本明細書において説明されている非限定的な例示的なコンピュータ実装認知プラットフォームは、個人の認知状態に対するバイオマーカーまたは他のマーカーとして、個人の1つまたは複数の認知スキルの評価を生成するように構成され得る。本明細書において説明されている非限定的な例示的なコンピュータ実装認知プラットフォームは、個人の認知スキルを増強し、増強された認知スキルの結果として個人の認知状態の変化に対するバイオマーカーまたは他のマーカーとしての機能を果たすようにも構成され得る。認知状態は神経変性状態であってもよく、この場合、例示的なコンピュータ実装認知プラットフォームは、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階に対するバイオマーカーまたは他のマーカーとしての機能を果たすように構成され得る。
コンピュータ実装認知プラットフォームを含む例示的なシステムまたは装置は、認知プラットフォームのコンポーネントを使用して収集されたデータに基づき導出される個人のパフォーマンスの指標に予測モデルを適用するように構成され得る。たとえば、認知プラットフォームは、一次課題および/または二次課題を表現し、一次課題のインスタンスに対する個人からの測定された応答を示すデータを収集し、収集されたデータを解析して個人の認知能力の少なくとも1つの指標を決定するように構成され得る。例示的なシステムまたは装置は、予測モデルを少なくとも1つの指標に適用して、神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示すスコアリング出力を生成し、それによってバイオマーカーまたは他のマーカーとしての認知プラットフォームの使用を円滑にするように構成される。
例示的な予測モデルを訓練するための方法も説明されている。たとえば、予測モデルは、(i)一次課題および/または二次課題のパフォーマンスからの複数の個人のうちの各個人の応答を示すデータと、(ii)個人からの1つまたは複数の生理学的測定を示すデータを含むデータセットに基づき計算され得る。1つまたは複数の生理学的測定は、個人が認知プラットフォームをインタラクティブに操作する前もしくは後のいずれかに、および/または個人が認知プラットフォームをインタラクティブに操作している期間の少なくとも一部において行われ得る。訓練された予測モデルが確立されれば、認知プラットフォームは、1つまたは複数のコンピュータ実装課題をユーザに提示し、1つまたは複数のコンピュータ実装課題へのユーザの応答を示すデータを収集し、個人のパフォーマンスの少なくとも1つの指標を計算するように実装され得る。少なくとも1つの指標への予測モデルの適用は、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階の指示を提供することによって、神経変性状態のバイオマーカーまたは他のマーカーとしての機能を果たすスコアリング出力をもたらす。
認知プラットフォームを含む本明細書の例示的なシステムおよび装置の利点は、コンピュータ実装課題をユーザに提示することおよびコンピュータ実装課題へのユーザの応答を収集することがユーザにとって比較的容易であり便利であることである。いくつかの例において、ユーザの認知スキルの指示および神経変性状態のマーカー(予測モデルを使用するスコアリングに基づき導出される)は、生理学的測定を実行すること(限定はしないがユーザから組織または体液のサンプルを採取すること、またはポジトロン放出断層撮影法(PET)スキャンを実行することなど)なく評価され得る。認知プラットフォームによって提示されるコンピュータ実装課題は、認知プラットフォームを定期的に、たとえば、毎日、または特定の月に数日間インタラクティブに操作する作業に対するユーザのやる気を引き起こすような興味深く、楽しく、おもしろいものにできる。これは、ユーザの認知スキル、およびユーザの神経変性状態のマーカー(予測モデルを使用するスコアリングに基づき導出される)の指示が都合のよい仕方で定期的に評価されることを可能にする。認知プラットフォームは、時間の経過とともにユーザの認知スキルの少なくとも1つの指標を追跡することができ、予測モデルを使用するスコアリングは、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階のマーカーとして使用され得る。個人の神経変性状態の早期検出を円滑にするためにスコアリングが使用され得る例において、個人の認知状態に関して治療手段が実施され得る。
コンピュータ実装認知プラットフォームは、開業医または医療関係者が個人の認知状態(個人の神経変性状態を含む)を評価することを支援するためにコンピュータまたは機械を使用する技術的問題に対する技術的解決方法を提供する。コンピュータ実装認知プラットフォームの使用は、ユーザの神経変性状態を検出するか、またはユーザの神経変性状態の進行を追跡するために生理学的測定データに頼ることがある従来の方法に勝るいくつかの改善点を提供する。生理学的測定(たとえば、個人の組織もしくは体液中のタンパク質の種類および/もしくはタンパク質の立体構造の測定、またはPETスキャン)は、多くの場合に、医療専門家によって実行される必要があるので、生理学的測定データは、あまり頻繁には更新されず、たとえば、年に1度もしくは2度更新される。急激に進行する神経変性状態を有する個人では、そのような遅延は不都合な結果をもたらす可能性があり、1年毎または半年毎の健康診断の間の時間遅延で、個人の認知スキルまたは神経変性状態は著しく低下し得る。
対照的に、本明細書の原理による例示的な認知プラットフォームは、使いやすいように構成され、この例示的な認知プラットフォームは、より快適なセッティング(家庭など)でユーザによって操作され、より都合よく施され得る。認知プラットフォームを使用する個人の認知能力の尺度が神経変性状態の徴候の尤度および/または神経変性状態の進行の段階のバイオマーカーまたは他のマーカーの初期兆候を提供し得る例では、個人の同意を得て、出力メッセージが開業医または医療関係者に伝送され得る。認知プラットフォームは、個人に合わせた治療がユーザに都合よく施され得るようにユーザの家庭内で使用され得る。
以下でより詳しく説明されている概念(そのような概念が相互に矛盾していないと仮定して)のすべての組合せは、本明細書で開示されている発明の主題の一部であると企図されることは理解されるべきである。また、参照により組み込まれている開示内にも出現し得る本明細書で明示的に使用されている用語は、本明細書において開示されている特定の概念と最も一致している意味を付与されるべきであると理解されるべきである。
次に以下は、1つまたは複数の他の種類の測定コンポーネント(限定はしないが、1つまたは複数の生理学的コンポーネント)と接続し、1つまたは複数の他の種類の測定コンポーネントの少なくとも1つの測定を示すデータを解析するように構成されている認知プラットフォームを含む発明の方法、装置、およびシステムに関係する様々な概念、ならびにそれらの方法、装置、およびシステムの実施形態のより詳細な説明である。非限定的な例として、認知プラットフォームは、認知訓練および/または臨床目的に合わせて構成され得る。本明細書の原理により、認知プラットフォームは、1つもしくは複数の生理学的もしくは監視コンポーネントおよび/または1つもしくは複数の認知試験コンポーネントに接続されるか(それらと通信することを含む)、または一体化され得る。
開示されている概念は特定の実装様式に限定されないため、上で導入され、以下でより詳しく説明されている様々な概念は、多数の方法のうちのどれかで実装されてよいことは理解されるべきである。特定の実装形態およびアプリケーションの例は、もっぱら例示することを目的として提供されている。
本明細書で使用されているように、「含む」という言い回しは「限定はしないが...を含む」を意味し、「含んでいる」という言い回しは「限定はしないが...を含んでいる」を意味する。「...に基づく」という言い回しは、「...に少なくとも一部は基づく」を意味する。
本明細書で使用されているように、「刺激」という語は、個人から指定された機能的応答を呼び起こすように構成されている感覚事象を指す。応答の程度およびタイプは、測定コンポーネントとの個人のインタラクションに基づき定量化され得る(センサデバイスまたは他の測定コンポーネントを使用することを含む)。たとえば、応答の程度は、センサを使用して測定される活動の程度(限定はしないが、モーションセンサまたはジャイロスコープを使用して測定される程度もしくは回転など)に基づき生成され得る。刺激の非限定的な例は、ナビゲーション経路(個人はその経路をナビゲートするのにアバターまたは他のプロセッサによって表現されるガイドを制御するように教授されている)、またはターゲットであろうと非ターゲットであろうと、ユーザインターフェースに表現される離散的対象(個人は離散的対象に関して入力または他の指示を提供するようにコンピューティングコンポーネントを制御することを教授される)を含む。本明細書における例では、課題および/または干渉は、以下で説明されるような時間的に変化する特徴であってよい、刺激を含む。
本明細書で使用されているように、「ターゲット」という語は、インタラクションの焦点であるべき個人に指定されている(たとえば、教授における)タイプの刺激を指す。ターゲットは、少なくとも1つの特性または特徴の点で非ターゲットと異なる。個人が選択を示す応答を行うことを教授される/要求される例では、2つのターゲットは、少なくとも1つの特性または特徴について互いに異なり得るが、全体として、それでも1つのターゲットとして個人に教授される。
本明細書で使用されているように、「非ターゲット」という語は、個人に対して明示的に示されようと暗示的に示されようと、インタラクションの焦点であるべきでないタイプの刺激を指す。
本明細書で使用されているように、「課題」という語は、個人によって遂行されるべきゴールおよび/または目標を指す。本明細書で説明されている例示的なシステム、方法、および装置を使用することで、コンピュータ化された課題は、プログラムされたコンピュータ化コンポーネントを使用して表現され、個人は、コンピュータ化された課題を実行することを個人からの意図されたゴールまたは目標に関して(たとえば、コンピューティングデバイスを使用して)教授される。課題は、コンピューティングデバイスの少なくとも1つのコンポーネント(たとえば、コンピューティングデバイスの1つまたは複数のセンサコンポーネント)を使用して個人が特定の刺激への応答を提供するか、または差し控えることを必要とし得る。「課題」は、測定されているベースライン認知機能として構成され得る。
本明細書で使用されているように、「干渉」は、一次課題の個人のパフォーマンスに干渉するように個人に提示される刺激のタイプを指す。本明細書の例では、干渉は、別の課題(一次課題を含む)を実行する際に個人の注意を逸らすか、または干渉するような方式で提示/表現されるタイプの課題である。本明細書のいくつかの例において、干渉は、離散的時間期間(たとえば、短い、離散的時間期間)にわたって、または延長された時間期間(たとえば、一次課題が提示される際の時間枠より短い)にわたって、または一次課題の時間期間全体にわたって、一次課題と同時に提示される二次課題のインスタンスとして構成される。本明細書における例では、干渉は、連続的に、または継続的に(すなわち、特定の頻度で、不規則に、またはいくぶんランダムに繰り返して)提示/表現され得る。たとえば、干渉は、一次課題の終わりに、または一次課題の提示中に離散的な暫定期間において提示され得る。干渉の程度は、一次課題に関する干渉のタイプ、量、および/または提示の時間的長さに基づき変調されるものとしてよい。
本明細書で使用されているように、「試行」は、課題および/または干渉(時間的に変化する特徴を伴っていずれかまたは両方)を表現することの少なくとも1回の繰り返しと、課題および/または干渉(時間的に変化する特徴を伴っていずれかまたは両方)への個人の応答を少なくとも1回受け取ることとを含む。非限定的な例として、試行は、シングルタスキング課題の少なくとも一部および/またはマルチタスキング課題の少なくとも一部を含むことができる。たとえば、試行は、限定はしないが、プラットフォームと相互作用する個人のアクションの結果、ガイド(コンピュータ化アバターを含む)が特定の経路の少なくとも一部に沿ってもしくは時間間隔(限定はしないが数分の1秒、1秒、数秒、もしくはそれ以上の秒数など)に対する環境内でナビゲートする、および/またはガイド(コンピュータ化アバターを含む)が経路に沿ってもしくは環境内でパフォーマンスマイルストーンと交差する(もしくは交差することを回避する)ことを行わせるかどうかを、またはその成功の程度を評価するなど、個人のパフォーマンスが評価されるナビゲーション課題(視覚運動ナビゲーション課題を含む)における時間期間であり得る。別の例では、試行は、限定はしないが、プラットフォームと相互作用する個人のアクションの結果、ターゲット対非ターゲット(たとえば、赤色オブジェクト対黄色オブジェクト)の識別/選択を行わせるか、またはターゲットの2つの異なるタイプのターゲットを弁別するかどうかを、またはその成功の程度を評価するなど、個人のパフォーマンスが評価されるターゲット課題における時間期間であり得る。これらの例において、ナビゲーション課題に対する試行として指定される個人のパフォーマンスのセグメントは、ターゲット課題に対する試行として指定される個人のパフォーマンスのセグメントと共存するか、または整列される必要はない。
本明細書の例では、物理的な対象物(多角形もしくは他の対象を含む)、顔(人間もしくは人間以外)、またはカリカチュア、他のタイプの対象の描写として対象が表現され得る。
本明細書の例のうちのどれかにおいて、個人が試行および/またはセッションにおいて課題および/または干渉(時間的に変化する特徴を伴っていずれかまたは両方)を実行することをどのように期待されているかを指定する教授が個人に提供され得る。非限定的な例では、これらの教授では、個人に、ナビゲーション課題(たとえば、この経路上に留まるか、環境のこれらの部分に行くか、経路もしくは環境内のいくつかのマイルストーン対象と交差するか、もしくは回避する)、ターゲット課題(たとえば、ターゲット対象対非ターゲット対象である対象のタイプを記述するか、もしくは示すか、またはターゲット対象対非ターゲット対象である対象のタイプ、もしくは個人が選択することを期待されているターゲット対象の2つの異なるタイプを記述するか、もしくは示す)の予想パフォーマンスを知らせ、および/または個人のパフォーマンスにスコアをどのように付けるべきかを記述することができる。例では、教授は、視覚的に(たとえば、表現されたユーザインターフェースに基づき)、または音声を介して提供され得る。様々な例において、教授は、2つ以上の回数の試行もしくはセッションの実行の前に1回提供されるか、または試行もしくはセッションの実行、もしくはこれらの何らかの組合せの前に毎回繰り返され得る。
本明細書に記載するいくつかの例示的なシステム、方法、および装置は個人がターゲット対非ターゲットを決定/選択することを教示/要求されることに基づいているが、他の例示的な実装形態では、例示的なシステム、方法、および装置は、個人がターゲットの2つの異なるタイプ(限定はしないが、表情または他の特性/特徴の差の2つの異なる程度など)の間で決定/選択することを教示/要求されるように構成され得る。
それに加えて、例示的なシステム、方法、および装置は、個人に関して本明細書において説明され得るが、他の例示的な実装形態において、例示的なシステム、方法、および装置は、2人以上の個人、またはグループ(臨床的個体群を含む)のメンバーが、個別に、または同時に、のいずれかで、課題および/または干渉(時間的に変化する特徴を伴っていずれかまたは両方)を実行するように構成され得る。
本明細書で説明されている原理による例示的なプラットフォーム製品および認知プラットフォームは、限定はしないが、アルツハイマー病、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、ハンチントン病、または他の神経変性病状などの多くの異なるタイプの状態に適用可能であるものとしてよい。
以下でより詳しく説明されているように、コンピューティングデバイスは、データを解析するなどの機能を実行するためのアプリケーション(「アプリプログラム」)を備え得る。たとえば、少なくとも1つのセンサコンポーネントからのデータは、本明細書で説明されているように、プロセッサが例示的なコンピューティングデバイス上でアプリプログラムを実行して、一次課題への個人からの応答および一次課題への干渉として表現される二次課題への個人の二次応答を実質的に同時に受信すること(測定することを含む)によって解析され得る。別の例として、少なくとも1つのセンサコンポーネントからのデータは本明細書で説明されているように、プロセッサが例示的なコンピューティングデバイス上でアプリプログラムを実行して一次課題へのおよび二次課題への個人の応答を示すデータを解析し、認知状態の少なくとも1つの指標を含む少なくとも1つのパフォーマンスメトリックを計算することによって解析され得る。
本明細書の原理による例示的なシステムは、予測モデル(限定はしないが、機械学習分類器などの、機械学習予測モデルを使用することを含む)を実装して、予測モデルを使用して個人の認知スキルの評価を可能にしおよび/または個人の認知スキルを増強するように構成され得る。例示的な一実装形態において、例示的なシステムは、モバイル通信デバイスまたは他のハンドヘルドデバイス上で実行するアプリプログラムを使用する。そのようなモバイル通信デバイスまたはハンドヘルドデバイスの非限定的な例は、限定はしないが、iPhone(登録商標)、BlackBerry(登録商標)、もしくはAndroid(登録商標)ベースのスマートフォン、タブレット、スレート、電子書籍リーダー(e-reader)、デジタルアシスタント、もしくは他の電子リーダーもしくはハンドヘルド、ポータブル、もしくはウェアラブルコンピューティングデバイス、または他の同等の任意のデバイス、Xbox(登録商標)、Wii(登録商標)、もしくはゲームに似た要素を表現するために使用できる他のコンピューティングシステムを含む。いくつかの例示的な実装形態において、例示的なシステムは、内蔵ディスプレイを備えるスマート眼鏡、内蔵ディスプレイを備えるスマートゴーグル、または内蔵ディスプレイを備えるスマートヘルメットなどの、頭部装着デバイスを含むことができ、ユーザは1つまたは複数のセンサを有するコントローラまたは入力デバイスを手に持つことができ、コントローラまたは入力デバイスはその頭部装着デバイスとワイヤレス方式で通信する。いくつかの例示的な実装形態において、コンピューティングシステムは、メインコンピュータおよびデスクトップディスプレイ(またはプロジェクタディスプレイ)を備えるデスクトップコンピューティングシステムなどの固定システムであってよく、ユーザは、キーボード、コンピュータマウス、ジョイスティック、ハンドヘルドコンソール、リストバンド、または他のウェアラブルデバイスを使用して入力をアプリプログラムに提供し、これらは有線またはワイヤレス通信を使用してメインコンピュータと通信するセンサを有する。本明細書の他の例では、例示的なシステムは、仮想現実システム、拡張現実システム、または複合現実システムであってよい。本明細書の例では、センサは、ユーザの手、足、および/または身体の他の部分の動きを測定するように構成され得る。いくつかの例示的な実装形態において、例示的なシステムは、仮想現実(VR)システム(ユーザ向けの没入型インタラクティブ3-D体験としてのものを含むシミュレートされた環境)、拡張現実(AR)システム(要素が限定はしないが音声、ビデオ、グラフィックス、および/もしくはGPSデータなどのコンピュータ生成感覚入力によって拡張される物理的な現実世界環境のライブの直接的または間接的なビューを含む)、または複合現実(MR)システム(現実世界と仮想世界とを合併し新しい環境および視覚化を生み出し、物理的対象とデジタル対象とが共存し、実質的にリアルタイムで相互作用する、ハイブリッド現実とも呼ばれる)として形成され得る。
本明細書で使用されているように、「予測モデル」という語は、連続的出力値および/または離散的ラベルに基づくモデルに基づき訓練され開発されたモデルを包含する。本明細書のどの例においても、予測モデルは分類器モデルを包含する。たとえば、予測モデルは、連続出力値(限定はしないが、精神測定曲線の値をなど)または離散値(限定はしないが、分類出力)であるスコアリング出力を決定するように構成され得る。別の例では、連続出力値である、システム、方法、および装置の、スコアリング出力は、分類出力が得られるように2つまたはそれ以上のビンに(各ビンは出力値の事前設定された範囲に対応する)ビニングされ得る。
本明細書の原理による例示的な予測モデルは、複数の訓練データセットを使用して訓練されるものとしてよい。各訓練データセットは、複数の個人のすでに測定されている個人に対応する。各訓練データセットは、認知プラットフォームによって実行された課題および/または干渉との前のインタラクションからの個人の応答を示すデータに基づき生成された、すでに測定されている個人の認知能力の少なくとも1つの指標を表すデータと、分類された個人における神経変性状態の状況または進行の診断を示すnDataとを含む。訓練された予測モデルは、個人の認知能力の少なくとも1つの指標(認知プラットフォームによって実行される課題および/または干渉との個人のインタラクションを示すデータから導出される)に適用され、スコアリング出力を生成し得る。スコアリング出力は、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階の指標を提供するために使用され得る。
本開示は、ユーザパフォーマンスメトリックを実現するために、1つまたは複数の課題におけるユーザのパフォーマンスを示すデータを測定することを目的とするソフトウェアおよび/または他のプロセッサ実行可能命令を実装するように構成されている例示的なプラットフォーム製品として形成されるコンピュータ実装デバイスを対象とする。例示的なパフォーマンスメトリックは、ユーザの認知能力の評価を導出し、および/または認知処理へのユーザの応答を測定し、および/またはユーザの状態(生理学的状態および/または認知状態を含む)を示すデータまたは他の定量的な指示要素を提供するために使用することができる。本明細書の原理による非限定的な例示的な認知プラットフォームまたはプラットフォーム製品は、個人を、アミロイドグループ、ならびに/またはAPOE発現レベルに基づくアポリポタンパクE(APOE Expression Group)(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)、ならびに/または個人が薬物、生物剤、もしくは他の医薬品を投与されるときの認知プラットフォームもしくはプラットフォーム製品の使用の潜在的有効性、ならびに/または認知プラットフォームもしくはプラットフォーム製品に対する個人のインタラクションから収集されたデータおよび/もしくはそのデータの解析(および関連付けられている計算)結果に基づき計算されたメトリックに基づく、TOVA(登録商標)テストおよび/もしくはRAVLT(商標)テストの個人のパフォーマンスからの予測されるスコアに関して分類するように構成され得る。本明細書の原理によるさらに他の非限定的な例示的な認知プラットフォームまたはプラットフォーム製品は、個人を、認知プラットフォームもしくはプラットフォーム製品に対する個人のインタラクションから収集されたデータおよび/またはそのデータの解析(および関連付けられている計算)結果に基づき計算されるメトリックに基づき、神経変性状態の徴候の尤度および/もしくは進行の段階に関して分類するように構成され得る。神経変性状態は、限定はしないが、アルツハイマー病、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、またはハンチントン病であるものとしてよい。
本明細書の原理による神経変性状態の徴候の尤度および/または進行の段階に関する指示を提供する個人に対する予測モデルのスコアリング出力(分類器モデルの分類出力を含む)は、信号として医療デバイス、ヘルスケアコンピューティングシステム、もしくは他のデバイスに、および/または開業医、医療関係者、理学療法士、行動療法士、スポーツ医学専門家、薬剤師、もしくは他の専門家に伝送され、それにより、治療コースを個人向けに作成することを可能にするか、または既存の治療コースを修正することができ、これは個人への薬物、生物剤、もしくは他の医薬品の投薬量の変化を決定すること、または個人への薬物、生物剤、もしくは他の医薬品の最適なタイプまたは組合せを決定することを含む。
本明細書の一例において、プラットフォーム製品または認知プラットフォームは、医療デバイスプラットフォーム、監視デバイスプラットフォーム、スクリーニングデバイスプラットフォーム、または他のデバイスプラットフォームの任意の組合せとして構成され得る。
本開示は、1つもしくは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントと接続するように構成されているプラットフォーム製品および認知プラットフォームを含む例示的なシステムも対象とする。一例において、システムは、1つもしくは複数の他の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントと一体化されているプラットフォーム製品および認知プラットフォームを備える。他の例では、システムは、1つもしくは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントとは別々に収納され、それらと通信するように構成されているプラットフォーム製品および認知プラットフォームを備え、そのような1つまたは複数のコンポーネントを使用して行われた測定を示すデータを受信する。
本明細書で使用されているように、「cData」という語は、プラットフォーム製品として形成されたコンピュータ実装デバイスとユーザとのインタラクションの尺度から収集されたデータを指す。
本明細書で使用されているように、「nData」という用語は、本明細書の原理により収集され得るデータの他のタイプを指す。nDataを提供するために使用されるコンポーネントは、本明細書ではnDataコンポーネントと称される。
本明細書の例では、データ(cDataおよびnDataを含む)は、ユーザの同意を得て収集される。
本明細書のどの例においても、cDataおよび/またはnDataは、リアルタイムで収集され得る。
非限定的な例では、nDataは、1つもしくは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントを使用した測定結果から収集され得る。本明細書のどの例においても、1つまたは複数の生理学的コンポーネントは、生理学的測定を実行するように構成される。生理学的測定は、生理学的パラメータの定量的測定データならびに/または生理学的構造および/もしくは機能の視覚化に使用され得るデータを提供する。
非限定的な一例として、nDataは、個人の組織もしくは体液(血液を含む)および/または個人から採取された組織もしくは体液(血液を含む)中のタンパク質のタイプおよび/またはタンパク質の立体構造の測定結果から収集され得る。いくつかの例において、組織および/または体液は、個人の脳中にあるか、または個人の脳から取り出され得る。他の例では、タンパク質の立体構造の測定は、アミロイド形成の指示(たとえば、タンパク質が会合体を形成しているかどうか)を提供することができる。たとえば、nDataは、個人のアミロイドレベルを示すデータを提供するポジトロン放出断層撮影法(PET)スキャナを使用することで、および/または臨床的に注目するタンパク質の発現のタイプおよびレベルを測定するテスト(たとえば、アポリポタンパクEε4対立遺伝子(本明細書では「APOE発現グループ」と称される)の個人の遺伝子型および/または発現レベルを示すデータを提供するDNAテスト)を使用することで行われる測定から収集され得る。発現グループは、神経変性状態において臨床的に注目するタンパク質の閾値発現レベルに基づき定義されるものとしてよく、事前指定された閾値を超える発現レベルの測定された値は第1の発現グループを定義し、事前指定された閾値を下回る発現レベルの測定された値は第2の発現グループを定義する。
非限定的な一例として、nDataは、βアミロイド、シスタチン、αシヌクレイン、ハンチンチンタンパク質、および/またはタウタンパク質の測定から収集され得る。いくつかの例において、nDataは、限定はしないが、アルツハイマー病、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、もしくはハンチントン病などの、神経変性状態の徴候および/または進行に関わり得る他のタイプのタンパク質の測定から収集され得る。
非限定的な一例において、nDataは、1つもしくは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントからの測定データに基づき個人に割り当てられ得る分類または他のグループ化を提供するために使用され得る。たとえば、個人は、PETスキャンからの画像の解析結果に基づきアミロイド陽性(A+)またはアミロイド陰性(A-)のアミロイドグループに分類され得る。一例において、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションから収集された特定のcDataは、個人が分類され得るアミロイドグループのタイプと共変するか、または他の何らかの形で相関することができる。
本明細書の原理による非限定的な例示的なシステム、方法、および装置は、個人に提示される課題および/または干渉への個人の応答を示すcDataを測定し、cDataを解析して個人の認知能力の少なくとも1つの指標を生成し、予測モデルをcDataから導出された個人の認知能力の少なくとも1つの指標に適用して、個人の神経変性状態の徴候の尤度および/または進行の段階を示すスコアリング出力を提供するために実行され得る。非限定的な一例として、アミロイド状態(またはグループ化)の分類出力をもたらすように訓練された分類器モデルとして構成されている予測モデルを使用すれば、アミロイド状態(またはグループ化)に従って個人を分類するための例示的なシステム、方法、および装置を実装することも可能である。
本明細書の原理による例示的なシステム、方法、および装置は、nData測定または解析に対するインテリジェントプロキシとして使用され得る。たとえば、システム、方法、および装置は、スコアリング出力を提供するために予測モデルを使用することで、個人の神経変性状態の徴候の尤度および/または進行の段階を示すnData測定または解析に対するインテリジェントプロキシとして実装され得る。
いくつかの例において、nDataは、個人に投与されたか、もしくは投与されるべき生物剤、薬物、もしくは他の医薬品のタイプの識別、および/または測定がその場で行われるか、個人からの採取を使用して組織もしくは体液(血液を含む)を使用して行われるかに関係なく、個人の組織もしくは体液(血液を含む)中の生物剤、薬物、もしくは他の医薬品のレベルの測定から収集されたデータであってよい。本明細書で説明されている例に適用可能である生物剤、薬物、または他の医薬品の非限定的な例は、メチルフェニデート(MPH)、スコポラミン、塩酸ドネペジル、酒石酸リバスチグミン、メマンチンHCl、ソラネズマブ、アデュカヌマブ、およびクレネズマブを含む。
本明細書において言及されている「薬物」は薬物、生物剤、および/または他の医薬品を包含することは理解される。
非限定的な一例において、生理学的計測機器はfMRIであってよく、nDataは皮質厚、脳機能活動変化、または他の尺度であってよい。
他の非限定的な例において、nDataは、限定はしないが、年齢、性別、または他の類似のデータなどの、個人の状態を特徴付けるために使用され得るデータを含み得る。
別の非限定的な例において、nDataは、限定はしないが、Western Psychological Services (カリフォルニア州トランス)社のRey Auditory Verbal Learning Test(RAVLT(商標))および/またはThe TOVA Company(カリフォルニア州ロスアラミトス)社のTest of Variables of Attention(T.O.V.A(登録商標))などの、試験コンポーネントを使用して個人のパフォーマンスを示すデータとすることができる。
本明細書の例では、データ(cDataおよびnDataを含む)は、個人の同意を得て収集される。
本明細書の例において、1つまたは複数の生理学的コンポーネントは、電気的活動、心拍数、血流量、および酸素化レベルを含む、身体および神経系統の物理的特性を測定し、nDataを提供する手段を含み得る。これは、nDataを提供するために、カメラベースの心拍数検出、電気皮膚反応の測定、血圧測定、脳波図、心電図、核磁気共鳴画像法、近赤外分光法、および/または瞳孔拡張尺度を含むことができる。
nDataを提供するための生理学的測定の他の例は、限定はしないが、体温の測定、心電計(ECG)を使用する心臓もしくは他の心臓関係の機能、脳波図(EEG)を使用する電気的活動、事象関連電位(ERP)、機能的磁気共鳴画像法(fMRI)、血圧、皮膚の一部の電位、電気皮膚反応(GSR)、脳磁気図(MEG)、散瞳の程度を決定するようにプログラムされている処理ユニットを含む視標追跡デバイスもしくは他の光学的検出デバイス、機能的近赤外分光法(fNIRS)、および/またはポジトロン放出断層撮影(PET)スキャナを含む。EEG-fMRIまたはMEG-fMRI測定は、電気生理学(EEG/MEG)nDataおよび血行動態(fMRI)nDataの同時取得を可能にする。
fMRIは、脳への酸素化血液供給と非酸素化血液供給の磁気的特性の差に基づき、神経細胞活性化を示す測定データ(nData)を提供するためにも使用され得る。fMRIは、神経細胞活動と脳代謝との間の正相関に基づき、血液供給の部位変化を測定することによって神経細胞活動の間接的尺度をもたらし得る。
PETスキャナは、機能撮像法を実行して、陽電子放出核種(トレーサー)によって間接的に放射されるガンマ線を検出することで身体の代謝過程および他の生理学的尺度を観察するために使用され得る。トレーサーは、生体活性分子を使用してユーザの身体内に導入され得る。身体の代謝過程および他の生理学的尺度の指標は、スキャンからのトレーサー濃度のnDataからの2次元および3次元画像のコンピュータ再構成を含む、スキャンから導出され得る。nDataは、トレーサー濃度の尺度および/またはPET画像(2次元もしくは3次元画像など)を含み得る。
本明細書の例では、認知プラットフォームおよび認知プラットフォームを含むシステムは、認知評価に関する情報を与える(スクリーニングまたは監視)か、または治療を行うコンピュータ化された課題およびプラットフォームインタラクションを提示するように構成され得る。
本明細書の例では、課題は、ユーザが取り組む必要がある1つまたは複数の活動を伴い得る。これらの課題のうちの1つまたは複数は、コンピュータ化された刺激またはインタラクション(以下でより詳しく説明される)としてコンピュータにより実装され得る。ターゲット課題については、認知プラットフォームは、ユーザからの時間特有および/または位置特有の応答を必要とし得る。ナビゲーション課題については、認知プラットフォームは、ユーザからの位置特有および/または運動特有の応答を必要とし得る。表情認識または対象認識課題については、認知プラットフォームは、ユーザからの時間特有および/または位置特有の応答を必要とし得る。マルチタスキング課題は、2つ以上の課題の組合せを含むことができる。非限定的な例では、限定はしないがターゲットおよび/またはナビゲーションおよび/または表情認識もしくは対象認識課題などの課題へのユーザ応答は、認知プラットフォームの入力デバイスを使用して記録され得る。そのような入力デバイスの非限定的な例は、ユーザインタラクションを記録するように構成された任意の形式のユーザインターフェースを含む、ユーザインターフェースまたは画像キャプチャデバイス(限定はしないが、タッチスクリーンもしくは他の感圧スクリーン、またはカメラなど)に関するタッチ、スワイプ、または他のジェスチャを含み得る。他の非限定的な例では、限定はしないがターゲットおよび/またはナビゲーションおよび/または表情認識もしくは対象認識課題などの課題に対する認知プラットフォームを使用して記録されたユーザ応答は、認知プラットフォームを含むコンピューティングデバイスの位置、配向、または移動の変化を引き起こすユーザアクションを含むことができる。コンピューティングデバイスの位置、配向、または移動のそのような変化は、限定はしないがセンサなどの、コンピューティングデバイス内に配設されるか、または他の何らかの形で接続されている入力デバイスを使用して記録され得る。センサの非限定的な例は、モーションセンサ、位置センサ、および/または画像キャプチャデバイス(限定はしないがカメラなど)を含む。
マルチタスキング課題を伴う例示的な実装形態において、コンピューティングデバイスは、ユーザに、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)内で、限定はしないが、ターゲットおよび/またはナビゲーションおよび/または表情認識もしくは対象認識課題などの2つ以上の異なるタイプの課題を提示することを認知プラットフォームに行わせるように(少なくとも1つの特別にプログラムされた処理ユニットを使用するなどして)構成される。コンピューティングデバイスは、また、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)内で、マルチタスキング課題に対する受け取ったユーザ応答のタイプを示すデータを収集するように(少なくとも1つの特別にプログラムされた処理ユニットを使用するなどして)構成される。これらの例では、2つ以上の異なるタイプの課題が、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)で個人に提示されるものとしてよく、コンピューティングデバイスは、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)で2つ以上の異なるタイプの課題に関するユーザ応答を示すデータを受信するように構成されるものとしてよい。
いくつかの例において、短い時間枠(実質的に同時であることを含む)は、最大約1.0ミリ秒以上までの分解能での任意の時間間隔であってよい。時間間隔は、限定はしないが、任意の妥当な終了時間までの、約2.0ミリ秒以上の周期の任意の分割の持続時間であってよい。この時間間隔は、限定はしないが、約3.0ミリ秒、約5.0ミリ秒、約10ミリ秒、約25ミリ秒、約40ミリ秒、約50ミリ秒、約60ミリ秒、約70ミリ秒、約100ミリ秒、またはそれ以上の秒数であってよい。他の例では、短い時間枠は、限定はしないが、数分の1秒、約1秒、約1.0から約2.0秒の間、または最大約2.0秒、またはそれ以上であってよい。
いくつかの例において、プラットフォーム製品または認知プラットフォームは、課題の提示の時間に関するユーザの応答の反応時間を示すデータを収集するように構成され得る。たとえば、コンピューティングデバイスは、難易度レベルを調整する方法としてユーザが課題への応答を提供するようにより小さいまたはより大きい反応時間窓を用意することをプラットフォーム製品または認知プラットフォームに行わせるように構成され得る。
非限定的な例示的な実装形態において、本明細書の例示的なプラットフォーム製品は、マサチューセッツ州ボストン所在のAkili Interactive Labs, Inc.によるAKILI(登録商標)プラットフォーム製品(本明細書では「APP」とも称される)として形成されるか、その製品に基づくか、またはその製品と一体化され得る。
本明細書で使用されているように、「コンピュータ化された刺激またはインタラクション」すなわち「CSI」は、刺激とユーザとのインタラクションまたは他のインタラクションを円滑にするためにユーザに対して提示されるコンピュータ化要素を指す。非限定的な例として、コンピューティングデバイスは、聴覚刺激を提示するか、もしくはユーザとの他の聴覚ベースのインタラクションを開始する、および/または振動刺激を提示するか、もしくはユーザとの他の振動ベースのインタラクションを開始する、および/または触覚刺激を提示するか、もしくはユーザとの他の触覚ベースのインタラクションを開始する、および/または視覚的刺激を提示するか、もしくはユーザとの他の視覚ベースのインタラクションを開始するように構成され得る。
本明細書の原理による課題はどれも、コンピューティングデバイス、作動コンポーネント、または1つもしくは複数の刺激もしくは他のインタラクティブ要素を実装するために使用される他のデバイスを介してユーザに提示されるものとしてよい。たとえば、課題は、コンピュータ化された刺激またはインタラクション(CSI)または他のインタラクティブ要素を提示するようにユーザインターフェースを表現することによってユーザに提示され得る。他の例では、課題は、作動コンポーネントを使用することで聴覚、触覚、または振動を利用するコンピュータ化要素(CSIを含む)としてユーザに提示され得る。本明細書の様々な例における1つまたは複数のCSIの使用(およびそれらからのデータの解析)の説明は、それらの例における1つまたは複数のCSIを含む課題の使用(およびそれらからのデータの解析)も包含する。
コンピューティングデバイスが視覚的CSIを提示するように構成されている例では、CSIは、ユーザに提示されるべき少なくとも1つのユーザインターフェースを使用して表現され得る。いくつかの例において、少なくとも1つのユーザインターフェースは、少なくとも1つのユーザインターフェースを使用して表現されるCSIコンピュータ化要素をユーザがインタラクティブに操作するときに、応答を測定するように構成される。非限定的な例において、ユーザインターフェースは、CSIコンピュータ化要素が能動的になるように構成されてよく、ユーザからの少なくとも1つの応答を必要とするものとしてよく、それにより、ユーザインターフェースはユーザとプラットフォーム製品とのインタラクションのタイプまたは程度を示すデータを測定するように構成される。別の例において、ユーザインターフェースは、CSIコンピュータ化要素が受動的であり、少なくとも1つのユーザインターフェースを使用してユーザに提示されるように構成され得るが、ユーザからの応答を必要としなくてもよい。この例では、少なくとも1つのユーザインターフェースは、ユーザのインタラクションの記録された応答を除外する、応答を示すデータに重み係数を適用する(たとえば、より低い値もしくはより高い値に合わせて応答に重みを付けるために)、またはユーザの見当違いの応答の尺度としてプラットフォーム製品によりユーザの応答を示すデータを測定する(たとえば、見当違いの応答であることを知らせる通知もしくは他のフィードバックをユーザに発行するために)、ように構成され得る。
一例において、プラットフォーム製品は、少なくとも1つの処理ユニットを含むプロセッサ実装システム、方法、または装置として構成され得る。一例において、少なくとも1つの処理ユニットは、コンピュータ化された刺激またはインタラクション(CSI)または他のインタラクティブ要素をユーザに提示してインタラクションを行わせるために、少なくとも1つのユーザインターフェースを表現するようにプログラムされ得る。他の例では、少なくとも1つの処理ユニットは、聴覚、触覚、または振動を利用するコンピュータ化要素(CSIを含む)を動作させてユーザとの刺激によるまたは他のインタラクションを生じさせることをプラットフォーム製品の作動コンポーネントに行わせるようにプログラムされ得る。少なくとも1つの処理ユニットは、入力デバイスを使用して提供される応答を含む、CSIまたは他のインタラクティブ要素(限定はしないがcDataなど)に対するユーザインタラクションに基づく少なくとも1つのユーザ応答を示すデータを受信することをプログラム製品のコンポーネントに行わせるようにプログラムされ得る。コンピュータ化された刺激またはインタラクション(CSI)または他のインタラクティブ要素をユーザに提示するように少なくとも1つのユーザインターフェースが表現される例では、少なくとも1つの処理ユニットは、少なくとも1つのユーザ応答を示すデータを受信することをユーザインターフェースに行わせるようにプログラムされ得る。少なくとも1つの処理ユニットは、また、cDataを解析して個人の認知状態の尺度を提供する、ならびに/またはユーザの応答の間の差を決定することに基づき(cDataにおける差に基づくことも含む)個人のパフォーマンスの差を解析する、ならびに/または聴覚、触覚、もしくは振動を利用するコンピュータ化された要素(CSIを含む)の難易度レベルを調整し、CSIもしくは他のインタラクティブ要素はcDataの解析(解析で決定された個人のパフォーマンスの尺度を含む)に基づく、ならびに/または個人のパフォーマンスを示し得るプラットフォーム製品からの出力もしくは他のフィードバック、および/もしくは認知評価、および/もしくは認知処理への応答、および/もしくは認知の評価された尺度を提供するようにもプログラムされ得る。非限定的な例において、少なくとも1つの処理ユニットは、個人を、アミロイドグループ、ならびに/またはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)、ならびに/または個人が薬物、生物剤、もしくは他の医薬品を投与されるときの認知プラットフォームもしくはプラットフォーム製品の使用の潜在的有効性、ならびに/または認知プラットフォームもしくはプラットフォーム製品に対する個人のインタラクションから収集されたcDataおよび/もしくはそのcDataの解析(および関連付けられている計算)結果に基づき計算されたメトリックに基づく、TOVA(登録商標)テストおよび/もしくはRAVLT(商標)テストの個人のパフォーマンスからの予測されるスコアに関して分類するようにプログラムされ得る。非限定的な例において、少なくとも1つの処理ユニットも、個人を、認知プラットフォームもしくはプラットフォーム製品に対する個人のインタラクションから収集されたcDataおよび/またはそのcDataの解析(および関連付けられている計算)結果に基づき計算されるメトリックに基づき、神経変性状態の徴候の尤度および/もしくは進行の段階に関して分類するようにプログラムされ得る。神経変性状態は、限定はしないが、アルツハイマー病、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、またはハンチントン病であるものとしてよい。
他の例では、プラットフォーム製品は、表示コンポーネントと、入力デバイスと、少なくとも1つの処理ユニットとを含むプロセッサ実装システム、方法、または装置として構成され得る。少なくとも1つの処理ユニットは、コンピュータ化された刺激またはインタラクション(CSI)または他のインタラクティブ要素をユーザに提示してインタラクションを行わせるために、少なくとも1つのユーザインターフェースを表示コンポーネントでの表示用に表現するようにプログラムされ得る。他の例では、少なくとも1つの処理ユニットは、聴覚、触覚、または振動を利用するコンピュータ化要素(CSIを含む)を動作させてユーザとの刺激によるまたは他のインタラクションを引き起こすことをプラットフォーム製品の作動コンポーネントに行わせるようにプログラムされ得る。
入力デバイスの非限定的な例は、タッチスクリーン、もしくは他の感圧もしくはタッチセンサ表面、モーションセンサ、位置センサ、圧力センサ、および/または画像キャプチャデバイス(限定はしないがカメラなど)を含む。
個人のパフォーマンスの解析は、コンピューティングデバイスを使用してセッション中のまたはすでに完了しているセッションにおけるパーセント正確度、正答数、および/または誤答数を計算することを含み得る。パフォーマンス尺度を計算するために使用され得る他の指標は、課題(たとえば、ターゲット刺激として)の提示の後に個人が応答するのに要する時間の長さである。他の指標は、限定はしないが、反応時間、応答分散、正答反応数、見逃しエラー数、お手つき回数、学習率、空間的分散、主観的評定、および/またはパフォーマンス閾値などを含むことができる。
非限定的な例では、ユーザのパフォーマンスに対する2つの異なるタイプの課題の効果を比較するためにユーザのパフォーマンスがさらに解析されるものとしてよく、これらの課題は異なるタイプの干渉(たとえば、注意を逸らすものまたは妨害するもの)を提示する。コンピューティングデバイスは、これらの異なるタイプの干渉をユーザの注意を一次課題から逸らすCSIまたは他のインタラクティブ要素として提示するように構成される。注意を逸らすものについては、コンピューティングデバイスは、一次課題への一次応答を提供するが、応答を提供しない(すなわち、注意を逸らすものを無視する)ことを個人に教授するように構成される。妨害するものについては、コンピューティングデバイスは、応答を二次課題として提供することを個人に教授するように構成され、コンピューティングデバイスは、一次課題へのユーザの応答として(応答は少なくとも1つの入力デバイスを使用して収集される)短い時間枠内で(少なくとも実質的に同時であることを含む)妨害するものへのユーザの二次応答を示すデータを取得するように構成される。コンピューティングデバイスは、干渉なしの場合の一次課題におけるユーザのパフォーマンス、干渉が注意を逸らすものである場合のパフォーマンス、および干渉が妨害である場合のパフォーマンスのうちの1つまたは複数の尺度を計算するように構成される。ユーザのパフォーマンスメトリックは、これらの尺度に基づき計算され得る。たとえば、ユーザのパフォーマンスは各タイプの干渉に対するコスト(パフォーマンスの変化)(たとえば、注意を逸らすもののコストおよび妨害するもの/マルチタスキングのコスト)として計算され得る。課題におけるユーザのパフォーマンスレベルは解析され、課題の難易度レベルを調整するための使用に対する認知プラットフォームへのフィードバック、および/またはユーザの状態もしくは進行状況に関する個人へのフィードバックのいずれかを含む、フィードバックとして報告され得る。
非限定的な例において、コンピューティングデバイスは、ユーザの応答に対する反応時間および/もしくは個人のパフォーマンスに対する統計的尺度(たとえば、最後の数のセッションにおける、指定された持続時間にわたる、もしくは課題のタイプに特有の(非ターゲットおよび/もしくはターゲット刺激、特定のタイプの課題などを含む)正しいもしくは正しくない応答のパーセンテージ)を解析し、記憶し、ならびに/または出力するようにも構成され得る。
非限定的な例において、コンピュータ化要素は、視覚課題としてユーザインターフェースに表現されるか、または聴覚、触覚、もしくは振動課題として提示される少なくとも1つの課題を含む。各課題は、ユーザがcDataおよび/またはnData収集を目的として刺激に曝された後にユーザから応答を引き出すように設計されているインタラクティブ機構として表現され得る。
非限定的な例において、コンピュータ化要素は、ユーザインターフェースに、またはプログラム製品の聴覚、触覚、もしくは振動要素として、表現される、プラットフォームの少なくとも1つのプラットフォームインタラクション(ゲームプレー)要素を含む。プラットフォーム製品の各プラットフォームインタラクション(ゲームプレー)要素は、cDataおよび/またはnData収集のターゲットであってもよいし、ターゲットでなくてもよいインタラクティブ機構(テレビゲームに似た機構の形態でのものを含む)または視覚的(もしくは化粧品の)特徴を含むことができる。
本明細書で使用されているように、「ゲームプレー」という語は、プラットフォーム製品の態様に対するユーザインタラクション(他のユーザエクスペリエンスを含む)を包含する。
非限定的な例では、コンピュータ化要素は、ユーザにポジティブフィードバックを指示する少なくとも1つの要素を含む。各要素は、課題または他のプラットフォームインタラクション要素における成功を指示する、すなわち、プラットフォーム製品におけるユーザ応答が課題またはプラットフォームインタラクション(ゲームプレー)要素上の閾値成功尺度を超えたことを指示する、ユーザに対して発せられる聴覚信号および/または視覚信号を含むことができる。
非限定的な例では、コンピュータ化要素は、ユーザにネガティブフィードバックを指示する少なくとも1つの要素を含む。各要素は、課題または他のプラットフォームインタラクション(ゲームプレー)要素における失敗を指示する、すなわち、プラットフォーム製品におけるユーザ応答が課題またはプラットフォームインタラクション要素上の閾値成功尺度を満たさなかったことを指示する、ユーザに対して発せられる聴覚信号および/または視覚信号を含むことができる。
非限定的な例では、コンピュータ化要素は、ポジティブフィードバックまたはネガティブフィードバックと異なるユーザへのメッセージング、すなわち通信に対する少なくとも1つの要素を含む。
非限定的な例では、コンピュータ化要素は、報酬を指示するための少なくとも1つの要素を含む。報酬コンピュータ要素は、CSIに対するユーザの満足度を高め、結果として、ポジティブなユーザインタラクション(およびしたがってユーザエクスペリエンスの楽しさ)を増大させるためにユーザにもたらされるコンピュータ生成特徴であってよい。
非限定的な例では、認知プラットフォームは、マルチタスクインタラクティブ要素を表現するように構成され得る。いくつかの例では、マルチタスクインタラクティブ要素は、マルチタスクゲームプレー(MTG)と称される。マルチタスクインタラクティブ要素は、ユーザを複数の時間的に重なり合う課題、すなわち、ユーザからの複数の実質的に同時の応答を必要とし得る課題に取り組ませるように構成されているインタラクティブ機構を含む。
非限定的な例では、認知プラットフォームは、シングルタスクインタラクティブ要素を表現するように構成され得る。いくつかの例では、シングルタスクインタラクティブ要素は、シングルタスクゲームプレー(STG)と称される。シングルタスクインタラクティブ要素は、ユーザを所与の時間間隔で単一の課題に取り組ませるように構成されているインタラクティブ機構を含む。
本明細書の原理によれば、「認知(cognition)」または「認知(cognitive)」という語は、思考、経験、および感覚を通じて知識および理解を獲得する心の働きまたは過程を指す。これは、限定はしないが、実行機能、記憶、知覚、注意、情動、運動制御、および干渉処理といった心理学上の概念/領域を含む。本明細書の原理による例示的なコンピュータ実装デバイスは、プラットフォーム製品に対するユーザインタラクションを示すデータを収集し、ユーザパフォーマンスを定量化するメトリックを計算するように構成され得る。ユーザパフォーマンスの定量器は、認知の尺度を(認知評価のため)提供するか、または認知処理の状況もしくは進捗の尺度を提供するために使用され得る。
本明細書の原理によれば、「処理(treatment)」または「処理する(treat)」という語は、限定はしないが、認知に関係する改善、ユーザの気分、情動的状態、および/または認知プラットフォームへの取り組みもしくは注意のレベルなどの、ユーザの認知能力の尺度の測定可能な変化を結果としてもたらすプラットフォーム製品(APPの形態を含む)におけるCSIの任意の操作を指す。変化の程度またはレベルは、本明細書において説明されているようなユーザパフォーマンス尺度に基づき定量化され得る。一例において、「処理」という語は治療も指すものとしてよい。
本明細書の原理によれば、「セッション」という語は、明確な開始と終了とを有する、離散的な時間期間を指し、その期間中、ユーザはプラットフォーム製品をインタラクティブに操作してプラットフォーム製品(APPの形態も含む)から評価または処理を受け取る。セッションは、最大複数回の試行を含めて、2回またはそれ以上の試行を含むことができる。
本明細書の原理により、「セグメント」という用語は、試行全体には至らない試行の一部を指す。
本明細書の原理によれば、「評価」という語は、プラットフォーム製品のCSIまたは他の特徴もしくは要素に対するユーザインタラクションの少なくとも1つのセッションを指す。ユーザがプラットフォーム製品(APPの形態でのものも含む)を使用することによって実行される1つまたは複数の評価から収集されたデータは、認知の尺度もしくは他の定量器、またはユーザの能力の他の様相を導出するために使用され得る。
本明細書の原理によれば、「認知的負荷」という語は、ユーザが課題を完遂するために費やす必要があり得る心的資源の量を指す。この語は、課題またはゲームプレーの努力目標または難易度レベルを指すためにも使用され得る。
一例において、プログラムプラットフォームは、ユーザに、干渉処理に基づく認知プラットフォームを提示するように構成されているコンピューティングデバイスを備える。干渉処理を実装する例示的なシステム、方法、および装置において、少なくとも1つの処理ユニットは、少なくとも1つの第1のユーザインターフェースを表現するか、または聴覚、触覚、もしくは振動信号を発生して、第1のCSIを、ユーザからの第1のタイプの応答を必要とする第1の課題として提示することを作動コンポーネントに行わせるようにプログラムされる。例示的なシステム、方法、および装置は、少なくとも1つの第2のユーザインターフェースを表現することを少なくとも1つの処理ユニットに行わせるか、または聴覚、触覚、もしくは振動信号を発生して、第2のCSIを、第1の干渉の存在下で第1の課題へのユーザからの第2のタイプの応答を必要とする第1の課題とともに第1の干渉として提示することを作動コンポーネントに行わせるようにも構成される。非限定的な例において、第2のタイプの応答は、第1の課題への第1のタイプの応答と、第1の干渉への二次応答とを含むことができる。別の非限定的な例では、第2のタイプの応答は、第1のタイプの応答を含まず、それとかなり異なっていてもよい。少なくとも1つの処理ユニットは、限定はしないが、データを受信するように少なくとも1つのユーザインターフェースを表現することなどによって、プラットフォーム製品に対するユーザインタラクションに基づく第1のタイプの応答および第2のタイプの応答を示すデータ(限定はしないがcDataなど)を受信するようにもプログラムされる。プラットフォーム製品は、また、ユーザが認知プラットフォームをインタラクティブに操作する前、操作している最中、および/または操作した後に行われる測定を示すnData(生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントの測定からのnDataを含む)を受け取るように構成され得る。少なくとも1つの処理ユニットは、また、cDataおよび/もしくはnDataを解析して個人の状態(生理学的状態および/もしくは認知状態を含む)の尺度を提供する、ならびに/またはユーザの第1のタイプの応答の尺度と第2のタイプの応答の尺度との差(cDataにおける差に基づくことも含む)および関連付けられているnDataにおける差を決定することに基づき個人のパフォーマンスの差を解析する、ようにもプログラムされ得る。少なくとも1つの処理ユニットは、また、cDataおよび/もしくはnDataの解析(解析で決定された個人のパフォーマンスおよび/もしくは状態(生理学的状態および/もしくは認知状態)の尺度を含む)に基づき第1の課題および/もしくは第1の干渉の難易度レベルを調整する、ならびに/または個人のパフォーマンスを示し得るプラットフォーム製品からの出力もしくは他のフィードバック、および/もしくは認知評価、および/もしくは認知処理への応答、および/もしくは認知の評価された尺度を提供する、ようにもプログラムされ得る。非限定的な例において、少なくとも1つの処理ユニットは、個人を、アミロイドグループ、ならびに/またはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)、ならびに/または個人が薬物、生物剤、もしくは他の医薬品を投与されるときの認知プラットフォームもしくはプラットフォーム製品の使用の潜在的有効性、ならびに/またはnDataおよび認知プラットフォームもしくはプラットフォーム製品に対する個人のインタラクションから収集されたcDataおよび/もしくはそのcDataおよびnDataの解析(および関連付けられている計算)結果に基づき計算されたメトリックに基づく、TOVA(登録商標)テストおよび/もしくはRAVLT(商標)テストの個人のパフォーマンスからの予測されるスコアに関して分類するようにプログラムされ得る。非限定的な例において、少なくとも1つの処理ユニットも、個人を、nDataおよび認知プラットフォームもしくはプラットフォーム製品に対する個人のインタラクションから収集されたcDataおよび/またはそのcDataおよびnDataの解析(および関連付けられている計算)結果に基づき計算されるメトリックに基づき、神経変性状態の徴候の尤度および/もしくは進行の段階に関して分類するようにプログラムされ得る。神経変性状態は、限定はしないが、アルツハイマー病、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、またはハンチントン病であるものとしてよい。
一例において、ユーザの第1のタイプおよび第2のタイプの応答の尺度とnDataとの差を決定することに基づく個人のパフォーマンスにおける差からのフィードバックは、1つまたは複数のセッションにおける個人のリアルタイムのパフォーマンスを示す認知プラットフォームにおける入力として使用され得る。フィードバックのデータは、コンピューティングデバイスの計算コンポーネントへの入力として使用されてよく、それにより、進行中のセッション内で、および/またはその後実行されるセッション内でユーザがインタラクティブに操作する第1の課題および/または第1の干渉の難易度レベルに合わせて認知プラットフォームが行う調整の程度を決定することができる。
非限定的な例として、干渉処理に基づく認知プラットフォームは、マサチューセッツ州ボストン所在のAkili Interactive Labs, Inc.によるProject:EVO(商標)プラットフォームであってよい。
干渉処理に基づく本明細書の原理による例示的なシステム、方法、および装置において、ユーザインターフェースは、干渉処理の一構成要素として、ユーザが応答するターゲット課題の弁別特徴のうちの1つが、干渉処理における干渉要素として働く情動、形状、色、および/または位置を表示するプラットフォーム内の特徴であるように構成される。
本明細書の原理による例示的なシステム、方法、および装置は、評価の精度および処理の効率を高めるために、生理学的状態および/または認知状態(神経心理学的疾患の指標を含む)を示す測定nDataに基づきAPPセッションにおいてCSIレベル/属性のベースラインメトリックを設定するように構成されているプラットフォーム製品(APPを含み得る)を含む。CSIは、nDataの個別のユーザ動的過程に対してnDataコンポーネントを較正するために使用され得る。
本明細書の原理による例示的なシステム、方法、および装置は、nDataを使用して注意力または不注意さの状態を検出し治療または評価に関係するCSIの送達を最適化するように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、nDataの解析結果をCSIのcDataとともに使用してCSIの繊細なまたはあからさまな操作を通じて治療または評価に関係する特定のCSIを検出しその特定のCSIに注意を向けさせるように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、評価もしくは処理セッションの中で、または評価もしくは処理セッションにわたってnDataとともにcDataのCSIパターンの解析結果を使用して、cDataおよびnDataのユーザプロファイル(理想的な、最適な、もしくは望ましいユーザ応答のプロファイルを含む)を生成し、セッションにまたがって、またはセッションの中でCSIを操作して、ユーザがこれらのプロファイルを複製するのをガイドするように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、ユーザの取り組みに関係するパラメータの指標についてnDataを監視し、CSIによって生成される認知的負荷を、最適な取り組み状態において時間に合うように最適化し、治療の結果得られる神経可塑性および恩恵の伝達を最大化するように構成されているプラットフォーム製品(APPを含み得る)を含む。本明細書で使用されているように、「神経可塑性」という語は、中枢神経系の目標再組織化を指す。非限定的な一例として、個人のEEG測定は、個人が課題および/または干渉をインタラクティブに操作するときに個人の注意を示すnData尺度を提供するために使用され得る。
本明細書の原理による例示的なシステム、方法、および装置は、怒りおよび/またはフラストレーションを示すnDataを監視し、代替的CSIまたはCSIの取り組み解除をオファーすることによって認知プラットフォームとの継続的ユーザインタラクション(「プレー」とも称される)を促進するように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、評価もしくは処理セッションの中で、または評価もしくは処理セッションにわたってCSIの動的な過程を変化させてユーザの認知または他の生理学的もしくは認知的様相に関係するnDataを最適化するように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、課題自動化のnData信号が検出されるか、または課題学習に関係する生理学的測定が減退の兆候を示している場合に、CSIもしくはCSI認知的負荷を調整するように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、CSIのcDataからの信号をnDataと組み合わせて認知能力の指標の改善、およびそれによって、認知を促進する個人に合わせた処理を最適化するように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、nDataのプロファイルを使用してユーザの身元を確認/検証/認証するように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、nDataを使用して、CSIへのポジティブな情動的応答を検出し、個別のユーザ選好をカタログ化してCSIをカスタマイズし楽しみを最適化し、評価もしくは処理セッションとの継続的取り組みを促進するように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、認知改善のユーザプロファイル(限定はしないが、改善された作業記憶、注意、処理速度、および/または知覚的検出/弁別を示すとして分類されるか、または知られているユーザに関連付けられているユーザプロファイルなど)を生成し、nDataからのプロファイルによって確認されるように新しいユーザのプロファイルを最適化するようにCSIを適応させる処理を行うように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、ユーザに対して認知改善がなされるように構成されている1つまたは複数のプロファイルの選択を行わせるように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、聴覚的および視覚的生理学的測定からのnDataを監視して、APPを使用するユーザによって実行されている評価もしくは処理に干渉し得る外部環境要因からの干渉を検出するように構成されているプラットフォーム製品(APPを含み得る)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、cDataおよび/またはnData(データを解析することからのメトリックを含む)を決定因子として使用するか、またはユーザ(医療デバイスを使用する患者を含む)が処理(限定はしないが認知処理および/または生物剤、薬物、もしくは他の医薬品を使用する処理など)に対して応答する可能性があるか応答しない可能性があるかに関して決定するように構成されるプラットフォーム製品(APPを含み得る)を含む。たとえば、システム、方法、および装置は、ユーザ(医療デバイスを使用する患者を含む)が所与の個人もしくは集団内の特定の個人(たとえば、アミロイド状態に基づき所与のグループに分類されている個人)における認知プラットフォームの有効性を予測するために妥当性を確認されている署名として使用され得る特定の生理学的または認知的測定に基づき処理を受けるべきであるかどうかを選択するように構成され得る。本明細書において説明されている解析(および関連付けられている計算)を実行するように構成されているそのような例示的なシステム、方法、および装置は、監視および/またはスクリーニングを実行するためのバイオマーカーとして使用され得る。非限定的な一例として、例示的なシステム、方法、および装置は、所定の個人または集団の特定の個人(たとえば、アミロイド状態に基づき所与のグループに分類される個人)に対する認知処理の有効性の程度(生物剤、薬物、または他の医薬品の使用を伴う有効性の程度を含む)の定量的尺度を提供するように構成される。いくつかの例において、個人または集団の特定の個人は、特定の神経変性状態を有するものとして分類され得る。
本明細書の原理による例示的なシステム、方法、および装置は、nDataを使用して、CSIを予想しCSIパターンおよび/またはルールを操作するユーザの能力を監視し、CSIへの応答のユーザ予想を妨害し、APPにおける処理または評価を最適化するように構成されているプラットフォーム製品(APPを含み得る)を含む。
異なるタイプのnDataおよびcDataの様々な組合せに基づき実行され得る解析(および関連付けられている計算)の非限定的な例が説明されている。次の例示的な解析および関連付けられている計算は、本明細書の原理による例示的なシステム、方法、および装置を使用して実装され得る。
非限定的な一例において、例示的な解析(および関連付けられている計算)は、1つまたは複数のANCOVA(共分散分析法)モデルをデータ(cDataおよび/またはnDataから導出されるデータおよびメトリックを含む)に適用することによって実装され得る。ANCOVAは、ANOVAと回帰とを混ぜた線形モデルを提供する。非限定的な一例として、この解析は、単一の従属変数または複数の変数を使用する個人間のデータの比較の共変量調整に基づき得る。
非限定的な一例において、例示的な解析(および関連付けられている計算)は、1つまたは複数の線形混合モデル回帰モデルをデータ(cDataおよび/またはnDataから導出されるデータおよびメトリックを含む)に適用することによって実装され得る。非限定的な一例として、この解析は、所与の個人に対するデータの比較の共変量調整、すなわち、各個人について複数の測定(通常は縦方向)による係数の解析に基づき得る。非限定的な一例として、この解析は、データは同じソースに由来するので、測定の間の相関を考慮するように構成され得る。この例でも、この解析は、単一の従属変数または複数の変数を使用する個人間のデータの比較の共変量調整に基づき得る。
表1は、本明細書で説明されているデータ解析(および関連付けられている計算)で使用され得る収集された様々なタイプのデータ(cDataおよび/またはnData)の組合せの非限定的な例を示している。表1は、また、収集されたデータ(impl.1から6のラベルを付けられている)の様々な組合せを使用して実行されるデータ解析から結果として得られるものとしてよいメトリックのタイプの非限定的な例を示している。本明細書の原理により、impl.1から6のうちの1つまたは複数のデータおよび解析は、神経変性状態の徴候の尤度および/または神経変性状態の進行の段階のバイオマーカーまたは他のマーカーとして予測モデルを訓練するために使用され得る。訓練された予測モデルは、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示す指示を提供し得る、アミロイド状態(A+もしくはA-)またはAPOEタンパク質の発現レベルのマーカー(バイオマーカーを含む)としての機能を果たすスコアリングを提供するために使用され得る。
各例示的な実装形態(Impl.1から6を含む)では、cDataは、本明細書で説明されている例示的な認知プラットフォームおよび/またはプラットフォーム製品のうちの1つまたは複数に対する各個人のインタラクションに基づき取得される。
非限定的な例示的な一実装形態において、使用されるcDataは、本明細書で説明されているように、少なくとも1つの初期評価セッション、第1のチャンレンジセッション(challenge session)、第1の訓練セッション、第2の訓練セッション、および第2のチャレンジセッションを含むことが可能なシーケンスを実装するように構成されている例示的な認知プラットフォームもしくはプラットフォーム製品を使用して導出され得る。cDataは、このシーケンスの1つまたは複数のセグメントにおいて例示的な認知プラットフォームまたはプラットフォーム製品による個人の応答の測定に基づき収集される。たとえば、cDataは、第1のチャレンジセッションおよび/もしくは第2のチャレンジセッションに対する、ならびに/または第1の訓練セッションおよび/もしくは第2の訓練セッションにおける、個人のインタラクションを定量化するために認知プラットフォームまたはプラットフォーム製品によって収集されるベータを含むことができる。これらのセッションのうちの1つまたは複数(すなわち、1つもしくは複数のチャレンジセッション、および/または評価セッション、および/または訓練セッション)について、例示的な認知プラットフォームまたはプラットフォーム製品は、認知評価(スクリーニングもしくは監視)の情報を伝えるか、または処理を遂行するコンピュータ化された課題およびプラットフォームインタラクションを提示するように構成され得る。課題は、シングルタスキング課題および/またはマルチタスキング課題であってよい。これらの課題のうちの1つまたは複数はCSIを含み得る。
Impl.1の非限定的な例(および本明細書の他の例示的な実装形態)において、初期評価セッションは、干渉が存在しない場合および干渉が存在する場合の一次課題に対する個人のインタラクションを含むことができ、少なくとも1つの指標は一次課題および/または干渉への個人の応答を示すデータに基づき計算される。第1のチャレンジセッションは、干渉が存在しない場合および干渉が存在する場合の一次課題に対する個人の2つもしくはそれ以上のインタラクションを含むことができ、課題および/または干渉の難易度レベルは一次課題および/または干渉の第2のもしくは後のインスタンスに対する個人のインタラクションの前に調整され、少なくとも1つの指標は一次課題および/または干渉の2つもしくはそれ以上のインスタンスへの個人の応答を示すデータに基づき計算される。第1の訓練セッションおよび第2の訓練セッションは、干渉が存在しない場合および干渉が存在する場合の一次課題に対する個人の複数のインタラクションを伴うものとしてよく、一次課題および/または干渉の難易度レベルは一次課題および/または干渉の複数のインスタンス(第2のインスタンス、第3のインスタンス、およびさらに多くのインスタンスを含む)のうちの2つもしくはそれ以上に対する個人のインタラクションの前に調整され、少なくとも1つの指標は一次課題および/または干渉の複数のインスタンスへの個人の応答を示すデータの少なくとも一部に基づき計算される。第1のチャレンジセッションと同様に、第2のチャレンジセッションは、干渉が存在しない場合および干渉が存在する場合の一次課題に対する個人の2つもしくはそれ以上のインタラクションを含むことができ、課題および/または干渉の難易度レベルは一次課題および/または干渉の第2のもしくは後のインスタンスに対する個人のインタラクションの前に調整され、少なくとも1つの指標は一次課題および/または干渉の2つもしくはそれ以上のインスタンスへの個人の応答を示すデータに基づき計算される。
認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションから導出され得るcDataのタイプの非限定的な例は、次の通りである。cDataは、認知プラットフォームまたはプラットフォーム製品によって提示されるシングルタスキング課題の実行時の個人の応答に基づき認知プラットフォームまたはプラットフォーム製品によって生成される1つまたは複数のスコアであるものとしてよい。シングルタスキング課題は、限定はしないが、ターゲティング課題(targeting task)、ナビゲーション課題、表情認識課題、または物体認識課題であってよい。cDataは、認知プラットフォームまたはプラットフォーム製品によって提示されるマルチタスキング課題の実行時の個人の応答に基づき認知プラットフォームまたはプラットフォーム製品によって生成される1つまたは複数のスコアであるものとしてよい。マルチタスキング課題は、ターゲティング課題および/またはナビゲーション課題および/または表情認識課題および/または物体認識課題を含むものとしてよく、マルチタスキング課題のうちの1つまたは複数は、干渉として、または1つもしくは複数の一次課題とともに提示され得る。収集されたcDataは、提示されるマルチタスク課題の各課題への個人の応答を表すスコア、および/またはマルチタスク課題への個人の応答全体を表す組合せスコアであってよい。組合せスコアは、限定はしないが、平均、最頻値、中央値、代表値、差(もしくはデルタ)、標準偏差、または他のタイプの組合せなど、提示されるマルチタスク課題の各課題への個人の応答から収集されたスコアのうちの1つまたは複数を使用する計算に基づき導出され得る。非限定的な一例において、cDataは、課題のうちの1つまたは複数への個人の反応時間の尺度を含み得る。cDataは、認知プラットフォームまたはプラットフォーム製品を使用して収集されるか、または導出される他のcDataを使用して実行される解析(および関連付けられている計算)に基づき生成され得る。解析は、干渉費用または他の費用関数の計算を含むことができる。cDataは、限定はしないが事前指定されたセットおよびタイプのインタラクションの完了パーセンテージなどの、認知プラットフォームまたはプラットフォーム製品に対する事前指定されたセットおよびタイプとのインタラクションに対する個人の順守を示すデータも含み得る。cDataは、限定はしないが個人のスコア対事前指定された進捗傾向などの、認知プラットフォームまたはプラットフォーム製品を使用する、個人の、パフォーマンスの進行を示すデータも含み得る。
Impl.1および他の実装形態において、干渉費用は、非限定的な一例において、干渉なしで実行される課題および干渉ありで実行される課題からの個人の応答の差に基づく変化率として計算され得る。非限定的な一例において、干渉費用は、個人が干渉と同時に課題をインタラクティブに操作しているときに値の大きさが大きいほど干渉の量が大きいことを示すように計算され得る。
非限定的な例示的な実装形態において、cDataは、1つまたは複数の特定の時点、すなわち、初期時点(T1)、および/または第2の時点(T2)、および/または第3の時点(T3)において例示的な認知プラットフォームまたはプラットフォーム製品に対するユーザインタラクションから収集され得る。非限定的な例として、測定時点T2とT1は、5分、約7分、約15分、約1時間、約12時間、約1日、約5日、約10日、約15日、約20日、約28日、約1カ月、または1カ月を超える期間で隔てられ得る。非限定的な例として、測定時点T3とT2は、5分、約7分、約15分、約1時間、約12時間、約1日、約5日、約10日、約15日、約20日、約28日、約1カ月、または1カ月を超える期間で隔てられ得る。
非限定的な例示的な実装形態において、例示的な認知プラットフォームまたはプラットフォーム製品は、複数の異なるセッションにまたがって個人とのインタラクションを行うように構成され得る。一例において、cDataは、(i)時点T1から時点T2の間の時間期間、または(ii)時点T2から時点T3の間の時間期間、または(i)と(ii)の両方の間のいずれかにおける複数の異なるセッションに対する個人のインタラクションに基づき時点T1および/または時点T2および/または時点T3において収集され得る。これらの複数の異なるセッションのうちの1つまたは複数について、例示的な認知プラットフォームまたはプラットフォーム製品は、本明細書の様々な例で説明されているように、スクリーニング、監視、および/または処理に関して構成され得る。
非限定的な例示的な一実装形態において、例示的な解析(および関連付けられている計算)は、cDataおよびImpl.1というラベルを付けられている行内の「X」というラベルを付けられている列に示されているnDataに少なくとも一部は基づき実装され得る。この例では、各個人について測定されたnDataは、アミロイド状態、年齢、性別、アミロイドレベル、APOEレベル、およびfMRI尺度(たとえば、皮質厚、または脳機能活動変化)を示すデータを含む。以下でより詳しく説明されているように、nDataは、cDataが収集される時間期間に関する特定の時間期間において収集されるものとしてよく、それにより、nDataはcDataと相関し得る。たとえば、nDataは、1つもしくは複数の時点において、または1つもしくは複数の時間期間において収集され得る。cDataは、1つもしくは複数の時点において、または1つもしくは複数の時間期間において収集され得る。nDataが収集される時点または時間期間は、cDataが収集される時点もしくは時間期間より前であるか、重なるか、またはその後であるものとしてよい。これらの例示的な解析(および関連付けられている計算)の結果は、所与のグループ(たとえば、アミロイド状態に基づくグループ分類)に割り当てられている集団の個人におけるアミロイドベースライン効果を示すデータを提供するために使用され得る。これらの例示的な解析は、単一の時点において認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションからの測定されたcData(限定はしないが、チャレンジメトリック(すなわち、チャレンジセッションで収集されたcDataから計算される)および/または訓練メトリック(すなわち、訓練セッションで収集されたcDataから計算される)(訓練順守および/または進捗メトリックを含む)など)を使用して実行され得る。これらの例示的な解析(および関連付けられている計算)の結果は、アミロイド陽性(A+)状態を有するグループの個人とアミロイド陰性(A-)状態を有するグループの個人との間の差を示すデータを提供するために使用され得る。解析(および関連付けられている計算)を実行するように構成されている例示的なシステム、方法、および装置は、集団の個人をアミロイド陽性(A+)状態またはアミロイド陰性(A-)状態を有するものとして指定する予測モデル(限定はしないが、分類器モデルなど)を実装するように構成され得る。
Impl.1の非限定的な例において、cDataおよびnDataを使用して実行され得る解析(および関連付けられている計算)が説明される。異なる解析モデルが、初期時点(T1)および第2の時点(T2)において収集された認知プラットフォームまたはプラットフォーム製品(cData)に対するユーザインタラクションから収集されたデータに適用され得る。解析モデルは、制限されたデータセット(年齢および性別nDataに基づく)またはより大きいデータセット(年齢、性別、APOE発現グループ、fMRI、および他のnDataに基づく)に適用される、ANCOVAモデルおよび/または線形混合モデル回帰モデルに基づくものとしてよい。
Impl.1の非限定的な例において、解析(および関連付けられている計算)は、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションに基づき生成される、第1のチャレンジセグメント、第1の訓練セッション、第2の訓練セッション、または第2のチャレンジセッションのうちの少なくとも1つから収集されたcDataに基づき実行され得る。例示的な認知プラットフォームまたはプラットフォーム製品は、シングルタスキング課題および/またはマルチタスキング課題を伴う課題を実装するように構成され得る。例示的な解析(および関連付けられている計算)は、また、個人の間のグループ分類(限定はしないが、アミロイド状態に基づくグループ化など)の効果を比較することによって実行されるものとしてよく、各変数は、共変量のセット(すなわち、注目しているパラメータと共変するか、または他の何らかの形で相関することがわかっている変数のセット)とともにグループ分類を因子として有する従属変数として調べられる。例示的な解析(および関連付けられている計算)は、また、グループ分類対認知プラットフォームまたはプラットフォーム製品の課題に対する個人のインタラクションの効果を比較することによって実行されるものとしてよく、cDataは、第1のチャレンジセッションおよび/または第2のチャレンジセッション(シングルタスキング課題および/またはマルチタスキング課題の実行からの)の課題に基づき収集されるデータである。例示的な解析(および関連付けられている計算)は、また、グループ分類(限定はしないが、アミロイド状態に基づくグループ化など)対順序インタラクションの効果を比較することによって実行されるものとしてよく、cDataは、第1のチャレンジセッションおよび/または第2のチャレンジセッション(シングルタスキング課題および/またはマルチタスキング課題の実行からの)ならびに第1の訓練セッションおよび/または第2の訓練セッションから収集される。例示的な解析(および関連付けられている計算)は、また、グループ分類(限定はしないが、アミロイド状態に基づくグループ化など)対順序インタラクションおよび認知プラットフォームまたはプラットフォーム製品の課題に対する個人のインタラクションの効果を比較することによって実行されるものとしてよく、cDataは、第1のチャレンジセッションおよび/または第2のチャレンジセッションから(シングルタスキング課題および/またはマルチタスキング課題の実行から)収集される。
Impl.1の非限定的な例において、解析(および関連付けられている計算)は、ロジスティック回帰モデルを収集されたデータ(cDataおよび/またはnDataを含む)に適用することに基づき、アミロイド陽性(A+)状態を有する集団の個人を識別し、分類するためのバイオマーカーまたは他のマーカーとしての機能を果たす認知プラットフォームまたはプラットフォーム製品の感度および特異度の尺度を決定するように実行され得る。
Impl.1の非限定的な例において、解析(および関連付けられている計算)は、ロジスティック回帰モデルを、アミロイドレベルデータを含む、収集されたデータ(cDataおよび/またはnDataを含む)に適用することに基づき、APOE発現グループ(または神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)に従う集団の個人を識別し、分類するためのバイオマーカーまたは他のマーカーとしての機能を果たす認知プラットフォームまたはプラットフォーム製品の感度および特異度の尺度を決定するように実行され得る。
この例示的な実装形態において、認知プラットフォームもしくはプラットフォーム製品によって提示される課題(および関連付けられているCSI)に対する個人のインタラクションから収集された特定のcData、ならびに/または説明されている解析(および関連付けられている計算)に基づきcDataを使用して計算されたメトリックは、限定はしないが、アミロイドグループおよび/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)などの、nDataと共変するか、または他の何らかの形で相関し得る。本明細書の原理による例示的な認知プラットフォームもしくはプラットフォーム製品は、個人を、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションから収集されたcDataならびに/または解析(および関連付けられている計算)に基づき計算されたメトリックに基づき、アミロイドグループおよび/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)に関して分類するように構成され得る。例示的な認知プラットフォームまたはプラットフォーム製品は、分類を実行するために、Impl.1のcDataおよびメトリックを使用して訓練され得る機械学習ツールもしくは他の計算プラットフォームを備えるか、または機械学習ツールもしくは他の計算プラットフォームと通信することができる。
非限定的な一例として、機械学習ツールは、1人または複数の個人ユーザ(たとえば、10ユーザ、100ユーザ、1000ユーザ、10,000ユーザ、もしくはそれ以上のユーザ)の第1の集団から収集されたImpl.1のcDataおよびメトリック(もしくは本明細書で説明されている他の実装形態)を含む訓練データのセット(訓練データセット)を使用して予測モデルを訓練することができる。次いで、予測モデルは、個人に対するスコアリング出力を提供するために、ユーザの第1の集団の1人のユーザから収集されたcData、またはユーザの第1の集団に含まれていないユーザから収集されたcDataのいずれかに適用され得る。
非限定的な例示的な一実装形態において、例示的な解析(および関連付けられている計算)は、cDataおよびImpl.2というラベルを付けられている行内の「X」というラベルを付けられている列に示されているnDataに少なくとも一部は基づき実装され得る。Impl.1と同様に、Impl.2の例では、各個人について測定されたnDataは、アミロイド状態、年齢、性別、アミロイドレベル、APOE発現グループ、およびfMRI尺度(たとえば、皮質厚、または脳機能活動変化)を示すデータを含む。これらの例示的な解析(および関連付けられている計算)の結果は、個人の集団におけるアミロイドが存在している時間にわたる効果を示すデータを提供するために使用され得る。これらの例示的な解析は、様々な時間期間にわたって認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションからの測定されたcData(限定はしないが、チャレンジメトリック(すなわち、チャレンジセッションで収集されたcDataから計算される)および/または訓練メトリック(すなわち、訓練セッションで収集されたcDataから計算される)(訓練順守および/または進捗メトリックを含む)など)を使用して実行され得る。これらの例示的な解析(および関連付けられている計算)の結果は、アミロイド陽性(A+)状態を有する集団の個人とアミロイド陰性(A-)状態を有する集団の個人との間の差を示すデータを提供するために使用され得る。解析(および関連付けられている計算)を実行するように構成されている例示的なシステム、方法、および装置は、集団の個人をアミロイド陽性(A+)状態またはアミロイド陰性(A-)状態を有するものとして指定する予測モデルを実装するように構成され得る。
Impl.2の非限定的な例において、cDataおよびnDataを使用して実行され得る解析(および関連付けられている計算)が説明される。異なる解析モデルが、初期時点(T1)および/または第2の時点(T2)および/または第3の時点(T3)において収集された認知プラットフォームまたはプラットフォーム製品(cData)に対するユーザインタラクションから収集されたデータに適用され得る。解析モデルは、制限されたデータセット(年齢および性別nDataに基づく)またはより大きいデータセット(年齢、性別、APOE発現グループ、fMRI、および他のnDataに基づく)に適用される、ANCOVAモデルおよび/または線形混合モデル回帰モデルに基づくものとしてよい。
Impl.2の非限定的な例において、解析(および関連付けられている計算)は、認知プラットフォームまたはプラットフォーム製品との複数のセッションを個人が(一定期間にわたって)実行する前および/または実行した後に測定されたcDataに基づき生成される、第1のチャレンジセグメントまたは第2のチャレンジセッションのうちの少なくとも1つから収集されたcDataに基づき実行され得る。この時間期間は、T1とT2との間の時間間隔および/またはT2とT3との間の時間間隔であってよい。
例示的な(および関連付けられている計算)は、時点T1対時点T2において収集されるデータの変化(デルタ)と時点T3対時点T2において収集されるデータの変化(デルタ)との比較に基づき実行され得る。例示的な解析(および関連付けられている計算)は、また、時点T1対時点T3で収集されたデータに基づき実行され得る。例示的な解析(および関連付けられている計算)は、また、時点T2対時点T3で収集されたデータに基づき実行され得る。例示的な解析(および関連付けられている計算)は、また、時点T1対時点T2で収集されたデータに基づき実行され得る。例示的な解析(および関連付けられている計算)は、また、指定された達成レベルで第1のチャレンジセッションおよび/または第2のチャレンジセッションの課題に基づき収集されたデータを使用して実行され得る。
例示的な解析(および関連付けられている計算)は、個人の間でグループ分類(限定はしないが、アミロイド状態に基づくグループ化など)の効果を比較し、共変量セットとともに因子としてグループ分類を有する各変数について、認知プラットフォームまたはプラットフォーム製品(cDataの差を含めて)を使用して異なる時点の間(すなわち、訓練セッションの前および後)の個人のパフォーマンスの差を表すスコアを計算することによって実行され得る。例示的な解析(および関連付けられている計算)は、また、アミロイド陽性(A+)グループの個人およびアミロイド陰性(A-)グループの個人に別々に対応するnDataに対して(共変量セットを含む)本明細書で説明されている例示的なモデルを使用して各変数について指定されたグループ化内で認知プラットフォームまたはプラットフォーム製品(cDataの差を含めて)を使用して異なる時点の間(すなわち、訓練セッションの前および後)の個人のパフォーマンスの差を表すスコアを計算することによって実行され得る。例示的な解析(および関連付けられている計算)は、また、認知プラットフォームまたはプラットフォーム製品を使用するインタラクションに対し個人に提示されるセッション(および関連付けられている課題)の効果を比較することによって実行されるものとしてよく、cData(シングルタスキング課題および/またはマルチタスキング課題の実行からの)は比較され、個人のパフォーマンスに対するセッションの効果を決定する。例示的な解析(および関連付けられている計算)は、また、認知プラットフォームまたはプラットフォーム製品を使用するインタラクションに対し個人に提示されるセッション(および関連付けられている課題)の効果を比較することによって実行されるものとしてよく、cData(シングルタスキング課題および/またはマルチタスキング課題の実行からの)は比較され、個人のパフォーマンスに対するセッション対課題のタイプ(たとえば、シングルタスキング対マルチタスキング)の効果を決定する。この例では、認知プラットフォームまたはプラットフォーム製品を使用する訓練セッションの前および後の個人のパフォーマンスに対するスコアの変化率および/または変化のタイプは、定量化され監視され得る。例示的な解析(および関連付けられている計算)は、また、グループ分類(限定はしないが、アミロイド状態に基づくグループ化など)対セッションインタラクションの効果を比較することによって実行されるものとしてよく、cData(シングルタスキング課題および/またはマルチタスキング課題の実行からの)は比較され、個人のパフォーマンスに対するグループ分類対セッションの効果を決定する。この例では、認知プラットフォームまたはプラットフォーム製品を使用する異なるグループ(たとえば、アミロイド状態に従ってグループ化されるような)内の個人のパフォーマンスに対するスコアの差は、定量化され監視され得る。例示的な解析(および関連付けられている計算)は、また、グループ分類(限定はしないが、アミロイド状態に基づくグループ化など)対セッションおよび課題のタイプのインタラクションの効果を比較することによって実行されるものとしてよく、cData(シングルタスキング課題および/またはマルチタスキング課題の実行からの)は比較され、個人のパフォーマンスに対するグループ分類対セッションおよび課題のタイプの効果を決定する。この例では、認知プラットフォームまたはプラットフォーム製品を使用する訓練セッションの前および後の個人のパフォーマンスに対するスコアの変化率および/または変化のタイプは、個人が実行する課題のタイプ(たとえば、シングルタスキング対マルチタスキング)に基づき、定量化され監視され得る。
Impl.2の非限定的な例において、解析(および関連付けられている計算)は、予測モデル(限定はしないが、ロジスティック回帰モデルなど)を認知プラットフォームもしくはプラットフォーム製品を使用して1つもしくは複数の訓練セッションを個人が実行する前と実行した後の両方における認知プラットフォームもしくはプラットフォーム製品に対する個人のインタラクションから収集されたデータ(cDataおよび/またはnDataを含む)に適用することに基づき、アミロイド陽性(A+)状態を有する集団の個人を識別し、分類するためのバイオマーカーまたは他のマーカーとしての機能を果たす認知プラットフォームまたはプラットフォーム製品の感度および特異度の尺度を決定するように実行され得る。
Impl.2の非限定的な例において、解析(および関連付けられている計算)は、ロジスティック回帰モデルを、アミロイドレベルデータを含む、収集されたデータ(cDataおよび/またはnDataを含む)に適用することに基づき、グループ化変数としてAPOE発現グループ(または神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)に従う集団の個人を識別し、分類するためのバイオマーカーまたは他のマーカーとしての機能を果たす認知プラットフォームまたはプラットフォーム製品の感度および特異度の尺度を決定するように実行され得る。この例では、バイオマーカーまたは他のマーカーとしての機能を果たす認知プラットフォームまたはプラットフォーム製品の感度および特異度は、限定はしないが、受信者オペレータ特性(ROC)解析などの、解析ツールを使用して計算され得る。
この例示的な実装形態において、認知プラットフォームもしくはプラットフォーム製品によって提示される課題(および関連付けられているCSI)に対する個人のインタラクションから収集された特定のcData、ならびに/または説明されている解析(および関連付けられている計算)に基づきcDataを使用して計算されたメトリックは、限定はしないが、アミロイドグループおよび/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)などの、nDataと共変するか、または他の何らかの形で相関し得る。本明細書の原理による例示的な認知プラットフォームもしくはプラットフォーム製品は、個人を、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションから収集されたcDataならびに/または解析(および関連付けられている計算)に基づき計算されたメトリックに基づき、アミロイドグループおよび/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)に関して分類するように構成され得る。例示的な認知プラットフォームまたはプラットフォーム製品は、分類を実行するために、Impl.2のcDataおよびメトリックを使用して訓練され得る機械学習ツールもしくは他の計算プラットフォームを備えるか、または機械学習ツールもしくは他の計算プラットフォームと通信することができる。
非限定的な例示的な一実装形態において、例示的な解析(および関連付けられている計算)は、cDataおよびImpl.3というラベルを付けられている行内の「X」というラベルを付けられている列に示されているnDataに少なくとも一部は基づき実装され得る。Impl.3の例では、各個人について測定されたnDataは、アミロイド状態、年齢、性別、APOE発現グループ、およびfMRI尺度(たとえば、皮質厚、または脳機能活動変化)を示すデータを含む。これらの例示的な解析(および関連付けられている計算)の結果は、個人のパフォーマンスに対する訓練セッションの効果を示すデータおよびメトリックを提供するために使用され得る。これらの例示的な解析は、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションからの測定されたcData(限定はしないが、チャレンジメトリック(すなわち、チャレンジセッションで収集されたcDataから計算される)および/または訓練メトリック(すなわち、訓練セッションで収集されたcDataから計算される)(訓練順守および/または進捗メトリックを含む)など)ならびに測定されたnData(限定はしないが、少なくとも1つのTOVA(登録商標)テストおよび/または少なくとも1つのRAVLT(商標)テストの個人のパフォーマンスからの少なくとも1つのスコアなど)を使用して実行され得る。例示的な訓練メトリックは、限定はしないが、TOVA(登録商標)テストおよび/またはRAVLT(商標)テストのスコアなどの、パフォーマンスの所望のスコアの連続予測変数(訓練された予測モデルを使用して連続スコアリング出力を生成することを含む)として使用され得る。解析(および関連付けられている計算)を実行するように構成されている例示的なシステム、方法、および装置は、認知プラットフォームまたはプラットフォーム製品を使用して個人のパフォーマンスを表す時間の経過を追って測定されたデータに基づき、所与のグループに関する(たとえば、アミロイド状態に基づく)集団の個人のスコアリングを提供する(個人を分類することを含む)バイオマーカーとして使用され得る指標を生成するために使用され得る。測定されたデータは、認知プラットフォームまたはプラットフォーム製品を使用して1つまたは複数の訓練セッションの前および後のデータを含むことができる。
Impl.3の非限定的な例において、cDataおよびnDataを使用して実行され得る解析(および関連付けられている計算)が説明される。異なる解析モデルが、初期時点(T1)および/または第2の時点(T2)および/または第3の時点(T3)において収集された認知プラットフォームまたはプラットフォーム製品(cData)に対するユーザインタラクションから収集されたデータに適用され得る。解析モデルは、制限されたデータセット(年齢および性別nDataに基づく)またはより大きいデータセット(年齢、性別、APOE発現グループ、fMRI、および他のnDataに基づく)に適用される、ANCOVAモデルおよび/または線形混合モデル回帰モデルに基づくものとしてよい。
Impl.3の非限定的な例(および本明細書の他の例示的な実装形態)において、各時点は時間のインスタンスである。非限定的な一例として、時点T1は時刻t=0にあるものとしてよく、時点T2はt=5分であるものとしてよく、時点T3はt=20分であるものとしてよい。別の例では、解析モデルは、初期時点(T1)と第2の時点(T2)との間の2つもしくはそれ以上の時間間隔にわたる、および/または第2の時点(T2)と第3の時点(T3)との間の2つもしくはそれ以上の時間間隔にわたる、および/または第1の時点(T1)と第3の時点(T3)との間の2つもしくはそれ以上の時間間隔にわたる認知プラットフォームもしくはプラットフォーム製品に対するユーザインタラクションから収集されたデータ(cData)に適用され得る。
Impl.3の非限定的な例において、解析(および関連付けられている計算)は、認知プラットフォームまたはプラットフォーム製品との複数の異なるセッションを個人が(一定期間にわたって)実行する前および/または実行した後に測定されたcDataに基づき生成される、第1のチャレンジセグメントまたは第2のチャレンジセッションのうちの少なくとも1つから収集されたcDataに基づき実行され得る。複数の異なるセッションとのインタラクションは、時点T2とT3との間の時間期間において実行され得る。
例示的な解析(および関連付けられている計算)は、アミロイド陽性(A+)グループの個人およびアミロイド陰性(A-)グループの個人に別々に対応するnDataに対して本明細書で説明されている例示的なモデルを使用して各変数について認知プラットフォームまたはプラットフォーム製品を使用して訓練セッションの前および後の個人のパフォーマンスに対するスコアを比較することによって実行され得る。例示的な解析(および関連付けられている計算)は、また、認知プラットフォームまたはプラットフォーム製品を使用するインタラクションに対し個人に提示されるセッション(および関連付けられている課題)の効果を比較することによって実行されるものとしてよく、cData(シングルタスキング課題および/またはマルチタスキング課題の実行からの)は比較され、集団内の個人に対するセッションの有効性を決定する。例示的な解析(および関連付けられている計算)は、また、グループ分類(限定はしないが、アミロイド状態に基づくグループ化など)対セッションインタラクションの効果を比較することによって実行されるものとしてよく、cData(シングルタスキング課題および/またはマルチタスキング課題の実行からの)は比較され、個人のパフォーマンスに対するグループ分類対セッションの有効性を決定する。例示的な解析(および関連付けられている計算)は、また、グループ分類(限定はしないが、アミロイド状態に基づくグループ化など)対セッションおよび課題のタイプのインタラクションの効果を比較することによって実行されるものとしてよく、cData(シングルタスキング課題および/またはマルチタスキング課題の実行からの)は比較され、個人のパフォーマンスに対するグループ分類対セッションおよび課題のタイプの効果を決定する。
この例示的な実装形態において、認知プラットフォームもしくはプラットフォーム製品によって提示される課題(および関連付けられているCSI)に対する個人のインタラクションから収集された特定のcData、ならびに/または説明されている解析(および関連付けられている計算)に基づきcDataを使用して計算されたメトリックは、限定はしないが、アミロイドグループおよび/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)および/もしくはTOVA(登録商標)テストおよび/もしくはRAVLT(商標)テストの個人のパフォーマンスから予想されるスコアなどの、nDataと共変するか、または他の何らかの形で相関し得る。本明細書の原理による例示的な認知プラットフォームもしくはプラットフォーム製品は、個人を、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションから収集されたcDataならびに/または解析(および関連付けられている計算)に基づき計算されたメトリックに基づき、アミロイドグループおよび/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)および/もしくはTOVA(登録商標)テストおよび/もしくはRAVLT(商標)テストの個人のパフォーマンスからの予想されるスコアに関して分類するように構成され得る。例示的な認知プラットフォームまたはプラットフォーム製品は、分類を実行するために、Impl.3のcDataおよびメトリックを使用して訓練され得る機械学習ツールもしくは他の計算プラットフォームを備えるか、または機械学習ツールもしくは他の計算プラットフォームと通信することができる。
非限定的な例示的な一実装形態において、例示的な解析(および関連付けられている計算)は、cDataおよびImpl.4というラベルを付けられている行内の「X」というラベルを付けられている列に示されているnDataに少なくとも一部は基づき実装され得る。Impl.4の例では、各個人について測定されたnDataは、アミロイド状態、年齢、性別、APOE発現グループ、およびfMRI尺度(たとえば、皮質厚、または脳機能活動変化)を示すデータを含む。これらの例示的な解析(および関連付けられている計算)の結果は、集団の個人のアミロイド陽性(A+)またはアミロイド陰性(A-)状態の指標として訓練セッションの長い時間にわたる効果を示すデータおよびメトリックを提供するために使用され得る。これらの例示的な解析は、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションからの測定されたcData(限定はしないが、チャレンジメトリック(すなわち、チャレンジセッションで収集されたcDataから計算される)および/または訓練メトリック(すなわち、訓練セッションで収集されたcDataから計算される)(訓練順守および/または進捗メトリックを含む)など)を使用して実行され得る。例示的な訓練メトリックは、限定はしないが個人が認知プラットフォームまたはプラットフォーム製品をインタラクティブに操作する毎週の週末などの定期的な時間間隔で順守および/または進捗メトリックを計算するために使用され得る。解析(および関連付けられている計算)を実行するように構成されている例示的なシステム、方法、および装置は、長い時間にわたる訓練セッションの差に関して集団の個人の予測モデルを実装するように構成され得る。
Impl.4の非限定的な例において、cDataおよびnDataを使用して実行され得る解析(および関連付けられている計算)が説明される。異なる解析モデルが、初期時点(T1)および/または第2の時点(T2)および/または第3の時点(T3)において収集された認知プラットフォームまたはプラットフォーム製品(cData)に対するユーザインタラクションから収集されたデータに適用され得る。解析モデルは、制限されたデータセット(年齢および性別nDataに基づく)またはより大きいデータセット(年齢、性別、APOE発現グループ、fMRI、および他のnDataに基づく)に適用される、ANCOVAモデルおよび/または線形混合モデル回帰モデルに基づくものとしてよい。
Impl.4の非限定的な例において、解析(および関連付けられている計算)は、認知プラットフォームまたはプラットフォーム製品との複数の異なるセッションを個人が(一定期間にわたって)実行する前および/または実行した後に測定されたcDataに基づき生成される、第1のチャレンジセグメントまたは第2のチャレンジセッションのうちの少なくとも1つから収集されたcDataに基づき実行され得る。複数の異なるセッションとのインタラクションは、時点T2とT3との間の時間期間において実行され得る。
例示的な解析(および関連付けられている計算)は、アミロイド陽性(A+)グループの個人およびアミロイド陰性(A-)グループの個人に別々に対応するnDataに対して本明細書で説明されている例示的なモデルを使用して各変数について認知プラットフォームまたはプラットフォーム製品を使用して訓練セッションの前および後の個人のパフォーマンスに対するスコアを比較することによって実行され得る。例示的な解析(および関連付けられている計算)は、また、異なるグループからのスコアの間の平均差を決定するために実行されてよく、たとえば、cDataは、集団のアミロイド陽性(A+)の個人とアミロイド陰性(A-)の個人との間の差を決定するために比較される(アミロイドグループの指標として)。例示的な解析(および関連付けられている計算)は、また、認知プラットフォームまたはプラットフォーム製品を使用するインタラクションに対し個人に提示されるセッション(および関連付けられている課題)の効果の線形回帰モデルにおける傾向を比較することによって実行されるものとしてよく、cDataは、集団のアミロイド陽性(A+)の個人とアミロイド陰性(A-)の個人との間の差を決定するために比較される(アミロイドグループの指標として)。例示的な解析(および関連付けられている計算)は、また、グループ分類(限定はしないが、アミロイド状態に基づくグループ化など)対セッションインタラクションの効果を比較することによって実行されるものとしてよく、cDataは、集団のアミロイド陽性(A+)の個人とアミロイド陰性(A-)の個人との間の差を決定するために比較される(アミロイドグループの指標として)。
この例示的な実装形態において、認知プラットフォームもしくはプラットフォーム製品によって提示される課題(および関連付けられているCSI)に対する個人のインタラクションから収集された特定のcData、ならびに/または説明されている解析(および関連付けられている計算)に基づきcDataを使用して計算されたメトリックは、限定はしないが、アミロイドグループおよび/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)などの、nDataと共変するか、または他の何らかの形で相関し得る。本明細書の原理による例示的な認知プラットフォームもしくはプラットフォーム製品は、個人を、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションから収集されたcDataならびに/または解析(および関連付けられている計算)に基づき計算されたメトリックに基づき、アミロイドグループおよび/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)に関して分類するように構成され得る。例示的な認知プラットフォームまたはプラットフォーム製品は、分類を実行するために、Impl.4のcDataおよびメトリックを使用して訓練され得る機械学習ツールもしくは他の計算プラットフォームを備えるか、または機械学習ツールもしくは他の計算プラットフォームと通信することができる。
非限定的な例示的な一実装形態において、例示的な解析(および関連付けられている計算)は、cDataおよびImpl.5というラベルを付けられている行内の「X」というラベルを付けられている列に示されているnDataに少なくとも一部は基づき実装され得る。Impl.5の例では、各個人について測定されたnDataは、アミロイドレベル、年齢、性別、およびfMRI尺度(たとえば、皮質厚、または脳機能活動変化)を示すデータを含む。これらの例示的な解析(および関連付けられている計算)の結果は、集団の個人のアミロイドレベルおよびfMRI皮質厚(または他のfMRI尺度)の指標として認知プラットフォームまたはプラットフォーム製品に対するセッションの効果を示すデータおよびメトリックを提供するために使用され得る。これらの例示的な解析は、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションからの測定されたcData(限定はしないが、チャレンジメトリック(すなわち、チャレンジセッションで収集されたcDataから計算される)および/または訓練メトリック(すなわち、訓練セッションで収集されたcDataから計算される)(訓練順守および/または進捗メトリックを含む)など)を使用して実行され得る。解析(および関連付けられている計算)を実行するように構成されている例示的なシステム、方法、および装置は、アミロイドレベルおよび/または皮質厚(またはfMRIを使用して測定可能な他の特性)の差に関して集団の個人の予測モデルを実装するように構成され得る。
Impl.5の非限定的な例において、cDataおよびnDataを使用して実行され得る解析(および関連付けられている計算)が説明される。異なる解析モデルが、初期時点(T1)および/または第2の時点(T2)および/または第3の時点(T3)において収集された認知プラットフォームまたはプラットフォーム製品(cData)に対するユーザインタラクションから収集されたデータに適用され得る。解析モデルは、制限されたデータセット(年齢および性別nDataに基づく)またはより大きいデータセット(年齢、性別、APOE発現グループ、fMRI、および他のnDataに基づく)に適用される、ANCOVAモデルおよび/または線形混合モデル回帰モデルに基づくものとしてよい。
Impl.5の非限定的な例において、解析(および関連付けられている計算)は、認知プラットフォームまたはプラットフォーム製品との複数の異なるセッションを個人が(一定期間にわたって)実行する前および/または実行した後に測定されたcDataに基づき生成される、第1のチャレンジセグメントまたは第2のチャレンジセッションのうちの少なくとも1つから収集されたcDataに基づき実行され得る。複数の異なるセッションとのインタラクションは、時点T2とT3との間の時間期間において実行され得る。
例示的な解析(および関連付けられている計算)は、個人のアミロイドレベルおよび/または皮質厚(またはfMRIを使用して測定可能な他の特性)の指標として認知プラットフォームまたはプラットフォーム製品上の個人のパフォーマンスを比較することによって実行され得る。
この例示的な実装形態において、認知プラットフォームもしくはプラットフォーム製品によって提示される課題(および関連付けられているCSI)に対する個人のインタラクションから収集された特定のcData、ならびに/または説明されている解析(および関連付けられている計算)に基づきcDataを使用して計算されたメトリックは、限定はしないが、アミロイドレベルなどの、nDataと共変するか、または他の何らかの形で相関し得る。本明細書の原理による例示的な認知プラットフォームまたはプラットフォーム製品は、個人を、認知プラットフォームもしくはプラットフォーム製品に対する個人のインタラクションから収集されたcDataおよび/または解析(および関連付けられている計算)結果に基づき計算されるメトリックに基づき、アミロイドレベルに関して分類するように構成され得る。例示的な認知プラットフォームまたはプラットフォーム製品は、分類を実行するために、Impl.5のcDataおよびメトリックを使用して訓練され得る機械学習ツールもしくは他の計算プラットフォームを備えるか、または機械学習ツールもしくは他の計算プラットフォームと通信することができる。
非限定的な例示的な一実装形態において、例示的な解析(および関連付けられている計算)は、cDataおよびImpl.6というラベルを付けられている行内の「X」というラベルを付けられている列に示されているnDataに少なくとも一部は基づき実装され得る。Impl.6の例では、各個人について測定されたnDataは、アミロイド状態、薬物グループ、年齢、性別、APOE発現グループ、およびfMRI尺度(たとえば、皮質厚、または脳機能活動変化)を示すデータを含む。本明細書の例において、「薬物グループ」は、個人に投与されているか、または投与されるべき薬物の量、濃度、または投薬滴定に基づき指定される。これらの例示的な解析(および関連付けられている計算)の結果は、認知プラットフォームまたはプラットフォーム製品を使用する個人のパフォーマンスに対する所与の薬物グループで使用される活性薬物の効果を示すデータおよびメトリックを提供するために使用され得る。これらの例示的な解析は、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションからの測定されたcData(限定はしないが、チャレンジメトリック(すなわち、チャレンジセッションで収集されたcDataから計算される)および/または訓練メトリック(すなわち、訓練セッションで収集されたcDataから計算される)(訓練順守および/または進捗メトリックを含む)など)ならびに測定されたnData(限定はしないが、アミロイド状態、薬物グループ、年齢、性別、APOE発現グループ、およびfMRI尺度(たとえば、皮質厚、もしくは脳機能活動変化)など)を使用して実行され得る。本明細書において説明されている解析(および関連付けられている計算)を実行するように構成されている例示的なシステム、方法、および装置は、監視および/またはスクリーニングのためのバイオマーカーとして使用され得る。非限定的な一例として、例示的なシステム、方法、および装置は、所定の個人または集団の特定の個人(たとえば、アミロイド状態に基づき所与のグループに分類される個人)に対する認知処理の有効性の程度(生物剤、薬物、または他の医薬品の使用を伴う有効性の程度を含む)の定量的尺度を提供するように構成される。
Impl.6の非限定的な例において、cDataおよびnDataを使用して実行され得る解析(および関連付けられている計算)が説明される。異なる解析モデルが、初期時点(T1)および/または第2の時点(T2)および/または第3の時点(T3)において収集された認知プラットフォームまたはプラットフォーム製品(cData)に対するユーザインタラクションから収集されたデータに適用され得る。解析モデルは、制限されたデータセット(年齢および性別nDataに基づく)またはより大きいデータセット(年齢、性別、APOE発現グループ、fMRI、および他のnDataに基づく)に適用される、ANCOVAモデルおよび/または線形混合モデル回帰モデルに基づくものとしてよい。
Impl.6の非限定的な例において、解析(および関連付けられている計算)は、認知プラットフォームまたはプラットフォーム製品との複数の異なるセッションを個人が(一定期間にわたって)実行する前および/または実行した後に測定されたcDataに基づき生成される、第1のチャレンジセッションもしくは第2のチャレンジセッションのうちの少なくとも1つおよび/または第1の訓練セッションもしくは第2のチャレンジセッションのうちの少なくとも1つから収集されたcDataに基づき実行され得る。cDataは、薬物の投与が行われる前に、および/または薬物の投与後に個人によって実行されるセッションに基づき収集され得る。複数の異なるセッションとのインタラクションは、時点T2とT3との間の時間期間において実行され得る。
例示的な解析(および関連付けられている計算)は、共変量セットとともに薬物グループに対応するnDataについて本明細書で説明されている例示的なモデルを使用して各変数を比較することによって実行され得る。例示的な解析(および関連付けられている計算)は、また、グループ分類(限定はしないが、アミロイド状態に基づくグループ化など)対薬物インタラクションの効果を比較することによって実行されるものとしてよく、cData(シングルタスキング課題および/またはマルチタスキング課題の実行からの)は比較され、認知プラットフォームをインタラクティブ操作する個人のパフォーマンスに対する薬物の有効性を決定する。例示的な解析(および関連付けられている計算)は、また、認知プラットフォームまたはプラットフォーム製品とのユーザインタラクションのセッションに対するグループ分類(限定はしないが、アミロイド状態に基づくグループ化など)対薬物インタラクションの効果を比較することによって実行されるものとしてよく、cData(シングルタスキング課題および/またはマルチタスキング課題の実行からの)は比較され、認知プラットフォームをインタラクティブ操作する個人のパフォーマンスに対する薬物の有効性を決定する。例示的な解析(および関連付けられている計算)は、また、認知プラットフォームまたはプラットフォーム製品とのユーザインタラクションのセッション(および任意のタイプの課題)に対するグループ分類(限定はしないが、アミロイド状態に基づくグループ化など)対薬物インタラクションの効果を比較することによって実行されるものとしてよく、cData(シングルタスキング課題および/またはマルチタスキング課題の実行からの)は比較され、認知プラットフォームをインタラクティブ操作する個人のパフォーマンスに対する薬物の有効性を決定する。
この例示的な実装形態において、認知プラットフォームもしくはプラットフォーム製品によって提示される課題(および関連付けられているCSI)に対する個人のインタラクションから収集された特定のcData、ならびに/または説明されている解析(および関連付けられている計算)に基づきcDataを使用して計算されたメトリックは、限定はしないが、アミロイドグループおよび/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)および/もしくは個人が薬物、生物剤、もしくは他の医薬品を投与されるときの認知プラットフォームもしくはプラットフォーム製品の使用の潜在的有効性などの、nDataと共変するか、または他の何らかの形で相関し得る。本明細書の原理による例示的な認知プラットフォームもしくはプラットフォーム製品は、個人を、認知プラットフォームまたはプラットフォーム製品に対する個人のインタラクションから収集されたcDataならびに/または解析(および関連付けられている計算)に基づき計算されたメトリックに基づき、アミロイドグループおよび/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものとしてよい他のタンパク質の発現レベルに基づく他の発現グループ)および/もしくは個人が薬物、生物剤、もしくは他の医薬品を投与されるときの認知プラットフォームもしくはプラットフォーム製品の使用の潜在的有効性に関して分類するように構成され得る。例示的な認知プラットフォームまたはプラットフォーム製品は、分類を実行するために、Impl.6のcDataおよびメトリックを使用して訓練され得る機械学習ツールもしくは他の計算プラットフォームを備えるか、または機械学習ツールもしくは他の計算プラットフォームと通信することができる。
上で説明されているように、本明細書の原理による例示的なシステム、方法、および装置は、プラットフォーム製品の認知プラットフォームを実現するために、プログラムされたコンピューティングデバイスの少なくとも1つの処理ユニットを使用して、実装され得る。図1は、本明細書で上で説明されている認知プラットフォームを実装するために使用できる本明細書の原理による例示的な装置100を示している。例示的な装置100は、少なくとも1つのメモリ102と少なくとも1つの処理ユニット104とを備える。少なくとも1つの処理ユニット104は、少なくとも1つのメモリ102に通信可能に接続される。
例示的なメモリ102は、限定はしないが、ハードウェアメモリ、非一時的な有形媒体、磁気記憶ディスク、光ディスク、フラッシュドライブ、計算デバイスメモリ、限定はしないが、DRAM、SRAM、EDO RAMなどのランダムアクセスメモリ、他の任意のタイプのメモリ、またはこれらの組合せを含むことができる。例示的な処理ユニット104は、限定はしないが、マイクロチップ、プロセッサ、マイクロプロセッサ、専用プロセッサ、特定用途向け集積回路、マイクロコントローラ、フィールドプログラマブルゲートアレイ、汎用グラフィックスプロセッシングユニット、ニューラルネットワークチップ、他の任意の好適なプロセッサ、またはこれらの組合せを含むことができる。
少なくとも1つのメモリ102は、プロセッサ実行可能命令106およびコンピューティングコンポーネント108を記憶するように構成される。コンピューティングコンポーネント108は、処理ユニット104にcDataおよびnDataを解析させる実行可能命令のセットを備えることができる。非限定的な一例において、コンピューティングコンポーネント108は、1つもしくは複数の生理学的もしくは監視コンポーネントと接続されている認知プラットフォームおよび/または認知プラットフォームに接続されている認知試験コンポーネントから受信されたcDataおよび/またはnDataを解析するために使用され得る。図1に示されているように、メモリ102は、また、限定はしないが、nData112(1つもしくは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントを使用する測定からの測定データを含む)ならびに/または装置100のユーザインターフェースのところに表現される課題および/もしくは装置100に接続されるか、もしくは装置100と一体化している作動コンポーネントからの聴覚、触覚、もしくは振動信号を使用して生成される課題への応答を含む、1つもしくは複数の課題への個人の応答を示すデータ(cData)などの、データ110を記憶するために使用され得る。データ110は、装置100に接続されるか、または一体化している1つもしくは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントから受信され得る。
本明細書の例において、コンピューティングデバイスは、コンピューティングコンポーネント108を備えることができる。
本明細書の例では、ユーザインターフェースは、グラフィカルユーザインターフェースであってよい。
非限定的な一例において、少なくとも1つの処理ユニット104は、コンピューティングコンポーネント108を使用して、メモリ102に記憶されているプロセッサ実行可能命令106を実行し、少なくとも、1つもしくは複数の生理学的もしくは監視コンポーネントと接続されている認知プラットフォームおよび/または認知プラットフォームに接続されている認知試験コンポーネントから受信されたcDataおよび/またはnDataを解析する。少なくとも1つの処理ユニット104は、また、プロセッサ実行可能命令106を実行して認知プラットフォームと接続されている1つもしくは複数の生理学的もしくは監視コンポーネントおよび/もしくは本明細書で説明されているような認知試験コンポーネントから受信されたcDataおよび/もしくはnDataの解析結果を示す値を伝送するように伝送ユニットを制御し、ならびに/またはcDataおよび/もしくはnDataの解析結果を示す値を記憶するようにメモリ102を制御する。
別の非限定的な例では、測定データ(nData112)は、1つもしくは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントを使用した測定結果から収集できる。本明細書のどの例においても、1つまたは複数の生理学的コンポーネントは、生理学的測定を実行するように構成される。生理学的測定は、生理学的パラメータの定量的測定データならびに/または生理学的構造および/もしくは機能の視覚化に使用され得るデータを提供する。
本明細書のどの例においても、cDataは、反応時間、応答分散、正答反応数、見逃しエラー数、お手つき回数(限定はしないが非ターゲットへの応答など)、学習率、空間的分散、主観的評定、および/またはパフォーマンス閾値、または最新の完了した試行もしくはセッションにおけるパーセント正確度、正答数、および/誤答数を含む、解析からのデータを含むことができる。反応時間の尺度は、個人が、干渉が開始された瞬間から干渉(限定はしないが、ターゲットまたは非ターゲットなど)への応答を開始するのに要する時間を示す。パフォーマンス閾値は、課題および/または干渉の個人のパフォーマンスを示す前の測定cDataに基づき例示的なシステムまたは装置によって設定され得る。cDataの他の非限定的な例は、応答時間(反応時間と個人が干渉への応答を完了するのに要する時間との合計)、課題完了時間、設定された長さの時間内に完了した課題の数、課題に対する準備時間、応答の正確さ、設定された条件の下での応答の正確さ(たとえば、刺激難易度または大きさレベルおよび複数の刺激の関連付け)、設定された制限時間内に参加者が記録することができる応答の数、制限時間なしで参加者が行うことができる応答の数、課題を完了するために必要な課題での試行回数、移動安定性、加速度計およびジャイロスコープのデータ、ならびに自己評価を含む。
本明細書の例において、1つまたは複数の生理学的コンポーネントは、電気的活動、心拍数、血流量、および酸素化レベルを含む、身体および神経系統の物理的特性を測定し、測定データ(nData112)を提供する手段を含み得る。これは、測定データ(nData112)を提供するために、カメラベースの心拍数検出、電気皮膚反応の測定、血圧測定、脳波図、心電図、核磁気共鳴画像法、近赤外分光法、および/または瞳孔拡張尺度を含むことができる。1つまたは複数の生理学的コンポーネントは、身体および神経系統の物理的特性のパラメータ値を測定するための1つまたは複数のセンサと、1つまたは複数のセンサによって検出された信号を処理するための1つまたは複数のシグナルプロセッサとを備え得る。
測定データ(nData112)を提供するための生理学的測定の他の例は、限定はしないが、体温の測定、心電計(ECG)を使用する心臓または他の心臓関係の機能、脳波図(EEG)を使用する電気的活動、事象関連電位(ERP)、機能的磁気共鳴画像法(fMRI)、血圧、皮膚の一部の電位、および/または電気皮膚反応(GSR)を含む。生理学的測定は、たとえば、機能的磁気共鳴画像法(fMRI)、脳磁気図(MEG)、および/または機能的近赤外分光法(fNIRS)を使用して行うことができる。生理学的測定を行うためのデバイスは、たとえば、散瞳の程度を決定するようにプログラムされている処理ユニットを含む視標追跡デバイスもしくは他の光学的検出デバイス、機能的近赤外分光法(fNIRS)、および/またはポジトロン放出断層撮影(PET)スキャナを含み得る。EEG-fMRIまたはMEG-fMRI測定は、電気生理学(EEG/MEG)データおよび血行動態(fMRI)データの同時取得を可能にする。
図1の例示的な装置100は、本明細書で説明されている例示的な方法のうちのどれかを実行するためのコンピューティングデバイスとして構成され得る。コンピューティングデバイスは、本明細書で説明されている例示的な方法の機能の一部を実行するためのアプリプログラムを備え得る。
本明細書のどの例においても、例示的な装置100は、監視コンポーネント、疾病監視コンポーネント、および生理学的測定コンポーネントのうちの1つまたは複数と通信し、課題、および干渉のうちの1つまたは複数のタイプもしくは難易度レベルを調整するためにデータのバイオフィードバックおよび/またはニューロフィードバックをコンピューティングデバイスに提供し、個人の所望のパフォーマンスレベルを達成するように構成され得る。バイオフィードバックおよびニューロフィードバックの使用について以下で説明する。監視コンポーネントの例は、TOVA(登録商標)テストを実行するためのデバイスを含む。疾病監視コンポーネントの例は、疾病の症候を監視するために使用され得る任意のタイプのデバイスを含む。非限定的な例として、バイオフィードバックは、個人が装置100をインタラクティブに操作するときに個人の生理学的測定に基づくものとしてよく、バイオフィードバックは、課題および干渉の1つまたは複数のタイプもしくは難易度レベルを修正するためにコンピューティングコンポーネント108によって使用され得る。非限定的な一例として、ニューロフィードバックは、個人が装置100をインタラクティブに操作するときに認知および/または疾病監視コンポーネントを使用して個人の測定および監視に基づくものとしてよく、ニューロフィードバックは、たとえば、個人の認知状態を示す測定データに基づき、課題および干渉の1つまたは複数のタイプもしくは難易度レベルを修正し、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示すスコアリング出力(限定はしないが、分類出力など)を形成することを円滑にするためにコンピューティングコンポーネント108によって使用され得る。
非限定的な一例において、少なくとも1つの処理ユニット104は、メモリ102に記憶されているプロセッサ実行可能命令106を実行して、少なくとも、ユーザインターフェースにおいて一次課題の第1のインスタンスを表現することであって、一次課題の第1のインスタンスへの個人からの第1の一次応答を必要とする、表現することと、ユーザインターフェースにおいて二次課題の第1のインスタンスを表現することであって、二次課題の第1のインスタンスへの個人からの第1の二次応答を必要とする、表現することと、ユーザインターフェースにおいて一次課題の第2のインスタンスを干渉(二次課題の第2のインスタンスとして構成される)とともに表現することであって、干渉の存在下で一次課題の第2のインスタンスへの個人からの第2の一次応答を必要とする、表現することとを行う。少なくとも1つの処理ユニット104は、干渉を、一次課題の第2のインスタンスから個人の注意を逸らし妨害するものまたは注意を逸らすものとして構成されるように表現するように構成される。少なくとも1つの処理ユニット104は、ユーザインターフェースを使用して、個人に、注意を逸らすものとして構成されている干渉には応答しないこと、および妨害するものとして構成されている干渉には応答することを教授するように構成される。少なくとも1つの処理ユニット104は、第1の一次応答と、第1の二次応答と、第2の一次応答と、干渉への応答とを示すデータを受信し、少なくとも一部は第1の一次応答および第2の一次応答を示すデータの間の差を決定することと、第1の二次応答または干渉への応答のうちの一方もしくは両方を解析することとによって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスの差を解析して、個人の認知能力の少なくとも1つの指標を決定するようにさらに構成される。少なくとも1つの処理ユニット104は、少なくとも1つの指標に少なくとも一部は基づき第1の予測モデルを実行し、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示すスコアリング出力(限定はしないが、分類出力など)を生成する、ようにさらに構成される。
非限定的な一例において、コンピューティングコンポーネント108は、(i)一次課題への個人からの応答(cDataの少なくとも一部を提供する)、(ii)二次課題のインスタンスとしての干渉への個人の二次応答(cDataの少なくとも一部を提供する)、および(iii)個人の使用する少なくとも1つの生理学的尺度(nDataの少なくとも一部を提供するために少なくとも1つの生理学的コンポーネントの測定を使用する)のうちの2つ以上を実質的に同時に受信する(測定することを含む)ために使用され得る。非限定的な一例では、コンピューティングコンポーネント108は、本明細書で説明されているような1つまたは複数の生理学的コンポーネントと接続されている認知プラットフォームから受信されたcDataおよび/またはnDataを解析し、認知能力の少なくとも1つの指標を計算するために使用することができる。非限定的な別の例において、コンピューティングコンポーネント108は、少なくとも1つの指標を計算し、および/または予測モデルを適用してスコアリング出力を生成するために使用され得る。図1に示されているように、メモリ102は、限定はしないが、装置100に接続されるか、もしくは一体である生理学的コンポーネントから受信された生理学的測定データ(nData112)ならびに/または装置100のユーザインターフェースに表現される課題および/もしくは装置100に接続されるか、もしくは一体である作動コンポーネントからの聴覚、触覚、および/もしくは振動信号を使用して生成される課題への応答を含む、1つもしくは複数の課題への個人の応答を示すデータ、ならびに/または個人に投与されているかもしくは投与されるべき薬物、医薬品、生物剤、もしくは他の薬剤の量、濃度、もしくは投薬滴定、もしくは他の治療計画のうちの1つもしくは複数を示すデータなどの、データ110を記憶するためにも使用され得る。
非限定的な別の例において、少なくとも1つの処理ユニット104は、メモリ102に記憶されているプロセッサ実行可能命令106を実行して、少なくとも、(i)課題への個人からの応答(cDataの少なくとも一部を提供する)、(ii)二次課題のインスタンスとしての干渉への個人の二次応答(cDataの少なくとも一部を提供する)、および(iii)個人の使用する少なくとも1つの生理学的尺度(nDataの少なくとも一部を提供するために少なくとも1つの生理学的コンポーネントの測定を使用する)のうちの2つ以上を実質的に同時に測定する。少なくとも1つの処理ユニット104は、また、メモリ102に記憶されているプロセッサ実行可能命令106を実行して、少なくとも、認知プラットフォームと接続されている1つまたは複数の生理学的コンポーネントから受信されたcDataおよび/またはnDataを解析し、コンピューティングコンポーネント108を使用して認知能力の少なくとも1つの指標を計算する。少なくとも1つの処理ユニット104は、また、プロセッサ実行可能命令106を実行して認知プラットフォームと接続されている1つもしくは複数の生理学的コンポーネントから受信されたcDataおよび/もしくはnDataの解析結果を示す値を伝送するように伝送ユニットを制御し、ならびに/またはcDataおよび/もしくはnData(少なくとも1つのパフォーマンスメトリックを含む)の解析結果を示す値を記憶するようにメモリ102を制御する。少なくとも1つの処理ユニット104は、また、プロセッサ実行可能命令106を実行して計算されたパフォーマンスメトリックを示す値を伝送するように伝送ユニットを制御し、および/またはパフォーマンスメトリックを示す値を記憶するようにメモリ102を制御するようにプログラムされ得る。
非限定的な一例において、少なくとも1つの処理ユニット104は、メモリ102に記憶されているプロセッサ実行可能命令106を第1の時点T1において実行して、少なくとも、ユーザインターフェースにおいて一次課題の第1のインスタンスを表現することであって、一次課題の第1のインスタンスへの個人からの第1の一次応答を必要とする、表現することと、干渉とともに一次課題の第2のインスタンスを表現することであって、干渉の存在下で一次課題の第2のインスタンスへの個人からの第2の一次応答を必要とする、表現することと行う。少なくとも1つの処理ユニット104は、ユーザインターフェースを使用して、個人に、注意を逸らすものとして構成されている干渉には応答しないこと、および妨害するものとして構成されている干渉には応答することを教授するように構成される。少なくとも1つの処理ユニット104は、干渉を、一次課題の第2のインスタンスから個人の注意を逸らし妨害するものまたは注意を逸らすものとして構成されるように表現するように構成される。少なくとも1つの処理ユニット104は、メモリ102に記憶されているプロセッサ実行可能命令106を第2の時点T2(第1の時点T1の後の)において実行して、少なくとも、ユーザインターフェースにおいて一次課題の第3のインスタンスを表現することであって、一次課題の第3のインスタンスへの個人からの第3の一次応答を必要とする、表現することと、干渉とともに一次課題の第4のインスタンスを表現することであって、干渉の存在下で一次課題の第4のインスタンスへの個人からの第4の一次応答を必要とする、表現することとを行う。少なくとも1つの処理ユニット104は、第1の一次応答と、第2の一次応答と、第3の一次応答と、第4の一次応答とを示すデータを受信し、少なくとも一部は第1の一次応答、第2の一次応答、第3の一次応答、または第4の一次応答のうちの2つまたはそれ以上を示すデータの間の差を決定することによって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスの差を解析して、個人の認知能力の少なくとも第1の指標を決定するようにさらに構成される。少なくとも1つの処理ユニット104は、少なくとも1つの指標に少なくとも一部は基づき予測モデルを適用し、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示すスコアリング出力(限定はしないが、分類出力など)を生成する、ようにさらに構成される。
非限定的な一例において、少なくとも1つの処理ユニット104は、メモリ102に記憶されているプロセッサ実行可能命令106を実行して、少なくとも、装置が第2の難易度レベルで一次課題の少なくとも1つのその後のインスタンス(すなわち、後の時点の)および/または干渉を表現するように一次課題または干渉の一方または両方の難易度を調整するようにさらに構成され得る。たとえば、一次課題の第3または第4のインスタンスのうちの一方または両方は、一次課題の第1もしくは第2のインスタンスのうちの一方もしくは両方と比べて、同じ難易度レベルで、または(異なる)第2の難易度レベルで表現され得る。独立して、時点T2において表現される干渉は、時点T1において表現される干渉と同じであるか、または異なるものであってよい。
非限定的な一例において、少なくとも1つの処理ユニット104は、第3の時点T3(第2の時点T2の後)においてメモリ102に記憶されているプロセッサ実行可能命令106を実行して、少なくとも、ユーザインターフェースにおいて一次課題の第5のインスタンスを表現することであって、一次課題の第5のインスタンスへの個人からの第5の一次応答を必要とする、表現することと、干渉とともに一次課題の第6のインスタンスを表現することであって、干渉の存在下で一次課題の第6のインスタンスへの個人からの第6の一次応答を必要とする、表現することと、を行うようにさらに構成され得る。少なくとも1つの処理ユニット104は、第1の一次応答と、第2の一次応答と、第3の一次応答と、第4の一次応答と、第5の一次応答と、第6の一次応答とを示すデータを受信し、少なくとも一部は第1の一次応答、第2の一次応答、第3の一次応答、第4の一次応答、第5の一次応答、または第6の一次応答のうちの3つまたはそれ以上を示すデータの間の差を決定することによって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスの差を解析して、個人の認知能力の少なくとも第1の指標を決定するようにさらに構成される。少なくとも1つの処理ユニット104は、少なくとも1つの指標に少なくとも一部は基づき予測モデルを適用し、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示すスコアリング出力(限定はしないが、分類出力など)を生成する、ようにさらに構成される。
いくつかの例において、一次課題の第5または第6のインスタンスのうちの一方または両方は、一次課題の第3もしくは第4のインスタンスのうちの一方もしくは両方と比べて、同じ難易度レベルで、または(異なる)第2の難易度レベルで表現され得る。独立して、時点T3において表現される干渉は、時点T2において表現される干渉と同じであるか、または異なるものであってよい。
非限定的な一例において、少なくとも1つの処理ユニット104は、メモリ102に記憶されているプロセッサ実行可能命令106をさらに実行して、本明細書の実施例のうちのどれかを使用して決定された少なくとも1つの指標に少なくとも一部は基づき予測モデルを適用し、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示すスコアリング出力(限定はしないが、分類出力など)を生成する。予測モデルは、複数の訓練データセットを使用して訓練されるものとしてよく、各訓練データセットは複数の個人のうちのすでに分類されている個人に対応し、各訓練データセットは分類された個人の認知能力の少なくとも第1の指標を表すデータと、分類された個人における神経変性状態の状況または進行の診断を示すnDataとを含む。訓練された予測モデルは、個人の認知能力の少なくとも1つの指標(認知プラットフォームによって実行される課題および/または干渉との個人のインタラクションを示すデータから導出される)に適用され、スコアリング出力を生成し得る。スコアリング出力は、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階の指標を提供するために使用され得る。
本明細書の原理による例示的なシステム、方法、または装置を使用することで、神経変性状態の徴候の尤度および/または進行の段階に関する個人に対するスコアリング出力(限定はしないが、分類出力など)は、信号として医療デバイス、ヘルスケアコンピューティングシステム、もしくは他のデバイスの1つまたは複数に、および/または開業医、医療関係者、理学療法士、行動療法士、スポーツ医学専門家、薬剤師、または他の専門家に伝送され、それにより、治療コースを個人向けに作成することを可能にするか、または既存の治療コースを修正することができ、これは個人への薬物、生物剤、または他の医薬品の投薬量の変化を決定すること、または個人への薬物、生物剤、または他の医薬品の最適なタイプまたは組合せを決定することを含む。
いくつかの例において、解析の結果は、コンピュータ化された刺激またはインタラクション(CSI)または他のインタラクティブ要素の難易度レベルもしくは他の特性を修正するために使用されてよい。
図2は、本明細書の原理により認知プラットフォームを実装するために使用できる、コンピューティングデバイス200として構成されている、本明細書の原理による別の例示的な装置を示している。例示的なコンピューティングデバイス200は、通信モジュール210と解析エンジン212とを備え得る。通信モジュール210は、干渉の非存在下での一次課題への個人の少なくとも1つの応答、および/または干渉の存在下で表現されている一次課題への個人の少なくとも1つの応答を示すデータを受信するように実装され得る。一例において、通信モジュール210は、(i)一次課題への個人からの応答、および(ii)干渉への個人の二次応答のうちの2つ以上を実質的に同時に受信するように実装され得る。解析エンジン212は、本明細書で説明されているように少なくとも1つのセンサコンポーネントからのデータを解析し、および/または応答を示すデータを解析して認知能力の少なくとも1つの指標を計算するように実装され得る。別の例では、解析エンジン212は、少なくとも1つの指標に少なくとも一部は基づき予測モデルを適用し、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示すスコアリング出力(限定はしないが、分類出力など)を生成する、ように実装され得る。予測モデルは、複数の訓練データセットを使用して訓練されるものとしてよく、各訓練データセットは複数の個人のうちのすでに分類されている個人に対応し、各訓練データセットは分類された個人の認知能力の少なくとも第1の指標を表すデータと、分類された個人における神経変性状態の状況または進行の診断を示すnDataとを含む。図2の例に示されているように、コンピューティングデバイス200は、プロセッサユニットがユーザが解析エンジン212を開始するために実装することができるアプリケーションプログラム(アプリ214)を実行できるようにプロセッサ実行可能命令を備え得る。一例において、プロセッサ実行可能命令は、ソフトウェア、ファームウェア、または他の命令を含むことができる。解析エンジン212は、訓練された予測モデルを個人の認知能力の少なくとも1つの指標(認知プラットフォームによって実行される課題および/または干渉との個人のインタラクションを示すデータから導出される)に適用し、スコアリング出力を生成するように構成され得る。スコアリング出力は、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階の指標を提供するために使用され得る。
例示的な通信モジュール210は、コンピューティングデバイス200と別のコンピューティングデバイスまたはコンピューティングシステムとの間で情報が交換される際に使用する有線および/またはワイヤレス通信インターフェースを実装するように構成され得る。有線通信インターフェースの非限定的な例は、限定はしないが、USBポート、RS232コネクタ、RJ45コネクタ、Thunderbolt(商標)コネクタ、およびイーサネット(登録商標)コネクタと、それに関連付けられている適切な回路とを備える。ワイヤレス通信インターフェースの非限定的な例は、限定はしないが、Bluetooth(登録商標)技術、Wi-Fi、Wi-Max、IEEE 802.11技術、無線周波数(RF)通信、赤外線通信協会(IrDA)互換プロトコル、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、および共有ワイヤレスアクセスプロトコル(SWAP)を実装するインターフェースを含み得る。
例示的な実装形態において、例示的なコンピューティングデバイス200は、装置からの信号を第2のコンピューティングデバイスに伝送するように構成されている少なくとも1つの他のコンポーネントを備える。たとえば、少なくとも1つのコンポーネントは、少なくとも1つのセンサコンポーネントによる測定を示すデータを含む信号を第2のコンピューティングデバイスに伝送するように構成されているトランスミッタまたはトランシーバを備え得る。
本明細書の例において、コンピューティングデバイス200上のアプリ214は、コンピューティングデバイスのプロセッサユニットが解析エンジンを実行して表現された課題および/または干渉(コンピュータで実装された時間的に変化する要素によりいずれか一方もしくは両方)への個人の応答、ならびに少なくとも1つのコンピュータで実装された時間的に変化する要素への個人の応答を示すデータを解析し認知能力の少なくとも1つの指標を計算するようなプロセッサ実行可能命令を備えることができる。別の例において、コンピューティングデバイス200上のアプリ214は、コンピューティングデバイスのプロセッサユニットが解析エンジンを実行して表現された課題および/または干渉(コンピュータで実装された時間的に変化する要素によりいずれか一方もしくは両方)への個人の応答、ならびに少なくとも1つのコンピュータで実装された時間的に変化する要素への個人の応答を示すデータを解析しパフォーマンスメトリックの計算された値に基づき予測モデルを形成し、個人の認知の尺度、気分、認知的バイアスのレベル、または情緒的バイアスを示す予測モデル出力を生成するようなプロセッサ実行可能命令を備えることができる。いくつかの例において、アプリ214は、コンピューティングデバイスの処理ユニットが解析エンジンを実行して、少なくとも一部は第1の予測モデルを少なくとも1つの指標に適用することに基づき個人の神経変性状態の徴候の尤度および/もしくは神経変性状態の進行の段階に関するスコアリング出力ならびに/または明細書で説明されている他のメトリックおよび解析を提供するように訓練された予測モデルを適用するようなプロセッサ実行可能命令を備えることができる。
いくつかの例において、アプリ214は、(i)個人の認知能力を示す予測モデル出力、(ii)医薬品、薬物、もしくは生物剤の投与に応答して個人が有害事象の影響を受ける尤度、(iii)医薬品、薬物、もしくは生物剤の量、濃度、もしくは投薬滴定のうちの1つもしくは複数における変化に応答して個人が有害事象の影響を受ける尤度、(iv)個人の認知能力の変化、(v)推奨される治療計画、(vi)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの推奨、または(vii)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの有効性の程度の決定のうちの1つもしくは複数を提供するプロセッサ実行可能命令を備えることができる。
一例において、アプリ214は、コンピューティングデバイスのプロセッサユニットが解析エンジンを実行して、第2のスコアリングを提供するように訓練されている第2の予測モデル(第2の分類器を含む)を適用するようなプロセッサ実行可能命令を備えることができ、この第2のスコアリングは、(i)医薬品、薬物、もしくは生物剤の投与に応答して個人が有害事象の影響を受ける尤度、(ii)医薬品、薬物、もしくは生物剤の量、濃度、もしくは投薬滴定のうちの1つもしくは複数の変化に応答して個人が有害事象の影響を受ける尤度、(iii)個人の認知能力の変化、(iv)推奨される治療計画、(v)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの推奨、(vi)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの有効性の程度の決定のうちの1つもしくは複数を示す。第2の予測モデルは、複数の訓練データセットを使用して訓練されるものとしてよく、各訓練データセットは、個人のグループからすでに分類されている個人に関連付けられている。各訓練データセットは、分類された個人の認知能力の少なくとも1つの指標への第1の予測モデルの適用から本明細書で説明されているように導出されるスコアリング出力を表すデータを含む。各訓練データセットは、また、(i)個人が医薬品、薬物、もしくは生物剤の投与に応答して、またはその医薬品、薬物、もしくは生物剤の量、濃度、もしくは投薬滴定のうちの1つまたは複数の変化に応答して影響を受けた有害事象の指示(説明を含む)、(ii)個人の治療計画および神経変性状態の症候の治療もしくは管理に関連する計画の有効性の程度に関する評価(すなわち、成功もしくは失敗の評価)、(iii)神経変性状態の症候の治療もしくは管理に関連して個人が受けている行動療法、カウンセリング、もしくは体操の有効性の程度に関するタイプおよび評価(すなわち、成功もしくは失敗の評価)のうちの1つまたは複数を示すデータを含む。訓練された第2の予測モデルは、個人のスコアリング出力(分類出力を含む)(認知プラットフォームによって実行される課題および/または干渉との個人のインタラクションを示すデータから導出される)に適用され、第2のスコアリングを出力として生成し得る。
本明細書のどれかの例において、アプリ214は、生理学的コンポーネントから受信された個人の生理学的測定nDataおよび/または装置100のユーザインターフェースのところに表現される課題および/または干渉への個人の応答を示すcData(以下でより詳しく説明されるような)、および/または個人に投与されているもしくは投与されるべき薬物、医薬品、生物剤、または他の薬剤の量、濃度、もしくは投薬滴定、または他の治療計画のうちの1つまたは複数を示すデータを含む測定データを受信するように構成され得る。
図3Aは、本明細書の原理による、非限定的な例示的なシステム、方法、および装置を示しており、プラットフォーム製品(APPを含み得る)は、生理学的コンポーネント304のうちの1つまたは複数から分離しているが、それと接続するように構成されている、認知プラットフォーム302として構成される。
図3Bは、本明細書の原理による、別の非限定的な例示的なシステム、方法、および装置を示しており、プラットフォーム製品(APPを含み得る)は、統合デバイス310として構成され、認知プラットフォーム312は、生理学的コンポーネント314のうちの1つまたは複数と一体化される。
図4は、非限定的な例示的な実装形態を示しており、プラットフォーム製品(APPを含み得る)は、生理学的コンポーネント404と接続するように構成されている認知プラットフォーム402として構成される。この例では、認知プラットフォーム402は、タブレットとして構成され、上で説明されている課題およびCSIに関連付けられているプロセッサ実行可能命令を実装し、認知プラットフォーム402に対するユーザインタラクションからのユーザ応答に関連付けられているcDataを受信し、生理学的コンポーネント404からnDataを受信し、上で説明されているようにcDataおよび/もしくはnDataを解析し、cDataおよび/もしくはnDataを解析して個人の生理学的状態および/もしくは認知状態の尺度を提供する、ようにプログラムされた少なくとも1つのプロセッサを備える。認知プラットフォームは、データのセットの間の差を決定することに基づき個人のパフォーマンスの差を解析し、データの各セットは干渉が存在している場合および存在していない場合の課題へのユーザの応答を示すデータと、nDataとを含み、ならびに/または解析において決定された個人のパフォーマンスに基づきおよびcDataおよび/もしくはnDataの解析結果に基づきコンピュータ化された刺激もしくはインタラクション(CSI)もしくは他のインタラクティブ要素の難易度レベルを調整するように構成され得る。認知プラットフォームは、(i)個人のパフォーマンス、(ii)認知評価、(iii)認知処理への応答、または(iv)認知の評価された尺度のうちの少なくとも1つを示すプラットフォーム製品からの出力または他のフィードバックを提供するように構成され得る。この例では、生理学的コンポーネント404は、nDataを提供するように認知プラットフォーム402とのユーザインタラクションの前、その最中、および/またはその後に測定を実行するためにユーザの頭部に装着されるEEGデバイスとして構成される。
非限定的な例示的な実装形態において、EEGデバイスは、医療処理の妥当性確認およびオーダーメイド医療に対する低コストEEGデバイスであってよい。低コストEEGデバイスは、使い勝手がよいものであり得、医療アプリケーションの精度および妥当性を大幅に改善する潜在性を有する。この例では、プラットフォーム製品は、認知プラットフォームに接続されているEEGコンポーネントを含む統合デバイスとして、またはEEGコンポーネントから分離しているが、それと接続するように構成されている認知プラットフォームとして構成され得る。
処理の妥当性確認を行うための非限定的な例示的な使用では、ユーザは、認知プラットフォームをインタラクティブに操作し、EEGデバイスは、ユーザの生理学的測定を実行するために使用される。EEG測定データ(脳波など)の変化は、もしあれば、認知プラットフォームをインタラクティブに操作するユーザのアクションに基づき監視される。EEGデバイスを使用するnData(たとえば、脳波測定)は、収集され、解析されて、それによりEEG測定の変化を検出することができる。この解析は、ユーザが最適なまたは望ましいプロファイルに従って実行しているかどうかなど、ユーザからの応答のタイプを決定するために使用され得る。
オーダーメイド医療に対する非限定的な例示的な使用では、EEG測定からのnDataは、認知プラットフォーム処理が望ましい効果を有していることを示すユーザパフォーマンス/状態の変化を識別するために使用され得る。EEG測定からのnDataは、また、所与のユーザに対して働く課題および/またはCSIのタイプを決定するために使用され得る。この解析は、認知プラットフォームが、認知プラットフォームをインタラクティブに操作するときにユーザの経験を調整することによって、EEGデバイスによって検出されるこれらのユーザ結果を強化するか、または弱める課題および/またはCSIを提供させられるべきかどうかを決定するために使用され得る。
非限定的な例示的な実装形態において、測定は、医療アプリケーションの有効性確認およびオーダーメイド医療に使用するために、fMRIと接続するように構成されている認知プラットフォームを使用して行われる。消費者レベルのfMRIデバイスは、脳部分刺激の変化を追跡し、検出することによって医療アプリケーションの精度および妥当性を改善するために使用され得る。
非限定的な一例において、fMRI測定は、皮質厚の測定データおよび他の類似の測定データを提供するために使用され得る。
処理の妥当性確認を行うための非限定的な例示的な使用では、ユーザは、認知プラットフォームをインタラクティブに操作し、fMRIは、生理学的データを測定するために使用される。ユーザは、認知プラットフォームをインタラクティブに操作している間にユーザのアクションに基づき特定の脳部分または脳部分の組合せ(限定はしないが前頭前皮質、視覚野、もしくは海馬など)の刺激を有することを期待される。この例では、プラットフォーム製品は、認知プラットフォームに接続されているfMRIコンポーネントを含む統合デバイスとして、またはfMRIコンポーネントから分離しているが、それと接続するように構成されている認知プラットフォームとして構成され得る。認知プラットフォームをfMRIとともに使用することで、ユーザの脳の一部分に対する刺激発生の測定が行われてよく、測定の変化を検出してユーザが望ましい応答を示すかどうかを決定するために解析が実行され得る。
オーダーメイド医療に対する非限定的な使用例では、fMRIは、認知プラットフォームをユーザがインタラクティブに操作する際の進捗を識別するために使用されるべき測定データを収集するために使用され得る。この解析は、認知プラットフォームが、認知プラットフォームをインタラクティブに操作するユーザの経験を調整することによって、fMRIによって検出されるこれらのユーザ結果を強化するか、または弱める課題および/またはCSIを提供させられるべきかどうかを決定するために使用され得る。
本明細書の例において、システム、方法、または装置は、課題および/または干渉(CSIを含む)の難易度レベルもしくはタイプのうちの一方もしくは両方に対してリアルタイムで調整を行うように構成され得る。
本明細書の原理による例示的なシステム、方法、および装置は、注目している認知能力の尺度に関してすでに分類されている個人に対する出力からのフィードバックデータに基づき個人の認知能力の尺度の予測モデルを訓練するように構成され得る。たとえば、予測モデル(状態分類器を含む)は、複数の訓練データセットを使用して訓練されるものとしてよく、各訓練データセットは、個人のグループからすでに分類されている個人に関連付けられている。各訓練データセットは、本明細書において説明されている例示的な装置、システム、またはコンピューティングデバイスに対する分類された個人のインタラクションに基づき、分類された個人の認知能力の少なくとも1つの指標を表すデータと、分類された個人における神経変性状態の状況または進行の診断を示すnDataとを含む。例示的な分類器は、また、入力として、(i)認知テストにおける分類された個人のパフォーマンスを示すデータ、(ii)行動テストを示すデータ、および/もしくは状態の診断を示すデータ、または(iii)神経変性状態の進行を示すデータのうちの少なくとも1つを受け取ることができる。訓練された分類器は、個人の認知能力の少なくとも1つの指標(認知プラットフォームによって実行される課題および/または干渉との個人のインタラクションを示すデータから導出される)に適用され、スコアリング出力(限定はしないが、分類出力など)を生成し得る。スコアリング出力(分類出力を含む)は、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階の指標を提供するために使用され得る。
本明細書の例では、少なくとも1つの処理ユニットは、聴覚、触覚、および/または振動を利用するコンピュータ化要素を動作させて個人との刺激によるまたは他のインタラクションを引き起こすことをシステム(認知プラットフォームを含む)の作動コンポーネントに行わせるようにプログラムされ得る。非限定的な例において、少なくとも1つの処理ユニットは、入力デバイスにおいて受信された応答を含む、課題および/または干渉に対するユーザインタラクションに基づく個人からの少なくとも1つの応答を示すデータを受信することを認知プラットフォームのコンポーネントに行わせるようにプログラムされ得る。コンピュータ化された刺激を個人に与えるように少なくとも1つのグラフィカルユーザインターフェースが表現される例では、少なくとも1つの処理ユニットは、個人からの少なくとも1つの応答を示すデータを受信することをグラフィカルユーザインターフェースに行わせるようにプログラムされ得る。
本明細書の例では、課題および/または干渉への個人の応答を示すデータは、限定はしないが、ジャイロスコープ、加速度計、モーションセンサ、位置センサ、圧力センサ、光センサ、聴覚センサ、振動センサ、ビデオカメラ、圧力感知表面、タッチセンサ表面、または他のタイプのセンサなどの、本明細書の例示的なシステムまたは装置内に収容され、および/または接続されている少なくとも1つのセンサデバイスを使用して測定されるものとしてよい。他の例では、課題および/または干渉への個人の応答を示すデータは、ビデオカメラ、マイクロフォン、ジョイスティック、キーボード、マウス、トレッドミル、エリプティカルトレーナ、自転車、ステッパ、またはゲーム機(Wii(登録商標)、Playstation(登録商標)、もしくはXbox(登録商標)もしくは別のゲーム機)を含む、他のタイプのセンサデバイスを使用して測定され得る。データは、個人が課題および/または干渉とともに与えられる刺激への応答を実行するときに、少なくとも1つのセンサデバイスを使用して検出され、および/または測定される個人の物理的アクションに基づき生成され得る。
使用者は、コンピュータデバイスをインタラクティブに操作することによって課題に応答し得る。一例において、ユーザは、他にもあるがとりわけ英数字または方向入力のためのキーボード、進む/進まないクリック、画面配置入力、および移動入力のためのマウス、移動入力、画面配置入力、クリック入力のためのジョイスティック、オーディオ入力のためのマイクロフォン、静止またはモーション光入力のためのカメラ、デバイス移動入力のための加速度計およびジャイロスコープなどのセンサを使用して応答を実行し得る。ゲーム機のための非限定的な例示的な入力は、限定はしないが、ナビゲーションおよびクリック入力のためのゲームコントローラ、加速度計およびジャイロスコープ入力のためのゲームコントローラ、ならびにモーション光入力のためのカメラを含む。モバイルデバイスまたはタブレットのための例示的な入力は、とりわけ、画面配置情報入力、仮想キーボード英数字入力、進む/進まないタップ入力、およびタッチスクリーン移動入力のためのタッチスクリーン、加速度計およびジャイロスコープモーション入力、オーディオ入力のためのマイクロフォン、ならびに静止またはモーション光入力のためのカメラを含む。他の例では、個人の応答を示すデータは、限定はしないが、脳波図(EEG)、脳磁図(MEG)、心拍数、心拍変動、血圧、体重、眼球運動、瞳孔拡張、電気皮膚反応などの皮膚電気反応、血糖値、呼吸数、および血液酸素化などの、ユーザの物理的状態からの入力を組み込むために生理学的センサ値/尺度を含むことができる。
本明細書の例では、個人は、ボタンをクリックし、および/またはカーソルを画面上の正しい位置に移動する物理的アクション、頭部の動き、指もしくは手の動き、口頭応答、眼球の動き、または個人の他のアクションを介して応答を提供するように教授され得る。
非限定的な例として、ユーザがコースもしくは環境をナビゲートするか、または他の視覚運動活動を実行することを必要とするユーザインターフェースに表現される課題または干渉への個人の応答は、少なくとも1つのタイプのセンサデバイスを使用して検出されおよび/または測定される動き(限定はしないが、操縦など)を個人が行うことを必要とし得る。検出または測定からのデータは、応答を示すデータを提供する。
非限定的な例として、ユーザがターゲットと非ターゲットとを弁別することを必要とするユーザインターフェースに表現される課題または干渉への個人の応答は、少なくとも1つのタイプのセンサデバイスを使用して検出されおよび/または測定される動き(限定はしないが、タップまたは他の空間的なもしくは時間的な弁別指示など)を個人が行うことを必要とし得る。個人の動きの検出または他の測定に基づきシステムまたは装置のコンポーネントによって収集されるデータ(限定はしないが、本明細書で説明されている少なくとも1つのセンサまたは他のデバイスもしくはコンポーネントなど)は、個人の応答を示すデータをもたらす。
例示的なシステム、方法、および装置は、限定はしないが、線形/ロジスティック回帰、主成分分析、一般化線形混合モデル、ランダム決定フォレスト、サポートベクターマシン、または人工ニューラルネットワークなどの、計算技法および機械学習ツールを使用して、予測モデルを課題および/もしくは干渉への個人の応答を示すデータ、ならびに/または1つもしくは複数の生理学的尺度からのデータに適用し、個人の認知応答能力を示す予測モデル出力を生成するために各測定単独に比べて感度が高い複合変数またはプロファイルを作成するように構成され得る。一例において、予測モデル出力は、限定はしないが疾病、障害、もしくは認知状態の指示を検出すること、または認知健全性を評価することなど、他の指示に対して構成され得る。
本明細書の例示的な予測モデルは、認知プラットフォームとの個人のインタラクションセッションから収集されたデータに適用され、出力をもたらすように訓練され得る。非限定的な例において、予測モデルは、個人の認知応答能力を分類するために課題および/または干渉への個人の応答から収集されたデータに適用され得る、標準テーブルを生成するために使用できる。
認知能力の評価の非限定的な例は、ミニメンタルステート検査、CANTAB認知バッテリー、注意の変数のテスト(TOVA)、神経心理学的状況の評価のための再現可能なバッテリー、特定の病状に関連する臨床総合所見尺度、臨床家の問診に基づく変化の所見、重篤障害バッテリー、アルツハイマー病評価尺度、陽性および陰性症候群尺度、統合失調症認知評価尺度、コナーズ成人期ADHD評価尺度、ハミルトンうつ病評価尺度、ハミルトン不安尺度、モントゴメリー・アスベルグうつ病評価尺度、ヤング躁病評価尺度、小児うつ病評価尺度、ペンシルバニア州心配の自己評定式質問紙、病院不安およびうつ病尺度、異常行動チェックリスト、日常生活動作尺度、ADHD自己報告尺度、陽性および陰性影響スケジュール、うつ不安ストレス尺度、簡易抑うつ症状尺度、およびPTSDチェックリストなどの評価尺度または調査を含む。
他の例において、評価では、知覚能力、反応および他の運動機能、視力、長期記憶、作業記憶、短期記憶、論理、および意思決定のためのテスト、および限定はしないがTOVA、MOT(運動対象追跡)、SART(持続的注意課題)、CDT(変化検出課題)、UFOV(有効視野)、フィルタ課題、WAIS(ウェクスラー成人知能検査)数字符号、トループ、サイモン課題、注意の瞬き、Nバック課題、PRP(心理的不応期)課題、課題切り替えテスト、およびフランカー課題を含む、他の特定の例示的な測定を含む、認知または行動研究における様々な認知の特定の機能をテストし得る。
非限定的な例において、本明細書において説明されている原理による例示的なシステム、方法、および装置は、限定はしないが、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、ハンチントン病、または他の神経変性病状などの、多くの異なるタイプの神経心理学的状態に適用可能であるものとしてよい。
本開示は、ユーザパフォーマンスメトリックを実現するために、1つまたは複数の課題におけるユーザのパフォーマンスを示すデータを測定することを目的とするソフトウェアおよび/または他のプロセッサ実行可能命令を実装するように構成されている例示的な認知プラットフォームとして形成されるコンピュータ実装デバイスを対象とする。例示的なパフォーマンスメトリックは、ユーザの認知能力の評価を導出し、ならびに/または認知処理へのユーザの応答を測定し、ならびに/またはユーザの状態(生理学的状態および/もしくは認知状態を含む)を示すデータもしくは他の定量的な指示要素を提供するために使用することができる。本明細書の原理による非限定的な例示的認知プラットフォームは、個人を、認知プラットフォームに対する個人のインタラクションから収集されたデータおよび/またはそのデータの解析(および関連付けられている計算)結果に基づき計算されるメトリックに基づき、個人の神経変性状態の徴候の尤度および/もしくは神経変性状態の進行の段階、ならびに/または個人が薬物、生物剤、または他の医薬品を投与されている(または投与されようとしている)ときの認知プラットフォームの使用の潜在的有効性に関して分類するように構成され得る。神経変性状態は、限定はしないが、アルツハイマー病、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、またはハンチントン病であるものとしてよい。
本明細書の原理による神経変性状態の徴候の尤度および/または進行の段階に関する個人の分類は、信号として医療デバイス、ヘルスケアコンピューティングシステム、もしくは他のデバイスに、および/または開業医、医療関係者、理学療法士、行動療法士、スポーツ医学専門家、薬剤師、もしくは他の専門家に伝送され、それにより、治療コースを個人向けに作成することを可能にするか、または既存の治療コースを修正することができ、これは個人への薬物、生物剤、もしくは他の医薬品の投薬量の変化を決定すること、または個人への薬物、生物剤、もしくは他の医薬品の最適なタイプもしくは組合せを決定することを含む。
本明細書の一例において、認知プラットフォームは、医療デバイスプラットフォーム、監視デバイスプラットフォーム、スクリーニングデバイスプラットフォーム、または他のデバイスプラットフォームの任意の組合せとして構成され得る。
本開示は、1つまたは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントと接続するように構成されている認知プラットフォームを含む例示的なシステムも対象とする。一例において、システムは、1つまたは複数の他の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントと一体化されている認知プラットフォームを備える。他の例では、システムは、1つまたは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントとは別々に収納され、それらと通信するように構成されている認知プラットフォームを備え、そのような1つまたは複数のコンポーネントを使用して行われた測定を示すデータを受信する。
本明細書の例示的なシステム、方法、および装置において、処理ユニットは、応答デッドライン手順に関連付けられている応答窓の時間的長さを修正するようにユーザインターフェースを制御するようにプログラムされ得る。
本明細書の例示的なシステム、方法、および装置において、処理ユニットは、課題を連続的な視覚運動追跡課題として表現するようにユーザインターフェースを制御するようにさらにプログラムされ得る。
本明細書の例示的なシステム、方法、および装置において、処理ユニットは、干渉をターゲット弁別課題として表現するようにユーザインターフェースを制御する。
本明細書で使用されているように、ターゲット弁別課題は、知覚反応課題と称されてもよく、そこでは、個人は、指定された形態の応答を通じてターゲット刺激および非ターゲット刺激を含む2特徴反応課題を実行するよう教授される。非限定的な例として、その指定されたタイプの応答は、個人がターゲット刺激に応答して指定された物理的アクションを起こし(たとえば、デバイスを移動するか、もしくは配向を変える、画面などのセンサ結合表面をタップする、光センサに相対的に移動する、音を立てる、またはセンサデバイスを活性化する他の物理的アクションを実行する)、非ターゲット刺激に応答してそのような指定された物理的アクションを起こすことを控えることであるものとしてよい。
非限定的な例において、個人は、干渉(二次課題のインスタンス)としてのターゲット弁別課題とともに(一次課題としての)視覚運動課題(コンピュータで実装された時間的に変化する要素を含むいずれかまたは両方)を実行する必要がある。視覚運動課題を実施するために、プログラムされた処理ユニットが、刺激への個人の反応として細かい運動移動を必要とする視覚的刺激を表現する。いくつかの例において、視覚運動課題は、連続的視覚運動課題である。処理ユニットは、視覚的刺激を変え、時間の経過を追って(たとえば、毎秒1、5、10、または30回を含む規則正しい間隔で)個人の運動移動を示すデータを記録するようにプログラムされる。細かい運動移動を必要とする視覚運動課題に対するプログラムされた処理ユニットを使用して表現される例示的な刺激は、アバターが留まっている必要がある経路の視覚提示であってよい。プログラムされた処理ユニットは、個人が回避するか、またはナビゲートするかのいずれかを必要とするいくつかのタイプの障害を有する経路を表現し得る。一例において、限定はしないが、デバイスを傾けたり、回転させたりすることなどの、個人による微細な運動移動効果は、加速度計および/またはジャイロスコープを使用して測定される(たとえば、指定された通りに障害を回避するか、交差しながら経路上でアバターを操縦するか、または何らかの形でガイドするため)。ターゲット弁別課題(干渉として使用される)は、形状および/または色が異なるターゲットおよび非ターゲットに基づくものとしてよい。
任意の例において、装置は、コンピュータで実装された時間的に変化する要素への応答を1つまたは複数のセンサによって読み取られるアクション(ジャイロスコープもしくは加速度計もしくは運動もしくは位置センサを使用して感知される動き、またはタッチセンサ、圧力センサ、もしくは静電容量センサを使用して感知される接触など)として提供することを個人に教授するように構成され得る。
いくつかの例において、課題および/または干渉は、視覚運動課題、ターゲット弁別課題、および/または記憶課題であってよい。
コンピュータ実装適応型応答デッドライン手順の文脈内で、応答デッドラインは、いくつかのゴールに向けて個人のパフォーマンス特性を操作するために試行または試行のブロックの間で調整され得る。共通ゴールは、応答デッドラインを制御することによって個人の平均応答精度をいくつかの値に向かわせるものである。
非限定的な例において、正答率は、与えられたターゲット刺激の総数で除算されたターゲット刺激への正しい応答の数として定義されてよい。誤警報率は阻害刺激への応答の数を提示される阻害刺激の数で除算した数として計算され得る。誤答率は、ターゲット刺激への無応答の数を正しくない応答の数で除算した数として計算されるものとしてよく、これは阻害刺激への応答の数に加えられたターゲット刺激への無応答を含む。正答率は、信号を含まない正しい応答の割合として計算され得る(たとえば、個人が、注意を逸らすものが表現された場合に、タップまたは他のアクションなどの、アクションを引き起こすのを控えることによって注意を逸らすものに正しく応答する場合)。一例において、正応答率は、阻害刺激への無応答の数を阻害刺激への無応答の数+ターゲット刺激への応答の数で除算した値として計算され得る。
いくつかの例では、課題および/または干渉は、各試行および/またはセッションの間に分散されている間隔で、2つ以上の試行および/またはセッションにおいて個人に提示される。いくつかの例では、コンピューティングシステムは、一方の試行から別の試行へおよび/または一方のセッションから別のセッションへの間で変化するかまたは同じままである難易度レベルでその後の試行および/またはセッションにおいて課題および/または干渉を実装するように構成される。たとえば、各その後の試行および/または各その後のセッションにおける難易度レベルは、前の試行および/または前のセッションにおいて個人のパフォーマンスに依存し得る。コンピューティングシステムが前の試行および/または前のセッションにおいて個人によってなされる応答における正しい入力の数が特定の閾値より高くなるか、または特定の閾値に達する(たとえば、正しい応答の所定のパーセンテージ)ことを指示することによる解析に基づき、コンピューティングシステムは、前の試行および/またはセッションよりも高い難易度レベルでその後の試行および/またはセッションにおける課題および/または干渉を実装するように構成される。コンピューティングシステムが前の試行および/または前のセッションにおいて個人によってなされる応答における正しい入力の数が下げられているか、指定された閾値以下であるか、指定された失敗レベルに達したか、または成功のレベルに達することができなかったことを指示することによる解析に基づき、コンピューティングシステムは、前の試行および/またはセッションよりも低い難易度レベルでその後の試行および/またはセッションにおける課題および/または干渉を実装するように構成される。いくつかの例では、コンピューティングシステムは、段階的なおよび/または頂点と谷の方式による難易度レベルでその後の試行および/またはセッションにおいて課題および/または干渉を実装するように構成される。
試行および/またはセッションの難易度レベルを変調するために、コンピューティングシステムは、一次課題の、または干渉の、または一次課題と干渉との何らかの組合せの難易度レベルを修正するように構成され得る。難易度レベルの変調は、課題もしくは干渉を実行する際の個人の実際のパフォーマンスを示すデータ(課題もしくは干渉への入力として測定によって決定されるような)または解析に左右されるより間接的なパラメータ、たとえば、限定はしないが干渉コストなどのパフォーマンスメトリックのいずれかに基づくものとしてよい。いくつかの例では、課題および/または干渉の難易度レベルは、約50%、約55%、約60%、約65%、約70%、約75%、約80%、約85%、または約90%以上で適応型階段アルゴリズムに基づき調整され得る。
別の例では、コンピューティングシステムは、プラットフォームが、たとえば、難易度レベルを個人に対する成功率閾値に、またはその前後の値に維持することによって個人に合わせて特に手直しされるように難易度レベルを修正するように構成され得る。たとえば、コンピューティングシステムは、個人からの実質的に一定の誤り率を維持する(たとえば、実質的に約80%の応答精度を維持する)難易度レベルをターゲットとするように構成され得る。他の例では、コンピューティングシステムは、個人からのパフォーマンスの精度を約50%、約55%、約60%、約65%、約70%、約75%、約80%、約85%、または約90%以上に維持する難易度レベルをターゲットとするように構成され得る。所与の個人に対する課題の難易度レベルは、最初に個人のカテゴリに対する既定の難易度レベル(たとえば、年齢範囲に対する平均)、最低の難易度レベル、または個人の事前評価に基づき匹敵するレベルで、干渉なしの課題(たとえば、シングルタスキング)を実装することによって決定され得る。その後の試行および/またはセッションにおいて、難易度レベルは、測定データの解析が、個人が特定の閾値レベル(たとえば、パーセント精度)で実行していることを示すまで変化させられ得る。
一例において、課題の難易度(コンピュータで実装された時間的に変化する要素を潜在的に含む)は、提示されるすべての刺激と適応され、これは規則正しい間隔(たとえば、5秒おき、10秒おき、20秒おき、または他の規則正しいスケジュール)で複数回生じ得る。
別の例では、連続的課題(場合によっては、コンピュータで実装された時間的に変化する要素を含む)の難易度は、限定はしないが、30秒おき、10秒、1秒、1秒に2回、または1秒に30回などの設定されたスケジュールで適応され得る。
一例において、試行の時間の長さは、(課題/干渉の)表現および(個人の応答の)受信の反復の回数に依存し、時間の点で異なり得る。一例において、試行は、約500ミリ秒、約1秒、約10秒、約20秒、約25秒、約30秒、約45秒、約60秒、約2分、約3分、約4分、約5分、またはそれ以上のオーダーとすることができる。各試行は、プリセットされた長さを有し得るか、または処理ユニットによって動的に設定されてもよい(たとえば、個人のパフォーマンスレベルまたは一方のレベルから他方のレベルへの適応の要求条件に依存する)。
一例において、課題および/または干渉(コンピュータで実装された時間的に変化する要素を含むいずれかまたは両方)は、ターゲット課題の特徴、軌跡、および応答窓を、ならびに課題を正常に遂行できたことを装置が個人に示すためにそれらのメトリックにおける改善を徐々に行うことを要求する並列課題干渉のレベル/タイプを選択することによって、1つまたは複数の特定のメトリックのターゲット変化に基づき修正され得る。これは、所望のゴールに従ってパフォーマンスを修正するように個人をガイドする、明示的メッセージングを含む、特定の増強を含むことが可能である。
一例において、認知能力の修正の指示は、情緒的バイアス、気分、認知的バイアスのレベル、持続的注意、選択的注意、注意欠如、衝動性、抑圧、知覚能力、反応および他の運動機能、視力、長期記憶、作業記憶、短期記憶、論理、ならびに意志決定のうちの1つまたは複数の尺度の変化を含むことができる。
本明細書の原理による例示的なシステム、方法、および装置は、少なくとも1つの処理ユニットを含むプログラムされたコンピューティングデバイスを使用することで、臨床的個体群に対する潜在的バイオマーカーを決定するように実装され得る。
本明細書の原理による例示的なシステム、方法、および装置は、個人の認知スキルを増強するように構成されるものとしてよい。例示的な一実装形態において、プログラムされた処理ユニットはプロセッサ実行可能命令を実行して、少なくとも、ユーザインターフェースにおいて一次課題の第1のインスタンスを表現することであって、一次課題の第1のインスタンスへの個人からの第1の一次応答を必要とし、ユーザインターフェースにおいて二次課題の第1のインスタンスを表現することであって、二次課題の第1のインスタンスへの個人からの第1の二次応答を必要とする、ように構成される。プログラムされた処理ユニットは、ユーザインターフェースを使用して、個人に、注意を逸らすものとして構成されている一次課題への干渉には応答しないこと、および妨害するものとして構成されている一次課題への干渉には応答することを教授するように構成される。プログラムされた処理ユニットは、ユーザインターフェースにおいて一次課題の第2のインスタンスを第1の干渉とともに表現することであって、第1の干渉の存在下で一次課題の第2のインスタンスへの個人からの第2の一次応答を必要とする、ように構成される。第1の干渉は一次課題の第2のインスタンスから個人の注意を逸らすように構成され、および妨害するものまたは注意を逸らすものとして表現される二次課題のインスタンスとして構成される。プログラムされた処理ユニットは、また、第1の一次応答と、第1の二次応答と、第2の一次応答と、干渉への応答とを示すデータを受信し、装置が第2の難易度レベルで一次課題の第3のインスタンスまたは干渉のうちの一方もしくは両方を表現するように一次課題または干渉の一方もしくは両方の難易度を調整するように構成される。プログラムされた処理ユニットは、ユーザインターフェースにおいて一次課題の第3のインスタンスを第2の干渉とともに表現することであって、第2の干渉の存在下で一次課題の第3のインスタンスへの個人からの第3の一次応答を必要とし、第3の一次応答と第2の干渉への応答とを示すデータを受信し、少なくとも一部は第1の一次応答、第2の一次応答、および第3の一次応答のうちの2つまたはそれ以上を示すデータの間の差を決定すること、また第1の二次応答の少なくとも1つを解析することによって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスの差を解析して、個人の認知能力の少なくとも第1の指標を決定するようにさらに構成される。プログラムされた処理ユニットは、少なくとも1つの指標に少なくとも一部は基づき第1の予測モデルを実行し、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示すスコアリング出力(限定はしないが、分類出力など)を生成する、ようにさらに構成される。本明細書において説明されているように、第1の予測モデルは、複数の訓練データセットを使用して訓練され、各訓練データセットは複数の個人のうちのすでに分類されている個人に対応し、各訓練データセットは分類された個人の認知能力の少なくとも1つの指標を表すデータと、分類された個人における神経変性状態の状況または進行の診断を示すデータとを含む。訓練された予測モデルは、個人の認知能力の少なくとも1つの指標(認知プラットフォームによって実行される課題および/または干渉との個人のインタラクションを示すデータから導出される)に適用され、スコアリング出力を生成し得る。スコアリング出力は、個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階の指標を提供するために使用され得る。
例示的な処理ユニットは、少なくとも一部はスコアリング出力(限定はしないが、分類出力など)に基づき、ユーザインターフェースに、(i)医薬品、薬物、もしくは生物剤の推奨される量、濃度、もしくは投薬滴定のうちの1つもしくは複数の変化に応答して個人が有害事象の影響を受ける尤度、(ii)医薬品、薬物、もしくは生物剤の投与に応答して個人が有害事象の影響を受ける尤度、(iii)個人の認知能力の変化、(iv)推奨される治療計画、(v)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの推奨、または(vi)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの有効性の程度の決定のうちの1つもしくは複数を示す出力を生成するようにも構成される。
一例において、処理ユニットは、また、第2のスコアリングを提供するように訓練されている第2の予測モデル(第2の分類器を含む)を適用するよう構成されるものとしてよく、この第2のスコアリングは、(i)医薬品、薬物、もしくは生物剤の投与に応答して個人が有害事象の影響を受ける尤度、(ii)医薬品、薬物、もしくは生物剤の量、濃度、もしくは投薬滴定のうちの1つもしくは複数の変化に応答して個人が有害事象の影響を受ける尤度、(iii)個人の認知能力の変化、(iv)推奨される治療計画、(v)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの推奨、(vi)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの有効性の程度の決定のうちの1つもしくは複数を示す。第2の予測モデルは、複数の訓練データセットを使用して訓練されるものとしてよく、各訓練データセットは、個人のグループからすでに分類されている個人に関連付けられている。各訓練データセットは、分類された個人の認知能力の少なくとも1つの指標への第1の予測モデルの適用から本明細書で説明されているように導出されるスコアリング出力を表すデータを含む。各訓練データセットは、また、(i)個人が医薬品、薬物、もしくは生物剤の投与に応答して、またはその医薬品、薬物、もしくは生物剤の量、濃度、もしくは投薬滴定のうちの1つまたは複数の変化に応答して影響を受けた有害事象の指示(説明を含む)、(ii)個人の治療計画および神経変性状態の症候の治療もしくは管理に関連する計画の有効性の程度に関する評価(すなわち、成功もしくは失敗の評価)、(iii)神経変性状態の症候の治療もしくは管理に関連して個人が受けている行動療法、カウンセリング、もしくは体操の有効性の程度に関するタイプおよび評価(すなわち、成功もしくは失敗の評価)のうちの1つまたは複数を示すデータを含む。訓練された第2の予測モデルは、個人のスコアリング出力(分類出力を含む)(認知プラットフォームによって実行される課題および/または干渉との個人のインタラクションを示すデータから導出される)に適用され、第2のスコアリングを出力として生成し得る。
非限定的な例において、処理ユニットは、ユーザインターフェースに課題の第2のインスタンスを表現することであって、課題の第2のインスタンスへの個人からの第2の応答を必要とする、表現することを行い、第1の応答および第2の応答を示すデータの間の差を解析して、個人の認知能力の少なくとも1つの追加の指示の尺度として干渉コストを計算するようにさらに構成され得る。
非限定的な例において、パフォーマンスメトリックの解析の結果に基づき、医学、医療、または他の専門家が(個人の同意の下で)、個人が、潜在的に認知に影響を及ぼすことを含む、医薬品、薬物、生物剤、または他の薬剤の特定のタイプ、量、濃度、または投薬滴定を投与される場合に発生し得る(または潜在的に起きている)潜在的な有害事象をより深く理解することができる。
非限定的な一例において、認知プラットフォームをインタラクティブに操作する際に個人が経験する少なくとも1つのタイプの医薬品、薬物、生物剤、または他の薬剤の効果の知られているレベルおよび/または少なくとも1つのタイプの医薬品、薬物、生物剤、または他の薬剤の投与で個人が経験する1つまたは複数の有害事象に関する定量可能情報とともに、特定の個人に対する、パフォーマンスメトリック(状態指標を含む)の解析の結果を示すデータを含む検索可能なデータベースが、本明細書において提供される。検索可能なデータベースは、所与の個人がコンピューティングデバイスに表現される課題および/もしくは干渉をインタラクティブに操作する際に個人用に入手される特定のタイプの医薬品、薬物、生物剤、もしくは他の薬剤から恩恵を受ける候補であるかどうかを決定するために使用するメトリック、ならびに/または予測モデルを使用して生成されるスコアリング出力(限定はしないが分類出力など)、ならびに/またはアミロイド、シスタチン、α-シヌクレイン、ハンチンチンタンパク質、タウタンパク質、もしくはアポリポタンパク質のうちの1つもしくは複数の発現レベル、ならびに/または認知プラットフォームに対する個人のインタラクションにおいて投与される薬物、生物剤、もしくは他の医薬品(限定はしないが、メチルフェニデート(MPH)、スコポラミン、塩酸ドネペジル、酒石酸リバスチグミン、メマンチンHCI、ソラネズマブ、アデュカヌマブ、もしくはクレネズマブのうちの1つもしくは複数など)の効果の指標を提供するように構成され得る。
非限定的な例として、パフォーマンスメトリックは、個人が特定のタイプの薬物(限定はしないが、刺激薬、たとえば、メチルフェニデートまたはアンフェタミンなど)の候補者であるかどうか、または個人が、コンピューティングデバイスに表現される課題および/もしくは干渉への指定された繰り返されるインタラクションの計画と併せて薬物を投与されることが有益であり得るかどうかを識別することを助けることができる。本明細書で説明されている例に適用可能である生物剤、薬物、または他の医薬品の他の非限定的な例は、メチルフェニデート(MPH)、スコポラミン、ドネペジル塩酸塩、酒石酸リバスチグミン、メマンチンHCl、ソラネズマブ、アデュカヌマブ、およびクレネズマブを含む。
非限定的な一例において、パフォーマンスメトリック(状態指標を含む)の解析の結果に基づき、医学、医療、または他の専門家が(個人の同意の下で)、個人が、潜在的に認知に影響を及ぼすことを含む、医薬品、薬物、生物剤、または他の薬剤の異なる量、濃度、または投薬滴定を投与される場合に発生し得る(または潜在的に起きている)潜在的な有害事象をより深く理解することができる。
例示的な実装形態において、個人からのデータおよび他の情報がその同意の下で収集され、伝送され、解析される。
非限定的な例として、干渉処理に基づく認知プラットフォームを含む、本明細書の例示的なシステム、方法、および装置に関連して説明されている認知プラットフォームは、マサチューセッツ州ボストン所在のAkili Interactive Labs, Inc.によるProject:EVO(商標)プラットフォームに基づくか、または含むものとしてよい。
非限定的な例示的な課題および干渉
次に、個人が異なる認知的もしくは情動的負荷の下で刺激をインタラクティブに操作するときに関わっている(たとえば、活性化されるかもしくは抑制される)脳、神経活動、および/または神経経路機構の分野の広範な生理学的、行動的、および認知的測定データおよび解析を示す報告されている結果の要約を示す。論文では、また、コンピュータで実装された時間的に変化する要素による認知課題対刺激における個人のパフォーマンスに基づき感知され、定量可能に測定され得る差を説明していた。
生理学的および他の測定に基づき、情動的処理、認知課題、および課題に関わる脳の領域が報告されている。たとえば、2013年のPourtoisらのレビュー論文、「Brain mechanisms for emotional influences on perception and attention: What is magic and what is not」、Biological Psychology、92、492〜512頁では、扁桃体が刺激の情動的値を監視し、脳の複数の他の領域に投射し、フィードバックを感覚経路(有線および有線外視覚皮質を含む)に送ることが報告されている。また、個人の処理能力が制限されていることにより、個人は、同時刺激を並行して解析することを完全にはできず、これらの刺激は、個人のより高い認知段階および意識にアクセスするために処理リソースを奪い合うことも報告されている。個人が所与の刺激の配置または特徴に注意を向けなければならない場合、この刺激を表す脳領域内の神経活動は、他の同時刺激を犠牲にして増大する。Pourtoisらは、この現象が神経細胞記録さらには撮像方法(EEG、PET、fMRI)によって広範に実証されており、利得制御に起因することを示している。Pourtoisらは、情動信号は、他の注意システムのものと似ているが扁桃体および相互接続された前頭前野内の異なる神経機構が介在する利得制御機構を通じて情動的に有意な事象の処理効率および競争力を高め、これらの脳の機構における変化が不安もしくは恐怖症などの、精神病理学的状態に関連付けられ得るであろうことを示し得ると結論している。また、不安または鬱状態の患者は、ネガティブ情報に向かう不適応注意バイアスを示し得ることも報告されている。Pourtoisらは、また、EEGおよびfMRIからの撮像結果が、他の課題依存もしくは注意の外因性刺激駆動機構による同時変調に加えて、もしくはそれと並行して、情動的(恐ろしいまたは脅威に関係するなどの)刺激の処理が視覚皮質において利得制御効果を生み出し、情動利得制御効果が脅威関係刺激のより効率的な処理の要因となり得るという結論を裏付けると報告している(Broschら、2011年、「Additive effects of emotional, endogenous, and exogenous attention: behavioral and electrophysiological evidence」、Neuropsychologia 49、1779〜1787頁、も参照)。
選択的視覚的注意テストでは、EEG測定は、ガンマ波帯域の変調において有用な結果をもたらし得る。(たとえば、Mullerら、(2000年)「Modulation of induced gamma band activity in the human EEG by attention and visual information processing」、International Journal of Psychophysiology 38.3:283〜299頁を参照)。注意シフトの際のEEGアルファ波帯域信号における修正を示している研究もある。(たとえば、Sausengら、(2005年)「A shift of visual spatial attention is selectively associated with human EEG alpha activity」European Journal of Neuroscience 22.11:2917〜2926頁を参照。)P300事象関連電位(ERP)も、注意に関するデータ手がかりをもたらす。たとえば、Naatanenら、(1978年)「Early selective-attention effect on evoked potential reinterpreted」、Acta Psychologica、42、313〜329頁では、聴覚的注意の研究を開示しており、これは被験者が頻繁な刺激と比較してあまり頻繁でない刺激を与えられたときに、誘発電位は改善されたネガティブ応答を持つことを示している。Naatanenらは、ミスマッチ陰性と呼ばれるこのネガティブコンポーネントは、刺激の後100から200msで出現し、その時間は前注意的注意段階の範囲内に完全に収まることを開示している。
上で説明されているように、情動的処理および認知的処理は各々、特定の脳内ネットワーク内、およびその間のインタラクションを必要とする。認知的評価、監視、または処理が成功する程度は、ユーザの取り組み、注意、および集中の程度に依存し得る。大鬱病性障害および他の類似するまたは関係する疾患は、注意(集中)、記憶(学習)、意思決定(判断)、理解力、判断、推理、理解、学習、および想起を含む複数の認知領域内の認知能力の変化に関連付けられ得る。鬱病に関連する認知的変化は、この疾患を患っている個人が経験する能力的障害のうちのいくつかに関わり得る。
上で説明されているように、刺激への個人の応答は、個人の認知状態、疾病、または実行機能障害に基づくことも含めて、個人の状態に応じて変化し得る。個人のパフォーマンスの測定は、認知状態、疾病、または実行機能障害の徴候の尤度および/または進行の段階を含む、認知状態、疾病、または実行機能障害に関する個人の状態への洞察をもたらすことができる。
生理学的測定データ、行動データ、および他の認知データの前述の非限定的な例は、課題への個人の応答が刺激のタイプに基づき異なり得ることを示している。さらに、前述の例は、個人がコンピュータで実装された時間的に変化する要素の影響を受ける程度、および課題における個人のパフォーマンスがコンピュータで実装された時間的に変化する要素の存在下で影響を受ける程度は、個人が情動的または情緒的バイアスの形態を示す程度に依存することを示している。本明細書で説明されているように、個人のパフォーマンスの差は、コンピュータで実装された時間的に変化する要素(たとえば、情動的もしくは情緒的要素)による認知課題対刺激における個人のパフォーマンスに基づき定量可能に感知され、測定され得る。報告されている生理学的測定データ、行動データ、および他の認知データも、刺激によって喚起される認知的または情動的負荷が、個人の認知状態、疾病状態、または実行機能障害の存在もしくは非存在に基づくことも含めて、個人の状態に応じて変化し得ることを示している。本明細書において説明されているように、コンピュータで実装された時間的に変化する要素による認知課題対刺激における個人のパフォーマンスの差の測定は、限定はしないが、社会不安、鬱病、双極性障害、大鬱病性障害、心的外傷後ストレス障害、統合失調症、自閉症スペクトラム障害、注意欠如多動性障害、認知症、パーキンソン病、ハンチントン病、または他の神経変性病状、アルツハイマー病、または多発性硬化症などの、個人における、認知状態、疾病、および/または実行機能障害の徴候の尤度および/または進行の段階に対する定量可能な洞察をもたらし得る。
個人の認知制御能力に対する干渉処理の効果が報告されている。たとえば、A. Anguera、Nature、第501巻、97頁(2013年9月5日)(「Nature article」)を参照されたい。参照により本明細書に組み込まれている2011年11月10日に出願した米国公開第20140370479A1号(米国出願第13/879,589号)も参照されたい。それらの認知能力のうちのいくつかは、注意領域(選択性、持続性など)、作業記憶(作業記憶の容量および情報維持の質)、およびゴール管理(2つの注意要求課題を効果的に並列処理するか、または課題を切り替える能力)における認知制御能力を含む。一例として、ADHD(注意欠如多動性障害)と診断された子供は、注意を持続することに困難を示す。注意選択性は、ゴールに無関係の情報を無視することに関わっている神経プロセスおよびゴールに関係する情報に集中することを円滑にするプロセスに依存することがわかった。これらの出版物は、2つの対象が同時に視野内に置かれたときに、一方に注意を集中させた場合に視覚処理リソースを他方から引き離し得ることを示す神経データを報告している。記憶は注意を逸らすものを効果的に無視することにより大きく依存していることを示す研究が報告されており、情報を記憶に留めておく能力は、注意を逸らすものおよび妨害の両方による干渉に対して脆弱である。注意を逸らすものによる干渉は、たとえば、一次課題から個人の注意を逸らすが、個人が応答すべきでないと教授で指示される、非ターゲットである干渉であってよい。妨害/妨害するものによる干渉は、たとえば、一次課題から個人の注意も逸らすが、個人が応答すべきである(たとえば、単一のターゲットに対して)、または選択すべき(たとえば、個人が特徴の異なる程度から1つの程度を決定する強制選択状況)と教授で指示される、1つのターゲットまたは2つ以上のターゲットである干渉であってよい。
注意を逸らすものの存在下での想起減退は、前頭前皮質、視覚野、および海馬(記憶の固定化に関わる)を伴う神経回路網の途絶に関連し得ることを示すfMRI結果も報告されている。前頭前皮質ネットワーク(選択的注意に関与する)は、注意を逸らすものによる途絶に対して脆弱であり得る。これらの出版物では、作業記憶または選択的注意の領域における認知制御を必要とするゴール管理は、認知制御も要求する二次ゴールの影響を受け得ることも報告している。これらの出版物は、干渉処理の有益な効果を個人の認知能力に効果を有する介入として示すデータも報告しており、これは注意を逸らすものおよび妨害の有害な影響を減じることを含む。これらの出版物では、シングルタスキングまたはマルチタスキングパフォーマンスを評価することを含む、個人のパフォーマンスを定量化することのために、計算され得る(干渉コストを含む)コスト尺度を説明していた。
これらの出版物において開示されている例示的なコスト尺度は、マルチタスキング課題と比較したときのシングルタスキング課題における個人のパフォーマンスの変化率であり、したがってコストが高ければ高いほど(すなわち、より負であるコスト率)は、個人がシングルタスキング対マルチタスキングに関わっているときに干渉の増大を示す。これらの刊行物では、孤立した一次課題対1つまたは複数の干渉が適用された一次課題に対する個人のパフォーマンスの間の差として決定された干渉コストを説明しており、干渉コストは干渉に対する個人の感受性の評価を形成する。
コンピュータ実装干渉処理の有形の利点も報告されている。たとえば、Nature論文では、コンピュータ実装干渉処理を使用して評価されるマルチタスキングパフォーマンスは、20から79歳の成人におけるパフォーマンスの直線的な加齢に関係する衰えを定量化することができたと述べている。Nature論文は、また、コンピュータ実装干渉処理の適応型形態をインタラクティブに操作する高齢者(60から85歳)は、マルチタスキングコストの低下を示し、利得は6カ月間持続したとも報告している。Nature論文は、脳波検査により測定された、認知制御の神経信号の加齢に関係する欠陥は、マルチタスキング訓練(コンピュータ実装干渉処理を使用する)によって改善され、正中線前頭シータパワーの増強および前頭-後頭部のシータコヒーレンスの増強があったことも報告した。コンピュータ実装干渉処理のインタラクティブな操作の結果、パフォーマンスの向上は未訓練認知制御能力にもおよび(持続的注意および作業記憶が増強される)、正中線前頭シータパワーの増大から、持続的注意が向上し6カ月後もマルチタスキング改善を維持することが予測される。
本明細書の原理による例示的なシステム、方法、および装置は、コンピュータ化認知プラットフォームを使用する干渉処理の実装形態に基づき認知能力に関して個人を分類し、および/またはそれらの認知能力を増強するように構成される。例示的なシステム、方法、および装置は、プログラムされたコンピューティングデバイスの能力を使用してマルチタスキングの一形態を実装するように構成され、個人は、一次課題および干渉を実質的に同時に実行することを要求され、課題および/または干渉は、コンピュータで実装された時間的に変化する要素を含み、個人は、コンピュータで実装された時間的に変化する要素に応答することを要求される。コンピューティングデバイスの感知および測定能力は、応答実行時に個人によって行われる物理的アクションを示すデータを収集し、コンピューティングデバイスがコンピュータで実装された時間的に変化する要素に応答するため個人によって行われる物理的アクションを示すデータを収集するのと実質的に同時に課題に応答するように構成される。ユーザインターフェースに対して課題および/または干渉をリアルタイムで表現し、課題および/または干渉もしくはコンピュータで実装された時間的に変化する要素への個人の応答を示すデータをリアルタイムで、実質的に同時に測定するコンピューティングデバイスおよびプログラムされた処理ユニットの能力は、個人の認知能力の定量化可能尺度をもたらし得る。いくつかの例において、コンピューティングデバイスおよびプログラムされた処理ユニットは、異なる課題および干渉に素早く切り替えるように構成される。いくつかの例において、コンピューティングデバイスおよびプログラムされた処理ユニットは、複数の、異なる課題または干渉を立て続けに実行するように構成される(個人が設定された時間期間において単一のタイプの課題を実行する必要がある、シングルタスキングを含む)。
本明細書のいくつかの例では、課題および/または干渉は、応答デッドラインを含み、それにより、ユーザインターフェースは、装置またはコンピューティングデバイスをインタラクティブに操作する個人からの少なくとも1つのタイプの応答を受け取るために制限期間を課す。たとえば、一次課題および/または干渉を実行するために個人がコンピューティングデバイスまたは他の装置をインタラクティブに操作する必要がある時間期間は、限定はしないが、約30秒、約1分、約4分、約7分、約10分、または10分超などの、所定の長さの時間であってよい。
例示的なシステム、方法、および装置は、実行機能制御における個人の認知能力の尺度として、一方のアクションを別のアクションの代わりに実行し干渉が個人の注意を課題から逸らすような干渉の存在下で現在の課題の規則を活性化するかどうかを決定する際の個人の能力の尺度を提供するマルチタスキングの一形態を実装するように構成されてよい。
例示的なシステム、方法、および装置は、シングルタスキングの一形態を実装するように構成されてよく、設定された時間期間における単一のタイプの課題(すなわち、干渉なし)(限定はしないが、ナビゲーション課題のみまたはターゲット弁別課題のみなど)をインタラクティブに操作することに対する個人のパフォーマンスの尺度も、個人の認知能力の尺度を提供するために使用できる。
例示的なシステム、方法、および装置は、異なる順序および組合せのシングルタスキングおよびマルチタスキングの試行を伴うセッションを実装するように構成されてよい。第1の例示的な実装形態において、セッションは、第1のシングルタスキングの試行(第1のタイプの課題を有する)、第2のシングルタスキングの試行(第2のタイプの課題を有する)、およびマルチタスキングの試行(干渉と一緒に表現される一次課題)を含むことができる。第2の例示的な実装形態において、セッションは、2つ以上のマルチタスキングの試行(干渉と一緒に表現される一次課題)を含むことができる。第3の例示的な実装形態において、セッションは、2つ以上のシングルタスキングの試行を含むことができる(すべて同じタイプの課題に基づくか、または少なくとも1つが異なるタイプの課題に基づく)。
パフォーマンスは、様々な課題のパフォーマンスに対する2つの異なるタイプの干渉(たとえば、注意を逸らすものまたは妨害するもの)の効果を比較するためにさらに解析され得る。いくつかの比較結果は、干渉なしのパフォーマンス、注意を逸らすものを有するパフォーマンス、および妨害を有するパフォーマンスを含み得る。課題のパフォーマンスレベルに対する各タイプの干渉のコスト(たとえば、注意を逸らすもののコストおよび妨害するもの/マルチタスキングのコスト)が解析され、個人に報告される。
干渉処理は、干渉事象(妨害および注意を逸らすこと)を処理する能力を測定し、改善する定量可能な方法を提供する。干渉感受性は、大域的実行機能(注意および記憶を含む)にわたる制限因子として認識されており、複数の疾病において脆弱であることが知られている。EEG信号の変化は、認知制御に関連付けられている神経学的な場所で生じることが示されている。たとえば、個人が干渉処理を実行する前、実行中、または実行した後の刺激ロック脳波記録(stimulus-locked electroencephalography)(EEG)によって測定されるような正中線前頭シータ(MFT:midline frontal theta)パワーは、注意および干渉感受性の指示をもたらし得る。
本明細書の例において、干渉は、非ターゲット(注意を逸らすものとして)またはターゲット(妨害するものとして)のいずれかである刺激、または異なるタイプのターゲット(たとえば、表情または他の特性/特徴の差の異なる程度)である刺激を含む二次課題のインスタンスであってよい。
複数の別個のソース(センサおよび他の測定コンポーネントを含む)の効果を発生させることを制御するプログラムされた処理ユニットの能力、ならびに、これらの複数の異なるソースからデータを選択的に、実質的に同時に(すなわち、ほぼ同時にまたは短い時間間隔内で)、およびリアルタイムで受信することに基づき、本明細書の例示的なシステム、方法、および装置は、通常の人間の能力では達成できない課題および/または干渉への個人からの応答の定量的尺度を収集するために使用され得る。結果として、本明細書の例示的なシステム、方法、および装置は、特定の時間期間にわたって課題と実質的に同時に干渉を表現するようにプログラムされた処理ユニットを実装するように構成され得る。
いくつかの例示的な実装形態において、本明細書の例示的なシステム、方法、および装置は、また、干渉への個人の応答の程度およびタイプの尺度を示すデータが収集されるときに(干渉がターゲットを含もうと非ターゲットを含もうと)課題への個人の応答の程度およびタイプの尺度を示すデータを実質的に同時に受信するように構成され得る。いくつかの例において、例示的なシステム、方法、および装置は、(干渉コストを含む)コスト尺度を計算するために、ターゲットへの個人の応答を示す測定されたデータに適用されるスコアリングまたは重み係数と異なるスコアリングまたは重み係数を非ターゲットへの個人の応答を示す測定されたデータに適用することによって解析を実行するように構成される。
本明細書の例示的なシステム、方法、および装置において、コスト尺度は、干渉の存在下での1つまたは複数の課題における個人のパフォーマンスの尺度と比較した、干渉が存在しない場合の1つまたは複数の課題における個人のパフォーマンスの尺度の差に基づき計算されるものとしてよく、1つもしくは複数の課題および/または干渉は、1つまたは複数のコンピュータで実装された時間的に変化する要素を含む。本明細書において説明されているように、個人がコンピュータで実装された時間的に変化する要素をインタラクティブに操作する(および応答を提供する)必要があることで、コンピュータで実装された時間的に変化する要素に応答する情動処理に対する要求条件があるので課題および/または干渉を実行する個人の能力に定量可能に影響を及ぼす認知的または情動的負荷が導入され得る。一例において、本明細書において収集されたデータに基づき計算された干渉コストは、干渉に対する個人の感受性の定量可能な評価をもたらすことができる。孤立した課題対1つまたは複数の干渉(コンピュータで実装された時間的に変化する要素を含む課題および/または干渉)が存在する中での課題に対する個人のパフォーマンスの間の差の決定は、個人の認知能力を評価し、分類するために使用され得る干渉コストメトリックを形成する。実行された課題および/または干渉の個人のパフォーマンスに基づき計算された干渉コストは、また、限定はしないが、アルツハイマー病、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、またはハンチントン病などの、個人の認知状態、疾病状態、または実行機能障害の存在もしくは段階の定量可能な尺度をもたらし得る。
本明細書の例示的なシステム、方法、および装置は、干渉への個人の感受性(干渉コストなどのコスト尺度としてのものを含む)の解析を繰り返す循環過程として実行するように構成され得る。たとえば、個人が所与の課題および/または干渉に対する最小化された干渉コストを有すると決定された場合、例示的なシステム、方法、および装置は、個人のパフォーマンスメトリックがその所与の条件で最小化された干渉コストを示すまでより難しい課題および/または干渉(すなわち、より高い難易度レベルを有する)を実行することを個人に要求するように構成されるものとしてよく、その時点で、例示的なシステム、方法、および装置は個人のパフォーマンスメトリックがもう一度その条件に対する最小化された干渉コストを示すまでなおいっそう難しい課題および/または干渉を個人に提示するように構成され得る。これは、個人のパフォーマンスの所望の終点が得られるまで何回でも繰り返されるものとしてよい。
非限定的な例として、干渉コストは、評価を行うために、マルチタスキング課題(干渉付き)と比較したシングルタスキング課題(干渉なし)での個人のパフォーマンスの測定に基づき計算され得る。たとえば、マルチタスキング課題(たとえば、干渉ありのターゲット課題)における個人のパフォーマンスは、干渉コストを与えるために干渉なしのシングルタスキングターゲット課題におけるパフォーマンスと比較されるものとしてよい。
本明細書の例示的なシステム、装置、および方法は、個人がコンピュータで実装された時間的に変化する要素の影響を受ける程度、および/または課題における個人のパフォーマンスがコンピュータで実装された時間的に変化する要素の存在下で影響を受ける程度を示すデータを解析し、個人の認知能力の定量化された指標を含むパフォーマンスメトリックを提供するように構成される。パフォーマンスメトリックは、個人が情動的または情緒的バイアスの形態を示す程度の指標として使用され得る。
いくつかの例示的な実装形態において、本明細書の例示的なシステム、方法、および装置は、また、課題への個人の応答の程度およびタイプの尺度を示すデータが収集されるときにターゲット刺激(すなわち、妨害するもの)を含む干渉への個人の応答の程度およびタイプの尺度を示すデータを実質的に同時に(すなわち、実質的に同じ時間に)選択的に受信し、課題への個人の応答の程度およびタイプの尺度を示すデータが収集されるときに非ターゲット刺激(すなわち、注意を逸らすもの)を含む干渉への個人の応答の程度およびタイプの尺度を実質的に同時に(すなわち、実質的に同じ時間に)選択的に収集しない、ように構成され得る。すなわち、例示的なシステム、方法、および装置は、時間的および/または空間的のいずれかで応答を測定するための感知/測定コンポーネントの状態を選択的に制御することによってターゲット対非ターゲットへの個人の応答の窓を弁別するように構成される。これは、ターゲットもしくは非ターゲットの提示に基づき感知/測定コンポーネントを選択的に活性化するか、もしくは非活性化することによって、またはターゲットへの個人の応答について測定されたデータを受信し、非ターゲットへの個人の応答について測定されたデータを選択的に受信しない(たとえば、無視する、拒絶する、もしくは受け付けない)ことによって達成され得る。
本明細書で説明されているように、本明細書の例示的なシステム、方法、および装置を使用することは、時間の経過する中での注意の持続性、注意の選択性、および注意欠如の低減に対する能力に基づくことを含む、注意領域内の個人の認知能力の尺度を形成するために行われ得る。本明細書の例示的なシステム、方法、および装置を使用して測定され得る個人の認知能力の他の領域は、情緒的バイアス、気分、認知的バイアスのレベル、衝動性、抑制、知覚能力、反応および他の運動機能、視力、長期記憶、作業記憶、短期記憶、論理、ならびに意志決定を含む。
本明細書において説明されているように、本明細書の例示的なシステム、方法、および装置を使用することは、課題および/または干渉(少なくとも1つはコンピュータで実装された時間的に変化する要素を含む)をあるユーザセッションから別のユーザセッションに適応させ(またはあるユーザ試行から別のユーザ試行にすら適応させ)て脳の可塑性の科学に基づき個人の認知スキルを高めるために行われ得る。適応性は、有効な可塑性活用ツールの有益な設計要素である。例示的なシステム、方法、および装置において、処理ユニットは、限定はしないが、刺激のタイミング、位置決め、および性質などの、課題および/または干渉のパラメータを制御するように構成されており、それにより、個人の物理的アクションがインタラクションの際に記録され得る。上で説明されているように、個人の物理的アクションは、シングルタスキング課題とマルチタスキング課題とを実行するためにコンピューティングデバイスをインタラクティブに操作するときに神経活動の影響を受ける。干渉処理の科学は(生理学的測定および行動測定からの結果に基づき)、適応性の様相の結果として神経可塑性に基づき複数のセッション(または試行)からの訓練に応答して個人の脳内に変化をもたらし、それにより、個人の認知スキルを高めることができることを示している。例示的なシステム、方法、および装置は、少なくとも1つのコンピュータで実装された時間的に変化する要素により課題および/または干渉を実装するように構成され、個人は干渉処理を実行する。上で説明されている公開されている研究結果において裏付けられているように、個人に対する課題を実行することの影響は、個人の認知能力を高めるために認知訓練の新規性のある様相を引き出し得る。
図5A〜図7Dは、ユーザインタラクションに対する課題および/または干渉(コンピュータで実装された時間的に変化する要素によりいずれか一方または両方)を表現するために本明細書の例示的なシステム、方法、および装置を使用して表現され得る非限定的な例示的ユーザインターフェースを示している。図5A〜図7Dの非限定的な例示的ユーザインターフェースは、また、課題および/または干渉を実行する個人への教授を表示し、コンピュータで実装された時間的に変化する要素をインタラクティブに操作すること、課題および/または干渉ならびにコンピュータで実装された時間的に変化する要素への個人の応答を示すデータを収集すること、進捗メトリックを示すこと、ならびに解析メトリックを提供することのうちの1つまたは複数に使用され得る。
図5A〜図5Dは、本明細書の例示的なシステム、方法、および装置を使用して表現される非限定的な例示的ユーザインターフェースを示している。図5A〜図5Bに示されているように、例示的なプログラムされた処理ユニットは、ユーザインターフェース(グラフィカルユーザインターフェースを含む)に、課題および/または干渉を実行するための個人への教授を表示するための表示特徴500、ならびに進捗メトリックからの状況インジケータおよび/または解析メトリックを提供するために個人のインタラクション(課題/干渉への応答を含む)から収集されたデータへのアナリティクスの適用からの結果を示すメトリック特徴502を表現するために使用され得る。本明細書の例示的なシステム、方法、および装置において、予測モデルは、応答出力として提供される解析メトリックを提供するために使用され得る。本明細書の例示的なシステム、方法、および装置では、ユーザインタラクションから収集されたデータは、予測モデルを訓練するための入力として使用できる。図5A〜図5Bに示されているように、例示的なプログラムされた処理ユニットは、また、ユーザインターフェース(グラフィカルユーザインターフェースを含む)に、個人が(限定はしないが、視覚運動課題において経路もしくは他の環境をナビゲートする、および/またはターゲット弁別課題における対象を選択することなどのために)制御する必要があるアバターまたは他のプロセッサ表現ガイド504を表現するために使用され得る。図5Bに示されているように、表示特徴500は、ユーザインターフェースがナビゲーション課題を実行するために必要なアバターまたは他のプロセッサ表現ガイド504の移動のタイプを(破線を使用して)示している間にナビゲーション課題を実行するために何が期待されるかを個人に教授するために使用され得る。一例において、ナビゲーション課題は、スコアリングを決定するために、個人がアバターを操縦して交差するかまたは回避する必要があるマイルストーン対象510を含むものとしてよい。図5Cに示されているように、表示特徴500は、ユーザインターフェースがユーザインターフェースに表現され得る対象506および508のタイプを示している間にターゲット弁別器課題を実行するために何が期待されるかを個人に教授するために使用されてよく、一方のタイプの対象506はターゲットとして指定され、ユーザインターフェースに表現され得る他方のタイプの対象508は、たとえば、この例では線を引いて消されることによって、非ターゲットとして指定される。図5Dに示されているように、表示特徴500は、ユーザインターフェースがナビゲーション課題を実行するために必要なアバターまたは他のプロセッサ表現ガイド504の移動のタイプを(破線を使用して)示している間に一次課題としてのナビゲーション課題および二次課題(すなわち、干渉)としてのターゲット弁別を実行するために何が期待されるかを個人に教授するために使用されてよく、ユーザインターフェースは、ターゲット対象506として指定されている対象タイプおよび非ターゲット対象508として指定されている対象タイプを表現する。
ターゲット課題として表現されるシングルタスキング課題への個人の応答を示す測定されたデータは解析され、知覚の認知領域(検出&弁別)、運動機能(検出&弁別)、衝動性/抑制制御、および視覚的作業記憶への定量的洞察をもたらし得る。ナビゲーション課題として表現されるシングルタスキング課題への個人の応答を示す測定されたデータは解析され、知覚運動追跡および運動機能の認知領域への定量的洞察をもたらし得る。マルチタスキング課題において、干渉(ターゲット課題として表現される)の存在下で一次課題(ナビゲーション課題として表現される)への個人の応答を示す測定されたデータは解析され、分割的注意および干渉管理の認知領域への定量的洞察をもたらし得る。
図6A〜図6Tは、本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の非限定的な例を示している。この例では、一次課題は視覚運動ナビゲーション課題であり、干渉はターゲット弁別(二次課題として)である。図6D、図6I〜図6K、および図6O〜図6Qに示されているように、個人は、マイルストーン対象604と一致する経路に沿ってアバター602の運動を制御することによってナビゲーション課題を実行する必要がある。図6A〜図6Tは、個人がナビゲーション課題における応答としてアバター602をマイルストーン対象604に一致させるように装置もしくはコンピューティングデバイス(または他の感知デバイス)を作動させることを期待されている非限定的な例示的な実装形態を示しており、スコアリングは経路をマイルストーン対象604と交差させる(たとえば、当たる)ことに個人が成功することに基づく。別の例では、個人は、アバター602がマイルストーン対象604を見逃すことを行わせるように装置もしくはコンピューティングデバイス(または他の感知デバイス)を作動させることを期待されており、スコアリングはマイルストーン対象604を回避することに個人が成功することに基づく。図6A〜図6Cは、ターゲット対象606(第1のタイプのパターンを有する星形)の動的な過程を示している。図6E〜図6Hは、非ターゲット対象608(第2のタイプのパターンを有する星形)の動的な過程を示している。図6I〜図6Tは、ナビゲーション課題の他の部分の動的な過程を示しており、個人は、干渉(二次課題のインスタンス)が存在していない状態で経路をマイルストーン対象604と交差させるようにアバター602をガイドすることを期待されている。
図6A〜図6Tの例において、例示的なシステム、方法、および装置の処理ユニットは、アバター602に経路をナビゲートさせる個人の物理的アクションを示すデータを受信するように構成される。たとえば、個人は、たとえば、回転配向を変更するか、または他の何らかの形でコンピューティングデバイスを移動させることによって、アバターを「操縦」する物理的アクションを実行することを要求され得る。そのようなアクションは、ジャイロスコープまたは加速度計または他の運動もしくは位置センサデバイスに移動を検出させることができ、それによってナビゲーション課題を実行することに対する成功の個人の程度を示す測定データを提供する。
図6A〜図6Cおよび図6E〜図6Hの例において、例示的なシステム、方法、および装置の処理ユニットは、ターゲット弁別課題を実行する個人の物理的アクションを示すデータを受信するように構成される。たとえば、個人は、ターゲット対象606の表示に応答してタップするか、または他の物理的指示を行い、非ターゲット対象608の表示に応答して物理的指示を行うようにタップしないことを試行または他のセッションの前に教授されるものとしてよい。図6A〜図6Cおよび図6E〜図6Hにおいて、ターゲット弁別課題は、干渉処理マルチタスキング実装形態において、一次ナビゲーション課題への干渉(すなわち、二次課題のインスタンス)として働く。上で説明されているように、例示的なシステム、方法、および装置は、処理ユニットに、期待されるパフォーマンスに関する教授を個人に対して表示するように表示特徴を表現することを行わせることができる。また上で説明されているように、例示的なシステム、方法、および装置の処理ユニットは、(i)干渉への個人の応答の程度およびタイプの尺度を示すデータが収集されるときに(干渉がターゲットを含もうと非ターゲットを含もうと)一次課題への個人の応答の程度およびタイプの尺度を示すデータを実質的に同時に受信するか、または(ii)課題への個人の応答の程度およびタイプの尺度を示すデータが収集されるときにターゲット刺激(すなわち、妨害するもの)を含む干渉への個人の応答の程度およびタイプの尺度を示すデータを実質的に同時に(すなわち、実質的に同じ時間に)選択的に受信し、課題への個人の応答の程度およびタイプの尺度を示すデータが収集されるときに非ターゲット刺激(すなわち、注意を逸らすもの)を含む干渉への個人の応答の程度およびタイプの尺度を実質的に同時に(すなわち、実質的に同じ時間に)選択的に収集しない、ように構成され得る。
図7A〜図7Dは、本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の他の非限定的な例を示している。この例では、一次課題は視覚運動ナビゲーション課題であり、干渉はターゲット弁別(二次課題のインスタンスとして)である。図6A〜図6Tと同様に、個人は、経路に沿ってアバター602の運動を制御することによってナビゲーション課題を実行する必要がある。個人は、干渉704(弁別のためターゲットとして表現される)の存在下で、または存在しないときの課題への応答を行う必要がある。
非限定的な例において、課題および/または干渉の難易度の適応は、コンピュータで実装された時間的に変化する要素として提示される各異なる刺激とともに適応され得る。
別の非限定的な例では、本明細書の例示的なシステム、方法、および装置は、限定はしないが、毎秒、10秒間隔、30秒毎、または1秒に1回、1秒に2回、もしくはそれ以上(限定はしないが、1秒に30回など)の頻度など、固定された時間間隔または他の設定されたスケジュールで1回または複数回、課題および/または干渉の難易度レベルを適応させるように構成され得る。
視覚運動課題(ナビゲーション課題の一タイプ)の非限定的な例では、ナビゲーション速度、コースの形状(ターンの変化する頻度、変化する回転半径)、ならびに障害の数および/もしくはサイズのうちの1つまたは複数は、ナビゲーションゲームレベルの難易度を修正するように変更されてよく、難易度レベルは速度増大ならびに/または障害(マイルストーン対象(たとえば、回避すべきいくつかのマイルストーン対象もしくは横切る/一致するべきいくつかのマイルストーン対象)のタイプを含む)の数および/もしくはサイズの増大とともに増大する。
非限定的な例において、その後のレベルの課題および/または干渉の難易度レベルも、リアルタイムでフィードバックとして変更されてよく、たとえば、その後のレベルの難易度は、課題のパフォーマンスを示すデータに関して増大または減少させられ得る。
一例において、ターゲット課題について記録される応答は、限定はしないが、ユーザインターフェースをインタラクティブに操作するためのユーザインターフェースまたは画像収集デバイス(タッチスクリーンもしくは他の感圧スクリーン、またはカメラを含む)に関するタッチ、スワイプ、または他のジェスチャであってよい。別の例では、ターゲット課題について記録される応答は、限定はしないが、コンピューティングデバイス内に配設されるか、または他の何らかの形で接続されているセンサ(限定はしないが、モーションセンサまたは位置センサなど)を使用して記録される、認知プラットフォームを含むコンピューティングデバイスの位置、配向、または移動の変化を引き起こすユーザアクションであってよい。
この例および本明細書の他の例では、cDataおよび/またはnDataは、リアルタイムで収集され得る。
この例および本明細書の他の例では、課題および/またはCSIのタイプへの調整は、リアルタイムで行われ得る。
図8A〜図11は、本明細書で説明されている例示的なシステム、方法、および装置を使用して行われる非限定的な例示的な測定の結果を示している。
図8A〜図8Bは、70歳以上の個人(男性と女性の両方)の集まりに対する生理学的測定データ(nData)および他のデータを示している。例示的な生理学的測定データは、個人のアミロイドグループ化(すなわち、アミロイド陽性(+)に決定されるか、もしくはアミロイド陰性(-)決定されるかを示す)、ApoEε4状態、ポジトロン放出断層撮影法(PET)撮像データに基づき計算された標準取り込み値比(SUVR)、アルツハイマー病に対するシグネチャ領域(ADシグネチャ領域)内の皮質厚、正規化された両側海馬容積、正規化された両側全脳容積、およびMRI微小出血数(深対肺)を示すデータを含む。図8A〜図8Bは、数人の個人はプラセボと対照して薬物(メチルフェニデート)を投与されることも示している。構造的MRI尺度はどれも、集団を区別しなかった(すなわち、アミロイド陽性(+)対アミロイド陰性(-)の個人)。
図8A〜図8Bは、たとえば、アミロイド状態もしくはAPOE発現レベルを示すスコアリング出力を生成するように予測モデルを訓練するための訓練データセットの一部として使用され得る例示的なデータ(nDataを含む)を示している。別の例では、図8A〜図8Bは、たとえば、一定の量、濃度、もしくは投薬滴定の薬物メチルフェニデートの投与、または薬物メチルフェニデートのその量、濃度、もしくは投薬滴定の変化に応答して個人が有害事象の影響を受ける尤度を示す出力を生成するように別の予測モデルを訓練するための訓練データセットの一部として使用され得るデータのタイプを示している。例示的なデータは、たとえば、アミロイド状態もしくはAPOE状態を示すスコアリング出力、または個人が薬物メチルフェニデートの投与に応答して有害事象の影響を受ける尤度、もしくは個人が薬物メチルフェニデートの量、濃度、もしくは投薬滴定のうちの1つまたは複数の変化に応答して有害事象の影響を受ける尤度を示す他のタイプの出力を生成するように予測モデルを訓練するための訓練データセットの一部として使用され得る。予測モデルは、また、アミロイド状態に関して個人を分類するために分類出力を生成するように分類器として訓練されることも可能である。アミロイド状態の生成された指示(スコアリング出力であろうと分類出力であろうと)は、アルツハイマー病の徴候の尤度または進行の段階への何らかの洞察を与えるために使用され得る。
図9A〜図9Bは、例示的なシステムまたは装置(認知プラットフォームとして構成されている)により、0日から28日までの個人の複数のインタラクションから測定された応答データ(図8A〜図8Bにまとめられている特性/測定)に基づき計算されたパフォーマンスメトリックの結果のプロットを示している。解析結果は、共変量について調整されている。計算されたパフォーマンスメトリックは、当たりの反応時間に関するパフォーマンスメトリック(干渉コストとして)の計算に基づき、分割的注意に対する認知訓練への複数のインタラクションの効果の指示を与えるための指標として働く。図9A〜図9Bに示されているように、例示的なパフォーマンスメトリックは、より低い値に対してよりよいパフォーマンスの指示を提供するための指標として働く。データの解析結果は、アミロイド(-)の個人が、例示的な認知プラットフォームにより0日から28日までの間の複数回のインタラクションの後に測定可能な(および定量可能に有意な)改善を有することを示しているが、アミロイド(+)の個人からの測定された応答データからは測定可能な統計的変化は示されない。例示的な認知プラットフォームに対する複数回のインタラクションの後に、当たりの反応時間によって測定されるような分割的注意に対する効果は、両方の条件で両方の集団において陽性の訓練効果を示し(p<0.001)、訓練の後のパフォーマンスメトリック(干渉コスト)におけるアミロイド(-)の集団ではより大きい低下を示す(p<0.003)。これらの結果は、例示的な認知プラットフォームに対する複数回のインタラクションの後に、個人のインタラクションに基づき計算されたパフォーマンスメトリックは異なるアミロイド状態を有する個人の間でパフォーマンスメトリックの差異をもたらし、それによりアミロイドグループに関する個人の分類を提供することを示している。個人のアミロイド状態は、潜在的に、アルツハイマー病(神経変性状態)の徴候の潜在的尤度および/または進行の段階との相関を求める(または少なくともその洞察を与える)ために使用され得る。
Impl.1から6および表1のうちのどれかに関連して説明されている類似の解析は、図8A〜図8Bに示されているデータを生成するために認知プラットフォームに対する個人のインタラクションからのデータに基づき実行される。
図10は、Rey Auditory Verbal Learning Test(RAVLT(商標))テスト(エピソード記憶用のテスト)からの尺度の結果のプロットを示しており、全想起スコアに対する0日(p=0.0553)のRAVLT(商標)テストにおける集団(すなわち、アミロイド陽性(+)対アミロイド陰性(-)の個人)の間に何らかの差が示されている。RAVLT(商標)テストは、集団のアミロイド(+)および(-)の個人の間の何らかの差別化をもたらすことが観察されている。
図11は、Test of Variables of Attention(TOVA(登録商標))テスト(持続的注意用のテスト)からの尺度の結果のプロットを示しており、28日におけるより大きいパフォーマンスは、両方の集団p<0.001(すなわち、アミロイド陽性(+)対アミロイド陰性(-)の個人)について観察されており、標準化されたスコアにおける数値的改善は、アミロイド(-)に対して9.0、およびアミロイド(+)に対して9.4である。いずれの時点においても集団の間にパフォーマンスの差は観察されていない。
図12Aは、少なくとも1つの処理ユニットを備える認知プラットフォームまたはプラットフォーム製品を使用して実装され得る非限定的な例のフローチャートを示している。ブロック1202において、少なくとも1つの処理ユニットは、一次課題の第1のインスタンスをユーザインターフェースに表現するために使用され、これは一次課題の第1のインスタンスへの個人からの第1の一次応答を必要とする。ブロック1204において、少なくとも1つの処理ユニットは、二次課題の第1のインスタンスをユーザインターフェースに表現するために使用され、これは二次課題の第1のインスタンスへの個人からの第1の二次応答を必要とする。ブロック1206において、少なくとも1つの処理ユニットは、一次課題の第2のインスタンスを干渉ありでユーザインターフェースに表現するために使用され、これは干渉の存在下で一次課題の第2のインスタンスへの個人からの第2の一次応答を必要とする。干渉は、妨害するものまたは注意を逸らすものとして表現される二次課題の第2のインスタンスとして、一次課題の第2のインスタンスから個人の注意を逸らすように構成される。図12Aの例において、ユーザインターフェースは、個人に、注意を逸らすものとして構成されている干渉には応答しないこと、および妨害するものとして構成されている干渉には応答することを教授するように構成され得る。ブロック1208において、少なくとも1つの処理ユニットは、第1の一次応答と、第1の二次応答と、第2の一次応答と、干渉への応答とを示すデータを受信するために使用される。ブロック1210において、ユーザインターフェースは、少なくとも一部は第1の一次応答および第2の一次応答を示すデータの間の差を決定することと、また第1の二次応答または干渉への応答のうちの一方もしくは両方を解析することとによって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスの差を解析して、個人の認知能力の少なくとも1つの指標を決定するように構成され得る。ブロック1212において、少なくとも1つの処理ユニットは、少なくとも一部は第1の予測モデルを少なくとも1つの指標に適用することに基づき個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示すスコアリング出力を生成するために使用される。
図12Bは、少なくとも1つの処理ユニットを備える認知プラットフォームまたはプラットフォーム製品を使用して実装され得る非限定的な例示的な方法のフローチャートを示している。ブロック1222において、少なくとも1つの処理ユニットは、一次課題の第1のインスタンスをユーザインターフェースに表現するために使用され、これは一次課題の第1のインスタンスへの個人からの第1の一次応答を必要とする。ブロック1224において、少なくとも1つの処理ユニットは、一次課題の第2のインスタンスを第1の干渉ありでユーザインターフェースに表現するために使用され、これは第1の干渉の存在下で一次課題の第2のインスタンスへの個人からの第2の一次応答を必要とする。第1の干渉は一次課題の第2のインスタンスから個人の注意を逸らすように構成され、および妨害するものまたは注意を逸らすものとして表現される。ブロック1226において、少なくとも1つの処理ユニットは、一次課題の第3のインスタンスをユーザインターフェースに表現するために使用され、これは一次課題の第3のインスタンスへの個人からの第3の一次応答を必要とする。ブロック1228において、少なくとも1つの処理ユニットは、一次課題の第4のインスタンスを第2の干渉ありでユーザインターフェースに表現するために使用され、これは第2の干渉の存在下で一次課題の第4のインスタンスへの個人からの第4の一次応答を必要とする。第2の干渉は一次課題の第4のインスタンスから個人の注意を逸らすように構成され、および妨害するものまたは注意を逸らすものとして表現される。図12Bの例において、ユーザインターフェースは、個人に、注意を逸らすものとして構成されている干渉(第1の干渉であろうと第2の干渉であろうと)には応答しないこと、および妨害するものとして構成されている干渉(第1の干渉であろうと第2の干渉であろうと)には応答することを教授するように構成され得る。ブロック1230において、少なくとも1つの処理ユニットは、第1の一次応答と、第2の一次応答と、第3の一次応答と、第4の一次応答とを示すデータを受信するために使用される。ブロック1232において、少なくとも1つの処理ユニットは、少なくとも一部は第1の一次応答および第2の一次応答を示すデータの間の差を決定することと、第1の二次応答または干渉への応答のうちの一方もしくは両方を解析することとによって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスの差を解析して、個人の認知能力の少なくとも1つの指標を決定するために使用される。ブロック1234において、少なくとも1つの処理ユニットは、少なくとも一部は第1の予測モデルを少なくとも第1の指標に適用することに基づき個人の神経変性状態の徴候の尤度および/または神経変性状態の進行の段階を示すスコアリング出力を生成するために使用される。
図12C〜図12Dは、少なくとも1つの処理ユニットを備える認知プラットフォームまたはプラットフォーム製品を使用して実装され得る非限定的な例示的な方法のフローチャートを示している。ブロック1252において、少なくとも1つの処理ユニットは、コンピュータ化された刺激もしくはインタラクション(CSI)または他のインタラクティブ要素をユーザに提示するか、または聴覚、触覚、もしくは振動を利用するコンピュータ化要素(CSIを含む)を動作させてユーザとの刺激によるもしくは他のインタラクションを引き起こすことを認知プラットフォームまたはプラットフォーム製品の作動コンポーネントに行わせるように少なくとも1つのユーザインターフェースを表現するために使用される。ブロック1254において、少なくとも1つの処理ユニットは、CSIまたは他のインタラクティブ要素(限定はしないがcDataなど)に対するユーザインタラクションに基づく少なくとも1つのユーザ応答を示すデータを受信することをプログラム製品のコンポーネントに行わせるために使用される。コンピュータ化された刺激またはインタラクション(CSI)または他のインタラクティブ要素をユーザに提示するように少なくとも1つのユーザインターフェースが表現される例では、少なくとも1つの処理ユニットは、少なくとも1つのユーザ応答を示すデータを受信することをユーザインターフェースに行わせるようにプログラムされ得る。ブロック1256において、少なくとも1つの処理ユニットは、ユーザが認知プラットフォームをインタラクティブに操作する前、操作している最中、および/または操作した後に1つもしくは複数のnDataコンポーネント(1つもしくは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントを含む)を使用して行われた測定を示すnDataを受信することをプログラム製品のコンポーネントに行わせるために使用される。方法の例示的な一実装形態において、ブロック1254は、ブロック1256と類似の時間枠内で、または実質的に同時に実行され得る。方法の別の例示的な実装形態において、ブロック1254は、ブロック1256と異なる時点に実行され得る。ブロック1258において、少なくとも1つの処理ユニットは、また、cDataおよび/もしくはnDataを解析して個人の生理学的状態および/もしくは認知状態の尺度を提供する、ならびに/またはユーザの応答の間の差(cDataにおける差に基づくことも含む)および関連するnDataにおける差を決定することに基づき個人のパフォーマンスの差を解析する、ならびに/またはcDataおよび/もしくはnData(解析で決定された個人のパフォーマンスおよび/もしくは生理学的状態の尺度を含む)の解析結果に基づきコンピュータ化された刺激もしくはインタラクション(CSI)もしくは他のインタラクティブ要素を含む課題の難易度レベルを調整する、ならびに/または個人のパフォーマンスを示し得るプラットフォーム製品からの出力もしくは他のフィードバック、および/もしくは認知評価、および/もしくは認知処理への応答、および/もしくは認知の評価された尺度を提供する、ならびに/または個人を、アミロイドグループ、および/もしくはAPOE発現グループ(もしくは神経変性状態において臨床的に注目するものであってよい他のタンパク質の発現レベルに基づく他の発現グループ)、および/もしくは個人が薬物、生物剤、もしくは他の医薬品を投与されるときの認知プラットフォームもしくはプラットフォーム製品の使用の潜在的有効性、および/もしくはTOVA(登録商標)テストおよび/もしくはRAVLT(商標)テストの個人のパフォーマンスからの予測されるスコアに関して分類する、ならびに/または個人を神経変性状態の徴候の尤度および/もしくは進行の段階に関して分類する、ならびに/または個人への薬物、生物剤、もしくは他の医薬品の投薬量の変化を決定するか、または個人への薬物、生物剤、もしくは他の医薬品の最適なタイプもしくは組合せを決定するために使用される。
図13は、本明細書の原理によるコンピューティングコンポーネントとして使用され得る例示的なコンピューティングデバイス1310を示すブロック図である。本明細書の例では、コンピューティングデバイス1310は、パフォーマンスメトリック(指標を含む)を計算する、第1の予測モデルを適用してスコアリング出力を生成する、および/または本明細書で説明されている他の予測モデルを適用することを含む、コンピューティングコンポーネントを実装することを行うようにユーザ入力を受け取るコンソールとして構成され得る。わかりやすくするために、図13では、また、図1の例示的なシステムの様々な要素を再び参照し、それらに関してより詳しく示す。コンピューティングデバイス1310は、例を実装するための1つまたは複数のコンピュータ実行可能命令もしくはソフトウェアを記憶するための1つまたは複数の非一時的コンピュータ可読媒体を含み得る。非一時的コンピュータ可読媒体は、限定はしないが、1つまたは複数の種類のハードウェアメモリ、非一時的な有形の媒体(たとえば、1つまたは複数の磁気記憶ディスク、1つまたは複数の光ディスク、1つまたは複数のフラッシュドライブ)、および同様のものを含み得る。たとえば、コンピューティングデバイス1310に備えられるメモリ102は、本明細書において開示されているオペレーションを実行するためのコンピュータ可読およびコンピュータ実行可能命令またはソフトウェアを記憶することができる。たとえば、メモリ102は、開示されているオペレーションのうちの様々なオペレーションを実行する(たとえば、認知プラットフォーム測定データおよび応答データを解析する、パフォーマンスメトリック(指標を含む)を計算する、第1の予測モデルを適用してスコアリング出力を生成する、および/または本明細書で説明されている他の予測モデルを適用する)ように構成されているソフトウェアアプリケーション1340を記憶することができる。コンピューティングデバイス1310は、構成可能なおよび/またはプログラム可能な処理ユニット104ならびに関連付けられているコア1314も備え、任意選択で、1つまたは複数の追加の構成可能なおよび/またはプログラム可能な処理デバイス、たとえば、プロセッサ1312'および関連付けられているコア1314'(たとえば、複数のプロセッサ/コアを有する計算システムの場合)を備え、メモリ102に記憶されているコンピュータ可読およびコンピュータ実行可能命令またはソフトウェアならびにシステムハードウェアを制御するための他のプログラムを実行するものとしてよい。プロセッサ104およびプロセッサ1312'は、各々、シングルコアプロセッサまたはマルチコア(1314および1314')プロセッサであってよい。
コンピューティングデバイス1310では仮想化が使用され、それにより、コンソール内のインフラストラクチャおよびリソースが動的に共有され得る。仮想マシン1324は、複数のプロセッサ上で実行されるプロセスを取り扱うために用意されてよく、プロセスが複数のコンピューティングリソースではなくただ1つのコンピューティングリソースを使用しているように見せかける。1つのプロセッサで複数の仮想マシンが使用されてもよい。
メモリ102は、限定はしないがDRAM、SRAM、EDO RAM、および同様のものなどの計算デバイスメモリまたはランダムアクセスメモリを含むものとしてよい。メモリ102は、限定はしないがハードディスクまたはフラッシュメモリなどの不揮発性メモリを含み得る。メモリ102は、他の種類のメモリも同様に含み、またはその組合せも含むことができる。
非限定的な一例において、メモリ102および少なくとも1つの処理ユニット104は、限定はしないが、ドングル(アダプタを含む)または他の周辺ハードウェアなどの、周辺デバイスのコンポーネントであってよい。例示的な周辺デバイスは、主コンピューティングデバイスと通信するか、もしくは他の何らかの形で接続し、例示的な認知プラットフォームおよび/またはプラットフォーム製品の機能性を提供し、本明細書で説明されている例示的な解析(関連付けられている計算を含む)を実装するようにプログラムされ得る。いくつかの例において、周辺デバイスは、(限定はしないが、USBもしくはHDMI(登録商標)入力などを介して)主コンピューティングデバイスと直接的に通信するか、もしくは他の何らかの形で接続するか、またはケーブル(同軸ケーブルを含む)、銅線(限定はしないが、PSTN、ISDN、およびDSLを含む)、光ファイバ、もしくは他のコネクタもしくはアダプタを介して間接的に通信するか、もしくは他の何らかの形で接続するようにプログラムされ得る。別の例では、周辺デバイスは、主コンピューティングデバイスとワイヤレス方式で(限定はしないが、Wi-FiまたはBluetooth(登録商標)などで)通信するようにプログラムされ得る。例示的な主コンピューティングデバイスは、スマートフォン(限定はしないが、iPhone(登録商標)、BlackBerry(登録商標)、もしくはAndroid(登録商標)ベースのスマートフォン)、テレビ、ワークステーション、デスクトップコンピュータ、ラップトップ、タブレット、スレートコンピュータ、電子書籍リーダー(e-reader)、デジタルアシスタント、もしくは他の電子リーダーもしくはハンドヘルド、ポータブル、もしくはウェアラブルコンピューティングデバイス、または他の同等の任意のデバイス、Xbox(登録商標)、Wii(登録商標)、もしくは他の同等の形態のコンピューティングデバイスであってよい。
ユーザは、例示的なシステムおよび方法により提供され得る1つまたは複数のユーザインターフェース1330を表示することができる、コンピュータモニタなどの視覚的表示ユニット1328を通じてコンピューティングデバイス1310をインタラクティブに操作することができる。図13の例は、視覚的表示ユニット1328をコンピューティングデバイス1310と通信するコンポーネントとして示しているが、視覚的表示ユニット1328は、コンピューティングデバイス1310の一体部分であるディスプレイ(限定はしないが、タッチスクリーンまたは他の接触もしくは感圧スクリーンなど)として構成されてよい。コンピューティングデバイス1310は、ユーザから入力を受け取るための他の入力/出力(I/O)デバイス、たとえば、キーボードまたは好適なマルチポイントタッチインターフェース1318、ポインティングデバイス1320(たとえば、マウス)、カメラもしくは他の画像記録デバイス、マイクロフォンもしくは他の音声記録デバイス、加速度計、ジャイロスコープ、触覚、振動、もしくは聴覚信号用のセンサ、および/または少なくとも1つのアクチュエータを備えることができる。キーボード1318およびポインティングデバイス1320は、視覚的表示ユニット1328に接続され得る。コンピューティングデバイス1310は、他の好適な従来のI/O周辺機器を含み得る。
コンピューティングデバイス1310は、本明細書において開示されているオペレーションを実行するデータおよびコンピュータ可読命令および/またはソフトウェアを記憶するために、ハードドライブ、CD-ROM、または他のコンピュータ可読媒体などの1つまたは複数の記憶装置デバイス1334も備えることができる。例示的な記憶装置デバイス1334は、例示的なシステムおよび方法を実装するために必要な好適な情報を記憶するための1つまたは複数のデータベースも記憶することができる。データベースは、手動で、または好適な時刻に自動的に更新され、1つまたは複数の項目をデータベースに追加し、削除し、および/または更新することができる。
コンピューティングデバイス1310は、限定はしないが、標準電話回線、LANもしくはWANリンク(たとえば、802.11、T1、T3、56kb、X.25)、ブロードバンド接続(たとえば、ISDN、フレームリレー、ATM)、ワイヤレス接続、コントローラエリアネットワーク(CAN)、または上記のどれか、もしくはすべての何らかの組合せを含む様々な接続を通じて1つまたは複数のネットワーク、たとえば、ローカルエリアネットワーク(LAN)、メトロポリタンエリアネットワーク(MAN)、ワイドエリアネットワーク(WAN)、またはインターネットと、1つまたは複数のネットワークデバイス1332を介して、インターフェースするように構成されているネットワークインターフェース1322を備えることができる。ネットワークインターフェース1322は、内蔵ネットワークアダプタ、ネットワークインターフェースカード、PCMCIAネットワークカード、カードバスネットワークアダプタ、ワイヤレスネットワークアダプタ、USBネットワークアダプタ、モデム、またはコンピューティングデバイス1310を通信を行うことができる任意の種類のネットワークにインターフェースし、本明細書で説明されているオペレーションを実行するのに適している他のデバイスを備え得る。さらに、コンピューティングデバイス1310は、スマートフォン(限定はしないが、iPhone(登録商標)、BlackBerry(登録商標)、もしくはAndroid(登録商標)ベースのスマートフォン)、テレビ、ワークステーション、デスクトップコンピュータ、サーバ、ラップトップ、タブレット、スレートコンピュータ、電子書籍リーダー(e-reader)、デジタルアシスタント、もしくは他の電子リーダーもしくはハンドヘルド、ポータブル、もしくはウェアラブルコンピューティングデバイス、または他の同等の任意のデバイス、Xbox(登録商標)、Wii(登録商標)、もしくは通信可能であり、本明細書で説明されているオペレーションを実行するのに十分なプロセッサ処理能力およびメモリ容量を有するか、もしくは接続され得る他の同等の形態のコンピューティングもしくは電気通信デバイスなどの、計算デバイスであってよい。1つまたは複数のネットワークデバイス1332は、限定はしないが、WAP(ワイヤレスアプリケーションプロトコル)、TCP/IP(伝送制御プロトコル/インターネットプロトコル)、NetBEUI(NetBIOS拡張ユーザインターフェース)、またはIPX/SPX(インターネットワークパケット交換/シーケンシャルパケット交換)などの、異なるタイプのプロトコルを使用して通信し得る。
コンピューティングデバイス1310は、Microsoft(登録商標)Windows(登録商標)オペレーティングシステムの任意のバージョン、iOS(登録商標)オペレーティングシステム、Android(登録商標)オペレーティングシステム、Unix(登録商標)およびLinux(登録商標)オペレーティングシステムの様々なリリース、Macintoshコンピュータ用のMacOS(登録商標)の任意のバージョン、任意の組み込みオペレーティングシステム、任意のリアルタイムオペレーティングシステム、任意のオープンソースオペレーティングシステム、任意の専用オペレーティングシステム、またはコンソール上で実行され、本明細書で説明されているオペレーションを実行することができる任意の他のオペレーティングシステムなどの、任意のオペレーティングシステム1326を実行するものとしてよい。いくつかの例において、オペレーティングシステム1326は、ネイティブモードまたはエミュレートモードで実行され得る。一例において、オペレーティングシステム1326は、1つまたは複数のクラウドマシンインスタンス上で実行され得る。
本明細書で説明されているシステム、方法、およびオペレーションの例は、デジタル電子回路で、または本明細書およびその構造的等価物において開示されている構造を含む、コンピュータソフトウェア、ファームウェア、またはハードウェアで、またはそれらのうちの1つまたは複数の組合せで実装され得る。本明細書で説明されているシステム、方法、およびオペレーションの例は、1つまたは複数のコンピュータプログラム、すなわち、データ処理装置によって実行できるようにまたはデータ処理装置のオペレーションを制御するためにコンピュータ記憶媒体上に符号化されたコンピュータプログラム命令の1つまたは複数のモジュールとして実装され得る。プログラム命令は、データ処理装置による実行のため好適な受信機装置に伝送する情報が符号化されるように生成される、人工的に生成された伝搬信号、たとえば、機械で生成された電気、光、または電磁信号上で符号化されることが可能である。コンピュータ記憶媒体は、コンピュータ可読記憶装置デバイス、コンピュータ可読記憶装置基板、ランダムもしくはシリアルアクセスメモリアレイもしくはデバイス、またはそれらのうちの1つもしくは複数の組合せであり得るか、または含まれ得る。さらに、コンピュータ記憶媒体は、伝搬信号ではないが、コンピュータ記憶媒体は、人工的に生成される伝搬信号内に符号化されているコンピュータプログラム命令の送信元または送信先とすることができる。コンピュータ記憶媒体は、また、1つまたは複数の独立した物理的コンポーネントまたは媒体(たとえば、複数のCD、ディスク、または他の記憶装置デバイス)であり得るか、または含まれ得る。
本明細書において説明されているオペレーションは、1つまたは複数のコンピュータ可読記憶装置デバイス上に記憶されるか、または他のソースから受信されたデータに対してデータ処理装置によって実行されるオペレーションとして実装され得る。
「データ処理システム」または「コンピューティングデバイス」という用語は、たとえばプログラム可能プロセッサ、コンピュータ、1つもしくは複数のシステムオンチップ、または前述のものの組合せを含む、データを処理するためのあらゆる種類の装置、デバイス、およびマシンを包含する。装置は、専用論理回路、たとえば、FPGA(フィールドプログラマブルゲートアレイ)、またはASIC(特定用途向け集積回路)を含むことができる。装置は、また、ハードウェアに加えて、注目しているコンピュータプログラム用の実行環境を作成するコード、たとえば、プロセッサファームウェア、プロトコルスタック、データベース管理システム、オペレーティングシステム、クロスプラットフォーム実行時環境、仮想マシン、またはこれらのうちの1つもしくは複数のものの組合せを構成するコードも含み得る。
コンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト、アプリケーション、またはコードとも称される)は、コンパイル言語またはインタプリタ言語、宣言型または手続き型言語を含む、任意の形態のプログラミング言語で書かれ、スタンドアロンプログラム、またはモジュール、コンポーネント、サブルーチン、オブジェクト、またはコンピューティング環境において使用するのに適している他のユニットを含む、任意の形態でデプロイされ得る。コンピュータプログラムは、ファイルシステム内のファイルに対応してよいが、そうである必要はない。プログラムは、他のプログラムをまたはデータ(たとえば、マークアップ言語ドキュメントに記憶される1つまたは複数のスクリプト)を保持するファイルの一部に、注目しているプログラム専用の単一ファイルに、または複数の協調ファイル(たとえば、1つもしくは複数のモジュール、副プログラム、またはコードの一部分を記憶するファイル)に記憶され得る。コンピュータプログラムは、1つのコンピュータ上で、または1つのサイトに配置されるか、または複数のサイトにまたがって分散され、通信ネットワークによって相互接続されている複数のコンピュータ上で実行されるようにデプロイされることが可能である。
本明細書で説明されているプロセスおよび論理の流れは、入力データを操作し、出力を生成することによってアクションを実行するように1つまたは複数のコンピュータプログラムを実行する1つまたは複数のプログラム可能なプロセッサによって実行され得る。これらのプロセスまたは論理の流れは、専用論理回路、たとえば、FPGA(フィールドプログラマブルゲートアレイ)、および/またはASIC(特定用途向け集積回路)によっても実行され、また装置は、専用論理回路、たとえば、FPGA(フィールドプログラマブルゲートアレイ)、またはASIC(特定用途向け集積回路)としても実装され得る。
コンピュータプログラムの実行に適しているプロセッサは、たとえば、汎用マイクロプロセッサ、専用マイクロプロセッサ、および任意の種類のデジタルコンピュータの任意の1つまたは複数のプロセッサを含む。一般的に、プロセッサは、リードオンリーメモリまたはランダムアクセスメモリまたはその両方から命令およびデータを受け取る。コンピュータの不可欠な要素は、命令に従ってアクションを実行するためのプロセッサならびに命令およびデータを記憶するための1つまたは複数のメモリデバイスである。一般的に、コンピュータは、データを記憶するための1つまたは複数の大容量記憶装置デバイス、たとえば、磁気ディスク、磁気光ディスク、または光ディスクも備え、これらからデータを受け取るか、またはこれらにデータを転送するか、またはその両方を行うように動作可能なように接続される。しかしながら、コンピュータは、そのようなデバイスを有している必要はない。さらに、コンピュータは、他のデバイス、たとえば、携帯電話、携帯情報端末(PDA)、携帯オーディオまたはビデオプレーヤー、ゲーム機、全地球測位システム(GPS)受信機、またはポータブルストレージデバイス(たとえば、ユニバーサルシリアルバス(USB)フラッシュドライブ)に組み込まれることが可能である。コンピュータプログラムの命令およびデータを記憶するのに適したデバイスは、たとえば、半導体メモリデバイス、たとえば、EPROM、EEPROM、およびフラッシュメモリデバイス、磁気ディスク、たとえば、内蔵ハードディスクまたはリムーバブルディスク、光磁気ディスク、ならびにCD-ROMおよびDVD-ROMディスクを含む、あらゆる形態の不揮発性メモリ、媒体、およびメモリデバイスを含む。プロセッサおよびメモリは、専用論理回路によって補助されるか、または専用論理回路に組み込まれることができる。
ユーザと情報のやり取りを行うために、本明細書で説明されている発明対象の実施形態は、ユーザに情報を表示するためのディスプレイデバイス、ならびにユーザがコンピュータに入力を送るために使用できるキーボードおよびポインティングデバイス、たとえば、マウス、スタイラス、タッチスクリーン、もしくはトラックボールを有するコンピュータ上で実装され得る。他の種類のデバイスも、ユーザとインタラクションを行うために使用されてよい。たとえば、ユーザに提供されるフィードバック(すなわち、出力)は、任意の形態の感覚フィードバック、たとえば、視覚フィードバック、聴覚フィードバック、または触覚フィードバックであってよく、ユーザからの入力は、限定はしないが、音響、音声、または触覚入力を含む、任意の形態で受信され得る。それに加えて、コンピュータは、ドキュメントをユーザによって使用されるデバイスに送り、そのデバイスからドキュメントを受け取ることによって、たとえば、ウェブブラウザから受け取った要求に応答して、ウェブページをユーザのクライアントデバイス上のウェブブラウザに送信することによって、ユーザとインタラクティブにやり取りすることができる。
いくつかの例において、本明細書のシステム、方法、またはオペレーションは、バックエンドコンポーネントを、たとえば、データサーバとして備えるか、またはミドルウェアコンポーネント、たとえば、アプリケーションサーバを備えるか、またはフロントエンドコンポーネント、たとえば、ユーザが本明細書で説明されている主題の実装をインタラクティブに操作することを可能にするグラフィカルユーザインターフェースもしくはウェブブラウザを有するクライアントコンピュータを備えるコンピューティングシステムで、または1つもしくは複数のそのようなバックエンド、ミドルウェア、またはフロントエンドコンポーネントの任意の組合せで実装され得る。システムのコンポーネントは、デジタルデータ通信の任意の形態または媒体、たとえば、通信ネットワーク、によって相互接続され得る。通信ネットワークの例は、ローカルエリアネットワーク(「LAN」)およびワイドエリアネットワーク(「WAN」)、インターネットワーク(たとえば、インターネット)、およびピアツーピアネットワーク(たとえば、アドホックピアツーピアネットワーク)を含む。
本明細書の例示的なコンピューティングシステムは、クライアントおよびサーバを含むことができる。クライアントおよびサーバは、一般に、互いに隔てられており、典型的には、通信ネットワークを通じてインタラクティブな操作を行う。クライアントとサーバとの関係は、コンピュータプログラムが各コンピュータ上で実行され、互いとの間にクライアント-サーバ関係を有することによって発生する。いくつかの実施形態において、サーバはデータをクライアントデバイスに(たとえば、クライアントデバイスをインタラクティブに操作するユーザにデータを表示し、ユーザ入力を受け取ることを目的として)伝送する。クライアントデバイスで生成されるデータ(たとえば、ユーザインタラクションの結果)は、サーバ側においてクライアントデバイスから受信され得る。
結論
上述の実施形態は、いく通りもの仕方で実装され得る。たとえば、いくつかの実施形態は、ハードウェア、ソフトウェア、またはこれらの組合せを使用して実装され得る。一実施形態の態様が少なくとも一部はソフトウェアで実装されるときに、ソフトウェアコードは、単一のコンピュータで提供されようと複数のコンピュータに分散されようと、好適なプロセッサまたはプロセッサの集合体上で実行され得る。
この点において、本発明の様々な態様は、少なくとも一部は、1つまたは複数のコンピュータまたは他のプロセッサ上で実行されたときに上で説明されている技術の様々な実施形態を実装する方法を実行する1つまたは複数のプログラムとともに符号化される1つのコンピュータ可読記憶媒体(または複数のコンピュータ可読記憶媒体)(たとえば、コンピュータメモリ、コンパクトディスク、光ディスク、磁気テープ、フラッシュメモリ、フィールドプログラマブルゲートアレイもしくは他の半導体素子内の回路構成、または他の有形のコンピュータ記憶媒体もしくは非一時的媒体)として具現化され得る。1つまたは複数のコンピュータ可読媒体は、可搬型であってよく、そこに記憶される1つまたは複数のプログラムは1つまたは複数の異なるコンピュータまたは他のプロセッサにロードされ、上で説明されているような本発明の技術の様々な態様を実装することができる。
「プログラム」または「ソフトウェア」という用語は、本明細書において一般的な意味で、上で説明されているような本発明の技術の様々な態様を実装するようにコンピュータまたは他のプロセッサをプログラムするために使用され得る任意のタイプのコンピュータコードまたは任意の一組のコンピュータ実行可能命令を指すために使用される。それに加えて、この実施形態の一態様によれば、実行されたときに本発明の技術の方法を実行する1つまたは複数のコンピュータプログラムは、単一のコンピュータまたはプロセッサ上に常駐する必要はなく、本発明の技術の様々な態様を実装するために多数の異なるコンピュータまたはプロセッサ間にモジュール形式で分散されてよいことを諒解されたい。
コンピュータ実行可能命令は、1つまたは複数のコンピュータまたは他のデバイスによって実行される、プログラムモジュールなどの任意の形態をとり得る。一般に、プログラムモジュールは、特定のタスクを実行する、または特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。通常、プログラムモジュールの機能は、様々な実施形態で望まれているように組み合わされるか、または分散され得る。
また、本明細書で説明されている技術は方法として具現化されてよく、その少なくとも1つの例が実現されている。方法の一部として実行される活動は、好適な仕方で順序付けされてよい。したがって、例示されているのと異なる順序で活動が実行される実施形態が構成されてもよく、これは例示的な実施形態において順次的活動として示されているとしても、いくつかの活動を同時に実行することを含み得る。
本明細書において定義され、使用されているようなすべての定義は、辞書定義、参照により組み込まれている文書内の定義、および/または定義されている語の通常の意味を決定すると理解されるべきである。
明細書および特許請求の範囲の英文中で使用されているような不定冠詞「a」および「an」は、特に断りのない限り、「少なくとも1つ」を意味すると理解されるべきである。
本明細書および特許請求の範囲において使用されているような「および/または」という語句は、要素の「いずれかまたは両方」がそのように結合されている、すなわち、要素はある場合には接続的に存在し、他の場合には離接的に存在していることを意味すると理解されるべきである。「および/または」でリストされている複数の要素は同じ様式で、すなわち、そのように結合されている要素の「1つまたは複数」と解釈されるべきである。他の要素は、任意選択で、「および/または」節によって特に識別される要素以外に、特に識別されている要素に関係していようと無関係であろうと、存在していてもよい。したがって、非限定的な例として、「Aおよび/またはB」への参照は、「含む」などの非限定的な言い回しと併せて使用されるときに、一実施形態では、Aのみを指し(任意選択でB以外の要素を含む)、別の実施形態では、Bのみを指し(任意選択でA以外の要素を含む)、さらに別の実施形態では、AとBの両方を指し(任意選択で他の要素を含む)、などとしてよい。
本明細書および特許請求の範囲において使用されているように、「または」は上で定義されているように「および/または」と同じ意味を有すると理解されるべきである。たとえば、リスト内で項目を分離するときに、「または」もしくは「および/または」は、包含的である、すなわち、多数の要素または要素のリストおよび任意選択で追加のリストにない項目の少なくとも1つを含むが、複数も含むと解釈されるものとする。それとは反対に、「のうちのたった1つ」または「のうちの正確に1つ」などと明確に指示されている語のみ、または特許請求の範囲で使用されるときには、「からなる」は、多数の要素または要素のリストのうちの正確に1つの要素の包含を指す。一般に、本明細書で使用されているような「または」という語は、「いずれか」、「のうちの1つ」、「のうちのたった1つ」、または「のうちの正確に1つ」などの、排他性の語が付くときに排他的二択(すなわち、「一方または他方であるが両方ではない」)を示すものとしてのみ解釈されるものとする。「から本質的になる」は、特許請求の範囲で使用されているときには、特許法の分野で使用されているような通常の意味を有するものとする。
本明細書および特許請求の範囲で使用されているように、1つまたは複数の要素のリストへの参照における「少なくとも1つ」という語句は、要素のリスト内の要素のうちの1つまたは複数から選択された少なくとも1つの要素を意味し、必ずしも、要素のリスト内に特にリストされているあらゆる要素のうちの少なくとも1つを含まず、また要素のリスト内の要素の任意の組合せを除外しない、と理解されるべきである。この定義は、また、要素が、任意選択で、「少なくとも1つ」という語句が指している要素のリスト内で特に識別される要素以外に、特に識別されている要素に関係していようと無関係であろうと、存在していてもよいことを許している。したがって、非限定的な例として、「AおよびBのうちの少なくとも1つ」(または同等であるが、「AまたはBのうちの少なくとも1つ」、または同等であるが、「Aおよび/またはBのうちの少なくとも1つ」)は、一実施形態では、任意選択で複数を含む、少なくとも1つのAがあり、Bが存在していない(および任意選択で、B以外の要素を含む)こと、別の実施形態では、任意選択で複数を含む、少なくとも1つのBがあり、Aが存在していない(および任意選択で、A以外の要素を含む)こと、さらに別の実施形態では、任意選択で複数を含む、少なくとも1つのAおよび任意選択で複数を含む、少なくとも1つのBがある(および任意選択で、他の要素を含む)こと、などを指するものとしてよい。
特許請求の範囲では、また上の明細書でも、「含む」、「備える」、「運ぶ」、「有する」、「包含する」、「伴う」、「保持する」、「から構成される」、および同様の語句などのすべての移行句は、非限定的である、すなわち、限定はしないが含むを意味すると理解されるべきである。「からなる」および「から本質的になる」という移行句のみが、米国特許審査便覧第2111章03に記載されているように、それぞれ、限定的または半限定的な移行句であるものとする。