JP2015217282A - Motor function evaluation method of central nervous system disease patient - Google Patents
Motor function evaluation method of central nervous system disease patient Download PDFInfo
- Publication number
- JP2015217282A JP2015217282A JP2014117084A JP2014117084A JP2015217282A JP 2015217282 A JP2015217282 A JP 2015217282A JP 2014117084 A JP2014117084 A JP 2014117084A JP 2014117084 A JP2014117084 A JP 2014117084A JP 2015217282 A JP2015217282 A JP 2015217282A
- Authority
- JP
- Japan
- Prior art keywords
- disease
- value
- drug
- central nervous
- parkinson
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
本発明は、パーキンソン病等の中枢神経疾患患者の重症度を評価する技術に関するものである。 The present invention relates to a technique for evaluating the severity of patients with central nervous disease such as Parkinson's disease.
近年、高齢化社会の進行に伴い、中枢神経疾患患者、特に運動障害を有する患者の数が増大している。例えば、運動障害を伴う代表的な疾患であるパーキンソン病は、手の震えや筋肉のこわばり等によって日常生活に大きな障害をもたらす難病で、日本国内のパーキンソン病患者は約１４万５０００人にも及ぶとされている。
従来から、運動障害の程度は、医師が患者の診察（目視評価）を行い、重症度を表すスケールに基づいて評価する方法が一般的である。例えば、パーキンソン病では、ＵＰＤＲＳ（Ｕｎｉｆｉｅｄ Ｐａｒｋｉｎｓｏｎ’ｓ Ｄｉｓｅａｓｅ Ｒａｔｉｎｇ Ｓｃａｌｅ）が、パーキンソン病の重症度の評価尺度（指標）として広く用いられている。ＵＰＤＲＳでは、歩行や指タップ運動（手の親指と人差し指を繰り返し開閉させる動作）など複数の動作の総和から運動機能を評価する。In recent years, with the progress of an aging society, the number of patients with central nervous disease, particularly those with movement disorders, has increased. For example, Parkinson's disease, which is a typical disease associated with movement disorders, is an intractable disease that causes a major obstacle in daily life due to hand tremors and stiffness of muscles, and there are about 145,000 Parkinson's disease patients in Japan. It is said that.
Conventionally, a method in which a doctor examines a patient (visual evaluation) and evaluates the degree of movement disorder on the basis of a scale representing the degree of severity. For example, in Parkinson's disease, UPDRS (Unified Parkinson's Disease Rating Scale) is widely used as an evaluation scale (index) of the severity of Parkinson's disease. In UPDRS, the motor function is evaluated from the sum of a plurality of motions such as walking and finger tapping motions (motions that repeatedly open and close the thumb and index finger of the hand).
しかし、ＵＰＤＲＳでは、医師の主観的な判断によって評価が行われ、医師間で個人差が生じるため、客観性に欠ける面がある。この問題を解決するため、指タップ運動を測定および解析して、運動障害の重症度の客観的指標を提示する技術が提案されている（特許文献１〜３、非特許文献１参照）。その客観的指標としては、指タップ運動の波形（距離波形、速度波形、加速度波形など）から抽出した特徴量が用いられており、パーキンソン病の重症度を評価する客観的指標としての有用性が検討されている（非特許文献２参照）。 However, in UPDRS, evaluation is performed based on a doctor's subjective judgment, and individual differences occur between doctors, and thus there is a lack of objectivity. In order to solve this problem, a technique for measuring and analyzing finger tap movement and presenting an objective index of the severity of movement disorder has been proposed (see Patent Documents 1 to 3 and Non-Patent Document 1). As an objective index, features extracted from finger tap movement waveforms (distance waveform, velocity waveform, acceleration waveform, etc.) are used, and its usefulness as an objective index for evaluating the severity of Parkinson's disease It has been studied (see Non-Patent Document 2).
しかしながら、運動障害は様々な症状を同時に併発することが多い。パーキンソン病においても、四大徴候（振戦、筋固縮、無動、姿勢保持障害）など複数の症状が併発することが知られている。それ故、上記指タップ運動から、速度、振幅、リズムなどの多くの特徴量を導き、パーキンソン病の重症度を評価する方法があるが、これまでの装置では大掛かりで高価であった。そのため、利便性の向上が検討され、最近では、指の運動に対して負荷が比較的少ない加速度センサーを用いることが行われている（非特許文献３）。
この加速度センサーを使用して、指タップ運動の定量化が検討されているが、加速度センサーの応答周波数の問題から非常に遅い動作については正確な加速度の検出が不可能であり、重症度が高く、高度の寡動を認めるパーキンソン病患者の測定には適さないことが分かってきた。
また、運動障害は高齢者に発症することが多いため、医師の主観的判断に頼ると、運動障害と老化による運動機能低下（関節等の動きの悪化など）を混同（誤認識）しやすいという問題点もある。
そこで、これらの問題を解決し、パーキンソン病における運動障害の重症度を簡単に、精度よく評価することが求められている。However, movement disorders often accompany various symptoms simultaneously. In Parkinson's disease, it is known that multiple symptoms such as the four major signs (tremor, muscular rigidity, ataxia, posture maintenance disorder) occur simultaneously. Therefore, there is a method for evaluating the severity of Parkinson's disease by deriving many feature quantities such as speed, amplitude, and rhythm from the finger tap movement, but the conventional apparatus is large and expensive. Therefore, improvement of convenience has been studied, and recently, an acceleration sensor that has a relatively small load with respect to finger movement has been used (Non-Patent Document 3).
Quantification of finger tapping motion is being studied using this accelerometer, but it is impossible to accurately detect acceleration for very slow movements due to the response frequency problem of the accelerometer. It has been found that it is not suitable for the measurement of patients with Parkinson's disease with a high degree of peristalsis.
In addition, because movement disorders often occur in the elderly, depending on the subjective judgment of the doctor, it is easy to confuse (misrecognition) movement disorders and motor function deterioration due to aging (deterioration of movement of joints, etc.) There are also problems.
Therefore, it is required to solve these problems and to easily and accurately evaluate the severity of movement disorder in Parkinson's disease.
本発明の課題は、指タップ運動を用いて、パーキンソン病患者等の中枢神経疾患の患者を初期に識別できる方法を提供することである。 An object of the present invention is to provide a method capable of initially identifying a patient with a central nervous disease such as a Parkinson's disease patient using finger tap movement.
本発明者らは、特許文献３に示されるように、パーキンソン病をはじめとする神経疾患の臨床評価に広く用いられる指タップ運動について種々の検討を行い、パーキンソン病の重症度との相関を検討してきた。これまでの指タップ運動を用いた評価方法については、先行研究（Ｂｒａｉｎ １３５：１１４１−１１５３，２０１２）に示されるように、振幅、速度、リズムといった運動成分を表すパラメータをタップごとに抽出し、その平均値を評価している。このように、先行研究の多くは、「振幅、速度、リズム」の各運動成分の平均値が指タップ運動を評価できると仮定している。即ち、この仮定は指タップ運動が互いに独立なタップ（離散運動）の集合体であることを前提としている。
しかし、本発明者らは、パーキンソン病患者（ＰＤ）と健常高齢者（ＨＣ）の区別を明確に行うため、指タップ運動の時系列解析を行い、指タップ運動が離散運動ではなく、リズミックな連続運動であることを見出した。即ち、本発明の時系列解析方法は、被験者にできるだけ速く指タップ運動を行なってもらい、指タップ運動の特徴量として、図１に記載の「振幅、速度、加速度」を抽出した。また、指タップ運動から得られる速度と加速度の位相面軌道を作成し、該当タップの連続性の有無によって異なるパターンの位相面軌道が示されることを明らかにした。今回、２７名の被験者（ＰＤ１５名、ＨＣ１２名）に対して、図３のように、磁気センサーを装着して指タップ運動を行い、「振幅、速度、加速度」を抽出して位相面軌道を作成すると、多くの人で図４に示される位相面軌道が得られた。
なお、２７名中５名（ＨＣ１名、ＰＤ４名）において離散運動の特徴を表すタップの割合が５０％以上であった。As shown in Patent Document 3, the present inventors conducted various studies on finger tap movement widely used in clinical evaluation of neurological diseases including Parkinson's disease, and examined the correlation with the severity of Parkinson's disease. I have done it. As for the evaluation method using the finger tap motion so far, as shown in the previous study (Brain 135: 1141-11153, 2012), parameters representing motion components such as amplitude, speed, and rhythm are extracted for each tap, The average value is evaluated. As described above, in many previous studies, it is assumed that the average value of each movement component of “amplitude, speed, and rhythm” can evaluate the finger tap movement. That is, this assumption is based on the premise that the finger tap motion is a collection of taps (discrete motion) independent of each other.
However, in order to clearly distinguish between Parkinson's disease patients (PD) and healthy elderly people (HC), the present inventors performed a time series analysis of finger tap movement, and the finger tap movement is not a discrete movement but a rhythmic movement. I found that it was a continuous movement. That is, in the time series analysis method of the present invention, the subject performed finger tap motion as quickly as possible, and “amplitude, velocity, acceleration” shown in FIG. 1 was extracted as the feature amount of the finger tap motion. In addition, the phase plane trajectory of velocity and acceleration obtained from the finger tap motion was created, and it was clarified that the phase plane trajectory with different patterns was shown depending on the presence or absence of the corresponding tap. This time, 27 test subjects (15 PDs, 12 HCs), as shown in FIG. 3, wear a magnetic sensor and perform finger tapping, extract “amplitude, velocity, acceleration” and extract phase plane trajectory. When prepared, the phase plane trajectory shown in FIG. 4 was obtained by many people.
In addition, the ratio of taps representing the characteristics of discrete motion was 50% or more in 5 out of 27 persons (HC1 person, PD4 person).
本発明者らは、更に検討を進め、図１の最大オープニング加速度を用いてＮとＮ＋１番目の相関関係を評価した。その結果、連続した指タップ運動の最大オープニング加速度は相関関係を示すことが明らかになった（図５参照）。そこで、ＨＣ１２名、ＰＤ１５名のそれぞれのスピアマンの順位相関係数ｒｈｏを比較した（図６参照）。この結果から、本発明者らは指タップ運動が一つのリズミックな連続運動であることを明らかにした。
一つのリズミックな連続運動である指タップ運動の時系列解析を行うため、図７に示すように加速度波形を自己相関解析した。その結果、図８に示すように、加速度波形の自己相関関数は周期性を示しており、ＰＤの自己相関関数はＨＣに比べて有意に速くゼロに減衰することを見出した。このように、指タップ運動を一つのリズミックな連続運動として捉え、加速度波形の自己相関解析を行うことによってＰＤを識別できることが示された。
そこで、自己相関関数における最初のゼロクロシングをＬａｇＺＣと定義し、減衰の速さを評価した。さらに、図９に示すように自己相関関数の積分値を計算し、自己相関関数の全体的な減衰傾向を評価するための新たな評価指標とした。即ち、タイムラグ１ミリ秒から２００ミリ秒、４００ミリ秒、６００ミリ秒、８００ミリ秒、１０００ミリ秒までの５点で自己相関関数の積分値を求め、それぞれをＡＣＦ２００、ＡＣＦ４００、ＡＣＦ６００、ＡＣＦ８００、ＡＣＦ１０００と表記した。図１０に示すように、いずれの積分値においてもＨＣ群に比べてＰＤ群が有意に早く減衰することが示された。また、上記５つの自己相関関数の積分値の中でＡＣＦ４００においてＨＣ群とＰＤ群との識別性が顕著に高かった。The inventors proceeded further and evaluated the N and N + 1th correlations using the maximum opening acceleration of FIG. As a result, it became clear that the maximum opening acceleration of the continuous finger tap movement showed a correlation (see FIG. 5). Therefore, the Spearman rank correlation coefficient rho of each of HC12 and PD15 was compared (see FIG. 6). From this result, the present inventors have clarified that the finger tap movement is one rhythmic continuous movement.
In order to perform a time series analysis of finger tap movement, which is one rhythmic continuous movement, an autocorrelation analysis was performed on the acceleration waveform as shown in FIG. As a result, as shown in FIG. 8, the autocorrelation function of the acceleration waveform showed periodicity, and the autocorrelation function of PD was found to decay to zero significantly faster than HC. Thus, it was shown that PD can be identified by capturing finger tap movement as one rhythmic continuous movement and performing autocorrelation analysis of acceleration waveform.
Therefore, the first zero crossing in the autocorrelation function was defined as LagZC, and the speed of attenuation was evaluated. Furthermore, as shown in FIG. 9, the integrated value of the autocorrelation function is calculated and used as a new evaluation index for evaluating the overall attenuation tendency of the autocorrelation function. That is, the integration value of the autocorrelation function is obtained at five points from a time lag of 1 millisecond to 200 milliseconds, 400 milliseconds, 600 milliseconds, 800 milliseconds, and 1000 milliseconds, and each of them is calculated as ACF200, ACF400, ACF600, ACF800, It was written as ACF1000. As shown in FIG. 10, it was shown that the PD group attenuated significantly faster than the HC group at any integral value. Further, among the integrated values of the five autocorrelation functions, the discrimination between the HC group and the PD group was significantly high in ACF400.
本発明の自己相関関数の積分値では、上記５つのＡＣＦ値において、ＨＣ群とＰＤ群の数値が、Ｗｉｌｃｏｘｏｎの順位和検定を行うと、いずれもＰ＜０．０００１であった。一方、図１１に示すように、ＬａｇＺＣを使用したＨＣ群とＰＤ群との識別性は、Ｗｉｌｃｏｘｏｎの順位和検定におけるＰ値が０．００２となっている。従って、本発明の自己相関関数の積分値が、これまでのＬａｇＺＣに代わり、より精度の高いパーキンソン病の識別マーカーとして利用できることが示された。また、ＬａｇＺＣは、自己相関関数における初期の減衰傾向のみを反映しており、図１１に示されるように、ＰＤ群内の個人差が観察された。一方、本発明の自己相関関数の積分値は、個人差を反映することが少ないので、ＰＤの識別に有用である。
更に、本発明の自己相関関数の積分値ＡＣＦ４００は、ＨＣ群とＰＤ群との識別性が高い。そこで、その有用性を確認するため、これまでＨＣ群とＰＤ群の識別指標として使用されてきた「最大振幅」、「最大オープニング速度」、「最大クロージング速度」、「タップインターバル」と「ＬａｇＺＣ」との比較を行った。その結果を表１に示すが、最大振幅、最大速度、タップインターバルといった従来の運動成分を表すパラメータの中で最大振幅のＡＵＣが最も高かったので、図１２ではＲＯＣ曲線として最大振幅のみを表している。図１２に示すように、ＡＣＦ４００が、これまでの指標と対比してより有効なものであり、ＡＣＦ４００を指標として使用することにより、ＰＤをより的確に識別できることになった。更に、ＰＤを含む中枢神経疾患患者の識別が可能であることを見出した。本発明者らはこれらの知見に基づき、本件発明を完成した。In the integrated value of the autocorrelation function of the present invention, in the above five ACF values, the numerical values of the HC group and the PD group were all P <0.0001 when the Wilcoxon rank sum test was performed. On the other hand, as shown in FIG. 11, the discrimination between the HC group and the PD group using LagZC is 0.002 in the Wilcoxon rank sum test. Therefore, it was shown that the integrated value of the autocorrelation function of the present invention can be used as a more accurate identification marker for Parkinson's disease instead of the conventional LagZC. In addition, LagZC reflects only the initial decay tendency in the autocorrelation function, and as shown in FIG. 11, individual differences within the PD group were observed. On the other hand, since the integral value of the autocorrelation function of the present invention hardly reflects individual differences, it is useful for identifying PD.
Furthermore, the autocorrelation function integrated value ACF400 of the present invention has high discrimination between the HC group and the PD group. Therefore, in order to confirm its usefulness, “maximum amplitude”, “maximum opening speed”, “maximum closing speed”, “tap interval”, and “LagZC”, which have been used as identification indicators of the HC group and the PD group so far. And compared. The results are shown in Table 1. Since the AUC of the maximum amplitude is the highest among the parameters representing the conventional motion components such as the maximum amplitude, the maximum speed, and the tap interval, FIG. 12 shows only the maximum amplitude as the ROC curve. Yes. As shown in FIG. 12, the ACF 400 is more effective than the conventional index, and the PD can be more accurately identified by using the ACF 400 as the index. Furthermore, the present inventors have found that it is possible to identify patients with central nervous disease including PD. The present inventors have completed the present invention based on these findings.
本発明の要旨は以下に示す通りである。
（１）中枢神経疾患患者の運動機能評価方法であって、
ａ）中枢神経疾患患者の指タップ運動の加速度情報を用いて、加速度波形の自己相関解析を行う、
ｂ）上記自己相関関数の減衰の速さの指標として、２００〜１０００ミリ秒のタイムラグの間で積分値（ＡＣＦ値）を求める、
ｃ）正常高齢者（ＨＣ）群の上記ＡＣＦ値の平均値を求め、この平均値の５％有意の値を求めて閾値とする、又は、正常高齢者（ＨＣ）群の上記ＡＣＦ値の標準偏差（σ）を求め、この標準偏差（σ）に対応する下限の数値（ＡＣＦ値）を求めて閾値とする、
ｄ）この閾値を下回る上記患者をパーキンソン病患者（ＰＤ）と評価する
ことを特徴とする運動機能評価方法。
（２）上記ラグタイムが４００ミリ秒のＡＣＦ値（ＡＣＦ４００）であり、上記閾値が１１であることを特徴とする、上記（１）に記載の運動機能評価方法。
（３）上記指タップ運動のセンサーが、磁気センサーであることを特徴とする、上記（１）又は（２）に記載の運動機能評価方法。
（４）中枢神経疾患患者がパーキンソン病患者であることを特徴とする、上記（１）〜（３）のいずれかに記載の運動機能評価方法。The gist of the present invention is as follows.
(1) A method for evaluating motor function in patients with central nervous disease,
a) Perform autocorrelation analysis of acceleration waveform using acceleration information of finger tap movement of patients with central nervous disease,
b) As an index of the speed of decay of the autocorrelation function, an integral value (ACF value) is obtained during a time lag of 200 to 1000 milliseconds.
c) Obtain an average value of the ACF value of the normal elderly person (HC) group and obtain a 5% significant value of the average value as a threshold value, or standard of the ACF value of the normal elderly person (HC) group A deviation (σ) is obtained, and a lower limit numerical value (ACF value) corresponding to the standard deviation (σ) is obtained as a threshold value.
d) A motor function evaluation method characterized in that the patient who falls below the threshold is evaluated as a Parkinson's disease patient (PD).
(2) The motor function evaluation method according to (1), wherein the lag time is an ACF value (ACF400) of 400 milliseconds, and the threshold value is 11.
(3) The motor function evaluation method according to (1) or (2) above, wherein the finger tap movement sensor is a magnetic sensor.
(4) The motor function evaluation method according to any one of the above (1) to (3), wherein the central nervous system disease patient is a Parkinson's disease patient.
（５）中枢神経疾患患者に対する薬物の効果判定方法であって、
ａ）服薬前後の中枢神経疾患患者の指タップ運動の加速度情報を取得し、加速度波形の自己相関解析を行う、
ｂ）上記自己相関関数の減衰の速さの指標として、４００ミリ秒のラグタイム間で積分値（ＡＣＦ４００）を求める、
ｃ）服薬前後のＡＣＦ４００の数値を比較し、服薬後の数値が有意に上昇している場合に、服薬した薬物が有効であると判断することを特徴とする、
薬物の効果判定方法。
（６）服薬後のＡＣＦ４００の数値が、服薬前の数値に対して３０％以上上昇した場合、服薬した薬物が有効であると判断する、上記（５）に記載の薬物の効果判定方法。
（７）上記指タップ運動のセンサーが磁気センサーであることを特徴とする、上記（５）又は（６）に記載の薬物の効果判定方法。
（８）中枢神経疾患患者がパーキンソン病患者であることを特徴とする、上記（５）〜（７）のいずれかに記載の薬物の効果判定方法。(5) A method for determining the effect of a drug on a patient with a central nervous disease,
a) Acquire acceleration information of finger tap movement of patients with central nervous disease before and after taking medication, and perform autocorrelation analysis of acceleration waveform.
b) As an index of the speed of decay of the autocorrelation function, an integral value (ACF400) is obtained during a lag time of 400 milliseconds.
c) comparing the values of ACF400 before and after taking the drug, and determining that the drug taken is effective if the value after taking is significantly increased,
A method for determining the effect of a drug.
(6) The method for determining the effect of a drug according to (5) above, wherein when the ACF400 value after taking the drug rises by 30% or more relative to the value before taking the drug, the taken drug is judged to be effective.
(7) The drug effect determination method according to (5) or (6) above, wherein the finger tap movement sensor is a magnetic sensor.
(8) The method for determining the effect of a drug according to any one of (5) to (7) above, wherein the patient with central nervous disease is a patient with Parkinson's disease.
本発明の運動機能評価方法では、指タップ運動の加速度情報に関して自己相関解析を行い、その減衰の速さを評価するための新たな指標（自己相関関数の積分値）を導入した。特に本発明では、自己相関関数の４００ミリ秒（ｍｓ）までの積分値（ＡＣＦ４００）をパーキンソン病の識別マーカーとして提案した。表１と図１３より、最大振幅、最大速度、タップインターバルといった従来の運動成分を表すパラメータや、最大オープニング速度（Ｐａｒｋｉｎｓｏｎｉｓｍ Ｒｅｌａｔ Ｄｉｓｏｒｄ １５：４４０−４４４，２００９）に比べてＡＣＦ４００の方がより優れた識別マーカーであることが確認できた。更に、本発明のＡＣＦ４００はＬａｇＺＣ（自己相関関数の初期段階における減衰傾向を表す指標）よりも、自己相関関数の全体的な減衰傾向を反映可能な評価指標であることが示された。
そこで、パーキンソン病の指タップ運動に現れる無動（線条体のドパミン枯渇に由来）と加速現象（線条体―淡蒼球路の機能低下に由来）の両方を定量化する指標として本発明のＡＣＦ４００が使用できる。ＡＣＦ４００を指標として使用することによって中枢神経疾患の初期症状の状態が把握しやすくなり、そのため適切な投薬治療が実施でき、その重症化を予防できると考えられる。In the motor function evaluation method of the present invention, autocorrelation analysis is performed on the acceleration information of the finger tap motion, and a new index (integral value of the autocorrelation function) for evaluating the speed of attenuation is introduced. In particular, in the present invention, an integrated value (ACF400) of up to 400 milliseconds (ms) of the autocorrelation function has been proposed as an identification marker for Parkinson's disease. From Table 1 and FIG. 13, ACF400 is superior to parameters representing conventional motion components such as maximum amplitude, maximum speed, and tap interval, and maximum opening speed (Parkinsonism Relat Disorder 15: 440-444, 2009). It was confirmed that it was an identification marker. Furthermore, it was shown that the ACF400 of the present invention is an evaluation index that can reflect the overall attenuation tendency of the autocorrelation function, rather than LagZC (an index that represents the attenuation tendency in the initial stage of the autocorrelation function).
Therefore, the present invention is used as an index for quantifying both the immobility (derived from dopamine depletion of the striatum) and the acceleration phenomenon (derived from functional deterioration of the striatum-palm ball) in the finger tap movement of Parkinson's disease. ACF400 can be used. The use of ACF400 as an index makes it easier to grasp the state of the initial symptoms of the central nervous disease, so that it is possible to carry out appropriate medication and prevent its seriousness.
−本発明の第一の態様−
本発明の第一の態様は、運動機能評価方法に関するものである。特に、中枢神経疾患（特に、パーキンソン病）の識別が精度よく出来る評価方法に関するものである。
本発明の「中枢神経疾患」とは、運動障害を発症する中枢神経疾患全般（パーキンソン病、脳卒中、頚髄症、認知症、精神疾患など）のことを言う。特に好ましい中枢神経疾患としては、パーキンソン病を挙げることができる。
本発明の「運動機能」とは、中枢神経由来の運動障害として表れる運動機能のことであり、例えば歩行、手や指の運動、嚥下時の喉の運動、発音時の口の運動などのことを言う。好ましいものとしては、評価が簡便にできる指タッピング運動（指タップ運動）を評価の対象として挙げることができる。
本発明の「指タップ運動」とは、親指と人差し指をできる限り速くタッピングを行うことを言う。
本発明の「加速度情報」とは、指先に装着した磁気センサー等のモニターによって、指タップ運動における指先の運動速度を求める。その速度を微分することによって得られる、指先の運動の加速度波形のことである（図１を参照）。
本発明の「自己相関関数」とは、ある時系列データと、それ自身を一定時間ずらしたものとの相関関係を表すものを言う（Ｐａｖｌｏｖ Ｊ ＢｉｏｌＳｃｉ １６：２０４−２１１，１９８１年）。本発明では、下記の式（１）に基づいて加速度波形の時系列データｘｉ（ｉ＝１，２，・・・，ｎ）の自己相関関数を推定した。即ち、ぴったり一致していれば１であり、全く重なっていなければセロである。-First embodiment of the present invention-
The first aspect of the present invention relates to a motor function evaluation method. In particular, the present invention relates to an evaluation method capable of accurately identifying a central nervous disease (particularly Parkinson's disease).
The “central nervous disease” of the present invention refers to all central nervous diseases that cause movement disorders (Parkinson's disease, stroke, cervical myelopathy, dementia, mental illness, etc.). Parkinson's disease can be mentioned as a particularly preferred central nervous disease.
The “motor function” of the present invention refers to a motor function that appears as a motor disorder derived from the central nervous system, such as walking, hand and finger movement, throat movement during swallowing, mouth movement during pronunciation, etc. Say. As a preferable example, a finger tapping motion (finger tapping motion) that can be easily evaluated can be cited as an evaluation target.
The “finger tap movement” of the present invention refers to tapping the thumb and index finger as fast as possible.
The “acceleration information” of the present invention obtains the motion speed of the fingertip in the finger tap motion by a monitor such as a magnetic sensor attached to the fingertip. This is an acceleration waveform of fingertip movement obtained by differentiating the velocity (see FIG. 1).
The “autocorrelation function” of the present invention refers to a function that expresses a correlation between certain time-series data and data that is shifted by a certain time (Pavlov J BiolSci 16: 204-211, 1981). In the present invention, the autocorrelation function of acceleration waveform time series data xi (i = 1, 2,..., N) is estimated based on the following equation (1). That is, it is 1 if they are exactly the same, and it is sero if they do not overlap at all.
ここで、ｒは自己相関係数、ｋはラグ、そしてｎはデータ長を表す。算出された自己相関関数はゼロラグで１．０になるように正規化した。そこで、横軸にラグ、縦軸に自己相関係数をプロットしたものを、図７に示す。
本発明の「自己相関関数の減衰の速さの指標」とは、自己相関関数の減衰の速さを表す特徴量のことであり、図９に示されるように、タイムラグ０秒から一定の時間α（例えば６００ミリ秒）の間の自己相関関数の積分値を計算し、その数値をＡＣＴα（αが６００ミリ秒の場合、ＡＣＴ６００と記載する）として表記する。これまでに知られている「自己相関関数の減衰の速さの指標」としては、ＬａｇＺＣがある。ＬａｇＺＣは、自己相関関数の点（ｋ，ｒｋ）と点（ｋ＋１，ｒｋ＋１）を通る直線のｘ切片、即ち上記直線と横軸との交点であると仮定し、下記の式（２）に基づいて計算した。なお、ｒｋはタイムラグｋにおける自己相関係数ｒを表す。Here, r is an autocorrelation coefficient, k is a lag, and n is a data length. The calculated autocorrelation function was normalized to 1.0 at zero lag. FIG. 7 shows a plot of the lag on the horizontal axis and the autocorrelation coefficient on the vertical axis.
The “index of the speed of decay of the autocorrelation function” in the present invention is a feature amount that represents the speed of decay of the autocorrelation function, and as shown in FIG. The integral value of the autocorrelation function during α (for example, 600 milliseconds) is calculated, and the numerical value is expressed as ACTα (when α is 600 milliseconds, it is described as ACT600). As a known “index of the speed of decay of the autocorrelation function”, there is LagZC. LagZC is assumed to be the x-intercept of the straight line passing through the point (k, r k ) and the point (k + 1, r k + 1 ) of the autocorrelation function, that is, the intersection of the straight line and the horizontal axis. Calculated based on Incidentally, r k denotes the autocorrelation coefficient r in time lag k.
上記式（２）から示されるように、ＬａｇＺＣの意味は、自己相関関数が最初にゼロになる時刻（タイムラグ）のことを表わしている。従って、ＬａｇＺＣの数値が小さいほど、自己相関関数の減衰の速さが早いことになる。しかし、図１１に示されるように、ＬａｇＺＣの数値を指標として、ＨＣとＰＤの識別を行うと、この指標では自己相関関数の初期の減衰傾向のみを反映することになり、群内の個人差が大きく観察されることになった。即ち、ＨＣ群ではタップインターバルが減縮する傾向にあるが、ＰＤ群では、タップインターバルが拡大する傾向にあることが分かる。数値の小さいグループでは、ＵＰＤＲＳ−ＩＩＩの総点が高い患者が集まっており、指タップ運動としては、最大振幅、最大オープニング速度、最大クロージング速度がいずれも小さく、タップインターバルが短くなっている。現象的には、連続タップの割合が高くなっている。しかし、数値の高いグループでは、その反対の現象が見出されている。即ち、数値の高いグループでは、連続タップと離散タップの中間型の割合が高くなっている。
本発明の指標であるＡＣＦαでは、図１０に示されるように、タップインターバルの影響を受けないことが分かる。それ故、ＰＤ群内の個人差が反映され難い本発明のＡＣＦαの方が、ＨＣ群とＰＤ群の識別を行うためのより適切な指標であると言える。なお、好ましい指標としては、４００ミリ秒までのタイムラグで積分したＡＣＦ４００の数値が、図１０と図１２からも、適切なものであると考えられる。As shown from the above equation (2), the meaning of LagZC represents the time (time lag) at which the autocorrelation function first becomes zero. Accordingly, the smaller the value of LagZC, the faster the autocorrelation function decays. However, as shown in FIG. 11, when HC and PD are discriminated using the value of LagZC as an index, this index reflects only the initial decay tendency of the autocorrelation function. Was greatly observed. That is, it can be seen that the tap interval tends to decrease in the HC group, but the tap interval tends to increase in the PD group. In a group with a small numerical value, patients with a high total UPDRS-III score are gathered. As finger tap movements, the maximum amplitude, the maximum opening speed, and the maximum closing speed are all small, and the tap interval is short. Phenomenologically, the rate of continuous taps is high. However, the opposite phenomenon has been found in high-value groups. That is, in the group having a high numerical value, the ratio of the intermediate type between the continuous tap and the discrete tap is high.
As shown in FIG. 10, it can be seen that ACFα which is an index of the present invention is not affected by the tap interval. Therefore, it can be said that the ACFα of the present invention, which is less likely to reflect individual differences within the PD group, is a more appropriate index for discriminating between the HC group and the PD group. As a preferable index, the numerical value of ACF400 integrated with a time lag of up to 400 milliseconds is considered to be appropriate from FIGS.
本発明の「閾値」とは、中枢神経疾患に基づく運動障害と老化による運動機能低下（関節等の動きの悪化など）を識別するために設定された数値のことをいう。
例えば、正常高齢者（ＨＣ）群における指タップ運動のＡＣＦ４００の平均値を求め、この平均値の５％有意の値を求めて閾値とする、あるいは正常高齢者（ＨＣ）群における指タップ運動のＡＣＦ４００の平均値を求め、その標準偏差（σ）を算出する。その標準偏差の下限の数値を下回る場合の指タップ運動の被験者は、老化による運動機能低下だけではなく、中枢神経疾患に基づく運動障害が内在していることになる。図１１に示されるように、ＨＣ群とＰＤ群の箱ヒゲ図の範囲（四角形の枠の中）は、ＡＣＦ４００においては、明瞭に分離している。従って、ＨＣ群の標準偏差値を下回るＡＣＦ４００を示す被験者は、パーキンソン病の可能性が高いと識別できることになる。The “threshold value” of the present invention refers to a numerical value set to discriminate between movement disorders based on central nervous disease and motor function deterioration due to aging (deterioration of movement of joints and the like).
For example, the average value of ACF400 of finger tap movement in the normal elderly person (HC) group is obtained, and a 5% significant value of this average value is obtained as a threshold value, or the finger tap movement in the normal elderly person (HC) group The average value of ACF400 is obtained and its standard deviation (σ) is calculated. The subject of finger tap movement when the numerical value is lower than the lower limit of the standard deviation is not only a decrease in motor function due to aging but also a movement disorder based on a central nervous system disease. As shown in FIG. 11, the range of the box-whisker diagram of the HC group and the PD group (in the square frame) is clearly separated in the ACF 400. Therefore, a subject showing ACF400 below the standard deviation value of the HC group can be identified as having a high possibility of Parkinson's disease.
−本発明の第二の態様−
本発明の第二の態様は、薬物の効果判定方法に関するものである。特に、中枢神経疾患（特に、パーキンソン病）に対する薬物の有効性を評価できる方法に関するものである。
本発明の「薬物」とは、中枢神経疾患の治療剤として使用できるものであれば特に限定はないが、好ましいものとしては、例えば、パーキンソン病の治療剤を挙げることができる。パーキンソン病患者の症状に応じて、薬物の種類や量の投与が変化するが、本発明の方法により、より適切な処方が可能となり、患者のＱＯＬの向上が可能となった。
その他の用語で、本発明の第一の態様と共通するものは、第一の態様で記載されたものと同じ内容を表わしている。-Second aspect of the present invention-
The second aspect of the present invention relates to a method for determining the effect of a drug. In particular, the present invention relates to a method capable of evaluating the effectiveness of a drug against a central nervous disease (particularly Parkinson's disease).
The “drug” of the present invention is not particularly limited as long as it can be used as a therapeutic agent for central nervous disease, and preferred examples include a therapeutic agent for Parkinson's disease. Depending on the symptoms of Parkinson's disease patients, the type and amount of drug varies, but the method of the present invention enables more appropriate prescriptions and improves the patient's QOL.
Other terms common to the first aspect of the present invention represent the same contents as those described in the first aspect.
以下、実施例および試験例に基づいて本発明をより具体的に説明するが、本発明はこれによってなんら限定されるものではない。 Hereinafter, the present invention will be described more specifically based on examples and test examples, but the present invention is not limited thereto.
指タップ運動に関する加速度波形の自己相関解析
（１）被験者
図５に示すように、被験者はＱｕｅｅｎ Ｓｑｕａｒｅ ｂｒａｉｎ ｂａｎｋ ｃｌｉｎｉｃａｌ ｄｉａｇｎｏｓｉｓ ｃｒｉｔｅｒｉａ（Ｌａｎｃｅｔ ３７３：２０５５−２０６６，２００９年）に基づいて診断されたパーキンソン病（ＰＤ）患者１５名（男性７名、女性８名、平均年齢±標準偏差＝６０．５±６．０歳）と健常高齢者（ＨＣ）１２名（男性７名、女性５名、平均年齢±標準偏差＝５７．４±５．４歳）とした。ＰＤ患者に関してはＵＰＤＲＳ Ｐａｒｔ ３に基づいて運動症候の重症度を評価し、ＯＮ時の指タップ運動を計測した。なお、離散運動の特徴を示すタップの割合が５０％以上の症例（ＨＣ１名とＰＤ４名）を除外した。
（２）測定装置
図３と４に指タップ運動の計測装置を示す。本研究では図１の磁気センサー（Ｈｉｔａｃｈｉ，Ｌｔｄ．，Ｔｏｋｙｏ，Ｊａｐａｎ）と図４に示されるノートパソコン（ＦＬＯＲＡ ２５０Ｗ ＭＬ１，Ｈｉｔａｃｈｉ，Ｌｔｄ．，Ｔｏｋｙｏ，Ｊａｐａｎ）を用いた。なるべく自然な指タップ運動を計測するため、小型（２２×１４×１０ｍｍ）で軽量（１．５ｇ）な磁気センサーを使用した。図３のように、磁気センサーのコイルは母指と示指の指先に両面テープで固定した。磁気センサーにて指タップ運動の振幅に対応した電圧を計測し、サンプリング周波数１００Ｈｚで付属ソフトウェアに記録した。付属ソフトウェアは記録された電圧を図１に示す振幅、速度、加速度の波形情報に変換し、各タップにおいて振幅が最小になる時刻Ｔｉを算出する。Autocorrelation Analysis of Acceleration Waveform for Finger Tap Movement (1) Subject As shown in FIG. 5, the subject was diagnosed based on Parkinson's disease (Lancet 373: 2055-2066, 2009) based on Queen Square brain clinical criteria. PD) 15 patients (7 men, 8 women, mean age ± standard deviation = 60.5 ± 6.0 years) and 12 healthy elderly (HC) (7 men, 5 women, mean age ±) Standard deviation = 57.4 ± 5.4 years old). For PD patients, the severity of motor symptoms was evaluated based on UPDRS Part 3, and the finger tap movement at the time of ON was measured. Cases (HC1 and PD4) in which the proportion of taps showing the characteristics of discrete motion was 50% or more were excluded.
(2) Measuring device FIGS. 3 and 4 show a measuring device for finger tap movement. In this research, the magnetic sensor (Hitachi, Ltd., Tokyo, Japan) of FIG. 1 and the notebook computer (FLORA 250W ML1, Hitachi, Ltd., Tokyo, Japan) shown in FIG. 4 were used. In order to measure the finger tap movement as natural as possible, a small (22 × 14 × 10 mm) and lightweight (1.5 g) magnetic sensor was used. As shown in FIG. 3, the coil of the magnetic sensor was fixed to the fingertip of the thumb and index finger with double-sided tape. A voltage corresponding to the amplitude of the finger tap motion was measured with a magnetic sensor and recorded in the attached software at a sampling frequency of 100 Hz. The attached software converts the recorded voltage into amplitude, velocity, and acceleration waveform information shown in FIG. 1, and calculates a time Ti at which the amplitude is minimized at each tap.
（３）測定方法
ａ）実験手順：
被験者は安静座位を取り、テーブルに前腕を置いた状態で、コイルを装着した母指と示指を除く指を手のひらに向けて軽く曲げて指タップ運動を行った。本試行では、閉眼状態で左右１回ずつ母指と示指を出来るだけ速く１５秒間タッピングするように指示した。なお、被験者は予め指タップ運動の練習を行った。また、各試行間には十分な休憩（６０秒以上）を与えた。
ｂ）データ解析：
ＭＡＴＬＡＢ（Ｔｈｅ ＭａｔｈＷｏｒｋｓ，Ｉｎｃ．，Ｍａｓｓａｃｈｕｓｅｔｔｓ，ＵＳＡ）を用いて合計２７名の被験者から採取した右手と左手のタッピングデータを分析した。疲労の影響を排除するため、１５秒間のデータから最後の３秒間のデータは解析対象から除外した。
本発明では付属ソフトウェアから得られた波形情報に基づき、時刻Ｔｉの前後で速度が負から正になる時刻Ｔｔａｐｉを求めて区間［Ｔｔａｐｉ，Ｔｔａｐｉ＋１］を１回のタップと定義した。次に、区間［Ｔｔａｐｉ，Ｔｔａｐｉ＋１］において振幅が最大になる時刻をＴｍａｘｉと定義し、区間［Ｔｔａｐｉ，Ｔｍａｘｉ］における最大加速度をｉ番目のタップにおける最大オープニング加速度ＭａｘＯｐｎＡｃｃｉと定義・算出した。これらのパラメータに基づき、ｉ番目のタップにおける最大オープニング加速度ＭａｘＯｐｎＡｃｃｉとｉ＋１番目のタップにおける最大オープニング加速度ＭａｘＯｐｎＡｃｃｉ＋１との相関関係を調べた。
なお、加速度波形の自己相関解析としては、時間的要素を考慮して指タップ運動の特徴を評価するため、加速度波形について自己相関解析を行った。本発明では、下記の式（１）に基づいて加速度波形の時系列データｘｉ（ｉ＝１，２，・・・，ｎ）の自己相関関数を推定した。(3) Measuring method a) Experimental procedure:
The subject took a resting position, and with the forearm placed on the table, the finger excluding the thumb and index finger wearing the coil was lightly bent toward the palm and performed finger tap movement. In this trial, it was instructed to tap the thumb and index finger as fast as possible for 15 seconds each time with the eyes closed. The subject practiced finger tap exercise in advance. In addition, a sufficient break (60 seconds or more) was given between each trial.
b) Data analysis:
The right and left hand tapping data collected from a total of 27 subjects were analyzed using MATLAB (The MathWorks, Inc., Massachusetts, USA). In order to eliminate the influence of fatigue, the data for the last 3 seconds were excluded from the analysis target from the data for 15 seconds.
In the present invention, based on the waveform information obtained from the attached software, a time Ttapi where the speed changes from negative to positive before and after the time Ti is obtained, and the section [Ttapi, Ttapi + 1] is defined as one tap. Next, the time when the amplitude becomes maximum in the section [Ttapi, Ttapi + 1] is defined as Tmaxi, and the maximum acceleration in the section [Ttapi, Tmaxi] is defined and calculated as the maximum opening acceleration MaxOpenAcci at the i-th tap. Based on these parameters, the correlation between the maximum opening acceleration MaxOpenAcci at the i-th tap and the maximum opening acceleration MaxOpnAcci + 1 at the i + 1-th tap was examined.
As the autocorrelation analysis of the acceleration waveform, the autocorrelation analysis was performed on the acceleration waveform in order to evaluate the characteristics of the finger tap movement in consideration of the time factor. In the present invention, the autocorrelation function of acceleration waveform time series data xi (i = 1, 2,..., N) is estimated based on the following equation (1).
ここで、ｒは自己相関係数、ｋはラグ、そしてｎはデータ長を表す。算出された自己相関関数はゼロラグで１．０になるように正規化した。次に、横軸にラグ、縦軸に自己相関係数をプロットし、自己相関関数を表わした。
統計解析にはＪＭＰ Ｐｒｏ １０．０．２（ＳＡＳ ＩｎｓｔｉｔｕｔｅＩｎｃ．，Ｎｏｒｔｈ Ｃａｒｏｌｉｎａ，ＵＳＡ）を用いた。年齢に関するグループ間の差異はＷｅｌｃｈのｔ−ｔｅｓｔを用いて調べた。性別と利き手に関するグループ間の差異はＦｉｓｈｅｒの正確確率検定を用いて検証した。ｉ番目とｉ＋１番目のタップにおける最大オープニング加速度の相関関係はＳｐｅａｒｍａｎの相関係数を用いて調べ、その相関係数に関するグループ間の差異はＷｅｌｃｈのｔ−ｔｅｓｔを用いて検証した。ＬａｇＺＣのグループ間の差異はＷｉｌｃｏｘｏｎの順位和検定を用いて調べた。有意水準は５％に設定した。Here, r is an autocorrelation coefficient, k is a lag, and n is a data length. The calculated autocorrelation function was normalized to 1.0 at zero lag. Next, the lag is plotted on the horizontal axis and the autocorrelation coefficient is plotted on the vertical axis to represent the autocorrelation function.
JMP Pro 10.0.2 (SAS Institute Inc., North Carolina, USA) was used for statistical analysis. Differences between groups with respect to age were examined using Welch's t-test. Differences between groups regarding gender and dominant hand were verified using Fisher's exact test. The correlation between the maximum opening acceleration at the i-th and i + 1-th taps was examined using the Spearman correlation coefficient, and the difference between the groups related to the correlation coefficient was verified using the Welch t-test. Differences between groups in the LagZC were examined using the Wilcoxon rank sum test. The significance level was set at 5%.
（４）結果
ａ）被験者の評価結果：
ＨＣ群とＰＤ群において年齢（ｔ＝１．４０，ｐ＝０．１７）、性別（ｐ＝０．７０）、利き手（ｐ＝１．００）の有意差は認められなかった。ＰＤ患者の罹病期間（平均年数±標準偏差＝８．０±４．７年）は２年から１９年、ＵＰＤＲＳ Ｐａｒｔ ３の総点（平均点数±標準偏差＝２４．４±１２．１点）は１０点から５１点の範囲に分布していた。
ｂ）加速度波形の自己相関解析
図９に加速度波形の自己相関関数の代表例を示す。図９に示されるように、加速度波形の自己相関関数は周期性を示し、ＰＤ患者の場合にはＨＣと比較して早期に減衰することが示されている。
また、図６と７に示される指タップ運動の最大オープニング加速度の相関関係の結果から、指タップ運動は一つのリズミックな連続運動であることが示された。更に、図２の位相面軌道の主なパターンの解析により、指タップ運動が単なる離散運動の集合体でないことが示された。(4) Results a) Evaluation results of subjects:
There were no significant differences in age (t = 1.40, p = 0.17), gender (p = 0.70), and dominant hand (p = 1.00) between the HC group and PD group. The disease duration of PD patients (average years ± standard deviation = 8.0 ± 4.7 years) is 2 to 19 years, the total score of UPDRS Part 3 (average score ± standard deviation = 24.4 ± 12.1 points) Were distributed in the range of 10 to 51 points.
b) Autocorrelation analysis of acceleration waveform FIG. 9 shows a representative example of the autocorrelation function of the acceleration waveform. As shown in FIG. 9, the autocorrelation function of the acceleration waveform shows periodicity, and is shown to decay earlier in the case of PD patients compared with HC.
Moreover, from the result of the correlation of the maximum opening acceleration of the finger tap movement shown in FIGS. 6 and 7, it was shown that the finger tap movement is one rhythmic continuous movement. Furthermore, analysis of the main pattern of the phase plane trajectory in FIG. 2 shows that the finger tap motion is not just a collection of discrete motions.
自己相関関数の減衰の速さの指標について
実施例１に示すように、リズミックな連続運動の特徴を正確に理解するためには、離散運動の解析とは異なるアプローチとして、自己相関解析が有用である。これまでに、自己相関解析は、時系列データの時間領域における変化を分析するための重要な手法であることが知られている（ＭｅｃｈａｎｉｃａｌＳｙｓｔｅｍｓ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ ２３：１５５４−１５７２，２００９）。例えば、機械の欠陥検出、歩行の規則性や対称性、心拍、振戦、眼球運動の解析などに用いられ、時系列データの周期性または規則性を検出できる可能性が示唆されている（Ｊ Ｂｉｏｍｅｃｈ ３７：１２１−１２６，２００４）。
指タップ運動における加速度波形の自己相関関数は、図８と９に示すようにＨＣ群とＰＤ群のほとんどの被験者において周期性を示した。一方、ＰＤ群ではＨＣ群に比べて自己相関関数が有意に速くゼロに達する傾向が確認できた。その理由としては、ＰＤ患者において指タップ運動の規則性が破綻していると考えられる。すなわち、規則性を持たずに変動の多い時系列データの場合、波形を少しずらしただけでも元々の波形との相関関係が崩壊してしまうため、その自己相関関数は早期に減衰する。ＰＤ患者はＨＣに比べて加速度波形のパターンがタップごとに大きく変動し、その結果、自己相関関数が早期に減衰したと考えられる。従って、自己相関関数の早期の減衰を的確に表わす指標があれば、ＰＤと正常との識別マーカーになると考えられる。About the index of the speed of decay of the autocorrelation function As shown in Example 1, autocorrelation analysis is useful as an approach different from the analysis of discrete motion in order to accurately understand the characteristics of rhythmic continuous motion. is there. So far, autocorrelation analysis is known to be an important technique for analyzing changes in the time domain of time-series data (Mechanical Systems and Signal Processing 23: 1554-1572, 2009). For example, it is used for machine defect detection, walking regularity and symmetry, heartbeat, tremor, eye movement analysis, etc., suggesting the possibility of detecting the periodicity or regularity of time series data (J Biomech 37: 121-126, 2004).
The autocorrelation function of the acceleration waveform in the finger tap movement showed periodicity in most subjects in the HC group and the PD group as shown in FIGS. On the other hand, in the PD group, the autocorrelation function tended to reach zero significantly faster than in the HC group. The reason for this is considered that the regularity of finger tap movement is broken in PD patients. That is, in the case of time-series data that does not have regularity and has a lot of fluctuation, even if the waveform is slightly shifted, the correlation with the original waveform collapses, and the autocorrelation function attenuates early. In PD patients, the pattern of the acceleration waveform greatly varies from tap to tap as compared to HC, and as a result, the autocorrelation function is considered to have decayed early. Therefore, if there is an index that accurately represents early decay of the autocorrelation function, it can be considered as a marker for distinguishing PD from normality.
これまでに知られている「自己相関関数の減衰の速さの指標」としては、ＬａｇＺＣがある。ＬａｇＺＣの意味は、自己相関関数が最初にゼロになる時刻（タイムラグ）のことを表わしている。従って、ＬａｇＺＣの数値が小さいほど、自己相関関数の減衰の速さが早いことになる。ＬａｇＺＣの数値を指標として、ＨＣとＰＤの識別を行った結果を図１２に示す。即ち、ＰＤ群ではＨＣ群に比べて自己相関関数が最初にゼロになるラグが有意に速く出現する（Ｚ＝２．２５，ｐ＝０．０２）ことが確認できた。
しかし、この指標では自己相関関数の初期の減衰傾向のみを反映することになり、群内の個人差が大きく観察されることになった。即ち、ＨＣ群ではタップインターバルが減縮する傾向にあるが、ＰＤ群では、タップインターバルが拡大する傾向にあることが分かる。数値の小さいグループでは、ＵＰＤＲＳ−３の総点が高い患者が集まっており、指タップ運動としては、最大振幅、最大オープニング速度、最大クロージング速度がいずれも小さく、タップインターバルが短くなっている。現象的には、連続タップの割合が高くなっている。しかし、数値の高いグループでは、その反対の現象が見出されている。即ち、数値の高いグループでは、連続タップと離散タップの中間型の割合が高くなっている。As a known “index of the speed of decay of the autocorrelation function”, there is LagZC. The meaning of LagZC represents the time (time lag) when the autocorrelation function first becomes zero. Accordingly, the smaller the value of LagZC, the faster the autocorrelation function decays. FIG. 12 shows the result of discrimination between HC and PD using the LagZC value as an index. That is, it was confirmed that the lag in which the autocorrelation function is zero first appears significantly faster in the PD group (Z = 2.25, p = 0.02) than in the HC group.
However, this index reflects only the initial decay tendency of the autocorrelation function, and individual differences within the group are greatly observed. That is, it can be seen that the tap interval tends to decrease in the HC group, but the tap interval tends to increase in the PD group. In a group with a small numerical value, patients with a high total UPDRS-3 score are gathered, and as for finger tap movement, the maximum amplitude, the maximum opening speed, and the maximum closing speed are all small, and the tap interval is short. Phenomenologically, the rate of continuous taps is high. However, the opposite phenomenon has been found in high-value groups. That is, in the group having a high numerical value, the ratio of the intermediate type between the continuous tap and the discrete tap is high.
そこで、自己相関関数の減衰の速さを評価するため、本発明では、図１０に示されるように自己相関関数の一定のタイムラグの間の積分値を計算し、それを自己相関関数の減衰の速さの新たな指標とした。即ち、タイムラグとして、ゼロ秒から２００ミリ秒、４００ミリ秒、６００ミリ秒、８００ミリ秒、１０００ミリ秒までの５点で自己相関関数の積分値を求め、それぞれをＡＣＦ２００、ＡＣＦ４００、ＡＣＦ６００、ＡＣＦ８００、ＡＣＦ１０００と表記した。
その結果を図１１に示す。上記５点における自己相関関数の減衰の速さは、いずれの点においても、ＨＣ群に比べてＰＤ群が有意に早く減衰することが示されている。また、上記５つの自己相関関数の積分値の中で、ＨＣ群とＰＤ群との識別性が顕著になるのは、ＡＣＦ４００であることが分かった。
そこで、上記本発明の指標が、既知のＰＤ患者の評価指標である最大振幅や最大オープニング加速度（Ｐａｒｋｉｎｓｏｎｉｓｍ Ｒｅｌａｔ Ｄｉｓｏｒｄ １５：４４０−４４４，２００９）より優れた指標であることを確認するため、ＲＯＣ（Ｒｅｃｉｅｖｅｒ Ｏｐｅｒａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ）分析を行った。
その結果を、以下の表１に対比して示す。Therefore, in order to evaluate the speed of attenuation of the autocorrelation function, in the present invention, as shown in FIG. 10, an integral value during a certain time lag of the autocorrelation function is calculated, and this is calculated as the attenuation of the autocorrelation function. A new indicator of speed. That is, as the time lag, the integrated value of the autocorrelation function is obtained at five points from zero seconds to 200 milliseconds, 400 milliseconds, 600 milliseconds, 800 milliseconds, and 1000 milliseconds, and these values are respectively calculated as ACF200, ACF400, ACF600, ACF800. And ACF1000.
The result is shown in FIG. As for the decay speed of the autocorrelation function at the five points, the PD group decays significantly faster than the HC group at any point. Further, it was found that among the integrated values of the five autocorrelation functions, it is ACF400 that makes the distinction between the HC group and the PD group remarkable.
Therefore, in order to confirm that the index of the present invention is an index superior to the maximum amplitude and maximum opening acceleration (Parkinsonism Relat Disod 15: 440-444, 2009), which are known PD patient evaluation indexes, (Receiver Operating Characteristic) analysis was performed.
The results are shown in comparison with Table 1 below.
上記表１において、ＡＵＣ値の高いものとしてＡＣＦ４００を選択し、既存の評価基準のものとして最大振幅とＬａｇＺＣを選択して、感度／特異性（ｓｅｎｓｉｔｉｖｉｔｙ／１−ｓｐｅｃｉｆｉｃｉｔｙ）の図を作成した。その結果を図１３に示す。
図１３からは、これまでに知られているＰＤ患者の識別指標である最大振幅やＬａｇＺＣよりも、本発明のＡＣＦ４００の指標を用いると、より感度良くＰＤ患者を識別できることが明らかとなった。従って、この指標を用いれば、ＰＤ患者の早期発見と服薬の治療効果を速やかに確認でき、患者のＱＯＬの向上と共に、重症化予防に寄与できるものと考えられる。In Table 1 above, ACF400 was selected as the one with a high AUC value, the maximum amplitude and LagZC were selected as the existing evaluation criteria, and a sensitivity / specificity (sensitivity / 1-specificity) diagram was created. The result is shown in FIG.
From FIG. 13, it became clear that PD patients can be identified with higher sensitivity by using the ACF400 index of the present invention than the maximum amplitude and LagZC, which are known identification indices for PD patients. Therefore, if this index is used, it is considered that early detection of PD patients and the therapeutic effect of medication can be confirmed promptly, which can contribute to the prevention of aggravation as well as improvement of patient QOL.
本発明の中枢神経疾患患者の運動機能評価方法により、健常高齢者とＰＤ患者を的確に識別できるので、ＰＤ患者の早期発見と早期治療が可能になり、症状の進行を抑制して、患者のＱＯＬを高めることができる。更には、パーキンソン病の症状が進行した患者に対して、治療剤の効果を速やかに評価できるので、ＰＤ患者の実情に合った治療薬の選択が可能となった。この結果、高齢者が増加する今後の医療現場の中で、本発明の運動機能評価方法を用いて中枢神経疾患患者を早期に発見でき、早期治療を的確に行い重症化の予防が出来るようになった。 According to the motor function evaluation method for patients with central nervous disease of the present invention, healthy elderly people and PD patients can be accurately identified, so that early detection and early treatment of PD patients are possible, and the progression of symptoms is suppressed. QOL can be increased. Furthermore, since the effect of the therapeutic agent can be promptly evaluated for patients with advanced Parkinson's disease symptoms, it becomes possible to select a therapeutic agent that suits the actual situation of the PD patient. As a result, it is possible to detect patients with central nervous disease at an early stage using the motor function evaluation method of the present invention in the future medical field where the number of elderly people will increase, and to prevent early progression through accurate treatment. became.
Claims (8)
ａ）中枢神経疾患患者の指タップ運動の加速度情報を用いて、加速度波形の自己相関解析を行う、
ｂ）上記自己相関関数の減衰の速さの指標として、２００〜１０００ミリ秒のタイムラグの間で積分値（ＡＣＦ値）を求める、
ｃ）正常高齢者（ＨＣ）群の上記ＡＣＦ値の平均値を求め、この平均値の５％有意の値を求めて閾値とする、又は、正常高齢者（ＨＣ）群の上記ＡＣＦ値の標準偏差（σ）を求め、この標準偏差（σ）に対応する下限の数値（ＡＣＦ値）を求めて閾値とする、
ｄ）この閾値を下回る上記患者をパーキンソン病患者（ＰＤ）と評価する
ことを特徴とする運動機能評価方法。A method for evaluating motor function of patients with central nervous disease,
a) Perform autocorrelation analysis of acceleration waveform using acceleration information of finger tap movement of patients with central nervous disease,
b) As an index of the speed of decay of the autocorrelation function, an integral value (ACF value) is obtained during a time lag of 200 to 1000 milliseconds.
c) Obtain an average value of the ACF value of the normal elderly person (HC) group and obtain a 5% significant value of the average value as a threshold value, or standard of the ACF value of the normal elderly person (HC) group A deviation (σ) is obtained, and a lower limit numerical value (ACF value) corresponding to the standard deviation (σ) is obtained as a threshold value.
d) A motor function evaluation method characterized in that the patient who falls below the threshold is evaluated as a Parkinson's disease patient (PD).
ａ）服薬前後の中枢神経疾患患者の指タップ運動の加速度情報を取得し、加速度波形の自己相関解析を行う、
ｂ）上記自己相関関数の減衰の速さの指標として、４００ミリ秒のラグタイム間で積分値（ＡＣＦ４００）を求める、
ｃ）服薬前後のＡＣＦ４００の数値を比較し、服薬後の数値が有意に上昇している場合に、服薬した薬物が有効であると判断することを特徴とする、
薬物の効果判定方法。A method for determining the effect of a drug on a patient with a central nervous system disease,
a) Acquire acceleration information of finger tap movement of patients with central nervous disease before and after taking medication, and perform autocorrelation analysis of acceleration waveform.
b) As an index of the speed of decay of the autocorrelation function, an integral value (ACF400) is obtained during a lag time of 400 milliseconds.
c) comparing the values of ACF400 before and after taking the drug, and determining that the drug taken is effective if the value after taking is significantly increased,
A method for determining the effect of a drug.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014117084A JP2015217282A (en) | 2014-05-20 | 2014-05-20 | Motor function evaluation method of central nervous system disease patient |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014117084A JP2015217282A (en) | 2014-05-20 | 2014-05-20 | Motor function evaluation method of central nervous system disease patient |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2015217282A true JP2015217282A (en) | 2015-12-07 |
Family
ID=54777197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014117084A Pending JP2015217282A (en) | 2014-05-20 | 2014-05-20 | Motor function evaluation method of central nervous system disease patient |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2015217282A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018051003A (en) * | 2016-09-29 | 2018-04-05 | マクセル株式会社 | Task execution sequence determination system and task execution method |
| WO2021075368A1 (en) * | 2019-10-16 | 2021-04-22 | 国立大学法人東京工業大学 | Diagnosis apparatus |
| JP2022061625A (en) * | 2020-10-07 | 2022-04-19 | 国立大学法人宇都宮大学 | Drug effect evaluation system for dyskinesia |
-
2014
- 2014-05-20 JP JP2014117084A patent/JP2015217282A/en active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018051003A (en) * | 2016-09-29 | 2018-04-05 | マクセル株式会社 | Task execution sequence determination system and task execution method |
| WO2018062173A1 (en) * | 2016-09-29 | 2018-04-05 | マクセル株式会社 | Task execution order determination system and task execution method |
| WO2021075368A1 (en) * | 2019-10-16 | 2021-04-22 | 国立大学法人東京工業大学 | Diagnosis apparatus |
| JP2022061625A (en) * | 2020-10-07 | 2022-04-19 | 国立大学法人宇都宮大学 | Drug effect evaluation system for dyskinesia |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2012208912B2 (en) | Method and device for swallowing impairment detection | |
| JP5810404B2 (en) | Method of operating a device for automatically determining a person's dyskinesia state, a device for determining a person's dyskinesia state, and a computer program comprising computer program means for executing a procedure for determining a person's movement state | |
| WO2017113653A1 (en) | Method and apparatus for identifying state of motion of human body | |
| CA2739613C (en) | Methods for measuring the magnitude of attention and motor activity disturbance in a subject | |
| Lee et al. | Toward using a smartwatch to monitor frailty in a hospital setting: using a single wrist-wearable sensor to assess frailty in bedbound inpatients | |
| Pulliam et al. | Motion sensor dyskinesia assessment during activities of daily living | |
| JP2019523027A (en) | Apparatus and method for recording and analysis of memory and function decline | |
| EP2872041A1 (en) | Device to determine dyskinesia | |
| Tajali et al. | Impaired local dynamic stability during treadmill walking predicts future falls in patients with multiple sclerosis: a prospective cohort study | |
| Osumi et al. | Kinematic evaluation for impairment of skilled hand function in chemotherapy-induced peripheral neuropathy | |
| JP2015217282A (en) | Motor function evaluation method of central nervous system disease patient | |
| Gwak et al. | The role of accelerometer and gyroscope sensors in identification of mild cognitive impairment | |
| EP3838142A1 (en) | Method and device for monitoring dementia-related disorders | |
| JP2022537326A (en) | digital biomarkers | |
| KR102552221B1 (en) | A customized therapy delivery system that simultaneously visualizes and analyzes multiple device-specific body and diagnostic data on a daily basis to identify and improve the user's physical condition | |
| Lee et al. | Mobile system design for scratch recognition | |
| JP2020151358A (en) | Sleep apnea syndrome determination apparatus, sleep apnea syndrome determination method, and sleep apnea syndrome determination program | |
| Eshghi et al. | Reduced Task Adaptation in Alternating Motion Rate Tasks as an Early Marker of Bulbar Involvement in Amyotrophic Lateral Sclerosis. | |
| KR20210152647A (en) | Apparatus and method for assessment of motor symptoms | |
| Castaldo et al. | Preliminary results from a proof of concept study for fall detection via ECG morphology | |
| Kiprijanovska et al. | Smart Glasses for Gait Analysis of Parkinson’s Disease Patients | |
| WO2023148881A1 (en) | System and method for outputting information about possibility of having idiopathic normal pressure hydrocephalus | |
| Sadhu et al. | Exploring the Impact of Parkinson’s Medication Intake on Motor Exams Performed in-home Using Smart Gloves | |
| Spasojevic | SCHOOL OF ELECTRICAL ENGINEERING | |
| Shajahan | Movement Analysis for Essential Tremor |