JP2021518172A - 次元幾何学的埋め込みにおける神経行動関係(n−bridge)に関するシステムおよび方法 - Google Patents
次元幾何学的埋め込みにおける神経行動関係(n−bridge)に関するシステムおよび方法 Download PDFInfo
- Publication number
- JP2021518172A JP2021518172A JP2020548646A JP2020548646A JP2021518172A JP 2021518172 A JP2021518172 A JP 2021518172A JP 2020548646 A JP2020548646 A JP 2020548646A JP 2020548646 A JP2020548646 A JP 2020548646A JP 2021518172 A JP2021518172 A JP 2021518172A
- Authority
- JP
- Japan
- Prior art keywords
- neural
- behavioral
- data
- trait
- individual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Social Psychology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- General Business, Economics & Management (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Educational Technology (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
本発明は、National Institutes of Health(NIH)によって授与されたグラントR01 MH112189の下で米国政府の支援を受けて作成された。米国政府は、本発明における一定の権利を有する。
本明細書中の態様は、ヒトにおける神経特色と行動特色との間の多次元関係をマッピングするためのシステムおよび方法に関する。
個々のヒトまたはヒトの群における神経特色と行動/表現型特色との間の多次元かつ/または多変量の関係をマッピングするための、包括的な拡張可能なデータ駆動型分析フレームワークを含む(本明細書中で「N-BRIDGE」と呼ばれる)次元幾何学的埋め込みにおける神経行動関係に関する例示的な方法およびシステムが、本明細書中に記載される。具体的には、N-BRIDGEは、行動/表現型変動の幾何学を捕捉する新しく定義されたデータ駆動型の行動/表現型の潜在および/または顕在重み付き複合次元/軸に沿った変動の、神経区域特色(例えば、ボクセル、面積、またはネットワーク)の多次元組み合わせの変動へのマッピングを可能にする。この双方向データ駆動型マッピングは、複雑な行動/表現型次元に沿った臨床的かつ治療的に関連する情報を捕捉する神経行動の潜在および/または顕在重み付き複合変数の頑健な同定を可能にする。この多次元マッピングは、次に、行動/表現型次元の変容に関係して量的に変動する頑健な治療神経標的の神経生物学的に根拠のある定義を可能にし得る。N-BRIDGEを介して取得される新しく定義されたデータ駆動型行動次元の捕捉は、既存のアプローチと比べて、質的に新規であり、量的に実質的に頑健である、神経特色変動の行動/表現型次元へのマッピングを明らかにし、これは、特定の患者のための臨床的かつ治療的に適切な使用に直接影響する。さらに、新しく定義された行動/表現型次元は、神経回路変動を頑健にマッピングするが、従来のカテゴリ的アプローチを使用して定義された既存の精神医学的診断群の間の差を必ずしも明らかにしない。言い換えると、取得された神経行動多次元幾何学は、現存する精神医学的診断または単一の既存の臨床的スケールのいずれかを使用した過去のアプローチでは、量的に不可視であったであろう。重要なことに、N-BRIDGEを介して取得された神経行動多次元幾何学マッピングを使用すれば、同一の臨床的/精神医学的診断を有するが、著しく異なる行動プロファイルおよび/または神経プロファイルを有する個人に関して、治療関連標的に関する、対象特異的な量的予測を行うことが可能である。
本明細書は、本発明の特色が組み入れられた1つまたは複数の態様を開示する。開示された態様は、本発明を例証するに過ぎない。本発明の範囲は、開示された態様に限定されない。
本明細書において使用されるように、「投影すること」または「投影」という用語は、数学的変換を適用することによって、あるn次元幾何学から別の幾何学へとデータ点をマッピングするプロセスをさす。
特異的な行動または多次元行動特色に沿った変動と、神経特色の変動との間のリンクを理解することは、行動上の健康懸念(例えば、精神医学的症状またはメンタルヘルスに関する援助要請行動)を有する個人のため、個別化されたレベルで、有効な処置を開発し、投与するために重要である。現在、精神医学における研究の多くは、共通して存在する症状のセットによって典型的に定義される伝統的な臨床/診断群が、個人における行動変動、従って、神経変動を記載するためのゴールドスタンダードであるという基本的な仮定の下で行われている。精神医学における診断群は、Diagnostic and Statistical Manual of Mental Disorder(DSM)[2]に概説されるように、共通して存在する行動症状のセットによって定義される。しかしながら、これらの予め定義された診断群の神経基質を頑健に特徴決定する試みは、従来成功しておらず、このことは、これらの症状のセットが、生物学的に意味のある機序にマッピングされないことを示唆している。基礎をなす神経撹乱が、完全にはDSMの診断境界に従わないことを示す大量の証拠が存在する。例えば、統合失調症と比較して、双極性障害を有する患者は、ある次元軸に沿った全脳視床結合性異常(dysconnectivity)において、類似しているが、弱まった、破壊の双方向パターンを示す[3]。これらの変動の軸は、DSMで定義された境界の範囲内の患者においてのみ特性を調査する研究において、観察可能であり得ない。従って、最初に、神経変動の次元にマッピングされる行動/表現型変動の次元を定義することが必要である。
図1は、本開示の態様による、神経行動マッピングに基づく、患者のための処置の決定の例示的な模式図を例示する。具体的には、図1は、N-BRIDGEの高次の概要を示しており、例えば、イメージングモダリティ(例えば、MRI、EEG、MEG等)または行動査定(例えば、医師によって患者に施されたコンピュータ検査を介して同定された行動、個人による観察によって取得された行動、患者が医師に示すかもしくは報告する行動に相当する尺度等)によって、複数の個人から行動データおよび/または神経データを入手し、神経行動多次元幾何学マッピングを生成するために利用する方法を例示する。いくつかの態様において、行動データおよび/または神経データ(例えば、神経イメージングデータ)は、神経行動幾何学のマッピングおよび検証の前に、以下にさらに記載される処理、変換、および分析の工程を受けてもよい。得られた神経行動多次元幾何学マッピングは、異なる神経/行動特色に関連した治療を決定し、患者のための処置を予測し、患者の処置についての推奨を生成するため、最終的に使用され得る。
図1〜35は、本明細書中に記載されるように、本発明の説明を可能にする例示的な例である。本発明の態様は、ハードウェア、ファームウェア、ソフトウェア、またはそれらの組み合わせにおいて実装され得ることが理解されるべきである。そのような態様において、本発明の機能を実施するため、様々な成分および工程が、ハードウェア、ファームウェア、および/またはソフトウェアにおいて実装されるであろう。即ち、ハードウェア、ファームウェア、またはソフトウェアのモジュールの同一の部品が、例示されたブロック(即ち、成分または工程)のうちの1つまたは複数を実施することができる。
詳細な説明セクションは、特許請求の範囲を解釈するために使用されることが意図されるが、要約セクションはそうでないことが理解されるべきである。要約セクションは、1つまたは複数の模範的な態様を示すが、全てを示すものではなく、従って、本開示および添付の特許請求の範囲を限定するためのものでは決してない。
Claims (85)
- コンピューティングデバイスのユーザインターフェースから、患者のメンタルヘルスまたは認知状態に対応する該患者の行動データを受け取る工程;
コンピューティングデバイスの少なくとも1つのプロセッサによって、該行動データに基づき、神経データを表す該患者についての神経特色マップを予測する工程;
該少なくとも1つのプロセッサによって、該神経特色マップに関連した治療を決定する工程;および
該神経特色マップに関連した治療によって該患者を処置する工程
を含む、神経行動マッピングに基づいて該患者を処置する方法。 - 神経特色マップを予測する工程が、
コンピューティングデバイスの少なくとも1つのプロセッサによって、行動データに基づき、イメージングデータを表す患者についての潜在行動特色スコアを決定すること;
コンピューティングデバイスの少なくとも1つのプロセッサによって、該潜在行動特色スコアに基づき、神経データを表す該患者についての潜在神経特色スコアを予測すること;および
コンピューティングデバイスの少なくとも1つのプロセッサによって、予測された該潜在神経特色スコアに基づき、神経データを表す該患者についての該神経特色マップを決定することであって、該神経特色マップが、予測された潜在神経特色マップを含む、こと
をさらに含む、請求項1記載の方法。 - 神経特色マップが、特定のモダリティの神経データからの、所与の査定または分析からの脳の位置または領域への1つまたは複数の数値の割り当てを含む、請求項1記載の方法。
- 神経特色マップが、二次元表面としての大脳皮質および/または小脳皮質ならびに適切な体積測定構造としての皮質下神経データの描出を含む、請求項1記載の方法。
- 神経特色マップに関連した治療を決定する工程が、
少なくとも1つのプロセッサによって、神経治療特色マップとの該神経特色マップの類似性の量的対応を決定すること;
少なくとも1つのプロセッサによって、患者が応答する可能性が高い予め決定された閾値より高い、該神経特色マップとの対応を示す量的スコアを有する少なくとも1つの神経治療標的を同定すること;および
少なくとも1つのプロセッサによって、該患者の処置のための該少なくとも1つの神経治療標的に関連した治療を決定すること
をさらに含む、請求項1記載の方法。 - 神経治療特色マップが、1つもしくは複数の受容体標的に関連した薬理学的マップまたは1つもしくは複数の遺伝子発現標的に関連した遺伝子発現マップを含む、請求項5記載の方法。
- 患者についての神経特色マップを決定する工程が、
少なくとも1つのプロセッサによって、行動データと神経特色マップのセットとの間の少なくとも1つの関係を決定することであって、決定される神経特色マップが、該行動データとの最も高度の類似性を有する神経行動プロファイルに関連している、こと
をさらに含む、請求項1記載の方法。 - 複数の個人についての行動特色および神経特色の既存のマッピングから神経特色マップのセットを導出する工程
をさらに含む、請求項7記載の方法。 - コンピューティングデバイスのユーザインターフェース上に、1つまたは複数の行動尺度からのメンタルヘルスプロファイルの数字および図表による描出を表示する工程であって、該1つまたは複数の行動尺度が、行動特色および神経特色の既存のマッピングにおいて使用される尺度を含む、工程
をさらに含む、請求項1記載の方法。 - コンピューティングデバイスのユーザインターフェースから、患者の神経状態に対応する該患者の神経データを受け取る工程;
コンピューティングデバイスの少なくとも1つのプロセッサによって、該神経データに基づき、行動データを表す該患者についての行動特色プロファイルを予測する工程;
少なくとも1つのプロセッサによって、該行動特色プロファイルに関連した治療を決定する工程;および
該行動特色プロファイルに関連した治療によって該患者を処置する工程
を含む、神経行動マッピングに基づいて該患者を処置する方法。 - 行動特色プロファイルを予測する工程が、
コンピューティングデバイスの少なくとも1つのプロセッサによって、神経データに基づき、行動データを表す患者についての潜在神経特色スコアを決定すること;
コンピューティングデバイスの少なくとも1つのプロセッサによって、該潜在神経特色スコアに基づき、行動データを表す該患者についての潜在行動特色スコアを予測すること;および
コンピューティングデバイスの少なくとも1つのプロセッサによって、予測された該潜在行動特色スコアに基づき、行動データを表す該患者についての行動特色プロファイルを決定することであって、該行動特色プロファイルが、予測された潜在行動特色プロファイルを含む、こと
をさらに含む、請求項10記載の方法。 - 神経データが、二次元表面としての大脳皮質および/または小脳皮質ならびに適切な体積測定構造としての皮質下神経データの描出を含む、請求項10記載の方法。
- 行動特色プロファイルが、特定のドメインの行動データからの、所与の査定または分析からの1つまたは複数の数値のセットを含む、請求項10記載の方法。
- 行動特色プロファイルに関連した治療を決定する工程が、
少なくとも1つのプロセッサによって、治療応答行動特色プロファイルとの該行動特色プロファイルの類似性の量的対応を決定すること;
少なくとも1つのプロセッサによって、患者が応答する可能性が高い予め決定された閾値より高い、該治療応答行動特色プロファイルとの対応を示す量的スコアを有する少なくとも1つの神経治療標的を同定すること;および
少なくとも1つのプロセッサによって、該患者の処置のための少なくとも1つの行動特色プロファイルに関連した治療を決定すること
をさらに含む、請求項10記載の方法。 - 治療応答行動特色プロファイルが、1つまたは複数の既知の治療に応答する複数の個人における行動または症状の具体的な提示を含む、請求項14記載の方法。
- 患者についての行動特色プロファイルを決定する工程が、
少なくとも1つのプロセッサによって、神経データと行動特色プロファイルのセットとの間の少なくとも1つの関係を決定することであって、決定される行動特色プロファイルが、該神経データとの最も高度の類似性を有する神経行動プロファイルに関連している、こと
をさらに含む、請求項10記載の方法。 - 複数の個人についての行動特色および神経特色の既存のマッピングから行動特色プロファイルのセットを導出する工程
をさらに含む、請求項16記載の方法。 - コンピューティングデバイスのユーザインターフェース上に、1つまたは複数の神経尺度からの神経データの数字および図表による描出を表示する工程であって、該1つまたは複数の神経尺度が、行動特色および神経特色の既存のマッピングにおいて使用される尺度を含む、工程
をさらに含む、請求項10記載の方法。 - コンピューティングデバイスのユーザインターフェースから、患者のメンタルヘルスまたは認知状態に対応する該患者の行動データを受け取る工程;
コンピューティングデバイスの少なくとも1つのプロセッサによって、該行動データに基づき、神経データを表す該患者についての神経特色マップを予測する工程;
少なくとも1つのプロセッサによって、該患者が応答する可能性が高い予め決定された閾値より高い、該神経特色マップとの対応を示す量的スコアを有する少なくとも1つの神経治療標的を決定する工程;および
少なくとも1つのプロセッサによって、該患者が呈している行動に基づき、該患者の現在の処置のための該少なくとも1つの神経治療標的に関連した治療を予後予測する工程
を含む、神経行動マッピングに基づいて該患者のための処置を予後予測する方法。 - 神経特色マップを予測する工程が、
コンピューティングデバイスの少なくとも1つのプロセッサによって、行動データに基づき、イメージングデータを表す患者についての潜在行動特色スコアを決定すること;
コンピューティングデバイスの少なくとも1つのプロセッサによって、該潜在行動特色スコアに基づき、神経データを表す該患者についての潜在神経特色スコアを予測すること;および
コンピューティングデバイスの少なくとも1つのプロセッサによって、予測された該潜在神経特色スコアに基づき、神経データを表す該患者についての神経特色マップを決定することであって、該神経特色マップが、予測された潜在神経特色マップを含む、こと
をさらに含む、請求項19記載の方法。 - 神経特色マップが、特定のモダリティの神経データからの、所与の査定または分析からの脳の位置または領域への1つまたは複数の数値の割り当てを含む、請求項19記載の方法。
- 神経特色マップが、二次元表面としての大脳皮質および/または小脳皮質ならびに適切な体積測定構造としての皮質下神経データの描出を含む、請求項19記載の方法。
- 少なくとも1つのプロセッサによって、神経治療特色マップとの神経特色マップの類似性の量的対応を決定する工程であって、該神経治療特色マップが、1つもしくは複数の受容体標的に関連した薬理学的マップまたは1つもしくは複数の遺伝子発現標的に関連した遺伝子発現マップを含む、工程
をさらに含む、請求項19記載の方法。 - 患者についての神経特色マップを決定する工程が、
少なくとも1つのプロセッサによって、行動データと神経特色マップのセットとの間の少なくとも1つの関係を決定することであって、決定される神経特色マップが、該行動データとの最も高度の類似性を有する神経行動プロファイルに関連している、こと
をさらに含む、請求項19記載の方法。 - 複数の個人についての行動特色および神経特色の既存のマッピングから神経特色マップのセットを導出する工程
をさらに含む、請求項24記載の方法。 - コンピューティングデバイスのユーザインターフェース上に、1つまたは複数の行動尺度からのメンタルヘルスプロファイルの数字および図表による描出を表示する工程であって、該1つまたは複数の行動尺度が、行動特色および神経特色の既存のマッピングにおいて使用される尺度を含む、工程
をさらに含む、請求項19記載の方法。 - 走査デバイスまたは記録デバイスから、患者の神経状態に対応する該患者の神経データを受け取る工程;
コンピューティングデバイスの少なくとも1つのプロセッサによって、該神経データに基づき、行動データを表す該患者についての行動特色プロファイルを予測する工程;
少なくとも1つのプロセッサによって、該患者が応答する可能性が高い予め決定された閾値より高い、該行動特色プロファイルとの対応を示す量的スコアを有する少なくとも1つの治療標的を決定する工程;および
少なくとも1つのプロセッサによって、該患者の現在取得された神経データに基づき、該患者の処置のための少なくとも1つの行動特色プロファイルに関連した治療を予後予測する工程
を含む、神経行動マッピングに基づいて該患者のための処置を予後予測する方法。 - 行動特色プロファイルが、特定のドメインの行動データからの、所与の査定または分析からの1つまたは複数の数値のセットを含む、請求項27記載の方法。
- 神経特色マップが、二次元表面としての大脳皮質および/または小脳皮質ならびに適切な体積測定構造としての皮質下神経データの描出をさらに含む、請求項27記載の方法。
- 治療応答行動特色プロファイルが、1つまたは複数の既知の治療に応答する複数の個人における行動または症状の具体的な提示を含む、請求項27記載の方法。
- 患者についての行動特色プロファイルを予測する工程が、
少なくとも1つのプロセッサによって、神経データと行動特色プロファイルのセットとの間の少なくとも1つの関係を決定することであって、行動特色プロファイルの予測が、該神経データと最も高度の類似性を有する神経行動プロファイルに関連している、こと
をさらに含む、請求項27記載の方法。 - 複数の個人についての行動特色および神経特色の既存のマッピングから行動特色プロファイルのセットを導出する工程
をさらに含む、請求項31記載の方法。 - コンピューティングデバイスのユーザインターフェース上に、1つまたは複数の行動尺度からのメンタルヘルスプロファイルの数字および図表による描出を表示する工程であって、該1つまたは複数の行動尺度が、行動特色および神経特色の既存のマッピングにおいて使用される尺度を含む工程
をさらに含む、請求項27記載の方法。 - 少なくとも1つのプロセッサによって、患者の処置のための少なくとも1つの治療標的に関連した治療を含む推奨を生成する工程であって、該少なくとも1つの治療標的が神経治療標的である、工程
をさらに含む、請求項27記載の方法。 - コンピューティングデバイスのユーザインターフェースから、個人のメンタルヘルスまたは認知状態に対応する該個人の行動データを受け取る工程;
コンピューティングデバイスの少なくとも1つのプロセッサによって、該行動データに基づき、神経データを表す該個人についての神経特色マップを予測する工程;および
少なくとも1つのプロセッサによって、既存の患者の神経行動マッピングに対応する予め決定された神経特色マップとの該神経特色マップの類似性の量的対応を予想する工程であって、該量的対応が臨床状態の将来の発生を示す、工程
を含む、神経行動マッピングに基づいて該個人についての臨床状態を予想する方法。 - 少なくとも1つのプロセッサによって、個人が応答する可能性が高い予め決定された閾値より高い、神経特色マップとの対応を示す量的スコアを有する少なくとも1つの神経治療標的を予想する工程;および
少なくとも1つのプロセッサによって、該量的対応に基づき、該個人のための該少なくとも1つの神経治療標的に関連した治療による処置を予想する工程
をさらに含む、請求項35記載の方法。 - 少なくとも1つのプロセッサによって、個人の処置のための少なくとも1つの神経治療標的に関連した治療を決定する工程
をさらに含む、請求項36記載の方法。 - 神経特色マップが、特定のモダリティの神経データからの、所与の査定または分析からの特定の脳の位置または領域への数値の割り当てを含む、請求項35記載の方法。
- 神経特色マップが、二次元表面としての大脳皮質および/または小脳皮質ならびに適切な体積測定構造としての皮質下神経データの描出をさらに含む、請求項35記載の方法。
- 少なくとも1つのプロセッサによって、神経治療特色マップとの神経特色マップの類似性の量的対応を決定する工程であって、該神経治療特色マップが、1つもしくは複数の受容体標的に関連した薬理学的マップまたは1つもしくは複数の遺伝子発現標的に関連した遺伝子発現マップを含む、工程
をさらに含む、請求項35記載の方法。 - 個人についての神経特色マップを予測する工程が、
少なくとも1つのプロセッサによって、行動データと神経特色マップのセットとの間の少なくとも1つの関係を予測することであって、予測される神経特色マップが、該行動データとの最も高度の類似性を有する神経行動プロファイルに関連している、こと
をさらに含む、請求項35記載の方法。 - 複数の個人についての行動特色および神経特色の既存のマッピングから神経特色マップのセットを導出する工程
をさらに含む、請求項35記載の方法。 - 走査デバイスまたは記録デバイスから、個人の神経状態に対応する該個人の神経データを受け取る工程;
コンピューティングデバイスの少なくとも1つのプロセッサによって、該神経データに基づき、行動データを表す該個人についての行動特色プロファイルを予測する工程;および
少なくとも1つのプロセッサによって、既存の患者の神経行動マッピングに対応する予め決定された行動特色プロファイルとの該行動特色プロファイルの類似性の量的対応を予想する工程であって、該量的対応が臨床状態の将来の発生を示す、工程
を含む、神経行動マッピングに基づいて該個人についての臨床状態を予想する方法。 - 少なくとも1つのプロセッサによって、個人が応答する可能性が高い予め決定された閾値より高い、行動特色プロファイルとの対応を示す量的スコアを有する少なくとも1つの治療標的を予想する工程;および
少なくとも1つのプロセッサによって、量的対応に基づき、該個人のための該少なくとも1つの治療標的に関連した治療による処置を予想する工程
をさらに含む、請求項43記載の方法。 - 少なくとも1つのプロセッサによって、治療応答行動特色プロファイルとの行動特色プロファイルの類似性の量的対応を決定する工程
をさらに含む、請求項43記載の方法。 - 治療応答行動特色プロファイルが、1つまたは複数の既知の治療に応答する複数の個人における行動または症状の具体的な提示を含む、請求項45記載の方法。
- 行動特色プロファイルが、特定のドメインの行動データからの、所与の査定または分析からの1つまたは複数の数値のセットを含む、請求項43記載の方法。
- 個人についての行動特色プロファイルを予測する工程が、
少なくとも1つのプロセッサによって、神経データと行動特色プロファイルのセットとの間の少なくとも1つの関係を予測することであって、予測される行動特色プロファイルが、該神経データとの最も高度の類似性を有する神経行動プロファイルに関連している、こと
をさらに含む、請求項43記載の方法。 - 複数の個人についての行動特色および神経特色の既存のマッピングから行動特色プロファイルのセットを導出する工程
をさらに含む、請求項48記載の方法。 - コンピューティングデバイスによって、1つまたは複数の異なる時点における複数の個人の中の各個人についての神経データおよび行動データを受け取る工程;
コンピューティングデバイスの少なくとも1つのプロセッサによって、各個人についての該神経データおよび該行動データの統計分析に基づき、潜在行動特色および潜在神経特色の多次元幾何学を決定する工程;ならびに
コンピューティングデバイスの出力デバイス上に、該多次元幾何学から取得された数量化された統計的関係を保存し、表示する工程
を含む、ヒトにおける1つまたは複数の行動特色および神経特色の間をマッピングする方法。 - 潜在行動特色および潜在神経特色の多次元幾何学を決定する工程が、
1つまたは複数の潜在行動特色および潜在神経特色をマッピングするため、コンピューティングデバイスの少なくとも1つのプロセッサによって、各個人についての神経データおよび行動データの統計的関係を数量化することであって、該数量化が、各個人についての該神経データおよび該行動データの多次元分析を含む、こと
を含む、請求項50記載の方法。 - 最初に、複数の個人についての行動データのデータ縮約手続きを実施する工程
をさらに含む、請求項50記載の方法。 - 行動データが、複数の個人の中の各個人についての行動特徴を含む、請求項50記載の方法。
- 各個人についての行動特徴が、1つまたは複数の査定器機を使用した行動特色の詳細な査定に関するデータをさらに含む、請求項53記載の方法。
- 各個人についての潜在行動特色が、複数の個人の中の各個人についての、1つまたは複数の査定器機から取得された行動データの査定を使用した、データ縮約手続きから導出された情報をさらに含む、請求項50記載の方法。
- 神経データが、複数の個人の中の各個人についての侵襲的および/または非侵襲的イメージングデータのボクセル、面積、神経ネットワーク、電気生理学的記録デバイスからの電極、またはその他の区域特色などの複数の区域/領域特色を含む、請求項50記載の方法。
- 複数の個人についての潜在行動特色が、データ縮約手続きを介して導出された1つまたは複数の次元の行動データ変動を表す、請求項50記載の方法。
- 複数の個人の中の各個人について、大脳皮質および/または小脳皮質の神経データが二次元表面にマッピングされ、複数の個人の中の各個人について、皮質下神経データが適切な皮質下構造にマッピングされ、それによって、神経マップが得られる、請求項50記載の方法。
- 信号雑音比を改善するためおよびスプリアスのアーチファクト信号の発生源を減ずるため、統計的数量化の前に、神経データがクリーニングされかつ品質保証される、請求項50記載の方法。
- 神経データが、複数の神経区域についての侵襲的および/または非侵襲的方法から導出された領域要約的尺度を含む、請求項50記載の方法。
- コンピューティングデバイスによって、1つまたは複数の異なる時点における複数の患者の中の各患者についてのメンタルヘルス状態に関連した神経データおよび症状関連行動データを受け取る工程;
コンピューティングデバイスの少なくとも1つのプロセッサによって、各患者について、該神経データおよび該症状関連行動データの統計分析に基づき、潜在行動特色および潜在神経特色の多次元幾何学を決定する工程;
コンピューティングデバイスの出力デバイス上に、該多次元幾何学から取得された数量化された統計的関係を保存して表示する工程;ならびに
該多次元幾何学から臨床状態情報および/または処置関連情報を導出する工程
を含む、メンタルヘルス症状を呈する患者における1つまたは複数の行動特色および神経特色の間をマッピングする方法。 - 潜在行動特色および潜在神経特色の多次元幾何学を決定する工程が、
1つまたは複数の潜在行動特色および潜在神経特色をマッピングするため、コンピューティングデバイスの少なくとも1つのプロセッサによって、各患者についての神経データおよび行動データの統計的関係を数量化することであって、該数量化が、各患者についての該神経データおよび該症状関連行動データの多次元分析を含む、こと
を含む、請求項61記載の方法。 - 最初に、複数の患者についての症状関連行動データのデータ縮約手続きを実施する工程
をさらに含む、請求項61記載の方法。 - 症状関連行動データが、複数の個人の中の各個人についての行動特徴を含む、請求項61記載の方法。
- 各個人についての行動特徴が、1つまたは複数の査定器機を使用した行動特色の詳細な査定に関するデータをさらに含む、請求項61記載の方法。
- 各個人についての潜在行動特色が、複数の患者の中の各患者についての、1つまたは複数の査定器機から取得された行動データの症状関連臨床査定を使用した、データ縮約手続きから導出された情報をさらに含む、請求項61記載の方法。
- 神経データが、複数の患者の中の各患者についての、侵襲的および/または非侵襲的イメージングデータのボクセル、面積、神経ネットワーク、電気生理学記録デバイスからの電極、またはその他の区域特色などの複数の区域/領域特色を含む、請求項61記載の方法。
- 複数の患者についての潜在行動特色が、データ縮約手続きを介して導出された1つまたは複数の次元の行動データ変動を表す、請求項61記載の方法。
- 複数の個人の中の各個人について、大脳皮質および/または小脳皮質の神経データが二次元表面にマッピングされ、複数の個人の中の各個人について、皮質下神経データが適切な皮質下構造にマッピングされ、それによって、神経マップが得られる、請求項61記載の方法。
- 信号雑音比を改善するためおよびスプリアスのアーチファクト信号の発生源を減ずるため、統計的数量化の前に、神経データがクリーニングされかつ品質保証される、請求項61記載の方法。
- 神経データが、複数の神経区域について侵襲的および/または非侵襲的方法から導出された領域要約的尺度を含む、請求項61記載の方法。
- 神経データを取得するための神経走査デバイスもしくは神経記録デバイスおよび/または行動データを取得するための行動記録デバイスとコンピューティングデバイスとを含む、確立された神経行動マッピングの内部で個人の量的スコアを決定するためのシステムであって、
該神経走査デバイスもしくは神経記録デバイスおよび/または該行動記録デバイスが、予め決定された多次元神経行動幾何学内で、該個人についての神経潜在特色スコアおよび/または行動潜在特色スコアを出力するため、神経データおよび/または行動データを処理するよう構成されており、
該神経走査デバイスもしくは神経記録デバイスが、
該個人の脳を走査するかまたは記録し;かつ
神経データのうちの少なくとも1つを出力する
よう構成されており、
該行動記録デバイスが、
該個人の行動データを記録し;かつ
該行動データを出力する
よう構成されており、
該コンピューティングデバイスが、グラフィカルユーザインタフェース、メモリ、および少なくとも1つのプロセッサを含み、該神経走査デバイスもしくは神経記録デバイス、該行動記録デバイス、および該コンピューティングデバイスが、ネットワークを介して通信可能に連関されており、
該少なくとも1つのプロセッサが、
該神経走査デバイスもしくは神経記録デバイスからの神経データおよび/または該行動記録デバイスからの行動データを受け取り;
該個人の神経データおよび/または行動データを、潜在行動特色および潜在神経特色の予め決定された多次元神経行動幾何学へ投影し;
該グラフィカルユーザインタフェースを介して、予め決定された多次元神経行動幾何学内で、該個人の投影スコアのうちの少なくとも1つを示す出力を生成し;かつ
コンピューティングデバイスの該メモリに該スコアのうちの少なくとも1つを保存する
よう構成されている、
前記システム。 - 神経走査デバイスまたは神経記録デバイスが、磁気共鳴イメージング(MRI)デバイス、脳波(EEG)を記録するための電極デバイス、脳磁図(MEG)を記録するためのデバイス、機能的近赤外線分光法(fNIRS)のためのデバイス、または陽電子放射断層撮影(PET)のためのデバイスのうちの少なくとも1つを含む、請求項72記載のシステム。
- 行動データが、個人のメンタルヘルスまたは認知状態に関するデータを含む、請求項72記載のシステム。
- 個人について、大脳皮質および/または小脳皮質の神経データが二次元表面にマッピングされ、個人について、皮質下神経データが適切な皮質下構造にマッピングされる、請求項72記載のシステム。
- 信号雑音比を改善するためおよびスプリアスのアーチファクト信号の発生源を減ずるため、統計的数量化の前に、神経データがクリーニングされかつ品質保証される、請求項72記載のシステム。
- 個人の神経データおよび/または行動データの多次元幾何学への投影が、潜在行動特色および潜在神経特色の多次元幾何学の各軸に対応した個人の神経データおよび/または行動データの変換の算出を含む、請求項72記載のシステム。
- 少なくとも1つのプロセッサが、
行動特色および/または神経特色の既存のマッピングにおいて使用される尺度を含む1つまたは複数の行動尺度からのメンタルヘルスプロファイルの数字および図表による描出を、コンピューティングデバイスのユーザインターフェース上に表示し;かつ/または
メンタルヘルスプロファイルの数字および図表による描出に関する情報を記憶デバイスに保存する
よう構成されている、請求項72記載のシステム。 - グラフィカルユーザインタフェースを介して表示される出力が、潜在行動特色および/または潜在神経特色のうちの少なくとも1つについての予め決定された多次元神経行動幾何学内での個人の投影スコアを示す、請求項72記載のシステム。
- 少なくとも1つのプロセッサが、
個人の潜在神経特色スコアに対応する潜在神経特色マップの、所与の神経状態を示す対応する既存の神経特色マップとの類似性の量的対応を算出することによって、神経状態のうちの少なくとも1つの指摘を決定する
よう構成されており、該潜在神経特色マップが、特定のモダリティの神経データからの、所与の査定または分析からの脳の位置または領域への1つまたは複数の数値の割り当てを含み、該既存の神経状態特色マップが、神経の状態または形質のうちの少なくとも1つを含む、請求項72記載のシステム。 - 少なくとも1つのプロセッサが、
個人の潜在行動特色スコアに対応する潜在行動特色プロファイルの、所与の精神状態を示す対応する既存の行動プロファイルとの類似性の量的対応を算出することによって、行動状態の少なくとも1つの指摘を決定する
よう構成されており、該潜在行動特色プロファイルが、特定のモダリティの行動データからの、所与の行動の査定または分析からの1つまたは複数の数値を含み、該既存の行動プロファイルが、精神の状態または形質のうちの少なくとも1つを含む、請求項72記載のシステム。 - 少なくとも1つのプロセッサが、
個人の潜在神経特色スコアに対応する潜在神経特色マップの、既存の神経治療特色マップとの類似性の量的対応を算出することによって、少なくとも1つの治療を決定する
よう構成されており、該潜在神経特色マップが、特定のモダリティの神経データからの、所与の査定または分析からの脳の位置または領域への1つまたは複数の数値の割り当てを含み、該既存の神経治療特色マップが、1つもしくは複数の受容体標的に関連した薬理学的マップまたは1つもしくは複数の遺伝子発現標的に関連した遺伝子発現マップを含む、請求項72記載のシステム。 - 少なくとも1つのプロセッサが、
個人の潜在行動特色スコアに対応する潜在行動特色プロファイルの、対応する既存の行動治療プロファイルとの類似性の量的対応を算出することによって、個人のメンタルヘルス状態に関連した少なくとも1つの治療を決定する
よう構成されており、該潜在行動特色プロファイルが、特定のモダリティの行動データからの、所与の行動の査定または分析からの1つまたは複数の数値を含み、該既存の行動治療プロファイルが、治療応答を示した患者についてのメンタルヘルス情報の所与の行動の査定または分析からの1つまたは複数の数値を含む、請求項72記載のシステム。 - 少なくとも1つのプロセッサが、
個人の処置のための少なくとも1つの治療を含む推奨を生成する
よう構成されている、請求項72記載のシステム。 - 走査デバイスまたは記録デバイスから、個人の神経状態に対応する該個人の神経データを受け取る工程;
コンピューティングデバイスのユーザインターフェースから、該個人のメンタルヘルスまたは認知状態に対応する該個人の行動データを受け取る工程;
コンピューティングデバイスの少なくとも1つのプロセッサによって、該行動データに基づき、該個人についての行動特色プロファイルを決定する工程;
該神経データに基づき、該個人についての神経特色マップを決定する工程;
少なくとも1つのプロセッサによって、該行動特色プロファイルおよび/または該神経特色マップに基づき、複数の個人の中の個人の行動特色スコアおよび神経特色スコアの量的近接を決定する工程;ならびに
少なくとも1つのプロセッサによって、神経行動幾何学における量的近接に基づき、量的に類似した神経行動潜在スコアを有する個人を同定する工程
を含む、神経行動幾何学における量的近接に基づき、類似した神経行動潜在スコアを有する個人を同定する方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862642900P | 2018-03-14 | 2018-03-14 | |
US62/642,900 | 2018-03-14 | ||
PCT/US2019/022110 WO2019178271A1 (en) | 2018-03-14 | 2019-03-13 | Systems and methods for neuro-behavioral relationships in dimensional geometric embedding (n-bridge) |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021518172A true JP2021518172A (ja) | 2021-08-02 |
JPWO2019178271A5 JPWO2019178271A5 (ja) | 2022-03-22 |
Family
ID=67908520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020548646A Withdrawn JP2021518172A (ja) | 2018-03-14 | 2019-03-13 | 次元幾何学的埋め込みにおける神経行動関係(n−bridge)に関するシステムおよび方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210005306A1 (ja) |
EP (1) | EP3764904A4 (ja) |
JP (1) | JP2021518172A (ja) |
CA (1) | CA3093552A1 (ja) |
WO (1) | WO2019178271A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11037296B1 (en) | 2020-08-07 | 2021-06-15 | Omniscient Neurotechnology Pty Limited | Deriving target data from selected brain data |
CN116829050A (zh) * | 2020-09-25 | 2023-09-29 | 莱纳斯健康公司 | 用于机器学习辅助的认知评估和治疗的系统和方法 |
JP7317171B2 (ja) * | 2021-12-03 | 2023-07-28 | 株式会社Doctorbook | プログラム、情報処理装置及び情報処理方法 |
US20230360293A1 (en) * | 2022-05-06 | 2023-11-09 | Omniscient Neurotechnology Pty Limited | Visualization of complex connectome interactions |
CN116383600A (zh) * | 2023-03-16 | 2023-07-04 | 上海外国语大学 | 一种单试次脑电波信号分析方法和系统 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4862359A (en) * | 1984-08-31 | 1989-08-29 | Bio-Logic Systems Corporation | Topographical mapping of brain functionality from neuropsychological test results |
WO2005020788A2 (en) * | 2003-08-01 | 2005-03-10 | The General Hospital Corporation | Cognition analysis |
US8473043B1 (en) * | 2004-12-22 | 2013-06-25 | Neuro Wave Systems Inc. | Neuro-behavioral test method for screening and evaluating therapy for ADHD and system |
US9713444B2 (en) * | 2008-09-23 | 2017-07-25 | Digital Artefacts, Llc | Human-digital media interaction tracking |
US8794976B2 (en) * | 2009-05-07 | 2014-08-05 | Trustees Of The Univ. Of Pennsylvania | Systems and methods for evaluating neurobehavioural performance from reaction time tests |
US20130060125A1 (en) * | 2010-04-16 | 2013-03-07 | Applied Brain And Vision Sciences Inc. | Encephalography method and apparatus incorporating independent component analysis and a spectral shaping filter |
US20150045688A1 (en) * | 2013-08-10 | 2015-02-12 | Dario Nardi | Nardi neurotype profiler system |
WO2016011137A1 (en) * | 2014-07-15 | 2016-01-21 | Brigham And Women's Hospital, Inc. | Systems and methods for generating biomarkers based on multivariate classification of functional imaging and associated data |
US20220160287A1 (en) * | 2016-03-04 | 2022-05-26 | Brainsview Inc. | System, process, and devices for real-time brain monitoring |
US11490851B2 (en) * | 2016-03-14 | 2022-11-08 | Newton Howard | Neuroanalytic, neurodiagnostic, and therapeutic tools |
US20170364929A1 (en) * | 2016-06-17 | 2017-12-21 | Sanjiv Ferreira | Method and system for identifying, aggregating & transforming emotional states of a user using a temporal phase topology framework |
US10646713B2 (en) * | 2017-02-22 | 2020-05-12 | Medtronic Ardian Luxembourg S.A.R.L. | Systems, devices, and associated methods for treating patients via renal neuromodulation to reduce a risk of developing cognitive impairment |
US11704790B2 (en) * | 2017-09-26 | 2023-07-18 | Washington University | Supervised classifier for optimizing target for neuromodulation, implant localization, and ablation |
IL274548B1 (en) * | 2017-11-10 | 2024-08-01 | Lvis Corp | Efficiency and/or recommendation of a therapeutic parameter using personal data of a patient and therapeutic brain network maps |
-
2019
- 2019-03-13 CA CA3093552A patent/CA3093552A1/en active Pending
- 2019-03-13 WO PCT/US2019/022110 patent/WO2019178271A1/en unknown
- 2019-03-13 EP EP19767121.7A patent/EP3764904A4/en not_active Withdrawn
- 2019-03-13 JP JP2020548646A patent/JP2021518172A/ja not_active Withdrawn
- 2019-03-13 US US16/980,136 patent/US20210005306A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2019178271A1 (en) | 2019-09-19 |
US20210005306A1 (en) | 2021-01-07 |
CA3093552A1 (en) | 2019-09-19 |
EP3764904A4 (en) | 2022-01-19 |
EP3764904A1 (en) | 2021-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Genon et al. | How to characterize the function of a brain region | |
JP6979533B2 (ja) | 対象における神経行動学的表現型を検知、診断、予測、予知、または処置するための方法及びツール | |
Wengler et al. | Distinct hierarchical alterations of intrinsic neural timescales account for different manifestations of psychosis | |
JP2021518172A (ja) | 次元幾何学的埋め込みにおける神経行動関係(n−bridge)に関するシステムおよび方法 | |
Johnson et al. | Dynamics of cortical degeneration over a decade in Huntington’s disease | |
Cummine et al. | An examination of the rapid automatized naming–reading relationship using functional magnetic resonance imaging | |
Lee et al. | Diagnostic value of structural and diffusion imaging measures in schizophrenia | |
Moayedi et al. | Pain neuroimaging in humans: a primer for beginners and non-imagers | |
Klein-Flügge et al. | Relationship between nuclei-specific amygdala connectivity and mental health dimensions in humans | |
Carter et al. | Optimizing the design and analysis of clinical functional magnetic resonance imaging research studies | |
Jiang et al. | Brainnetome-wide association studies in schizophrenia: the advances and future | |
Prasad et al. | Structural covariance networks in schizophrenia: A systematic review Part I | |
Chase et al. | Neural mechanisms of persistent avoidance in OCD: A novel avoidance devaluation study | |
Cao et al. | Characterizing reward system neural trajectories from adolescence to young adulthood | |
Han et al. | Identification of shared and distinct patterns of brain network abnormality across mental disorders through individualized structural covariance network analysis | |
Ma et al. | Inhibitory behavioral control: a stochastic dynamic causal modeling study using network discovery analysis | |
Chen et al. | Neural biomarkers distinguish severe from mild autism spectrum disorder among high-functioning individuals | |
Park et al. | Connectome and microcircuit models implicate atypical subcortico-cortical interactions in autism pathophysiology | |
Hou et al. | Effect of NEUROG3 polymorphism rs144643855 on regional spontaneous brain activity in major depressive disorder | |
Zhang et al. | Associations of dietary patterns with brain health from behavioral, neuroimaging, biochemical and genetic analyses | |
Lin et al. | Shared and specific neurobiology in bipolar disorder and unipolar disorder: Evidence based on the connectome gradient and a transcriptome–connectome association study | |
Tillisch et al. | Neuroimaging of brain-gut interactions in functional gastrointestinal disorders | |
Zheng et al. | Neural correlates of Type A personality: Type A personality mediates the association of resting-state brain activity and connectivity with eating disorder symptoms | |
Schultebraucks et al. | Precision psychiatry approach to posttraumatic stress response | |
Zhang et al. | A hierarchical Bayesian implementation of the experience-weighted attraction model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201009 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20210222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220311 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220311 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20230123 |