JP2015513157A - アルツハイマー病に関する神経科医のワークフローを改良するシステム及び方法 - Google Patents

Abstract

ワークフローを改良するためのシステムが、患者から患者データを収集する１又は複数の臨床データソースを含む。患者情報システムが患者データを記憶する。臨床決定支援システムが１又は複数のプロセッサを含み、この１又は複数のプロセッサは、患者から患者データを受信し、患者データの各種類について、統計モデルに基づいて、定量化された情報を生成し、定量化された情報に基づいて患者を診断し、診断と定量化された情報とに基づいて推奨を生成し、推奨を表示するようにプログラムされる。

Description

本出願は、臨床意思決定に関する。本出願は、臨床決定支援システムと関連して特に応用され、臨床決定支援システムを特に参照して説明される。しかしながら、本出願はさらに他の使用シナリオにも応用され、必ずしも前述された応用に限定されないことを理解されたい。

認知症は、脳細胞又は脳細胞間の接続に損傷を与える様々な疾患及び状態によって引き起こされる。アルツハイマー病（ＡＤ）は最も一般的な種類の認知症であり、認知症例のおよそ６０％〜８０％を占める。ＡＤの症状には、もの忘れ、言語力の低下、視覚情報を思考によって操る能力の障害、判断力の不足、困惑、落ち着きのなさ、気分変動及び同様のものを含む。疾患が進行するにつれて、個人の認知能力及び機能的能力が低下する。ＡＤの診断は、神経科医にとって複雑である。特定の遺伝型の疾患という例外を除いて、ＡＤの１又は複数の原因は、依然として不明である。ＡＤの診断は、通常、神経科医により行われ、神経科医は、個人について、認知障害（記憶力、言語力、注意力、処理速度及び空間能力）、行動障害及び運動障害に基づいた一連の認知力テストを行う。ＡＤの最終診断は解剖検体を介して確立することしかできないにもかかわらず、神経科医は、しばしば、臨床的な患者評価に基づいて推定ＡＤの診断を確立する。

個人の認知機能レベルを正しく評価するために、精神科医は、診断を確立し得る前に、大量のテスト及びスキャンの結果を評価しなければならない。通常、個人の認知機能は、神経生理学的テスト、バイオマーカー情報、医用イメージングデータ及び同様のもののうち少なくとも１つに基づいて評価される。例えば、認知機能を評価するために、ミニ・メンタル・ステート検査（ＭＭＳＥ）、アルツハイマー病評価スケール‐認知サブスケール（ＡＤＡＳ‐ｃｏｇ）、ウェクスラーの数字順唱及び数字逆唱、臨床的認知症評定（ＣＤＲ）、論理的記憶力、時計描画及び時計複写、並びに同様のものを含む、多くの神経心理学的テストが利用される。各テストは、意味記憶力、知覚速度及び同様のものなどの種々の機能領域において患者の認知能力を評価する。さらに、これらに限定されないが脳脊髄液（ＣＳＦ）から採取されるアミロイドベータ（Ａβ）蓄積などの遺伝子ベースのバイオマーカーを含むバイオマーカー情報が、個人の機能的な及び構造的な脳の変化を観察することによって認知機能を評価するために使用される。さらに、ＭＲＩ画像データ、ＦＤＧ‐ＰＥＴ画像データ、ＰＥＴ画像データ及び同様のものなどの医用イメージングデータが、ＡＤとの相関性が高い海馬の萎縮を個人が有するかどうかを判定するために利用される。

認知症の評価のための現在の臨床診療は、ＭＭＳＥ、ＣＤＲなどの絶対スケールを用いた認知障害の測定結果に主に基づいている。このアプローチは、認知症ステータスのスナップショットを提供することができるが、複数の診断記録データ点が収集されるまで認知症進行についての信頼性のある予後を提供することができない。これまでに言及されたとおり、認知症の主因の１つがＡＤである。ＡＤは、体液と脳の解剖学的形態との双方において特有の病理学的マーカーを有するが、ＡＤ患者の臨床症状、特に認知障害は、かなり広範なスペクトラムに及ぶ場合がある。例えば、個人は、目につく認知障害を少しも有さず、しかし、典型的なＡＤの解剖学的バイオマーカーを既に示す可能性がある。類似のＡＤ病理病期において比較的軽度の認知障害を示す個人は、病理学的マーカーの進行速度が同様であるにもかかわらず、臨床的認知症の進行速度がより遅い。同様にして、類似のＡＤ病理病期において比較的重度の認知障害を示す患者は、その臨床的認知症の進行速度が平均より速い。臨床診療において、すべての治療及び疾患の管理は、臨床症状に焦点を当てている。したがって、認知症進行の正しい迅速な予後が、最適な療法及び疾患の管理のために非常に重大である。大量の臨床データに基づいて、バイオマーカースケールと認知症病期分類との間の統計的相関を構築することが可能である。しかしながら、上記で言及された広範な認知障害スペクトラム（同じＡＤ病理病期にありながら、認知的に正常である個人、ＭＣＩを有する個人及び認知症を有する個人を含む）のため、こうした中央値相関を個人に適用することは、予後の不足を生み出す。個人患者の複数のデータ点を用いることで、より信頼性のある予後を提供することができるが、このやり方は時間を消費し、最適な治療手段を見逃す可能性がある。

さらに、ＡＤ向けの現在利用可能な臨床決定支援（ＣＤＳ）システムは、神経科医のワークフローをその必要性に基づいて改良するインテリジェントなメカニズムを提示していない。これらのシステムのいずれも、偏りのない定量化された情報を提供してＡＤの診断と適応的な推奨とに対するセカンドオピニオンを可能にして神経科医のワークフローを改良するものではない。これらの固有の特徴は、次のスキャン及びテストの指示と薬の処方又は経過観察とに対する推奨を行うなどの、患者管理における臨床意思決定に対して重要である。神経科医のワークフローを改良するために、ユーザによる収集されたデータの解釈を支援する形式で提示される定量化された統計的な情報を神経科医に提供するメカニズムを有するＣＤＳシステムが存在する必要がある。この定量化された情報の目的は、健常対照者、指定された疾患を患っていると認められた患者、及び軽度認知障害としばしば称される前駆疾患を有する患者の集団における典型的な変動の概要を提供することである。他に、統計データを示し、現在の患者が集団の種々のグループのうちどこに存在するかを明確に示すユーザインタフェースを提供する必要がある。さらに、神経心理学的テスト、スキャン、バイオマーカー及び同様のものを含む、患者についてのすべての利用可能な情報に基づいて、ライフスタイル変更、次の順のスキャン及びテスト、薬の処方などの推奨を神経科医に自動的に提供するＣＤＳシステムが存在する必要がある。

本出願は、上記で参照された課題及びその他を克服する新規の改良された方法及びシステムを提供する。

１つの態様に従い、ワークフローを改良するためのシステムが提供される。本システムは、患者から患者データを収集する１又は複数の臨床データソースを含む。患者情報システムが患者データを記憶する。臨床決定支援システムが１又は複数のプロセッサを含み、この１又は複数のプロセッサは、患者から患者データを受信し、患者データの各種類について、統計モデルに基づいて、定量化された情報を生成し、定量化された情報に基づいて患者を診断し、診断と定量化された情報とに基づいて推奨を生成し、推奨を表示するようにプログラムされる。

別の態様に従い、ワークフローを改良するための方法が提供される。本方法は、患者から患者データを受信するステップであり、患者データは患者から収集された臨床データを含む、ステップと、患者データの各種類について、統計モデルに基づいて、定量化された情報を生成するステップと、定量化された情報に基づいて患者を診断するステップと、診断と定量化された情報とに基づいて推奨を生成するステップと、推奨を表示するステップと、を含む。

別の態様に従い、認知症進行の予後のための方法が提供される。本方法は、集団の各患者のための患者データからバイオマーカー病期分類スケールと認知障害病期分類スケールとを算出するステップと、集団のバイオマーカー病期分類スケールと認知障害病期分類スケールとの間の相関曲線を算出するステップと、集団の相関曲線に従って現在の患者の患者データを予知するステップと、を含む。

１つの利点が、定量化された情報の視覚化にある。

別の利点が、ＡＤの診断に関してセカンドオピニオンを提供することにある。

別の利点が、推奨を提供して神経科医のワークフローを改良することにある。

本発明のなおさらなる利点が、下記の詳細な発明を読んで理解した当業者において十分理解されるであろう。

本発明は、様々なコンポーネント及びコンポーネントの配置と様々なステップ及びステップの配置との形態をとることができる。図面は単に好適な実施形態を例示する目的のものであり、本発明を限定するものとみなされるべきではない。
本開示の態様に従う医療機関の情報テクノロジー（ＩＴ）インフラストラクチャのブロック図である。 本開示の態様に従う臨床決定支援及び／又はワークフロー管理（ＣＤＳ／ＷＭ）の機能コンポーネントのブロック図である。 本開示の態様に従うＣＤＳ／ＷＭシステムのデータ入力インタフェースである。 本開示の態様に従うＣＤＳ／ＷＭシステムのデータビューイングインタフェースである。 本開示の態様に従うＣＤＳ／ＷＭシステムの別のデータビューイングインタフェースである。 本開示の態様に従うＣＤＳ／ＷＭシステムの別のデータビューイングインタフェースである。 本開示の態様に従うＣＤＳ／ＷＭシステムのリスク分析インタフェースである。 本開示の態様に従うＣＤＳ／ＷＭシステムの報告インタフェースである。 本開示の態様に従うＣＤＳ／ＷＭシステムの中央値相関曲線インタフェースである。 本開示の態様に従うＣＤＳ／ＷＭシステムのオペレーションを示す。 本開示の態様に従うＣＤＳ／ＷＭシステムの別のオペレーションを示す。

図１を参照し、病院などの医療機関の情報テクノロジー（ＩＴ）インフラストラクチャ１００のブロック図を提供する。ＩＴインフラストラクチャ１００は、通常、１又は複数の臨床装置１０２、通信ネットワーク１０４、患者情報システム１０６、臨床ワークフロー管理及び／又は決定支援（ＣＤＳ／ＷＭ）システム１１０並びに同様のものを含む。しかしながら、コンポーネントの増減及び／又は異なるコンポーネント配置が考えられることを理解されたい。

（１又は複数の）臨床装置１０２には、医療機関の中の様々な物理的位置における１又は複数の臨床データソース、１又は複数の消費臨床アプリケーション（consuming clinical applications）、１又は複数の患者モニタ、患者ベッドにおける装置、臨床医が持ち運ぶモバイル通信装置、臨床医ワークステーション、１又は複数の医用イメージング装置、１又は複数のバイオマーカー情報装置及び同様のものを含む。さらに、（１又は複数の）臨床装置１０２の各々は、１若しくは複数の患者及び／又は１若しくは複数の臨床医に関連付けられる。（１又は複数の）臨床装置１０２に関連付けられた（１又は複数の）患者の各々は、アルツハイマー病又は神経学的病状などの１又は複数の臨床的問題に関連付けられる。

例示されるとおり、（１又は複数の）臨床装置１０２は、臨床データソース１０２ａ、バイオマーカー装置１０２ｂ及び医用イメージング装置１０２ｃを含む。当然ながら、他のものが考えられる。（１又は複数の）臨床装置１０２の通信ユニット１１２、１１４、１１６は、通信ネットワークを介して、ＣＤＳ／ＷＭシステム１１０などの外部のシステム及び／又はデータベースとの通信を容易にする。（１又は複数の）臨床装置１０２のメモリ１１８、１２０、１２２は、（１又は複数の）臨床装置１０２に関連付けられた機能のうち１又は複数を行う実行可能命令を記憶する。（１又は複数の）臨床装置１０２のディスプレイ１２４、１２６、１２８は、（１又は複数の）臨床装置１０２が、対応するユーザのためにデータ及び／又はメッセージを表示することを可能にする。（１又は複数の）臨床装置１０２のユーザ入力装置１３０、１３２、１３４は、（１又は複数の）臨床装置１０２の対応するユーザが、（１又は複数の）臨床装置１０２と対話し、かつ／あるいはディスプレイ１２４、１２６、１２８に表示されたメッセージに応答することを可能にする。（１又は複数の）臨床装置１０２の制御部１３６、１３８、１４０は、メモリ１１８、１２０、１２２に記憶された命令を実行して（１又は複数の）臨床装置１０２に関連付けられた機能を実施する。

通信ネットワーク１０４は、ＣＤＳ／ＷＭシステム１１０及び（１又は複数の）臨床装置１０２などの、通信ネットワーク１０４に接続された医療機関のコンポーネント間の通信を可能にし、コンポーネント間のデジタルデータの伝達に適する。通信ネットワーク１０４は、適宜、ローカルエリアネットワークである。しかしながら、通信ネットワークは、インターネット、ワイドエリアネットワーク、無線ネットワーク、有線ネットワーク、セルラーネットワーク、ＵＳＢ及びＩ２Ｃなどのデータバス並びに同様のもののうち１又は複数であることが考えられる。

患者情報システム１０６は、患者データの電子医療記録（ＥＭＲ）の中央リポジトリの機能を果たす。（１又は複数の）臨床装置１０２と患者データを生成する他の装置とからの患者データが、患者情報システム１０６に適宜記憶される。いくつかの例において、患者データは患者データのソースから直接受信され、他の例において、患者データは患者データのソースから間接的に受信される。例えば、患者情報システム１０６は、すべての患者の来院、テスト及び結果と、種々の時点の来院における治療と、などを記憶し、追う。

通常、患者情報システム１０６は、データベース１４２、サーバ１４４及び同様のもののうち１又は複数を含む。データベース１４２は、医療機関の患者についてのＥＭＲを記憶する。さらに、データベース１４２は、他の医療機関の患者についてのＥＭＲ、患者データの各データ種別についての統計モデル、適切な対照集団の患者データ、公開された臨床データ及び結果、臨床文献、健常対照者と指定された疾患を認められた形態で有する患者と前駆疾患（ＭＣＩ）を有する患者との参照値などを記憶することが考えられる。サーバ１４４は、医療機関のコンポーネントが、通信ネットワーク１０４を介して、記憶された情報にアクセスすることを可能にする。サーバ１４４の通信ユニットは、通信ネットワーク１０４を介して、サーバ１４４と（１又は複数の）臨床装置などの外部装置との間の通信を容易にする。通信ユニット１４６はさらに、患者情報システム１０６のデータベース１４２との通信を容易にする。サーバ１４４のメモリ１４８は、サーバ１４４に関連付けられた機能のうち１又は複数を行うための実行可能命令を記憶する。サーバ１４４の制御部１５０は、メモリ１４８に記憶された命令を実行して、サーバ１４４に関連付けられた機能を実施する。

ＣＤＳ／ＷＭシステム１１０は、１又は複数の臨床データソース１６２（図２）から患者データを受信し、特定の実施形態において、ＣＤＳ／ＷＭシステム１１０は、収集されたデータの解釈を支援する形式で提示される定量化された統計的な情報を提供し、現在の患者が健常グループ、軽度認知障害（ＭＣＩ）グループ又はＡＤ患者グループに属する診断確率を提供し、患者との最初の面談の印象の要約、患者リスク分析結果の要約及びスキャンとその画像とに対する所見の要約などの患者来院に対する概要報告書を提供し、臨床プロトコル及び／又は臨床ガイドラインに基づいて１又は複数の消費臨床アプリケーション１６４（図２）に臨床推奨を提供する。

臨床データソース１６２は、関連する患者についての患者データをＣＤＳ／ＷＭシステム１１０に提供する。例えば、臨床データソース１６２は、神経科医又は支援スタッフが患者の人口学的情報又は臨床情報を入力することを可能にし、この情報は、これらに限定されないが、家族歴及び同様のものなどの、神経科医により患者の最初の面談から集められた情報と、ＡＤの兆候に対する患者の最初の印象の評価とを含む。臨床データソース１６２はさらに、患者又はその親族が、自身の、年齢、教育年数、性別及び同様のものなどの人口学的情報を入力すること可能にする。患者データには、患者症状（例えば、主訴）、患者所見（例えば、身体的及び神経学的検査所見）、バイオマーカーデータ（例えば、バイオマーカー情報）、生理学的データ（例えば、血圧）、画像データ（例えば、アミロイドトレーサを利用したＰＥＴ画像）、ワークフローデータ、識別データ（例えば、患者ＩＤ）、患者データの各データ種別についての統計モデル、適切な対照集団の患者データ、過去の患者データ、公開された臨床データ及び結果、臨床文献、家族患者データ、健常対照者と指定された疾患を認められた形態で有する患者と前駆疾患（ＭＣＩ）を有する患者との参照値などの臨床データを適宜含む。患者データ（臨床データとワークフローデータとの双方）は、タイムスタンプと共に電子的に文書化され、ＣＤＳ／ＷＭシステム１１０がアクセスすることができる。ワークフローデータは、例えば、行われたケアステップ、現在行われているケアステップ、まだ行われていないケアステップ及び同様のもののうち１又は複数を識別することが考えられる。

消費臨床アプリケーション１６４は、収集されたデータの解釈を支援する形式で提示される定量化された統計的な情報と、現在の患者が健常グループ、軽度認知障害（ＭＣＩ）グループ又はＡＤ患者グループに属する診断確率と、患者の来院に対する概要報告書と、患者のリスク分析結果の要約と、スキャンに対する所見の要約と、関連する患者のための臨床推奨とを、ＣＤＳ／ＷＭシステム１１０から受信する。臨床推奨には、ライフスタイル変更、次の順のスキャン又はテスト、薬の処方及び用量、リマインダー、警告、バックグラウンド情報、並びに関連する患者の治療のことで臨床医を助けることを意図する同様のものを含むことができる。患者についての臨床情報及び推奨を受信するために、消費臨床アプリケーションは、ＣＤＳ／ＷＭシステム１１０に適宜登録して、患者についての臨床情報及び推奨を受信する。

臨床データソース１６２は、（１）臨床装置１０２のうち１又は複数、（２）患者情報システム１０６、（３）補助システムのうち１又は複数、（４）患者データを生成する他の装置及び／又はアプリケーション、（５）ＣＤＳ／ＷＭシステム１１０、そのユーザ入力装置など、（６）１又は複数の医用イメージングシステム、（７）１又は複数のバイオマーカー、並びに（８）同様のもののうち、少なくとも１つを適宜含む。消費臨床アプリケーション１６４は、（１）臨床装置１０２のうち１又は複数、（２）患者情報システム１０６、（３）補助システム１０８のうち１又は複数、（４）装置（例えば、ＰＣ、携帯電話など）上で実行されているアプリケーション、（５）ＣＤＳ／ＷＭシステム１１０、及び（６）同様のもののうち、少なくとも１つを適宜含む。特定の実施形態において、ＩＴインフラストラクチャ１００のコンポーネントの１又は複数が、臨床データソース１６２と消費臨床アプリケーション１６４との双方に属する。さらに、臨床装置１０２は患者データの生産者及び消費者の双方であることが考えられる。

ＣＤＳ／ＷＭシステム１１０は、以下で詳細に論じられるとおり、収集されたデータの解釈を支援する形式で提示される定量化された統計的な情報を提供し、現在の患者が健常グループ、軽度認知障害（ＭＣＩ）グループ又はＡＤ患者グループに属する診断確率を提供し、患者との最初の面談の印象の要約、患者リスク分析結果の要約及びスキャンとその画像とに対する所見の要約などの患者来院に対する概要報告書を提供し、臨床プロトコル及び／又は臨床ガイドラインに基づいて臨床推奨を提供する様々なコンポーネントを含む。ＣＤＳ／ＷＭシステム１１０の各コンポーネントは、患者の来院の前、来院の間、及び来院の後に採用することができる。患者データは、支援スタッフが検査の前に情報を入力した場合、又は患者が自身でインターネットを用いて自身の情報を入力した場合など、患者の来院の前に入力され、使用されてよい。

図２を参照して、本開示の態様に従うＣＤＳ／ＷＭシステム１１０の機能コンポーネントの詳細な図を提供する。ＣＤＳ／ＷＭシステム１１０は、データビューイングエンジン１６６、リスク分析エンジン１６８、コンピュータ解釈可能ガイドライン（ＣＩＧ）データベース１７０、インスタンスデータベース１７２、報告エンジン１７４及び同様のものを適宜含む。これらの機能コンポーネントは、単に以降の議論を簡素化するための抽象化であり、ＣＤＳ／ＷＭシステム１１０の構造レイアウトを限定するものとみなされることを目的としない。さらに、これらのコンポーネントの各々は、臨床データソース１６２及び／又は消費臨床アプリケーション１６４に組み込むこともできることを十分理解されたい。

データビューイングエンジン１６６は、消費臨床アプリケーション１６４での表示のため、収集された患者データの解釈を支援する形式で、定量化された統計的な情報を提供する。データビューイングエンジン１６６は、統計データと適切な対照集団を表す適切な参照データに対する患者データの明確な比較とを表示するユーザインタフェースを提供する。ユーザインタフェースを生成するために、データビューイングエンジン１６６は、臨床データソース１６２から患者データを受信する。それから、データビューイングエンジン１６６は、ＣＤＳ／ＷＭシステム１００及び／又は消費臨床アプリケーションの表示を生成し、制御して、臨床データソース１６２から受信した患者データを表示する。特に、データビューイングエンジン１６６は、受信した患者データから、偏りのない定量化された情報を生成し、表示する。データビューイングエンジン１６６は、さらに、患者データの各データ種別についての統計モデルを提供する。例えば、各データ種別について、データビューイングエンジン１６６は、健常集団、疾患のある集団又は軽度の疾患のある集団についての最も類似する統計モデルに関連して選択された患者データを表示する。

定量化された情報を提供するために、データビューイングエンジン１６６は、健常対照と疾患を有する患者と軽度の認知障害を有する患者との集団の全体的見通しを神経科医に提供するデータモデルを各値について利用する。このデータモデルは、現在の患者の評価が、診断分類を分けるパーセンタイル範囲及び閾値を利用した上記集団の種々の診断グループにどのように対照するかを示す。定量化された情報を生成するために、データビューイングエンジン１６６は、過去の患者データ、公開された臨床データ及び結果、臨床文献、並びに臨床データソース内に記憶された同様のものに基づいて、統計モデルを利用する。データビューイングエンジン１６６は、さらに、臨床データソース１６２に記憶された過去の患者データから、現在の患者の将来のパーセンタイル範囲と将来の値変化とを算出する。

データビューイングエンジン１６６はさらに、偏りのないデータ値を利用した定量的な情報を提供する。例えば、データビューイングエンジン１６６は、将来の時点における認知機能レベルの予後などの、長期にわたる診断分類の予測を提供する。これを達成するために、データビューイングエンジン１６６は、利用可能である場合、現時点及び過去の期間における患者データを利用して、患者の変化率を反映する。データビューイングエンジン１６６はさらに、患者の家族からの患者データを含み、このデータは、臨床データソースに記憶されて患者の認知機能の判定を助ける。このようにして、神経科医は、例えば、より高等な教育のためにテスト上でより高いスコアをとり、しかし認知機能の低下の指標を既に示している患者について、依然として感知することができる。データビューイングエンジン１６６はさらに、患者の来院の間に取得された患者データ又は別の時点における別の来院の間に取得された他のデータを利用した偏りのない診断を提供する。さらに、ＣＤＳ／ＷＭステーションにより、神経科医が、無関係である又は偏りがあると思われる患者データを除外できるようにすることが考えられる。

データビューイングエンジン１６６はさらに、心理学的テスト、バイオマーカー、画像データ及び同様のものなどのスクリーニング評価を含む、受信した患者データの定量化された分析を提供する。この定量化の目的は、健常対照者、指定された疾患を認められた形態で有する患者、前駆疾患（ＭＣＩ）を有する患者及び同様のものなどの集団における典型的な変動範囲と患者データとの比較を可能にすることである。例えば、データビューイングエンジン１６６は、健常患者が通常記録する平均スコア、ＭＣＩ患者が通常記録する平均スコア、ＡＤ患者が取得する平均スコア及び現在の患者のスコアを表示する図表を生成し、表示する。こうした参照値は、ＣＤＳ／ＷＭシステム１００の臨床データソース１６２から取得される。さらに、参照値は、文献、研究モデル、及び臨床データソース１６２に記憶された同様のものから入力されることが考えられる。さらに、参照値には、パーセンタイル値、平均に対する標準誤差、及び同様のものを含むことが考えられる。患者データの解釈において支援するために、データビューイングエンジン１６６は、参照値の位置に対応する現在の患者のスコアを位置付ける。例えば、現在の患者のスコアがＭＣＩとＡＤとの間に存在する場合、神経科医は、現在の患者のステータスがＭＣＩからＡＤへの移行により近いという直接的な印象を与えらえる。データビューイングエンジン１６６はさらに、脳脊髄液（ＣＳＦ）から採取されたアミロイドベータ（Ａβ）蓄積などの遺伝子ベースのバイオマーカーなどのバイオマーカー情報の分析及び傾向情報を提供する。データビューイングエンジン１６６はさらに、医用画像の定量化された情報を提供する。例えば、データビューイングエンジンは、ＭＲＩ画像から特定される海馬ボリューム及び脳室サイズとＰＥＴ画像に描かれた代謝レベルとに関する情報を提供する。

データビューイングエンジン１６６はさらに、単一点データに基づいて、認知症進行の予後を提供する。ＡＤの同一の組織学的病理は、広範な臨床スペクトラムにわたって発見されることが広く認識されている。この事実に対して、例えば、認知的予備力効果、脳補償能力など、いくつかの説明が提示されている。例えば機能的ＭＲＩ（ｆＭＲＩ）といった医用イメージング手法の活用により、進行したＡＤ病理を有するが臨床認知障害をほとんど示さない患者において、より多くの散在する脳活動が観察された。この観察は、ＡＤに起因して可能性として身体障害のある脳領域の機能が、脳の他の部分によって補償される場合があることを示している。この補償能力は、ＡＤの着実な病理学的進行にもかかわらず、臨床的認知症が現れるのを遅延させ、かつ／あるいは認知症進行を遅くする。この補償能力を適当に測定することによって、認知症進行の信頼性のある予後を、単一点の患者データに基づいて作ることができる。こうした補償能力は、ヒトにより、時により、変わる可能性があるが、同様の補償能力を有する患者をサブグループに区分することがなお可能である。したがって、各サブグループのＡＤ病理と臨床認知障害との間の相関を、集団全体の相関よりも強くすることができる。

単一点データに基づいて認知症進行の予後を提供するために、データビューイングエンジン１６６は、少なくとも１つの心理学的テストスコアに基づいた認知障害病期分類スケールと集団のうち少なくとも３０％が初期から末期までに及ぶ認知症指標を有する十分に大きな集団のバイオマーカー病期分類スケールとの間の統計相関曲線を算出する。バイオマーカー病期分類スケールは、少なくとも１つの特定のたんぱく質濃度と少なくとも１つの脳の解剖学的特徴とにおいて構築され、これらの各々は、既知の健康基準値に対して正規化され、適当な重み付け要素を適用される。それから、データビューイングエンジン１６６は、所与のバイオマーカー病期分類スケールにおけるその認知障害スケールの、対応するバイオマーカー病期分類スケールにおける統計相関曲線に対する距離に従って、集団の個人を少なくとも３つのサブグループに区分する。データビューイングエンジン１６６は、各サブグループの、認知障害病期分類スケールとバイオマーカー病期分類スケールとの間のグループ統計相関を算出する。それから、データビューイングエンジン１６６は、患者の認知障害病期分類スケールとバイオマーカー病期分類スケールとを検査し、統計相関曲線に対するその認知障害病期分類スケールの距離に従って患者の最も良くマッチするサブグループを識別する。患者の認知障害進行の予後は、最も良くマッチするサブグループのグループ統計相関を利用することによって決定される。データビューイングエンジン１６６は、サブグループの最適なグループ化を決定するように適当なしきい相関係数を選ぶ。さらに、サブグループ間の最小のクロストークを保証するように相関の無いしきい（threshold miscorrelation）を選ぶことが考えられる。さらに、患者データを年齢、教育、専門的職業及び同様のものに関して調整して偏りを最小化することができる。例えば、大きな患者集団の診断データが、適当な時間間隔にわたる同一カテゴリの診断データを用いて分析される。少なくとも２つのバイオマーカーが、バイオマーカー病期分類スケールを生成するために使用される。下記の臨床神経心理学的スコアのＭＭＳＥ、ＣＥＲＡＤ及びＣＤＲのうち少なくとも１つが、認知障害病期分類スケールを生成するために使用される。患者データの各セットは、年齢及び他の適用可能な属性に関して調整され、例えば既知の健康値に対して適当に正規化される。

リスク分析エンジン１６８は、患者データに基づいて、健常、ＭＣＩ、ＡＤそれぞれの確率を提供する。リスク分析エンジン１６８はさらに、トレーニングデータ又は統計モデルに基づいて、信頼度を提供する。確率及び信頼度を提供するために、リスク分析エンジン１６８は、ベイズ分析、統計分析及び同様のものを利用して、健常対照者、指定された疾患を認められた形態で有する患者、前駆疾患（ＭＣＩ）を有する患者及び同様のものの集団の患者データと対照して、現在の患者データを分析する。例えば、リスク分析エンジン１６８は、患者データを評価し、患者データを用いて任意の最適なデータ特徴にアクセスする。それから、報告エンジンが、トレーニングデータ又は統計モデルを利用して、患者データの診断についてのリスク確率プロファイルと信頼度とを算出する。

初期設定により、リスク分析エンジン１６８は、患者データの最適な特徴を選択して確率を提供する。しかしながら、ユーザはさらに、特定のテストについての経験、好み又は信用に基づいて、任意の所望される特徴を用いる選択肢を提示される。リスク分析エンジン１６８はさらに、種々の時点の患者データから特徴を利用し、診断に関連する任意の特徴という柔軟な選択肢をユーザに提供する。リスク分析エンジン１６８は、患者の認知障害の自動的な病期分類を提供する。完全な分析を提供するために、リスク分析エンジン１６８は、最適な特徴を選択するメカニズムを提供するモデルを利用する。臨床の場において、さらに、利用可能な診断情報が不完全である、又はテスト結果のサブセットのみが信頼性があると考えられるような状況が生じる可能性がある。さらに、リスク分析エンジン１６８は、患者データの利用可能な特徴のすべての予知できる組み合わせに関してトレーニングされたパラメータ化されたモデルを用いて、予め構成されることが考えられる。

報告エンジン１７４は、患者との最初の面談の印象の要約、患者のリスク分析結果の要約、スキャンとその画像とに対する所見の要約及び同様のものを含む、患者の来院に対する概要報告書を提供する。報告エンジン１７４はさらに、神経心理学的テスト、スキャン及びバイオマーカーを含むすべての利用可能な患者情報に基づいて、ライフスタイル変更、次の順のスキャン及びテスト、薬の処方及び同様のものを含む推奨又はガイドラインを神経科医に自動的に提供する。

報告エンジン１７４は、医療機関の臨床プロトコルを具現化するガイドライン又は推奨を提供する。臨床プロトコルは、通常、患者情報及び臨床的問題に応じて、１又は複数の好適なケアステップ及びタイミング、又は（１又は複数の）ケアステップの発生の順序を含む。さらに、臨床プロトコルは、通常、特定のケアステップを行う推奨を、関連する指示と共に含む。臨床プロトコルは臨床ガイドラインから導き出されることが考えられるが、臨床プロトコルを導き出す他のアプローチが考えられる。適宜、ガイドライン又は推奨は、ガイドラインデータベース１７０内に記憶され、臨床的問題によって索引を付けられる。しかしながら、ガイドライン又は推奨は、医療機関の他のコンポーネントに記憶されることが考えられる。

推奨又はガイドラインを提供するために、報告エンジン１７４は、医療機関によるサービスを受ける患者に関連付けられた臨床的問題に関連する、ガイドラインデータベース１６６に記憶された推奨又はガイドラインのインスタンスを作成する。ガイドラインデータベース１６６に記憶されたガイドライン及び推奨は、公開された臨床ガイドライン、過去の患者データ、公開された臨床データ及び結果文献並びに同様のものから作成される。さらに、ガイドライン及び推奨は、機械学習手法を通じて生成されたルールによって、臨床データソースにより提供される過去の患者データを基礎として用いて、現在の患者来院情報（及び、公開された臨床ガイドライン）を組み込んで提供されることが考えられる。例えば、特定の臨床的問題を有する患者が医療機関に入院するとき、ＣＤＳ／ＷＭシステム１１０は、患者に関連するガイドラインデータベース１７０内のガイドライン又は推奨のうち１又は複数を見つけ、患者のためのこうした推奨又はガイドラインの各１つ又は複数についてのインスタンスを作成する。推奨又はガイドラインのインスタンスは、患者とこの患者のためのワークフローデータとを報告エンジンロジックに適用することによって特定の患者向けに調整された推奨又はガイドラインのコピーである。インスタンスは、インスタンスデータベース１７２に適宜維持され、患者ごとに索引を付けられる。しかしながら、インスタンスは、医療機関の他のコンポーネントに記憶されることが考えられる。

推奨又はガイドラインを提供するために、報告エンジン１７４は、機械学習手法を利用して、健常対照からの距離、パーセンタイル範囲及び同様のものと現在の患者が健常グループ、軽度認知障害（ＭＣＩ）グループ又はＡＤ患者グループに属する診断確率となどの利用可能な患者データから導出された定量化された情報の入力を用いて、統計モデルを生成する。報告エンジン１７４は、ライフスタイル変更、次の順のスキャン及びテスト、薬の処方並びに同様のものについての示唆又はヒントなどの特定のケアステップを行うための推奨又はガイドラインを出力する。例えば、ライフスタイル変更の推奨は、喫煙をやめること、コンピュータゲーム、ピアノ、景色を楽しむ散歩及び同様のものなどの脳に有益な活動／運動を毎日１〜２時間し始めることといった示唆であり得る。

来院患者に対する自動的な推奨を取得するために、神経科医又は支援スタッフは、ボタンをクリックするなどしてＣＤＳ／ＷＭシステムと対話し、これにより、定量化された情報に基づいて推奨を生成する。さらに、神経科医は、コンピュータ制御された最適な推奨を拒否し、代わりに、推奨生成アルゴリズム内に自身が含みたい情報を選択することができる。

報告エンジン１７４はさらに、推奨又はガイドラインのインスタンスを維持し、かつ／あるいは更新する。インスタンスのうち１又は複数に関連する患者データが利用可能になるとき、この１又は複数のインスタンスは更新されて、更新された患者情報を反映する。例えば、ケアステップが特定の患者に対して行われるとき、１又は複数の関連するインスタンスが更新されて、上記ケアステップが行われたことを反映することが考えられる。関連する患者データには、臨床データ、ワークフローデータ及び同様のもののうち１又は複数を含む。患者データは、情報源である（１又は複数の）臨床装置などの医療機関のコンポーネントから直接的に、あるいは患者情報システム１０６などの医療機関のコンポーネントを介して間接的に受信されることが考えられる。

報告エンジン１７４が推奨又はガイドラインを実行している間、報告エンジン１７４は、推奨又はガイドラインに基づいた臨床的知識を、（１又は複数の）消費医療装置及び／又は医療機関の他のコンポーネントに提供する。さらに、ＣＤＳ／ＷＭシステム１１０自体がただ１つの消費医療装置であり得、そのディスプレイを通じてユーザに推奨及び命令を提供することが考えられる。上記で言及されたとおり、推奨又はガイドラインは、通常、ケアステップのための推奨を含む。ゆえに、推奨又はガイドラインのインスタンスが、例えば、或るケアステップを完了することによって更新されるとき、後続のケアステップのための推奨及び／又は命令が、（１又は複数の）消費医療装置のうち関連する１又は複数に提供される。特定の実施形態において、（１又は複数の）関連する消費医療装置は、患者に属する臨床的知識を受信するようにＣＤＳ／ＷＭシステム１１０に登録した（１又は複数の）消費医療装置である。

報告エンジン１７４は、さらに、神経科医が推奨又はガイドラインを編集することを可能にする。さらに、神経科医が現在の患者についての推奨を保存した後、報告エンジン１７４は、将来の分析又は患者来院のためにルール及び推奨を更新する能力と、定量化された情報、診断確率及び予後結果をＣＤＳ／ＷＭシステム１１０内に保存する能力とを有する。新しい推奨がＣＤＳ／ＷＭシステム１１０に保存された後、報告エンジン１７４は、ガイドライン推奨アルゴリズムを更新して将来の推奨を生成することになる。

さらに、本明細書において、メモリは、非一時的コンピュータ読取可能媒体；磁気ディスク又は他の磁気記憶媒体；光ディスク又は他の光記憶媒体；ランダムアクセスメモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、又は他の電子メモリ装置若しくはチップ若しくは動作可能に相互接続されたチップセット；記憶された命令をインターネット又はローカルエリアネットワークを介して読み出すことができるインターネットサーバ；などのうち１又は複数を含む。さらに、本明細書において、エンジンは、マイクロプロセッサ、マイクロコントローラ、グラフィックプロセシングユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）及び同様のもののうち１又は複数を含み、通信ネットワークは、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク、無線ネットワーク、有線ネットワーク、セルラーネットワーク、ＵＳＢ及びＩ２Ｃなどのデータバス並びに同様のもののうち１又は複数を含み、ユーザ入力装置は、マウス、キーボード、タッチスクリーンディスプレイ、１若しくは複数のボタン、１若しくは複数のスイッチ、１若しくは複数のトグルスイッチ及び同様のもののうち１又は複数を含み、ディスプレイは、ＬＣＤディスプレイ、ＬＥＤディスプレイ、プラズマディスプレイ、投写型ディスプレイ、タッチスクリーンディスプレイ及び同様のもののうち１又は複数を含む。

図３を参照し、ＣＤＳ／ＷＭシステムのデータ入力インタフェース２００を例示する。上記で言及されたとおり、データ入力インタフェース２００は、神経科医又は支援スタッフが、神経科医による患者の最初の面談から集められた情報を含む患者のＥＭＲに患者データ及び臨床情報を入力することを可能にする。例えば、データ入力インタフェース２００は、患者情報セクタ２０２を含み、患者情報セクタ２０２において、神経科医又は支援スタッフは、患者の名前２０４、ＩＤ２０６、誕生日２０８、来院日２１０、教育年数２１２、性別２１４及び同様のものを入力する。データ入力インタフェース２００はさらに、家族歴セクタ２１６を含み、家族歴セクタ２１６は、神経科医又は支援スタッフが、一親等２１８、一親等の享年２２０、一親等のＡＤ診断２２２、剖検情報２２４、ストーク情報２２６及び同様のものに関する情報を含む患者の家族歴を入力することを可能にする。さらに、データ入力インタフェース２００は、患者又はその親族が自身の年齢、教育年数、性別及び同様のものなどの人口学的情報を入力することを可能にする適切なコンポーネントを含むことが考えられる。データ入力インタフェース２００はさらに、神経科医がＡＤの兆候に関する患者の最初の印象における評価に対応する情報を入力することを可能にするセクタ２２８を含み、セクタ２２８は、もの忘れの深刻さ２３０、知的能力における挑戦２３２、身近なタスクを完了することの困難さ２３４、時間及び空間についての困惑２３６、視覚的な画像及び空間の関係性の理解における支障２３８、話すこと及び書くことに伴う問題、ステップをたどりなおす又は場所を思い出す能力２４２、判断の低下又は不足２４４、仕事又は社会的環境からの離脱２４６、気分又は人格における変化２４８、及び同様のものを含む。データ入力インタフェース２００はさらに、コメントセクタ２５０を含み、コメントセクタ２５０は、神経科医又は支援スタッフが任意の追加的な患者情報又は臨床情報をＣＤＳ／ＷＭシステムに入力することを可能にする。データ入力インタフェース２００はさらに、システムがローカルデータベースを画像保存通信（Picture Archiving Communication）システムと統合するかどうか及び同様のもの２５２をユーザが選択することを可能にする。データ入力インタフェース２００は、神経科医又は支援スタッフが様々な患者情報及び臨床情報を入力することを可能にする他のセクタを含むことを十分理解されたい。

図４は、ＣＤＳ／ＷＭシステムのデータビューイングインタフェース３００を例示する。データビューイングインタフェース３００は、収集されたデータの解釈を支援する形態で提示された、定量化された統計的な情報を提供する。データビューイングエンジンは、ユーザインタフェースを提供して統計データを示すだけでなく、このデータと適切な比較集団を表す適切な参照データとの明確な比較を提供しもする。具体的に、データビューイングエンジン３００は、心理学的テスト３０４、バイオマーカー３０６及びスキャン３０８などのスクリーニング評価３０２を含む、上記種類のデータの定量化された分析を提供する。生理学的テスト３０４に関して、データビューイングインタフェース３００は、健常対照者と指定された疾患を認められた形態で有する患者としばしば軽度認知障害（ＭＣＩ）と称される予後疾患を有する患者との集団における通常の変動範囲に対する比較を可能にする定量化された情報を表示する。具体的に、データビューイングインタフェース３００は、神経科医又は支援スタッフがＭＭＳＥ、ＡＤ８及び同様のものを含む特定の生理学的テストからの結果又はスコアを検分することを可能にする。例えば、データビューイングインタフェース３００は、健常な患者が通常記録する平均スコア３１２、ＭＣＩ患者が通常記録する平均スコア３１４及びＡＤ患者が取得する平均スコア３１６を表示する図表３１０を含み、現在の患者のスコア３１８に対する比較を可能にする。図示されるとおり、現在の患者のスコアは、ＭＣＩとＡＤとの間に存在し、このことは、この患者の現在のステータスがＭＣＩからＡＤへの移行により近いという直接的な印象を医師に与える。データビューイングインタフェース３００はさらに、直近３年間の患者のＭＭＳＥスコアにおける変化を図示する図表３２０を含む。データビューイングインタフェース３００はさらに、生理学的テストからの詳細な結果３２２又はＭＭＳＥテストにおける各質問に対する結果を表示する。データビューイングインタフェース３００はさらに、患者情報の要約３２４と患者の来院歴のタイムライン３２６とを含む。データビューイングインタフェース３００は、神経科医又は支援スタッフが生理学的テストの結果を解釈することを可能にする他の患者情報及び臨床情報を表示することを十分理解されたい。さらに、データビューイングインタフェース３００は、検分する神経科スタッフ又は支援スタッフによりカスタマイズ可能であることを考えられたい。

図５は、ＣＤＳ／ＷＭシステムの別のデータビューイングインタフェース４００を例示する。データビューイングエンジン４００は、心理学的テスト４０４、バイオマーカー４０６及びスキャン４０８などのスクリーニング評価４０２を含む、上記種類のデータの定量化された分析を提供する。バイオマーカー情報４０６に関して、データビューイングインタフェース４００は、脳脊髄液（ＣＳＦ）、ＡＰＯＥ４遺伝子型及び同様のものを含む様々なバイオマーカーからの結果の定量化された情報を表示する。例えば、データビューイングインタフェース４００は、最も一般的には腰椎穿刺によって（通常、第３腰椎と第４腰椎との間で）取得されるＣＳＦに関連する定量化された情報を表示する。ＡＤ（アミロイド斑の蓄積）は、ベータアミロイド（４２）、タウ、タウ１８１、タウ／ベータアミロイド（４２）及びタウ（１８１）／ベータアミロイド（４２）と高い相関を有する。データビューイングインタフェース４００に示されるとおり、現在の患者についての各バイオマーカーに関する情報が、ある時間にわたりトレンドを示す形式で図表４１０に表示される。各図表４１０において、情報の通常値の平均が、現在の患者の値と共に表示される。例えば、ベータアミロイドは減少傾向を示し、その値は平均値より低く、一方、タウ、タウ１８１、タウ／ベータアミロイド（４２）及びタウ（１８１）／ベータアミロイド（４２）は増加傾向を示し、それらの値は、ＭＣＩ及びＡＤ患者についての通常の傾向である平均値をそれぞれ上回る。データビューイングインタフェース４００は、神経科医又は支援スタッフがバイオマーカーの結果を解釈することを可能にする他のバイオマーカー情報を表示することを十分理解されたい。さらに、データビューイングインタフェース４００は、検分する神経科スタッフ又は支援スタッフによりカスタマイズ可能であることを考えられたい。

図６を参照し、ＣＤＳ／ＷＭシステムの別のデータビューイングインタフェース５００を例示する。データビューイングエンジン５００は、心理学的テスト５０４、バイオマーカー５０６及びスキャン５０８などのスクリーニング評価５０２を含む、上記種類のデータの定量化された分析を提供する。スキャン５０８に関して、データビューイングインタフェース５００は、ＭＲＩ、ＦＤＧ−ＰＥＴ、ＰＩＢ及び同様のものを含む様々な医用画像からの結果の定量化された情報を表示する。例えば、データビューイングインタフェース５００は、患者の各部位における代謝レベルを表すＦＤＧ−ＰＥＴ画像５１０（ＦＤＧは、放射性標識グルコースである）を表示する。データビューイングインタフェース５００は、解釈を容易にするために画像を定位的に正規化する（すなわち、テンプレート画像に対する弾性位置合わせ）。このことは、健康な患者の通常の集合に対するボクセル単位の比較を可能にする。統計的なテストが、深刻な低代謝の識別を可能にする。低代謝の空間的分布（パターン）が、特定の疾患を示す。さらに、データビューイングインタフェース５００は、例えば海馬のボリューム及び脳室サイズといったＭＲＩ画像の定量化された情報も提供することを十分理解されたい。海馬のボリュームは、ＡＤ患者に関して、健常な患者と比べて著しく縮むことになることが知られている。ＭＲＩ画像に関して、データビューイングインタフェース５００は、海馬のボリューム及び脳室サイズの傾向を示す情報と、様々な時点において撮られた患者の様々なＭＲＩ画像とを提供する。データビューイングインタフェース５００は、神経科医又は支援スタッフがスキャンの結果を解釈することを可能にする他のスキャン情報を表示することを十分理解されたい。さらに、データビューイングインタフェース５００は、検分する神経科スタッフ又は支援スタッフによりカスタマイズ可能であることを考えられたい。

図７を参照し、ＣＤＳ／ＷＭシステムのリスク分析インタフェース６００を例示する。リスク分析インタフェースは、健常、ＭＣＩ及びＡＤ診断それぞれの確率の確率図表６０２を提供する。リスク分析インタフェースはさらに、健常、ＭＣＩ及びＡＤの確率の信頼度図表６０４を提供する。リスク分析インタフェース６００はさらに、健常、ＭＣＩ及びＡＤの確率を判定するときにどの情報を考慮するかを神経科医又は支援スタッフが選択することを可能にする。例えば、リスク分析インタフェース６００は、心理学的テスト６０６、バイオマーカー６０８及びスキャン６１０などのスクリーニング評価を含む。リスク分析インタフェース６００はさらに、患者情報６１２の要約と患者の来院歴のタイムライン６１４とを含む。リスク分析インタフェース６００は、神経科医又は支援スタッフが様々な診断に関連付けられたリスクを解釈することを可能にする他のリスク分析及び確率情報を表示することを十分理解されたい。さらに、リスク分析インタフェース６００は、検分する神経科スタッフ又は支援スタッフによりカスタマイズ可能であることを考えられたい。

図８は、ＣＤＳ／ＷＭシステムの報告インタフェース７００を例示する。報告インタフェース７００は、患者との最初の面談の印象の要約、患者のリスク分析結果の要約及びスキャンに対する所見の要約などの患者の来院における概要報告を、画像と共に提供する。報告インタフェース７００はさらに、神経心理学的テスト、スキャン及びバイオマーカーを含むすべての利用可能な患者情報に基づいて、ライフスタイル変更、次の順のスキャン及びテスト、薬の処方などの推奨を神経科医に自動的に提供する。報告インタフェース７００はさらに、神経科医が推奨７０２を編集することを可能にする。報告インタフェース７００は、患者との最初の面談の要約７０６、診断要約７０８、並びに薬の処方、ライフスタイル変更及び同様のものに対する推奨７１０を含む。報告インタフェース７００はさらに、患者に関連付けられたワークフローデータ７１２と患者情報の要約７１４とを表示する。報告インタフェース７００は、神経科医又は支援スタッフが他のレポート又は推奨を検分することを可能にする他の報告情報を表示することを十分理解されたい。さらに、報告インタフェース７００は、検分する神経科スタッフ又は支援スタッフによりカスタマイズ可能であることを考えられたい。

図９は、ＣＤＳ／ＷＭシステムの中央値相関曲線８００インタフェースを例示する。バイオマーカー評価と臨床的な神経心理学的スコアとにおける中央値相関曲線８００が、参照として大規模な集団の臨床データから生成される。患者のデータは中央値相関と比較され、上記相関曲線に対する患者のデータの神経心理学的スコア距離が、個々の脳補償能力として測定される。この補償能力は、個々の認知症進行の予後を較正するために使用される。中央値相関曲線インタフェース８００は、ベース集団の認知障害距離を上回る認知障害距離を有するサブグループの相関曲線８０２、集団全体の相関曲線８０４、及びベース集団の認知障害距離を下回る認知障害距離を有するサブグループの相関曲線８０６を含む。中央値相関曲線インタフェース８００はさらに、集団全体の平均二乗誤差境界８０８を含む。認知症進行についての予後を見通すために、単一時点の患者のデータを適当な調整及び正規化を目的として処理して対応するスケールパラメータを得る。ベース集団全体の相関曲線に対する上記データの認知障害スケールの距離を調べ、そのサブグループ所属を判定し、マッチするサブグループの相関を使用して患者の認知症進行を導出する。

図１０は、本開示の態様に従うＣＤＳ／ＷＭシステム９００のオペレーションを例示する。ステップ９０２において、神経科医は、現在の患者に対して推奨を生成するために自動システムを開始する。ステップ９０４において、画像の特徴が、新しいケースに対して利用可能なスキャンから算出される。ステップ９０６において、すべての有益な非撮像情報（テスト、遺伝子型情報）が取得される。ステップ９０８において、各データについて統計モデルに基づいて定量化された情報が生成される。ステップ９１０において、健常、ＭＣＩ又はＡＤの診断が判定される。ステップ９１２において、推奨のモデルが生成される。ステップ９１４において、推奨が神経科医に提示される。

図１１は、本開示の態様に従うＣＤＳ／ＷＭシステム１０００の別のオペレーションを例示する。ステップ１００２において、大規模な集団の各患者について生データからバイオマーカー病期分類スケールと認知障害病期分類スケールとが算出される。ステップ１００４において、集団全体の２つのスケールパラメータ間の統計相関曲線が算出される。ステップ１００６において、患者データが、集団全体の相関曲線に対するその認知障害スケールの距離に従って、少なくとも３つのサブグループに区分される。ステップ１００８において、各サブグループの２つのスケールパラメータ間の統計相関曲線が算出される。ステップ１０１０において、予知されることになる患者の一時点の患者データが処理され、調べられて、集団全体の上記相関曲線に対するその認知障害スケールの距離に従って最も良くマッチするサブグループを見出す。ステップ１０１２において、マッチするグループの相関曲線が、患者の認知障害の進行を予知するために使用される。

本発明は、好適な実施形態を参照して説明されている。変更及び変形が、前述の詳細な説明を読んで理解した他者において生じ得る。本発明は、こうした変更及び変形が添付された請求項又はその均等物の範囲に入る限り、すべてのこうした変更及び変形を含むと見なされることが意図される。

Claims (20)

1. ワークフローを改良するためのシステムであって、
   患者から患者データを収集する１又は複数の臨床データソースと、
   前記患者データを記憶する患者情報システムと、
   １又は複数のプロセッサを含む臨床決定支援システムであり、
   前記１又は複数のプロセッサは、
   前記患者から前記患者データを受信し、
   患者データの各種類について、統計モデルに基づいて、定量化された情報を生成し、
   前記定量化された情報に基づいて前記患者を診断し、
   前記診断と前記定量化された情報とに基づいて推奨を生成し、
   前記推奨を表示する
   ようにプログラムされる、
   臨床決定支援システムと、
   を含むシステム。
2. 前記患者データは、画像データ、心理学的テストデータ及びバイオマーカーデータのうち少なくとも１つである、請求項１に記載のシステム。
3. 前記診断は、健常患者、軽度認知障害及びアルツハイマー病を含む、請求項１又は２に記載のシステム。
4. 前記１又は複数のプロセッサは、さらに、
   前記定量化された情報と適切な比較グループを表す参照データとを表示する
   ようにプログラムされる、請求項１乃至３のうちいずれか１項に記載のシステム。
5. 前記１又は複数のプロセッサは、さらに、
   前記診断の確率と信頼度とを算出する
   ようにプログラムされる、請求項１乃至４のうちいずれか１項に記載のシステム。
6. 前記推奨は、ライフスタイル変更、次の順のスキャン又はテスト、及び薬の処方のうち少なくとも１つである、請求項１乃至５のうちいずれか１項に記載のシステム。
7. １又は複数のプロセッサに請求項１乃至６のうちいずれか１項に記載のシステムの機能性を実行させるソフトウェアを担体するコンピュータ読取可能媒体。
8. ワークフローを改良するための方法であって、
   患者のための患者データを受信するステップであり、前記患者データは前記患者から収集された臨床データを含む、ステップと、
   患者データの各種類について、統計モデルに基づいて、定量化された情報を生成するステップと、
   前記定量化された情報に基づいて前記患者を診断するステップと、
   前記診断と前記定量化された情報とに基づいて推奨を生成するステップと、
   前記推奨を表示するステップと、
   を含む方法。
9. 前記臨床データは、画像データ、心理学的テストデータ及びバイオマーカーデータのうち少なくとも１つである、請求項８に記載の方法。
10. 前記診断は、健常患者、軽度認知障害及びアルツハイマー病を含む、請求項８又は９に記載の方法。
11. 前記定量化された情報と適切な比較グループを表す参照データとを表示するステップ、
    をさらに含む請求項８乃至１０のうちいずれか１項に記載の方法。
12. 前記診断の確率と信頼度とを算出するステップ、
    をさらに含む請求項８乃至１１のうちいずれか１項に記載の方法。
13. 請求項８乃至１２のうちいずれか１項に記載の方法を実行するように予めプログラムされた１又は複数のプロセッサ。
14. １又は複数のプロセッサに請求項８乃至１２のうちいずれか１項に記載の方法を実行させるソフトウェアを担体するコンピュータ読取可能媒体。
15. 認知症進行の予後のための方法であって、
    集団の各患者のための患者データからバイオマーカー病期分類スケールと認知障害病期分類スケールとを算出するステップと、
    前記集団の前記バイオマーカー病期分類スケールと前記認知障害病期分類スケールとの間の相関曲線を算出するステップと、
    前記集団の前記相関曲線に従って現在の患者の患者データを予知するステップと、
    を含む方法。
16. 前記集団の前記相関曲線に対するその認知障害病期分類スケールの距離に従って、前記集団の各患者のための患者データを少なくとも３つのサブグループに区分するステップ、
    をさらに含む請求項１５に記載の方法。
17. 各サブグループの２つのスケールパラメータ間の相関曲線を算出するステップと、
    前記集団全体の前記相関曲線に対するその認知障害スケールの距離に従って、前記サブグループをマッチさせるステップと、
    をさらに含む請求項１５又は１６に記載の方法。
18. 前記のマッチするサブグループの相関曲線は、前記患者の認知障害を予知するために使用される、請求項１５乃至１７のうちいずれか１項に記載の方法。
19. 請求項１５乃至１８のうちいずれか１項に記載の方法を実行するように予めプログラムされた１又は複数のプロセッサ。
20. １又は複数のプロセッサに請求項１５乃至１８のうちいずれか１項に記載の方法を実行させるソフトウェアを担体するコンピュータ読取可能媒体。

Images