JP2022188295A - 機械学習ベースの診断分類器 - Google Patents
機械学習ベースの診断分類器 Download PDFInfo
- Publication number
- JP2022188295A JP2022188295A JP2022168741A JP2022168741A JP2022188295A JP 2022188295 A JP2022188295 A JP 2022188295A JP 2022168741 A JP2022168741 A JP 2022168741A JP 2022168741 A JP2022168741 A JP 2022168741A JP 2022188295 A JP2022188295 A JP 2022188295A
- Authority
- JP
- Japan
- Prior art keywords
- machine learning
- user
- features
- mental health
- test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 166
- 230000004630 mental health Effects 0.000 claims abstract description 175
- 238000000034 method Methods 0.000 claims abstract description 134
- 238000012549 training Methods 0.000 claims abstract description 82
- 238000012216 screening Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000012360 testing method Methods 0.000 claims description 168
- 230000015654 memory Effects 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 43
- 230000004044 response Effects 0.000 claims description 27
- 238000007477 logistic regression Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 8
- 238000002790 cross-validation Methods 0.000 claims description 7
- 230000008921 facial expression Effects 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000013179 statistical model Methods 0.000 abstract description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 66
- 208000035475 disorder Diseases 0.000 description 66
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 8
- 201000000980 schizophrenia Diseases 0.000 description 8
- 208000020925 Bipolar disease Diseases 0.000 description 6
- 208000006096 Attention Deficit Disorder with Hyperactivity Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000000537 electroencephalography Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 208000036864 Attention deficit/hyperactivity disease Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 208000015802 attention deficit-hyperactivity disease Diseases 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000004797 therapeutic response Effects 0.000 description 3
- 208000007415 Anhedonia Diseases 0.000 description 2
- 206010038743 Restlessness Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000001054 cortical effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000002582 magnetoencephalography Methods 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 206010026749 Mania Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- 208000028017 Psychotic disease Diseases 0.000 description 1
- 208000003028 Stuttering Diseases 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000022257 bipolar II disease Diseases 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001505 hypomanic effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 201000006417 multiple sclerosis Diseases 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 208000035824 paresthesia Diseases 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 208000012201 sexual and gender identity disease Diseases 0.000 description 1
- 208000015891 sexual disease Diseases 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000013403 standard screening design Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
本出願は米国特許法第119条の下で、2018年5月1日に出願され「Machine Learning-Based Diagnostic Classifier」と題された米国仮出願第62/665,243号の優先権を主張し、その内容全体が参照により本明細書に組み込まれている。
本開示は概して医療診断ツールに関し、より詳細には、機械学習ベースのメンタルヘルス診断ツールのためのシステム及び方法に関する。
メンタルヘルスのスクリーニング及び診断には、クリニック内で患者と高度なトレーニングを受けた専門家との間で時間のかかる面談を行う必要がある。現在利用可能な遠隔で実施される自己評価は個別の診断カテゴリに基づく傾向があり、これは、介入を必要とする診断横断的なまたは無症状の行動変化を明らかにすることができない場合がある。
本開示の様々な例は、患者のメンタルヘルスをスクリーニングするためのシステム及び方法を対象とする。第1の実施形態では、例示的なシステムは、ディスプレイ、マイクロフォン、カメラ、メモリ、及び制御システムを含む。カメラは、ディスプレイの前の画像をキャプチャするように配置され、ビデオデータを出力するように構成される。メモリは、機械実行可能コードを含む機械可読媒体を含み、ユーザのメンタルヘルスを評価する方法を実行するための命令が記憶されている。制御システムは、メモリに結合され、1つまたは複数のプロセッサを含み、機械実行可能コードを実行する。これは、制御システムに、次の一連のステップを実行させる。
ディスプレイと、
マイクロフォンと、
前記ディスプレイの前の画像をキャプチャするように配置され、ビデオデータを出力するように構成されたカメラと、
ユーザインターフェースと、
ユーザのメンタルヘルスを評価する方法を実行するための命令が記憶された機械実行可能コードを含む機械可読媒体を含むメモリと、
1つまたは複数のプロセッサを含む、前記メモリに結合された制御システムであって、前記機械実行可能コードを実行して、前記制御システムに、
テストを開始する指示を前記ユーザインターフェースから受け取ると、前記制御システムによってテストアプリケーションを実行することと、
前記制御システムによって、前記テストを停止する指示を受け取ると、前記テストアプリケーションを終了することと、
を行わせるように構成されている、前記制御システムと、
を備え、
前記テストアプリケーションが、
各質問のテキスト及び回答を含むメンタルヘルス質問票からの一連の質問を前記ディスプレイに表示することと、
前記カメラによって記録されたライブビデオデータを前記ディスプレイに表示することと、
前記カメラによってテストビデオデータのセットを記録することと、
前記マイクロフォンによってテストオーディオデータのセットを記録することと、
回答の選択を生成するために、前記一連の質問のそれぞれに対する回答を前記ユーザインターフェースを介して受け取ることと、
前記ユーザのメンタルヘルス表示を出力するために、機械学習モデルを使用して、前記回答の選択、前記テストビデオデータのセット、及び前記オーディオデータのセットを処理すること、
を含む、
患者のメンタルヘルスをスクリーニングするためのシステム。
[本発明1002]
前記テストアプリケーションを停止する前記指示が、
前記制御システムによる、前記カメラによってキャプチャされる画像内にユーザの顔がないという判定
を含む、本発明1001のシステム。
[本発明1003]
前記マイクロフォンによって記録することが、
前記ユーザが話していると前記制御システムによって判定すると、前記記録を開始すること
をさらに含む、本発明1001のシステム。
[本発明1004]
前記制御システムが、
前記テストビデオデータのセットと前記テストオーディオデータのセットとを受け取ることと、
複数のビデオセグメントを識別するために、前記受け取ったテストビデオデータのセットを前処理することであって、各ビデオセグメントが、前記一連の質問の中の1つの質問に対応し、かつ時間ウィンドウを含む、前記前処理することと、
複数のオーディオセグメントを識別するために、前記受け取ったテストオーディオデータのセットを前処理することであって、各オーディオセグメントが、前記一連の質問の中の1つの質問に対応し、かつ時間ウィンドウを含む、前記前処理することと、
を行うようにさらに構成されている、本発明1001のシステム。
[本発明1005]
前記制御システムが、
重複する時間ウィンドウを識別するために、前記複数のオーディオセグメント及び前記複数のビデオセグメントを前処理することと、
前記識別された重複する時間ウィンドウに基づいて、統合されたオーディオ及びビデオセグメントのセットを出力することと、
を行うようにさらに構成されている、本発明1004のシステム。
[本発明1006]
前記機械学習モデルが、一般化線形モデル、回帰モデル、ロジスティック回帰モデル、及び教師あり機械学習分類モデルのうちの少なくとも1つである、本発明1001のシステム。
[本発明1007]
前記機械学習モデルが一般化線形モデルを含み、
前記一般化線形モデルが、
複数の個人のそれぞれが1つまたは複数のメンタルヘルス障害を有するか否かを示す前記複数の個人についてのラベル付きトレーニングデータを受け取ることであって、前記ラベル付きトレーニングデータが、
トレーニングテスト中に記録した前記複数の個人のそれぞれについて記録されたオーディオ及びビデオデータと、
前記複数の個人のそれぞれからの前記質問票への回答の選択と、
を含む、前記受け取ることと、
前記ラベル付きトレーニングデータから複数の特徴を決定することと、
前記複数の特徴に基づいて、教師あり様式で初期機械学習モデルをトレーニングすることと、
前記初期機械学習モデルの前記トレーニングに基づいて、前記複数の特徴のそれぞれについて重要性尺度を抽出することと、
前記複数の特徴についての前記抽出された重要性尺度に基づいて、複数のサブセット機械学習モデルを生成することと、
前記生成された複数のサブセット機械学習モデルの分類性能を評価することと、
前記サブセット機械学習モデルの少なくとも1つを前記一般化線形モデルとして選択することと、
によって生成される、本発明1001のシステム。
[本発明1008]
前記メンタルヘルス表示が、前記ユーザが複数のメンタルヘルス障害のうちの1つを有する可能性を特定し、前記複数のメンタルヘルス障害が、神経精神障害、統合失調症、及び双極性障害を含む、本発明1001のシステム。
[本発明1009]
前記メンタルヘルス表示が、前記ユーザが患者であるか健常対照であるかを識別する、本発明1001のシステム。
[本発明1010]
ディスプレイと、
マイクロフォンと、
前記ディスプレイの前の画像をキャプチャし、ビデオデータを出力するように構成されたカメラと、
ユーザインターフェースと、
方法を実行するための命令が記憶された機械実行可能コードを含む機械可読媒体を含むメモリと、
1つまたは複数のプロセッサを含む、前記メモリに結合された制御システムであって、前記機械実行可能コードを実行して、前記制御システムに、
テストを開始する指示を前記ユーザインターフェースを介して受け取り、前記テストを停止する指示を受け取るまでテストアプリケーションを実行すること、
を行わせるように構成されている、前記制御システムと、
を備え、
前記テストアプリケーションが、
前記ユーザが読むために前記ディスプレイにテキストを表示することと、
前記テスト中にテストビデオデータのセットを前記カメラによって記録することと、
前記カメラによって記録されたライブビデオデータを表示するウィンドウを前記ディスプレイに表示することと、
前記テスト中に、
前記ユーザの顔を識別する、
前記顔の複数のピクセルの全てがフレーム内にあるか否かを判定する、及び
前記顔が前記フレームの外側にある場合に前記テストを停止する
ために、前記テストビデオデータのセットを継続的に処理することと、
前記テスト中にテストオーディオデータのセットを前記マイクロフォンによって記録することと、
オーディオ及びビデオ特徴を識別するために、前記テストオーディオデータのセット及び前記テストビデオデータのセットを処理して、前記オーディオ及びビデオ特徴を前記メモリに記憶することと、
を含む、
患者のメンタルヘルスをスクリーニングするためのシステム。
[本発明1011]
前記表示されたテキストが、各質問についてのテキスト及び回答を含むメンタルヘルス質問票からの一連の質問を含む、本発明1010のシステム。
[本発明1012]
前記オーディオ及びビデオ特徴のそれぞれが、前記一連の質問の中の質問に対応する、本発明1011のシステム。
[本発明1013]
前記テストオーディオデータのセット及び前記テストビデオデータのセットを処理することが、
重複する時間ウィンドウを識別するために、前記テストオーディオデータ及び前記テストビデオデータのセットを前処理することと、
前記識別された重複する時間ウィンドウに基づいて、統合されたオーディオ及びビデオセグメントのセットを出力することと、
前記ユーザのメンタルヘルス状態を特定するために、前記統合されたオーディオ及びビデオセグメントのセットを機械学習モデルによって処理することと、
をさらに含む、本発明1010のシステム。
[本発明1014]
前記機械学習モデルが、一般化線形モデル、回帰モデル、ロジスティック回帰モデル、及び教師あり機械学習分類モデルのうちの少なくともの1つである、本発明1013のシステム。
[本発明1015]
前記機械学習モデルが一般化線形モデルを含み、
前記一般化線形モデルが、
複数の個人のそれぞれが1つまたは複数のメンタルヘルス障害を有するか否かを示す前記複数の個人についてのラベル付きトレーニングデータを受け取ることであって、前記ラベル付きトレーニングデータが、
トレーニングテスト中に記録した前記複数の個人のそれぞれについて記録されたオーディオ及びビデオデータと、
前記複数の個人のそれぞれからの前記質問票への回答の選択と、
を含む、前記受け取ることと、
前記ラベル付きトレーニングデータから複数の特徴を決定することと、
前記複数の特徴に基づいて、教師あり様式で初期機械学習モデルをトレーニングすることと、
前記初期機械学習モデルの前記トレーニングに基づいて、前記複数の特徴のそれぞれについて重要性尺度を抽出することと、
前記複数の特徴についての前記抽出された重要性尺度に基づいて、複数のサブセット機械学習モデルを生成することと、
前記生成された複数のサブセット機械学習モデルの分類性能を評価することと、
前記サブセット機械学習モデルの少なくとも1つを前記一般化線形モデルとして選択することと、
によって生成される、本発明1013のシステム。
[本発明1016]
方法を実行するための命令が記憶された機械実行可能コードを含む機械可読媒体を含むメモリと、
1つまたは複数のプロセッサを含む、前記メモリに結合された制御システムであって、前記機械実行可能コードを実行して、前記制御システムに、
メンタルヘルス質問票からの一連の質問に対するユーザからの回答を表す回答データのセットを受け取ることと、
前記ユーザがテキストを読んでいる間の前記ユーザの顔を表す、テスト中に記録されたテストビデオデータのセットを受け取ることと、
ビデオ特徴のセットを出力するために、前記テストビデオデータのセットを処理することと、
前記ユーザがテキストを読んでいる間の前記ユーザの声を表す、前記テスト中に記録されたテストオーディオデータのセットを受け取ることと、
オーディオ特徴のセットを出力するために、前記オーディオデータのセットを処理することと、
前記ユーザのメンタルヘルスの表示を出力するために、機械学習モデルを使用して、前記回答データのセット、前記ビデオ特徴のセット、及び前記オーディオ特徴のセットを処理することと、
を行わせるように構成されている、前記制御システムと、
を備える、
患者のメンタルヘルスをスクリーニングするためのシステム。
[本発明1017]
前記機械学習モデルが、一般化線形モデル、回帰モデル、ロジスティック回帰モデル、及び教師あり機械学習分類モデルのうちの少なくとも1つである、本発明1016のシステム。
[本発明1018]
前記機械学習モデルが一般化線形モデルを含み、
前記一般化線形モデルが、
複数の個人のそれぞれが1つまたは複数のメンタルヘルス障害を有するか否かを示す前記複数の個人についてのラベル付きトレーニングデータを受け取ることであって、前記ラベル付きトレーニングデータが、
トレーニングテスト中に記録した前記複数の個人のそれぞれについて記録されたオーディオ及びビデオデータと、
前記複数の個人のそれぞれからの前記質問票への回答の選択と、
を含む、前記受け取ることと、
前記ラベル付きトレーニングデータから複数の特徴を決定することと、
前記複数の特徴に基づいて、教師あり様式で初期機械学習モデルをトレーニングすることと、
前記初期機械学習モデルの前記トレーニングに基づいて、前記複数の特徴のそれぞれについて重要性尺度を抽出することと、
前記複数の特徴についての前記抽出された重要性尺度に基づいて、複数のサブセット機械学習モデルを生成することと、
前記生成された複数のサブセット機械学習モデルの分類性能を評価することと、
前記サブセット機械学習モデルの少なくとも1つを前記一般化線形モデルとして選択することと、
によって生成される、本発明1016のシステム。
[本発明1019]
プロセッサ実行可能命令またはデータの少なくとも1つを記憶する少なくとも1つの非一時的プロセッサ可読記憶媒体と、
前記少なくとも1つの非一時的プロセッサ可読記憶媒体に通信可能に結合された少なくとも1つのプロセッサと、
を備え、
動作において、前記少なくとも1つのプロセッサが、
複数の個人のそれぞれが複数のメンタルヘルス障害のうちの1つまたは複数を有するか否かを示す前記複数の個人についてのデータを含むラベル付きトレーニングデータを受け取ることであって、前記ラベル付きトレーニングデータが、
前記複数の個人に実施されたメンタルヘルス質問票への回答と、
前記複数の個人のそれぞれがデジタルディスプレイからのテキストを読んでいる間に記録されたビデオデータ及びオーディオデータであって、前記ビデオデータが、前記個人の顔を含む前記ビデオデータの部分を識別するように処理され、前記オーディオデータが、前記個人の声を表す音を識別するように処理される、前記ビデオデータ及び前記オーディオデータと、
をさらに含む、前記受け取ることと、
複数の特徴を出力するために、前記回答、前記オーディオデータ、及び前記ビデオデータを処理することと、
前記受け取ったトレーニングデータに基づいて、教師あり様式で初期機械学習モデルをトレーニングすることと、
前記トレーニングされた初期機械学習モデルから前記複数の特徴のそれぞれについて重要性尺度を抽出することと、
前記複数の特徴についての前記抽出された重要性尺度に基づいて、複数のサブセット機械学習モデルを生成することと、
前記生成された複数のサブセット機械学習モデルの分類性能を評価することと、
前記複数のサブセット機械学習モデルの少なくとも1つを診断分類器として選択することと、
前記診断分類器の前記特徴を、スクリーニングツールとして後で使用するために、前記少なくとも1つの非一時的プロセッサ可読記憶媒体に記憶することと、
を行うように構成されている、
機械学習トレーニングシステム。
[本発明1020]
前記選択されたサブセット機械学習モデルが、前記複数の特徴の一部分を含み、前記部分が、閾値を上回る重要性尺度を有する特徴から選択される、本発明1019の機械学習システム。
[本発明1021]
前記複数の特徴のうちの少なくとも20個の特徴が、前記閾値を上回る重要性尺度を有し、前記部分が少なくとも10個の特徴及び20個未満の特徴を含む、本発明1020の機械学習システム。
[本発明1022]
前記サブセット機械学習モデルのそれぞれが、前記複数の特徴の前記部分の、異なる選択を含む、本発明1020の機械学習システム。
[本発明1023]
前記診断分類器が、個人を、健康であるか、または一般的なメンタルヘルスの問題を有すると識別するメンタルヘルス表示を出力するように構成されている、本発明1019の機械学習システム。
[本発明1024]
前記診断分類器が、個人を、健康であるか、または特定のメンタルヘルスの問題を有すると識別するメンタルヘルス表示を出力するように構成されている、本発明1019の機械学習システム。
[本発明1025]
前記診断分類器が、個人を、第1の特定のメンタルヘルス障害を有するか、または第2の特定のメンタルヘルス障害を有すると識別するメンタルヘルス表示を出力するように構成されている、本発明1019の機械学習システム。
[本発明1026]
前記診断分類器が、個人のメンタルヘルス障害を発症するリスクを特定するメンタルヘルス表示を出力するように構成されている、本発明1019の機械学習システム。
[本発明1027]
前記ラベル付きトレーニングデータが、
前記複数の個人のうちの各個人について、前記個人が健康であるか否か、前記個人が一般的なメンタルヘルスの問題を有するか否か、前記個人が1つまたは複数の特定のメンタルヘルス障害を有するか否か、前記個人に一般的なメンタルヘルスの問題を発症するリスクがあるか否か、または前記個人に1つまたは複数の特定のメンタルヘルス障害を発症するリスクがあるか否か、のうちの少なくとも1つの表示
をさらに含む、本発明1019の機械学習システム。
[本発明1028]
前記初期機械学習モデルをトレーニングすることが、ロジスティック回帰を用いたk分割交差検証を使用することをさらに含む、本発明1019の機械学習システム。
[本発明1029]
前記サブセット機械学習モデルのそれぞれが、前記複数の特徴の、異なる組み合わせを含む、本発明1019の機械学習システム。
[本発明1030]
前記ラベル付きトレーニングデータが、機能的測定データまたは生理学的測定データの少なくとも1つをさらに含む、本発明1019の機械学習システム。
[本発明1031]
治療反応をテストする少なくとも1つの臨床試験における中間結果またはエンドポイント結果の少なくとも1つを評価するために、前記診断分類器の前記特徴をスクリーニングツールとして使用すること
をさらに含む、本発明1019の機械学習システム。
上記の概要は、本開示の各実施形態または全ての態様を表すことを意図するものではない。むしろ、前述の概要は、本明細書に記載の新規の態様及び特徴のうちの一部の一例を提供するにすぎない。上記の特徴及び利点、ならびに本発明の他の特徴及び利点は、本発明を実施するための代表的な実施形態及びモードの以下の詳細な説明から、付属の図面及び添付の特許請求の範囲と合わせて、より明らかになろう。
以下の説明では、様々な開示した実施態様の完全な理解を提供するために、特定の具体的な詳細を述べている。しかしながら、関連技術の当業者は、これらの具体的な詳細の1つまたは複数なしで、または他の方法、コンポーネント、材料などを用いて、実施態様が実践され得ることを認識するであろう。他の例では、コンピュータシステム、サーバコンピュータ及び/または通信ネットワークに関連するよく知られている構造については、実施態様の説明を不必要に曖昧にしないように、詳細に図示も説明もしていない。
(1)「できるだけ他の人を喜ばせたい」(tci28t)、
(2)「じっと座っていられないほど落ち着かないことがよくある」(chaphypo8)、
(3)「理由がわからず気分が幸せから悲しみに変わることがよくある」(bipolariil)、
(4)「一人でするのが楽しいこともあるが、大抵は他の人と一緒にするほうが楽しいと思う」(chapsoc8)、
(5)「私はほとんどの人よりも感傷的である」(tci55t)、
(6)「私は自分がする全てのことで優れていたい」(tci72p)、
(7)「人々は私をかなり自由奔放で自発的な人だと考えている」(mpq243)、
(8)「私は必要なもの全てを人々から真に得ることは決してないと感じている」(bipolarii26)、
(9)「なじみのない環境では、自分で驚くほど積極的で社交的なことが多い」(chaphypo7)、
(10)「私は決断を下す前に、長い間物事について考えることを好む」(tci61t)、
(11)「アイデアやひらめきが思い浮かぶのが速すぎて、全てを表現できないことがある」(chaphypo5)、
(12)「私にはたくさんの趣味がある」(dicks)、
(13)「私は自分の問題を自分自身に留めておくことを好む」(tci68t)、
(14)「私の注意は他のことに移りやすいので、長い間同じ興味を保つのは難しい」(tci35t)、
(15)「やりがいのある部分が完了した後、プロジェクトの最終的な詳細をまとめるのに苦労する頻度はどれくらいか」(finaldetail)、
(16)「簡単だとしても、仕事をゆっくり始めることを好む」(tci189p)、及び、
(17)「大抵、私はほとんどの人よりも将来何かがうまくいかないかもしれないと心配している」(tci81t)。
当業者には容易に理解されるように、これらの質問の変形も、開示したシステム及び方法で使用することができる。本開示の様々な例において、いくつかの追加の質問を使用することができ、置換的/代替的な質問を使用することができ、または質問の一部を省略することができる。
本開示では、本開示の様々な実施形態を実行するために様々なシステムを使用できることを企図している。図7Aは、図7B、図7C、図7D、図8、及び図9のそれぞれの方法720、730、740、800、及び900を含む本開示の様々な方法を実行するように構成することができる例示的なシステム700Aを提示する。具体的には、システム700Aは、ディスプレイ702、ユーザ704、カメラ706、カメラの視野706a、ユーザインターフェース708、リモートコンピューティングデバイス710、及びマイクロフォン712を含む。
図7Bは、本開示の例示的な実施態様による例示的な方法論700Bを示している。方法論700Bは、ユーザにテストを提供し、図7Aに関して上記で論じたように、システム700Aによって実施することができる。
図8は、本開示の例示的な実施態様による例示的な方法論800を示している。方法論800は、テストをユーザに実施する方法を提供し、図7Aに関して上記で論じたように、システム700Aによって実施することができる。
図9は、本開示の例示的な実施態様による例示的な方法論900を示している。方法論900は、テストをユーザに実施する方法を提供し、図7Aに関して上記で論じたように、システム700Aによって実施することができる。
本開示の様々な態様は、当業者によって容易に理解されるように、機械学習アルゴリズムによって実行することができる。一部の例では、図7Bのステップ725、方法論740、図8のステップ850、及び図9のステップ950は、教師ありまたは教師なしのアルゴリズムによって実行することができる。たとえば、システムは、(1)決定木(「DT」)、(2)ベイジアンネットワーク(「BN」)、(3)人工ニューラルネットワーク(「ANN」)、または(4)サポートベクターマシン(「SVM」)を含む、より基本的な機械学習ツールを利用し得る。他の例では、深層学習アルゴリズム、または他のより高度な機械学習アルゴリズム、たとえば、畳み込みニューラルネットワーク(「CNN」)、またはカプセルネットワーク(「CapsNet」)が使用され得る。
本明細書の開示は、任意のタイプのハードウェア及び/またはソフトウェアで実装され得ること、ならびに事前にプログラムされた汎用コンピューティングデバイスであり得ることを最初に理解されたい。たとえば、システムは、サーバ、パーソナルコンピュータ、ポータブルコンピュータ、シンクライアント、または任意の適切な1つまたは複数のデバイスを使用して実装され得る。本開示及び/またはそのコンポーネントは、単一の場所にある単一のデバイスであり得、または電気ケーブル、光ファイバーケーブルなどの任意の通信媒体を介して、または無線方式で任意の適切な通信プロトコルを使用して相互に接続される単一または複数の場所にある複数のデバイスであり得る。
上記の種々の方法及び技法は、本発明を実施するいくつかの手段を提供する。当然ながら、必ずしも記載した全ての目的または利点を、本明細書に記載した任意の特定の実施形態に従って達成できるとは限らないことを理解されたい。よって、たとえば、当業者は、本明細書で教示または示唆した他の目的または利点を必ずしも達成することなく、本明細書で教示した1つの利点または利点群を達成または最適化するように、これらの方法を実行できることを認識するであろう。様々な代替例について本明細書において言及している。一部の実施形態は、1つの、他の、またはいくつかの特徴を具体的に含むが、他のものは、1つの、他の、またはいくつかの特徴を具体的に除外し、さらに他のものは、1つの、他の、またはいくつかの有利な特徴を含めることによって特定の特徴を軽減することを理解されたい。
Claims (17)
- ディスプレイと、
マイクロフォンと、
前記ディスプレイの前の画像をキャプチャするように配置され、ビデオデータを出力するように構成されたカメラと、
ユーザインターフェースと、
ユーザのメンタルヘルスを評価する方法を実行するための命令が記憶された機械実行可能コードを含む機械可読媒体を含むメモリと、
1つまたは複数のプロセッサを含む、前記メモリに結合された制御システムであって、前記機械実行可能コードを実行して、前記制御システムに、
テストアプリケーションを実行すること
を行わせるように構成されている、前記制御システムと、
を備え、
前記テストアプリケーションは、機械可読コードを含み、前記機械可読コードは、実行されたときに、
前記カメラによって記録されたライブビデオデータを前記ディスプレイに表示することと、
前記カメラによってテストビデオデータのセットを記録することと、
前記マイクロフォンによってテストオーディオデータのセットを記録することと、
前記テストビデオデータの複数のピクセルを前記ユーザの顔に割り当てるために、前記テストビデオデータを処理することと、
前記ユーザの顔の表情を含むビデオ特徴を出力するために、前記複数のピクセルを処理することと、
前記ユーザの声を表す音を識別し、かつ、前記ユーザの声のトーンを含むオーディオ特徴を出力するために、前記テストオーディオデータを処理することと、
機械学習モデルを使用して、前記オーディオ特徴及び前記ビデオ特徴を処理することと、
前記ユーザが複数のメンタルヘルス障害の少なくとも1つを有するか否かの表示を出力することと、
を実行し、
前記機械学習モデルは決定木を含み、前記機械学習モデルは、複数の個人から記録されたオーディオデータ及びビデオデータを含みかつ前記複数の個人のそれぞれが前記複数のメンタルヘルス障害の1つを有するか否かを示すラベルを有するトレーニングデータのセットによって、事前にトレーニングされたものである、
患者のメンタルヘルスをスクリーニングするためのシステム。 - 前記マイクロフォンによって記録することが、
前記ユーザが話していると前記制御システムによって判定すると、前記記録を開始すること
をさらに含む、請求項1に記載のシステム。 - 前記制御システムが、
前記テストビデオデータのセットと前記テストオーディオデータのセットとを受け取ることと、
複数のビデオセグメントを識別するために、前記受け取ったテストビデオデータのセットを前処理することであって、各ビデオセグメントが、一連の質問の中の1つの質問に対応し、かつ時間ウィンドウを含む、前記前処理することと、
複数のオーディオセグメントを識別するために、前記受け取ったテストオーディオデータのセットを前処理することであって、各オーディオセグメントが、前記一連の質問の中の1つの質問に対応し、かつ時間ウィンドウを含む、前記前処理することと、
を行うようにさらに構成されている、請求項1に記載のシステム。 - 前記制御システムが、
重複する時間ウィンドウを識別するために、前記複数のオーディオセグメント及び前記複数のビデオセグメントを前処理することと、
前記識別された重複する時間ウィンドウに基づいて、統合されたオーディオセグメント及びビデオセグメントのセットを出力することと、
を行うようにさらに構成されている、請求項3に記載のシステム。 - ディスプレイと、
マイクロフォンと、
前記ディスプレイの前の画像をキャプチャし、ビデオデータを出力するように構成されたカメラと、
ユーザインターフェースと、
方法を実行するための命令が記憶された機械実行可能コードを含む機械可読媒体を含むメモリと、
1つまたは複数のプロセッサを含む、前記メモリに結合された制御システムであって、前記機械実行可能コードを実行して、前記制御システムに、
テストを開始する指示を前記ユーザインターフェースを介して受け取り、前記テストを停止する指示を受け取るまでテストアプリケーションを実行すること、
を行わせるように構成されている、前記制御システムと、
を備え、
前記テストアプリケーションが、
前記ユーザが読むために前記ディスプレイにテキストを表示することと、
前記テスト中にテストビデオデータのセットを前記カメラによって記録することと、
前記カメラによって記録されたライブビデオデータを表示するウィンドウを前記ディスプレイに表示することと、
前記テスト中に、
前記ユーザの顔を識別する、
前記顔の複数のピクセルの全てがフレーム内にあるか否かを判定する、及び
前記顔が前記フレームの外側にある場合に前記テストを停止する
ために、前記テストビデオデータのセットを継続的に処理することと、
前記テスト中にテストオーディオデータのセットを前記マイクロフォンによって記録することと、
前記ユーザの声のトーンを含むオーディオ特徴及び前記ユーザの顔の表情を含むビデオ特徴を識別するために、前記テストオーディオデータのセット及び前記テストビデオデータのセットを処理することと、
機械学習モデルを使用して、前記オーディオ特徴及び前記ビデオ特徴を処理することと、
前記ユーザがメンタルヘルス障害を有すると分類されるか否かに関する、前記ユーザのメンタルヘルス表示を出力することと、
を含み、
前記機械学習モデルは、複数の個人から記録されたオーディオデータ及びビデオデータを含みかつ前記複数の個人のそれぞれが複数のメンタルヘルス障害の1つを有するか否かを示すラベルを有するトレーニングデータのセットによって、事前にトレーニングされたものである、
患者のメンタルヘルスをスクリーニングするためのシステム。 - 前記表示されたテキストが、各質問についてのテキスト及び回答を含むメンタルヘルス質問票からの一連の質問を含む、請求項5に記載のシステム。
- 前記オーディオ特徴及びビデオ特徴のそれぞれが、前記一連の質問の中の質問に対応する、請求項6に記載のシステム。
- 前記テストオーディオデータのセット及び前記テストビデオデータのセットを処理することが、
重複する時間ウィンドウを識別するために、前記テストオーディオデータ及び前記テストビデオデータのセットを前処理することと、
前記識別された重複する時間ウィンドウに基づいて、統合されたオーディオセグメント及びビデオセグメントのセットを出力することと、
前記ユーザのメンタルヘルス状態を特定するために、前記統合されたオーディオセグメント及びビデオセグメントのセットを機械学習モデルによって処理することと、
をさらに含む、請求項5に記載のシステム。 - 前記機械学習モデルが、一般化線形モデル、回帰モデル、ロジスティック回帰モデル、及び教師あり機械学習分類モデルのうちの少なくともの1つである、請求項8に記載のシステム。
- 方法を実行するための命令が記憶された機械実行可能コードを含む機械可読媒体を含むメモリと、
1つまたは複数のプロセッサを含む、前記メモリに結合された制御システムであって、前記機械実行可能コードを実行して、前記制御システムに
前記ユーザがテキストを読んでいる間の前記ユーザの顔を表す、テストビデオデータのセットを受け取ることと、
前記ユーザの顔の表情のセットを含むビデオ特徴のセットを出力するために、前記テストビデオデータのセットを処理することであって、前記ビデオデータの複数のピクセルを前記ユーザの顔に割り当てることを含む、処理することと、
前記ユーザがテキストを読んでいる間の前記ユーザの声を表す、テストオーディオデータのセットを受け取ることと、
前記ユーザの声のトーンを含むオーディオ特徴のセットを出力するために、前記オーディオデータのセットを処理することであって、前記ユーザの声を表す音を識別することを含む、処理することと、
メンタルヘルス障害に関する前記ユーザのメンタルヘルスの表示を出力するために、機械学習モデルを使用して、前記ビデオ特徴のセット、及び前記オーディオ特徴のセットを処理することと、
前記ユーザがメンタルヘルス障害を有するか否かの表示を出力すること
を行わせるように構成されている、前記制御システムと、
を備える、
患者のメンタルヘルスをスクリーニングするためのシステムであって、
前記機械学習モデルは、一般化線形モデル、回帰モデル、ロジスティック回帰モデル、及び教師あり機械学習分類モデルのうちの少なくとも1つであり、前記機械学習モデルは、複数の個人から記録されたオーディオデータ及びビデオデータを含みかつ前記複数の個人のそれぞれが複数のメンタルヘルス障害の1つを有するか否かを示すラベルを有するトレーニングデータのセットによって、事前にトレーニングされたものである、
前記システム。 - プロセッサ実行可能命令またはデータの少なくとも1つを記憶する少なくとも1つの非一時的プロセッサ可読記憶媒体と、
前記少なくとも1つの非一時的プロセッサ可読記憶媒体に通信可能に結合された少なくとも1つのプロセッサと、
を備え、
動作において、前記少なくとも1つのプロセッサが、
ユーザがデジタルディスプレイからのテキストを読んでいる間に記録されたビデオデータ及びオーディオデータであって、前記ビデオデータが、前記ユーザの顔を含む前記ビデオデータの部分の第1のセットを識別するように処理され、前記オーディオデータが、前記ユーザの声を表す音を含む部分の第2のセットを識別するように処理される、前記ビデオデータ及び前記オーディオデータを、受け取ることと、
前記部分の第1のセットに由来する前記ユーザの顔の表情に関する第1の特徴のセット及び前記部分の第2のセットからの前記ユーザの声のトーンに関する第2の特徴のセットを含む、複数の特徴を出力するために、前記オーディオデータ、及び前記ビデオデータを処理することと、
前記ユーザがメンタルヘルス障害を有するか否かの表示を出力するために、前記第1の特徴のセット及び前記第2の特徴のセットを機械学習モデルで処理することと、
を行うように構成されている、
機械学習トレーニングシステムであって、
前記機械学習モデルは、複数の個人からのラベル付きオーディオデータ及びビデオデータであって、メンタルヘルス質問票に対する返答に基いて前記複数の個人がメンタルヘルス障害を有するか否かを示すラベルを有する前記ラベル付きオーディオデータ及びビデオデータによって、事前にトレーニングされた、一般化線系モデルを含む、
前記機械学習トレーニングシステム。 - 前記ラベル付きトレーニングデータが、機能的測定データまたは生理学的測定データの少なくとも1つをさらに含む、請求項11に記載の機械学習システム。
- 前記機械学習モデルが、
複数の個人のそれぞれが1つ又は複数のメンタルヘルス障害を有するか否かを示す、前記複数の個人についてのラベル付きトレーニングデータを受け取ることであって、前記ラベル付きトレーニングデータが、
トレーニングテスト中に記録した前記複数の個人のそれぞれについて記録されたオーディオデータ及びビデオデータ
を含む、前記受け取ることと、
前記ラベル付きトレーニングデータから複数の特徴を決定することと、
前記複数の特徴に基づいて、教師あり様式で初期機械学習モデルをトレーニングすることと、
前記初期機械学習モデルの前記トレーニングに基づいて、前記複数の特徴のそれぞれについて重要性尺度を抽出することと、
前記複数の特徴についての前記抽出された重要性尺度に基づいて、複数のサブセット機械学習モデルを生成することと、
前記生成された複数のサブセット機械学習モデルの分類性能を評価することと、
前記サブセット機械学習モデルの少なくとも1つを前記機械学習モデルとして選択することと、
によって生成される、請求項11に記載の機械学習システム。 - 前記選択されたサブセット機械学習モデルが、前記複数の特徴の一部分を含み、前記部分が、閾値を上回る重要性尺度を有する特徴から選択される、請求項13に記載の機械学習システム。
- 前記複数の特徴のうちの少なくとも20個の特徴が、閾値を上回る重要性尺度を有し、前記複数の特徴の前記部分が少なくとも10個の特徴及び20個未満の特徴を含む、請求項14に記載の機械学習システム。
- 前記サブセット機械学習モデルのそれぞれが、前記複数の特徴の前記部分の、異なる選択を含む、請求項14に記載の機械学習システム。
- 前記初期機械学習モデルをトレーニングすることが、ロジスティック回帰を用いたk分割交差検証を使用することをさらに含む、請求項13に記載の機械学習システム。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862665243P | 2018-05-01 | 2018-05-01 | |
US62/665,243 | 2018-05-01 | ||
PCT/US2019/030149 WO2019213221A1 (en) | 2018-05-01 | 2019-05-01 | Machine learning-based diagnostic classifier |
JP2020561043A JP7165207B2 (ja) | 2018-05-01 | 2019-05-01 | 機械学習ベースの診断分類器 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020561043A Division JP7165207B2 (ja) | 2018-05-01 | 2019-05-01 | 機械学習ベースの診断分類器 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022188295A true JP2022188295A (ja) | 2022-12-20 |
Family
ID=68385492
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020561043A Active JP7165207B2 (ja) | 2018-05-01 | 2019-05-01 | 機械学習ベースの診断分類器 |
JP2022168741A Pending JP2022188295A (ja) | 2018-05-01 | 2022-10-21 | 機械学習ベースの診断分類器 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020561043A Active JP7165207B2 (ja) | 2018-05-01 | 2019-05-01 | 機械学習ベースの診断分類器 |
Country Status (5)
Country | Link |
---|---|
US (5) | US11715564B2 (ja) |
EP (1) | EP3787481B1 (ja) |
JP (2) | JP7165207B2 (ja) |
CA (1) | CA3098131A1 (ja) |
WO (1) | WO2019213221A1 (ja) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3787481B1 (en) | 2018-05-01 | 2023-08-23 | Neumora Therapeutics, Inc. | Machine learning-based diagnostic classifier |
US20190385711A1 (en) | 2018-06-19 | 2019-12-19 | Ellipsis Health, Inc. | Systems and methods for mental health assessment |
EP3811245A4 (en) | 2018-06-19 | 2022-03-09 | Ellipsis Health, Inc. | MENTAL HEALTH ASSESSMENT SYSTEMS AND METHODS |
US11103171B2 (en) | 2018-10-23 | 2021-08-31 | BlackThor Therapeutics, Ine. | Systems and methods for screening, diagnosing, and stratifying patients |
EP3921850A1 (en) * | 2019-02-06 | 2021-12-15 | AIC Innovations Group, Inc. | Biomarker identification |
US20220189181A1 (en) * | 2019-02-25 | 2022-06-16 | Koninklijke Philips N.V. | Determining a relative cognitive capability of a subject |
AU2020248351A1 (en) * | 2019-03-22 | 2021-11-11 | Cognoa, Inc. | Personalized digital therapy methods and devices |
US20210183481A1 (en) | 2019-12-17 | 2021-06-17 | Mahana Therapeutics, Inc. | Method and system for remotely monitoring the psychological state of an application user based on average user interaction data |
US11562828B2 (en) | 2019-12-26 | 2023-01-24 | Kpn Innovations, Llc. | Methods and systems for customizing treatments |
US11687778B2 (en) | 2020-01-06 | 2023-06-27 | The Research Foundation For The State University Of New York | Fakecatcher: detection of synthetic portrait videos using biological signals |
CA3174390A1 (en) * | 2020-04-03 | 2021-10-07 | Aifred Health | Systems and methods for treatment selection |
US11726784B2 (en) | 2020-04-09 | 2023-08-15 | Micron Technology, Inc. | Patient monitoring using edge servers having deep learning accelerator and random access memory |
US11388365B2 (en) * | 2020-06-30 | 2022-07-12 | Microsoft Technology Licensing, Llc | Video profile creation system |
US20220044108A1 (en) * | 2020-08-06 | 2022-02-10 | Micron Technology, Inc. | Real time medical image processing using deep learning accelerator with integrated random access memory |
US20230363679A1 (en) * | 2020-09-17 | 2023-11-16 | The Penn State Research Foundation | Systems and methods for assisting with stroke and other neurological condition diagnosis using multimodal deep learning |
CN112185558A (zh) * | 2020-09-22 | 2021-01-05 | 珠海中科先进技术研究院有限公司 | 基于深度学习的心理健康及康复评定方法、装置及介质 |
CN112231477B (zh) * | 2020-10-20 | 2023-09-22 | 淮阴工学院 | 一种基于改进胶囊网络的文本分类方法 |
KR102513645B1 (ko) * | 2021-01-05 | 2023-03-27 | 주식회사 제네시스랩 | 기계학습모델을 이용하여 우울증예비진단정보를 제공하는 방법, 시스템 및 컴퓨터-판독가능 매체 |
US20220300993A1 (en) * | 2021-03-18 | 2022-09-22 | Jio Platforms Limited | System and method for conducting a survey by a survey bot |
US20220310215A1 (en) * | 2021-03-29 | 2022-09-29 | Bend Health, Inc. | Mental health platform |
KR102518690B1 (ko) * | 2021-08-26 | 2023-04-05 | 한국로봇융합연구원 | 학습 모델 기반의 발달 장애 조기 선별을 위한 데이터를 정제하기 위한 장치 및 이를 위한 방법 |
US20230063441A1 (en) * | 2021-09-01 | 2023-03-02 | Emed Labs, Llc | Image processing and presentation techniques for enhanced proctoring sessions |
WO2023049354A1 (en) * | 2021-09-23 | 2023-03-30 | Behavidence Inc. | System and method of monitoring mental health conditions |
GB202116425D0 (en) * | 2021-11-15 | 2021-12-29 | Limbic Ltd | User triage diagnosis method and system |
CN114224288B (zh) * | 2021-12-13 | 2023-10-31 | 中国人民解放军军事科学院军事医学研究院 | 检测癫痫脑电信号的微型胶囊神经网络训练方法及设备 |
KR102454737B1 (ko) * | 2021-12-17 | 2022-10-19 | 주식회사 하이 | 심리 상태 분류 서버, 단말기, 심리 상태 분류 방법, 및 심리 상태 분류 서비스를 제공하는 방법 |
CN114564990B (zh) * | 2022-02-28 | 2024-02-20 | 合肥工业大学 | 一种基于多通道反馈胶囊网络的脑电信号分类方法 |
WO2023178437A1 (en) * | 2022-03-25 | 2023-09-28 | Nuralogix Corporation | System and method for contactless predictions of vital signs, health risks, cardiovascular disease risk and hydration from raw videos |
US20230317246A1 (en) * | 2022-04-01 | 2023-10-05 | BeMe Health, Inc. | System and method for facilitating mental health assessment and enhancing mental health via facial recognition |
Family Cites Families (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5660176A (en) | 1993-12-29 | 1997-08-26 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system |
AU2003204909B2 (en) | 2002-06-28 | 2005-06-23 | Pathfinder Psychological Consultancy Pty Ltd | Computer-aided system and method for self-assessment and personalised mental health consultation |
US8064662B2 (en) | 2006-07-17 | 2011-11-22 | Siemens Medical Solutions Usa, Inc. | Sparse collaborative computer aided diagnosis |
WO2009103156A1 (en) | 2008-02-20 | 2009-08-27 | Mcmaster University | Expert system for determining patient treatment response |
US20090307179A1 (en) | 2008-03-19 | 2009-12-10 | Brandon Colby | Genetic analysis |
US11562323B2 (en) * | 2009-10-01 | 2023-01-24 | DecisionQ Corporation | Application of bayesian networks to patient screening and treatment |
WO2011047358A1 (en) | 2009-10-15 | 2011-04-21 | Crescendo Bioscience | Biomarkers and methods for measuring and monitoring inflammatory disease activity |
US20130245396A1 (en) * | 2010-06-07 | 2013-09-19 | Affectiva, Inc. | Mental state analysis using wearable-camera devices |
WO2013006704A1 (en) | 2011-07-05 | 2013-01-10 | Hunt Robert Don | Systems and methods for clinical evaluation of psychiatric disorders |
NZ624695A (en) | 2011-10-24 | 2016-03-31 | Harvard College | Enhancing diagnosis of disorder through artificial intelligence and mobile health technologies without compromising accuracy |
US20130337420A1 (en) * | 2012-06-19 | 2013-12-19 | International Business Machines Corporation | Recognition and Feedback of Facial and Vocal Emotions |
US10102341B2 (en) | 2012-08-16 | 2018-10-16 | Ginger.io, Inc. | Method for managing patient quality of life |
US10068060B2 (en) * | 2012-08-16 | 2018-09-04 | Ginger.io, Inc. | Method for modeling behavior and psychotic disorders |
CN103903074B (zh) * | 2012-12-24 | 2018-10-30 | 华为技术有限公司 | 一种视频交流的信息处理方法及装置 |
US9579457B2 (en) | 2013-03-15 | 2017-02-28 | Flint Hills Scientific, L.L.C. | Method, apparatus and system for automatic treatment of pain |
EP3000088A4 (en) | 2013-05-23 | 2018-06-27 | Iphenotype LLC | Method and system for maintaining or improving wellness |
US9626493B2 (en) * | 2013-06-08 | 2017-04-18 | Microsoft Technology Licensing, Llc | Continuous digital content protection |
WO2015018517A1 (en) * | 2013-08-05 | 2015-02-12 | Mr. PD Dr. NIKOLAOS KOUTSOULERIS | Adaptive pattern recognition for psychosis risk modelling |
US10874340B2 (en) * | 2014-07-24 | 2020-12-29 | Sackett Solutions & Innovations, LLC | Real time biometric recording, information analytics and monitoring systems for behavioral health management |
WO2016028495A1 (en) | 2014-08-22 | 2016-02-25 | Sri International | Systems for speech-based assessment of a patient's state-of-mind |
EP3229684B1 (en) | 2014-12-08 | 2020-04-01 | Rutgers, The State University of New Jersey | Methods for measuring physiologically relevant motion |
US10176163B2 (en) * | 2014-12-19 | 2019-01-08 | International Business Machines Corporation | Diagnosing autism spectrum disorder using natural language processing |
US20160224763A1 (en) | 2015-01-18 | 2016-08-04 | Discharge IQ, Inc. | Method and system for remote patient monitoring, communications and notifications to reduce readmissions |
CN104657929A (zh) | 2015-02-25 | 2015-05-27 | 潘晓东 | 基于多媒体的认知心理健康状况并行测试的方法及系统 |
WO2017003547A1 (en) | 2015-06-30 | 2017-01-05 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Method and system for a mobile health platform |
US20170018007A1 (en) | 2015-07-15 | 2017-01-19 | Edmond Defrank | Integrated mobile device management system |
WO2017106770A1 (en) | 2015-12-18 | 2017-06-22 | Cognoa, Inc. | Platform and system for digital personalized medicine |
JP6590689B2 (ja) | 2015-12-25 | 2019-10-16 | キヤノン株式会社 | 検査システム、携帯情報端末および検査方法 |
US20170262609A1 (en) | 2016-03-08 | 2017-09-14 | Lyra Health, Inc. | Personalized adaptive risk assessment service |
WO2017210502A1 (en) | 2016-06-03 | 2017-12-07 | Yale University | Methods and apparatus for predicting depression treatment outcomes |
JP2018015327A (ja) | 2016-07-28 | 2018-02-01 | 株式会社リコー | 診断装置、診断方法、プログラム |
DE112017004740T5 (de) * | 2016-09-21 | 2019-09-05 | Trayt Inc. | Plattform zur bewertung und behandlung von individuen durch die beschaffung von informationen von gruppen von ressourcen |
WO2018074996A1 (en) | 2016-10-17 | 2018-04-26 | Morehouse School Of Medicine | Mental health assessment method and kiosk-based system for implementation |
WO2018090009A1 (en) * | 2016-11-14 | 2018-05-17 | Cognoa, Inc. | Methods and apparatus for evaluating developmental conditions and providing control over coverage and reliability |
WO2018148365A1 (en) * | 2017-02-09 | 2018-08-16 | Cognoa, Inc. | Platform and system for digital personalized medicine |
BR112019019157A2 (pt) | 2017-03-17 | 2020-04-14 | Blackthorn Therapeutics Inc | antagonistas de receptor de capa-opiode e produtos e métodos relacionados aos mesmos |
US20180342329A1 (en) * | 2017-05-24 | 2018-11-29 | Happie Home, Inc. | Happie home system |
EP3692547B1 (en) | 2017-10-02 | 2024-01-03 | Neumora Therapeutics, Inc. | Methods and tools for detecting a neurobehavioral phenotype in a subject |
JP2020537579A (ja) * | 2017-10-17 | 2020-12-24 | ラオ、サティシュ | 神経障害を識別及び監視するための機械学習ベースのシステム |
US20190117143A1 (en) * | 2017-10-23 | 2019-04-25 | Massachusetts Institute Of Technology | Methods and Apparatus for Assessing Depression |
US10789456B2 (en) * | 2017-12-28 | 2020-09-29 | Adobe Inc. | Facial expression recognition utilizing unsupervised learning |
US10375187B1 (en) * | 2018-01-23 | 2019-08-06 | Todd Jeremy Marlin | Suicide and alarming behavior alert/prevention system |
US20190239791A1 (en) * | 2018-02-05 | 2019-08-08 | Panasonic Intellectual Property Management Co., Ltd. | System and method to evaluate and predict mental condition |
EP3787481B1 (en) | 2018-05-01 | 2023-08-23 | Neumora Therapeutics, Inc. | Machine learning-based diagnostic classifier |
US20190385711A1 (en) | 2018-06-19 | 2019-12-19 | Ellipsis Health, Inc. | Systems and methods for mental health assessment |
WO2020047253A1 (en) | 2018-08-31 | 2020-03-05 | Blackthorn Therapeutics, Inc. | Multimodal biomarkers predictive of transdiagnostic symptom severity |
EP3844780A4 (en) | 2018-08-31 | 2022-06-22 | Blackthorn Therapeutics, Inc. | SYSTEM AND METHODS FOR IDENTIFICATION OF DIAGNOSTIC FEATURES IN MENTAL HEALTH DISORDERS |
-
2019
- 2019-05-01 EP EP19796930.6A patent/EP3787481B1/en active Active
- 2019-05-01 WO PCT/US2019/030149 patent/WO2019213221A1/en unknown
- 2019-05-01 CA CA3098131A patent/CA3098131A1/en active Pending
- 2019-05-01 US US16/400,312 patent/US11715564B2/en active Active
- 2019-05-01 JP JP2020561043A patent/JP7165207B2/ja active Active
- 2019-07-17 US US16/514,879 patent/US11139083B2/en active Active
-
2021
- 2021-09-01 US US17/446,633 patent/US11676732B2/en active Active
-
2022
- 2022-10-21 JP JP2022168741A patent/JP2022188295A/ja active Pending
-
2023
- 2023-05-02 US US18/311,087 patent/US20230343463A1/en active Pending
- 2023-06-14 US US18/209,866 patent/US20230343461A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US11715564B2 (en) | 2023-08-01 |
US11676732B2 (en) | 2023-06-13 |
EP3787481A1 (en) | 2021-03-10 |
JP2021523441A (ja) | 2021-09-02 |
CA3098131A1 (en) | 2019-11-07 |
US20190341152A1 (en) | 2019-11-07 |
US20190355474A1 (en) | 2019-11-21 |
JP7165207B2 (ja) | 2022-11-02 |
US20230343463A1 (en) | 2023-10-26 |
WO2019213221A1 (en) | 2019-11-07 |
EP3787481B1 (en) | 2023-08-23 |
US11139083B2 (en) | 2021-10-05 |
US20210398685A1 (en) | 2021-12-23 |
US20230343461A1 (en) | 2023-10-26 |
EP3787481A4 (en) | 2022-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7165207B2 (ja) | 機械学習ベースの診断分類器 | |
CN108780663B (zh) | 数字个性化医学平台和系统 | |
US20220392637A1 (en) | Multimodal dynamic attention fusion | |
US10918331B2 (en) | Method and apparatus for determining health status | |
JP2022505676A (ja) | 患者のスクリーニング、診断、及び層別化のためのシステム及び方法 | |
JP7311637B2 (ja) | 認知トレーニング及び監視のためのシステム及び方法 | |
Javed et al. | Artificial intelligence for cognitive health assessment: State-of-the-art, open challenges and future directions | |
WO2022232382A1 (en) | Multi-modal input processing | |
Derbali et al. | Autism spectrum disorder detection: Video games based facial expression diagnosis using deep learning | |
JP2022548966A (ja) | 行動障害、発達遅延、および神経学的障害の効率的な診断 | |
CA3157380A1 (en) | Systems and methods for cognitive diagnostics for neurological disorders: parkinson's disease and comorbid depression | |
US11972336B2 (en) | Machine learning platform and system for data analysis | |
KR20210142921A (ko) | 안면 표정 인식을 이용한 기분장애 진단을 위한 정보 제공 방법 | |
US20230411008A1 (en) | Artificial intelligence and machine learning techniques using input from mobile computing devices to diagnose medical issues | |
US20220230755A1 (en) | Systems and Methods for Cognitive Diagnostics for Neurological Disorders: Parkinson's Disease and Comorbid Depression | |
Kumar et al. | Automatic Grading System of Parkinson's Disease using Smart App for Remote Monitoring System | |
US20210319893A1 (en) | Avatar assisted telemedicine platform systems, methods for providing said systems, and methods for providing telemedicine services over said systems | |
Fadhel | Expect the Behavior of Autism Spectrum Disorder at children Using Deep learning | |
Du et al. | GAME: Generalized deep learning model towards multimodal data integration for early screening of adolescent mental disorders | |
Irfan et al. | Machine learning in neurological disorders: A multivariate LSTM and AdaBoost approach to Alzheimer's disease time series analysis | |
Kyriazakos et al. | The Role of Big Data and Artificial Intelligence in Clinical Research and Digital |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221118 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221118 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20230817 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240130 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20240216 |