JP6034800B2 - アルツハイマー病へ進行するリスクのある軽度認知障害患者を識別する方法およびシステム - Google Patents
アルツハイマー病へ進行するリスクのある軽度認知障害患者を識別する方法およびシステム Download PDFInfo
- Publication number
- JP6034800B2 JP6034800B2 JP2013543931A JP2013543931A JP6034800B2 JP 6034800 B2 JP6034800 B2 JP 6034800B2 JP 2013543931 A JP2013543931 A JP 2013543931A JP 2013543931 A JP2013543931 A JP 2013543931A JP 6034800 B2 JP6034800 B2 JP 6034800B2
- Authority
- JP
- Japan
- Prior art keywords
- patient
- patients
- learning data
- risk
- alzheimer
- 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.)
- Active
Links
- 208000024827 Alzheimer disease Diseases 0.000 title claims description 64
- 238000000034 method Methods 0.000 title claims description 61
- 208000010877 cognitive disease Diseases 0.000 title claims description 38
- 208000027061 mild cognitive impairment Diseases 0.000 title claims description 35
- 238000012360 testing method Methods 0.000 claims description 75
- 238000003066 decision tree Methods 0.000 claims description 41
- 238000011282 treatment Methods 0.000 claims description 26
- 239000000090 biomarker Substances 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 16
- 239000003814 drug Substances 0.000 claims description 10
- 229940079593 drug Drugs 0.000 claims description 8
- 230000003557 neuropsychological effect Effects 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000012879 PET imaging Methods 0.000 claims description 3
- 239000008280 blood Substances 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 238000002059 diagnostic imaging Methods 0.000 claims description 3
- 230000002250 progressing effect Effects 0.000 claims description 2
- 238000002595 magnetic resonance imaging Methods 0.000 claims 2
- 238000010855 neuropsychological testing Methods 0.000 description 43
- 238000003745 diagnosis Methods 0.000 description 18
- 238000005259 measurement Methods 0.000 description 14
- 238000011156 evaluation Methods 0.000 description 10
- 230000007423 decrease Effects 0.000 description 8
- 238000002790 cross-validation Methods 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 6
- 230000036541 health Effects 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000004393 prognosis Methods 0.000 description 5
- 238000013102 re-test Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000001149 cognitive effect Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000007170 pathology Effects 0.000 description 4
- 238000002560 therapeutic procedure Methods 0.000 description 4
- 230000019771 cognition Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 208000028698 Cognitive impairment Diseases 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 2
- 208000031124 Dementia Alzheimer type Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003930 cognitive ability Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000001647 drug administration Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000902 placebo Substances 0.000 description 2
- 229940068196 placebo Drugs 0.000 description 2
- 229940124597 therapeutic agent Drugs 0.000 description 2
- 235000021476 total parenteral nutrition Nutrition 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000010176 18-FDG-positron emission tomography Methods 0.000 description 1
- ZCXUVYAZINUVJD-AHXZWLDOSA-N 2-deoxy-2-((18)F)fluoro-alpha-D-glucose Chemical compound OC[C@H]1O[C@H](O)[C@H]([18F])[C@@H](O)[C@@H]1O ZCXUVYAZINUVJD-AHXZWLDOSA-N 0.000 description 1
- 108700028369 Alleles Proteins 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 108010025628 Apolipoproteins E Proteins 0.000 description 1
- 102000013918 Apolipoproteins E Human genes 0.000 description 1
- 241000224511 Bodo Species 0.000 description 1
- 235000007575 Calluna vulgaris Nutrition 0.000 description 1
- 108010094028 Prothrombin Proteins 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 240000006413 Prunus persica var. persica Species 0.000 description 1
- 108010000499 Thromboplastin Proteins 0.000 description 1
- 102000002262 Thromboplastin Human genes 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- AGVAZMGAQJOSFJ-WZHZPDAFSA-M cobalt(2+);[(2r,3s,4r,5s)-5-(5,6-dimethylbenzimidazol-1-yl)-4-hydroxy-2-(hydroxymethyl)oxolan-3-yl] [(2r)-1-[3-[(1r,2r,3r,4z,7s,9z,12s,13s,14z,17s,18s,19r)-2,13,18-tris(2-amino-2-oxoethyl)-7,12,17-tris(3-amino-3-oxopropyl)-3,5,8,8,13,15,18,19-octamethyl-2 Chemical compound [Co+2].N#[C-].[N-]([C@@H]1[C@H](CC(N)=O)[C@@]2(C)CCC(=O)NC[C@@H](C)OP(O)(=O)O[C@H]3[C@H]([C@H](O[C@@H]3CO)N3C4=CC(C)=C(C)C=C4N=C3)O)\C2=C(C)/C([C@H](C\2(C)C)CCC(N)=O)=N/C/2=C\C([C@H]([C@@]/2(CC(N)=O)C)CCC(N)=O)=N\C\2=C(C)/C2=N[C@]1(C)[C@@](C)(CC(N)=O)[C@@H]2CCC(N)=O AGVAZMGAQJOSFJ-WZHZPDAFSA-M 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000002816 gill Anatomy 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002493 microarray Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011328 necessary treatment Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000001050 pharmacotherapy Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 229940126585 therapeutic drug Drugs 0.000 description 1
- 238000012034 trail making test Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Description
ノードで分けられる最小患者数の数値範囲は、12から40、又は18又は40、又は24から40、又は30から40、又は12から40、又は12から36又は18から30であり得る。最大ノード深さの数値範囲は、6から15、又は8、10又は12であり得る。
・個別化医療選択肢1: MCI患者に、ADが差し迫っていることを心配すべきではないことを助言。患者閾値がゼロの患者については、DT−ROC曲線が、いかなる患者もADへ変化し得ないことを示す。
・個別化医療選択肢2: 過大処方リスクを最小化する安全薬剤治療を処方。患者閾値が1以上である患者では、DT−ROC曲線は、治療を必要とする全ての人が治療を受けること、従って感度=100%となる。加えて、安定なMCI患者の62%がまた、治療(過剰処方)を受け得る。
・個別化医療選択肢3: 過剰投与のより深刻なリスクを伴う治療薬の処方。患者閾値が10以上の患者では、DT−ROC曲線は、これは62%から約7%へ過剰処方を低減させることが予想され得ることを示し、一方で利益となり得る約20%について処方することを失敗し得ることを示し、従って感度=80%である。
・個別化医療選択肢4: 推定AD−治療の臨床試験での患者を含む。患者閾値が17以上を持つ患者について、DT−ROC曲線は、全ての入院患者は治療されない場合には一年内にADへ変化し得る、ということを示す。実際にリスクのある患者の約55%はこの基準に合致する。この選択は、プラセボと妥当な時間内の臨床試験の治療群間での有意差を生じる高い可能性を持つ。
(a)単一エンティティとしての測定のプロフィル、
(b)このプロフィルが時間経過でどのよう変化するかを観察する能力、
(c)臨床的に重要な構造又はドメインを共に捕捉する測定値の集合の表示及びいかにしてそれらが時間的に変化するのかの表示、
(d)観測された変化が臨床的に有意義であるかどうかを確認するために全ての測定の時間経過について適切な信頼性を見る能力、及び
(e)大量の測定値及びその時間変化を迅速に同化させるヒートマップ表示を含む。
図3で示される選択されたNPTは左から右へ:
MMSCORE
ADAS_COG_TOTALMOD
ADAS_COG_TOTAL11
ADAS_COG_Q4_DEL_WORD_REALL
LDELTOTAL
ADAS_COG_Q1_WORD RECALL
ADAS_COG_Q7_ORIENTATION
LIMMTOTAL
CLOCK_DRAW
LDELCUE
TRAIL_B_SCORE
ADAS_COG_Q14_NUMBER_CANCEL
ADAS_COG_Q8_WORD_RECOG
AVDEL30MIN
AVTOT6
CAT_VG_SCORE
TRAIL_B_ERR_OM
CAT_AN_SCORE
ADAS_COG_Q3_CONSTRUCTION
CLOCK_COPY
ADAS_COG_Q5_NAMING
ADAS_COG_Q11_WORD_FINDING
ADAS_COG_Q2_COMMAND
DSPAN_BAC
ADAS_COG_Q9_RECALL_INSTR
ADAS_COG_Q10_SPOKEN_LANG
AVDELERR2
ADAS_COG_Q6_IDEA_PRAXIS
DIGITSCOR
DSPAN_FOR
ADAS_COG_Q12_COMPREHENSION
DSPAN_F_LTH
DSPAN_B_LTH
CAT_AN_PERS
BNTTOTAL
AVDEL_TOT
TRAIL_A_ERR_OM
AT_VG_INTR
TRAIL_A_SCORE
TRAIL_B_ERR_COM
TRAIL_A_ERR_COM
CAT_AN_INTR
AV_ERR6
AVDEL_ERR1
CAT_VG_PERS
CDR_GLOBAL
ANART_ERR
である。
表1:入力に必要なNPT
表2: Z−スコア補正のまとめ
Claims (11)
- コンピュータが、軽度認知機能障害を持つ患者の集団からリスクを持つコホート群又は患者を選択する方法であって、前記コンピュータが、
前記患者の集団の一部から正規化学習データを取得するステップと;
前記正規化学習データに一組の決定木を作成するステップと;
前記集団の1又は複数の患者からの患者データを取得する、前記患者からのデータが前記正規化学習データとは独立している、ステップと;
前記患者データを、前記作成された決定木を用いて分類して患者閾値を得るステップであって、前記患者閾値は、作成された一組の決定木中の、前記患者をアルツハイマー病に進行するリスクのある軽度認知機能障害として分類する決定木の数である、ステップと;
前記患者閾値を表示するステップと
を実行するように構成される、方法。 - さらに、前記集団からリスクを持つコホート群又は患者を選択するステップを含み、前記選択されたリスクを持つコホート群又は患者が前記学習データを提供した前記集団の一部には含まれず、前記リスクを持つコホート群又は患者が、前記患者閾値に基づき医学的目的のために選択される、請求項1に記載の方法。
- 前記リスクを持つコホート群又は患者が、アルツハイマー病に関連する臨床研究及びアルツハイマー病の患者の治療のうち少なくとも一方の医学的目的のために選択される、請求項2に記載の方法。
- 前記リスクをもつコホート群又は患者が、アルツハイマー病の前記患者を治療するために投与される薬物、及びアルツハイマー病の前記患者を治療するために投与される薬物の投与量の少なくとも1つを決定する医学目的のために選択される、請求項2に記載の方法。
- 前記患者閾値が、受信者動作曲線で表示され、前記一組の決定木を作成するステップは、ブースティング繰り返し数の数的範囲、分離されるノードの患者の最小数の数的範囲、及び最大ノード深さの数的範囲を決定し、それにより前記学習データに対して少なくとも85%精度を持つ一組の決定木を与える、請求項1に記載の方法。
- 前記ブースティング繰り返し数の範囲が25以上であり、又は25から200であり、このとき、前記分離されるノードでの患者の最小数の範囲が12から40である、又は24である、請求項5に記載の方法。
- 前記最大ノード深さの範囲が6から15である、請求項5に記載の方法。
- 前記学習データが:
軽度認知機能障害を持つ患者の集団から取得される第1の学習データセットであって、前記第1の学習データセットが取得された前記患者が、前記第1の学習データセットの取得から6ヶ月から2年以内にアルツハイマー病に変化することを観察され、前記第1の学習データセットが神経心理学的検査結果及びバイオマーカーを含む、第1の学習データセットと;
第2の学習データセットの取得後6ヶ月から2年以内にアルツハイマー病に変化しない軽度認知機能障害を持つ患者の集団の患者から取得される第2の学習データセットであって、神経心理学的検査結果とバイオマーカーを含む第2の学習データセットとを含み、
前記バイオマーカーが、医用イメージング、PETイメージング又はMRIイメージングから得られ、
前記バイオマーカーが分子バイオマーカー、CSFバイオマーカー又は血液サンプルバイオマーカーである、請求項1に記載の方法。 - 前記患者データが、軽度認知機能障害を持つ患者の集団内の患者から取得されるデータを含み、神経心理学的検査結果及びバイオマーカーを含み、
前記バイオマーカーが、医用イメージング、PETイメージング又はMRIイメージングから得られ、前記バイオマーカーが分子バイオマーカー、CSFバイオマーカー又は血液サンプルバイオマーカーである、請求項1に記載の方法。 - 軽度認知機能障害を持つ患者の集団からリスクを持つコホート群又は患者を選択する方法を実行するようにプログラムされたコンピュータであり、前記方法が、
前記患者の集団の一部から正規化学習データを取得するステップと;
前記正規化学習データに一組の決定木を作成するステップと;
前記集団の1又は複数の患者からの患者データを取得する、前記患者データが前記学習データとは独立している、ステップと、;
前記患者データを、前記作成された決定木を用いて分類して患者閾値を取得するステップであって、前記患者閾値は、作成された一組の決定木中の、前記患者をアルツハイマー病に進行するリスクのある軽度認知機能障害として分類する決定木の数である、ステップと;
前記患者閾値を表示するステップとを含む、コンピュータ。 - 前記方法がさらに、前記集団からリスクを持つコホート群又は患者を選択するステップを含み、前記選択されたリスクを持つコホート群又は患者が前記学習データを提供した前記集団の一部には含まれず、前記リスクを持つコホート群又は患者が、前記患者閾値に基づき医学的目的のために選択される、請求項10に記載のコンピュータ。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201061424829P | 2010-12-20 | 2010-12-20 | |
US61/424,829 | 2010-12-20 | ||
PCT/IB2011/055584 WO2012085743A2 (en) | 2010-12-20 | 2011-12-09 | Methods and systems for identifying patients with mild cognitive impairment at risk of converting to alzheimer's |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2014506150A JP2014506150A (ja) | 2014-03-13 |
JP2014506150A5 JP2014506150A5 (ja) | 2015-08-20 |
JP6034800B2 true JP6034800B2 (ja) | 2016-11-30 |
Family
ID=45478401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013543931A Active JP6034800B2 (ja) | 2010-12-20 | 2011-12-09 | アルツハイマー病へ進行するリスクのある軽度認知障害患者を識別する方法およびシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US9367817B2 (ja) |
EP (1) | EP2656257A2 (ja) |
JP (1) | JP6034800B2 (ja) |
CN (1) | CN103392183B (ja) |
RU (1) | RU2603601C2 (ja) |
WO (1) | WO2012085743A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190088730A (ko) * | 2018-01-19 | 2019-07-29 | 사회복지법인 삼성생명공익재단 | 아밀로이드 양성 경도인지장애 환자의 치매 진행을 예측하여 분류하는 방법 및 장치 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9152918B1 (en) * | 2012-01-10 | 2015-10-06 | Cerner Innovation, Inc. | Resource forecasting using Bayesian model reduction |
US9275334B2 (en) * | 2012-04-06 | 2016-03-01 | Applied Materials, Inc. | Increasing signal to noise ratio for creation of generalized and robust prediction models |
WO2015018517A1 (en) * | 2013-08-05 | 2015-02-12 | Mr. PD Dr. NIKOLAOS KOUTSOULERIS | Adaptive pattern recognition for psychosis risk modelling |
US20150269355A1 (en) * | 2014-03-19 | 2015-09-24 | Peach Intellihealth, Inc. | Managing allocation of health-related expertise and resources |
CN105096294B (zh) | 2014-04-30 | 2019-01-18 | 西门子医疗保健诊断公司 | 用于对尿液沉渣图像的待处理区块进行区块检索的方法和装置 |
CN104031139B (zh) * | 2014-06-06 | 2016-05-04 | 西安交通大学医学院第一附属医院 | 用于阿尔茨海默病pet成像的正电子药物及其制备方法 |
US11037070B2 (en) * | 2015-04-29 | 2021-06-15 | Siemens Healthcare Gmbh | Diagnostic test planning using machine learning techniques |
JP6207547B2 (ja) * | 2015-05-18 | 2017-10-04 | 国立大学法人東北大学 | 認知症の程度を判定するための方法、システム及びプログラム |
EP3451919A4 (en) * | 2016-05-05 | 2019-12-18 | Bestbrain Ltd. | NERVOUS FEEDBACK SYSTEMS AND METHODS |
CN109831923A (zh) * | 2016-09-28 | 2019-05-31 | 公益财团法人神户医疗产业都市推进机构 | 痴呆症介护负担程度判断装置、痴呆症介护负担程度判断方法、痴呆症介护负担程度判断程序、痴呆症治疗效果判断装置、痴呆症治疗效果判断方法、痴呆症治疗效果判断程序 |
JP6845716B2 (ja) * | 2017-03-14 | 2021-03-24 | 一般社団法人脳と心の健康科学研究所 | 生体機能についての医学的検査の得点判定装置、及びプログラム |
JP6791361B2 (ja) * | 2017-03-30 | 2020-11-25 | 日本電気株式会社 | 情報処理装置と方法とプログラム |
CN108256422B (zh) * | 2017-12-07 | 2021-11-09 | 广东技术师范大学 | 基于高斯过程分类的阿尔茨海默症分类方法、系统及装置 |
JP6483890B1 (ja) * | 2018-04-27 | 2019-03-13 | 国立大学法人滋賀医科大学 | 診断支援装置、機械学習装置、診断支援方法、機械学習方法および機械学習プログラム |
WO2020061072A1 (en) * | 2018-09-18 | 2020-03-26 | Vivid Genomics, Inc. | Method of characterizing a neurodegenerative pathology |
CN110944232B (zh) * | 2018-09-21 | 2021-11-19 | 中国移动通信有限公司研究院 | 一种监测认知行为的方法、装置及机顶盒 |
JP7313165B2 (ja) * | 2019-03-18 | 2023-07-24 | 株式会社Erisa | アルツハイマー病生存分析装置及びアルツハイマー病生存分析プログラム |
CN110164524A (zh) * | 2019-04-29 | 2019-08-23 | 北京国润健康医学投资有限公司 | 一种偏瘫患者康复训练任务自适应匹配方法及其系统 |
US20220344059A1 (en) * | 2019-11-27 | 2022-10-27 | University Of Pittsburgh - Of The Commonwealth System Of Higher Education | System, Method, and Computer Program Product for Detecting and Responding to Patient Neuromorbidity |
JP7334958B2 (ja) * | 2019-12-09 | 2023-08-29 | 学校法人帝京大学 | 判定装置、判定方法及び判定プログラム |
CN111202526A (zh) * | 2020-01-20 | 2020-05-29 | 华东医院 | 对多维度老年听觉功能评估系统进行精简优化的方法 |
US20230042243A1 (en) | 2020-12-09 | 2023-02-09 | MS Technologies | System and method for early diagnostics and prognostics of mild cognitive impairment using hybrid machine learning |
US11651862B2 (en) | 2020-12-09 | 2023-05-16 | MS Technologies | System and method for diagnostics and prognostics of mild cognitive impairment using deep learning |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002010456A2 (en) | 2000-07-31 | 2002-02-07 | The Institute For Systems Biology | Multiparameter analysis for predictive medicine |
US7347818B2 (en) | 2003-02-24 | 2008-03-25 | Neurotrax Corporation | Standardized medical cognitive assessment tool |
US7311666B2 (en) | 2004-07-10 | 2007-12-25 | Trigeminal Solutions, Inc. | Apparatus for collecting information |
US20060099624A1 (en) | 2004-10-18 | 2006-05-11 | Wang Lu-Yong | System and method for providing personalized healthcare for alzheimer's disease |
US8208697B2 (en) * | 2004-12-17 | 2012-06-26 | Koninklijke Philips Electronics N.V. | Method and apparatus for automatically developing a high performance classifier for producing medically meaningful descriptors in medical diagnosis imaging |
CN101443780A (zh) * | 2004-12-30 | 2009-05-27 | 普罗文蒂斯公司 | 用于开发和使用用于预测多种医学结果、评价介入策略以及同时验证生物标志物诱因的预测模型的方法、系统和计算机程序产品 |
US9335331B2 (en) | 2005-04-11 | 2016-05-10 | Cornell Research Foundation, Inc. | Multiplexed biomarkers for monitoring the Alzheimer's disease state of a subject |
CN101208602A (zh) * | 2005-04-15 | 2008-06-25 | 贝克顿迪金森公司 | 脓毒症的诊断 |
BRPI0609302A2 (pt) | 2005-04-15 | 2011-10-11 | Becton Dickinson Co | métodos para prever o desenvolvimento de sepse e para diagnosticar sepse em um indivìduo a ser testado, microarranjo, kit para prever o desenvolvimento de sepse em um indivìduo a ser testado, produto de programa de computador, computador, sistema de computador para determinar se um indivìduo é susceptìvel de desenvolver sepse, sinal digital embutido em uma onda portadora, e, interface gráfica de usuário para determinar se um indivìduo é susceptìvel de desenvolver sepse |
WO2006135368A1 (en) | 2005-06-10 | 2006-12-21 | The Trustrees Of Columbia University In The City Of New York | Olfactory identification tests for cognitive diseases and disorders |
JP2009541863A (ja) * | 2006-06-21 | 2009-11-26 | レキシコル メディカル テクノロジー エルエルシー | 痴呆および痴呆型障害を分析および評価するためのシステムおよび方法 |
US8126690B2 (en) * | 2007-05-18 | 2012-02-28 | The Regents Of The University Of Michigan | Algorithms to predict clinical response, adherence, and shunting with thiopurines |
EP2337861A4 (en) * | 2008-10-10 | 2013-06-26 | Mount Sinai Hospital Corp | METHODS OF CLASSIFYING SAMPLES BASED ON NETWORK MODULARITY |
WO2011066589A1 (en) * | 2009-11-30 | 2011-06-03 | Caris Life Sciences Luxembourg Holdings | Methods and systems for isolating, storing, and analyzing vesicles |
-
2011
- 2011-12-09 US US13/995,284 patent/US9367817B2/en active Active
- 2011-12-09 CN CN201180068070.5A patent/CN103392183B/zh active Active
- 2011-12-09 WO PCT/IB2011/055584 patent/WO2012085743A2/en active Application Filing
- 2011-12-09 JP JP2013543931A patent/JP6034800B2/ja active Active
- 2011-12-09 EP EP11808350.0A patent/EP2656257A2/en not_active Withdrawn
- 2011-12-09 RU RU2013133904/14A patent/RU2603601C2/ru active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190088730A (ko) * | 2018-01-19 | 2019-07-29 | 사회복지법인 삼성생명공익재단 | 아밀로이드 양성 경도인지장애 환자의 치매 진행을 예측하여 분류하는 방법 및 장치 |
KR102064811B1 (ko) * | 2018-01-19 | 2020-01-13 | 사회복지법인 삼성생명공익재단 | 아밀로이드 양성 경도인지장애 환자의 치매 진행을 예측하여 분류하는 방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
WO2012085743A2 (en) | 2012-06-28 |
RU2603601C2 (ru) | 2016-11-27 |
US9367817B2 (en) | 2016-06-14 |
EP2656257A2 (en) | 2013-10-30 |
CN103392183A (zh) | 2013-11-13 |
WO2012085743A3 (en) | 2012-08-23 |
US20130275350A1 (en) | 2013-10-17 |
RU2013133904A (ru) | 2015-01-27 |
CN103392183B (zh) | 2017-05-10 |
JP2014506150A (ja) | 2014-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6034800B2 (ja) | アルツハイマー病へ進行するリスクのある軽度認知障害患者を識別する方法およびシステム | |
JP2014506150A5 (ja) | ||
Nasseroleslami et al. | Characteristic increases in EEG connectivity correlate with changes of structural MRI in amyotrophic lateral sclerosis | |
Clarke et al. | Computer-assisted EEG diagnostic review for idiopathic generalized epilepsy | |
Zimmermann et al. | Optic neuritis interferes with optical coherence tomography and magnetic resonance imaging correlations | |
US20150339442A1 (en) | Computational medical treatment plan method and system with mass medical analysis | |
AU2020230221A1 (en) | Computational medical treatment plan method and system with mass medical analysis | |
Chiotis et al. | Clinical validity of increased cortical uptake of amyloid ligands on PET as a biomarker for Alzheimer's disease in the context of a structured 5-phase development framework | |
Casanova et al. | Alzheimer's disease risk assessment using large-scale machine learning methods | |
Douw et al. | ‘Functional connectivity’is a sensitive predictor of epilepsy diagnosis after the first seizure | |
US20240188843A1 (en) | Systems and Methods for Generating Biomarkers Based on Multivariate MRI and Multimodality Classifiers for Disorder Diagnosis | |
KR20220104144A (ko) | Ecg 기반 미래 심방세동 예측기 시스템들 및 방법들 | |
Escudero et al. | Early detection and characterization of Alzheimer's disease in clinical scenarios using Bioprofile concepts and K-means | |
CN111447874A (zh) | 判别装置、抑郁症状的判别方法、抑郁症状的水平的判断方法、抑郁症患者的分类方法、抑郁症状的治疗效果的判断方法和脑活动训练装置 | |
Zheng et al. | Predicting neurological outcome in comatose patients after cardiac arrest with multiscale deep neural networks | |
Koo et al. | Clinical prediction of fall risk and white matter abnormalities: a diffusion tensor imaging study | |
US20210212629A1 (en) | Systems and methods for quantitatively characterizing alzheimer's disease risk events based on multimodal biomarker data | |
US20230162362A1 (en) | Method and system for estimating early progression of dementia from human head images | |
TW201510919A (zh) | 用於評估、診斷及/或監測心臟健康之裝置與方法 | |
Elner et al. | Flavoprotein autofluorescence detection of early ocular dysfunction | |
EP4044193A1 (en) | Psychological state monitoring system | |
JP2023545704A (ja) | エクスポソーム臨床応用のためのシステム及び方法 | |
Ballav et al. | Image processing: An early detection tool for Alzheimer’s disease | |
Lu et al. | Classification of sex and Alzheimer’s disease via brain imaging-based deep learning on 85,721 samples | |
Althoff et al. | Cognitive-motor interference in multiple sclerosis and healthy controls: results from single, dual, and triple task posturography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141205 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20150629 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150818 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150819 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160419 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160714 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161004 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161028 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6034800 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |