JP2023504197A - デジタル治療システム及び方法 - Google Patents

デジタル治療システム及び方法 Download PDF

Info

Publication number
JP2023504197A
JP2023504197A JP2022534272A JP2022534272A JP2023504197A JP 2023504197 A JP2023504197 A JP 2023504197A JP 2022534272 A JP2022534272 A JP 2022534272A JP 2022534272 A JP2022534272 A JP 2022534272A JP 2023504197 A JP2023504197 A JP 2023504197A
Authority
JP
Japan
Prior art keywords
user
data
digital
outreach
computer
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
Application number
JP2022534272A
Other languages
English (en)
Inventor
アイヤー アナンド
ピープルズ マリンダ
シェノイ ビナヤク
ハッチンス キャリー
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WellDoc Inc
Original Assignee
WellDoc Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by WellDoc Inc filed Critical WellDoc Inc
Priority claimed from PCT/US2020/063474 external-priority patent/WO2021113760A1/en
Publication of JP2023504197A publication Critical patent/JP2023504197A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Nutrition Science (AREA)
  • Bioethics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

方法及びデバイスは、１つ又は複数のターゲットパラメータに基づいてデジタル治療に対する複数のターゲットユーザを特定することと、アウトリーチ媒体を使用して複数のターゲットユーザのうちの１人又は複数にアウトリーチを実施することと、デジタル治療の使用を最適化するようにアクティベーションメカニズムを特定することと、複数のターゲットユーザのうちの１人又は複数によるデジタル治療のエンゲージメントレベルを促進することと、を含む。【選択図】図４

Description

関連出願
本願は、２０１９年１２月４日に出願された米国仮出願第６２／９４３，５３６号の利益を主張し、その全体を参照により本明細書に援用する。
本開示は、概して、ユーザの健康を改善するように適合されたデジタル治療システムを実装するためにデータを取得し、処理することに関する。
増加した医療費は、適切なケアへの患者のアクセスを制限している。同時に、ヘルスケア企業は、提供者の仕事量を増加させ、医師と患者との相互作用を制限している。デジタル治療は、コストの削減及び新しい治療の実装を提供し得る。しかし、デジタル治療は、標準化されたバリューチェーンの欠如、主要プロセスの欠如、メトリクスの欠如、及びベストプラクティスとベンチマーキングとの欠如に起因して、未だクリティカルマスを達成していない。
本開示は、１つ又は複数の上記の課題に対処することを対象とする。本明細書で提供される導入部は、本開示のコンテキストを一般的に示すためのものである。本明細書に別段に示されない限り、本セクションに記載された資料は、本願の請求項の先行技術ではなく、本セクションに含めることによって先行技術であること、又は先行技術の示唆であることを認めるものでもない。
本開示は、１つ又は複数のターゲットパラメータに基づいてデジタル治療に対する複数のターゲットユーザを特定することと、アウトリーチ媒体を使用して複数のターゲットユーザのうちの１人又は複数にアウトリーチを実施することと、デジタル治療の使用を最適化するようにアクティベーションメカニズムを特定することと、複数のターゲットユーザのうちの１人又は複数によるデジタル治療のエンゲージメントレベルを促進することとを含む、デジタル治療を展開するためのコンピュータ実装方法を対象とする。
開示される技術は、ターゲットユーザ、アウトリーチ、アクティベーションメカニズム、又はエンゲージメントレベルのうちの１つ又は複数に基づいて、レポートを作成することを含む。レポートは、情報分析、発見分析、外挿分析、又は適応分析のうちの１つ又は複数に基づき得る。レポートは、Ｎ＋１ステージスコアとＮステージスコアとの比較を含み得る。
複数のターゲットユーザは、臨床的要因、疾患要因、技術要因、社会的要因、又は人口統計学的要因のうちの１つ又は複数に基づいて特定される。アウトリーチは、方法、モダリティ、頻度、時間、又は相互作用レベルのうちの１つ又は複数に基づいて実施される。アクティベーションメカニズムは、モダリティ、データイネーブルメント対データ入力、又は場所のうちの１つ又は複数に基づいている。エンゲージメントレベルは、ソリューション内対ソリューション外、頻度、長さ、及びモダリティのうちの１つ又は複数に基づいている。複数のターゲットユーザを特定することと、アウトリーチを実施することと、アクティベーションメカニズムを特定することと、エンゲージメントレベルを促進することとのうちの少なくとも１つは、機械学習モデルの出力に基づいている。機械学習モデルは、訓練データに基づいて、１つ又は複数の重み或いは１つ又は複数の層のうちの１つを変更することで訓練される。訓練データは、ステージ入力、既知の結果、及び比較結果のうちの１つ又は複数を含む。比較結果は、Ｎステージスコアに対するＮ＋１ステージスコアの比率である。
本明細書に援用され、本明細書の一部を構成する添付図面は、本開示の実装例を示し、詳細な説明と共に、本開示の原理を説明するために用いられる。
図１は、本開示の一実装例による、健康管理システムの概略図である。 図２は、図１の健康管理システムの一部分の概略図である。 図３は、図１の健康管理システムの別の部分の概略図である。 図４は、本開示の一実装例による、デジタル治療方法のフローチャートである。 図５は、本開示の一実装例による、複数のステージベースのフローチャートである。 図６は、本開示の一実装例による、比較結果を生成するためのフローチャートである。 図７は、本開示の一実装例による、機械学習モデルを訓練するためのフローチャートである。 図８は、本開示の一実装例による、例えば、医療提供者意思決定サーバとして機能するために、ホストサーバとして構成され得るコンピュータの簡略化された機能ブロックダイアグラムである。 図９は、本開示の一実装例による、実験結果を示すグラフである。
次に、添付の図面に示されている、本開示の実装例を詳細に参照する。可能な限り、同じ参照番号は、同じ或いは同様の部品を参照するために、図面全体にわたって使用される。
以下の議論では、「約」、「実質的に」、「およそ」などのような相対的な用語は、記載された数値における±１０％の可能な変動を示すために使用される。本明細書に記載された説明は、本質的に単なる一例であり、本対象の実装例、又はそのような実装例の適用及び使用を制限することを意図していないことに留意されたい。例示的なものとして本明細書に記載された任意の実装形態は、他の実装形態よりも好ましい或いは有利であると解釈されるべきではない。むしろ、上記で言及されたように、用語「例示的な」は、「理想的な」ではなく、例又は「一例である」という意味で使用される。用語「含む（comprise）」、「含む（include）」、「有する」、「と共に」、及びそれらの任意の変形は、非排他的な包含を示すために、或いは記載するために同義的に使用される。そのため、そのような用語を使用するプロセス、方法、物品、又は装置は、それらのステップ、構造、又は要素のみを含まないが、明示的に記載されていない、或いはそのようなプロセス、方法、物品、又は装置に固有の、他のステップ、構造、又は要素を含み得る。さらに、本明細書における用語「第１」、「第２」などは、任意の順序、量、又は重要性を示すものではなく、１つの要素を別の要素から区別するために使用されるものである。さらに、本明細書における用語「ａ」及び「ａｎ」等の単数形表記は、量の制限を示すものではなく、参照される項目の少なくとも１つの存在を示すものである。
（ヘルスケア及びコンピューティング環境）
図１は、本開示の一実装例による、健康管理システム１００のブロックダイアグラムである。モバイルデバイス、コンピュータ、医療機器、又はインターネット等の電子ネットワーク３２にアクセスするように構成されている任意の他の電子デバイス等の、電子デバイス１９を有するユーザ８（例えば、患者、消費者など）は、モバイルヘルス（ｍＨｅａｌｔｈ）アプリケーション１と通信することができ、或いはその他の方法でアクセスすることができる。ｍＨｅａｌｔｈアプリケーション１は、本明細書でさらに開示されるように、デジタル治療の一実装例である。いくつかの実装例による、ネットワーク３２は、携帯電話ネットワーク、Ｗｉ－Ｆｉ、ＬＡＮ、ＷＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、近距離無線通信（ＮＦＣ）、又はネットワーク通信の他の適切な形態等の、無線又は有線リンクを含んでもよい。複数の電子デバイス１９は、電子ネットワーク３２にアクセスするように構成されていてもよい。ユーザ８は、（例えば、携帯電話、タブレット、及びラップトップコンピュータのうちの１つ又は複数を介して）複数の電子デバイス１９にリンクされた単一のアカウントでｍＨｅａｌｔｈアプリケーション１にアクセスしてもよい。電子デバイス１９はまた、モバイルヘルスデバイス、デスクトップコンピュータ又はワークステーション、ラップトップコンピュータ、モバイルハンドセット、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話、ネットワーク機器、カメラ、スマートフォン、スマートウォッチ、拡張一般パケット無線サービス（ＥＧＰＲＳ）の携帯電話、メディアプレーヤ、ナビゲーションデバイス、ゲーム機、セットトップボックス、通信機能付き生体センシングデバイス、スマートテレビ、又はそれらの任意の組み合わせ、或いは、少なくとも１つのプロセッサ、ローカルメモリ、ディスプレイ（例えば、モニタ又はタッチスクリーンディスプレイ）、１つ又は複数のユーザ入力デバイス、及びネットワーク通信インタフェースを有する他のタイプのコンピューティングデバイスを含んでもよいが、それらに限定されない。電子デバイス１９は、ディスプレイモニタ、キーボード、タッチパッド、加速度計、ジャイロスコープ、マウス、タッチスクリーン、カメラ、プロジェクタ、タッチパネル、ポインティングデバイス、スクローリングデバイス、ボタン、スイッチ、モーションセンサ、オーディオセンサ、圧力センサ、熱センサ、及び／又はマイク等の、入力／出力デバイスの任意のタイプ又は組み合わせを含んでもよい。電子デバイス１９はまた、情報を送受信するために、（例えば、Ｗｉ－Ｆｉ、無線周波数（ＲＦ）、赤外線（ＩＲ）、Ｂｌｕｅｔｏｏｔｈ、近距離通信、又は任意の他の適切な手段を介して）任意の適切な有線又は無線手段によって互いに通信してもよい。
ｍＨｅａｌｔｈアプリケーション１は、情報を送受信するために他のエンティティ又はネットワークと通信し得る。いくつかの実装例では、ｍＨｅａｌｔｈアプリケーション１は、例えば、運動トラッキング（例えば、歩数トラッキング）アプリケーション及び／又は他のヘルス関連アプリケーション等の、ユーザ８に関連付けられた１つ又は複数のアプリケーションと通信してもよい。ｍＨｅａｌｔｈアプリケーション１は、他のアプリケーションからデータをインポートすることができ、ユーザ８のための治療計画を作成するときに分析し、使用し得る。例えば、ｍＨｅａｌｔｈアプリケーション１は、他のアプリケーションから活動トラッキングデータをインポートしてもよく、そのデータを使用して、ユーザ８の運動と、ｍＨｅａｌｔｈアプリケーション１の使用前に収集された血糖値との間のパターンを特定してもよい。ｍＨｅａｌｔｈアプリケーション１はまた、他のモバイルヘルスアプリケーションから、例えば、血圧、ＢＭＩ、Ａ１Ｃ、運動タイプ、運動時間、運動距離、消費カロリー、総歩数、運動日、運動開始及び終了時間、及び睡眠等の、任意の他の適切なデータをインポートしてもよい。ｍＨｅａｌｔｈアプリケーション１はまた、例えば、社会的な或いはインタラクティブな特徴を有する他のモバイルヘルスアプリケーションを含む、他のモバイルアプリケーションにデータをエクスポートしてもよい。医師等の医療提供者７は、本アプリケーションを処方し得る。しかしながら、ｍＨｅａｌｔｈアプリケーション１は、処方箋を必要としなくてもよく、例えば、コンピュータソフトウェアのためのデジタル配信プラットフォームから処方箋なしでアクセス可能な市販の消費者アプリケーションであることも考えられる。ｍＨｅａｌｔｈアプリケーション１は、特定のユーザ８に合わせられてもよく、薬局９又は他の承認されたエンティティを訪れることによって、ユーザ８により直接アクティベートされてもよい。例えば、ユーザ８は、ｍＨｅａｌｔｈアプリケーション１へのアクセスを承認するアクセスコードを薬局から受け取ってもよい。ユーザ８は、ｍＨｅａｌｔｈサポートシステム２５及び／又はアプリケーショントレーナ２４によって、ｍＨｅａｌｔｈアプリケーション１を使用することに関するトレーニングを受けてもよい。ｍＨｅａｌｔｈアプリケーション１は、機械学習プログラミングアルゴリズム２６等の、様々な形態のプログラミング２８を含み得る。ユーザの治療計画は、薬局９によって調剤され得る、（例えば、薬物、デバイス、及び／又は治療に対する）処方箋を含み得る。薬局９は、ユーザ８のヘルスケア治療計画の順守に基づく承認を受けた後、処方された製品／治療の再処方を可能にし得る。承認は、例えば、ネットワーク３２及び様々なサーバ２９を介して、アプリケーション１からの通信によって、薬局９により受信されてもよい。薬物又は他の医療製品／治療の使用はまた、ネットワーク３２を介して製造業者３７に送信され、ユーザ８によって使用されている医療製品又は治療の量を製造業者３７に通知され得る。この情報は、製造業者３７が医療製品又は治療の需要を評価し、供給を計画するのに役立ち得る。医療提供者７はまた、アプリケーション１によって受信されたユーザ情報に基づくレポートを受信してもよく、この情報に基づいてユーザの治療計画を更新してもよい。ユーザの電子医療記録１４はまた、ｍＨｅａｌｔｈアプリケーション１によって受信された、アプリケーションに関する電子的に送信されたユーザ８のフィードバックを含み得る、ユーザ情報に基づいて、ネットワーク３２を介して自動的に更新され得る。医療提供者７は、例えば、医師、専門家、看護師、教育者、ソーシャルワーカー、ＭＡ、ＰＡなどを含む任意の適切な医療提供者であってもよい。
図２は、システム１００の追加の態様の概略ダイアグラムである。例えば、システム１００は、ネットワーク３２を介して、意思決定モデルデータベース２７０に格納された意思決定モデルにアクセスしてもよい。検索された意思決定モデルは、モバイルデバイス２１５、タブレットデバイス２２０、コンピュータ２２５（例えば、ラップトップ又はデスクトップ）、キオスク２３０（例えば、医療及び／又は処方箋情報を有するキオスク、薬局、クリニック、又は病院において）、及び／又はネットワーク３２に接続された任意のデバイス等の、１つ又は複数の電子デバイス１９による表示及び／又は処理のために使用され得る。
図２に示される実装例では、モバイルデバイス２１５、タブレット２２０、及びコンピュータ２２５は各々、任意のサーバ２９及び／又は１つ又は複数のＧＰＳ衛星２５５との間で、ネットワーク３２を介して、位置情報、例えばＧＰＳデータを取得し、レポートするための、例えばＧＰＳ受信機を備えていてもよく、或いはＧＰＳ受信機を含んでいてもよい。
モバイルデバイス２１５、タブレットデバイス２２０、コンピュータ２２５、及び／又はキオスク２３０を含む、電子デバイス１９の各々は、ネットワーク３２を介してサーバ２９のシステムとの間でデータ（例えば、臨床情報）を送受信するように構成され得る。デバイス１９の各々は、サーバ２９からネットワーク３２を介して臨床データ等の、情報を受信し得る。サーバ２９は、臨床データサーバ２４０、アルゴリズムサーバ２４５、ユーザインタフェース（ＵＩ）サーバ２５０、及び／又は任意の他の適切なサーバを含み得る。電子デバイス１９は、ネットワーク３２を介してＵＩサーバ２５０とデータ通信しているユーザインタフェースを含み得る。各サーバは、意思決定モデルデータベース２７０にアクセスし、意思決定モデルを検索し得る。各サーバは、メモリ、プロセッサ、及び／又はデータベースを含み得る。例えば、臨床データサーバ２４０は、提供者のデータベース及び／又は患者の電子医療記録から臨床データを検索するように構成されているプロセッサを有し得る。アルゴリズムサーバ２４５は、様々なアルゴリズムを含むデータベースと、臨床データを処理するように構成されているプロセッサとを有し得る。ＵＩサーバ２５０は、臨床的意思決定の好み等の、ユーザ８の入力を受信し、処理するように構成され得る。衛星２５５は、サーバ２９とデバイス１９との間で情報を送受信するように構成され得る。
臨床データサーバ２４０は、ネットワーク３２を介して、或いは間接的にＵＩサーバ２５０を介して、電子デバイス１９からユーザに関するデータ等の臨床データを受信し得る。臨床データサーバ２４０は、コンピュータ可読メモリ等のメモリに情報を格納し得る。
臨床データサーバ２４０はまた、アルゴリズムサーバ２４５及び／又は外部サーバ等の、１つ又は複数の他のサーバと通信していてもよい。サーバ２９は、提供者の好みについてのデータ、及び／又はユーザ８の健康履歴を含んでもよい。さらに、臨床データサーバ２４０は、他のユーザからのデータを含んでもよい。アルゴリズムサーバ２４５は、機械学習、及び／又は他の適切なアルゴリズムを含み得る。アルゴリズムサーバ２４５はまた、他の外部サーバと通信していてもよく、所望に応じて更新されてもよい。例えば、アルゴリズムサーバ２４５は、新しいアルゴリズム、より強力なプログラミング、及び／又はより多くのデータで更新されてもよい。臨床データサーバ２４０及び／又はアルゴリズムサーバ２４５は、情報を処理し、処理のためにモデルデータベース２７０にデータを送信してもよい。一実装例では、（１つ又は複数の）アルゴリズムサーバ２４５は、単純なフォーマットでパターン定義を取得し、モデル、例えば、マルコフモデル、ガウシアン、ベイズ、及び／又は線形判別関数、非線形判別関数、ランダムフォレストアルゴリズムなどの分類モデルを使用することによって、将来のいくつかの時間ステップを予測し、その予測に基づいて結果を最適化し、パターン間の遷移を検出し、抽象データを取得し、情報を抽出し、より高いレベルの知識を推論し、高いレベルと低いレベルとの情報を組み合わせ、ユーザ８及び臨床行動について理解し、多時間（例えば、異なる時間スケール）データ及び関連情報から推論し、可変次数マルコフモデルを使用し、且つ／或いはｋ－ｍｅａｎｓクラスタリング等のクラスタリングアルゴリズムを使用することによって、時間と共にノイズを低減し得る。
臨床データサーバ２４０、アルゴリズムサーバ２４５、及びＵＩサーバ２５０を含む、サーバ２９のシステムにおける各サーバは、ウェブサーバ、アプリケーションサーバ、プロキシサーバ、ネットワークサーバ、又はサーバファームを含むが、それらに限定されない、任意の様々なタイプのサーバを表してもよい。サーバ２９のシステムにおける各サーバは、例えば、ネットワーク３２を介してデバイス１９又は任意の他のコンピューティングデバイス（図示せず）を含むが、それらに限定されない、他のコンピューティングデバイスにデータを提供することができる任意の汎用コンピュータを使用して実装されてもよい。そのような汎用コンピュータは、命令を実行し、格納するための、プロセッサとメモリとを有するサーバデバイスを含み得るが、それらに限定されない。メモリは、フロッピーディスク、ハードディスク、若しくは磁気テープを含む磁気ストレージ、ソリッドステートディスク（ＳＳＤ）若しくはフラッシュメモリ等の半導体ストレージ、光ディスクストレージ、又は光磁気ディスクストレージ等の、物理記憶媒体で具体化された任意のタイプのランダムアクセスメモリ（ＲＡＭ）又はリードオンリーメモリ（ＲＯＭ）を含んでもよい。ソフトウェアは、１つ又は複数のアプリケーション及びオペレーティングシステムを含んでもよい。ハードウェアは、プロセッサ、メモリ、及びグラフィカルＵＩディスプレイを含み得るが、それらに限定されない。各サーバはまた、例えば、クラスタ化されたコンピューティング環境又はサーバファーム内で共に機能するように構成されている、複数のプロセッサ、及び複数の共有された或いは個別のメモリコンポーネントを有してもよい。
図３は、電子デバイス１９及びサーバ２９の追加の詳細を示す、システム１００の一部分の別の表現である。電子デバイス１９及びサーバ２９は各々、プロセッサ３０１－１及び３０４－１等の、１つ又は複数のプロセッサを含み得る。プロセッサ３０１－１及び３０４－１は各々、中央処理装置、マイクロプロセッサ、汎用プロセッサ、特定用途プロセッサ、又は命令を実行する任意のデバイスであってもよい。電子デバイス１９及びサーバ２９はまた、１つ又は複数のソフトウェアモジュールを格納する、メモリ３０１－２及び３０４－２等の、１つ又は複数のメモリを含み得る。メモリ３０１－２及び３０４－２は、ハードドライブ、ＣＤ、ＤＶＤ、フラッシュメモリ、ＲＡＭ、ＲＯＭなどの、任意のコンピュータ可読記憶媒体を使用して実装されてもよい。メモリ３０１－２は、プロセッサ３０１－１によって実行され得る、モジュール３０１－３を格納し得る。同様に、メモリ３０４－２は、プロセッサ３０４－１によって実行され得る、モジュール３０４－３を格納し得る。
電子デバイス１９は、１つ又は複数のＵＩをさらに含んでもよい。ＵＩは、計画又は介入等の情報をユーザ８に提示するための１つ又は複数のインタフェースを可能にし得る。ＵＩは、ウェブページ等のウェブベースであってもよく、或いはスタンドアロンアプリケーションであってもよい。ＵＩはまた、データ入力及びユーザフィードバック等の、ユーザ８についての情報を受け入れるように構成されていてもよい。ユーザ８が情報を手動で入力してもよく、或いは情報は自動的に入力されてもよい。一実装例では、ユーザ８（又はユーザの世話人）は、いつ薬が服用されたのか、或いはユーザ８がどのような飲食物を摂取したのかといった情報を入力してもよい。電子デバイス１９はまた、検査機器（図示せず）又は検査機器から情報を受信するためのインタフェースを含んでもよい。検査機器は、例えば、血糖値測定器、心拍計、体重計、血圧計カフなどを含んでもよい。電子デバイス１９はまた、ユーザ８からのフィードバックを収集するために、カメラ、マイクロフォン、又は加速度計等の、１つ又は複数のセンサ（図示せず）を含んでもよい。一実装例では、デバイスは、ユーザの血糖値を読み取り、自動的にレポートするための血糖値測定器を含んでもよい。
電子デバイス１９はまた、プレゼンテーション層を含んでもよい。プレゼンテーション層は、ウェブブラウザ、アプリケーション、メッセージングインタフェース（例えば、電子メール、インスタントメッセージ、ＳＭＳなど）であってもよい。電子デバイス１９は、プレゼンテーション層を介して、通知、警告、読み物、参考文献、ガイド、リマインダ、又は提案をユーザ８に提示してもよい。例えば、プレゼンテーション層は、ユーザ８に関連すると判定される記事、薬を購入するためのリマインダ、トピックに関するチュートリアル（例えば、炭水化物に関するチュートリアル）、同様の症状を有する他人の証言、及び／又は１つ又は複数の目標（例えば、カーボカウント目標）を提示してもよい。プレゼンテーション層はまた、チュートリアル（例えば、ユーザーガイド又は説明ビデオ）等の情報を提示してもよく、且つ／或いは、医療提供者と、ユーザ８、例えば患者との間の通信を可能にしてもよい。医療提供者と、ユーザ８、例えば患者との間の通信は、電子メッセージ（例えば、電子メール又はＳＭＳ）、音声、又はリアルタイムビデオを介してであってもよい。１つ又は複数のこれらの項目は、後述されるように、治療計画又は更新された治療計画に基づいて提示されてもよい。プレゼンテーション層はまた、ユーザからフィードバックを受信するために使用されてもよい。
システム１００はまた、データベース３０２等の、１つ又は複数のデータベースを含み得る。データベース３０２は、関連データベース技術又はオブジェクト指向データベース技術等の、当業者に知られている任意のデータベース技術を使用して実装されてもよい。データベース３０２は、データ３０２－１を格納し得る。データ３０２－１は、推論を行うためのナレッジベース、統計モデル、及び／又はユーザ情報を含み得る。データ３０２－１、又はその一部分は、代替的に或いは同時に、サーバ２９又は電子デバイス１９に格納されてもよい。
システム１００は、例えば、ユーザのヘルスケアに対処すること、ユーザの財政を維持すること、及びユーザの栄養及び／又は睡眠を監視し、追跡することを含む、幅広い用途のために使用され得る。システム１００のいくつかの実装形態では、任意の受信データは、不正アクセスに対するデータのセキュリティを高め、ＨＩＰＡＡプライバシー、及び／又は他の法的、ヘルスケア、財政、又は他の規制を順守するために、暗号化された形式でデータベースに格納されてもよい。
システム１００に描写された任意のサーバ又はサーバシステム２９に関して、サーバ又はサーバシステムは、１つ又は複数のデータベースを含んでもよい。一実装例では、データベースは、任意のタイプのデータを格納するために使用され得る任意のタイプのデータストア又は記録媒体であってもよい。例えば、データベース３０２は、治療計画の各処方薬に関連付けられたタイミング及び投与量を含む、ユーザの治療計画に関連する情報を含むサーバ２９によって受信された、或いはサーバ２９によって処理されたデータを格納してもよい。データベース３０２はまた、複数の処方薬の各々に関連するユーザ８の識字レベルを含む、ユーザ８に関連する情報を格納してもよい。
（健康状態）
（一般的に糖尿病と呼ばれる）真性糖尿病は、患者の体がインスリンを全く又は十分に生成することができない、或いは生成したインスリンを使用することができない（インスリン抵抗性）、慢性、持続性代謝疾患（又は状態）であり、患者の血液中の血糖の上昇値を引き起こす。糖尿病の３つの特定可能なタイプは、糖尿病予備軍、１型糖尿病、及び２型糖尿病を含む。糖尿病予備軍は、血糖が高いが、２型糖尿病であるというほど十分に高くはない状態である。２型糖尿病は、体が血糖を処理する方法に影響を与える慢性的な状態である。最後に、１型糖尿病は、膵臓がインスリンをほとんど又は全く生産しない慢性的な状態である。
糖尿病は一般的に、いくつかの方法で診断される。糖尿病を診断することは、糖尿病のタイプの肯定的な診断を確認するために複数の日に検査を繰り返す必要があり得る。糖尿病の診断を確認するときに医師又は他の適切な医療提供者が使用するいくつかの健康パラメータは、血液中の糖化ヘモグロビン（Ａ１Ｃ）値、空腹時血糖（ＦＰＧ）値、経口糖負荷試験、及び／又はランダム血糖値検査を含む。一般的に、医療提供者は、糖尿病の診断を支援するために患者のＡ１Ｃ値に関心を持つ。糖化ヘモグロビンは、３ヶ月間の平均血漿グルコース濃度を特定するために主に測定されるヘモグロビンの一形態であり、医師及び／又は他の適切な医療提供者によって使用され得る。健康パラメータは、体重、年齢、栄養摂取、運動活動、コレステロール値、中性脂肪値、肥満、タバコ使用、及び家族歴を含む。
糖尿病のタイプの診断が医師又は他の適切な医療提供者によって確認されると、患者は、糖尿病を管理するための治療を受け得る。医師又は他の医療提供者によって糖尿病を追跡され、或いは監視されている患者は、食事、運動、経口薬、及び／又はインスリン治療を通して血糖をコントロールすることを組み合わせることによって治療され得る。合併症の定期的な検査はまた、患者によっては必要とされる。患者が糖尿病と診断されてからの期間に応じて、ｍＨｅａｌｔｈアプリケーション１は、患者の状態を管理するために特定の治療計画を提案し得る。経口薬は典型的には、肝臓によるグルコースの生産を減少させ、筋肉をインスリンに対して、より敏感にするために口から服用される錠剤を含む。他の例では、糖尿病がより深刻である場合、患者の糖尿病を治療するために、注射を含む、追加の薬が必要とされ得る。ベーサル（基礎）インスリンの注射は、バックグラウンドインスリンとしても知られており、空腹時の血糖値を一定値に保つために医療提供者によって使用され得る。空腹時、患者の体は、細胞にエネルギーを供給するために、血液中にグルコースを安定的に放出する。したがって、血糖値をコントロールし、細胞がエネルギーとしてグルコースを取り込むことを可能にするために、ベーサルインスリンの注射が必要とされる。ベーサルインスリンは、インスリンのタイプに応じて、通常１日１回又は２回投与される。ベーサルインスリンは比較的長い期間作用するので、持続性インスリン又は中間型インスリンと考えられている。対照的に、ボーラス（追加）インスリンは、速やかに作用するために使用され得る。例えば、ボーラスインスリンは、食事後に血糖値をコントロールするために食事時に特に投与され得る。いくつかの例では、医師又は医療提供者が患者の糖尿病を管理するための治療計画を作成するとき、医師は、例えば、１日を通していくつかの注射をすることを含む、ベーサル・ボーラス（ｂａｓａｌ－ｂｏｌｕｓ）投薬レジメンを作成する。ベーサル・ボーラスレジメンは、食事のたびの注射を含んでもよく、非糖尿病患者の体がどのようにインスリンを放出するかをほぼ模倣しようとするものである。ベーサル・ボーラスレジメンは、１型糖尿病及び２型糖尿病を有する人々に適用可能であり得る。インスリンの注射を必要とするベーサル・ボーラスレジメンに加えて、治療計画は、処方された経口薬の使用で補強され得る。治療計画への患者の順守は、患者の疾患状態を管理する上で重要であり得る。例えば、患者が糖尿病と診断されて６ヶ月を超えた場合、例えば、健康な、或いは好ましい血糖値を得るために、非常に具体的な治療レジメンが、患者によって順守されるべきである。最終的には、それらの薬タイプの治療の週ごとのパターンが、糖尿病を管理する上で重要であり得る。ｍＨｅａｌｔｈアプリケーション１は、患者が糖尿病を管理するのを支援するために治療計画を推奨し得る。
（例示的な方法）
本明細書に適用されるように、デジタル治療は、医学的障害又は疾患を予防し、管理し、或いは治療するために１つ又は複数のソフトウェアプログラムを使用して実装される、証拠に基づく治療介入である。一実装例として、図１のｍＨｅａｌｔｈアプリケーション１は、デジタル治療介入である。デジタル治療は、１つ又は複数のデジタル推進力の集まりによって促され得る行動的及び／又はライフスタイルの変化を実装することに依存し得る。デジタル治療のデジタルな性質の結果として、デジタル治療を改善すること、デジタル治療の広がりを高めること、デジタル治療の使用に基づいてレポートすることを改善し、或いは実装すること、又は患者ケアを向上させることのために、データが収集され、且つ／或いは分析され得る。
本明細書に開示される技術は、デジタル治療が、ノイズの多い或いは矛盾する情報を有する新しい産業の一部であり、不確実な実装形態のモデル、未確定の命名法、測定又はメトリクスの欠如、独自の実装形態、安定性の欠如、及び／又は比較点の欠如を有することを考慮して、現在のデジタル治療の実装状態を改善するために使用され得る。実装形態は、標準化された命名法、プロセス構成、構成の安定性の適用、幅広い適用性（例えば、複数の疾患／ドメイン）に使用されることができ、測定及びベンチマークを可能にする。
ｍＨｅａｌｔｈアプリケーション１等の、デジタル治療は、デジタルデータ、センサ、ユーザデータ、ユーザの背景情報、疾患データ、医療情報などを利用し、ユーザの行為、行動、及び／又は習慣における変化を促す、或いは引き起こす治療又は療法として実装され得る。一実装形態による、デジタル治療は、それ自体が電子デバイス１９を介して治療を提供し得る。例えば、デジタル治療アプリケーション（例えば、ｍＨｅａｌｔｈアプリケーション１）は、電子デバイス１９を使用してデジタル治療を出力してもよい。デジタル治療は、聴覚治療、視覚治療、嗅覚治療、触覚治療、又はそれらの組み合わせなどであってもよい。デジタル治療は、スピーカ、スクリーン、プロジェクタ、嗅覚コンポーネント、触覚コンポーネント、又はデジタル治療に関連付けられた電子デバイス１９の一部であり、或いは接続（例えば、有線接続、無線接続など）され得る任意の他の適用可能なコンポーネントであるが、それらに限定されないような、電子デバイス１９の１つ又は複数のコンポーネントを使用して出力されてもよい。
デジタル治療は、病状を発症すること及び／又は悪化させることの危険性がある患者に対する予防措置として使用され得る。例えば、糖尿病予備軍のユーザは、糖尿病の診断につながり得るユーザの食事及び行動を変えるためにデジタル治療を処方され得る。デジタル治療はまた、既存の状態に対する治療オプションとして使用され得る。例えば、２型糖尿病の患者は、本明細書に開示されるように、デジタル治療（例えば、ｍＨｅａｌｔｈアプリケーション１）を使用して実装される治療計画に基づいて、より効果的に疾患を管理するためにデジタル治療を使用してもよい。デジタル治療は、薬、運動、食事、及び／又は疾患管理の１つ又は複数の他の側面に関して、ユーザに警告し、ガイドし、或いは励ますために使用されてもよい。
開示された本対象の実装形態による、デジタル治療は、デジタル治療計画を作成する前に、ユーザ８からの初期データ、或いはユーザについての初期データを取得し得る電子デバイス１９及び／又はサーバ２９を使用して実装され得る。ユーザ８は、電子デバイス１９にデータを入力することができ、データは、サーバ２９に送信され得る。いくつかの実装例では、サーバ２９は、医療提供者に関連するデータを受信してもよく、例えば、医師は、サーバ２９に、関連する患者のヘルスケア情報を入力してもよい。このデータは、提供者及び／又はユーザ８によって電子的に送信されてもよく、サーバ２９によって受信されてもよい。データは、任意の適切な方法でサーバ２９に電子的に送信され、受信されてもよい。例えば、提供者は、デジタル治療アプリケーション（例えば、ｍＨｅａｌｔｈアプリケーション１）又は安全なサーバにアクセスし、ネットワークを介して、電子データファイルを送信し、或いはドロップしてもよく、ファイルがデジタル治療アプリケーションによってアクセスされてもよい。いくつかの実装例では、提供者は、任意のヘルスケアプライバシー規制及び他の適用可能な規制を順守して、任意の電子医療記録、ユーザ処方箋記録、紹介記録などへのアクセス制限されたデジタル治療アプリケーションを承認してもよい。いくつかの実装例では、サービスは、そのような電子記録からヘルスケアデータを電子的に（例えば、自動的に）検索してもよい。他の実装例では、ユーザデータは、ユーザ８によって電子的に送信されてもよく、任意の適切な方法でサービスによって電子的に受信されてもよい。ユーザデータは、デジタル治療アプリケーションを介してユーザ８によって手動で入力されてもよく、且つ／或いは、心拍数、血糖、血中酸素、血圧、活動、ストレス、気分、及び／又は睡眠等の、ユーザの健康値を定期的に或いは連続的に測定し得るユーザの電子デバイス（例えば、電子デバイス１９）からサービスによって自動的に検索されてもよい。いくつかの実装例では、ユーザ８は、アンケート及び／又は調査を完了することを要求されてもよい。アンケートは、デジタル治療アプリケーションのセットアップ中にユーザ８に提示されてもよい。
別の実装例では、初期データは、デバイス１９にダウンロードされた他のアプリケーションソフトウェア（例えば、ユーザ８によって、消費カロリー、歩いた歩数などに関するデータを収集するために使用されるフィットネスバンドトラッカに対応するスマートフォン上のアプリケーション）から受信されてもよい。この初期データは、他のアプリケーションソフトウェアから、定期的に、或いは一定期間にわたって連続的に収集されてもよい。
サーバによって受信されたデータは、データベース（例えば、図３のデータベース３０２）に格納されてもよい。データは、いつでもアクセスされてもよく、任意の適切な方法で表示され、印刷され、或いは更新されてもよい。格納されたデータは、任意の適切な方法で編成され、アクセスされてもよい。いくつかの実装例では、データは、年齢、性別、臨床状態などの、様々な識別子で電子的にタグ付けされてもよい。
初期データは、ユーザ８の１つ又は複数の疾患状態の特定、及び／又はユーザ８の健康に関連付けられた他のパラメータを含んでもよい。例えば、初期データは、以下のタイプ：１型、２型、糖尿病予備軍、妊娠糖尿病、若年糖尿病、成人潜在性自己免疫性糖尿病などから選択される糖尿病の診断を含んでもよい。初期データは、血糖値、ヘモグロビンＡ１Ｃ値、血圧値、低密度脂質値、高密度脂質値、中性脂肪コレステロール値、総コレステロール値、ボディマス指数（ＢＭＩ）、年齢、体重、タバコ使用、アルコール使用、運動活動（例えば、歩数、消費カロリー、心拍数）、及び糖尿病のステージ／疾患の重症度を含んでもよい。他のタイプのデータが含まれてもよい。いくつかの実装例では、初期データは、ユーザ８が、例えば、糖尿病等の疾患と診断されている時間の長さを含んでもよい。初期データはまた、疾患履歴、重要な医療事象（例えば、心臓発作、脳卒中、頭部外傷、移植）、実験値、ユーザの自己報告の臨床、行動的或いは心理社会的データ、ユーザの人口統計、病歴等のユーザ８の臨床プロファイルを含む、ユーザ８の他の関連データを含んでもよい。一実装例では、疾患が糖尿病であるとき、ユーザの関連データは、最初の診断からのユーザの臨床データであってもよく、また、最初の診断以前からのユーザの臨床データを含んでもよい。この実装例では、ユーザ８が２０年間２型糖尿病を患っている場合、関連する履歴データは、少なくとも２０年間のユーザのＡ１Ｃ値及び／又は血糖値を含んでもよい。収集され得る他の適切なデータセットは、代謝データ（例えば、血圧、血糖、体重、ＬＤＬ、検査結果など）、薬（例えば、１回の投与量、頻度、薬の種類）、症状（例えば、構造化入力及び非構造化入力）、食事（例えば、食物、カロリー、タンパク質、脂肪、炭水化物、ナトリウム、アレルギーなど）、活動（例えば、タイプ、時間、強度など）、及び心理社会（例えば、財政、要求、信念、障壁など）を含む。
ユーザ８から収集された任意のデータに関して、メタデータが、格納されたデータから抽出され得る。いくつかの他の実装例では、システム、デバイス、及び／又はサーバは、ユーザ８のジオタギング結果に基づいて、食べる場所を提案してもよい（例えば、ユーザ８に近接している、健康的なメニューオプションを有するレストランの推奨をユーザ８に提供する）。いくつかの実装例では、ジオタギングされたレストランに基づいて、レストランのメニューデータが抽出されてもよく、メニューデータから、より健康的なメニューオプションがユーザ８に提示されてもよい（例えば、低糖又は無糖を含むメニュー項目がユーザに提示されてもよい）。いくつかの実装例では、レストランの食事データは、ユーザ８によってサーバ２９及び／又はデバイス１９に入力されてもよい。いずれの実装例においても、食事オプションは、例えば、１日の時間、ユーザの食習慣に関する情報、ユーザの個人的な好み、薬、及び／又は運動に基づくレストランの食事データに基づいて、ユーザ８に提示されてもよい。
初期データはまた、ユーザ８が現在服用している薬（例えば、経口薬、ベーサル注射及び／又はボーラス注射）、ならびに、例えば、処方薬（例えば、血糖、経口インスリンなど）に対する順守履歴、血糖値に対する効果と相関がある処方薬の投与量（例えば、血糖、経口インスリンなど）に対する順守履歴、炭水化物摂取量、体重、心理社会的決定要因、及び、血糖値に対する効果と相関がある血糖値検査の頻度等の、ユーザの健康及びライフスタイルに関連するデータを含んでもよい。いくつかの実装例では、電子デバイス１９とのユーザのエンゲージメント頻度の履歴はまた、初期ユーザデータに使用されてもよい。例えば、ユーザ８が電子デバイス１９と高いエンゲージメント頻度を示す場合、デジタル治療アプリケーションは、より複雑なデジタル治療計画を作成してもよい。初期データはまた、医療提供者によって入力されたデータを含んでもよく、医療提供者によるユーザ８についての主観的な意見を含んでもよい。例えば、データは、ユーザのモチベーション、順守、全体的な健康などに関する医療提供者の主観的な意見を含んでもよい。デジタル治療アプリケーションは、治療計画を作成するときに、提供者の主観的な意見を重み付けしてもよい。例えば、ユーザ８についての提供者の主観的な意見が、ユーザ８が薬物療法及び食事療法に対する高い順守を有するが、運動療法に対する低い順守を有するというものである場合、ｍＨｅａｌｔｈアプリケーション１によって作成されるその後の治療計画は、運動とは対照的に、薬物及び食事に対する、より一層の重要性を含んでもよい。さらに、ｍＨｅａｌｔｈアプリケーション１はまた、この情報を使用し、運動トピック及びユーザの健康に関連する運動の利点に関してユーザ８に送信されるチュートリアル及び教育コンテンツに焦点を当ててもよい。
サーバ２９は、ユーザ８と他のユーザとの間の類似性に基づいて、ユーザ８を他のユーザのコホート（例えば、同様の身体的、医学的、心理的決定条件を有するユーザのグループ）に関連付けし得る。例えば、身長７０インチ、体重１９０ポンド、及び高血圧、インド系民族、２型糖尿病、及びおよそ６．８％のＡ１Ｃ値を有する男性は、同様の特性を有するコホートのユーザに関連付けられてもよい。先に開示されたように、６．５％より大きいＡ１Ｃ値を有するユーザ８は、糖尿病であると考えられる。この実装例では、コホートは、特定の治療計画によく反応し、且つ／或いは他の計画にあまり反応しなかった、同様の血圧、身長、体重、及びＡ１Ｃ値を有するインド系アメリカ人男性のグループであってもよい。例えば、インド系民族、身長６８から７２インチ、体重１７５から２００ポンドである男性のグループは、薬が特定の投与量及びタイムスケジュールで１日２回服用される場合、１型糖尿病の経口薬治療によく反応し得る。以下に示されるように、目標及び／又は治療計画は、コホート内のユーザの結果又は目標／治療に基づいて、コホートとの関連性に基づいてユーザ８に割り当てられてもよい。医師又は他の適切な医療提供者、又はデジタル治療アプリケーション自体が、特定の病状を治療するためにコホート内で成功した目標及び／又は治療計画に基づいて、目標及び／又は治療計画を設定してもよい。いくつかの実装例では、コホートは、少数のユーザ、例えば、２人のユーザを含んでもよく、他の実装例では、コホートは、より多くのユーザ、例えば、数十、数百、又は数千を含んでもよい。医師又は他の適切な医療提供者が対処したい、特定の病状又は慢性疾患に応じて、コホートは変更され得る。
デジタル治療アプリケーションは、ユーザ８又は他の適切な医療提供者から１つ又は複数の目標を受信してもよく、或いはｍＨｅａｌｔｈアプリケーション１は、受信した初期データに基づいて目標を生成してもよい。他の実装例では、目標は、例えば、アプリケーションが血糖管理アプリケーションであるとき、ユーザ８の血糖値を下げるような、デフォルトの目標であってもよい。目標は、例えば、とりわけ、血糖値、ヘモグロビンＡ１Ｃ値、血圧、低密度脂質値、高密度脂質値、中性脂肪コレステロール値、総コレステロール値、ボディマス指数（ＢＭＩ）、体重、ユーザの活動レベル、睡眠時間、睡眠の質、処方薬の順守、栄養（例えば、炭水化物摂取量）、心理社会的決定要因、及び血糖値に対する効果と相関がある血糖値検査の頻度等の、１つ又は複数のユーザの健康パラメータを改善することを含んでもよい。目標は、ユーザの疾患状態、ユーザの病歴、及び／又は他の初期ユーザデータに基づく情報を含む、以前に入力された情報に基づいて、ｍＨｅａｌｔｈアプリケーション１によって判定されてもよい。目標はまた、ユーザ８に関連付けられたコホートに基づいて判定されてもよい。１つ又は複数の機械学習アルゴリズムは、目標を判定することを支援するためにサーバ２９によって使用されてもよい。いくつかの実装例では、目標は、経過後に目標が達成されるべき期間を含んでもよい。例えば、目標は、固定期間（例えば、ユーザ８の特定の健康パラメータを緩和するための治療時間枠）にわたってユーザのＡ１Ｃ値を一定量だけ下げることであってもよい。いくつかの実装例では、固定期間は、１日、１週間、１年、又は任意の他の適切な期間であってもよい。いくつかの実装例では、期間は、期間にわたってユーザの進歩又は順守に基づいて、ｍＨｅａｌｔｈアプリケーション１によって延長され、或いは短縮されてもよい。例えば、ｍＨｅａｌｔｈアプリケーション１は、ユーザのＡ１Ｃ値が予想よりも早く特定の治療に反応している場合、固定治療時間枠を２０週間から１６週間に短縮してもよい。
目標はまた、治療時間枠にわたって改善されるべき複数のパラメータを含んでもよい。例えば、ユーザ８は、１０ポンドを減量し、１２週間の期間にわたってユーザ８のＡ１Ｃ値を６．７％から６．３％に落とすという目標を設定してもよい。別の実装例では、デジタル治療アプリケーションは、血圧を、上昇値から正常値、例えば、１２０／８０ｍｍＨｇに下げることに加えて、２０週間の期間にわたってユーザの総コレステロール値を下げるという目標を設定してもよい。この実装例では、デジタル治療アプリケーションは、ユーザが当初の２０週間の時間枠にわたって目標を達成するための軌道に乗っていない場合、２０週間の時間枠を延長してもよい。例えば、１５週目に、デジタル治療アプリケーションは、健康パラメータが当初の期間内に達成不可能であると判定される場合、ユーザ８が目標に到達するための期間を３０週に増加させてもよい。
実装形態による、デジタル治療の経験チェーンは、１つ又は複数の集団及び／又は患者コホートにおけるデジタル治療ソリューションの導入を最適化するために開示される。図４は、デジタル治療の経験チェーンを実装するための例示的な方法４００のフローダイアグラムである。いくつかの実装例では、描写された方法４００は、患者集団によるデジタル治療の導入を実装するために使用され得る。方法４００は、デジタル治療による企業及びエンドユーザの消費経験を特徴付ける一連のマクロレベルのプロセスを提供するが、それに限定されない。方法４００は、共通の用語を確立するためのフレームワーク、デジタル治療の実装経験を特徴付けるための尺度、１つ又は複数のステージにおけるパフォーマンスのベンチマーク及び定量化などを提供する。方法４００の全て又は一部は、１つ又は複数の環境又はエンティティ（例えば、病院システム、健康保険者、自己保険者個人、雇用者など）を介してデジタル治療の実装経験の一部分を最適化するように構成されていてもよい。本明細書に開示されるように、方法４００の１つ又は複数のステージに関連付けられた出力は、同様の或いは異なる環境又はエンティティ内の経験パフォーマンスを比較することなどによって、デジタル治療の実装形態を改善するために使用され得る。
図４に示されるように、ステージ４０２において、１人又は複数のターゲットが特定され得る。１人又は複数のターゲットは、所定のデジタル治療ソリューションの候補である個人、グループ、若しくはエンティティ、又は一般的にデジタル治療ソリューションに対してであってもよい。簡略化のため、本開示は一般的に、ターゲットを個人と呼び得る。１人又は複数のターゲットは、臨床的要因、疾患要因、技術又はテクノグラフィ要因、社会的要因、及び／又は人口統計学的要因のうちの１つ又は複数に基づいて特定され得る。ステージ４０４において、１つ又は複数のアウトリーチ属性が判定され得る。アウトリーチ属性は、ステージ４０２において特定された全て又は一部分のターゲットとつながるための技術、システム、デバイス、又は実装形態であり得る。１つ又は複数のアウトリーチ属性は、方法、モダリティ、頻度、時間、相互作用レベルなどのうちの１つ又は複数に基づいて判定され得る。ステージ４０６において、１つ又は複数のアクティベーションは、ステージ４０２においてターゲットが特定されたデジタル治療をアクティベートするために提供され得る。アクティベーションは、１人又は複数のターゲットがデジタル治療又はデジタル治療全般を使用するように、１人又は複数のターゲットをアクティベートするための技術、システム、デバイスなどを介して実装され得る。アクティベーションは、モダリティ、データイネーブルメント対データ入力、及び／又は場所などのうちの１つ又は複数に基づいて判定され得る。ステージ４０８において、１つ又は複数のエンゲージメント属性が判定され得る。エンゲージメント属性は、ステージ４０２において特定された１人又は複数のターゲットによるデジタル治療のエンゲージメントを向上させることに関連付けられ得る。エンゲージメント属性は、ソリューション内対ソリューション外のエンゲージメント、頻度、長さ、及び／又はエンゲージメントのモダリティなどのうちの１つ又は複数を使用して判定され得る。図５は、各要因及びそれらのそれぞれのコンポーネントを示す。ステージ４１０において、任意の１つ又は複数のステージ４０２、４０４、４０６、又は４０８に基づくレポートが作成され得る。
方法４００のデジタル治療の経験チェーンは、デジタル治療による企業及びエンドユーザの消費経験を特徴付ける一連のマクロレベルプロセスを提供する。それは、経験を特徴付け、経験全体にわたる異なる点におけるパフォーマンスを評価するために使用され得る、共通の用語、定義、及び尺度を確立するためのフレームワークを提供する。方法４００のデジタル治療の経験チェーンの全て又は一部分は、異なる動作環境（例えば、病院システム、健康保険会社、自己保険雇用主など）において経験を最適化するためのコンフィギュレータとして使用され得る。方法４００のデジタル治療の経験チェーンの全て又は一部分は、同様の環境及び異なる環境にわたる経験パフォーマンスを比較することによって、継続的な改善を推進するために使用され得る。
ステージ４０２において、１人又は複数のターゲットは、所定のデジタル治療（例えば、ｍＨｅａｌｔｈアプリケーション１）ソリューション又はデジタル治療ソリューション全般の、１人又は複数の理想的な候補の判定に基づいて特定され得る。ターゲットは、デジタル治療の使用で成功を実証する最適な機会を提供するエンドユーザのサブセットであってもよい。ターゲットは、ターゲット属性に基づいて、且つ／或いは所定のデジタル治療属性に基づいて特定されてもよい。例えば、所定のデジタル治療の展開が所定のターゲットによって実装可能でない場合（例えば、ターゲットがデジタル治療を実装するための特定の電子デバイスを有していない場合）、そのターゲットがデジタル治療を使用する可能性があるとしても、そのターゲットは特定されたターゲットではない場合がある。さらに、一実装形態において、１人又は複数のターゲットを特定するとき、潜在的なターゲットのフィードバックの可能性が考慮され得る。例えば、デジタル治療の成功裏の展開を判定するために必要とされる主要パラメータを測定する能力を提供する潜在的なターゲットは、そうでない潜在的なターゲットに対して特定されてもよい。
特定されたターゲットは、所定のデジタル治療を使用する可能性が高い個人、グループ、若しくはエンティティ、又は所定のデジタル治療の使用から利益を得る可能性がある人々であり得る。例えば、特定されたターゲットは、各個人に関して取得された情報に基づいて、１人又は複数の他の個人よりも、デジタル治療アプリケーションを使用する可能性が高い個人であってもよい。別の実装例として、特定されたターゲットは、デジタル治療（例えば、ｍＨｅａｌｔｈアプリケーション１等の糖尿病中心のデジタル治療）から利益を得る可能性がある病状（例えば、糖尿病予備軍、高血圧（high blood pressure）、高コレステロール、糖尿病、高血圧症（hypertension）、肥満、他の心臓病など）を有する個人であってもよい。ターゲットは、図５のターゲットセクション５０２に示されるように、臨床的要因５０４、疾患要因５０６、技術又はテクノグラフィ要因５０８、社会的要因５１０、人口統計学的要因５１２（例えば、地理的要因）、及び／又は市場セグメント要因５１３を含むが、それらに限定されない、１つ又は複数の要因に基づいて特定されてもよい。
臨床的要因５０４は、主要な臨床マーカに基づく異なる健康能力を有するユーザを含み得るが、それらに限定されない。マーカは、例えば、糖尿病のＨｂＡ１ｃ、高血圧の血圧、肥満の体重／身長、心臓病のコレステロール値、対応する状態の患者属性、対応する状態の検査結果などを含んでもよい。臨床的要因５０４は、病状の重症度を示してもよく、或いは所定の病状を有するユーザが所定のデジタル治療を使用する可能性を示すために使用されてもよい。例えば、糖尿病予備軍の個人のグループは、個人がｍＨｅａｌｔｈアプリケーションから利益を得ることができる可能性に基づいて、ｍＨｅａｌｔｈアプリケーション１のターゲットとして特定されてもよい。
臨床的要因５０４は、ネットワーク３２を介してクラウドデータベースにアクセスすることから取得されてもよく、データベースは、複数の潜在的なターゲットに関連付けられた臨床的要因５０４を格納してもよい。臨床的要因５０４は、例えば、それぞれの電子デバイス１９を使用する潜在的なターゲットによって入力されてもよい。臨床的要因５０４は、（例えば、それぞれの潜在的なターゲットのアイデンティティを隠したまま）複数の潜在的なターゲットと相関させてもよい。相関は、診断、病状、及び／又は電子医療記録（ＥＭＲ）データを使用して行われてもよく、これらと潜在的なターゲット（例えば、患者ＩＤ、ＥＭＲ ＩＤなど）との相関が使用されてもよい。臨床的要因５０４は、ネットワーク３２を介して医療提供者又はシステム（例えば、医師、病院ネットワーク、ＥＭＲなど）から取得されてもよい。
疾患要因５０６は、異なる併存疾患を有するユーザをターゲットにすることを可能にし得る。例えば、ターゲットとされたユーザは、高血圧及びうっ血性心不全を有する個人であってもよく、或いは、糖尿病又は心臓病を有する個人であってもよい。複数の疾患要因５０６を有するユーザは、例えば、従来の薬の代わりに、或いは従来の薬と併用してデジタル治療を使用することが、個々の治療計画を改善し得るものとして、デジタル治療を使用する可能性が高い。一実装例として、デジタル治療は、少なくとも部分的に、薬の消費タイミングに関して患者に警告するために従来の薬と併用して使用されてもよい。併存疾患を有するユーザは、デジタル治療なしでは薬の順守を確保することがあまりにも困難であり得るので、デジタル治療に依存し得る。臨床的要因及び／又は疾患要因５０６は、代謝条件、薬レジメン駆動、及び／又は併存疾患駆動に基づいていてもよい。
疾患要因５０６は、ネットワーク３２を介してクラウドデータベースにアクセスすることから取得されてもよく、データベースは、複数の潜在的なターゲットに関連付けられた疾患属性を格納してもよい。疾患要因５０６は、例えば、それぞれの電子デバイス１９を使用する潜在的なターゲットによって入力されてもよい。疾患要因５０６は、（例えば、それぞれの潜在的なターゲットのアイデンティティを隠したまま）複数の潜在的なターゲットと相関させてもよい。相関は、診断、病状、及び／又は電子医療記録（ＥＭＲ）データを使用して行われてもよく、これらと潜在的なターゲット（例えば、患者ＩＤ、ＥＭＲ ＩＤなど）との相関が使用されてもよい。疾患要因５０６は、ネットワーク３２を介して医療提供者又はシステム（例えば、医師、病院ネットワーク、ＥＭＲなど）から取得されてもよい。
技術又はテクノグラフィ要因５０８は、技術的な精巧さの異なるレベル又は技術へのアクセスの異なるタイプを有するユーザをターゲットにすることを可能にし得る。技術的な精巧さは、技術全般の経験、所定のデジタル治療に関連付けられた特定の技術の経験、技術の熟練度、（例えば、一般的な或いは特定の）技術を使用する快適度、技術に関する示された好みなどのうちの１つ又は複数に対応してもよい。技術へのアクセスは、ネットワーク（例えば、有線又は無線インターネット接続）へのアクセス及び／又はハードウェア（例えば、接続された医療機器、ウェアラブル、モバイルデバイス、コンピュータ、ラップトップ、タブレット、ＩｏＴセンサなど）へのアクセスを含んでもよい。
技術又はテクノグラフィ要因５０８は、所定のユーザと、所定の技術的デバイス（例えば、電子デバイス１９）又は技術的インタフェースとの相互作用を観察することに基づいて、ユーザの技術的な精巧さを評価することに基づいて取得されてもよい。評価は、ユーザが開始したセッションに基づいていてもよく、第三者から受信したデータに基づいていてもよく、或いはリアルタイム又はユーザの記録された相互作用に基づいていてもよい。技術又はテクノグラフィ要因５０８は、例えば、それぞれの電子デバイス１９を使用する潜在的なターゲットによって入力されてもよい。例えば、ユーザは、モバイルデバイス又はウェアラブルデバイスを使用して、快適度を入力してもよい。技術又はテクノグラフィ要因５０８は、（例えば、ネットワーク３２を介して）データベースにアクセスすることによって判定され、ユーザ又はユーザアカウントに関連付けられたデバイスのタイプを判定してもよい。例えば、ユーザアカウントは、ユーザのデバイスの各々についての情報を統合することができ、ユーザアカウントは、ユーザの技術へのアクセスを判定するためにアクセスされ得る。技術又はテクノグラフィ要因５０８は、ユーザの購入履歴に基づいて判定されてもよい。例えば、ユーザは、医療機器を購入してもよく、その取引は、ユーザが所定の医療機器を使用することができることを判定するために記録され、取得されてもよい。
社会的要因５１０は、教育レベル、所得、ケアへのアクセス、精神的健康（例えば、不安、うつ、苦痛など）等の、異なる社会的決定要因又は制約を有する患者をターゲットにすることを可能にし得る。社会的要因５１０は、デジタル治療を使用する潜在的なターゲットの可能性を判定し得る。例えば、精神的健康状態に対処するためにモバイルデバイスに依存するユーザは、デジタル治療を使用する可能性が高く、ケアへの十分なアクセスを有するユーザは、デジタル治療よりもケアを選択することを決定してもよい。
社会的要因５１０は、ネットワーク３２を介してクラウドデータベースにアクセスすることによって取得されてもよく、データベースは、複数の潜在的なターゲットに関連付けられた社会的属性を格納してもよい。社会的要因５１０は、例えば、それぞれの電子デバイス１９を使用する潜在的なターゲットによって入力されてもよい。社会的要因５１０は、（例えば、それぞれの潜在的なターゲットのアイデンティティを隠したまま）複数の潜在的なターゲットと相関させてもよい。相関は、電子医療記録（ＥＭＲ）データを使用して行われてもよく、これらと潜在的なターゲット（例えば、患者ＩＤ、ＥＭＲ ＩＤなど）との相関が使用されてもよい。社会的要因５１０は、ネットワーク３２を介して、且つ／或いは潜在的なターゲットに関連付けられたソーシャルネットワークを介して、医療提供者又はシステム（例えば、医師、病院ネットワーク、ＥＭＲなど）から取得されてもよい。
人口統計学的要因は、地理（例えば、都市、州、国、地域、地形）、年齢、地方若しくは都市の宗派等の、異なる人口統計学的属性を有する患者をターゲットにすることを可能にする。人口統計学的要因は、例えば、同じ或いは同様の人口統計学からの他の個人に関連付けられたデータであって、それらの他の個人がデジタル治療を使用するかどうかを示すデータに基づいて、デジタル治療を使用する潜在的なターゲットの可能性を判定してもよい。例えば、潜在的なターゲットの国は、同じ国を形成する他の個人によってデジタル治療の使用に基づいて、潜在的なターゲットがデジタル治療を使用する可能性が高いかどうかを判定するために使用されてもよい。
人口統計学的要因は、ネットワーク３２を介してクラウドデータベースにアクセスすることによって取得されてもよく、データベースは、複数の潜在的なターゲットに関連付けられた人口統計学的属性を格納してもよい。人口統計学的要因は、例えば、それぞれの電子デバイス１９を使用する潜在的なターゲットによって入力されてもよい。人口統計学的要因は、（例えば、それぞれの潜在的なターゲットのアイデンティティを隠したまま）複数の潜在的なターゲットと相関させてもよい。相関は、電子医療記録（ＥＭＲ）データ、調査データ、及び／又は記録データを使用して行われてもよく、これらと潜在的なターゲット（例えば、患者ＩＤ、ＥＭＲ ＩＤなど）との相関が使用されてもよい。人口統計学的要因は、潜在的なターゲットに関連付けられたネットワーク３２及び／又はソーシャルネットワークを介して、医療提供者又はシステム（例えば、医師、病院ネットワーク、ＥＭＲなど）から取得されてもよい。
市場セグメントベースの要因５１３は、異なる市場提供者に基づくケアへのアクセスに基づいて患者をターゲットにすることを可能にし得る。市場セグメントは、民間保険、商業保険、メディケア、メディケイド、コンシェルジュカバレッジなどを含んでもよい。市場セグメント要因５１３は、潜在的なターゲットユーザがデジタル治療を使用する可能性が高いかどうかを示し得る。例えば、商業保険を使用して保険に入っているユーザは、デジタル治療を使用する可能性が高いと判定されてもよい。市場セグメント情報は、ネットワーク３２を介してクラウドデータベースにアクセスすることによって取得されてもよく、データベースは、複数の潜在的なターゲットに関連付けられた保険属性を格納してもよい。市場セグメント要因５１３は、例えば、それぞれの電子デバイス１９を使用する潜在的なターゲットによって入力されてもよい。市場セグメント要因５１３は、（例えば、それぞれの潜在的なターゲットのアイデンティティを隠したまま）複数の潜在的なターゲットと相関させてもよい。相関は、電子医療記録（ＥＭＲ）データ、調査データ、及び／又は記録データを使用して行われてもよく、これらと潜在的なターゲット（例えば、患者ＩＤ、ＥＭＲ ＩＤなど）との相関が使用されてもよい。市場セグメント要因５１３は、ネットワーク３２を介して医療提供者又はシステム（例えば、医師、病院ネットワーク、ＥＭＲなど）から取得されてもよい。
したがって、ステージ４０２において、複数のターゲットが、上記に開示された１つ又は複数の要因に基づいて特定され得る。複数のターゲットは、特定された複数のターゲットが、他人よりも、所定のデジタル治療又はデジタル治療全般を使用する可能性が高いという尤度に基づいて特定されてもよい。特定された複数のターゲットは、ローカルに、或いはネットワーク３２を介して１つ又は複数のサーバ２９等のクラウドデータベースに格納されてもよい。
ステージ４０４において、図５に示されるような、１つ又は複数のアウトリーチ属性５１４が、所定のデジタル治療（例えば、ｍＨｅａｌｔｈアプリケーション１）ソリューションの認知度を高める最善の方法の判定に基づいて特定され得る。アウトリーチ属性５１４は、所定のデジタル治療の使用を促進する可能性が高いサービス、方法論、個人、グループ、又はエンティティを含み得る。例えば、アウトリーチ属性５１４は、所定のデジタル治療を使用する可能性が高いターゲットと、より頻繁に接触する個人を特定してもよい。アウトリーチ属性５１４は、方法５１６、モダリティ５１８、頻度５２０、時間５２２、及び／又は相互作用レベル５２４を含むが、それらに限定されない、１つ又は複数の要因に基づいて特定されてもよい。アウトリーチ属性５１４は、デジタル治療を使用するために特定されたターゲットに最も効果的につながる方法を判定してもよい。アウトリーチの反復回数（例えば、キャンペーン、接点の回数など）は、アウトリーチ属性を判定するときの要因であってもよい。さらに、アウトリーチ属性５１４を判定するときに、スケーラビリティの可能性が考慮されてもよい。スケーラビリティの可能性は、アウトリーチの到達の増加及び／又はアウトリーチの費用対効果を考慮してもよい。
アウトリーチの方法５１６は、所定のデジタル治療の広がりを規定する属性であり得る。第１のデジタル治療は、アウトリーチの第１の方法を使用して、より速く広められてもよく、第２のデジタル治療は、アウトリーチの第２の方法を使用して、より速く広められてもよい。アウトリーチの方法５１６は、人間のアウトリーチ、自動化されたアウトリーチなどを含んでもよいが、それらに限定されない。人間のアウトリーチは、例えば医師からの処方箋ベースのアウトリーチを含んでもよく、或いは医師、医療専門家（例えば、登録栄養士（ＲＤ）、臨床栄養学者（ＣＤＥ）、ソーシャルワーカー（ＳＷ）など）、デジタル治療のユーザ等の、個人を介したインセンティブ又は情報共有を含んでもよい。自動化されたアウトリーチは、１つ又は複数の技術的なモダリティを使用して実施されてもよく、放送され、マルチキャストされてもよく、或いは一度に１人のターゲットユーザにつながるために使用されてもよい。
アウトリーチのモダリティ５１８は、対面で、技術を介して、１つ又は複数の通信モードを介して、或いは同様のものを介して実施されてもよい。モダリティ５１８の実装例は、デジタル広告、電子メール、ウェブサイト、ポータルアクセス、メッセージ、ソーシャルメディアプロモーション、電話、チャットセッション、社交場、対面での議論などを含むが、それらに限定されない。物理的なアウトリーチは、構内プロモーション、郵送プロモーションなどを介して実施されてもよい。
アウトリーチの頻度５２０は、所定のデジタル治療の広がりを最適化するように判定され得る。例えば、ターゲットユーザがアウトリーチによって過飽和ではないが、アウトリーチが効果的であるための十分な接点が提供されるように、所定の時間にわたるアウトリーチの量に関してバランス比が判定されてもよい。包括的なアウトリーチの実装形態は、アウトリーチの第１の方法がアウトリーチの第２の方法よりも頻繁であり得るように、方法５１６ごとに且つ／或いはモダリティ５１８ごとにアウトリーチの頻度５２０を変化させることを含んでもよい。頻度５２０は、例えば、ターゲットユーザ属性、臨床的要因５０４、疾患要因５０６、技術要因５０８、社会的要因５１０、人口統計学的要因５１２、及び／又は市場セグメント要因５１３を入力する機械学習モデルの出力に基づいて判定され、頻度５２０が出力されてもよい。使用され得る機械学習モデルは、本明細書でさらに議論される。頻度５２０は、所定のモダリティ５１８を介した所定のプロモーションのユーザ受信、及びデジタル治療のその後の使用又は不使用等の、ユーザの行為に基づいていてもよい。例えば、ユーザがプロモーションアウトリーチを経験し、所定のデジタル治療を使用しない場合、そのプロモーションアウトリーチの頻度又は異なるプロモーションアウトリーチの頻度が、ユーザが所定のデジタル治療を使用しないことに基づいて調整されてもよい。
アウトリーチの時間５２２は、所定のデジタル治療の広がりを最適化するように判定され得る。例えば、ターゲットユーザにつながるための１つ又は複数の最適な時間は、ターゲットユーザがデジタル治療を使用する可能性が最も高い時間に対応するように判定されてもよい。アウトリーチの時間５２２は、ユーザ固有であってもよく、ターゲット要因固有であってもよく、或いは一般的であって、グループ又は全てのターゲットユーザに適用されてもよい。包括的なアウトリーチの実装形態は、アウトリーチの第１の方法が第１の時間に使用され、アウトリーチの第２の方法が第２の時間に使用され得るように、方法５１６ごとに且つ／或いはモダリティ５１８ごとにアウトリーチの時間５２２を変化させることを含んでもよい。時間５２２は、例えば、ターゲットユーザ属性、臨床的要因５０４、疾患要因５０６、技術要因５０８、社会的要因５１０、人口統計学的要因５１２、及び／又は市場セグメント要因５１３を入力する機械学習モデルの出力に基づいて判定され、時間５２２が出力されてもよい。使用され得る機械学習モデルは、本明細書でさらに議論される。時間５２２は、所定のモダリティ５１８を介した所定のプロモーションのユーザ受信、及びデジタル治療のその後の使用又は不使用等の、ユーザの行為に基づいていてもよい。例えば、ユーザが第１の時間にプロモーションアウトリーチを経験し、所定のデジタル治療を使用しない場合、プロモーションアウトリーチの時間５２２は、ユーザが所定のデジタル治療を使用しないことに基づいて調整されてもよい。
相互作用レベル５２４は、所定のデジタル治療の広がりを最適化するように判定され得る。相互作用レベル５２４は、一方向の相互作用又は双方向の（すなわち、対話的な）相互作用等の、相互作用の分類であってもよい。代替的に或いは追加的に、相互作用レベル５２４は、相互作用の時間、深さ、又は程度を含んでもよい。例えば、人間の相互作用は、２分の長さであってもよく、或いは１５分の長さであってもよい。しかしながら、３分よりも長いアウトリーチが収穫逓減をもたらすと判定される場合がある。したがって、相互作用レベル５２４は、ターゲットユーザを過度に飽和させないように、３分で上限を設定してもよい。相互作用レベル５２４は、例えば、ターゲットユーザ属性、臨床的要因５０４、疾患要因５０６、技術要因５０８、社会的要因５１０、人口統計学的要因５１２、及び／又は市場セグメント要因５１３を入力する機械学習モデルの出力に基づいて判定され、相互作用レベル５２４が出力されてもよい。使用され得る機械学習モデルは、本明細書でさらに議論される。
ステージ４０６において、図５の、１つ又は複数のアクティベーション５２６が、１つ又は複数のターゲットユーザに対してデジタル治療（例えば、ｍＨｅａｌｔｈアプリケーション１）ソリューションをアクティベートするために最善の方法の判定に基づいて提供され得る。アクティベーション５２６は、モダリティ５２８、データイネーブルメント対データ入力５３０、及び／又は場所５３２のうちの１つ又は複数に基づいていてもよく、人間アシスト（例えば、クリニック又はオフィスで、人間のコミュニケーション、リモートアシスト、テレアシストを介して、など）、技術駆動（例えば、モバイルアプリケーション、電子プロンプトを介して、など）及び／又は技術を用いた自動化（例えば、非ディープリンク、ディープリンク、自動ボットを介して、など）であり得る。提供されるアクティベーション５２６は、提供されるアクティベーション５２６が最も効果的な所定の１つ又は複数の対応するアウトリーチ属性５１４であるように、アウトリーチに対するアクティベーション比を最大化するように選択されてもよい。
アクティベーションのモダリティ５１８は、支援されてもよく、自己アクティベートされてもよく、或いは同様のものであってもよい。モダリティ５１８の実装例は、ユーザがデジタル治療を自己アクティベートすること、ユーザが技術的プラットフォーム（例えば、電子メール、メッセージング、アプリケーションポータル、ソーシャルメディアポータル、ガイド付き或いは自動化されたチャットなど）、電話などを介してガイダンスを受けることを含む。例えば、ユーザは、リンクの選択がデジタル治療のアクティベーションをもたらすように所定の時間５２２にリンクを受信してもよい。別の実装例として、ユーザは、所定の時間にデジタル治療をアクティベートすることをユーザに思い出させるために自動化されたシステムから電話を受けてもよい。一実装形態では、ユーザは、１つ又は複数のモダリティオプションに基づいて、ユーザの好みのモダリティを選択することを可能とされてもよい。別の実装形態では、モダリティ５１８は、例えば、ターゲットユーザ属性、臨床的要因５０４、疾患要因５０６、技術要因５０８、社会的要因５１０、人口統計学的要因５１２、及び／又は市場セグメント要因５１３を入力する機械学習モデルの出力に基づいて判定され、モダリティ５１８が出力されてもよい。使用され得る機械学習モデルは、本明細書でさらに議論される。
データイネーブルメント対データ入力５３０は、データの自動入力対データのユーザ入力と呼ばれ得る。ユーザが入力する必要があり得るデータの量に基づいて、アクティベーションの欠如に関する判定がなされ得る。したがって、利用可能なデータは、電子デバイス１９、ＥＭＲ１４、薬局９、サーバ２９などを含むが、それらに限定されない、１つ又は複数のデバイス及び／又はシステムから引き出されてもよく、ネットワーク３２を介して受信されてもよい。データイネーブルメントは、モダリティ５１８を出力するためのターゲットユーザ属性、臨床的要因５０４、疾患要因５０６、技術要因５０８、社会的要因５１０、人口統計学的要因５１２、市場セグメント要因５１３に基づいていてもよく、電子デバイス１９、以前のユーザ入力、及び／又は同様のものに基づいていてもよい。
デジタル治療がアクティベートされ得る任意の適用可能な場所であり得る場所５３２に基づいて、アクティベーションが提供されてもよい。場所５３２は、医師のオフィス、医療提供者の場所、自宅、職場などであってもよい。場所５３２は、第１のアクティベーションから第２のアクティベーションに変化する場所であってもよい。さらに、単一のアクティベーションの場所５３２は、例えば、ユーザが旅行中或いは通勤中に所定のデジタル治療をアクティベートする場合のように、変化してもよい。
４０８において、１つ又は複数のエンゲージメント属性が判定され得る。エンゲージメント属性は、デジタル治療とのエンゲージメントを最大化するように、或いはデジタル治療に基づくエンゲージメントを最大化するように判定され得る。デジタル治療に基づくエンゲージメントは、デジタル治療とのエンゲージメントとは異なっていてもよく、デジタル治療に基づくエンゲージメントが、デジタル治療に関連付けられたアプリケーションの外部のツール、プロセス、技術などを利用し得る。例えば、デジタル治療アプリケーションは、ユーザが糖の薬を服用する最適な時間を判定してもよい。しかしながら、最適な時間に糖尿病の投薬をするようにユーザに警告する代わりに、或いはそれに加えて、デジタル治療は、ユーザの携帯電話にＳＭＳメッセージを送信させてもよい。したがって、ＳＭＳメッセージとのエンゲージメントは、デジタル治療に基づいていてもよい。図５に示されるように、エンゲージメント属性５３４は、ソリューション内（例えば、デジタル治療アプリケーション内）対ソリューション外５３６に基づいていてもよい。１つ又は複数のエンゲージメント属性は、どのユーザのサブセットが共通のエンゲージメントパターンを示すかを特定することに基づいていてもよく、さらに、これらのパターンを定義するもの（例えば、人口統計、薬物レジメン、特定のアプリケーション内機能の使用など）に基づいていてもよい。エンゲージメント属性は、（例えば、使いやすく、管理しやすく、ワークフローに適合するなどの方法で）ユーザによる所定のデジタル治療とのエンゲージメントを最適化するように、医療専門家を利用することに基づいていてもよい。エンゲージメント属性は、所定のエンゲージメントに関するフィードバックを提供するエンゲージメントメトリクスを定義してもよく、或いはそれに基づいて選択されてもよい。
エンゲージメント属性５３４は、エンゲージメントの頻度５３８、エンゲージメントの長さ５４０、及び／又はエンゲージメントのモダリティ５４２にさらに基づいていてもよい。例として、エンゲージメントは、デジタル治療に関連するソフトウェアアプリケーション（例えば、ガイド付きデータ収集、リアルタイムフィードバック（ＲＴＦＢ）、縦断的フィードバック（ＬＦＢ：longitudinal feedback）、知見、教育、支援、包括的データ分析（ＣＤＡ：comprehensive data analysis）、人工知能など）を介して、（例えば、デジタル治療の使用を指示すること、臨床意思決定サポート又は臨床意思決定システム（ＣＤＳ）をレビューすること、或いはデジタル治療計画を調整することが可能な）処方を行う医療提供者を介して、ケアチーム又はプログラム管理者（例えば、個人介入、集団介入など）を介して、カスタマケア（例えば、オンボーディング、人間のエンゲージメント、トラブル管理、処方箋アップグレードなど）を介して、人工知能エンジン（例えば、人間分析及び介入、自動分析及び介入など）を介して、或いは同様のものを介して実施される。
エンゲージメントの頻度５３８は、デジタル治療が所定の時間内にエンゲージされる回数であり得る。頻度５３８は、必要性（例えば、医療順守、運動順守、食事順守など）とエンゲージメントの飽和とのバランスをとるように最適化されてもよい。頻度５３８は、個人ベースであってもよく、或いはグループ又は全てのユーザに基づいていてもよい。エンゲージメントの長さ５４０は、エンゲージメントの時間であってもよく、且つ／或いはエンゲージメントに基づいて実施される活動、又はタスクの時間であってもよい。長さ５４０は、所定のユーザの条件又はニーズによって必要とされるデジタル治療の使用を促進するように最適化されてもよい。エンゲージメント又は治療のモダリティ５４２は、アプリケーション、ウェブページ、ソフトウェア、ウェアラブルデバイス、モバイルデバイス、ホログラフィックデバイス、電話、仮想現実（ＶＲ）システム、拡張現実システム（ＡＲ）等の、任意の適用可能な媒体であってもよい。
ステージ４１０において、レポートが作成され得る。レポートは、本明細書に開示されるように、図４の方法４００のステージ４０２、４０４、４０６、及び４０８に関連付けられた任意のデータに基づき得る。レポートは、所定のデジタル治療に対する加入登録の１つ又は複数のコンポーネント、方法４００の１つ又は複数のステージからの結果などを含んでもよい。例えば、レポートは、コストメトリクス、効果メトリクス、時間メトリクス、個々のコストメトリクス、集団ベースのコストメトリクス、個々の効果メトリクス、集団ベースの効果メトリクス、個々の時間メトリクス、集団ベースの時間メトリクスなどのうちの１つ又は複数を含んでもよい。一実装形態において、レポートは、方法４００を介してデジタル治療ソリューションを実装する統合されたアプローチに価値をもたらしてもよい。レポートは、デジタル治療の経験チェーン（例えば、方法４００）内で（例えば、方法４００の１つ又は複数のステージにおいて）統合がどこで発生するべきかを特定することができるとともに、統合が寄与する価値の１つ又は複数のソース又はコンポーネントを特定することができる。
レポートは、人間のユーザによって使用可能であるような任意の適用可能なフォーマット（例えば、スクリーン、ウェブページ、アプリケーション、ＰＤＦ、エクセル、テキストベースのレポートなど）、或いは自動化されたシステムによって使用可能であるような任意の適用可能なフォーマット（例えば、フィードバックループ、機械学習モデルなど）で作成されてもよい。レポートは、（例えば、患者又は医療システムから受け取った情報に基づく）情報分析、（例えば、方法４００の実装中に発見された項目に基づく）発見分析、外挿分析（例えば、潜在的な変化の特定）、適応分析（例えば、１つ又は複数の変更を実装することによる結果）などのうちの１つ又は複数を提供してもよい。レポートは、編成され、検索可能であり、且つ／或いはフィルタリング可能であるように提供されてもよい。例えば、レポートは、図５に示される要因又は属性のうちの１つ又は複数（例えば、臨床的要因５０４、アウトリーチ５１４の方法、アクティベーションのモダリティ５２８、エンゲージメントの頻度５３８など）によって、フィルタリング可能であってもよい。
方法４００のステージを介して示されるように、レポートは、デジタル治療の経験チェーンを改善し、或いは検証するために最も有用なデータを特定するために作成され得る。例えば、第１のステージ又は後続のステージに関して、レポートは、そのステージに関連付けられた関連データ、及び／又はそのステージの改善を可能にすることとなるデータを示してもよい。例えば、レポートは、ステージ４０２におけるターゲットを特定するために使用されるデータを含んでもよく、ステージ４０６からのアクティベーションデータを使用し、ステージ４０２におけるターゲットについての知見を提供してもよい。レポートは、傾向、パターン、及び／又は知見を発見するために利用可能なデータを使用することによって作成されてもよい。レポートは、良好なデータサイエンスガバナンスポリシーを満たすために実施されるべきプラクティス及び／又はポリシーを特定してもよい。
図６は、方法４００の２つ以上のステージから比較結果を出力し、その比較結果を機械学習モデルに適用するための方法６００を示す。本明細書で開示されるように、比較結果は、方法４００のステージ４１０において作成されたレポートに含まれ得る。
ステップ６０２において、Ｎステージスコアが、受信され得る。Ｎステージは、方法４００のステージ４０２、４０４、４０６、４０８、又は４１０のうちの任意の１つに対応し得る。Ｎステージスコアは、それぞれのステージの実装形態に関連付けられたスコアに対応し得る。Ｎステージスコアは、ステージ固有の要因で判定され得る、その所定のステージの成功に基づいていてもよい。所定のステージの成功は、所定の或いは動的に判定された基準に基づいていてもよく、或いは所定のステージの以前の反復との比較に基づいていてもよい。実装例として、ステージ４０２は、ターゲット特定要因（例えば、特定されたターゲットの数、特定されたターゲットの比率、特定されたターゲットと以前に特定されたターゲットとの比較など）を含んでもよく、ステージ４０４は、アウトリーチ要因（例えば、クリック率、ビュー率、ユーザ関与率、ターゲットリーチ率など）を含んでもよく、ステージ４０６は、アクティベーションベースの要因（例えば、アクティベーションの頻度、所定の時間内にデジタル治療をアクティベートしたユーザの割合、アクティベーションの原因、アクティベーションの一貫性など）を含んでもよく、ステージ４０８は、エンゲージメントベースの要因（例えば、エンゲージメントの時間、エンゲージメントの質、エンゲージメントの頻度、エンゲージメントからの結果など）を含んでもよい。６０４において、Ｎ＋１ステージスコアが、受信され得る。Ｎ＋１ステージは、ステップ６０２におけるＮステージの後続のステージに対応し得る。例えば、Ｎステージスコアがステージ４０２からのものである場合、Ｎ＋１ステージスコアは、ステージ４０４のスコアに対応する。
６０６において、Ｎ＋１ステージスコアは、Ｎステージスコアと比較され得る。比較は、ＮステージスコアとＮ＋１ステージスコアとの間の比率、ＮステージスコアとＮ＋１ステージスコアとの間の差、Ｎステージスコアの変化対Ｎ＋１ステージスコアの変化等の、任意の適用可能な比較であってもよい。比較は、数値、順位、呼称、分数などであってもよい。Ｎ＋１ステージスコアとＮステージスコアとの比較は、ステージの一方又は両方についての知見を提供し得る。例えば、Ｎステージスコアが（例えば、比率によって示されるように）Ｎ＋１ステージスコアよりも不釣り合いに高い場合、その差が、Ｎ＋１ステージへの調整をトリガしてもよい。具体的な一実装例として、ステージ４０２において、ターゲットを特定することに関連付けられたスコアが１００であるが、ステージ４０４において、それらのターゲットへのアウトリーチが２０である場合、これは、ステージ４０２と４０４との間に大きな不一致を示し得る。したがって、その結果、１つ又は複数の変更がトリガされ得る。例えば、後続の反復の間、ターゲット特定ステージ４０２と比較して、アウトリーチステージ４０４のために、より多くのリソースが費やされてもよい。
６０８において、比較結果が、出力され得る。出力は、方法４００のステージ４１０において作成された、レポートの一部であってもよく、或いはレポートとは独立して出力されてもよい。比較結果は、任意の適用可能なフォーマット（例えば、スクリーン、ウェブページ、アプリケーション、ＰＤＦ、エクセル、テキストベースのレポートなど）を介して出力されてもよい。比較結果は、方法４００の１つ又は複数のステージへの変更が比較結果に基づいて実装されるように、デジタル治療システムの入力コンポーネントに出力されてもよい。
代替的に或いは追加的に、６１０において、比較結果は、機械学習モデルに適用されてもよい。比較結果は、方法４００の１つ又は複数のステージへの変更が、機械学習モデルの出力に基づく比較結果に基づいて実装されるように、機械学習モデルへの入力であってもよく、或いは入力の１つであってもよい。図７は、本明細書でさらに開示されるように、比較結果７０６のコンポーネントを示す。
方法４００のステージ、図５の要因若しくは属性、及び／又は方法６００の比較のうちの１つ又は複数は、１つ又は複数の機械学習モデルの出力に基づいて実装されてもよい。簡略化のため、単一の機械学習モデルが本明細書で議論されるが、複数の機械学習モデルがそれぞれの異なる出力に使用されてもよいことを理解されよう。機械学習モデルは、（例えば、方法４００の実際の或いはシミュレーションのステージからの）教師あり、部分的に教師あり、或いは教師なしサンプルのデジタル治療データを含むデータセットを使用して訓練されてもよい。例えば、学習アルゴリズム又はネットワーク（例えば、クラスタリングアルゴリズム、ニューラルネットワーク、深層学習ネットワーク、遺伝的学習アルゴリズム、又は畳み込みニューラルネットワーク（ＣＮＮ）、複数インスタンス学習又はマルチラベル複数インスタンス学習を伴うＣＮＮ、回帰型ニューラルネットワーク（ＲＮＮ）、長短期記憶ＲＮＮ（ＬＳＴＭ）、ゲート付き回帰型ユニットＲＮＮ（ＧＲＵ）、グラフ畳み込みネットワークに基づくアルゴリズムなど）が、デジタル治療データに提供されてもよい。多数のそのようなデジタル治療データを適用することによって、機械学習アルゴリズムは、機械学習モデルを訓練するために使用されてもよく、適用可能な出力（例えば、ターゲット、アウトリーチ属性、アクティベーション、エンゲージメント属性、レポート、図５からの１つ又は複数の要因又は属性など）を提供する。
図７は、デジタル治療システムの機械学習モデルを訓練するための例示的な訓練モジュール７００を示す。図７に示されるように、訓練データ７０２は、ステージ入力７０４（例えば、方法４００のステージからの１つ又は複数の出力、図５からの要因又は属性など）、及びデジタル治療システムに関連する既知の結果７０８（すなわち、対応する既知の出力を有しないステージ入力７０４と同様の或いは同じカテゴリ内の将来の入力に対する既知の或いは望ましい出力）の１つ又は複数を含み得る。訓練データ７０２及び訓練アルゴリズム７１０は、デジタル治療の機械学習モデルを生成するために、訓練データ７０２を訓練アルゴリズム７１０に適用し得る訓練コンポーネント７２０に提供され得る。一実装形態による、訓練コンポーネント７２０は、方法６００のステップ６１０からの比較結果を提供されてもよい。比較結果は、デジタル治療の機械学習モデルを更新するために訓練コンポーネント７２０によって使用され得る。例えば、ステージ４０２と比較したステージ４０４の比率は、方法４００の後続の反復のために、ターゲット特定よりもアウトリーチを優先するようにデジタル治療の機械学習モデルを変更するために使用されてもよい。
図８は、例えば、医療提供者意思決定サーバとして機能するようにホストサーバとして構成され得るコンピュータの簡略化された機能ブロックダイアグラムである。図８は、ネットワーク又はホストコンピュータプラットフォーム８００を示す。当業者は、そのようなコンピュータ機器の構造、プログラミング、及び一般的な操作に精通していると考えられ、その結果、図面は自明であろう。
例えば、サーバ８００等のプラットフォームは、パケットデータ通信のためのデータ通信インタフェース８６０を含み得る。プラットフォームはまた、プログラム命令を実行するために、１つ又は複数のプロセッサの形態の中央処理装置（ＣＰＵ）８２０を含み得る。プラットフォームは典型的には、内部通信バス８１０、プログラムストレージ、及び、ＲＯＭ８３０及びＲＡＭ８４０等のプラットフォームによって処理され、且つ／或いは通信される様々なデータファイルのためのデータストレージを含む。そのような機器のハードウェア要素、オペレーティングシステム、及びプログラミング言語は、実際は従来のものであり、当業者は、それについて十分に精通していると推定される。サーバ８００はまた、キーボード、マウス、タッチスクリーン、モニタ、ディスプレイなどの入出力デバイスと接続するための入出力ポート８５０、及び通信ポート８６０を含み得る。もちろん、様々なサーバ機能は、処理負荷を分散するために、多数の同様のプラットフォーム上に分散させる方法で実装されてもよい。代替的に、サーバは、１つのコンピュータハードウェアプラットフォームの適切なプログラミングによって実装されてもよい。
さらに、レポート又は任意の適用可能な出力は、１つ又は複数の統合ポイントが提供する相対的な価値を特定し得る。例えば、潜在的な統合ポイントは、（例えば、デジタル治療ソリューションの実装形態の周りに組織化構造を提供する）プログラム統合、（例えば、デジタル治療経験チェーンの様々なポイントで臨床的主要エンティティをエンゲージする）医療提供者統合、（例えば、デジタル治療とのデータアクセス性だけでなく、提供者の相互作用の容易性における摩擦を減らす）システム又はＥＭＲ統合を含んでもよい。
図９のチャート９００において提供されるように、実験結果は、主要なデジタル治療のメトリクスに対する増分効果が価値を生むことを示す。凡例９０２に示されるように、持続性はドットパターンで示され、エンゲージメント率はチェックパターンで示され、アクティベーション率は無地の状態で示される。図示されるように、消費者への直接の実装形態（すなわち、方法４００等のデジタル治療経験チェーン（ＤＴＣ）なし）を有するベースライン９０４と比較して、９０６において雇用者又は支払者による関与を含むプログラムは、訓練効果の向上、アクセス及び効率の増加、サポートへのアクセス、及び接点の増加を示す。このシナリオでは、持続性が４倍、エンゲージメントが２倍、そして、アクティベーション率が１５倍増加した。図示されるように、９０６における雇用者又は支払者による関与を含む増分プログラムと、消費者への直接の実装形態を有するベースライン９０４との比較によると、医療提供者（例えば、医療システム、支払者）に関与したプログラムは、分析された患者作成の健康データ（ＰＧＨＤ）へのアクセスの向上、治療最適化による結果の改善、品質尺度（例えば、メディケアメディケイトサービスセンタ（ＣＭＳ）のヘルスケア有効性データ及び情報セット（ＨＥＤＩＳ）、ＣＭＳ星評価など）の向上を示す。このシナリオでは、持続性が５倍、エンゲージメントが４倍、そして、アクティベーション率が２６倍増加した。図示されるように、９０６における雇用者又は支払者による関与を含む増分プログラムと、９０８における医療提供者（例えば、医療システム、支払者）に関与した増分プログラムとを共にベースライン９０４と比較して、統合（例えば、ＥＭＲ統合）を広告するプログラムは、ワンタッチアクティベーション（例えば、アクティベーションの摩擦を減らす）、指示の容易性、デジタル治療ツール（ＤＴツール）の監視、ＥＭＲ駆動のワークフローへの統合の容易性、公衆衛生の知見のための豊富なデータを示す。このシナリオでは、持続性が７．５倍、エンゲージメントが７倍、そして、アクティベーション率が３９倍に増加した。
本技術のプログラムの態様は典型的には、機械可読媒体の一種で実行され、或いは具現化される実行可能なコード及び／又は関連データの形態の「製品」又は「製造品」として考えられ得る。「ストレージ」タイプの媒体は、コンピュータ又はプロセッサなどの有形メモリのいずれか又は全て、或いは、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関連モジュールを含み、ソフトウェアプログラミングのためにいつでも非一時的なストレージを提供し得る。全て又は一部分のソフトウェアは、時に、インターネット又は様々な他の電気通信ネットワークを通じて通信されてもよい。例えば、そのような通信は、例えば、移動通信ネットワークの管理サーバ又はホストコンピュータからサーバのコンピュータプラットフォームへの、且つ／或いはサーバからモバイルデバイスへの、１つのコンピュータ又はプロセッサから別のコンピュータ又はプロセッサへのソフトウェアのロードを可能にしてもよい。したがって、ソフトウェア要素を伴い得る別のタイプの媒体は、ローカルデバイス間の物理的インタフェースを介して、有線及び光固定回線ネットワークを介して、及び様々なエアリンクを介して使用されるような、光波、電波及び電磁波を含む。そのような波を運ぶ、有線若しくは無線リンク、光リンク等の、物理的要素はまた、ソフトウェアを伴う媒体として考慮され得る。本明細書で使用されるように、非一時的な、有形の「ストレージ」媒体に限定されない限り、コンピュータ又は機械「可読媒体」等の用語は、実行のためにプロセッサへの命令を提供することに関与する任意の媒体を指す。
関連する技術分野の当業者にとって、本明細書に記載されたように、本開示は、ソフトウェア、ハードウェア、ファームウェア、及び／又は図に示されるエンティティの多くの異なる実装例で実装され得ることが明らかであろう。実装例を実装するためのハードウェアの専門的な制御を伴う任意の実際のソフトウェアコードは、詳細な説明を限定しない。したがって、実装例の動作挙動は、本明細書に提示された詳細レベルを考慮すると、実装例の変更及び変形が可能であることを理解した上で記載されるであろう。
前述の一般的な説明と以下の詳細な説明との両方は、例示的、且つ説明的にすぎず、請求項に記載の、開示された実装例に限定しないことを理解されたい。
本開示の他の実装例は、本明細書に開示された発明の明細書及び実装例の検討から当業者には明らかであろう。明細書及び実装例は、例示的なものでしかないと考えられ、本発明の真の範囲及び本旨は、以下の特許請求の範囲によって示されることが意図される。

Claims (14)

  1. デジタル治療を展開するためのコンピュータ実装方法であって、
    １つ又は複数のターゲットパラメータに基づいて前記デジタル治療に対する複数のターゲットユーザを特定することと、
    アウトリーチ媒体を使用して前記複数のターゲットユーザのうちの１人又は複数にアウトリーチを実施することと、
    前記デジタル治療の使用を最適化するようにアクティベーションメカニズムを特定することと、
    前記複数のターゲットユーザのうちの１人又は複数による前記デジタル治療のエンゲージメントレベルを促進することと、
    を含む、コンピュータ実装方法。
  2. 前記ターゲットユーザ、前記アウトリーチ、前記アクティベーションメカニズム、又は前記エンゲージメントレベルのうちの１つ又は複数に基づいて、レポートを作成することをさらに含む、請求項１に記載のコンピュータ実装方法。
  3. 前記レポートは、情報分析、発見分析、外挿分析、又は適応分析のうちの１つ又は複数に基づいている、請求項２に記載のコンピュータ実装方法。
  4. 前記レポートは、Ｎ＋１ステージスコアとＮステージスコアとの比較を含む、請求項２に記載のコンピュータ実装方法。
  5. 前記複数のターゲットユーザは、臨床的要因、疾患要因、技術要因、社会的要因、又は人口統計学的要因のうちの１つ又は複数に基づいて特定される、請求項１に記載のコンピュータ実装方法。
  6. 前記アウトリーチは、方法、モダリティ、頻度、時間、又は相互作用レベルのうちの１つ又は複数に基づいて実施される、請求項１に記載のコンピュータ実装方法。
  7. 前記アクティベーションメカニズムは、モダリティ、データイネーブルメント対データ入力、又は場所のうちの１つ又は複数に基づいている、請求項１に記載のコンピュータ実装方法。
  8. 前記エンゲージメントレベルは、ソリューション内対ソリューション外、頻度、長さ、及びモダリティのうちの１つ又は複数に基づいている、請求項１に記載のコンピュータ実装方法。
  9. 前記複数のターゲットユーザを特定することと、前記アウトリーチを実施することと、前記アクティベーションメカニズムを特定することと、前記エンゲージメントレベルを促進することとのうちの少なくとも１つは、機械学習モデルの出力に基づいている、請求項１に記載のコンピュータ実装方法。
  10. 前記機械学習モデルは、訓練データに基づいて、１つ又は複数の重み或いは１つ又は複数の層のうちの１つを変更することで訓練される、請求項９に記載のコンピュータ実装方法。
  11. 前記訓練データは、ステージ入力、既知の結果、及び比較結果のうちの１つ又は複数を含む、請求項１０に記載のコンピュータ実装方法。
  12. 前記比較結果は、Ｎステージスコアに対するＮ＋１ステージスコアの比率である、請求項１１に記載のコンピュータ実装方法。
  13. デジタル治療を展開するためのシステムであって、
    プロセッサ可読命令を格納するデータストレージと、
    前記データストレージに動作可能に接続され、前記命令を実行し、動作を実行するように構成されているプロセッサであって、前記動作は、
    １つ又は複数のターゲットパラメータに基づいて前記デジタル治療に対する複数のターゲットユーザを特定することと、
    アウトリーチ媒体を使用して前記複数のターゲットユーザのうちの１人又は複数にアウトリーチを実施することと、
    前記デジタル治療の使用を最適化するようにアクティベーションメカニズムを特定することと、
    前記複数のターゲットユーザのうちの１人又は複数による前記デジタル治療のエンゲージメントレベルを促進することと、を含む、前記プロセッサと、
    を含む、システム。
  14. プロセッサによって実行されると、前記プロセッサにデジタル治療を展開するための動作を実行させる命令を格納する非一時的コンピュータ可読媒体であって、
    前記動作は、
    １つ又は複数のターゲットパラメータに基づいて前記デジタル治療に対する複数のターゲットユーザを特定することと、
    アウトリーチ媒体を使用して前記複数のターゲットユーザのうちの１人又は複数にアウトリーチを実施することと、
    前記デジタル治療の使用を最適化するようにアクティベーションメカニズムを特定することと、
    前記複数のターゲットユーザのうちの１人又は複数による前記デジタル治療のエンゲージメントレベルを促進することと、
    を含む、非一時的コンピュータ可読媒体。
JP2022534272A 2019-12-04 2020-12-04 デジタル治療システム及び方法 Pending JP2023504197A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962943536P 2019-12-04 2019-12-04
US62/943,536 2019-12-04
PCT/US2020/063474 WO2021113760A1 (en) 2019-12-04 2020-12-04 Digital therapeutic systems and methods

Publications (1)

Publication Number Publication Date
JP2023504197A true JP2023504197A (ja) 2023-02-01

Family

ID=76211030

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022534272A Pending JP2023504197A (ja) 2019-12-04 2020-12-04 デジタル治療システム及び方法

Country Status (5)

Country Link
US (4) US11211156B2 (ja)
EP (1) EP4070322A1 (ja)
JP (1) JP2023504197A (ja)
CN (1) CN115023763A (ja)
AU (1) AU2020398656A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11791026B2 (en) * 2012-08-31 2023-10-17 Blue Goji Llc Cloud-based healthcare diagnostics and treatment platform
US11170380B1 (en) 2017-05-26 2021-11-09 Attentive Mobile Inc. Methods and apparatus for mobile device messaging-based communications using custom-generated deeplinks and based on the hyper text transfer protocol (HTTP)
US11337648B2 (en) * 2020-05-18 2022-05-24 Rom Technologies, Inc. Method and system for using artificial intelligence to assign patients to cohorts and dynamically controlling a treatment apparatus based on the assignment during an adaptive telemedical session
CA3222600A1 (en) * 2021-06-17 2022-12-22 Baropace, Inc. Systems and methods for blood pressure device calibration
US11709660B1 (en) 2022-10-12 2023-07-25 Stodge Inc. Integrated third-party application builder trigger for message flow

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6256613B1 (en) 1997-03-14 2001-07-03 Health Resources And Technology Inc. Medical consultation management system
US20030208113A1 (en) 2001-07-18 2003-11-06 Mault James R Closed loop glycemic index system
US7935307B2 (en) 2007-05-31 2011-05-03 EOS Health, DVC. Disposable, refillable glucometer with cell phone interface for transmission of results
US8066640B2 (en) 2008-04-22 2011-11-29 EOS Health, Inc. Cellular GPRS-communication linked glucometer—pedometer
US8812244B2 (en) 2009-01-26 2014-08-19 EOS Health, Inc. Personalized wireless-based interactive diabetes treatment
US20100222649A1 (en) * 2009-03-02 2010-09-02 American Well Systems Remote medical servicing
US20150079561A1 (en) 2011-09-14 2015-03-19 Worksmart Labs, Inc. Generating, displaying, and tracking of wellness tasks
US20140222454A1 (en) 2011-11-03 2014-08-07 Sean Patrick Duffy Systems and Methods That Administer a Health Improvement Program and an Adjunct Medical Treatment
US20130117040A1 (en) 2011-11-03 2013-05-09 Omada Health, Inc. Method and System for Supporting a Health Regimen
US10595754B2 (en) 2014-03-13 2020-03-24 Sano Intelligence, Inc. System for monitoring body chemistry
WO2015153127A1 (en) 2014-04-04 2015-10-08 Omada Health, Inc. Systems and methods that administer a health improvement program and an adjunct medical treatment
US20160029931A1 (en) 2014-07-31 2016-02-04 Sano Intelligence, Inc. Method and system for processing and analyzing analyte sensor signals
US20160035040A1 (en) * 2014-08-04 2016-02-04 Cigna Intellectual Property, Inc. System and method of determining and optimizing healthcare savings opportunities for individuals via alternative engagement channels
PT3259386T (pt) 2015-02-16 2019-12-18 Univ Michigan Regents Sistemas e métodos para desempenho de imunoensaios
US20170061091A1 (en) * 2015-08-26 2017-03-02 Uptake Technologies, Inc. Indication of Outreach Options for Healthcare Facility to Facilitate Patient Actions
US20170076630A1 (en) 2015-09-11 2017-03-16 LIvongo Heatlh, Inc. Optimizing Messages Sent to Diabetic Patients in an Interactive System Based on Estimated HbA1c Levels
AU2017263835B2 (en) 2016-05-13 2021-06-10 WellDoc, Inc. Database management and graphical user interfaces for managing blood glucose levels
US20180315495A1 (en) * 2017-04-28 2018-11-01 Spring Care, Inc. Ensuring treatment initiation
CA3061729A1 (en) 2017-04-28 2018-11-01 Better Therapeutics Llc Systems, methods, and apparatuses for managing data for artificial intelligence software and mobile applications in digital health therapeutics
CN107845418A (zh) 2017-07-08 2018-03-27 上海臻十科技有限公司 智能健康秤、智能健康管理方法、系统及存储介质
WO2019157208A1 (en) 2018-02-08 2019-08-15 Optimist Inhaler LLC Security features for an electronic metered-dose inhaler system
EP3598453A1 (en) 2018-07-15 2020-01-22 mySugr GmbH Method for detecting issues in the basal rate in insulin treated diabetes patients
US20200077931A1 (en) 2018-09-07 2020-03-12 One Drop Forecasting blood glucose concentration
EP3651164A1 (en) 2018-11-07 2020-05-13 Roche Diabetes Care GmbH Method and system of determining a probability of a blood glucose value for a patient being in an adverse blood glucose range at a prediction time, and computer program product
AU2020248351A1 (en) * 2019-03-22 2021-11-11 Cognoa, Inc. Personalized digital therapy methods and devices
WO2020243576A1 (en) 2019-05-31 2020-12-03 Ydo Wexler Systems for biomonitoring and blood glucose forecasting, and associated methods
WO2020247032A1 (en) 2019-06-07 2020-12-10 Livongo Health, Inc. Health device with remote health services
US20200388381A1 (en) 2019-06-07 2020-12-10 Livongo Health, Inc. Managing power of a health device

Also Published As

Publication number Publication date
US20220084646A1 (en) 2022-03-17
US20220293232A1 (en) 2022-09-15
US11361854B2 (en) 2022-06-14
US20230066657A1 (en) 2023-03-02
CN115023763A (zh) 2022-09-06
EP4070322A1 (en) 2022-10-12
US11211156B2 (en) 2021-12-28
US11735300B2 (en) 2023-08-22
AU2020398656A1 (en) 2022-07-21
US11527314B2 (en) 2022-12-13
US20210174924A1 (en) 2021-06-10

Similar Documents

Publication Publication Date Title
US11894142B2 (en) Database management and graphical user interfaces for measurements collected by analyzing blood
US10791930B2 (en) Systems, devices, and methods for analyzing and enhancing patient health
Peng et al. Exploring the challenges and opportunities of health mobile apps for individuals with type 2 diabetes living in rural communities
US11735300B2 (en) Digital therapeutic systems and methods
JP2023524091A (ja) 治療推奨
US20230360754A1 (en) Digital therapeutic systems and methods
Jones et al. Shared decision making: using health information technology to integrate patient choice into primary care
Khan et al. Advancing diabetes quality measurement in the era of continuous glucose monitoring
Moore et al. Positive impact of technician-driven MTM program on performance measures
Braunstein et al. Analytics and Visualization

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20231002