JP2009541863A - 痴呆および痴呆型障害を分析および評価するためのシステムおよび方法 - Google Patents

Abstract

発明の実施形態は、脳波記録法（ＥＥＧ）、神経心理学的または認知テストデータ、および心臓血管リスク要因データの使用を統合することにより、痴呆および痴呆型障害を分析および評価するためのシステムおよび方法を提供することができる。発明の実施形態は、アルツハイマー病（ＡＤ）、血管性痴呆（ＶＡＤ）、混成痴呆（ＡＤおよびＶＡＤ）、ＭＣＩ、およびその他の痴呆型障害を含む、痴呆の早期検出のためのシステムおよび方法を提供することができる。発明の実施形態は、従来のシステムおよび方法に対する以下の改良点のいくつかまたは全てを提供することができる：（１）向上された感度、特異性、および全体的精度；（２）ＡＤ、ＶＡＤ、および混成痴呆の検出；（３）中度から重度の痴呆の検出に加えて、軽度の痴呆および軽度の認知障害のいくつかのケースの正確な検出。

Description

この出願は、「痴呆を分析および評価するためのシステムおよび方法」と題され、２００６年６月２１日に出願された、米国仮出願第６０／８１５，３７３号への優先権を主張し、その内容はここに引用によって組み込まれる。

発明は、生物学的障害の検出に関する。より特定には、発明は、痴呆および痴呆型障害を分析および評価するためのシステムおよび方法に関する。

米国議会技術評価局は、６．８百万人もの多くのアメリカ人が軽度から重度の痴呆によって苦しんでいると推定している。アルツハイマー協会によると、痴呆患者のほぼ４．５百万人（または約３分の２）はアルツハイマー病（ＡＤ）よって特定に苦しめられている。血管性痴呆（ＶＡＤ）は、約１０分の１から３分の１のケースに該当する、痴呆の２番目に最も一般的な形態である。従って、もし各潜在的な患者が平均して一回スキャンされるかあるいは検査されるとすると、推定される潜在的な診断および治療のマーケットは、１．４十億ＵＳドルにもなり得る。

いくつかの推定によれば、推定されるマーケットはより大きいものであり得る。いくつかの診断評価は単一のスキャンを要求するかもしれないが、患者の治療を追跡することは多数回のスキャンを要求することができる。

痴呆にとっての一つの大きなリスク要因は加齢である。毎年一回のスクリーニングのような定期的な診断評価が５０歳以上の成人全員に指示されることができ得て、それは（２０００年の人口統計推定に基づくと）約７７百万人のアメリカ人のマーケットに対処することになる。アメリカにおける平均寿命が上がり続け、ベビーブーム世代が加齢するにつれて、痴呆によって苦しむ人の数はそれに対応して増加すると想定される。例えば、ある推定では、２０４０年には、アルツハイマー病をもつ人の数だけでもほぼ６百万人を超え得るとしている。

ＡＤを検出するための線形および非線形な脳波記録法（ＥＥＧ）診断方法と、そのような方法のＡＤ診断における相対的精度に関する、いくつかの公表された研究がある。これらの研究の例は、Ｊｅｏｎｇ（２００２）とＪｅｏｎｇ（２００４）である。例えば、従来の線形型診断方法を使って、全体的診断精度は、ＡＤ対正常コントロールについて約８０％で首尾一貫して観察されており（Ｊｅｏｎｇ２００４）、ＶＡＤの検出についてはほぼ６５％というより低い精度が報告されている（Ｒｅｎｎａ他、２００３）。典型的には、診断精度は重度のＡＤの場合について相対的に高く、中度および軽度のＡＤの場合では精度は低下する。非線形型の複雑性測定を使うと、以前の研究はＡＤをもつ患者からのＥＥＧを検査し、ほぼ７０％の検出精度を報告していた（Ｊｅｏｎｇ２００２）。少なくとも一つの研究は、ＶＡＤの診断と共にＥＥＧの非線形型特徴の使用を調査した（Ｊｅｏｎｇ２００１）。

少なくとも２つの米国特許第５，２３０，３４６号と第５，３０９，９２３号は、非線形型技術ではなく線形型ＥＥＧ方法を使ってＡＤとマルチ梗塞痴呆（ＶＡＤの一般的な形態）を評価することに関する。これらの特許で記載される線形型方法は、スペクトル比およびコヒーレンスの測定を含む。これらの特許の各々は、様々な病状を示す脳障害をターゲットにして位置付けするのに、コーダンス（ｃｏｒｄａｎｃｅ）という主要測定を使用することに関する。米国特許第５，２３０，３４６号は、相互実証によって推定７９％の感度と７４％の特異性という診断精度レートを開示している。

よって、痴呆および痴呆型障害を分析および評価するためのシステムおよび方法の必要がある。

更に、非線形型のデータと分析を使って、痴呆および痴呆型障害を分析および評価するためのシステムおよび方法の必要がある。

発明の実施形態は、脳波記録法（ＥＥＧ）、神経心理学的テスト、および心臓血管リスク要因の使用を統合することにより、痴呆および痴呆型障害を分析および評価するためのシステムおよび方法を提供することができる。発明の実施形態は、アルツハイマー病（ＡＤ）、血管性痴呆（ＶＡＤ）、混成痴呆（ＡＤおよびＶＡＤ）、軽度認知障害（ＭＣＩ）を含む、痴呆および痴呆型障害の比較的早期検出のためのシステムおよび方法を提供することができる。発明の実施形態は、従来のシステムおよび方法に対する以下の改良点のいくつかまたは全てを提供することができる：（１）向上された感度、特異性、および全体的精度；（２）ＡＤ、ＶＡＤ、混成痴呆、およびその他の痴呆型障害の検出；（３）中度から重度の痴呆およびその他の痴呆型障害の検出に加えて、軽度の痴呆および軽度の認知障害のいくつかのケースの正確な検出。発明の実施形態は、線形分析ではなくＥＥＧデータの非線形型分析を利用することができ、非線形型ＥＥＧデータ分析の結果を、神経心理学的または認知テストと心臓血管リスク要因の測定と統計的に組み合わせる。そのような実施形態は、従来のシステムおよび方法における線形型ＥＥＧ測定の使用よりも信頼性のある予測的な情報を提供することができる。

一実施形態では、発明の実施形態は、例えばロジスティック回帰のような様々な統計的方法を使って、非線形型ＥＥＧ結果を、ＡＤＡＳ−Ｃｏｇ、アルツハイマー病評価スケールの認知部分、のような神経心理学的テスト、および少なくとも医療履歴および／またはＭＲＩ／ＣＴ（磁気共鳴撮像法／コンピュータ断層撮影法）結果に基づいた心臓血管リスク要因の結果と統合する。発明の実施形態に従って、診断ツールにおいて統合された包括的なテスト結果を使用することは、特定の被験者が早期から晩期ステージの痴呆を経験していることの確率を提供することを可能とする。

発明の実施形態の一側面では、結果または出力は、臨床的データベースと相互実証することができる。一つの例では、従来の技術から得られる７９％の感度と７４％の特異性と比較して、ＡＤとＶＡＤについて、感度における向上は約８７％まで上げることができ、特異性はほぼ９３％まで上げることができる。

発明の実施形態の他の側面では、ＥＥＧデータの非線形型測定を決定することができる複雑性測定アルゴリズムを実行することができる。この種のアルゴリズムは、他のアルゴリズムよりも少ない連続したＥＥＧデータポイント（より少ないアーチファクトフリーなエポック）を利用することができる。そのような実施形態は、単一の電極位置ほど少ないものからデータを収集し得て、よって相対的に高速な電極印加と比較的安価なＥＥＧ設備の使用を許容して、それによりコストを削減して効率を上げる。

一実施形態では、人物の痴呆型障害を分析するための方法を提供することができる。方法は、人物に関連する複数の脳波記録法データを受け取ることを含むことができる。加えて方法は、人物に関連する複数の心臓血管リスク要因データを受け取ることを含むことができる。更に方法は、人物に関連する複数の認知データを受け取ることを含むことができる。しかも方法は、脳波記録法データ、心臓血管リスク要因データ、認知データの一部に少なくとも部分的に基づいて、人物が痴呆型障害のリスクにあるかどうかの指標を決定することを含むことができる。

実施形態の一側面では、複数の脳波記録法データは、以下のものの少なくとも一つを含むことができる：人物のＴ５電極位置において採取された脳波記録法データ、人物の目を開けたまま収集された脳波記録法データ、人物の目を閉じたまま収集された脳波記録法データ、または人物の目を開けたままと閉じたまま収集された脳波記録法データの組合せ。

実施形態の他の側面では、脳波記録法データの少なくとも一部は、以下のものの少なくとも一つを使って処理される：フラクタル次元方法論、またはボックス計数アルゴリズム。

実施形態の他の側面では、複数の心臓血管リスク要因データは、以下のものの少なくとも一つの履歴と関連する心臓血管疾患によって人物がいずれは苦しむ確率が高いことを示すあらゆる要因からなることができる：卒中、一過性虚血性発作、心筋梗塞、アルコール乱用、動脈バイパス手術、動脈塞栓、高血圧、高コレステロール、糖尿病、未治療の糖尿病、慢性的閉塞性肺動脈疾患、気腫、アルコール管制、肥満、男性性別、および非婚（未亡人、離婚、または独身）。

実施形態の他の側面では、複数の認知データは、以下のものの少なくとも一つを含むことができる：人物に関連するＡＤＡＳ−Ｃｏｇテストスコア、人物に対して施されたＡＤＡＳ−Ｃｏｇテストに関連するデータ、人物の記憶に関連するデータ、人物の行動に関連するデータ、または人物の言語能力に関連するデータ。

実施形態の他の側面では、痴呆型障害は、以下のものの少なくとも一つを含むことができる：アルツハイマー病（ＡＤ）、血管性痴呆（ＶＡＤ）、混成痴呆（ＡＤおよびＶＡＤ）、または軽度認知障害（ＭＣＩ）。

実施形態の他の側面では、方法は、人物に関連する複数の他のヘルスケアデータを受け取り、脳波記録法データ、心臓血管リスク要因データ、認知データ、他のヘルスケアデータの一部に少なくとも部分的に基づいて、人物が痴呆型障害のリスクにあるかどうかの指標を決定する、ことを含むことができ、ここで他のヘルスケアデータは、以下のものの少なくとも一つを含むことができる：人物の医療履歴、アンケートより収集された健康データ、脳画像データ、または遺伝子試験データ。

発明の他の実施形態では、人物の痴呆型障害を分析するためのシステムを提供することができる。システムは、人物に関連する複数の脳波記録法データを受け取るように適用されたデータ収集モジュールを含むことができる。データ収集モジュールは更に、人物に関連する複数の心臓血管リスク要因データを受け取るように適用されることができる。加えて、データ収集モジュールは更に、人物に関連する複数の認知データを受け取るように適用されることができる。システムはまた、脳波記録法データ、心臓血管リスク要因データ、認知データの一部に少なくとも部分的に基づいて、人物が痴呆型障害のリスクにあるかどうかの指標を決定するように適用されたレポート生成モジュールを含むことができる。

実施形態の一側面では、データ収集モジュールは更に、人物に関連する複数の他のヘルスケアデータを受け取るように適用されており、レポート生成モジュールは更に、脳波記録法データ、心臓血管リスク要因データ、認知データ、他のヘルスケアデータの一部に少なくとも部分的に基づいて、人物が痴呆型障害のリスクにあるかどうかの指標を決定するように適用されている。

実施形態の他の側面では、データ収集モジュールは更に、臨床的データベースに関連するデータからなる受信機運用特性（ＲＯＣ）カーブに対する確率からなる指標を出力するように適用されている。

実施形態の他の側面では、データ収集モジュールは更に、脳波記録法データのいくつかまたは全てを正規化するように適用されている。

実施形態の他の側面では、データ収集モジュールは更に、脳波記録法データのいくつかまたは全てに平均化方法論を実行するように適用されている。

実施形態の他の側面では、データ収集モジュールは更に、脳波記録法データのいくつかまたは全てにフラクタル次元方法論を実行するように適用されている。

実施形態の他の側面では、データ収集モジュールは更に、脳波記録法データのいくつかまたは全てにボックス計数アルゴリズムを実行するように適用されている。

実施形態の他の側面では、データ収集モジュールは更に、認知データのいくつかまたは全てとロジスティック回帰モデルを実行するように適用されている。

実施形態の他の側面では、データ収集モジュールは更に、規範データベースを使って認知データのいくつかまたは全てを標準化するように適用されている。

実施形態の他の側面では、データ収集モジュールは更に、心臓血管リスク要因データのいくつかまたは全てとロジスティック回帰モデルを実行するように適用されている。

発明の更に別の実施形態では、人物の痴呆型障害を分析するための他のシステムを提供することができる。システムは、人物に関連する複数の脳波記録法データを受け取るように適用された少なくとも一つのデータコレクターを含むことができる。加えて、データコレクターは、人物に関連する複数の心臓血管リスク要因データを受け取るように適応されることができる。しかも、データコレクターは、人物に関連する複数の認知データを受け取るように適用されることができる。システムはまた、脳波記録法データ、心臓血管リスク要因データ、認知データの一部に少なくとも部分的に基づいて、人物が痴呆型障害のリスクにあるかどうかの指標を決定するように適用された少なくとも一つのプロセッサを含むことができる。更に、システムは、人物が痴呆型障害のリスクにあるかどうかの指標を出力するように適用された少なくとも一つの出力装置を含むことができる。

実施形態の一側面では、複数の脳波記録法データは、以下のものの少なくとも一つを含むことができ：人物のＴ５電極位置において採取された脳波記録法データ、人物の目を開けたまま収集された脳波記録法データ、人物の目を閉じたまま収集された脳波記録法データ、または人物の目を開けたままと閉じたまま収集された脳波記録法データの組合せ；複数の心臓血管リスク要因データは、以下のものの少なくとも一つの履歴と関連する心臓血管疾患によって人物がいずれは苦しむ確率が高いことを示すあらゆる要因を含むことができ：卒中、一過性虚血性発作、心筋梗塞、アルコール乱用、動脈バイパス手術、動脈塞栓、高血圧、高コレステロール、糖尿病、未治療の糖尿病、慢性的閉塞性肺動脈疾患、気腫、アルコール管制、肥満、男性性別、および非婚（未亡人、離婚、または独身）；複数の認知データは、以下のものの少なくとも一つを含むことができる：人物に関連するＡＤＡＳ−Ｃｏｇテストスコア、人物に対して施されたＡＤＡＳ−Ｃｏｇテストに関連するデータ、人物の記憶に関連するデータ、人物の行動に関連するデータ、または人物の言語能力に関連するデータ。

発明の様々な実施形態に従った他のシステムおよびプロセスは、この文書の残りについて明らかとなるであろう。

発明の実施形態は以下の図面を参照してより良く理解することができる。

図１は、発明の実施形態に従ったシステムを描いている。 図２は、発明の実施形態を使って得られた、痴呆および正常な被験者の例示比較診断結果のヒストグラムを描いている。 図３は、発明の実施形態を使って得られた例示診断結果のチャートを描いている。 図４は、発明の実施形態に従ったプロセスを描いているフローチャートである。

痴呆を分析および評価するためのシステム。図１は、発明の実施形態に従った例示システム１０２のための一例示環境１００を描いている。図１に描かれた例示システム１０２を使って、図４のプロセスを実行することができる。

示された環境１００は、システム１０２と通信しているネットワーク１０４を含む。一方、システム１０２は、発明の様々な実施形態と共に、かつそれらに従って動作することができる１０６、１０７、１０８、１１０のような、一つ以上のシステムモジュールを含む。システムモジュールの各々、例えば１０６、１０７、１０８、１１０、はネットワーク１０４を通して、またはローカルエリアネットワーク（ＬＡＮ）のような関連付けられたネットワーク１１２を介して、お互いに通信することができる。例えば示された実施形態では、システムモジュールは、データ収集モジュール１０６、頻度スペクトル／信頼性モジュール１０７、レポート生成モジュール１０８、リサーチ分析モジュール１１０であることができる。データ収集モジュール１０６と頻度スペクトル／信頼性モジュール１０７は、レポート生成モジュール１０８と１０４のようなインターネットまたはネットワークを介して通信することができ、リサーチ分析モジュール１１０は、レポート生成モジュール１０８と１１２のようなＬＡＮを介して通信することができる。発明の実施形態に従って動作している様々な構成の他のシステムモジュールが存在しても良い。システムモジュール１０６、１０７、１０８、１１０の構成および配置は例としてのみ示されており、発明の他の実施形態に従って、他の構成および配置のシステムモジュールが存在できる。

１０６、１０７、１０８、１１０のような、システムモジュールの各々は、Ｗｉｎｄｏｗｓ(登録商標) ９８、Ｗｉｎｄｏｗｓ(登録商標) ＮＴ／２０００、ＬＩＮＵＸ系および／またはＵＮＩＸ(登録商標)系の動作プラットフォームによって実装されるような一つ以上のプロセッサ系プラットフォームによってホストされることができる。しかも、１０６、１０７、１０８、１１０のような、システムモジュールの各々は、ＤＢ／Ｃ、Ｃ、Ｃ＋＋、ＵＮＩＸ(登録商標) Ｓｈｅｌｌ、構造化照会言語（ＳＱＬ）のような一つ以上の従来のプログラミング言語を利用して、システム機能性、データ処理、機能的コンポーネント間の通信を含んだ、発明に従った様々な方法、ルーティン、サブルーティン、コンピュータ実行可能な命令を達成することができる。この実施形態に示されたシステムモジュール１０６、１０７、１０８、１１０の各々と、それらのそれぞれの機能は、以下でそれぞれ記載される。

データ収集モジュール１０６は、患者１１４、人物、または個人のようなユーザから生物学的データを収集するように適用されている。いくつかの場合には、データ収集モジュール１０６は、患者１１４、人物、または個人のようなユーザに関連するデータを入力しても良い、ヘルスケア提供者１３２のようなユーザから生物学的データを受け取るか、あるいは収集することができる。一例では、生物学的データは、１１４のような患者からの脳波記録法、脳波計、ｑＥＥＧ、またはＥＥＧデータ（集合的に「ＥＥＧデータ」として知られる）を含むことができる。データ収集モジュール１０６は、一つ以上のクライアント１１６、１１８および／またはインターネットのようなネットワーク１０４と通信している遠隔装置を含む。典型的には、各クライアント１１６、１１８は、パーソナルコンピュータ、パーソナルデジタルアシスタント（ＰＤＡ），タブレット、またはネットワーク１０４と通信するように適用された他の据置または移動式のコンピュータ型デバイスのようなプロセッサ系プラットフォームである。各クライアント１１６、１１８は、それぞれのプロセッサ１２０、１２２、メモリ１２４，１２６またはデータ格納装置、生物学的データコレクター１２８、および送信機／受信機１３０を含むことができる。発明の他の実施形態に従って、データ収集モジュール１０６と共に他のコンポーネントを利用することができる。

生物学的データコレクター１２８は、送信機／受信機１３０を介して少なくとも一つのクライアント１１６、１１８と通信することができる。示された実施形態では、医療デバイスのような生物学的データコレクター１２８は、患者１１４のようなユーザから生物学的データをリアルタイムまたは略リアルタイムで取得するか、あるいは受け取ることができる。送信機／受信機１３０は。生物学的データコレクター１２８または医療デバイスからの受信した生物学的データをクライアント１１８へ送信することができる。一方、クライアント１１８は、生物学的データを一時的にメモリ１２６に格納するか、あるいはプロセッサ１２２でデータを処理し、更にネットワーク１０４を介してデータを信頼性モジュール１０７および／またはレポート生成モジュール１０８に送信しても良い。他の実施形態では、生物学的データコレクター１２８は、収集したデータをローカルに格納して処理し、ネットワーク１０４を介してデータを直接信頼性モジュール１０７および／またはレポート生成モジュール１０８に通信しても良い。

例えば、生物学的データコレクター１２８は、Lexicor Medical Technology, LLCによって提供されるLexicor Digital Cortical Scan quantitative electroencephalographic (QEEG) data acquisition and Electrocap （集合的に「ＤＣＳデバイス」と呼ばれる）のような医療デバイスであることができる。この種の医療デバイスと関連付けられた構成は、ユーザまたは患者の頭に接続することができ、稼動されると、医療デバイスは、周辺デジタルインテーフェースおよびLexicor ファイルフォーマットのようなファイルフォーマットでデータがホストプラットフォーム上にローカルに格納されることを許容する関連付けられたソフトウェアを介して、デジタル化されたＥＥＧデータを提供することができる。代替的実施形態では、ＵＳＢのような他のインターフェースを介してサーバのようなホストプラットフォームへデータをリアルタイムで送信することができる。格納されたＥＥＧデータは、必要に応じて関連付けられたサーバまたはクライアントにアップロードすることができる。他の場合には、収集されたまたは格納されたデータは、ＣＤ−Ｒディスクのようなデジタルフォーマットで焼き付けられ、あるいは格納され、それから関連付けられたサーバまたはクライアントに送信または転送されることができる。

なお、Lexicor ファイルフォーマットは、Lexicor Medical Technology, LLCによって開発されるLexicor raw EEG data file formatであることができる。この特定のファイルフォーマットは、オフラインデータ分析を容易にするように２４チャネルのデジタルＥＥＧデータを格納するように適用されたデータ構造を有する。様々なＥＥＧ格納フォーマットが存在はするが、Lexicor ファイルフォーマットはそれらおよび他のデータ格納フォーマットに対処するように適用されることができる。例えば、Lexicor ファイルフォーマットは、サンプルレート、フロントエンドＤＣＳ増幅器のゲイン、ソフトウェア改訂、エポックの総数のような情報に対処するように６４整数のグローバルヘッダを有する。更に、Lexicor ファイルフォーマットは、コメントエントリーに対処するように２５６バイトのテキストアレイを含んだ生データの一つ以上のエポックまたはセクションと、特定のエポックのための特定の取得期間中にＤＣＳデバイスによって収集された生のデジタルＥＥＧデータに対処するアレイと、特定のエポックのエポック番号とステータスを含んだローカルヘッダと、を含むことができる。

生物学的データコレクター１２８はまた、血圧モニター、体重計、グルコース計、酸素濃度計、肺活量計、凝固計、尿検査デバイス、ヘモグロビンデバイス、温度計、カプノメーター、心電計（ＥＫＧｓ）、脳波計（ＥＥＧｓ）、ＲＳ−２３２ポートまたは同種のコネクションを介してデータを出力することができるその他のデジタル医療デバイス、および生物学的、神経生理学または認知的、またはその他の生理学的機能と関連するデータを提供することができるその他のデバイスや方法、を含むことができるが、これらに限られない。ユーザ、人物、または個人から収集された、あるいは受け取った生物学的データは、血圧、体重、血液成分測定、体液成分測定、温度、心臓測定、脳波測定、および生物学的、神経生理学または認知的、または生理学的機能と関連するその他の測定、を含むことができるが、これらに限られない。

送信機／受信機１３０は、典型的には生物学的データコレクター１２８とクライアント１１８の間のデータの転送を容易にする。送信機／受信機１３０は、スタンドアローンまたはビルトインのデバイスであることができる。送信機／受信機１３０は、ＲＳ−２３２対応デバイス、無線通信デバイス、有線通信デバイス、または生物学的データを通信するように適用されたその他のあらゆるデバイスまたは方法、を含むことができるが、これらに限られない。

ヘルスケア提供者１３２のようなユーザは、クライアント１１６、１１８の患者１１４への近さに応じて、ネットワーク１０４と相互作用するまたは通信するようにクライアント１１６、１１８を共有するかまたは別々に利用することができる。ヘルスケア提供者１３２および／または患者１１４は、同じかまたはそれぞれのクライアント１１６、１１８を介してレポート生成モジュール１０８から特定の命令を受けても良い。例えば、特定の条件に応答して、レポート生成モジュール１０８は、患者１１４から特定の生物学的データを収集することをヘルスケア提供者１３２に要求しても良い。適当な命令は、ヘルスケア提供者１３２にネットワーク１０４を介してクライアント１１６から通信されても良い。ヘルスケア提供者１３２はそれから、生物学的データコレクター１２８または医療デバイスを患者に接続するのに、患者を指導あるいは援助することができる。稼動されると、生物学的データコレクター１２８または医療デバイスは、患者１１４に関連する生物学的データをネットワーク１０４またはインターネットを介してレポート生成モジュール１０８に送信することができる。必要に応じて、ヘルスケア提供者１３２および／または患者１１４、または他のユーザは、人口統計学的データを入力する、あるいはそれぞれのクライアント１１６、１１８を介して人口統計学的データを提供することができる。

一実施形態では、１０６のようなデータ収集モジュールは、ユーザまたは患者１１４からＥＥＧデータを収集するように適用されることができる。そのようなデータは、１２８のような生物学的データコレクター、または１１４のようなユーザまたは患者と通信している他の種類のデータコレクター、を介して収集するか、あるいは受け取ることができる。好適なＥＥGデータは、患者のＴ５電極位置において採取された脳波記録法データ、患者の目を開けたまま収集された脳波記録法データ、患者の目を閉じたまま収集された脳波記録法データ、および患者の目を開けたままと閉じたまま収集された脳波記録法データの組合せ、を含むことができるが、これらに限られない。

一実施形態では、１０６のようなデータ収集モジュールは、ユーザまたは患者１１４から認知または神経心理学的データを収集するように適用されることができる。そのようなデータは、１１６または１１８のようなクライアントまたは遠隔装置、または他の種類のデータコレクター、を介して収集するか、あるいは受け取ることができる。ヘルスケア提供者１３２または患者１１４のようなユーザは、１１６または１１８のような対応するクライアントまたは遠隔装置を介してデータを入力することができ、データは後の使用のために格納され処理されることができる。好適な認知または神経心理学的データは、人物に関連するＡＤＡＳ−Ｃｏｇテストスコア、人物に対して施されたＡＤＡＳ−Ｃｏｇテストに関連するデータ、人物の記憶に関連するデータ、人物の行動に関連するデータ、または人物の言語能力に関連するデータ、を含むことができるが、これらに限られない。

一実施形態では、１０６のようなデータ収集モジュールは、ユーザまたは患者１１４から心臓血管リスク要因データからなる医療履歴データを収集するように適用されることができる。そのようなデータは、１１６または１１８のようなクライアントまたは遠隔装置、または他の種類のデータコレクター、を介して収集するか、あるいは受け取ることができる。ヘルスケア提供者１３２または患者１１４のようなユーザは、１１６または１１８のような対応するクライアントまたは遠隔装置を介してデータを入力することができ、データは後の使用のために格納され処理されることができる。好適な心臓血管リスク要因データは、以下のものの少なくとも一つの履歴と関連する心臓血管疾患によって人物がいずれは苦しむ確率が高いことを示すあらゆる要因：卒中、一過性虚血性発作、心筋梗塞、アルコール乱用、動脈バイパス手術、動脈塞栓、高血圧、高コレステロール、糖尿病、未治療の糖尿病、慢性的閉塞性肺動脈疾患、気腫、アルコール管制、肥満、男性性別、および非婚（未亡人、離婚、または独身）、を含むことができるが、これらに限られない。

一実施形態では、１０６のようなデータ収集モジュールは、ユーザまたは患者１１４から他のヘルスケアデータを収集するように適用されることができる。そのようなデータは、１２８のような生物学的データコレクター、１１６または１１８のようなクライアントまたは遠隔装置、または１１４のようなユーザまたは患者と通信している他の種類のデータコレクター、を介して収集するか、あるいは受け取ることができる。好適なヘルスケアデータは、人物の医療履歴、アンケートより収集された健康データ、脳画像データ、または遺伝子試験データ、を含むことができるが、これらに限られない。例えば、１０６のようなデータ収集モジュールは、ユーザ、ヘルスケア提供者１３２、または患者１１４が答えるためのアンケートを実行することができる。アンケートは、１１６、１１８のようなクライアントまたは遠隔装置を介して表示しても良く、ユーザ、ヘルスケア提供者１３２、または患者１１４は、アンケートによって提供される一つ以上の回答要請または質問に応答して他のヘルスケアデータを入力しても良い。

頻度スペクトル／信頼性モジュール１０７は、データ収集モジュール１０６から生物学的データを受け取り、生物学的データのいくつかまたは全てを処理して少なくとも生物学的データのいくつかまたは全てに部分的に基づいた一つ以上の信頼性指標を決定するように適用されることができる。示された実施形態では、頻度スペクトル／信頼性モジュール１０７は、１４４のようなサーバ、またはサーバと通信しているクライアント装置のような他のプロセッサ系プラットフォーム上に格納されたソフトウェアプログラムのようなコンピュータ実行可能な命令のセットであることができる。示された頻度スペクトル／信頼性モジュール１０７は、レポート生成モジュール１０８と統合することができる。他の実施形態では、頻度スペクトル／信頼性モジュール１０７は、装置または信頼性デバイスのような関連付けられたプロセッサをもった別のスタンドアローンモジュールであることができる。別の実施形態では、頻度スペクトル／信頼性モジュール１０７は、１４２のような関連付けられたウェブサイトおよび管理執行プログラムモジュールのための組み込まれたサブシステムモジュールであることができる。必要あれば、様々なレポートが頻度スペクトル／信頼性モジュール１０７によって生成されて、ヘルスケア提供者１３２のようなユーザに提供されることができる。

レポート生成モジュール１０８は、後の検索と分析のために患者１１４からの生物学的データを受け取り、格納し、処理するように適用されることができる。レポート生成モジュール１０８はまた、収集したかあるいは受け取った患者１１４からの生物学的データに基づく一つ以上のデータ解釈ツール１３４を生成するように適用されることもできる。更に、レポート生成モジュール１０８は、ヘルスケア提供者１３２のようなユーザが生物学的データを管理し分析するのを支援する一つ以上のデータ解釈ツールを含んだレポート１３６を生成するように適用されることができる。例示データ解釈ツールおよびレポートは図２−３についてより詳細に記載する。加えて、レポート生成モジュール１０８は、関連付けられたウェブサイトおよび管理アプリケーションプログラムモジュール１４２と一緒に動作するかあるいはそれを実行するように適用されることができる。

典型的には、レポート生成モジュール１０８は、サーバ、メインフレームコンピュータ、パーソナルコンピュータ、またはパーソナルデジタルアシスタント（ＰＤＡ）のようなプロセッサ系プラットフォームであることができる。レポート生成モジュール１０８は、プロセッサ１３８、アーカイブデータベース１４０、ウェブサイトおよび管理アプリケーションプログラムモジュール１４２を含む。インターネットウェブサイト１４６をホストする別のサーバ１４４が、レポート生成モジュール１０８とネットワーク１０４またはインターネットの間に接続されるか、あるいはネットワーク１０４またはインターネットを介してレポート生成モジュール１０８およびデータ収集モジュール１０６と通信することができる。一般に、別のサーバ１４４は、ウェブサイトおよび管理アプリケーションプログラムモジュール１４２を実行することができるサーバまたはコンピュータのようなプロセッサ系プラットフォームであることができる。いずれの場合でも、レポート生成モジュール１０８は、ネットワーク１０４またはインターネットを介してデータ収集モジュール１０６と通信することができる。発明の他の実施形態に従って、レポート生成モジュール１０８と共に他のコンポーネントを利用することができる。

一実施形態では、レポート生成モジュール１０８と１０６、１０７、１１０、１４２のような他のモジュールは、コンピュータ実行可能な命令のセットまたは関連付けられたコンピュータプログラムを含むことができる。様々なコンピュータ実行可能な命令のセットまたはコンピュータプログラムは、１３８のような一つ以上の関連付けられたプロセッサまたは他のコンピュータハードウェアによって処理することができる。当業者は、そのようなモジュールの様々な実施形態および発明に従ったこれらのモジュールの実装を認識するであろう。

発明の一実施形態では、レポート生成モジュール１０８は、コンピュータ実行可能な命令のセットまたは関連付けられたコンピュータプログラムを実行して、少なくとも３つの異なるファクターまたは種類のデータの組合せを処理することができ、それはロジスティック回帰モデルに入力された時、特定の被験者が（アルツハイマー病（ＡＤ）、血管性痴呆（ＶＡＤ）、混成痴呆（ＡＤおよびＶＡＤ）痴呆、または軽度認知障害（ＭＣＩ）のような）または他の痴呆型障害の早期ステージにより苦しんでいる確率の出力を作成することができる。１０２のようなシステムおよび／またはレポート生成モジュール１０８からの様々な出力はまた、痴呆または他の痴呆型障害の晩期または後期ステージを検出するのにも使うことができる。一例では、１０８のようなレポート生成モジュールは、（フラクタル次元で測定された）被験者のＥＥＧデータの次元複雑性、痴呆と関連する一つ以上の特定の心臓血管リスク要因の存在、アルツハイマー病評価スケールの認知部分（ＡＤＡＳ−Ｃｏｇ）のような少なくとも３つのファクターまたは種類のデータを利用することができる。他の例では、１０８のようなレポート生成モジュールは、心臓血管障害の証拠を示す脳画像（ＭＲＩ／ＣＴ）データのような追加のファクターまたは種類のデータを実行することができる。更なる実施形態では、１０８のようなレポート生成モジュールは、特定の遺伝子結果および／または同様の障害の家族履歴のような追加のファクターまたは種類のデータを実行することができる。上記のファクターまたは種類のデータのいくつかまたは全てとの組合せで、他のファクター、証拠、またはデータを追加のファクターとして実行することができる。

発明の実施形態は、ＥＥＧデータと様々な種類の臨床的データの結果を組合せて、軽度から重度の重さをもったＡＤおよび／またはＶＡＤとＭＣＩの１次的な診断の予測を改善することができる。これらの実施形態は、様々な統計的データを統合して、痴呆または痴呆型障害診断の予測を提供することができる。ロジスティック回帰を使うことにより、１０８のようなレポート生成モジュールは、ＥＥＧデータの非線形分析と、記憶、言語、行動をカバーする神経心理学的テスト結果と、心臓血管リスク要因のようなデータを統合して、痴呆または痴呆型障害診断の予測を提供することができる。例えば、ロジスティック回帰モデルを使うことにより、リスク要因、リスク要因データ、神経心理学的および認知データ、その他の臨床的データ、ＭＲＩ、ＥＥＧデータの線形および非線形分析の幅広いアレイと共にステップ状選択を使って最適モデルを決定することができる。発明の他の実施形態に従って、他のファクター、種類のデータまたは変数をロジスティック回帰モデルまたは他のモデルにおいて使うことができる。

一実施形態では、１０８のようなレポート生成モジュールは、ＥＥＧデータを受け取り、更なる分析のために最小のアーチファクトをもった或るＥＥＧデータを選択するように適用されることができる。この実施形態では、１０８のようなレポート生成モジュールは、コンピュータ実行可能な命令のセットまたは関連付けられたコンピュータプログラムを実行して、収集されたＥＥＧデータをあらゆるアーチファクトについてスクリーニングし、必要あれば、あらゆる影響を受けたエポックを変形または除去することができる。収集されたＥＥＧデータをあらゆるアーチファクトについてスクリーニングし、必要あれば、あらゆる影響を受けたエポックを変形または除去するのに、様々なデバイス、技術、方法論が１０８のようなレポート生成モジュールによって使われることができる。

一実施形態では、１０８のようなレポート生成モジュールは、収集されたＥＥＧデータと共に少なくとも一つの平均化型方法論を実行するように適用されることができる。この実施形態では、１０８のようなレポート生成モジュールは、コンピュータ実行可能な命令のセットまたは関連付けられたコンピュータプログラムを実行して、収集されたＥＥＧデータを処理するフラクタル次元方法を実行する。フラクタル次元方法と共に使うのに適したアルゴリズムの一つは、ボックス計数（ＢＣ）アルゴリズムである。

プロセッサ１３８は、データ収集モジュール１０６から受け取ったか、または頻度スペクトル／信頼性モジュール１０７を介して受け取った、生物学的データおよび／または人口統計学的データを扱うことができる。プロセッサ１３８および／または頻度スペクトル／信頼性モジュール１０７は、後の検索のために生物学的データおよび人口統計学的データをアーカイブデータベース１４０に格納すること、および／またはリサーチ分析モジュール１１０から受け取った他のデータを使って生物学的データを処理すること、ができる。典型的には、プロセッサ１３８および／または頻度スペクトル／信頼性モジュール１０７は、データ収集モジュール１０６からの生物学的データおよび／または人口統計学的データを分析することができ、データから不要なアーチファクトを除去することができる。関係のある生物学的データおよび／または人口統計学的データは、必要になるまでアーカイブデータベース１４０または他のデータ格納装置に格納することができる。リサーチ分析モジュール１１０から受け取ったか、あるいはシステム１０２によって生成されたか格納された一つ以上のインジケーター１４８を使うことにより、プロセッサ１３８は、生物学的データおよび／または人口統計学的データを処理して、一つ以上のデータ解釈ツール１３４を生成することができる。プロセッサ１３８は、ネットワーク１０４を介してヘルスケア提供者１３２および／または患者１１４のようなユーザに送信するために、一つ以上のインジケーター１４８と関連付けられたデータ解釈ツール１３４を含んだレポート１３６を生成することができる。

データ解釈ツール１３４は、特定の患者１１４の特定の条件の状態を決定するのにデータがヘルスケア提供者１３２のようなユーザによってより容易に解釈できるように、レポート１３６中の生物学的および／または人口統計学的データに関係のある情報と文脈を付加できる。データ解釈ツール１３４は典型的には、正常な被験者と条件付きの被験者についての生物学的および／または人口統計学的データのパターンを含む。生物学的および／または人口統計学的データのパターンは、グラフとテキストを含むことができるレポート１３６中に提示することができる。これらのパターンは、科学的文献群のメタ分析と、正常な被験者、特定の条件付きの者、および関連する条件付きの者についての関係のあるデータベースの分析から決定される。

一実施形態では、脳波記録法データやＥＥＧデータのような生物学的データは、データ収集モジュール１０６によって受け取られるかまたは収集されることができる。データ収集モジュール１０６は、データをレポート生成モジュール１０８に送信することができ、レポート生成モジュールはデータを処理することができる。処理されたデータを使って、様々なヒストグラム、受信機運用特性（ＲＯＣ）カーブ、特性、側面、品質、インジケーター、または他の徴候を生成して、異なる住民と患者のサンプルを比較して分析することができる。示された実施形態では、１０８のようなレポート生成モジュールは更に、図２、３にそれぞれ２００、３００として示され記載されているヒストグラムやＲＯＣカーブのような出力を生成することができる。

アーカイブデータベース１４０は、データベース、メモリ、または同様の種類のデータ格納装置であることができる。アーカイブデータベース１４０は、医療画像、医療データおよび測定、および同様の種類の情報のような生物学的データと、先に記載された人口統計学的データを格納するように適用されている。一般に、アーカイブデータベース１４０は、生物学的データおよび／または人口統計学的データを呼び出されるまで格納するようにレポート生成モジュール１０８によって利用されることができる。

ウェブサイトおよび管理アプリケーションプログラムモジュール１４２は典型的には、少なくとも一つの機能的モジュールをもったウェブサイト１４６を提供して、ウェブサイト１４６とヘルスケア提供者１３２および／または患者１１４のような少なくとも一人のユーザとの間の通信データを扱うように適用された、コンピュータ実行可能な命令のセットであることができる。ウェブサイトおよび管理アプリケーションプログラムモジュール１４２は、レポート生成モジュール１０８、別のサーバ、および／またはネットワーク１０４と通信している格納装置によってホストされることができる。ウェブサイトおよび管理アプリケーションプログラムモジュール１４２は、メインログインモジュール、患者管理モジュール、患者資格化モジュール、患者評価モジュール、患者ケアプランモジュール、データ分析モジュール、フィルタモジュール、インポート／エクスポートモジュール、仮想プライベートネットワーク電子データ交換（ＶＰＩ ＥＤＩ）モジュール、レポーティングモジュール、インジケーターレポート通知モジュール、インジケーターレポート配送モジュール、管理執行モジュール、通知（データフィルタ／スマートエージェント）管理執行モジュール、データベースモジュール、およびその他の同様のコンポーネントまたは機能的モジュールを含むことができるが、それらに限られない。ウェブサイトおよび管理アプリケーションプログラムモジュール１４２に関連するその他のコンポーネントモジュールは、発明の他の実施形態に従って動作することができる。

別のサーバ１４４は、ブラウザアプリケーションプログラムでインターネットを介して閲覧可能なウェブサイト１４６をホストするように適用されることができる。それの代わりに、別のサーバ１４４は、ウェブサイトおよび管理アプリケーションプログラムモジュール１４２もホストしても良い。ウェブサイト１４６は、ヘルスケア提供者１３２および／または患者１１４にレポート生成モジュール１０８への通信アクセスを提供することができる。例えば、レポート生成モジュール１0８によって生成されたレポート１３６は、ネットワーク１０４を介して同じかまたはそれぞれのクライアント１１６、１１８を操作しているヘルスケア提供者１３２および／または患者１１４のようなユーザによるネットワーク１０４またはインターネットを介した選択的アクセスと閲覧のために、ウェブサイト１４６に掲示されても良い。他の場合には、レポート１３６は、電子メールメッセージ通信、電話通信装置、メッセ−ジングシステムまたは装置、または同様の種類の通信装置または方法を介して、レポート生成モジュール１０８によってヘルスケア提供者１３２および／または患者１１４のようなユーザに送信されても良い。発明の様々な実施形態に従って生成されたＲＯＣカーブをもったレポートの例が、図３に以下で描かれて詳細に記載される。

関連付けられたネットワーク１１２は典型的には、レポート生成モジュール１０８とリサーチ分析モジュール１１０の間に通信を提供するローカルエリアネットワーク（ＬＡＮ）であることができる。生物学的データ、インジケーター、またはシステム１０２によって収集された、生成された、あるいは受け取られたその他のデータのために、ＬＡＮレポジトリー１５０が関連付けられたネットワーク１１２に接続されるか、あるいはそれにアクセス可能とされても良い。

リサーチ分析モジュール１１０は、関係のあるリサーチ資料およびデータを取得して収集するように適用されることができる。更に、リサーチ分析モジュール１１０は、関係のあるリサーチ資料およびデータを処理するように適用されることができ、更に特定の条件について一つ以上のインジケーター１４８を決定するように適用されることができる。しかも、一実施形態では、リサーチ分析モジュール１１０は、特定の患者の条件または収集された生物学的、臨床的、人口統計学的データに応答して、インジケーター１４８をレポート生成モジュール１０８に提供するように適用されることができる。典型的には、リサーチ分析モジュール１１０は、サーバ、メインフレームコンピュータ、パーソナルコンピュータ、またはパーソナルデジタルアシスタント（ＰＤＡ）のようなプロセッサ系プラットフォームであることができる。リサーチ分析モジュール１１０は、プロセッサ１５２、分析ツール１５４、インハウスリサーチデータベース１５６、公共リサーチデータベース１５８、規範データベース１６０を含むことができる。発明に従って、リサーチ分析モジュール１１０と共に他のコンポーネントを利用することができる。

プロセッサ１５２は、リサーチ分析モジュール１１０によって収集されたか、あるいは受け取られたリサーチとデータを扱うことができる。プロセッサ１５２は後の検索のために関連付けられたデータベース中のリサーチまたはデータを指標付けするおよび／または格納するか、または一つ以上の分析ツール１５４を使ってリサーチおよびデータを処理することができる。一つ以上のインジケーター１４８が分析ツール１５４によってまたはそれらから提供されるかあるいは導出されることができ、プロセッサ１５２は、必要に応じてあらゆるインジケーター１４８をレポート生成モジュール１０８に送信することができる。

少なくとも一つの分析ツール１５４が、リサーチ分析モジュール１１０によって利用されることができる。典型的には、分析ツール１５４は、リサーチおよびデータを利用して特定の条件についての一つ以上のインジケーター１４８を決定するアルゴリズムであることができる。

インハウスリサーチデータベース１５６は、特定のまたは第三者のヴェンダーによって提供されたリサーチおよび文献のコレクションであることができる。典型的には、システム１０２を運用しているエンティティが、或る範囲の条件についての自身のリサーチおよび文献を提供することができる。例えば、インハウスリサーチデータベースから利用可能な情報は、電子データベース、科学的およびリサーチジャーナル、オンラインソース、ライブラリー、標準教科書および参考書、委員会および会議のオンラインおよび印刷された声明等を含むが、これらに限られない。

公共リサーチデータベース１５８は、一人以上の第三者によって提供されたリサーチおよび文書のコレクションであることができる。典型的には、リサーチと文献は、種々のオンラインかあるいはアクセス可能なソースから、無料または料金の支払いによって利用可能である。例えば、公共リサーチデータベース１５６から利用可能な情報は、電子データベース、科学的およびリサーチジャーナル、オンラインソース、ライブラリー、標準教科書および参考書、委員会および会議のオンラインおよび印刷された声明等を含むが、これらに限られない。

規範データベース１６０は、電子データベース、科学的およびリサーチジャーナル、オンラインソース、ライブラリー、標準教科書および参考書、委員会および会議のオンラインおよび印刷された声明等のコレクションであることができる。

ユーザ、人物、または個人の痴呆または痴呆型障害を分析および評価するためにＥＥＧデータ測定を収集および分析する他の例示システムは、Augusta,GeorgiaのLexicor Medical Technology, LLCによって実装される。他のＥＥＧデータ測定を収集するのに好適なシステムとコンポーネントは、「脳波記録法（ＥＥＧ）測定を用いてうつ病および他の気分障害を分析および評価するためのシステムと方法」と題され、２００６年１１月３０日に出願された、米国特許出願第１１／５６５，３０５号；２００２年２月１９日に出願された、米国仮特許出願第６０／３５８，４７７号の優先権を主張し、「生物学的データを管理しデータ解釈ツールを提供するためのシステムと方法」と題され、２００３年２月１８日に出願された、米国特許出願第１０／３６８，２９５号の一部継続出願である、「生物学的データを管理しデータ解釈ツールを提供するための関連付けられたシステムと方法」と題され、２００５年２月８日に出願された、米国特許出願第１１／０５３，６２７号、に開示されている。発明の他の実施形態に従って動作する他のコンポーネントを含んだ、様々な構成の他のシステム実施形態が存在しても良い。

一実施形態では、図１の１０６のようなデータ収集モジュールは、図1で上述したようなＥＥＧデータを受け取ることができる。データ収集モジュールは、図１の１０８のようなレポート生成モジュールと共に動作して、上述した方法、プロセス、手順、技術のいくつかまたは全てに従ってＥＥＧデータを処理することができる。レポート生成モジュール１０８は、電子的および／または印刷されたレポートフォーマットを種々のヘルスケア提供者、専門家、研究者、またはその他のユーザに提供する関連付けられたレポーティングおよび通信機能性を含むことができる。一実施形態では、種々のレポートフォーマットは、図１のインターネットまたはネットワーク１０４のようなネットワークを介して提供することができる。

様々な従来技術と発明の実施形態の例示比較概要が、以下のテーブル１に示される。テーブル１の各行は、特定のロジスティック回帰モデルの適用を表している。テーブル１に示された全てのモデルは、５０から8５歳の住民（Ｎ＝１１１；３３痴呆患者、７８同年齢成人）の中で軽度から重度の重さをもつＡＤおよび／またはＶＡＤおよびＭＣＩを検出するのに適用された。テーブル１の第４列におけるＲ^２の相対的に高い値は、最小の０（０％の変動）から最大の１（１００％の変動）の中で、より多くの痴呆対正常成人の医療診断の変動がモデルによって説明されることを示し、第５列における相対的に高い全体的精度は、相対的に高い感度と特異性の両方を示すものである。示されるように、各従来技術の相対的な全体的精度は、ほぼ６５％からほぼ８０％まで漸進的に増加し、最も高い全体的精度（約９２％）は、ＥＥＧデータの非線形型分析と、痴呆と関連する一つ以上の特定の心臓血管（ＣＶ）リスク要因の存在と、アルツハイマー病評価スケールの認知部分（ＡＤＡＳ−Ｃｏｇ）とを実装して統合する発明の実施形態に関連付けられている。

テーブル１．従来技術と発明の実施形態の比較概要
神経心理学的テスト 医療履歴 生物学的データ Ｒ ^２ 全体的精度
ＡＤＡＳ−Ｃｏｇ なし なし 0.29 65%
ＡＤＡＳ−Ｃｏｇ ＣＶリスク要因 なし 0.32 70%
ＡＤＡＳ−Ｃｏｇ ＣＶリスク要因 ＭＲＩ／ＣＴ 0.32 70%
ＡＤＡＳ−Ｃｏｇ ＣＶリスク要因 ＥＥＧの線形分析 0.66 85%
ＡＤＡＳ−Ｃｏｇ ＣＶリスク要因 ＥＥＧの非線形分析 0.84 92%
略号へのキー：ＡＤＡＳ−Ｃｏｇ、アルツハイマー病評価スケールの認知部分；ＣＶ，心臓血管；ＣＴ，コンピュータ断層撮影法；ＭＲＩ，磁気共鳴撮像法；ＥＥＧ、脳波記録法

神経心理学的テストと共に心臓血管リスク要因を含めることは、全体的精度とＲ^２値に一般的な改善を供することができる、ということがテーブル１に見ることができる。第３行に示されるように、第２行のモデルと比較すると、心臓血管リスク要因と神経心理学的テストにＭＲＩ／ＣＴを追加することは、全体的精度とＲ^２に比較的小さい改善を供することができるかまたは何の改善も供することができない。第４行に示されるように、第１、第２、第３行のモデルと比較すると、心臓血管リスク要因と神経心理学的テストにＥＥＧデータの線形分析を追加することは、全体的精度とＲ^２に改善を供することができる。テーブル１の他の全てのモデルと比較すると、心臓血管リスク要因と神経心理学的テストにＥＥＧデータの非線形分析が統合されると、全体的精度とＲ^２に相対的により大きな改善を供することができる。

ＥＥＧデータの非線形型分析を利用する上述した実施形態では、利用された神経心理学的テストはＡＤＡＳ−Ｃｏｇであった。他の実施形態では、記憶、言語、行動のあらゆる好適な測定、または神経心理学的テストのその他の測定を使うことができる。しかも、上述した実施形態については、卒中、一過性虚血性イベント、心筋梗塞、アルコール乱用、動脈バイパス手術、および／または重大な動脈塞栓の履歴のような特定の心臓血管（ＣＶ）リスク要因が、統計的分析によって選択された。他の実施形態では、高血圧、高コレステロール、糖尿病、未治療の糖尿病、慢性的閉塞性肺動脈疾患、気腫、アルコール管制、肥満、男性性別、および非婚（未亡人、離婚、または独身）のような、他の好適な種類の同様のリスク要因を予測的値として使うことができ、それらは同様の資格で機能することができる。

テーブル１に描かれた分析では、ＭＲＩ／ＣＴがＥＥＧデータの異なる分析に対して比較され、（目を閉じて位置Ｔ５で記録された）ＥＥＧデータの非線形分析が、より大きい相対的な予測的精度を供した。発明の他の実施形態は、他の電極位置またはあらゆる他の位置の組合せから、およびその他の種類の好適な記録要件と分析技術と共に、ＥＥＧを実装することができる。

他の実施形態では、神経心理学的テストと非線形ＥＥＧデータが心臓血管リスク要因の代わりにＭＲＩ／ＣＴと共に実装されて、ほぼ０．７９のＲ^２値と約８８％の全体的精度であった。いくつかの場合には、ＭＲＩ／ＣＴ情報と心臓血管リスク要因情報は重複しても良く、発明の他の実施形態では一つをもう一つの代わりに使うことができる。その他の場合には、向上した全体的精度と臨床的実用性のため、ＭＲＩ／ＣＴ情報よりも心臓血管リスク要因を使うことができる、即ち、ヘルスケア提供者、専門家、またはその他の人にとっては、被験者の以前の医療履歴を参照して心臓血管リスク要因を決定する方が、心臓血管障害を示す異常または特性を検出するようにＭＲＩまたはＣＴデータの新たなセットを収集するよりも、より効率的でコスト効率も良くすることができる。

発明の実施形態についての予測された確率。図２のヒストグラムにおいて観察できるように、発明の実施形態は、大半の痴呆サンプル（ＡＤ、ＶＡＤ、混成痴呆、ＭＣＩ）を大半の正常な住民から分離することができる。図２に示されたヒストグラムは、ほぼ５０−８５歳（Ｎ＝１１１）の成人の痴呆患者と正常住民のサンプルを利用している。

図２のヒストグラム２００、２０２を参照すると、各評価された個人は、痴呆住民への資格を予測する０から１の計算された確率を受け取ることができる。示されている評価された痴呆サンプルは、軽度認知障害から重度痴呆までの重さにわたることができ、痴呆のサブタイプとしてＡＤとＶＡＤを含むことができる。資格のある臨床医のようなユーザは、図３に示された受信機運用特性（ＲＯＣ）カーブ３００と関連付けられたテーブル化された結果使ってデータを解釈することができる。データは、各選択された確率カットオフについて感度と特異性の値を提供することができる。図３に示されたＲＯＣカーブ３００は臨床的データベースから導出されている。

この例では、ＲＯＣカーブ３００は、対角線参照ライン３０２の上に示されている。一般に、ＲＯＣカーブ３００が参照ライン３０２の上でより離れた上であればあるほど、精度がより大きい。量的には、示されているＲＯＣカーブ３００の下の面積はほぼ０．９６７であり、これはランダムに選ばれた痴呆患者についての結果がランダムに選ばれた正常な成人についての結果を超える確率を表している。

示されているＲＯＣカーブ３００についての、確率カットオフによるテーブル化された結果のサンプルが、テーブル２に提示される。

テーブル２．カットオフによるＲＯＣ結果
痴呆の確率がそれ以上である値 感度 １−特異性
.0000000 1.000 1.000
.0063473 1.000 .821
.0145871 1.000 .603
.0149825 1.000 .577
.0192227 1.000 .551
.0293244 1.000 .526
.0354062 1.000 .500
.0360116 1.000 .474
.0381704 1.000 .449
.0447128 1.000 .423
.0.519001 1.000 .397
.0543357 1.000 .372
.0682979 .970 .359
.0788769 .970 .333
.1171722 .970 .308
.2657227 .939 .115
.3388205 .909 .103
.5480675 .848 .051
.6541104 .818 .026
.6738702 .758 .013
.7111013 .727 .013
.7819441 .727 .000
.8206846 .697 .000
.9322908 .576 .000
.9663375 .515 .000
.9918616 .455 .000
.9995869 .273 .000
1.0000000 .000 .000

ロジスティック回帰モデルでは、標準カットオフはほぼ０．５の計算された確率にある。上述した実施形態に示されるように、臨床的データベース（Ｎ＝１１１）とのランダムスプリットハーフの相互実証によって決められた通り、感度はほぼ８７％、特異性はほぼ９３％、全体的精度は約９１％である。これらの値は、別々のサンプル住民と共に実行されたロジスティック回帰モデルを使った発明の実施形態の能力の例示表現である。

更なる参考のために、正常な成人と痴呆のサブタイプについての発明の実施形態による痴呆診断についての予測の精度が、総データベースについて導出された個別の確率を使って、テーブル３に示される。

テーブル３．グループによる予測の精度
グループ 精度
正常な成人 ９４％
アルツハイマー病 １００％
血管性痴呆 ７３％
混成痴呆（ＡＤとＶＡＤ） １００％
軽度認知障害 ６０％
合計 ９１％

痴呆を分析および評価するための方法。発明の実施形態は、図４について以下に記載する方法４００を含んだ、痴呆および痴呆型障害を分析および評価するためのシステムと方法を提供することができる。図４の実施形態では、ＥＥＧデータ収集および分析サブプロセス４０２、神経心理学的または認知データ収集および分析サブプロセス４０４、医療履歴またはリスク要因データ収集および分析サブプロセス４０６を含んだ、少なくとも３つのデータ収集サブプロセスを利用することができる。発明の他の実施形態は、これらのサブプロセスのいくつかまたは全て、または他のサブプロセスを含むことができる。しかも、サブプロセスについて以下に記載する要素のいくつかまたは全ては、要素の順序またはサブプロセスの各々を実行する順序に関係なく、発明の他の実施形態に従った他の方法と共に利用することができる。

ＥＥＧデータ収集および分析。図４に示すように、方法４００は、ＥＥＧデータ収集および分析サブプロセス４０２、神経心理学的または認知データ収集および分析サブプロセス４０４、医療履歴またはリスク要因データ収集および分析サブプロセス４０６を含んだ、いくつかのサブプロセスを含む。

ＥＥＧデータ収集および分析サブプロセス４０２はブロック４０８で始まる。ブロック４０８において、被験者からのＥＥＧデータが、図１の１０２のようなシステムによって記録されてデジタル化される。この実施形態では、１０２のようなシステムまたは１２８のような生物学的データコレクターに関連する電極は、電極配置の国際的１０−２０システムを使って、被験者の体の位置Ｔ５に置くことができる。他の実施形態では、電極または他のデバイスは、被験者の体の他の部分に置くことができる。他の実施形態では、ＥＥＧデータは、他の好適なデバイス、技術、または方法論を介して収集することができる。

加えて、被験者の体のエリアは、好適なＥＥＧデータ準備クリーナーおよびアルコールを使って洗浄することができる。一旦電極が適正にあるいは好適に置かれると、選択された位置において、被験者の体、例えば頭皮、に導電性ジェルを施すのに洗浄器を使うことができる。被験者の体の上の位置は、正確なあるいは好適な測定がその位置から得られることを確かにするために確認されることができる。

ＥＥＧデータ収集は、被験者の目が閉じられている期間および被験者の目が閉じられている期間中に行うことができる。例えば、ＥＥＧデータは被験者の目が閉じられたままほぼ１０分間（約３１５エポック）収集することができ、ＥＥＧデータは被験者の目が開いたままほぼ１０分間（約３１５エポック）収集することができる。

ブロック４０８にはブロック４１０が続き、そこでは最小のアーチファクトをもつＥＥＧデータが更なる分析のために選択される。この実施形態では、１０２のようなシステムは様々なデバイス、技術、および方法論を利用して、収集されたＥＥＧデータをあらゆるアーチファクトについてスクリーニングし、必要あれば、あらゆる影響を受けたエポックを変形または除去することができる。

ブロック４１０にはブロック４１２が続き、そこでは少なくとも一つの平均化型の方法論を使ってＥＥＧデータが分析される。示された実施形態では、１０２のようなシステムによってフラクタル次元方法が収集されたＥＥＧデータに施される。フラクタル次元方法は、通常自然ではフラクタル（自己相似）な幾何学的対象の複雑度を測定する。対象はフォーミュラＮ＝ｒ^Ｄ、または等価にＤ＝ｌｏｇ（Ｎ）／ｌｏｇ（ｒ）で定義することができる。もし対象がフラクタル次元Ｄを有し、その直線的尺度が全ての空間的次元においてｒのファクターで縮小されていれば、その長さ、面積、または容積の測定は（新たな尺度によって測定された時）Ｎのファクターで増加する。線、正方形または直方体のような純粋に直線状のユークリッド的対象の場合には、この次元は整数値（１、２または３）をとり、直線の長さに相当する値は測定装置のスケールとは独立である。フラクタルカーブ、例えば英国の海岸線またはＥＥＧ時系列、のような非線形の対象の場合には、このＤは整数値を持たない。例えば、もし、英国の海岸線の測定を与えられた長さの定規で行い、それから後の測定がその長さの半分の定規で行うことができると、第二の測定は、第一のものよりも大きな海岸線の長さの推定を提供することができる。よって、ＤのＤ＝ｌｏｇ（Ｎ）／ｌｏｇ（ｒ）としての決定を行うことができる。英国の海岸線の例やＥＥＧ時系列について、これは１から２の間のＤを作り出すことができる。他の例として、雪片フラクタルとしても知られるコッホ曲線は、ほぼ１．２６のフラクタル次元を有する。もし直線的尺度を２のファクターで縮小すれば、その長さは４のファクターで増加し、よって４＝３^ＤでＤ＝ｌｏｇ（４）／ｌｏｇ（３）＝１．２６となる。

示された実施形態と共に使用してＥＥＧ時系列のフラクタル次元を測定するのに好適な一つのアルゴリズムは、ボックス計数（ＢＣ）アルゴリズムである。ＢＣアルゴリズムは、収縮するボックスのグリッドをもった時系列をカバーし、系列の少なくとも一つのポイントを含むグリッド中のボックスの数を計数することができる。このアルゴリズムは、ＥＥＧデータが記録された各位置、所定の数の位置、またはアーチファクト処理後に分析された各エポックについて選択された位置において実行することができる。示された実施形態の各エポックはほぼ２５６データポイントを含む。

データをまず正規化することなく生のＥＥＧデータを使うと、２つのデータポイント間の距離、従ってグリッド次元は、軸上の尺度と単位の違いのためにほとんど意味を持たないかもしれない。よって、ＢＣアルゴリズムを初期化する前に、その特定の場所とエポックからのＥＧＧデータは正規化されるべきである。時間データはほぼ２秒の単位に変換することができ、よって時間は０から２の代わりに、このアルゴリズムのためのＥＥＧデータのエポックの秒単位の長さである０から１まで流れる。各電圧値は、まず与えられた値から最小データポイントから引き、それから結果をデータのレンジによって割ること、またはフォーミュラ：
ν_norm=(ν−ν_min)/(ν_max−ν_min)
によって正規化することができる。

このステップは、セット中のいくつかまたは全てのデータポイントが、（時間がｘ軸上で０から１までわたり、正規化された電圧値がｙ軸上で０から１までわたる）単位正方形内にあるようにする結果とすることができる。

一旦データが正規化されると、分析中のエポックについてのデータセットのいくつかまたは全ての上にグリッドをオーバーレイすることができる。上述した実施形態では、電極位置Ｔ５が、最適な予測的能力をもった位置である。２５６ポイントのエポックについては、グリッドのスケールのための最適なレンジは約１／４から１／３２であり、１６から１０２４のボックスが各回毎に２のファクターで削減されたもの（１／４、１／８、１／１６、１／３２）を提供する。このレンジは一般に、最終的なｌｏｇ−ｌｏｇプロット上で良好な線形の相関を持つ。各ボックスの下と左のサイドはボックス面積に含められず、上と右の端が含まれるので、全てのデータポイントは少なくとも一つのボックスに含まれるが、一つより多くに含まれるポイントは無いことになる。このようにグリッドを設定することは、（２５６＝２^８であるから）各サイド長が明確に均等に時間ポイントを分割するので、時間軸の比較的容易な分割を提供することができる。各サイド長についてポイントを含んでいるボックスの数が計算されると、結果をプロットする（ｌｎ（数）対ｌｎ（１／サイド長））ことができ、結果として得られるこのプロットの回帰ラインの傾きが、そのエポックのフラクタル次元の推定となることができる。サイド長の逆数をとることの理由は、これが傾きの符号を変えて、よってその負の値の代わりにフラクタル次元を与えることにある。

このプロセスは、アーチファクト処理プロセス後に、含まれたいくつかまたは全てのエポックについて繰り返すことができる。被験者についてのフラクタル次元の最終的な推定は、含まれたエポックのフラクタル次元の平均である。上述した平均化のプロセスは、被験者についての全体的フラクタル次元に、オーバーレイされたいずれものデータポイントが持ち得る影響を低減することができ、よって有意なエラーのチャンスを低減する。

ブロック４１２にはブロック４１４が続き、これは以下でより詳細に記載される。

神経心理学的または認知データ収集および分析。図４に示されるように、方法４００は神経心理学的または認知データ収集および分析サブプロセス４０４を含む。サブプロセス４０４はブロック４１６で始まる。

ブロック４１６では、神経心理学的または認知データが被験者から受け取られる。図４の実施形態では、神経心理学的データは、例えば資格のある専門家によって、被験者に神経心理学的または認知テストを施行または執行することによって受け取ることができる。好適な神経心理学的または認知テストは、ＡＤＡＳ−Ｃｏｇテストを含むことができるが、これに限られない。神経心理学的または認知データは、記憶に関連したデータ、行動に関連したデータ、言語能力に関連したデータ、およびＡＤＡＳ−Ｃｏｇ型データを含むことができるが、これらに限られない。一実施形態では、ＡＤＡＳ−Ｃｏｇテストは、医療専門家またはヘルスケア提供者によって被験者に施行されることができる。

ブロック４１６にはブロック４１８が続き、そこでは被験者についてのテストスコアが計算される。図4の実施形態では、１０２のようなシステムは、被験者の神経心理学的テストの結果のいくつかまたは全てを表すテストスコアを計算するかまたは取得することができる。例えば、被験者の総合的な神経心理学的または認知テストスコアは、方法４００に好適な被験者情報を提供することができる。例えば、神経心理学的または認知テストスコアは、少なくとも被験者の記憶、行動、言語能力に部分的に基づいたデータから導出することができる。一実施形態では、ＡＤＡＳ−Ｃｏｇテストスコアがシステムによって取得されることができる。いずれの場合においても、そのようなテストスコアは、以下に説明されるようにロジスティック回帰モデルと共に実装されることができる。他の実施形態では、個々のＡＤＡＳ−Ｃｏｇ記憶変数がロジスティック回帰モデルと共に実装されることができる。その他の実施形態では、記憶テストのような他の種類の神経心理学的または認知テストからの結果がロジスティック回帰モデルと共に実装されることができる。一実施形態では、総合的なＡＤＡＳ−Ｃｏｇテストスコアがロジスティック回帰モデルと共に実装され、スコアのデータベースに対して標準化されることができる。一例では、スコアのデータベースは、５０から８５歳の正常な成人に関連するスコアを含むことができる。

ブロック４１８にはブロック４２０が続き、そこでは規範データベースを使ってテストスコアを標準化することができる。示された実施形態では、１０２のようなシステムは、規範データベースを使ってテストスコアをＺ−スコアに標準化することができる。当業者は、様々な種類のデータベースまたはその他のデータのコレクションに対してテストスコアを標準化するのに必要な技術を認識するであろう。

ブロック４２０にはブロック４１４が続き、これは以下でより詳細に記載される。

医療履歴データ収集および分析。図４に示されるように、方法４００は医療履歴またはリスク要因データ収集および分析サブプロセス４０６を含む。サブプロセス４０６はブロック４２２で始まる。

ブロック４２２では、被験者に関連する医療履歴を受け取ることができる。示された実施形態では、１０２のようなシステムが、被験者に関連する医療履歴を受け取ることができる。例えば、患者のファイルとアンケートからの医療履歴が、１０２のようなシステムに収集されて入力されることができる。

ブロック４２２にはブロック４２４が続き、そこでは収集された医療データに少なくとも部分的には基づいて、少なくとも一つのリスク要因を決定することができる。示された実施形態では、１０２のようなシステムが、患者のファイルおよび／またはアンケートで収集されたデータからのように、被験者に関連する医療履歴のいくつかまたは全てを参照することによって、少なくとも一つの心臓血管リスク要因を決定することができる。他の実施形態では、１０２のようなシステムが、二つ以上の心臓血管リスク要因またはその他の同様な種類の要因を決定することができる。

リスク要因は、心臓血管リスク要因、卒中、一過性虚血性発作、心筋梗塞、アルコール乱用、動脈バイパス手術、および／または重大な動脈塞栓を含むことができるが、これらに限られない。これらのリスク要因の各々は、ＡＤおよび／またはＶＡＤによって人物がいずれ苦しむことの相対的なリスクを示すものとして以前に実証されている（ｄｅ ｌａ Ｔｏｒｒｅ、２００１）。一実施形態では、これらのリスク要因のいくつかまたは全てが、心臓血管リスク要因として特徴付けされることができる。

他の実施形態では、１０２にようなシステムが、収集された医療データに少なくとも部分的には基づいて、一連の心臓血管リスク要因および／または脳リスク要因のような、少なくとも一つのリスク要因を決定することができる。そのようなリスク要因は、高血圧、糖尿病、未治療の糖尿病、年齢、喫煙、頭部傷害、片頭痛、性別、教育レベル、体塊指標、肥満、座りきりの生活スタイル、Ｃ−反応性蛋白質、フィブリノゲン、リポ蛋白（ａ）、ホモシステイン、血液脂質、遺伝子、家族履歴、高コレステロール、慢性的閉塞性肺動脈疾患、気腫、アルコール管制、および非婚（未亡人、離婚、または独身）を含むことができるが、それらに限られない。

他の実施形態では、１０２のようなシステムが、特定の被験者の心臓血管障害を証拠を検出することができる脳画像（ＭＲＩ／ＣＴ）データのような、収集された医療データに少なくとも部分的には基づいた少なくとも一つのリスク要因を決定することができる。

他の実施形態では、１０２のようなシステムが、被験者が痴呆に進展する確率を決定するのに利用することができるＡＰＯＥ−４アレーレのような、遺伝子テストデータに少なくとも部分的には基づいた少なくとも一つのリスク要因を決定することができる。

さらに他の実施形態では、１０２のようなシステムが、特定の被験者についての好適な遺伝情報を提供することができる、痴呆または同様の障害の家族履歴に少なくとも部分的には基づいた少なくとも一つのリスク要因を決定することができる。

ブロック４２４にはブロック４１４が続き、これは以下でより詳細に記載される。

統合プロセスおよび分析。ブロック４１４では、データ収集および分析サブプロセス４０２、４０４、４０６のいくつかまたは全てが行われて、受け取られたかあるいは収集されたデータのいくつかまたは全てが少なくとも一つの統計的モデルに入力される。図４に記載される実施形態では、データ収集および分析は、ＥＥＧデータ収集および分析、神経心理学的または認知データ収集および分析、医療履歴またはリスク要因データ収集および分析を含む。一例では、１０２のようなシステムは、例えば、ＥＥＧデータから計算された複雑度のような変数をもつ被験者の体の上のＴ５位置から測定された、目を閉じた休息データのほほ10分の一つのＥＥＧデータ記録と、特定のリスク要因が無ければ値が０、特定のリスク要因があれば値が１となる二者択一の変数として各リスク要因が入力された、被験者の関係ある医療履歴をカバーするレビューおよび／またはアンケートからのデータと、ロジスティック回帰モデルまたはその他の好適な統計型モデルへの総スコアのような、テストから計算されたスコアをもつ被験者の神経心理学的または認知テスト（ＡＤＡＳ−Ｃｏｇ）からのデータ、を含む様々なデータを入力することができる。

ブロック４１４にはブロック４２６が続き、そこでは被試験者の痴呆の確率が決定される。図４に記載される実施形態では、１０２のようなシステムは、特定の対象となる被試験者が痴呆（ＡＤおよび／またはＶＡＤ）、軽度認知障害（ＭＣＩ）、または他の痴呆型障害により苦しんでいる確立測定のような、ロジスティック回帰モデルからの出力または他の指標を決定することができる。一実施形態では、確率結果は、例えば、５０から８５歳の痴呆患者と正常成人に関連するデータをもつデータベースのような、臨床的データベースを表すＲＯＣカーブを使う臨床医によって、解釈されることができる。その実施形態では、ＲＯＣカーブおよび関連付けられたテーブルが、結果を臨床医の完全な臨床的評価および実験室テストと統合する時に臨床医によって解釈されることができる、感度および特異性の結果を提供することができる。一実施形態では、臨床医は痴呆患者についてのスクリーンとして単一の確率カットオフを選択することができる。例えば、臨床医は痴呆患者対正常成人についてスクリーニングする約０．５の確率のカットオフを選択することができる。５０から８５歳の痴呆患者と正常成人に関連するデータをもつデータベースのような、臨床的データベースとの計算を使って、約０．５のカットオフはほぼ８５％の正の予測的能力とほぼ９４％の負の予測的能力を提供することができる。一実施形態では、臨床医は少なくとも２つの確率カットオフ：一つのカットオフは正常成人分布の大半を表し、一つのカットオフは痴呆患者分布の大半を表す、を選択することができる。例えば、５０から８５歳の痴呆患者と正常成人に関連するデータをもつデータベースのような、臨床的データベースとの計算を使って、ほぼ０．２より小さい確率のカットオフを正常成人についてのスクリーンとして選択することは、ほぼ９７％の負の予測的能力を提供することができる。しかも、ほぼ０．８より大きい確率のカットオフを痴呆のスクリーンとする選択は、ほぼ１００％の正の予測的能力を提供することができる。ほぼ０．２より大きく、ほぼ０，８より小さい確率値をもつ残りの被験者は、臨床医によって「非決定的」、「危険あり」または同様の用語として指名されることができる。

ブロック４２８では、確率値を戻すかあるいは出力することができ、方法400は終わる。

上述した記載は多くの特定な点を含んでいるが、これらの特定な点は発明の範囲の制限として解釈されるべきではなく、単に開示された実施形態の例示として解釈されるべきである。当業者は、発明の範囲内にある多くの他の可能な変形を想起するであろう。

Claims (21)

1. 人物の痴呆型障害を分析するための方法であって、
   人物に関連する複数の脳波記録法データを受け取り、
   人物に関連する複数の心臓血管リスク要因データを受け取り、
   人物に関連する複数の認知データを受け取り、
   脳波記録法データ、心臓血管リスク要因データ、認知データの一部に少なくとも部分的に基づいて、人物が痴呆型障害のリスクにあるかどうかの指標を決定する、
   ことからなる方法。
2. 請求項１の方法であって、複数の脳波記録法データは、以下のものの少なくとも一つからなることができる：人物のＴ５電極位置において採取された脳波記録法データ、人物の目を開けたまま収集された脳波記録法データ、人物の目を閉じたまま収集された脳波記録法データ、または人物の目を開けたままと閉じたまま収集された脳波記録法データの組合せ。
3. 請求項１の方法であって、脳波記録法データの少なくとも一部は、以下のものの少なくとも一つを使って処理される：フラクタル次元方法論、またはボックス計数アルゴリズム。
4. 請求項１の方法であって、複数の心臓血管リスク要因データは、以下のものの少なくとも一つの履歴と関連する心臓血管疾患によって人物がいずれは苦しむ確率が高いことを示すあらゆる要因からなることができる：卒中、一過性虚血性発作、心筋梗塞、アルコール乱用、動脈バイパス手術、動脈塞栓、高血圧、高コレステロール、糖尿病、未治療の糖尿病、慢性的閉塞性肺動脈疾患、気腫、アルコール管制、肥満、男性性別、および非婚（未亡人、離婚、または独身）。
5. 請求項１の方法であって、複数の認知データは、以下のものの少なくとも一つからなることができる：人物に関連するＡＤＡＳ−Ｃｏｇテストスコア、人物に対して施されたＡＤＡＳ−Ｃｏｇテストに関連するデータ、人物の記憶に関連するデータ、人物の行動に関連するデータ、または人物の言語能力に関連するデータ。
6. 請求項１の方法であって、痴呆型障害は、以下のものの少なくとも一つからなることができる：アルツハイマー病（ＡＤ）、血管性痴呆（ＶＡＤ）、混成痴呆（ＡＤおよびＶＡＤ）、または軽度認知障害（ＭＣＩ）。
7. 請求項１の方法であって、
   人物に関連する複数の他のヘルスケアデータを受け取り、
   脳波記録法データ、心臓血管リスク要因データ、認知データ、他のヘルスケアデータの一部に少なくとも部分的に基づいて、人物が痴呆型障害のリスクにあるかどうかの指標を決定する、
   ことから更になる方法。
8. 請求項７の方法であって、他のヘルスケアデータは、以下のものの少なくとも一つからなる：人物の医療履歴、アンケートより収集された健康データ、脳画像データ、または遺伝子試験データ。
9. 人物の痴呆型障害を分析するためのシステムであって、
   人物に関連する複数の脳波記録法データを受け取り、
   人物に関連する複数の心臓血管リスク要因データを受け取り、
   人物に関連する複数の認知データを受け取る
   ように適用されたデータ収集モジュールと、
   脳波記録法データ、心臓血管リスク要因データ、認知データの一部に少なくとも部分的に基づいて、人物が痴呆型障害のリスクにあるかどうかの指標を決定する
   ように適用されたレポート生成モジュールと、
   からなるシステム。
10. 請求項９のシステムであって、データ収集モジュールは更に、人物に関連する複数の他のヘルスケアデータを受け取るように適用されており、レポート生成モジュールは更に、脳波記録法データ、心臓血管リスク要因データ、認知データ、他のヘルスケアデータの一部に少なくとも部分的に基づいて、人物が痴呆型障害のリスクにあるかどうかの指標を決定するように適用されている。
11. 請求項９のシステムであって、データ収集モジュールは更に、臨床的データベースに関連するデータからなる受信機運用特性（ＲＯＣ）カーブに対する確率からなる指標を出力するように適用されている。
12. 請求項９のシステムであって、データ収集モジュールは更に、脳波記録法データのいくつかまたは全てを正規化するように適用されている。
13. 請求項９のシステムであって、データ収集モジュールは更に、脳波記録法データのいくつかまたは全てに平均化方法論を実行するように適用されている。
14. 請求項９のシステムであって、データ収集モジュールは更に、脳波記録法データのいくつかまたは全てにフラクタル次元方法論を実行するように適用されている。
15. 請求項９のシステムであって、データ収集モジュールは更に、脳波記録法データのいくつかまたは全てにボックス計数アルゴリズムを実行するように適用されている。
16. 請求項９のシステムであって、データ収集モジュールは更に、脳波記録法データのいくつかまたは全てとロジスティック回帰モデルを実行するように適用されている。
17. 請求項９のシステムであって、データ収集モジュールは更に、認知データのいくつかまたは全てとロジスティック回帰モデルを実行するように適用されている。
18. 請求項９のシステムであって、データ収集モジュールは更に、規範データベースを使って認知データのいくつかまたは全てを標準化するように適用されている。
19. 請求項９のシステムであって、データ収集モジュールは更に、心臓血管リスク要因データのいくつかまたは全てとロジスティック回帰モデルを実行するように適用されている。
20. 人物の痴呆型障害を分析するためのシステムであって、
    人物に関連する複数の脳波記録法データを受け取り、
    人物に関連する複数の心臓血管リスク要因データを受け取り、
    人物に関連する複数の認知データを受け取る
    ように適用された少なくとも一つのデータコレクターと、
    脳波記録法データ、心臓血管リスク要因データ、認知データの一部に少なくとも部分的に基づいて、人物が痴呆型障害のリスクにあるかどうかの指標を決定する
    ように適用された少なくとも一つのプロセッサと、
    人物が痴呆型障害のリスクにあるかどうかの指標を出力する
    ように適用された少なくとも一つの出力装置と、
    からなるシステム。
21. 請求項９のシステムであって、複数の脳波記録法データは、以下のものの少なくとも一つからなることができ：人物のＴ５電極位置において採取された脳波記録法データ、人物の目を開けたまま収集された脳波記録法データ、人物の目を閉じたまま収集された脳波記録法データ、または人物の目を開けたままと閉じたまま収集された脳波記録法データの組合せ；
    複数の心臓血管リスク要因データは、以下のものの少なくとも一つの履歴と関連する心臓血管疾患によって人物がいずれは苦しむ確率が高いことを示すあらゆる要因からなることができ：卒中、一過性虚血性発作、心筋梗塞、アルコール乱用、動脈バイパス手術、動脈塞栓、高血圧、高コレステロール、糖尿病、未治療の糖尿病、慢性的閉塞性肺動脈疾患、気腫、アルコール管制、肥満、男性性別、および非婚（未亡人、離婚、または独身）；
    複数の認知データは、以下のものの少なくとも一つからなることができる：人物に関連するＡＤＡＳ−Ｃｏｇテストスコア、人物に対して施されたＡＤＡＳ−Ｃｏｇテストに関連するデータ、人物の記憶に関連するデータ、人物の行動に関連するデータ、または人物の言語能力に関連するデータ。

Images