JP2022548966A - 行動障害、発達遅延、および神経学的障害の効率的な診断 - Google Patents

Abstract

【解決手段】本明細書に記載されるのは、行動障害、発達遅延、および神経学的障害の子供などの個人を評価するために使用されるソフトウェアである。具体的に、本明細書に記載されるのは、１つ以上の行動障害、発達遅延、および神経学的障害の個人の陽性または陰性診断を支援するために分析するように使用される方法、装置、システム、およびプラットフォームと共に使用するように構成されるソフトウェアである。【選択図】図１

Description

相互参照
本出願は、２０１９年９月３０日に出願された米国仮特許出願第６２／９０８，４７８号の利益を主張するものであり、その全体の開示は、参照により本明細書に組み込まれる。

子どもを含む多くの個人は、行動障害、発達遅延、および神経学的障害を患っている。これらの疾病の例は注意欠陥多動障害（「ＡＤＨＤ」）、自閉症（自閉症スペクトラム障害を含む）、および発話障害を含む。

医療提供者は一般的に、アンケートと臨床医のインタビューなどの従来の観察技術を使用して、行動障害、発達遅延、および神経学的障害を評価する。

本明細書に記載されるのは、行動障害、発達遅延、および神経学的障害の子供などの個人を評価するために使用される方法、装置、システム、ソフトウェア、およびプラットフォームである。具体的に、本明細書に記載されるのは、１つ以上の行動障害、発達遅延、および神経学的障害を有する個人を診断する精度と効率を増大させるために使用される方法、装置、システム、ソフトウェア、およびプラットフォームである。１つ以上の行動障害、発達遅延、および神経学的障害の個人を評価するための従来技術と比較して、本明細書に記載される方法、装置、システム、ソフトウェア、およびプラットフォームは、個人に特異的な入力データを評価し、同等の精度の診断を達成するために問診の数を減らす。本明細書に記載される進歩性のある方法、装置、システム、ソフトウェア、およびプラットフォームは、行動障害、発達遅延、および神経学的障害を含むメンタルヘルス疾病を患う個人への処置を提供するために少なくとも部分的に設計されている。

伝統的に、アンケートおよび臨床医のインタビューは、行動障害、発達遅延、および神経学的障害を患う患者を診断するために使用される。臨床医インタビューは、時間と資源の点から高価であり、複数のインタビューがしばしば必要とされる。導き出されたデータの品質は対象の注意持続時間と参加意欲に依存するため、アンケートデータは同様に問題があることがある。その結果、アンケートデータは不完全あるいは低い品質になり得る。

伝統的に、行動障害、発達遅延、および神経学的障害は評価するのが難しく、これらの疾病型の関連性によって正確に効率的に評価するのが特に難しい。すなわち、各疾病型カテゴリー（つまり行動障害、発達遅延、および神経学的障害）は、複数の疾病型を含み、疾病型は典型的に同じ疾病型カテゴリー内および異なる病型カテゴリーにわたって関連付けられ、そうすることで疾病型は１つ以上の重複する症状または他の識別子を有するようになる。すなわち、ある行動障害、発達遅延、および神経学的障害は典型的に、それらを区別することを困難にする重複する症状を有する。例えば、行動障害ＡＤＨＤは言葉の遅れの発達障害と重複する症状を有する。

各単一の疾病型カテゴリー（つまり行動障害、発達遅延、および神経学的障害）内の疾病は、それらが１つ以上の重複する症状または他の識別子を有するように、関連づけられる傾向がある。例えば、自閉症などの第一の発達遅延は、言葉の遅れなどの第２の発達遅延と重複している。その結果、自閉症は従来技術を使用して、言葉の遅れから分化するのが難しくなり得、その結果、個人が正しくない診断を受ける可能性をもたらす。同様に、両方の発達遅延（つまり自閉症および言葉の遅れ）を有する個人は、片方の発達遅延があるともう片方の発達遅延が見逃され得る可能性があるため、両方ではなく片方の発達遅延のみ診断され得る（つまり自閉症の診断をされた個人で言葉の遅れが見逃されたりその逆もある）。

同様に、複数の疾病型カテゴリー内の疾病型は、それらが１つ以上の重複する症状または他の識別子を有するように、関連づけられる傾向がある。例えば、一種の行動障害、ＡＤＨＤは、一種の発達遅延、自閉症と重複する傾向がある。その結果、ＡＤＨＤは従来技術を使用して、自閉症から分化するのが難しくなり得、その結果、個人が正しくない診断を受ける可能性をもたらす。同様に、ＡＤＨＤと自閉症の両方を有する個人は、片方の発達遅延があるともう片方の発達遅延が見逃され得る可能性があるため、両方ではなく片方のみ診断され得る（つまりＡＤＨＤの診断をされた個人で自閉症が見逃されたりその逆もある）。

行動障害、発達遅延、および神経学的障害の疾病型カテゴリーから選択された少なくとも１つの疾病型を有する個人を評価するための従来技術は典型的に、しばしば様々な検査発見物を含む複数の種類のデータの採取を伴う個人の繰り返された評価を含む。例えば、従来技術は、個人および／または彼らの世話人に与えられる比較的長い質問のセットを含み得る。従って、評価された（上に説明されたように）疾病型の関連性による不正確性に加えて、従来技術は典型的に時間がかかり非効率的である。

加えて、従来のアプローチは、多くの方法で非効率的な傾向がある。例えば、行動障害、発達遅延、および神経学的障害を診断する従来の機器は、典型的に長いセッションにわたって多くの質問を尋ねることが含まれるが、尋ねられた多くの質問はしばしば、診断の観点から有用ではない。すなわち、実例となる例については、何人かの患者の１５０項目を含む質問では、わずかな項目のみが診断可能であるが、その他の質問は冗長であるか、全ての場合において、前の質問に対して与えられた特定の回答を考慮すると、最小限の有用性しかない。

従来技術とは対照的に、本明細書に記載されるのは、行動障害、発達遅延、および神経学的障害の疾病型カテゴリーから選択される少なくとも１つの疾病型について、個人を正確に効率的に評価するための方法、装置、システム、ソフトウェア、およびプラットフォームである。より具体的には、本明細書に記載されるのは、正確な診断を行うのに必要な質問（または他のプロンプト）の数を減らすことによって、観察、セッション、および／またはアンケートの長さを低減するための方法、装置、システム、ソフトウェア、およびプラットフォームである。さらに本明細書に記載されるのは、複数の兆候をもつ個人の診断および重複する症状を有する複数の兆候をもつ個人の診断の精度を増大させるための方法、装置、システム、ソフトウェア、およびプラットフォームである。

本明細書に記載されるのは、個人を評価するためのコンピュータ実施方法であって、前記方法は、診断用機器と関連する入力を受け取る工程、複数の疾病の各々を有する前記個人の尤度のモデルを生成する工程、受け取り時に前記モデルの不確実性の基準を低減する次の入力を特定する工程、および、前記次の入力の結果を受け取る工程、を含む方法。いくつかの実施形態では、前記入力は特定の質問である。いくつかの実施形態では、前記入力は特定のアンケートである。いくつかの実施形態では、前記アンケートは完全版のアンケートの短縮版である。いくつかの実施形態では、前記方法は、前記複数の疾病の１つを有するものとして前記個人の分類を決定する工程を含む。いくつかの実施形態では、前記分類は前記診断用機器からの項目のサブセットに基づく。いくつかの実施形態では、前記入力は前記個人の世話人によって提供される回答を含む。いくつかの実施形態では、前記入力は映像評価、映像アンケート、記述式アンケート、アンケートの音声記録、または非映像アンケートを含む。いくつかの実施形態では、複数の疾病は神経学的定型および決定的でないものを含む。いくつかの実施形態では、前記モデルはモンテカルロ方法を使用して生成される。いくつかの実施形態では、前記モデルは機械学習モデルを使用して生成される。いくつかの実施形態では、前記機械学習モデルは分類子を含む。いくつかの実施形態では、前記モデルは、行動障害、発達遅延、または神経学的障害の既知の陽性または陰性診断を有する複数の個人に対して尋ねられた少なくとも１つの質問を使用して生成される。いくつかの実施形態では、前記モデルは、行動障害、発達遅延、または神経学的障害の既知の陽性または陰性診断を有する個人から受け取った回答を使用して生成される。いくつかの実施形態では、前記方法は、前記複数の疾病の１つを含む前記個人の分類を決定する工程を含む。いくつかの実施形態では、前記方法は、前記分類が出力されるべきかどうかまたは追加の入力が必要とされるかどうかを決定する工程を含む。いくつかの実施形態では、前記追加の分析は、前記分類の不確実性が前記追加の分析物を実行するコストに関して考慮される場合に実行される。いくつかの実施形態では、前記方法は前記疾病の各々についてペナルティスコアを決定する工程を含む。いくつかの実施形態では、前記複数の疾病の１つを含む前記個人の分類は、前記ペナルティスコアがペナルティゲート内である場合のみ出力される。いくつかの実施形態では、前記方法は、前記複数の疾病の１つを含む前記個人の分類を決定する工程、および前記個人に薬物治療を提供することによって前記分類に基づいて前記個人を処置する工程を含む。いくつかの実施形態では、前記方法は、前記複数の疾病の１つを含む前記個人の分類を決定する工程、および前記個人にデジタル治療を提供することによって前記分類に基づいて前記個人を処置する工程を含む。いくつかの実施形態では、前記複数の疾病は、広汎性発達障害（ＰＤＤ）、自閉症スペクトラム障害（ＡＳＤ）、社会的コミュニケーション障害、限定された反復行動、興味、および活動（ＲＲＢ）、自閉症（「古典的自閉症」）、アスペルガー症候群（「高機能自閉症」）、特に指定されていないＰＤＤ（ＰＤＤ－ＮＯＳ、「非定型自閉症」）、注意欠陥障害（ＡＤＤ）、注意欠陥多動性障害（ＡＤＨＤ）、言葉および言語の遅れ、強迫性障害（ＯＣＤ）、うつ病、統合失調症、アルツハイマー病、痴呆、知的障害、または学習障害の２つ以上を含む。いくつかの実施形態では、前記複数の疾病は自閉症スペクトラム障害を含む。

本明細書に記載されるのは、個人を評価するためのシステムであって、前記システムは、プロセッサと、前記プロセッサに診断用機器と関連する入力を受け取らせ、複数の疾病の各々を有する前記個人の尤度のモデルを生成させ、受け取り時に前記モデルの不確実性を低減する次の入力を特定させ、そして前記次の入力を受け取らせるように、構成されたソフトウェアを含む非一時的なコンピュータ可読媒体を含む。いくつかの実施形態では、前記入力はアンケートに対する反応である。いくつかの実施形態では、前記アンケートは完全版のアンケートの短縮版である。いくつかの実施形態では、前記ソフトウェアはさらに、前記プロセッサに、前記複数の疾病の１つを有するものとして前記個人の分類を決定させることができる。いくつかの実施形態では、前記分類は前記診断用機器からの項目のサブセットに基づく。いくつかの実施形態では、前記入力は前記個人の世話人によって提供される回答を含む。いくつかの実施形態では、前記入力は映像評価、映像アンケート、記述式アンケート、アンケートの音声記録、または非映像アンケートを含む。いくつかの実施形態では、複数の疾病は神経学的定型および決定的でないものを含む。いくつかの実施形態では、次の要求された入力はモンテカルロ方法を使用して決定される。いくつかの実施形態では、前記モデルは機械学習モデルを使用して生成される。いくつかの実施形態では、前記機械学習モデルは分類子を含む。いくつかの実施形態では、前記モデルは、行動障害、発達遅延、または神経学的障害の既知の陽性または陰性診断を有する複数の個人に対して尋ねられた少なくとも１つの質問を使用して生成される。いくつかの実施形態では、前記モデルは、行動障害、発達遅延、または神経学的障害の既知の陽性または陰性診断を有する個人から受け取った回答を使用して生成される。いくつかの実施形態では、前記ソフトウェアはさらに、前記プロセッサに、前記複数の疾病の１つを含む前記個人の分類を決定させる。いくつかの実施形態では、前記ソフトウェアはさらに、前記プロセッサに、前記分類が出力されるべきかどうかまたは追加の入力が必要とされるかどうかを決定させる。いくつかの実施形態では、前記追加の入力は、前記分類の不確実性が追加の入力を収集するコストに関して考慮される場合に必要とされる。いくつかの実施形態では、前記ソフトウェアはさらに、前記プロセッサに、前記疾病の各々についてペナルティスコアを決定させる。いくつかの実施形態では、前記複数の疾病の１つを含む前記個人の分類は、前記ペナルティスコアがペナルティゲート未満である場合のみ出力される。いくつかの実施形態では、前記ソフトウェアはさらに、前記プロセッサに、前記複数の疾病の１つを含む前記個人の分類を決定させ、前記個人に薬物治療を提供することによって前記分類に基づいて前記個人を処置させる。いくつかの実施形態では、前記ソフトウェアはさらに、前記プロセッサに、前記複数の疾病の１つを含む前記個人の分類を決定させ、前記個人にデジタル治療を提供することによって前記分類に基づいて前記個人を処置する工程を含む。いくつかの実施形態では、前記複数の疾病は、広汎性発達障害（ＰＤＤ）、自閉症スペクトラム障害（ＡＳＤ）、社会的コミュニケーション障害、限定された反復行動、興味、および活動（ＲＲＢ）、自閉症（「古典的自閉症」）、アスペルガー症候群（「高機能自閉症」）、特に指定されていないＰＤＤ（ＰＤＤ－ＮＯＳ、「非定型自閉症」）、注意欠陥障害（ＡＤＤ）、注意欠陥多動性障害（ＡＤＨＤ）、言葉および言語の遅れ、強迫性障害（ＯＣＤ）、うつ病、統合失調症、アルツハイマー病、痴呆、知的障害、または学習障害の２つ以上を含む。いくつかの実施形態では、前記複数の疾病は自閉症スペクトラム障害を含む。

本開示の新規な特徴は、とりわけ添付の請求項で説明される。本開示の特徴と利点についてのよりよい理解は、本開示の原則が用いられている例証的な実施形態と添付の図面を説明する以下の詳細な記載とを参照することによって得られる。

異なる例示的な分類予測の例示的なヒストグラムを示す。 特定の分類の不確実性の程度を考慮して、次に取得する最も予測的な（または最適な）入力を決定するために、助言モジュールがリアルタイムで利用される方法の例示的な概要を示す。 予測を間違えることの重大さの程度（例えば比較的高い程度の不確実性による）をマトリックス形態で分析する略図である。 分類がソフトウェアによって出力されることができるかどうかを決定するために、助言モジュールによって実行される例示的なアルゴリズムの略図を示す。 助言モジュールによって実行されるようなアルゴリズムの別の概要例を示す。最初の工程では、ユーザは質問を尋ねられることによりスクリーニングされる。 助言モジュールを適用してビジネスロジックを取り込む動的モジュールの概要例を示す 本明細書に記載されるソフトウェアと共に使用するのに適するコンピュータ装置を示す。

行動障害、発達遅延、および神経学的障害の子どもを含む個人を評価するために使用されるソフトウェアが本明細書に記載されている。本明細書に記載されたソフトウェアは、１つ以上のコンピューティング装置、１つ以上のコンピューティングシステム内、あるいは１つ以上のプラットフォームで実行されるように、様々な実施形態で、構成される。いくつかの実施形態では、特定の行動障害、発達遅延、または神経学的障害の陽性または陰性の分類の不確実性を最も可能性高く低減するために、入力データは、評価された個人に提供する次の入力を決めるために、ソフトウェアによって分析される。いくつかの実施形態では、分類評価は正しくない分類を作るリスクあるいはコストに対して考慮される。いくつかの実施形態では、不確実性を低減するという観点からの追加の分析の値は、追加の分析のコストおよび／または分類におけるエラーの影響に対して考慮される。

定義
本明細書で使用されるように、用語「診断用機器」は、行動障害、発達遅延、および／または神経学的障害の個人を評価するために使用されるツールである。診断用機器の非限定的な例は、個人を評価するように設計された１セットの質問、個人を評価するように設計された１セットのタスク、個人を評価するために使用される個人の映像または音声記録、あるいはそれらの組み合わせを含む。

本明細書で使用されるように、用語「入力」または「入力データ」は、本明細書に記載されるソフトウェアによって受け取られるか、または受け取られ得るデータを意味する。入力の非限定的な例は、質問（または他のプロンプト）、評価される個人によって提供される反応、評価される個人の世話人またはヘルスケア提供者によって提供される反応、音声記録、映像記録、またはそれらの組み合わせを含む。入力は、本明細書に記載されるソフトウェアによって実際に受け取られ、または求められているがまだ提供されていない反応のように、潜在的に受け取られ得る。

本明細書で使用されるように、用語「分類」は、本明細書に記載されたソフトウェアの出力を意味する。分類の非限定的な例は、診断、診断の尤度の兆候、複数の診断の尤度を含む。一般的に、診断は疾病または疾病型あるいは両方のいずれかである。

他に定義されない限り、本明細書で使用される技術用語はすべて、本開示が属する分野における当業者により一般に理解されるものと同じ意味を有する。

本明細書で使用されるように、単数形「ａ」、「ａｎ」、および「ｔｈｅ」は、文脈が明確に指定していない限り、複数の参照を含む。「または」への任意の言及は、別段の定めがない限り、「および／または」を包含することを意図している。

概観
行動障害、発達遅延、および神経学的障害の個人を評価するために使用される診断用機器は、一般的に、評価された個人における反応および／または前記個人の世話人の反応を引き出すように構成され、引き出された反応は、個人の診断または評価を支援することを（他の反応と共に）意図する。

診断用機器は、反応を引き出すために１つ以上のプロンプトを含み得る。プロンプトの非限定的な例は、個人、彼らの世話人、および／または彼らのセラピストに尋ねられる質問、個人、彼らの世話人、および／または彼らのセラピストのために表示される画像または映像、および個人、彼らの世話人、および／または彼らのセラピストのために流される音声を含む。反応の非限定的な例は回答と動作を含む。

従来の方法で使用されるプロンプトのうちのいくつかは、有用でないか、あるいはある個人に対して最小限有用である。部分的に、全ての個人は異なるため、一個人においてある反応を引き出すように設計されるプロンプトは、その個人の評価に有用であり得るが、異なる個人の評価では全く有用ではない（または最小限有用）。従って、個人を評価する際に最も有用である反応を引き出す、各個人に対しての１つのプロンプトまたは複数のプロンプトが存在する。

本明細書に記載された革新的なソフトウェアは、評価された特定の個人にとって最も有用なプロンプトを特定するように構成される。最も有用なプロンプトを特定することは、行動障害、発達遅延、または神経学的障害を有する個人を評価するための技術を提供し、それは従来の方法で実行されるよりもより迅速である。本明細書に記載されたソフトウェアは、従来の方法において必要以上に少ないプロンプトを使用して、個人を正確に分類することができる。本明細書に記載されたソフトウェアは、（１）個人に提供するべき次の最も有用なプロンプト（または引き出される最も有用な反応）を特定することができ、および（２）より少ないプロンプトを使用して個人を正確に分類することができるため、本明細書に記載される革新的なソフトウェアは有用でないまたは最小限有用なプロンプトを、評価される個人に提供する必要性を排除する。これは結果として、時間の節約をもたらし、それ自体が精度の改善に繋がる。

精度は、伝統的に長い時間を消費する技術に起因する疲労または注意力の損失によって、例えば、不正確な反応、エラー、または管理者バイアスを排除することによって、改善される。いくつかの実施形態では、最も有用なプロンプトまたは複数のプロンプトは、個人の最も正確な評価に繋がるものとして定義される。いくつかの実施形態では、最も有用なプロンプトまたは複数のプロンプトは、個人の最も正確かつ効率的な評価に繋がるものとして定義される。これらの実施形態のいくつかでは、効率は評価を完了するために節約された時間という観点である。これらの実施形態のいくつかでは、効率は評価を完了するために節約されたコストという観点である。

いくつかの実施形態では、特定のプロンプトまたは複数のプロンプトの有用性の不確実性が評価され、それらの有用性に対してより少ない不確実性を有するために決定されたものが選択される。いくつかの実施形態では、決定はリアルタイムであり、これらはユーザに直ちに提供される、本明細書に記載される方法、装置、システム、ソフトウェア、およびプラットフォームのプロンプトである。いくつかの実施形態では、ユーザは反応をプロンプトに提供し、反応は入力データに組み込まれる。このように、費やされる時間またはコストあるいは両方を減らすことによって、診断に効率的に到達するまで、追加の入力データは繰り返し獲得および処理される。

診断用機器において利用可能な全てのプロンプトのサブセットを取り、全てのプロンプトのサブセットに対する反応は、利用可能である反応に基づいて特定の条件型を有するものとして個人を分類するのに十分である場合（つまり、反応の完全量より少ない）、リアルタイムで決定することができることは有益である。すなわち、個人がソフトウェアに対して不完全な入力データに基づき、正確に効率的に分類されることができるかどうかを決定するように構成される、本明細書に記載されているような、ソフトウェアを有することは有益である。これらの実施形態のいくつかでは、効率は評価を完了するために節約された時間という観点である。これらの実施形態のいくつかでは、効率は評価を完了するために節約されたコストという観点である。

入力データ
いくつかの実施形態では、本明細書に記載されるようなソフトウェアは、行動障害、発達遅延、または神経学的障害の個人を評価することと関連する特徴に対応する入力データを受け取る。特徴は、いくつかの実施形態では、評価された個人、彼らの世話人、または彼らのセラピストによって、提供される反応を含む。いくつかの実施形態では、特徴は、評価された個人の観察、例えば、前記個人の映像または音声記録の観察などを含む。

いくつかの実施形態では、入力データは、個人に尋ねられた質問、個人の世話人に個人について尋ねられた質問、個人の臨床医に個人について尋ねられた質問を含む。いくつかの実施形態では、いくつかの質問に対する反応はないか、または不適切な記入がある。いくつかの実施形態では、入力データは不完全であり、例えば、回答されていない質問を含むか、そうでなければ、完全な機器に対する回答が含まれていない（例えば個人に対して尋ねられていないため）。

いくつかの実施形態では、入力データは個人の世話人によって提供される。いくつかの実施形態では、入力データは個人を評価する臨床医によって提供される。いくつかの実施形態では、入力データは個人によって提供される。

いくつかの実施形態では、入力データはデジタルコンピューティング装置によって受け取られるか、デジタルコンピューティング装置に転送される。

いくつかの実施形態では、入力データは映像評価、映像アンケート、記述式アンケート、アンケートの音声記録、または非映像アンケートを含む。

分析用ソフトウェアモジュール
いくつかの実施形態では、本明細書に記載されるソフトウェアは助言モジュールと動的モジュールを含む。いくつかの実施形態では、本明細書に記載されるソフトウェアは助言モジュールのみを含む。いくつかの実施形態では、本明細書に記載されるソフトウェアは動的モジュールのみを含む。

助言モジュールは一般的に、評価される個人に提供するための最適な次のプロンプトを決定し、不完全な入力に基づいて正確で効率的な分類を提供するように構成される。

典型的に、助言モジュールは、評価される個人に関する全ての情報が利用できない状態で、この決定を行う。例えば、助言モジュールは、いくつかの実施形態では、個人からのわずかな反応に基づいて、個人に提供するための最適な次のプロンプトを決定する。例えば、助言モジュールは、不完全な入力に基づいて個人の分類を提供する。

動的モジュールは一般的に、効率的な方法で助言モジュールを適用するように構成されているため、例えば、評価が最も不確実である個人および／または不正確な分類によって最も深刻な影響を受ける個人は、追加の評価の対象であるが、不確実性および／またはリスクがほとんどあるいは全くないと評価された個人は、それ以上評価されない。いくつかの実施形態では、動的モジュールはまた、分析結果の不確実性を低減することに関してもコスト分析を実行し、これはそうすることの利点と比較検討される。

いくつかの実施形態では、本明細書に記載されるようなソフトウェアモジュールは、助言モジュールのみを含む。いくつかの実施形態では、本明細書に記載されるようなソフトウェアモジュールは、動的モジュールのみを含む。いくつかの実施形態では、本明細書に記載されるようなソフトウェアモジュールは、助言モジュールと動的モジュールの両方を含む。

助言モジュール
本明細書に記載されるような助言モジュールは一般的に、不完全な入力データ（つまり見逃された入力）に基づいて予測を提供する。予測は、いくつかの実施形態では、個人から得られる最も有用な入力を含む。予測は、いくつかの実施形態では、個人に最適な分類の決定を含む。

いくつかの実施形態では、入力データの不完全さによる個人の評価に関する不確実性の程度は、異なる型の分類エラーの臨床主導の非対称性に対して、助言モジュールによって比較検討される。いくつかの実施形態では、助言モジュールは、利用可能なデータが許容可能な予測の不確実性（異なる型の分類エラーの臨床主導のリスク評価に対して比較検討されるとき）をもたらす場合についてケースバイケースの決定を行うように、および結果的に全体の効率的な予測システムを提供するように構成される。

いくつかの実施形態では、助言モジュールは個人に関する分類を出力するように構成され、分類は個人を１つ以上の疾病型を有する可能性があると特定することである。疾病型は、例えば、自閉症、自閉症スペクトラム障害、ＡＤＨＤ、および神経学的定型を含み得る。例えば、個人は自閉症スペクトラム障害、ＡＤＨＤを有すると分類され得るか、または神経学的定型であると分類され得るか、あるいは自閉症とＡＤＨＤの両方を有するとして分類され得る。いくつかの実施形態では、分類はまた、特定の疾病型を発達させるリスクにある個人を特定することを含む。いくつかの実施形態では、分類はまた、分類が確定できない個人を特定することを含む。

異なる分類エラーの臨床主導の非対称性は、少なくとも部分的には従来の診断方法の欠陥によって生じる。行動障害、発達遅延、または神経学的障害を特定する実験または放射線検査は現在ない。むしろ、従来の診断方法は、主観的な傾向があり、様々なエラーにより偏り得る。加えて、行動障害、発達遅延、または神経学的障害は典型的に総体症状の観点から重複が多く、正確な診断が困難でありエラーが一般的であることを意味する。従って、行動障害、発達遅延、または神経学的障害では、典型的にはある程度の臨床分類エラーがある。従って、個人が誤って分類されることは極めて典型的であり、いくつかの実施形態では、助言モジュールが達成するように構成される分類の精度の程度は、その文脈内で考慮される。例えば、従来の方法が典型的に、特定の行動障害を有するとして個人を分類するために９０％の精度を達成する場合、助言モジュールは、いくつかの実施形態では、それが９０％以上の精度を達成したと予測するときに、その特定の行動障害の分類を出力するように構成される。

助言モジュールは一般的に、（１）決定を下すための利用可能なデータが不完全である状況を含む個人の分類に関する予測を提供し、（２）行われた分類の予測において特定の不確実性を定量化し、および（３）従来の臨床の不確実性および／またはエラーの文脈内のその不確実性の受容性を比較するように構成される。

図１は、異なる例示的な分類予測の例示的なヒストグラムを示す。本明細書では、図１では、助言モジュールで利用可能な例示的な分類は、神経学的定型、決定的でない、別の障害（自閉症スペクトラム障害以外）のリスクがある／有している、および自閉症スペクトラム障害が陽性である。示された４つの分類型は単なる例示であり、本明細書に記載されるソフトウェアの他の実施形態は、異なる分類型、より多くの分類型、またはより少ない分類型を生成し得ることを理解されたい。

説明されるように、助言モジュールは、本明細書では分類値と呼ばれる、個人についての分類尤度を決定するように構成される。図１に示されるように、この例では、助言モジュールは、それに入力されたデータに基づいて、個人が自閉症スペクトラム障害以外の別の障害のリスクがある／有しているとして分類される可能性が最も高いことを予測する。

助言モジュールによって使用される入力データは典型的に、本明細書に記載されるようなプロンプトに反応する形をとる。加えて、記載されるように、助言モジュールは、（図１の例示的な概要で示されるもののような）不完全な入力を使用して分類予測を提供するように構成される。不完全なデータの非限定的な例は、（反応の全体のセットとは対照的に）診断用機器からサブセットのプロンプトに与えられる反応を含む。

典型的には、データモデルは単一の分類（例えば、はいまたはいいえ）を産生するように構成されるが、対照的に、本明細書に記載された助言モジュールは、図１に示されるように複数の異なる分類型について分類値を決定するように構成される（つまり、神経学的定型、決定的でない、別の障害（自閉症スペクトラム障害以外）のリスクがある／有している、および自閉症スペクトラム障害）。

いくつかの実施形態では、助言モジュールは、モンテカルロ方法を使用して分類予測をする。モンテカルロ方法は、未知のパラメーターの数値的推定を行うために、反復されたランダムサンプリングを使用して１つ以上の入力において不確実性をモデル化することで、最も可能性の高い分類を行うことができる。より具体的には、助言モジュールに提供された不完全なデータに適用されるモンテカルロのモデル化は、１つ以上の入力と関連する不確実性を推定し、助言モジュールで利用可能なデータを考慮して、どの入力が全体的な不確実性を低減するかをモデル化するために使用される。別の言い方をすると、モンテカルロモデルは、利用可能な全てのデータが入力として提供された場合に、個人のどの分類が最も行われる可能性が高いかを予測するために利用される。いくつかの実施形態では、不確実性を経験的にまたは定型的に定量化するのに適切ないずれかの他の統計的技術を、モンテカルロの代わりに使用することができる。

いくつかの実施形態では、助言モジュールは、機械学習およびモデル化に基づいた機械学習を利用することで、不十分な入力を使用して予測をする。いくつかの実施形態では、機械学習はモンテカルロ方法と併せて使用される。いくつかの実施形態では、機械学習は、診断用機器に対するそれぞれの反応と母集団内の個人の分類を含む母集団データに基づいてモデルを生成するために使用される。いくつかの実施形態では、機械学習モデルは分類子を生成するために使用される。機械学習モデルを生成するために使用されるデータは、いくつかの実施形態では、行動障害、発達遅延、または神経学的障害の既知の陽性または陰性の診断を受けた複数の個人に尋ねられた１つ以上の質問を含む。モデルを構築するために使用され得る１つまたは複数の型の反応は、行動障害、発達遅延、または神経学的障害の既知の陽性または陰性の診断を受けた複数の個人に対する最も一般的な回答を含み得る。

図１に示されるように、複数の分類カテゴリー内の分類値を定量化することに関して、異なる型の値が使用に適していることを理解されたい。特定の分類型に起因する分類値は、例えば、個人がそのそれぞれのカテゴリー内で分類される尤度、または例えば、個人がそのそれぞれの分類カテゴリー内で分類されることと関連する不確実性の程度を表し得る。一般的に、複数の分類カテゴリーに分類される比較的高い尤度を有することは、２つ以下の分類カテゴリーに分類される比較的高い尤度を有することよりもより不確実であると見なされる。例示的な実施例として、個人Ａは分類ＡＳＤの８０％の確実性、分類ＡＤＨＤの１５％の確実性、および分類神経学的定型の５％の確実性を有する一方で、個人Ｂは分類ＡＳＤの４５％の確実性、分類ＡＤＨＤの３５％の確実性、および分類神経学的定型の２０％の確実性を有し、それは個体Ｂの疾病についてよりも個体Ａの疾病についての方が全体的な確実性が高いことを決定し得る。

いくつかの実施形態では、助言モジュールは、１セットのプロンプトから提供されていないプロンプト（例えばすべての尋ねられていない質問）をすべて考慮し、残る提供されていないプロンプトに対する多くの可能性のある反応をシミュレートする。その後、助言モジュールは、「スプレッド」を生成し、各カラムの高さが各可能性のある反応を得る推定値を表わす図１のヒストグラムによって概略的に表される。いくつかの実施形態では、モデル閾値はさらに、「スプレッド」を具体的な分類型に分割するために使用される（つまり、データを異なる型のバケットへ分割する）。

図２は、特定の分類の不確実性の程度を考慮して、得るべき次の最も予測的な（または最適な）入力が何かを決定するために、助言モジュールがリアルタイムでどのように利用されるかを例示的な概要で示す。これらの実施形態では、助言モジュールは、どのプロンプト（この例では質問）が分類の不確実性に最も大きな減少を提供するかを考慮する。示されるように、図２では、質問Ａからの反応を入力として助言モジュールに追加することは、特定の疾病に対する３つの分類値が４つの異なる分類型にスプレッドする分類ヒストグラムに導く一方で、質問Ｂからの反応は、２つの分類型の分類値を実質的に排除することによって、全体的に不確実性を低減する（つまり、現在の２つの分類型のみが可能性が高いと考慮される）。不確実性が多くの方法で低下し得ることを理解されたい。この実施形態では、助言モジュールは、質問Ｂ（つまり全体的な不確実性を低減させると予測される質問）が評価される個人に提供されることを示唆するためにリアルタイムで使用されるように構成される。一般的に、助言モジュールが質問のみの分析に制限されていないことを理解されたい。助言モジュールに提供することができるいかなる入力も同じ方式で分析することができ、分類予測の不確実性を低減するのは、次はどの入力かを決定する。加えて、ある実施形態では、助言モジュールは、分類予測の不確実性に最大の低減を提供するため、評価される個人ではない人から入力を得るという示唆を提供する。例えば、助言モジュールは、次の入力が評価される個人の世話人またはセラピストによって提供されることを示唆し得る。一般的に、特定の入力はまた、助言モジュールによって決定される不確実性における様々な型の変化に反応して示唆され得る。

いくつかの実施形態では、次の入力として特定の入力を得ることは、分類値が１つ以上の分類型において変化する場合に示唆される。すなわち、複数の分類型を考慮すると、各分類カテゴリーは、助言モジュールによって受け取られた各入力に関して評価される個人に、値が割り当てられる。いくつかの実施形態では、次の入力として特定の入力を得ることは、確定できない分類カテゴリーの分類値が減少する場合に示唆される。いくつかの実施形態では、次の入力として特定の入力を得ることは、神経学的定型分類カテゴリーまたは非定型分類カテゴリーの分類値が増加し、決定的でない分類カテゴリーの分類値が減少する場合に、示唆される。いくつかの実施形態では、次の入力として特定の入力を得ることは、神経学的定型分類カテゴリーおよび非定型分類カテゴリーの分類値が増加し、決定的でない分類カテゴリーの分類値が減少する場合に、示唆される。いくつかの実施形態では、次の入力として特定の入力を得ることは、神経学的定型分類カテゴリーまたは非定型分類カテゴリーの分類値が最大化し、決定的でない分類カテゴリーの分類値が最少化する場合に、示唆される。いくつかの実施形態では、次の入力として特定の入力を得ることは、典型的な分類カテゴリーおよび非定型分類カテゴリーの分類値が最大化し、決定的でない分類カテゴリーの分類値が最少化する場合に、示唆される。いくつかの実施形態では、次の入力として特定の入力を得ることは、閾値が、閾値を上回る１つ以上の分類型および分類値に適用される場合に、示唆される。

いくつかの実施形態では、分類結果と相関のあるモデル反応値を決定し、可能性のある未知の入力値に基づいてこの反応の変動の尺度が推定され、次の入力はそれがこの変動を最大量減少する場合に示唆される。いくつかの実施形態では、これらの技術の１つ以上は、予測されている多数の疾病について評価され、疾病全体の合算値は、次の入力を示唆すると意図される。

助言モジュールは典型的な臨床診断の不確実性を考慮すると、許容可能な不確実性の程度を決定するように構成される。いくつかの実施形態では、リスク分析は図３の概要で表されるように実行される。

図３は、予測を間違えることの重大さの程度（例えば比較的高い程度の不確実性による）をマトリックス形態で分析する略図である。一般的に、自閉症スペクトラム障害を有する個人が神経学的定型個人と間違えて分類される偽陽性診断は、自閉症スペクトラム障害を有する個人を障害（自閉症スペクトラム障害）について高いリスクあるいは決定的でないとして間違えて分類されるよりも悪いと考慮される。概要のマトリックスは、ある型のエラーに助言モジュールに起因する値を示す。例えば、真の疾病がＡＳＤに対して陽性である個体がハイリスクであるとしてアルゴリズムによって分類される場合は、図３におけるマトリックスに係るその分類に対するペナルティは、０．５であるが、同じ個人が代わりに神経学的定型であるとしてアルゴリズムによって分類された場合は、その分類のペナルティは１．０でより高くなる。

特定のエラーに起因する値はまた、ペナルティスコアと呼ぶことができる。いくつかの実施形態では、ペナルティスコアは、包括的に、０と１との間の浮動小数として表される。より具体的には、いくつかの実施形態では、ペナルティスコアは、特定の分類を発行すると予想された悪い状態／リスクを測定する浮動小数であり、ペナルティマトリックスを介してスプレッドを解釈することによって計算される。いくつかの実施形態では、ペナルティゲートは許容可能な最大のペナルティスコアを表わすフロート値である。一般的に、特定の分類予測のペナルティスコアは、その分類と関連するペナルティゲートより少ない場合、その分類が発行される。いくつかの実施形態では、ペナルティゲートの値は、保持された検証データに対して、全体的な性能における様々な選択肢の影響を検証することによって、プリセットされる。

図４は、分類がソフトウェアによって出力されることができるかどうかを決定するために、助言モジュールによって実行される例示的なアルゴリズムの略図を示す。図４は、記載されるように、最初の段階で、スプレッドが決定されることを示す。図４の例では、上記のように、助言モジュールは、自閉症スペクトラム障害、決定的でない、神経学的定型、およびリスク（閾値をスプレッドに適用することによって生成される）の分類型内の１つ以上の入力に基づいて、個人に対して分類値を決定する。いくつかの実施形態では、様々な入力は、上記されるように、不確実性に対するそれらの予想された影響に基づいて、次の最良の入力として示唆される。

次に、ペナルティスコアは、３つの他のそれぞれの分類型に対して各分類について決定される。例えば、自閉症スペクトラム障害の分類についてある真の分類値がある場合、ペナルティスコアは、予測される分類が決定的でないエラー、予測される分類が神経学的定型であるエラー、および予測される分類がリスクであるエラーに対して決定される。その後、ペナルティスコアはペナルティゲートと比較される。この例では、分類値が高くペナルティスコアがペナルティの限界未満である場合、自閉症スペクトラム障害の分類が与えられる。すなわち、各分類値については、分類値はエラーとペナルティゲートに関するペナルティスコアに対して考慮される。この実施形態では、エラーに関連する比較的低い（定義されるように）リスクで、高い分類値を達成することは、出力される特定の分類を結果としてもたらす。これは結果として、誤った分類が送達されるリスクを考慮しながら、効率的な分類をもたらす。

図５は、助言モジュールによって実行されるようなアルゴリズムの別の概要例を示す。最初の段階では、ユーザは質問を尋ねられることによりスクリーニングされる。次の工程では、スプレッドは、残りの質問に回答し得る多くの可能性のある方法のシミュレーションに基づいて確立される。次の工程では、閾値は多くの分類型（例えば自閉症スペクトラム障害、ＡＤＨＤ、神経学的定型など）を作製するために、スプレッドに沿って適用される。次の工程では、ペナルティスコアは上に記載されるように適用され、ペナルティゲートと比較される。その時点で、ペナルティスコアはペナルティゲート未満である場合、分類は出力される（図４におけるように）。ペナルティスコアがペナルティゲート以上である場合、助言モジュールは尋ねるべき追加の質問があるかどうかを決定し、ない場合、決定的でない分類が出力される。

いくつかの実施形態では、１超の分類がペナルティゲート未満のペナルティスコアを有する。例えば、閾値によって決定される１つ以上の分類型は、ペナルティゲートを超えるペナルティスコアを有し、１つ以上の分類型はペナルティゲートを超えるペナルティスコアを有さない。これらの実施形態のいくつかでは、どの分類を出力するかを決めるために、助言モジュールはさらなる決定を下す。１超の分類がペナルティゲート未満のペナルティスコアを有する場合に出力する分類を決定するために助言モジュールによって下されるさらなる決定は、各分類に対するペナルティスコアがどれだけ近いかの決定を含み得る。１超の分類がペナルティゲート未満のペナルティスコアを有する場合に出力する分類を決定するために助言モジュールによって下されるさらなる決定は、評価される個人に提示する次の質問の決定を含み得、ここで、質問は１つ以上の分類の不確実性を低減させるように決定される。１超の分類がペナルティゲート未満であるペナルティスコアを有する場合に出力する分類を決定するために、助言モジュールによって下される追加の決定は、前記入力が前記不確実性に及ぼすと予想される効果の程度と比較して、評価される個人から特定の入力を得ること（または前記個人に特定のプロンプトを提供するため）のコスト分析の決定を含み得る。例えば、特定の入力を得ることが高いコストを有し（金銭的コストおよび／または効率コストの観点から測定されるように）、不確実性にわずかにしか影響しないと予想される場合、いくつかの実施形態では、そのような入力は、助言モジュールによって求められない。

動的モジュール
図６は助言モジュールを適用してビジネスロジックを取り込む動的モジュールの概要例を示す。いくつかの実施形態では、本明細書に記載されるようなソフトウェアは、本明細書に記載されるように、選択的に助言モジュールを適用する動的モジュールを含む。第１の工程では、動的モジュールは質問を含む診断用機器に助言モジュールを適用する。その後、助言モジュールの出力は、出力の精度を改善するコストに関して、動的モジュールによって分析される。分類は非神経学的定型として出力され、コスト分析はさらなる分析が保証されることを示す場合、新しい診断用機器が適用され、それが、この実施例では、評価される個人の映像記録であり、映像記録は助言モジュールへの入力として提供される。映像記録分析の出力は、最初の出力と結合され、分類はその結果に基づいて決定される。他方では、最初の助言モジュールの分類の結果が神経学的定型であり、分類の不確実性と追加の分析を行うコストを考慮すると、コスト分析は追加の試験のコスト効率が良くないことを示した場合、神経学的定型の分類が出力される。

いくつかの実施形態では、動的モジュールは図３の略図で示される分析を実行するように、そうでなければその分析を入力として受け取るように構成される。例えば、ペナルティスコアが決定され、決定されたペナルティスコアに基づいて、動的モジュールは、例えば、個人の追加の評価を通じて追加の入力を取得することが保証されるかどうかを決定する。

いくつかの実施形態では、分類に関連するペナルティスコアは、ある程度の不確実性が許容可能かどうかを評価するために使用される少なくとも１つのメトリックである。例えば、比較的高いペナルティスコアを有する分類に対する非常に低いレベルの不確実性は、許容不可であると見なされ得、個人のさらなる分析が必要と見なされ得る（例えば追加の試験を介して）。しかし、ペナルティスコアが比較的低く不確実性に関連する分類が出力される場合、以前の例と同じか同様の不確実性が許容可能と見なされ得る。

行動障害、発達遅延、または神経学的障害を評価するための方法
いくつかの実施形態では、個人は、コンピューティング装置のスクリーンに表示された質問の形態の一連のプロンプトによって評価される。

いくつかの実施形態では、個人は、他の人々との交流、タスクの実行、および／または質問に回答する個人の映像データおよび／または音声データを記録することによって評価される。いくつかの実施形態では、個人は人間の質問者か世話人によって尋ねられた質問に対して回答しているのを記録される。

いくつかの実施形態では、アンケートは、モバイル装置または据え置き型のコンピューティング装置で、対象、世話人、または臨床医によって、達成される。いくつかの実施形態では、映像および／または音声記録はモバイル装置で得られる。いくつかの実施形態では、モバイル装置は、スマートフォン、タブレット、スマートウォッチ、またはモバイルカメラあるいは記録機能を備えたいかなる装置である。いくつかの実施形態では、映像および／または音声記録は、据え置き型カメラおよび／またはマイクで撮られる。例えば、個人は、臨床医のオフィスで質問され、取り付けられたマイクを備えた三脚上のカメラで、彼らの反応を記録し得る。

本明細書に記載されるソフトウェアは、いくつかの実施形態では、ソフトウェアに対する入力を受け取るために使用されるコンピューティング装置上に位置する。いくつかの実施形態では、本明細書に記載されるようなソフトウェアは、評価される個人によって使用されるコンピューティング装置と通信連結されるサーバー上に位置する。

いくつかの実施形態では、本明細書に開示される方法は、行動障害、発達遅延、または神経学的障害の診断を支援するために使用される。

行動障害として分類される疾病の非限定的な例は、注意欠陥多動性障害（ＡＤＨＤ）、反抗的行為障害（ＯＤＤ）、自閉症スペクトラム障害（ＡＳＤ）、不安障害、うつ病、双極性障害、学習障害または能力障害、あるいは行為障害を含む。いくつかの実施形態では、注意欠陥多動性障害は、不注意優勢ＡＤＨＤ、多動・衝動型優勢ＡＤＨＤ、または多動・衝動および不注意型の混合ＡＤＨＤを含む。いくつかの実施形態では、自閉症スペクトラム障害は、自閉症障害（古典的自閉症）、アスペルガー症候群、広汎性発達障害（非定型自閉症）、または小児期崩壊性障害を含む。いくつかの実施形態では、不安障害は、パニック障害、恐怖症、社会不安障害、強迫性障害、分離不安障害、病気不安症（心気症）、または心的外傷後ストレス障害を含む。いくつかの実施形態では、うつ病は、大うつ病、持続性抑うつ障害、双極性障害、季節性感情障害、精神病性うつ病、周産期（産後）うつ病、月経前不快気分障害、「適応」障害、または非定型うつ病を含む。いくつかの実施形態では、双極性障害は、双極Ｉ型障害、双極ＩＩ型障害、気分循環性障害または別の医学的または薬物乱用障害による双極性障害を含む。いくつかの実施形態では、学習障害は、失読症、失計算、書字障害、統合運動障害（感覚統合障害）、言語障害／失語症、聴覚情報処理障害、または視覚処理障害を含む。いくつかの実施形態では、行動障害は、精神障害の診断と統計マニュアル（ＤＳＭ）のいずれかの版で定義された障害である。

発達遅延として分類される疾病の非限定的な例は、自閉症スペクトラム障害、精神遅滞、脳性麻痺、ダウン症候群、成長障害、筋ジストロフィー、水頭症、発達性協調運動症、のう胞性線維症、胎児性アルコール症候群、ホモシスチン尿症、結節性硬化症、無βリポ蛋白血症、フェニルケトン尿症、アーセ症候群、言葉の遅れ、粗大運動の遅滞、微細運動の遅滞、社会的遅滞、感情的遅滞、行動的遅滞、または認知的遅滞を含む。いくつかの実施形態では、精神遅滞は、副腎白質ジストロフィー、Ｉｔｏ症候群、先端骨形成不全症、ハンチントン病、アースコグ症候群、アイカルディ症候群、またはテイ・サックス病を含む。いくつかの実施形態では、脳性麻痺は、痙性脳性麻痺、運動障害の脳性麻痺、低張性脳性麻痺、失調性脳性麻痺、または混合性脳性麻痺を含む。いくつかの実施形態では、自閉症スペクトラム障害は、自閉症障害（古典的自閉症）、アスペルガー症候群、広汎性発達障害（非定型自閉症）、または小児期崩壊性障害を含む。いくつかの実施形態では、ダウン症候群は、２１トリソミー、モザイク現象、または転座を含む。いくつかの実施形態では、筋ジストロフィーは、デュシェンヌ型筋ジストロフィー、ベッカー型筋ジストロフィー、先天性筋ジストロフィー、筋緊張性ジストロフィー、顔面肩甲上腕型筋ジストロフィー、眼咽頭型筋ジストロフィー、遠位型筋ジストロフィー、またはエメリー・ドレイフス型筋ジストロフィーを含む。

神経学的障害として分類される疾病の非限定的な例は、筋萎縮性側索硬化症、動静脈奇形、脳動脈瘤、脳腫瘍、硬膜動静脈瘻、てんかん、頭痛、記憶障害、多発性硬化症、パーキンソン病、末梢神経障害、帯状疱疹後神経痛、脊髄腫瘍、脳卒中、アルツハイマー病、大脳皮質基底核変性症、クロイツフェルト・ヤコブ病、前頭側頭型認知症、レビー小体病、軽度認知障害、進行性核上性麻痺、または血管性認知症を含む。

いくつかの実施形態では、本明細書に記載される方法は、行動障害、発達遅延、または神経学的障害を診断する既知の技術と併せて使用される。いくつかの実施形態では、本明細書に記載される方法は、診断の既知の方法の精度を高めるか、正確な診断に必要な時間または資源を減少する。

機械学習ソフトウェアモジュール
上記のように、本明細書に記載される方法、装置、システム、ソフトウェア、およびプラットフォームのいくつかの実施形態では、機械学習ソフトウェアモジュールは、評価される個人に存在する特定の疾病に関連する質問および反応を特定するために利用される。いくつかの実施形態では、機械学習アルゴリズムは、診断の不確実性を低減する可能性が最も高い質問を決定するために、入力データを利用し、入力データをモデル化する。機械学習ソフトウェアモジュールは、いくつかの実施形態では、機械学習モデル（またはデータモデル）を含む。機械学習が多数の構築とデータのアレンジを包含すること、および本明細書の教示が任意の単一型の機械学習に限定されないことを理解されたい。

本明細書に記載される機械学習ソフトウェアモジュールは一般的に、１つ以上の行動障害、発達遅延、または神経学的障害の既知の陽性または陰性診断を受けた個人からのアンケートのデータベースを使用して、学習される。

いくつかの実施形態では、学習された機械学習ソフトウェアモジュールは、特定の行動障害、発達遅延、または神経学的障害と以前に関連していなかった入力データを分析する。いくつかの実施形態では、機械学習アルゴリズムは、推奨された予測的な入力データを生成し、これはその後、デジタルアンケートの使用を介して個人に推奨された質問をすることによって獲得される。ユーザ（例えば臨床医、世話人、対象）は、質問に対する反応として追加の入力データを提供し、機械学習アルゴリズムは、収集された追加の入力データを分析し、１つ以上の行動障害、発達遅延、または神経学的障害が個人に存在するという診断確率を提供する。機械学習アルゴリズムは、推奨された予測的な入力データを生成し、追加の入力データを獲得する不確実性の推定利益が追加の入力データを獲得するコスト未満になるまで、ユーザの反応を介して追加の入力データを獲得する。

いくつかの実施形態では、機械学習ソフトウェアモジュールは、教師あり学習アルゴリズムである。いくつかの実施形態では、機械学習ソフトウェアモジュールは、最近接、ナイーブベイズ、決定木、線形回帰、サポートベクター機械、またはニューラルネットワークから選択される。

いくつかの実施形態では、機械学習ソフトウェアモジュールは、文脈上の指標を考慮することなく、診断確率を提供する。いくつかの実施形態では、機械学習ソフトウェアモジュールは、単にアンケートデータの分析によって診断確率を提供する。いくつかの実施形態では、機械学習ソフトウェアモジュールは、臨床医、世話人、または対象によって提供される文脈上の指標の分析によって、診断確率を提供する。例えば、ユーザは、自閉症について評価するように設計された質問に反応する個人のアンケートデータと文脈上のデータ（例えば５歳、男児）を提供する。一実施形態では、機械学習ソフトウェアモジュールは、アンケートデータを分析し、子供の年齢、性別、および疑われる診断などの文脈上の指標に関連するユーザによって入力されるデータを含む。別の実施形態では、機械学習ソフトウェアモジュールは、上に例証された文脈上の指標のないアンケートデータを分析する。

システムと装置
本開示は、本開示の方法を実施するようにプログラムされるコンピュータ制御装置を提供する。図７は本明細書に記載されるソフトウェアと使用するのに適するコンピュータ装置（７０１）を示す。コンピュータ装置（７０１）は、例えば、質問と回答、反応、統計分析などの、本開示の情報の様々な態様を処理することができる。コンピュータ装置（７０１）は、ユーザの電子装置または電子装置に対して遠隔に位置するコンピュータ装置であり得る。電子装置はモバイル電子装置であってもよい。

コンピュータ装置（７０１）は、中央処理ユニット（ＣＰＵ、また本明細書の「プロセッサ」と「コンピュータプロセッサ」）（７０５）を含み、これはシングルコアまたはマルチコアプロセッサ、あるいは平行処理のための複数のプロセッサであり得る。コンピュータ装置（７０１）はまた、メモリまたはメモリ位置（７１０）（例えば、ランダムアクセスメモリ、読み取り専用メモリ、フラッシュメモリ）、電子記憶装置（７１５）（例えばハードディスク）、１つ以上の他の装置と通信するための通信インターフェース（７２０）（例えばネットワークアダプタ）、およびキャッシュ、他のメモリ、データ記憶装置、および／または電子ディスプレイアダプタなどの周辺装置（７２５）を含む。メモリ（７１０）、記憶ユニット（７１５）、インターフェース（７２０）、および周辺装置（７２５）は、マザーボードなどの通信バス（実線）を通じてＣＰＵ（７０５）と通信状態にある。記憶ユニット（７１５）は、データを保存するためのデータ記憶ユニット（またはデータレポジトリ）であり得る。コンピュータ装置（７０１）は、通信インターフェース（７２０）の助けによってコンピュータネットワーク（「ネットワーク」）（７３０）に動作可能に連結することができる。ネットワーク（７３０）は、インターネット、インターネットおよび／またはエクストラネット、インターネットと通信状態にあるイントラネットおよび／またはエクストラネットであり得る。場合によっては、ネットワーク（７３０）は、電気通信および／またはデータのネットワークである。ネットワーク（７３０）は、１つ以上のコンピュータサーバーを含むことができ、これはクラウドコンピューティングなどの分散コンピューティングを可能にすることができる。ネットワーク（７３０）は、場合によってはコンピュータ装置（７０１）の助けにより、ピアツーピア・ネットワークを実施することができ、これは、コンピュータ装置（７０１）に連結された装置が、クライアントまたはサーバーとして動くことを可能にし得る。

ＣＰＵ（７０５）は、プログラムまたはソフトウェアで統合され得る一連の機械可読命令を実行することができる。この命令は、メモリ（７１０）などのメモリ位置に保存され得る。この命令は、ＣＰＵ（７０５）に向けることができ、これは後に、本開示の方法を実施するようにＣＰＵ（７０５）をプログラムまたは構成することができる。ＣＰＵ（７０５）により実行される動作の例は、フェッチ、デコード、実行、およびライトバックを含み得る。

ＣＰＵ（７０５）は、集積回路など回路の一部であり得る。装置（７０１）の１つ以上の他の構成要素を回路に含むことができる。場合によっては、回路は特定用途向け集積回路（ＡＳＩＣ）である。

記憶ユニット（７１５）は、ドライバ、ライブラリ、およびセーブされたプログラムなど、ファイルを保存することができる。記憶ユニット（７１５）は、ユーザデータ、例えばユーザの嗜好およびユーザのプログラムを保存することができる。コンピュータ装置（７０１）は、場合によっては、イントラネットまたはインターネットを通じてコンピュータ装置（７０１）と通信状態にあるリモートサーバー上に位置付けられるなど、コンピュータ装置（７０１）の外側にある１つ以上の追加のデータ記憶ユニットを含むことができる。

コンピュータ装置（７０１）は、ネットワーク（７３０）を通じて１つ以上のリモートコンピュータ装置と通信することができる。例えば、コンピュータ装置（７０１）は、ユーザ（例えば母体）のリモートコンピュータ装置と通信できる。リモートコンピュータ装置とモバイル通信装置の例としては、パーソナルコンピュータ（例えば、持ち運び可能なＰＣ）、スレートまたはタブレットＰＣ（例えば、Ａｐｐｌｅ（登録商標）ｉＰａｄ、Ｓａｍｓｕｎｇ（登録商標）Ｇａｌａｘｙ Ｔａｂ）、電話、スマートフォン（例えば、Ａｐｐｌｅ（登録商標）ｉＰｈｏｎｅ、Ａｎｄｒｏｉｄ－ｅｎａｂｌｅｄ装置、Ｂｌａｃｋｂｅｒｒｙ（登録商標））、または携帯情報端末を含む。ユーザは、ネットワーク（７３０）を介してコンピュータ装置（７０１）にアクセスすることができる。

本明細書に記載されるような方法は、例えばメモリ（７１０）または電子記憶ユニット（７１５）上など、コンピュータ装置（７０１）の電子記憶装置の場所に保存された機械（例えばコンピュータプロセッサ）実行可能コードによって実施することができる。機械実行可能コードまたは機械可読コードは、ソフトウェアの形態で提供され得る。使用中、コードはプロセッサ（７０５）により実行され得る。場合によっては、コードは、記憶ユニット（７１５）から検索され、かつプロセッサ（７０５）による即時のアクセスのためにメモリ（７１０）に保存することができる。いくつかの状況では、電子記憶ユニット（７１５）は排除することができ、機械実行可能命令はメモリ（７１０）に保存される。

コードはあらかじめコンパイルされコードを実行するのに適したプロセッサを有する機械とともに使用されるように構成され、あるいは実行時間中にコンパイルされ得る。コードは、あらかじめコンパイルされた、またはアズコンパイルされた（ａｓ－ｃｏｍｐｉｌｅｄ）様式でコードを実行可能にするために選択されることができる、プログラミング言語で供給されることができる。

コンピュータ装置（７０１）などの、本明細書で提供される装置と方法の態様は、プログラミングの際に統合することができる。この技術の様々な態様は、典型的に一種の機械可読媒体上で運ばれるまたはそれに埋め込まれる機械（またはプロセッサ）実行可能コードおよび／または関連データの形で、「製品」または「製造用品」として考慮され得る。機械実行可能コードは、メモリ（例えば、読み取り専用メモリ、ランダムアクセスメモリ、フラッシュメモリ）またはハードディスクなどの電子記憶ユニットに記憶することができる。「記憶」型の媒体は、様々な半導体メモリ、テープドライブ、ディスクドライブなどの、コンピュータやプロセッサの有形メモリ、あるいはその関連するモジュールのいずれかまたは全てを含むことができ、これらは、ソフトウェアのプログラミングのためにいかなる時も非一時的な記録媒体を提供し得る。ソフトウェアの全てまたは一部は、時々、インターネットまたは様々な他の電気通信ネットワークを介して通信される。そのような通信は、例えば、あるコンピュータまたはプロセッサから別のコンピュータまたはプロセッサへの、例えば、管理サーバまたはホストコンピュータからアプリケーションサーバのコンピュータプラットフォームへの、ソフトウェアのローディングを可能にし得る。ゆえに、ソフトウェア要素を持ち得る別のタイプの媒体は、有線および光地上通信線ネットワークを介した、および様々なエアリンク（ａｉｒ－ｌｉｎｋｓ）上での、ローカルデバイス間の物理インターフェースにわたって使用されるものなどの、光波、電波、および電磁波を含む。有線または無線リンク、光リンクなどの、そのような波を運ぶ物理要素はまた、ソフトウェアを持つ媒体と考えられ得る。本明細書で使用される場合、非一時的で有形の「記憶」媒体に制限されない限り、コンピュータまたは機械「可読媒体」などの用語は、実行のためにプロセッサに命令を提供することに関与する媒体を指す。

従って、コンピュータ実行可能コードなどの機械可読媒体は、限定されないが、有形記憶媒体、キャリア波媒体、または物理送信媒体を含む、多くの形態をとってもよい。不揮発性記憶媒体は、例えば、光ディスクまたは磁気ディスク、例えば、図面に示されるデータベースなどを実施するために使用され得るものなどのコンピュータなどにおける記憶装置のいずれかを含む。揮発性記憶媒体は、ダイナミックメモリ、例えば、そのようなコンピュータプラットフォームのメインメモリを含む。有形送信媒体は、同軸ケーブル、コンピュータ装置内のバスを含むワイヤーを含む、銅線および光ファイバーを含んでいる。搬送波送信媒体は、無線周波（ＲＦ）および赤外線（ＩＲ）データ通信中に生成されたものなどの、電気信号または電磁気信号、あるいは音波または光波の形態をとり得る。それゆえ、コンピュータ可読媒体の共通の形態としては、例えば、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ、他の磁気媒体、ＣＤ－ＲＯＭ、ＤＶＤもしくはＤＶＤ－ＲＯＭ、他の光学媒体、パンチカード、紙テープ、穴のパターンを有する他の物理的な記憶媒体、ＲＡＭ、ＲＯＭ、ＰＲＯＭおよびＥＰＲＯＭ、ＦＬＡＳＨ－ＥＰＲＯＭ、他のメモリチップもしくはカートリッジ、データもしくは命令を運ぶ搬送波、そのような搬送波を伝達するケーブルもしくはリンク、またはコンピュータがプログラミングのコードおよび／またはデータを読み取り得る他の媒体を含む。コンピュータ可読媒体のこれらの形態の多くは、実行のためにプロセッサに１つ以上の命令の１つ以上のシーケンスを運ぶことに関与し得る。

コンピュータ装置（７０１）は、例えば、質問と回答、分析結果、推薦を提供するためのユーザインターフェース（ＵＩ）を含む電子ディスプレイ（７３５）を含むか、通信状態にあり得る。ＵＩの例としては、限定されないが、グラフィカルユーザインターフェース（ＧＵＩ）およびウェブベースのユーザインターフェースが挙げられる。

本開示の方法および装置は、１つ以上のアルゴリズムとして、および本明細書に開示されるような１つ以上のプロセッサが提供された命令を用いて実施され得る。アルゴリズムは、中央処理ユニット（７０５）による実行の後にソフトウェアによって実施することができる。アルゴリズムは、例えば、ランダムフォレスト、グラフィカルモデル、サポートベクター機械あるいは他のものであり得る。

上記の工程は例に従って装置の方法を示すが、当該技術分野の当業者は、本明細書に記載された教示に基づいた多くの変形を認識する。工程は異なる順序で完了し得る。工程は追加されるか削除され得る。工程のうちのいくつかはサブ工程を含み得る。多くの工程は、プラットフォームに有益であれば、何度でも繰り返すことができる。

本明細書に記載されているような例の各々は、１つ以上の他の実施例と組み合わせることができる。さらに、１つ以上の実施例の１つ以上の構成要素は、他の実施例と組み合わせることができる。

薬物治療との組み合わせ
いくつかの実施形態では、本明細書に記載されるソフトウェアを使用して、個人の評価後、１つ以上の薬物治療は、ソフトウェアによって生成された個人の分類に基づいて個人に提供される。

分類は、自閉症または自閉症スペクトラム障害を含み得、薬物はリスペリドン、クエチアピン、アンフェタミン、デキストロアンフェタミン、メチルフェニデート、メタンフェタミン、デキストロアンフェタミン、デクスメチルフェニデート、グアンファシン、アトモキセチン、リスデキサンフェタミン、クロニジン、アリピプラゾールコンプライズ（ａｒｉｐｉｐｒａｚｏｌｅｃｏｍｐｒｉｓｅ）、バソプレシン、およびオキシトシンからなる群から選択され得る。

分類は注意欠陥障害（ＡＤＤ）を含み得、薬物はアンフェタミン、デキストロアンフェタミン、メチルフェニデート、メタンフェタミン、デキストロアンフェタミン、デクスメチルフェニデート、グアンファシン、アトモキセチン、リスデキサンフェタミン、クロニジン、およびモダフィニルからなる群から選択され得る。

分類は強迫性障害を含み得、薬物はブスピロン、セルトラリン、エスシタロプラム、シタロプラム、フルオキセチン、パロキセチン、ベンラファキシン、クロミプラミン、およびフルボキサミンからなる群から選択され得る。

分類は急性ストレス障害を含み得、薬物はプロプラノロール、シタロプラム、エスシタロプラム、セルトラリン、パロキセチン、フルオキセチン（ｆｌｕｏｅｘｔｉｎｅ）、ベンラファキシン、ミルタザピン、ネファゾドン、カルバマゼピン、ジバルプロエクス、ラモトリジン、トピラマート、プラゾシン、フェネルジン、イミプラミン、ジアゼパム、クロナゼパム、ロラゼパム、およびアルプラゾラムからなる群から選択され得、または、行動障害、発達遅延、または神経学的障害は適応障害を含み得、薬物はブスピロン（ｂｕｓｉｐｒｏｎｅ）、エスシタロプラム、セルトラリン、パロキセチン、フルオキセチン（ｆｌｕｏｅｘｔｉｎｅ）、ジアゼパム、クロナゼパム、ロラゼパム、およびアルプラゾラムからなる群から選択され得る。

分類は広場恐怖症を含み得、薬物はジアゼパム、クロナゼパム、ロラゼパム、アルプラゾラム、シタロプラム、エスシタロプラム、セルトラリン、パロキセチン、フルオキセチン（ｆｌｕｏｅｘｔｉｎｅ）、およびブスピロンからなる群から選択され得る。

分類はアルツハイマー病を含み得、薬物はドネペジル、ガランタミン、メマンチン、およびリバスチグミンからなる群から選択され得、または、行動障害、発達遅延、または神経学的障害は神経性食欲不振を含み得、薬物はオランザピン、シタロプラム、エスシタロプラム、セルトラリン、パロキセチン、およびフルオキセチンからなる群から選択され得る。

分類は心配性障害を含み得、薬物はセルトラリン、エスシタロプラム、シタロプラム、フルオキセチン、ジアゼパム、ブスピロン、ベンラファキシン、デュロキセチン、イミプラミン、デシプラミン、クロミプラミン、ロラゼパム、クロナゼパム、およびプレガバリンからなる群から選択され得、または、行動障害、発達遅延、または神経学的障害は死別を含み得、薬物はシタロプラム、デュロキセチン、およびドキセピンからなる群から選択され得る。

分類は過食性障害を含み得、薬物はリスデキサンフェタミンからなる群から選択され得る。

分類は双極性障害を含み得、薬物はトピラマート、ラモトリジン、オクスカルバゼピン、ハロペリドール、リスペリドン、クエチアピン、オランザピン、アリピプラゾール、およびフルオキセチンからなる群から選択され得る。

分類は身体醜形障害を含み得、薬物はセルトラリン、エスシタロプラム、およびシタロプラムからなる群から選択され得る。

分類は短期精神病性障害を含み得、薬物はクロザピン、アセナピン、オランザピン、およびクエチアピンからなる群から選択され得る。

分類は神経性過食症を含み得、薬物はセルトラリンおよびフルオキセチンからなる群から選択され得る。

分類は行為障害を含み得、薬物はロラゼパム、ジアゼパム、およびクロバザムからなる群から選択され得る。

分類は妄想性障害を含み得、薬物はクロザピン、アセナピン、リスペリドン、ベンラファキシン、ブプロピオン、およびブスピロンからなる群から選択され得る。

分類は離人症障害を含み得、薬物はセルトラリン、フルオキセチン、アルプラゾラム、ジアゼパム、およびシタロプラムからなる群から選択され得る。

分類はうつ病を含み得、薬物はセルトラリン、フルオキセチン、シタロプラム、ブプロピオン、エスシタロプラム、ベンラファキシン、アリピプラゾール、ブスピロン、ボルチオキセチン、およびビラゾドンからなる群から選択され得る。

分類は重篤気分調節症を含み得、薬物はクエチアピン、クロザピン、アセナピン、およびピマバンセリンからなる群から選択され得る。

分類は解離性健忘を含み得、薬物はアルプラゾラム、ジアゼパム、ロラゼパム、およびクロルジアゼポキシドからなる群から選択され得る。

分類は解離性障害を含み得、薬物はブプロピオン、ボルチオキセチン、およびビラゾドンからなる群から選択され得る。

分類は解離性遁走を含み得、薬物はアモバルビタール、アプロバルビタール、ブタバルビタールおよびメトヘキシタール（ｍｅｔｈｏｈｅｘｉｔｌａｌ）からなる群から選択され得る。

分類はブプロピオン、ベンラファキシン、セルトラリン、およびシタロプラムからなる群から選択され得る。

分類は摂食障害を含み得、薬物はオランザピン、シタロプラム、エスシタロプラム、セルトラリン、パロキセチン、およびフルオキセチンからなる群から選択され得る。

分類はエストロゲン、プロゲストゲン（ｐｒｏｓｔｏｇｅｎ）、およびテストステロンからなる群から選択され得る。

分類は全般性不安障害を含み得、薬物はベンラファキシン、デュロキセチン、ブスピロン、セルトラリン、およびフルオキセチンからなる群から選択され得る。

分類はためこみ症を含み得、薬物はブスピロン、セルトラリン、エスシタロプラム、シタロプラム、フルオキセチン、パロキセチン、ベンラファキシン、およびクロミプラミンからなる群から選択され得る。

分類は間欠性爆発性障害を含み得、薬物はアセナピン、クロザピン、オランザピン、およびピマバンセリンからなる群から選択され得る。

分類は盗癖を含み得、薬物はエスシタロプラム、フルボキサミン、フルオキセチン、およびパロキセチンからなる群から選択され得る。

分類はパニック障害を含み得、薬物はブプロピオン、ビラゾドン、およびボルチオキセチンからなる群から選択され得る。

分類はパーキンソン病を含み得、薬物はリバスチグミン、セレギリン、ラサギリン、ブロモクリプチン、アマンタジン、カベルゴリン、およびベンズトロピンからなる群から選択され得る。

分類はギャンブル依存症を含み得、薬物はブプロピオン、ビラゾドン、およびボルチオキセチン（ｖａｒｔｉｏｘｅｔｉｎｅ）からなる群から選択され得る。

分類は産後うつ病を含み得、薬物はセルトラリン、フルオキセチン、シタロプラム、ブプロピオン、エスシタロプラム、ベンラファキシン、アリピプラゾール、ブスピロン、ボルチオキセチン、およびビラゾドンからなる群から選択され得る。

分類は外傷後ストレス障害を含み得、薬物はセルトラリン、フルオキセチン、およびパロキセチンからなる群から選択され得る。

分類は月経前不快気分障害を含み得、薬物はエストラジオール（ｅｓｔａｄｉｏｌ）、ドロスピレノン、セルトラリン、シタロプラム、フルオキセチン、およびブスピロンからなる群から選択され得る。

分類は情動調節障害を含み得、薬物は臭化水素酸デキストロメトルファンおよび硫酸キニジンからなる群から選択され得る。

分類は放火癖を含み得、薬物はクロザピン、アセナピン、オランザピン、パリペリドン、およびクエチアピンからなる群から選択され得る。

分類は分裂情動性障害を含み得、薬物はセルトラリン、カルバマゼピン、オクスカルバゼピン、バルプロエート、ハロペリドール、オランザピン、およびロクサピンからなる群から選択され得る。

分類は統合失調症を含み得、薬物はクロルプロマジン（ｃｈｌｏｐｒｏｍａｚｉｎｅ）、ハロペリドール、フルフェナジン、リスペリドン、クエチアピン、ジプラシドン、オランザピン、パーフェナジン、アリピプラゾール、およびプロクロルペラジンからなる群から選択され得る。

分類は分裂病様障害を含み得、薬物はパリペリドン、クロザピン、およびリスペリドンからなる群から選択され得る。

分類は季節性情動障害を含み得、薬物はセルトラリンおよびフルオキセチンからなる群から選択され得る。

分類は共有精神病性障害を含み得、薬物はクロザピン、ピマバンセリン、リスペリドン、およびルラシドンからなる群から選択され得る。

分類は社会不安恐怖症を含み得、薬物はアミトリプチリン、ブプロピオン、シタロプラム、フルオキセチン、セルトラリン、およびベンラファキシンからなる群から選択され得る。

分類は特定の恐怖症を含み得、薬物はジアゼパム、エスタゾラム、クアゼパム、およびアルプラゾラムからなる群から選択され得る。

分類は常同性運動障害を含み得、薬物はリスペリドンおよびクロザピンからなる群から選択され得る。

分類はトゥレット障害を含み得、薬物はハロペリドール、フルフェナジン、リスペリドン、ジプラシドン、ピモジド、パーフェナジン、およびアリピプラゾールからなる群から選択され得る。

分類は一過性のチック障害を含み得、薬物はグアンファシン、クロニジン、ピモジド、リスペリドン、シタロプラム、エスシタロプラム、セルトラリン、パロキセチン、およびフルオキセチンからなる群から選択され得る。

分類は抜毛癖を含み得、薬物はセルトラリン、フルオキセチン、パロキセチン、デシプラミン、およびクロミプラミンからなる群から選択され得る。

薬物治療との組み合わせ
いくつかの実施形態では、本明細書に記載されるソフトウェアを使用して、個人を評価した後、１つ以上のデジタル治療はソフトウェアによって生成された個人の分類に基づいて、個人に提供される。デジタル治療は、患者または世話人によって実行することができる単一または多様な治療活性または介入を含むことができる。デジタル治療用は、センサー、コンピュータ、医療装置および治療送達システムなどの第三者装置との所定の相互作用を含むことができる。デジタル治療はＦＤＡに認可された医学的請求、一連の診断コード、または単一診断コードを裏付けすることができる。デジタル治療は、対象または世話人に提供される命令、フィードバック、活動、または相互作用を含むことができる。いくつかの実施形態では、デジタル治療は個人の治療用処置計画を含む。個人の治療用処置計画は、頻度、量（ａｍｏｕｎｔ）／量（ｑｕａｎｔｉｔｙ）あるいはデジタル治療の期間のためのスケジュールを含むことができる。例示的な実施例として、デジタル治療用の個人の治療用処置計画は、３か月（期間）などの持続期間の間、２０分（量（ｑｕａｎｔｉｔｙ）または量（ａｍｏｕｎｔ））などの少なくとも最小限の期間、１日１回（頻度）デジタル治療（例えば言葉／言語活動を提供するソフトウェアモジュールを介して実行される）を受けることを指定し得る。

本明細書に開示されるシステム、ソフトウェア、および方法は、個人の治療用処置計画を生成するように構成されたソフトウェアモジュールを含むことができる。ソフトウェアモジュールは最適な頻度、量、および／または個人の治療用処置計画のための持続時間あるいはデジタル治療を決定するように構成することができる。処置計画は、治療用結果の有効性を予測するように学習データ上で学習した機械学習モデルあるいは分類子を使用して、少なくとも部分的に生成することができる。複数の可能性のある処置計画は、関連する特徴（例えば、自閉症／ＡＳＤなどの１つ以上の障害の特定または診断を行うために使用される診断上の特徴）に基づいて、特定の個人のための最適な処置計画を決定するために評価され得る。

本明細書に記載されるシステムおよび方法は、デジタル診断およびデジタル治療を患者に提供する。デジタル個別化医療システムは、個別化されたまたはより適切な治療的介入および改善された診断を通知するやり方で、患者の症状を評価または診断するためにデジタルデータを使用することができる。

一態様では、デジタル個別化医療システムは、治療的介入の結果としての有効性、コンプライアンス、および反応の相対的なレベルを特定するインタラクションおよびフィードバックデータをキャプチャーするように、および、データ分析を行うように構成することができるプロセッサおよび関連ソフトウェアを有するデジタル装置を含むことができる。このようなデータ分析は、治療的介入の効果をさらに個別化、改善、または評価するために、例えば、機械学習を含む人工知能、および／または、ユーザデータおよびユーザプロファイルを評価する統計モデルを含むことができる。

いくつかの例では、システムは、デジタル診断およびデジタル治療を使用するように構成することができる。デジタル診断およびデジタル治療は、個人の医学的、心理的、または生理学的な状態を改善するために、情報をデジタル的に収集し、ならびに、提供されたデータを処理および評価するためのシステムまたは方法を含むことができる。デジタル治療システムは、ソフトウェアベースの学習を適用して、ユーザデータを評価し、診断およびシステムによって提供される治療的介入をモニタリングおよび改善する。

加えて、本明細書に記載されるシステムおよび方法は、デジタル診断およびデジタル治療を患者に提供することができる。デジタル個別化医療システムは、個別化されたまたはより適切な治療的介入および改善された診断を通知するやり方で、患者の症状を評価または診断するためにデジタルデータを使用することができる。

一態様では、デジタル個別化医療システムは、患者を評価および診断するためにデータを使用するように、治療的介入の結果としての有効性、コンプライアンス、および反応の相対的なレベルを特定するインタラクションおよびフィードバックデータをキャプチャーするように、および、データ分析を行うように構成することができるプロセッサおよび関連ソフトウェアを有するデジタル装置を含むことができる。このようなデータ分析は、治療的介入の効果をさらに個別化、改善、または評価するために、例えば、機械学習を含む人工知能、および／または、ユーザデータおよびユーザプロファイルを評価する統計モデルを含むことができる。

いくつかの例では、システムは、デジタル診断およびデジタル治療を使用するように構成することができる。デジタル診断およびデジタル治療は、個人の医学的、心理的、または生理学的な状態を改善するために、情報をデジタル的に収集し、ならびに、提供されたデータを処理および評価するためのシステムまたは方法を含むことができる。デジタル治療システムは、ソフトウェアベースの学習を適用して、ユーザデータを評価し、診断およびシステムによって提供される治療的介入をモニタリングおよび改善する。

加えて、本明細書に記載されるデジタル個別化医療システムおよび方法は、デジタル診断およびデジタル治療を患者に提供することができる。デジタル個別化医療システムは、個別化されたまたはより適切な治療的介入および改善された診断を通知するやり方で、患者の症状を評価または診断するためにデジタルデータを使用することができる。

一態様では、デジタル個別化医療システムは、患者を評価および診断するためにデータを使用するように、治療的介入の結果としての有効性、コンプライアンス、および反応の相対的なレベルを特定するインタラクションおよびフィードバックデータをキャプチャーするように；および、データ分析を行うように構成することができるプロセッサおよび関連ソフトウェアを有するデジタル装置を含むことができる。このようなデータ分析は、治療的介入の効果をさらに個別化、改善、または評価するために、例えば、機械学習を含む人工知能、および／または、ユーザデータおよびユーザプロファイルを評価する統計モデルを含むことができる。

いくつかの例では、システムは、デジタル診断およびデジタル治療を使用するように構成することができる。デジタル診断およびデジタル治療は、個人の医学的、心理的、または生理学的な状態を改善するために、情報をデジタル的に収集し、ならびに、提供されたデータを処理および評価するためのシステムまたは方法を含むことができる。デジタル治療システムは、ソフトウェアベースの学習を適用して、ユーザデータを評価し、診断およびシステムによって提供される治療的介入をモニタリングおよび改善する。

行動障害、発達遅延、または神経学的障害を評価するための装置およびシステム
いくつかの実施形態では、本明細書に記載されたソフトウェアを使用する個人の評価はモバイル装置または据え置き型のコンピューティング装置を利用する。いくつかの実施形態では、モバイル装置は、スマートフォン、タブレット、またはラップトップコンピュータである。いくつかの実施形態では、モバイル装置または据え置き型の装置上のモバイルアプリケーションは、評価に使用された質問を表示し、かつ表示されている質問に反応するためのインターフェースを提供するために使用される。

いくつかの実施形態では、本明細書に開示されるシステムおよび装置は記録装置を含む。いくつかの実施形態では、映像および／または音声記録は、モバイル装置で撮られる。いくつかの実施形態では、モバイル装置は、スマートフォン、タブレット、スマートウォッチあるいはモバイルカメラまたは記録の機能を備えた任意の装置である。いくつかの実施形態では、映像および／または音声記録は、据え置き型のカメラおよび／またはマイクを用いて撮られる。

デジタル処理装置
いくつかの実施形態では、本明細書に記載されるようなソフトウェアは、デジタル処理装置に位置し、および／またはデジタル処理装置のプロセッサにあるタスクを実行させるように構成される。さらなる実施形態では、デジタル処理装置は、装置の機能を実行する１つ以上のハードウェア中央処理装置（ＣＰＵ）あるいは汎用グラフィック処理ユニット（ＧＰＧＰＵ）を含んでいる。またさらなる実施形態では、デジタル処理装置は、実行可能な命令を実行するように構成されたオペレーティングシステムをさらに含む。いくつかの実施形態では、デジタル処理装置は任意選択で接続されたコンピュータネットワークである。さらなる実施形態では、デジタル処理装置はワールド・ワイド・ウェブにアクセスするようにインターネットに任意選択で接続される。またさらなる実施形態では、デジタル処理装置は、クラウド・コンピューティング・インフラストラクチャーに任意選択で接続される。他の実施形態では、デジタル処理装置は、イントラネットに任意選択で接続される。他の実施形態では、デジタル処理装置は、データ記憶装置に任意選択で接続される。

本明細書の記載に従って、適切なデジタル処理装置は、非限定的な例として、サーバコンピュータ、デスクトップコンピュータ、ラップトップコンピュータ、ノート型コンピュータ、サブノート型コンピュータ、ネットブックコンピュータ、ネットパッドコンピュータ、セットトップコンピュータ、メディアストリーミング装置、ハンドヘルドコンピュータ、ネット家電、モバイルスマートフォン、タブレットコンピュータ、携帯情報端末、ビデオゲーム機、およびビヒクルを含んでいる。当業者は、多くのスマートフォンが、本明細書に記載されるシステムでの使用に適していることを認識するであろう。当業者は、随意のコンピュータネットワーク接続を有する選択されたテレビ、ビデオプレーヤー、およびデジタル音楽プレーヤーが、本明細書に記載されるシステムにおける使用に適していることを認識するであろう。適切なタブレットコンピュータは、当業者に既知のブックレット、スレート、および変換可能な構成を有するものを含む。

いくつかの実施形態では、デジタル処理装置は、実行可能な命令を実行するように構成されたオペレーティングシステムを含んでいる。オペレーティングシステムは、例えば、装置のハードウェアを制御し、アプリケーションの遂行のためのサービスを提供する、プログラムおよびデータを含むソフトウェアである。当業者は、適切なサーバーオペレーティングシステムが、限定されない例として、ＦｒｅｅＢＳＤ、ＯｐｅｎＢＳＤ、ＮｅｔＢＳＤ（登録商標）、Ｌｉｎｕｘ、Ａｐｐｌｅ（登録商標）Ｍａｃ ＯＳ Ｘ Ｓｅｒｖｅｒ（登録商標）、Ｏｒａｃｌｅ（登録商標）Ｓｏｌａｒｉｓ（登録商標）、Ｗｉｎｄｏｗｓ Ｓｅｒｖｅｒ（登録商標）、およびＮｏｖｅｌｌ（登録商標）ＮｅｔＷａｒｅ（登録商標）を含むことを認識するであろう。当業者は、適切なパーソナルコンピュータオペレーティングシステムが、限定されない例として、Ｍｉｃｒｏｓｏｆｔ（登録商標）、Ｗｉｎｄｏｗｓ（登録商標）、Ａｐｐｌｅ（登録商標）Ｍａｃ ＯＳ Ｘ（登録商標）、ＵＮＩＸ（登録商標）、および、ＧＮＵ／Ｌｉｎｕｘ（登録商標）などのＵＮＩＸのようなオペレーティングシステムを含むことを認識するであろう。いくつかの実施形態では、オペレーティングシステムは、クラウドコンピューティングによって提供される。当業者はまた、適切なモバイルスマートフォンのオペレーティングシステムが、限定されない例として、Ｎｏｋｉａ（登録商標）Ｓｙｍｂｉａｎ（登録商標）ＯＳ、Ａｐｐｌｅ（登録商標）ｉＯＳ（登録商標）、Ｒｅｓｅａｒｃｈ Ｉｎ Ｍｏｔｉｏｎ（登録商標）ＢｌａｃｋＢｅｒｒｙ ＯＳ（登録商標）、Ｇｏｏｇｌｅ（登録商標）Ａｎｄｒｏｉｄ（登録商標）、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｗｉｎｄｏｗｓ Ｐｈｏｎｅ（登録商標）ＯＳ、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｗｉｎｄｏｗｓ Ｍｏｂｉｌｅ（登録商標）ＯＳ、Ｌｉｎｕｘ（登録商標）、およびＰａｌｍ（登録商標）ＷｅｂＯＳ（登録商標）を含むことを認識するであろう。当業者はまた、適切なメディアストリーミング装置のオペレーティングシステムが、限定されない例として、Ａｐｐｌｅ ＴＶ（登録商標）、Ｒｏｋｕ（登録商標）、Ｂｏｘｅｅ（登録商標）、Ｇｏｏｇｌｅ ＴＶ（登録商標）、Ｇｏｏｇｌｅ Ｃｈｒｏｍｅｃａｓｔ（登録商標）、Ａｍａｚｏｎ Ｆｉｒｅ（登録商標）、およびＳａｍｓｕｎｇ（登録商標）ＨｏｍｅＳｙｎｃ（登録商標）を含むことを認識する。当業者はまた、適切なビデオゲーム機のオペレーティングシステムが、限定されない例として、Ｓｏｎｙ（登録商標）ＰＳ３（登録商標）、Ｓｏｎｙ（登録商標）ＰＳ４（登録商標）、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｘｂｏｘ ３６０（登録商標）、Ｍｉｃｒｏｓｏｆｔ Ｘｂｏｘ Ｏｎｅ、Ｎｉｎｔｅｎｄｏ（登録商標）Ｗｉｉ（登録商標）、Ｎｉｎｔｅｎｄｏ（登録商標）Ｗｉｉ Ｕ（登録商標）、およびＯｕｙａ（登録商標）を含むことを認識する。

いくつかの実施形態では、装置は記憶装置および／またはメモリ装置を含む。記憶装置および／またはメモリ装置は、一時的または永久的にデータまたはプログラムを記憶するために使用される１つ以上の物理的な機器である。いくつかの実施形態では、装置は揮発性メモリであり、記憶した情報を維持するための電力を必要とする。いくつかの実施形態では、装置は不揮発性メモリであり、デジタル処理装置に電力が供給されないときに記憶した情報を保持する。さらなる実施形態では、不揮発性メモリはフラッシュメモリを含む。いくつかの実施形態では、不揮発性メモリは、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）を含む。いくつかの実施形態では、不揮発性メモリは、強誘電体ランダムアクセスメモリ（ＦＲＡＭ）を含む。いくつかの実施形態では、不揮発性メモリは、相変化ランダムアクセスメモリ（ＰＲＡＭ）を含む。他の実施形態では、装置は、非限定的な例として、ＣＤ－ＲＯＭ、ＤＶＤ、フラッシュメモリ装置、磁気ディスクドライブ、磁気テープドライブ、光ディスクドライブ、およびクラウドコンピューティングベースの記憶装置を含む記憶装置である。さらなる実施形態では、記憶装置および／またはメモリ装置は、本明細書に開示されるものなどの装置の組み合わせである。

いくつかの実施形態では、デジタル処理装置は、ユーザへ視覚情報を送るためのディスプレイを含む。いくつかの実施形態では、ディスプレイは液晶ディスプレイ（ＬＣＤ）である。さらなる実施形態では、ディスプレイは薄膜トランジスタ液晶ディスプレイ（ＴＦＴ－ＬＣＤ）である。いくつかの実施形態では、ディスプレイは、有機発光ダイオード（ＯＬＥＤ）ディスプレイである。様々なさらなる実施形態では、ＯＬＥＤディスプレイは、パッシブ－マトリクスＯＬＥＤ（ＰＭＯＬＥＤ）またはアクティブ－マトリクスＯＬＥＤ（ＡＭＯＬＥＤ）のディスプレイである。いくつかの実施形態では、ディスプレイはプラズマディスプレイである。他の実施形態では、ディスプレイはビデオプロジェクターである。さらに他の実施形態では、ディスプレイは、ＶＲヘッドセットなどのデジタル処理装置と通信する頭部装着型ディスプレイである。さらなる実施形態では、適切なＶＲヘッドセットとしては、非限定的な例として、ＨＴＣ Ｖｉｖｅ、Ｏｃｕｌｕｓ Ｒｉｆｔ、Ｓａｍｓｕｎｇ Ｇｅａｒ ＶＲ、マイクロソフトＨｏｌｏＬｅｎｓ、Ｒａｚｅｒ ＯＳＶＲ、ＦＯＶＥ ＶＲ、Ｚｅｉｓｓ ＶＲ Ｏｎｅ、Ａｖｅｇａｎｔ Ｇｌｙｐｈ、Ｆｒｅｅｆｌｙ ＶＲヘッドセットなどが挙げられる。またさらなる実施形態では、ディスプレイは、本明細書に開示されるものなどの装置の組み合わせである。

いくつかの実施形態では、デジタル処理装置は、ユーザから情報を受け取るための入力装置を含む。いくつかの実施形態では、入力装置はキーボードである。いくつかの実施形態では、入力装置は、非限定的な例として、マウス、トラックボール、トラックパッド、ジョイスティック、ゲームコントローラ、またはスタイラスを含むポインティング装置である。いくつかの実施形態では、入力装置はタッチスクリーンまたはマルチタッチスクリーンである。他の実施形態では、入力装置は、声または他の音入力を捕らえるマイクである。他の実施形態では、入力装置は、動作入力または視覚入力を捉えるためのビデオカメラあるいは他のセンサーである。さらなる実施形態では、入力装置はＫｉｎｅｃｔ、Ｌｅａｐ Ｍｏｔｉｏｎなどである。またさらなる実施形態では、入力装置は本明細書に開示されるものなどの装置の組み合わせである。

非一時的なコンピュータ読み取り可能な記憶媒体
いくつかの実施形態では、本明細書に記載されるソフトウェアと使用されるコンピューティング装置はさらに、任意選択でネットワーク接続されたデジタル処理装置のオペレーティングシステムによって実行可能な命令を含むプログラムでコード化された１つ以上の非一時的なコンピュータ読み取り可能な記憶媒体を含む。さらなる実施形態では、コンピュータ読み取り可能な記憶媒体はデジタル処理装置の有形の構成要素である。またさらなる実施形態では、コンピュータ読み取り可能な記憶媒体は、デジタル処理装置から任意選択で除去可能である。いくつかの実施形態では、コンピュータ読み取り可能な記憶媒体は、非限定的な例として、ＣＤ－ＲＯＭ、ＤＶＤ、フラッシュメモリ装置、ソリッドステート記憶装置、磁気ディスクドライブ、磁気テープドライブ、光ディスクドライブ、クラウドコンピューティングシステムおよびサービスなどを含む。いくつかの場合では、プログラムと命令は媒体上で永久に、実質的に永久に、半永久に、または非一時的に媒体上でコード化される。

コンピュータプログラム
いくつかの実施形態では、本明細書に記載されるようなソフトウェアは、指定されたタスクを実行するように書かれた、デジタル処理装置のＣＰＵなどのプロセッサによって実行可能な命令のシーケンスを含む。コンピュータ読み取り可能な命令は、特定のタスクを実行するか、または特定の抽出データタイプを実施する、機能、オブジェクト、アプリケーションプログラミングインターフェース（ＡＰＩ）、データ構造などのプログラムモジュールとして実行されることもある。本明細書で提供される開示に照らして、当業者は、コンピュータプログラムが様々な言語の様々なバージョンで書き込まれてもよいことを認識するであろう。

コンピュータ読み取り可能な命令の機能性は、様々な環境において必要に応じて組み合わせられることもあれば、分配されることもある。いくつかの実施形態では、コンピュータプログラムは命令の１つのシーケンスを含む。いくつかの実施形態では、コンピュータプログラムは命令の複数のシーケンスを含む。いくつかの実施形態では、コンピュータプログラムは１つの位置から提供される。他の実施形態では、コンピュータプログラムは複数の位置から提供される。様々な実施形態では、コンピュータプログラムは、１つ以上のソフトウェアモジュールを含む。様々な実施形態では、コンピュータプログラムは、一部または全体として、１つ以上のウェブアプリケーション、１つ以上のモバイルアプリケーション、１つ以上のスタンドアロンアプリケーション、１つ以上のウェブブラウザプラグイン、拡張、アドイン、またはアドオン、あるいはこれらの組み合わせを含む。

ウェブアプリケーション
いくつかの実施形態では、本明細書に記載されるソフトウェアはウェブアプリケーションを含む。本明細書で提供される本開示に照らして、当業者は、ウェブアプリケーションが様々な実施形態において１つ以上のソフトウェアフレームワークと１つ以上のデータベースシステムを利用することを認識するであろう。いくつかの実施形態では、ウェブアプリケーションは、Ｍｉｃｒｏｓｏｆｔ（登録商標）．ＮＥＴまたはＲｕｂｙ ｏｎ Ｒａｉｌｓ（ＲｏＲ）などのソフトウェアフレームワーク上で作成される。いくつかの実施形態では、ウェブアプリケーションは、非限定的な例として、リレーショナルの、非リレーショナルの、オブジェクト指向の、結合性の、および、ＸＭＬのデータベースシステムを含む、１つ以上のデータベースシステムを利用する。さらなる実施形態では、適切なリレーショナルデータベースシステムは、非限定的な例として、Ｍｉｃｒｏｓｏｆｔ（登録商標）ＳＱＬ Ｓｅｒｖｅｒ、ｍｙＳＱＬ（商標）、およびＯｒａｃｌｅ（登録商標）を含む。当業者はまた、ウェブアプリケーションが様々な実施形態において１つ以上の言語の１つ以上のバージョンで書かれていることを認識するであろう。ウェブアプリケーションは、１つ以上のマークアップ言語、プレゼンテーション定義言語、クライアント側スクリプト言語、サーバー側コーディング言語、データベースクエリ言語、またはこれらの組み合わせで書かれてもよい。いくつかの実施形態では、ウェブアプリケーションは、ハイパーテキストマークアップ言語（ＨＴＭＬ）、拡張可能ハイパーテキストマークアップ言語（ＸＨＴＭＬ）、または拡張可能マークアップ言語（ＸＭＬ）などのマークアップ言語である程度書かれている。いくつかの実施形態では、ウェブアプリケーションは、カスケーディング・スタイル・シート（ＣＳＳ）などのプレゼンテーション定義言語である程度書かれている。いくつかの実施形態では、ウェブアプリケーションは、Ａｓｙｎｃｈｒｏｎｏｕｓ Ｊａｖａｓｃｒｉｐｔ ａｎｄ ＸＭＬ（ＡＪＡＸ）、Ｆｌａｓｈ（登録商標）Ａｃｔｉｏｎｓｃｒｉｐｔ、Ｊａｖａｓｃｒｉｐｔ、またはＳｉｌｖｅｒｌｉｇｈｔ（登録商標）などのクライアント側スクリプトで、ある程度書かれている。いくつかの実施形態では、ウェブアプリケーションは、Ａｃｔｉｖｅ Ｓｅｒｖｅｒ Ｐａｇｅｓ（ＡＳＰ）、ＣｏｌｄＦｕｓｉｏｎ（登録商標）、Ｐｅｒｌ、Ｊａｖａ（商標）、ＪａｖａＳｅｒｖｅｒ Ｐａｇｅｓ（ＪＳＰ）、Ｈｙｐｅｒｔｅｘｔ Ｐｒｅｐｒｏｃｅｓｓｏｒ（ＰＨＰ）、Ｐｙｔｈｏｎ（商標）、Ｒｕｂｙ、Ｔｃｌ、Ｓｍａｌｌｔａｌｋ、ＷｅｂＤＮＡ（登録商標）、またはＧｒｏｏｖｙなどのサーバー側コード化言語で、ある程度書かれている。いくつかの実施形態では、ウェブアプリケーションは、構造化問い合わせ言語（ＳＱＬ）などのデータベース問い合わせ言語で、ある程度書かれている。いくつかの実施形態では、ウェブアプリケーションは、ＩＢＭ（登録商標） Ｌｏｔｕｓ Ｄｏｍｉｎｏ（登録商標）などの企業サーバー製品を統合する。いくつかの実施形態では、ウェブアプリケーションはメディアプレイヤー要素を含んでいる。様々な更なる実施形態では、メディアプレイヤー要素は、非限定的な例として、Ａｄｏｂｅ（登録商標）Ｆｌａｓｈ（登録商標）、ＨＴＭＬ ５、Ａｐｐｌｅ（登録商標）ＱｕｉｃｋＴｉｍｅ（登録商標）、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｓｉｌｖｅｒｌｉｇｈｔ（登録商標）、Ｊａｖａ（商標）、およびＵｎｉｔｙ（登録商標）を含む、多くの適切なマルチメディア技術の１つ以上を利用する。

モバイルアプリケーション
いくつかの実施形態では、本明細書に記載されるソフトウェアは、モバイルデジタル処理装置に提供されるモバイルアプリケーションを含む。いくつかの実施形態では、モバイルアプリケーションは製造時にモバイルデジタル処理装置に提供される。他の実施形態では、モバイルアプリケーションは、本明細書に記載されるコンピュータネットワークによってモバイルデジタル処理装置に提供される。

本明細書で提供される本開示を考慮して、モバイルアプリケーションは、当該技術分野で知られているハードウェア、言語、および開発環境を用いて、当業者に知られている技術により作成される。当業者は、モバイルアプリケーションが複数の言語で書かれることを認識するであろう。適切なプログラミング言語は、非限定的な例として、Ｃ、Ｃ＋＋、Ｃ＃、オブジェクティブ－Ｃ、Ｊａｖａ（商標）、Ｊａｖａｓｃｒｉｐｔ、パスカル、オブジェクトパスカル、Ｐｙｔｈｏｎ（商標）、Ｒｕｂｙ、ＶＢ．ＮＥＴ、ＷＭＬ、およびＣＳＳを含むまたは含まないＸＨＴＭＬ／ＨＴＭＬ、あるいはこれらの組み合わせを含む。

適切なモバイルアプリケーション開発環境は複数のソースから入手可能である。市販で入手可能な開発環境としては、非限定的な例として、ＡｉｒｐｌａｙＳＤＫ、ａｌｃｈｅＭｏ、Ａｐｐｃｅｌｅｒａｔｏｒ（登録商標）、Ｃｅｌｓｉｕｓ、Ｂｅｄｒｏｃｋ、Ｆｌａｓｈ Ｌｉｔｅ、．ＮＥＴ Ｃｏｍｐａｃｔ Ｆｒａｍｅｗｏｒｋ、Ｒｈｏｍｏｂｉｌｅ、およびＷｏｒｋＬｉｇｈｔ Ｍｏｂｉｌｅ Ｐｌａｔｆｏｒｍが挙げられる。他の開発環境は、費用負担なく入手可能であり、非限定的な例として、Ｌａｚａｒｕｓ、ＭｏｂｉＦｌｅｘ、ＭｏＳｙｎｃ、およびＰｈｏｎｅｇａｐを含む。また、モバイル装置のメーカーは、非限定的な例として、ｉＰｈｏｎｅおよびｉＰａｄ（ｉＯＳ）ＳＤＫ、Ａｎｄｒｏｉｄ（商標）ＳＤＫ、ＢｌａｃｋＢｅｒｒｙ（登録商標）ＳＤＫ、ＢＲＥＷ ＳＤＫ、Ｐａｌｍ（登録商標）ＯＳ ＳＤＫ、Ｓｙｍｂｉａｎ ＳＤＫ、ｗｅｂＯＳ ＳＤＫ、およびＷｉｎｄｏｗｓ（登録商標）Ｍｏｂｉｌｅ ＳＤＫを含む、ソフトウェア開発キットを流通させている。

当業者は、様々な商用フォーラムが、非限定的な例として、Ａｐｐｌｅ（登録商標）Ａｐｐ Ｓｔｏｒｅ、Ｇｏｏｇｌｅ（登録商標）Ｐｌａｙ、ＣｈｒｏｍｅＷｅｂＳｔｏｒｅ、ＢｌａｃｋＢｅｒｒｙ（登録商標）Ａｐｐ Ｗｏｒｌｄ、Ｐａｌｍ装置のＡｐｐ Ｓｔｏｒｅ、ｗｅｂＯＳのＡｐｐ Ｃａｔａｌｏｇ、ＭｏｂｉｌｅのＷｉｎｄｏｗｓ（登録商標）Ｍａｒｋｅｔｐｌａｃｅ、Ｎｏｋｉａ（登録商標）装置のＯｖｉ Ｓｔｏｒｅ、Ｓａｍｓｕｎｇ（登録商標）Ａｐｐｓ、およびＮｉｎｔｅｎｄｏ（登録商標）ＤＳｉ Ｓｈｏｐを含む、モバイルアプリケーションの流通に利用可能であることを認識するであろう。

スタンドアロンアプリケーション
いくつかの実施形態では、本明細書に記載されるソフトウェアはスタンドアロンアプリケーションを含み、これは独立したコンピュータプロセスとして実行され、既存のプロセスに対するアドオンではなく、例えば、プラグインではない。当業者は、スタンドアロンアプリケーションがしばしばコンパイルされることを認識するであろう。コンパイラは、プログラミング言語で書かれたソースコードをアセンブリ言語または機械コードのようなバイナリオブジェクトコードに変換するコンピュータプログラムである。
適切なコンパイルされたプログラミング言語は、非限定的な例として、Ｃ、Ｃ＋＋、オブジェクティブ－Ｃ、ＣＯＢＯＬ、Ｄｅｌｐｈｉ、Ｅｉｆｆｅｌ、Ｊａｖａ（商標）、リスプ、Ｐｙｔｈｏｎ（商標）、Ｖｉｓｕａｌ Ｂａｓｉｃ、およびＶＢ．ＮＥＴ、またはこれらの組み合わせを含む。コンパイルは実行可能プログラムを作成するために少なくとも部分的に実行されることが多い。いくつかの実施形態では、コンピュータプログラムは１つ以上の実行可能なコンパイルされたアプリケーションを含んでいる。

ウェブブラウザプラグイン
いくつかの実施形態では、本明細書に記載されたソフトウェアは、ウェブ・ブラウザのプラグイン（例えば伸長など）を含むか、それと併せて作動する。コンピューティングでは、プラグインは、より大きなソフトウェアアプリケーションに具体的な機能性を加える１つ以上のソフトウェア構成要素である。第三者の開発者がアプリケーションを拡張する能力を作成する、容易に新しい特徴を加えるサポートを行う、およびアプリケーションのサイズを縮小することができるように、ソフトウェアアプリケーションのメーカーは、プラグインをサポートする。プラグインは、サポートされている場合、ソフトウェアアプリケーションの機能性のカスタマイズを可能にする。例えば、プラグインは一般に、ビデオを再生し、対話機能を作成し、ウイルスをスキャンし、および特定のファイルタイプを表示するために、ウェブブラウザで使用される。当業者は、Ａｄｏｂｅ（登録商標）Ｆｌａｓｈ（登録商標）Ｐｌａｙｅｒ、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｓｉｌｖｅｒｌｉｇｈｔ（登録商標）、およびＡｐｐｌｅ（登録商標）ＱｕｉｃｋＴｉｍｅ（登録商標）を含む、様々なウェブブラウザのプラグインに精通している。

本明細書に提供される本開示を考慮して、当業者は、非限定的な例として、Ｃ＋＋、Ｄｅｌｐｈｉ、Ｊａｖａ（商標）、ＰＨＰ、Ｐｙｔｈｏｎ（商標）、およびＶＢ ．ＮＥＴ、またはそれらの組み合わせを含む様々なプログラミング言語でプラグインの開発を可能にする様々なプラグイン・フレームワークが利用可能であることを認識するだろう。

ウェブブラウザ（インターネットブラウザとも呼ばれる）は、ワールド・ワイド・ウェブ上の情報資源を検索する、表示する、およびスキャンする（ｔｒａｖｅｒｓｉｎｇ）ための、ネットワーク接続したデジタル処理装置との使用のために設計された、ソフトウェアアプリケーションである。適切なウェブブラウザとしては、非限定的な例として、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｉｎｔｅｒｎｅｔ Ｅｘｐｌｏｒｅｒ（登録商標）、Ｍｏｚｉｌｌａ（登録商標）Ｆｉｒｅｆｏｘ（登録商標）、Ｇｏｏｇｌｅ（登録商標）Ｃｈｒｏｍｅ、Ａｐｐｌｅ（登録商標）Ｓａｆａｒｉ（登録商標）、Ｏｐｅｒａ Ｓｏｆｔｗａｒｅ（登録商標）Ｏｐｅｒａ（登録商標）、およびＫＤＥ Ｋｏｎｑｕｅｒｏｒが挙げられる。いくつかの実施形態では、ウェブブラウザは、モバイルのウェブブラウザである。モバイルウェブブラウザ（マイクロブラウザ、ミニブラウザ、および無線ブラウザとも呼ばれる）は、非限定的な例として、ハンドヘルドコンピュータ、タブレットコンピュータ、ネットブックコンピュータ、サブノートブックコンピュータ、スマートフォン、音楽プレーヤー、携帯情報端末（ＰＤＡ）、およびハンドヘルドビデオゲームシステムを含むモバイルデジタル処理装置での使用のために設計される。適切なモバイルウェブブラウザとしては、非限定的な例として、Ｇｏｏｇｌｅ（登録商標）Ａｎｄｒｏｉｄ（登録商標）ブラウザ、ＲＩＭ ＢｌａｃｋＢｅｒｒｙ（登録商標）ブラウザ、Ａｐｐｌｅ（登録商標）Ｓａｆａｒｉ（登録商標）、Ｐａｌｍ（登録商標）Ｂｌａｚｅｒ、Ｐａｌｍ（登録商標）ＷｅｂＯＳ（登録商標）Ｂｒｏｗｓｅｒ、モバイル用のＭｏｚｉｌｌａ（登録商標）Ｆｉｒｅｆｏｘ（登録商標）、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｉｎｔｅｒｎｅｔ Ｅｘｐｌｏｒｅｒ（登録商標）Ｍｏｂｉｌｅ、Ａｍａｚｏｎ（登録商標）Ｋｉｎｄｌｅ（登録商標）Ｂａｓｉｃ Ｗｅｂ、Ｎｏｋｉａ（登録商標）ブラウザ、Ｏｐｅｒａ Ｓｏｆｔｗａｒｅ（登録商標）Ｏｐｅｒａ（登録商標）Ｍｏｂｉｌｅ、およびＳｏｎｙ（登録商標）ＰＳＰ（商標）ブラウザが挙げられる。

ソフトウェアモジュール
いくつかの実施形態では、本明細書に記載されたソフトウェアはモジュール、またはその使用を含む。本明細書で提供される本開示を考慮して、ソフトウェアモジュールは、当該技術分野で既知の機械、ソフトウェア、および言語を使用する、当業者に既知の技術によって作成される。本明細書に開示されるソフトウェアモジュールは多くの方法で実施される。様々な実施形態では、ソフトウェアモジュールは、ファイル、コードのセクション、プログラミングオブジェクト、プログラミング構造、またはそれらの組み合わせを含む。さらに様々な実施形態では、ソフトウェアモジュールは、複数のファイル、コードの複数のセクション、複数のプログラミングオブジェクト、複数のプログラミング構造、またはそれらの組み合わせを含む。様々な実施形態では、１つ以上のソフトウェアモジュールは、非限定的な例として、ウェブアプリケーション、モバイルアプリケーション、およびスタンドアロンアプリケーションを含む。いくつかの実施形態では、ソフトウェアモジュールは、１つのコンピュータプログラムまたはアプリケーション中にある。他の実施形態では、ソフトウェアモジュールは、１つより多くのコンピュータプログラムまたはアプリケーション中にある。いくつかの実施形態では、ソフトウェアモジュールは１つの機械上でホストされる（ｈｏｓｔｅｄ）。他の実施形態では、ソフトウェアモジュールは１より多くの機械上でホストされる。さらなる実施形態では、ソフトウェアモジュールは、クラウドコンピューティングプラットフォーム上でホストされる。いくつかの実施形態では、ソフトウェアモジュールは１つの位置にある１つ以上の機械上でホストされる。他の実施形態では、ソフトウェアモジュールは、１より多くの位置にある１つ以上の機械上でホストされる。

データベース
いくつかの実施形態では、本明細書に記載されたソフトウェアは、１つ以上のデータベースと併せて、または同じものを使用して作動する。様々な実施形態では、適切なデータベースは、非限定的な例として、リレーショナルデータベース、非リレーショナルデータベース、オブジェクト指向型データベース、オブジェクトデータベース、エンティティ関係モデルデータベース、結合性データベース、およびＸＭＬデータベースを含んでいる。さらに非限定的な例としては、ＳＱＬ、ＰｏｓｔｇｒｅＳＱＬ、ＭｙＳＱＬ、Ｏｒａｃｌｅ、ＤＢ２、およびＳｙｂａｓｅが挙げられる。いくつかの実施形態では、データベースはインターネットベースである。さらなる実施形態では、データベースはウェブベースである。またさらなる実施形態では、データベースはクラウドコンピューティングベースである。他の実施形態では、データベースは１つ以上のローカルコンピュータメモリ装置を利用したものである。

行動障害、発達遅延、および神経学的障害を評価するためのプラットフォーム
いくつかの実施形態では、本明細書に記載されたソフトウェアは、行動障害、発達遅延、および神経学的障害を評価するための１つ以上のプラットフォームで使用するように構成され、それぞれが１つ以上のコンピューティング装置間での通信および／またはデータの共有を可能にするアプリケーションを備えた１つ以上のコンピューティング装置を含む。いくつかの実施形態では、アプリケーションは、例えば、医療提供者ポータルおよび患者ポータルなどの特殊なポータルをユーザに提供する。本明細書に記載されたプラットフォーム上のアプリケーションによって提供された特徴は、個人を記録し、本明細書に記載された技術を使用して、個人を評価することを含む。

いくつかの実施形態では、ユーザは、第１のコンピューティング装置上の第１のユーザアプリケーションについてのアンケートの使用を通じて評価される個人の入力データを提供する。いくつかの実施形態では、ユーザアプリケーションは一度に一つずつ質問を提供し、上に記載された方法で積極的に質問を生成する。

いくつかの実施形態では、入力データは、各兆候の分類カテゴリーと関係する、各々の可能性のある診断および分類価値について確率診断スコアを提供する機械学習ソフトウェアモジュールによって分析される。いくつかの実施形態では、分析は臨床医アプリケーションの使用を通じて臨床医に提供される。いくつかの実施形態では、確率診断スコアは、臨床医アプリケーションで表示される数の閾値を超えなければならない。いくつかの実施形態では、特定の閾値を下回る確率診断スコアは、臨床医アプリケーションの別個のタブまたは画面で表示される。いくつかの実施形態では、臨床医は、分析の結果を再検討し、臨床医アプリケーションを通じて追加データを要求する。例えば、臨床医は、子供が、自閉症のタイプが３５％の確率診断スコア、精神遅滞のタイプが４８％の確率診断スコア、および言葉の遅れが１０％の確率診断スコアを有するという結果を受け取り得る。確率スコア閾値は２５％にセットされ、および臨床医は自閉症と精神遅滞のためのスコアを再検討する。臨床医は、アプリケーションを通じて行動試験を命じ、１つあるいは両方の兆候を示す子供が実行するタスクの追加の映像を要求する。いくつかの実施形態では、臨床医は、機械学習アルゴリズムによって提供された結果の援助によって個人を診断する。いくつかの実施形態では、臨床医は診断をアプリケーションに入力し、医療提供者はデータと診断を利用できる。

いくつかの実施形態では、医療提供者は、個人の処置をコーディネートし、ユーザと個人への処置用のアドバイスを提供することができる。いくつかの実施形態では、医療提供者のネットワーク内の個人の処置をする臨床医は、個人の入力データにアクセスできる。

Claims (42)

1. 個人を評価するためのコンピュータ実施方法であって、前記方法は、
   （ａ）診断用機器と関連する入力を受け取る工程、
   （ｂ）複数の疾病の各々を有する前記個人の尤度のモデルを生成する工程、
   （ｃ）受け取り時に前記モデルの不確実性を低減する次の入力を特定する工程、および
   （ｄ）前記次の入力を受け取る工程、を含む方法。
2. 前記入力はアンケートに対する反応である、請求項１に記載の方法。
3. 前記アンケートは完全版のアンケートの短縮版である、請求項２に記載の方法。
4. 前記複数の疾病の１つを有するものとして前記個人の分類を決定する工程を含む、請求項１に記載の方法。
5. 前記分類は前記診断用機器からの項目のサブセットに基づく、請求項４に記載の方法。
6. 前記入力は前記個人の世話人によって提供される回答を含む、請求項１に記載の方法。
7. 前記入力は映像評価、映像アンケート、記述式アンケート、アンケートの音声記録、または非映像アンケートを含む、請求項１に記載の方法。
8. 複数の疾病は神経学的定型および決定的でないものを含む、請求項１に記載の方法。
9. 前記モデルはモンテカルロ方法を使用して生成される、請求項１に記載の方法。
10. 前記モデルは機械学習モデルを使用して生成される、請求項１に記載の方法。
11. 前記機械学習モデルは分類子を含む、請求項１０に記載の方法。
12. 前記モデルは、行動障害、発達遅延、または神経学的障害の既知の陽性または陰性診断を有する複数の個人に対して尋ねられた少なくとも１つの質問を使用して生成される、請求項１に記載の方法。
13. 前記モデルは、行動障害、発達遅延、または神経学的障害の既知の陽性または陰性診断を有する複数の個人から受け取った最も一般的な回答を使用して生成される、請求項１に記載の方法。
14. 前記複数の疾病の１つを含む前記個人の分類を決定する工程を含む、請求項１に記載の方法。
15. 前記分類が出力されるべきかどうかまたは追加の分析が実行されるべきかどうかを決定する工程を含む、請求項１４に記載の方法。
16. 前記追加の分析は、前記分類の不確実性が前記追加の分析を実行するコストに関して考慮される場合に実行される、請求項１５に記載の方法。
17. 前記疾病の各々についてペナルティスコアを決定する工程を含む、請求項１に記載の方法。
18. 前記複数の疾病の１つを含む前記個人の分類は、前記ペナルティスコアがペナルティゲート未満である場合のみ出力される、請求項１７に記載の方法。
19. 前記複数の疾病の１つを含む前記個人の分類を決定する工程、および前記個人に薬物治療を提供することによって前記分類に基づいて前記個人を処置する工程を含む、請求項１に記載の方法。
20. 前記複数の疾病は、広汎性発達障害（ＰＤＤ）、自閉症スペクトラム障害（ＡＳＤ）、社会的コミュニケーション障害、限定された反復行動、興味、および活動（ＲＲＢ）、自閉症（「古典的自閉症」）、アスペルガー症候群（「高機能自閉症」）、特に指定されていないＰＤＤ（ＰＤＤ－ＮＯＳ、「非定型自閉症」）、注意欠陥障害（ＡＤＤ）、注意欠陥多動性障害（ＡＤＨＤ）、言葉および言語の遅れ、強迫性障害（ＯＣＤ）、うつ病、統合失調症、アルツハイマー病、痴呆、知的障害、または学習障害の２つ以上を含む、請求項１～１９のいずれか１つに記載の方法。
21. 前記複数の疾病は自閉症スペクトラム障害を含む、請求項１～１９のいずれか１つに記載の方法。
22. 個人を評価するためのシステムであって、前記システムは、
    （ａ）プロセッサ
    （ｂ）前記プロセッサに
    診断用機器と関連する入力を受け取らせ、
    複数の疾病の各々を有する前記個人の尤度のモデルを生成させ、
    受け取り時に前記モデルの不確実性を低減する次の入力を特定させ、そして
    前記次の入力を受け取らせるように、構成されたソフトウェアを含む非一時的なコンピュータ可読媒体を含む、システム。
23. 前記入力はアンケートに対する反応である、請求項２２に記載のシステム。
24. 前記アンケートは完全版のアンケートの短縮版である、請求項２３に記載のシステム。
25. 前記ソフトウェアはさらに、前記プロセッサに、前記複数の疾病の１つを有するものとして前記個人の分類を決定させる、請求項２２に記載のシステム。
26. 前記分類は前記診断用機器からの項目のサブセットに基づく、請求項２５に記載のシステム。
27. 前記入力は前記個人の世話人によって提供される回答を含む、請求項２２に記載のシステム。
28. 前記入力は映像評価、映像アンケート、記述式アンケート、アンケートの音声記録、または非映像アンケートを含む、請求項２２に記載のシステム。
29. 複数の疾病は神経学的定型および決定的でないものを含む、請求項２２に記載のシステム。
30. 前記モデルはモンテカルロ方法を使用して生成される、請求項２２に記載のシステム。
31. 前記モデルは機械学習モデルを使用して生成される、請求項２２に記載のシステム。
32. 前記機械学習モデルは分類子を含む、請求項３１に記載のシステム。
33. 前記モデルは、行動障害、発達遅延、または神経学的障害の既知の陽性または陰性診断を有する複数の個人に対して尋ねられた少なくとも１つの質問を使用して生成される、請求項２２に記載のシステム。
34. 前記モデルは、行動障害、発達遅延、または神経学的障害の既知の陽性または陰性診断を有する複数の個人から受け取った最も一般的な回答を使用して生成される、請求項２２に記載のシステム。
35. 前記ソフトウェアはさらに、前記プロセッサに、前記複数の疾病の１つを含む前記個人の分類を決定させる、請求項２２に記載のシステム。
36. 前記ソフトウェアはさらに、前記プロセッサに、前記分類が出力されるべきかどうかまたは追加の分析が実行されるべきかどうかを決定させる、請求項３５に記載のシステム。
37. 前記追加の分析は、前記分類の不確実性が前記追加の分析を実行するコストに関して考慮される場合に実行される、請求項３６に記載のシステム。
38. 前記ソフトウェアはさらに、前記プロセッサに、前記疾病の各々についてペナルティスコアを決定させる、請求項２２に記載のシステム。
39. 前記複数の疾病の１つを含む前記個人の分類は、前記ペナルティスコアがペナルティゲート未満である場合のみ出力される、請求項３８に記載のシステム。
40. 前記ソフトウェアはさらに、前記プロセッサに、前記複数の疾病の１つを含む前記個人の分類を決定させ、前記個人に薬物治療を提供することによって前記分類に基づいて前記個人を処置させる、請求項２２に記載のシステム。
41. 前記複数の疾病は、広汎性発達障害（ＰＤＤ）、自閉症スペクトラム障害（ＡＳＤ）、社会的コミュニケーション障害、限定された反復行動、興味、および活動（ＲＲＢ）、自閉症（「古典的自閉症」）、アスペルガー症候群（「高機能自閉症」）、特に指定されていないＰＤＤ（ＰＤＤ－ＮＯＳ、「非定型自閉症」）、注意欠陥障害（ＡＤＤ）、注意欠陥多動性障害（ＡＤＨＤ）、言葉および言語の遅れ、強迫性障害（ＯＣＤ）、うつ病、統合失調症、アルツハイマー病、痴呆、知的障害、または学習障害の２つ以上を含む、請求項２２～４０のいずれか１つに記載のシステム。
42. 前記複数の疾病は自閉症スペクトラム障害を含む、請求項２２～４１のいずれか１つに記載のシステム。

Images