JP2023530265A - 個々の多発性硬化症被験者の協調治療を容易にするためのビッグデータ処理 - Google Patents

Abstract

多発性硬化症の治療の知的選択を容易にし、多発性硬化症治療の表示を識別するためにデータプラットフォームを構築して使用するためのシステムおよび方法が開示される。多発性硬化症被験者に関連付けられた記録の様々な記録スナップショットは、具体的な一般仮説および被験者に固有の治療予測を生成するために異種、非構造化および非カテゴリデータセットを探索するために使用することができる効率的な照会を容易にする。

Description

関連出願の相互参照
本出願は、２０２０年６月１２日に出願された欧州特許出願第２０１７９７５０．３号の出願日の利益を主張し、その開示は、その全体があらゆる目的のために参照により本明細書に組み込まれる。

分野
本明細書に開示される方法およびシステムは、一般に、診断および治療戦略を決定することに関連するタグ付きデータを記憶および処理するためにプラットフォームを使用するためのシステムおよび方法に関する。時間的制約のある処理を使用して、時間的に関連するデータを予測し、時系列イベントチェーンに基づいて予測された被験者状態を生成することができる。

背景
多発性硬化症（ＭＳ）は、不均一な提示を伴う一般的な疾患である。例えば、米国では３００人に約１人がＭＳを有する（Ｗａｌｌｉｎら、「Ｔｈｅ ｐｒｅｖａｌｅｎｃｅ ｏｆ ＭＳ ｉｎ ｔｈｅ Ｕｎｉｔｅｄ Ｓｔａｔｅｓ」 Ｎｅｕｒｏｌｏｇｙ，９２（１），２０１９に基づく）。

この疾患の原因はまだ知られていないが、様々な危険因子が識別されている。ＭＳと診断される可能性は、（例えば）家族がＭＳ（または他の自己免疫疾患）と診断されたかどうか、被験者の居住地の緯度、被験者が海岸近くに存在するかどうか、被験者が女性であるかどうか、被験者の年齢、被験者の人種、被験者が特定のウイルス（例えば、エプスタイン・バー・ウイルス）に感染しているかどうか、被験者が喫煙するかどうか、および被験者が肥満であるかどうかに応じて変化する。

初期の疾患症状、疾患の進行および様々な治療に対する応答性は、被験者間で大きく異なるため、ＭＳが実際には一連の異なる疾患であるかどうかを疑問視する専門家もいる。医学界は、様々な疾患サブタイプを特定し、治療決定を知らせるために使用することができる医療検査も定義している。それにもかかわらず、選択された治療はしばしば無効である。

臨床検査は、特定の新たな治療または治療の組み合わせの有効性を決定するために頻繁に行われる。しかしながら、適格基準は制限的であることが多く、そのため、検査中の被験者群は、神経科医から治療の助言を要求する患者群を表していないことがある。さらに、被験者群のサイズが比較的小さいことは、データサイエンティストが有効性に寄与する因子を発見することができる程度を制限することができる。

幸いなことに、多発性硬化症の治療選択肢の数は、過去１０年間で爆発的に増加している。これは、被験者が全ての治療選択肢に応答しない可能性が低いという点で有益である。しかしながら、各治療を反復的に試みることは、現在、さらなる治療の可能性を伴ってさらに非現実的である。治療が進行速度を遅らせているかどうかを決定するには、しばしば半年以上かかる。その期間中、被験者の多発性硬化症は、他の治療が使用される場合よりも劇的に不可逆的に進行し得る。したがって、被験者の評価および治療選択を改善することができるシステムまたはプロセスが利用可能であれば有利であろう。

大量の医療データがデジタル的に利用可能になるにつれて、個別化医療のためのシステムおよび方法が増加している。一例では、患者のコミュニティの患者プロファイルに基づく医学的症状および転帰の個別化された管理および比較が米国特許出願公開第２０１５／０３２４５３０号明細書によって開示されており、ＭＳを含む様々な異なる医学的症状に有用であると記載されている。しかしながら、開示された技術は、以前のＭＳ治療に基づいて、および特定のＭＳ患者に有効であり得る提案された治療経過を予測的に特定するためにこれらの治療が適用された場合に、患者と一致しない。

ＭＳを含む多種多様な医学的症状について、患者の臨床パラメータ、疾患テンプレート、治療、および転帰に従って複数レベルのサブグループに分類された患者の医療記録データを用いて、多くの情報源から異なる領域にわたって大量の医療情報を分析、分類、および照合するための技術を記載する米国特許出願公開第２０１５／０１６１３３１号明細書など、他のインテリジェント医療アプローチが検討されている。新たな患者がシステムに入ると、患者のパラメータおよび疾患テンプレートが最も近いサブグループと照合されて、潜在的に良好な転帰を有する治療を提案する。しかしながら、ここでも、特定のＭＳ患者に有効であり得る提案された治療経過を予測的に特定するために、以前のＭＳ治療およびこれらの治療が適用された場合に基づく患者の照合は記載されていない。

ＡＬＬＡＭら：「Ｐａｔｉｅｎｔ Ｓｉｍｉｌａｒｉｔｙ Ａｎａｌｙｓｉｓ ｗｉｔｈ Ｌｏｎｇｉｔｕｄｉｎａｌ Ｈｅａｌｔｈ Ｄａｔａ」，ＡＲＸＩＶ．ＯＲＧ，２０２０年５月１４日，ＸＰ０８１６７３４１８は、臨床的意思決定を改善するための患者類似性分析の可能性について議論する、長期的データを用いた患者類似性分析において使用されるツールおよび方法の包括的な概要を提供している。しかしながら、開示された技術は、以前のＭＳ治療に基づいて、および特定のＭＳ患者に有効であり得る提案された治療経過を予測的に特定するためにこれらの治療が適用された場合に、患者と一致しない。

概要
いくつかの実施形態では、コンピュータ実装方法が提供される。本方法は、クラウドベースのアプリケーションサーバにおいて、多発性硬化症の治療を識別する照会を受信することと、治療の識別子を使用してデータストアを照会することであって、データストアが、介護提供者エンティティの分散セットから受信した入力に少なくとも部分的に基づいて格納されている、照会することと、を含む。第１の例の方法は、照会に応答して、被験者識別子のセットを受信することであって、被験者識別子のセット内の各被験者識別子が、被験者識別子に対応する被験者が治療を受けたことを示す、受信することをさらに含む。第１の例の方法は、被験者識別子のセットの各被験者識別子について、データストア内のデータに基づいて、被験者識別子に対応する被験者が治療を開始した時間を決定することと、被験者識別子に関連付けられた１つ以上の記録から、治療の転帰を示す１つ以上のメトリック、および１つ以上の被験者属性を抽出することと、をさらに含む。１つ以上のメトリックの抽出することは、治療が開始された時間に少なくとも部分的に基づいており、１つ以上の被験者属性のそれぞれは、記録対応の被験者の特性または医療検査の結果を反映する。第１の例の方法は、抽出されたメトリックおよび抽出された被験者属性に基づいて、治療に対する他の被験者の予測応答性を生成することと、予測応答性に対応する結果を出力することと、をさらに含む。

いくつかの実施形態では、１つ以上のデータプロセッサと、命令を含む非一時的コンピュータ可読記憶媒体であって、命令が、１つ以上のデータプロセッサ上で実行されると、１つ以上のデータプロセッサに、本明細書に開示された１つ以上の方法の一部または全部を実行させる、非一時的コンピュータ可読記憶媒体と、を含む、システムが提供される。

いくつかの実施形態では、１つ以上のデータプロセッサに、本明細書に開示された１つ以上の方法の一部または全部を実行させるように構成された命令を含む、非一時的機械可読記憶媒体において有形に具現化されたコンピュータプログラム製品が提供される。

本開示のいくつかの実施形態は、１つ以上のデータプロセッサを含むシステムを含む。いくつかの実施形態では、システムは、命令を含む非一時的コンピュータ可読記憶媒体であって、命令が、１つ以上のプロセッサ上で実行されると、１つ以上のプロセッサに、本明細書に開示された１つ以上の方法の一部または全部および／または１つ以上のプロセスの一部または全部を実行させる、非一時的コンピュータ可読記憶媒体を含む。本開示のいくつかの実施形態は、１つ以上のプロセッサに、本明細書に開示された１つ以上の方法の一部または全部および／または１つ以上のプロセスの一部または全部を実行させるように構成された命令を含む、非一時的機械可読記憶媒体において有形に具現化されたコンピュータプログラム製品を含む。

採用された用語および表現は、限定ではなく説明の用語として使用され、そのような用語および表現の使用において、示され、説明された特徴またはその一部の任意の均等物を除外する意図はないが、特許請求される本発明の範囲内で様々な変更が可能であることが認識される。したがって、特許請求の範囲に記載された本発明は、実施形態および任意の特徴によって具体的に開示されているが、本明細書に開示された概念の変更および変形は、当業者によってあてにされてもよく、そのような変更および変形は、添付の特許請求の範囲によって定義される本発明の範囲内にあると見なされることを理解されたい。

本開示は、以下の添付の図面と併せて説明される：

本開示のいくつかの態様にかかる、クラウドベースのアプリケーションがホストされるネットワーク環境を示している。

本開示のいくつかの態様にかかる、縮約された被験者記録を、被験者の治療に関する支援を要求する相談ブロードキャストに関連してユーザデバイスに配信するためにクラウドベースのアプリケーションによって実行されるプロセスの例を示すフローチャートである。

本開示のいくつかの態様にかかる、治療計画定義（例えば、決定木または処理ワークフロー）のユーザ統合を監視し、監視の結果に基づいて治療計画定義を自動的に更新するプロセスの例を示すフローチャートである。

本開示のいくつかの態様にかかる、被験者に対する治療を推奨するためのプロセスの例を示すフローチャートである。

本開示のいくつかの態様にかかる、データプライバシー規則に従うように照会結果を難読化するためのプロセスの例を示すフローチャートである。

本開示のいくつかの態様にかかる、チャットボットなどのボットスクリプトを使用してユーザと通信するためのプロセスの例を示すフローチャートである。

部分集団を特徴付け、被験者に固有の予測を生成するために動的および分散ソースデータを表すスナップショットデータストアを構築および使用するための例示的なプロセスを示すフローチャートを示している。

スナップショットデータストアを使用して高レベルの治療応答予測および／または指示を生成するための例示的なプロセスを示すフローチャートを示している。

多発性－硬化症データストアを構築するための入力を受信するための例示的なインターフェースを示している。

添付の図面において、同様の構成要素および／または特徴は、同じ参照ラベルを有することができる。さらに、同じタイプの様々な構成要素は、参照ラベルの後に同様の構成要素を区別するダッシュおよび第２のラベルを続けることによって区別されることができる。本明細書において第１の参照ラベルのみが使用される場合、説明は、第２の参照ラベルに関係なく、同じ第１の参照ラベルを有する同様の構成要素のいずれかに適用可能である。

詳細な説明
Ｉ．概要
多発性硬化症は、多くの異なる種類の提示、徴候および転帰を伴う不均一な疾患である。この状況は、神経科医が治療戦略を選択するための課題を提示する。しかしながら、疾患の残念ながら高い有病率は、より効果的な治療戦略の選択を知らせるために多次元分析を支援するためにビッグデータが収集および分析されることができるツールを提供する。

臨床データのビッグデータ分析は、ほとんどの臨床経過および患者属性が複雑な非バイナリ、非カテゴリ、非数値データに対応するために複雑である。したがって、このデータの多くは、照会および集約が困難な非構造化データ（例えば、医師のメモまたは放射線科医の報告）で表される。複雑な評価をカテゴリ変数または数値変数に変換するために医療分野においていくつかの努力がなされてきたが、これは情報損失をもたらす可能性があり、変換を実行する当事者間で一貫性がない可能性がある。

さらに、神経科医によって頻繁に評価される情報タイプは、多くのデータタイプに及ぶ。したがって、単一の被験者のファイルをレビューする場合であっても、異なるファイルタイプの複数のファイルを開くことを頻繁にレビューする。いくつかのファイルは、しばしば異なる視点で繰り返し収集される、脳および／または脊髄の様々な仮想スライスの画像を含むことができる大きなＭＲＩデータを含むことができる。神経科医は、最近の期間（またはスナップショット）からのファイルの集合からの情報を、被験者に対応する過去のデータの集合からの対応する情報と比較し、その後、任意の変更が許容可能であるかどうかを決定しようと試みることができる。注目すべきことに、本治療選択肢のほとんどは、ＭＳの進行を完全に停止することを報告していない。むしろ、ＭＳの進行を遅らせることが報告されている。したがって、神経科医は、観察された変化が、異なる治療が提供された場合よりも顕著であるかどうかを仮定することを任されている。

本明細書に開示されるいくつかのシステムおよび方法は、ＭＳビッグデータセットを構築して使用して、定量的多変量分析に部分的に基づいて治療が個人向けに選択される個別化医療を容易にするように構成される。特に、クラウドベースのアプリケーションは、ユーザ（例えば、介護提供者、放射線科医、検査室および／または被験者）が被験者の状態を特徴付ける入力を提供することができるインターフェースを提供することができる。インターフェースは、定義された構造に対応する入力を選択的に受信するように（例えば、一部または全部のタイプの情報について）構成されることができる。インターフェースを介して提示されるフィールドデータは、構造を識別することができる。例えば、インターフェースは、障害－関連情報が特定の尺度（例えば、拡張障害状態尺度）に沿ったスコアを含むべきであること、および／またはＭＲＩ情報が（例えば、特定のタイプのスキャンにおいて検出されるように強化された／強化されない）特定の種類の病変のカウントを含むべきであることを示すことができる。

いくつかの例では、インターフェースは、より構造化されていない、半構造化された、または非構造化のデータを受信するようにさらに構成されてもよい。非構造化データは、（例えば）医師のメモ、被験者のテキストによる自己評価報告などを含むことができる。非構造化データは、（例えば、自然言語処理および／またはキーワード検出を使用して）対応する構造化データを識別するために処理されてもよい。いくつかの例では、非構造化データは、サポート情報として使用され、非構造化形式で保持される。例えば、１つ以上の定量的ＭＲＩメトリックを受信することに加えて、インターフェースは、ＭＲＩ画像を受け入れることができる。ＭＲＩ画像は、ＭＲＩ規格に準拠することができるが、データの正確な構成は、（例えば）使用される機械の種類および選択されるスキャンに依存することができる。

クラウドベースのアプリケーションは、複数の種類のユーザに複数の種類のインターフェースを提供するように構成されることができる。例えば、第１のインターフェースは、医師が利用することができ、直接評価、社内評価、処方箋の理論的根拠などに対応する入力を受信するように構成された１つ以上のページを含むことができる。１つ以上の第２のインターフェースは、検査室および／または撮像施設に利用することができ、医療検査結果（例えば、血液検査結果、ＭＲＩ画像、ＭＲＩ統計量など）を受信するように構成された１つ以上のページを含むことができる。第３のインターフェースは、被験者が利用することができ、自己評価応答または自己評価を受信するように構成された１つ以上のページを含むことができる。例えば、被験者インターフェースは、健康関連の質問を提示し、対応する回答を受信するように構成されることができる。クラウドベースのアプリケーションは、クラウドベースのアプリケーションにアクセスする各ユーザについて、役割および許可をさらに検出することができる。様々な許可は、ユーザが特定の種類の情報（例えば、特定のフィールドに対応する）を入力し、特定の種類の動作（例えば、データ処理）を開始または制御し、および／または特定の種類のデータ（例えば、特定の分野および／または特定の被験者に対応する）を閲覧することを可能にすることができる。

ビッグデータの照会を容易にする被験者評価データを収集することに加えて、クラウドベースのアプリケーションは、自動的に収集することができるか、または入力された１つ以上のコンテキストデータ点を介して収集することができる。例えば、クラウドベースのアプリケーションは、ユーザコンピュータが位置する管轄区域および／または被験者のアドレス（例えば、ユーザによる入力として）に対応する管轄区域を検出することができる。他の例として、クラウドベースのアプリケーションは、評価、医療検査、または入力に対応する期間（例えば、日付、時刻、日付期間および／または時間期間）を自動的に検出するか、または入力を介して検出することができる。

クラウドベースのアプリケーションは、特定の被験者に関する情報をさらに受信することができる。情報は、人口統計情報、医療履歴情報、雇用情報などを含むことができる。情報は、被験者がどの医薬品を服用していたか、どの期間中に医薬品を服用していたか、その期間中に経験した有害作用、および潜在的に被験者が医薬品を服用しなくなった理由に関する指示を含むことができる。特定の被験者情報は、ユーザからの入力、電子医療記録、自動テキスト認識などを介して検出されることができる。

いくつかの例では、クラウドベースのアプリケーションは、データを処理して、各被験者について、個々の期間を、（例えば）被験者が受けている任意の医薬品、障害レベル／スコア、ＭＲＩ統計量もしくは特性、幸福指数、症状提示および／または有害イベントと関連付ける時系列データを構築する。いくつかの例では、一連のタイムスタンプならびに関連する臨床、バイオマーカー、医療検査および／または自己評価メトリックを含むデータに基づいてイベントチェーンが生成されることができる。したがって、イベントチェーンは、被験者がどの治療を受けたか、様々な治療を受けた期間、治療期間中に行われた臨床評価、治療期間中に受けた１つ以上のＭＲＩの結果、治療期間中の被験者報告または自己評価などを識別することができる。

クラウドベースのアプリケーションは、（例えば）所与の治療の有効性に対応する予測を生成し、所与の治療の有効性を予測し、予後を予測し、および／または推奨される治療を識別するために、被験者のイベントチェーンを使用することができる。例えば、クラウドベースのアプリケーションは、被験者のイベントチェーンを使用して、ビッグデータ集団に課す１つ以上の対応するフィルタを識別し、１つ以上の部分－集団クラスを識別し、および／または１つ以上の最近傍を識別することができる。いくつかの例では、イベントチェーンは、１つ以上の治療を使用することの有効性および／または転帰を予測する１つ以上の出力を生成するために、１つ以上の人工知能モデル（例えば、１つ以上の訓練された機械学習モデル）に入力される。例えば、１つ以上のモデルのそれぞれは、被験者を現在の治療から他のモデル対応の治療に切り替える予測に対応する出力を生成することができる。出力は、（例えば）予測された絶対値または障害スコアの変化、病変負荷、増強病変の数の合計などを含むことができる。次いで、出力に基づいて治療が選択されることができる。

他の例として、イベントチェーンは、所与の治療を受けた類似の被験者のセットを識別するために使用することができる。類似の被験者は、所与の被験者の多次元イベントチェーンと所与の治療を受けた他の被験者のセットのそれぞれとの間の距離メトリックを計算し、特定の閾値未満の距離メトリックと関連付けられた他の被験者のセットのサブセットを識別することによって識別されることができる。所与の治療に対する所与の被験者の応答性の予測は、所与の治療に対する被験者のサブセットの応答性（例えば、ある期間内の障害進行の平均または中央値、ある期間内の再発の平均または中央値、ある期間内の新たな病変の平均または中央値など）に基づいて定義されることができる。

インターフェースは、所与の被験者に関連して行われた各治療選択について、治療の識別子（例えば、名称）、治療が開始された日付もしくは期間、治療に関連して被験者が経験した有害イベント（例えば、およびそのような有害イベントが経験であったとき）、および／または治療が終了した日付もしくは期間を識別する入力を受信するように構成されることができる。被験者のイベントチェーンは、治療情報の一部または全部を反映するように更新されることができる。

いくつかの例では、所与の被験者（例えば、被験者のイベントチェーン）に関連するデータが使用されて、１つ以上の対応する被験者を識別することができる。対応する被験者および所与の被験者は、類似していてもよく、および／または１つ以上の同じもしくは類似の属性と関連していてもよい。例えば、対応する被験者のそれぞれは、被験者が受けている、受けるであろう、または検討しているものと同じ特定の治療を受けていてもよい。対応する被験者および所与の被験者は、類似または同じタイプの多発性硬化症、類似または同じ障害スコア、類似または同じ治療歴などに関連付けられることができる。どの属性が対応する被験者セットの定義に影響を及ぼすかは、ユーザ入力を介して定義されてもよく、モデルによって事前定義または学習されてもよい。

一例として、クラウドベースのアプリケーションのユーザは、現場の制約を選択し、（完全に歩行可能な再発寛解型多発性硬化症を有し、最近インターフェロンベータ治療からオクレリズマブ治療に移行した可能性がある）被験者を識別することによって照会を開始することができる。データストアは、インターフェロンベータ治療からオクレリズマブ治療にも移行した時点で完全に歩行可能であり、再発寛解型多発性硬化症と診断されたという現場の制約を満たす他の被験者を識別するために照会されることができる。この例示的な例では、フィールド制約は、被験者の実際の属性に対応するが、状況によっては、１つ以上の制約は、潜在的な属性（例えば、被験者に対して検討されている治療）に対応することができる。特に、この照会は、所与の被験者に現在関連付けられている様々な特性に以前に関連付けられていた被験者を識別するために後方を向いている場合がある。

遡及的照会の実行を容易にするために、クラウドベースのアプリケーションは、各被験者の治療移行点（治療が開始され、変更され、または終了される）ごとにスナップショットを生成および記憶することができる。スナップショットは、最後に報告された情報および／または計算された情報を含むことができる。スナップショットは、最新の治療、１つ以上のＭＲＩ統計量、１つ以上の歩行メトリック（例えば、被験者が杖を使用しているかどうか、被験者が両側歩行支持体を使用しているかどうか、被験者が歩行器を使用しているかどうか、および／または被験者が車椅子を使用しているかどうか）、多発性硬化症のタイプなど、本明細書に記載されたフィールドおよび／または情報を含むことができる。例えば、被験者が２０１７年７月に投薬を変更した場合、多くの他の分野に関する情報は、同時に提供されていない可能性がある。しかしながら、以前に受信した情報を照会して、（例えば）処方された最新の治療が２０１６年１月であり、フィンゴリモドであったこと、２０１７年４月に投与された最新のＭＲＩが関連するＭＲＩ統計量セットに対応したこと、２０１７年３月の診療所訪問に対応するデータ入力が被験者が杖を使用していたことを示したこと、および２００８年９月からの最新の診断が鉱石再発寛解型多発性硬化症であったことを検出することができる。したがって、この情報は、本質的に２０１７年７月のスナップショットにプルされる。

したがって、スナップショットは、同時に観察する必要のない制約を使用して遡及的多次元照会を実行することを容易にすることができる。対応する各被験者について、治療が開始された日付が時間０として設定されることができる。対応する被験者および後続の時点（例えば、対応する被験者が特定の治療の使用を終了した日まで（その日を含む））に関連付けられた１つ以上のデータ点が収集されることができる。後続のデータ点は、（例えば）移動性または歩行レベル、障害レベル、１つ以上のＭＲＩメトリック、有害イベントインジケータおよび／または任意の治療終了インジケータを示すことができる。その後、集約統計量は、後続のデータ点に基づいて、潜在的にスナップショットデータに基づいて生成されることができる。

例えば、集約統計量は、対応する被験者が特定の治療を継続した期間の分布を含むことができる。他の例として、集約統計量は、各期間について、対応する被験者にわたって検出された新たな病変の数を特徴付ける、いくつかの新たな増強病変を特徴付ける、特定のタイプの病変の総体積の変化を特徴付ける、障害レベルの変化を特徴付ける、歩行レベルの変化を特徴付ける、ウェルビーイング指標の変化を特徴付ける、有害イベントの存在、有病率もしくは重症度を特徴付ける、および／または再発の確率もしくは数を特徴付ける統計量（例えば、中央値、平均値または最頻値）を含むことができる。どの後治療情報が追跡されるかは、照会に対応する入力に基づいて、または所定の構成に基づいて決定されることができる。

いくつかの例では、対応する被験者は２つ以上の群に分割されることができ、各群について集約統計量を生成することができる。例えば、第１の群は、少なくとも所定の時間（例えば、１８ヶ月間）にわたって治療を受け続けた対応する被験者を含むことができ、第２の群は、所定の時間の前に治療をオフにした対応する被験者を含むことができる。他の例として、第１の群は、少なくとも第１の期間（例えば、少なくとも６ヶ月間）治療を受け、その拡張障害状態尺度（ＥＤＳＳ）スコアが同じままであるか、または第２の期間（例えば、１２ヶ月以内）にわたって１．５ポイント未満しか変化しなかった対応する被験者を含むことができ、第２の群は、少なくとも第１の期間治療を受け、そのＥＤＳＳスコアが第２の期間にわたって１．５ポイント以上変化した対応する被験者を含むことができる。

いずれの例に関しても、各群について、生成された集約統計量は、人口統計情報（例えば、年齢分布、性別分布）、病歴情報（例えば、併存症の有病率）、ベースラインＭＲＩ統計量（例えば、病変負荷、総病変数、増強病変数）、および／または障害メトリック（例えば、ＥＤＳＳスコアまたは歩行レベル）などの、群内の被験者のベースライン（時間０）における情報を表すことができる。したがって、集約統計量が使用されて、どの種類の被験者属性および／または状況が治療有効性および／または治療中の陽性予後を予測するかを予測することができる。介護者または被験者は、予測および被験者の特定の属性を使用して、治療を選択するかまたは治療の使用を継続するかを決定することができる。いくつかの例では、有効性および／または予後の予測は、複数の治療戦略（例えば、異なる対応する被験者集団に関連する）のそれぞれについて被験者について生成されることができ、治療は、予測に基づいて被験者について選択されることができる。

いくつかの例では、所与の被験者が治療を開始した後、１つ以上のデータ点が所与の被験者について追跡され、対応する被験者または対応する被験者内の１つ以上の群の集約統計量と比較されることができる。例えば、治療開始後４ヶ月で、所与の被験者について、Ｔ２病変負荷の変化、ＥＤＳＳスコアの変化および増強病変の数が決定されることができる。モデル（例えば、分類器）または多変量分析が使用されて、被験者に固有のデータ点が「レスポンダ」集団サブグループまたは「非レスポンダ」集団サブグループとより強く整合するかどうかを予測することができる（例えば、レスポンダサブグループが、治療のより長い使用、より小さいＭＲＩに基づく進行、より小さい障害進行に関連した場合）。介護者または被験者は、予測を使用して、被験者の治療戦略を変更するか、またはそれを考慮するかを決定することができる。

いくつかの例では、所与の被験者に関連付けられた症状セット、障害スコアおよび／または検査結果のセットに対応する制約を含む照会が実行されることができる。症状セット、障害スコアおよび／または検査結果は、多発性硬化症の診断を支援するには不十分であり得る（しかしながら、必ずしもそうである必要はない）。同様の症状、障害スコアおよび／または検査結果を有する他の被験者の集団が識別されることができる。照会は、負の制約（例えば、１つ以上の他の症状が経験されていないことを示す）をさらに課すように実行されてもよい。集団は、使用された治療アプローチに基づいて細分されることができる。集団内の各群について、（例えば）他の亜型の多発性硬化症または多発性硬化症の診断に移行する可能性（例えば、時間の関数として、またはある期間内に）、障害スコアの変化（例えば、関数もしくは時間としての変化の中央値、またはある期間内に発生するより悪いスコアの確率）、時間の関数としての治療を変更する確率などを示す統計量が生成されることができる。次いで、介護提供者は、他のサブタイプに移行する相対的に低い可能性、障害スコアの相対的に小さい変化（または変化なし）、および／または治療を変更する相対的に小さい確率に関連付けられた治療を推奨することができる。

クラウドベースのアプリケーションは、様々な管轄区域にわたってデータプライバシー規則によって課される制約を満たしながら、エンティティが外部エンティティを有する被験者（例えば、医学的症状を経験すること、および／または医学的症状の可能な診断もしくは確認された診断を有すること）を特徴付ける１つ以上のデータ記録または他の情報を送信および／または受信することを可能にするデータプライバシープロトコルを実装するように動作することができる。クラウドベースのアプリケーションは、データプライバシー違反をアルゴリズム的に評価し、データプライバシー規則に従うようにデータ記録を自動的に省略、難読化、または変更するように構成されることができる。例えば、クラウドベースのアプリケーションは、対応する被験者のセットに関連付けられたデータに基づいて生成された集約統計量が識別情報を明らかにするリスクがあるかどうかを決定するように構成されてもよい。そのような情報は、（例えば）対応する被験者を識別するための制約が特に狭い場合、対応する被験者（またはそこにあるサブグループ）の集団のサイズが特に小さい場合、入手または提示される集約統計量の数が特に多い場合などに明らかになる可能性がより高くなることができる。例示すると、照会が３つの他の制約と共に郵便番号制約を含み、結果として得られる被験者の集団が３人の被験者しか含まない場合、３人の被験者全てからのデータに基づいて生成された統計データの提示でさえも、個人を特定可能な情報を明らかにする危険性がある。

照会に応答することが個人を特定可能な情報を明らかにする危険性があると決定された場合、クラウドベースのアプリケーションは、データに表される被験者についての情報を閲覧することをユーザが許可されているかどうかを決定することができる。そうでない場合、クラウドベースのアプリケーションは、照会を拒否するか、または制約が少なくなるように照会を変更することができる。

本開示のいくつかの実施形態は、データプライバシー規則に違反することなく被験者情報を外部エンティティと交換するように構成されたクラウドベースのアプリケーションを提供することによって、従来のシステムを超える技術的利点を提供する。クラウドベースのアプリケーションは、データの選択的な収集および処理を容易にして、被験者および他のユーザにわたってコンテンツおよびフォーマットが比較的一貫しているデータセットに到達する。データ表現は、制約を識別することができるフィールドを識別することができるという点で、データ照会をさらに容易にすることができる。次いで、被験者集団についての照会は、自然言語処理照会を実行するのではなく、論理オペランドおよび／または基本検索を利用して実行されることができる。さらに、被験者記録をイベントストリームに変換すること、および／または特定の重要なイベントにおいてスナップショットを生成することは、様々なデータ点が時間的に整列されていないときに照会を実行することを容易にすることができる。機械学習モデル（例えば、分類器）および集団データの使用は、治療の有効性および／または忍容性に影響を及ぼす予測因子の改善を容易にすることができる。

上述した開示は、多発性硬化症の診断および治療を容易にすることに関してインテリジェントな機能を実行するように構成されたクラウドベースのアプリケーションを記載しているが、クラウドベースのアプリケーションは、外部の医師に相談し、診断を決定し、肺、乳房、結腸直腸、前立腺、胃、肝臓、子宮頸部（子宮頸部）、食道、膀胱、腎臓、膵臓、子宮内膜、口腔、甲状腺、脳、卵巣、皮膚、および胆嚢の癌、肉腫および癌腫などの固形腫瘍、リンパ腫（ホジキンリンパ腫または非ホジキンリンパ腫など）を含む免疫系の癌、ならびに血液（血液学的癌）および白血病（急性リンパ性白血病（ＡＬＬ）および急性骨髄性白血病（ＡＭＬ）など）などの骨髄の癌、リンパ腫および骨髄腫を含む、腫瘍学を含むがこれらに限定されない、任意の疾患、症状、研究領域、または障害の潜在的な診断または潜在的な治療を識別するように構成されることができる。さらなる障害は、貧血などの血液障害、血友病、血餅などの出血障害、糖尿病性網膜症、緑内障、および黄斑変性を含む眼科障害、パーキンソン病、疾患、脊髄性筋萎縮症、ハンチントン病、筋萎縮性側索硬化症（ＡＬＳ）、およびアルツハイマー病を含む神経障害、多発性硬化症、糖尿病、全身性エリテマトーデス、重症筋無力症、炎症性腸疾患（ＩＢＤ）、乾癬、ギラン・バレー症候群、慢性炎症性脱髄性多発ニューロパチー（ＣＩＤＰ）、グレーブス病、橋本甲状腺炎、湿疹、血管炎、アレルギー、および喘息を含む自己免疫障害を含む。

他の疾患および障害は、腎臓疾患、肝疾患、心疾患、脳卒中、胃腸障害、例えばセリアック病、クローン病、憩室疾患、過敏性腸症候群（ＩＢＳ）、胃食道逆流症（ＧＥＲＤ）および消化性潰瘍、関節炎、性感染症、高血圧、細菌およびウイルス感染症、寄生虫感染症、結合組織病、セリアック病、骨粗鬆症、糖尿病、狼瘡、中枢神経系および末梢神経系の疾患、例えば注意欠陥／多動性障害（ＡＤＨＤ）、カタレプシー、脳炎、てんかんおよび発作、末梢神経障害、髄膜炎、片頭痛、ミエロパシー、自閉症、双極性障害およびうつ病を含むが、これらに限定されない。

ＩＩ．ＭＳサブタイプ、診断プロトコル、関連する医療検査、進行評価および利用可能な治療の概要
ＩＩ．Ａ．多発性硬化症の種類
医学界は、治療選択に影響を及ぼし、予後を知らせることができる複数のタイプのＭＳを定義している。

ＩＩ．Ａ．１．再発寛解型多発性硬化症（ＲＲＭＳ）
８５～９０％の症例において、多発性硬化症は、最初に再発－寛解型多発性硬化症（ＲＲＭＳ）型として現れる。ＲＲＭＳ患者は、新たな神経学的症状が現れるか、または古い症状が悪化する別個の増悪（または「再発」）を経験する。顕著な機序仮説は、増悪が自己反応性白血球が末梢から血液脳関門を通過し、中枢神経系のニューロン突起上のミエリン保護層を攻撃する自己免疫カスケードの結果であるということである。自己免疫カスケードは、主にＴ細胞を伴うが、（例えば、マクロファージを動員し、補体経路を活性化し、および／またはＴ細胞分化に影響を及ぼす共刺激分子を産生するために）一部のＢ細胞も伴うと考えられている。他の理論は、攻撃が、免疫調節機構の機能不全を有するミエリンに固有のＴ細胞によって行われるということである。

各増悪は、１つ以上の生理学的症状をもたらすことがある。生理学的症状は、８つの機能系のうちの１つに関連する症状とすることができる。機能系および関連症状の選択は、錐体系（症状：筋力低下または四肢の運動困難）、小脳系（バランス障害または振戦）、脳幹系（発話または嚥下の困難）、感覚系（しびれまたは刺痛）、腸または膀胱系（失禁）、視覚系（ぼやけまたは盲目）、脳系（記憶、マルチタスク、または思考の欠損）、およびその他を含む。増悪の間、症状は、部分的または完全に消失することがある。再発が（後の期間と比較して）診断日に近いところで発生した場合、再発からの完全な回復の可能性がより高い。疾患の初期において、再発は、典型的には、錐体、小脳、感覚または視覚の機能系を伴う。疾患の後期では、再発は、しばしば脳幹、腸もしくは膀胱、または脳機能系を伴う。

ＩＩ．Ａ．２．活動性または不活動性の二次進行性多発性硬化症（ＳＰＭＳ）
治療せずに放置すると、ＲＲＭＳ患者の約９０％が２５年以内に二次性進行性多発性硬化症（ＳＰＭＳ）に移行する（約５０％が１０年以内に伝染する）。どのような正確な指標がＲＲＭＳからＳＰＭＳへの移行を示すかについて、医学界の一般的な合意はない。

症候性の再発および炎症も経験し続けるＳＰＭＳ患者は、活動性ＳＰＭＳを有すると考えられるが、再発のない患者は、活動性ＳＰＭＳを有すると特徴付けられる。しかしながら、それにもかかわらず、これらの患者は、典型的には、神経損傷または神経喪失の結果として機能の漸進的且つ一般的に単調な低下を経験する。他の言い方をすれば、ＳＰＭＳ患者において観察される低下は、主に神経変性によるものであり、個他の免疫学的発作によるものではないと一般に理解されている。

ＩＩ．Ａ．３．原発性進行性多発性硬化症（ＰＰＭＳ）
一部のＭＳ患者は、決してＲＲＭＳ型と診断されず、代わりに最初は原発性進行性多発性硬化症（ＰＰＭＳ）と診断される。ＳＰＭＳと同様に、これらの患者は、一般に、症状および脳損傷の漸進的且つ持続的な悪化を経験する。ＳＰＭＳおよびＰＰＭＳの双方に関して、徐々に機能が失われることは、数ヶ月から数年の期間にわたって起こることがあり、検出が困難になる。ＰＰＭＳを有するほとんどの人々は、最初に運動症状を呈する（一方、感覚症状および／または光学症状はＲＲＭＳでより一般的である）。ＰＰＭＳ診断のための顕著な基準は、機能系障害が徐々に発生し、別個の再発とは無関係であることである（その結果、徐々に悪化することは、再発によって引き起こされるいかなる残存障害の結果でもない）。

ＩＩ．Ａ．４．進行性再発性多発性硬化症
一部の人々は、ＭＳの診断後に症候性再発および／または増強病変を経験する。これらの場合、患者は、進行性ＭＳの初期診断が破棄されないため、進行性再発性ＭＳと診断される。

ＩＩ．Ａ．５．臨床的単離症候群（ＣＩＳ）
臨床的に孤立性症候群（ＣＩＳ）は、多発性硬化症のサブタイプと考えられているが、ＣＩＳは、実際には多発性硬化症とは異なる。ＣＩＳの診断は、被験者が少なくとも２４時間にわたって最初の神経学的症状を経験したことを示し、これは時間的に孤立しており、他の病状（例えば、脳卒中またはライム病）によるものではない。被験者が１つ以上の他の以前の神経学的症状を想起する場合、またはＭＲＩが古い（非増強性の）病変を識別する場合、被験者は、ＣＩＳではなく多発性硬化症と診断されるべきである。

ＣＩＳを有する被験者は、その後、さらなる症状を経験することもしないこともあり、多発性硬化症の診断を受ける。ＣＩＳ患者は、選択された多発性硬化症薬を受けることがあり、これは、被験者が多発性硬化症と診断される確率を低下させるか、または診断される時間を延長することがある。

ＩＩ．Ｂ．多発性硬化症の診断
介護提供者への患者の症状の報告、および介護提供者によって行われる機能的評価は、多発性硬化症を有する患者を診断するかどうかを決定するとき、および／または特定のサブタイプの多発性硬化症を有する患者を診断するときに非常に関連性がある。しかしながら、いくつかの他の医療検査の結果は、診断において非常に影響力があり得る。

ＩＩ．Ｂ．１．多発性硬化症の診断のために有益である可能性がある医療検査
ＩＩ．Ｂ．１．ａ．磁気共鳴イメージング
磁気共鳴画像法（ＭＲＩ）機械は、強い磁場を発生させる大きな磁石を含む。これらの場は、体内のプロトンを場と整列させる。共振周波数の高周波（ＲＦ）場は、陽子を磁場に対して平衡状態からスピンアウトさせる。ＲＦ場がオフになると、陽子は、磁場と再整列しながらエネルギーを放出する。ＭＲＩ装置は、このエネルギー放出を測定するための受信コイルを含む。異なる種類の生物学的構造は、異なるエネルギー放出プロファイルをもたらす（例えば、平衡状態に戻るのに経過した時間を識別すること）。２つの動作設定は、繰り返し時間およびエコー時間を含む。繰り返し時間は、連続するＲＦパルス間の時間である。長い繰り返し時間は、全ての陽子が次のパルスの前に磁場と再整列することを可能にするが、短い繰り返し時間は、多くの陽子が部分的にのみ再整列することになる。エコー時間は、陽子によって生成された信号がいつ測定されるかを示す。エコー時間が長いほど、灰白質および白質の陽子は位相がずれる可能性が高くなり、その結果、信号が長くなる可能性がある。一方、流体はこの点で感度が低いため、それらの信号はより強く残る。

ＭＲＩ画像は、Ｔ１強調画像（Ｔ１画像）、Ｔ２強調画像（Ｔ２画像）またはフレア画像を含むことができる。Ｔ１画像は、短いエコー時間（例えば、１４ｍｓ）および短い繰り返し時間（例えば、５００ｍｓ）に応答して生成される。Ｔ１画像では、白質（例えば、軸索）は明るく、灰白質（例えば、神経細胞体および樹状突起）は灰色であり、脊髄は灰色であり、脳脊髄液（ＣＳＦ）は暗く、炎症は暗い。黒穴は、Ｔ１画像において低強度（暗い）領域として現れる。造影剤（例えば、ガドリニウム）が被験者に投与されると、このバリアが最近破壊され、最近形成された病変に漏出し得る場合にのみ、造影剤は血液脳関門を通過することができる。次いで、Ｔ１画像は、これらの病変を明るい領域として描写する。

Ｔ２画像は、長いエコー時間（例えば、９０ｍｓ）および長い繰り返し時間（例えば、４０００ｍｓ）に応答して生成される。Ｔ２画像では、白質は濃い灰色であり、灰白質は薄い灰色であり、脊髄は薄い灰色であり、ＣＳＦは明るく、炎症は明るい。したがって、Ｔ２画像が使用されて、新たな病変および古い病変（明るく見える）を検出することができる。フレア画像は、さらに長いエコー時間（例えば、１１４ｍｓ）およびさらに長い繰り返し時間（例えば、９０００ｍｓ）に応答して生成される。フレア画像では、白質は暗い灰色であり、灰白質は明るい灰色であり、脊髄は明るい灰色であり、ＣＳＦは暗く、炎症は明るい。フレア画像は、Ｔ２画像と比較して、ＣＳＦに隣接する病変のより良好な視認性を可能にする。

脳および／または脊髄のＭＲＩ画像は、多発性硬化症の診断を容易にするため、特定の種類の多発性硬化症の診断を容易にするため、被験者における多発性硬化症の進行の特徴付けを容易にするため、治療が被験者を効果的に治療している程度の特徴付けを容易にするため、および／または被験者に対する治療戦略を変更するかどうかの決定を容易にするために使用することができる。病変の数、位置、大きさおよび形状は、これらの決定の１つ以上を知らせることができる。例えば、「ドーソンフィンガー」は、ＲＲＭＳ患者に生じる一般的な病変である。ドーソンフィンガーは、卵形の複数の病変であり、脳の脳室系静脈（深部髄静脈）の近くに位置する。病変は任意のＣＮＳ白質に存在することがあるが、多発性硬化症病変は、脳室周囲白質、小脳、脳幹および脊髄に頻繁に発生する。

ＭＲＩ分析は、ＭＲＩ画像が造影病変を描写するかどうかを決定することを頻繁に含み、そのような病変は、典型的には、被験者の多発性硬化症が最近活発であったことを示す。Ｔ２強調病変はまた、総病変体積を測定するために頻繁に使用される。（例えば、ＣＩＳまたはＲＲＭＳにおいて）疾患プロセスの早期に測定されたＴ２疾患負荷メトリックは、被験者の長期障害および／または疾患進行に関する情報を提供することができる。

さらに、ＭＲＩが使用されて、断面積（例えば、脊髄のセグメントにおける）または体積（例えば、脳の）を識別することができ、これを使用して被験者における萎縮の程度を推定することができる。萎縮は、被験者の最近のＭＲＩに基づいて生成された面積／体積メトリックを、被験者のより古いＭＲＩに基づいて生成されたものと比較することによって推定されることができる。萎縮は、さらに、被験者の最近のＭＲＩに基づいて生成された面積／体積メトリックを、比較可能な集団に基づいて生成された統計量と比較することによって推定されることができる。萎縮統計量が使用されて、ＭＳ診断および／または治療決定に関する決定を知らせることができる。

以下にさらに記載されるように、複数の解剖学的領域における病変の存在および／または病変の時間的に分離された外観は、多発性硬化症疾患を示す。病変の時間的に分離された外観は、異なる時点において収集されたＭＲＩを比較することによって、または少なくとも１つの病変が造影増強されており（最近の炎症を示す）、少なくとも１つの病変が造影増強されていないことを検出することによって検出されることができる。

ＩＩ．Ｂ．１．ｂ．脳脊髄液分析
多発性硬化症を有するほとんどの被験者（および他の炎症性病状を有する多くの被験者）の脳脊髄液（ＣＳＦ）は、一般集団と比較して比較的高濃度の免疫グロブリンＧ（ＩｇＧ）を含む。ＩｇＧは、多発性硬化症の二次的な影響であると思われるが、依然として有用なバイオマーカーを提供する。

したがって、ＣＳＦの分析は、多発性硬化症の診断段階中に頻繁に行われる。ＣＳＦは、脊椎穿刺を介して被験者から収集される。ＣＳＦ試料のそれぞれおよび潜在的に血清試料（例えば、希釈血清試料）中のタンパク質を検出するために、１つ以上の検査室検査（例えば、タンパク質電気泳動、ウェスタンブロット、または等電点電気泳動と銀染色の組み合わせ）が行われる。

ＣＳＦ中のＩｇＧバンドの検出は、多発性硬化症診断と一致する。追加的または代替的に、ＣＳＦおよび血清中のオリゴクローナルバンドをＣＳＦ中の追加のバンドと共に検出することもまた、多発性硬化症診断と一致する。これらの検出のいずれも、ＣＩＳを有する被験者が臨床的に明確なＭＳに転換するかどうかをさらに予測する。

ＩｇＧ ＣＳＦ指数は、血清中のアルブミンに対するＩｇＧの比と比較したＣＳＦ中のアルブミンに対するＩｇＧの比として定義される。１よりも大きい値は、中枢神経系がＩｇＧを産生していることを示す。ＩｇＧ ＣＳＦ指数が使用されて、ＩｇＧ合成速度を生成することもできる。

ＩＩ．Ｂ．１．ｃ．視覚的誘発電位
軸索の髄鞘化は、活動電位が軸索に沿って移動する速度を増加させる。したがって、ミエリンコースティングが炎症性多発性硬化症発作を介して攻撃される場合、神経インパルスのコンダクタンスは、その後に減速されることができる。多発性硬化症の診断において有益であり得る１つの検査は、活動電位の誘発およびその伝達速度の測定である。典型的には、この評価のために、特定の視覚刺激（例えば、バイナリ動的チェッカーボード）を提示することによって電位が誘起され、脳信号（例えば、後頭皮質における）が非侵襲的に記録される（例えば、脳波記録法によって）。しかしながら、聴覚または体性感覚刺激が代わりに使用されてもよい。誘発電位は、２つの負のピークおよび１つの正のピーク（２つの負のピークの間）を含む。これらのピークのそれぞれの大きさおよび／または時間は、多発性硬化症の診断および／または予後の情報となることができる。例えば、視神経炎と呼ばれる多発性硬化症の症状は、正のピークの喪失および／または高度に減衰した応答をもたらすことができる。

ＩＩ．Ｂ．２．多発性硬化症の診断に使用される基準
被験者が多発性硬化症を有するかどうかを確実に決定する単一の検査または単一の評価は存在しない。いくつかの例では、単一の検査結果（例えば、ＭＲＩ画像のセット）は多発性硬化症の診断に十分であり得るが、その検査結果は、被験者および状況にわたって確実に決定論的ではない。

多くの医療提供者は、臨床医が検査を処方し、観察された異常の潜在的な他の原因を除外する分析を行うことを任されているという点で、多発性硬化症の診断を除外診断として特徴付ける。例えば、多くの神経学的症状および／またはＭＲＩ結果は、感染症（例えば、ライム病）、脊髄圧迫、ビタミンＢ_１２欠乏症または非ＭＳ炎症性脱髄疾患（例えば、サルコイドーシス、全身性エリテマトーデス、視神経脊髄炎または急性散在性脳脊髄炎）によって説明可能であり得る。そのような代替的な説明が特定されることができない場合、多発性硬化症の診断が適切である。

除外の診断は、残念ながら迅速な診断ではない。被験者は、様々な検査を受けることができるのを待ち、検査結果を待ち、介護提供者の評価を待つ間、多発性硬化症が進行し続ける可能性がある。そのような状況を考慮に入れるために、様々なプロトコルおよび疾患の特徴付けが試みられてきた。例えば、多発性硬化症の診断のためのほとんどの基準は、全ての潜在的な代替原因（一部の人々は、その後、多発性硬化症診断の数年後に、彼らが実際には異なる病状を有することを発見するかもしれないが）を除外することに依存しない。さらに、臨床的単離された症候群（ＣＩＳ）の確立は、確定された多発性硬化症の診断にまだ到達していないという事実にもかかわらず、医師が進行を遅らせ得るいくつかの多発性硬化症薬を処方することを可能にした。

ＩＩ．Ｂ．２．ａ．マクドナルド基準
多発性硬化症を診断するための顕著な基準は、マクドナルド基準である。この基準の根拠は、医師が一般に、多発性硬化症を有する被験者を診断するための空間および時間における分離の証拠を有することである。空間における分離は、身体の異なる部分に影響を及ぼす症状、または中枢神経系の異なる部分に存在する異なる機能系もしくは病変に対応することができる。時間的分離は、異なる時間に現れる症状および／または病変に対応することができ、これは、異なる時間に行われた複数の評価（例えば、複数のＭＲＩまたは複数の臨床的／症候的評価）によって、またはいくつかの造影病変（例えば、最近の炎症を示す）およびいくつかの非造影病変（例えば、それらが最近形成されなかったことを示す）を検出することによって検出可能とすることができる。

マクドナルド基準は、多発性硬化症の診断に頻繁に使用される標準として浮上している。この基準の下では、以下の状況のいずれかが多発性硬化症診断をもたらし、そうでなければ多発性硬化症診断は行われない。
・ ２つ以上の再発および２つ以上の病変の症候性の臨床的証拠
・ ２つ以上の再発、中枢神経系における病変の臨床的証拠、および多発性硬化症に典型的な１つ以上の病変、
・ ２回以上の再発、中枢神経系における病変の臨床的証拠、および中枢神経系の他の部分に対する傷害を示す他の再発、
・ １回の再発、２つ以上の病変の臨床的証拠（例えば、身体の２つ以上の機能系または２つ以上の部分における障害）、複数の時間的に分離された脊椎タップに基づいて識別されるオリゴクローナルバンドによって証明されるような異なる免疫系活性、
・ １回の再発、２つ以上の病変の臨床的証拠（例えば、身体の２つ以上の機能系または２つ以上の部分における障害）、および以前のスキャンからの新たな病変のＭＲＩ証拠、
・ １回の再発、２つ以上の病変の臨床的証拠（例えば、身体の２つ以上の機能系または２つ以上の部分における障害）、さらなる症候性再発、
・ １つの再発、１つの病変の臨床的証拠、多発性硬化症に典型的な１つ以上のＭＲＩ病変、
・ １つの再発、１つの病変の臨床的証拠、オリゴクローナルバンドによって示されるような中枢神経系の異なる部分における活性を示す他の再発、以前のスキャンからの新たな病変または新たな再発を示すＭＲＩ、
・ １つの再発、１つの病変の臨床的証拠、多発性硬化症に典型的な１つ以上のＭＲＩ病変、または
・ １年間にわたる多発性硬化症に典型的な神経学的症状のゆっくりとした進行に加えて、多発性硬化症に典型的な少なくとも１つの脳病変、脊髄における２つ以上の病変、または脊髄液におけるオリゴクローナルバンドのうちの任意の２つ。

ＩＩ．Ｃ．多発性硬化症進行の評価
被験者が多発性硬化症と診断された後、典型的には、神経科医による定期的な予約が行われて、様々な機能を評価し、現在または最近の症状を伝える。いくつかの例では、これらの予約は、一定の間隔（例えば、６ヶ月毎）でスケジュールされる。いくつかの例では、被験者は、新たな症候性増悪、薬物療法の副作用などを議論するための１つ以上の予約を要求する。神経科医はまた、被験者が定期的にＭＲＩを受けることを推奨することが多い。ここでも、ＭＲＩは、一般に進行を評価するために定期的にスケジュールされてもよく、またはＭＲＩは、新たな潜在的症状または実際の症状が増悪に対応する可能性が高いかどうかを決定するために、または現在の治療が疾患の進行を遅らせるかまたは停止させるのに有効であったかどうかを決定するために行われてもよい。

したがって、医師は、以下のうちの１つ以上に基づいて、被験者の多発性硬化症が進行しているかどうかおよび／または進行している程度を決定することができる：新たな症状の頻度、新たな症状の重症度、古い症状の悪化、症状が経験されるいくつかの機能系の変化、新たな病変の発生頻度、病変負荷の変化、萎縮の変化、および／または被験者の自己評価。多発性硬化症の進行をより客観的に評価するために、様々な尺度が開発されている。いくつかの尺度は、被験者の幸福を評価するように設計されており、一連の質問に対する被験者の応答に基づいている。

いくつかの尺度は、被験者の機能的能力の医師の評価に基づいている。そのような機能ベースの尺度の１つは、拡張障害状態尺度である。この尺度は、被験者の歩行能力に大きく依存する。尺度は、０から１０までの範囲であり、０．５の増分で離散化される。０から４．５のスコアは、被験者が症状または障害を経験している機能系の数および症状／障害の重症度に基づいて区別される。４．５から７．５のスコアは、被験者がどれだけ遠くまで動くことができるか、ならびに運動のために歩行補助具が必要かどうかおよび／またはどのタイプの歩行補助具が必要かどうかおよび／またはどのタイプの歩行補助具が必要かに基づいて区別される。７．５から９．５のスコアは、被験者がベッドに制限され、何らかの機能を保持している程度に基づいて区別される。１０のスコアは、多発性硬化症による死亡を示す。

ＩＩ．Ｄ．多発性硬化症治療
近年、多くの新たな多発性硬化症治療が市場に持ち込まれている。治療は、それらの機構（その多くは部分的にしか理解されていない）、それらの投与経路、および治療が第１の選択アプローチまたは第２の選択もしくは第３の選択アプローチとして特徴付けられるかどうかに基づいて区別されることができる。

注射可能な薬物は、インターフェロンベータおよび酢酸グラチラマーを含む。インターフェロン－ベータは、ＣＤ４＋およびＣＤ８＋Ｔ細胞の反応性を低下させる免疫モジュレーターである。インターフェロンベータは、用量製剤、投与経路および使用頻度に関して異なる３つの商品名（Ａｖｏｎｅｘ^（Ｒ）、Ｂｅｔａｓｅｒｏｎ^（Ｒ）およびＲｅｂｉｆ^（Ｒ））で示されている。酢酸グラチラマーは、ミエリンに類似し、主要組織適合遺伝子複合体に結合し、Ｔ細胞と抗原との結合を減少させる免疫調節物質である。

最近、テリフルノミド、フマル酸モノメチル、フィンゴリモド、シポニモド、クラドリビン、フマル酸ジメチル、フマル酸ジロキシメル、ラキニモドおよびオザニモドを含む、より多くの経口薬が利用可能になってきた。テリフルノミドは、ミトコンドリア酵素ジヒドロオロト酸デヒドロゲナーゼを阻害する。フマル酸ジメチル、フマル酸モノメチルおよびフマル酸ジロキシメチルは、リンパ球減少症を誘導するために現在調査されている機構を介して作用する。フィンゴリモドおよびシポニモドは、スフィンゴシン１－リン酸（Ｓ１Ｐ）を調節し、シポニモドおよびオザニモドは、Ｓ１Ｐ_１およびＳ１Ｐ_５に対して選択的であるが、フィンゴリモドは、非選択的なＳ１Ｐ調節因子である。クラドリビンは、ＣＤ４^＋およびＣＤ８^＋リンパ球を枯渇させる。ラキニモドは、中枢神経系へのＴ細胞遊走を妨害し、ＩＬ－１７レベルを低下させる。

オクレリズマブ、オファツママブ、ウブリツキシマブ、リツキシマブ、ナタリズマブ、アレムツズマブおよびミトキサントロンを含むさらに他の薬物が静脈内送達される。オクレリズマブ、オファツムマブ、ウブリツキシマブおよびリツキシマブは、補体依存性細胞傷害効果を介してＣＤ２０^＋Ｂ細胞を標的とする。ナタリズマブは、ＣＤ５２を発現するリンパ球を標的とするモノクローナル抗体である。アレムツズマブは、Ｔ細胞およびＢ細胞上のＣＤ５２に結合して、破壊のためにＴ細胞およびＢ細胞をプライミングするモノクローナル抗体である。ミトキサントロンは、免疫細胞増殖を抑制し、抗原提示を損ない、Ｔ細胞サプレッサー機能を増強し、Ｂ細胞を阻害するＩＩ型トポイソメラーゼ阻害剤である。

さらに他の治療アプローチは、自己造血幹細胞療法である。このアプローチは、（化学療法剤に応答して血液中に放出された）患者の骨髄幹細胞の一部を除去すること、（被験者の免疫細胞のほとんどまたは全てを枯渇させるための）複数日間の化学療法治療を投与すること、および（回復を促進するための）保存された幹細胞を投与することを含む。

薬剤はまた、薬剤が多発性硬化症のどのサブタイプに対して治療するために承認されているかに基づいて区別されることができる。ほとんどの承認された多発性硬化症薬は、ＲＲＭＳを治療するために承認されている。ＳＰＭＳを治療するために承認された薬剤は、ミトキサントロン、クラドリビンおよびシポニモドを含む。ＰＰＭＳを治療するために２０２０年６月現在で米国および欧州で承認されている唯一の医薬品は、オクレリズマブである。

（疾患自体ではなく）多発性硬化症の症状を治療するために、さらに多くの治療が利用可能である。例えば、ダルファンプリジンが使用されて歩行を改善することができ、トルテロジンが使用されて失禁を治療することができ、またはバクロフェンが使用されて痙縮を治療することができる。さらに、ソルメドロール（静脈内）、プレドニゾン（経口）および／またはメチルプレドニゾロン（経口）は、多発性硬化症の再発を治療するため（例えば、再発からの回復を速めるため、および／または再発からの完全な回復の確率を高めるため）に頻繁に使用される。

各治療は、第１の選択、第２の選択または第３の選択治療として使用することができる。一般に、第２の選択治療は、１つ以上の第１の選択治療が失敗した、被験者に有効でなくなった、または被験者に耐えられない有害イベントを引き起こすと決定した後に投与される治療である。同様に、第３の選択治療は、１つ以上の第２の選択治療が失敗した、被験者に有効でなくなった、または被験者に耐えられない有害イベントを引き起こしたと決定した後に投与される治療である。どの治療が第１の選択治療として特徴付けられるかに関して、異なる医師が異なる決定を下すことができる。他の治療選択肢が失敗した場合、有害作用のより高いリスクおよび／またはより重篤な有害作用のリスクがより許容されることができるため、これらの決定は、有害イベントプロファイルに基づいてもよい。ＭＳファウンデーションによれば、第１の選択治療として典型的に使用される治療は、テリフルノミド、インターフェロンベータ、酢酸グラチラマー、オクレリズマブ、ペグインターフェロンベータおよびジメチルフマル酸塩を含む。第２または第３の選択治療として典型的に使用される治療は、フィンゴリモド、アレムツズマブ、クラドリビン、シポニモド、ミトキサントロンおよびナタリズマブを含む。

ＩＩＩ．インテリジェント機能によって構成されたクラウドベースのアプリケーションをホストするためのネットワーク環境
図１は、クラウドベースのアプリケーションの実施形態がホストされるネットワーク環境１００を示している。ネットワーク環境１００は、クラウドサーバ１３５およびデータレジストリ１４０を含むクラウドネットワーク１３０を含むことができる。クラウドサーバ１３５は、クラウドベースのアプリケーションの基礎となるソースコードを実行することができる。データレジストリ１４０は、コンピュータ１０５、ラップトップ１１０、およびモバイルデバイス１１５などの、１つ以上のユーザデバイスから取り込まれたまたはそれを使用して識別されたデータ記録を記憶することができる。

データレジストリ１４０に記憶されるデータ記録は、固定部分（例えば、データフィールド）のスケルトン構造に従って構造化されてもよい。コンピュータ１０５、ラップトップ１１０、およびモバイルデバイス１１５は、それぞれ、様々なユーザによって操作されることができる。例えば、コンピュータ１０５は、医師によって操作されてもよく、ラップトップ１１０は、エンティティの管理者によって操作されてもよく、モバイルデバイス１１５は、被験者によって操作されてもよい。モバイルデバイス１１５は、ゲートウェイ１２０およびネットワーク１２５を使用してクラウドネットワーク１３０に接続することができる。いくつかの例では、コンピュータ１０５、ラップトップ１１０、およびモバイルデバイス１１５のそれぞれは、同じエンティティ（例えば、同じ病院）に関連付けられる。他の例では、コンピュータ１０５、ラップトップ１１０、およびモバイルデバイスは、異なるエンティティ（例えば、異なる病院）に関連付けられる。コンピュータ１０５、ラップトップ１１０、およびモバイルデバイス１１５のユーザデバイスは、例示の目的のための例であり、したがって、本開示は、これに限定されない。ネットワーク環境１００は、任意のデバイスタイプの任意の数または構成のユーザデバイスを含むことができる。

いくつかの実施形態では、クラウドサーバ１３５は、コンピュータ１０５、ラップトップ１１０、またはモバイルデバイス１１５のいずれかと相互作用することによって、データレジストリ１４０に記憶するためのデータ（例えば、被験者記録）を取得することができる。例えば、コンピュータ１０５は、インターフェースを使用することによってクラウドサーバ１３５と相互作用して、被験者記録またはデータレジストリ１４０に取り込むためにローカルに記憶された（例えば、コンピュータ１０５に対してローカルなネットワークに記憶された）他のデータ記録を選択する。他の例として、コンピュータ１０５は、インターフェースと相互作用して、被験者記録または他のデータ記録を記憶するデータベースのアドレス（例えば、ネットワーク位置）をクラウドサーバ１３５に提供する。次いで、クラウドサーバ１３５は、データベースからデータ記録を取得し、データ記録をデータレジストリ１４０に取り込む。

いくつかの実施形態では、コンピュータ１０５、ラップトップ１１０、およびモバイルデバイス１１５は、異なるエンティティ（例えば、医療センター）に関連付けられる。クラウドサーバ１３５がコンピュータ１０５、ラップトップ１１０、およびモバイルデバイス１１５から取得するデータ記録は、異なるデータレジストリに記憶されてもよい。コンピュータ１０５、ラップトップ１１０、およびモバイルデバイス１１５のそれぞれからのデータ記録は、クラウドネットワーク１３０内に記憶されることができるが、データ記録は混在しなくすることができる。例えば、コンピュータ１０５は、データプライバシー規則によって課される制約のために、ラップトップ１１０から取得されたデータ記録にアクセスすることができない。しかしながら、クラウドサーバ１３５は、データ記録が異なるエンティティによって照会されるときに、データ記録の一部を自動的に難読化、不明瞭化、またはマスクするように構成されることができる。したがって、エンティティから取り込まれたデータ記録は、データプライバシー規則に準拠するために、難読化、不明瞭化、またはマスクされた形式で異なるエンティティに公開されることができる。例示的な例として、医師または他の医療専門家は、多発性硬化症に関連する可能性がある被験者の症状を入力することができる。症状は、被験者に関連する被験者記録の一部としてクラウドネットワーク１３０内に記憶されてもよい。

データ記録がコンピュータ１０５、ラップトップ１１０、およびモバイルデバイス１１５から収集されると、データ記録は、本明細書に記載のインテリジェント分析機能を提供するために機械学習モデルまたは人工知能モデルを訓練するための訓練データとして使用されることができる。エンティティに関連付けられたユーザデバイスがデータレジストリ１４０に照会を行い、照会結果が異なるエンティティに由来するデータ記録を含む場合、これらのデータ記録は、データプライバシー規則に準拠する難読化された形式でユーザデバイスに提供または公開されることができることを考えると、データ記録は、任意のエンティティによる照会に利用可能であってもよい。

クラウドサーバ１３５は、データレジストリ１４０に記憶されたデータ記録を処理するためのインテリジェント機能を実行するように構成されてもよい。例えば、インテリジェント機能を実行することは、さらなる分析のための出力を生成するために、データレジストリ１４０に記憶されたデータ記録の少なくとも一部を訓練された機械学習モデルまたは人工知能モデルに入力することを含むことができる。いくつかの実施形態では、出力は、データ記録内のパターンを抽出するために、またはデータ記録のデータフィールドに関連付けられた値または結果を予測するために使用されることができる。クラウドサーバ１３５によって実行されるインテリジェント機能の様々な実施形態を以下に説明する。

いくつかの実施形態では、クラウドサーバ１３５は、ユーザデバイス（例えば、医師によって操作される）がクラウドベースのアプリケーションにアクセスして、宛先デバイスのセットに相談ブロードキャストを送信することを可能にするように構成される。相談ブロードキャストは、被験者記録に関連付けられた被験者の治療に関する支援または支援の要求とすることができる。宛先デバイスは、他のエンティティに関連付けられた他のユーザ（例えば、他の医療センターの医師）によって操作されるユーザデバイスとすることができる。宛先デバイスが相談ブロードキャストに関連付けられた支援の要求を受け入れる場合、クラウドベースのアプリケーションは、被験者記録の特定のデータフィールドを省略または隠す被験者記録の縮約表現を生成することができる。縮約された表現は、データプライバシー規則に準拠することができ、したがって、被験者記録の縮約された表現は、被験者記録によって関連付けられた被験者を一意に識別するために使用されることができない。クラウドベースのアプリケーションは、被験者記録の縮約された表現を、支援の要求を受け入れた宛先デバイスに送信することができる。宛先デバイスを操作するユーザは、縮約表現を評価し、通信チャネルを使用してユーザデバイスと通信して、被験者を治療するためのオプションを論じることができる。例示的な例として、医師は、多発性硬化症の可能性のある、おそらく可能性のある、または確認された診断によって被験者を治療している可能性がある。医師は、多発性硬化症被験者を治療する方法についてさらなる進歩を求めるか、または相談することができる。医師は、異なる病院で働く医師にブロードキャスト相談を送信させることができる。被験者記録の様々な被験者属性は難読化され、次いで他の医師に送信されることができる。次いで、２人の医師は、チャットルームなどの通信セッション中に難読化された多発性硬化症記録に関して通信することができる。

いくつかの実施形態では、クラウドサーバ１３５は、治療計画定義インターフェースをユーザデバイスに提供するように構成される。治療計画定義インターフェースは、ユーザデバイスが症状の治療計画を定義することを可能にする。例えば、治療計画は、その症状によって被験者を治療するためのワークフローとすることができる。ワークフローは、症状を有するものとして被験者の集団を定義するための１つ以上の基準を含むことができる。ワークフローはまた、症状の特定の種類の治療を含むことができる。クラウドサーバ１３５は、ユーザデバイスの集合の各ユーザデバイスから特定の症状についての治療計画定義を受信して記憶する。クラウドベースのアプリケーションは、所与の症状の治療計画をユーザデバイスのセットに配信することができる。ユーザデバイスのセットのうちの２つ以上のユーザデバイスは、異なるエンティティに関連付けられてもよい。２つ以上のユーザデバイスのそれぞれは、治療計画の任意の部分または全体を顧客規則セットに統合するオプションを備えることができる。クラウドサーバ１３５は、ユーザデバイスが共有治療計画全体を統合するか、または治療計画の一部を統合するかを監視することができる。ユーザデバイスと共有治療計画との間の相互作用が使用されて、治療計画または治療計画に基づいて作成された規則を更新するかどうかを決定することができる。

いくつかの実施形態では、クラウドサーバ１３５は、ユーザデバイスを操作するユーザがクラウドベースのアプリケーションにアクセスして、ある症状を有する被験者に対する提案された治療を決定することを可能にする。ユーザデバイスは、クラウドベースのアプリケーションに関連付けられたインターフェースをロードする。インターフェースは、ユーザデバイスを操作するユーザが、ユーザによって治療されている被験者と関連付けられた被験者記録を選択することを可能にする。クラウドベースのアプリケーションは、ユーザによって治療されている被験者に類似する以前に治療された被験者を識別するために他の被験者記録を評価することができる。被験者間の類似性は、例えば、被験者記録の配列表現を使用して決定されることができる。配列表現は、被験者記録のデータフィールドの値の任意の数値および／またはカテゴリ表現とすることができる。例えば、被験者記録の配列表現は、ユークリッド空間内などのドメイン空間内の被験者記録のベクトル表現であってもよい。いくつかの例では、配列内の複数の値は、単一のフィールドに対応する。例えば、フィールド値は、ワンホットエンコードによって生成された複数のバイナリ値によって表されてもよい。クラウドベースのアプリケーションは、被験者記録のグループの各被験者記録の配列表現を生成することができる。２つの被験者記録間の類似性は、２つの被験者記録の配列表現間の距離によって表されることができる。さらに、クラウドベースのアプリケーションは、インターフェースを使用してユーザデバイスによって選択された被験者記録に最近傍である被験者を識別するように構成されることができる。クラウドベースのアプリケーションは、最近傍である被験者に対して以前に行われた治療を識別することができる。クラウドベースのアプリケーションは、ユーザデバイスを操作するユーザによる評価のために、最近傍に対して以前に実行された治療をインターフェース上で利用することができる。

いくつかの実施形態では、クラウドサーバ１３５は、以前に治療された被験者のデータベースを検索する照会を作成するように構成される。クラウドサーバ１３５は、照会を実行し、照会の制約を満たす被験者記録を取得することができる。しかしながら、照会結果を提示する際に、クラウドベースのアプリケーションは、照会を作成したユーザによって治療されたことがある被験者または治療されている被験者についてのみ被験者記録を完全に提示することができる。クラウドベースのアプリケーションは、照会を作成するユーザによって治療されていない被験者の被験者記録の部分をマスクするか、そうでなければ難読化する。照会結果に含まれる被験者記録の部分のマスキングまたは難読化は、ユーザがデータプライバシー規則に従うことを可能にする。いくつかの実施形態では、（照会結果が難読化されているか否かにかかわらず）照会結果は、被験者記録内のパターンまたは共通属性について自動的に評価されることができる。

いくつかの実施形態では、クラウドサーバ１３５は、クラウドベースのアプリケーションにチャットボットを埋め込む。チャットボットは、ユーザデバイスと自動的に通信するように構成される。チャットボットは、ユーザデバイスとチャットボットとの間でメッセージが交換される通信セッションにおいて、ユーザデバイスと通信することができる。チャットボットは、ユーザデバイスから受信した質問に対する回答を選択するように構成されることができる。チャットボットは、クラウドベースのアプリケーションにアクセス可能な知識ベースから回答を選択することができる。ユーザデバイスがチャットボットに質問を送信し、そのチャットボットが知識ベースに記憶された既存の回答を有していない場合、知識ベースに記憶された既存の回答がある質問の異なる表現。チャットボットと通信するユーザは、チャットボットによって提供された回答が正確であるかまたは有用であるかについて促されることができる。

ＩＩＩ．Ａ．クラウドベースのアプリケーションは、ユーザデバイスが他のユーザデバイスに相談要求をブロードキャストし、データプライバシー規則に準拠するように被験者記録を自動的に縮約することを可能にする
図２は、被験者の治療に関する支援を要求する相談ブロードキャストに関連して、縮約された被験者記録をユーザデバイスに配信するためにクラウドベースのアプリケーションによって実行されるプロセス２００を示すフローチャートである。プロセス２００は、データプライバシー規則に準拠しながら、異なるエンティティ（例えば、病院）に関連付けられたユーザデバイスが患者の治療に関して協力または相談することを可能にするためにクラウドサーバ１３５によって実行されることができる。

プロセス２００は、ブロック２１０で始まり、クラウドサーバ１３５は、ユーザデバイスから属性のセットを受信する。属性のセットの各属性は、被験者（例えば、患者）の任意の特性を表すことができる。属性のセットは、クラウドサーバ１３５によって提供されるインターフェースを使用してユーザによって識別されることができる。例えば、属性のセットは、被験者の人口統計情報および被験者が経験した最近の症状を識別する。人口統計情報の非限定的な例は、年齢、性別、民族、居住州または都市、所得範囲、教育レベル、または任意の他の適切な情報を含む。最近の症状の非限定的な例は、特定の症状（例えば、呼吸困難、閾値温度を超える発熱、閾値血圧を超える血圧など）を現在または最近（例えば、最後の来院時、摂取時、２４時間以内、一週間以内）経験した被験者を含む。

ブロック２２０において、クラウドサーバ１３５は、被験者についての記録を生成する。記録は、１つ以上のデータフィールドを含むデータ要素とすることができる。記録は、被験者に関連付けられた属性のセットのそれぞれを示す。記録は、データレジストリ１４０または任意の他のクラウドベースのデータベースなどの中央データストアに記憶されることができる。ブロック２３０において、クラウドサーバ１３５は、インターフェースを使用してユーザによって提出された要求を受信する。要求は、相談ブロードキャストを開始することであってもよい。例えば、エンティティに関連付けられたユーザは、患者を治療する医療センターの医師である。ユーザは、ユーザデバイスを操作してクラウドベースのアプリケーションにアクセスし、患者の治療を支援する要求をブロードキャストすることができる。ブロードキャストは、異なるエンティティに関連付けられた他のユーザデバイスのセットに送信されることができる。

ブロック２４０において、クラウドサーバ１３５は、被験者と関連付けられる属性のセットに含まれる１つ以上の最近の症状を使用して中央データストアに照会する。照会結果は、他の記録のセットを含む。他の記録のセットの各記録は、他の被験者に関連付けられる。ブロック２５０において、クラウドサーバ１３５は、宛先アドレス（例えば、異なるエンティティに関連付けられた他のユーザデバイス）のセットを識別する。宛先アドレスのセットの各宛先アドレスは、ブロック２４０において識別された他の記録のセットの１つ以上の他の記録に関連付けられた他の被検者の介護提供者に関連付けられる。ブロック２６０において、クラウドサーバ１３５は、被験者についての記録の縮約表現を生成する。記録の縮約表現は、記録の少なくとも一部を省略、不明瞭化、または難読化する。記録の縮約表現は、記録に関連付けられた被験者を一意に識別するために使用されることができないため、データプライバシー規則に違反することなく外部システム間で交換されることができる。クラウドサーバ１３５は、任意のマスキングまたは難読化技術を実行して、記録の縮約表現を生成することができる。

ブロック２７０において、クラウドサーバ１３５は、接続入力コンポーネントを有する記録の縮約表現を、宛先アドレスのセットの各宛先アドレスに利用する。接続入力コンポーネントは、各宛先アドレスに提示される選択可能な要素であってもよい。接続入力コンポーネントの非限定的な例は、ボタン、リンク、入力要素、および他の適切な選択可能な要素を含む。ブロック２８０において、クラウドサーバ１３５は、宛先アドレスに関連付けられた宛先デバイスからの通信を受信する。通信は、宛先デバイスを操作するユーザが記録の縮約表現に関連付けられた接続入力コンポーネントを選択したという指示を含む。ブロック２９０において、クラウドサーバ１３５は、接続入力コンポーネントが選択されたユーザデバイスと宛先デバイスとの間の通信チャネルの確立を容易にする。通信チャネルは、ユーザデバイスを操作するユーザ（例えば、被験者を治療する医師）が、接続入力コンポーネントが選択された宛先アドレスに関連付けられた宛先デバイス（例えば、被験者の治療を支援することに同意した他の病院の医師）とメッセージまたは他のデータ（例えば、ビデオフィード）を交換することを可能にする。

いくつかの実施形態では、クラウドサーバ１３５は、ユーザデバイスの位置および接続入力コンポーネントが選択された宛先デバイスの位置を自動的に決定するように構成される。クラウドサーバ１３５はまた、位置を比較して、記録の縮約表現を生成するかどうかを決定することができる。例えば、ブロック２６０において、クラウドサーバ１３５は、宛先アドレスのセットの各宛先アドレスが、相談ブロードキャストを開始したユーザデバイスとコロケートされていないとクラウドサーバ１３５が決定するため、記録の縮約表現を生成することができる。この場合、クラウドサーバ１３５は、データプライバシー規則に従うように記録の縮約表現を生成することを自動的に決定することができる。他の例として、宛先アドレスのセットが、相談ブロードキャストを開始したユーザデバイスと同じエンティティに関連付けられる場合、クラウドサーバ１３５は、データプライバシー規則に準拠しながら、宛先アドレスに関連付けられた宛先デバイスに記録を完全に（例えば、記録の一部を難読化することなく）送信することができる。

いくつかの実施形態では、クラウドサーバ１３５は、複数の他の縮約された記録表現を生成する。複数の他の縮約された記録表現のそれぞれは、他の被験者に関連付けられる。クラウドサーバ１３５は、複数の他の縮約された記録表現をユーザデバイスに送信し、ユーザデバイスから、複数の他の縮約記録表現のサブセットの選択を識別する通信を受信する。宛先アドレスのセットのそれぞれは、縮約された記録表現のうちの１つによって表される。例えば、縮約された記録表現を生成することは、縮約された記録表現に関連付けられた他の被験者の管轄区域を決定することと、管轄区域内の被験者記録の交換を管理するデータプライバシー規則を決定することと、データプライバシー規則に準拠するように縮約された記録表現を生成することとを含む。複数の他の縮約記録表現の第１の他の縮約記録表現は、特定のタイプのデータを含むことができる。複数の他の縮約記録表現の第２の他の縮約記録表現は、特定のタイプのデータを省略または不明瞭にすることができる。例えば、特定の種類のデータは、連絡先情報、名前、社会保障番号などの識別情報、および他の被験者を一意に識別するために使用されることができる他の適切な情報であってもよい。

いくつかの実施形態では、１つ以上の最近の症状を使用して中央データストアに照会することは、複数の他の記録のうちの他の記録ごとにスコアを決定することを含む。スコアは、他の記録の少なくとも一部と被験者の記録の少なくとも一部との間の類似性を特徴付けることができる。照会することは、スコアが閾値を上回ると関連付けられた複数の他の記録のサブセットであるように他の記録のセットを定義することをさらに含むことができる。中央データストアの照会は、人口統計情報の少なくとも一部を使用して他の記録のセットを識別することを含むことができる。例えば、他の記録の１つは、年齢、性別、民族性などの人口統計情報の項目を含むデータフィールドを含むことができる。いくつかの実施形態では、ユーザデバイスおよび他のデバイス（例えば、宛先アドレスに関連付けられた宛先デバイス）は、異なる医療機関に関連付けられる。

ＩＩＩ．Ｂ．集約ユーザ統合に基づく共有可能な治療計画定義の更新
図３は、ユーザによる治療計画定義の統合（例えば、決定木または処理ワークフロー）を監視し、監視結果に基づいて治療計画定義を自動更新するプロセス３００を示すフローチャートである。プロセス３００は、クラウドサーバ１３５によって実行されて、ユーザデバイスが症状を有する被験者の集団を治療するための治療計画を定義することを可能にすることができる。ユーザデバイスは、内部または外部のネットワークに接続されたユーザデバイスに治療計画定義を配信してもよい。治療計画定義を受信したユーザデバイスは、治療計画定義をカスタム規則ベースに統合するかどうかを決定することができる。カスタム規則ベースへの統合が監視され、治療計画定義を自動的に変更するために使用されることができる。

ブロック３１０において、クラウドサーバ１３５は、ユーザデバイスがインターフェースデータをロードしたときに治療計画定義インターフェースを表示させるインターフェースデータを記憶する。治療計画定義インターフェースは、ユーザデバイスが治療計画定義インターフェースにナビゲートするためにクラウドサーバ１３５にアクセスするときに、ユーザデバイスのセットの各ユーザデバイスに提供される。いくつかの実施形態では、治療計画定義インターフェースは、症状（例えば、リンパ腫）を有する被験者の集団を治療するための治療計画をユーザが定義することを可能にする。

ブロック３２０において、クラウドサーバ１３５は、通信のセットを受信する。通信のセットの各通信は、ユーザデバイスのセットのユーザデバイスから受信され、ユーザデバイスと治療計画定義インターフェースとの間の相互作用に応答して生成された。いくつかの実施形態では、通信は、例えば、被験者記録の集団を定義するための１つ以上の基準を含む。各基準は、変数型によって表されてもよい。基準は、被験者記録のプールをフィルタリングするためのフィルタ条件とすることができる。例えば、リンパ腫を発症し得る被験者に関連付けられた被験者記録の集団を定義するための基準は、「未分化リンパ腫キナーゼ（ＡＬＫ）における異常」および「６０歳以上」というフィルタ状態を含むことができる。通信はまた、症状に対する特定の種類の治療を含むことができる。特定の種類の治療は、被験者記録の集団によって表される被験者に関連付けられた症状を治療するために提案される行動（例えば、手術を受ける）または非行動（例えば、塩分摂取を減らす）に関連付けられることができる。

ブロック３３０において、クラウドサーバ１３５は、データレジストリ１４０またはクラウドネットワーク１３０内の任意の他の集中サーバなどの中央データストアに規則のセットを記憶する。規則のセットの各規則は、ユーザデバイスからの通信に含まれる１つ以上の基準および特定の治療タイプを含む。例示的な例として、規則は、被験者のリンパ腫を治療するための治療ワークフローを表す。規則は、以下の基準（例えば、「ＩＦ」文に続く条件）および次のアクション（例えば、「ＴＨＥＮ」文に続く、ユーザによって定義または選択された特定の治療タイプ）を含む：「ＩＦ「リンパ節の生検はリンパ腫細胞が存在することを示す」且つ「血液検査はリンパ腫細胞が存在することを示す」、ＴＨＥＮ「化学療法で治療する」且つ「積極的監視」」。さらに、規則のセットの各規則は、通信が受信されたユーザデバイスに対応する識別子と関連付けて記憶される。

ブロック３４０において、クラウドサーバ１３５は、治療計画定義インターフェースを介してエンティティ間で利用可能な規則のセットのサブセットを識別する。規則のサブセットは、症状に関連付けられ、評価のために他の医療センターなどの外部システムに配信される規則のセットのサブセットを含むことができる。例えば、規則の特性または規則に関連付けられた識別子を評価することによって、規則のサブセットに含めるために規則が選択されることができる。規則の特性は、記憶された規則に記憶または付加されたコードまたはフラグを含むことができる。コードまたはフラグは、規則が外部システム（例えば、エンティティに提供される）に一般に利用可能であることを示す。

ブロック３５０において、ブロック３４０において識別された規則のサブセットの各規則について、クラウドサーバ１３５は、規則との相互作用を監視する。相互作用は、規則をカスタム規則ベースに統合する外部エンティティ（例えば、規則と関連付けられた治療計画を定義したユーザと関連付けられたエンティティの外部）を含むことができる。例えば、外部エンティティ（例えば、他の病院）に関連付けられたユーザデバイスは、外部エンティティに利用可能な規則を評価する。評価は、規則が外部エンティティによって定義された規則セットに統合するのに適しているかどうかを決定することを含む。規則は、外部エンティティに関連付けられたユーザデバイスが、規則を使用して定義された治療ワークフローが規則に対応する症状を治療するのに適していることを示す場合に適していることができる。上記の例示的な例を続けると、リンパ腫を治療するための規則は、外部の医療センターに利用可能であり得る。外部の医療センターに関連付けられたユーザは、リンパ腫を治療するための規則が外部の医療センターによって定義された規則セットに統合するのに適していると決定する。したがって、規則が外部医療センターによって定義されたカスタム規則ベースに統合された後、外部医療センターに関連付けられた他のユーザは、カスタム規則ベースから統合規則を選択することによって統合規則を実行することができる。さらに、クラウドサーバ１３５は、治療計画定義インターフェースが、外部エンティティに関連付けられたユーザデバイスからカスタム規則ベースへの規則の統合に対応する入力を受け付けた場合に生成されるまたは生成させる信号を検出することにより、利用可能な規則の統合を監視する。

他の例示的な例として、外部エンティティと関連付けられたユーザデバイスは、治療計画定義を使用して、相互作用指定の変更バージョンの規則をカスタム規則ベースに統合する。相互作用指定された規則の変更バージョンは、カスタム規則ベースへの統合のために選択された規則の一部である。統合のための規則の一部を選択することは、カスタム規則ベースへの統合のための規則に含まれる全ての基準よりも少ない基準を選択することを含む。上記の例示的な例を続けると、外部エンティティに関連付けられたユーザデバイスは、カスタム規則ベースへの統合のために「ＩＦ「リンパ節の生検がリンパ腫細胞の存在を示す」」という基準を選択するが、ユーザデバイスは、カスタム規則ベースへの統合のために「血液検査がリンパ腫細胞の存在を明らかにする」という基準を選択しない。したがって、カスタム規則ベースに統合された規則の相互作用固有の変更バージョンは、「ＩＦ「リンパ節の生検はリンパ腫細胞が存在することを示す」、ＴＨＥＮ「化学療法による治療」且つ「積極的監視」」である。「血液検査によりリンパ腫細胞が存在することが明らかになる」という基準は、相互作用によって指定された規則の変更バージョンを作成するために規則から削除され、カスタム規則ベースに組み込まれる。

ブロック３６０において、クラウドサーバ１３５は、相互作用によって指定された規則の変更バージョンが外部エンティティによって定義されたカスタム規則ベースに統合されたことを検出することができる。検出されると、クラウドサーバ１３５は、クラウドネットワーク１３０の中央データストアに記憶された規則を更新することができる。規則は、監視された相互作用に基づいて更新されてもよい。この例における「ベース」という用語は、監視された相互作用を「評価した後」または「評価の結果を使用した」ことに対応する。例えば、クラウドサーバ１３５は、外部エンティティに関連付けられたユーザデバイスが、相互作用により特定された規則の変更バージョンを統合したことを検出する。相互作用指定された規則の変更バージョンの検出に応答して、クラウドサーバ１３５は、中央データストアに記憶された規則を既存の規則から相互作用指定された規則の変更バージョンに更新することができる。

いくつかの実施形態では、クラウドサーバ１３５は、外部エンティティにわたって利用される更新バージョンを生成することによって規則を更新する。他の元のバージョンは、更新されないままとすることができ、基準および特定の種類の治療を識別した１つ以上の通信を受信したユーザデバイスに関連付けられたユーザに提供される。例えば、クラウドサーバ１３５は、中央データストアに記憶された規則を更新するが、クラウドサーバ１３５は、中央データストアに記憶された規則のセットの他の規則を更新しない。

いくつかの実施形態では、クラウドサーバ１３５は、更新条件が満たされたときに規則を更新することができる。更新条件は、閾値であってもよい。例えば、閾値は、規則の変更バージョンをそれらのカスタム規則ベースに統合した外部エンティティの数または割合とすることができる。他の例として、更新条件は、訓練された機械学習モデルの出力を使用して決定されてもよい。例示すると、クラウドサーバ１３５は、外部エンティティから受信した検出信号を、規則を利用するかどうかおよびいつ利用するか、および／または規則の更新バージョンを利用するかどうかおよびいつ利用するかを自動的に決定するマルチアームバンディットモデルに入力することができる。検出された信号は、外部エンティティがそのカスタム規則ベースに規則を統合したかどうか、または外部エンティティが相互作用指定された規則の変更バージョンを統合したかどうかを示す。

いくつかの実施形態では、クラウドサーバ１３５は、同じ変数型に対応する基準を含み、同じまたは類似の種類の治療を識別する規則のセットの複数の規則を識別する。変数型は、基準の条件として用いられる値や変数であってもよい。規則の基準の変数型はまた、被験者の集団をサブグループに制約する条件の任意の値であってもよい。例えば、妊婦の母集を規定する規則の変数型は、「ＩＦ「被験者が妊娠している」」である。クラウドサーバ１３５は、新たな規則が一般にエンティティ間で利用可能である場合、複数の規則の縮約表現である新たな規則を決定する。

いくつかの実施形態では、クラウドサーバ１３５は、被験者の属性のセットを受信するように構成された他のインターフェースを提供する。例えば、ユーザデバイスを操作するユーザは、他のインターフェースにアクセスし、他のインターフェースを使用して属性のセットを含む被験者記録を選択する。被験者記録の選択は、クラウドサーバ１３５に被験者の属性のセットを受信させることができる。クラウドサーバ１３５は、基準が満たされる特定の規則を、被験者の属性のセットに基づいて識別する（例えば、決定する）。例えば、中央データストアに記憶された規則の基準に対して被験者記録の属性のセットを評価する。例示すると、属性のセットが「妊娠している」という値を含むデータフィールドを含む場合、および規則が「ＩＦ「被験者が妊娠している」」という単一の基準を含む場合、クラウドサーバ１３５はこの規則を識別する。クラウドサーバ１３５は、特定の規則および特定の規則に関連付けられた各特定の種類の処理を提示するために他のインターフェースを更新する。

いくつかの実施形態では、規則の基準は、特定の人口統計変数および／または特定の症状型変数に関連する変数型である。人口統計変数の非限定的な例は、年齢、性別、民族性、人種、収入レベル、教育レベル、場所、および人口統計情報の他の適切な項目などの、被験者の人口統計学を特徴付ける任意の項目の情報を含む。症状型変数の非限定的な例は、被験者が現在または最近（例えば、最後の来院時、摂取時、２４時間以内、一週間以内）特定の症状（例えば、呼吸困難、意識消失、閾値温度を超える発熱、閾値血圧を超える血圧など）を経験したかどうかを示す。

いくつかの実施形態では、クラウドサーバ１３５は、データレジストリ１４０に記憶された被験者記録などの被験者記録のレジストリ内のデータを監視する。クラウドサーバ１３５は、（ブロック３４０において識別された）規則のサブセットの各規則について、被験者記録のレジストリ内のデータを監視する。クラウドサーバ１３５は、規則の基準が満たされ、特定の治療が被験者に以前に規定された被験者のセットを識別する。クラウドサーバ１３５は、被験者セットのそれぞれについて、評価もしくは試験から、または評価もしくは試験を使用して示されるような被験者の報告された状態を識別する。例えば、報告された状態は、被験者が退院したかどうか、被験者が生存しているかどうか、被験者の血圧の測定値、被験者が睡眠段階中に目覚めた回数、および他の適切な状態などの態様における被験者の状態を特徴付ける任意の情報である。クラウドサーバ１３５は、報告された状態に基づいて、特定の治療に対する被験者のセットの推定応答性メトリックを決定する。例えば、規則の特定の治療が投薬を処方することである場合、推定応答性メトリックは、投薬が被験者によって経験された症状または状態に対処した程度の表現である。非限定的な例として、被験者のセットの推定応答性メトリックは、被験者のセットの各被験者に割り当てられたスコアの平均、加重平均、または任意の合計とすることができる。スコアは、治療に対する被験者の応答性の有効性を表すかまたは測定することができる。クラウドサーバ１３５は、規則のセットのサブセットおよび被験者のセットの推定された応答性メトリックを治療計画定義インターフェースに表示または提示させることができる。

ＩＩＩ．Ｃ．類似の被験者に処方された治療を使用して関連付けられた有効性を有する治療推奨の提示
図４は、被験者の治療を推奨するためのプロセス４００を示すフローチャートである。プロセス４００は、患者に対する推奨治療および各推奨治療の有効性を医療エンティティに関連付けられたユーザデバイスに表示するために、クラウドサーバ１３５によって実行されることができる。推奨される治療は、類似の被験者に以前に処方された治療の有効性を評価した結果を使用して識別されることができる。

ブロック４１０において、クラウドサーバ１３５は、被験者の態様を特徴付ける被験者記録に対応する入力を受信する。入力は、エンティティに関連付けられたユーザデバイスから受信される。さらに、入力は、被験者記録のレジストリを管理するように構成されたプラットフォームのインスタンスに関連付けられたインターフェースを使用して被験者記録を選択または識別するユーザデバイスに応答して受信される。ユーザデバイスは、クラウドネットワーク１３０内に接続されたウェブサーバ（図示せず）に記憶されたインターフェースデータをロードすることによってインターフェースにアクセスすることができる。ウェブサーバは、クラウドサーバ１３５に含まれてもよく、またはクラウドサーバ上で実行されてもよい。

ブロック４２０において、クラウドサーバ１３５は、ブロック４１０において受信された被験者記録から被験者属性のセットを抽出する。被験者属性は、被験者の態様を特徴付ける。被験者属性の非限定的な例は、電子健康記録に見られる任意の情報、任意の人口統計情報、年齢、性別、民族、最近または過去の症状、状態、状態の重症度、および被験者を特徴付ける任意の他の適切な情報を含む。

ブロック４３０において、クラウドサーバ１３５は、被験者属性のセットを使用して被験者記録の配列表現を生成する。例えば、配列表現は、被験者記録に含まれる値のベクトル表現である。ベクトル表現は、ユークリッド空間などのドメイン空間内のベクトルであってもよい。しかしながら、配列表現は、被験者記録のデータフィールドの値の任意の数値表現とすることができる。いくつかの実施形態では、クラウドサーバ１３５は、被験者記録の配列表現の被験者属性のセットを表す値を生成するために、特異値分解（ＳＶＤ）などの特徴分解技術を実行することができる。

ブロック４４０において、クラウドサーバ１３５は、複数の他の被験者を特徴付ける他の配列表現のセットにアクセスする。他の配列表現のセットに含まれる配列表現は、他の被験者（例えば、複数の他の被験者のうちの１人）を特徴付ける被験者記録のベクトル表現とすることができる。

ブロック４５０において、クラウドサーバ１３５は、被験者を表す配列表現と他の被験者のそれぞれの配列表現との間の類似性を表す類似性スコアを決定する。例えば、類似性スコアは、被験者を表す配列表現と他の被験者を表す配列表現との間の（ドメイン空間における）距離の関数を用いて算出される。例示および非限定的な例として、「０」から「１」の範囲を使用して類似性スコアが計算されることができ、「０」は定義された閾値を超える距離を表し、「１」は配列表現がそれらの間に距離を有しないことを表す。

ブロック４６０において、クラウドサーバ１３５は、複数の他の被験者の第１のサブセットを識別する。被験者に関連付けられた類似性スコアが所定の絶対閾値または相対閾値を上回る場合、被験者は第１のサブセットに含められてもよい。同様に、ブロック４７０において、クラウドサーバは、複数の他の被験者の第２のサブセットを識別する。しかしながら、被験者の類似性スコアが所定の範囲内にある場合、被験者は第２のサブセットに含まれてもよい。

ブロック４８０において、クラウドサーバ１３５は、複数の他の被験者の第１のサブセットおよび第２のサブセットにおける各被験者についての記録データを取得する。記録データは、被験者を特徴付ける記録に含まれる属性を含む。例えば、記録データは、被験者が受けた治療および治療に対する被験者の応答性を識別する。治療に対する応答性は、テキスト（例えば、「被験者は治療に肯定的に応答した」）または被験者が治療に対して肯定的または否定的に応答した程度を示すスコア（例えば、「０」は否定的な応答性を示し、「１」は肯定的な応答性を示す、「０」から「１」までのスコア）によって表されることができる。

ブロック４９０において、クラウドサーバ１３５は、ユーザデバイス上のインターフェースに提示される出力を生成する。出力は、例えば、第１および第２のサブセットにおいて他の被験者によって受けられた治療、第１および第２のサブセットにおける被験者の治療応答性、ならびに第２のサブセットにおける被験者の被験者属性と被験者の被験者属性との間の差を示すことができる。

いくつかの実施形態では、クラウドサーバ１３５は、被験者および第１または第２のサブセットからの被験者のうちの１人が同じ医療エンティティによって治療されているかまたは治療されたと決定する。クラウドサーバ１３５は、第１または第２のサブセットの被験者および他の被験者が、異なる医療エンティティによって治療されている、または治療されたと決定する。クラウドサーバ１３５は、インターフェースを介して被験者の記録の異なる難読化バージョンを利用することができる。技術的利点として、クラウドベースのアプリケーションは、異なる管轄区域のデータプライバシー規則によってデータ共有に課される様々な制約に基づいて、エンティティに記録の異なる難読化バージョンを自動的に提供することができる。いくつかの実施形態では、クラウドサーバ１３５は、最近傍学習技術を使用して第１のサブセットおよび第２のサブセットを識別する。

ＩＩＩ．Ｄ．外部エンティティからの照会結果の自動的難読化
図５は、データプライバシー規則に従うように照会結果を難読化するためのプロセス５００を示すフローチャートである。プロセス５００は、外部エンティティとの被験者記録のデータ共有がデータプライバシー規則に準拠していることを保証する実行規則としてクラウドサーバ１３５によって実行されることができる。クラウドベースのアプリケーションは、ユーザデバイスが照会制約を満たす被験者記録についてデータレジストリ１４０に照会することを可能にすることができる。しかしながら、照会結果は、外部エンティティから生じるデータ記録を含むことができる。したがって、プロセス５００は、クラウドサーバ１３５が、データプライバシー規則に準拠しながら、外部エンティティからの治療に関する追加情報をユーザデバイスに提供することを可能にする。

ブロック５１０において、クラウドサーバ１３５は、第１のエンティティと関連付けられたユーザデバイスから照会を受信する。例えば、第１のエンティティは、被験者記録の第１のセットに関連付けられた医療センターである。照会は、病状に関連する症状のセット、またはデータレジストリ１４０の照会検索を制約する任意の他の情報を含むことができる。

ブロック５２０において、クラウドサーバ１３５は、ユーザデバイスから受信した照会を使用してデータベースに照会する。ブロック５３０において、クラウドサーバ１３５は、症状のセットに対応し、病状に関連付けられた照会結果のデータセットを生成する。例えば、ユーザデバイスは、リンパ腫と診断された被験者の被験者記録に対する照会を送信する。照会結果は、第１の被験者記録のセットからの少なくとも１つの被験者記録（第１のエンティティに由来するか、または第１のエンティティにおいて作成された）と、第２のエンティティ（例えば、第１のエンティティとは異なる医療センター）に関連付けられた被験者記録の第２のセットからの少なくとも１つの被験者記録とを含む。第１の被験者記録のセットからの被験者記録および第２の被験者記録のセットからの被験者記録のそれぞれは、被験者属性のセットを含むことができる。被験者属性は、被験者の任意の態様を特徴付けることができる。

ブロック５４０において、クラウドサーバ１３５は、第１の被験者記録セットに含まれる被験者記録について、これらの記録が第１のエンティティに由来するため、被験者属性セット全体をユーザデバイスに提示する（例えば、利用する、そうでなければ利用可能とする）。被験者記録を完全に提示することは、被験者記録に含まれる属性のセットを、インターフェースを使用した評価または相互作用のためにユーザデバイスに利用可能にすることを含む。ブロック５５０において、クラウドサーバ１３５はまた、または代替として、第２の被験者記録セットに含まれる各被験者記録についての被験者属性セットの不完全なサブセットをユーザデバイスに利用する。被験者属性のセットの不完全なサブセットを提供することは、被験者属性の不完全なサブセットを使用して被験者を一意に識別することができないため、被験者に匿名性を提供する。例えば、不完全なサブセットを提供することは、１０個の被験者属性に関連付けられた被験者を匿名化するために１０個の被験者属性のうちの利用可能な４つを含むことができる。いくつかの実施形態では、ブロック５５０において、クラウドサーバ１３５は、第２のセットに含まれる各被験者記録について難読化された被験者属性のセットを利用する。属性のセットを難読化することは、提供される情報の粒度を低減することを含む。例えば、被験者の住所の被験者属性を利用する代わりに、難読化属性は、郵便番号または被験者が生きている状態であってもよい。不完全な被験者または難読化サブセットが利用可能であるかどうかにかかわらず、クラウドサーバ１３５は、被験者記録に関連付けられた被験者を匿名化する。

ＩＩＩ．Ｅ．自己学習知識ベースとのチャットボット統合
図６は、チャットボットなどのボットスクリプトを使用してユーザと通信するためのプロセス６００を示すフローチャートである。プロセス６００は、ユーザによって提供された新たな質問を知識ベース内の既存の質問に自動的にリンクして、新たな質問に対する応答を提供するためにクラウドサーバ１３５によって実行されることができる。チャットボットは、症状に関連する質問に回答を提供するように構成されることができる。

ブロック６０５において、クラウドサーバ１３５は、回答のセットを含む知識ベースを定義する。知識ベースは、メモリに記憶されたデータ構造であってもよい。データ構造は、定義された質問に対する回答のセットを表すテキストを記憶する。各回答は、通信セッション中にユーザデバイスから受信した質問に応答して、チャットボットによって選択可能とすることができる。知識ベースは、自動的に定義されてもよく（例えば、データソースからテキストを取得し、自然言語処理技術を使用してテキストをパースすることによって）、またはユーザ定義されてもよい（例えば、研究者または医師によって）。

ブロック６１０において、クラウドサーバ１３５は、特定のユーザデバイスから通信を受信する。通信は、特定のチャットボットとの通信セッションを開始する要求に対応する。例えば、医師または被験者は、チャットセッションにおいてチャットボットと通信するためにユーザデバイスを操作することができる。クラウドサーバ１３５（またはクラウドサーバ１３５内に記憶されたモジュール）は、ユーザデバイスとチャットボットとの間の通信セッションの確立を管理するかまたは容易にすることができる。ブロック６１５において、クラウドサーバ１３５は、通信セッション中に特定のユーザデバイスから特定の質問を受信する。質問は、自然言語処理技術を使用して処理される文字列とすることができる。

ブロック６２０において、クラウドサーバ１３５は、特定の質問から抽出された少なくともいくつかの単語を使用して知識ベースに照会する。単語は、自然言語処理技術を使用して、特定の質問を表す文字列から抽出されてもよい。ブロック６２５において、クラウドサーバ１３５は、知識ベースが特定の質問の表現を含まないと決定する。この場合、受信された質問は、チャットボットに新たに投稿されてもよい。ブロック６３０において、クラウドサーバ１３５は、知識ベースから他の質問表現を識別する。クラウドサーバ１３５は、ユーザデバイスから受信した質問を知識ベースに記憶された他の質問表現と比較することによって、他の質問表現を識別することができる。例えば、自然言語処理技術を使用した質問表現の分析に基づいて類似性が決定された場合、クラウドサーバ１３５は、他の質問表現を識別する。

ブロック６３５において、クラウドサーバ１３５は、他の質問表現と知識ベースにおいて関連付けられた回答のセットのうちの回答を取得する。ブロック６４０において、ブロック６３５において取得された回答は、たとえ知識ベースが受信された質問の表現を含まなかったとしても、受信された質問に対する回答として特定のユーザデバイスに送信される。ブロック６４５において、クラウドサーバ１３５は、特定のユーザデバイスから指示を受信する。例えば、指示は、チャットボットによって提供された回答が特定の質問に応答したことを示すユーザデバイスに応答して受信されてもよい。

ブロック６５０において、クラウドサーバ１３５は、特定の質問の表現または特定の質問の異なる表現を含むように知識ベースを更新する。例えば、質問の表現を記憶することは、質問に含まれるキーワードをデータ構造に記憶することを含む。クラウドサーバ１３５はまた、特定の質問の同じまたは異なる表現を、特定のユーザデバイスに送信されたより多くの回答と関連付けることができる。

いくつかの実施形態では、クラウドサーバ１３５は、特定のユーザデバイスに関連付けられた被験者記録にアクセスする。クラウドサーバ１３５は、特定の質問に対する複数の回答を決定する。次いで、クラウドサーバ１３５は、回答のセットから回答を選択する。しかしながら、回答の選択は、特定のユーザデバイスに関連付けられた被験者記録に含まれる１つ以上の値に少なくとも部分的に基づく。例えば、被験者記録に含まれる値は、被験者が最近経験した症状を表すことができる。チャットボットは、被験者が最近経験した症状に応じた回答を選択してもよい。

ＩＩＩ．Ｆ．多発性硬化症治療に対する応答を予測し、多発性硬化症進行を監視するためのモジュール
図７Ａおよび図７Ｂは、部分集団を特徴付け、被験者に固有の予測を生成するために動的および分散ソースデータを表すスナップショットデータストアを構築して使用するための例示的なプロセス７００ａおよび７００ｂを示すフローチャートを示している。プロセス７００ａ（図７Ａに示す）は、ブロック７０５ａ～７０５ｅにおいて開始し、多発性硬化症の可能性がある、おそらく可能性がある、または確認された被験者に関する入力識別情報を受信する。様々なブロックにおいて受信された入力は、異なるコンピューティングシステムから異なるユーザに関連して異なる時間に受信されてもよい。入力は、クラウド－ベースのアプリケーションシステムによって生成および／または管理されるインターフェース（例えば、ウェブベースまたはアプリベースのインターフェース）を介して受信されることができる。

ブロック７０５ａにおいて、被験者が経験した１つ以上の症状および／または被験者の臨床評価を識別する入力が受信される。症状は、本明細書において識別される１つ以上の多発性硬化症症状、１つ以上の神経学的症状、および／または１つ以上の機能系に関連する１つ以上の症状を含むことができる。臨床評価は、（例えば）被験者の移動性、被験者の障害（例えば、ＥＤＳＳなどの定義された障害尺度に従って）、所与のタスクを実行するのに必要な時間の識別情報（例えば、特定の距離を歩く、ペグ検査を実行するなど）、タスク実行の精度の識別情報（例えば、記憶タスク、認知タスクなど）などを評価することを含むことができる。ブロック７０５ａにおいて受信された入力は、（例えば）介護提供者、医師、神経科医、看護師、看護師、看護師、医院、病院および／または被験者からのものであってもよい。

ブロック７０５ｂにおいて、被験者と関連付けられた１つ以上の検査結果を識別する入力が受信される。検査結果は、セクションＩＩ（例えば、ＭＲＩ、ＣＳＦ分析、視覚誘発電位検査および／または血液検査）において識別された検査など、多発性硬化症を診断および／または評価するために使用される１つ以上の検査の結果を含むことができる。ブロック７０５ｂにおいて受信された入力は、（例えば）検査技師、放射線科医、検査室および／または撮像センターからのものであってもよい。

ブロック７０５ｃにおいて、被験者について可能性のある、おそらく可能性のある、または確認された診断を識別する入力が受信される。診断は、神経疾患、多発性硬化症、または多発性硬化症のサブタイプ（例えば、セクションＩＩにおいて識別されたもの）を含むことができる。ブロック７０５ｃにおいて受信された入力は、（例えば）神経科医、医師、看護師、ナース開業医、医院または病院からのものであってもよい。

任意のブロック７０５ｄにおいて、被験者に対する治療を識別する入力が受信される。治療は、被験者に処方されたもしくは処方されている治療、または被験者に検討されている治療とすることができる。治療は、多発性硬化症治療、例えば本明細書に記載の治療（例えば、セクションＩＩ）を含むことができる。

任意のブロック７０５ｅにおいて、被験者の自己評価を識別する入力が受信される。被験者の自己評価は、幸福、症状提示、精神状態、活動レベル、社会的関与、治療目的などに対応することができる。いくつかの例では、ブロック７０５ｅにおいて受信された入力の少なくとも一部は、多発性硬化症生活の質－５４アンケートなどの生活の質の調査に応答する。

所与のボックスにおいて受信された入力は、複数回受信されることができることが理解されよう。例えば、ボックス７０５ａにおける症状識別情報は、複数回（例えば、症状の現在の状態を反映する）報告されることができる。

入力は、クラウドベースのアプリケーションを使用して、ブロック７１０において、特定の被験者についての記録を生成および／または更新するために使用される。いくつかの例では、入力を入力するために、ユーザは、最初に既存の記録を見つけるか、新たな記録を作成する必要がある。いくつかの例では、入力が自動的に受け入れられ、クラウドシステムは、被験者識別情報が記録と十分に一致するかどうかを決定する（そうでなければ、新たな記録が生成されることができる）。各入力によって搬送されるデータは、タイムスタンプおよびソースに関連付けられることができる。いくつかの例では、データは処理される（例えば、より構造化された形態および／または標準的な形態でのデータの記憶を容易にするために）。例えば、特定の数が範囲に変換されることができ、ＭＲＩ画像は、画像処理によって処理されて統計量を生成することなどができる。

任意のブロック７１５において、記録スナップショットが生成される。記録スナップショットは、定義された時間もしくは定義された時間間隔で、または特定のタイプの入力に応答して生成されることができる。例えば、新たな診断、治療、症状および／またはＭＲＩ結果を検出すると、新たなスナップショットが生成されることができる。スナップショットは、フィールドのセットのそれぞれの値を含むことができる。フィールドのセットは、対応する被験者（例えば、人口統計情報、病歴および／または行動パターンを介して）、診断、診断履歴、現在の治療、治療履歴（例えば、どの治療を受けたか、どの期間および／またはどの期間）、現在の症状、症状履歴、および／または最近の自己評価を特徴付けることができる。これらのフィールドの全ての値が同時に提供されるとは限らない可能性がある。したがって、クラウドベースのアプリケーションは、スナップショットトリガ入力において提供されていないフィールドの最新の値を識別することができる。いくつかの例では、最新の値が十分に古い場合、スナップショットから省略されるか、またはスナップショット内でフラグが付けられてもよい。

ブロック７２０において、データストアは、特定の治療に対応する過去のデータを含む他の記録について照会される。特定の治療は、被験者が受けている治療であってもよく、または被験者のために検討されている治療であってもよい。いくつかの例では、照会は、（後続のデータが利用可能である可能性が高いように）特定の治療が少なくとも１年前に開始されたことを要求するなどの時間的制約を含む。いくつかの例では、照会は、被験者の１つ以上の属性（例えば、年齢、地理、疾患の種類、最初の多発性硬化症診断からの期間、身体障害など）をさらに含む。これらの例では、特定の治療が開始されたときと比較して特定の時間（または期間）に対応する被験者がそれらの属性を有したことを示す記録を識別するために照会が実行されることができる。例えば、属性は、特定の治療が開始されたときまたはその直前に被験者と関連付けられた属性とすることができる。他の例として、特定の時間は、所与の被験者（ブロック７０５ａ～７０５ｅにおいて入力が提供された）が特定の治療を受けていた時間の長さとすることができる。したがって、照会は、時間的依存性の制限を容易にするためにスナップショットを使用して実行されてもよい。

特に、照会は、第１の時間制約（例えば、特定の属性と特定の治療が開始された時間とを関連付ける記録および／またはスナップショットを検索するために）によって実行されてもよいが、照会によって返されたデータは、異なる期間（例えば、治療開始後約１年、特定の治療の使用の最初の２年間、特定の治療の開始と特定の治療の終了との間の時間）に関連付けられてもよい。したがって、例えば、照会制約は、被験者が治療を開始するときに５個未満の病変を有することを示すことができ、照会の結果は、治療が使用されていた期間にわたって病変の数がどのように変化したかを示すことができる。

ブロック７２５において、照会に応答して提供された記録は、２つ以上のサブグループに分割される。各サブグループは、治療に対する異なるタイプの応答に対応することができる。例えば、サブグループは、被験者が治療を受けていた期間（例えば、より長い持続時間はより高い有効性を示唆する）に関して、ＭＲＩ進行に関して、障害進行に関して、症候発生に関して、ＭＳサブタイプ（例えば、再発寛解から二次進行まで）および／またはそれらの組み合わせにわたる進行に関して異なることができる。このサブグループ分割は、治療期間（例えば、治療の開始から、または治療の開始から他の治療が使用されるまでの間の規定の期間内に）に対応する時間窓内の記録から収集されたデータ点に基づいて決定可能とすることができる。

ブロック７３０において、分類器が使用されて、被験者の特性に基づいてサブグループのうちの１つに被験者を割り当てる。分類器は、（例えば）クラスタリング分類器、ニューラルネットワーク（例えば、パーセプトロン、決定木、ランダムフォレスト、ロジスティック回帰、線形回帰、最近傍、単純ベイズ）、成分分析分類器などを含むことができる。分類器は、各サブグループに関連付けられた１つ以上の特徴を識別し、被験者のプロファイルが（例えば、１つ以上の他のサブグループに対して）所与のクラスにどの程度類似しているかを評価する類似性メトリックを生成するように学習することができる。分類は、被験者が治療に応答するか否かおよび／または程度に関する予測を示すことができる。

ブロック７３５において、ブロック７３０において生成された分類に基づいて、治療予測または推奨に対応する出力が生成される。例えば、出力は、被験者が治療に応答するかどうかに関するバイナリ予測、被験者が治療に応答する確率、ある期間にわたる治療に対する被験者の予測される進行、ある期間にわたる治療に対する被験者のＭＲＩ統計量の予測される変化、他の疾患サブタイプへの進行の確率などを識別することができる。出力は、（例えば）介護提供者、神経科医、医師または被験者に関連付けられたデバイスにおいて提示され、および／またはデバイスに送信されることができる。いくつかの例では、プロセス７００ａは、複数の治療選択肢のそれぞれについて繰り返され、それにより、被験者の最も好ましい予測される転帰に関連する治療選択肢が識別されることができる。

いくつかの例では、ブロック７４０～７５５の一部または全部が自動的に実行される。例えば、ブロック７２０における照会は、被験者に関する特定の種類の入力（例えば、ＭＲＩもしくは身体障害の進行の識別情報、被験者に対して使用されているもしくは検討されている新たな治療の識別情報、または被験者に対するＭＳサブタイプの新たな診断の識別情報）の受信に応答して、定期的な時間間隔で実行されてもよい。照会は、被験者の記録に反映されているように、被験者に対して使用されているまたは検討されている特定の治療を識別する制約を含むように構成されることができる。照会は、制約を満たす記録の特定の所定のフィールド値（例えば、ＭＲＩ結果、再発検出、障害評価、有害イベント、その後の治療の変化、被験者の属性、診断および／または使用された以前の投薬に対応する）を要求することができる。要求された特定の所定のフィールド値は、特定の治療の開始に対する所定の期間（例えば、治療の最初の１年、治療の最初の２年または治療の期間）に関連付けられてもよい。

他の例として、ブロック７２５において、記録を分割するために、自動化された技術または所定の基準が使用されてもよい。自動化技術は、（例えば）ＭＲＩ変化データ、障害変化データ、または治療長使用データに適用されるクラスタリングアルゴリズムを含むことができる。所定の基準は、（例えば）治療期間中に検出された新たな病変の閾値数、治療期間中に検出された障害スコアの変化、および／または治療期間中に検出された再発の数に基づいて記録を分離することができる。

自動処理の利点の１つは、ブロック７３５において生成された出力を受信するユーザからの記録データを遮蔽することができることである。すなわち、ユーザまたはユーザデバイスは、ブロック７２０において照会によって取得された記録からの特定の値へのアクセスを欠くことができる。これは、ビッグデータを活用し続けながら、データのプライバシーを容易にすることができる。

いくつかの例では、ブロック７２０～７３５の一部または全部は、（例えば、ブロック７０５ａ～７０５ｅのいずれかにおいて受信された入力を提供したユーザと同じまたは異なるユーザからの）入力に応答して実行される。例えば、ユーザ入力は、制約の充足を検出すると（ブロック７２０において）照会を介して記録値が取得されるべきフィールドを選択することができ、および／またはユーザ入力は、ブロック７２５において照会結果記録をサブグループに分離するための基準を識別することができる。ユーザがブロック７２０～７２５をより能動的に制御している場合、データのプライバシーを保護するために、データの提示および／または視覚化が抽象化、難読化、および／または一般化されることができる。例えば、特定のフィールド値を提示するのではなく、（例えば、照会によって取得された記録を表す）様々なフィールドの値の分布および／または統計量が提示されることができる。分布および／または統計量は、識別情報または個人情報の提示から再び変えるために、多変量分布および／または統計量を提示するのではなく、個々のフィールドに対して提示されてもよい。

図７Ｂに示すプロセス７００ｂは、被験者記録を使用して治療予測または推奨を知らせるための他の技術を示している。図７Ｂに示すブロック７０５ａ～７０５ｅ、７１０および７１５は、図７Ａに示す同様の番号のブロックに対応することができる。ブロック７４０において、データストアは、被験者記録に対応する過去のデータを含む対応する記録について照会される。例えば、照会は、ブロック７０５ａ～７０５ｅにおいて入力が受信された被験者に関連する１つ以上の症状、検査結果、診断（例えば、多発性硬化症サブタイプの）、治療および／または自己評価を識別することができる。いくつかの例では、照会は、ブロック７０５ａ～７０５ｅにおいて入力を介して受信された１つ以上の値またはその処理されたバージョンを含む。例えば、ブロック７０５ａにおける入力は、８つのＴ２スキャンＭＲＩ病変を有するアイオワ州デモインズの特定の住所に住む２７歳の所与の被験者を識別することができ、一方、照会制約は、関心のあるスナップショットが６～１０個のＴ２病変を有する米国に住む２１歳と３０歳との間の被験者に関連付けられるべきであることを指定することができる。

いくつかの例では、他の被験者のスナップショットのセットのそれぞれについて、ブロック７０５ａ～７０５ｅにおいて入力が受信された所与の被験者に関連付けられたスナップショットまたは記録の少なくとも一部を使用して、他の被験者のスナップショットの少なくとも一部に基づいて、類似性スコアが生成される。スコアを生成するために、異なるフィールドは、異なる重みに関連付けられることができる。次いで、ブロック７４０は、スコアが所定の閾値を上回った（例えば、上位パーセンタイル内または特定の値を超える）他の被験者スナップショットを識別することを含むことができる。

図７Ａのブロック７２０に関して上述したように、図７Ｂのブロック７４０において実行される照会は、（例えば、特定の属性と特定の治療が開始された時間とを関連付ける記録および／またはスナップショットを検索するために）第１の時間制約によって実行されてもよいが、照会によって返されるデータは、異なる期間（例えば、治療開始後約１年、特定の治療の使用の最初の２年間、特定の治療の開始と特定の治療の終了との間の時間）に関連付けられてもよい。したがって、いくつかの例では、照会の制約は、（例えば、個々のスナップショットが全ての制約を満たすように）個々のスナップショットに適用されることができるが、取得される記録情報は、他のスナップショットおよび／または記録の他の部分（制約が満たされた同じ被験者に関連付けられている）に対応することができる。

ブロック７４５において、照会結果記録は、治療に基づいてサブグループに分割される。例えば、各照会結果は、所与の治療が開始、使用、および／または終了された時間に対応するデータ点を識別する対応する記録の一部に対応することができる。したがって、潜在的に、所与の被験者について、複数の照会結果が識別され、それぞれが異なる治療に対応する。ブロック７４５における細分化は、固有のＭＳ治療を識別し、それに応じて照会結果を分割することを含むことができる。いくつかの例では、複数の治療が個々の群（例えば、複数の治療が同じまたは類似の作用機序に関連する場合）と関連付けられる。例えば、インターフェロンベータおよびグラチラマーアセテートは、一緒にグループ化されることができる。他の例として、ジメチルフマル酸塩、モノメチルフマル酸塩およびジロキシメチルフマル酸塩は、一緒にグループ化されることができる。他の例として、オクレリズマブ、オファツムマブ、ブリツキシマブおよびリツキシマブは、一緒にグループ化されることができる。

ブロック７５０において、各サブグループについて１つ以上の応答統計量が生成される。応答統計量は、（例えば）治療を受けた期間に関連する臨床、ＭＲＩ、対症療法、治療決定、健康指標、有害イベント、および／または再発データに基づいて生成されることができる。応答統計量は、絶対値（例えば、絶対病変負荷および／または絶対障害スコア）および／または治療期間にわたる値の変化（例えば、治療開始後の病変負荷の変化および／または治療開始後の障害スコアの変化）を反映することができる。応答統計量は、（例えば）Ｔ２病変の数、増強病変の数、増強病変の累積数、病変負荷、萎縮メトリック、再発の数、障害スコア、健康指数、被験者が治療を継続した時間の長さ、および／または本明細書に開示される１つ以上の他のＭＳ関連変数に基づくことができる。いくつかの例では、応答統計量は、複数のメトリックに基づく。例えば、応答統計量は、被験者がある期間にわたって何らかの新たな病変、何らかの再発または何らかの障害進行を経験したかどうかを示すバイナリ値を含むことができる。応答統計量は、（例えば）単変量分布、多変量分布、平均、中央値、最頻値、スキュー、範囲、最大値、最小値、および／または標準偏差を含むことができる。応答統計量は、特定のタイプの応答（例えば、悪化しないことに対応する）が観察された被験者のパーセンテージを含むことができる。

ブロック７５５において、ブロック７１０において生成／更新された記録に関連付けられた被験者が、１つ以上の治療のそれぞれにどのように応答するか、および／または推奨される治療を識別するかに関する１つ以上の予測に対応する出力が生成される。被験者が治療にどのように応答するかに関する予測は、対応するサブグループについて生成された応答統計量を含むことができる。例えば、予測は、所与の医薬品がその期間にわたって摂取された場合、病変負荷および障害が少なくとも２年間安定したままである４４％の可能性を識別することができる。推奨される治療は、他の治療に関連する統計量と比較して１つ以上の最も好ましい応答統計量と関連付けられることができる。出力は、ユーザデバイスに送信され、および／またはローカルに（例えば、介護提供者、医師、神経科医または被験者者に）提示されてもよい。出力は、対応する治療に関連して識別されることができる、ブロック７５０において生成された応答統計量のうちの１つ、複数または全てを含むことができる。

図７Ａと同様に、照会および後続の処理の一部または全部は、自動的にまたはユーザ入力に応答して実行されてもよい。例えば、事前定義された規則は、どの被験者属性が照会において使用されるべきか（例えば、およびそれらがどのように一般化されるべきか）を識別することができ、またはユーザ入力、同様の情報を識別することができる。他の例として、事前定義されたプロトコルは、ブロック７５０においてどのタイプの統計量が生成されるべきかを示すことができる。さらに他の例として、インターフェースは、１つ以上のタイプの応答変数（例えば、新たな病変数、新たな再発数、障害の進行、有害イベント数）のそれぞれについて、サブグループのそれぞれについての分布（例えば、重ねられた線または別個のグラフとして）を提示することができる。次いで、ユーザは、関心のある応答変数を選択し、各治療タイプに対して生成される１つ以上の統計量を定義することができる。

したがって、図７Ａおよび図７Ｂに示すプロセス７００ａおよび７００ｂのそれぞれは、ビッグデータ処理を使用して治療を識別することを容易にすることができる。予測される予後（例えば、所与の治療の使用に関連する、または特定の治療とは無関係の）を生成するために同様のアプローチを使用することができることが理解されよう。

いくつかの例では、データストアが使用されて、より一般的な治療予測および／または表示（例えば、必ずしも個々の被験者に結び付けられていない）を生成することができる。図８は、スナップショットデータストアを使用して高レベルの治療応答予測および／または指示を生成するための例示的なプロセス８００を示すフローチャートを示している。プロセス８００は、ブロック８０５で開始し、ここで、データストアに、被験者が特定の治療を受けたという指示を含む記録が照会される。照会は、特定の治療が少なくとも特定の日付（例えば、１年以上前、２年以上前、５年以上前）までに開始されるべきであったことを指定することができる。いくつかの例では、照会は、１つ以上の他の制約、例えば、特定の治療を開始したときに被験者が有していたであろう多発性硬化症のサブタイプをさらに指定する。ブロック８０５において照会されるデータストアは、本明細書に開示される１つ以上の入力タイプおよび／または変数に基づいて生成されるデータストアを含むことができる。いくつかの例では、データストアは、推定された時間－同期データ点を反映するために、個々の被験者に関連付けられたスナップショットのセットを含む。

ブロック８１０において、照会応答記録ごとに関心期間が識別される。関心期間は、特定の治療の開始時から始まり、１つ以上の応答メトリックが評価される期間に対応することができる。いくつかの例では、関心期間は、照会応答記録（例えば、１年、２年、５年）にわたって同じである。いくつかの例では、関心期間は、特定の治療が使用された期間であると定義される。いくつかの例では、関心期間は、特定の治療の使用期間および特定の時間のうちの短い方である。

ブロック８１５において、照会結果記録は、治療応答サブグループに分割される。記録は、（図７Ａに示すように）プロセス７００ａにおいてブロック７２５に関して説明された１つ以上の技術に従って、および／または１つ以上の変数に基づいて分割されることができる。いくつかの例では、記録は、２つのサブグループ（進行に対応する、進行なし、新たな病変および新たな病変なし、新たな症状および新たな症状なし、中等度～重度の有害イベントおよび無または軽度の有害イベント、少なくとも閾値時間の間の治療の使用および閾値時間未満の間の治療の使用）に分割される。いくつかの例では、サブグループ割り当ては、２つ以上の変数に依存する。いくつかの例では、３つ以上のサブグループが存在する。

記録分割に使用される変数値は、ブロック８１０において識別された関心期間に関連する記録エントリから抽出されていてもよい。例えば、関心期間が１年であると識別された場合、各照会結果記録について、治療の応答性（例えば、ＭＲＩデータ、臨床評価、投薬状況）を表し、治療開始から約１年後のタイムスタンプに関連付けられたエントリについて記録が検索されることができる。他の例として、関心期間が治療期間として識別された場合、治療開始後のタイムスタンプに関連付けられ、投薬の変更を示すスナップショットを通って延びる全てのスナップショットが識別されることができる。したがって、被験者が２０１３年４月に治療を受け始め、２０１６年５月に治療を終了した場合、２０１７年１０月の被験者の病変数または障害は、記録の細分化には無関係とすることができる（関心期間を決定する）。

ブロック８２０において、各サブグループについて１つ以上の集約属性統計量が生成される。集約統計量は、被験者が特定の治療を受け始めた時点でのサブグループ中の被験者の属性を特徴付けることができる。集約属性統計量は、（例えば）被験者の年齢、性別、緯度、居住状態、居住国、ＭＳのサブタイプ、投薬歴、病変数、病変負荷、障害スコア、可動性指標、歩行補助器具の使用、同時罹患状態、症状に影響される機能系、および／または最初のＭＳ診断からの期間（ここでも全て、治療が開始された時点で考慮される）に対応することができる。集約属性統計量は、平均、中央値、最頻値、範囲、最小、最大、外れ値、分布、スキューなどを含むことができる。

ブロック８２５において、治療指示および／または予測に対応する出力が生成される。例えば、出力は、特定の治療が有効であったサブグループに関連付けられた属性特性（例えば、１つ以上の属性統計量を介して）を識別することができ、特定の治療が有効でなかった他のサブグループに関連付けられた属性特性を識別することができる。いくつかの例では、評価された属性のセットのサブセットのみの特性が出力に表される。例えば、ブロック８２０において、属性のセットのそれぞれについて、属性がサブグループにわたって区別可能である程度を示すためにｐ値（または他の有意性インジケータ）が生成されることができる。次いで、ブロック８２５において生成された出力は、閾値を下回るｐ値（または有意なサブグループの区別を示す他の有意性インジケータ）に関連付けられた各属性についてのサブグループ固有の統計量を含むことができる。いくつかの例では、サブグループ割り当てを最も予測する属性を識別するために多変量分析が実行され、出力は、１つ、複数、または全てのサブグループ内のそれらの属性の値を特徴付ける。

いくつかの例では、ブロック８２５は、新たな治療指示を生成することを含む。例えば、属性統計量は、５０歳未満であり、３．５未満のＥＤＳＳスコアを有するＲＲＭＳ ＭＳ患者によって使用される場合、特定の治療が特によく－適している（例えば、使用期間に基づいて決定されるように）ことを示すことができる。他の例として、属性統計量は、６．０よりも大きいＥＤＳＳスコアを有するＲＲＭＳ患者によって使用される場合、特定の治療が特定の急速な進行と相関することを示すことができる。その後、特定の治療が行われているとき、１つ以上の他の治療（または治療なし）が行われているときと比較して、これらの被験者集団の１つの間に有意差があるかどうかを評価するために、その後の分析が行われることができる。もしそうであれば、所与の被験者の属性が集団のうちの１つに対応するかどうかを決定することによって、所与の被験者に対して特定の治療を推奨するかまたは使用するかを決定するために治療戦略を使用することができる。

いくつかの例では、被験者属性が治療応答とどのように相関するかを評価するために照会結果記録をサブグループに分割するのではなく、治療応答が非バイナリ数として識別されることができる。例えば、治療応答は、被験者が治療を継続した週の数、治療を継続している間に２年間にわたって検出された新たな病変の数、治療の最初の１年間にわたる数値的幸福指数の変化などを含むことができる。次いで、被験者の属性に基づいて治療応答を予測するようにモデルが訓練されることができる。例えば、回帰モデルやフィードフォワードニューラルネットワークが使用されてもよい。訓練されたモデルは、その後、他の被験者の属性を表す入力データセットを処理して、被験者が治療にどのように応答するかを予測することができる。学習されたパラメータが評価されて、どの被験者属性が高い重み（例えば、出力予測を生成する際に相対的に影響力があることを相対的に示す）に関連付けられているかを決定することもできる。

ＩＶ．例
図９Ａ～図９Ｆは、多発性－硬化症記録データストアを構築するための入力を受信するように構成された例示的なインターフェースを示している。図９Ａは、可能性のある、おそらく可能性のある、または確認された多発性硬化症を有する特定の被験者に対応する情報を識別する複数の編集可能なセクションを含むインターフェースを示している。「人物」セクション９０５は、被験者の複数の識別子（識別子番号および名称）、現在の居住地、出生地、連絡先情報（電話番号、電子メールアドレス）、保険情報、および現在の状態（生存または死亡を示す）を含む。人物セクション９０５は、被験者がインフォームドコンセントに署名した日付をさらに識別し、これによって、１人以上の介護提供者が被験者に関する情報をインターフェースを提供するコンピューティングシステムにアップロードし、アップロードされた情報が特定の方法において使用されることを可能にした。それ自体が署名されたインフォームドコンセントのコピーは、合意を審査することができるように、インターフェースの他のページを介してアップロードされることができる。人物セクション９０５は、時間内に自動的に更新されることができる被験者者の年齢をさらに識別する。

「人口統計、病歴」セクション９１０は、被験者が一連の他の疾患のいずれかを有するかどうか、被験者が多発性硬化症または他の自己免疫疾患の家族歴を有するかどうか、喫煙歴、アルコール摂取量の特徴、仕事および配偶者の有無、教育レベルおよび民族性の指標を含む。

「症状発生」セクション９１５は、被験者が診断されたＭＳのサブタイプ、被験者の多発性硬化症がそれ自体を呈したと推定された日付、および障害スコアを識別することができる。症状の特徴付けは、症状発生セクション９１５との相互作用によってさらに識別されることができる。

測定セクション９２０は、臨床、検査、または画像評価からの結果を含むことができる。

治療セクション９２５は、被験者によって受けられた各ＭＳ治療、対症療法および非薬理学的治療、ならびに各治療に対応する日付を識別することができる。治療セクション９２５は、さらに、治療に応答して被験者が経験する１つ以上の有害イベントを識別することができる。

治療セクション９２５と相互作用することは、ユーザが、１つ以上のＭＳ治療（例えば、アレムチズマブ、アザチオプリナ、コパキソン、デアクリズマブ、フマル酸ジメチル、メトトレキサート、ミトキサントロン、ナタリズマブ、インターフェロン、オクレリズマブ、フィンゴリモド、リツキシマブ、テリフルノミド、その他または治療なし）を選択すること、任意の有害イベント情報（例えば、病原体：細菌／真菌／ウイルス／寄生生物／未知の場合、有害イベントの発症／解消日、有害イベントが入院を必要としたかどうか、ＣＴＣＡＥ毒性グレード（１～５および／または転帰）を示すこと、および／または１つ以上の症状の治療（例えば、プレドニゾン、コルチゾン、デキサメタゾン、ヒドロコルチゾン、メチルプレドニゾロン、プレドニゾン）を識別することを可能にすることができる。インターフェースは、各ＭＳおよび／または症状治療について、用量、単位、期間、経路（皮下、筋肉内、静脈内、経口、その他）、開始／終了日および／または治療を終了する理由を受信するようにさらに構成されることができる。ユーザは、さらに、被験者によって使用されている１つ以上の非薬理学的治療（例えば、理学療法、ヨーガ、ワクチン接種、その他）を識別することができる。

図９Ｂは、ＭＲＩ評価から結果を受信するように構成された例示的なインターフェースを示している。次いで、このインターフェースを介して入力されたデータは、図９Ａに示すインターフェースの測定セクション９２０を介してアクセス可能になる。図示のように、図９Ｂのインターフェースは、検査の日付、どの中枢神経系領域が撮像されたか、Ｔ１画像が収集されたかどうか、Ｔ１画像が正常であったか、ＭＳに典型的であったか、またはＭＳの異常且つ非定型であったかに関する（「Ｔ１タイプ」フィールドを介した）表示、Ｔ１画像において検出可能な病変の数、ガドリニウムが投与されたかどうか、ガドリニウム投与後に収集されたＴ１画像が正常であったか、ＭＳに典型的であったか、またはＭＳに異常且つ非典型的であったかどうか、およびコントラストを増強する病変の数のカウントを識別する入力を受け入れるように構成される。インターフェースは、Ｔ２画像が収集されたかどうか、Ｔ２画像が正常であったか、ＭＳに典型的であったか、またはＭＳの異常且つ非定型であったかに関する（「Ｔ２タイプ」フィールドを介した）表示およびＴ２画像において検出可能な病変の数を示す入力を受け入れるようにさらに構成される。インターフェースは、ＭＳにかなり特徴的な複数のタイプの病変（天幕下、傍皮質、脳室周囲および隣接）のそれぞれの数を示す入力を受け入れ、検出されたいくつかのブラックホールを受け入れるようにさらに構成される。

測定セクション９２０に対応するデータを受信することができる他のインターフェース（図示せず）は、血液学的データを受信するように構成されてもよい。血液学的データは、赤血球数、ヘモグロビン数、血小板数、白血球数、リンパ球数、Ｔ細胞数、ＣＤ４Ｔ細胞数、ＣＤ８Ｔ細胞数、ＣＤ１９Ｂ細胞数、ＮＫ細胞数、好中球数、単球数、好酸球数、および／または好塩基球数に対応するメトリックを含むことができる。

測定セクション９２０に対応するデータを受信することができる１つ以上の他のインターフェース（図示せず）は、血液化学データ、甲状腺機能データ、血清学データおよび／または自己抗体検査データを受信するように構成されることができる。血液化学データは、総タンパク質数、アルブミン数、ＳＧＯＴ／ＡＳＴ数、ＳＧＰＴ／ＡＬＴ数、ガンマ－ＧＴ数、ビルビン数、アルカリリンホスフェート数、カルシウム数、尿素数、尿酸数、クレアチン数、アミラーゼ数、リパーゼ数、および／またはビタミンＤレベルを特徴付けることができる。甲状腺機能データは、Ｔ３、Ｔ４、ＴＳＨ、抗ミクロソーム抗体、および／または抗－スリオグロブリン抗体のレベルを特徴付けることができる。血清学的データは、抗ＪＣウイルスの存在、被験者の尿中のＪＣウイルスＤＮＡの存在、ＨＢＶ抗原の存在、抗－ＨＣＶの存在、抗ＨＩＶの存在、抗水痘症の存在、定量金検査の結果、マントー検査の結果、中和抗ＩＦＮの存在、神経化抗－ナタリズマブの存在、および／または妊娠検査の結果を示すことができる。自己抗体データは、ＮＭＯ－ＩｇＧ、抗ＭＯＧ、ＡＮＡ、抗ミトコンドリアル、抗壁細胞、ＡＳＭＡ、抗Ｒｏ、Ｌａ、Ｓｍ、ＲＮＰ、Ｓｃｉ－７０、Ｊｏ１、抗ＤＮＡ、ＡＮＣＡ、抗ＬＫＭ、抗カルジオリピン、ＬＡＣ、および／または抗トランスグルタミナーゼの存在または非存在を示すことができる。

図９Ｃは、ＭＲＩ評価から結果を受信するように構成された例示的なインターフェースを示している。次いで、このインターフェースを介して入力されたデータは、図９Ａに示すインターフェースの測定セクション９２０を介してアクセス可能になる。示されるように、図９Ｃのインターフェースは、脳脊髄液が被験者から収集された日付、ＣＳＦが正常試料、ＭＳに典型的な試料、ＭＳにも非典型的な異常試料、または外傷に対応する試料に対応すると決定されたかどうか、オリゴクローナルバンドがＣＳＦ中に検出されたかどうか、オリゴクローナルバンドの検出量、ＪＣウイルスＤＮＡがＣＳＦ中に検出されたかどうか、およびＩｇＧ指数を識別する入力を受け入れるように構成される。

図９Ｄは、誘発電位から結果を受信するように構成された例示的なインターフェースを示している。誘発電位は、体性感覚刺激（ＳＳＥＰ）に応答して生成される感覚誘発電位、聴覚刺激（ＢＡＥＰ）に応答して生成される誘発電位、視覚刺激（ＶＥＰ）または運動誘発電位（ＭＥＰ）に応答して生成される誘発電位を含むことができる。電位は、身体の右側または左側の対応する皮質領域において検出されることができる。図９Ｄに示されるインターフェースは、複数のタイプの誘発電位のそれぞれが正常であったか、異常であったか、または未知であったかを識別するように構成される。

図９Ａ～図９Ｄにおいて検出された各インターフェースは、介護者がアクセス可能である。ＭＳと診断された被験者には、他のインターフェースがさらに利用可能である。図９Ｅは、被験者の記録において利用可能なデータのタイプに関する選択詳細を含む被験者－側インターフェースを示している。図９Ｆは、被験者にとってもアクセス可能な例示的な調査質問を示している。様々な質問が異なる時間に被験者に提示されてもよく、新たな質問が利用可能であることを示す通知が提示されてもよい。質問は、被験者の健康指数を決定するために使用することができる健康指向の質問に対応することができる。

この例は、例示的なインターフェース構成および企図されるデータを提供するが、他のインターフェース構成およびデータ変数も企図される。例えば、インターフェースは、本明細書に開示される任意の種類の疾患の特徴付け、本明細書に開示される任意の種類の症状の特徴付け、任意の種類の治療の特徴付け、本明細書に開示される任意の種類の被験者の属性、本明細書に開示される任意の種類の臨床評価、本明細書に開示される任意の種類の医学的検査または画像化結果などを受信するように構成されることができる。

したがって、図９Ａ～図９Ｆは、ユーザが被験者の属性、診断、治療、および他の情報を特徴付ける情報を提供することができるインターフェースを例示する。この情報は、一般にまたは特定の状況において特定の治療の有効性を評価するためのビッグデータ分析をサポートするために使用可能とすることができる。この情報は、さらにまたは代替的に、治療応答性に関する記録に関連付けられた個々の被験者の予測を生成するために、他の記録を使用する照会を生成し、および／または実行される処理を定義するために使用可能とすることができる。

Ｖ．さらなる考察
本開示のいくつかの実施形態は、１つ以上のデータプロセッサを含むシステムを含む。いくつかの実施形態では、システムは、命令を含む非一時的コンピュータ可読記憶媒体であって、命令が、１つ以上のデータプロセッサ上で実行されると、１つ以上のデータプロセッサに、本明細書に開示された１つ以上の方法の一部または全部および／または１つ以上のプロセスの一部または全部を実行させる、非一時的コンピュータ可読記憶媒体を含む。本開示のいくつかの実施形態は、１つ以上のデータプロセッサに、本明細書に開示された１つ以上の方法の一部または全部および／または１つ以上のプロセスの一部または全部を実行させるように構成された命令を含む、非一時的機械可読記憶媒体において有形に具現化されたコンピュータプログラム製品を含む。

使用された用語および表現は、限定ではなく説明の用語として使用され、そのような用語および表現の使用において、示されて説明された特徴の均等物またはその一部を除外する意図はないが、特許請求の範囲に記載された発明の範囲内で様々な変更が可能であることが認識される。したがって、特許請求の範囲に記載された本発明は、実施形態および任意の特徴によって具体的に開示されているが、本明細書に開示された概念の変更および変形は、当業者によってあてにされてもよく、そのような変更および変形は、添付の特許請求の範囲によって定義される本発明の範囲内にあると見なされることを理解されたい。

本説明は、好ましい例示的な実施形態のみを提供し、本開示の範囲、適用可能性または構成を限定することを意図しない。むしろ、好ましい例示的な実施形態の本説明は、様々な実施形態を実装するための可能な説明を当業者に提供する。添付の特許請求の範囲に記載の趣旨および範囲から逸脱することなく、要素の機能および配置に様々な変更を加えることができることが理解される。

実施形態の完全な理解を提供するために、以下の説明において具体的な詳細が与えられる。しかしながら、これらの具体的な詳細なしで実施形態が実施されることができることが理解されよう。例えば、回路、システム、ネットワーク、プロセス、および他の構成要素は、実施形態を不必要に詳細に不明瞭にしないために、ブロック図形式の構成要素として示されてもよい。他の例では、実施形態を不明瞭にすることを避けるために、周知の回路、プロセス、アルゴリズム、構造、および技術が不必要な詳細なしに示されてもよい。

ＶＩ．さらなる例
第１の例は、クラウドベースのアプリケーションサーバにおいて、多発性硬化症の治療を識別する照会を受信することと、治療の識別子を使用してデータストアに照会することであって、データストアが、介護提供者エンティティの分散セットから受信した入力に少なくとも部分的に基づいて格納されている、照会することと、を含む、方法を含む。第１の例の方法は、照会に応答して、被験者識別子のセットを受信することであって、被験者識別子のセット内の各被験者識別子が、被験者識別子に対応する被験者が治療を受けたことを示す、受信することをさらに含む。第１の例の方法は、被験者識別子のセットの各被験者識別子について、データストア内のデータに基づいて、被験者識別子に対応する被験者が治療を開始した時間を決定することと、被験者識別子に関連付けられた１つ以上の記録から、治療の転帰を示す１つ以上のメトリック、および１つ以上の被験者属性を抽出することと、をさらに含む。１つ以上のメトリックの抽出することは、治療が開始された時間に少なくとも部分的に基づいており、１つ以上の被験者属性のそれぞれは、記録対応の被験者の特性または医療検査の結果を反映する。第１の例の方法は、抽出されたメトリックおよび抽出された被験者属性に基づいて、治療に対する他の被験者の予測応答性を生成することと、予測応答性に対応する結果を出力することと、をさらに含む。

第２の例は、被験者識別子のセットの各被験者識別子について、データストアが、被験者関連スナップショットのセット（被験者関連スナップショットのセットのそれぞれが特定の時間に対応し、被験者が被験者識別子に対応する）を含み、被験者関連スナップショットのセットのサブセット内の各スナップショットが、治療と関連付けられ、１つ以上のメトリックが、被験者関連スナップショットのセットのサブセットから抽出される、第１の例の方法を含む。

第３の例は、被験者関連スナップショットのセットの少なくともいくつかについて、データストアが、上記特定の時間より前の異なる時間の後であって、スナップショットに対応する当該特定の時間を超えない時間に関連付けられた被験者の他のメトリック値を含まないと決定したときに、１つ以上のメトリックのうちの少なくとも１つが、当該異なる時間からのメトリック値であるように定義された、第２の例の方法を含む。

第４の例は、治療の転帰を示す１つ以上のメトリックが、ＭＲＩ結果に基づく１つ以上の絶対または相対統計量を含む、第１から第３の例のいずれか１つの方法を含む。

第５の例は、治療の転帰を示す１つ以上のメトリックが、再発報告に基づく１つ以上の絶対または相対統計量を含む、第１から第４の例のいずれか１つの方法を含む。

第６の例は、治療の転帰を示す１つ以上のメトリックが、進行評価に基づく１つ以上の絶対または相対統計量を含む、第１から第５の例のいずれか１つの方法を含む。

第７の例は、治療の転帰を示す１つ以上のメトリックが、障害評価に基づく１つ以上の絶対または相対統計量を含む、第１から第６の例のいずれか１つの方法を含む。

第８の例は、抽出されたメトリックおよび抽出された被験者属性を使用して機械学習モデルを訓練することをさらに含み、予測応答性が、訓練された機械学習モデルを使用して生成される、第１から第７の例のいずれか１つの方法を含む。

第９の例は、メトリックを使用して被験者識別子のセットを２つ以上のグループに分離することと、他の被験者に関連付けられた他の被験者メトリックに基づいて他の被験者を２つ以上のグループのグループに割り当てることであって、予測応答性がグループ割り当てに基づいて生成される、割り当てることと、をさらに含む、第１から第８の例のいずれか１つの方法を含む。

第１０の例は、１つ以上の被験者属性のそれぞれが、被験者が治療を開始した時間に関連付けられた被験者の属性を含む、第１から第９の例のいずれか１つの方法を含む。

第１１の例は、受信された照会が、他の被験者の１つ以上の特定の属性をさらに含み、照会が、１つ以上の特定の属性に基づいて実行される、第１から第１０の例のいずれか１つの方法を含む。

第１２の例は、１つ以上の特定の属性が、他の被験者によって以前に受けられた他の治療の識別情報を含む、第１から第１１の例のいずれか１つの方法を含む。

第１３の例は、結果に基づいて、治療が他の被験者の多発性硬化症を効果的に治療することになると予測することと、他の被験者を治療によって治療することと、をさらに含む、第１から第１２の例のいずれか１つの方法を含む。

Claims (13)

1. 方法であって、
   クラウドベースのアプリケーションサーバにおいて、多発性硬化症の治療を識別する照会を受信することと、
   前記治療の識別子を使用してデータストアを照会することであって、前記データストアが、介護提供者エンティティの分散セットから受信した入力に少なくとも部分的に基づいて格納されている、照会することと、
   前記照会に応答して、被験者識別子のセットを受信することであって、前記被験者識別子のセット内の各被験者識別子が、前記被験者識別子に対応する被験者が前記治療を受けたことを示す、受信することと、
   前記被験者識別子のセットの各被験者識別子について、
   前記データストア内のデータに基づいて、前記被験者識別子に対応する前記被験者が前記治療を開始した時間を決定することと、
   前記被験者識別子に関連付けられた１つ以上の記録から、
   前記治療の転帰を示す１つ以上のメトリック、および
   １つ以上の被験者属性を抽出することであって、前記１つ以上のメトリックの前記抽出することが、前記治療が開始された前記時間に少なくとも部分的に基づいており、前記１つ以上の被験者属性のそれぞれが、記録対応の被験者の特性または医療検査の結果を反映する、抽出することと、
   抽出された前記メトリックおよび抽出された前記被験者属性に基づいて、前記治療に対する他の被験者の予測応答性を生成することと、
   前記予測応答性に対応する結果を出力することと、を含む、方法。
2. 前記被験者識別子のセットの各被験者識別子について、
   前記データストアが、被験者関連スナップショットのセットを含み、前記被験者関連スナップショットのセットのそれぞれが、特定の時間に対応し、前記被験者が、前記被験者識別子に対応し、
   前記被験者関連スナップショットのセットのサブセット内の各スナップショットが、前記治療と関連付けられ、
   前記１つ以上のメトリックが、前記被験者関連スナップショットのセットの前記サブセットから抽出される、請求項１に記載の方法。
3. 前記被験者関連スナップショットのセットの少なくともいくつかについて、前記データストアが、前記特定の時間より前の異なる時間の後であって、前記スナップショットに対応する前記特定の時間を超えない時間に関連付けられた前記被験者の他のメトリック値を含まないと決定したときに、前記１つ以上のメトリックのうちの少なくとも１つが、前記異なる時間からのメトリック値であるように定義された、請求項２に記載の方法。
4. 前記治療の転帰を示す前記１つ以上のメトリックが、ＭＲＩ結果に基づく１つ以上の絶対または相対統計量を含む、請求項１～３のいずれか一項に記載の方法。
5. 前記治療の転帰を示す前記１つ以上のメトリックが、再発報告に基づく１つ以上の絶対または相対統計量を含む、請求項１～４のいずれか一項に記載の方法。
6. 前記治療の転帰を示す前記１つ以上のメトリックが、進行評価に基づく１つ以上の絶対または相対統計量を含む、請求項１～５のいずれか一項に記載の方法。
7. 前記治療の転帰を示す前記１つ以上のメトリックが、障害評価に基づく１つ以上の絶対または相対統計量を含む、請求項１～６のいずれか一項に記載の方法。
8. 抽出された前記メトリックおよび抽出された前記被験者属性を使用して機械学習モデルを訓練することであって、前記予測応答性が、訓練された前記機械学習モデルを使用して生成される、訓練することをさらに含む、請求項１～７のいずれか一項に記載の方法。
9. 前記メトリックを使用して前記被験者識別子のセットを２つ以上のグループに分離することと、
   前記他の被験者に関連付けられた他の被験者メトリックに基づいて、前記２つ以上のグループのうちの１つのグループに前記他の被験者を割り当てることであって、前記予測応答性が、前記グループ割り当てに基づいて生成される、割り当てることと、をさらに含む、請求項１～８のいずれか一項に記載の方法。
10. 前記１つ以上の被験者属性のそれぞれが、前記被験者が前記治療を開始した時間に関連付けられた前記被験者の属性を含む、請求項１～９のいずれか一項に記載の方法。
11. 受信された前記照会が、前記他の被験者の１つ以上の特定の属性をさらに含み、前記照会が、前記１つ以上の特定の属性に基づいて実行される、請求項１～１０のいずれか一項に記載の方法。
12. 前記１つ以上の特定の属性が、前記他の被験者によって以前に受けられた他の治療の識別情報を含む、請求項１１に記載の方法。
13. 前記結果に基づいて、前記治療が前記他の被験者の多発性硬化症を効果的に治療するであろうと予測することと、
    前記他の被験者を前記治療によって治療することと、をさらに含む、請求項１～１２のいずれか一項に記載の方法。

Images