JP6180434B2 - 多様式神経学的評価の方法およびデバイス - Google Patents

Description

本開示は、神経学的評定の分野に関し、具体的には、複数の評定技術からの結果を組み合わせ、対象の神経学的状態の多次元評価を提供するための方法およびデバイスの開発に関する。

現在、脳機能の客観的評定は、ＥＥＧ（脳波検査）記録を通して収集された対象の脳電気活動データの評価に限定される。基本レベルでは、脳電気信号は、正常および異常両方の脳機能に対する特性としての役割を果たし、異常脳波パターンは、ある脳病理の明確な指標となり得る。

脳電気信号の客観的評定は、記録されたＥＥＧデータから抽出された定量的特徴のベクトルを１つ以上の所定のカテゴリにマップ（または、分類）するための数学的関数を提供する、分類器を使用して行なわれ得る。分類器は、訓練データセットを形成することによって構築され、各対象は、医師によって提供される情報、およびＣＴスキャン、ＭＲＩ等の最新診断システムを用いて得られる情報に基づいて、「標識」、すなわち、神経学的クラスが割り当てられる。データセット内の対象毎に、大量の定量的信号属性または特徴集合（ＥＥＧから産出される）もまた、利用可能である。訓練データセットから分類器を構築するプロセスは、特徴の下位集合の選択（全定量的特徴の集合から）とともに、これらの特徴を入力として使用し、その出力として、具体的クラスへの対象のデータの割当を生成する、数学的関数の構築を伴う。分類器は、構築された後、１つまたは他の潜在的神経学的クラスに属するように、標識されていないデータ記録を分類するために使用されてもよい。その時、分類精度は、訓練セットと重複してもよく、またはそうでなくてもよい、試験データセットを使用して報告されるが、先験的分類データもまた利用可能である。分類器の精度は、分類器の仕様の一部を構成する、特徴の選択に依存する。分類タスクに最も寄与する特徴の選択は、最良分類性能を保証する。

脳電気活動データは、脳機能を分析するための有益な手段を提供するが、ある異種タイプの脳傷害または機能不全、例えば、外傷性脳傷害（ＴＢＩ）の存在または重症度は、複数の診断試験からの結果を組み合わせることによって、より客観的に評定されることができる。故に、本開示は、分類器構築プロセスを拡張し、複数の評定技術からの特徴または出力を特徴選択プロセスに統合する方法を提供する。複数の評定技術からの特徴の含有は、脳電気信号からのみ導出される特徴を用いて達成されるものより分類性能の改善に有望性がある。

本開示は、対象の神経学的状態のリアルタイム評価のための分類システムを構築する方法を説明し、分類システムは、複数の評定技術からの結果／出力を組み合わせ、対象の状態の多様式評定を行なう。本開示の第１の側面は、対象の神経学的状態の多様式評定のための分類器を構築する方法を含む。本方法は、脳異常の存在または不在下における複数の個体に行なわれた異なる評定の結果を記憶する、メモリデバイスに動作可能に接続される信号処理デバイスを提供するステップを含む。信号処理デバイスは、２つ以上の異なる評定の結果をメモリデバイスから取得し、定量的特徴を２つ以上の評定の結果から抽出し、抽出された特徴を選択可能特徴群内に記憶し、特徴の下位集合を選択可能特徴群から選択し、分類器を構築し、それを使用して、先験的分類情報を有するデータ記録を分類することによって、分類器の分類精度を決定するように構成される、プロセッサを備える。

本開示の第２の側面は、神経学的状態の２つ以上のカテゴリのうちの１つへの個々のデータの分類のための分類器を構築する別の方法である。本方法は、分類器を構築するように構成される、プロセッサを提供するステップと、プロセッサに動作可能に結合されるメモリデバイスを提供するステップであって、メモリデバイスは、脳異常の存在または不在下における複数の個体に行なわれた２つ以上の生理学的および神経認知的評定の結果から抽出された定量的特徴群を含む、母集団参照データベースを記憶する、ステップとを含む。プロセッサは、複数の特徴を母集団参照データベース内の脳電気活動データおよび複数の個体に行なわれた１つ以上の他の評定から選択し、選択された定量的特徴を使用して分類器を構築し、２つのカテゴリのうちの１つに先験的に割り当てられる、事前に標識付けられたデータ記録を使用して、分類器の性能を評価するように構成される。

本開示のさらに別の側面は、対象の神経学的状態の多様式評定を行なうためのデバイスである。本デバイスは、対象の脳電気活動を記録するように構成される、１つ以上の神経学的電極を備える、ヘッドセットと、対象に行なわれる１つ以上の生理学的および神経認知的評定の結果を取得するように構成される、入力デバイスと、ヘッドセットおよび入力デバイスに動作可能に結合される、ベースユニットとを含む。ベースユニットは、定量的特徴を対象に行なわれた脳電気活動データならびに他の生理学的および神経認知的評定から抽出し、さらに、多様式分類器を適用し、２つ以上のカテゴリのうちの１つへの対象の神経学的状態の分類を行なうステップを行なうように構成される、プロセッサを備える。

前述の一般的説明および以下の発明を実施するための形態は両方とも、例示および説明にすぎず、請求される本発明の制限ではないことを理解されたい。用語「ＥＥＧ信号」および「脳電気信号」は、神経学的電極を使用して、脳から取得される信号を意味するために、本願において同じ意味で使用される。

本明細書内に組み込まれ、その一部を構成し、説明とともに、本発明の実施形態を図示する、付随の図面は、本発明の種々の側面の原理を説明する役割を果たす。
本発明は、例えば、以下を提供する。
（項目１）
対象の神経学的状態の多様式評定のための分類器を構築する方法であって、前記方法は、
脳異常があるとき、または脳異常がないときに複数の個体において行なわれた２つ以上の異なる評定の結果を記憶するメモリデバイスに動作可能に接続されている信号処理デバイスを提供するステップを含み、前記信号処理デバイスは、プロセッサを備え、前記プロセッサは、
前記２つ以上の異なる評定の結果から定量的特徴を抽出するステップと、
前記抽出された特徴を選択可能特徴群内に記憶するステップと、
前記選択可能特徴群から特徴の下位集合を選択することにより、前記分類器を構築するステップと、
前記分類器を使用して、先験的分類情報を有するデータ記録を分類することによって、前記分類器の分類精度を決定するステップと
を行なうように構成されている、方法。
（項目２）
１つ以上のデータ縮小基準を前記選択可能特徴群に適用することにより、縮小された特徴群を作成するステップをさらに含み、前記分類器を構築するための前記特徴の下位集合は、前記縮小された特徴群から選択される、項目１に記載の方法。
（項目３）
前記２つ以上の異なる評定は、神経生理学的評定および神経認知的評定を含む、項目１に記載の方法。
（項目４）
前記神経生理学的評定は、脳電気信号の記録を含む、項目３に記載の方法。
（項目５）
前記２つ以上の異なる評定は、１つ以上のタイプの反応時間測定を含む、項目３に記載の方法。
（項目６）
前記神経認知的評定は、質問の前に提供された回答に基づいて、質問を変更するように設計された動的質問表を使用して行なわれる、項目３に記載の方法。
（項目７）
前記２つ以上の異なる評定は、種々の生理学的パラメータの測定を含む、項目１に記載の方法。
（項目８）
前記２つ以上の評定は、心電図信号の記録を含む、項目７に記載の方法。
（項目９）
前記特徴の下位集合は、進化的アルゴリズムを使用して選択される、項目１に記載の方法。
（項目１０）
適用される前記進化的アルゴリズムは、遺伝的アルゴリズムである、項目９に記載の方法。
（項目１１）
前記選択された特徴の下位集合は、ランダム突然変異山登りアルゴリズムおよび修正ランダム突然変異山登りアルゴリズムのうちの少なくとも１つを使用して最適化される、項目１０に記載の方法。
（項目１２）
前記特徴の下位集合は、単純特徴ピッカーアルゴリズムを使用して選択される、項目１に記載の方法。
（項目１３）
前記選択された特徴の下位集合は、ランダム突然変異山登りアルゴリズムおよび修正ランダム突然変異山登りアルゴリズムのうちの少なくとも１つを使用して最適化される、項目１２に記載の方法。
（項目１４）
前記分類器は、線形判別関数である、項目１に記載の方法。
（項目１５）
前記分類器は、二次判別関数である、項目１に記載の方法。
（項目１６）
目的関数が、前記分類器の性能を評価するために使用される、項目１に記載の方法。
（項目１７）
前記使用される目的関数は、前記分類器の受信者動作曲線下面積である、項目１６に記載の方法。
（項目１８）
神経学的状態の２つ以上のカテゴリのうちの１つへ個々のデータを分類するための分類器を構築する方法であって、前記方法は、
分類器を構築するように構成されたプロセッサを提供するステップと、
前記プロセッサに動作可能に結合されたメモリデバイスを提供するステップであって、前記メモリデバイスは、脳異常があるとき、または脳異常がないときに複数の個体に行なわれた生理学的評定および神経認知的評定の結果から抽出された定量的特徴群を含む母集団参照データベースを記憶する、ステップと、
前記母集団参照データベース内の前記定量的特徴群から複数の脳電気信号特徴を選択するステップと、
前記母集団参照データベース内の前記複数の個体に行なわれた１つ以上の付加的評定から導出された別の複数の定量的特徴を選択するステップと、
前記選択された定量的特徴を使用して、分類器を構築するステップと、
前記メモリデバイス内に記憶された事前に標識付けられたデータ記録を使用して、前記分類器の性能を評価するステップであって、前記事前に標識付けられたデータ記録は、前記２つ以上のカテゴリのうちの１つに先験的に割り当てられている、ステップと
を含む、方法。
（項目１９）
前記１つ以上の付加的評定は、反応時間の評定を含む、項目１８に記載の方法。
（項目２０）
前記１つ以上の付加的評定は、心電図信号の記録を含む、項目１８に記載の方法。
（項目２１）
１つ以上のデータ縮小基準を前記選択された特徴に適用することにより、縮小された特徴の下位集合を作成するステップをさらに含み、前記分類器は、前記縮小された特徴の下位集合から構築される、項目１８に記載の方法。
（項目２２）
前記定量的特徴は、進化的アルゴリズムを使用して選択される、項目１８に記載の方法。
（項目２３）
適用される前記進化的アルゴリズムは、遺伝的アルゴリズムである、項目２２に記載の方法。
（項目２４）
前記特徴の選択は、ランダム突然変異山登りアルゴリズムおよび修正ランダム突然変異山登りアルゴリズムのうちの少なくとも１つを使用して最適化される、項目２３に記載の方法。
（項目２５）
前記定量的特徴は、単純特徴ピッカーアルゴリズムを使用して選択される、項目１８に記載の方法。
（項目２６）
前記特徴の選択は、ランダム突然変異山登りアルゴリズムおよび修正ランダム突然変異山登りアルゴリズムのうちの少なくとも１つを使用して最適化される、項目２５に記載の方法。
（項目２７）
前記分類器は、判別関数である、項目１８に記載の方法。
（項目２８）
前記分類器は、二次判別関数である、項目２７に記載の方法。
（項目２９）
前記分類器は、線形判別関数である、項目２７に記載の方法。
（項目３０）
目的関数が、前記分類器の性能を評価するために使用される、項目１８に記載の方法。
（項目３１）
使用される目的関数は、二項分類器の受信者動作曲線下面積である、項目１８に記載の方法。
（項目３２）
前記分類器は、二項分類器である、項目１８に記載の方法。
（項目３３）
前記分類器は、マルチクラス分類器である、項目１８に記載の方法。
（項目３４）
一連の二項分類器が、個々のデータを３つ以上のカテゴリのうちの１つに分類するために使用される、項目１８に記載の方法。
（項目３５）
対象の神経学的状態の多様式評定を行なうためのデバイスであって、前記デバイスは、
前記対象の脳電気活動を記録するように構成された１つ以上の神経学的電極を備えるヘッドセットと、
前記対象に行なわれた１つ以上の生理学的評定および神経認知的評定の結果を取得するように構成された入力デバイスと、
前記ヘッドセットおよび前記入力デバイスに動作可能に結合されたベースユニットであって、前記ベースユニットは、プロセッサを備え、前記プロセッサは、
前記脳電気活動データから定量的特徴を抽出するステップと、
前記対象に行なわれた前記１つ以上の生理学的評定および神経認知的評定の結果から定量的特徴を抽出するステップと、
多様式分類器を適用することにより、２つ以上のカテゴリのうちの１つへ前記対象の神経学的状態を分類することを行なうステップと
を行なうように構成されている、ベースユニットと
を備える、デバイス。
（項目３６）
前記プロセッサは、前記脳電気活動データからのアーチファクトの自動識別および除去を行なうように構成されている、項目３５に記載の方法。
（項目３７）
前記１つ以上の生理学的評定および神経認知的評定の結果は、ユーザによって前記入力デバイスに手動で入力される、項目３５に記載の方法。
（項目３８）
前記１つ以上の生理学的評定および神経認知的評定の結果は、前記入力デバイスによって、無線で、または有線接続を通して、取得される、項目３５に記載の方法。
（項目３９）
前記デバイスを使用し、かつ、動作させるための双方向命令を記憶するためのメモリデバイスをさらに備える、項目３５に記載のデバイス。
（項目４０）
前記メモリデバイスは、前記多様式評定を行なうための段階的命令を提供する動的質問表を記憶する、項目３９に記載のデバイス。
（項目４１）
ユーザ入力を入力するためのタッチスクリーンインターフェースをさらに備える、項目３５に記載のデバイス。
（項目４２）
前記ベースユニットは、携帯デバイスである、項目３５に記載のデバイス。
（項目４３）
前記１つ以上の生理学的評定および神経認知的評定は、反応時間測定を含む、項目３５に記載のデバイス。
（項目４４）
前記１つ以上の生理学的評定および神経認知的評定は、心電図信号の記録を含む、項目３５に記載のデバイス。
（項目４５）
前記多様式分類器は、１つ以上の判別関数を含む、項目３５に記載のデバイス。
（項目４６）
前記多様式分類器は、二項分類器である、項目３５に記載のデバイス。
（項目４７）
前記多様式分類器は、マルチクラス分類器である、項目３５に記載のデバイス。
（項目４８）
前記対象に視覚的刺激を提供することにより、視覚誘発電位を引き起こすためのモニタをさらに備える、項目３５に記載のデバイス。
（項目４９）
前記対象に視覚的刺激を提供することにより、視覚誘発電位を引き起こすための一対のゴーグルをさらに備える、項目３５に記載のデバイス。

図１は、複数の評定の結果を組み合わせる先行技術のアプローチを図示する。 図２は、本開示の例示的実施形態による、多様式分類器構築プロセスの流れ図である。 図３は、本開示の例示的実施形態による、多様式神経評定装置を図示する。

（例証的実施形態の説明）
ここで、本開示と一貫したある実施形態の詳細を参照し、その実施例は、付随の図面に図示される。可能である場合、同一の参照番号は、図面全体を通して、同一または類似部品を指すために使用される。

（多様式分類器構築方法）
本開示は、多様式評定データを１つ以上の所定の神経学的クラスまたはカテゴリにマップするための分類器を構築するための方法を説明する。例示的実施形態では、複数の評定技術として、種々の神経生理学的評定ツール、例えば、ＥＥＧ記録、頭部内の血液を探す赤外線試験、脳傷害を示すバイオマーカーの臨床試験、反応時間試験、眼球運動追跡等が挙げられる。別の例示的実施形態では、複数の評定技術として、加えて、神経認知的評定（脳震盪標準評価法（ＳＡＣ）、自動神経心理学的評価測定（ＡＮＡＭ）、ＩｍＰＡＣＴ等）が挙げられる。さらに別の例示的実施形態では、複数の評定技術としてさらに、心電図記録法（ＥＣＧまたはＥＫＧ）、心拍変動試験、電気皮膚反応試験等の他の生理学的試験が挙げられる。複数の評定技術によって提供される結果は、最良分類または評定性能を提供するように統合される。

複数の評定の結果を組み合わせる従来のアプローチでは、２つ以上の技術の出力が、ツリー論理、投票方法、または加重組み合わせ等のアルゴリズムを使用して組み合わせられ、図１に図示されるように組み合わせられた結果を提供する。これは、医師が、複数の試験の結果を使用して、患者の状態を診断することに類似する。各評定からの結果または出力は、対象の神経学的状態の全体的分類または評定を行なうために、各対象に適用される、組み合わせアルゴリズムへの入力として提供される。対照的に、本開示は、アルゴリズム開発プロセスにおいて、複数の技術からの結果／出力を選択可能特徴として含有することを可能にする方法を説明する。アルゴリズム開発プロセスにおける多様式評定データの統合は、ある評定技術の結果がクラスの全てに関連するわけではない、マルチクラス分類用途に明白な利点をもたらす。そのような場合、外部評定の含有は、潜在的に、全体的分類結果を歪め得る。本開示に説明される方法は、分類アルゴリズムの訓練を可能にし、各分類タスクの大部分に寄与する、結果／特徴（全利用可能な評定結果から）を識別することによって、本不利点を克服する。

例示的分類器構築方法論が、図２に図示される。分類器構築アルゴリズムは、図２に図示されるように、プロセッサを備える、信号処理デバイスによって実行される。分類器構築プロセスにおける初期ステップは、未加工脳電気信号の収集である（ステップ２０１）。例示的実施形態では、対象の電気脳活性は、頭皮および前額部ならびに耳たぶ上の標準化位置に位置する、可変数の非侵襲的神経学的電極を使用して記録される。一例示的実施形態では、対象の脳電気活動は、脳電気信号を取得するために患者の頭部に取着される少なくとも１つの神経学的電極を備える、電極アレイを使用して記録される。電極は、自発脳活性ならびに印加される刺激（例えば、聴覚、視覚、触覚刺激等）に応答して発生される誘発電位の両方を感知するために構成される。例示的実施形態では、分類器構築アルゴリズムを起動する信号プロセッサは、アーチファクト検出アルゴリズムを実装し、眼球運動、筋肉緊張によって生成される筋電図活動（ＥＭＧ）、スパイク（インパルス）、外部雑音等の非脳発生アーチファクト、ならびに定常背景状態の推定の一部ではない脳の異常な電気活性によって損なわれるデータを識別するように構成される。例示的アーチファクト検出方法は、米国特許出願第１３／２８４，１８４号に説明され、参照することによって、全体として本明細書に組み込まれる。

アーチファクトを含まないデータエポックが、次いで、定量的信号特徴を抽出するように処理される（ステップ３）。例示的実施形態では、プロセッサは、本発明の譲受人に譲渡された米国特許第７，７２０，５３０号および第７，９０４，１４４号（参照することによって、全体として本明細書に組み込まれる）に開示される方法に従って、高速フーリエ変換（ＦＦＴ）およびパワースペクトル分析に基づいて、線形特徴抽出アルゴリズムを行なうように構成される。別の実施形態では、プロセッサは、離散ウェーブレット変換（ＤＷＴ）または複素ウェーブレット変換（ＣＷＴ）等のウェーブレット変換に基づいて、特徴抽出を行なうように構成される。さらに別の実施形態では、プロセッサは、本発明の譲受人に譲渡された米国特許出願第１２／３６１，１７４号（参照することによって、全体として本明細書に組み込まれる）に開示される方法に従って、ウェーブレットパケット変換等の非線形信号変換方法を使用して、特徴抽出を行なうように構成される。本方法によって抽出された特徴は、局所判別基底（ＬＤＢ）特徴と称される。別の実施形態では、拡散幾何学分析が、本発明の譲受人に譲渡された米国特許出願第１２／１０５，４３９号（参照することによって、全体として本明細書に組み込まれる）に開示される方法に従って、非線形特徴を抽出するために使用される。さらに他の実施形態では、エントロピー、フラクタル次元、および相互情報ベースの特徴もまた、計算される。

例示的実施形態では、エポックあたりの算出された測定値は、チャネルあたりのＥＥＧ信号の単一測定値に組み合わせられ、ガウス性に関して変換される。ガウス分布が実証され、年齢退行が適用されると、統計的Ｚ変換が行なわれ、Ｚ−スコアを生成する。Ｚ−変換が使用され、年齢予測正常値からの逸脱が記述される。

Ｚ−スコアは、正常である、または他の事前に診断された状態を有すると考えられる、対象の大規模母集団からの応答信号のデータベースを使用して各特徴ならびに各電極、対の電極、または一対の電極の対電極に関して計算される。特に、各抽出された特徴は、対象内で観察された抽出された特徴が正常値に適合するであろう確率を特徴付ける、Ｚ−変換スコアに変えられる。年齢退行およびＺ−変換された信号特徴は、母集団参照データベース内に記憶される。データベースは、分類器構築アルゴリズムを実行する信号プロセッサに動作可能に結合される、メモリデバイス内に記憶される。

再び、図２を参照すると、アルゴリズム開発プロセスにおける次のステップは、他の評定モダリティからの結果の収集（ステップ５）および他の評定結果からの定量的特徴の抽出（ステップ７）である。例えば、一実施形態では、多様式評定は、反応時間試験を含む。１つ以上の定量的特徴は、反応時間試験の結果から計算される。反応時間試験は、対象が適用される刺激（視覚的、聴覚的等）に応答するまでにかかる時間を確認し、それを基準値と比較する。定量的特徴は、複数の試験の結果から計算される（例えば、複数の試験結果の平均および標準偏差）。例示的実施形態では、着目特徴は、アルゴリズム開発プロセスにおいて使用するために、ｚ−スコア化され、母集団参照データベース内に記憶される。同様に、定量的特徴は、他の評定技術（例えば、ＥＫＧ、電気皮膚反応試験等）の出力からも計算される。特徴は、ｚ−スコアに変換され、母集団参照データベース内に記憶される。

例示的実施形態では、神経認知的評定は、生理学的評価と並行して行なわれる。いくつかの実施形態では、神経認知的評定は、脳震盪標準評価法（ＳＡＣ）、自動神経心理学的評価測定（（ＡＮＡＭ）、ＩｍＰＡＣＴ等の傷害後の神経認知的障害の存在または重症度を試験するための標準化された質問表を使用して行なわれる。他の実施形態では、神経認知的評定は、熟練の神経心理学的評定実践から作成される、動的質問表を使用して行なわれる。質問表は、対象によってもたらされる応答に動的に適合するように設計される、すなわち、各対象は、全く同一の質問セットを尋ねられなくてもよい。神経認知的評定からのデータは、定量的特徴、例えば、反応時間測定値、症状の重症度ランク、症状または臨床兆候の正規化された組み合わせ等を抽出するように処理され、これは、参照データベース内の選択可能特徴群に入力される。動的質問表の場合、データベースに入力される特徴は、任意の具体的評定測定値に基づくのではなく、質問表からの全体的定量的出力に基づく。

特徴が、種々の評定技術から抽出され、参照データベース内に記憶されると、アルゴリズム開発プロセスにおける次のステップは、最良分類性能を提供する特徴の選択である（ステップ８）。分類関数（線形判別関数、二次判別関数等）を定義する加重および定数が、母集団参照データベース内の定量的特徴集合から導出される。したがって、任意の分類タスク（例えば、「正常」対「異常」脳機能）を標的化する分類関数の設計または構築は、母集団参照データベース内の大規模な利用可能特徴群からの一式の特徴の選択を要求する。「最良」特徴の選択は、例えば、最高感度／特異度および最低分類エラー率によって特徴付けられる、「最良」分類性能をもたらす。特徴選択プロセスをより効率的にし、より高い分類性能を保証するために、複数の評定モダリティから利用可能な特徴群は、算出上管理可能であって、かつ神経生理学的に関連する特徴群に変換または縮小されなければならず、そこから、特定の分類タスクのための特徴の下位集合が、分類器構築の際に選択され得る。

故に、いくつかの例示的実施形態では、母集団参照データベース内の利用可能な特徴群は、直接、具体的分類タスクに寄与する、より小さい特徴の集合に縮小される。例示的実施形態では、縮小された特徴群は、分類器の具体的下流における用途、神経生理学原理、および発見的ルールに依拠する、「情報に基づくデータ縮小」技法を使用して作成される。例示的実施形態では、「情報に基づくデータ縮小」方法は、いくつかの異なる基準を含み、クラス間の分離を最も効果的に提供する、特徴の含有を促進する。「情報に基づくデータ縮小」方法は、米国特許出願第１３／２８４，１８４号に説明され、参照することによって本明細書に組み込まれる。

データ縮小基準が全て適用されると、残っている縮小された特徴群は、分類器を設計するために利用される（ステップ９）。一例示的実施形態では、分類器は、２つのクラスのうちの１つに属するように個々のデータ記録を分類するために使用される、二項分類器である。別の例示的実施形態では、分類器は、データ記録を２つを上回るクラスに分類するために使用される、マルチクラス分類器である。さらに別の例示的実施形態では、線形または非線形判別関数のいずれかを使用する、一連の二項分類器が使用され、個体を複数のカテゴリに分類する。いくつかの実施形態では、ｘ−１判別関数が、個々の対象をｘ分類カテゴリに分離するために使用される。例示的実施形態では、３つの二項分類器が、米国特許出願第１２／８５７，５０４号（参照することによって本明細書に組み込まれる）に説明されるように、外傷性脳傷害（ＴＢＩ）から生じる脳機能不全の範囲に関連する４つのカテゴリのうちの１つに患者を分類するために設計および実装される。

ここで、分類器の構築について、二項分類器を参照して説明する。例示的実施形態では、二項分類器は、性能に基づいて、各判別関数に対して具体的特徴集合を選択することによって設計される。二項分類タスクのための「最良」特徴の検索は、コンピュータプログラムとして実装される、完全自動化システム（以下「分類器構築器」）を使用して行なわれ、その出力は、判別関数分類器である。例示的実施形態では、特定の分類タスクのための「最良」特徴の識別は、異なる特徴の組み合わせを使用して、複数の分類器を算出し、直接分類性能に関連する「目的関数」を使用して、各可能性として考えられる分類器を評価することによって行なわれる。例示的実施形態では、特徴選択アルゴリズムによって使用される目的関数（性能指数）は、通常、「曲線下面積」（ＡＵＣ）と称される、判別関数の受信者動作特性（ＲＯＣ）曲線下面積である。所与の判別ベースの二項分類器に関して、ＲＯＣ曲線は、分類閾値Ｔの異なる値において、分類器から予測され得る、感度および特異度を示す。臨界値（または、閾値）Ｔが、選択されると、試験の出力は、２値となり、その特定の閾値に関する感度および特異度が、計算されることができる。ＲＯＣは、０から１００の間の固定増分で閾値Ｔの値を変更することによって得られる点集合：｛（１−特異度（Ｔ）、感度（Ｔ））｝を通る曲線である。ＲＯＣ曲線が取得された後、ＲＯＣ曲線下面積（ＡＵＣ）が、計算される。ＡＵＣは、０から１の間の単一の数であって、二項分類器の感度および特異度を合わせて反映する。したがって、ＡＵＣは、達成可能分類器性能の定量的全体尺度を提供する。

一例示的実施形態では、分類タスクのための「最良」特徴の検索は、本明細書では、「単純特徴ピッカー」（ＳＦＰ）アルゴリズムと称される、特徴選択アルゴリズムを使用して行なわれる。ＳＦＰアルゴリズムは、データベースまたは縮小された特徴群内の全特徴を評価することによって、第１の特徴を選択し、最良分類器性能を提供する特徴を選択する。後続特徴は、分類器性能に最良増分改良をもたらすように選択される。別の例示的実施形態では、ＳＦＰアルゴリズムは、反復毎に、複数の特徴を分類器に追加し、反復ステップ毎に、結果として生じる分類器のＡＵＣを計算し、ＡＵＣにその最良改良をもたらす特徴を選択する。

別の例示的実施形態では、特徴選択は、共同所有の米国特許出願第１２／５４１，２７２号（参照することによって、全体として本明細書に組み込まれる）に説明されるように、１つ以上の進化的アルゴリズム、例えば、遺伝的アルゴリズム（ＧＡ）を使用して行なわれる。さらに別の例示的実施形態では、候補特徴の検索が、本明細書に組み込まれる米国特許出願第１２／５４１，２７２号にさらに説明されるように、独立方式において使用されることができる、またはＧＡアルゴリズムまたはＳＦＰアルゴリズム（例えば、最終特徴下位集合を改善するために、ある特徴を別の特徴と置換する最終「局所検索」として）と組み合わせることができる、最適化方法、例えば、ランダム突然変異山登り（ＲＭＨＣ）方法または修正ランダム突然変異山登り（ｍＲＭＨＣ）を使用して行なわれる。

分類器が構築された後、分類精度が、分類カテゴリのうちの１つに先験的に割り当てられた事前に標識付けられたデータ記録を備える試験データセットを使用して評価される。いくつかの実施形態では、試験データセットは、訓練セットと別個である。いくつかの他の例示的実施形態では、全ての利用可能なデータは、分類器の訓練および試験両方のために使用される。そのような実施形態では、分類器の性能は、米国特許出願第１２／８５７，５０４号および第１３／２８４，１８４号（参照することによって本明細書に組み込まれる）に説明されるように、１０−分割および／または一個抜き（ＬＯＯ）交差検証方法を使用して評価される。分類器は、構築され、精度に関して試験された後、特定のクラスに属するように標識されていないデータ記録（すなわち、未知の対象）を分類するために使用されてもよい。

（現場用途のためのポータブルデバイス）
本開示の別の側面は、対象において多様式神経学的トリアージを行なうための装置である。図３は、本開示の例示的実施形態による、多様式神経評定装置１０を図示する。例示的実施形態では、神経評定装置１０は、診療現場用途のためのポータブルデバイスとして実装される。装置は、携帯式であり得るベースユニット４２に結合されてもよい、ヘッドセット４０から成る。ヘッドセット４０は、患者の頭部に取着され、脳電気信号を取得する、複数の電極３５を含んでもよい。電極は、自発的脳活性ならびに聴覚、触覚、または電気刺激等の適用される刺激に応答して発生される誘発電位の両方を感知するために構成される。例示的実施形態では、記録は、５つの（能動）チャネルおよび３つの参照チャネルを使用して行なわれる。電極アレイは、国際１０／２０電極配置システムに従って（ＡＦｚを除く）、対象の前額部に取着される、前方（正面）電極：Ｆｐ１、Ｆｐ２、Ｆ７、Ｆ８、ＡＦｚ（Ｆｚ’とも称される）およびＦｐｚ（参照電極）と、耳たぶの表側または裏側あるいは乳様突起に配置される、電極Ａ１およびＡ２とから成る。他の電極構成も、当業者によって理解されるように、要求に応じて、利用されてもよい。限定数の電極の使用は、対象上における電極の迅速かつ再現可能配置を可能にし、ひいては、効率的かつより正確な患者監視を促進する。さらに、一実施形態では、電極は、「万能サイズ」センサとしての役割を果たすことができる、低コストの使い捨てプラットフォーム上に位置付けられてもよい。例えば、電極３５は、本発明の譲受人に譲渡された米国特許出願第１２／０５９，０１４号（参照することによって、全体として本明細書に組み込まれる）にさらに説明されるように、患者上に容易および／または迅速に配置するように構成される、ヘッドギア上に位置付けられてもよい。他の電極構成も、当業者によって理解されるように、要求に応じて、利用されてもよい。

例示的実施形態では、神経評定装置１０は、聴覚誘発電位（ＡＥＰ）信号の利点を使用して、具体的聴覚、神経学的、および精神学的機能不全をマップする。そのような実施形態では、ヘッドセット４０は、いずれかの耳に聴覚刺激クリック音を提供するための再使用可能イヤホン３１を含む。いくつかの実施形態では、使用される聴覚誘発電位信号は、聴覚脳幹反応（ＡＢＲ）である。そのような実施形態では、聴覚刺激は、１００ｄＢの最大振幅等価音圧力レベルおよび２７Ｈｚ（２７クリック／秒）の周波数（率）で送達され、適用される聴覚刺激に応答して、脳幹から電気信号を誘発してもよい。他の聴覚刺激はまた、Ｐ３００を含む、中間潜時反応（２０−８０ミリ秒）または晩期聴覚応答（＞８０ミリ秒）を誘発するために使用されてもよい。別の実施形態では、ヘッドセット４０は、白色雑音を他方の耳に送達するための付加的イヤホンを含んでもよい。

別の例示的実施形態では、神経評定デバイス１０は、視覚誘発電位（ＶＥＰ）を利用し、脳傷害または機能不全の範囲を評価する。例えば、いくつかの実施形態では、ＶＥＰは、外傷性脳傷害（ＴＢＩ）を伴う患者における外傷後視覚症候群（ＰＴＶＳ）を評価するために使用される。一例示的実施形態では、単眼視および両眼視用ＶＥＰが、ディスプレイ４４を通して、ベースユニット４２によって提供される種々の刺激状態下で記録される。別の例示的実施形態では、ヘッドセット４０は、視覚的刺激を患者に提供するための一対のゴーグルを含む。そのような実施形態の１つでは、ゴーグルは、ＶＥＰを引き起こすフラッシュ刺激を提供するために、発光ダイオード（ＬＥＤ）が搭載される。別の実施形態では、ゴーグルは、パターン刺激を患者に提供するためのビデオモニタが搭載される。

脳電気信号の取得に加え、神経評定装置１０は、他の評定技術からの出力を収集するように設計される。一実施形態では、他の評定モダリティからの結果は、ユーザによって手動で入力される。別の実施形態では、結果は、無線または他の通信方法を介して電子的に取得される。さらに別の実施形態では、装置１０は、試験を実施し、結果を取得するための付属デバイスを備える。例えば、いくつかの実施形態では、反応時間試験は、ユーザインターフェース４６から独立したグラフィカルユーザインターフェース等の入力デバイスを使用して行なわれる。独立入力デバイスは、待ち時間誤差を最小限にし、それによって、反応時間測定を改善するために使用される。

図３に戻って参照すると、ベースユニット４２内のディスプレイ４４は、ＬＣＤ画面を備え、さらに、タッチスクリーンユーザインターフェースまたは従来のキーボードタイプインターフェースであり得る、ユーザインターフェース４６を有することができる。通信リンク４１は、例えば、ユーザインターフェース４６を通して入力されるユーザからのコマンドが、ヘッドセット４０の信号取得プロセスを開始することができるように、ヘッドセット４０および携帯デバイス４２のためのマルチチャネル入力／出力インターフェースとして作用し、プロセッサ５０との信号の双方向性通信を促進することができる。通信リンク４１は、恒久的に取着された、または着脱可能のケーブルあるいはワイヤを含んでもよく、もしくは信号を無線で伝送し、かつヘッドセットまたは捕捉された信号を記憶するための外部デバイスから信号を受信可能な無線送受信機を含んでもよい。例示的実施形態では、通信リンク４１は、ベースユニット４２に差し込み、ヘッドセット４０とベースユニット４２との間に直接通信を提供するように設計される、２つの再使用可能患者インターフェースケーブルを含む。第１のケーブルは、患者の頭皮に配置された使い捨て電極に取着するための標準的スナップ式コネクタを具備する、電気信号ケーブル４１ａである。第２のケーブルは、聴覚刺激送達のためのイヤホン３１に接続を提供する、ＡＥＰ刺激ケーブル４１ｂである。いくつかの実施形態では、ヘッドセット４０は、電極に接続されたアナログ増幅チャネルと、ベースユニット４２による受信に先立って、取得された脳電気信号をデジタル化するためのアナログ／デジタルコンバータ（ＡＤＣ）とを含む。

例示的実施形態では、脳電気活動データならびに他の生理学的および神経認知的評定技術の結果は、携帯ベースユニット４２内の信号プロセッサ５０によって処理される。プロセッサ５０は、メモリデバイス５２内に記憶された命令を使用して、対象の神経学的状態のリアルタイム評価を行なうように構成される。例示的実施形態では、プロセッサ５０は、１つ以上の多様式分類器を適用し、複数の評定技術からの結果／出力を組み合わせ、対象の状態の多次元評価を提供するように構成される。そのような実施形態の１つでは、プロセッサ５０は、定量的特徴を生理学的および神経認知的評定の結果から抽出し、１つ以上の判別関数を適用し、２つ以上の神経学的カテゴリのうちの１つに属するように未知の対象を分類するように構成される。

例証的実施形態では、メモリデバイス５２は、画面４４上に表示されるデバイスを使用および動作させるための双方向命令を含有する。命令は、デバイスを動作させるためのオーディオ／ビデオ命令を提供するマルチメディア記録、または代替として、デバイスを動作させ、使用するための段階的命令を例証する、画面上に表示される単純テキストを含む、双方向多機能提示を備えてもよい。デバイスとの双方向命令の含有は、広範なユーザ訓練の必要性を排除し、医療専門家以外の人物による配備および使用を可能にする。いくつかの実施形態では、メモリ５２はまた、母集団参照データベースを含有してもよい。他の実施形態では、参照データベースは、無線または有線接続を介して、遠隔記憶デバイスからアクセスされてもよい。さらに、いくつかの例示的実施形態では、メモリ５２は、対象の段階的評定を通して、最小限の訓練を伴う医療専門家を導くように設計される、動的ソフトウェアを含む。ソフトウェアは、質問に先立って、対象によって提供される応答に基づいて、ユーザに評定質問を提示するように設計される。質問は、種々の利用可能な評定ツールを通して、ユーザを誘導するように設計される。

プロセッサ５０から取得される分類結果は、ディスプレイ画面４４上に表示される、あるいは外部メモリまたはデータ記憶デバイス４７内に保存される、もしくはベースユニット４２に接続されたＰＣ４８上に表示される。一実施形態では、ベースユニット４２は、無線送受信機を含有し、結果を無線で遠隔ネットワークまたはＰＣ４８あるいは外部メモリ４７に伝送し、結果を記憶する。いくつかの実施形態では、神経評定装置１０はまた、データを別のモバイルまたは固定デバイスに伝送し、より複雑なデータ処理または分析を促進することができる。例えば、ＰＣ４８と連動して動作する、神経評定デバイスは、コンピュータによってさらに処理されるデータを送信することができる。別の実施形態では、結果は、無線でまたはケーブルを介して、結果を印刷する、プリンタ４９に伝送されることができる。ベースユニット４２はまた、ＡＣコンセント３７に接続されたバッテリ充電器３９によって、使用中または使用と使用との間に充電され得る、内部再充電可能バッテリ４３を含有することができる。バッテリはまた、先行技術において公知の方法によって、電磁結合を通して、無線で充電されることができる。いくつかの実施形態では、ベースユニット４２はさらに、ＡＥＰ測定または反応時間測定のために、刺激を対象に印加するための刺激発生器５４を含む。いくつかの実施形態では、刺激発生器は、ヘッドセット４０内に含まれる。

別の例示的実施形態では、ユーザインターフェース４６は、氏名、年齢、および／または患者に関する他の統計等、使用環境情報を受信ならびに表示する。いくつかの実施形態では、ユーザインターフェース４６は、ユーザ入力を入力するためのタッチスクリーンインターフェースを備える。仮想キーパッドが、患者記録の入力のためのタッチスクリーンインターフェース上に提供され得る。

神経評定装置１０は、救急治療室、外来環境、および他の現場用途における患者近傍での試験のために設計される。神経評定デバイスは、ＣＴスキャン、ＭＲＩ、または他の撮像解析と併用され、患者の神経学的状態に関する相補的あるいは確証的情報を提供することが意図される。診療現場神経評定の主要な目的は、適切な治療が迅速に提供され、全体的臨床結果の改善につながり得るように、患者の神経学的状態の重症度を示す迅速な結果を提供することである。例えば、神経評定デバイス１０は、緊急の神経学的状態を伴う患者を識別する補助となる、ＥＲまたは外来環境における初期患者処理の際、ＥＭＴ、ＥＲ看護士、あるいは任意の他の医療従事者によって使用され得る。また、即時措置の過程を裏付ける、撮像のための患者に優先順位を付ける、あるいは神経科医または神経外科医への即時照会が必要とされるかどうかを決定する際、ＥＲ医師を支援する。また、ひいては、これによって、ＥＲ人員は、全ての患者に安全かつ迅速な治療を提供するために、リソース（例えば、医師の時間、撮像試験の使用、神経科の問診等）の利用を最適化することが可能となる。

加えて、脳状態評定デバイス１０は、現場可搬型として設計される、すなわち、完全体制の医院から遠く離れた場所、例えば、軍事医療システムから離れた遠隔戦場状況下、スポーツイベントの際、負傷した選手が緊急治療のために搬送されるべきかどうかを識別するために、集団外傷の場面において、危急の配慮および病院への即時搬送が必要とされる患者を識別するために、または熟練の医療技術者へのアクセスが限られている任意の他の遠隔場所において、使用可能である。

本発明の他の実施形態は、明細書の検討および開示される本発明の実践から、当業者に明白となるであろう。検討される明細書および実施例は、例示にすぎないことが意図され、本発明の真の範囲および精神は、以下の請求項によって示される。

Claims (25)

1. 対象の神経学的状態の多様式評定のためのデバイスであって、前記デバイスは、
   前記対象のアナログ脳電気信号を取得するように構成された１つ以上の神経学的電極を備えるヘッドセットであって、前記ヘッドセットは、さらに、前記脳電気信号をデジタル化して脳電気活動データを生成するように構成されている、ヘッドセットと、
   前記ヘッドセットに動作可能に結合されたベースユニットであって、前記ベースユニットは、前記対象に行なわれた１つ以上の生理学的評定および／または神経認知的評定の結果を取得するように構成されており、前記ベースユニットは、さらに、プロセッサを備え、前記プロセッサは、
   前記脳電気活動データから定量的特徴を抽出するステップと、
   前記対象に行なわれた前記１つ以上の生理学的評定および／または神経認知的評定の前記結果から定量的特徴を抽出するステップと、
   前記対象の神経学的状態の多次元評価を提供するために多様式分類器を適用するステップと
   を行うように構成されている、ベースユニットと
   を備え、前記多様式分類器は、前記脳電気活動データからの前記抽出された定量的特徴と、前記１つ以上の生理学的評定および／または神経認知的評定の前記結果からの抽出された定量的特徴とを組み合わせるように構成されており、さらに、前記多様式分類器は、訓練データセットから選択可能な特徴を使用して事前に構築されかつ事前に訓練されており、前記訓練データセットは、複数の個体から得られた脳電気活動データならびに１つ以上の生理学的評定および／または神経認知的評定データを備え、前記複数の個体は、脳異常を有すると知られている個体と、脳異常を有しないと知られている個体とを含み、
   前記１つ以上の生理学的および／または神経認知的評定は、心電図信号の記録を含む、デバイス。
2. 前記プロセッサは、前記脳電気活動データからのアーチファクトの自動識別および除去を行なうように構成されている、請求項１に記載のデバイス。
3. 前記ベースユニットは、入力デバイスに動作可能に結合されており、前記入力デバイスは、前記１つ以上の生理学的評定および／または神経認知的評定の前記結果を取得するように構成されている、請求項１に記載のデバイス。
4. 前記ベースユニットは、前記１つ以上の生理学的評定および／または神経認知的評定の前記結果を無線で受信するように構成されている、請求項１に記載のデバイス。
5. 前記ベースユニットは、携帯デバイスである、請求項１に記載のデバイス。
6. 前記多様式分類器は、１つ以上の判別関数を含む、請求項１に記載のデバイス。
7. 前記多様式分類器は、二項分類器である、請求項１に記載のデバイス。
8. 前記多様式分類器は、マルチクラス分類器である、請求項１に記載のデバイス。
9. 前記ベースユニットは、前記対象の神経学的状態の前記多様式評定の結果を表示するためのディスプレイ画面を備える、請求項１に記載のデバイス。
10. 前記ベースユニットは、前記多様式評定の結果を記憶するために前記結果を遠隔ネットワークに、コンピュータに、または、外部メモリデバイスに無線で伝送するための無線送受信機を備える、請求項１に記載のデバイス。
11. 対象の神経学的状態の多様式評定のための分類器を構築する方法であって、前記方法は、
    複数の個体において行なわれた２つ以上の異なる評定の結果を記憶するメモリデバイスに動作可能に接続されている信号処理デバイスを提供するステップを含み、前記複数の個体は、脳異常を有すると知られている個体と、脳異常を有しないと知られている個体とを含み、前記信号処理デバイスは、プロセッサを備え、前記プロセッサは、
    前記２つ以上の異なる評定の前記結果から定量的特徴を抽出するステップと、
    前記抽出された特徴を選択可能特徴群内に記憶するステップと、
    前記選択可能特徴群から特徴の下位集合を選択することにより、前記分類器を構築するステップと、
    前記分類器を使用して、先験的分類情報を有するデータ記録を分類することによって、前記分類器の分類精度を決定するステップと
    を行なうように構成されており、
    前記２つ以上の異なる評定は、神経生理学的評定および神経認知的評定のうちの少なくとも１つを含む、方法。
12. １つ以上のデータ縮小基準を前記選択可能特徴群に適用することにより、縮小された特徴群を作成するステップをさらに含み、前記分類器を構築するための前記特徴の下位集合は、前記縮小された特徴群から選択される、請求項１１に記載の方法。
13. 前記神経生理学的評定は、脳電気信号の記録を含む、請求項１１に記載の方法。
14. 前記２つ以上の異なる評定は、１つ以上のタイプの反応時間測定を含む、請求項１１に記載の方法。
15. 前記神経認知的評定は、前の質問に提供された回答に基づいて、質問を変更するように設計された動的質問表を使用して行なわれる、請求項１１に記載の方法。
16. 前記２つ以上の異なる評定は、種々の生理学的パラメータの測定を含む、請求項１１に記載の方法。
17. 対象の神経学的状態の多様式評定のための分類器を構築する方法であって、前記方法は、
    複数の個体において行なわれた２つ以上の異なる評定の結果を記憶するメモリデバイスに動作可能に接続されている信号処理デバイスを提供するステップを含み、前記複数の個体は、脳異常を有すると知られている個体と、脳異常を有しないと知られている個体とを含み、前記信号処理デバイスは、プロセッサを備え、前記プロセッサは、
    前記２つ以上の異なる評定の前記結果から定量的特徴を抽出するステップと、
    前記抽出された特徴を選択可能特徴群内に記憶するステップと、
    前記選択可能特徴群から特徴の下位集合を選択することにより、前記分類器を構築するステップと、
    前記分類器を使用して、先験的分類情報を有するデータ記録を分類することによって、前記分類器の分類精度を決定するステップと
    を行なうように構成されており、
    前記２つ以上の異なる評定は、種々の生理学的パラメータの測定を含み、
    前記２つ以上の異なる評定は、心電図信号の記録を含む、方法。
18. 目的関数が、前記分類器の性能を評価するために使用される、請求項１１に記載の方法。
19. 神経学的状態の２つ以上のカテゴリのうちの１つへ個々のデータを分類するための分類器を構築する方法であって、前記方法は、
    分類器を構築するように構成されたプロセッサを提供するステップと、
    前記プロセッサに動作可能に結合されたメモリデバイスを提供するステップであって、前記メモリデバイスは、複数の個体に行なわれた生理学的および神経認知的評定の結果から抽出された定量的特徴群を含む母集団参照データベースを記憶し、前記複数の個体は、脳異常を有すると知られている個体と、脳異常を有しないと知られている個体とを含む、ステップと、
    前記母集団参照データベース内の前記定量的特徴群から複数の脳電気信号特徴を選択するステップと、
    前記母集団参照データベース内の前記複数の個体に行なわれた１つ以上の生理学的または神経認知的評定から導出された別の複数の定量的特徴を選択するステップと、
    前記選択された定量的特徴を使用して、分類器を構築するステップと、
    前記メモリデバイス内に記憶された事前に標識付けられたデータ記録を使用して、前記分類器の性能を評価するステップであって、前記事前に標識付けられたデータ記録は、前記２つ以上のカテゴリのうちの１つに先験的に割り当てられている、ステップと
    を含む、方法。
20. 前記１つ以上の生理学的または神経認知的評定は、反応時間の評定を含む、請求項１９に記載の方法。
21. 前記１つ以上の生理学的または神経認知的評定は、心電図信号の記録を含む、請求項１９に記載の方法。
22. １つ以上のデータ縮小基準を前記選択された特徴に適用することにより、縮小された特徴の下位集合を作成するステップをさらに含み、前記分類器は、前記縮小された特徴の下位集合から構築される、請求項１９に記載の方法。
23. 目的関数が、前記分類器の性能を評価するために使用される、請求項１９に記載の方法。
24. 前記分類器は、二項分類器である、請求項１９に記載の方法。
25. 前記分類器は、マルチクラス分類器である、請求項１９に記載の方法。

Images