo que puede conceptualizarse como un
cubo binario multidimensional (un espacio reducido de QEEG
"binario"), es decir como el espacio {0,1}^{N} ("0" y
"1" pueden representar, por ejemplo, "verdadero" y
"falso"). En una realización preferida particular que se
describe posteriormente, N = 72. Este espacio binario se realiza,
por ejemplo, dividiendo el rango de cada coordenada, o multivariable
progenitora, definiendo un espacio reducido en dos porciones de
forma que una multivariable "reducida" correspondiente tenga el
valor 1 si el valor de la multivariable progenitora está en la
primera porción, y es 0 en el caso contrario. Por lo tanto un
espacio reducido puede mapearse además en un espacio binario
reducido. Un procedimiento preferido para dividir las
multivariables del rango es seleccionar una primera porción con
valores más probables, o valores más normales, y una segunda
porción con valores menos probables, o más anormales. Por ejemplo,
más y menos probablemente puede elegirse sistemáticamente como 1 ó
2 desviaciones típicas de una media normal. En esta realización,
las multivariables reducidas se denominan "reglas" a
continuación, y el valor 1 o verdadero (o 0 o falso) se asigna a
los valores menos (o más) probables. En realizaciones alternativas,
los rangos de la multivariable progenitora pueden dividirse entre
tres o más porciones.
Se ha encontrado que es posible, a través de un
proceso iterativo o de ensayo y mejora, que la multivariable y sus
rangos que definen un espacio binario reducido puedan elegirse de
forma que los límites de las agrupaciones tengan una representación
particularmente compacta, que se ilustra de la forma más conveniente
mediante un ejemplo. Por lo tanto, se considera que R_{i} (i =
1,..., N) son multivariables reducidas, o reglas, que definen un
espacio reducido; y también que, por ejemplo (R_{l} = 0) es 1, o
verdadero si R_{i} es de hecho "0", y es 0 o falso si
R_{i} es de hecho "1" (y a la inversa para (R_{i} = 0)).
Entonces los límites de las agrupaciones podrían representarse
mediante funciones boleanas ejemplares. Por ejemplo, una función
boleana ejemplar es f (R_{1}, R_{2}, R_{3},..., R_{N}) =
(R_{l} = 1) y (R_{J} = 0) y (R_{K} = 0) y (R_{L} = 1), que
podría definir la agrupación f > 0 (donde f <= 0 no está en la
agrupación). Las funciones boleanas, que representan combinaciones
de reglas son una representación particularmente preferida de
variables "indicadoras". Por ejemplo, las funciones boleanas
generales, quizá expresadas en formas normales de conjunción o
disyunción, tienen capacidad de representar árboles de reglas con
decisiones generales. Ciertas realizaciones particulares que se
describen posteriormente, que expresan las agrupaciones en árboles
de decisiones, por lo tanto podrían expresarse de forma alternativa
con variables boleanas indicadoras.
Aunque esta invención se ha descrito en términos
de agrupación de acuerdo con los resultados de las terapias
individuales, las consideraciones de significación estadística y de
complejidad de computación pueden hacer que sea preferible una
agrupación de menor resolución. Por ejemplo, una base de datos de
terapia-respuesta particular puede tener un número
insuficiente de individuos sintomáticos para permitir determinar las
agrupaciones para todas las terapias individuales con una
significancia razonable. Ciertas terapias simplemente son escasas o
están ausentes de la base de datos. De forma alternativa, el coste
computacional de encontrar, definir y mapear todas esas
agrupaciones puede ser demasiado elevado incluso si hubiera
presentes suficientes individuos. En estas, las terapias por casos
pueden agruparse y se determinan las agrupaciones de los individuos
que responden a cualquier terapia del grupo. Habitualmente, las
terapias se agrupan de acuerdo con la similitud fisiológica. Por
ejemplo, todas las terapias que se sabe que afectan a un sistema
neurotransmisor particular de una forma particular se agrupan
juntas. Por lo tanto, la agrupación es de grados de resolución
variables.
Resumiendo ahora esta descripción general, de
acuerdo con la presente invención se seleccionan las terapias, y se
seleccionan los resultados terapéuticos, para pacientes con
afecciones psiquiátricas con diagnóstico por conducta no de acuerdo
con el diagnóstico conductual, si no que en su lugar se compara con
una base de datos de individuos sintomáticos que han presentado
respuestas positivas a diversas terapias o clases de terapias.
Entonces se seleccionan las terapias para un paciente que han tenido
éxito en individuos similares. De acuerdo con la invención, la
similitud se evalúa comparando la información neurofisiológica
cuantitativa del paciente con la de los individuos de la base de
datos. Preferiblemente, la información neurofisiológica cuantitativa
comparada incluye datos de QEEG, y la comparación se realiza
primero agrupando la información cuantitativa en agrupaciones o
grupos con capacidad de predicción de la respuesta a las diversas
terapias representadas en la base de datos.
Esta agrupación y comparación se lleva a cabo en
el espacio de datos de QEEG originales. Más preferiblemente, el
espacio de QEEG original se mapea en forma de espacios reducidos que
permiten una agrupación y comparación más simples a la vez que
conserva las estructuras de los grupos presentes en el espacio de
datos original. Dicho mapeo se realiza, por ejemplo, combinando las
mediciones unifactoriales que definen el espacio de datos original
en variables multifactoriales, donde cada variable multifactorial es
una combinación (lineal o no lineal) de mediciones de datos que
reflejan actividades fisiológicas similares del SNC. Además, un
espacio reducido se "disgrega" especificando rangos para las
variables multifactoriales que corresponden, por ejemplo, a normal
y anormal (por ejemplo, en un sentido estadístico) y asignando
valores discretos a las variables multifactoriales reducidas,
conocidas como "reglas" en esta realización. La disgregación
preferiblemente produce un espacio similar a un cubo binario de
muchas dimensiones. En cualquiera que sea el espacio, los límites
de las agrupaciones terapéuticas definen características de la
información neurofisiológica cuantitativa de un paciente que
predicen un resultado de respuesta a la terapia asociada. Estos
límites son definidos mediante funciones, conocidas como variables
indicadoras. En un espacio binario reducido, las funciones
indicadoras son reglas y las combinaciones de reglas boleanas.
Estos ejemplos pueden aplicarse para llegar a
resultados distintos de la selección de una terapia para un
paciente. Por ejemplo, como se describe más adelante, estos
procedimientos se usan para seleccionar politerapias; o se usan
también para seleccionar pacientes que tienen probabilidad de
responder a una terapia en pruebas. Además, una agrupación contiene
información adicional. Dado que la agrupación o el agrupamiento es
independiente del diagnóstico, una agrupación asociada con una
probable respuesta a una terapia particular habitualmente contiene
individuos que tienen muchos diagnósticos, aunque tengan
características neurofisiológicas cuantitativas similares. Por
consiguiente, los procedimientos de la presente invención llevan de
forma natural al uso de terapias para nuevos diagnósticos, es
decir, para pacientes con diagnósticos que hasta la fecha no se
trataban con las terapias indicadas. Así, se amplía el arsenal
terapéutico del profesional sanitario.
Finalmente, antes de una descripción más
detallada de realizaciones particulares y aspectos de la presente
invención, se explica el significado de ciertos términos útiles
habituales. Habitualmente, estos significados quedan claros por el
contexto, y corresponden a la noción de una persona de experiencia
ordinaria en la técnica. El uso de estos términos con otro
significado se indica cuando sea apropiado.
"Diagnosticado conductualmente" se toma
como que se refiere a individuos que presentan dolencias
psiquiátricas que se clasifican de acuerdo con un sistema de
diagnóstico psiquiátrico, preferiblemente de acuerdo con un sistema
estándar. Preferiblemente, las dolencias psiquiátricas y el
diagnóstico conductual son primarios, y no secundarios a otras
afecciones médicas como por ejemplo anormalidades metabólicas o
lesiones anatómicas. La presente invención es aplicable a las
personas con otras afecciones. Sin embargo, preferiblemente es un
grupo pacientes de ese tipo aparte los que no presentan otras
afecciones.
En mayor detalle, el diagnóstico conductual es
un diagnóstico de enfermedad mental basado en indicios conductuales,
tal como observan los psiquiatras y otros profesionales sanitarios
y codificado por el DSM-IV, o sus otras ediciones
(American Psychiatric Association. Diagnostic and Statistical Manual
of Mental Imbalances. DSM IV, Cuarta Edición. Washington,
DC: American Psychiatric Association), o la Intenational
Classification of Diseases (ICD) (posteado en
http://cedr.lbl.gov/icd9.html, última visita 26 de enero de
2000) o sistemas de clasificación similares.
"Información neurofisiológica" es la
información cuantitativa que se mide del cerebro o del SNC de forma
general. Puede incluir mediciones cuantitativas de información
anatómica referida al SNC de forma general, como por ejemplo la que
se obtiene por resonancia magnética (MRI) o tomografía computerizada
(CT). También puede incluir información que cuantifique procesos
metabólicos u otros procesos biológicos que tienen lugar en el SNC,
como por ejemplo la obtenida mediante MRI funcional, tomografía de
positrones/electrones (PET), o tomografía computerizada de emisión
de fotón único (SPECT). Esta información neurofisiológica
cuantitativa se distingue de la información conductual, en la que
se basa para hacer un diagnóstico tradicional, obtenida en
entrevistas, observación de la conducta, impresiones y referencias
de impresiones de delirio, confusión, capacidad de respuesta,
dexteridad y similares.
La naturaleza de la información neurofisiológica
cuantitativa, especialmente las condiciones para su registro, se ha
encontrado que es importante de forma que las terapias seleccionadas
o las respuestas previstas reflejen con exactitud lo que se
observará durante el funcionamiento diario rutinario de los
pacientes. Simplemente es preferible que los datos se registren en
pacientes no alterados y en un estado de conciencia normal. Por
ejemplo, la conciencia no debería estar alterada por agentes
sedantes, agentes hipnóticos, agentes anestésicos ni similares;
tampoco los pacientes deberían estar dormidos ni somnolientos. Los
pacientes deberían estar alerta normalmente y despiertos durante la
recopilación de datos. Además, dado que se ha encontrado que el
funcionamiento de fondo de todo el SNC refleja los resultados del
tratamiento, los pacientes no deberían ser molestados durante la
recopilación de datos.
Preferiblemente, por lo tanto, la información
neurofisiológica cuantitativa incluye impulsos electrónicos o
magnéticos que reflejan la actividad continuada del SNC en un
paciente en un estado cómodo, descansado, pero alerta sin estímulos
sensoriales. Los ojos deberían estar cerrados y el entorno libre de
alteraciones. Se ha encontrado que la información así registrada
refleja el funcionamiento de fondo útil en la presente
invención.
Las realizaciones actuales más preferidas son
datos de experimentos de EEG o magnetoencefalografía en los que el
paciente está descansando, con los ojos cerrados, pero alerta.
Actualmente, la más preferida es la información de QEEG, que es la
información de EEG que había sido digitalizada y transformada con
Fourier, y, posiblemente, expresada en términos de desviaciones de
observaciones en pacientes sin afecciones psiquiátricas o médicas.
Naturalmente, la información útil en esta invención habitualmente no
incluye indicios biespectrales, potenciales evocados sensorialmente
especiales ni datos de polisomnografía nocturna. Sin embargo, esto
no se pretende que indique que los procedimientos de la presente
invención no son útiles para mejorar el análisis de dicha
información.
Esta información neurofisiológica cuantitativa
se distingue de la información conductual, en la que se basa para
hacer un diagnóstico tradicional, obtenida en entrevistas,
observación de la conducta, impresiones y referencias de
impresiones de delirio, confusión, capacidad de respuesta,
dexteridad y similares.
"Distribución de referencia" es una
distribución o un conjunto de valores útil para medir las
desviaciones significativas de la normalidad al contrario que las
variaciones aleatorias. Una distribución de referencia no tiene que
obtenerse siempre a partir de datos obtenidos exclusivamente en
sujetos asintomáticos. En una realización de la invención, una
referencia comprende puntos de datos, que corresponden a controles
"normales" o asintomáticos de la misma edad, que muestran una
distribución gausiana.
La "puntuación Z", un tipo de normalización
transformación, son puntuaciones de probabilidad diferencial
uniformes. La diferencia entre un valor neurofisiológico observado
y la media de referencia esperada, como por ejemplo la media
"normal ajustada para la edad" dividida entre la desviación
típica de referencia esperada, como por ejemplo la desviación
típica "normal ajustada para la edad" arroja una puntuación Z
que corresponde al valor neurofisiológico observado.
Un "resultado con magnitud" (o un resultado
cuantitativo u objetivo) de un tratamiento es una puntuación de la
magnitud relativa del cambio en una afección psiquiátrica de un
paciente, en lugar de una descripción de sus detalles. Los
resultados cuantitativos permiten comparar la misma terapia en
diferentes afecciones o las diferentes terapias para la misma
afección. Un ejemplo ilustrativo son las puntuaciones de mejoría
clínica global ("CGI") que proporcionan una puntuación
numérica en el intervalo de [-1, 3] para indicar el efecto de un
tratamiento. Por supuesto, se incluyen los cambios binarios de
estado en dicho resultado indicador. Además, el resultado con
magnitud incluye basarse en un estado estacionario durante un
periodo de tiempo prescrito o usar tests que arrojan información
que puede compararse con la de antes de administrar un
tratamiento.
Una "multivariable" es una combinación de
variables unifactoriales identificadas como que son significativas
para describir o caracterizar una agrupación de sujetos. Las
variables unifactoriales a menudo se escalan para preparar la
combinación para asegurar que se hace referencia a una escala
uniforme con la sensibilidad requerida. En particular, las
multivariables definen un mapeo o transformación de un espacio de
datos habitualmente de muchas dimensiones a un espacio de menos
dimensiones más fácil de tratar para realizar los procedimientos de
esta invención.
Un "tratamiento" o "terapia" puede
incluir cualquier terapia psiquiátrica conocida, que incluye por
ejemplo terapia con una entidad terapéutica, psicoterapia, terapia
convulsiva, fototerapia, etc. Preferiblemente, la presente
invención se aplica a terapias que incluyen la administración de una
entidad terapéutica o una combinación de entidades terapéuticas. En
un sentido, un tratamiento incluye una clase de entidades
terapéuticas y terapia mientras que en otro sentido incluye un
agente específico.
Un "evento paroxístico" es una alteración
rápida y breve del EEG de fondo que se visualiza fácilmente en el
dominio del tiempo. A menudo está constituida por puntas y ondas de
corta duración, que a menudo pero no siempre vienen acompañadas de
un movimiento muscular repentino voluntario o involuntario.
Un "evento no paroxístico" es un EEG de
fondo sin artefactos, siendo los artefactos puntas y ondas de corta
duración que indican un evento paroxístico.
"Práctica autorizada" (o "práctica
clínica autorizada" o "práctica terapéutica autorizada") se
refiere a los uso de las terapias, en particular de entidades
terapéuticas, autorizadas por el órgano regulador relevante, que en
los Estados Unidos es la Agencia del medicamento estadounidense
(FDA). Dichos órganos reguladores habitualmente autorizan terapias
para usar sólo después de que se haya establecido su seguridad, y
habitualmente también sólo después de que se haya probado su
eficacia en ensayos clínicos. En los Estados Unidos, la práctica
autorizada está indicada en una etiqueta autorizada por la FDA, que
para las entidades terapéuticas, está recogida en el Physician's
Desk Reference.
Volviendo a la descripción de la invención, la
invención se basa, en parte, en el descubrimiento de que la
información neurofisiológica puede y debe utilizarse más que la
práctica habitual para tratar a los pacientes. Es habitual que un
sujeto al que se diagnostica de acuerdo con un estándar como el
DSM-IV se someta a un tratamiento sólo para
descubrir que el tratamiento es ineficaz. Además, muchos
tratamientos recomendados para el mismo diagnóstico del
DSM-IV pueden en realidad agravar la dolencia
original lo que provoca un significativo ensayo y error con sus
desagradables efectos secundarios. En un aspecto, la invención
proporciona un procedimiento y sistema para mejorar la probabilidad
de seleccionar un tratamiento eficaz con o sin un diagnóstico
tradicional previo de un trastorno mental.
De forma más particular, el procedimiento de la
invención emplea información neurofisiológica para evaluar,
clasificar, analizar y generar recomendaciones de tratamiento para
modular la función cerebral. La información neurofisiológica que se
usa independientemente del diagnóstico tradicional permite una
estimación independiente de la respuesta probable de un sujeto
particular a un tratamiento de, entre otras cosas, trastornos
mentales. De forma destacada, la invención tiene una amplia
utilidad en proporcionar un procedimiento para modular la función
cerebral en general.
Ahora se describen aspectos y realizaciones
detallados de la presente invención. Se pretende que cada una de
dichas realizaciones o aspectos se aplique por separado. En una
realización de la invención, la información neurofisiológica que se
recopila de un sujeto se transforma para permitir su comparación con
datos similares de otros sujetos. La información neurofisiológica
empleada en la presente invención se recopila con ayuda de
instrumentos. Dicha información proporciona información objetiva en
forma de señales de EEG/QEEG, señales de MRI, señales de PET,
señales de SPECT, y similares que pueden distinguirse de las
observaciones conductuales tradicionales de un sujeto para
diagnosticar un trastorno mental.
De forma más particular, los procedimientos de
la invención emplean información neurofisiológica para evaluar,
clasificar, analizar y generar recomendaciones de tratamiento para
modular la función cerebral. La información neurofisiológica que se
usa independientemente del diagnóstico tradicional permite una
estimación independiente de la respuesta probable de un sujeto
particular a un tratamiento de, entre otras cosas, trastornos
mentales.
Aunque la invención se describe en el presente
documento en sus diversas realizaciones que permite un amplio
espectro de datos neurofisiológicos, lo más preferiblemente incluye
datos de EEG, para predecir resultados terapéuticos, debe
entenderse que la presente invención puede aplicarse a otras
categorías de enfermedades además de afecciones psiquiátricas con
diagnóstico conductual. Una primera categoría incluye afecciones del
sistema nervioso central (SNC) que se considera que están en el
límite entre la psiquiatría y la neurología, considerándose o bien
psiquiátricas o neurológicas. Por ejemplo, los síndromes de dolor
central son ese tipo de afecciones. Las técnicas de la presente
invención, en particular seleccionar la terapia basándose en una
comparación de los datos neurofisiológicos de un paciente con una
base de datos de pacientes similares que han presentado buenos
resultados a una variedad de tratamientos, puede usarse con éxito a
esta categoría.
Una segunda categoría son los pacientes que
tienen trastornos neurológicos primarios con un componente
psiquiátrico. La depresión secundaria a la pérdida de función
debida a la apoplejía es una de esas afecciones. Para esta
categoría preferiblemente se centra la atención en un paciente, y en
los datos de EEG de individuos comparables. Aquí, las técnicas de
la presente invención se aplican a los datos de EEG comparando los
datos de EEG de un paciente con una base de datos de los datos de
EEG de individuos tratados con éxito (expresando la comparación
preferiblemente también en forma de reglas, como se explica
posteriormente). Finalmente, la presente invención es aplicable a
pacientes con afecciones claramente neurológicas. Centrándose en los
datos de EEG de estos pacientes, se recomiendan terapias de
actividad central para aliviar parte, o una parte sustancial de sus
síntomas.
En resumen, en una realización de la invención,
la información neurofisiológica que se recopila de un sujeto se
transforma para permitir su comparación con datos similares de otros
sujetos. La información neurofisiológica que se emplea en la
presente invención, recopilada con ayuda de instrumentos,
proporciona información objetiva en forma de señales de EEG/QEEG,
señales de MRI, señales de PET, señales de SPECT, y similares que
pueden distinguirse de las observaciones conductuales tradicionales
de un sujeto para diagnosticar un trastorno mental. En una
realización de la invención, la información neurofisiológica se
transforma con respecto a una distribución de referencia, por
ejemplo, una transformación Z para calibrar la desviación de la
distribución de referencia y permitir comparar entre diversas
mediciones que comprenden información neurofisiológica.
En una realización ilustrativa de la invención,
la información de EEG se recopila gracias a electrodos situados en
localizaciones estándar del cuero cabelludo de un sujeto usando, por
convención, el sistema internacional 10/20 para colocación de los
electrodos. La información se digitaliza y después se somete a
procesamiento de señales por transformada rápida de Fourier (FFT)
proporcionando un espectro de QEEG. Además de cuantificar la
potencia a cada frecuencia promediada entre el espectro de QEEG para
cada electrodo, el procesamiento de las señales por FFT de la señal
de EEG en bruto proporciona medición y cuantificación de otras
características de la actividad eléctrica cerebral.
El espectro de QEEG se divide actualmente en
cuatro bandas de frecuencia: delta (0,5-3,49 Hz);
theta (3,5-7,49 Hz); alfa
(7,5-12,49 Hz); y beta (12,5-35 Hz).
El espectro también incluye los resultados de cada uno de los
electrodos de EEG representados como mediciones de resultados
cuantitativos para cada banda de frecuencia. Estos incluyen
potencia absoluta en cada banda (\mu-V^{2});
potencia relativa en cada banda (porcentaje de la potencia en cada
canal); coherencia (una medición de la sincronización entre la
actividad en dos canales); y simetría (la proporción de la potencia
en cada banda entre un par simétrico de electrodos).
La relación entre estas mediciones
unifactoriales y la actividad cerebral es la siguiente. La potencia
absoluta es la cantidad de potencia media en cada banda de
frecuencia y en el espectro total de las frecuencias de la
información del EEG sin artefactos de cada electrodo, y se cree que
es una medición de la intensidad de la actividad eléctrica
cerebral. La potencia relativa es el porcentaje de la potencia total
contribuido por un electrodo respectivo y una banda de frecuencia
respectiva, y se cree que es una medición de cómo se distribuye la
actividad cerebral. La simetría es la proporción de los niveles de
actividad medidos entre regiones correspondientes de los dos
hemisferios o regiones cerebrales de un hemisferio de cada banda de
frecuencia y se cree que es una medición del equilibrio de la
actividad cerebral observada. La coherencia es el grado de
sincronización de los eventos eléctricos en regiones dadas de los
dos hemisferios
o en regiones de un hemisferio y se cree que es una medición de la coordinación de la actividad cerebral observada.
o en regiones de un hemisferio y se cree que es una medición de la coordinación de la actividad cerebral observada.
Usando lo mencionado anteriormente se calculan
mediciones unifactoriales, puntuaciones Z unifactoriales, o
puntuaciones de probabilidad diferencial uniformes. La puntuación Z
unifactorial para una medición de un resultado cuantitativo se
calcula dividiendo la diferencia entre un valor observado y la media
del valor "normal" esperado entre la desviación típica del
valor "normal" esperado. Los valores "normales" son
proporcionados por una base de datos disponible comercialmente como
por ejemplo la "Neurometric Analysis System" realizada por
NxLink, Ltd., de Richland, WA. La información sobre este producto
está actualmente accesible en la página web
(http://www.biof.com/nxlink. html; última visita el
25 de enero de 2000). El proceso de transformación de Z
escala toda la información que hace al caso en unidades de
probabilidad (o unidades que reflejan la probabilidad),
proporcionando una escala uniforme en todas las dimensiones que
puede simplificar las posteriores comparaciones y evaluaciones de
las relaciones entre elementos.
Un aparato de EEG/QEEG, como por ejemplo el
Spectrum 32, fabricado por Caldwell Laboratories, Inc. (Kennewick,
WA), ejecuta fácilmente estas transformaciones de Z neurométricas
unifactoriales. Este aparato contiene normas definidas para la edad
en bases de datos de las expresiones de regresión en base a la edad
que definen una distribución de elementos en función de la edad en
una población normal/asintomática. El aparato extrae de la base de
datos el valor medio y la desviación típica esperada para cada
elemento de un grupo de sujetos "normales" de la misma edad
que el paciente. Después, automáticamente evalúa la diferencia entre
el valor de cada elemento observado en el paciente y el valor
apropiado para la edad previsto por las expresiones de regresión en
base a la edad de la base de datos. El aparato posteriormente evalúa
la probabilidad que el valor observado en el paciente pertenezca al
grupo "normal", tomando en consideración la distribución de los
valores del grupo "normal". Puede conseguirse un proceso
completamente análogo usando una familia de diferentes aparatos de
EEG digitales y programas neurométricos disponibles comercialmente,
como por ejemplo el disponible de NxLink, Inc.
La base de datos con información
neurofisiológica asintomática ejemplo incluye los QEEGs, es decir,
la información neurofisiológica, de individuos de 6 a 92 años de
edad que incorporan información de los electrodos situados de
acuerdo con el sistema internacional 10/20. La base de datos de
pacientes asintomáticos contiene más de 1000 mediciones de EEG
cuantitativo. La puntuación Z, obtenida comparando la información de
QEEG de un paciente individual con la información para la población
asintomática de referencia, representa la desviación estadística
del paciente de la base de datos de pacientes asintomáticos de
referencia. Por lo tanto, si la puntuación Z de un paciente para
una medición particular no presenta una desviación estadística de la
población asintomática de referencia, debería determinarse que el
paciente es "asintomático" para esa medición. Sin embargo, si
la puntuación Z de un paciente presenta una desviación estadística
de la población asintomática de referencia, se determina que el
paciente es sintomático para esa medición. De forma destacada, el
mero examen de una puntuación Z revela la extensión de la
desviación dado que un valor superior a uno indica una desviación de
más de una desviación típica de la media esperada.
Se crea una base de datos de tratamientos y
respuestas de individuos sintomáticos de acuerdo con la invención o
se accede a una base de datos de tratamientos y respuestas
fácilmente disponible, como por ejemplo la base de datos de
resultados propiedad de CNS Response de Long Beach, CA EE. UU., para
generar una o más variables indicadoras. De forma alternativa, en
una realización ejemplar de la invención, las variables indicadoras
se proporcionan directamente para permitir el análisis de datos
unifactoriales con la ayuda de reglas. Se pone en práctica una
realización ejemplar con un dispositivo de mano o portátil, o un
programa para ejecutar en ordenadores como por ejemplo
organizadores personales, ordenadores personales o estaciones de
trabajo, o incluso programas accesibles por Internet. A
continuación se describe la generación de las reglas y la
identificación de las variables indicadoras, como por ejemplo
multivariables, que subyace la práctica de la invención.
En una realización de la invención, se determina
una variable indicadora a partir de la información neurofisiológica.
La variable indicadora es una multivariable obtenida combinando
diversas variables unifactoriales que describen una agrupación de
información neurofisiológica.
Dichas multivariables permiten buscar en una
base de datos, por ejemplo, para identificar respuestas a un
tratamiento particular, o un grupo de sujetos que presenten valores
similares de las multivariables (y sus tratamientos asociados) y
similares. O, de forma alternativa, el análisis de las
multivariables aplicando las reglas permite evaluar el resultado
del tratamiento en un sujeto particular. Habitualmente, se genera
más de una multivariable y se compara el resultado de aplicar
diversas reglas a los valores de las multivariables respectivas con
el resultado esperado para un tratamiento o resultado particular.
Por lo tanto, puede estimarse el resultado de un tratamiento
particular así como clasificar o meramente enumerar los posibles
tratamientos para proporcionar al médico una predicción de la
eficacia de las diversas opciones.
La información neurofisiológica inicial o previa
al tratamiento, clasificada como anormal basándose en la
comparación con los datos neurofisiológicos de una población de
referencia, permite generar una base de datos de tratamientos y
respuestas, por ejemplo, una base de datos de resultados en una
realización de la invención. Esta base de datos de resultados del
ejemplo contiene información neurofisiológica de individuos
sintomáticos que muestran manifestaciones clínicas de trastornos
psiquiátricos y un indicador de su respuesta un tratamiento que
viene indicada por la información neurofisiológica con el
tratamiento activo.
Una base de datos de tratamientos y respuestas
típica 100 que se ilustra en la Fig. 1 comprende entradas que
contienen información de identificación 105, historia de casos del
sujeto que incluye historia de tratamientos previos 110,
información neurofisiológica inicial o previa al tratamiento 115,
resultado con magnitud de al menos uno de los tratamientos 120,
otra medición del resultado del tratamiento 125, información
neurofisiológica durante el tratamiento activo 130, inclusión en
agrupaciones 135, información adicional como por ejemplo notas
sobre diferentes entidades terapéuticas y sus interacciones
conocidas o sospechadas 140, y reglas, variables indicadoras o
resultados de aplicar las reglas 145. Por supuesto, no todas las
realizaciones de las base de datos de tratamientos y respuestas 100
tienen que tener todas las entradas posibles enumeradas de forma no
exhaustiva en la Fig. 1. 1. Es de esperar que habitualmente las base
de datos de tratamientos y respuestas 100 tendrán entradas que
corresponden a al menos veinticinco sujetos, preferiblemente
entradas que corresponden a al menos cien sujetos e incluso más
preferiblemente entradas que corresponden a al menos trescientos
sujetos. En una realización ejemplar de la invención la base de
datos de tratamientos y respuestas 100 está distribuida
dinámicamente. Por ejemplo, la interconexión de varias bases de
datos pequeñas en diferentes ordenadores, cada una posiblemente
compilada en el transcurso de diversos estudios por lo demás
independientes, proporciona una realización de base de datos de
tratamientos y respuestas 100 que enseña la invención. Cada una de
las entradas que se representan en la Fig. 1 se describe brevemente
a continuación para ilustrar más la naturaleza y el fin de la base
de datos de tratamientos y respuestas 100.
La identificación de la información 105 incluye
un marcador o mecanismo para conectar diferentes informaciones
sobre el mismo sujeto. La identificación información ejemplar 105
incluye nombre, dirección, número de la seguridad social, número de
carné de conducir y similares. La historia de tratamientos previos
110 preferiblemente incluye información suficiente para permitir
determinar si el sujeto está adecuadamente libre de entidades
terapéuticas. Esto es significativo no sólo desde el punto de vista
de evitar reacciones cruzadas dañinas entre las diferentes
entidades terapéuticas, si no también para aumentar la exactitud de
las evaluaciones que posibilita la invención. Por ejemplo, la base
de datos de resultados CNS Response incluye sólo los sujetos que no
se han medicado durante al menos siete semividas de las entidades
terapéuticas administradas previamente. Dichos sujetos proporcionan
información neurofisiológica previa al tratamiento al contrario que
una información neurofisiológica inicial. En algunas aplicaciones,
a la vista de los efectos a largo plazo de algunas entidades
terapéuticas, es deseable realizar predicciones de respuesta a un
tratamiento con ayuda de la información neurofisiológica previa al
tratamiento. Además, el uso de la información neurofisiológica
inicial en realizaciones alternativas de la invención tomará en
cuenta además la historia de entidades terapéuticas previas.
La información neurofisiológica inicial o previa
al tratamiento 115 que se describe anteriormente es uno de los
componentes clave de la base de datos de tratamientos y respuestas
100. Las predicciones del resultado del tratamiento se realizan
emparejando dicha información. Habitualmente, la información
neurofisiológica basada en el EEG incluye las mediciones
unifactoriales de actividad cerebral que se describen anteriormente.
Esta puede estar en forma de un conjunto de señales compuestas o en
forma de valores transformados con Z que reflejan la distribución
relativa con respecto a una a distribución de referencia.
Otro componente clave es el resultado con
magnitud de un tratamiento 120 que refleja un criterio clínico de
las consecuencias de una pauta de tratamiento. Por ejemplo, el
índice global clínico (CGI) asigna una puntuación en el intervalo
[-1, 3] a un tratamiento. Un valor de-1 indica
empeoramiento de la afección, 0 indica sin cambios, 1 indica una
mejora mínima, 2 indica una mejora moderada mientras que 3 indica
ausencia de los síntomas originales, una recuperación o remisión
total. Muchos esquemas alternativos que representan cambios en
varios factores en una única o en pocas puntuaciones puede
emplearse ventajosamente para proporcionar una medición habitual de
la eficacia de los diferentes tratamientos.
La información neurofisiológica con el
tratamiento activo 130 es necesaria para predecir una respuesta a un
tratamiento. La información neurofisiológica con el tratamiento
activo 130 proporciona una medición de una respuesta a un
tratamiento, for ejemplo, después de comparar a la información
neurofisiológica inicial o previa al tratamiento 115. La
información neurofisiológica con el tratamiento activo 130 se usa
para generar una medición similar a un resultado con magnitud 125,
reflejando la normalización de las señales de EEG tras el
tratamiento. Sin embargo, la normalización es de algunas variables
unifactoriales seleccionada no de todas las variables
unifactoriales.
En un aspecto de la invención, la información
neurofisiológica previa al tratamiento o inicial 115 se agrupa
mediante diversas técnicas de forma que cada agrupación corresponde
a un o un conjunto de resultados seleccionados y uno o más
tratamientos seleccionados. Además, se toman medidas para reducir
los falsos negativos de cada agrupación a la vez que se asegura un
cubrimiento máximo de la información neurofisiológica inicial o
previa al tratamiento 115 de sujetos que tienen resultados de
tratamientos similares. Al almacenar los resultados de un análisis
agrupado se ahorra esfuerzo dado que sólo se necesita un análisis
nuevo tras la adición de un número significativo de sujetos a la
base de datos de tratamientos y respuestas 100.
Las anotaciones sobre diferentes entidades
terapéuticas y sus interacciones conocidas o sospechadas 140 es
otra entrada útil pero opcional. Dicha información permite que la
base de datos de tratamientos y respuestas 100 genere
recomendaciones de tratamientos para descartar interacciones dañinas
al comienzo, en lugar de que el médico o la farmacia tengan que
descubrir dichos accidentes o, todavía peor, antes de incurrir en el
riesgo de reacciones cruzadas entre entidades terapéuticas. Dicha
información puede estar en un conjunto de registros aparte o sólo
de los registros pertinentes para los tratamientos que ha recibido o
que va a recibir un sujeto o grupo de sujetos particular.
Finalmente, de forma ventajosa, de manera
similar a la inclusión en agrupaciones 130, la base de datos de
tratamientos y respuestas 100 incluye reglas, variables indicadoras
o resultados de aplicar las reglas 145 para proporcionar una
referencia lista para resultados significativos de un análisis por
grupos. Aunque no es necesario para practicar la invención, dicha
información permite una rápida búsqueda en las bases de datos y
evaluación de las recomendaciones de tratamientos.
La Fig. 13 ilustra un límite de agrupación junto
con una representación bidimensional de una regla. La Fig. 13
también ilustra la utilidad de la estrategia de agrupación para
generar estrategias de tratamiento de forma anticipada. Se
representa una multivariable en función del resultado del
dimensional para ochenta y tres (83) pacientes tratados con
D-anfetamina. Los cincuenta y cinco (55) pacientes
de una agrupación de sesenta y un (61) pacientes, como se describe
a continuación, fueron asignados a diversos diagnósticos según el
DSM que incluían trastorno de ajuste con ansiedad; trastorno de
ajuste con alteración de la conducta; anorexia nerviosa; trastorno
de hiperactividad y déficit de atención de tipo combinado; trastorno
de hiperactividad y déficit de atención del tipo predominantemente
con falta de atención; trastorno depresivo sin especificar;
trastorno distímico; trastorno depresivo mayor recurrente;
trastorno depresivo mayor de episodio único; trastorno
obsesivo-compulsivo; trastorno de oposición
desafiante; y tricotilomanía. El posterior análisis de los datos de
EEG reveló que sesenta y uno (61) de los ochenta y tres (83)
pacientes mostraban valores para una multivariable que definía una
agrupación con un límite a "0". De estos sesenta y un (61)
pacientes, cincuenta y cinco (55) mostraban una respuesta positiva
mientras que seis (6) eran falsos positivos. Por otra parte, hubo
cindo (5) falsos negativos y siete (7) de los ochenta y tres (83)
pacientes fueron distinguido correctamente por la multivariable
como que no pertenecían a la agrupación.
La Fig. 2 ilustra un procedimiento ejemplar
ilustrativo para usar una base de datos de tratamientos y respuestas
de acuerdo con la invención. Durante la etapa 200 se recopila
información neurofisiológica de una fuente de datos. La fuente de
datos podría ser un paciente al que se está evaluando o datos
almacenados o transmitidos. Aunque, es probable que dichos datos
sean datos de EEG/QEEG debido a su fácil disponibilidad en una forma
adecuada, no es requisito para practicar la invención. Después,
durante la etapa 205, la información neurofisiológica se representa
en forma de variables unifactoriales.
En el caso de que sea necesaria una agrupación
para satisfacer umbrales diferentes de los que se presumen o se
proporcionan por defecto para que incluya los positivos verdaderos y
para que excluya los falsos positivos, dichos umbrales se
especifican durante la etapa 210. Un umbral conveniente requiere que
debería incluirse en una agrupación al menos el ochenta por ciento
de la información neurofisiológica previa al tratamiento de los
sujetos que posteriormente presentan un resultado especificado a un
tratamiento.
Durante la etapa 215, se generan una o más
agrupaciones formando agregados de información neurofisiológica
previa al tratamiento. En realizaciones alternativas de la
invención, se agrupa la información neurofisiológica inicial. Se
generan agrupaciones con una inserción o bien de una suposición
fundamentada del número de agrupaciones o bien de datos del espacio
multidimensional definido por las variables unifactoriales sin esos
presupuestos a priori.
De forma destacada, muchas entidades
terapéuticas corresponden a agrupaciones adyacentes dentro de una
región común del espacio multidimensional. Además, puede pensarse
que diferentes entidades terapéuticas definen una clase de
entidades terapéuticas o tratamientos que es adecuada para una
información neurofisiológica inicial o previa al tratamiento
similar.
Es interesante observar que muchas entidades
terapéuticas que en otras circunstancias no se consideraría que son
similares y que habitualmente se recetan para diferentes
diagnósticos tradicionales realmente forman una agrupación,
mientras que entidades terapéuticas que habitualmente se recetan
para el mismo diagnóstico tradicional no forman agrupaciones. Por
lo tanto, la heterogeneidad que se encuentra en el tratamiento de
diagnósticos tradicionales se refleja también en la agrupación. Por
lo tanto, las agrupaciones permiten predecir la respuesta de un
sujeto basándose en si la información neurofisiológica previa al
tratamiento entra dentro de una agrupación, y por lo tanto
reduciendo las estrategias de ensayo y error a las que actualmente
están forzados los médicos con sus (ahora evitables) riesgos. Se
posibilitan resultados similares en una realización ejemplar de la
invención usando información neurofisiológica inicial adecuada.
Durante la etapa 220, se examina el límite que
define una de las agrupaciones para identificar variables
unifactoriales de interés. Este proceso puede ilustrarse por
analogía con el familiar espacio tridimensional con una pluralidad
de planos bidimensionales, líneas unidimensionales y puntos sin
dimensiones embebidos en él. Por ejemplo, en el espacio
tridimensional, y=0 especifica un plano que incluye el origen, el
eje x y el eje z en la notación habitual. En este ejemplo "y"
es una variable de interés. De forma similar, se identifican
variables unifactoriales de interés. Si hay varias variables
unifactoriales entonces es conveniente representarlas en una
variable indicadora, por ejemplo, una única multivariable. Esto se
consigue fácilmente con variables unifactoriales con transformación
Z, por ejemplo, meramente sumándolas o computando una función que
tenga diferentes variables unifactoriales como argumentos. Algunos
ejemplos de variables o multivariables indicadoras deducidas de este
modo se presentan en la Tabla 1 (más adelante) mientras que la
Tabla 2 presenta las posiciones de los electrodos habituales
correspondientes para información neurofisiológica con base de
EEG/QEEG. Las colocaciones de electrodos alternativas y los modos
de recopilación de datos en otras realizaciones de la invención se
tratan de forma análoga. Las variables unifactoriales subyacentes
se modifican adicionalmente en el uso real para ajustarse a la
sensibilidad y facilidad de uso como se describe a continuación.
Por ejemplo, si el número de variables
unifactoriales es grande, es posible que la multivariable combinada
no sea sensible a los cambios que incluyen o excluyen un pequeño
número de sujetos de la agrupación. Esto responde a la posible
preocupación que surge del pretendido uso prospectivo de la
agrupación proporcionando un mejor tratamiento. Además, la
agrupación se identifica usando datos retrospectivos (y los datos
que se van recopilando) es decir es susceptible de modificación por
la adición de nuevos datos. Sin embargo, las elecciones de
multivariables retrospectivas pueden responder igual de fácilmente a
una necesidad percibida de mayor certidumbre.
Por consiguiente, la combinación de
multivariables de las variables unifactoriales no tiene que ser una
simple suma si no que se elige para que sea una función que muestre
la sensibilidad requerida. La forma detallada de la función se
determina ventajosamente de forma empírica aunque puede llegarse a
formas más simples analíticamente. La Tabla 3 muestra algunas
transformaciones ilustrativas útiles que no deberían interpretarse
como limitación del alcance de la invención.
Por consiguiente, durante la etapa 225 si se
toma una decisión de transformar las variables unifactoriales,
entonces el control fluye a la etapa 230, durante la cual se lleva a
cabo una transformación, por ejemplo una de las transformaciones
que se presentan en la Tabla 3. Después el control se mueve a la
etapa 235. De forma alternativa, si la variable indicadora tiene
una variable unifactorial entonces el control fluye a la etapa 235
desde la etapa 225. Las multivariables se presentan en la Tabla 1
mientras que la Tabla 3 enumera algunas de las funciones que se han
usado realmente. Estas listas no exhaustivas son principalmente
ilustrativas de la invención en el contexto de la realización
descrita.
Las variables de la Tabla 1 se representan
mediante abreviaturas de cuatro letras. Las dos o tres letras
primeras de las abreviaturas son los denominadores primarios. Los
denominadores primarios RB, RM, GA, GE, FM, AA, y AE indican a qué
tipo de medición de QEEG se hace referencia. Por ejemplo, el
denominador primario "RM" representa potencia monopolar
relativa. "RB" es potencia bipolar relativa. "CA" es
coherencia intrahemisférica. "GEB" representa coherencia
bipolar interhemisférica. "FM" representa frecuencia monopolar.
"AA" representa asimetría intrahemisférica. Y, "AE"
representa asimetría interhemisférica.
La una o dos letras últimas de las abreviaturas
de las multivariables son los denominadores secundarios. Los
denominadores secundarios indican los grupos de electrodos y bandas
de frecuencia de los que se obtienen las mediciones. Las mediciones
se obtienen de los electrodos de las regiones anterior o ("A"),
posterior ("P") del cuero cabelludo, los lados izquierdo
("L") o derecho ("R") del cuero cabelludo. Las mediciones
se realizan en las bandas de frecuencia delta ("D"), theta
("T"), alfa ("A"), o beta ("B").
\newpage
De acuerdo con la Tabla 1, "RMAD" (potencia
relativa monopolar anterior delta) es la potencia monopolar relativa
en la frecuencia delta medida en los electrodos situados en la
mitad anterior del cuero cabelludo. De forma similar "RBDL" es
la potencia bipolar relativa medida por los electrodos de la mitad
izquierda del cuero cabelludo para la banda de frecuencia delta.
"CABL" es la coherencia intrahemisférica medida a partir de los
electrodos de la región izquierda del cuero cabelludo en la banda
de frecuencia beta. "CADR" es la coherencia intrahemisférica
medida en los electrodos de la región derecha del cuero cabelludo
para la banda de frecuencia delta. "AED" es la asimetría delta
medida intrahemisféricamente en la banda de frecuencia delta.
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
Durante la etapa 235 la multivarlable se escala
para proporcionar una escala de referencia uniforme para todas las
multivariables. Por ejemplo, en la realización descrita para
proporcionar un valor en el intervalo [-40, 40] de tal forma que se
cubran cuatro desviaciones típicas a cada lado de la media. Se
emplean estrategias de escalado alternativas, por ejemplo, usando
el intervalo [-10, 10] o un número variable de desviaciones típicas
en realizaciones ejemplares alternativas de la invención. Además,
las operaciones de transformación y escalado pueden realizarse en
una única etapa si se desea, como se ilustra en la Tabla 4.
La Tabla 4 ilustra la transformación que se
representa en la Tabla 3 para la multivariable CEAD (representada
como la entrada CEAX). La Tabla 4 incluye tanto la transformación
como el posterior escalado. La función ponderada representa la
transformación mientras que las filas inferiores describen una
posible operación de escalado. Por ejemplo, los componentes se
parean mediante adición, se elevan al cuadrado por separado y
después se añaden para obtener un número entero positivo. Este
número se hace negativo si la suma de los términos generados por la
transformación es negativo, si no se hace positivo. Habitualmente,
se obtiene un número entre -40 y 40 y se truncan los valores que
superan estos límites. Dado que la probabilidad de que la
multivariable CEAD tenga un valor fuera del intervalo es bastante
pequeña, la operación de truncado raramente se usa.
\newpage
La Tabla 5, a continuación, ilustra un esquema
alternativo:
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
La tabla 5 indica que la multivariable CEAD se
calcula a partir de las lecturas recogidas en cuatro pares de
electrodos, denominados por sus nombres según el sistema
internacional 10/20. Los pares de electrodos se denominan
componentes 1-4. Para cada par de electrodos se
calculan las puntuaciones Z. Las puntuaciones Z se transforman
mediante una función ponderadora, C^{3}, tal como se indica en la
Tabla 3. El proceso de transformación posibilita combinar
matemáticamente las puntuaciones Z. Se calcula el cuadrado para la
suma de cada uno de los componentes de CEAD. Después los valores se
mapean en un intervalo de "decisión clínica" que varía de -40
a +40. Este mapeo crea una escala de números enteros de cambio
uniforme para cada uno de los descriptores de las multivariables.
Por lo tanto, las puntuaciones Z ponderadas calculadas para los
pares de electrodos del mismo hemisferio cerebral se sumaron
(Fp1/Fp2 + F3/F4 = -2,059; F7/F8 + C3/C4 = -1,876), se elevaron al
cuadrado, (-2,059^{2} = 4,239; -1,876^{2} = 3,520), y se sumaron
(4,239 + 3,520 = 7,760). El signo del producto final se corrigió y
se redondeó al número entero más próximo (-7,760 \rightarrow
-8).
Como es claramente evidente, son posibles muchos
esquemas alternativos, como por ejemplo elevar al cuadrado todos
los términos después de la transformación y sumarlos, y se pretende
que estén incluidas en el alcance de la invención.
Después del escalado, el control pasa a la etapa
240 aunque la ordenación de las etapas es claramente arbitraria y
no implica una limitación del alcance de la invención. Durante la
etapa 240 se genera una regla, que habitualmente describe el límite
de la agrupación, de forma que la inclusión en una agrupación se
prueba fácilmente aplicando un conjunto de reglas al conjunto de
multivariables o variables indicadoras correspondiente. Además, con
la identificación de dichas reglas, se posibilita el uso de
dispositivos manuales, de dispositivos portátiles y diversos grados
de programas que evalúan las entidades terapéuticas, los
tratamientos o el diseño de los estudios de análisis de las
entidades terapéuticas. Si hay que procesar otra agrupación,
entonces el control pasa a la etapa 220 desde la etapa 245. Si no,
el procedimiento termina.
Además, la invención permite el uso de
agrupaciones con límites "difusos". Tras la generación de las
reglas de la etapa 240 de la Fig. 2, si la información
neurofisiológica previa al tratamiento de un sujeto satisface una
fracción sustancial de las reglas que definen una agrupación
asociada a un tratamiento, entonces es probable que la información
neurofisiológica previa al tratamiento pueda pertenecer a la
agrupación. Por lo tanto, es posible predecir el efecto del
tratamiento de acuerdo con la agrupación aunque no se satisfagan
todas las reglas que definen el límite de la agrupación. Algunas
reglas ejemplares se proporcionan en la Tabla 6, usando las
multivariables de las
tablas 1-3.
tablas 1-3.
\vskip1.000000\baselineskip
\vskip1.000000\baselineskip
El procedimiento ejemplar de la presente
invención aumenta el diagnóstico establecido y las pautas de
tratamiento. La correlación de la entidad terapéutica con la base
de datos de resultados de la presente invención es un auxiliar útil
al tratamiento clínico que ayuda a descartar tratamientos que tienen
poca probabilidad de ser útiles. En consecuencia, se evita a los
pacientes experimentación y el riesgo que acompaña a la
experimentación debido tanto a errores humanos como a las
interacciones terapéuticas. Por ejemplo, un paciente que está
tomando una primera entidad terapéutica que está contraindicada
junto con una segunda entidad terapéutica para tratar el mismo
diagnóstico por DSM-IV no puede cambiarse a la
segunda entidad terapéutica. Es necesario un periodo intermedio,
que habitualmente se mide en semividas de la primera entidad
terapéutica, para permitir que la primera entidad terapéutica sea
eliminada del sistema. Sin embargo, la semivida de una entidad
terapéutica puede depender de la edad, raza, historia previa y
similares del sujeto así como de la forma en la que se administró
la primera entidad terapéutica. Por lo tanto, existe un considerable
riesgo de errores como por ejemplo debido a que el paciente vuelva
a tomar el fármaco restante o a un error en el cálculo del periodo
de tiempo intermedio y similares.
La información neurofisiológica similar de
sujetos individuales a los datos neurofisiológicos de individuos
con resultados de respuesta conocidos a la entidad terapéutica
genera una recomendación de tratamiento probable. De forma
destacada, esta recomendación no depende de los detalles del
diagnóstico tradicional inicial. De hecho, puede generarse una
recomendación basándose en la existencia de un trastorno mental que
todavía no se ha diagnosticado conductualmente.
De forma ilustrativa, cuando se expresa en
puntuaciones Z, el valor medio de la información neurofisiológica
se acerca a cero para los individuos asintomáticos. Debería
observarse que el caso en el que la puntuación Z se acerca a cero
no es siempre el único resultado de un tratamiento exitoso. Por
ejemplo, aunque la puntuación Z para un conjunto de variables
particular se acerca a cero, la puntuación Z para otras variables
puede manifestar desviaciones mayores de la referencia acompañados
todo el tiempo de mejoría clínica global. De forma destacada, las
actuales entidades terapéuticas no necesitan ser evaluadas con el
ojo puesto en producir un cambio deseado en el EEG de un
sujeto.
Un procedimiento para identificar las variables
indicadoras es identificar agrupaciones de información
neurofisiológica inicial o previa al tratamiento de tal forma que
cada agrupación, si fuera posible, corresponda a un resultado de un
tratamiento. Los límites de estas agrupaciones identifican variables
unifactoriales para formar multivariables y reglas apropiadas para
identificar agrupaciones apropiadas. En efecto, cada agrupación
corresponde a un grupo de sujetos que comparte una respuesta común
a un tratamiento.
Pueden interpretarse las distribuciones de
elementos de dos grupos de sujetos (donde se cree que los grupos,
es decir, las agrupaciones, difieren en algún modo, por ejemplo, se
cree que pertenecen a diferentes categorias) como dos nubes de
puntos en un espacio multidimensional en el que cada dimensión
corresponde a un elemento como por ejemplo una variable
unifactorial. Puede no haber diferencias significativas entre los
dos grupos en algunas dimensiones (es decir, en algunos elementos)
pero puede haber diferencias significativas en otras dimensiones.
Si estas nubes de puntos tienen superposiciones (es decir, cuando no
existe una diferencia significativa entre los dos grupos con
respecto a algunos elementos) puede ser posible definir un límite
entre las nubes.
En una realización de la invención, después de
determinar que un sujeto tiene probabilidad de padecer un trastorno
cerebral diagnosticado conductualmente provoca que se evalúe si el
sujeto también manifiesta desviaciones neurofisiológicas de una
referencia como por ejemplo una distribución de referencia de
individuos asintomáticos de la misma edad. Las puntuaciones Z
correspondientes facilitan la detección y representación de dichas
desviaciones. Debería observarse que el trastorno cerebral
diagnosticado conductualmente tradicional es de poca significancia
para detectar la información neurofisiológica anormal.
Principalmente, es la existencia de afecciones
que conducen a dicho diagnóstico y no el diagnóstico real en sí lo
que desencadena convenientemente una detección de información
neurofisiológica anormal. Por lo tanto, el basarse en el elaborado
sistema de diagnóstico tradicional, como por ejemplo el del
DSM-IV, se ve muy reducido para llegar a una
estrategia de tratamiento eficaz.
\newpage
La notoria heterogeneidad de las respuestas a
entidades terapéuticas asociada a las principales enfermedades
psiquiátricas apoya la hipótesis de que bajo lo que parece el mismo
trastorno subyace una neurofisiología variable. Además,
aparentemente trastornos diferentes comparten uno o más
determinantes neurofisiológicos comunes que son susceptibles a un
tratamiento común. Con este fin, es útil considerar la información
neurofisiológica inicial o previa al tratamiento para deducir la
eficacia del potencial(es) tratamiento(s) en lugar de
centrarse en clasificar los síntomas conductuales de la
enfermedad.
La Fig. 3 es una ilustración de una base de
datos de tratamientos y respuestas que se usa para evaluar y generar
tratamientos. Después de recoger la información neurofisiológica de
un sujeto durante la etapa 300, se representa en forma de variables
unifactoriales durante la etapa 305. Durante la etapa 310, se busca
en una base de datos de tratamientos y respuestas para identificar
una nueva agrupación, es decir, un nuevo grupo de sujetos que
tienen una información neurofisiológica similar. Si durante la etapa
315, no se identifica un grupo nuevo, entonces el control fluye a
la etapa 320 con la impresión de un informe que enumera los
tratamientos identificados, si los hubiera para la etapa 320. De
forma alternativa, el control fluye a la etapa 325 desde la etapa
315. Durante la etapa 325, se identifica al menos un resultado del
tratamiento asociado al grupo. Habitualmente, la etapa de agrupar
que se usa para formar el grupo incluye la especificación del
resultado, aunque esto no es necesario para practicar la invención.
El resultado del tratamiento se usa para clasificar los tratamientos
durante la etapa 330 y después el control fluye a la etapa 335 para
actualizar el informe. El control después fluye de nuevo a la etapa
310 desde la etapa 335 para identificar un nuevo grupo asociado a la
información neurofisiológica recabada del sujeto durante la etapa
300.
La Fig. 4 ilustra las relaciones entre algunas
entidades terapéuticas. Tal como se ha explicado anteriormente, de
forma ventajosa las reglas corresponden a un a límite que especifica
una agrupación. Por lo tanto, las entidades terapéuticas
relacionadas en virtud de que ocupan la misma región o regiones
adyacente del espacio multidimensional unifactorial también
comparten límites comunes, aunque esto no es un requisito absoluto.
Además, la misma afección unifactorial a menudo es susceptible a
diversas entidades terapéuticas que son bastante diferentes en sus
propiedades de agrupación. Habitualmente se confía en los agentes
que se enumeran en la Fig. 4 para tratar la depresión aunque están
en al menos tres clases de agrupaciones diferentes.
Los tratamientos 400, ocupan una región no
contigua de espacio diferentes, que tiene clases definidas por
regiones como por ejemplo agentes de Clase 1 405, agentes de Clase 2
410 y agentes de clase 3 415. Dentro de la clase 1 405 existen las
subclases SSRI/SNRI 420 que además comprenden SNRI 425 y SSRI 430.
SSRI además incluye las entidades terapéuticas familiares PROZAC
435 y EFFEXOR 440. De forma similar, la Clase 2 410 incluye MAOI
445 y la Clase 3 incluye Bupropión 450.
El examen del Physicians Desk Reference, 55ª
edición (2001), publicado por Medical Economics Company de
Montvale, NJ, para PROZAC 435 revela que (1) tiene una semivida de
hasta 16 días tras la administración crónica (donde más del 7% de
los usuarios metabolizan incluso más despacio, es decir, que
tienen semividas incluso más largas para el principio activo
fluoxetina clorhidrato), y (2) está contraindicado con la
administración de MAOI 445 lo que requiere un tiempo intermedio de
al menos 14 días después de la terapia con MAOI 445 y cinco semanas
después de la administración de PROZAC 435. Por lo tanto, sin
información MAOI 445 si un sujeto al que se le administraba PROZAC
435 no responde al tratamiento o tiene una respuesta adversa a él,
entonces no puede prescribirse otra entidad terapéutica como por
ejemplo un agente que se sabe que es un MAOI durante una cantidad
de tiempo significativa. Esto requiere una experimentación a largo
plazo, mientras que la invención proporciona una estrategia
predictiva para elegir un agente eficaz. De forma similar,
WELLBUTRINA, un agente de la subclase del bupropión 450 también
está contraindicada con agentes MAOl 445. Por lo tanto, la capacidad
de distinguir de forma anticipada entre dichos agentes permite una
atención y tratamiento eficaces con menores riesgos de efectos
perjudiciales.
El cribado previo es particularmente importante
porque, debido la presencia de reactividad cruzada, el cambio de un
sujeto a una entidad terapéutica alternativa a menudo requiere una
espera para que la entidad terapéutica original sea eliminada del
sistema del sujeto. Esto hace que el sujeto tenga que sufrir
innecesariamente o impone que haya que hacer un programa para
probar diversas entidades terapéuticas en el paciente por orden de
sus semividas. Además, a la vista de las incertidumbres inherentes
en medicina, la probabilidad de error y de complicaciones graves
también aumenta sin el beneficio del cribado previo.
La Fig. 5 es un procedimiento ejemplar para
identificar agentes para diseñar una estrategia de tratamiento para
la información neurofisiológica particular de un sujeto con ayuda de
un listado de multivariables y sus reglas asociadas. La información
neurofisiológica se obtiene en forma de variables unifactoriales
durante la etapa 500. Después, se construye una multivariable a
partir de las variables unifactoriales durante la etapa 505.
Durante la etapa 510, se aplica una regla asociada con la
multivariable al valor de la multivariable y el conjunto acumulado
de consecuencias de aplicar las reglas se incluye en un resultado.
Si el resultado es suficiente para indicar un tratamiento durante
la etapa 515, entonces el control pasa a la etapa 520. Durante la
etapa 520, se añade el tratamiento al listado. Si no, el control
pasa a la etapa 525 desde la etapa 515 para analizar otra
multivariable. Si durante la etapa 525 se determina que existe otra
multivariable a analizar, entonces el control pasa a la etapa 505.
Si no, el control pasa a la etapa 530 para clasificar los
tratamientos identificados y después se termina del
procedimiento.
La Fig. 6 ilustra las etapas de un procedimiento
ejemplar para utilizar la estrategia de análisis por grupos para
evaluar la información neurofisiológica de sujetos que tienen una
respuesta conocida a un agente. Dichos datos pueden obtenerse o
bien en un conjunto de procedimientos planificados o pueden
cotejarse de diversos estudios para el análisis ulterior. Durante
la etapa 600, se obtiene la información neurofisiológica, durante
la etapa 605, de sujeto(s) que muestra(n) una
respuesta deseable a un tratamiento. Dichas respuestas deseables
incluyen respuestas dañinas o mejorías clínicamente significativas o
incluso la falta de respuesta, es decir, los pacientes que no
responden dependiendo del contexto para la agrupación. La
agrupación, durante la etapa 610, de la información
neurofisiológica de los sujetos identificados durante la etapa 605
genera agrupaciones de información neurofisiológica inicial o
previa al tratamiento aunque en algunas realizaciones de la
invención también puede emplearse la información neurofisiológica
con el tratamiento activo. Se identifica una agrupación que
satisface condiciones límite adecuadas durante la etapa 615 de tal
forma que incluya un umbral de sujetos prescrito que se identifica
durante la etapa 605 mientras que, opcionalmente, se excluye al
resto de los sujetos de tal forma que no se incluye más de una
fracción prescrita de falsos positivos. Durante la etapa 620 se
examina el límite de la agrupación para identificar un intervalo de
valores permisible o bien para las variables unifactoriales o para
las variables multifactoriales compuestas. Para los nuevos sujetos,
el intervalo paramétrico identificado sirve como condición
precedente para el cribado previo de sujetos para la administración
del agente durante la etapa 625.
Además del análisis precedente, durante la etapa
630 las proporciones relativas de sujetos identificados durante la
etapa 605 junto con las frecuencias de muestreo apropiadas permite
determinar la fracción de sujetos esperada relativa a la población
de los Estados Unidos (u otra referencia en jurisdicciones
alternativas) que mostrará la respuesta deseable que se usó en la
etapa 610. Dicha información es útil no sólo con fines de
comercialización, si no que también proporciona una medición de la
significación del agente para un grupo particular de potenciales
sujetos. Dicha información es útil para identificar si una potencial
formulación es un fármaco huérfano de acuerdo con los objetivos
reglamentarios en jurisdicciones como por ejemplo los Estados Unidos
que fomenta la comercialización de dichas entidades
terapéuticas.
Durante la etapa 635, se realiza una
determinación opcional de si los sujetos de la agrupación tienen una
mayor susceptibilidad al tratamiento y después se termina el
procedimiento. Dicha determinación tiene numerosas aplicaciones
desde educar a los individuos que corren mayor riesgo de su
susceptibilidad a una respuesta peor de lo esperada a drogas
adictivas y de uso social a la planificación de programas de
educación pública por los gobiernos locales, estatales y nacionales
y otras organizaciones. Por supuesto, también proporciona un
intervalo de predicción sobre la prevalencia esperada de una
afección particular (no necesariamente dañina) en una población en
conjunto.
La Fig. 7 muestra las etapas en otro
procedimiento ejemplar ilustrativo para reevaluar los datos, por
ejemplo de un estudio que no encontró efecto beneficioso en una
fracción umbral deseada de pacientes. Este es un suceso habitual
con prometedoras entidades terapéuticas de laboratorio que no
benefician a suficientes pacientes de forma que hace difícil
incluso distinguir entre un placebo y la entidad terapéutica. En una
característica adicional, existe un volumen de datos considerable
de los pacientes que responden a un número de entidades
terapéuticas, pero sus efectos deseables en el contexto de tratar un
estado mental no se identifican fácilmente debido a la presencia de
un número significativo de pacientes que no responden. Sin embargo,
la identificación anticipada de pacientes que no responden tal y
como enseña la invención permite descubrir esos usos novedosos y
usos seguros de entidades terapéuticas conocidas.
En resumen, con este fin permite identificar una
o más condiciones precedentes para indicar el uso de una entidad
terapéutica candidata que por lo demás no ha conseguido demostrar
eficacia en un ensayo. Esto se desprende del descubrimiento de que
muchas entidades terapéuticas son heterogéneas en su efecto dado que
son eficaces contra más de una afección diagnosticada mientras que
no son eficaces en todos los sujetos que comparten una afección
diagnosticada común. Por lo tanto, una entidad terapéutica candidata
parece ser ineficaz o incluso perjudicial en algunos sujetos si se
administra en respuesta a un diagnóstico tradicional común. Sin
embargo, el cribado previo de los sujetos gracias a la información
neurofisiológica permite seleccionar los sujetos predispuestos a
responder a la entidad terapéutica de una forma deseable a la vez
que se evita la confusa presencia de pacientes que no responden o
sujetos susceptibles a respuestas adversas.
Durante la etapa 700 se obtienen los valores de
variables unifactoriales para la información neurofisiológica de
una pluralidad de sujetos para su análisis de acuerdo con la
invención y, preferiblemente con ayuda de herramientas estadísticas
y de bases de datos. La información neurofisiológica que corresponde
a un resultado de interés se agrupa durante la etapa 705 de tal
forma que una agrupación corresponde a un tratamiento y su
resultado. La información neurofisiológica de una agrupación
particular se evalúa durante la etapa 710 para determinar al menos
una característica común. De forma significativa, este elemento no
está necesariamente restringido a un límite que defina un conjunto
de valores para las variables unifactoriales o para las
multivariables. Durante la etapa 715, se usa la característica
común para generar una regla para la evaluación anticipada de
nuevos sujetos. Finalmente, se determina la fracción de sujetos
anticipada relativa a la población de los Estados Unidos (u otra
jurisdicción de interés) que tenga capacidad de mostrar la respuesta
deseable durante la etapa 720.
\newpage
La generalización del proceso de generación de
multivariables crea una tabla de mediciones derivadas de forma
similar para un paciente individual. Una caracterización específica
de entidad terapéutica y respuesta ejemplar de disfunción cerebral
para un paciente individual se resume de acuerdo con cada
multivariable de la Tabla 7.
En el ejemplo que se resume en la Tabla 7, el
paciente tiene un valor de RMAA de 40. Este valor sería de esperar
que se produjera en la población normal sólo 3 veces de cada 100.000
observaciones. Por lo tanto, la multivariable RMAA se desvía
significativamente de su valor esperado. Un paciente con este valor
de RMAA se considera que tiene un desequilibrio cerebral
fisiológico de tipo RMAA y se clasifica en base a ello.
\newpage
Un resultado de aplicar reglas a multivariables,
como por ejemplo las representadas en la Tabla 7 se compara con el
resultado esperado para un tratamiento particular. No todos los
tratamientos requieren que todas las multivariables tengan un
intervalo de valores prescrito. Por el contrario, es posible
identificar multivariables que son significativas para distinguir
entre diversos agentes y tratamientos. Por ejemplo, se evalúa una
respuesta beneficiosa al PROZAC aplicando reglas que corresponden a
los números de índice 1, 2, 4, 6, 8, 11, 12, 14, 16, 17, 19, 25,
27, 32, 33, 35, 41, 43, 57-60, 63-67
y 71 de la Tabla 6 con un total de 23 reglas. Estas reglas
representan un distintivo para el PROZAC. Para otros tratamientos se
determinan distintivos similares. De forma destacada, no debe
satisfacerse todas las reglas de un distintivo de forma exacta. Por
el contrario, es suficiente un acuerdo sustancial con las reglas
para realizar una predicción y clasificar múltiples
predicciones.
Además del PROZAC, otras varias entidades
terapéuticas bien conocidas tienen distintivos adecuados. Se
enumeran los distintivos ejemplares para proporcionar una muestra
ilustrativa de las entidades terapéuticas adecuadas para su
evaluación mediante el procedimiento y sistema de la invención.
CLONAZAPAM está asociado a reglas que corresponden a los números de
índice 2, 3, 10, 13, 15, 18, 20, 21, 23, 29, 31, 34, 36,
53-56, 61, y 62 de la Tabla 6 con un total de 19
reglas. DEPAKOTE está asociado a reglas que corresponden a los
números de índice 2, 10, 15, 16, 19, 27, 34, 36,
57-60, y 71 de la Tabla 6 con un total de 15 reglas.
EFFEXOR está asociado a reglas que corresponden a los números de
índice 1, 2, 4, 6, 8, 11, 14, 16-17, 19, 25, 27, 32,
34, 36, 41, 43, 57-60, 63-66, 69 y
71 de la Tabla 6 con un total de 27 reglas. LAMICTAL está asociado a
reglas que corresponden a los números de índice 3, 12, 13, 15, 18,
20-21, 24, 30, 32, 34, 36, y 53-58
de la Tabla 6 con un total de 18 reglas. Litio está asociado a
reglas que corresponden a los números de índice 1-2,
14, 16, 18-19, 25, 27, 30, 32-33,
35, 59-60, 63-64, y 71 de la Tabla 6
con un total de 17 reglas. PARNATO está asociado a reglas que
corresponden a los números de índice 3, 5, 7, 9-10,
13, 15, 18, 20-24, 30-32, 34, 36,
53-56, 65, 67 y 69-72 de la Tabla 6
con un total de 28 reglas. Y, TEGRETOL está asociado a reglas que
corresponden a los números de índice 1-2, 11, 14,
16-17, 20, 25, 32-33, 36,
57-58, 63-64, 69 y 72 de la Tabla 6
con un total
de 17 reglas. Se adjuntan a esta memoria descriptiva fármacos adicionales y sus distintivos asociados en el Anexo 1.
de 17 reglas. Se adjuntan a esta memoria descriptiva fármacos adicionales y sus distintivos asociados en el Anexo 1.
Debería observarse que los distintivos que se
describen anteriormente no son limitaciones del alcance de la
invención, si no que por el contrario ilustran la invención para una
elección particular de representación de multivariables de
agrupaciones de información neurofisiológica previa al tratamiento.
Por lo tanto se pretende que las representaciones alternativas
estén dentro del alcance de la invención.
La Fig. 8 ilustra un procedimiento ejemplar
basado en la correlación entre un tratamiento distintivo y los
datos neurofisiológicos. Después de adquirir la información
neurofisiológica durante la etapa 800, se selecciona un tratamiento
de un listado de tratamientos durante la etapa 805. El listado de
tratamientos puede estar asociado a una agrupación o ser generado
por un clínico que pretenda evaluar una o más entradas de
tratamiento del mismo. La información neurofisiológica se compara
con el distintivo del tratamiento seleccionado durante la etapa
810. Si la correlación entre la información neurofisiológica y el
distintivo es menor que un umbral especificado, entonces el control
vuelve a la etapa 825 para seleccionar un nuevo tratamiento del
listado. El uso de un umbral permite ajustar la correspondencia con
la regla para permitir correspondencias no perfectas, es decir, una
correspondencia sustancial. Si no, control pasa a la etapa 820.
Durante la etapa 820, el tratamiento seleccionado se añade a un
listado de resultados durante la etapa 825, si hay tratamientos
adicionales en el listado de tratamientos, entonces el control
vuelve a la etapa 805. Si no, el control pasa a la etapa 830 en la
que los tratamientos del resultado se clasifican si es necesario un
orden diferente, completando así el procedimiento. La clasificación
de los tratamientos proporciona una flexibilidad adicional al
permitir, por ejemplo que se reflejen los resultados asociados a
cada uno de los tratamientos del listado de tratamientos para el
beneficio del clínico.
La Fig. 9 ilustra un ejemplo para evaluar a un
sujeto para su inclusión en un ensayo clínico. En los ensayos
clínicos, la elección apropiada de los sujetos de estudio se asegura
de que los hallazgos del ensayo representen de forma exacta la
respuesta al fármaco de la población diana. Habitualmente, un
investigador que quiere estudiar la eficacia de una nueva entidad
terapéutica empieza creando criterios de selección de inclusión y
exclusión que definen la población a estudiar.
Realizar ensayos clínicos de nuevas entidades
terapéuticas o de entidades terapéuticas conocidas que están
indicadas para nuevos usos permite usar grupos "enriquecidos"
de participantes de prueba. Los perfiles de respuesta a la entidad
terapéutica capacidad de respuesta de los participantes de prueba
con indicios de psicopatología definidos conductualmente y
anormalidades de EEG/QEEG relacionadas puede calibrarse de forma
exacta usando EEG/QEEG durante todo el periodo de ensayo clínico.
Los cambios en las mediciones de resultados multifactoriales de
QEEG pueden relacionarse después con una medición de resultados como
por ejemplo puntuaciones de resultado CGI para hacer un seguimiento
de la eficacia de la entidad terapéutica.
Se administra una entidad terapéutica candidata
a sujetos que tienen una información neurofisiológica inicial
conocida. Tras el tratamiento con la entidad terapéutica candidata,
la información neurofisiológica con el tratamiento activo revela el
efecto de la sustancia candidata. Este efecto de la sustancia, por
ejemplo, se refleja en un aumento de los parámetros dependientes
del rango de frecuencia alfa. Entonces la sustancia se considera
adecuada para ser analizara para aliviar una o más afecciones
mentales diagnosticadas de forma tradicional asociadas a una
disminución en los parámetros dependientes del rango de frecuencia
alfa en los datos de EEG. Por lo tanto, se seleccionan los sujetos
que muestran un déficit en los parámetros dependientes del rango de
frecuencia alfa, para estudiar el efecto terapéutico de la
sustancia. Es posible una especificidad adicional evaluando la
información neurofisiológica con una resolución más fina.
En psiquiatría, las características clínicas que
tradicionalmente han contribuido a la definición de las
características de inclusión se han basado en el diagnóstico
conductual tal como se define en el DSM, el lCD, que se han citado
anteriormente, o sistemas de clasificación similares conocidos en la
técnica. En el procedimiento de la presente invención, se usa la
información de EEG/QEEG junto con el diagnóstico conductual, como
criterio de inclusión para guiar la selección de muestras.
Primero, el diagnóstico conductual habitualmente
criba los sujetos muestra potenciales. Sin embargo, el procedimiento
de la presente invención no requiere un diagnóstico conductual.
Segundo, se elige un perfil deseado para los participantes en el
estudio basado al menos en parte en patrones de anormalidad de
EEG/QEEG y opcionalmente en las correlaciones de diagnóstico
conductual. Y tercero, los potenciales participantes en el estudio
con los patrones de anormalidad de EEG/QEEG deseados y con
correlaciones conductuales se incluyen como participantes
potenciales en el ensayo.
Pasando a la Fig. 9, la información
neurofisiológica del sujeto se obtiene durante la etapa 900. En
vista de la posibilidad de que pueda haber más de un conjunto de
reglas, es decir, distintivos que corresponden a un tratamiento, se
selecciona un distintivo de un listado de dichos distintivos durante
la etapa 905. Por ejemplo, puede haber agrupaciones no contiguas
asociadas al tratamiento o múltiples agrupaciones asociadas a
diferentes resultados después del tratamiento, teniendo cada una su
propio distintivo. Después, de forma análoga a las etapas 810 y 815
de la Fig. 8, durante las etapas 910 y 905, se realiza una
determinación de la correlación entre la información
neurofisiológica y el distintivo seleccionado. Si la correlación es
menor que un umbral entonces el control pasa a la etapa 920 para
evaluar otro distintivo neurofisiológico, que se selecciona durante
la etapa 925 volviendo el a la etapa 910. Si no, el control pasa a
la etapa 930 desde la etapa 915.
Durante la etapa 930, se evalúa el resultado
asociado al tratamiento distintivo para determinar si es deseable
(o indeseable) para el fin del ensayo propuesto. Si el resultado
asociado evita que el sujeto sea incluido en el ensayo entonces el
control pasa a la etapa 940. Si no, el control pasa a la etapa 935
durante la cual el sujeto se añade al ensayo clínico y el control
pasa a la etapa 940. Cuando se determina que existe otro sujeto
potencial durante la etapa 940 los resultados del control vuelven a
la etapa 900 mediante la etapa 945 para obtener información
neurofisiológica de un sujeto nuevo. Si no, el procedimiento
termina.
Como se ha explicado anteriormente, la invención
permite además un mejor tratamiento, al evaluar de forma anticipada
los tratamientos putativos para los trastornos mentales
diagnosticados. Algunos de dichos trastornos incluyen, sin
limitarse al listado que se cita, los siguientes: agitación, déficit
de atención e hiperactividad trastorno, asma atípico,
enfermedad/demencia de Alzheimer, ansiedad, trastornos de pánico, y
fobias, trastornos bipolares, trastorno de personalidad límite,
problemas de control de la conducta, trastorno de dimorfismo
corporal, arritmias cardiacas atípicas que incluyen variantes de
taquicardia auricular, taquicardia auricular intermitente,
bradicardia auricular y arritmia auricular, problemas cognitivos,
dermatitis atípica, depresión, trastornos disociativos, trastornos
alimentarios como por ejemplo bulimia, anorexia y trastornos
alimentarios atípicos, alteraciones del apetito y problemas de
peso, edema, fatiga, trastornos de cefaleas atípicas, trastornos de
hipertensión atípica, hipo, problemas con el control de impulsos,
irritabilidad, trastorno de intestino irritable atípico, problemas
del estado de ánimo, problemas del movimiento, trastorno obsesivo
compulsivo, trastornos del dolor, trastornos de la personalidad,
trastorno de estrés postraumático, esquizofrenia y otros trastornos
psicóticos, trastorno afectivo estacional, trastornos sexuales,
trastornos del sueño que incluyen apnea del sueño y trastornos de
ronquidos, tartamudeo, abuso de sustancias, trastornos de
tics/síndrome de la Tourette, lesión cerebral por traumatismo,
tricotilomanía, o comportamientos violentos/autodestructivos.
En este aspecto de la invención, la invención
guía las elecciones para tratar los anteriores trastornos
psiquiátricos, médicos, cardíacos y neuroendocrinos con diversas
pautas terapéuticas, que incluye, pero sin limitación: terapia con
entidades terapéuticas, fototerapia (terapia con luz), terapia
electroconvulsiva, terapia electromagnética, terapia de
neuromodulación, terapia verbal, y otras formas de terapia.
Después del diagnóstico tradicional de un
sujeto, es posible evaluar además los tratamientos tradicionales
para determinar el conjunto de tratamientos que es probable que sea
eficaz en vista de la información neurofisiológica obtenida del
sujeto. Esta estrategia no sólo consigue una atención rápida, si no
que también, disminuye el riesgo de efectos perjudiciales para el
sujeto por la experimentación evitable.
Como beneficio añadido, la invención no sólo
permite reevaluar los tratamientos tradicionales, si no que también
sugiere tratamientos no tradicionales (novedosos o contra la
intuición) que son adecuados para la información neurofisiológica
del sujeto particular. La invención permite usar estrategias de
tratamiento con referencias neurofisiológicamente diferentes que
son seguras y eficaces para sujetos que comparten un diagnóstico
común, porque cada estrategia de tratamiento es a medida de
información neurofisiológica específica.
A la inversa, muchos sujetos que tienen
diferentes diagnósticos conductuales responden bien al mismo
tratamiento, mientras que los procedimientos de diagnóstico y
tratamiento tradicionales están sesgados por la proporción de
pacientes que responden bien a un conjunto común de tratamientos lo
que suscita un tratamiento menos que eficaz de subgrupos más
pequeños de pacientes.
Se comparan las puntuaciones Z unifactoriales de
un sujeto directamente con la información contenida en una base de
datos de tratamientos y respuestas. En el aspecto de terapia con la
entidad terapéutica de la presente invención, esta comparación
identifica una agrupación, a su vez definida por multivariables, con
las que están relacionadas las puntuaciones Z unifactoriales del
sujeto. Es posible identificar tratamientos que probablemente
corrigen las anormalidades de EEG/QEEG o bien haciendo un
seguimiento del efecto de un tratamiento sobre la puntuación Z de
un sujeto de forma directa o de la puntuación Z de un subconjunto de
sujetos. Por ejemplo, el subconjunto se elige convenientemente de
forma que incluya las variables unifactoriales que se incluyen en
las definiciones del multivariables que definen la agrupación. Por
lo tanto, el efecto del tratamiento sobre la información
neurofisiológica basada en el EEG/QEEG permite tanto evaluaciones de
seguimiento como otra medición del resultado del tratamiento. Un
clínico puede usar esta medición para guiar las elecciones
terapéuticas adicionales.
Son posibles al menos dos tipos de análisis de
acuerdo con el procedimiento de la presente invención: análisis de
tipo uno y de tipo dos. El análisis de tipo uno considera que los
sujetos están libres de entidades terapéuticas. El análisis de tipo
dos, que se describe más adelante, considera que los pacientes que
no estarán o no pueden estar libres de entidades terapéuticas. El
estado de la entidad terapéutica preferiblemente duplica el de la
distribución de referencia para calcular la puntuación Z. Los
sujetos incluidos en la base de datos de resultados preferiblemente
están libres de entidades terapéuticas durante al menos siete
semividas de su anterior entidad terapéutica y sus metabolitos.
En el análisis de tipo uno, el EEG/QEEG inicial
de un sujeto se empareja después con EEG/QEEG similares y sus
resultados de entidades terapéuticas correspondientes en la base de
datos de resultados. Tal como se indica, la base de datos de
resultados incluye modalidades de tratamiento que convierten los
parámetros multifactoriales anormales de estos pacientes hacia la
normalidad. Después, se identifica una entidad terapéutica
neuroactiva candidata en la base de datos de resultados de acuerdo
con sus efectos fisiológicos sobre la función cerebral tal como se
indica en la puntuación de CGI o una medición más directa del efecto
de tratamiento sobre la información neurofisiológica. Dado que las
agrupaciones de la base de datos de resultados están asociadas a un
tratamiento y su resultado, cada entidad terapéutica se clasifica
según su influencia sobre la información de EEG/QEEG. Este
procedimiento proporciona al médico un enlace fisiológico entre las
posibilidades terapéuticas y su efecto sobre la función cerebral
entre diversas expresiones conductuales sintomáticas.
Después se determina la probabilidad de que un
paciente responda a diferentes tipos de tratamientos. Estos
tratamientos incluyen medicación, clases de entidades terapéuticas,
psicoterapia o una combinación de las mismas que incluyen diversos
antidepresivos, agentes ansiolíticos, agentes de control de efectos
secundarios, tratamientos para el abuso de alcohol, estabilizadores
del estado de ánimo, agentes contra ADD, antipsicóticos, agentes
para el control de impulsos, agentes antihipertensores,
antiarrítmicos, y agentes hipnóticos conocidos y supuestos.
Además, en un aspecto de la invención es posible
clasificar los tratamientos basándose en las agrupaciones de
información neurofisiológica previa al tratamiento que se sabe que
da resultado para llegar a un resultado deseado. Actualmente, los
presentes inventores califican dicho esquema de clasificación
basándose en una respuesta a un tratamiento y no en un diagnóstico
de una clasificación electroterapéutica. Como puede esperarse, dicho
esquema realiza un seguimiento del efecto del tratamiento sobre
elementos de información neurofisiológica.
Por ejemplo, en el caso de EEG que contienen
información neurofisiológica, se conocen entidades terapéuticas que
están asociadas a resultados como por ejemplo un déficit de alfa, un
exceso de alfa, un exceso de beta, un exceso de delta, un exceso de
theta, un exceso de energía o una coherencia anormal y sus
combinaciones. En particular es útil considerar el siguiente
listado no exhaustivo de clases electroterapéuticas descritas en
términos del resultado:
Clase 1: Excesiva energía en la banda alfa de
EEG provoca un exceso de alfa sobre el nivel asociado a la
distribución referenciada a la edad. Este aumento en la energía se
evalúa o bien en un único electrodo o en dos o más electrodos.
Algunas variables indicadoras ejemplares que reflejan el exceso de
energía alfa son las multivariables RMAA o RMPA anteriormente
descritas con valores superiores a 10 (regla 17 de la Tabla 6). Las
entidades terapéuticas que entran dentro de esta clase incluyen
PROZAC^{TM} y EFFEXOR^{TM}.
Clase 2: Exceso de energía en las bandas theta
o delta. Esta viene indicada por el valor de las multivariables
ejemplares RMAT, RMAD, RMPD y RMPT de la Tabla 1. Las entidades
terapéuticas ejemplares incluyen inhibidores de monoamina oxidasa
(MAOI) y estimulantes como por ejemplo Adderall. De forma destacada,
la administración de MAOI aumenta la energía en la banda alfa.
Clase 3: Aumentos de energía en las bandas alfa
y theta. Esta viene indicada por el valor de las multivariables
ejemplares RMAT, RMAA, RMPT, y RMPA de la Tabla 1. Las entidades
terapéuticas ejemplares incluyen WELLBUTRINA^{TM}.
Clase 4: Aumentos de energía en la banda beta.
Esta viene indicada por el valor de las multivariables ejemplares
RMAB y RMPB de la Tabla 1. Las entidades terapéuticas ejemplares
incluyen agentes que afectan al sistema cardiovascular como por
ejemplo betabloqueantes.
Clase 5: Se ven afectadas las mediciones de
coherencia en los EEG. Esta viene indicada por el valor de las
multivariables ejemplares CEAD y CEPB de la Tabla 1. Las entidades
terapéuticas ejemplares incluyen litio y Lamictal.
Como es obvio, son posibles clasificaciones
adicionales o alternativas sin perder la idea general.. Las clases
mencionadas anteriormente son útiles para proponer recomendaciones
adicionales o alternativas, en particular en un entorno de toma de
decisiones basándose en reglas donde las decisiones reflejan
generalizaciones recogidas de una base de datos de tratamientos y
respuestas en lugar de la búsqueda de la base de datos en sí.
Además, el uso de agentes múltiples para tratar a un sujeto dado
también se beneficia de la disponibilidad de clases de agentes
proporcionando una amplia elección de agentes para dar cabida a
combinaciones de entidades terapéuticas que están contraindicadas o
que son indeseables debido a los efectos adversos o a otras
razones.
La base de datos de resultados de una
realización de la presente invención incluye entradas que
corresponden a casi tres mil pacientes y doce mil episodios de
tratamiento. Realiza un seguimiento de datos de tratamientos y
respuestas basándose en la información de EEG/QEEG para una serie de
entidades terapéuticas conocidas por sus nombres genéricos. Los
ejemplos de dichas entidades terapéuticas incluyen: alprazolam,
amantadina, amitriptilina, atenolol, betanecol, bupropión
comprimidos normales y de liberación mantenida, buspirona,
carbamazepina, clorpromazina, clordiazepóxido, citalopram,
clomipramina, clonidina, clonazepam, clozapina, ciproheptadina,,
depreniloo, desipramina, dextroanfetamina comprimidos normales y de
liberación modificada, diazepam, disulfiram, d/l anfetamina,
divalproex, doxepina, etclorvinol, fluoxetina, fluvoxamina,
felbamato, flufenazina, gabapentina, haloperidol, imipramina,
isocarboxazid, lamotrigina, levotiroxina, Iiotironina, carbonato de
litio, citrato de litio, lorazepam, loxapina, maprotilina,
meprobamato, mesoridazina, metanfetamina, metilfenidato comprimidos
normales y de liberación mantenida, midazolam, meprobamato,
metoprolol normal y de liberación mantenida, mirtazepina, molindona,
moclobemida, naltrexona, nefazodona, nicotina, nortriptilina,
olanzapina, oxazepam, paroxetina, pemolina, perfenazina, fenelzina,
pimozida, pindolol, prazepam, propranolol comprimidos normales y de
liberación mantenida, protriptilina, quetlapina, reboxetina,
risperidona, selegilina, sertralina, sertindol, trifluoperazina,
trimipramina, temazepam, tioridazina, topiramato, tranilcipromina,
trazodona, triazolam, trihexifenidilo, trimipramina, ácido valproico
o venlafaxina.
Los datos de tratamiento y respuesta basados en
la información de EEG/QEEG también son posibles para agentes
medicinales que tienen las siguientes marcas ejemplares; Adapin,
Altruline, Antabuse, Anafranil, Aropax, Aroxat, Artane, Ativan,
Aurorix, Aventyl, BuSpar, Catapres, Celexa, Centrax,
Cibalith-S, Cipramil, Clozaril, Cylert, Cytomel,
Decadron, Depakene, Depakote, Deprax, Desoxyn, Desyrel, Dexedrine
comprimidos, Dexedrine Spansules, Dextrostat, Dobupal, Dormicum,
Dutonin, Edronax, Elavil, Effexorcomprimidos, Effexor XR capsules,
Eskalith, Eufor, Fevarin, Felbatol, Haldol, Helix, Inderal,
Klonopin, Lamictal, Librium, Lithonate, Lithotabs, Loxitane,
Ludiomil, Lustral, Luvox, Manerix, Marplan, Miltown, Moban, Nalorex,
Nardil, Nefadar, Neurontin, Norpramin, Nortrilen, Orap, Pamelor,
Parnato, Paxil, Periactin, Placidyl, Prisdal, Prolixin, Prozac,
Psiquial, Ravotril, Remeron, ReVia, Risperdal, Ritalin comprimidos
normales, Ritalin SR comprimidos, Saroten, Sarotex, Serax,
Sercerin, Serlect, Seroquel, Seropram, Seroxat, Serzone, Symmetrel,
Stelazine, Surmontil, Synthroid, Tegretol, Tenormin, Thorazine,
Tofranil, Tolrest, Topamax, Toprol XR, Tranxene, Trilafon, Typtanol,
Tryptizol, Urecholine, Valium, Verotina, Vestal, Vivactil,
Wellbutrina SR comprimidos, Wellbutrina comprimidos normales, Xanax,
Zoloft, or Zyprexa. Las descripciones genéricas de estos agentes de
marca y su fuente están disponibles en Physicians Desk Reference
(New York: Medical Economics Company, 2001), cuyas descripciones se
incorporan al presente documento por referencia.
La información de EEG/QEEG de la presente
invención enlaza entidades terapéuticas a sus efectos sobre la
función cerebral. La Tabla 6 contiene agentes seleccionados en la
base de datos de la presente invención, clasificados
electroterapéuticamente según 72 elementos de discriminación. Puede
realizarse una predicción de la respuesta basándose en la magnitud
de los parámetros de EEG/QEEG observados y el subconjunto de reglas
que se enumera en la Tabla 6 que están asociadas a una terapia
particular.
Los individuos que no pueden ser analizados
debido a la dificultad de obtener información neurofisiológica en
un estado libre de entidades terapéuticas se analizan en condiciones
en las que se permiten entidades terapéuticas en curso. Este
análisis de tipo dos reseña el impacto de las entidades terapéuticas
sobre la información de EEG/QEEG. Se usan registros de seguimiento
de EEG para hacer un seguimiento de los cambios producidos por la
administración de entidades terapéuticas.
Por supuesto, cuando el análisis de tipo dos
viene precedido por un análisis de tipo uno, es posible observar
los cambios absolutos atribuibles a la entidad terapéutica y
apreciar el espectro de acciones sobre el EEG/QEEG de una
combinación de entidades terapéuticas dadas. Estos efectos pueden
compararse con el conjunto de individuos inicialmente comparables y
con su respuesta a la misma entidad terapéutica o entidades
terapéuticas.
Para los pacientes analizados de acuerdo con el
análisis de tipo dos sin un análisis de tipo uno anterior, la guía
terapéutica se deriva del tratamiento de la información como si se
derivara de un análisis de tipo uno y se ajustara la entidad
terapéutica usando tanto la recomendación electroterapéutica de
agentes como la información de la entidad terapéutica actual Esta
estrategia toma en consideración las posibles complicaciones
conocidas de las interacciones de las entidades terapéuticas a la
vez que se trata las acciones de entidades terapéuticas
independientes como independiente. En ausencia de interacciones
entre entidades terapéuticas, esta estrategia arroja una buena
estimación de la acción de un fármaco y al menos un punto de partida
para el ulterior análisis.
Además, es posible definir el tratamiento para
que incluya la administración escalonada de más de una sustancia,
permitiendo así que el procedimiento de agrupación descrito
anteriormente prediga la respuesta de un sujeto, que incluye
respuestas basadas en la información neurofisiológica inicial
recogida durante el transcurso del tratamiento para deducir las
opciones de inicial con ayuda de la base de datos de tratamientos y
respuestas construida acuerdo con el análisis de tipo uno.
La Fig. 10 resume una realización típica del
proceso de entidad terapéutica terapia única basado en el
procedimiento de EEG/QEEG preferido de la presente invención.
Durante la etapa 1000 de un proceso de terapia, uno o más clínicos
establecen los parámetros iniciales para medir diversos cambios
fisiológicos y conductuales. Después, durante la etapa 1005, se
administra la entidad terapéutica elegida al paciente en una dosis
basada en el análisis por EEG/QEEG de acuerdo con la invención. La
elección de entidad terapéutica se guía por el resultado predicho
por el procedimiento la invención interpretando la información
neurofisiológica previa al tratamiento o inicial. Además, se
controla la respuesta al tratamiento, al menos en parte, examinando
el efecto sobre la información neurofisiológica. Aunque no es un
requisito para practicar la invención, la información
neurofisiológica con el tratamiento activo a menudo refleja cambios
en las variables indicadoras reduciendo la desviación a partir de
las distribuciones de referencia de la misma edad. Por consiguiente,
la dosis se cambia según sea necesario e indicado por el análisis
por QEEG y las puntuaciones de CGI repetidos durante la etapa
1010.
Durante la etapa 1015, se realiza una
determinación de si la afección es una afección crónica. Si la
afección es crónica entonces el control fluye a la etapa 1020. Al
alcanzar un estado estacionario, según se determina por mediciones
de los resultados basadas en EEG y/o otras mediciones de los
resultados como por ejemplo puntuaciones de CGI, se mantiene el
estado estacionario para las afecciones crónicas. En el caso de
afecciones no crónicas caracterizadas por episodios de duración
limitada, el control fluye a la etapa 1025 desde la etapa 1015.
Durante la etapa 1025, preferiblemente, las mediciones de los
resultados basadas en EEG permiten reducir la dosis durante la
etapa 1025.
La Fig. 11 resume un proceso de terapia con
entidades terapéuticas con agentes múltiples. Debería observarse
como asunto preliminar que es posible definir de forma adecuada un
tratamiento que incluya más de un agente. Sin embargo, en vista de
la escasez de datos es útil también mantener la capacidad de deducir
una pauta de tratamiento de la base de datos de tratamientos y
respuestas teniendo principalmente resultados de tratamientos
únicos de sujetos que son aptos para el análisis de tipo uno. Esta
estrategia reduce los posibles errores debidos a las interacciones
inesperadas entre entidades terapéuticas a la vez que mantiene la
capacidad de analizar las situaciones en las que los diferentes
tratamientos no interfieren o incluso se suplementan los unos a los
otros. Durante la etapa 1100, se obtiene información
neurofisiológica para un sujeto. La información neurofisiológica
así obtenida es o bien información neurofisiológica inicial o
información neurofisiológica previa al tratamiento. Se recoge la
información neurofisiológica adicional, cuando se desee, para
controlar el efecto de un agente tras la administración y deducir
la necesidad de agentes adicionales para lograr una mejoría
deseada.
Al basarse en la información neurofisiológica,
al menos en parte, se generan opciones de tratamiento de acuerdo
con la invención durante la etapa 1105. Se generan múltiples
opciones de tratamiento si la información neurofisiológica inicial
pertenece, es decir, satisface las reglas de más de una agrupación.
Durante la etapa 1110, se realiza una determinación si hay
tratamientos múltiples. Si existe sólo un tratamiento o no se genera
ninguno entonces el control fluye a la etapa 1115. Durante la etapa
1115 se administra el tratamiento indicado, si lo hubiera. La
administración del tratamiento preferiblemente sigue las etapas
1010-1020 de la Fig.10 de ajustar las dosis según
sea necesario. Estas etapas se realizan de forma ventajosa con ayuda
de un dispositivo portátil como por ejemplo un asistente personal
programado de forma adecuada o incluso un dispositivo portátil
dedicado para aplicar las reglas deducidas del análisis por grupos
de los datos de la base de datos de tratamientos y respuestas. En
vez de eso, un médico puede preferir la una escala de CGI o una
medición alternativa de la mejoría o el cambio. Una vez realizado
el ajuste adecuado de las dosis, el procedimiento termina.
Si hay tratamientos múltiples entonces el
control pasa a la etapa 1120. Durante la etapa 1120, se selecciona
uno de los tratamientos basándose en la fuerza de la correspondencia
entre la información neurofisiológica inicial y las
reglas/inclusión del agrupación que corresponden a un resultado
deseado y el tratamiento seleccionado.
Las etapas 1125, 1130 y 1140 corresponden a las
etapas 1015, 1025 y 1020 respectivamente de la Fig. 10 para ajustar
la dosis del tratamiento. Después de dicho ajuste, el control fluye
o bien de la etapa 1130 o de la etapa 1140 a la etapa 1135. Durante
la etapa 1135, se obtiene información neurofisiológica de
seguimiento o bien de las anteriores etapas de ajuste de las dosis
o bien se obtiene un nuevo conjunto de datos. Esta información
neurofisiológica se trata como información neurofisiológica inicial
y el control vuelve a la etapa 1105 para la reevaluación de esta
información neurofisiológica inicial. En algunos casos, no existe
ninguna necesidad de tratamientos adicionales y el procedimiento
converge rápidamente. Si no, se generan tratamientos adicionales
que pueden suplementar o incluso sustituir al primer tratamiento
seleccionado. Además, puede darse con un tratamiento más de una vez
durante la ejecución de las etapas iterativas de la Fig. 11.
Durante la etapa 1120 de la Fig. 11 la selección
del tratamiento incluye considerar las interacciones conocidas
entre entidades terapéuticas. Además, se han desarrollado
consideraciones de planificación para un mejor resultado de los
tratamientos. Con este fin es ventajoso cuando uno se enfrenta a
múltiples opciones de tratamiento administrar agentes de la clase 4
antes que los agentes de otras clases. Por supuesto, debería
entenderse que un agente que tiene un resultado en más de una clase
puede usarse de forma simultánea para tratar múltiples elementos si
fuera posible. Al contrario que los agentes de la Clase 4, los
agentes de la Clase 2 se administran los últimos. Cuando uno se
enfrenta a una elección entre los agentes de Clase 1 y de Clase 5,
es preferible administrar los agentes de Clase 1 primero. Sin
embargo, cuando se debe elegir entre agentes de Clase 1 y una
entidad terapéutica neuroléptica, primero se administra la entidad
terapéutica neuroléptica.
\newpage
La Fig. 14 ilustra dispositivos portátiles
ejemplares posibilitados por la presente invención, en particular
con la ayuda del rastro de las reglas deducidas de la base de datos
de tratamientos y respuestas. Además, la presente invención también
posibilita y mejora versiones compactas de la base de datos de
tratamientos y respuestas y el diagnóstico a distancia gracias a un
enlace de comunicación con una sede central. El ordenador portátil
1400 y un dispositivo de mano PDA 1405 incluyen módulos para recibir
dados, proporcionar un resultado, acceder a las reglas, averiguar
correspondencias, y distribuciones de referencia para evaluar la
información. Así mismo, también son posibles subconjuntos o
versiones compactas de las bases de datos de tratamientos y
respuestas que son realmente caras.
El ordenador portátil 1400 y la PDA 1405 pueden
comunicarse con un equipo central 1410 mediante un enlace de
comunicación que esté provisto de una conexión inalámbrica,
infrarroja, óptica o eléctrica que incluye una combinación híbrida
de las mismas. El equipo central proporciona herramientas analíticas
extensas, un programa, amplias bases de datos para analizar y
evaluar uno o más conjuntos de información neurofisiológica de
interés. En particular, con los datos obtenidos usando técnicas
distintas del EEG, el análisis de los datos probablemente requerirá
más recursos informáticos incluso con los dispositivos informáticos
tan espectacularmente mejorados disponibles hoy en día. Además, los
derechos de autor y de propiedad intelectual no permiten cargar
copias completas de esos programas en una PDA 1405 y un ordenador
portátil 1400 de forma económica, lo que provoca que sea preferible
el análisis a distancia de dichos datos si fuera necesario. Por lo
tanto, la capacidad de formular reglas para reemplazar las bases de
datos no sólo proporciona una realización de rastro rápido y
pequeño de la invención, si no que además permite que muchas
variaciones de un programa adecuado proporcionen elecciones
adicionales a los usuarios. Es más, los usuarios autorizados, en una
realización ejemplar de la invención, se suscriben para obtener las
reglas según se van redefiniendo con ayuda de datos adicionales que
se están añadiendo continuamente a la base de datos de tratamientos
y respuestas.
La Fig. 15 ilustra una realización ejemplar de
la presente invención, en la que la obtención de los datos del
paciente puede estar separada del procesamiento de los datos del
paciente que se realiza de acuerdo con el procedimiento de esta
invención, y donde tanto la obtención como el procesamiento de los
datos pueden ser a distancia o requerir evaluación o valoración del
paciente. Aquí se ilustra el enclave lugar de obtención de datos
1505 en el que se obtiene información neurológica cuantitativa,
específicamente información de EEG, del paciente 1501 mediante un
dispositivo de procesamiento 1503. Tal como se describe
anteriormente, el dispositivo 1503 puede ser un dispositivo de EEG
básico para registrar datos de EEG en bruto; o puede ser un
dispositivo de QEEG capaz de cierto procesamiento (por ejemplo, en
puntuación Z) de los datos registrados en bruto, y después
transmitir los datos de forma remota de los resultados en bruto y
previamente procesados; o puede ser un ordenador (como por ejemplo
un ordenador de tipo PC) combinado con una interfaz para recibir
datos neurológicos, como por ejemplo datos de EEG, que registra,
opcionalmente preprocesa y transmite datos neurológicos
registrados, o similares. En particular, el enclave 1505 puede ser
el despacho de un doctor en el que la obtención de datos es
supervisada por el médico del paciente 1501 (que no tiene que tener
formación psiquiátrica), o puede ser en un entorno de laboratorio
clínico supervisado por un técnico, o puede ser incluso la casa o la
cama del paciente, o cualquier otro sitio.
Aunque el dispositivo 1503 de forma general está
situado con el paciente 1501 en el enclave 1505, en general estos
están localizados lejos del centro de procesamiento y valoración
1513 donde los datos obtenidos son procesados de acuerdo con el
procedimiento de esta invención. Por consiguiente, los datos
registrados del paciente 1501 (junto con otros datos de pacientes
como por ejemplo datos demográficos, historia médica y de
tratamientos, resultados de análisis previos, y similares) se
transmite a un centro de procesamiento 1513. De la forma más
simple, los datos pueden registrarse en un medio legible por
ordenador 1507 que después se transporta o se envía por correo
físicamente a un centro 1513. Sin embargo, estos datos
preferiblemente se comunican 1509 por medios de comunicación en
tiempo real, como por ejemplo mediante una red LAN, o por Internet,
o mediante un enlace de comunicación como por ejemplo una conexión
telefónica alquilada o conmutada, conexión vía satélite, o
similares. La valoración de los resultados, las recomendaciones de
tratamiento, y otros resultados de los procedimientos de esta
invención pueden transmitirse después 1511 de vuelta al médico o
técnico en el enclave 1505 mediante cualquiera de estos medios de
transmisión.
En esta realización, los datos del paciente se
procesan con el fin de valorar los tratamientos en el enclave 1513,
que incluye al menos el ordenador 1515 y el dispositivo de la base
de datos 1517. El ordenador 1515 por ejemplo puede ser una estación
de trabajo o un servidor y el dispositivo de la base de datos 1517
puede ser hardware de almacenamiento masivo de datos conocido, como
por ejemplo uno o más discos duros. El dispositivo 1517 puede
almacenar programas construidos usando tecnologías de programas
conocidos y que cuando se ejecutan por ordenador 1515 provocan que
realice los procedimientos de esta invención. Estos programas
almacenados también pueden almacenarse en un medio legible por
ordenador (o transmitirse por una red) para su distribución a otros
sitios de valoración. El dispositivo 1517 también puede almacenar
una base de datos de tratamientos y respuestas y cualquier otro
dato empleado por los procedimientos de la invención para valorar
los datos neurológicos de un paciente.
Los datos del procesamiento del paciente pueden
ser supervisados y se puede realizar una revisión de calidad,
preferiblemente, por un médico(s) con formación en
psiquiatría que o bien está presente en el enclave 1513 (no se
ilustra) o en un enclave a distancia 1519. Preferiblemente, dicho
revisor(es) se asegura de que los datos del paciente
recibidos son de calidad suficiente, que las diversas etapas de
procesamiento realizadas en el enclave 1513 producen resultados
clínicamente razonables a partir de los datos recibidos, y que
cualquier valoración o recomendaciones de tratamiento finales a
transmitir sean apropiados en vista de todos los datos del
paciente. Un sistema de acceso (o más de uno) en el enclave 1519
hace que esa información esté disponible para el revisor según sea
necesario para la revisión, y opcionalmente puede permitir que el
revisor ajuste o controle los datos del procesamiento del
paciente.
También se ilustra el enclave 1521 donde un
usuario adicional (usando a sistema de acceso adicional) evalúa la
información disponible del paciente. Dicho usuario adicional puede
ser un médico especialista que, junto con un médico de atención
primaria, también tiene que evaluar los datos del paciente y las
valoraciones. También, dicho usuario adicional puede recoger datos
adicionales de tratamientos y respuestas para añadir a la base de
datos del sistema. De forma general, este usuario adicional puede
acceder a los datos del sistema por razones apropiadas en los otros
procedimientos de la presente invención, como por ejemplo para
evaluar ensayos de un agente terapéutico (ya sea un agente nuevo o
un uso nuevo para un agente conocido), o para evaluar a los
pacientes para su incorporación a un ensayo planificado de un agente
terapéutico, etc.
Debería entenderse que, dos o más de los lugares
en los que se realizan diversos aspectos de los procedimientos de
la presente invención, como por ejemplo los lugares ilustrados 1505,
1513, 1519, y 1521, pueden estar "situados a distancia" los
unos de los otros, donde "situados a distancia" se refiere a
lugares que pueden estar localizados por separado en una única
ciudad, o que pueden estar localizados por separado en un único país
o en un único continente o que pueden estar localizados por
separado en diferentes países o en diferentes continentes, o que
pueden estar localizados por separado con otras separaciones
geográficas. De forma alternativa, cualesquiera dos o más de estos
lugares que pueden estar localizados en "el mismo sitio", donde
"el mismo sitio" se refiere a lugares en la misma habitación o
edificio, o de forma general en una única red de área local (como
por ejemplo una Ethernet intrahospitalaria), etc.. En todos los
casos, la transmisión de datos preferiblemente se realiza con la
seguridad necesaria o requerida en vista de la modalidad de
transmisión para proteger la confidencialidad del paciente.
Debería entenderse además que la presente
invención incluye el procedimiento que se ilustra directa o
indirectamente en la Fig. 15. Dicho procedimiento de forma general
incluye transmitir, procesar y recibir localizados en lugares
localizados a distancia o en el mismo sitio.
En otro aspecto de la invención, la Fig. 12
ilustra la utilidad de la invención para identificar rasgos
heredados para la posterior identificación y aislamiento de los
genes responsables de rutas que subyacen respuestas previstas
compartidas a un tratamiento incluso cuando vienen acompañadas de un
espectro distinto de síntomas conductuales. En resumen, la Fig. 12
representa la relación, en un árbol familiar, entre cuatro sujetos
que presentaban EEG iniciales o previos al tratamiento similares
medidos mediante variables unifactoriales. La paciente 1 1200, una
mujer de 49 años de edad, casada, diestra, de raza blanca refería el
conjunto de síntomas n.º 1. El conjunto de síntomas n.º 1
comprendía un primer episodio de inestabilidad del estado de ánimo,
ansiedad, sentimientos de inutilidad, dificultad para concentrarse,
letargo, irritabilidad, hiperreactividad e insomnio que había
estado presente durante varios meses. No había ideas de suicidio ni
uso de drogas ni alcohol. El examen del estado mental reveló una
mujer agradable, cuyo aspecto, comportamiento y resultados
cognitivos estaban dentro de los límites de la normalidad. La
paciente 1 1200 cumplía los criterios del trastorno del estado de
ánimo SAI (296.90) de acuerdo con el DSM.
El paciente 2 1205, hija de la paciente 1 1200,
refería el conjunto de síntomas n.º 2. El conjunto de síntomas n.º
2 comprendía un episodio recurrente de estado de ánimo disfórico,
cefaleas, inseguridad, crisis de llanto incontenible, anergia e
hipersomnia que acompañaba a tres años de malos resultados
académicos. No había uso de drogas ni alcohol y ninguna entidad
terapéutica previa. El examen del estado mental reveló una
adolescente sombría, que se despreciaba a sí misma, cuyas pruebas
cognitivas demostraban errores por falta de atención en series de
restas de siete e incapacidad de repetir más de 4 dígitos hacia
atrás. La paciente 2 1205 cumplía los criterios de trastorno
distímico, de inicio temprano (300.40), trastorno de déficit de
atención provisional (314.00), trastorno del aprendizaje
provisional SAI (315.9) de acuerdo con el DSM.
El paciente 3 1210, hijo de la paciente 1 1200,
refería el conjunto de síntomas n.º 3. El conjunto de síntomas n.º
3 comprendía episodios recurrentes de creciente ansiedad y
comportamiento de reclusión involuntaria. A pesar de las
dificultades académicas crónicas, había conseguido terminar el
instituto. Refería déficit de energía, estado de ánimo,
sociabilidad, apetito y comprensión lectora. No refirió uso de
fármacos ni alcohol, impulsividad, alteraciones del sueño ni mal
genio. El examen del estado mental reveló a un varón frustrado y
amigable que estaba preocupado con su autocrítica. El examen
cognitivo mostró incapacidad de realizar una resta de sietes en
serie desde 100 y lentitud con discalculia durante la sustracción de
treses a partir de 30. La retención de dígitos era de 5 adelante y
atrás. Los diagnósticos fueron trastorno de ansiedad con síntomas
obsesivos y fóbicos debidos a una discapacidad del aprendizaje
(293.89), trastorno de déficit de atención (314.00), trastorno del
aprendizaje SAI (315.9) de acuerdo con el DSM.
La paciente 4 1215, madre de la paciente 1 1200,
refirió el conjunto de síntomas n.º 4. El conjunto de síntomas n.º
4 comprendía insomnio crónico, achacado a una incapacidad de
tranquilizar su mente. Esta dolencia había demostrado ser
resistente a múltiples hipnóticos y sólo respondía ligeramente a
lorazepam. Admitió que en ocasiones sufría de frustración y mal
genio, pero negó presentar disforia ni cambios en el estado de
ánimo. Los miembros de la familia refirieron cambios crónicos en el
estado de ánimo con agitación. El examen del estado mental reveló
una mujer atractiva y optimista. El examen cognitivo estaba dentro
de los límites normales. Se le diagnosticó trastorno de disomnia
SAI (307.47) de acuerdo con el DSM [los datos familiares sugería
trastorno bipolar atípico (296.8)].
A pesar de los diferentes diagnósticos
conductuales de acuerdo con los conjuntos de criterios que presenta
el DSM, la paciente 1 1200, la paciente 2 1205, el paciente 3 1210,
y la paciente 4 1215 compartían patrones de EEG similares y
respondieron positivamente a los mismos agentes que incluían
carbamazepina y bupropión. Por el contrario, dos miembros de la
familia, una hermana de la paciente 1 1200 y una nieta de la
paciente 1 no mostraban los déficits en la frecuencia alfa. A la
hermana se le diagnosticó trastorno distímico, inicio temprano
(300.40). A la nieta se le diagnosticó con un EEG que estaba dentro
de una variación normal con un trastorno de déficit de atención
314.0 aproximadamente 1,5 años después. Su EEG era ligeramente lento
para su edad y el QEEG mostró un exceso theta difuso. Se le trató
con éxito con aminoácidos: L-tirosina,
L-glutamina y L-glutamina y dio
buenos resultados.
Por lo tanto, las tres generaciones que se
representan en la Fig. 12 comparten una respuesta común a
tratamientos comunes lo que indica un rasgo heredado representado
por uno o más genes. Sin embargo, los sujetos individuales
presentaban diferentes síntomas individuales lo que provocaba
múltiples diagnósticos. Estos síntomas heterogéneos reflejan la
interacción de un conjunto de genes compartidos con una multitud de
otros genes. Por lo tanto, el aislamiento de una población que
comparte un conjunto común de genes de significancia terapéutica no
es posible en general mediante procedimientos basados en
procedimientos de diagnóstico basados en el DSM. Por otra parte, la
base de datos de resultados de esta ilustración del procedimiento de
la invención identificó fácilmente un conjunto enriquecido de
sujetos para el cribado adicional para aislar los genes responsables
y desarrollar mejores agentes para modular su acción.
Muchos agentes se dirigen contra múltiples
receptores y otras proteínas. Los agentes antiinflamatorios como
por ejemplo aspirina, ibuprofeno y similares presentan unos de esos
ejemplos. Estos agentes se dirigen contra los receptores
COX-1 y COX-2. Sin embargo, para el
tratamiento del dolor sin efectos secundarios como por ejemplo
úlceras de estómago, es deseable dirigirse sólo contra los
receptores COX-2. Las entidades terapéuticas más
novedosas como por ejemplo VIOXX proporcionan esa especificidad. De
forma similar, para desarrollar agentes dirigidos para tratar las
enfermedades mentales es necesario que haya procedimientos y
sistemas para hacer un seguimiento en detalle de la respuesta a la
entidad terapéutica basado en el efecto sobre la enfermedad o
función mental. La base de datos de tratamientos y respuestas tal y
como la emplea la presente invención permite hacer esto dado que no
sólo predice la respuesta a un tratamiento, sino que hace un
seguimiento de una entidad terapéutica por la respuesta a la misma
que incluye posibles efectos secundarios. Además, permite un
análisis de estructura fina al identificar agrupaciones que
comparten una respuesta particular, como por ejemplo falta de un
efecto secundario indeseable a la vez que por lo demás mantiene una
respuesta positiva. Dicho análisis de la estructura fina requiere
que haya un gran número de sujetos incluidos en la base de datos de
tratamientos y respuestas de la invención junto con la facilidad de
realizar repetidamente análisis por grupos para definir mejor las
diferentes poblaciones de interés de forma eficiente.
La presente invención se describe adicionalmente
en los siguientes ejemplos que se pretende que sean meramente
ilustrativos, dado que numerosas modificaciones y variaciones serán
obvias para los expertos en la técnica. El primer ejemplo describe
el uso de la utilidad de la invención para guiar el tratamiento tras
un diagnóstico tradicional de acuerdo con un patrón como el DSM. El
segundo ejemplo ilustra la identificación de elementos asociados a
resultados exitosos y no exitosos de un tratamiento. El tercer
ejemplo ilustra el gran número de usos novedosos para entidades
terapéuticas conocidas identificadas por el procedimiento y sistema
de la presente invención.
Se estudiaron pacientes ejemplares con trastorno
depresivo mayor crónico (MDD), que no respondían a al menos dos
pautas terapéuticas previas de dosis y duración adecuadas. Su falta
de respuesta a los repetidos esfuerzos clínicos previos proporcionó
una línea de base clara desde la que observar cualquier aumento en
la eficacia del tratamiento con la información de EEG/QEEG. Estos
pacientes fueron asignados a los grupos de tratamiento de control
(D) y experimental (D+E). Uno de cada dos pacientes que cumplían
los criterios del estudio se trató solamente según la decisión
conjunta del residente psiquiátrico y de un profesor de
psicofarmacología supervisor. El otro grupo de pacientes fue
tratado usando las recomendaciones terapéuticas dirigidas por el
EEG por los mismos clínicos. Se evaluó a los pacientes para excluir
enfermedades concurrentes y el estado de la medicación. Después de
estas valoraciones, un clínico que no estaba ni iba a estar
implicado en el tratamiento del paciente evaluó al paciente
proporcionando una base para la futura valoración de la respuesta al
tratamiento por este clínico. Este médico que realizaba las
evaluaciones no desempeñó ningún papel en la selección de la
entidad terapéutica, no tuvo contacto con el paciente hasta que
evaluó el resultado del tratamiento, no tuvo conocimiento de a qué
grupo experimental pertenecía el paciente, ni ninguna información
sobre los hallazgos de los EEG/QEEG. Este clínico llevó a cabo
todas las valoraciones clínicas que se usaron en los análisis.
A cada paciente se le realizó un EEG
convencional digital con veintiún electrodos. Un clasificador basado
en las reglas analizó los periodos normalizados sin artefactos del
EEG convencional. A los médicos que trataban al grupo de D + E se
les comunicó una predicción de los resultados de la entidad
terapéutica, que contenían las respuestas correlacionadas a
entidades terapéuticas de las clases de antidepresivos,
anticonvulsivos y estimulantes. Las predicciones de los resultados
de las entidades terapéuticas para los pacientes del grupo D se
sellaron hasta el final del estudio. Después de seis semanas con una
entidad terapéutica(s) a la dosis máxima tolerada, el médico
valorador independiente evalúo la eficacia del tratamiento usando la
escala CGI.
El resultado del estudio también se evaluó
usando la Escala de valoración de la depresión de Hamilton [HDRS]
así como el Inventario de la depresión de Beck [BOI]. La HDRS media
para el grupo D previa al tratamiento fue de 24 y con el
tratamiento activo fue de 18. El BDI para el grupo D previo al
tratamiento fue de 22 y con el tratamiento activo fue de 20. La
HDRS media para el grupo D+E previa al tratamiento fue de 23 y con
el tratamiento activo fue de 9. El BDI para el grupo D+E previo al
tratamiento fue de 26 y con el tratamiento activo fue de 13. Estos
cambios en las puntuaciones de las pruebas entre los dos grupos de
tratamiento son altamente significativa (ANOVA Friedman
x2(N=13; df=3) P < 0,009).
\newpage
En el grupo D+E, 6 de los 7 pacientes
presentaron un cambio en el CGI de 2 o más; además 4 de estos 7
pacientes lograron un CGI de 3 lo que indica que no hay indicios de
enfermedad. En el grupo D 1 de los 6 pacientes presentó un cambio
en el enfermedad de 2 o más y 5 de los 6 pacientes presentaron un
cambio en el CGI de 0 lo que indicaba que no hubo mejoría (p =
0,02; prueba exacta de Fisher).
Cuando se combinan las predicciones positivas y
negativas, doce de las trece predicciones eran correctas (p =
0,015; prueba exacta de Fisher). Esto corresponde a una probabilidad
del 86 por ciento de pacientes con resultados positivos con cada
predicción y un índice Youden de 0,8 (Youden WJ. Index for rating
diagnostic test. Cancer 1950; 3: 32-35).
Se aceptó en este estudio a pacientes ejemplares
con trastorno depresivo mayor crónico (MDD), determinado por dos
profesores de la facultad, que no respondían a al menos dos pautas
terapéuticas previas de dosis y duración adecuadas a partir de
evaluaciones consecutivas de pacientes externos en el Veterans
Administration Medical Center, Sepulveda. Su falta de respuesta a
los repetidos esfuerzos clínicos previos proporcionó una línea de
base clara desde la que observar cualquier aumento en la eficacia
del tratamiento con la información de EEG/QEEG. Se obtuvo una
autorización del protocolo por el Comité de sujetos humanos. Se
obtuvo un consentimiento informado de todos los participantes en el
estudio.
Estos pacientes fueron asignados a los grupos de
tratamiento de control y experimental. Uno de cada dos pacientes
que cumplían los criterios del estudio se trató solamente según la
decisión conjunta del residente psiquiátrico y de un profesor de
psicofarmacología supervisor. No se informó concurrentemente de
estas elecciones al personal de este estudio ni el personal de este
estudio tomó parte en la selección de la entidad terapéutica de
estos pacientes. Este grupo se denominó DIRIGIDO POR DSM.
Un residente psiquiátrico y su profesor de
psicofarmacología supervisor, que accedieron a seguir las
recomendaciones de entidades terapéuticas basándose en la
correlación del EEG/QEEG, trataron a los pacientes no asignados al
grupo DIRIGIDO POR DSM. Este grupo se denominó DIRIGIDO POR DSM +
EEG.
Los pacientes que tomaban otras entidades
terapéuticas aparte de agentes antihipertensores o de sustitución
hormonal fueron inhabilitados porque los grupos de control se
eligieron usando estos criterios. También se excluyó a los sujetos
con un diagnóstico presente o pasado psicótico primario, con
historia de terapia neuroléptica intramuscular, lesión cerebral
cerrada documentada con pérdida de conciencia, historia de
craneotomía, historia de accidente cerebrovascular, diagnóstico
actual de desequilibrios con ataques, diagnóstico actual de
demencia, presencia de retraso mental o abuso de sustancia
activas.
Se requirió a todos los pacientes que estuvieran
libres de entidades terapéuticas (al menos siete semividas de la
entidad terapéutica con mayor duración) y libres de sustancias
ilícitas (corroborado mediante una prueba de detección en orina
para determinar la presencia de drogas el día del EEG).
Antes de ser admitidos en el estudio, se evaluó
a los pacientes para excluir una enfermedad concurrente. La
evaluación incluía un examen físico con estudios de laboratorio
constituidos por un hemograma, una tanda de pruebas bioquímicas,
hormona estimulante tiroidea, una prueba de detección en orina para
determinar la presencia de drogas, \beta-HCG (en
las mujeres) y un EKG. Después el médico tratante entrevistó a los
pacientes. Durante estas entrevistas se obtuvieron las puntuaciones
de depresión de Hamilton-D (HAMD) y las puntuaciones
en la escala de Beck (BECK).
Después de estas valoraciones, un clínico que no
estaba ni iba a estar implicado en el tratamiento del paciente
evaluó al paciente. Este proceso inicial proporcionó una base para
la futura valoración de la respuesta al tratamiento por este
clínico. Este médico que realizaba las evaluaciones no desempeñó
ningún papel en la selección de la entidad terapéutica, no tuvo
contacto con el paciente hasta que evaluó el resultado del
tratamiento, no tuvo conocimiento de a qué grupo experimental
pertenecía el paciente, ni ninguna información sobre los hallazgos
de los EEG/QEEG. Todas las valoraciones clínicas presentes fueron
realizadas por este clínico.
El grupo DIRIGIDO POR DSM (N=6) tenía 4 varones
y 2 mujeres, con una media de edad de 45. De forma similar el grupo
DIRIGIDO POR DSM + EEG (N=7) tenía 5 varones y 2 mujeres y una media
de edad de 41. Todos los pacientes presentaban tipos y frecuencia
de psicoterapia similares que se mantuvo durante todo el estudio. La
Tabla 8 resume la composición de la población de los pacientes.
\vskip1.000000\baselineskip
A cada paciente se le realizó un EEG digital
convencional registrado con veintiun electrodos aplicados de
acuerdo con el sistema internacional 10/20. Después, se registró un
EEG de 10 a 20 minutos con ojos cerrados, despierto y en reposo en
un Spectrum 32 (Cadwell Laboratories, Kennewick, WA), con referencia
a los de las orejas enlazados. Se revisó el EEG convencional para
excluir eventos paroxísticos, picos, ondas bruscas, alteraciones
focales y otras anormalidades obvias con inspección visual. Los
periodos libres de artefactos de los EEG convencionales,
seleccionados por un técnico, se basaron en la regla de que debían
incluirse todos los segmentos libres de artefactos en la muetra
hasta que se obtuvieran al menos 32 periodos de 2,5 segundos. Se
rechazaron los registros de EEG a priori como inadecuados
para el análisis ulterior debido a una proporción desfavorable entre
señal y ruido [menor de o igual a 3:1] o si la potencia frontal
media era inferior a 9 \muV^{2}.
Se usó un clasificador basado en las reglas
usando el actual perfil de información neurofisiológica del paciente
como se describe anteriormente y la base de datos de la población
de pacientes del inventor para revisar la información de EEG/QEEG
previa al tratamiento de cada paciente del estudio. Una predicción
de los resultados de las entidades terapéuticas según el EEG/QEEG,
que contenía las respuestas a las entidades terapéuticas de las
clases de antidepresivos, anticonvulsivos y estimulantes fue enviada
al oficial de control de pacientes. Esta información se distribuyó
sólo al médico que trataba al paciente individual DIRIGIDO POR DSM +
EEG, como se describe anteriormente. Las predicciones de los
resultados de las entidades terapéuticas para todos los demás
pacientes se sellaron hasta el final del estudio.
El médico que trataba y su profesor supervisor
para ambos grupos experimentales controlaron el tratamiento en
sesiones de seguimiento semanales. El seguimiento medio para los
grupos del estudio fue de 25 semanas. Después de seis semanas con
la entidad terapéutica(s) con la dosis máxima tolerada, la
eficacia del tratamiento fue valorada por el médico evaluador,
ciego al estado del paciente [DIRIGIDO POR DSM o DIRIGIDO POR DSM +
EEG] y a la pauta de entidad terapéutica, que había valorado al
paciente antes del tratamiento. El conocimiento previo de este
médico del paciente permitió usar las clasificaciones de mejoría
clínica global (CGI).
Dos pacientes, uno de cada uno de los grupos de
DIRIGIDO POR DSM y DIRIGIDO POR DSM + EEG, presentaban registros de
EEG que mostraban una potencia frontal media de menos de 9
\muV^{2}. Por lo tanto, no se realizó ninguna predicción de
entidades terapéuticas por EEG/QEEG para estos pacientes.
Los once pacientes restantes se clasificaron en
conjuntos de EEG/QEEG basándose en características espectrales
objetivas. Los conjuntos de EEG/QEEG incluían excesos de frecuencia
theta relativa, es decir, que se había predicho que respondían a un
tratamiento con agentes de Clase 2. El exceso de theta se refiere al
porcentaje de potencia total que aporta la banda de frecuencia
theta por encima de la esperada entre la población de referencia de
la misma edad observada anteriormente. De forma similar, un exceso
relativo en la frecuencia alfa predecía una respuesta al
tratamiento con agentes de Clase 1; y la hipercoherencia e
hipocoherencia interhemisférica predecía una respuesta a
tratamiento con agentes de Clase 5.
Después se evaluó el resultado del estudio para
determinar las diferencias significativas o su carencia entre el
tratamiento dirigido por DSM y el tratamiento dirigido por DSM +
EEG. La HAM-D para el grupo DIRIGIDO POR DSM mostró
una puntuación media previa al tratamiento de 24 comparada con una
puntuación media con el tratamiento de 18. La escala de BECK mostró
una puntuación media previa al tratamiento de 22 comparada con una
puntuación media con el tratamiento de 20. La HAM-D
para el grupo DIRIGIDO POR DSM + EEG mostró una puntuación media
previa al tratamiento de 23 comparada con una puntuación media con
el tratamiento de 9. La escala de BECK mostró una puntuación media
previa al tratamiento de 26 comparada con una puntuación media con
el tratamiento de 13. Estos cambios en las puntuaciones de las
pruebas entre los dos grupos de tratamiento son altamente
significativa (ANOVA Friedman x2(N=13; df=3) P <
0,009).
En el grupo DIRIGIDO POR DSM + EEG, 6 de los 7
pacientes presentaron un cambio en el CGI de 2 o más; además 4 de
estos 7 pacientes lograron un CGI de 3 lo que indica que no hay
indicios de enfermedad. En el grupo DIRIGIDO POR DSM 1 de los 6
pacientes presentó un cambio en el enfermedad de 2 o más y 5 de los
6 pacientes presentaron un cambio en el CGI de 0 lo que indicaba
que no hubo mejoría (p = 0,02; prueba exacta de
Fisher).
Fisher).
Todos menos un paciente (baja potencia) del
grupo DIRIGIDO POR DSM presentaba el resultado de las entidades
terapéuticas predicho a partir de la información de EEG/QEEG previa
al tratamiento, pero esta información no fue enviada a los médicos
encargados del tratamiento. Cuando el estudio terminó, la predicción
fue examinada con respecto a la respuesta clínica del paciente.
Los pacientes DIRIGIDOS POR DSM + EEG fueron
tratados con los agentes que se había predicho según la información
de EEG/QEEG que producían un resultado clínico favorable. Seis de
los siete pacientes de este grupo respondían a la información de
EEGI QEEG predicha a priori. Cuando se combinan las
predicciones positivas y negativas a priori, diez de las
doce predicciones eran correctas (p = 0,015; prueba exacta de
Fisher). Esto corresponde a una probabilidad del 86 por ciento de
pacientes con resultados positivos con cada predicción y un índice
Youden de 0,8 (Youden WJ. Index for rating diagnostic test. Cancer
1950; 3: 32-35).
Por lo tanto, los pacientes tratados en el grupo
DIRIGIDO POR DSM presentaban una menor respuesta a la
farmacoterapia. Solo uno de seis pacientes demostró mediciones
mejoradas de resultados conductuales y clínicos según las
valoraciones por HAM-D, BECK y CGI. Por
comparación, seis de siete pacientes del grupo DIRIGIDO POR DSM +
EEG respondieron con una valoraciones mejoradas de
HAM-D, BECK y CGI. Además, cuatro de siete pacientes
lograron la remisión de los síntomas o una valoración de CGI de 3
del grupo DIRIGIDO POR DSM + EEG. Estas mejorías terapéuticas no
podrían anticiparse en vista de la naturaleza crónica y resistente a
tratamiento del desequilibrio en esta población seleccionada.
Este estudio muestra además que la respuesta a
las entidades terapéuticas en pacientes aparentemente resistentes
al tratamiento puede predecirse mediante la información de EEG/QEEG.
También se demostró la capacidad de los médicos psiquiatras de
incorporar la información de EEG/QEEG con la correlación con
entidades terapéuticas como prueba de laboratorio en la práctica
clínica que produce mejores resultados en los pacientes.
En otra realización ejemplar del procedimiento y
sistema de la invención se incluyó en un estudio a ciento tres
(101) pacientes consecutivos con alteración dle estado de ánimo y
trastorno de atención. Los análisis retrospectivos identificaron
los elementos neurofisiológicos asociados a resultados de
farmacoterapia.
La población con déficit de atención se trató
inicialmente con una entidad terapéutica de Clase 2, principalmente
metilfenidato a una dosis no superior a 1,0 mg/kg de peso corporal
al día. Si el paciente no lograba una puntuación de mejoría clínica
global de 2 (mejoría global moderada) o 3 (mejoría global marcada)
después de un mes con la entidad terapéutica, se interrumpía el
estimulante y se iniciaba un tratamiento secundario con una entidad
terapéutica de Clase 1. Si el paciente no lograba una puntuación de
mejoría clínica global de 2 ó 3 después de seis semanas con la
entidad terapéutica, se aumentaba la entidad terapéutica de Clase 1
con un tratamiento terciario constituido por una entidad
terapéutica de Clase 5 (carbamazepina, ácido valproico) o una
entidad terapéutica de Clase 2.
Los pacientes con trastornos afectivos sin
historia de manía se trataron inicialmente con un agente de Clase 1
(antidepresivo heterocíclico (hasta 3,0 mg/kg/día) o un inhibidor de
la recaptación de serotonina). Si para las seis semanas el paciente
no lograba una puntuación de CGI de 2 ó 3, entonces se administraba
un tratamiento secundario con un agente de Clase 5. Si no existía
mejoría después de tres semanas con niveles terapéuticos en plasma
se instituían mediciones terciarias, lo más frecuentemente una
exposición a un agente de Clase 2. Si la exposición demostraba
respuesta, se añadía un ensayo terapéutico a la pauta del
paciente.
La población se dividía heuristicamente en
cuatro grupos basándose en elementos espectrales objetivos. Estos
grupos incluían los que mostraban, respectivamente, exceso relativo
de frecuencia alfa, exceso relativo de frecuencia theta,
hipercoherencia interhemisférica, o pacientes cuya información
neurofisiológica no demostraba ninguno de los anteriores perfiles.
En los cuatro grupos había pacientes identificados con trastornos de
atención y con trastornos afectivos. La sorprendente similitud
electrofisiológica del grupo de más y menos de dieciocho años de
edad con trastornos afectivos demostró la robustez de estos
hallazgos entre los grupos de edad.
Como demuestran los hallazgos [Tabla 10 y Tabla
11], las muestras de pacientes de cada una de las categorías de
diagnóstico según el DSM estudiadas no fueron homogéneas en su
respuesta a la medicación. Estos subgrupos podían distinguirse por
la información neurofisiológica en cada categoría del DSM; es más,
los subgrupos eran cualitativamente similares entre las categorías
de diagnóstico del DSM. La frecuencia relativa de los subgrupos
difería entre las categorías examinadas así como entre los grupos de
edad dentro de la población con trastornos afectivos. Los análisis
retrospectivos de los resultados clínicos demuestra una respuesta
diferenciada a las clases de agentes farmacológicos seleccionadas.
Los resultados demuestran que los subgrupos con similares elementos
neurofisiológicos respondían a la misma clase de agente
farmacológico a pesar del paradigma del impacto del tratamiento
clínico y de que la clasificación del paciente por DSM presentara
problemas. Es decir, la presencia del patrón de exceso alfa frontal
estaba asociada a la respuesta a los agentes de clase 1
(antidepresivos) independientemente de que apareciera en un
paciente con elementos conductuales acordes con trastorno depresivo
según el DSM o en un paciente con elementos conductuales acordes con
trastorno de atención según el DSM. En este estudio, también se
encontró que los pacientes con hipercoherencia respondían a agentes
de Clase 5 (anticonvulsivos/litio) independientemente del
diagnóstico por DSM. Estos hallazgos demuestran la utilidad clínica
de la presente invención. El reconocimiento de un elemento
fisiológico común a los pacientes esquizofrénicos, con trastornos
afectivos y de atención resistentes a tratamiento, reducirá la
morbilidad con la práctica de la invención en un entorno
clínico.
En otra realización ejemplar del procedimiento y
sistema de la invención, se admitió a pacientes con diagnósticos
acordes al DSM-III-R de 296.xx,
311.00, y 314.xx prospectivamente en un estudio de evaluaciones
consecutivas. En este estudio se realizó el análisis retrospectivo
de las relaciones entre la capacidad de respuesta clínica y las
características neurofisiológicas para identificar a aquellos cuyas
características neurofisiológicas se asociaban a resultados
fallidos y exitosos de la farmacoterapia.
Se identificaron dos muestras de pacientes
libres de entidades terapéuticas (sin medicamentos durante siete
semividas del agente con la mayor semivida): los que presentaban
diagnósticos de desequilibrio emocional (296.xx o 311.00) y los que
presentaban diagnósticos de desequilibrio de atención (314.xx)
mediante examen de la historia y clínico. Estos diagnósticos se
confirmaron después en una revisión por un segundo clínico
experimentado. Se incluyó a ciento tres (103) individuos
consecutivos en el estudio de entre los pacientes que se
consideraron apropiados para el procedimiento del análisis. Se
excluyó a dos pacientes del estudio debido a la falta de resultados
de laboratorio (Chem. 24, CBC, TSH, UDS, y HCG) o a la ausencia de
seguimiento durante al menos seis meses después de la iniciación de
la farmacoterapia.
La muestra con trastornos de atención estaba
formada por 46 pacientes, 34 varones y 12 mujeres, con una edad
media de 12,4 años. La población con trastornos afectivos estaba
formada por 54 pacientes, 20 varones y 34 mujeres, con una edad
media de 13,5 años en la población adolescente y una edad media de
40,4 años en la población
adulta.
adulta.
El cincuenta por ciento de la población con
trastornos de atención había sido diagnosticada previamente y
clasificada como resistente al tratamiento por el clínico que los
derivaba. En la población con trastornos afectivos había un exceso
de cuatro veces de pacientes unipolares según los criterios del
DSM-Ill-R. Sólo un adolescente
recibió el diagnóstico de desequilibrio bipolar.
El tratamiento se controló en sesiones
semanales, bimensuales o mensuales usando las puntuaciones de
mejoría clínica global (CGI). Los CGI tomados en la presentación
inicial del paciente se generaron usando información obtenida a
partir de las escalas de Conner en padres y profesores, en
entrevistas con el paciente y los padres, del contacto con
profesores y de la valoración de los clínicos encargados del
tratamiento para la población con trastornos de
atención.
atención.
La población con déficit de atención se trató
inicialmente con una entidad terapéutica de Clase 2, principalmente
metilfenidato a una dosis no superior a 1,0 mg/kg de peso corporal
al día. Si el paciente no lograba una puntuación de mejoría clínica
global de 2 (mejoría global moderada) o 3 (mejoría global marcada)
después de un mes con la entidad terapéutica, se interrumpía el
estimulante y se iniciaba un tratamiento secundario con una entidad
terapéutica de Clase 1. Si el paciente no lograba una puntuación de
mejoría clínica global de 2 ó 3 después de seis semanas con la
entidad terapéutica, se aumentaba la entidad terapéutica de Clase 1
con un tratamiento terciario constituido por una entidad
terapéutica de Clase 5 (carbamazepina, ácido valproico) o una
entidad terapéutica de Clase 2.
Los pacientes con trastornos afectivos sin
historia de manía se trataron inicialmente con un agente de Clase 1
(antidepresivo heterocíclico (hasta 3,0 mg/kg/día) o un inhibidor de
la recaptación de serotonina). Si para las seis semanas el paciente
no lograba una puntuación de CGI de 2 ó 3, entonces se administraba
un tratamiento secundario con un agente de Clase 5. Si no existía
mejoría después de tres semanas con niveles terapéuticos en plasma
se instituían mediciones terciarias, lo más frecuentemente una
exposición a un agente de Clase 2. Si la exposición demostraba
respuesta, se añadía un ensayo terapéutico a la pauta del
paciente.
La población se dividía heuristicamente en
cuatro grupos basándose en elementos espectrales objetivos. Estos
grupos incluían los que mostraban, respectivamente, exceso relativo
de frecuencia alfa, exceso relativo de frecuencia theta,
hipercoherencia interhemisférica, o pacientes cuya información
neurofisiológica no demostraba ninguno de los anteriores perfiles.
En los cuatro grupos había pacientes identificados con trastornos de
atención y con trastornos afectivos. La sorprendente similitud
electrofisiológica del grupo de más y menos de dieciocho años de
edad con trastornos afectivos demostró la robustez de estos
hallazgos entre los grupos de edad. Se observó además que todos
estos grupos comparten el elemento de déficit relativo de potencia
de la frecuencia delta y el veinticinco por ciento (25%) de los
pacientes con trastornos de atención demostró hipercoherencia
interhemisférica principalmente en la región frontal.
El subgrupo con exceso de theta de los pacientes
con trastornos afectivos demostró un espectro con déficit global de
frecuencia delta, una theta máxima de +2,2 unidades medias en la
región polar frontal, una segunda theta máxima de +2,4 unidades
medias en la región frontal posterior, y un descenso en la potencia
theta relativa de la región posterior. El subgrupo con exceso alfa
de los pacientes con trastornos afectivos demostró un espectro con
déficit global de frecuencia delta, un máximo alfa de +2,2 unidades
medias en la región polar frontal, una meseta frontal alfa amplia
de aproximadamente +2,0 unidades medias, y una segunda meseta
relativa de potencia alfa más pequeña posteriormente de + 1,0
unidades medias. Se observó hipercoherencia interhemisférica en el
treinta y seis por ciento (36%) de los grupos de adolescentes con
trastornos afectivos y cincuenta y siete por ciento (57%) de los
adultos, principalmente entre las regiones frontales.
La frecuencia relativa de cada uno de estos
subgrupos electrofisiológicos difiere entre estas categorías de
diagnóstico según el DSM-III-R y por
edad (Tabla 10) de una forma estadísticamente significativa.
\vskip1.000000\baselineskip
A los seis meses después de iniciar el
tratamiento, se dividieron las puntuaciones de CGI para los
subgrupos con exceso alfa y theta frontal en pacientes que
respondían al tratamiento y pacientes que no respondían al
tratamiento.
\newpage
La respuesta clínica se analizó en función de
los hallazgos espectrales neurofisiológicos y de la(s)
clase(s) de agente(s) farmacoterapéutico(s)
para los grupos normocoherentes como se muestra en la Tabla 11. El
subgrupo con exceso alfa frontal/normocoherente respondió en un 87%
o más a agentes de Clase 1 independientemente de si el paciente
presentaba clínicamente síntomas de atención o afectivos. El
subgrupo con exceso theta frontal/normocoherente apareció
únicamente en la población clínica con trastornos de atención. En
esa población, el 100% respondió a agentes de Clase 2.
\vskip1.000000\baselineskip
La respuesta clínica en función de los hallazgos
espectrales neurofisiológicos y de la(s) clase(s) de
agente(s) farmacoterapéutico(s) para las poblaciones
hipercoherentes se muestra en la Tabla 12. Aquí, el subgrupo con
exceso alfa frontal/hipercoherent respondió en un 85% o más a
agentes de Clase 5 independientemente de si el paciente presentaba
clínicamente síntomas de atención o afectivos. El subgrupo con
exceso theta frontal/hipercoherente representó sólo un total de 5
pacientes, 4 de los cuales (80%) respondió a agentes de Clase 5.
\vskip1.000000\baselineskip
Como demuestran los hallazgos, las muestras de
pacientes de cada una de las categorías de diagnóstico según el
DSM-III-R estudiadas no fueron
homogéneas. Estos subgrupos podían distinguirse por la información
neurofisiológica en cada categoría del DSM-III; es
más, los subgrupos eran cualitativamente similares entre las
categorías de diagnóstico del
DSM-III-R. La frecuencia relativa de
los subgrupos difería entre las categorías examinadas así como
entre los grupos de edad dentro de la población con trastornos
afectivos.
Los análisis retrospectivos de los resultados
clínicos demuestra una respuesta diferenciada a las clases de
agentes farmacológicos seleccionadas. Los resultados demuestran que
los subgrupos con similares elementos neurofisiológicos respondían
a la misma clase de agente farmacológico a pesar del paradigma del
impacto del tratamiento clínico y de que la clasificación del
paciente por DSM-III-R presentara
problemas. Es decir, la presencia del patrón de exceso alfa frontal
estaba asociado a la respuesta a los agentes de clase 1
(antidepresivos) independientemente de que apareciera en un
paciente con características conductuales acordes con desequilibrio
depresivo según el DSM-III-R o en un
paciente con características conductuales acordes con desequilibrio
de atención según el DSM-III-R.
En este estudio, también se encontró que los
pacientes con patrones neurométricos hipercoherentes respondían a
agentes de Clase 5 (anticonvulsivos/litio) independientemente del
diagnóstico según el DSM-III-R.
Estos hallazgos demuestran la utilidad clínica de la presente
invención. El reconocimiento de un elemento fisiológico común a los
pacientes esquizofrénicos, con trastornos afectivos y de atención
resistentes a tratamiento, reducirá la morbilidad con la práctica
de la invención en un entorno clínico.
La población con exceso theta podía dividirse en
dos subtipos: un grupo con exceso theta frontal y un grupo con
exceso theta global. El grupo con exceso theta frontal respondía a
agentes de Clase 2, mientras que el grupo con exceso theta global
respondía a agentes de Clase 5. Los hallazgos son acordes con la
conocida heterogeneidad que subyace las categorías de diagnóstico
del DSM-III-R que requiere una
experimentación significativa con entidades terapéuticas para
identificar una entidad terapéutica eficaz.
En una realización de la invención, diversas
categorías del DSM, organizadas por ejemplo por los capítulos del
DSM, se hacen corresponder con los agentes que se ha encontrado que
son eficaces según el procedimiento y sistema que enseña la
presente invención. Dicha comparación se presenta en la Tabla 13
donde los tratamientos conocidos y aceptados correspondientes a las
entradas se marcan como "C" y las entidades terapéuticas nuevas
o novedosas que se ha encontrado que son eficaces en los subgrupos
adecuados de sujetos se marcan como "N". Como es obvio de un
vistazo, hay muchos usos novedosos posibles para las entidades
terapéuticas conocidas que son desconocidos debido a la falta de un
procedimiento sistemático y a un sistema para descubrirlos. La
presente invención proporciona dicho procedimiento y sistema.
La presente invención tiene aplicaciones
importantes además de relacionar pacientes particulares con terapias
particulares. En las aplicaciones centradas en las terapias, esta
invención proporciona, entre otros, una abundancia de usos nuevos
para terapias conocidas, usos para nuevas terapias (en particular
terapias que todavía no se aplican con un diagnóstico por afección
conductual aunque ya se usen para otras afecciones médicas), así
como nuevos procedimientos para determinar indicaciones para las
terapias.
Las aplicaciones terapéuticas, comenzando por
nuevos usos para terapias conocidas, se describen haciendo
referencia principalmente al resumen general de introducción de la
presente invención. Debido a que las agrupaciones o grupos de
individuos sintomáticos que se han descrito anteriormente se
seleccionan basándose en la capacidad de respuesta a una terapia
particular y sin considerar un diagnóstico conductual individual,
cada agrupación o grupo habitualmente contendrá individuos con una
amplia variedad de diagnósticos. Además, debido a que se recomienda
una terapia particular para un paciente cuando los datos
neurofisiológicos de ese paciente están dentro o cerca de la
agrupación o grupo, lo que se determina en un espacio de datos
neurofisiológicos, de individuos que responden a esa terapia,
habitualmente las terapias se seleccionarán como eficaces para
pacientes con diagnósticos que todavía no son parte de la práctica
clínica localmente autorizada para esa terapia. De hecho, dicho
resultado es lo más probable porque los ensayos clínicos que se usan
para establecer la eficacia hasta la fecha habitualmente se han
realizado sin observación ni análisis de la información
neurofisiológica cuantificada de los participantes en el ensayo de
acuerdo con la presente invención. De ese modo, se determinan
nuevos usos eficaces de terapias conocidas, en particular de
entidades terapéuticas conocidas.
Además, incluso si una entidad terapéutica, u
otra terapia, no está todavía presente en una base de datos de
tratamientos y respuestas particular, pueden aplicarse las
realizaciones de la presente invención descritas anteriormente a
pacientes y diagnósticos seleccionados que probablemente responderán
a esta entidad terapéutica. Por ejemplo, puede determinarse un
perfil de capacidad de respuesta para la entidad terapéutica todavía
no presente (no incluida en la base de datos) y compararse con los
perfiles de capacidad de respuesta de entidades terapéuticas ya
presente en la base de datos (incluidas en la base de datos). La
entidad terapéutica no incluida probablemente será eficaz en las
mismas situaciones, es decir, para los mismos pacientes y los mismos
diagnósticos, que la entidad terapéutica incluida. Si ninguna
entidad terapéutica incluida tiene un perfil de capacidad de
respuesta similar a la entidad terapéutica no incluida, la presente
invención todavía podría indicar los pacientes y diagnósticos para
los que la entidad terapéutica no incluida probablemente será
eficaz, del mismo modo que se describe en las realizaciones
particulares previas que seleccionan a los pacientes para ensayos
clínicos. Es decir, se indican los pacientes junto con sus
diagnósticos, si su neurofisiología cuantificada es casi
complementaria a aspectos significativos del perfil de capacidad de
respuesta de las entidades terapéuticas no incluidas.
Además, pueden evaluarse entidades terapéuticas
que no se consideran tradicionalmente para las terapias
psiquiátricas. Por ejemplo, se ha determinado que las entidades
terapéuticas cardíacas que afectan al funcionamiento
electrofisiológico del corazón son eficaces para pacientes con
perfiles neurofisiológicos o electrofisiológicos particulares.
La determinación de las agrupaciones o grupos y
la similitud de la información neurofisiológica cuantificada (que
incluye, preferiblemente, datos de QEEG) preferiblemente, está en un
espacio reducido. En realizaciones preferidas particulares, la
similitud y la agrupación se definen en un espacio binario reducido
de datos de QEEG mediante reglas que incluyen multivariables y
combinaciones boleanas de dichas reglas. La similitud o agrupación
difusa o aproximada, se define de forma similar mediante funciones
boleanas "difusas". Por ejemplo, una disyunción es verdadero
en un sentido "difuso" si la mayoría de sus términos son
verdaderos (por ejemplo más del 50%, o 75%, o similar, son
verdaderos). En esta realización, las indicaciones de diagnóstico
individuales y grupales se expresan de forma compacta como reglas
dependiendo de los datos de EEG cuantitativos u otros datos
neurofisiológicos cuantitativos.
Además, esta invención incluye no sólo estos
procedimientos descritos para determinar las indicaciones novedosas
para entidades terapéuticas, sino que también incluye los usos
terapéuticos de estas entidades terapéuticas en sí mismos en los
pacientes indicados o en los pacientes con los diagnósticos
indicados. En ciertas realizaciones, las indicaciones para una
terapia pueden incluir simplemente la presencia de un diagnóstico
conductual no asociado ni autorizado hasta la fecha con el uso de
la terapia particular. En otras realizaciones, las indicaciones
pueden incluir criterios neurofisiológicos cuantificados en lugar de
o junto con información de diagnóstico, como por ejemplo una clase
de diagnóstico o un diagnóstico particular. Preferiblemente, estas
indicaciones dependen de datos de QEEG, y lo más preferiblemente se
expresan en un espacio reducido de QEEG, como por ejemplo mediante
reglas en un espacio binario reducido.
La Tabla 13 presenta un listado no exhaustivo de
indicaciones para entidades terapéuticas o para clases de entidades
terapéuticas en particular afecciones psiquiátricas con diagnóstico
por conducta, o en clases de dichas afecciones. Algunas
indicaciones (que se destacan de forma apropiada) se cree que ya son
conocidas como parte de la práctica clínica autorizada o que están
en desarrollo para la futura autorización. Otras indicaciones
(también destacadas de forma apropiada) se cree que no son conocidas
actualmente. Ciertas indicaciones se cree que no solo son
conocidas, sino que también son sorprendentes a la vista del
conocimiento científico actual. Debe entenderse que la presente
invención cubre de forma individual todos los usos novedosos
indicados en la Tabla 13, independientemente de que la novedad esté
indicada correctamente en esta tabla. Por lo tanto, cada entrada de
la Tabla 13 que no sea actualmente parte de la práctica clínica
autorizada (por ejemplo, como se presenta en la Physician's Desk
Reference) está cubierta de forma individual, y esta cubierta como
parte de un grupo, con las condiciones que sean necesarias pra
excluir los usos que no sean novedosos. Las indicaciones de la
Tabla 13 pueden suplementarse como resultado de aplicaciones
adicionales de los procedimientos de esta invención.
\vskip1.000000\baselineskip
La Tabla 13 contiene una muestra (se adjuntan
datos adicionales en el ANEXO 2 de esta descripción) donde los
tratamientos novedosos se indican mediante una entrada "N" en
la tabla. El tratamiento convencional está indicado con una entrada
"C" en la celda apropiada. Los listados que se proporcionan en
el presente documento no se pretende que sean una limitación del
alcance de la invención que se reivindica. En vez de eso es una
ilustración de la utilidad de la invención. También ilustra que
muchos agentes conocidos son útiles para tratar las afecciones
diagnosticadas de forma tradicional. El no reconocimiento de ese uso
refleja los limitados procedimientos de cribado disponibles y los
riesgos asociados a ellos.
Estas indicaciones de uso para diagnóstico
individuales están condicionadas en realizaciones preferidas o
particulares por datos neurofisiológicos (QEEG). Dichas afecciones
se expresan preferiblemente como reglas conexas para cada
indicación. En la Tabla 6 se presenta un listado no exhaustivo de
dichas reglas. Aquí, cada fila representa una regla formada por la
disyunción (preferiblemente difusa) disyunción de las multivariables
de las columnas indicadas.
Además, estas indicaciones, aunque
preferiblemente son aplicables a pacientes con afecciones
psiquiátricas con un diagnóstico por conducta, también pueden
aplicarse a los pacientes actualmente asintomáticos que presentan
datos de QEEG (o, de forma general, datos neurofisiológicos
cuantificados) que en otros casos requieren terapia. Dichos usos se
denominan "profilácticos".
La administración de la terapia de forma general
se realiza con las formulaciones y las dosis de acuerdo con las
directrices clínicas y farmacéuticas conocidas. Para las entidades
terapéuticas ya existentes, pueden usarse las formulaciones ya
autorizadas en dosis terapéuticamente eficaces.
Los siguientes ejemplos no están cubiertos por
las reivindicaciones.
Los ejemplos también engloban un procedimiento
para identificar un tratamiento para un sujeto basándose en la
información neurofisiológica previa al tratamiento del sujeto y un
resultado deseado, comprendiendo el procedimiento las etapas de:
escalar la información neurofisiológica previa al tratamiento para
permitir comparar con información neurofisiológica almacenada
obtenida de una fuente de datos; construir agrupaciones de
información neurofisiológica previa al tratamiento en una base de
datos de tratamientos y respuestas que comprende información
neurofisiológica previa al tratamiento y puntuar la respuesta
asociada y la información neurofisiológica con el tratamiento
activo para cada uno de una pluralidad de sujetos considerando la
información neurofisiológica previa al tratamiento asociada al
resultado deseado; identificar al menos una agrupación a la que
pertenece la información neurofisiológica previa al tratamiento del
sujeto, donde la al menos una agrupación define un intervalo de
información neurofisiológica; e identificar al menos un tratamiento
asociado con la al menos una agrupación. Opcionalmente, la
información neurofisiológica comprende registros de
electroencefalograma registrados por los electrodos colocados de
acuerdo con el sistema internacional 10/20.
Opcionalmente, el procedimiento para identificar
un tratamiento para un sujeto basándose en la información
neurofisiológica previa al tratamiento del sujeto y un resultado
deseado incluye además enumerar los tratamientos asociados a la al
menos una agrupación.
Opcionalmente, el procedimiento para identificar
un tratamiento para un sujeto basándose en la información
neurofisiológica previa al tratamiento del sujeto y un resultado
deseado además incluye enumerar tratamientos asociados a cada
agrupación a la que pertenece la información neurofisiológica previa
al tratamiento del sujeto.
Opcionalmente, el procedimiento para identificar
un tratamiento para un sujeto basándose en la información
neurofisiológica previa al tratamiento del sujeto y un resultado
deseado además incluye especificar al menos una regla que define la
agrupación. Opcionalmente, la al menos una regla que define la
agrupación especifica que cada agrupación, asociada a al menos un
tratamiento, incluye al menos 80% de sujetos que tienen una
información neurológica previa al tratamiento asociada al resultado
deseado. Opcionalmente, la al menos una regla que define la
agrupación especifica además que preferiblemente no más de 10%,
incluso más preferiblemente 15%, y lo más preferiblemente 20% de
los sujetos que tienen una información neurofisiológica previa al
tratamiento dentro de los límites de cada agrupación, asociada a al
menos un tratamiento, están asociados a un tratamiento diferente
del asociado a cada una de las otras agrupaciones. Opcionalmente, la
al menos una regla que define la agrupación especifica además que
los falsos positivos no superan un umbral.
Opcionalmente, el procedimiento para identificar
un tratamiento para un sujeto basándose en la información
neurofisiológica previa al tratamiento del sujeto y un resultado
deseado además incluye recibir información neurofisiológica previa
al tratamiento desde un enclave a distancia a través de un enlace de
comunicación.
Opcionalmente, el procedimiento para identificar
un tratamiento para un sujeto basándose en la información
neurofisiológica previa al tratamiento del sujeto y un resultado
deseado además incluye enviar un mensaje que describa el al menos
un tratamiento a través de un enlace de comunicación a un enclave a
distancia.
Opcionalmente, el procedimiento para identificar
un tratamiento para un sujeto basándose en la información
neurofisiológica previa al tratamiento del sujeto y un resultado
deseado además incluye cribar una pluralidad de sujetos que tienen
su información neurofisiológica respectiva previa al tratamiento en
la misma agrupación para encontrar un determinante genético común.
Opcionalmente, al menos algunos de la pluralidad de sujetos están
relacionados genéticamente y están incluidos en un árbol familiar
que abarca al menos dos generaciones y no más de veinte
generaciones.
Los ejemplos también engloban un procedimiento
de construir una base de datos de tratamientos y respuestas para a
facilitar predecir tratamientos que tienen un resultado deseable,
evitando tratamientos ineficaces o dañinos, y definiendo afecciones
basadas en el tratamiento, comprendiendo el procedimiento las etapas
de: almacenar la información neurofisiológica inicial asociada a un
sujeto junto con un tratamiento administrado al sujeto, una
información neurofisiológica con el tratamiento activo asociada al
sujeto y un resultado con magnitud del tratamiento asociado al
sujeto, donde el resultado con magnitud refleja la cuantía del
cambio y no el cambio en una característica particular por lo que
puede compararse el efecto del tratamiento sobre diferentes
enfermedades mentales que tienen características distintivas
diversas; y obtener dicha información de al menos un número de
sujetos específico.
Opcionalmente, el procedimiento de construir una
base de datos de tratamientos y respuestas para facilitar la
predicción de los tratamientos que tienen un resultado deseable,
evitar tratamientos ineficaces o dañinos, y definir afecciones
basadas en el tratamiento además incluye asociar el resultado con
magnitud del tratamiento asociado al sujeto al tratamiento
comparando la información neurofisiológica con el tratamiento activo
y la información neurofisiológica inicial asociada al sujeto.
Opcionalmente, la información neurofisiológica
inicial es la información neurofisiológica previa al tratamiento
que corresponde a un estado del sujeto libre de tratamiento.
Opcionalmente, el estado del sujeto libre de tratamiento requiere
que al sujeto no se le haya administrado el tratamiento durante un
tiempo anterior de al menos siete semividas y media del tratamiento
por lo que se eliminan los efectos anteriores del tratamiento.
Opcionalmente, el procedimiento de construir una
base de datos de tratamientos y respuestas para facilitar la
predicción de tratamientos que tienen un resultado deseable,
evitando tratamientos ineficaces o dañinos, y definir afecciones
basadas en el tratamiento además incluye insertar, en la base de
datos de tratamientos y respuestas, un identificador para una
agrupación de información neurofisiológica inicial permitiendo así
la búsqueda posterior de la base de datos de tratamientos y
respuestas para al menos una agrupación de información
neurofisiológica inicial similar a la información neurofisiológica
inicial que se busca.
Opcionalmente, el procedimiento de construir una
base de datos de tratamientos y respuestas para facilitar la
predicción tratamientos que tienen un resultado deseable, evitando
tratamientos ineficaces o dañinos, y definir afecciones basadas en
el tratamiento además incluye identificar un perfil neurofisiológico
inicial en una entrada de información neurofisiológica; identificar
un tratamiento administrado a un sujeto asociado a la entrada de la
información neurofisiológica; e identificar un resultado con
magnitud del tratamiento que corresponde al sujeto asociado a la
entrada de la información neurofisiológica añadiendo así una entrada
de información neurofisiológica de un nuevo sujeto a la base de
datos de tratamientos y respuestas.
Opcionalmente, el procedimiento de construir una
base de datos de tratamientos y respuestas para facilitar la
predicción tratamientos que tienen un resultado deseable, evitando
tratamientos ineficaces o dañinos, y definir afecciones basadas en
el tratamiento además incluye determinar si un sujeto asociado a la
entrada neurofisiológica satisface un criterio umbral.
Los ejemplos también engloban una base de datos
de tratamientos y respuestas que comprende: información
neurofisiológica inicial para cada uno de una pluralidad de
sujetos; información del tratamiento para cada uno de una pluralidad
de sujetos; e indicador de resultado del tratamiento clínico para
cada uno de una pluralidad de sujetos. Opcionalmente, la pluralidad
de sujetos incluye al menos cien sujetos.
Opcionalmente, la base de datos de tratamientos
y respuestas además incluye un identificador asociado a al menos
una agrupación de información neurofisiológica previa al tratamiento
en la que la al menos una agrupación incluye información
neurofisiológica previa al tratamiento de sujetos que tienen
respuestas similares a un tratamiento.
Los ejemplos también engloban un procedimiento
para identificar una afección para la que hay disponible un
tratamiento, comprendiendo el procedimiento las etapas de: obtener
información neurofisiológica inicial de una pluralidad de sujetos;
obtener la información neurofisiológica con el tratamiento activo
para la pluralidad de sujetos tras la administración a cada uno de
la pluralidad de sujetos un tratamiento; obtener un resultado para
cada uno de la pluralidad de sujetos tras el tratamiento; agrupar la
información neurofisiológica inicial de sujetos que muestran un
resultado deseable tras el tratamiento para obtener al menos una
agrupación, en la que una agrupación está limitada por valores de
información neurofisiológica; e identificar un intervalo de valores
de información neurofisiológica que define la al menos una
agrupación como una condición precedente que debe satisfacerse por
una nueva información neurofisiológica inicial de un nuevo sujeto
antes de la administración del tratamiento.
Opcionalmente, el procedimiento para identificar
una afección para la que hay disponible un tratamiento además
incluye especificar un umbral para definir una agrupación.
Opcionalmente, la al menos una agrupación no tiene más de una
fracción umbral de falsos positivos limitando así los sujetos que
tienen información neurofisiológica inicial que se incluye dentro
de la al menos una agrupación aunque los sujetos no muestren el
resultado tras el tratamiento deseable.
Opcionalmente, el procedimiento para identificar
una afección para la que está disponible un tratamiento además
incluye identificar el intervalo de valores de información
neurofisiológica como una afección que responde al tratamiento.
Opcionalmente, el procedimiento para identificar
una afección para la que hay disponible un tratamiento además
incluye diagnosticar a nuevo sujeto como que padece la afección que
responde al tratamiento basándose en una información
neurofisiológica inicial del nuevo sujeto que entra dentro de la al
menos una agrupación.
Opcionalmente, el procedimiento para identificar
una afección para la que hay disponible un tratamiento además
incluye estimar la fracción de la pluralidad de sujetos que tienen
información neurofisiológica inicial que entra dentro de la al
menos una agrupación para estimar el número de personas en los
Estados Unidos que responden al tratamiento. Opcionalmente, la
estimación incluye emplear una frecuencia de muestreo asociada a la
pluralidad de sujetos. Opcionalmente, el procedimiento además
incluye determinar si el número de personas en los Estados Unidos
que responden al tratamiento es menor de un umbral cualificador.
Opcionalmente, el umbral cualificador es de 200.000.
Los ejemplos también engloban un procedimiento
para estimar la función de una entidad terapéutica sobre un sujeto
de interés, comprendiendo el procedimiento las etapas de: recibir
una información neurofisiológica del sujeto; identificar
agrupaciones de información neurofisiológica, estando cada una de
las agrupaciones definida por un intervalo de valores para la
información neurofisiológica, en una base de datos de tratamientos
y respuestas que comprende información neurofisiológica y el efecto
de los tratamientos sobre ellos, de tal forma que la información
neurofisiológica del sujeto satisfaga intervalos respectivos de las
agrupaciones identificadas; identificar tratamientos asociados a
las agrupaciones identificadas; determinar si cualquiera de los
tratamientos es similar a una administración de la entidad
terapéutica; e inferir la función de la entidad terapéutica
basándose en la función de los tratamientos identificados.
Opcionalmente, el procedimiento para estimar una
función de una entidad terapéutica sobre un sujeto de interés
además incluye inferir la falta de un efecto deseable de la entidad
terapéutica sobre el sujeto en respuesta a un fallo en la
identificación de un tratamiento similar a la entidad terapéutica en
agrupaciones adicionales asociadas al efecto deseable en la base de
datos de tratamientos y respuestas.
Opcionalmente, el procedimiento para estimar la
función de una entidad terapéutica sobre un sujeto de interés
además incluye transmitir información neurofisiológica a un enclave
a distancia para su análisis; y recibir una respuesta a ella.
Los ejemplos también engloban un procedimiento
para reevaluar los datos de pruebas de entidades terapéuticas, que
no relevan un efecto deseado de una entidad terapéutica sobre los
sujetos, para identificar al menos una afección para usar la
entidad terapéutica en al menos un subconjunto de sujetos,
comprendiendo el procedimiento las etapas de: identificar sujetos
que tienen información neurofisiológica inicial y una respuesta
deseada a la entidad terapéutica en los datos de pruebas de la
entidad terapéutica; agrupar la información neurofisiológica
inicial que corresponde a los sujetos que tienen una respuesta
deseable a la administración de la entidad terapéutica; identificar
al menos una agrupación que satisface al menos uno del conjunto
constituido por un umbral prescrito; identificar un intervalo de un
parámetro que define la al menos una agrupación; y especificar el
intervalo del parámetro como condición para el cribado previo de
sujetos para la administración de la entidad terapéutica,
asegurándose así de que los sujetos a los que se administra la
entidad terapéutica también tienen información neurofisiológica que
pertenece a la al menos una agrupación.
Opcionalmente, el umbral prescrito se selecciona
del conjunto constituido por un número de falsos positivos, un
número de falso negativos, y una proporción entre falsos positivos y
falsos negativos. Opcionalmente, se sabe que la entidad terapéutica
es segura en los seres humanos. Opcionalmente, se sabe que la
entidad terapéutica tiene al menos un uso conocido. Opcionalmente,
los datos de las pruebas de la entidad terapéutica son para
identificar aplicaciones adicionales de la entidad terapéutica.
Opcionalmente, el procedimiento para reevaluar
los datos de las pruebas de las entidades terapéuticas, que no
muestran un efecto deseado de una entidad terapéutica sobre los
sujetos, para identificar al menos una afección para usar la
entidad terapéutica al menos en un subconjunto de sujetos además
incluye estimar el al menos un subconjunto de sujetos como fracción
de los sujetos para estimar el número de personas de una
jurisdicción que responden al tratamiento. Opcionalmente, la
estimación incluye emplear una frecuencia de muestreo asociada a la
pluralidad de sujetos.
Opcionalmente, el procedimiento para reevaluar
los datos de las pruebas de las entidades terapéuticas, que no
muestran un efecto deseado de una entidad terapéutica sobre los
sujetos, para identificar al menos una afección para usar la
entidad terapéutica al menos en un subconjunto de sujetos además
incluye determinar si el número de personas de los Estados Unidos
que responden al tratamiento es menor que un umbral cualificador.
Opcionalmente, el umbral cualificador es de 200.000.
Los ejemplos también engloban un procedimiento
para generar reglas para predecir la adecuación de un tratamiento
para un sujeto basándose en la información neurofisiológica del
sujeto y no en un diagnóstico tradicional de un trastorno mental,
comprendiendo el procedimiento las etapas de: agrupar la información
neurofisiológica inicial de una pluralidad de sujetos de tal forma
que cada agrupación esté asociada a al menos un resultado del
tratamiento; evaluar la información neurofisiológica de una
agrupación para determinar al menos una característica de la
información neurofisiológica que sea común a la agrupación; y
generar una regla basándose en el al menos un elemento para
determinar si una nueva información neurofisiológica inicial de un
nuevo sujeto pertenece a la agrupación prediciendo así el mismo
resultado para el tratamiento que el asociado a la agrupación.
Opcionalmente, la información neurofisiológica
se recoge usando una técnica neurofisiológica que se selecciona del
conjunto constituido por electroencefalografía, potenciales
evocados, potenciales relacionados con eventos, registros directos
de los electrodos, resonancia magnética, tomografía de emisión de
positrones, tomografía computerizada de emisión de fotón único,
electromagnetocefalografía y cualquier combinación de las mismas.
Opcionalmente, la información neurofisiológica está en forma de
variables unitarias que definen un espacio multidimensional de tal
forma que una agrupación ocupe una región contigua definida por los
valores de las variables unitarias incluidas en ella.
Opcionalmente, el procedimiento para generar
reglas para predecir la adecuación de un tratamiento para un sujeto
basándose en la información neurofisiológica del sujeto y no el
diagnóstico tradicional de un trastorno mental además incluye
describir la agrupación por el elemento que comprende al menos una
de las multivariables del conjunto constituido por potencia
absoluta media del EEG, índice de progresión en la línea media
frontal, índice de progresión en la línea media posterior,
proporción entre los índices alfa frontal y posterior, proporción
Theta/Beta media en la línea media, RMAD, RMPD, RMAT, RMPT, RMAA,
RMPA, RMAB, RMPB, CEAD, CEPD, CEAT, CEPT, CEAA, CEPA, CEAB, CEPB,
FMAD, FMPD, FMAT, FMPT, FMAA, FMPA, FMAB, FMPB, AADL, AADR, AATL,
AATR, AAAL, AAAR, AABL, AABR, AED, AET, AEA, AEB, AEBD, AEBT, AEBA,
AEBB, CADL, CADR, CATL, CATR, CAAL, CAAR, CABL, CABR, CEBD, CEBT,
CEBA, CEBB, RBDL, RBDR, RBTL, RBTR, RBAL, RBAR, RBBL, y RBBR.
Opcionalmente, el procedimiento para generar
reglas para predecir la adecuación de un tratamiento para un sujeto
basándose en la información neurofisiológica del sujeto y no en un
diagnóstico tradicional de un trastorno mental además incluye
describir la agrupación especificando un intervalo para cada uno de
los elementos: potencia absoluta media del EEG, índice de
progresión en la línea media posterior, proporción entre los índices
alfa frontal y posterior, proporción Theta/Beta media en la línea
media, RMAB, RMPB, CEAA, CEPA, CEAB, CEPB, FMAA, FMPA, FMAB, FMPB,
CAAL, CAAR, CABL, CABR, CEBA, y CEBB.
Opcionalmente, el procedimiento para generar
reglas para predecir la adecuación de un tratamiento para un sujeto
basándose en la información neurofisiológica del sujeto en lugar de
en un diagnóstico tradicional de un trastorno mental además incluye
identificar la nueva información neurofisiológica inicial del nuevo
sujeto como que pertenece a la agrupación en respuesta a determinar
una correlación sustancial entre la nueva información
neurofisiológica inicial e intervalos para los elementos que
describen la agrupación.
Los ejemplos también engloban un procedimiento
de usar una base de datos de tratamientos y respuestas que
comprende un tratamiento, información neurofisiológica inicial,
información neurofisiológica con el tratamiento activo y un
resultado del tratamiento, comprendiendo el procedimiento las etapas
de: convertir en mediciones unifactoriales; extraer multivariables
de interés a partir de las mediciones unifactoriales; y almacenar
las multivariables en la base de datos de tratamientos y respuestas
facilitando así las posteriores búsquedas en la base de datos.
Los ejemplos también engloban un dispositivo
portátil para evaluar y sugerir un tratamiento, comprendiendo el
dispositivo: un módulo de inserción de datos para recibir
información neurofisiológica de un sujeto; un módulo de reglas para
proporcionar reglas para una variable específica en la información
neurofisiológica; un módulo de correspondencia para detectar una
correspondencia entre el resultado de aplicar reglas a variables de
la información neurofisiológica y el resultado esperado para un
tratamiento; y un módulo de resultado para indicar un resultado
para al menos un tratamiento.
Opcionalmente, la información neurofisiológica
comprende una pluralidad de variables unifactoriales y la variable
específica incluye al menos una variable unifactorial.
Opcionalmente, el dispositivo portátil además incluye al menos una
distribución de referencia para escalar la información
neurofisiológica con respecto a ella. Opcionalmente, el dispositivo
portátil además incluye una base de datos de tratamientos y
respuestas para facilitar la predicción de los tratamientos que
tienen un resultado deseable, evitando tratamientos ineficaces o
dañinos, y para definir afecciones basándose en el tratamiento
realizando un reanálisis de los datos incluidos en ella.
La invención también engloba un procedimiento de
establecer un uso autorizado de un agente terapéutico para tratar a
pacientes que tienen un trastorno, en el que dicho agente no ha sido
autorizado hasta la fecha para el tratamiento de dicho trastorno en
la práctica clínica autorizada, comprendiendo el procedimiento:
indicar dicho agente para el tratamiento de dicho trastorno donde
la información neurofisiológica obtenida de uno o más pacientes que
tienen dicha afección indica que dicho agente tiene eficacia
terapéutica en los pacientes de referencia, independientemente de
si los pacientes de referencia han sido diagnosticados con dicho
trastorno.
Opcionalmente, el procedimiento además incluye
administrar una cantidad terapéuticamente eficaz de dicho agente
indicado a uno o más pacientes, y verificar que dicho agente es
eficaz en al menos un paciente. Opcionalmente, el procedimiento
además incluye administrar una cantidad terapéuticamente eficaz de
un agente que el procedimiento de la reivindicación 87 indica que
es eficaz para tratar pacientes con dicho trastorno. El
procedimiento incluye situaciones en las que dicho trastorno
diagnosticado conductualmente es anorexia nerviosa, bulimia
nerviosa, u otro trastorno alimentario, y en el que dicho agente se
selecciona del grupo constituido por metilfenidato y
dextroanfetamina. El procedimiento también incluye situaciones de
tratar a un paciente que tiene un trastorno psiquiátrico
diagnosticado conductualmente distinto de un trastorno de déficit de
atención e hiperactividad, que comprende: administrar una dosis
terapéuticamente eficaz de metilfenidato.
Los ejemplos engloban un procedimiento para
tratar a un paciente que tiene anorexia nerviosa, bulimia nerviosa,
un otro trastorno alimentario diagnosticados conductualmente, que
comprende: administrar una cantidad terapéuticamente eficaz de un
fármaco que se selecciona del grupo constituido por metilfenidato y
dextroanfetamina.
Los ejemplos también engloban un procedimiento
de recomendar un tratamiento para un paciente que tiene un
trastorno psiquiátrico diagnosticado conductualmente, que comprende:
indicar uno o más agentes terapéuticos dependiendo de la
información neurofisiológica obtenida con dicho paciente, en el que
los agentes terapéuticos se indican independientemente de la
identidad de dicho trastorno, y recomendar uno o más de los agentes
terapéuticos indicados en el que dicho paciente no presenta una
patología anatómica observable externamente.
Opcionalmente, el uno o más agentes terapéuticos
indicados comprenden agentes de una única clase de agentes, en el
que una clase de agentes comprende agentes con efectos fisiológicos
similares sobre un sistema orgánico diana. Opcionalmente, la clase
de agentes se selecciona del grupo constituido por agentes de Clase
1, agentes de Clase 2, agentes de Clase 3, agentes de Clase 4, y
agentes de Clase 5.
El procedimiento también engloba tratar a un
paciente que tiene un trastorno psiquiátrico diagnosticado
conductualmente, que comprende: administrar uno o más agentes
terapéuticos recomendados.
Los ejemplos también engloban un procedimiento
de recomendar un tratamiento para un paciente que tiene un
trastorno psiquiátrico diagnosticado conductualmente, que comprende:
indicar agentes terapéuticos comparando la información
neurofisiológica cuantificada obtenida del paciente con la
información neurofisiológica cuantificada obtenida de individuos en
una o más poblaciones de individuos de referencia, en el que la
información de al menos una población de referencia incluye
modalidades de tratamiento para individuos con trastornos
psiquiátricos diagnosticados conductualmente, y recomendar uno o
más de los agentes terapéuticos indicados.
Opcionalmente, el procedimiento incluye
administrar uno o más agentes terapéuticos recomendados.
Opcionalmente, el procedimiento incluye situaciones en las que el
diagnóstico conductual comprende un diagnóstico realizado de
acuerdo con criterios psiquiátricos aceptados profesionalmente.
Los ejemplos también engloban un procedimiento
de recomendar un tratamiento para un paciente que tiene un
trastorno psiquiátrico diagnosticado conductualmente, que comprende:
determinar los efectos de uno o más agentes terapéuticos sobre la
información neurofisiológica cuantificada obtenida de individuos en
una o más poblaciones de individuos de referencia, y recomendar uno
o más agentes terapéuticos independientemente de la comparación de
información neurofisiológica cuantificada obtenida de dicho paciente
con dichos efectos determinados de uno o más agentes terapéuticos,
en el que los agentes terapéuticos se recomiendan independientemente
de la identidad de dicho trastorno.
Opcionalmente, la comparación indica un agente
terapéutico si los efectos determinados de dicho agente
sustancialmente corrigen las anormalidades de dicha información
neurofisiológica obtenida de dicho paciente. Opcionalmente, el
procedimiento también engloba tratar a un paciente que tiene un
trastorno psiquiátrico diagnosticado conductualmente, que incluye:
administrar uno o más agentes terapéuticos recomendados.
Los ejemplos también engloban un procedimiento
de correlacionar a un paciente con agentes terapéuticos, en el que
dichos pacientes tienen trastornos psiquiátricos diagnosticados
conductualmente, comprendiendo el procedimiento: para cada paciente
antedicho y dicho agente antedicho, determinar un nivel de
correlación entre dicho paciente y dicho agente indicando un nivel
relativamente alto de correlación entre dicho paciente y dicho
agente si la información neurofisiológica cuantificada obtenida de
dicho paciente se correlaciona con la información neurofisiológica
cuantificada obtenida de al menos un individuo de referencia de una
o más poblaciones de referencia de individuos, en el que la
información de al menos una población de referencia incluye
modalidades de tratamiento para individuos, y en el que la
información para al menos una modalidad de tratamiento para dicho
individuo de referencia indica que dicho individuo de referencia fue
tratado de forma relativamente eficaz con dicho agente, e indicando
un nivel relativamente bajo de correlación entre dicho paciente y
dicho agente si la información neurofisiológica cuantificada
obtenida de dicho paciente se correlaciona con la información
neurofisiológica cuantificada obtenida de al menos un individuo de
referencia de una o más poblaciones de individuos de referencia, y
en el que la información para al menos una modalidad de tratamiento
para dicho individuo de referencia indica que dicho individuo de
referencia fue tratado de forma relativamente ineficaz con dicho
agente.
Opcionalmente, los ejemplos engloban un
procedimiento de recomendar un tratamiento para un paciente que
tiene un trastorno psiquiátrico diagnosticado conductualmente que
incluye recomendar agentes correlacionados con dicho paciente de
acuerdo con el procedimiento de correlacionar a un paciente con
agentes terapéuticos.
Opcionalmente, los ejemplos engloban un
procedimiento de recomendar a un paciente para un ensayo de un
agente terapéutico en ensayo incluye recomendar a pacientes
correlacionados con al menos un agente terapéutico similar de
acuerdo con el procedimiento de correlacionar a un paciente con
agentes terapéuticos, y en el que un agente es similar a dicho
agente en ensayo si los efectos de dicho agente y dicho agente en
ensayo sobre la información neurofisiológica cuantificada obtenida
de individuos de una o más poblaciones de individuos de referencia
es muy similar.
Los ejemplos también engloban un procedimiento
para clasificar desequilibrios cerebrales fisiológicos, que
comprende: comparar la información neurofisiológica cuantificada de
un paciente con la información neurofisiológica de una población de
individuos de referencia para producir un grupo de diferencias para
el paciente, organizar dichas diferencias mediante mediciones de
resultados neurofisiológicos proporcionando un perfil de diferencias
del estado fisiológico de la función cerebral del paciente,
comparar dicho perfil de diferencias del paciente con la
información neurofisiológica de una segunda población de referencia
que es sintomática para desequilibrios cerebrales fisiológicos
produciendo un grupo de similitudes para el paciente, organizar
dichas similitudes mediante mediciones de resultados
neurofisiológicos para proporcionar un perfil de similitudes del
estado fisiológico de la función cerebral del paciente,
correlacionar dicho perfil de similitudes del paciente con una
serie de modalidades de tratamiento para el segundo grupo de
referencia para producir una recomendación de tratamiento.
Opcionalmente, la modalidad de tratamiento es
farmacoterapia, y en la que el fármaco se selecciona del grupo
constituido por alprazolam, amantadina, amitriptilina, atenolol,
betanecol, bupropión, buspirona, carbamazepina, clorpromazina,
clordiazepóxido, citalopram, clomipramina, clonidina, clonazepam,
clozapina, ciproheptadina, dexametasona, divalproex, deprenilo,
desipramina, dexametasona, dextroanfetamina, diazepam, disulfram,
divalproex, doxepina, etclorvinol, fluoxetina, fluvoxamina,
felbamato, flufenazina, gabapentina, haloperidol, imipramina,
isocarboxazid, lamotrigina, levotiroxina, liotironina, carbonato de
litio, citrato de litio, lorazepam, loxapina, maprotilina,
meprobamato, mesoridazina, metanfetamina, midazolam, meprobamato,
mirtazapina, molindona, moclobemida, molindona, naltrexona,
fenelzina, nefazodona, nortriptilina, olanzapina, oxazepam,
paroxetina, pemolina, perfenazina, fenelzina, pimozida, pindolol,
prazepam, propranolol, protriptilina, quetiapina, reboxetina,
risperidona, selegilina, sertralina, sertindol, trifluoperazina,
trimipramina, temazepam, tioridazina, topiramato, tranilcipromine,
trazodona, triazolam, trihexifenidilo, trimipramina, ácido
valproico, venlafaxina, y cualquier combinación de los mismos.
Opcionalmente, el desequilibrio cerebral
fisiológico acompaña a un trastorno de pánico y la modalidad de
tratamiento es farmacoterapia usando un fármaco que se selecciona
del grupo constituido por ácido valproico, clonazepam,
carbamazepina, metilfenidato y dextroanfetamina.
Opcionalmente, el desequilibrio cerebral
fisiológico acompaña a un trastorno alimentario y la modalidad de
tratamiento es farmacoterapia usando un fármaco que se selecciona
del grupo constituido por metilfenidato y dextroanfetamina.
\newpage
Opcionalmente, el desequilibrio cerebral
fisiológico acompaña a un trastorno del aprendizaje y la modalidad
de tratamiento es farmacoterapia usando un fármaco que se selecciona
del grupo constituido por amantadina, ácido valproico, clonazepam y
carbamazepina.
Opcionalmente, el procedimiento incluye obtener
información neurofisiológica de seguimiento para hacer un
seguimiento de los cambios fisiológicos producidos por la
administración de modalidades de tratamiento, y realizando cambios
en la pauta de la terapia basándose en la información
neurofisiológica de seguimiento y una herramienta de valoración del
paciente.
Opcionalmente, el procedimiento incluye
situaciones en las que el desequilibrio cerebral fisiológico está
asociado a patologías cerebrales diagnosticadas conductualmente o no
conductualmente patologías cerebrales.
Opcionalmente, el procedimiento incluye
situaciones en las que la patología cerebral se selecciona del grupo
constituido por agitación, desequilibrio de déficit de atención e
hiperactividad, abuso, enfermedad/demencia de Alzheimer, ansiedad,
pánico, y trastornos de fobias, trastorno bipolar, trastorno de
personalidad límite, problemas de control de la conducta,
trastornos de dimorfismo corporal, problemas cognitivos, enfermedad
de Creutzfeldt-Jakob, depresión, trastornos
disociativos, problemas alimentarios, de apetito y de peso, edema,
fatiga, hipo, problemas con el control de impulsos, irritabilidad,
jet lag, problemas del estado de ánimo, problemas del movimiento,
trastorno obsesivo/compulsivo, dolor, trastornos de la personalidad,
trastorno de estrés postraumático, esquizofrenia y otros trastornos
psicóticos, trastorno afectivo estacional, trastorno sexual,
trastorno del sueño, tartamudeo, abuso de sustancias, trastorno de
tic, síndrome de La Tourette, lesión cerebral por traumatismo,
tricotilomanía, enfermedad de Parkinson, conductas
violentas/autodestructivas, y cualquier combinación de las
mismas.
Los ejemplos engloban un procedimiento para
clasificar desequilibrios cerebrales fisiológicos, que comprende:
comparar información neurofisiológica cuantificada de un paciente
con información neurofisiológica de una población de individuos de
referencia para producir un grupo de diferencias para el paciente, y
organizar las diferencias mediante mediciones de los resultados
neurofisiológicos para proporcionar un perfil de diferencias del
estado fisiológico de la función cerebral del paciente.
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que la información neurofisiológica cuantificada es
electroencefalografía cuantitativa por transformada rápida
de
Fourier.
Fourier.
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que la información neurofisiológica cuantificada es no
paroxística.
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que la información neurofisiológica cuantificada es al menos en
parte paroxística.
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que la información neurofisiológica es información de
electroencefalografía cuantitativa general o FFT (QEEG).
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que la información neurofisiológica cuantificada de un paciente y de
una población de referencia es mediciones de resultados
multifactoriales de QEEG general o FFT.
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que las mediciones de resultados multifactoriales de QEEG general o
FFT se seleccionan de un grupo constituido por potencia absoluta,
potencia relativa, frecuencia, coherencia intrahemisférica,
coherencia interhemisférica, asimetría intrahemisférica, y
asimetría interhemisférica, y proporciones o combinaciones de las
mismas.
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que las mediciones de resultados multifactoriales de QEEG general o
FFT se determinan a partir de combinaciones de electrodos de EEG
que se encuentran en las regiones anterior, posterior, hemisferio
derecho, hemisferio izquierdo del cuero cabelludo.
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que las mediciones de resultados multifactoriales de QEEG general o
FFT se determinan a partir de electrodos o combinaciones de
electrodos en las bandas de frecuencia de EEG delta, theta, alfa, o
beta.
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que las puntuaciones Z se determinan para cada una de las mediciones
de resultados multifactoriales de QEEG general o FFT.
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que las mediciones de resultados multifactoriales de QEEG general o
FFT se expresan en términos de puntuacio-
nes Z.
nes Z.
\newpage
Opcionalmente el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que la población de referencia se extrae a partir de individuos que
son asintomáticos para desequilibrios cerebrales fisiológicos.
Opcionalmente, los ejemplos también engloban un
procedimiento para tratar desequilibrios cerebrales fisiológicos de
un paciente, que comprende correlacionar el perfil de diferencias
del paciente de acuerdo con el procedimiento para clasificar
desequilibrios cerebrales fisiológicos con una serie de modalidades
de tratamiento para producir una recomendación de tratamiento.
Los ejemplos también engloban un procedimiento
para analizar desequilibrios cerebrales fisiológicos de un
paciente, que comprende: comparar el perfil de diferencias del
paciente de acuerdo con la reivindicación 104 con información
neurofisiológica de una segunda población de individuos de
referencia que son sintomáticos para desequilibrios cerebrales
fisiológicos para producir un grupo de similitudes para el paciente;
y organizar las similitudes mediante las mediciones de resultados
neurofisiológicos para proporcionar un perfil de similitudes del
estado fisiológico de la función cerebral del paciente.
Opcionalmente, los ejemplos también engloban un
procedimiento para tratar desequilibrios cerebrales fisiológicos de
un paciente, que comprende: correlacionar el perfil de similitudes
del paciente de acuerdo con el procedimiento para analizar
desequilibrios cerebrales fisiológicos de un paciente con una serie
de modalidades de tratamiento para el segundo grupo de referencia
para producir una recomendación de tratamiento.
Los ejemplos también engloban un procedimiento
para analizar desequilibrios cerebrales fisiológicos de un
paciente, que comprende: comparar información neurofisiológica
cuantificada del paciente con información neurofisiológica de una
población de individuos de referencia que son sintomáticos para
desequilibrios cerebrales fisiológicos para producir un grupo de
similitudes para el paciente, y organizar las similitudes mediante
mediciones de resultados neurofisiológicos para proporcionar un
perfil de similitudes del estado fisiológico de la función cerebral
del paciente.
Opcionalmente, el procedimiento para analizar
desequilibrios cerebrales fisiológicos de un paciente incluye
situaciones en las que los pacientes sintomáticos de los que se
recogen las mediciones de resultados neurofísicos muestran indicios
conductuales de desequilibrios cerebrales fisiológicos.
Opcionalmente, el procedimiento para analizar
desequilibrios cerebrales fisiológicos de un paciente incluye
situaciones en las que los pacientes sintomáticos de los que se
recogen las mediciones de resultados neurofisiológicos muestran
indicios no conductuales de desequilibrios cerebrales
fisiológicos.
Los ejemplos también engloban un procedimiento
para tratar desequilibrios cerebrales fisiológicos de un paciente,
que comprende: correlacionar el perfil de similitudes del paciente
de acuerdo con el procedimiento para analizar desequilibrios
cerebrales fisiológicos de un paciente con una serie de modalidades
de tratamiento para el grupo de referencia para producir una
recomendación de tratamiento.
Los ejemplos también engloban un procedimiento
para clasificar desequilibrios cerebrales fisiológicos, que
comprende: comparar información neurofisiológica cuantificada de un
paciente con información neurofisiológica de una población de
individuos de referencia para producir un grupo de diferencias para
el paciente, y organizar las diferencias mediante mediciones de los
resultados neurofisiológicos para proporcionar un perfil de
diferencias del estado fisiológico de la función cerebral del
paciente.
Los ejemplos también engloban un procedimiento
para analizar desequilibrios cerebrales fisiológicos de un
paciente, que comprende: comparar el perfil de diferencias del
paciente con información neurofisiológica de una segunda población
de referencia que son sintomáticos para desequilibrios cerebrales
fisiológicos para producir un grupo de similitudes para el
paciente; y organizar las similitudes mediante las mediciones de
resultados neurofisiológicos para proporcionar un perfil de
similitudes del estado fisiológico de la función cerebral del
paciente.
Los ejemplos también engloban un procedimiento
para tratar los desequilibrios cerebrales fisiológicos analizados
de un paciente, que comprende correlacionar el perfil de similitudes
del paciente con una serie de modalidades de tratamiento para el
segundo grupo de referencia para producir una recomendación de
tratamiento.
Los ejemplos también engloban un procedimiento
en el que el desequilibrio cerebral fisiológico analizado está
asociado a patologías cerebrales diagnosticadas conductualmente o no
conductualmente. Opcionalmente, la patología cerebral se selecciona
del grupo constituido por agitación,, desequilibrio de déficit de
atención e hiperactividad, abuso, enfermedad /demencia de
Alzheimer, ansiedad, pánico, y trastornos de fobias, trastorno
bipolar, trastorno de personalidad límite, problemas de control de
la conducta, trastornos de dimorfismo corporal, problemas
cognitivos, enfermedad de Creutzfeldt-Jakob,
depresión, trastornos disociativos, problemas alimentarios, de
apetito y de peso, edema, fatiga, hipo, problemas de el control de
impulsos, irritabilidad, jet lag, problemas del estado de ánimo,
problemas del movimiento, trastorno obsesivo/compulsivo, dolor,
trastornos de la personalidad, trastorno de estrés postraumático,
esquizofrenia y otros trastornos psicóticos, trastorno afectivo
estacional, trastorno sexual, trastorno del sueño, tartamudeo,
abuso de sustancias, trastorno de tic, síndrome de La Tourette,
lesión cerebral por traumatismo, tricotilomanía, enfermedad de
Parkinson, conductas violentas/autodestructivas, y cualquier
combinación de las mismas.
Los ejemplos también engloban un procedimiento
en el que la modalidad de tratamiento se selecciona del grupo
constituido por farmacoterapia, terapia de electroconvulsión,
terapia electromagnética, terapia de neuromodulación, psicoterapia,
y cualquier combinación de las mismas. Opcionalmente, la modalidad
de tratamiento es farmacoterapia y el fármaco se selecciona del
grupo constituido por un agente psicotrópico, un agente
neurotrópico, un agente psicotrópico o un agente neurotrópico
múltiple, y cualquier combinación de los mismos. Opcionalmente, el
fármaco tiene un efecto directo o indirecto sobre el SNC del
paciente y, ppcionalmente, el fármaco se selecciona del grupo
constituido por alprazolam, amantadina, amitriptilina, atenolol,
betanecol, bupropión, buspirona, carbamazepina, clorpromazina,
clordiazepóxido, citalopram, clomipramina, clonidina, clonazepam,
clozapina, ciproheptadina, dexametasona, divalproex, deprenilo,
desipramina, dexametasona, dextroanfetamina, diazepam, disulfram,
divalproex, doxepina, etclorvinol, fluoxetina, fluvoxamina,
felbamato, flufenazina, gabapentina, haloperidol, imipramina,
isocarboxazid, lamotrigina, levotiroxina, liotironina, carbonato de
litio, citrato de litio, lorazepam, loxapina, maprotilina,
meprobamato, mesoridazina, metanfetamina, midazolam, meprobamato,
mirtazapina, molindona, moclobemida, molindona, naltrexona,
fenelzina, nefazodona, nortriptilina, olanzapina, oxazepam,
paroxetina, pemolina, perfenazina, fenelzina, pimozida, pindolol,
prazepam, propranolol, protriptilina, quetiapina, reboxetina,
risperidona, selegilina, sertralina, sertindol, trifluoperazina,
trimipramina, temazepam, tioridazina, topiramato, tranilcipromine,
trazodona, triazolam, trihexifenidilo, trimipramina, ácido
valproico, venlafaxina, y cualquier combinación de los mismos.
Opcionalmente, el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye obtener información
neurofisiológica cuantificada de seguimiento para hacer un
seguimiento de los cambios fisiológicos producidos por la
administración de modalidades de tratamiento; y realizar cambios en
la pauta de terapia basándose en la información neurofisiológica de
seguimiento y una herramienta de valoración del paciente.
Opcionalmente, el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que el desequilibrio cerebral fisiológico acompaña a un trastorno de
pánico y la modalidad de tratamiento es farmacoterapia usando un
fármaco que se selecciona del grupo constituido por ácido valproico,
clonazepam, carbamazepina, metilfenidato y dextroanfetamina.
Opcionalmente, el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que el desequilibrio cerebral fisiológico acompaña a un trastorno
alimentario y la modalidad de tratamiento es farmacoterapia usando
un fármaco que se selecciona del grupo constituido por metilfenidato
y dextroanfetamina.
Opcionalmente, el procedimiento para clasificar
desequilibrios cerebrales fisiológicos incluye situaciones en las
que el desequilibrio cerebral fisiológico acompaña trastorno del
aprendizaje y la modalidad de tratamiento es farmacoterapia usando
un fármaco que se selecciona del grupo constituido por amantadina,
ácido valproico, clonazepam y carbamazepina.
Los ejemplos también engloban un procedimiento
para la clasificación, diagnóstico, y tratamiento de un
desequilibrio cerebral fisiológico de un paciente en un enclave a
distancia, que comprende: enviar la información neurofisiológica
del paciente desde un enclave a distancia a un enclave de
procesamiento central, comparar la información enviada al enclave
de procesamiento central con las mediciones multifactoriales de
resultados neurofisiológicos recopilados de una población de
individuos de referencia para obtener un perfil cerebral, asociar en
el enclave de procesamiento central el perfil cerebral a perfiles
cerebrales indicadores de patologías cerebrales para producir una
asociación, y enviar al enclave a distancia una recomendación de
tratamiento basándose en la asociación.
Los ejemplos también engloban un procedimiento
adecuado para determinar el efecto de un fármaco nuevo o conocido
sobre el SNC de un paciente, que comprende: seleccionar al menos un
paciente, administrar el fármaco al paciente, obtener la
información neurofisiológica del paciente después de la
administración, y analizar la información neurofisiológica del
paciente después de la administración para determinar el efecto del
fármaco sobre el SNC del paciente.
El procedimiento adecuado para determinar el
efecto de un fármaco nuevo o conocido sobre el SNC de un paciente
incluye situaciones en las que la etapa de analizar incluye comparar
la información neurofisiológica del paciente post administración
con la información neurofisiológica obtenida en una población de
individuos de referencia para producir un perfil de similitudes
para el paciente. Opcionalmente, el perfil de similitudes se usa
para determinar el efecto del fármaco.
El procedimiento adecuado para determinar el
efecto de un fármaco nuevo o conocido sobre el SNC de un paciente
incluye situaciones en las que se obtienen información
neurofisiológica anterior a la administración del paciente.
Opcionalmente, la información neurofisiológica anterior a la
administración también se compara con la información
neurofisiológica de la población de referencia. Opcionalmente, el
efecto del fármaco sobre el paciente se determinan comparando los
conjuntos de información neurofisiológica del paciente anterior y
posterior a la administración.
Los ejemplos también engloban un procedimiento
para el cribado de participantes individuales para su inclusión en
ensayos clínicos de fármacos para tratar desequilibrios cerebrales
fisiológicos, que comprende: determinar si un participante
individual potencial muestra una patología conductual, determinar si
ese participante individual potencial tiene información
neurofisiológica anormal, y establecer un conjunto de participantes
individuales de entre esos participantes individuales potenciales
que muestran una patología conductual y una información
neurofisiológica anormal asociada a la patología conductual.
El procedimiento para cribar participantes
individuales para su inclusión en ensayos clínicos de fármacos para
tratar desequilibrios cerebrales fisiológicos incluye situaciones en
las que el fármaco que se está sometiendo a pruebas clínicas es un
compuesto nuevo o el fármaco que se somete a pruebas clínicas es un
compuesto conocido para el que está indicado un nuevo uso.
Los ejemplos también engloban un procedimiento
para tratar desequilibrios cerebrales fisiológicos, que comprende:
obtener información neurofisiológica de un paciente, cuantificar la
información neurofisiológica, y correlacionar la información
neurofisiológica con los perfiles de capacidad de respuesta a la
terapia.
Opcionalmente, el procedimiento para tratar
desequilibrios cerebrales fisiológicos además incluye determinar a
partir del perfil de capacidad de respuesta a la terapia un
tratamiento del desequilibrio cerebral fisiológico del
paciente.
Opcionalmente, el procedimiento para tratar
desequilibrios cerebrales fisiológicos además incluye situaciones
en las que la información neurofisiológica se recopila usando una
técnica neurofisiológica que se selecciona del grupo constituido
por electroencefalografía, resonancia magnética, tomografía de
emisión de positrones, tomografía computerizada de emisión de fotón
único, y cualquier combinación de las mismas. Opcionalmente, la
técnica neurofisiológica es electroencefalografía. Opcionalmente, la
electroencefalografía es electroencefalografía cuantitativa por
transformada rápida de Fourier digitalizada. Opcionalmente, la
información neurofisiológica se almacena en una base de datos.
Opcionalmente, las correlaciones entre la información
neurofisiológica y los perfiles de capacidad de respuesta a la
terapia se almacenan en una base de datos.
Los ejemplos también engloban un procedimiento
de prescribir múltiples tratamientos a un sujeto con ayuda de una
base de datos de tratamientos y respuestas, comprendiendo el
procedimiento las etapas de: obtener información neurofisiológica
del sujeto; identificar al menos una opción de tratamiento con ayuda
de la base de datos de tratamientos y respuestas; seleccionar un
primer tratamiento, en respuesta a la identificación de múltiples
opciones de tratamiento, un tratamiento; administrar el primer
tratamiento al sujeto; ajustar el primer tratamiento de acuerdo con
un efecto del tratamiento sobre la información neurofisiológica del
sujeto; y seleccionar un segundo tratamiento de acuerdo con un
efecto del tratamiento sobre la información neurofisiológica del
sujeto. Opcionalmente, el procedimiento incluye seleccionar, en
respuesta a una elección entre agentes de Clase 4 y otros agentes,
un tratamiento que incluye al menos uno de los agentes de Clase 4.
Opcionalmente, el procedimiento incluye seleccionar, en respuesta a
una elección entre agentes de Clase 2 y otros agentes, un
tratamiento que incluye al menos uno de los otros agentes.
Opcionalmente, el procedimiento incluye seleccionar, en respuesta a
una elección entre agentes de Clase 1 y agentes de Clase 5, un
tratamiento que incluye al menos uno de los agentes de Clase 1.
Opcionalmente, la base de datos de tratamientos y respuestas está
representada por un conjunto de reglas que representa los límites
de las agrupaciones para identificar al menos un tratamiento
adecuado.
Los ejemplos también engloban un procedimiento
de generar un informe que refleja una estimación anticipada de una
respuesta a un tratamiento, comprendiendo el procedimiento las
etapas de: comunicar una clase de un agente junto con agentes
específicos dentro de la clase de tal forma que los agentes
específicos estén indicados para el tratamiento de un sujeto
basándose en una información neurofisiológica del sujeto y una base
de datos de tratamientos y respuestas; ordenar múltiples clases en
orden de significación; representar la capacidad de respuesta a al
menos un tratamiento en el informe mediante un código de capacidad
de respuesta; y ordenar múltiples agentes según el order del código
de la capacidad de respuesta. Opcionalmente, el código de la
capacidad de respuesta tiene un código de color para mayor
facilidad de identificación. Opcionalmente, el código de la
capacidad de respuesta incluye una pluralidad de niveles que
representan un abanico de respuestas en el intervalo definido por
una respuesta positiva y la resistencia a un tratamiento.
Opcionalmente, el intervalo incluye respuestas adversas a un
tratamiento. Opcionalmente, el informe incluye un efecto de un
tratamiento particular sobre la información neurofisiológica del
sujeto. Opcionalmente, el informe incluye la identificación de
tratamientos menos caros que un tratamiento especificado de tal
forma que los tratamientos menos caros prospectivamente tengan una
respuesta sustancialmente similar al tratamiento especificado.
Opcionalmente, el informe incluye tratamientos ordenados que se
ordenan de acuerdo con el coste de cada uno de los tratamientos
ordenados. Opcionalmente, el informe se presenta mediante una
interfaz para el usuario electrónica. Opcionalmente, el informe se
genera en respuesta a una petición electrónica.
Los ejemplos también engloban un procedimiento
de establecer un uso autorizado de un agente terapéutico para
tratar a pacientes que tienen un trastorno, en el que dicho agente
no ha sido autorizado hasta la fecha para el tratamiento de dicho
trastorno en la práctica clínica autorizada, comprendiendo el
procedimiento: indicar dicho agente para el tratamiento de dicho
trastorno donde la información de EEG obtenida de uno o más
pacientes que tienen dicha afección indica que dicho agente tiene
eficacia terapéutica en los pacientes de referencia,
independientemente de si los pacientes de referencia han sido
diagnosticados con dicho trastorno.
Los ejemplos también engloban un procedimiento
de procesar datos que corresponden a información neurofisiológica,
que comprende: enviar información neurofisiológica que corresponde a
uno o más sujetos a un procesador, estando dicho procesador
configurado para: i) comparar dicha información con información
neurofisiológica de una población de referencia para producir a
grupo de diferencias, y ii) organizar dichas diferencias según las
mediciones de resultados para proporcionar un perfil de
diferencias, de forma que se cree información procesada.
Opcionalmente, el procedimiento además incluye recibir dicha
información procesada. Opcionalmente, el procedimiento además
incluye usar dicha información procesada para predecir el resultado
del tratamiento de dicho uno o más sujetos con uno o más fármacos
antes de administrar dicho uno o más fármacos. Opcionalmente, el
procedimiento además incluye usar dicha información procesada para
desarrollar un fármaco para generar información de desarrollo del
fármaco, en el que la información de desarrollo del fármaco incluye,
a no ser que se indique lo contrario, cualquier tipo de información
que requiera la FDA que incluye datos para probar la
seguridad/eficacia, información del prospecto, etc. Opcionalmente,
el procedimiento además incluye presentar dicha información de
desarrollo del fármaco a una agencia reguladora gubernamental.
Opcionalmente, el procedimiento además incluye comercializar o
vender un fármaco asociando dicho perfil de diferencias a dicho
fármaco, en el que el término "asociar" incluye asociaciones
directas o indirectas (por ejemplo utilidad comercial)).
Opcionalmente, la información neurofisiológica comprende registros
de electroencefalograma registrados por los electrodos colocados de
acuerdo con el sistema internacional 10/20. Opcionalmente, el envío
se realiza a través de una red de comunicaciones electrónica, en el
que la red de comunicaciones electrónica incluye cualquier sistema
de transmisión que incluye Internet, teléfono, satélite, etc.
Opcionalmente, el envío se realiza a través de Internet o de
transmisión telefónica o por satélite. Opcionalmente, el envío se
realiza en un primer enclave y el procesador está localizado en un
segundo enclave, posiblemente los enclaves están en diferentes
países. Opcionalmente, la recepción comprende acceder a dicha
información procesada desde un enclave de almacenamiento de datos,
en el que dicho enclave de almacenamiento de datos comprende un
tercer enclave.
De forma similar, los ejemplos también engloban
un procedimiento de recibir información procesada que corresponde a
la información neurofisiológica, que comprende: recibir información
neurofisiológica procesada de un procesador, teniendo dicho
procesador i) comparar la información neurofisiológica que
corresponde a uno o más sujetos con la información neurofisiológica
de una población de referencia para producir un grupo de
diferencias, y ii) organizar dichas diferencias por mediciones de
los resultados para proporcionar un perfil de diferencias, para así
crear información procesada.
Debe entenderse que los ejemplos también
engloban procedimientos para la realización a distancia de todos
los procedimientos anteriores junto con sistemas para realizar estos
procedimientos anteriores a distancia (como se ilustra en la Fig.
15). Los siguientes ejemplos son ilustrativos de dichos
procedimientos y sistemas adicionales. Para mayor concisión, sin
limitación, se han omitido los ejemplos y sistemas de procesamiento
a distancia que corresponden a los otros procedimientos y sistemas
de ese tipo.
Los ejemplos también engloban un procedimiento
para identificar un tratamiento para un sujeto basándose en la
información neurofisiológica previa al tratamiento del sujeto y en
un resultado deseado, comprendiendo el procedimiento las etapas de:
transmitir información desde un primer enclave, donde la información
transmitida comprende la información neurofisiológica previa al
tratamiento y el resultado deseado; y recibir información en un
segundo enclave, en el que la información recibida comprende una
indicación de al menos un tratamiento que se determina mediante el
procedimiento de la reivindicación 29 a partir de la información
transmitida.
Opcionalmente, en el procedimiento anterior, la
información se transmite y se recibe desde un enclave de
procesamiento que realiza el procedimiento de la reivindicación 29;
donde el enclave de procesamiento está situado a distancia del
primer y el segundo enclave; o donde el enclave de procesamiento
está localizado en el mismo lugar que el primer o el segundo
enclave; o el primer y el segundo enclave están localizados en el
mismo lugar; o el segundo enclave está localizado a distancia.
Opcionalmente el anterior procedimiento
comprende además transmitir al menos parte de la información
recibida y al menos parte de la información transmitida a un
enclave de revisión; y revisar la calidad de la información
transmitida a la vista de la información recibida.
Los ejemplos también engloban un sistema para
identificar un tratamiento para un sujeto basándose en la
información neurofisiológica previa al tratamiento del sujeto y en
un resultado deseado, comprendiendo el procedimiento: un
dispositivo de transmisión en un primer enclave, para transmitir
información que comprende la información neurofisiológica previa al
tratamiento y el resultado deseado; y un dispositivo de recepción en
un segundo enclave, para recibir información que comprende una
indicación de al menos un tratamiento que se determinó según el
procedimiento de la reivindicación 29 a partir de la información
transmitida.
Finalmente, los ejemplos también engloban
productos de programas que comprenden un medio legible por ordenador
que tiene instrucciones codificada para hacer que un sistema
informático realice cualquiera o todos los procedimientos de los
ejemplos.
Aunque la descripción de la invención precedente
está en el contexto de las realizaciones que se describen en el
presente documento, no se pretende que las realizaciones sean una
limitación del alcance de la invención. Como fácilmente reconocerá
una persona de experiencia ordinaria en la técnica, la invención
descrita engloba las realizaciones descritas junto con otras
realizaciones que proporcionan variaciones sobre la elección de
variables indicadoras y unifactoriales, distribuciones de
referencias, estrategias de agrupación, puesta en práctica de
programas y de tratamiento a distancia y similares sin separarse de
la forma de las enseñanzas que se describen en el presente
documento.
Claims (24)
1. Un procedimiento para predecir un resultado
de un primer tratamiento basado en la información neurofisiológica
obtenida de un sujeto escalando la información neurofisiológica para
permitir compararla con la información neurofisiológica almacenada
obtenida de una fuente de datos;
calcular al menos una variable indicadora de la
información neurofisiológica; y
evaluar la al menos una variable indicadora con
ayuda de al menos una regla para predecir el resultado del primer
tratamiento antes de la administración real del primer
tratamiento;
caracterizado porque el procedimiento
comprende las etapas de:
identificar la al menos una variable indicadora
cribando una base de datos de respuestas que comprende información
neurofisiológica previa al tratamiento y la respuesta al primer
tratamiento en forma de información neurofisiológica con el
tratamiento activo de una pluralidad de sujetos;
identificar agrupaciones de información
neurofisiológica previa al tratamiento asociada a sujetos que tienen
respuestas similares al primer tratamiento en forma de información
neurofisiológica con el tratamiento activo como parte de la etapa
de cribado, identificando una región de un espacio multidimensional
definida por un intervalo de valores de variables unitarias de tal
forma que esté incluido en la región un número umbral de sujetos
que tiene una respuesta común al primer tratamiento en forma de
información neurofisiológica con el tratamiento activo; e
identificar el intervalo de valores de variables unitarias que
describen la región;
combinar el conjunto de variables unitarias que
tienen valores compartidos por los sujetos de una agrupación para
formar una multivariable y emplear la multivariable como la al menos
una variable indicadora;
y en el que el procedimiento se realiza en un
sujeto independientemente del diagnóstico conductual de una
enfermedad mental, o de los datos conductuales del sujeto.
2. El procedimiento de la reivindicación 1, en
el que la información neurofisiológica comprende registros de
electroencefalograma registrados por los electrodos colocados de
acuerdo con el sistema internacional 10/20.
3. El procedimiento de la reivindicación 1, en
el que el número umbral es 80% por el que se incluye en la
agrupación 80% de los sujetos que tienen una respuesta común al
primer tratamiento.
4. El procedimiento de la reivindicación 1, en
el que cada una de las respuestas similares incluye la puntuación
de mejoría clínica global que se selecciona del conjunto constituido
por un numero entero en el intervalo [-1 a 3] de tal forma que
"-1" indica efecto adverso de la entidad terapéutica, "0"
indica sin mejoría, "1" indica mejoría mínima, "2" indica
mejoría moderada y "3" indica ausencia completa de
síntomas.
5. El procedimiento de la reivindicación 1, en
el que cada una de las respuestas similares es una medición de la
diferencia entre la información neurofisiológica con el tratamiento
activo y una distribución de la información neurofisiológica de
sujetos de referencia de la misma edad.
6. El procedimiento de la reivindicación 1, que
además incluye la etapa de incluir el resultado del primer
tratamiento en un informe.
7. El procedimiento de la reivindicación 1, que
además incluye las etapas de aplicar una pluralidad de reglas
asociadas a una pluralidad de variables indicadoras a la información
neurológica de una primera fuente de datos; evaluar si las reglas
indican un acuerdo sustancial con uno de una pluralidad de
resultados después del primer tratamiento; y que incluye, en
respuesta a una indicación así, el uno de una pluralidad de
resultados después del primer tratamiento en un informe.
8. El procedimiento de la reivindicación 1, en
el que el primer tratamiento se especifica como respuesta a un
diagnóstico tradicional de enfermedad mental.
9. El procedimiento de la reivindicación 8, en
el que el primer tratamiento está en un listado de tratamientos
especificados en respuesta al diagnóstico tradicional de enfermedad
mental por el que rápidamente se identifican los tratamientos
eficaces del listado.
10. El procedimiento de la reivindicación 9, que
además incluye las etapas de comparar el resultado de aplicar al
menos una regla a la información neurológica del sujeto a al menos
un resultado esperado asociado a un segundo tratamiento, donde el
segundo tratamiento no está en el listado de tratamientos basado en
la información neurológica del sujeto; e identificar, en respuesta
a la detección de una similitud entre el al menos un resultado
esperado y el resultado, el segundo tratamiento como posible
tratamiento en un informe.
11. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es trastorno depresivo mayor y el
segundo tratamiento se selecciona del grupo constituido por
glutamina, fenilalanina, y tirosina.
12. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es factores psicológicos que
afectan a una afección médica, asma atípico y el segundo tratamiento
se selecciona del grupo constituido por glutamina, fenilalanina,
tirosina, bupropión, parnato, moclobemida, fenelzina, selegilina,
venlafaxina, carbamazapina, gabapentina, lamotrigina, ginko biloba,
dexedrina, metanfetamina, metilfenidato, y pemolina.
13. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es de trastornos de ansiedad y el
segundo tratamiento se selecciona del grupo constituido por gaba,
glutamina, fenilalanina, tirosina, bupropión, citalopram,
fluvoxamina, citalopramina, clomipramina, moclobemida, parnato,
fenelzina, selegilina, carbamazapina, divalproex, gabapentina,
lamotrigina, guanfacina hcl, clonidina, atenolol, metoprolol,
propranolol, litio, ginko biloba, kava kava, hierba de San Juan,
amantadina, fototerapia a 10.000 lux, adderall, dexedrina,
metanfetamina, metilfenidato, modafinilo, y pemolina.
14. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es de factores psicológicos que
afectan a una afección médica, trastornos que habitualmente se
diagnostican por vez primera durante la lactancia, en la niñez o en
la adolescencia y el segundo tratamiento se selecciona del grupo
constituido por gaba, glutamina, fenilalanina, tirosina,
donepezilo, bupropión, citalopram, clomiprimina, doxepina,
fluoxetina, fluvoxamina, moclobemida, parnato, fenelzina,
selegilina, trazodona, venlafaxina, carbamazapina,
difenilhidantoína, divalproex, gabapentina, lamotrigina, guanfacina
hcl, clorazepato, diazapam, oxazepam, quazepam, atenolol,
metoprolol, propranolol, litio, ginko biloba, kava kava, hierba de
San Juan, silbtrimina, amantadina, fototerapia a 10.000 lux,
adderall, dexedrina, metanfetamina, metilfenidato, modafinilo, y
fentermina.
15. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es de trastornos alimentarios y
el segundo tratamiento se selecciona del grupo constituido por gaba,
glutamina, fenilalanina, tirosina, donepezilo, bupropión,
moclobemida, parnato, fenelzina, selegilina, venlafaxina,
carbamazapina, difenilhidantoína, divalproex, gabapentina,
lamotrigina, diazapam, lorazepam, atenolol, metoprolol, propranolol,
litio, ginko biloba, kava kava, hierba de San Juan, amantadina,
fototerapia a 10.000 lux, zolipidem, adderall, dexedrina,
metanfetamina, metilfenidato, modafinilo, pemolina, y
fentermina.
16. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es de delirio, demencia y
trastornos amnésicos y otros trastornos cognitivos y el segundo
tratamiento se selecciona del grupo constituido por glutamina,
fenilalanina, tirosina, donepezilo, amitriptilina, bupropión,
fluxotina, moclobemida, parnato, fenelzina, selegilina,
venlafaxina, carbamazapina, divalproex, gabapentina, lamotrigina,
atenolol, metoprolol, propranolol, litio, ginko biloba,
silbtrimina, amantadina, fototerapia a 10.000 lux, zolipidem,
adderall, dexedrina, metanfetamina, metilfenidato, modafinilo,
pemolina, y fentermina.
17. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es trastornos de control de los
impulsos sin otro tipo de clasificación y el segundo tratamiento se
selecciona del grupo constituido por glutamina, fenilalanina,
tirosina, donepezilo, bupropión, citalopram, clomiprimina,
desipramina, moclobemida, nefazodona, parnato, fenelzina,
selegilina, venlafaxina, carbamazapina, difenilhidantoína,
divalproex, gabapentina, lamotrigina, guanfacina hcl, clonidina,
atenolol, metoprolol, propranolol, ginko biloba, kava kava,
silbtrimina, amantadina, fototerapia a 10.000 lux, adderall,
dexedrina, metanfetamina, metilfenidato, y pemolina.
18. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es de trastornos del estado de
ánimo y el segundo tratamiento se selecciona del grupo constituido
por glutamina, fenilalanina, tirosina, moclobemida, parnato,
fenelzina, selegilina, difenilhidantoína, lamotrigina, guanfacina
hcl, clonidina, lorazepam, oxazepam, quazepam, temazepam, trizolam,
atenolol, metoprolol, propranolol, ginko biloba, kava kava, hierba
de San Juan, fototerapia a 10.000 lux, adderall, dexedrina,
metanfetamina, metilfenidato, pemolina, y fentermina.
19. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es uno de los otros códigos y
afecciones y el segundo tratamiento se selecciona del grupo
constituido por gaba, glutamina, fenilalanina, tirosina,
donepezilo, bupropión, citalopram, clomiprimina, fluvoxamina,
moclobemida, notriptilina, parnato, fenelzina, selegilina,
trazodona, venlafaxina, carbamazapina, divalproex, gabapentina,
lamotrigina, guanfacina hcl, clonidina, atenolol, metoprolol,
propranolol, ginko biloba, kava kava, hierba de San Juan,
amantadina, fototerapia a 10.000 lux, zolipidem, adderall,
dexedrina, metanfetamina, metilfenidato, pemolina, y fentermina.
20. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es de trastornos de la
personalidad y el segundo tratamiento se selecciona del grupo
constituido por gaba, glutamina, fenilalanina, tirosina,
donepezilo, bupropión, moclobemida, parnato, fenelzina, selegilina,
venlafaxina, carbamazapina, difenilhidantoína, divalproex,
gabapentina, lamotrigina, diazapam, atenolol, metoprolol,
propranolol, litio, ginko biloba, kava kava, hierba de San Juan,
fototerapia a 10.000 lux, adderall, dexedrina, metanfetamina,
metilfenidato, pemolina, y fentermina.
21. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es trastorno de deseo sexual
hipoactivo y el segundo tratamiento se selecciona del grupo
constituido por bupropión, buspirona, moclobemida, parnato,
fenelzina, y selegilina.
22. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es de trastornos del sueño y el
segundo tratamiento se selecciona del grupo constituido por gaba,
glutamina, fenilalanina, tirosina, donepezilo, bupropión,
buspirona, citalopram, clomiprimina, desipramina, fluoxetina,
fluvoxamina, moclobemida, parnato, fenelzina, selegilina,
sertralina, venlafaxina, carbamazapina, difenilhidantoína,
divalproex, gabapentina, lamotrigina, guanfacina hcl, clonidina,
atenolol, metoprolol, propranolol, litio, ginko biloba, kava kava,
hierba de San Juan, silbtrimina, fototerapia a 10.000 lux, adderall,
dexedrina, metanfetamina, metilfenidato, pemolina, y
fentermina.
23. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es de trastornos somatoformes y
el segundo tratamiento se selecciona del grupo constituido por gaba,
glutamina, fenilalanina, tirosina, donepezilo, bupropión,
citalopram, fluvoxamina, moclobemida, parnato, fenelzina,
selegilina, carbamazapina, difenilhidantoína, divalproex,
gabapentina, lamotrigina, atenolol, metoprolol, propranolol, ginko
biloba, kava kava, hierba de San Juan, amantadina, fototerapia a
10.000 lux, zolipidem, adderall, dexedrina, metanfetamina,
metilfenidato, modafinilo, pemolina, y fentermina.
24. El procedimiento de la reivindicación 10, en
el que el diagnóstico tradicional es de trastornos relacionados con
sustancias y el segundo tratamiento se selecciona del grupo
constituido por gaba, glutamina, fenilalanina, tirosina,
donepezilo, fluvoxamina, moclobemida, parnato, fenelzina,
selegilina, venlafaxina, carbamazapina, difenilhidantoína,
divalproex, gabapentina, lamotrigina, guanfacina hcl, atenolol,
metoprolol, propranolol, ginko biloba, kava kava, hierba de San
Juan, silbtrimina, fototerapia a 1000 lux, adderall, dexedrina,
metanfetamina, metilfenidato, y pemolina.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US30462801P | 2001-07-11 | 2001-07-11 | |
US304628P | 2001-07-11 |
Publications (1)
Publication Number | Publication Date |
---|---|
ES2329452T3 true ES2329452T3 (es) | 2009-11-26 |
Family
ID=23177299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES02765829T Expired - Lifetime ES2329452T3 (es) | 2001-07-11 | 2002-07-11 | Procedimiento para predecir el resultado de tratamientos. |
Country Status (8)
Country | Link |
---|---|
US (5) | US7177675B2 (es) |
EP (4) | EP2323056A1 (es) |
AT (1) | ATE433163T1 (es) |
AU (1) | AU2002329590B2 (es) |
CA (2) | CA2452883C (es) |
DE (1) | DE60232522D1 (es) |
ES (1) | ES2329452T3 (es) |
WO (1) | WO2003005899A2 (es) |
Families Citing this family (305)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6622036B1 (en) * | 2000-02-09 | 2003-09-16 | Cns Response | Method for classifying and treating physiologic brain imbalances using quantitative EEG |
US20050251061A1 (en) * | 2000-11-20 | 2005-11-10 | Schuler Eleanor L | Method and system to record, store and transmit waveform signals to regulate body organ function |
WO2002091119A2 (en) * | 2001-05-04 | 2002-11-14 | University Of Virginia Patent Foundation | Method, apparatus, and computer program product for assessment of attentional impairments |
WO2003005899A2 (en) * | 2001-07-11 | 2003-01-23 | Cns Response, Inc. | Electroencepahlography based systems and methods for selecting therapies and predicting outcomes |
US20030171657A1 (en) * | 2002-01-22 | 2003-09-11 | Ralph Leonard | Selection of optimal medication methodology (SOOMM) |
US7065528B2 (en) * | 2002-07-24 | 2006-06-20 | Herz Frederick S M | Professional referral network |
US20040167423A1 (en) * | 2002-12-20 | 2004-08-26 | Luana Pillon | RXc graph and RXc Z-score graph methods |
US6993380B1 (en) * | 2003-06-04 | 2006-01-31 | Cleveland Medical Devices, Inc. | Quantitative sleep analysis method and system |
NZ527142A (en) | 2003-07-23 | 2006-03-31 | Douglas Pharmaceuticals Ltd | A stable suspension formulation |
US10806404B2 (en) * | 2004-03-05 | 2020-10-20 | Health Outcomes Sciences, Inc. | Systems and methods for utilizing wireless physiological sensors |
JP2007529829A (ja) * | 2004-03-18 | 2007-10-25 | ユニヴァースティ オブ ヴァージニア パテント ファウンデイション | 注意機能障害の確率的精神生理学評価のための方法、装置およびコンピュータ・プログラムプロダクト |
US7185897B2 (en) * | 2004-06-01 | 2007-03-06 | Robert Musselman | Thin, quick-mount runner for a snowmobile ski and method |
WO2006096192A1 (en) * | 2004-06-09 | 2006-09-14 | Honeywell International, Inc. | Communications system based on real-time neurophysiological characterization |
US20060129324A1 (en) * | 2004-12-15 | 2006-06-15 | Biogenesys, Inc. | Use of quantitative EEG (QEEG) alone and/or other imaging technology and/or in combination with genomics and/or proteomics and/or biochemical analysis and/or other diagnostic modalities, and CART and/or AI and/or statistical and/or other mathematical analysis methods for improved medical and other diagnosis, psychiatric and other disease treatment, and also for veracity verification and/or lie detection applications. |
US8473043B1 (en) * | 2004-12-22 | 2013-06-25 | Neuro Wave Systems Inc. | Neuro-behavioral test method for screening and evaluating therapy for ADHD and system |
MX2007008439A (es) * | 2005-01-12 | 2007-09-21 | Aspect Medical Systems Inc | Sistema y metodo para la prediccion de eventos adversos durante el tratamiento de trastornos psicologicos y neurologicos. |
US11389661B2 (en) * | 2005-01-21 | 2022-07-19 | Michael Sasha John | Programming adjustment for brain network treatment |
US8825166B2 (en) | 2005-01-21 | 2014-09-02 | John Sasha John | Multiple-symptom medical treatment with roving-based neurostimulation |
US7643969B2 (en) | 2005-03-04 | 2010-01-05 | Health Outcomes Sciences, Llc | Methods and apparatus for providing decision support |
US8802183B2 (en) | 2005-04-28 | 2014-08-12 | Proteus Digital Health, Inc. | Communication system with enhanced partial power source and method of manufacturing same |
US9198608B2 (en) | 2005-04-28 | 2015-12-01 | Proteus Digital Health, Inc. | Communication system incorporated in a container |
EP2671507A3 (en) | 2005-04-28 | 2014-02-19 | Proteus Digital Health, Inc. | Pharma-informatics system |
US8836513B2 (en) | 2006-04-28 | 2014-09-16 | Proteus Digital Health, Inc. | Communication system incorporated in an ingestible product |
US8912908B2 (en) | 2005-04-28 | 2014-12-16 | Proteus Digital Health, Inc. | Communication system with remote activation |
US8730031B2 (en) | 2005-04-28 | 2014-05-20 | Proteus Digital Health, Inc. | Communication system using an implantable device |
EP1920418A4 (en) | 2005-09-01 | 2010-12-29 | Proteus Biomedical Inc | IMPLANTABLE WIRELESS COMMUNICATION SYSTEMS |
US20070156453A1 (en) * | 2005-10-07 | 2007-07-05 | Brainlab Ag | Integrated treatment planning system |
EP1959827A2 (en) | 2005-12-01 | 2008-08-27 | Lexicor medical Technology, Inc. | Systems and methods for analyzing and assessing depression and other mood disorders using electroencephalographic (eeg) measurements |
WO2007107340A2 (en) * | 2006-03-21 | 2007-09-27 | Eugen Oetringer | Devices for and methods of analyzing a physiological condition of a physiological subject based on a workload related property |
JP2009544338A (ja) | 2006-05-02 | 2009-12-17 | プロテウス バイオメディカル インコーポレイテッド | 患者に合わせてカスタマイズした治療レジメン |
WO2007143663A2 (en) * | 2006-06-05 | 2007-12-13 | The Regents Of The University Of California | Quantitative eeg method to identify individuals at risk for adverse antidepressant effects |
WO2008005513A2 (en) * | 2006-07-06 | 2008-01-10 | Regents Of The University Of Minnesota | Analysis of brain patterns using temporal measures |
US20080082306A1 (en) * | 2006-09-29 | 2008-04-03 | Searete Llc | Computational systems for biomedical data |
US20080082359A1 (en) * | 2006-09-29 | 2008-04-03 | Searete Llc, A Limited Liability Corporation Of State Of Delaware | Computational systems for biomedical data |
US8122073B2 (en) * | 2006-09-29 | 2012-02-21 | The Invention Science Fund I | Computational systems for biomedical data |
US20080082307A1 (en) * | 2006-09-29 | 2008-04-03 | Searete Llc | Computational systems for biomedical data |
US10095836B2 (en) * | 2006-09-29 | 2018-10-09 | Gearbox Llc | Computational systems for biomedical data |
US20080082364A1 (en) * | 2006-09-29 | 2008-04-03 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems for biomedical data |
US10503872B2 (en) * | 2006-09-29 | 2019-12-10 | Gearbox Llc | Computational systems for biomedical data |
US20080082583A1 (en) * | 2006-09-29 | 2008-04-03 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems for biomedical data |
US7853626B2 (en) * | 2006-09-29 | 2010-12-14 | The Invention Science Fund I, Llc | Computational systems for biomedical data |
US20080091730A1 (en) * | 2006-09-29 | 2008-04-17 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems for biomedical data |
US20080082584A1 (en) * | 2006-09-29 | 2008-04-03 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems for biomedical data |
US20080082367A1 (en) * | 2006-09-29 | 2008-04-03 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems for biomedical data |
US20080109484A1 (en) * | 2006-09-29 | 2008-05-08 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational systems for biomedical data |
US10546652B2 (en) * | 2006-09-29 | 2020-01-28 | Gearbox Llc | Computational systems for biomedical data |
US10068303B2 (en) * | 2006-09-29 | 2018-09-04 | Gearbox Llc | Computational systems for biomedical data |
ATE535057T1 (de) * | 2006-10-17 | 2011-12-15 | Proteus Biomedical Inc | Niederspannungsoszillator für medizinische einrichtungen |
WO2008051992A2 (en) * | 2006-10-23 | 2008-05-02 | Lexicor Medical Technology, Llc | Systems and methods for analyzing and assessing attention deficit hyperactivity disorder |
SG175681A1 (en) | 2006-10-25 | 2011-11-28 | Proteus Biomedical Inc | Controlled activation ingestible identifier |
EP2069004A4 (en) | 2006-11-20 | 2014-07-09 | Proteus Digital Health Inc | PERSONAL HEALTH SIGNAL RECEIVERS WITH ACTIVE SIGNAL PROCESSING |
AU2008210291B2 (en) | 2007-02-01 | 2013-10-03 | Otsuka Pharmaceutical Co., Ltd. | Ingestible event marker systems |
MY154556A (en) | 2007-02-14 | 2015-06-30 | Proteus Digital Health Inc | In-body power source having high surface area electrode |
US8932221B2 (en) | 2007-03-09 | 2015-01-13 | Proteus Digital Health, Inc. | In-body device having a multi-directional transmitter |
EP2063771A1 (en) | 2007-03-09 | 2009-06-03 | Proteus Biomedical, Inc. | In-body device having a deployable antenna |
CN101711388B (zh) * | 2007-03-29 | 2016-04-27 | 神经焦点公司 | 营销和娱乐的效果分析 |
WO2008137579A1 (en) * | 2007-05-01 | 2008-11-13 | Neurofocus, Inc. | Neuro-informatics repository system |
US9886981B2 (en) | 2007-05-01 | 2018-02-06 | The Nielsen Company (Us), Llc | Neuro-feedback based stimulus compression device |
WO2008144569A1 (en) * | 2007-05-16 | 2008-11-27 | Neurofocus, Inc. | Habituation analysis using central nervous system, autonomic nervous system and effector system measurements |
WO2008141340A1 (en) * | 2007-05-16 | 2008-11-20 | Neurofocus, Inc. | Audience response measurement and tracking system |
US8392253B2 (en) | 2007-05-16 | 2013-03-05 | The Nielsen Company (Us), Llc | Neuro-physiology and neuro-behavioral based stimulus targeting system |
US8540632B2 (en) | 2007-05-24 | 2013-09-24 | Proteus Digital Health, Inc. | Low profile antenna for in body device |
US8494905B2 (en) * | 2007-06-06 | 2013-07-23 | The Nielsen Company (Us), Llc | Audience response analysis using simultaneous electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) |
US20090030287A1 (en) * | 2007-06-06 | 2009-01-29 | Neurofocus Inc. | Incented response assessment at a point of transaction |
US20090036755A1 (en) * | 2007-07-30 | 2009-02-05 | Neurofocus, Inc. | Entity and relationship assessment and extraction using neuro-response measurements |
US8533042B2 (en) * | 2007-07-30 | 2013-09-10 | The Nielsen Company (Us), Llc | Neuro-response stimulus and stimulus attribute resonance estimator |
CA2733076A1 (en) * | 2007-08-06 | 2009-02-12 | Great Lakes Biosciences, Llc | Apparatus and method for remote assessment and therapy management in medical devices via interface systems |
DE102007037103B4 (de) * | 2007-08-07 | 2015-12-17 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum bildlichen Darstellen von funktionellen und elektrischen Aktivitäten des Gehirns |
WO2009032691A1 (en) | 2007-08-28 | 2009-03-12 | Neurofocus, Inc. | Consumer experience assessment system |
US8635105B2 (en) * | 2007-08-28 | 2014-01-21 | The Nielsen Company (Us), Llc | Consumer experience portrayal effectiveness assessment system |
US8386313B2 (en) * | 2007-08-28 | 2013-02-26 | The Nielsen Company (Us), Llc | Stimulus placement system using subject neuro-response measurements |
US8392255B2 (en) * | 2007-08-29 | 2013-03-05 | The Nielsen Company (Us), Llc | Content based selection and meta tagging of advertisement breaks |
US8494610B2 (en) * | 2007-09-20 | 2013-07-23 | The Nielsen Company (Us), Llc | Analysis of marketing and entertainment effectiveness using magnetoencephalography |
US20090083129A1 (en) | 2007-09-20 | 2009-03-26 | Neurofocus, Inc. | Personalized content delivery using neuro-response priming data |
WO2009042721A1 (en) | 2007-09-25 | 2009-04-02 | Neosync, Inc. | Systems and methods for neuro-eeg synchronization therapy |
EP2192946B1 (en) | 2007-09-25 | 2022-09-14 | Otsuka Pharmaceutical Co., Ltd. | In-body device with virtual dipole signal amplification |
CA2702408C (en) | 2007-10-12 | 2019-08-06 | Patientslikeme, Inc. | Self-improving method of using online communities to predict health-related outcomes |
US20100069775A1 (en) * | 2007-11-13 | 2010-03-18 | Michael Milgramm | EEG-Related Methods |
WO2009064473A1 (en) * | 2007-11-13 | 2009-05-22 | Wavesynch Technologies, Inc. | A method for monitoring attentiveness and productivity in a subject |
AU2008329620B2 (en) | 2007-11-27 | 2014-05-08 | Otsuka Pharmaceutical Co., Ltd. | Transbody communication systems employing communication channels |
US20100286549A1 (en) * | 2007-12-18 | 2010-11-11 | New York University | System and Method for Assessing Efficacy of Therapeutic Agents |
AU2008343138A1 (en) * | 2007-12-19 | 2009-07-09 | Great Lakes Biosciences, Llc | Brain-related chronic pain disorder diagnosis and assessment method |
US8655817B2 (en) | 2008-02-20 | 2014-02-18 | Digital Medical Experts Inc. | Expert system for determining patient treatment response |
ES2636844T3 (es) | 2008-03-05 | 2017-10-09 | Proteus Biomedical, Inc. | Sistemas y marcadores de eventos ingeribles de comunicación multimodo, y métodos para usarlos |
US8626264B1 (en) * | 2008-04-09 | 2014-01-07 | James T. Beran | Obtaining information about brain activity |
US20100069724A1 (en) * | 2008-04-24 | 2010-03-18 | Searete Llc | Computational system and method for memory modification |
US8876688B2 (en) * | 2008-04-24 | 2014-11-04 | The Invention Science Fund I, Llc | Combination treatment modification methods and systems |
US7974787B2 (en) * | 2008-04-24 | 2011-07-05 | The Invention Science Fund I, Llc | Combination treatment alteration methods and systems |
US20100004762A1 (en) * | 2008-04-24 | 2010-01-07 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational system and method for memory modification |
US20100081860A1 (en) * | 2008-04-24 | 2010-04-01 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational System and Method for Memory Modification |
US8615407B2 (en) | 2008-04-24 | 2013-12-24 | The Invention Science Fund I, Llc | Methods and systems for detecting a bioactive agent effect |
US9282927B2 (en) * | 2008-04-24 | 2016-03-15 | Invention Science Fund I, Llc | Methods and systems for modifying bioactive agent use |
US9239906B2 (en) * | 2008-04-24 | 2016-01-19 | The Invention Science Fund I, Llc | Combination treatment selection methods and systems |
US9649469B2 (en) | 2008-04-24 | 2017-05-16 | The Invention Science Fund I Llc | Methods and systems for presenting a combination treatment |
US20100081861A1 (en) * | 2008-04-24 | 2010-04-01 | Searete Llc | Computational System and Method for Memory Modification |
US20100015583A1 (en) * | 2008-04-24 | 2010-01-21 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational System and method for memory modification |
US9560967B2 (en) * | 2008-04-24 | 2017-02-07 | The Invention Science Fund I Llc | Systems and apparatus for measuring a bioactive agent effect |
US20100130811A1 (en) * | 2008-04-24 | 2010-05-27 | Searete Llc | Computational system and method for memory modification |
US20090312595A1 (en) * | 2008-04-24 | 2009-12-17 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | System and method for memory modification |
US20100017001A1 (en) * | 2008-04-24 | 2010-01-21 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational system and method for memory modification |
US20090270687A1 (en) * | 2008-04-24 | 2009-10-29 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for modifying bioactive agent use |
US20090269329A1 (en) * | 2008-04-24 | 2009-10-29 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Combination Therapeutic products and systems |
US20100280332A1 (en) * | 2008-04-24 | 2010-11-04 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for monitoring bioactive agent use |
US20090271122A1 (en) * | 2008-04-24 | 2009-10-29 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for monitoring and modifying a combination treatment |
US20100030089A1 (en) * | 2008-04-24 | 2010-02-04 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for monitoring and modifying a combination treatment |
US20090271347A1 (en) * | 2008-04-24 | 2009-10-29 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for monitoring bioactive agent use |
US20100063368A1 (en) * | 2008-04-24 | 2010-03-11 | Searete Llc, A Limited Liability Corporation | Computational system and method for memory modification |
US20090271375A1 (en) * | 2008-04-24 | 2009-10-29 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Combination treatment selection methods and systems |
US20090270694A1 (en) * | 2008-04-24 | 2009-10-29 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for monitoring and modifying a combination treatment |
US8682687B2 (en) * | 2008-04-24 | 2014-03-25 | The Invention Science Fund I, Llc | Methods and systems for presenting a combination treatment |
US9026369B2 (en) * | 2008-04-24 | 2015-05-05 | The Invention Science Fund I, Llc | Methods and systems for presenting a combination treatment |
US9449150B2 (en) | 2008-04-24 | 2016-09-20 | The Invention Science Fund I, Llc | Combination treatment selection methods and systems |
US20100041958A1 (en) * | 2008-04-24 | 2010-02-18 | Searete Llc | Computational system and method for memory modification |
US9662391B2 (en) * | 2008-04-24 | 2017-05-30 | The Invention Science Fund I Llc | Side effect ameliorating combination therapeutic products and systems |
US20090271009A1 (en) * | 2008-04-24 | 2009-10-29 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Combination treatment modification methods and systems |
US20100041964A1 (en) * | 2008-04-24 | 2010-02-18 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for monitoring and modifying a combination treatment |
US20100076249A1 (en) * | 2008-04-24 | 2010-03-25 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational system and method for memory modification |
US8930208B2 (en) | 2008-04-24 | 2015-01-06 | The Invention Science Fund I, Llc | Methods and systems for detecting a bioactive agent effect |
US8606592B2 (en) * | 2008-04-24 | 2013-12-10 | The Invention Science Fund I, Llc | Methods and systems for monitoring bioactive agent use |
US9064036B2 (en) * | 2008-04-24 | 2015-06-23 | The Invention Science Fund I, Llc | Methods and systems for monitoring bioactive agent use |
US20100042578A1 (en) * | 2008-04-24 | 2010-02-18 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational system and method for memory modification |
US20100125561A1 (en) * | 2008-04-24 | 2010-05-20 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational system and method for memory modification |
US20090312668A1 (en) * | 2008-04-24 | 2009-12-17 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational system and method for memory modification |
US20100100036A1 (en) * | 2008-04-24 | 2010-04-22 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational System and Method for Memory Modification |
US20100022820A1 (en) * | 2008-04-24 | 2010-01-28 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Computational system and method for memory modification |
US20090270688A1 (en) * | 2008-04-24 | 2009-10-29 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for presenting a combination treatment |
US20090312663A1 (en) * | 2008-06-13 | 2009-12-17 | New York University | System and Method for Neurometric Analysis |
US20090326339A1 (en) * | 2008-06-26 | 2009-12-31 | Microsoft Corporation | Connected healthcare devices with real-time and proactive capture and relay of contextual information |
CA2730275C (en) | 2008-07-08 | 2019-05-21 | Proteus Biomedical, Inc. | Ingestible event marker data framework |
US20100017226A1 (en) * | 2008-07-18 | 2010-01-21 | Siemens Medical Solutions Usa, Inc. | Medical workflow oncology task assistance |
US20110167025A1 (en) * | 2008-07-24 | 2011-07-07 | Kourosh Danai | Systems and methods for parameter adaptation |
US8712927B2 (en) * | 2008-07-24 | 2014-04-29 | University Of Massachusetts | Systems and methods for parameter adaptation |
US8540633B2 (en) | 2008-08-13 | 2013-09-24 | Proteus Digital Health, Inc. | Identifier circuits for generating unique identifiable indicators and techniques for producing same |
US8926490B2 (en) * | 2008-09-24 | 2015-01-06 | Neosync, Inc. | Systems and methods for depression treatment using neuro-EEG synchronization therapy |
AU2009313879B2 (en) * | 2008-11-13 | 2011-10-20 | Proteus Digital Health, Inc. | Ingestible therapy activator system and method |
US20100145215A1 (en) * | 2008-12-09 | 2010-06-10 | Neurofocus, Inc. | Brain pattern analyzer using neuro-response data |
US8055334B2 (en) * | 2008-12-11 | 2011-11-08 | Proteus Biomedical, Inc. | Evaluation of gastrointestinal function using portable electroviscerography systems and methods of using the same |
US9439566B2 (en) | 2008-12-15 | 2016-09-13 | Proteus Digital Health, Inc. | Re-wearable wireless device |
US9659423B2 (en) | 2008-12-15 | 2017-05-23 | Proteus Digital Health, Inc. | Personal authentication apparatus system and method |
TWI503101B (zh) | 2008-12-15 | 2015-10-11 | Proteus Digital Health Inc | 與身體有關的接收器及其方法 |
CA2750158A1 (en) | 2009-01-06 | 2010-07-15 | Proteus Biomedical, Inc. | Ingestion-related biofeedback and personalized medical therapy method and system |
KR20110104079A (ko) | 2009-01-06 | 2011-09-21 | 프로테우스 바이오메디컬, 인코포레이티드 | 약제학적 투여량 전달 시스템 |
US8464288B2 (en) * | 2009-01-21 | 2013-06-11 | The Nielsen Company (Us), Llc | Methods and apparatus for providing personalized media in video |
US8270814B2 (en) | 2009-01-21 | 2012-09-18 | The Nielsen Company (Us), Llc | Methods and apparatus for providing video with embedded media |
US9357240B2 (en) * | 2009-01-21 | 2016-05-31 | The Nielsen Company (Us), Llc | Methods and apparatus for providing alternate media for video decoders |
US20100250325A1 (en) | 2009-03-24 | 2010-09-30 | Neurofocus, Inc. | Neurological profiles for market matching and stimulus presentation |
US20100249538A1 (en) * | 2009-03-24 | 2010-09-30 | Neurofocus, Inc. | Presentation measure using neurographics |
GB2480965B (en) | 2009-03-25 | 2014-10-08 | Proteus Digital Health Inc | Probablistic pharmacokinetic and pharmacodynamic modeling |
US20100249636A1 (en) * | 2009-03-27 | 2010-09-30 | Neurofocus, Inc. | Personalized stimulus placement in video games |
GB0906029D0 (en) * | 2009-04-07 | 2009-05-20 | Nat Univ Ireland Cork | A method of analysing an electroencephalogram (EEG) signal |
SG10201810784SA (en) | 2009-04-28 | 2018-12-28 | Proteus Digital Health Inc | Highly Reliable Ingestible Event Markers And Methods For Using The Same |
AU2010242036A1 (en) | 2009-04-30 | 2011-11-03 | Patientslikeme, Inc. | Systems and methods for encouragement of data submission in online communities |
EP2432458A4 (en) | 2009-05-12 | 2014-02-12 | Proteus Digital Health Inc | ACCEPTABLE EVENT MARKER WITH SUGAR COMPONENT |
US20100292545A1 (en) * | 2009-05-14 | 2010-11-18 | Advanced Brain Monitoring, Inc. | Interactive psychophysiological profiler method and system |
WO2010139361A1 (en) * | 2009-06-03 | 2010-12-09 | Brainclinics Diagnostics B.V. | Method for assessing the susceptibility of a human individual suffering from a psychiatric or neurological disorder to neuromodulation treatment |
WO2011017466A1 (en) * | 2009-08-06 | 2011-02-10 | Neosync, Inc. | Systems and methods for modulating the electrical activity of a brain using neuro-eeg synchronization therapy |
US20110046502A1 (en) * | 2009-08-20 | 2011-02-24 | Neurofocus, Inc. | Distributed neuro-response data collection and analysis |
US8655437B2 (en) | 2009-08-21 | 2014-02-18 | The Nielsen Company (Us), Llc | Analysis of the mirror neuron system for evaluation of stimulus |
EP2467707A4 (en) | 2009-08-21 | 2014-12-17 | Proteus Digital Health Inc | DEVICE AND METHOD FOR MEASURING BIOLOGICAL PARAMETERS |
US10987015B2 (en) * | 2009-08-24 | 2021-04-27 | Nielsen Consumer Llc | Dry electrodes for electroencephalography |
CA2772299C (en) * | 2009-08-25 | 2019-12-17 | Argus Neurooptics, Llc | Systems and methods for stimulation of neuronal activity |
US20110077503A1 (en) * | 2009-08-25 | 2011-03-31 | Medical University Of South Carolina | Automatic MRI Quantification of Structural Body Abnormalities |
US8428738B2 (en) * | 2009-08-26 | 2013-04-23 | Andrew D. Valencia | Coupled neuraxial mesoscopic desynchronization electrostimulation therapy (cNMDET) method |
AU2010286595A1 (en) * | 2009-08-28 | 2012-02-23 | NEBA Health, LLC. | Systems and methods to identify a subgroup of ADHD at higher risk for complicating conditions |
US8756657B2 (en) * | 2009-09-29 | 2014-06-17 | Ebay Inc. | Mobile or user device authentication and tracking |
US9560984B2 (en) | 2009-10-29 | 2017-02-07 | The Nielsen Company (Us), Llc | Analysis of controlled and automatic attention for introduction of stimulus material |
US8209224B2 (en) | 2009-10-29 | 2012-06-26 | The Nielsen Company (Us), Llc | Intracluster content management using neuro-response priming data |
US20110106750A1 (en) | 2009-10-29 | 2011-05-05 | Neurofocus, Inc. | Generating ratings predictions using neuro-response data |
TWI517050B (zh) | 2009-11-04 | 2016-01-11 | 普羅托斯數位健康公司 | 供應鏈管理之系統 |
US20110112426A1 (en) * | 2009-11-10 | 2011-05-12 | Brainscope Company, Inc. | Brain Activity as a Marker of Disease |
EP3744393B1 (en) * | 2009-11-12 | 2022-04-27 | Neosync, INC. | Systems and methods for neuro-eeg syncronization |
US8335716B2 (en) * | 2009-11-19 | 2012-12-18 | The Nielsen Company (Us), Llc. | Multimedia advertisement exchange |
US8335715B2 (en) * | 2009-11-19 | 2012-12-18 | The Nielsen Company (Us), Llc. | Advertisement exchange using neuro-response data |
US8315962B1 (en) * | 2009-11-25 | 2012-11-20 | Science Applications International Corporation | System and method for multiclass discrimination of neural response data |
UA109424C2 (uk) | 2009-12-02 | 2015-08-25 | Фармацевтичний продукт, фармацевтична таблетка з електронним маркером і спосіб виготовлення фармацевтичної таблетки | |
US8579812B2 (en) * | 2009-12-15 | 2013-11-12 | Brainscope Company, Inc. | System and methods for management of disease over time |
US8577451B2 (en) * | 2009-12-16 | 2013-11-05 | Brainscope Company, Inc. | System and methods for neurologic monitoring and improving classification and treatment of neurologic states |
US8645299B2 (en) * | 2009-12-31 | 2014-02-04 | Mckesson Financial Holdings | Method, apparatus and computer program product for context based tagging of data |
MX2012008922A (es) | 2010-02-01 | 2012-10-05 | Proteus Digital Health Inc | Sistema de recoleccion de datos. |
US20110237971A1 (en) * | 2010-03-25 | 2011-09-29 | Neurofocus, Inc. | Discrete choice modeling using neuro-response data |
CN102905672B (zh) | 2010-04-07 | 2016-08-17 | 普罗秋斯数字健康公司 | 微型可吞服装置 |
WO2011133548A2 (en) | 2010-04-19 | 2011-10-27 | Innerscope Research, Inc. | Short imagery task (sit) research method |
US8655428B2 (en) | 2010-05-12 | 2014-02-18 | The Nielsen Company (Us), Llc | Neuro-response data synchronization |
TWI557672B (zh) | 2010-05-19 | 2016-11-11 | 波提亞斯數位康健公司 | 用於從製造商跟蹤藥物直到患者之電腦系統及電腦實施之方法、用於確認將藥物給予患者的設備及方法、患者介面裝置 |
US8392250B2 (en) | 2010-08-09 | 2013-03-05 | The Nielsen Company (Us), Llc | Neuro-response evaluated stimulus in virtual reality environments |
US8392251B2 (en) | 2010-08-09 | 2013-03-05 | The Nielsen Company (Us), Llc | Location aware presentation of stimulus material |
US8396744B2 (en) | 2010-08-25 | 2013-03-12 | The Nielsen Company (Us), Llc | Effective virtual reality environments for presentation of marketing materials |
WO2012028834A1 (en) * | 2010-09-01 | 2012-03-08 | Marcel Petrus Maria Bartels | Use of bupropion in treating sexual dysfunction |
EP2425769A1 (en) * | 2010-09-03 | 2012-03-07 | Sensodetect AB | System and method for determination of a brainstem response state development |
US8892184B2 (en) | 2010-10-18 | 2014-11-18 | Siemens Medical Solutions Usa, Inc. | Systems and methods for reducing interference in a dual modality imaging system |
US20130260359A1 (en) * | 2010-10-29 | 2013-10-03 | Sk Telecom Co., Ltd. | Apparatus and method for diagnosing learning ability |
EP2642983A4 (en) | 2010-11-22 | 2014-03-12 | Proteus Digital Health Inc | DEVICE INGREABLE WITH PHARMACEUTICAL PRODUCT |
US9439599B2 (en) | 2011-03-11 | 2016-09-13 | Proteus Digital Health, Inc. | Wearable personal body associated device with various physical configurations |
WO2012155189A1 (en) | 2011-05-13 | 2012-11-22 | National Ict Australia Ltd | Method and apparatus for estimating neural recruitment - f |
US10568559B2 (en) | 2011-05-13 | 2020-02-25 | Saluda Medical Pty Ltd | Method and apparatus for measurement of neural response |
US9872990B2 (en) | 2011-05-13 | 2018-01-23 | Saluda Medical Pty Limited | Method and apparatus for application of a neural stimulus |
CN103648583B (zh) | 2011-05-13 | 2016-01-20 | 萨鲁达医疗有限公司 | 用于测量神经反应-a的方法和仪器 |
RU2459208C1 (ru) * | 2011-05-27 | 2012-08-20 | Учреждение Российской Академии Медицинских Наук Научно-Исследовательский Институт Психического Здоровья Сибирского Отделения Российской Академии Медицинских Наук | Способ прогнозирования эффективности терапии ладастеном органических астенических расстройств |
US9040082B2 (en) | 2011-06-24 | 2015-05-26 | K-Pax Pharmaceuticals, Inc. | Compositions and methods for treatment of chronic fatigue |
US20130172774A1 (en) | 2011-07-01 | 2013-07-04 | Neuropace, Inc. | Systems and Methods for Assessing the Effectiveness of a Therapy Including a Drug Regimen Using an Implantable Medical Device |
US9756874B2 (en) | 2011-07-11 | 2017-09-12 | Proteus Digital Health, Inc. | Masticable ingestible product and communication system therefor |
WO2015112603A1 (en) | 2014-01-21 | 2015-07-30 | Proteus Digital Health, Inc. | Masticable ingestible product and communication system therefor |
CA2842952C (en) | 2011-07-21 | 2019-01-08 | Proteus Digital Health, Inc. | Mobile communication device, system, and method |
US9103754B2 (en) | 2011-08-01 | 2015-08-11 | Denovo Sciences, Inc. | Cell capture system and method of use |
US20130035579A1 (en) | 2011-08-02 | 2013-02-07 | Tan Le | Methods for modeling neurological development and diagnosing a neurological impairment of a patient |
US9286615B2 (en) * | 2011-08-16 | 2016-03-15 | Elwha Llc | Devices and methods for recording information on a subject's body |
US9443061B2 (en) | 2011-08-16 | 2016-09-13 | Elwha Llc | Devices and methods for recording information on a subject's body |
US9772270B2 (en) | 2011-08-16 | 2017-09-26 | Elwha Llc | Devices and methods for recording information on a subject's body |
US9235683B2 (en) | 2011-11-09 | 2016-01-12 | Proteus Digital Health, Inc. | Apparatus, system, and method for managing adherence to a regimen |
US9649502B2 (en) | 2011-11-14 | 2017-05-16 | Neosync, Inc. | Devices and methods of low frequency magnetic stimulation therapy |
WO2013116226A2 (en) * | 2012-01-30 | 2013-08-08 | New York University | Prevention of mild cognitive impairment and eventual alzheimer's disease |
US9451303B2 (en) | 2012-02-27 | 2016-09-20 | The Nielsen Company (Us), Llc | Method and system for gathering and computing an audience's neurologically-based reactions in a distributed framework involving remote storage and computing |
US9292858B2 (en) | 2012-02-27 | 2016-03-22 | The Nielsen Company (Us), Llc | Data collection system for aggregating biologically based measures in asynchronous geographically distributed public environments |
US9569986B2 (en) | 2012-02-27 | 2017-02-14 | The Nielsen Company (Us), Llc | System and method for gathering and analyzing biometric user feedback for use in social media and advertising applications |
JP6123167B2 (ja) | 2012-04-05 | 2017-05-10 | ソニー株式会社 | 脳波解析装置及び脳波解析プログラム |
US9763592B2 (en) | 2012-05-25 | 2017-09-19 | Emotiv, Inc. | System and method for instructing a behavior change in a user |
WO2013177592A2 (en) | 2012-05-25 | 2013-11-28 | Emotiv Lifesciences, Inc. | System and method for providing and aggregating biosignals and action data |
US9622660B2 (en) | 2012-05-25 | 2017-04-18 | Emotiv Lifesciences Inc. | System and method for enabling collaborative analysis of a biosignal |
US9814426B2 (en) | 2012-06-14 | 2017-11-14 | Medibotics Llc | Mobile wearable electromagnetic brain activity monitor |
KR20150038038A (ko) | 2012-07-23 | 2015-04-08 | 프로테우스 디지털 헬스, 인코포레이티드 | 섭취 가능한 부품을 포함하는 섭취 가능한 이벤트 마커를 제조하기 위한 기술 |
EP2877948A4 (en) * | 2012-07-24 | 2017-05-10 | Scientificmed Sweden AB | Improved clinical effect of pharmaceutical products using communication tool and life-style factors |
US8989835B2 (en) | 2012-08-17 | 2015-03-24 | The Nielsen Company (Us), Llc | Systems and methods to gather and analyze electroencephalographic data |
MX340182B (es) | 2012-10-18 | 2016-06-28 | Proteus Digital Health Inc | Aparato, sistema, y metodo para optimizar adaptativamente la disipacion de energia y la energia de difusion en una fuente de energia para un dispositivo de comunicacion. |
AU2013344311B2 (en) | 2012-11-06 | 2017-11-30 | Saluda Medical Pty Ltd | Method and system for controlling electrical conditions of tissue |
WO2014107564A1 (en) * | 2013-01-03 | 2014-07-10 | Wake Forest University Health Sciences | Methods and devices for predicting and/or detecting seizures |
JP2016508529A (ja) | 2013-01-29 | 2016-03-22 | プロテウス デジタル ヘルス, インコーポレイテッド | 高度に膨張可能なポリマーフィルムおよびこれを含む組成物 |
US9532716B2 (en) * | 2013-03-04 | 2017-01-03 | Hello Inc. | Systems using lifestyle database analysis to provide feedback |
US9357922B2 (en) * | 2013-03-04 | 2016-06-07 | Hello Inc. | User or patient monitoring systems with one or more analysis tools |
US9530089B2 (en) | 2013-03-04 | 2016-12-27 | Hello Inc. | Wearable device with overlapping ends coupled by magnets of a selected width, length and depth |
US9526422B2 (en) | 2013-03-04 | 2016-12-27 | Hello Inc. | System for monitoring individuals with a monitoring device, telemetry system, activity manager and a feedback system |
US8652527B1 (en) | 2013-03-13 | 2014-02-18 | Upsher-Smith Laboratories, Inc | Extended-release topiramate capsules |
US9320450B2 (en) | 2013-03-14 | 2016-04-26 | The Nielsen Company (Us), Llc | Methods and apparatus to gather and analyze electroencephalographic data |
WO2014144738A1 (en) | 2013-03-15 | 2014-09-18 | Proteus Digital Health, Inc. | Metal detector apparatus, system, and method |
WO2014151929A1 (en) | 2013-03-15 | 2014-09-25 | Proteus Digital Health, Inc. | Personal authentication apparatus system and method |
US9101545B2 (en) | 2013-03-15 | 2015-08-11 | Upsher-Smith Laboratories, Inc. | Extended-release topiramate capsules |
US10779747B2 (en) | 2013-03-15 | 2020-09-22 | Cerora, Inc. | System and signatures for the multi-modal physiological stimulation and assessment of brain health |
CA2906595A1 (en) * | 2013-03-15 | 2014-09-25 | Adam J. Simon | Multi-modal pharmaco-diagnostic assessment of brain health |
EP3968263A1 (en) | 2013-06-04 | 2022-03-16 | Otsuka Pharmaceutical Co., Ltd. | System, apparatus and methods for data collection and assessing outcomes |
US10194865B2 (en) | 2013-07-30 | 2019-02-05 | Emotiv, Inc. | Wearable system for detecting and measuring biosignals |
US9796576B2 (en) | 2013-08-30 | 2017-10-24 | Proteus Digital Health, Inc. | Container with electronically controlled interlock |
JP6043023B1 (ja) | 2013-09-20 | 2016-12-14 | プロテウス デジタル ヘルス, インコーポレイテッド | スライスおよびワーピングを用いて雑音の存在下で信号を受信しデコードするための方法、デバイスおよびシステム |
JP2016537924A (ja) | 2013-09-24 | 2016-12-01 | プロテウス デジタル ヘルス, インコーポレイテッド | 事前に正確に把握されていない周波数において受信された電磁信号に関する使用のための方法および装置 |
US10084880B2 (en) | 2013-11-04 | 2018-09-25 | Proteus Digital Health, Inc. | Social media networking based on physiologic information |
CA2929971C (en) | 2013-11-15 | 2023-03-07 | Saluda Medical Pty Ltd | Monitoring brain neural potentials |
WO2015074121A1 (en) | 2013-11-22 | 2015-05-28 | Saluda Medical Pty Ltd | Method and device for detecting a neural response in a neural measurement |
US11568982B1 (en) | 2014-02-17 | 2023-01-31 | Health at Scale Corporation | System to improve the logistics of clinical care by selectively matching patients to providers |
US9622702B2 (en) | 2014-04-03 | 2017-04-18 | The Nielsen Company (Us), Llc | Methods and apparatus to gather and analyze electroencephalographic data |
US11114204B1 (en) | 2014-04-04 | 2021-09-07 | Predictive Modeling, Inc. | System to determine inpatient or outpatient care and inform decisions about patient care |
CN106659894B (zh) | 2014-05-05 | 2020-01-24 | 萨鲁达医疗有限公司 | 改进的神经测量 |
US10588576B2 (en) | 2014-08-15 | 2020-03-17 | Neosync, Inc. | Methods and device for determining a valid intrinsic frequency |
DE102014014354A1 (de) * | 2014-09-27 | 2016-03-31 | Lars Holger Hermann | Methylphenidat oder ein physiologisch annehmbares Salz desselben zur Verwendung in der Behandlung von Anorexia nervosa |
US20160092642A1 (en) * | 2014-09-29 | 2016-03-31 | Mckesson Corporation | Determining Orphan Drug Eligibility for Reduced Pricing |
US20160070880A1 (en) * | 2014-10-09 | 2016-03-10 | Iqg Llc Dba Iqgateway | Method and system for predicting continous cardiac output (cco) of a patient based on physiological data |
EP3218046B1 (en) | 2014-12-11 | 2024-04-17 | Saluda Medical Pty Ltd | Device and computer program for feedback control of neural stimulation |
US10820864B2 (en) * | 2015-03-02 | 2020-11-03 | Valencia Technologies Corporation | Methods and systems for predicting patient responsiveness to subcutaneous neuromodulation therapy as a treatment for hypertension |
US10108264B2 (en) | 2015-03-02 | 2018-10-23 | Emotiv, Inc. | System and method for embedded cognitive state metric system |
US10894158B2 (en) | 2015-04-09 | 2021-01-19 | Saluda Medical Pty Ltd | Electrode to nerve distance estimation |
US9936250B2 (en) | 2015-05-19 | 2018-04-03 | The Nielsen Company (Us), Llc | Methods and apparatus to adjust content presented to an individual |
WO2016191807A1 (en) | 2015-05-31 | 2016-12-08 | Saluda Medical Pty Ltd | Brain neurostimulator electrode fitting |
US10912508B2 (en) | 2015-06-15 | 2021-02-09 | Medibio Limited | Method and system for assessing mental state |
US10638965B2 (en) | 2015-06-15 | 2020-05-05 | Medibio Limited | Method and system for monitoring stress conditions |
DE102015109853A1 (de) * | 2015-06-19 | 2016-12-22 | Nclogics Ag | Assistenz- und Entscheidungssystem und Verfahren zur Auswertung von Elektroenzephalogrammen |
US11051543B2 (en) | 2015-07-21 | 2021-07-06 | Otsuka Pharmaceutical Co. Ltd. | Alginate on adhesive bilayer laminate film |
US20170032106A1 (en) * | 2015-07-31 | 2017-02-02 | Astellas Pharma Europe Ltd. | System and Method for Analyzing Adverse Event Data |
WO2017027709A1 (en) | 2015-08-11 | 2017-02-16 | Cognoa, Inc. | Methods and apparatus to determine developmental progress with artificial intelligence and user input |
US10709371B2 (en) * | 2015-09-09 | 2020-07-14 | WellBrain, Inc. | System and methods for serving a custom meditation program to a patient |
CN109219467B (zh) | 2016-04-05 | 2022-08-16 | 萨鲁达医疗有限公司 | 神经调节的经改进反馈控制 |
JP6785446B2 (ja) * | 2016-04-14 | 2020-11-18 | パナソニックIpマネジメント株式会社 | 生体信号計測システム |
US20170340272A1 (en) * | 2016-05-27 | 2017-11-30 | Parexel International Corporation | Decision support system for cns drug development |
JP7278076B2 (ja) | 2016-06-24 | 2023-05-19 | サルーダ・メディカル・ピーティーワイ・リミテッド | アーチファクトを低減するための神経刺激 |
CN109843149B (zh) | 2016-07-22 | 2020-07-07 | 普罗秋斯数字健康公司 | 可摄入事件标记的电磁感测和检测 |
US20190180859A1 (en) * | 2016-08-02 | 2019-06-13 | Beyond Verbal Communication Ltd. | System and method for creating an electronic database using voice intonation analysis score correlating to human affective states |
JPWO2018073895A1 (ja) * | 2016-10-18 | 2019-06-24 | 富士通株式会社 | 類似症例検索プログラム、類似症例検索装置および類似症例検索方法 |
EP3531901A4 (en) | 2016-10-26 | 2021-01-27 | Proteus Digital Health, Inc. | CAPSULE PREPARATION PROCESSES WITH INGERABLE EVENT MARKERS |
JP7182554B2 (ja) * | 2016-11-14 | 2022-12-02 | コグノア,インク. | 発達に係る疾病を評価し、およびカバー率と信頼度に対する制御を提供する方法および装置 |
US11246520B2 (en) | 2016-12-12 | 2022-02-15 | Emory University | Using heartrate information to classify PTSD |
EP3565464A4 (en) | 2017-01-04 | 2020-10-14 | Storyup, Inc. | SYSTEM AND METHOD FOR MODIFYING BIOMETRIC ACTIVITY USING VIRTUAL REALITY THERAPY |
JP1602547S (es) | 2017-01-17 | 2018-04-23 | ||
CN110622179A (zh) | 2017-02-09 | 2019-12-27 | 科格诺亚公司 | 用于数字个性化医疗的平台和系统 |
JP7393947B2 (ja) * | 2017-05-22 | 2023-12-07 | ジェネテシス エルエルシー | 生体電磁界における異常の機械識別 |
EP3420898A1 (en) * | 2017-06-28 | 2019-01-02 | Koninklijke Philips N.V. | Assessing delirium in a subject |
US11311724B2 (en) * | 2017-07-28 | 2022-04-26 | The Regents Of The University Of California | Transcutaneous and transcranial nerve stimulation |
US10863912B2 (en) | 2017-08-24 | 2020-12-15 | Myneurva Holdings, Inc. | System and method for analyzing electroencephalogram signals |
US20190076046A1 (en) * | 2017-09-13 | 2019-03-14 | Stimscience Inc. | Systems, methods, and devices for closed loop control |
EP3684463A4 (en) | 2017-09-19 | 2021-06-23 | Neuroenhancement Lab, LLC | NEURO-ACTIVATION PROCESS AND APPARATUS |
US10747317B2 (en) | 2017-10-18 | 2020-08-18 | Biofli Technologies, Inc. | Systematic bilateral situational awareness tracking apparatus and method |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
US20200330031A1 (en) * | 2017-12-05 | 2020-10-22 | Neurolndex Ltd. | Systems and methods for anesthesia management |
US11273283B2 (en) | 2017-12-31 | 2022-03-15 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
WO2019147257A1 (en) * | 2018-01-26 | 2019-08-01 | Hitachi High-Tech Solutions Corporation | Controlling devices to achieve medical outcomes |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
CN112334184A (zh) | 2018-04-27 | 2021-02-05 | 萨鲁达医疗有限公司 | 混合神经的神经刺激 |
WO2020056418A1 (en) | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
AU2019366157A1 (en) * | 2018-10-22 | 2021-05-20 | Flinders University | Decision support software system for sleep disorder identification |
WO2020085935A1 (ru) * | 2018-10-24 | 2020-04-30 | Общество С Ограниченнной Ответственностью "Май Брэйн" | Способ для автоматизированного восстановления функций головного мозга |
US11894139B1 (en) | 2018-12-03 | 2024-02-06 | Patientslikeme Llc | Disease spectrum classification |
BR112021018770A2 (pt) | 2019-03-22 | 2022-02-15 | Cognoa Inc | Métodos e dispositivos de terapia digital personalizada |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
US11581093B2 (en) * | 2019-09-19 | 2023-02-14 | Merative Us L.P. | Automatic detection of mental health condition and patient classification using machine learning |
US20210358642A1 (en) * | 2020-02-19 | 2021-11-18 | Vanderbilt University | Methods for evaluating therapeutic benefit of combination therapies |
US20210307672A1 (en) | 2020-04-05 | 2021-10-07 | Epitel, Inc. | Eeg recording and analysis |
US11610679B1 (en) | 2020-04-20 | 2023-03-21 | Health at Scale Corporation | Prediction and prevention of medical events using machine-learning algorithms |
US20220310263A1 (en) * | 2021-03-25 | 2022-09-29 | Larry B. Gelman | Treatment protocol for assessing and managing pain, based on the patient's risk of opioid misuse, abuse, and/or addiction, and method of use |
WO2023239621A1 (en) * | 2022-06-05 | 2023-12-14 | Branelie Health, Inc. | Healthcare system for and methods of managing brain injury or concussion |
US11918368B1 (en) | 2022-10-19 | 2024-03-05 | Epitel, Inc. | Systems and methods for electroencephalogram monitoring |
Family Cites Families (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4128641A (en) * | 1975-07-31 | 1978-12-05 | Hzi Research Center Inc. | Tetracyclic psychotropic drug |
US4201224A (en) * | 1978-12-29 | 1980-05-06 | Roy John E | Electroencephalographic method and system for the quantitative description of patient brain states |
US5083571A (en) * | 1988-04-18 | 1992-01-28 | New York University | Use of brain electrophysiological quantitative data to classify and subtype an individual into diagnostic categories by discriminant and cluster analysis |
US5357976A (en) * | 1989-10-30 | 1994-10-25 | Genquan Feng | Method of and arrangement for diagnosing brain disease |
US5176145A (en) * | 1990-04-25 | 1993-01-05 | Ryback Ralph S | Method for diagnosing a patient to determine whether the patient suffers from limbic system dysrhythmia |
US5730146A (en) * | 1991-08-01 | 1998-03-24 | Itil; Turan M. | Transmitting, analyzing and reporting EEG data |
WO1995018565A1 (en) * | 1991-09-26 | 1995-07-13 | Sam Technology, Inc. | Non-invasive neurocognitive testing method and system |
US5230346A (en) * | 1992-02-04 | 1993-07-27 | The Regents Of The University Of California | Diagnosing brain conditions by quantitative electroencephalography |
BR9306936A (pt) * | 1992-08-21 | 1999-01-12 | Compass Inf Serv Inc | Método e aparelho para medir resultados de psicoterapia |
US5267570A (en) * | 1992-12-30 | 1993-12-07 | Preston Myra S | Method of diagnosing and treating chronic fatigue syndrome |
US5445162A (en) * | 1993-08-27 | 1995-08-29 | Beth Israel Hospital Association | Apparatus and method for recording an electroencephalogram during magnetic resonance imaging |
US5523323A (en) * | 1993-09-14 | 1996-06-04 | Maccecchini; Maria-Luisa | Use of partial agonists of the NMDA receptor to reduce opiate induced tolerance and dependence |
US6067467A (en) * | 1994-02-07 | 2000-05-23 | New York University | EEG operative and post-operative patient monitoring method |
JP3310498B2 (ja) * | 1994-09-02 | 2002-08-05 | 独立行政法人産業技術総合研究所 | 生体情報解析装置および生体情報解析方法 |
US5737539A (en) * | 1994-10-28 | 1998-04-07 | Advanced Health Med-E-Systems Corp. | Prescription creation system |
US5632276A (en) * | 1995-01-27 | 1997-05-27 | Eidelberg; David | Markers for use in screening patients for nervous system dysfunction and a method and apparatus for using same |
GB9511964D0 (en) * | 1995-06-13 | 1995-08-09 | Rdm Consultants Limited | Monitoring an EEG |
US5611350A (en) * | 1996-02-08 | 1997-03-18 | John; Michael S. | Method and apparatus for facilitating recovery of patients in deep coma |
US5871517A (en) * | 1997-01-15 | 1999-02-16 | Somatics, Inc. | Convulsive therapy apparatus to stimulate and monitor the extent of therapeutic value of the treatment |
US5860917A (en) * | 1997-01-15 | 1999-01-19 | Chiron Corporation | Method and apparatus for predicting therapeutic outcomes |
US5842213A (en) * | 1997-01-28 | 1998-11-24 | Odom; Paul S. | Method for modeling, storing, and transferring data in neutral form |
US6063028A (en) * | 1997-03-20 | 2000-05-16 | Luciano; Joanne Sylvia | Automated treatment selection method |
US6622036B1 (en) * | 2000-02-09 | 2003-09-16 | Cns Response | Method for classifying and treating physiologic brain imbalances using quantitative EEG |
UA57107C2 (uk) * | 1997-09-23 | 2003-06-16 | Елі Ліллі Енд Компані | Спосіб лікування розладу поведінки |
US6016449A (en) * | 1997-10-27 | 2000-01-18 | Neuropace, Inc. | System for treatment of neurological disorders |
KR100281650B1 (ko) * | 1997-11-13 | 2001-02-15 | 정선종 | 긍정/부정 감성 상태 판별을 위한 뇌파 분석 방법 |
US6016444A (en) * | 1997-12-10 | 2000-01-18 | New York University | Automatic control of anesthesia using quantitative EEG |
US6195576B1 (en) * | 1998-03-09 | 2001-02-27 | New York University | Quantitative magnetoencephalogram system and method |
AUPP354798A0 (en) * | 1998-05-15 | 1998-06-11 | Swinburne Limited | Decentralised patient management system |
US6226408B1 (en) * | 1999-01-29 | 2001-05-01 | Hnc Software, Inc. | Unsupervised identification of nonlinear data cluster in multidimensional data |
US6598084B1 (en) * | 1999-02-16 | 2003-07-22 | Sony Corporation | Methods and apparatus for processing, transmitting, and receiving data from a modular electronic medical device |
US7418399B2 (en) * | 1999-03-10 | 2008-08-26 | Illinois Institute Of Technology | Methods and kits for managing diagnosis and therapeutics of bacterial infections |
US6581038B1 (en) * | 1999-03-15 | 2003-06-17 | Nexcura, Inc. | Automated profiler system for providing medical information to patients |
US6463321B2 (en) * | 1999-08-10 | 2002-10-08 | Thuris Corporation | Method and computer program product for assessing neurological conditions and treatments using evoked response potentials |
US6223074B1 (en) * | 1999-08-10 | 2001-04-24 | Thuris Corporation | Method and computer program product for assessing neurological conditions and treatments using evoked response potentials |
US6333357B1 (en) * | 1999-11-05 | 2001-12-25 | Be Able, Llc | Behavior chemotherapy |
US6434419B1 (en) * | 2000-06-26 | 2002-08-13 | Sam Technology, Inc. | Neurocognitive ability EEG measurement method and system |
US6711564B2 (en) * | 2001-02-15 | 2004-03-23 | Apteryx, Inc. | System and method for opening and activating applications, windows or data sets based on search criteria |
US20060252761A1 (en) * | 2001-03-29 | 2006-11-09 | Michael Davis | Augmentation of extinction via administration of sub-antimicrobial doses of D-cycloserine |
WO2003005899A2 (en) * | 2001-07-11 | 2003-01-23 | Cns Response, Inc. | Electroencepahlography based systems and methods for selecting therapies and predicting outcomes |
-
2002
- 2002-07-11 WO PCT/US2002/021976 patent/WO2003005899A2/en not_active Application Discontinuation
- 2002-07-11 CA CA2452883A patent/CA2452883C/en not_active Expired - Fee Related
- 2002-07-11 ES ES02765829T patent/ES2329452T3/es not_active Expired - Lifetime
- 2002-07-11 AU AU2002329590A patent/AU2002329590B2/en not_active Ceased
- 2002-07-11 EP EP10185448A patent/EP2323056A1/en not_active Withdrawn
- 2002-07-11 EP EP02765829A patent/EP1414343B1/en not_active Expired - Lifetime
- 2002-07-11 EP EP10183881A patent/EP2275959A3/en not_active Ceased
- 2002-07-11 AT AT02765829T patent/ATE433163T1/de not_active IP Right Cessation
- 2002-07-11 CA CA2752782A patent/CA2752782A1/en not_active Abandoned
- 2002-07-11 DE DE60232522T patent/DE60232522D1/de not_active Expired - Lifetime
- 2002-07-11 US US10/193,735 patent/US7177675B2/en active Active
- 2002-07-11 EP EP08019825A patent/EP2159723A1/en not_active Ceased
-
2006
- 2006-11-29 US US11/605,585 patent/US7489964B2/en not_active Expired - Lifetime
-
2008
- 2008-11-18 US US12/273,383 patent/US7962204B2/en not_active Expired - Fee Related
- 2008-11-18 US US12/273,304 patent/US20090157662A1/en not_active Abandoned
-
2009
- 2009-10-07 US US12/575,297 patent/US8224433B2/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
US20090157662A1 (en) | 2009-06-18 |
EP1414343B1 (en) | 2009-06-03 |
US20100143256A1 (en) | 2010-06-10 |
US7177675B2 (en) | 2007-02-13 |
EP2159723A1 (en) | 2010-03-03 |
US20090137923A1 (en) | 2009-05-28 |
US20030135128A1 (en) | 2003-07-17 |
EP1414343A2 (en) | 2004-05-06 |
WO2003005899A2 (en) | 2003-01-23 |
US20080125669A1 (en) | 2008-05-29 |
CA2452883C (en) | 2012-01-03 |
AU2002329590B2 (en) | 2006-10-19 |
EP1414343A4 (en) | 2005-05-25 |
EP2275959A2 (en) | 2011-01-19 |
CA2452883A1 (en) | 2003-01-23 |
EP2275959A3 (en) | 2011-04-06 |
EP2323056A1 (en) | 2011-05-18 |
ATE433163T1 (de) | 2009-06-15 |
US7489964B2 (en) | 2009-02-10 |
US8224433B2 (en) | 2012-07-17 |
CA2752782A1 (en) | 2003-01-23 |
DE60232522D1 (de) | 2009-07-16 |
WO2003005899A3 (en) | 2003-04-24 |
US7962204B2 (en) | 2011-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2329452T3 (es) | Procedimiento para predecir el resultado de tratamientos. | |
ES2329650T3 (es) | Procedimiento para clasificar desequilibrios fisiologicos cerebrales usando eeg cuantitativo. | |
Goldstein et al. | Brain-to-brain coupling during handholding is associated with pain reduction | |
Rand et al. | Disparity between functional recovery and daily use of the upper and lower extremities during subacute stroke rehabilitation | |
US9895077B2 (en) | Method for diagnosing a brain related disorder using brain network activity patterns | |
AU2002329590A1 (en) | Electroencephalography based systems and methods for selecting therapies and predicting outcomes | |
AU2001236794A1 (en) | Method for classifying and treating physiologic brain imbalances using quantitative EEG | |
Rastogi et al. | Analytical Observations Between Subjects' Medications Movement and Medication Scores Correlation Based on Their Gender and Age Using GSR Biofeedback: Intelligent Application in Healthcare | |
Duffy et al. | Spectral coherence in normal adults: unrestricted principal components analysis; relation of factors to age, gender, and neuropsychologic data | |
Field | Massage therapy research | |
Chabot et al. | QEEG and VARETA based neurophysiological indices of brain dysfunction in attention deficit and autistic spectrum disorder | |
Paccione et al. | Motivational nondirective resonance breathing versus transcutaneous vagus nerve stimulation in the treatment of fibromyalgia: study protocol for a randomized controlled trial | |
Martingano et al. | Measuring multidimensional empathy: Theoretical and practical considerations for osteopathic medical researchers | |
Lee et al. | Effects of sandplay therapy on the emotional clarity and brain indexes related to self-regulation of female delinquent juveniles | |
Gaik | Merging east and west: A preliminary study applying spring forest qigong to depression as an alternative and complementary treatment | |
AU2006252049B2 (en) | Electroencephalography based systems and methods for selecting therapies and predicting outcomes | |
Bachtold et al. | Types of Pain and Pain Assessment | |
ACTG | 2020 American Clinical Neurophysiology Society (ACNS) Annual | |
Kinney-Lang | Applications of multi-way analysis for characterizing paediatric electroencephalogram (EEG) recordings | |
Taj-Eldin et al. | A review of wearable solutions for physiological and emotional | |
Haupt | Praying and its effect on age related cognitive decline | |
Studwell | Paradigm Shift: Using Neuroimaging to Identify Pathology Related to Frontotemporal Abnormalities | |
Bravo et al. | Computing sources of epileptic discharges using the Novel BMA approach: comparison with other distributed inverse solution methods | |
Andrasik | Abstracts of Papers Presented at the 37th Annual Meeting of the Association for Applied Psychophysiology and Biofeedback | |
Welch | SGSS This material may be protected by copyright law (Title 17 US Code) |