JP7077303B2 - 生理学的コンポーネントに接続された認知プラットフォーム - Google Patents

生理学的コンポーネントに接続された認知プラットフォーム Download PDF

Info

Publication number
JP7077303B2
JP7077303B2 JP2019511612A JP2019511612A JP7077303B2 JP 7077303 B2 JP7077303 B2 JP 7077303B2 JP 2019511612 A JP2019511612 A JP 2019511612A JP 2019511612 A JP2019511612 A JP 2019511612A JP 7077303 B2 JP7077303 B2 JP 7077303B2
Authority
JP
Japan
Prior art keywords
individual
response
interference
task
processing unit
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
Application number
JP2019511612A
Other languages
English (en)
Other versions
JP2019534061A5 (ja
JP2019534061A (ja
Inventor
ジェフリー・バウアー
ティティイマエア・アライリマ
ジェイソン・ジョンソン
ウォルター・エドワード・マルトゥッチ
イザベラ・スラビー
マシュー・オマーニック
アダム・パイパー
ポール・ランド・ピアース
アシュリー・マテウス
スコット・ケロッグ
Original Assignee
アキリ・インタラクティヴ・ラブズ・インコーポレイテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by アキリ・インタラクティヴ・ラブズ・インコーポレイテッド filed Critical アキリ・インタラクティヴ・ラブズ・インコーポレイテッド
Publication of JP2019534061A publication Critical patent/JP2019534061A/ja
Publication of JP2019534061A5 publication Critical patent/JP2019534061A5/ja
Priority to JP2022080937A priority Critical patent/JP2022117988A/ja
Application granted granted Critical
Publication of JP7077303B2 publication Critical patent/JP7077303B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0531—Measuring skin impedance
    • A61B5/0533—Measuring galvanic skin response
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/162—Testing reaction times
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/168—Evaluating attention deficit, hyperactivity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Developmental Disabilities (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Child & Adolescent Psychology (AREA)
  • Social Psychology (AREA)
  • Physiology (AREA)
  • Neurology (AREA)
  • Artificial Intelligence (AREA)
  • Educational Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Dermatology (AREA)
  • Neurosurgery (AREA)
  • Cardiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Physical Education & Sports Medicine (AREA)

Description

関連出願の相互参照
本出願は、2016年8月26日に出願した米国仮出願第62/380,116号、名称「COGNITIVE PLATFORM COUPLED WITH A PHYSIOLOGICAL COMPONENT」の優先利益を主張するものであり、かつ2017年7月19日に出願した米国国際出願第PCT/US2017/042938号、名称「PLATFORMS TO IMPLEMENT SIGNAL DETECTION METRICS IN ADAPTIVE RESPONSE-DEADLINE PROCEDURES」の一部継続出願であり、それらの各々が、図面も含めて全体として参照により本明細書に組み込まれている。
老化の通常の進行過程において、個人はある程度の認知機能低下を経験し得る。これによって個人は、時間制限のある注意力を求められる状況など、厳しい状況において、ますます困難に遭遇することになり得る。高齢者であろうと若年者であろうと、ある種の認知状態、疾病、または実行機能障害は、結果として、注意、記憶、運動機能、反応、実行機能、意思決定スキル(decision-making skill)、問題解決スキル(problem-solving skill)、言語処理、または理解を必要とする課題の遂行を損なう可能性がある。
米国特許出願公開第2014/0370479号
Macmillan and Creelman，"Signal Detection: A Users Guide"，2nd edition，Lawrence Erlbaum USA，2014 Ratcliff, R.，"A theory of memory retrieval."，Psychological Review，85，59-108，1978 Ratcliff, R. & Tuerlinckx, F.，"Estimating parameters of the diffusion model: Approaches to dealing with contaminant reaction times and parameter variability"，Psychonomic Bulletin & Review，9，438-481，2002 Pourtois et al.，"Brain mechanisms for emotional influences on perception and attention: What is magic and what is not"，Biological Psychology，92，492-512，2013 Brosch et al.，"Additive effects of emotional, endogenous, and exogenous attention: behavioral and electrophysiological evidence"，Neuropsychologia 49，1779-1787，2011 Mueller et al.，"Modulation of induced gamma band activity in the human EEG by attention and visual information processing"，International Journal of Psychophysiology 38.3: 283-299，2000 Sauseng et al.，"A shift of visual spatial attention is selectively associated with human EEG alpha activity"，European Journal of Neuroscience 22.11: 2917-2926，2005 Naeaetaenen et al.，"Early selective-attention effect on evoked potential reinterpreted"，Acta Psychologica，42，313-329，1978 A. Anguera，Nature，vol. 501，p. 97，September 5, 2013
上記の内容を鑑みて、認知プラットフォームへの個人の取り組みまたは注意の程度を考慮する認知の様相(認知能力を含む)を定量化するための装置、システム、および方法が提供される。いくつかの構成において、いくつかの認知能力を増強するための例示的な装置、システム、および方法が実施され得る。
ユーザパフォーマンスメトリックを実現するために、1つまたは複数の課題におけるユーザのパフォーマンスを示すデータを測定することを目的とするソフトウェアおよび/または他のプロセッサ実行可能命令を実施するように構成されている例示的な装置、システム、および方法の認知プラットフォームである。例示的なパフォーマンスメトリックは、ユーザの認知能力の評価を導出し、ならびに/または認知処理(cognitive treatment)へのユーザの応答を測定し、ならびに/またはユーザの生理学的状態もしくは認知的バイアスを示すデータもしくは他の定量的な指示要素を提供するために使用することができる。個人の生理学的状態の測定は、認知プラットフォームへのユーザの取り組みまたは注意のレベルを示す指標を提供するために使用できる。
一般的な態様において、個人の認知スキル(cognitive skill)の定量子(quantifier)を生成するための装置が提供される。装置は、ユーザインターフェースと、プロセッサ実行可能命令を記憶するためのメモリと、ユーザインターフェースおよびメモリに通信可能に接続されている処理ユニットとを備え、処理ユニットによりプロセッサ実行可能命令が実行されると、処理ユニットは、ユーザインターフェースにおいて一次課題の第1のインスタンスを干渉とともに表現し、これは干渉の存在下で一次課題の第1のインスタンスへの個人からの第1の応答を要求し、干渉は妨害するものまたは注意を逸らすもののうちの一方または両方を含み、ユーザインターフェースにおいて一次課題の第2のインスタンスを干渉を伴わずに表現し、これは一次課題の第2のインスタンスへの個人からの第2の応答を要求する、ように構成される。処理ユニットは、干渉への二次応答を、処理ユニットが第2の応答を受信するのと実質的に同時に受信するか、または(ii)妨害するものである干渉への二次応答を、処理ユニットが第1の応答を受信するのと実質的に同時に受信し、注意を逸らすものである干渉への二次応答を、処理ユニットが第1の応答を受信するのと実質的に同時に受信しないように構成される。処理ユニットは、個人の少なくとも1つの生理学的プロファイルを示すデータを受信するようにさらに構成され、この生理学的プロファイルは少なくとも1つの生理学的コンポーネントの1つまたは複数の測定に基づいており、少なくとも1つの生理学的コンポーネントは個人の生理学的測定値を測定するために接続されている。処理ユニットは、第1の応答、第2の応答、および少なくとも1つの生理学的プロファイルを示すデータを受信し、少なくとも1つの生理学的プロファイルに関して第1の応答を示すデータと第2の応答を示すデータとの差を決定することに少なくとも部分的によって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスにおける差を解析して、個人のパフォーマンスメトリックを決定し、パフォーマンスメトリックは個人の認知能力の指標を含む、ようにさらに構成される。
別の一般的な態様において、個人の認知スキルの定量子を生成するためのコンピュータ実施方法が提供される。この方法は、ユーザインターフェースにおいて一次課題の第1のインスタンスを干渉とともに表現することであって、これは干渉の存在下で一次課題の第1のインスタンスへの個人からの第1の応答を要求し、干渉は妨害するものまたは注意を逸らすもののうちの一方または両方を含む、表現することと、ユーザインターフェースにおいて一次課題の第2のインスタンスを干渉を伴わずに表現することであって、これは一次課題の第2のインスタンスへの個人からの第2の応答を要求する、表現することとを含む。この方法を実施するために、処理ユニットは、干渉への二次応答を、処理ユニットが第2の応答を受信するのと実質的に同時に受信するか、または(ii)妨害するものである干渉への二次応答を、処理ユニットが第1の応答を受信するのと実質的に同時に受信し、注意を逸らすものである干渉への二次応答を、処理ユニットが第1の応答を受信するのと実質的に同時に受信しないように構成される。この方法を実施するために、処理ユニットは、個人の少なくとも1つの生理学的プロファイルを示すデータを受信するようにさらに構成され、この生理学的プロファイルは少なくとも1つの生理学的コンポーネントの1つまたは複数の測定に基づいており、少なくとも1つの生理学的コンポーネントは個人の生理学的測定値を測定するために接続されている。この方法は、第1の応答、第2の応答、および少なくとも1つの生理学的プロファイルを示すデータを受信することと、少なくとも1つの生理学的プロファイルに関して第1の応答を示すデータと第2の応答を示すデータとの差を決定することに少なくとも部分的によって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスにおける差を解析して、個人のパフォーマンスメトリックを決定することであって、パフォーマンスメトリックは個人の認知能力の指標を含む、解析することとを含む。
別の一般的な態様において、個人の認知スキルの定量子を生成するための装置が提供される。この装置は、ユーザインターフェースと、プロセッサ実行可能命令を記憶するためのメモリと、ユーザインターフェースおよびメモリに通信可能に接続されている処理ユニットとを備え、処理ユニットによりプロセッサ実行可能命令が実行されると、処理ユニットは、ユーザインターフェースにおいて一次課題の第1のインスタンスを干渉とともに表現し、これは干渉の存在下で一次課題の第1のインスタンスへの個人からの第1の応答を要求し、干渉は妨害するものまたは注意を逸らすもののうちの一方または両方を含み、ユーザインターフェースにおいて一次課題の第2のインスタンスを干渉を伴わずに表現し、これは一次課題の第2のインスタンスへの個人からの第2の応答を要求する、ように構成される。処理ユニットは、干渉への二次応答を、処理ユニットが第2の応答を受信するのと実質的に同時に受信するか、または(ii)妨害するものである干渉への二次応答を、処理ユニットが第1の応答を受信するのと実質的に同時に受信し、注意を逸らすものである干渉への二次応答を、処理ユニットが第1の応答を受信するのと実質的に同時に受信しないように構成される。処理ユニットは、個人の少なくとも1つの生理学的プロファイルを示すデータを受信するようにさらに構成され、この生理学的プロファイルは少なくとも1つの生理学的コンポーネントの1つまたは複数の測定に基づいており、少なくとも1つの生理学的コンポーネントは個人の生理学的測定値を測定するために接続されている。処理ユニットは、第1の応答、第2の応答、および少なくとも1つの生理学的プロファイルを示すデータを受信し、少なくとも1つの生理学的プロファイルに関して第1の応答を示すデータと第2の応答を示すデータとの差を決定することに少なくとも部分的によって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスにおける差を解析して、個人の第1のパフォーマンスメトリックを決定し、第1のパフォーマンスメトリックは個人の認知能力の第1の指標を含む、ようにさらに構成される。処理ユニットは、装置が第2の難易度レベルで一次課題の第3のインスタンスまたは干渉のうちの一方または両方を表現するように、少なくとも1つの生理学的プロファイルに基づき一次課題または干渉の一方または両方の難易度を調整し、個人の第2のパフォーマンスメトリックを決定し、第2のパフォーマンスメトリックは個人の認知能力の第2の指標を含む、ようにさらに構成される。
別の一般的な態様において、個人の認知スキルの定量子を生成するためのコンピュータ実施方法が提供される。この方法は、ユーザインターフェースにおいて一次課題の第1のインスタンスを干渉とともに表現することであって、これは干渉の存在下で一次課題の第1のインスタンスへの個人からの第1の応答を要求し、干渉は妨害するものまたは注意を逸らすもののうちの一方または両方を含む、表現することと、ユーザインターフェースにおいて一次課題の第2のインスタンスを干渉を伴わずに表現することであって、これは一次課題の第2のインスタンスへの個人からの第2の応答を要求する、表現することとを含む。この方法を実施するために、処理ユニットは、干渉への二次応答を、処理ユニットが第2の応答を受信するのと実質的に同時に受信するか、または(ii)妨害するものである干渉への二次応答を、処理ユニットが第1の応答を受信するのと実質的に同時に受信し、注意を逸らすものである干渉への二次応答を、処理ユニットが第1の応答を受信するのと実質的に同時に受信しないように構成される。この方法を実施するために、処理ユニットは、個人の少なくとも1つの生理学的プロファイルを示すデータを受信するようにさらに構成され、この生理学的プロファイルは少なくとも1つの生理学的コンポーネントの1つまたは複数の測定に基づいており、少なくとも1つの生理学的コンポーネントは個人の生理学的測定値を測定するために接続されている。この方法は、第1の応答、第2の応答、および少なくとも1つの生理学的プロファイルを示すデータを受信することと、少なくとも1つの生理学的プロファイルに関して第1の応答を示すデータと第2の応答を示すデータとの差を決定することに少なくとも部分的によって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスにおける差を解析して、個人の第1のパフォーマンスメトリックを決定することであって、第1のパフォーマンスメトリックは個人の認知能力の第1の指標を含む、解析することとを含む。この方法は、装置が第2の難易度レベルで一次課題の第3のインスタンスまたは干渉のうちの一方または両方を表現するように、少なくとも1つの生理学的プロファイルに基づき一次課題または干渉の一方または両方の難易度を調整することと、個人の第2のパフォーマンスメトリックを決定することであって、第2のパフォーマンスメトリックは個人の認知能力の第2の指標を含む、決定することとを含む。
各装置について、処理ユニットは、第1のパフォーマンスメトリックまたは第2のパフォーマンスメトリックの一方または両方を使用して、(i)医薬品、薬物、もしくは生物剤の量、濃度、もしくは投薬滴定のうちの1つもしくは複数を変更すること、(ii)医薬品、薬物、もしくは生物剤の投与に応答して個人が有害事象の影響を受ける尤度を識別すること、(iii)個人の認知能力の変化を識別すること、(iv)治療計画を推奨すること、または(v)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの有効性の程度を推奨もしくは決定することのうちの少なくとも1つを実行するようにさらに構成され得る。
各方法は、パフォーマンスメトリック(第1および第2のパフォーマンスメトリックを含む)に少なくとも部分的に基づき、(i)医薬品、薬物、もしくは生物剤の量、濃度、もしくは投薬滴定のうちの1つもしくは複数の変化、(ii)個人が医薬品、薬物、もしくは生物剤の投与に応答して有害事象の影響を受ける尤度、(iii)個人の認知能力の変化を識別すること、(iv)治療計画を推奨すること、または(v)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの有効性の程度を推奨もしくは決定することのうちの少なくとも1つを示す出力をユーザインターフェースに生成することをさらに含み得る。
上記の態様および実施形態のうちの1つまたは複数の詳細が、添付図面と以下の説明とで述べられている。他の特徴、態様および利点は、説明、図面および特許請求の範囲から明らかになるであろう。
当業者であれば、本明細書で説明されている図は、例示することのみを目的としていることを理解するであろう。いくつかの場合において、説明されている実施形態の様々な態様は、説明されている実施形態の理解を円滑にするために誇張されて、または拡大されて示され得ることは理解されるべきである。図面内では、類似の参照文字は、一般的に、様々な図面全体を通して、類似の特徴、機能的に類似している要素、および/または構造的に類似している要素を指す。これらの図面は、必ずしも縮尺通りではなく、むしろ、教示の原理を図解することに重点が置かれている。図面は、いかなる形でも本発明の教示の範囲を制限することを意図されていない。システムおよび方法は、次の図面を参照しつつ次の実例説明からよりよく理解され得る。
本明細書の原理による、例示的な装置を示すブロック図である。 本明細書の原理による、例示的なコンピューティングデバイスを示すブロック図である。 本明細書の原理による、例示的なシステムを示す図である。 本明細書の原理による、例示的なシステムを示す図である。 本明細書の原理による、別の例示的なシステムを示す図である。 本明細書の原理による、線形信念累積(linear belief accumulation)のためのドリフト拡散モデルの例示的なグラフ表示である。 本明細書の原理による、非線形信念累積(non-linear belief accumulation)のためのドリフト拡散モデルの例示的なグラフ表示である。 本明細書の原理による、例示的な認知プラットフォームに基づく信号とノイズとの例示的なプロットを示す図である。 本明細書の原理による、ユーザへの教授が例示的なユーザインターフェースに表現され得る例示的なユーザインターフェースを示す図である。 本明細書の原理による、ユーザへの教授が例示的なユーザインターフェースに表現され得る例示的なユーザインターフェースを示す図である。 本明細書の原理による、ユーザへの教授が例示的なユーザインターフェースに表現され得る例示的なユーザインターフェースを示す図である。 本明細書の原理による、ユーザへの教授が例示的なユーザインターフェースに表現され得る例示的なユーザインターフェースを示す図である。 本明細書の原理による、例示的なユーザインターフェースに表現され得る例示的な対象(ターゲットまたは非ターゲット)の時間的に変化する特徴の例を示す図である。 本明細書の原理による、例示的なユーザインターフェースに表現され得る例示的な対象(ターゲットまたは非ターゲット)の時間的に変化する特徴の例を示す図である。 本明細書の原理による、例示的なユーザインターフェースに表現され得る例示的な対象(ターゲットまたは非ターゲット)の時間的に変化する特徴の例を示す図である。 本明細書の原理による、例示的なユーザインターフェースに表現され得る例示的な対象(ターゲットまたは非ターゲット)の時間的に変化する特徴の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の例を示す図である。 本明細書の原理による、脳波図(EEG)を使用して行われた生理学的測定の例示的なプロットを示す図である。 本明細書の原理による、脳波図(EEG)を使用して行われた生理学的測定の例示的なプロットを示す図である。 本明細書の原理による、EEGを使用して行われた生理学的測定の例示的なプロットを示す図である。 本明細書の原理による、EEGを使用して行われた生理学的測定の例示的なプロットを示す図である。 本明細書の原理による、例示的な方法のフローチャートを示す図である。 本明細書の原理による、例示的な方法のフローチャートを示す図である。 本明細書の原理による、例示的な方法のフローチャートを示す図である。 本明細書の原理による、例示的な方法のフローチャートを示す図である。 本明細書の原理による、例示的なコンピュータシステムのブロック図である。
以下でより詳しく説明されている概念(そのような概念が相互に矛盾していないと仮定して)のすべての組合せは、本明細書で開示されている発明の主題の一部であると企図されることは理解されるべきである。また、参照により組み込まれている開示内にも出現し得る本明細書で明示的に使用されている用語は、本明細書において開示されている特定の概念と最も一致している意味を付与されるべきであると理解されるべきである。
次に以下は、1つまたは複数の生理学的コンポーネントと接続し、1つまたは複数の生理学的コンポーネントに対する少なくとも1つの測定を示すデータを解析するように構成されている認知プラットフォームを備える発明の方法、装置、およびシステムに関係する様々な概念、ならびにそれらの方法、装置、およびシステムの実施形態のより詳細な説明である。非限定的な例として、認知プラットフォームは、認知訓練および/または臨床目的に合わせて構成され得る。本明細書の原理により、認知プラットフォームは、1つまたは複数の生理学的コンポーネントと一体化されてよい。
開示されている概念は特定の実施様式に限定されないため、上で導入され、以下でより詳しく説明されている様々な概念は、多数の方法のうちのどれかで実施されてよいことは理解されるべきである。特定の実施形態およびアプリケーションの例は、もっぱら例示することを目的として提供されている。
本明細書で使用されているように、「含む」という言い回しは「限定はしないが～を含む」を意味し、「含んでいる」という言い回しは「限定はしないが～を含んでいる」を意味する。「～に基づく」という言い回しは、「～に少なくとも一部は基づく」を意味する。
本明細書で使用されているように、「ターゲット」という語は、インタラクションの焦点であるべき個人に指定されている(たとえば、教授における)タイプの刺激を指す。ターゲットは、少なくとも1つの特性または特徴の点で非ターゲットと異なる。2つのターゲットは、少なくとも1つの特性または特徴について互いに異なり得るが、全体として、それでも1つのターゲットとして個人に教授され、一例において、個人は、選択を行うように教授/要求される。
本明細書で使用されているように、「非ターゲット」という語は、個人に対して明示的に示されようと暗示的に示されようと、インタラクションの焦点であるべきでないタイプの刺激を指す。
本明細書で使用されているように、「課題(task)」という語は、個人によって遂行されるべきゴールおよび/または目標を指す。本明細書で説明されている例示的なシステム、方法、および装置を使用することで、コンピュータ化された課題は、プログラムされたコンピュータ化コンポーネントを使用して表現され、個人は、コンピュータ化された課題を実行することを個人からの意図されたゴールまたは目標に関して(たとえば、コンピューティングデバイスを使用して)教授される。課題は、コンピューティングデバイスの少なくとも1つのコンポーネント(たとえば、コンピューティングデバイスの1つまたは複数のセンサコンポーネント)を使用して個人が特定の刺激への応答を提供するか、または差し控えることを必要とし得る。「課題」は、測定されているベースライン認知機能として構成され得る。
本明細書で使用されているように、「干渉(interference)」は、一次課題の個人のパフォーマンスに干渉するように個人に提示される刺激のタイプを指す。本明細書の例では、干渉は、別の課題(一次課題を含む)を実行する際に個人の注意を逸らすか、または干渉するような方式で提示/表現されるタイプの課題である。本明細書のいくつかの例において、干渉は、離散的時間期間(たとえば、短い、離散的時間期間)にわたって、または延長された時間期間(たとえば、一次課題が提示される際の時間枠より短い)にわたって、または一次課題の時間期間全体にわたって、一次課題と同時に提示される二次課題として構成される。本明細書における例では、干渉は、連続的に、または継続的に(すなわち、特定の頻度で、不規則に、またはいくぶんランダムに繰り返して)提示/表現され得る。たとえば、干渉は、一次課題の終わりに、または一次課題の提示中に離散的な暫定期間において提示され得る。干渉の程度は、一次課題に関する干渉のタイプ、量、および/または提示の時間的長さに基づき変調されるものとしてよい。
本明細書で使用されているように、「刺激(stimulus)」という語は、個人から指定された機能的応答を呼び起こすように構成されている感覚事象を指す。応答の程度およびタイプは、測定コンポーネントとの個人のインタラクションに基づき定量化され得る(センサデバイスまたは他の測定コンポーネントを使用することを含む)。刺激の非限定的な例は、ナビゲーション経路(個人はその経路をナビゲートするのにアバターまたは他のプロセッサによって表現されるガイドを制御するように教授されている)、またはターゲットであろうと非ターゲットであろうと、ユーザインターフェースに表現される離散的対象(個人は離散的対象に関して入力または他の指示を提供するようにコンピューティングコンポーネントを制御することを教授される)を含む。本明細書における例では、課題および/または干渉は、以下で説明されるような時間的に変化する特徴であってよい、刺激を含む。
本明細書で使用されているように、「試行(trial)」は、課題および/または干渉(時間的に変化する特徴を伴っていずれかまたは両方)を表現することの少なくとも1回の繰り返しと、課題および/または干渉(時間的に変化する特徴を伴っていずれかまたは両方)への個人の応答を少なくとも1回受け取ることとを含む。非限定的な例として、試行は、シングルタスキング課題の少なくとも一部および/またはマルチタスキング課題の少なくとも一部を含むことができる。たとえば、試行は、限定はしないが、プラットフォームと相互作用する個人のアクションの結果、ガイド(コンピュータ化アバターを含む)が特定の経路の少なくとも一部に沿ってもしくは時間間隔(限定はしないが数分の1秒、1秒、数秒、もしくはそれ以上の秒数など)に対する環境内でナビゲートする、および/またはガイド(コンピュータ化アバターを含む)が経路に沿ってもしくは環境内でパフォーマンスマイルストーンと交差する(もしくは交差することを回避する)ことを行わせるかどうかを、またはその成功の程度を評価するなど、個人のパフォーマンスが評価されるナビゲーション課題(視覚運動ナビゲーション課題を含む)における時間期間であり得る。別の例では、試行は、限定はしないが、プラットフォームと相互作用する個人のアクションの結果、ターゲット対非ターゲット(たとえば、赤色オブジェクト対黄色オブジェクト)の識別/選択を行わせるか、またはターゲットの2つの異なるタイプのターゲットを弁別するかどうかを、またはその成功の程度を評価するなど、個人のパフォーマンスが評価されるターゲット課題における時間期間であり得る。これらの例において、ナビゲーション課題に対する試行として指定される個人のパフォーマンスのセグメントは、ターゲット課題に対する試行として指定される個人のパフォーマンスのセグメントと共存するか、または整列される必要はない。
本明細書の例では、物理的な対象物(多角形もしくは他の対象を含む)、顔(人間もしくは人間以外)、またはカリカチュア、他のタイプの対象の描写として対象が表現され得る。
本明細書の例のうちのどれかにおいて、個人が試行および/またはセッションにおいて課題および/または干渉(時間的に変化する特徴を伴っていずれかまたは両方)を実行することをどのように期待されているかを指定する教授が個人に提供され得る。非限定的な例では、これらの教授では、個人に、ナビゲーション課題(たとえば、この経路上に留まるか、環境のこれらの部分に行くか、経路もしくは環境内のいくつかのマイルストーン対象と交差するか、もしくは回避する)、ターゲット課題(たとえば、ターゲット対象対非ターゲット対象である対象のタイプを記述するか、もしくは示すか、またはターゲット対象対非ターゲット対象である対象のタイプ、もしくは個人が選択することを期待されているターゲット対象の2つの異なるタイプを記述するか、もしくは示す)の予想パフォーマンスを知らせ、および/または個人のパフォーマンスにスコアをどのように付けるべきかを記述することができる。例では、教授は、視覚的に(たとえば、表現されたユーザインターフェースに基づき)、または音声を介して提供され得る。様々な例において、教授は、2つ以上の回数の試行もしくはセッションの実行の前に1回提供されるか、または試行もしくはセッションの実行、もしくはこれらの何らかの組合せの前に毎回繰り返され得る。
本明細書に記載するいくつかの例示的なシステム、方法、および装置は個人がターゲット対非ターゲットを決定/選択することを教示/要求されることに基づいているが、他の例示的な実施形態では、例示的なシステム、方法、および装置は、個人がターゲットの2つの異なるタイプ(限定はしないが、表情または他の特性/特徴の差の2つの異なる程度など)の間で決定/選択することを教示/要求されるように構成され得る。
それに加えて、例示的なシステム、方法、および装置は、個人に関して本明細書において説明され得るが、他の例示的な実施形態において、例示的なシステム、方法、および装置は、2人以上の個人、またはグループ(臨床的個体群を含む)のメンバーが、個別に、または同時に、のいずれかで、課題および/または干渉(時間的に変化する特徴を伴っていずれかまたは両方)を実行するように構成され得る。
本明細書において説明されている原理による例示的なプラットフォーム製品および認知プラットフォームは、限定はしないが、社会不安、鬱病、双極性障害、大鬱病性障害、心的外傷後ストレス障害、統合失調症、自閉症スペクトラム障害、注意欠如多動性障害(注意欠如障害を包含する)、認知症、パーキンソン病、ハンチントン病、または他の神経変性病状、アルツハイマー病、多発性硬化症、または狼瘡などの、多くの異なるタイプの状態に適用可能であるものとしてよい。
以下でより詳しく説明されているように、コンピューティングデバイスは、データを解析するなどの機能を実行するためのアプリケーション(「アプリプログラム」)を備え得る。たとえば、少なくとも1つのセンサコンポーネントからのデータは、本明細書で説明されているように、プロセッサが例示的なコンピューティングデバイス上でアプリプログラムを実行して、(i)課題への個人からの応答、(ii)干渉への個人の二次応答、および(iii)少なくとも1つの時間的に変化する特徴への個人の応答のうちの2つ以上を実質的に同時に受信する(測定することを含む)ことによって解析され得る。別の例として、少なくとも1つのセンサコンポーネントからのデータは、本明細書で説明されているように、プロセッサが例示的なコンピューティングデバイス上でアプリプログラムを実行して第1の応答と、少なくとも1つの時間的に変化する特徴への個人の応答とを示すデータを解析し、認知能力の少なくとも1つの定量化された指標を含む少なくとも1つのパフォーマンスメトリックを計算することによって解析され得る。
本明細書の原理による例示的なシステムは、個人の認知スキルの定量子を生成し(機械学習予測モデル(限定はしないが機械学習分類器など)を使用することを含む)、および/または個人の認知スキルを増強することを可能にする。例示的な一実施形態において、例示的なシステムは、モバイル通信デバイスまたは他のハンドヘルドデバイス上で実行するアプリプログラムを使用する。そのようなモバイル通信デバイスまたはハンドヘルドデバイスの非限定的な例は、限定はしないが、iPhone(登録商標)、BlackBerry(登録商標)、もしくはAndroid(登録商標)ベースのスマートフォン、タブレット、スレート、電子書籍リーダー(e-reader)、デジタルアシスタント、もしくは他の電子リーダーもしくはハンドヘルド、ポータブル、もしくはウェアラブルコンピューティングデバイス、または他の同等の任意のデバイス、Xbox(登録商標)、Wii(登録商標)、もしくはゲームに似た要素を表現するために使用できる他のコンピューティングシステムを含む。いくつかの例示的な実施形態において、例示的なシステムは、内蔵ディスプレイを備えるスマート眼鏡、内蔵ディスプレイを備えるスマートゴーグル、または内蔵ディスプレイを備えるスマートヘルメットなどの、頭部装着デバイスを含むことができ、ユーザは1つまたは複数のセンサを有するコントローラまたは入力デバイスを手に持つことができ、コントローラまたは入力デバイスはその頭部装着デバイスとワイヤレス方式で通信する。いくつかの例示的な実施形態において、コンピューティングシステムは、メインコンピュータおよびデスクトップディスプレイ(またはプロジェクタディスプレイ)を備えるデスクトップコンピューティングシステムなどの固定システムであってよく、ユーザは、キーボード、コンピュータマウス、ジョイスティック、ハンドヘルドコンソール、リストバンド、または他のウェアラブルデバイスを使用して入力をアプリプログラムに提供し、これらは有線またはワイヤレス通信を使用してメインコンピュータと通信するセンサを有する。本明細書の他の例では、例示的なシステムは、仮想現実システム、拡張現実システム、または複合現実システムであってよい。本明細書の例では、センサは、ユーザの手、足、および/または身体の他の部分の動きを測定するように構成され得る。いくつかの例示的な実施形態において、例示的なシステムは、仮想現実(VR)システム(ユーザ向けの没入型インタラクティブ3-D体験としてのものを含むシミュレートされた環境)、拡張現実(AR)システム(要素が限定はしないが音声、ビデオ、グラフィックス、および/もしくはGPSデータなどのコンピュータ生成感覚入力によって拡張される物理的な現実世界環境のライブの直接的または間接的なビューを含む)、または複合現実(MR)システム(現実世界と仮想世界とを合併し新しい環境および視覚化を生み出し、物理的対象とデジタル対象とが共存し、実質的にリアルタイムで相互作用する、ハイブリッド現実とも呼ばれる)として形成され得る。
本明細書で使用されているように、「予測モデル」という語は、連続的出力値をもたらすモデルおよび/または離散的ラベルに基づくモデルに基づき訓練され開発されたモデルを包含する。本明細書のどの例においても、予測モデルは分類器モデルを包含する。
本開示は、また、ユーザパフォーマンスメトリックを実現するために、1つまたは複数の課題におけるユーザのパフォーマンスを示すデータを測定することを目的とするソフトウェアおよび/または他のプロセッサ実行可能命令を実施するように構成されている例示的なプラットフォーム製品として形成されるコンピュータ実施デバイスを対象とする。例示的なパフォーマンスメトリックは、ユーザの認知能力の評価を導出し、ならびに/または認知処理へのユーザの応答を測定し、ならびに/またはユーザの生理学的状態もしくは認知的バイアスを示すデータもしくは他の定量的な指示要素を提供するために使用することができる。生理学的状態の測定は、認知プラットフォームへのユーザの気分、情動的状態、および/または取り組みもしくは注意のレベルを示す指標を提供するために使用され得る。
本明細書の例において、プラットフォーム製品または認知プラットフォームは、医療デバイスプラットフォームまたは他のデバイスプラットフォームとして構成され得る。
本開示は、1つまたは複数の生理学的コンポーネントと接続するように構成されているプラットフォーム製品および認知プラットフォームを含む例示的なシステム、ならびに、プラットフォーム製品および認知プラットフォームが1つまたは複数の生理学的コンポーネントと一体化される例示的なシステムも対象としている。
本明細書のどの例においても、1つまたは複数の生理学的コンポーネントは、生理学的測定を実行するように構成される。生理学的測定は、生理学的パラメータの定量的測定データならびに/または生理学的構造および/もしくは機能の視覚化に使用され得るデータを提供する。
本明細書の例において、1つまたは複数の生理学的コンポーネントは、電気的活動、心拍数、血流量、および酸素化レベルを含む、身体および神経系統の物理的特性を測定する手段を含み得る。これは、カメラベースの心拍数検出、電気皮膚反応の測定、血圧測定、脳波図、心電図、核磁気共鳴画像法、近赤外分光法、および/または瞳孔拡張尺度を含むことができる。
生理学的測定の例は、限定はしないが、体温の測定、心電計(ECG)を使用する心臓もしくは他の心臓関係の機能、脳波図(EEG)を使用する電気的活動、事象関連電位(ERP)、機能的磁気共鳴画像法(fMRI)、血圧、皮膚の一部の電位、電気皮膚反応(GSR)、脳磁気図(MEG)、散瞳の程度を決定するようにプログラムされている処理ユニットを含む視線追跡デバイスもしくは他の光学的検出デバイス、機能的近赤外分光法(fNIRS)、および/またはポジトロン放出断層撮影(PET)を含む。
EEG測定は、中枢神経系内の神経細胞集団が相前後して発火するとき、または中枢神経系内の神経細胞集団が同期的にもしくは非同期的に発火するときに、末梢神経系内の神経線維に沿った電気インパルスの伝搬に基づき、脳内の内因性電気的活動を示すデータの収集を伴う。EEGは、異なる精神状態に対応する周波数帯において解析され得る。たとえば、アルファ波周波数(8～13Hz)は、くつろいだ精神状態に関連付けられ得る。例示的な一実施形態において、EEG信号の小さな潜在的変化を示すデータは、ユーザがプラットフォーム製品または認知プラットフォームをインタラクティブに操作する前、操作している最中、および/または操作した後に収集され得る。これは、特定の感覚、認知、および他の精神的事象への特定の脳反応の記録を可能にする。これらの例では、ERPは、プラットフォーム製品または認知プラットフォームから特定の感覚、認知、および/または運動事象もしくは刺激の直接的結果である測定された脳反応である。ERPは、精神生理学的状態および認知情報処理の調査のための測定データを提供し得る。
本明細書におけるいくつかの例では、本明細書のEEG信号は、個別のERP事象とは無関係に測定され得る。
fMRIは、脳への酸素化血液供給と非酸素化血液供給の磁気的特性の差に基づき、神経細胞活性化を示す測定データを提供する。fMRIは、神経細胞活動と脳代謝との間の正相関に基づき、血液供給の部位変化を測定することによって神経細胞活動の間接的尺度をもたらし得る。
一例において、同時EEG-fMRIまたはMEG-fMRI記録は、核磁気共鳴画像法(MRI)互換EEG/MEG増幅器(それぞれ)と電極とを使用することで、行われ得る。EEG-fMRIまたはMEG-fMRI測定は、電気生理学(EEG/MEG)データおよび血行動態(fMRI)データの同時取得を可能にする。
TMSは、電磁誘導と称される、急速に変化する磁場によって組織内に引き起こされる弱い電流を使用して脳内に生じる神経細胞の興奮を伴う。誘導TMSパルスは印加されると、神経細胞シグナリングに干渉し、一時的神経細胞抑制を引き起こし得る。TMSは、認知、運動、および感覚機能の局在を可能にし、限定はしないが、fMRIなどの、他の機能的撮像方法の妥当性を確認することに役割を果たし得る。
本明細書の例では、認知プラットフォームおよび認知プラットフォームを含むシステムは、認知評価に関する情報を与えるか、またはコンピューティングデバイスを使用して実施される例示的なデバイスプラットフォームに関連付けられている治療を行うコンピュータ化された課題およびプラットフォームインタラクションと生理学的測定との統合として構成され得る。
本明細書の例では、課題は、ユーザが取り組む必要がある1つまたは複数の活動を伴い得る。これらの課題のうちの1つまたは複数は、コンピュータ化された刺激またはインタラクション(以下でより詳しく説明される)としてコンピュータにより実施され得る。ターゲット課題については、認知プラットフォームは、ユーザからの時間特有および/または位置特有の応答を必要とし得る。ナビゲーション課題については、認知プラットフォームは、ユーザからの位置特有および/または運動特有の応答を必要とし得る。表情認識または対象認識課題については、認知プラットフォームは、ユーザからの時間特有および/または位置特有の応答を必要とし得る。マルチタスキング課題は、2つ以上の課題の組合せを含むことができる。非限定的な例では、限定はしないがターゲットおよび/またはナビゲーションおよび/または表情認識もしくは対象認識課題などの課題へのユーザ応答は、認知プラットフォームの入力デバイスを使用して記録され得る。そのような入力デバイスの非限定的な例は、ユーザインタラクションを記録するように構成された任意の形式のユーザインターフェースを含む、ユーザインターフェースまたは画像キャプチャデバイス(限定はしないが、タッチスクリーンもしくは他の感圧スクリーン、またはカメラなど)に関するタッチ、スワイプ、または他のジェスチャを含み得る。他の非限定的な例では、限定はしないがターゲットおよび/またはナビゲーションおよび/または表情認識もしくは対象認識課題などの課題に対する認知プラットフォームを使用して記録されたユーザ応答は、認知プラットフォームを含むコンピューティングデバイスの位置、配向、または移動の変化を引き起こすユーザアクションを含むことができる。コンピューティングデバイスの位置、配向、または移動のそのような変化は、限定はしないがセンサなどの、コンピューティングデバイス内に配設されるか、または他の何らかの形で接続されている入力デバイスを使用して記録され得る。センサの非限定的な例は、モーションセンサ、位置センサ、および/または画像キャプチャデバイス(限定はしないがカメラなど)を含む。マルチタスキング課題を伴う例示的な実施形態において、コンピュータデバイスは、ユーザに、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)内で、限定はしないが、ターゲットおよび/またはナビゲーションおよび/または表情認識もしくは対象認識課題などの2つ以上の異なるタイプの課題を提示することを認知プラットフォームに行わせるように(少なくとも1つの特別にプログラムされた処理ユニットを使用するなどして)構成される。コンピュータデバイスは、また、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)内で、マルチタスキング課題に対する受け取ったユーザ応答のタイプを示すデータを収集するように(少なくとも1つの特別にプログラムされた処理ユニットを使用するなどして)構成される。これらの例では、2つ以上の異なるタイプの課題が、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)で個人に提示されるものとしてよく、コンピューティングデバイスは、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)で2つ以上の異なるタイプの課題に関するユーザ応答を示すデータを受信するように構成されるものとしてよい。
いくつかの例において、短い時間枠は、最大約1.0ミリ秒以上までの分解能での任意の時間間隔であってよい。時間間隔は、限定はしないが、任意の妥当な終了時間までの、約2.0ミリ秒以上の周期の任意の分割の持続時間であってよい。この時間間隔は、限定はしないが、約3.0ミリ秒、約5.0ミリ秒、約10ミリ秒、約25ミリ秒、約40ミリ秒、約50ミリ秒、約60ミリ秒、約70ミリ秒、約100ミリ秒、またはそれ以上の秒数であってよい。他の例では、短い時間枠は、限定はしないが、数分の1秒、約1秒、約1.0から約2.0秒の間、または最大約2.0秒、またはそれ以上であってよい。
いくつかの例において、プラットフォーム製品または認知プラットフォームは、課題の提示の時間に関するユーザの応答の反応時間を示すデータを収集するように構成され得る。たとえば、コンピューティングデバイスは、難易度レベルを調整する方法としてユーザが課題への応答を提供するようにより小さいまたはより大きい反応時間窓を用意することをプラットフォーム製品または認知プラットフォームに行わせるように構成され得る。
非限定的な例示的な実施形態において、本明細書の例示的なプラットフォーム製品は、アキリ・インタラクティヴ・ラブズ・インコーポレイテッド(Akili Interactive Labs, Inc.，Boston，MA)によるAKILI(登録商標)プラットフォーム製品(本明細書では「APP」とも称される)として形成されるか、その製品に基づくか、またはその製品と一体化され得る。
本明細書で使用されているように、「cData」という語は、プラットフォーム製品として形成されたコンピュータ実施デバイスとユーザとのインタラクションの尺度から収集されたデータを指す。
本明細書で使用されているように、「nData」という語は、限定はしないが、EEG/ERP測定データなどの、1つまたは複数の生理学的コンポーネントの測定から収集されたデータを指す。
本明細書の例では、データ(cDataおよびnDataを含む)は、ユーザの同意を得て収集される。
本明細書で使用されているように、「コンピュータ化された刺激またはインタラクション」すなわち「CSI」は、刺激とユーザとのインタラクションまたは他のインタラクションを円滑にするためにユーザに対して提示されるコンピュータ化要素を指す。非限定的な例として、コンピューティングデバイスは、聴覚刺激(たとえば、聴覚的なコンピュータで実施された時間的に変化する要素もしくはコンピュータ化された聴覚課題の一要素として提示される)を提示するか、もしくはユーザとの他の聴覚ベースのインタラクションを開始する、および/または振動刺激(たとえば、振動的なコンピュータで実施された時間的に変化する要素もしくはコンピュータ化された振動課題の一要素として提示される)を提示するか、もしくはユーザとの他の振動ベースのインタラクションを開始する、および/または触覚刺激(たとえば、触覚的なコンピュータで実施された時間的に変化する要素もしくはコンピュータ化された触覚課題の一要素として提示される)を提示するか、もしくはユーザとの他の触覚ベースのインタラクションを開始する、および/または視覚的刺激を提示するか、もしくはユーザとの他の視覚ベースのインタラクションを開始するように構成され得る。
コンピューティングデバイスが視覚的CSIを提示するように構成されている例では、CSIは、ユーザに提示されるべき少なくとも1つのユーザインターフェースで表現され得る。いくつかの例において、少なくとも1つのユーザインターフェースは、少なくとも1つのユーザインターフェースに表現されるCSIコンピュータ化要素をユーザがインタラクティブに操作するときに、応答を測定するように構成される。非限定的な例において、ユーザインターフェースは、CSIコンピュータ化要素が能動的になるように構成されてよく、ユーザからの少なくとも1つの応答を必要とするものとしてよく、それにより、ユーザインターフェースはユーザとプラットフォーム製品とのインタラクションのタイプまたは程度を示すデータを測定するように構成される。別の例において、ユーザインターフェースは、CSIコンピュータ化要素が受動的であり、少なくとも1つのユーザインターフェースを使用してユーザに提示されるように構成され得るが、ユーザからの応答を必要としなくてもよい。この例では、少なくとも1つのユーザインターフェースは、ユーザのインタラクションの記録された応答を除外する、応答を示すデータに重み係数を適用する(たとえば、より低い値もしくはより高い値に合わせて応答に重みを付けるために)、および/またはユーザの見当違いの応答の尺度としてプラットフォーム製品によりユーザの応答を示すデータを測定する(たとえば、見当違いの応答であることを知らせる通知もしくは他のフィードバックをユーザに発行するために)、ように構成され得る。
一例において、プラットフォーム製品は、表示コンポーネントと、入力デバイスと、少なくとも1つの処理ユニットとを含むプロセッサ実施システム、方法、または装置として構成され得る。一例において、少なくとも1つの処理ユニットは、コンピュータ化された刺激またはインタラクション(CSI)または他のインタラクティブ要素をユーザに提示してインタラクションを行わせるために、少なくとも1つのユーザインターフェースを表示コンポーネントでの表示用に表現するようにプログラムされ得る。他の例では、少なくとも1つの処理ユニットは、聴覚、触覚、または振動を利用するコンピュータ化要素(CSIを含む)を動作させてユーザとの刺激によるまたは他のインタラクションを生じさせることをプラットフォーム製品の作動コンポーネントに行わせるようにプログラムされ得る。少なくとも1つの処理ユニットは、入力デバイスを使用して提供される応答を含む、CSIまたは他のインタラクティブ要素(限定はしないがcDataなど)に対するユーザインタラクションに基づく少なくとも1つのユーザ応答を示すデータを受信することをプログラム製品のコンポーネントに行わせるようにプログラムされ得る。コンピュータ化された刺激またはインタラクション(CSI)または他のインタラクティブ要素をユーザに提示するように少なくとも1つのユーザインターフェースが表現される例では、少なくとも1つの処理ユニットは、少なくとも1つのユーザ応答を示すデータを受信することをユーザインターフェースに行わせるようにプログラムされ得る。少なくとも1つの処理ユニットは、また、cDataを解析して個人の認知状態の尺度を提供する、ならびに/またはユーザの応答の間の差を決定することに基づき(cDataにおける差に基づくことも含む)個人のパフォーマンスの差を解析する、ならびに/またはcDataの解析(解析で決定された個人のパフォーマンスの尺度を含む)に基づき一次課題および/もしくは干渉の難易度レベルを調整する、ならびに/または個人のパフォーマンスを示し得るプラットフォーム製品からの出力もしくは他のフィードバック、および/もしくは認知評価、および/もしくは認知処理への応答、および/もしくは認知の評価された尺度を提供する、ようにもプログラムされ得る。
入力デバイスの非限定的な例は、タッチスクリーン、もしくは他の感圧もしくはタッチセンサ表面、モーションセンサ、位置センサ、および/または画像キャプチャデバイス(限定はしないがカメラなど)を含む。個人のパフォーマンスの解析は、コンピューティングデバイスを使用してセッション中のまたはすでに完了しているセッションにおけるパーセント正確度、正答数、および/または誤答数を計算することを含み得る。パフォーマンス尺度を計算するために使用され得る他の指標は、課題(たとえば、ターゲット刺激として)の提示の後に個人が応答するのに要する時間の長さである。他の指標は、限定はしないが、反応時間、応答分散、正答反応数、見逃しエラー数、お手つき回数、学習率、空間的分散、主観的評定、および/またはパフォーマンス閾値などを含むことができる。
非限定的な例では、ユーザのパフォーマンスに対する2つの異なるタイプの課題の効果を比較するためにユーザのパフォーマンスがさらに解析されるものとしてよく、これらの課題は異なるタイプの干渉(たとえば、注意を逸らすものまたは妨害するもの)を提示する。コンピューティングデバイスは、これらの異なるタイプの干渉をユーザの注意を一次課題から逸らすCSIまたは他のインタラクティブ要素として提示するように構成される。注意を逸らすものについては、コンピューティングデバイスは、一次課題への一次応答を提供するが、応答を提供しない(すなわち、注意を逸らすものを無視する)ことを個人に教授するように構成される。妨害するものについては、コンピューティングデバイスは、応答を二次課題として提供することを個人に教授するように構成され、コンピューティングデバイスは、一次課題へのユーザの応答として(応答は少なくとも1つの入力デバイスを使用して収集される)短い時間枠内で(少なくとも実質的に同時であることを含む)妨害するものへのユーザの二次応答を示すデータを取得するように構成される。コンピューティングデバイスは、干渉なしの場合の一次課題におけるユーザのパフォーマンス、干渉が注意を逸らすものである場合のパフォーマンス、および干渉が妨害である場合のパフォーマンスのうちの1つまたは複数の尺度を計算するように構成される。ユーザのパフォーマンスメトリックは、これらの尺度に基づき計算され得る。たとえば、ユーザのパフォーマンスは各タイプの干渉に対するコスト(パフォーマンスの変化)(たとえば、注意を逸らすもののコストおよび妨害するもの/マルチタスキングのコスト)として計算され得る。課題におけるユーザのパフォーマンスレベルは解析され、課題の難易度レベルを調整するための使用に対する認知プラットフォームへのフィードバック、および/またはユーザの状態もしくは進行状況に関する個人へのフィードバックのいずれかを含む、フィードバックとして報告され得る。
非限定的な例において、コンピューティングデバイスは、ユーザの応答に対する反応時間および/もしくは個人のパフォーマンスに対する統計的尺度(たとえば、最後の数のセッションにおける、指定された持続時間にわたる、もしくは課題のタイプに特有の(非ターゲットおよび/もしくはターゲット刺激、特定のタイプの課題などを含む)正しいもしくは正しくない応答のパーセンテージ)を解析し、記憶し、ならびに/または出力するようにも構成され得る。
非限定的な例において、コンピュータ化要素は、視覚課題としてユーザインターフェースに表現されるか、または聴覚、触覚、もしくは振動課題として提示される少なくとも1つの課題を含む。各課題は、ユーザがcDataおよび/またはnData収集を目的として刺激に曝された後にユーザから応答を引き出すように設計されているインタラクティブ機構として表現され得る。
コンピュータ化された聴覚課題の非限定的な例では、個人は、個人に対して発せられた聴覚的手がかりに基づき特定のコンピュータ表現経路を辿るか、または他の環境をナビゲートすることを要求されるものとしてよい。処理ユニットは、聴覚的手がかり(たとえば、音もしくは人間の声)を発してコンピュータ環境内でコンピュータ化アバターの経路を維持するか、もしくは修正するためのパフォーマンスの進捗状況を示すマイルストーンを個人に提供することを聴覚コンポーネントに行わせる、および/またはコンピュータ化アバターに予想コースもしくは経路を維持させるためにコンピューティングデバイスのセンサによって測定された物理的アクションを遂行する際の成功度を個人に示すように構成され得る。
コンピュータ化された振動課題の非限定的な例では、個人は、個人に対して発せられた振動的手がかりに基づき特定のコンピュータ表現経路を辿るか、または他の環境をナビゲートすることを要求されるものとしてよい。処理ユニットは、コンピュータ環境内でコンピュータ化アバターの経路を維持するか、もしくは修正するためのパフォーマンスの進捗状況を示すマイルストーンを個人に提供するように振動するよう作動コンポーネントを制御する(コンピューティングデバイスのコンポーネントを振動させることを含む)、および/またはコンピュータ化アバターに予想コースもしくは経路を維持させるためにコンピューティングデバイスのセンサによって測定された物理的アクションを遂行する際の成功度を個人に示すように構成され得る。
コンピュータ化された聴覚課題の非限定的な例では、個人は、触覚を通じて知覚される1つまたは複数の感覚に対して反応することを要求され得る。非限定的な例では、コンピュータで実施される時間的に変化する要素は、個人とのインタラクションのために作動コンポーネントを作動させて異なるタイプの触覚刺激(たとえば、触覚、ざらつきのある表面、および/または温度)を提示するように処理ユニットを使用して制御され得る。たとえば、自閉症スペクトラム障害(ASD)を患っている個人は、特定の触感(服を着たり身繕いをしたりするときに触れられる感覚を含む)に敏感であり得(嫌悪感を有することを含む)、アルツハイマー病および他の認知症を患っている個人にとって、触覚または他の触感覚を利用することは有益であり得る。例示的な触覚課題は、触覚に敏感な個人を、質感および触覚をインタラクティブに扱わせる物理的アクションに取り組ませるものとしてよい。
非限定的な例において、コンピュータ化要素は、ユーザインターフェースに、またはプログラム製品の聴覚、触覚、もしくは振動要素として、表現される、プラットフォームの少なくとも1つのプラットフォームインタラクション(ゲームプレー)要素を含む。プラットフォーム製品の各プラットフォームインタラクション(ゲームプレー)要素は、cDataおよび/またはnData収集のターゲットであってもよいし、ターゲットでなくてもよいインタラクティブ機構(テレビゲームに似た機構の形態でのものを含む)または視覚的(もしくは化粧品の)特徴を含むことができる。
本明細書で使用されているように、「ゲームプレー」という語は、プラットフォーム製品の態様に対するユーザインタラクション(他のユーザエクスペリエンスを含む)を包含する。
非限定的な例では、コンピュータ化要素は、ユーザにポジティブフィードバックを示す少なくとも1つの要素を含む。各要素は、課題または他のプラットフォームインタラクション要素における成功を示す、すなわち、プラットフォーム製品におけるユーザ応答が課題またはプラットフォームインタラクション(ゲームプレー)要素上の閾値成功尺度を超えたことを示す、ユーザに対して発せられる聴覚信号および/または視覚信号を含むことができる。
非限定的な例では、コンピュータ化要素は、ユーザにネガティブフィードバックを示す少なくとも1つの要素を含む。各要素は、課題または他のプラットフォームインタラクション(ゲームプレー)要素における失敗を示す、すなわち、プラットフォーム製品におけるユーザ応答が課題またはプラットフォームインタラクション要素上の閾値成功尺度を満たさなかったことを示す、ユーザに対して発せられる聴覚信号および/または視覚信号を含むことができる。
非限定的な例では、コンピュータ化要素は、ポジティブフィードバックまたはネガティブフィードバックと異なるユーザへのメッセージング、すなわち通信に対する少なくとも1つの要素を含む。非限定的な例では、コンピュータ化要素は、報酬を示すための少なくとも1つの要素を含む。報酬コンピュータ要素は、CSIに対するユーザの満足度を高め、結果として、ポジティブなユーザインタラクション(およびしたがってユーザエクスペリエンスの楽しさ)を増大させるためにユーザにもたらされるコンピュータ生成特徴であってよい。
非限定的な例では、認知プラットフォームは、マルチタスクインタラクティブ要素を表現するように構成され得る。いくつかの例では、マルチタスクインタラクティブ要素は、マルチタスクゲームプレー(MTG)と称される。マルチタスクインタラクティブ要素は、ユーザを複数の時間的に重なり合う課題、すなわち、ユーザからの複数の実質的に同時の応答を必要とし得る課題に取り組ませるように構成されているインタラクティブ機構を含む。
本明細書の任意の例において、マルチタスキング課題は、2つ以上の課題の組合せを含むことができる。実施形態のマルチタスクインタラクティブ要素は、個人を複数の時間的に重なり合う課題、すなわち、個人からの複数の実質的に同時の応答を必要とし得る課題に取り組ませるように構成されているインタラクティブ機構を含む。本明細書の非限定的な例では、マルチタスキング課題の少なくとも一部の個人の実行において、システム、方法、および装置は、個人の複数の応答を示すデータをリアルタイムで測定し、また干渉(二次課題としての)への個人からの第2の応答を測定するのと実質的に同時に課題(一次課題としての)への個人からの第1の応答を測定するように構成される。
マルチタスキング課題を伴う例示的な実施形態において、コンピュータデバイスは、ユーザに、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)内で、限定はしないが、ターゲット弁別および/またはナビゲーションおよび/または表情認識もしくは対象認識課題などの2つ以上の異なるタイプの課題を提示することを認知プラットフォームに行わせるように(少なくとも1つの特別にプログラムされた処理ユニットを使用するなどして)構成される。コンピュータデバイスは、また、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)内で、マルチタスキング課題に対する受け取ったユーザ応答のタイプを示すデータを収集するように(少なくとも1つの特別にプログラムされた処理ユニットを使用するなどして)構成される。これらの例では、2つ以上の異なるタイプの課題が、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)で個人に提示されるものとしてよく、コンピューティングデバイスは、短い時間枠(リアルタイムおよび/または実質的に同時であることを含む)で2つ以上の異なるタイプの課題に関するユーザ応答を示すデータを受信するように構成されるものとしてよい。
認知プラットフォームを使用する個人に提示されるコンピュータ化課題のタイプに基づき、個人が課題を実行するために認知プラットフォームをインタラクティブに操作した結果として予想される応答のタイプ、および認知プラットフォームを使用して受信される(測定されることを含む)と予想されるデータのタイプは、課題のタイプに依存する。ターゲット弁別課題について、認知プラットフォームは、ターゲットおよび非ターゲットから選択すること(たとえば、GO/NO-GO課題において)またはたとえば、二肢強制選択(2AFC)課題における2つの異なるタイプのターゲットから選択する(表情もしくは他の特性/特徴の差の2つの異なる程度から選択することを含む)ことを含む、個人からの時間特有の、および/または位置特有の応答を必要とし得る。ナビゲーション課題については、認知プラットフォームは、ユーザからの位置特有および/または運動特有の応答を必要とし得る。表情認識または対象認識課題については、認知プラットフォームは、ユーザからの時間特有および/または位置特有の応答を必要とし得る。非限定的な例では、限定はしないがターゲットおよび/またはナビゲーションおよび/または表情認識もしくは対象認識課題などの課題へのユーザ応答は、認知プラットフォームの入力デバイスを使用して記録され得る。そのような入力デバイスの非限定的な例は、ユーザインタラクションを記録するように構成されている任意の形態のユーザインターフェースを含む、ユーザインターフェースに関するタッチ、スワイプ、もしくは他のジェスチャをキャプチャするためのデバイス、オーディオキャプチャデバイス(たとえば、マイクロフォン入力)、または画像キャプチャデバイス(限定はしないが、タッチスクリーンもしくは他の感圧スクリーンもしくはタッチセンサ表面、もしくはカメラ)を含み得る。他の非限定的な例では、限定はしないがターゲットおよび/またはナビゲーションおよび/または表情認識もしくは対象認識課題などの課題に対する認知プラットフォームを使用して記録されたユーザ応答は、認知プラットフォームを含むコンピューティングデバイスの位置、配向、または移動の変化を引き起こすユーザアクションを含むことができる。コンピューティングデバイスの位置、配向、または移動のそのような変化は、限定はしないがセンサなどの、コンピューティングデバイス内に配設されるか、または他の何らかの形で接続されている入力デバイスを使用して記録され得る。センサの非限定的な例は、モーションセンサ、位置センサ、および/または画像キャプチャデバイス(限定はしないがカメラなど)を含む。
本明細書の例では、「実質的に同時に」は、互いから約5ミリ秒未満の範囲内、または互いから約10ミリ秒、約20ミリ秒、約50ミリ秒、約75ミリ秒、約100ミリ秒、または約150ミリ秒以内、約200ミリ秒以内、約250ミリ秒以内の範囲内で、課題が表現されるか、または応答測定が実行されることを意味する。本明細書の例では、「実質的に同時に」は、平均的な人間反応時間より短い時間期間である。別の例では、2つの課題は、個人がプリセットされた長さの時間内に2つの課題を切り替える場合に実質的に同時であるとしてよい。「実質的に同時に」と考えられる切り替えに対する設定された長さの時間は、約1/10秒、1秒、約5秒、約10秒、約30秒、またはそれ以上とすることもできる。
いくつかの例において、短い時間枠は、最大約1.0ミリ秒以上までの分解能での任意の時間間隔であってよい。時間間隔は、限定はしないが、任意の妥当な終了時間までの、約2.0ミリ秒以上の周期の任意の分割の持続時間であってよい。この時間間隔は、限定はしないが、約3.0ミリ秒、約5.0ミリ秒、約10ミリ秒、約25ミリ秒、約40ミリ秒、約50ミリ秒、約60ミリ秒、約70ミリ秒、約100ミリ秒、またはそれ以上の秒数であってよい。他の例では、短い時間枠は、限定はしないが、数分の1秒、約1秒、約1.0から約2.0秒の間、または最大約2.0秒まで、またはそれ以上であってよい。
本明細書の例において、認知プラットフォームは、課題(課題への干渉を含む)の提示の時間に関するユーザの応答の反応時間を示すデータを収集するように構成され得る。たとえば、コンピューティングデバイスは、難易度レベルを調整する例示的な方法としてユーザが課題への応答を提供するようにより小さいまたはより大きい反応時間窓を用意することをプラットフォーム製品または認知プラットフォームに行わせるように構成され得る。
非限定的な例では、認知プラットフォームは、シングルタスクインタラクティブ要素を表現するように構成され得る。いくつかの例では、シングルタスクインタラクティブ要素は、シングルタスクゲームプレー(STG)と称される。シングルタスクインタラクティブ要素は、ユーザを所与の時間間隔で単一の課題に取り組ませるように構成されているインタラクティブ機構を含む。
本明細書の原理によれば、「認知」という語は、思考、経験、および感覚を通じて知識および理解を獲得する心の働きまたは過程を指す。これは、限定はしないが、実行機能、記憶、知覚、注意、情動、運動制御、および干渉処理といった心理学上の概念/領域を含む。本明細書の原理による例示的なコンピュータ実施デバイスは、プラットフォーム製品に対するユーザインタラクションを示すデータを収集し、ユーザパフォーマンスを定量化するメトリックを計算するように構成され得る。ユーザパフォーマンスの定量子は、認知の尺度を(認知評価のため)提供するか、または認知処理の状況もしくは進捗の尺度を提供するために使用され得る。
本明細書の原理によれば、「処理」という語は、限定はしないが、認知に関係する改善、ユーザの気分、情動的状態、および/または認知プラットフォームへの取り組みもしくは注意のレベルなどの、ユーザの能力の測定可能な改善を結果としてもたらすプラットフォーム製品(APPの形態を含む)におけるCSIの任意の操作を指す。改善の程度またはレベルは、本明細書において説明されているようなユーザパフォーマンス尺度に基づき定量化され得る。一例において、「処理」という語は治療も指すものとしてよい。
本明細書の原理によれば、「セッション」という語は、明確な開始と終了とを有する、離散的な時間期間を指し、その期間中、ユーザはプラットフォーム製品をインタラクティブに操作してプラットフォーム製品(APPの形態も含む)から評価または処理を受け取る。本明細書の例において、セッションは、少なくとも1つの試行を指すものとしてよいか、または少なくとも1つの試行と、測定および/もしくは他のユーザインタラクションの少なくとも1つの他のタイプとを含むことができる。非限定的な例として、セッションは、少なくとも1つの試行と生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントを使用する測定の1つまたは複数とを含むことができる。別の非限定的な例として、セッションは、少なくとも1つの試行と、生理学的状態および/または認知状態を含む個人の状態の1つまたは複数の尺度を示すデータを受け取ることとを含むことができる。
本明細書の原理によれば、「評価」という語は、プラットフォーム製品のCSIまたは他の特徴もしくは要素に対するユーザインタラクションの少なくとも1つのセッションを指す。ユーザがプラットフォーム製品(APPの形態でのものも含む)を使用することによって実行される1つまたは複数の評価から収集されたデータは、認知の尺度もしくは他の定量子、またはユーザの能力の他の様相を導出するために使用され得る。
一例において、評価は、課題と、任意選択で、干渉とを個人に提示することと、干渉ありの場合および/または干渉なしの場合の個人のパフォーマンスを示すデータを評価することとを含むことができる。評価は、それが個人を訓練しようとするものではなく、むしろ、個人のパフォーマンスを評価しようとするものであるという点で訓練セッションと異なる。たとえば、訓練セッションとは異なり、評価において試行から試行へ(またはセッションからセッションへ)移るときに難易度レベルは、個人のパフォーマンスに合わせて変化または適応しない。コンピューティングシステムは、評価における難易度レベルを実質的に同じに、たとえば、閾値化(以下でより詳しく説明されている)を使用することによって決定される難易度レベルに維持するように構成され得る。別の例では、評価は、限定はしないが、階段法または最尤法などの心理統計分析技法を使用して適応され、それにより個人の能力を適応的に決定し得る。評価は、1つまたは複数の訓練セッションの前および/または後に(適応的に修正された課題および/または干渉に基づき)実行されてよい。
本明細書の原理によれば、「認知的負荷」という語は、ユーザが課題を完遂するために費やす必要があり得る心的資源の量を指す。この語は、課題またはゲームプレーの努力目標または難易度レベルを指すためにも使用され得る。
本明細書の原理によれば、「情動的負荷」という語は、情動的情報を処理するかもしくは情動を調節することに、またはポジティブ情動、視点、もしくは結果と比較したネガティブ情動、視点、もしくは結果に対する個人の選好における情緒的バイアスに特に関連付けられている認知的負荷を指す。情動的負荷は、例示的な装置、システム、または方法を使用して、課題および/または干渉(干渉ありまたは干渉なしの課題を含む)の一部を実行した際の成功の程度を個人に示すようにコンピュータで実施された時間的に変化する要素を構成することによって修正(すなわち、増大または減少)され得る。
本明細書の原理によれば、「自我消耗」という語は、さらなるセルフコントロールを働かす心神衰弱によって特徴付けられる、努力してセルフコントロールを働かせる期間の後にユーザが到達する状態を指す。自我消耗の状態は、上で説明されているプラットフォーム製品の、ユーザインターフェースに、または聴覚、触覚、もしくは振動要素として、表現されるインタラクティブ要素へのユーザの応答に対して収集されたデータに基づき測定され得る。
本明細書の原理によれば、「情動的処理」という語は、情動/情緒/気分もしくは副交感神経覚醒の認知的および/または神経学的処理に特有の認知の一構成要素を指す。情動的処理の程度は、上で説明されているプラットフォーム製品のユーザインターフェースに表現される(聴覚、触覚、もしくは振動要素として表現されることを含む)、インタラクティブなコンピュータで実施された時間的に変化する要素へのユーザの応答に対して収集されたデータに基づき測定され得る。
本明細書の原理による例示的なシステム、方法、および装置は、少なくとも1つのコンピュータで実施された時間的に変化する要素を表現するように構成されている認知プラットフォームを使用して、認知的負荷の追加の制御をMTGまたはSTGにおける課題に対する顕在的構成要素として提供するプラットフォーム製品(APPを使用することを含む)を含む。一例において、コンピュータで実施された時間的に変化する要素は、認知を評価するか、または情動に関係する認知を改善するように構成されている課題において使用され、プラットフォーム製品において表現されるコンピュータで実施された時間的に変化する要素に対するユーザインタラクションの尺度として収集されるデータ(cDataを含む)は、プラットフォーム製品のユーザインターフェースを使用するインタラクションに対して、またはその聴覚、触覚、もしくは振動要素として構成される処理の後に、認知の評価の尺度を、または認知の尺度の改善を決定するために使用される。コンピュータで実施された時間的に変化する要素は、実行すべきユーザに対する空間課題を表現することをユーザインターフェースに行わせることなどによって非情動的認知に対する情動の影響を測定するためのデータを収集し、および/または情動を調節する実行機能の尺度を使用する特徴を表現することをユーザインターフェースに行わせることなどによって情動に対する非情動的認知の影響を測定するためのデータを収集するように構成され得る。例示的な一実施形態において、ユーザインターフェースは、MTGによる認知的負荷の下にある間に、CSIによって示される情動を識別し(測定データに基づく)、その識別を作業記憶に保持し、それをその後のCSIによって示される情動の尺度と比較するために課題を表現するように構成され得る。
一例において、プログラムプラットフォームは、ユーザに、干渉処理に基づく認知プラットフォームを提示するように構成されているコンピューティングデバイスを備える。干渉処理を実施する例示的なシステム、方法、および装置において、少なくとも1つの処理ユニットは、少なくとも1つの第1のユーザインターフェースを表現するか、または聴覚、触覚、もしくは振動信号を発生して、第1のCSIを、ユーザからの第1のタイプの応答を必要とする一次課題として提示することを作動コンポーネントに行わせるようにプログラムされる。例示的なシステム、方法、および装置は、少なくとも1つの第2のユーザインターフェースを表現することを少なくとも1つの処理ユニットに行わせるか、または聴覚、触覚、もしくは振動信号を発生して、第2のCSIを、干渉の存在下で一次課題へのユーザからの第2のタイプの応答を必要とする一次課題とともに干渉として提示することを作動コンポーネントに行わせるようにも構成される。非限定的な例において、第2のタイプの応答は、一次課題への第1のタイプの応答と、干渉への二次応答とを含むことができる。別の非限定的な例では、第2のタイプの応答は、第1のタイプの応答を含まず、それとかなり異なっていてもよい。少なくとも1つの処理ユニットは、限定はしないが、データを受信するように少なくとも1つのユーザインターフェースを表現することなどによって、プラットフォーム製品に対するユーザインタラクションに基づく第1のタイプの応答および第2のタイプの応答を示すデータ(限定はしないがcDataなど)を受信するようにもプログラムされる。プラットフォーム製品は、また、ユーザが認知プラットフォームをインタラクティブに操作する前、操作している最中、および/または操作した後に1つまたは複数の生理学的コンポーネントを使用して行われる測定を示すnDataを受け取るように構成され得る。少なくとも1つの処理ユニットは、また、cDataおよび/もしくはnDataを解析して個人の生理学的状態および/もしくは認知状態の尺度を提供する、ならびに/またはユーザの第1のタイプの応答の尺度と第2のタイプの応答の尺度との差(cDataにおける差に基づくことも含む)および関連付けられているnDataにおける差を決定することに基づき個人のパフォーマンスの差を解析する、ようにもプログラムされ得る。少なくとも1つの処理ユニットは、また、cDataおよび/もしくはnDataの解析(解析で決定された個人のパフォーマンスおよび/もしくは生理学的状態の尺度を含む)に基づき一次課題および/もしくは干渉の難易度レベルを調整する、ならびに/または個人のパフォーマンスを示し得るプラットフォーム製品からの出力もしくは他のフィードバック、および/もしくは認知評価、および/もしくは認知処理への応答、および/もしくは認知の評価された尺度を提供する、ようにもプログラムされ得る。
一例において、ユーザの第1のタイプおよび第2のタイプの応答の尺度とnDataとの差を決定することに基づく個人のパフォーマンスにおける差からのフィードバックは、1つまたは複数のセッションにおける個人のリアルタイムのパフォーマンスを示す認知プラットフォームにおける入力として使用され得る。フィードバックのデータは、コンピューティングデバイスの計算コンポーネントへの入力として使用されてよく、それにより、進行中のセッション内で、および/またはその後実行されるセッション内でユーザがインタラクティブに操作する一次課題および/または干渉の難易度レベルに合わせて認知プラットフォームが行う調整の程度を決定することができる。
非限定的な例として、干渉処理に基づく認知プラットフォームは、アキリ・インタラクティヴ・ラブズ・インコーポレイテッド(Akili Interactive Labs, Inc.，Boston，MA)によるProject:EVO(登録商標)プラットフォームに基づくものであってよい。
干渉処理に基づく本明細書の原理による例示的なシステム、方法、および装置において、ユーザインターフェースは、干渉処理の一構成要素として、ユーザが応答するターゲット課題の弁別特徴のうちの1つが、干渉処理における干渉要素として働く情動、形状、色、および/または位置を表示するプラットフォーム内の特徴であるように構成される。
干渉処理に基づく本明細書の原理による別の例示的なシステム、方法、および装置において、プラットフォーム製品は、コンピュータで実施された時間的に変化する要素を使用する認知課題などの作業記憶課題を含むものとしてよく、MTGもしくはSTG内で、情緒的な内容はマッチングの基準、またはユーザインタラクションの一部としての気を散らす要素のいずれかである。
本明細書の原理による例示的なシステム、方法、および装置は、MTGまたはSTGにおいて少なくとも1つのコンピュータで実施された時間的に変化する統合的な要素を表現するように構成されている認知プラットフォームを使用するプラットフォーム製品(APPを使用することを含む)を含み、ユーザインターフェースは、コンピュータで実施された時間的に変化する要素に明示的に注意を促さないように構成される。プラットフォーム製品のユーザインターフェースは、注意、解釈、または記憶における、およびプラットフォーム製品に対するユーザインタラクションを示す収集されたデータへの、情動的バイアスを評価もしくは調整することを目的としてコンピュータで実施された時間的に変化する要素を表現するように構成され得る。
本明細書の原理による例示的なシステム、方法、および装置は、1つまたは複数の課題内で提供されるポジティブまたはネガティブフィードバックを強化する少なくとも1つのコンピュータで実施された時間的に変化する要素を表現するように構成されている認知プラットフォームを使用するプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、ユーザインタラクション(ゲームプレーを含む)への認知的もしくは情動的負荷の固定もしくは調整可能レベルを導入する少なくとも1つのコンピュータで実施された時間的に変化する要素を表現するように構成されている認知プラットフォームを使用するプラットフォーム製品(APPを使用することを含む)を含む。これは、MTGまたはSTGの難易度を変調することを目的として使用されることもあり得る。これは、1つもしくは複数の課題内で提供されるポジティブフィードバックもしくはネガティブフィードバックと相反するコンピュータで実施された時間的に変化する要素を使用すること、またはユーザの認知制御能力に影響を及ぼすために自我消耗を引き起こすためにコンピュータで実施された時間的に変化する要素を使用することを含む。
本明細書の原理による例示的なシステム、方法、および装置は、MTGにおいて少なくとも1つのコンピュータで実施された時間的に変化する同時かつ相反する要素を表現し、異なる課題に統合するように構成されている認知プラットフォームを使用するプラットフォーム製品(APPを使用することを含む)を含む。これは、相反する情動的情報のユーザの取り扱いを示すプラットフォーム製品に対するユーザインタラクションに関係する認知の尺度を評価または改善することを目的として使用されることもあり得る。
本明細書の原理による例示的なシステム、方法、および装置は、評価の精度および処理の効率を高めるために、認知および/または神経心理学的疾患を示す測定nDataを含む生理学的尺度のうちのいくつかの尺度(限定はしないが、EEG測定およびERP事象検出など)に基づきAPPセッションにおいてベースラインのCSIレベル/属性を設定するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。CSIは、nDataの個別のユーザ動的過程に対して生理学的測定(EEG測定およびERP事象検出を含む)を較正するために使用され得る。
本明細書の原理による例示的なシステム、方法、および装置は、cDataおよび/またはnDataを収集して解析し、CSIの微妙な操作を行わせるように認知プラットフォームを調整し、それにより生理学的測定(EEG測定およびERP事象検出を含む)がユーザの認知の注意状態を反映するものに合わせて生理学的測定を正規化する変更を示すように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、cDataおよび/またはnDataを収集して解析し、生理学的測定(EEG測定およびERP事象検出を含む)がユーザの不注意状態を示しているときにCSIの顕在的な操作を行わせるように認知プラットフォームを調整するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、生理学的測定(EEG測定およびERP事象検出を含む)を使用して注意状態を検出し処理または評価に関係するCSIの遂行を最適化するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、CSIの微妙なまたは顕在的な操作を通じて生理学的測定(EEG測定およびERP事象検出を含む)からのnDataの解析結果をCSI cDataとともに使用して注意を検出し、処理または評価に関係する特定のCSIに注意を向けるように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、評価もしくは処理セッションの中で、または評価もしくは処理セッションにわたって生理学的測定(EEG測定およびERP事象検出を含む)からのnDataとともにcDataのCSIパターンの解析結果を使用して、cDataおよびnDataのユーザ生理学的プロファイル(理想的な、最適な、もしくは望ましいユーザ応答のプロファイルを含む)を生成し、セッションにまたがって、またはセッションの中でCSIを操作して、これらのユーザ生理学的プロファイルを複製するようにユーザをガイドするように構成されているプラットフォーム製品(APPを使用することを含む)を含む。たとえば、測定され収集されたcDataおよびnDataの解析結果とそのようなデータから導出されたパフォーマンスメトリックとに基づき、cDataおよびnDataの値の変化においては、ユーザインターフェースにて実行されるCSIに対してなされる変更に相関するものとしてよく、相関のパターンは識別され、ユーザ生理学的プロファイルを作成するために使用され得る。理想的な、最適な、および/または望ましいユーザ応答は、課題および/または干渉を実行することに対する完全な献身的な注意および/または努力を示すことが知られている個人から収集されたものとして決定され得る。測定され収集されたcDataおよびnData、ならびに理想的な、最適な、および/または望ましいユーザ応答を示していることが知られている個人の集まりについて計算されたパフォーマンスメトリックは、ユーザ生理学的プロファイルを生成するために使用され得る。一例において、コンピューティングシステムは、評価されおよび/または訓練されるべき検査個人から測定され収集されたcDataおよび/またはnDataをユーザ生理学的プロファイルと比較して、検査個人の応答を、たとえば、ユーザの取り組みのレベル、ユーザ焦点の程度、ユーザパフォーマンスの改善率、および同様のものに関して分類するように構成され得る。一例において、コンピューティングシステムは、評価されおよび/または訓練されるべきである検査個人から測定され収集されたcDataおよび/またはnDataをユーザ生理学的プロファイルと比較して、検査個人に対する計算されたパフォーマンスメトリックに適用されるべき重み計数を計算し重み付きパフォーマンスメトリックを決定するように構成され得る。重み付きパフォーマンスメトリックは、一方の試行から別の試行へ、および/または一方のセッションから別のセッションに移るときの難易度レベルの調整(適応)を決定するために実際のパフォーマンスメトリックの代わりに使用されてよい。CSIは、課題および/または干渉の検査個人のパフォーマンスから測定され収集されたcDataおよび/またはnDataがユーザ生理学的プロファイルと高い相関を有する(実質的にマッチすることを含む)ように修正されるものとしてよく、それによって、ユーザ生理学的プロファイルを複製することができる。すなわち、課題および/または干渉の難易度レベルは、検査個人からの応答を示すcDataおよび/またはnDataが所定のユーザ生理学的プロファイルとより密接に相関するように調整され得る。
本明細書の原理による例示的なシステム、方法、および装置は、2つ以上の異なるタイプの生理学的コンポーネントおよび/または時間の経過を追ってなされた2つ以上の異なる生理学的測定を使用した測定に基づき生理学的プロファイルを計算するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、ユーザの取り組みに関係するパラメータの指標に対する生理学的測定(EEG測定およびERP事象検出を含む)を監視し、CSIによって生成される認知的負荷を最適化して個人のパフォーマンスレベルを、時間の関数として、最適な取り組み状態に合わせて調整し(限定はしないがユーザ生理学的プロファイルとの比較などを通じて)、処理の結果得られる神経可塑性および利点の移動を最大化するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書で使用されているように、「神経可塑性」という語は、中枢神経系の目標再組織化を指す。
本明細書の原理による例示的なシステム、方法、および装置は、怒りおよび/またはフラストレーションを示す生理学的測定(EEG測定およびERP事象検出を含む)を監視し、代替的CSIまたはCSIの取り組み解除をオファーすることによって認知プラットフォームとの継続的ユーザインタラクション(「プレー」とも称される)を促進するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、幸せおよび/または満足(たとえば、瞑想状態および/または集中注意状態に基づく)を示す生理学的測定(EEG測定およびERP事象検出を含む)を監視し、代替的CSIまたはCSIの取り組み解除をオファーすることによって認知プラットフォームとの継続的ユーザインタラクション(「プレー」とも称される)を促進するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、怒りおよび/またはフラストレーションを示す生理学的測定(EEG測定およびERP事象検出を含む)を監視し、CSI認知的負荷を変調してnData内のEEG信号を正規化し情動的に調節された状態を反映させることによって認知プラットフォームとの継続的ユーザインタラクション(「プレー」とも称される)を促進するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、評価もしくは処理セッションの中で、または評価もしくは処理セッションにわたってCSIの動的な過程を変化させてユーザの認知または他の生理学的もしくは認知的様相に関係する生理学的測定(EEG測定およびERP事象検出を含む)を最適化するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、課題自動化(たとえば、ユーザが取り組みをほとんど示していないか、もしくは応答を提供することに対する関心の欠如を示す応答を提供している)の生理学的測定信号(EEG/ERP測定信号を含む)が検出されるか、または課題学習に関係する生理学的測定が減退の兆候を示している場合にCSIもしくはCSI認知的負荷を調整するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、ポジティブおよびネガティブフィードバックの生理学的測定信号(EEG/ERP測定信号を含む)を監視し、認知プラットフォームおよびCSIからのフィードバックレベルを調整して(一方の試行もしくはセッションから別の試行もしくはセッションへの提示された課題および/もしくは干渉の難易度のレベルを調整すること、ならびに/または個人に出力されるパフォーマンスメトリックもしくは進行状況指標のタイプを調整することによる調整を含む)、個人からの測定され収集された応答データ(cDataおよび/またはnDataを含む)に基づき計算されたパフォーマンスメトリックを正規化しおよび/または最適化するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。正規化され、および/または最適化されたパフォーマンスメトリックは、課題および/または干渉を提示するために使用されるCSIへのユーザの注意、およびユーザの取り組みを促進するために個人に対して出力されるか、または他の何らかの形で表示され得る。
本明細書の原理による例示的なシステム、方法、および装置は、ユーザの取り組みの信号を示す生理学的測定を監視し、フィードバックループ内で限定はしないが、音量、ピッチ、もしくはリズムなどの聴覚的特性、および/または限定はしないが、色もしくは輝度などの視覚的特性を連続的に調整するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。例示的なフィードバックループは、限定はしないが、比例コントローラ、比例/積分コントローラ、比例/微分コントローラ、または比例/積分/微分(PID)コントローラなどの、1つまたは複数のコントローラを使用して実施され得る。生理学的測定を示すデータの解析結果に基づき、1つまたは複数のコントローラは、制御信号を発行してフィードバックループをもたらす、すなわち、個人の生理学的測定がユーザの取り組みの十分なレベルの信号を示すまでユーザに提示される課題および/または干渉の聴覚的特性および/または視覚的特性を連続的に調整するために適用され得る。本明細書の例では、取り組みのレベルは、個人からの前の測定の編集結果(たとえば、平均)に基づき事前指定されるか、または決定され得る。
本明細書の原理による例示的なシステム、方法、および装置は、ユーザの取り組みの信号を示す生理学的測定を監視し、生理学的測定の強度が十分なユーザの取り組みを示すレベルに移動するまで、課題および/または干渉とともに視覚的または聴覚的メッセージを導入することを処理ユニットに行わせるように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、ユーザの取り組みの信号を示す生理学的測定を監視し、個人が課題および/または干渉をインタラクティブに操作する際のスコアを示すデータを解析して、ユーザの生理学的測定に対する視覚的もしくは聴覚的メッセージの調整ならびに/または課題および/もしくは干渉とともに使用される視覚的もしくは聴覚的特性への調整の効果を決定し、タイプメッセージおよび/もしくは調整が個人に対して望ましい効果(ユーザの取り組みの向上など)を有する可能性がより高いと決定するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。解析結果は、個人の生理学的測定が十分なユーザの取り組みを示すレベルに変化するまで、視覚的もしくは聴覚的メッセージを調整し、ならびに/または課題および/もしくは干渉とともに使用される視覚的もしくは聴覚的特性を調整するように処理ユニットを制御するために使用され得る。
本明細書の例では、ユーザの取り組みの信号を示す生理学的測定は、限定はしないが、アルファおよび/もしくはシータ波EEG信号、ならびに/または指標としての心拍数、ならびに/または本明細書で説明されているような他のタイプの生理学的コンポーネントからの測定であってよい。
本明細書の原理による例示的なシステム、方法、および装置は、CSI刺激の次善最適な知覚的検出および/または弁別を検出し、生理学的測定(EEG測定およびERP事象検出を含む)によって知らされるような処理もしくは評価セッションにわたって、またはその中で刺激を調整するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、不注意ユーザ状態対非取り組みユーザ状態における誤りに関係する生理学的測定(ERP測定を含む)を検出し、CSIのパターンおよび動的な過程を調整して、ユーザの取り組みを促し、結果として、nDataの最適な生理学的応答プロファイルを示す生理学的測定データをもたらすように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、CSIのcDataからの信号をユーザ課題取り組みの生理学的測定(EEG測定およびERP事象検出を含む)と組み合わせて認知能力の指標の改善、およびそれによって、認知を促進する個人に合わせた処理を最適化するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、プラットフォームとのインタラクションにおいて、ユーザが故意に逸脱した応答をCSIに与える事例を「悪いふりをしている」個人の指標、たとえば、個人が課題および/または干渉への応答としてまずいまたは誤ったパフォーマンスを故意に与えていることを示す逸脱した応答として示すために生理学的測定(EEG測定およびERP事象検出を含む)を使用するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、生理学的測定(EEG測定およびERP事象検出を含む)からのnDataの生理学的プロファイルを使用してユーザの身元を確認/検証/認証するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、生理学的測定(EEG測定およびERP事象検出を含む)を使用して、CSIへのポジティブな情動的応答を検出し、個別のユーザ選好をカタログ化してCSIをカスタマイズし楽しみを最適化し、評価もしくは処理セッションとの継続的取り組みを促進するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、認知改善のユーザ生理学的プロファイル(限定はしないが、改善された作業記憶、注意、処理速度、および/または知覚的検出/弁別を示すとして分類されるか、または知られているユーザに関連付けられているユーザ生理学的プロファイルなど)を生成し、生理学的測定(EEG測定およびERP事象検出を含む)からのnDataからのプロファイルによって確認されるように新しいユーザのプロファイルを最適化するようにCSIを適応させる処理を行うように構成されているプラットフォーム製品(APPを使用することを含む)を含む。一例において、新しいユーザのプロファイルは、課題および/または干渉の難易度レベルを、個人からの応答を示すcDataおよび/またはnDataが所定の参照ユーザ生理学的プロファイルとより密接に相関するように調整することによって最適化され得る。
本明細書の原理による例示的なシステム、方法、および装置は、励ましの音、音楽、メッセージのうちの1つもしくは複数を調整すること、ならびに/または一次課題および/もしくは干渉の表現を行うことに遅延時間を課す(たとえば注意もしくは瞑想状態に入れるように個人に追加時間を認めるため)ことによって難易度レベルを調整するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、ユーザに対して認知改善がなされるように構成されている1つまたは複数のプロファイルの選択を行わせるように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、聴覚的および視覚的生理学的測定(EEG測定およびERP事象検出を含む)を監視して、APPを使用するユーザによって実行されている評価もしくは処理に干渉し得る外部環境要因からの干渉を検出するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、生理学的測定(EEG測定およびERP事象検出を含む)からの局在信号を使用して同時のCSIへのユーザ取り組みおよび注意を検出し、ユーザがCSIに注意しており、インタラクティブに操作していること、ならびにユーザが評価もしくは処理に必要な最適な程度でCSIに取り組んでいることを確実にするように構成されているプラットフォーム製品(APPを使用することを含む)を含む。
本明細書の原理による例示的なシステム、方法、および装置は、生理学的測定(EEG測定およびERP事象検出を含む)からの局在信号を使用して、生理学的測定(EEG測定およびERP事象検出を含む)からのnDataの特定の生理学的プロファイルをユーザ(医療デバイスを使用する患者を含む)が処理に応答する可能性があるかないかの決定要因もしくは決定として使用するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。たとえば、例示的なシステム、方法、および装置は、ユーザ(医療デバイスを使用する患者を含む)が特定のユーザ集団(患者集団を含む)における有効性を予測するために妥当性を確認されている署名として使用され得る特定の生理学的測定(EEG測定およびERP事象検出を含む)に基づき処理を受けるべきであるかどうかを選択するように構成され得る。
本明細書の原理による例示的なシステム、方法、および装置は、生理学的測定(EEG測定およびERP事象検出を含む)を使用して、CSIを予想しCSIパターンおよび/またはルールを操作するユーザの能力を監視するように構成されているプラットフォーム製品(APPを使用することを含む)を含む。たとえば、測定されたnDataは解析され、それにより、個人が応答を提供するために物理的アクションをまだ実行しているとしても、課題および/または干渉の注意または取り組みの閾値レベルをユーザがもはや与えないことを示す生理学的信号を決定することができる。コンピューティングシステムは、予想のパターンを識別し、CSIへの応答のユーザ予想を妨害し、その結果、APPにおける個人の処理および/または評価を最適化するように課題および/または干渉の難易度レベルを修正するように構成され得る。
本明細書の原理による例示的なシステム、方法、および装置は、ビデオまたはオーディオセンサを使用し、課題内のCSIへの応答を用いて、ユーザによる物理的なアクションまたは声によるアクションの実行を検出するプラットフォーム製品(APPを使用することを含む)を含む。これらのアクションは、顔の表情もしくは声の表現、または言葉などの、情動の表現であってよい。
本明細書の原理による例示的なシステム、方法、および装置は、収集されたデータの解析からユーザが非最適な情動的状態にあることが示されるときにユーザがプラットフォーム製品により良好な形で関わることを可能にするために情動調節戦略の一部として少なくとも1つのコンピュータで実施された時間的に変化する要素を表現するように構成されている認知プラットフォームを使用するプラットフォーム製品(APPを使用することを含む)を含む。たとえば、プラットフォーム製品のパフォーマンス尺度のデータ解析から、ユーザが苛立っており、処理または評価に適切に取り組めないと決定された場合、プラットフォーム製品は、ユーザが再び十分に取り組める用意ができたとみなされる時間間隔の後になるまでコンピュータで実施された時間的に変化する要素を使用する通常のインタラクションシーケンスにある種のブレークを入れるように構成されることも可能である。これは、固定時間間隔またはユーザの前のパフォーマンスデータに基づき計算される時間間隔であってよい。
本明細書の原理による例示的なシステム、方法、および装置は、インタラクションシーケンスにおいて少なくとも1つのコンピュータで実施された時間的に変化する要素を表現し、ユーザ応答を測定し、CSIをしかるべく調整するように構成されている認知プラットフォームを使用するプラットフォーム製品(APPを使用することを含む)を含む。これらの測定は、ユーザの情動的反応性の尺度を決定するために、コンピュータで実施された時間的に変化する要素を提示しないプラットフォームにおけるインタラクションシーケンスへのユーザ応答と比較され得る。この測定は、コンピュータで実施された時間的に変化する要素を提示しないインタラクションシーケンスにおいて行われた測定と比較した場合もしない場合も、ユーザの情動的状態を評価することを目的としているものとしてよい。CSI調整は、プラットフォーム製品により良好な形で関わることを可能にするために情動的調節戦略を開始すること、またはいくつかの情動条件の下でのみ、限定はしないが、課題もしくは報酬などの、いくつかのインタラクティブ要素を開始することであってもよいであろう。ユーザ応答測定では、タッチスクリーン、キーボード、もしくは加速度計などの入力、またはビデオカメラ、マイクロフォン、視線追跡ソフトウェア/デバイス、バイオセンサ、および/もしくは神経測定記録(たとえば、脳波図)などの受動的外部センサを使用してもよく、プラットフォーム製品へのインタラクションに直接的には関係しない応答、さらにはプラットフォーム製品へのユーザインタラクションに基づく応答を含み得る。プラットフォーム製品は、特定の気分の尺度および/または情動的反応性に影響を及ぼす自我消耗の一般的な状態の尺度を含むユーザの情動的状態の尺度を提示することができる。
本明細書の原理による例示的なシステム、方法、および装置は、可能な適切な課題応答を示唆するために少なくとも1つのコンピュータで実施された時間的に変化する要素を表現するように構成されている認知プラットフォームを使用するプラットフォーム製品(APPを使用することを含む)を含む。これは、情動的手がかりを識別するユーザの能力を評価するか、または適切な情動的応答を選択するために使用され得る。
本明細書の原理による例示的なシステム、方法、および装置は、制限時間が変調されてよい、時間制限のある課題において少なくとも1つのコンピュータで実施された時間的に変化する要素を表現するように構成されている認知プラットフォームを使用するプラットフォーム製品(APPを使用することを含む)を含む。これは、トップダウンの意識的な制御対ボトムアップの反射的応答などの、異なる認知過程を介してユーザ応答を測定することを目的とするものとしてよい。
本明細書の原理による例示的なシステム、方法、および装置は、1つまたは複数の価のレベルにてコンピュータで実施された時間的に変化する要素への前のユーザ応答に基づき決定される価のレベルを有する少なくとも1つのコンピュータで実施された時間的に変化する要素を表現するように構成されている認知プラットフォームを使用するプラットフォーム製品(APPを使用することを含む)を含む。これは、刺激もしくは難易度レベルについて課題に対して予想されるユーザパフォーマンスの精神測定曲線を作成すること、またはユーザの課題パフォーマンスがGo/No-Go課題における精度50%のような特定の基準を満たす特定のレベルを決定することなど、特定のゴールを達成するように価のレベルを漸進的に調整する適応型アルゴリズムを適用し得る。
上で説明されているように、本明細書の原理による例示的なシステム、方法、および装置は、プラットフォーム製品の認知プラットフォームを実現するために、プログラムされたコンピューティングデバイスの少なくとも1つの処理ユニットを使用して、実施され得る。図1は、本明細書で上で説明されている認知プラットフォームを実施するために使用できる本明細書の原理による例示的な装置100を示している。例示的な装置100は、少なくとも1つのメモリ102と少なくとも1つの処理ユニット104とを備える。
少なくとも1つの処理ユニット104は、少なくとも1つのメモリ102に通信可能に接続される。
例示的なメモリ102は、限定はしないが、ハードウェアメモリ、非一時的な有形媒体、磁気記憶ディスク、光ディスク、フラッシュドライブ、計算デバイスメモリ、限定はしないが、DRAM、SRAM、EDO RAMなどのランダムアクセスメモリ、他の任意のタイプのメモリ、またはこれらの組合せを含むことができる。例示的な処理ユニット104は、限定はしないが、マイクロチップ、プロセッサ、マイクロプロセッサ、専用プロセッサ、特定用途向け集積回路、マイクロコントローラ、フィールドプログラマブルゲートアレイ、他の任意の好適なプロセッサ、またはこれらの組合せを含むことができる。
少なくとも1つのメモリ102は、プロセッサ実行可能命令106およびコンピューティングコンポーネント108を記憶するように構成される。非限定的な例において、コンピューティングコンポーネント108は、(i)課題への個人からの応答(cDataの少なくとも一部を提供する)、(ii)干渉への個人の二次応答(cDataの少なくとも一部を提供する)、および(iii)個人の少なくとも1つの生理学的尺度(nDataの少なくとも一部を提供するために少なくとも1つの生理学的コンポーネントの測定を使用する)のうちの2つ以上を実質的に同時に受信する(測定することを含む)ために使用され得る。非限定的な例では、コンピューティングコンポーネント108は、本明細書で説明されているような1つまたは複数の生理学的コンポーネントと接続されている認知プラットフォームから受信されたcDataおよび/またはnDataを解析し、認知能力の少なくとも1つの定量化された指標を含む少なくとも1つのパフォーマンスメトリックを計算するために使用することができる。別の非限定的な例において、コンピューティングコンポーネント108は、コンピュータ実施適応型応答デッドライン手順で信号検出メトリックを計算するために使用できる。図1に示されているように、メモリ102は、限定はしないが、装置100に接続されるか、もしくは一体である生理学的コンポーネントから受信された生理学的測定データ112ならびに/または装置100のユーザインターフェースに表現される課題および/もしくは装置100に接続されるか、もしくは一体である作動コンポーネントからの聴覚、触覚、および/もしくは振動信号を使用して生成される課題への応答を含む、1つもしくは複数の課題への個人の応答を示すデータ、ならびに/または個人に投与されているかもしくは投与されるべき薬物、医薬品、生物剤、もしくは他の薬剤の量、濃度、もしくは投薬滴定、もしくは他の治療計画のうちの1つもしくは複数を示すデータなどの、データ110を記憶するためにも使用され得る。
非限定的な例において、少なくとも1つの処理ユニット104は、メモリ102に記憶されているプロセッサ実行可能命令106を実行して、少なくとも、(i)課題への個人からの応答(cDataの少なくとも一部を提供する)、(ii)干渉への個人の二次応答(cDataの少なくとも一部を提供する)、および(iii)個人の少なくとも1つの生理学的尺度(nDataの少なくとも一部を提供するために少なくとも1つの生理学的コンポーネントの測定を使用する)のうちの2つ以上を実質的に同時に測定する。少なくとも1つの処理ユニット104は、また、メモリ102に記憶されているプロセッサ実行可能命令106を実行して、少なくとも、本明細書で説明されているような1つまたは複数の生理学的コンポーネントと接続されている認知プラットフォームから受信されたcDataおよび/またはnDataを解析し、コンピューティングコンポーネント108を使用して認知能力の少なくとも1つの定量化された指標を含む少なくとも1つのパフォーマンスメトリックを計算する。少なくとも1つの処理ユニット104は、また、プロセッサ実行可能命令106を実行して本明細書で説明されているような1つもしくは複数の生理学的コンポーネントと接続されている認知プラットフォームから受信されたcDataおよび/もしくはnDataの解析を示す値を伝送するように伝送ユニットを制御し、ならびに/またはcDataおよび/もしくはnData(少なくとも1つのパフォーマンスメトリックを含む)の解析を示す値を記録するようにメモリ102を制御する。少なくとも1つの処理ユニット104は、また、プロセッサ実行可能命令106を実行して計算された信号検出メトリックを示す値を伝送するように伝送ユニットを制御し、および/または信号検出メトリックを示す値を記憶するようにメモリ102を制御するようにプログラムされ得る。
非限定的な別の例において、少なくとも1つの処理ユニット104は、メモリ102に記憶されているプロセッサ実行可能命令106を実行して、少なくとも、コンピュータ実施適応型応答デッドライン手順で信号検出メトリックを適用する。
本明細書の例では、ユーザインターフェースは、グラフィカルユーザインターフェースであってよい。
別の非限定的な例では、測定データ112は、1つまたは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントを使用した測定結果から収集できる。本明細書のどの例においても、1つまたは複数の生理学的コンポーネントは、生理学的測定を実行するように構成される。生理学的測定は、生理学的パラメータの定量的測定データならびに/または生理学的構造および/もしくは機能の視覚化に使用され得るデータを提供する。
本明細書のどの例においても、測定データ112は、反応時間(reaction time)、応答分散(response variance)、正答反応率(correct hits)、見逃しエラー率(omission errors)、お手つき回数(number of false alarms)(限定はしないが非ターゲットへの応答など)、学習率、空間的分散、主観的評定、および/もしくはパフォーマンス閾値、または最新の完了した試行もしくはセッションにおけるパーセント正確度、正答数、および/もしくは誤答数を含む、解析からのデータを含むことができる。測定データ112の他の非限定的な例は、応答時間、課題完了時間、設定された長さの時間内に完了した課題の数、課題に対する準備時間、応答の正確さ、設定された条件の下での応答の正確さ(たとえば、刺激難易度または大きさレベルおよび複数の刺激の関連付け)、設定された制限時間内に参加者が記録することができる応答の数、制限時間なしで参加者が行うことができる応答の数、課題を完了するために必要な課題での試行回数、移動安定性、加速度計およびジャイロスコープのデータ、ならびに/または自己評価を含む。
本明細書の例において、1つまたは複数の生理学的コンポーネントは、電気的活動、心拍数、血流量、および酸素化レベルを含む、身体および神経系統の物理的特性を測定し、測定データ112を提供する手段を含み得る。これは、測定データ112を提供するために、カメラベースの心拍数検出、電気皮膚反応の測定、血圧測定、脳波図、心電図、核磁気共鳴画像法、近赤外分光法、および/または瞳孔拡張尺度を含むことができる。1つまたは複数の生理学的コンポーネントは、身体および神経系統の物理的特性のパラメータ値を測定するための1つまたは複数のセンサと、1つまたは複数のセンサによって検出された信号を処理するための1つまたは複数のシグナルプロセッサとを備え得る。
測定データ112を提供するための生理学的測定の他の例は、限定はしないが、体温の測定、心電計(ECG)を使用する心臓もしくは他の心臓関係の機能、脳波図(EEG)を使用する電気的活動、事象関連電位(ERP)、機能的磁気共鳴画像法(fMRI)、血圧、皮膚の一部の電位、電気皮膚反応(GSR)、脳磁気図(MEG)、散瞳の程度を決定するようにプログラムされている処理ユニットを含む視線追跡デバイスもしくは他の光学的検出デバイス、機能的近赤外分光法(fNIRS)、および/またはポジトロン放出断層撮影(PET)スキャナを含む。EEG-fMRIまたはMEG-fMRI測定は、電気生理学(EEG/MEG)データおよび血行動態(fMRI)データの同時取得を可能にする。
図1の例示的な装置100は、本明細書で説明されている例示的な方法のうちのどれかを実行するためのコンピューティングデバイスとして構成され得る。コンピューティングデバイスは、本明細書で説明されている例示的な方法の機能の一部を実行するためのアプリプログラムを備え得る。
本明細書の例では、例示的な装置100は、認知監視コンポーネント、疾病監視コンポーネント、および生理学的測定コンポーネントのうちの1つまたは複数と通信し、課題、干渉、およびコンピュータで実施された時間的に変化する要素のうちの1つまたは複数のタイプまたは難易度レベルを調整するためにデータのバイオフィードバックおよび/またはニューロフィードバックをコンピューティングデバイスに提供し、個人の所望のパフォーマンスレベルを達成するように構成され得る。非限定的な例として、バイオフィードバックは、たとえば、個人の注意、気分、または情動状態を示す測定データに基づき課題、干渉、およびコンピュータで実施された時間的に変化する要素のうちの1つまたは複数のタイプまたは難易度レベルを修正するために装置100をインタラクティブに操作するときに個人の生理学的測定に基づくものとしてよい。非限定的な例として、ニューロフィードバックは、たとえば、個人の認知状態、疾病状態を示す測定データに基づき(監視システムからのデータまたは疾病状態に関係する挙動に基づくことを含む)課題、干渉、およびコンピュータで実施された時間的に変化する要素のうちの1つまたは複数のタイプまたは難易度レベルを修正するために個人が装置100をインタラクティブに操作するときに認知および/または疾病監視コンポーネントを使用する個人の測定および監視に基づくものとしてよい。
図2は、本明細書の原理により認知プラットフォームを実施するために使用できる、コンピューティングデバイス200として構成されている、本明細書の原理による別の例示的な装置を示している。例示的なコンピューティングデバイス200は、通信モジュール210と解析エンジン212とを備え得る。通信モジュール210は、干渉の非存在下での課題への個人の少なくとも1つの応答、および/または干渉の存在下で表現されている課題への個人の少なくとも1つの応答を示すデータを受信するように実施され得る。一例において、通信モジュール210は、(i)課題への個人からの応答、(ii)干渉への個人の二次応答、および(iii)少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答のうちの2つ以上を実質的に同時に受信するように実施され得る。解析エンジン212は、本明細書で説明されているように少なくとも1つのセンサコンポーネントからのデータを解析し、および/または第1の応答と、少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答とを示すデータを解析して認知能力の少なくとも1つの定量化された指標を含む少なくとも1つのパフォーマンスメトリックを計算するように実施され得る。別の例では、解析エンジン212は、データを解析し、応答プロファイル、決定境界メトリック(限定はしないが応答基準など)、予測モデル、ならびに/または本明細書で説明されている他のメトリックおよび解析結果を生成するように実施され得る。図2の例に示されているように、コンピューティングデバイス200は、プロセッサユニットがユーザが解析エンジン212を開始するために実施することができるアプリケーションプログラム(アプリ214)を実行できるようにプロセッサ実行可能命令を備え得る。一例において、プロセッサ実行可能命令は、ソフトウェア、ファームウェア、または他の命令を含むことができる。
例示的な通信モジュール210は、コンピューティングデバイス200と別のコンピューティングデバイスまたはコンピューティングシステムとの間で情報が交換される際に使用する有線および/またはワイヤレス通信インターフェースを実施するように構成され得る。有線通信インターフェースの非限定的な例は、限定はしないが、USBポート、RS232コネクタ、RJ45コネクタ、およびイーサネット(登録商標)コネクタと、それに関連付けられている適切な回路とを備える。ワイヤレス通信インターフェースの非限定的な例は、限定はしないが、Bluetooth(登録商標)技術、Wi-Fi、Wi-Max、IEEE 802.11技術、無線周波数(RF)通信、赤外線通信協会(IrDA)互換プロトコル、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、および共有ワイヤレスアクセスプロトコル(SWAP)を実施するインターフェースを含み得る。
例示的な実施形態において、例示的なコンピューティングデバイス200は、装置からの信号を第2のコンピューティングデバイスに伝送するように構成されている少なくとも1つの他のコンポーネントを備える。たとえば、少なくとも1つのコンポーネントは、少なくとも1つのセンサコンポーネントによる測定を示すデータを含む信号を第2のコンピューティングデバイスに伝送するように構成されているトランスミッタまたはトランシーバを備え得る。
本明細書の例において、コンピューティングデバイス200上のアプリ214は、コンピューティングデバイスのプロセッサユニットが解析エンジンを実行して表現された課題および/または干渉(コンピュータで実施された時間的に変化する要素によりいずれか一方もしくは両方)への個人の応答、ならびに少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答を示すデータを解析し認知能力の少なくとも1つの定量化された指標を含む少なくとも1つのパフォーマンスメトリックを計算するようなプロセッサ実行可能命令を備えることができる。別の例において、コンピューティングデバイス200上のアプリ214は、コンピューティングデバイスのプロセッサユニットが解析エンジンを実行して表現された課題および/または干渉(コンピュータで実施された時間的に変化する要素によりいずれか一方もしくは両方)への個人の応答、ならびに少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答を示すデータを解析しパフォーマンスメトリックの計算された値に基づき予測モデルを形成し、個人の認知の尺度、気分、認知的バイアスのレベル、または情緒的バイアスを示す予測モデル出力を生成するようなプロセッサ実行可能命令を備えることができる。いくつかの例において、アプリ214は、コンピューティングデバイスの処理ユニットが解析エンジンを実行して、応答プロファイル、決定境界メトリック(限定はしないが応答基準など)、予測モデル、ならびに本明細書において説明されている他のメトリックおよび解析結果に関する予測モデルを形成するようなプロセッサ実行可能命令を備えることができる。何らかの例において、アプリ214は、(i)個人の認知能力を示す予測モデル出力、(ii)医薬品、薬物、もしくは生物剤の投与に応答して個人が有害事象の影響を受ける尤度、(iii)医薬品、薬物、もしくは生物剤の量、濃度、もしくは投薬滴定のうちの1つまたは複数における変化、および(iv)個人の認知能力、推奨治療計画、または行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの有効性の程度を推奨もしくは決定することの変化のうちの1つまたは複数をもたらすプロセッサ実行可能命令を備えることができる。
本明細書のどれかの例において、アプリ214は、生理学的コンポーネントから受信された個人の生理学的測定データ、ならびに/または装置100のユーザインターフェースのところに表現される課題および/もしくは干渉への個人の応答を示すデータ(以下でより詳しく説明されるような)、ならびに/または個人に投与されているもしくは投与されるべき薬物、医薬品、生物剤、または他の薬剤の量、濃度、もしくは投薬滴定、もしくは他の治療計画のうちの1つもしくは複数を示すデータを含む測定データを受信するように構成され得る。
図3Aは、本明細書の原理による、非限定的な例示的なシステム、方法、および装置を示しており、プラットフォーム製品(APPを使用することを含む)は、生理学的コンポーネント304のうちの1つまたは複数から分離しているが、それと接続するように構成されている、認知プラットフォーム302として構成される。
図3Bは、本明細書の原理による、別の非限定的な例示的なシステム、方法、および装置を示しており、プラットフォーム製品(APPを使用することを含む)は、統合デバイス310として構成され、認知プラットフォーム312は、生理学的コンポーネント314のうちの1つまたは複数と一体化される。
図4は、システムの非限定的な例示的な実施形態を示しており、プラットフォーム製品(APPを使用することを含む)は、生理学的コンポーネント404と接続するように構成されている認知プラットフォーム402として構成される。この例では、認知プラットフォーム402は、タブレットとして構成され、上で説明されている課題およびCSIに関連付けられているプロセッサ実行可能命令を実施し、認知プラットフォーム402に対するユーザインタラクションからのユーザ応答に関連付けられているcDataを受信し、生理学的コンポーネント404からnDataを受信し、上で説明されているようにcDataおよび/もしくはnDataを解析し、cDataおよび/もしくはnDataを解析して個人の生理学的状態および/もしくは認知状態の尺度を提供する、ならびに/またはユーザの応答とnDataとの間の差を決定することに基づき個人のパフォーマンスの差を解析する、ならびに/または解析において決定された個人のパフォーマンスに基づきおよびcDataおよび/もしくはnDataの解析結果に基づきコンピュータ化された刺激もしくはインタラクション(CSI)もしくは他のインタラクティブ要素の難易度レベルを調整する、ならびに/または個人のパフォーマンスを示すプラットフォーム製品からの出力もしくは他のフィードバック、および/もしくは認知評価、および/もしくは認知処理への応答、および/もしくは認知の評価された尺度を提供する、ようにプログラムされた少なくとも1つのプロセッサを備える。この例では、生理学的コンポーネント404は、nDataを提供するように認知プラットフォーム402とのユーザインタラクションの前、その最中、および/またはその後に測定を実行するためにユーザの頭部に装着されるEEGとして構成される。
非限定的な例示的な実施形態において、EEGは、医療処理の妥当性確認およびオーダーメイド医療に対する低コストEEGであってよい。低コストEEGデバイスは、使い勝手がよいものであり得、医療アプリケーションの精度および妥当性を大幅に改善する潜在性を有する。この例では、プラットフォーム製品は、認知プラットフォームに接続されているEEGコンポーネントを含む統合デバイスとして、またはEEGコンポーネントから分離しているが、それと接続するように構成されている認知プラットフォームとして構成され得る。
処理の妥当性確認を行うための非限定的な例示的な使用では、ユーザは、認知プラットフォームをインタラクティブに操作し、EEGは、ユーザの生理学的測定を実行するために使用される。EEG測定データ(脳波など)の変化は、認知プラットフォームをインタラクティブに操作するユーザのアクションに基づき監視される。EEG(脳波など)を使用する測定からのnDataは、収集され、解析されて、それによりEEG測定の変化を検出することができる。この解析は、ユーザが最適なまたは望ましい生理学的プロファイルに従って実行しているかどうかなど、ユーザからの応答のタイプを決定するために使用され得る。
オーダーメイド医療に対する非限定的な例示的な使用では、EEG測定からのnDataは、認知プラットフォーム処理が望ましい効果を有していることを示すユーザパフォーマンス/状態の変化を識別するために使用される(所与のユーザに対して働く課題および/またはCSIのタイプを決定することを含む)。この解析は、認知プラットフォームが、アプリケーションにおけるユーザエクスペリエンスを調整することによって、EEGが検出しているこれらのユーザ結果を強化するか、または弱める課題および/またはCSIを提供させられるべきかどうかを決定するために使用され得る。
この例および本明細書の他の例では、cDataおよび/またはnDataは、リアルタイムで収集され得る。
この例および本明細書の他の例では、課題および/またはCSIのタイプへの調整は、リアルタイムで行われ得る。
コンピューティングデバイスの非限定的な例は、スマートフォン、タブレット、スレート、電子書籍リーダー、デジタルアシスタント、または上で説明されているモバイル通信デバイスのうちのどれかを含む、他の同等のデバイスを含む。一例として、コンピューティングデバイスは、表現される課題および/または干渉(コンピュータで実施された時間的に変化する要素を伴っていずれかまたは両方)への個人の応答を示すデータを解析するための解析モジュールを含むアプリケーションを実行するように構成されているプロセッサユニットを備えることができる。
例示的なシステム、方法、および装置は、コンピュータ実施適応型精神物理学的手順を使用してヒューマンパフォーマンスを評価するか、または心理/知覚療法を遂行するコンピューティングデバイスを含む製品内の一コンポーネントとして実施され得る。
応答プロファイルに基づき計算され得るタイプの決定境界メトリックの非限定的な例示的な特性は、応答基準(時点尺度)であり、これは信号検出精神物理学評価に対する応答基準を計算するための標準的な手順を使用することで計算される。たとえば、「Macmillan and Creelman，"Signal Detection: A Users Guide"，2nd edition，Lawrence Erlbaum USA，2014」を参照されたい。
他の非限定的な例では、決定境界メトリックは、単一の定量的尺度以上のものであり得、むしろ定量的パラメータによって定義される曲線であってよく、これに基づいて、限定はしないが応答プロファイル曲線の一方の側または他方の側への面積などの、決定境界メトリックが計算され得る。決定境界曲線を特徴付けて決定プロセスの時間変動特性を評価するために計算され得る他の非限定的な例示的なタイプの決定境界メトリックは、初期バイアス点(信念累積軌跡の開始点)と、基準との間の距離、決定境界までの距離、「待機コスト」(たとえば、初期決定境界および最大決定境界からの距離、もしくはその点までの曲線の全面積)、または決定境界と基準線との間の面積(「平均決定境界」もしくは「平均基準」の尺度を生み出す応答デッドラインに対して正規化された面積を含む)を含む。本明細書の例は応答基準の計算結果に基づき説明され得るが、他のタイプの決定境界メトリックも適用可能である。
次に示すのは、人間の意思決定の計算モデル(ドリフト拡散モデルに基づく)の非限定的な例示的な使用の説明である。ドリフト拡散モデルが例として使用されるが、ベイズモデルを含む、他のタイプのモデルも適用される。ドリフト拡散モデル(DDM)は、二択意思決定を使用するシステムに対して適用できる。たとえば、「Ratcliff, R.，"A theory of memory retrieval."，Psychological Review，85，59-108，1978」、「Ratcliff, R. & Tuerlinckx, F.，"Estimating parameters of the diffusion model: Approaches to dealing with contaminant reaction times and parameter variability"，Psychonomic Bulletin & Review，9，438-481，2002」を参照。拡散モデルは、二者択一プロセスは組織的でランダムな影響によって進められるという仮定に基づく。
図5Aは、刺激からの信念の累積の例示的な経路を示す、結果として線形ドリフト率をもたらす刺激による拡散モデルの例示的なプロットを示している。これは、ターゲット(信号)および非ターゲット(ノイズ)に対する試行にわたるドリフト率の分布を示している。縦線は、応答基準である。各試行におけるドリフト率は、ドリフト基準とドリフト分布からのサンプルとの間の距離によって決定される。このプロセスは点xから始まり、「A」における下限閾値または「B」における上限閾値に達するまで時間の経過とともに移動する。DDMは、個人が各時間ステップにおける代替的閾値のうちの一方または他方に対する証拠を累積し、決定閾値に達するまで、その証拠を集積して信念を発展させると仮定している。どの閾値に達するかに応じて、異なる応答(すなわち、応答Aまたは応答B)が個人によって開始される。心理学的アプリケーションにおいて、このことは、決定プロセスが終了し、応答システムが活性化されており、個人は対応する応答を開始することを意味する。以下で非限定的な例において説明されているように、これは、個人の物理的アクションがシステムまたは装置のコンポーネントを作動させて応答を返すことを要求し得る(限定はしないが、ターゲットへの応答としてユーザインターフェースをタップすることなど)。組織的な影響は、ドリフト率と呼ばれ、これらは所与の方向にプロセスを駆動する。ランダムな影響は、一定の経路に乱高下を加える。所与の一組のパラメータにより、モデルは、プロセスの2つの可能な結果に対するプロセス持続時間(すなわち、応答時間)の分布を予測する。
図5Aは、プロセスの例示的なドリフト拡散経路も示しており、これは経路が真っ直ぐでないが、むしろ、ランダムな影響のせいで、2つの境界の間で振動することを例示している。個人が刺激を分類することを必要としている状況において、このプロセスでは、2つの可能な刺激の解釈の各々を育てることを個人に行わせる時間の経過とともに収集される情報の比を記述する。十分に明瞭な信念点に達した後、個人は応答を開始する。図5Aの例では、上限閾値に達するプロセスは、正のドリフト率を示している。いくつかの試行において、ランダムな影響はドリフトに勝る可能性があり、プロセスは下限閾値で終了する。
ドリフト拡散モデルの例示的なパラメータは、閾値(「A」または「B」)の定量子、開始点(x)、ドリフト率、および応答時間定数(t0)を含む。DDMは、保守主義の尺度、すなわち、プロセスが一方の閾値に達するのにより時間がかかること、および他方の閾値には(ドリフトとは反対に)あまり頻繁には達しないことを示す指標を提供することができる。開始点(x)は、バイアスの指標をもたらす(代替的応答が開始される前に必要とされる情報の量の差を反映する)。xは、「A」により近い場合、個人は、個人が応答Bを実行するために必要とするであろう情報の量が(比較的)大きいことと比べて、信念を発展させて応答Aを実行するためにより少ない(比較的)量の情報を必要とする。開始点(x)と閾値との間の距離が小さければ小さいほど、個人が対応する応答を実行するためにプロセス持続時間は短くなる。ドリフト率(v)の正の値は、上限閾値(「A」)への平均接近率の尺度となる。ドリフト率は、個人が刺激に関する情報を吸収し信念を発展させて応答を開始し実行する、単位時間当たりの情報の相対的量を示す。一例において、一方の個人のデータから計算されたドリフト率と別の個人からのデータとの比較は、個人の相対的知覚感度の尺度となり得る。別の例では、ドリフト率の比較は、課題難易度の相対的尺度となり得る。応答時間の計算のために、DDMはその総持続時間を推定することを可能にし、応答時間定数(t0)は特別決定(extra-decisional)プロセスの持続時間を示す。DDMは、課題に対する人間データにおける精度および反応時間を記述するように示されている。図5Aの非限定的な例において、総応答時間は、刺激符号化(tS)に対する時間の長さ、個人が決定に要する時間、および応答実行に対する時間の総和として計算される。
結果として線形ドリフト率をもたらす刺激に基づく従来のドリフト拡散モデルと比較して、本明細書の原理による例示的なシステム、方法、および装置は、結果として非線形ドリフト率をもたらす刺激を与えるように構成され、この刺激は時間変動し、指定された応答デッドラインを有する課題および/または干渉(コンピュータで実施された時間的に変化する要素を伴っていずれかまたは両方)に基づく。結果として、本明細書の原理による例示的なシステム、方法、および装置は、結果として非線形ドリフト率をもたらすこれらの刺激に基づき修正された拡散モデル(修正DDM)を適用するように構成される。
図5Bは、ドリフト拡散計算における非線形ドリフト率の例示的なプロットを示している。修正DDMの例示的なパラメータは、また、閾値(「A」または「B」)の定量子、開始点(x)、ドリフト率、および応答時間定数(t0)を含む。本明細書の例示的なシステム、方法、および装置とのユーザインタラクションから収集されたデータに基づき、システム、方法、および装置は、非線形ドリフト率を有する修正DDMを適用して本明細書の例示的なプラットフォームとのユーザインタラクションにおいて使用される戦略の保守主義または衝動性の尺度を形成するように構成される。例示的なシステム、方法、および装置は、修正DDMモデルに基づき個人によって使用される戦略の保守主義または衝動性の尺度を計算し、所与の個人が一方の閾値に達するのにプロセスが要する時間の指示を、他方の閾値に(ドリフトとは反対に)達することと比較して提供するように構成される。図5Bの開始点(x)は、バイアスの指標ももたらす(代替的応答が開始される前に必要とされる情報の量の差を反映する)。応答時間の計算のために、DDMはその総持続時間を推定することを可能にし、応答時間定数(t0)は特別決定プロセスの持続時間を示す。
本明細書の原理による例示的なシステム、方法、および装置において、非線形ドリフト率は刺激の時間的に変化する性質から結果として生じ、これは(i)ユーザ応答についてユーザインターフェースに対して表現される課題および/または干渉(コンピュータで実施された時間的に変化する要素を伴っていずれかまたは両方)の一部分の時間的に変化する特徴(その結果、信念を発展させるために個人が利用できる情報の量は時間的に非線形な方式で提示される)、および(ii)応答を開始するために信念を発展させるように個人の計時感覚に影響を与えることができる、課題および/または干渉(コンピュータで実施された時間的に変化する要素を伴っていずれかまたは両方)の応答デッドラインの制限時間を含む。この例でも同様に、ドリフト率(v)の正の値は、上限閾値(「A」)への平均接近率の尺度となる。非線形ドリフト率は、信念を発展させて応答を開始し、実行するために個人が吸収する単位時間当たりの情報の相対的量を示す。一例において、一方の個人から収集された応答データから計算されたドリフト率と別の個人から収集された応答データから計算されたドリフト率との比較は、個人の相対的知覚感度の尺度を形成するために使用できる。別の例において、2つ以上の異なるインタラクションセッションからの所与の個人から収集された応答データから計算されたドリフト率の比較は、課題難易度の相対的尺度を形成するために使用できる。個人の応答の応答時間の計算のために、修正DDMは、また、応答時間の総持続時間を推定することを可能にし、応答時間定数(t0)は特別決定プロセスの持続時間を示す。図5Aの非限定的な例において、総応答時間は、刺激符号化(tS)に対する時間の長さ、個人が決定に要する時間、および応答実行に対する時間の総和として計算される。
修正DDMについて、閾値の間(すなわち、「A」と「B」との間)の距離は、保守主義の尺度となる--すなわち、分離が大きければ大きいほど、個人が応答を実行する前に収集される情報が多くなる。開始点(x)は、また、相対的保守主義の推定値をもたらし、プロセスが2つの閾値の間の中点よりも上または下から始まる場合、両方の応答に異なる量の情報が必要である、すなわち、一方の応答に対してはより保守的な決定基準が適用され、反対の応答に対してはより自由主義的な基準(すなわち、衝動的)が適用される。ドリフト率(v)は、知覚感度または課題難易度を表す、時間当たり収集される情報の(相対的)量を示す。
図6は、本明細書の原理によるコンピューティングデバイスのユーザインターフェースで表現される課題および/または干渉による個人の応答から収集されたデータに基づく、個人またはグループの精神物理学的データの信号(右曲線602)およびノイズ(左曲線604)の分布の例示的なプロット、ならびに計算された応答基準600を示している(以下でより詳しく説明されているように)。X軸(Z単位による)上の基準線の切片は、個人が「yes」(さらに右)または「no」(さらに左)を答える傾向の指示をもたらすために使用できる。応答基準600はゼロバイアス決定点(ρ)の左側に位置し、信号およびノイズ分布が交差する左側に位置する。図6の非限定的な例では、ρはZ単位による決定軸上のゼロバイアス決定の配置であり、ρの左への応答基準値は衝動的戦略を示し、ρの右への応答基準値は保守的戦略を示し、ゼロバイアス点上の切片はバランスのとれた戦略を示す。
本明細書の原理による例示的なシステム、方法、および装置は、特徴、または複数の特徴を示す応答を示すためにユーザが使用する信号および非信号応答ターゲット(刺激として)からなり、刺激の一連の順次提示または刺激の同時提示において存在する本明細書で説明されている検出または分類課題に基づき応答基準を計算するように構成されてよい。
本明細書の原理による個人の分類の結果を示すデータ(予測モデル出力を含む)は、(適切な同意により)信号として医療デバイス、ヘルスケアコンピューティングシステム、または他のデバイスのうちの1つもしくは複数に、および/または開業医、医療関係者、理学療法士、行動療法士、スポーツ医学専門家、薬剤師、または他の専門家に伝送され、それにより、治療コースを個人向けに作成することを可能にするか、または既存の治療コースを修正することができ、これは個人に投与されているもしくは投与されるべき薬物、生物剤、または他の医薬品の量、濃度、もしくは投薬滴定のうちの1つもしくは複数の変更を決定すること、および/または個人に投与されるべき薬物、生物剤、または他の医薬品の最適なタイプもしくは組合せを決定することを含む。
本明細書の例示的なシステム、方法、および装置は、個人の注意、作業記憶、およびゴール管理の評価および/または増強の補助として医学、行動、医療、または他の専門家によって使用され得るコンピュータ化された予測モデル、治療ツール、および他のツールを実現する。例示的な実施形態において、本明細書の例示的なシステム、方法、および装置は、修正されたDDMを収集されたデータに適用し、保守主義または衝動性の尺度を作成する。本明細書の原理による例示的なシステム、方法、および装置を使用して実行される例示的な解析は、注意欠如および衝動性(ADHDを含む)の尺度を作成するために使用され得る。本明細書の例示的なシステム、方法、および装置は、限定はしないが注意、記憶、運動、反応、実行機能、意思決定、問題解決、言語処理、および理解などの、他の認知領域における評価および/または増強の補助として使用できるコンピュータ化された予測モデル、治療ツール、および他のツールを実現する。いくつかの例において、システム、方法、および装置は、認知監視および/または疾病監視に使用する尺度を計算するために使用できる。いくつかの例において、システム、方法、および装置は、1つまたは複数の認知状態および/または疾病および/または実行機能障害の治療中に認知監視および/または疾病監視に使用する尺度を計算するために使用できる。
本明細書の原理による例示的なシステム、方法、および装置は、例示的な分類器を実行して個人の認知スキルの定量子を生成するように構成されるものとしてよい。例示的な分類器は、限定はしないが線形/ロジスティック回帰、主成分分析、一般化線形混合モデル、ランダム決定フォレスト、サポートベクタマシン、および/または人工ニューラルネットワークなどの、機械学習ツールを使用して構築できる。非限定的な例において、個人のラベル付けされた個体群(たとえば、知られている認知障害、実行機能障害、疾病、または他の認知状態を有する個人)のパフォーマンス尺度を使用して分類器を訓練するために使用され得る分類技術がある。訓練された分類器は、パフォーマンスメトリックの計算された値に適用され、それにより、個人の認知の尺度、気分、認知的バイアスのレベル、または情緒的バイアスを示す分類器出力を生成することができる。訓練された分類器は、課題および/または干渉(コンピュータで実施された時間的に変化する要素を伴っていずれかまたは両方)への個人の応答の尺度に適用され、これにより、個人を個体群ラベル(たとえば、認知障害、実行機能障害、疾病、または他の認知状態)に関して分類することができる。一例において、機械学習は、クラスタ分析を使用することで実施され得る。参加している個人の認知応答能力の各測定は、個人をサブセットまたはクラスタにグループ分けするパラメータとして使用され得る。たとえば、サブセットまたはクラスタラベルは、認知障害、実行機能障害、疾病、または他の認知状態の診断であってよい。クラスタ分析を使用することで、各サブセットの類似度メトリックおよび異なるサブセット間の分離が計算されるものとしてよく、これらの類似度メトリックは、課題および/または干渉(コンピュータで実施された時間的に変化する要素を伴っていずれかまたは両方)への個人の応答を示すデータに適用され、それによりその個人をサブセットに分類することができる。別の例では、分類器は、人工ニューラルネットワークに基づく教師あり機械学習ツールであってよい。そのような場合には、知られている認知能力を有する個人のパフォーマンス尺度は、異なるパフォーマンス尺度間の複雑な関係をモデル化するようにニューラルネットワークアルゴリズムを訓練するために使用され得る。訓練された分類器は、所与の個人のパフォーマンス/応答尺度に適用され、それにより、個人の認知応答能力を示す分類器出力を生成することができる。分類器を生成するための他の適用可能な技術は、個人の認知パフォーマンスに基づき認知能力を射影するための回帰またはモンテカルロ技術を含む。分類器は、生理学的尺度(たとえば、EEG)および人口統計学的尺度を含む、他のデータを使用して構築されてよい。
非限定的な例において、個人のラベル付けされた個体群のパフォーマンス尺度を使用して分類器を訓練するために使用され得る分類技術は、各個人の計算されたパフォーマンスメトリック、および個人に関する他の知られている結果データ、たとえば、限定はしないが、(i)特定の医薬品、薬物、もしくは生物剤の投与に応答して各個人が経験する有害事象、(ii)結果として個人に対して測定可能もしくは特徴付け可能な結果(ポジティブであろうとネガティブであろうと)をもたらした個人に投与された、医薬品、薬物、もしくは生物剤の量、濃度、もしくは投薬滴定、(iii)本明細書のコンピューティングデバイスを使用して表現されるシングルタスキングおよびマルチタスキング課題に対する1つもしくは複数のインタラクションに基づく個人の認知能力の変化、(iv)結果として個人に対する(ポジティブであろうとネガティブであろうと)測定可能なまたは特徴付け可能な結果をもたらした推奨治療計画、または行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの有効性の程度を推奨もしくは決定すること、(v)認知テストもしくは行動テストのうちの1つもしくは複数における個人のパフォーマンススコア、および(vi)個人の認知状態、疾病、もしくは実行機能障害の進行状況もしくは程度、のカテゴリにおける結果などに基づく。例示的な分類器は、知られている個人のパフォーマンスメトリックの計算された値に基づき訓練されるものとしてよく、これは可能なカテゴリのうちのどれかにおける潜在的結果に関して他のまだ分類されていない個人を分類することができる。
例示的な一実施形態において、プログラムされた処理ユニットは、ユーザインターフェースにおいて干渉を伴う課題を表現するプロセッサ実行可能命令を実行するように構成される。本明細書においてより詳しく説明されているように、課題および干渉のうちの1つまたは複数は、時間的に変化するものであり、応答デッドラインを有することができ、そのため、ユーザインターフェースでは、装置またはシステムをインタラクティブに操作する個人からの少なくとも1つのタイプの応答を受け取るために制限期間を課す。処理ユニットは、課題または干渉への2つ以上の異なるタイプの応答を示すデータを測定するようにユーザインターフェースを制御する構成をとる。プログラムされた処理ユニットは、課題への個人の第1の応答および干渉への個人の第2の応答を示すデータを受信し、データの少なくとも一部を解析して個人のパフォーマンスを表す少なくとも1つの応答プロファイルを計算し、応答プロファイルから決定境界メトリック(限定はしないが応答基準など)を決定することを例示的なシステムまたは装置に行わせるプロセッサ実行可能命令を実行するようにさらに構成される。決定境界メトリック(限定はしないが応答基準など)は、個人が課題または干渉への2つ以上の異なるタイプの応答(応答A対応答B)のうちの少なくとも1つのタイプの応答を提供する傾向の定量的尺度を与えることができる。プログラムされた処理ユニットは、決定境界メトリック(限定はしないが、応答基準など)の計算された値に基づき予測モデルを実行して、個人の認知応答能力を示す予測モデル出力を生成するプロセッサ実行可能命令を実行するようにさらに構成される。
一例において、処理ユニットは、医薬品、薬物、生物剤、もしくは他の薬剤の量、濃度、もしくは投薬滴定のうちの1つもしくは複数を変更すること、個人が医薬品、薬物、生物剤、もしくは他の薬剤の投与に応答して有害事象の影響を受ける尤度を識別すること、個人の認知応答能力の変化を識別すること、治療計画を推奨すること、または行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの有効性の程度を推奨もしくは決定することのうちの1つまたは複数について予測モデル出力をさらに使用する。
本明細書の例では、例示的な予測モデルは、個人の認知能力の定量化可能な評価に対してインテリジェントプロキシとして使用され得る。すなわち、予測モデルが訓練された後、予測モデルは、他の認知または行動評価テストを使用せずに複数の個人の認知応答能力の指示を提供するために使用できる。
認知障害を監視することは、個人、および/または医学、医療、行動、もしくは他の専門家が(同意の下で)認知状態、疾病、または実行機能障害の状況または進行を監視することを可能にする。たとえば、アルツハイマー病を患っている個人は、最初は軽度の症状を示し得るが、他の個人は衰弱性の高い症状を有することがある。認知的症状の状況または進行が規則正しく、または周期的に定量化され得る場合、これは、ある種の形態の医薬品または他の薬物がいつ投与され得るかを示す指示を提供することができるか、または生活の質が損なわれるおそれ(介護の必要性など)があるときにそのことを示すことができる。認知障害を監視することは、また、個人、および/または医学、医療、行動、もしくは他の専門家が(同意の下で)、特に介入が特定の個人に対して選択的に有効であることが知られている場合において、治療または介入への個人の応答を監視することを可能にする。一例において、本明細書の予測モデルに基づく認知機能評価ツールは、注意欠如多動性障害(ADHD)を患っている個別の患者であってよい。別の例では、本明細書の予測モデルおよび他のツールは、限定はしないが化学療法など、または特徴的ではないか、もしくは特徴付けが低い薬力学を伴う、知られている認知影響を有する療法からの認知副作用の有無および/または重症度のモニタとして使用され得る。本明細書の例では、認知パフォーマンス測定および/またはデータの予測モデル分析は、30分毎、数時間毎、毎日、週2回以上、毎週、隔週、毎月、または年に1回、実行されてよい。
一例において、予測モデルは、個人のパフォーマンスの定量化可能な尺度に対してインテリジェントプロキシとして使用され得る。
非限定的な一例において、課題および干渉は、個人が第1の応答および第2の応答を制限時間期間内に提供することを要求されるようにユーザインターフェースにおいて表現されるものとしてよい。一例において、個人は、第1の応答および第2の応答を実質的に同時に提供する必要がある。
一例において、処理ユニットは、課題および/または干渉を修正する少なくとも1つの適応型手順を適用し、それにより、第1の応答および/または第2の応答を示すデータの解析が第1の応答プロファイルの修正を示すことを含むさらなる命令を実行する。
一例において、処理ユニットは、応答デッドライン手順に関連付けられている応答窓の時間的長さを修正するようにユーザインターフェースを制御する。
一例において、処理ユニットは、ユーザインターフェースに表現される課題または干渉の一態様の時間的に変化する特性を修正するようにユーザインターフェースを制御する。
図3Aおよび図3Bに関連して説明されているように、課題または干渉の時間的に変化する特性(たとえば、時間的に変化するターゲット)の結果、課題または干渉に関する情報の利用可能性がそれぞれ時間的に変化し、線形ドリフト率は時間の経過とともに生じる信念の発展をキャプチャするのにもはや十分でない(むしろ、非線形ドリフト率を必要とする)。時間的に変化する特性は、限定はしないが、ターゲットと非ターゲットとを弁別するために個人が必要とする色、形状、生き物のタイプ、表情、または他の特徴などの特徴であってよく、その結果、利用可能性の時間的特性が異なる。応答窓長の試行毎の調整は、また、課題および/または干渉に首尾よく応答するために決定基準がどこにあるかについての個人の知覚を変える時間的に変化する特性であり得る。修正され得る別の時間的に変化する特性は、干渉が信念累積ならびに/または応答選択および実行に割り込みを導入することができる並列課題を妨げる程度である。
一例において、課題または干渉の一態様の時間的に変化する特性を修正することは、個人のインタラクションの2つ以上のセッションの間でユーザインターフェースに課題または干渉を表現する時間的長さを調整することを含む。
一例において、時間的に変化する特性は、対象の速度、表情の変化率、対象の軌跡の方向、対象の配向の変化、対象の少なくとも1つの色、対象のタイプ、または対象のサイズのうちの1つまたは複数である。
一例において、時間的に変化する特性は、コンピュータで実施された時間的に変化する要素に含まれる特徴の数の増大もしくは減少の変化率、コンピュータで実施された時間的に変化する要素に含まれる特徴のタイプの変化率、および/またはコンピュータで実施された時間的に変化する要素に含まれる特徴の移動の速度もしくは軌跡の変化率のうちの1つもしくは複数を含む、コンピュータで実施された時間的に変化する要素の内容および/または見掛けの変化または変調率であり得る。
一例において、対象のタイプの変化は、第1のタイプの対象から第2のタイプの対象へのモーフィングを使用するか、またはブレンドシェイプを第1のタイプの対象と第2のタイプの対象との比例した組合せとして表現することで引き起こされる。
非限定的な例では、処理ユニットは、ユーザインターフェースを表現するか、または課題および/もしくは干渉、もしくはシステムもしくは装置の別の特徴もしくは他の要素をインタラクティブに操作することに対する成功の程度に関して個人に報酬を示すための少なくとも1つの要素を実行することを別のコンポーネントに行わせるように構成され得る。報酬コンピュータ要素は、例示的なシステム、方法、または装置に対するユーザの満足を高め、結果として、ポジティブなユーザインタラクションおよびしたがって個人の経験の楽しさを増大させるためにユーザに与えられるコンピュータ生成特徴であってよい。
一例において、処理ユニットは、第1の応答および第2の応答を示すデータから導出されたバイアス感度、並列課題への非決定時間感度、並列課題要求への信念累積感度、報酬率感度、または応答窓推定効率のうちの1つまたは複数を示すパラメータを予測モデル出力としてさらに計算する。バイアス感度は、そのバイアスに基づき課題のうちのいくつかに対して個人がどれほど敏感であるかを示す尺度であり得る(一方のタイプの応答対他方のタイプの応答(たとえば、応答A対応答B)の傾向)。並列課題への非決定時間感度は、干渉が一次課題の個人のパフォーマンスをどれだけ妨げるかを示す尺度であるものとしてよい。並列課題要求への信念累積感度は、一次課題を個人が実行するときに干渉に応答するように個人が信念を発展させ/累積する速度の尺度であってよい。報酬率感度は、応答デッドライン窓の時間的な長さに基づき個人の応答がどのように変化するかを測定するために使用され得る。応答デッドライン窓の終わり近くになったときに(たとえば、干渉が視野から外れようとしているのを個人が見たときに)、個人は、自分が決定を下す残り時間がなくなりつつあることを認識する。これは、それに応じて個人の応答がどのように変化するかを測定するものである。応答窓推定効率は、以下のように説明される。個人がアクションを起こす/応答する、またはアクションを起こさない/応答しない、決定を下しているときに、決定は、応答する残り時間がなくなりつつあると個人がいつ考えるかに基づく必要がある。変化する窓に対して、個人は、その窓を完全に測定することができなくなるが、十分な試行/セッションがあれば、応答データに基づき、個人が課題または干渉における対象の時間的に変化する態様(たとえば、軌跡)に基づきその推定をどれだけ上手に行えるかを推論することが可能であり得る。
本明細書の原理による例示的なシステム、方法、および装置は、注目している認知能力の尺度に関してすでに分類されている個人に対する人間意思決定の計算モデルの出力からのフィードバックデータに基づき個人の認知能力の尺度の予測モデルを訓練するように構成され得る。たとえば、分類器は、複数の訓練データセットを使用して訓練されるものとしてよく、各訓練データセットは、個人のグループからすでに分類されている個人に関連付けられている。訓練データセットの各々は、本明細書で説明されている例示的な装置、システム、またはコンピューティングデバイスを分類された個人がインタラクティブに操作することに基づく、課題への分類された個人の第1の応答を示すデータと、干渉への分類された個人の第2の応答を示すデータとを含む。例示的な分類器は、また、入力として、認知テスト、および/もしくは行動テストにおける分類された個人のパフォーマンスを示すデータ、ならびに/または、分類された個人の認知状態、疾病、もしくは疾患(実行機能障害を含む)の状況もしくは進行の診断を示すデータを受け取ることができる。
本明細書の例では、少なくとも1つの処理ユニットは、聴覚、触覚、および/または振動を利用するコンピュータ化要素を動作させて個人との刺激によるまたは他のインタラクションを引き起こすことを装置(認知プラットフォームを含む)の作動コンポーネントに行わせるようにプログラムされ得る。非限定的な例において、少なくとも1つの処理ユニットは、入力デバイスを使用して提供される応答を含む、課題および/または干渉に対するユーザインタラクションに基づく個人からの少なくとも1つの応答を示すデータを受信することを認知プラットフォームのコンポーネントに行わせるようにプログラムされ得る。コンピュータ化された刺激を個人に与えるように少なくとも1つのグラフィカルユーザインターフェースが表現される例では、少なくとも1つの処理ユニットは、個人からの少なくとも1つの応答を示すデータを受信することをグラフィカルユーザインターフェースに行わせるようにプログラムされ得る。
本明細書の例では、課題および/または干渉への個人の応答を示すデータは、限定はしないが、ジャイロスコープ、加速度計、モーションセンサ、位置センサ、圧力センサ、光センサ、聴覚センサ、振動センサ、ビデオカメラ、圧力感知表面、タッチセンサ表面、または他のタイプのセンサなどの、本明細書の例示的なシステムまたは装置内に収容され、および/または接続されている少なくとも1つのセンサデバイスを使用して測定されるものとしてよい。他の例では、課題および/または干渉への個人の応答を示すデータは、ビデオカメラ、マイクロフォン、ジョイスティック、キーボード、マウス、トレッドミル、エリプティカルトレーナ、自転車、ステッパ、またはゲーム機(Wii(登録商標)、Playstation(登録商標)、もしくはXbox(登録商標)もしくは他のゲーム機)を含む、他のタイプのセンサデバイスを使用して測定され得る。データは、個人が課題および/または干渉とともに与えられる刺激への応答を実行したときに、少なくとも1つのセンサデバイスを使用して検出され、および/または測定される個人の物理的アクションに基づき生成され得る。
使用者は、コンピュータデバイスをインタラクティブに操作することによって課題に応答し得る。一例において、ユーザは、他にもあるがとりわけ英数字または方向入力のためのキーボード、進む/進まないクリック、画面配置入力、および移動入力のためのマウス、移動入力、画面配置入力、クリック入力のためのジョイスティック、オーディオ入力のためのマイクロフォン、静止またはモーション光入力のためのカメラ、デバイス移動入力のための加速度計およびジャイロスコープなどのセンサを使用して応答を実行し得る。ゲーム機のための非限定的な例示的な入力は、限定はしないが、ナビゲーションおよびクリック入力のためのゲームコントローラ、加速度計およびジャイロスコープ入力のためのゲームコントローラ、ならびにモーション光入力のためのカメラを含む。モバイルデバイスまたはタブレットのための例示的な入力は、とりわけ、画面配置情報入力、仮想キーボード英数字入力、進む/進まないタップ入力、およびタッチスクリーン移動入力のためのタッチスクリーン、加速度計およびジャイロスコープモーション入力、オーディオ入力のためのマイクロフォン、ならびに静止またはモーション光入力のためのカメラを含む。他の例では、個人の応答を示すデータは、限定はしないが、脳波図(EEG)、脳磁図(MEG)、心拍数、心拍変動、血圧、体重、眼球運動、瞳孔拡張、電気皮膚反応などの皮膚電気反応、血糖値、呼吸数、および血液酸素化などの、ユーザの物理的状態からの入力を組み込むために生理学的センサ値/尺度を含むことができる。
本明細書の例では、個人は、ボタンをクリックし、および/またはカーソルを画面上の正しい位置に移動する物理的アクション、頭部の動き、指もしくは手の動き、口頭応答、眼球の動き、または個人の他のアクションを介して応答を提供するように教授され得る。
非限定的な例として、ユーザがコースもしくは環境をナビゲートするか、または他の視覚運動活動を実行することを必要とするユーザインターフェースに表現される課題または干渉への個人の応答は、少なくとも1つのタイプのセンサデバイスを使用して検出されおよび/または測定される動き(限定はしないが、操縦など)を個人が行うことを必要とし得る。検出または測定からのデータは、応答を示すデータへの応答を提供する。
非限定的な例として、ユーザがターゲットと非ターゲットとを弁別することを必要とするユーザインターフェースに表現される課題または干渉への個人の応答は、少なくとも1つのタイプのセンサデバイスを使用して検出されおよび/または測定される動き(限定はしないが、タップまたは他の空間的なもしくは時間的な弁別指示など)を個人が行うことを必要とし得る。個人の動きの検出または他の測定に基づきシステムまたは装置のコンポーネントによって収集されるデータ(限定はしないが、本明細書で説明されている少なくとも1つのセンサまたは他のデバイスもしくはコンポーネントなど)は、個人の応答を示すデータをもたらす。
例示的なシステム、方法、および装置は、限定はしないが、線形/ロジスティック回帰、主成分分析、一般化線形混合モデル、ランダム決定フォレスト、サポートベクタマシン、または人工ニューラルネットワークなどの、計算技法および機械学習ツールを使用して、予測モデルを課題および/もしくは干渉への個人の応答を示すデータ、ならびに/または1つもしくは複数の生理学的尺度からのデータに適用し、個人の認知応答能力を示す予測モデル出力を生成するために各測定単独に比べて感度が高い複合変数またはプロファイルを作成するように構成され得る。一例において、予測モデル出力は、限定はしないが疾病、障害、もしくは認知状態の指示を検出すること、または認知健全性を評価することなど、他の指示に対して構成され得る。
本明細書の例示的な予測モデルは、認知プラットフォームとの個人のインタラクションセッションから収集されたデータに適用され、出力をもたらすように訓練され得る。非限定的な例において、予測モデルは、個人の認知応答能力を分類するために課題および/または干渉への個人の応答から収集されたデータに適用され得る、標準テーブルを生成するために使用できる。
認知能力の評価の非限定的な例は、ミニメンタルステート検査、CANTAB認知バッテリー、注意の変数のテスト(TOVA)、神経心理学的状況の評価のための再現可能なバッテリー、特定の病状に関連する臨床総合所見尺度、臨床家の問診に基づく変化の所見、重篤障害バッテリー、アルツハイマー病評価尺度、陽性および陰性症候群尺度、統合失調症認知評価尺度、コナーズ成人期ADHD評価尺度、ハミルトンうつ病評価尺度、ハミルトン不安尺度、モントゴメリー・アスベルグうつ病評価尺度、ヤング躁病評価尺度、小児うつ病評価尺度、ペンシルバニア州心配の自己評定式質問紙、病院不安およびうつ病尺度、異常行動チェックリスト、日常生活動作尺度、ADHD自己報告尺度、陽性および陰性影響スケジュール、うつ不安ストレス尺度、簡易抑うつ症状尺度、およびPTSDチェックリストなどの評価尺度または調査を含む。
他の例では、評価では、知覚能力、反応および他の運動機能、視力、長期記憶、作業記憶、短期記憶、論理、および意思決定のためのテスト、ならびに限定はしないがTOVA、MOT(運動対象追跡)、SART、CDT(変化検出課題)、UFOV(有効視野)、フィルタ課題、WAIS数字符号、トループ、サイモン課題、注意の瞬き、Nバック課題、PRP課題、課題切り替えテスト、およびフランカー課題を含む、他の特定の例示的な測定を含む、認知または行動研究における様々な認知の特定の機能をテストし得る。
非限定的な例において、本明細書において説明されている原理による例示的なシステム、方法、および装置は、限定はしないが、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、ハンチントン病、または他の神経変性病状、自閉症スペクトラム障害(ASD)、16p11.2重複の存在、および/または限定はしないが、注意欠如多動性障害(ADHD)、感覚処理障害(SPD)、軽度認識障害(MCI)、アルツハイマー病、多発性硬化症、統合失調症、大鬱病性障害(MDD)、もしくは不安(社会不安を含む)、双極性障害、心的外傷後ストレス障害、統合失調症、認知症、アルツハイマー病、もしくは多発性硬化症などの実行機能障害などの、多くの異なるタイプの神経心理学的状態に適用可能であるものとしてよい。
本開示は、ユーザパフォーマンスメトリックを実現するために、1つまたは複数の課題におけるユーザのパフォーマンスを示すデータを測定することを目的とするソフトウェアおよび/または他のプロセッサ実行可能命令を実施するように構成されている例示的な認知プラットフォームとして形成されるコンピュータ実施デバイスを対象とする。例示的なパフォーマンスメトリックは、ユーザの認知能力の評価を導出し、ならびに/または認知処理へのユーザの応答を測定し、ならびに/またはユーザの状態(生理学的状態および/もしくは認知状態を含む)を示すデータもしくは他の定量的な指示要素を提供するために使用することができる。本明細書の原理による非限定的な例示的認知プラットフォームは、個人を、認知プラットフォームに対する個人のインタラクションから収集されたデータおよび/またはそのデータの解析(および関連付けられている計算)結果に基づき計算されるメトリックに基づき、個人が薬物、生物剤、または他の医薬品を投与されている(または投与されようとしている)ときの、神経心理学的状態、自閉症スペクトラム障害(ASD)、16p11.2重複の存在、および/または実行機能障害、および/または認知プラットフォームの使用の潜在的有効性に関して分類するように構成され得る。本明細書の原理によるさらに他の非限定的な例示的認知プラットフォームは、個人を、認知プラットフォームに対する個人のインタラクションから収集されたデータおよび/またはそのデータの解析(および関連付けられている計算)結果に基づき計算されるメトリックに基づき、神経変性状態を含む、神経心理学的状態の始まりおよび/または進行の段階の尤度として分類するように構成され得る。神経変性状態は、限定はしないが、アルツハイマー病、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、またはハンチントン病であるものとしてよい。
本明細書の原理による神経変性状態の始まりおよび/または進行の段階の尤度に関する個人の分類は、信号として医療デバイス、ヘルスケアコンピューティングシステム、もしくは他のデバイスに、および/または開業医、医療関係者、理学療法士、行動療法士、スポーツ医学専門家、薬剤師、もしくは他の専門家に伝送され、それにより、治療コースを個人向けに作成することを可能にするか、または既存の治療コースを修正することができ、これは個人への薬物、生物剤、もしくは他の医薬品の投薬量の変化を決定すること、または個人への薬物、生物剤、もしくは他の医薬品の最適なタイプもしくは組合せを決定することを含む。
本明細書の一例において、認知プラットフォームは、医療デバイスプラットフォーム、監視デバイスプラットフォーム、スクリーニングデバイスプラットフォーム、または他のデバイスプラットフォームの任意の組合せとして構成され得る。
本開示は、1つまたは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントと接続するように構成されている認知プラットフォームを含む例示的なシステムも対象とする。一例において、システムは、1つまたは複数の他の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントと一体化されている認知プラットフォームを備える。他の例では、システムは、1つまたは複数の生理学的もしくは監視コンポーネントおよび/または認知試験コンポーネントとは別々に収納され、それらと通信するように構成されている認知プラットフォームを備え、そのような1つまたは複数のコンポーネントを使用して行われた測定を示すデータを受信する。
本明細書の例示的なシステム、方法、および装置において、処理ユニットは、応答デッドライン手順に関連付けられている応答窓の時間的長さを修正するようにユーザインターフェースを制御するようにプログラムされ得る。
本明細書の例示的なシステム、方法、および装置において、処理ユニットは、ユーザインターフェースに表現される課題または干渉の一態様の時間的に変化する特性を修正するようにユーザインターフェースを制御するように構成され得る。たとえば、課題または干渉の一態様の時間的に変化する特性を修正することは、個人のインタラクションの2つ以上のセッションの間でユーザインターフェースに課題または干渉を表現する時間的長さを調整することを含み得る。別の例として、時間的に変化する特性は、対象の速度、表情の変化率、対象の軌跡の方向、対象の配向の変化、対象の少なくとも1つの色、対象のタイプ、または対象のサイズのうちの1つまたは複数である。本明細書の例では、前述の時間的に変化する特性は、装置(たとえば、コンピューティングデバイスまたは認知プラットフォーム)に対する個人のインタラクションの認知的または情動的負荷を修正するためにコンピュータで実施された時間的に変化する要素を含む対象に適用され得る。
本明細書の例示では、生理学的測定データに基づき、処理ユニットは、ユーザインターフェースに表現される課題または干渉の様相の時間的に変化する特性を修正(調整)するようにユーザインターフェースを制御するように構成され得る。たとえば、注意力またはユーザの取り組みの欠如を示す生理学的測定データに基づき、課題または干渉の様相の時間的に変化する特性は、より高い注意力またはユーザの取り組みを導出するように変更され得る(すなわち、所望のレベルの注意力またはユーザの取り組みを生理学的測定が示すまで)。課題または干渉の様相の時間的に変化する特性の修正は、フィードバックループに基づき、調整され、変更されるものとしてよく、それにより、生理学的測定データは、所望のレベルの注意力またはユーザの取り組みが導出されることを示す。フィードバックループは、限定はしないが、比例コントローラ、比例/積分コントローラ、比例/微分コントローラ、または比例/積分/微分(PID)コントローラなどの、1つまたは複数のコントローラを使用して実施され得る。生理学的測定を示すデータの解析結果に基づき、1つまたは複数のコントローラは、制御信号を発行してフィードバックループをもたらす、すなわち、個人の生理学的測定がユーザの取り組みの十分なレベルの信号を示すまでユーザに提示される課題または干渉の様相の時間的に変化する特性を連続的に調整するために適用され得る。
非限定的な例において、処理ユニットは、解析のために集中度のより高い注意またはより高いユーザの取り組みを示す生理学的測定の時間間隔において行われる課題および/または干渉の個人のパフォーマンスの測定からのデータのみを使用して、限定はしないが決定境界メトリックまたは干渉コストなどの、個人に対するパフォーマンスメトリックを計算するように構成され得る。別の非限定的な例において、処理ユニットは、限定はしないが決定境界メトリックまたは干渉コストなどの、個人に対するパフォーマンスメトリックを計算する前に、集中度のより低い注意の時間間隔と比較して、集中度のより高い注意またはより高いユーザの取り組みを示す生理学的測定の時間間隔において行われる課題および/または干渉の個人のパフォーマンスの測定からのデータの部分集合に異なる重み係数を適用するように構成され得る。別の非限定的な例では、処理ユニットは、最初の試行またはセッションへの集中度のより高い注意またはより高いユーザの取り組みを示す生理学的測定を使用して、たとえば、1つまたは複数のコントローラを使用してフィードバックループを実行することで、その後の試行またはセッションにおいて課題および/または干渉の時間的に変化する特性または他の特性を修正(調整)し、それにより、その後の試行またはセッションにおける個人からの生理学的測定が課題および/または干渉とのインタラクションにおいて個人の集中度のより高い注意またはより高いユーザの取り組みを示すように構成され得る。集中度のより高い注意またはより高いユーザの取り組みを示す生理学的測定は、課題および/もしくは干渉に対する個人のインタラクティブな操作の前のセッションにおいてか、または課題および/もしくは干渉に対する2人以上の個人(グループもしくは集団に至るまでの)のインタラクティブな操作に基づき収集された総計生理学的測定データのプリセットされた閾値に基づくか、のいずれかで収集され得る。
非限定的な例において、処理ユニットは、1つまたは複数の生理学的測定に基づき課題および/または干渉を調整し、個人が試行またはセッションにおいて特定のゴールを達成するかまたはパフォーマンスゲートもしくは他のマイルストーンを横切ることに向けて加速されるか、またはそれを差し控えるようにし、集中度のより高い注意またはより高いユーザの取り組みを示す生理学的プロファイルを導出するように構成され得る。
非限定的な例では、生理学的測定の実行は、個人が課題および/または干渉をインタラクティブに操作する前および/または後など、課題および/または干渉に対する個人のインタラクティブな操作と非同期であってもよい。1つまたは複数の非同期生理学的測定からの生理学的プロファイルは、パフォーマンスメトリックの計算に使用され得る。
非限定的な例では、生理学的測定の実行は、課題および/または干渉に対する個人のインタラクティブな操作の少なくとも一部と時間的に重なるなど、課題および/または干渉に対する個人のインタラクティブな操作と同期してもよい。1つまたは複数の同期生理学的測定からの生理学的プロファイルは、パフォーマンスメトリックの計算に使用され得る。
非限定的な例では、同期または非同期生理学的測定と結合されている、課題および/または干渉の複数の繰り返し、すなわち、複数のその後の表現への個人の応答の測定は集約され、それにより個人の組み合わされたまたは精緻化されたパフォーマンスをもたらすことができる。
一例では、課題および/または干渉の複数の繰り返しの個人のパフォーマンスの複合パフォーマンスメトリックは、(i)少なくとも1つの生理学的プロファイルに関する干渉を伴う(すなわち、その存在下での)一次課題の2つ以上のインスタンスへの個人の応答を示すデータ、および/または(ii)少なくとも1つの生理学的プロファイルに関する干渉を伴わない(すなわち、存在しない場合の)一次課題の2つ以上のインスタンスへの個人の応答を示すデータに基づき計算され得る。少なくとも1つの生理学的プロファイルは、少なくとも1つの生理学的コンポーネントの1つまたは複数の測定に基づき決定されるものとしてよく、少なくとも1つの生理学的コンポーネントは個人の生理学的尺度を測定するように接続されている。例示的な生理学的測定は、少なくとも1つの同期生理学的測定、または少なくとも1つの非同期生理学的測定、または2つの異なるタイプの測定の組合せを含むことができる。
非限定的な例では、処理ユニットは、課題および/または干渉の表現を、1つまたは複数の生理学的測定が、個人が集中した注意またはユーザの取り組みの所望のレベル(たとえば、生理学的プロファイルに基づき決定されるような)にあることを示すまで遅延させるように構成され得る。
非限定的な例では、処理ユニットは、課題および/または干渉の表現を、1つまたは複数の生理学的測定が、個人が、限定はしないが、より大きい注意状態もしくは取り組み、高揚状態、低ストレス、もしくは低攻撃性のうちの低いもの、低心拍数変動などの所望の状態を示していることを示すまで遅延させるように構成され得る。非限定的な例として、自閉症を患っている個人について、課題および/または干渉とのインタラクションは、個人が所望の状態にある場合により有利である。処理ユニットは、生理学的測定を解析して(または生理学的プロファイルを使用して)、課題および/もしくは干渉を表現すること、課題および/もしくは干渉のパラメータ(時間的に変化する特性を含む)を変調すること、ならびに/または課題および/もしくは干渉とのインタラクションに基づき個人に提示される報酬のタイプもしくは量(たとえば、報酬星の個数もしくはタイプ)を変化させることの前に、個人の所望の状態に達したかどうかを決定するように構成され得る。
本明細書の例示的なシステム、方法、および装置において、対象のタイプの変化は、第1のタイプの対象から第2のタイプの対象へのモーフィングを使用するか、またはブレンドシェイプを第1のタイプの対象と第2のタイプの対象との比例した組合せとして表現することで引き起こされる。
本明細書の例示的なシステム、方法、および装置において、処理ユニットは、第1の応答および第2の応答を示すデータから導出されたバイアス感度、並列課題への非決定時間感度、並列課題要求への信念累積感度、報酬率感度、または応答窓推定効率のうちの1つまたは複数を示すパラメータを予測モデル出力として計算するようにさらにプログラムされ得る。
本明細書の例示的なシステム、方法、および装置において、処理ユニットは、課題を連続的な視覚運動追跡課題として表現するようにユーザインターフェースを制御するようにさらにプログラムされ得る。
本明細書の例示的なシステム、方法、および装置において、処理ユニットは、干渉をターゲット弁別課題として表現するようにユーザインターフェースを制御する。
本明細書で使用されているように、ターゲット弁別課題は、知覚反応課題と称されてもよく、そこでは、個人は、指定された形態の応答を通じてターゲット刺激および非ターゲット刺激を含む2特徴反応課題を実行するよう教授される。非限定的な例として、その指定されたタイプの応答は、個人がターゲット刺激に応答して指定された物理的アクションを起こし(たとえば、デバイスを移動するか、もしくは配向を変える、画面などのセンサ結合表面をタップする、光センサに相対的に移動する、音を立てる、またはセンサデバイスを活性化する他の物理的アクションを実行する)、非ターゲット刺激に応答してそのような指定された物理的アクションを起こすことを控えることであるものとしてよい。
非限定的な例において、個人は、干渉(二次課題)としてのターゲット弁別課題とともに(一次課題としての)視覚運動課題(コンピュータで実施された時間的に変化する要素を含むいずれかまたは両方)を実行する必要がある。視覚運動課題を実施するために、プログラムされた処理ユニットが、刺激への個人の反応として細かい運動移動を必要とする視覚的刺激を表現する。いくつかの例において、視覚運動課題は、連続的視覚運動課題である。処理ユニットは、視覚的刺激を変え、時間の経過を追って(たとえば、毎秒1、5、10、または30回を含む規則正しい間隔で)個人の運動移動を示すデータを記録するようにプログラムされる。細かい運動移動を必要とする視覚運動課題に対するプログラムされた処理ユニットを使用して表現される例示的な刺激は、アバターが留まっている必要がある経路の視覚提示であってよい。プログラムされた処理ユニットは、個人が回避するか、またはナビゲートするかのいずれかを必要とするいくつかのタイプの障害を有する経路を表現し得る。一例において、限定はしないが、デバイスを傾けたり、回転させたりすることなどの、個人による微細な運動移動効果は、加速度計および/またはジャイロスコープを使用して測定される(たとえば、指定された通りに障害を回避するか、交差しながら経路上でアバターを操縦するか、または何らかの形でガイドするため)。ターゲット弁別課題(干渉として使用される)は、形状および/または色が異なるターゲットおよび非ターゲットに基づくものとしてよい。
任意の例において、装置は、コンピュータで実施された時間的に変化する要素への応答を1つまたは複数のセンサによって読み取られるアクション(ジャイロスコープもしくは加速度計もしくは運動もしくは位置センサを使用して感知される動き、またはタッチセンサ、圧力センサ、もしくは静電容量センサを使用して感知される接触など)として提供することを個人に教授するように構成され得る。
いくつかの例において、課題および/または干渉は、視覚運動課題、ターゲット弁別課題、および/または記憶課題であってよい。
コンピュータ実施適応型応答デッドライン手順の文脈内で、応答デッドラインは、いくつかのゴールに向けて個人のパフォーマンス特性を操作するために試行または試行のブロックの間で調整され得る。共通ゴールは、応答デッドラインを制御することによって個人の平均応答精度をいくつかの値に向かわせるものである。
非限定的な例において、正答率は、与えられたターゲット刺激の総数で除算されたターゲット刺激への正しい応答の数、またはお手つき率(たとえば、与えられた阻害刺激の数で除算された阻害刺激への応答の数)、誤答率(たとえば、阻害刺激への応答の数に加算されたターゲット刺激への無応答を含む、不正な応答の数で除算されたターゲット刺激への無応答の数)、正応答率(信号を含まない正しい応答の割合)として定義されてよい。一例において、正応答率は、阻害刺激への無応答の数を阻害刺激への無応答の数+ターゲット刺激への応答の数で除算した値として計算され得る。
本明細書の原理による例示的なシステム、方法、および装置は、適応パフォーマンス手順を適用してパフォーマンスの尺度を特定の刺激強度に合わせて修正するように構成されるものとしてよい。
いくつかの例において、適応型手順は人間意思決定の計算モデル(限定はしないが、修正されたDDM)、そのようなモデルの出力から構築された予測モデル、および計算モデルの出力に基づく本明細書で説明されている解析に基づくものとしてよく、特定の刺激レベルへの感度の個別の差または変化に関するより定量的な情報をもたらし得る。パフォーマンスメトリックは、個人のパフォーマンスを決定するための柔軟性の高いツールとなる。したがって、個人またはグループレベルのパフォーマンスメトリック測定に基づく適応手順は、本明細書で説明されている課題およびコンピュータで実施された時間的に変化する要素に対する繰り返されるインタラクションにより時間の経過とともに生じる個人またはグループレベルのパフォーマンスの変化、ならびにインタラクションに対する個人の応答の測定に関する望ましい情報源となる。
いくつかの例では、この手順は、ターゲットの感度の正答パーセント(PC)信号検出メトリックに基づき適応されるものとしてよい。例示的なシステムにおいて、正答パーセント(すなわち、課題またはコンピュータで実施された時間的に変化する要素への個人の正しい応答のパーセント)は、適応アルゴリズムにおいて、一方の試行から他方の試行へのユーザインタラクションのためにユーザインターフェースに表現される課題および/または干渉の刺激レベルを適用させる基準として使用されてよい。
いくつかの例では、課題および/または干渉は、各試行および/またはセッションの間に分散されている間隔で、2つ以上の試行および/またはセッションにおいて個人に提示される。いくつかの例では、コンピューティングシステムは、一方の試行から別の試行へおよび/または一方のセッションから別のセッションへの間で変化するかまたは同じままである難易度レベルでその後の試行および/またはセッションにおいて課題および/または干渉を実施するように構成される。たとえば、各その後の試行および/または各その後のセッションにおける難易度レベルは、前の試行および/または前のセッションにおいて個人のパフォーマンスに依存し得る。コンピューティングシステムが前の試行および/または前のセッションにおいて個人によってなされる応答における正しい入力の数が特定の閾値より高くなるか、または特定の閾値に達する(たとえば、正しい応答の所定のパーセンテージ)ことを示すことによる解析に基づき、コンピューティングシステムは、前の試行および/またはセッションよりも高い難易度レベルでその後の試行および/またはセッションにおける課題および/または干渉を実施するように構成される。コンピューティングシステムが前の試行および/または前のセッションにおいて個人によってなされる応答における正しい入力の数が下げられているか、指定された閾値以下であるか、指定された失敗レベルに達したか、または成功のレベルに達することができなかったことを示すことによる解析に基づき、コンピューティングシステムは、前の試行および/またはセッションよりも低い難易度レベルでその後の試行および/またはセッションにおける課題および/または干渉を実施するように構成される。いくつかの例では、コンピューティングシステムは、段階的なおよび/または頂点と谷の方式による難易度レベルでその後の試行および/またはセッションにおいて課題および/または干渉を実施するように構成される。
試行および/またはセッションの難易度レベルを変調するために、コンピューティングシステムは、一次課題の、または干渉の、または一次課題と干渉との何らかの組合せの難易度レベルを修正するように構成され得る。難易度レベルの変調は、課題もしくは干渉を実行する際の個人の実際のパフォーマンスを示すデータ(課題もしくは干渉への入力として測定によって決定されるような)または解析に左右されるより間接的なパラメータ、たとえば、限定はしないが干渉コスト(以下でより詳しく説明されている)もしくは決定境界メトリックなどのパフォーマンスメトリックのいずれかに基づくものとしてよい。
別の例では、コンピューティングシステムは、プラットフォームが、たとえば、難易度レベルを個人に対する成功率閾値に、またはその前後の値に維持することによって個人に合わせて特に手直しされるように難易度レベルを修正するように構成され得る。たとえば、コンピューティングシステムは、個人からの実質的に一定の誤り率を維持する(たとえば、実質的に約80%の応答精度を維持する)難易度レベルをターゲットとするように構成され得る。他の例では、コンピューティングシステムは、個人からのパフォーマンスの精度を約50%、約55%、約60%、約65%、約70%、約75%、約80%、約85%、または約90%以上に維持する難易度レベルをターゲットとするように構成され得る。所与の個人に対する課題の難易度レベルは、最初に個人のカテゴリに対する既定の難易度レベル(たとえば、年齢範囲に対する平均)、最低の難易度レベル、または個人の事前評価に基づき匹敵するレベルで、干渉なしの課題(たとえば、シングルタスキング)を実施することによって決定され得る。その後の試行および/またはセッションにおいて、難易度レベルは、測定データの解析が、個人が特定の閾値レベル(たとえば、パーセント精度)で実行していることを示すまで変化させられ得る。
本明細書の例では、コンピューティングシステムは、限定はしないが、精神測定段階化アルゴリズムを使用するなど適応型閾値法を使用して、個人のパフォーマンスを特定のパフォーマンスレベルに動的に、および高速に維持することで難易度レベルを修正するように構成され得る。たとえば、閾値化アルゴリズムは、難易度レベルを適切に調整することによって個人からの一次課題(限定はしないが視覚運動追跡課題など)および/または干渉(限定はしないがターゲット弁別(もしくはターゲット検出)課題など)における個人のパフォーマンスにおいて約80%近くの精度を達成するように実施され得る。
本明細書で説明されている例示的なシステム、方法、および装置によって実施されるような、実行機能訓練は、個人のニーズもしくは選好に応じて、または治療を受ける臨床的個体群に基づき、ユーザのパフォーマンスメトリックを望ましいレベル(値)に移行させるために、試行間の刺激レベル(コンピュータで実施された時間的に変化する要素が実施されることに基づく認知的もしくは情動的負荷を含む)を修正する適応アルゴリズムを適用するように構成され得る。
本明細書で説明されている例示的なシステム、方法、および装置は、本明細書で説明されているような計算されたパフォーマンスメトリックに基づき適応される適応アルゴリズムを適用し、一方の試行から他方の試行へのユーザインタラクションについてユーザインターフェースに表現される課題および/または干渉(コンピュータで実施された時間的に変化する要素を含むいずれかまたは両方)の難易度レベルを修正するように構成され得る。
一例において、課題および/または干渉(コンピュータで実施された時間的に変化する要素を含むいずれかまたは両方)は、現在の推定を追跡し、ターゲット課題の特徴、軌跡、および応答窓を、ならびに試行が提供できる情報を最大化するために次の試行に対する並列課題干渉のレベル/タイプを選択することによって、メトリックの反復推定に基づき修正され得る。
いくつかの例において、課題および/または干渉(コンピュータで実施された時間的に変化する要素を含むいずれかまたは両方)は、適応型課題である。課題および/または干渉は、上で説明されているように、パフォーマンスメトリックに基づき難易度レベルについて適応または修正され得る。そのような難易度適応は、参加者の能力を決定するために使用され得る。
一例において、課題の難易度(コンピュータで実施された時間的に変化する要素を潜在的に含む)は、提示されるすべての刺激と適応され、これは規則正しい間隔(たとえば、5秒おき、10秒おき、20秒おき、または他の規則正しいスケジュール)で複数回生じ得る。
別の例では、連続的課題(場合によっては、コンピュータで実施された時間的に変化する要素を含む)の難易度は、限定はしないが、30秒おき、10秒、1秒、1秒に2回、または1秒に30回などの設定されたスケジュールで適応され得る。
一例において、試行の時間の長さは、(課題/干渉の)表現および(個人の応答の)受信の反復の回数に依存し、時間の点で異なり得る。一例において、試行は、約500ミリ秒、約1秒、約10秒、約20秒、約25秒、約30秒、約45秒、約60秒、約2分、約3分、約4分、約5分、またはそれ以上のオーダーとすることができる。各試行は、プリセットされた長さを有し得るか、または処理ユニットによって動的に設定されてもよい(たとえば、個人のパフォーマンスレベルまたは一方のレベルから他方のレベルへの適応の要求条件に依存する)。
一例において、課題および/または干渉(コンピュータで実施された時間的に変化する要素を含むいずれかまたは両方)は、ターゲット課題の特徴、軌跡、および応答窓を、ならびに課題を正常に遂行できたことを装置が個人に示すためにそれらのメトリックにおける改善を徐々に行うことを要求する並列課題干渉のレベル/タイプを選択することによって、1つまたは複数の特定のメトリックのターゲット変化に基づき修正され得る。これは、所望のゴールに従ってパフォーマンスを修正するように個人をガイドする、明示的メッセージングを含む、特定の増強を含むことが可能である。
一例において、課題および/または干渉(コンピュータで実施された時間的に変化する要素を含むいずれかまたは両方)は、個人のパフォーマンスを規範的データもしくはコンピュータモデルと比較すること、またはユーザ入力(課題/干渉を実行する個人もしくは臨床医などの別の個人)を受け取り特定の順序で変わることに対してターゲットへの一組のメトリックを選択し処置への被験者の応答に基づきこの手順を反復的に修正することに基づき修正され得る。これは、手順への変更の通知として働く課題/干渉を実行する個人または別の個人へのフィードバックを含むことが可能であり、潜在的に個人がこれらの変更を有効になる前に承認または修正することを可能にする。
様々な例において、難易度レベルは、一定に保たれ得るか、または適応型実施形態におけるセッションの少なくとも一部にわたって変化するものとしてよく、適応型課題(一次課題または二次課題)の難易度は、パフォーマンスメトリックに基づき増大または減少する。
本明細書の原理による例示的なシステム、方法、および装置は、個人の認知スキルを増強するように構成されるものとしてよい。例示的な一実施形態において、プログラムされた処理ユニットは、ユーザインターフェースにおいて干渉を伴う課題を表現するプロセッサ実行可能命令を実行するように構成される。本明細書においてより詳しく説明されているように、課題および干渉(コンピュータで実施された時間的に変化する要素を含むいずれかまたは両方)のうちの1つまたは複数は、時間的に変化するものであり、応答デッドラインを有することができ、そのため、ユーザインターフェースでは、装置またはシステムをインタラクティブに操作する個人からの少なくとも1つのタイプの応答を受け取るために制限期間を課す。
例示的な処理ユニットは、課題の第1のインスタンスを干渉とともにユーザインターフェースに表現するようにユーザインターフェースを制御するように構成され、これは干渉の存在下で課題の第1のインスタンスへの個人からの第1の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人からの応答とを必要とする。課題の第1のインスタンスおよび干渉のいずれか一方または両方は、少なくとも1つのコンピュータで実施された時間的に変化する要素を含む。ユーザインターフェースは、少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答を示すデータを測定するように構成されてよく、データは個人の認知能力の少なくとも1つの尺度を含む。例示的な処理ユニットは、課題の第1のインスタンスへの個人からの第1の応答と、少なくとも1つのコンピュータで実施された時間的に変化する要素への個人からの応答を実質的に同時に測定し、第1の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答とを示すデータを受信するように構成される。例示的な処理ユニットは、また、第1の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答とを示すデータを解析して個人の認知能力の少なくとも1つの定量化された指標を含む少なくとも1つのパフォーマンスメトリックを計算するように構成される。
一例において、認知応答能力の修正の指示は、個人の認知応答能力の衝動性または保守性の程度の尺度の変化の観察結果に基づくものとしてよい。
一例において、認知能力の修正の指示は、情緒的バイアス、気分、認知的バイアスのレベル、持続的注意、選択的注意、注意欠如、衝動性、抑圧、知覚能力、反応および他の運動機能、視力、長期記憶、作業記憶、短期記憶、論理、ならびに意志決定のうちの1つまたは複数の尺度の変化を含むことができる。
一例において、第1のパフォーマンスメトリックに基づき課題および/または干渉を適応させることは、応答窓の時間的長さを修正すること、個人への報酬のタイプまたは報酬の提示の速度を修正すること、ならびに課題および/または干渉(コンピュータで実施された時間的に変化する要素を含む)の時間的に変化する特性を修正することのうちの1つまたは複数を含む。
一例において、課題または干渉(コンピュータで実施された時間的に変化する要素を含む)の様相の時間的に変化する特性を修正することは、個人のインタラクションの2つまたはそれ以上のセッションの間でユーザインターフェースに課題または干渉を表現する時間的長さを調整することを含むことができる。
一例において、時間的に変化する特性は、対象の速度、表情の変化率、対象の軌跡の方向、対象の配向の変化、対象の少なくとも1つの色、対象のタイプ、もしくは対象のサイズのうちの1つまたは複数、またはユーザインターフェースへのターゲット対非ターゲットの表現の順序またはバランスを修正することを含むことができる。
一例において、対象のタイプの変化は、第1のタイプの対象から第2のタイプの対象へのモーフィングを使用するか、またはブレンドシェイプを第1のタイプの対象と第2のタイプの対象との比例した組合せとして表現することで引き起こされる。
決定境界の形状および/または面積を明示的に測定するゴールを使用してコンピュータ実施適応型手順を設計することで、応答デッドラインは、測定がこの境界を定義するのに有益な最大情報を生み出す点に合わせて調整され得る。これらの最適なデッドラインは、情報理論のアプローチを使用して期待情報エントロピーを最小化することで決定され得る。
本明細書の原理による例示的なシステム、方法、および装置は、少なくとも1つの処理ユニットを含むプログラムされたコンピューティングデバイスを使用することで、臨床的個体群に対する潜在的バイオマーカーを決定するように実施され得る。
本明細書の原理による例示的なシステム、方法、および装置は、少なくとも1つの処理ユニットを含むプログラムされたコンピューティングデバイスを使用することで、インターベンションの使用後に個人またはグループの応答プロファイルの変化を測定するように実施され得る。
本明細書の原理による例示的なシステム、方法、および装置は、少なくとも1つの処理ユニットを備えるプログラムされたコンピューティングデバイスを使用して本明細書の例示的なメトリックを適用することで、コンピュータ実施適応型精神物理学的手順に応答プロファイルの精神物理学的閾値精度および評価のより大きな測定に対して実施され得る個人またはグループのデータの別の測定可能特性を追加するように実施され得る。
本明細書の原理による例示的なシステム、方法、および装置は、少なくとも1つの処理ユニットを備えるプログラムされたコンピューティングデバイスを使用して本明細書の例示的なメトリックを適用することで、本明細書の例示的なメトリックを適用して精神物理学的試験から集められる情報の量を増やすために使用され得る新しい次元を利用可能なデータに追加するように実施され得る。
本明細書の原理による例示的なシステム、方法、および装置は、個人の認知スキルを増強するように構成されるものとしてよい。例示的な一実施形態において、プログラムされた処理ユニットは、ユーザインターフェースにおいて干渉を伴う課題を表現するプロセッサ実行可能命令を実行するように構成される。本明細書においてより詳しく説明されているように、課題および干渉のうちの1つまたは複数は、時間的に変化するものであり、応答デッドラインを有することができ、そのため、ユーザインターフェースでは、装置またはシステムをインタラクティブに操作する個人からの少なくとも1つのタイプの応答を受け取るために制限期間を課す。例示的な処理ユニットは、課題の第1のインスタンスを干渉とともにユーザインターフェースに表現するようにユーザインターフェースを制御するように構成され、これは干渉の存在下で課題の第1のインスタンスへの個人からの第1の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人からの応答とを必要とする。課題の第1のインスタンスおよび干渉のいずれか一方または両方は、少なくとも1つのコンピュータで実施された時間的に変化する要素を含む。ユーザインターフェースは、少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答を示すデータを測定するように構成されてよく、データは個人の認知能力の少なくとも1つの尺度を含む。例示的な処理ユニットは、課題の第1のインスタンスへの個人からの第1の応答と、少なくとも1つのコンピュータで実施された時間的に変化する要素への個人からの応答を実質的に同時に測定し、第1の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答とを示すデータを受信するように構成される。例示的な処理ユニットは、また、第1の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答とを示すデータを解析して個人の認知能力の少なくとも1つの定量化された指標を含む第1のパフォーマンスメトリックを計算するように構成される。プログラムされた処理ユニットは、装置が第2の難易度レベルで干渉とともに課題を表現するように計算済みの少なくとも1つの第1のパフォーマンスメトリックに基づき課題および干渉のうちの1つまたは複数の難易度を調整し、第1の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答とを示すデータに少なくとも一部は基づき個人の認知能力を表す第2のパフォーマンスメトリックを計算するようにさらに構成される。
本明細書の原理による別の例示的なシステム、方法、および装置は、個人の認知スキルを増強するように構成されるものとしてよい。例示的な一実施形態において、プログラムされた処理ユニットは、ユーザインターフェースにおいて干渉を伴う課題を表現するプロセッサ実行可能命令を実行するように構成される。本明細書においてより詳しく説明されているように、課題および干渉のうちの1つまたは複数は、時間的に変化するものであり、応答デッドラインを有することができ、そのため、ユーザインターフェースでは、装置またはシステムをインタラクティブに操作する個人からの少なくとも1つのタイプの応答を受け取るために制限期間を課す。例示的な処理ユニットは、課題の第1のインスタンスを干渉とともにユーザインターフェースに表現するようにユーザインターフェースを制御するように構成され、これは干渉の存在下で課題の第1のインスタンスへの個人からの第1の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人からの応答とを必要とする。課題の第1のインスタンスおよび干渉のいずれか一方または両方は、少なくとも1つのコンピュータで実施された時間的に変化する要素を含む。ユーザインターフェースは、少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答を示すデータを測定するように構成されてよく、データは個人の認知能力の少なくとも1つの尺度を含む。例示的な処理ユニットは、課題の第1のインスタンスへの個人からの第1の応答と、少なくとも1つのコンピュータで実施された時間的に変化する要素への個人からの応答を実質的に同時に測定し、第1の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答とを示すデータを受信するように構成される。例示的な処理ユニットは、また、第1の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答とを示すデータを解析して個人の認知能力の少なくとも1つの定量化された指標を含む少なくとも1つのパフォーマンスメトリックを計算するように構成される。少なくとも一部は少なくとも1つのパフォーマンスメトリックに基づき、例示的な処理ユニットは、ユーザインターフェースに対して、(i)医薬品、薬物、もしくは生物剤の投与に応答して個人が有害事象の影響を受ける尤度、(ii)医薬品、薬物、もしくは生物剤の量、濃度、もしくは投薬滴定のうちの1つもしくは複数における推奨される変化、(iii)個人の認知応答能力の変化、(iv)推奨される治療計画、または(vi)行動療法、カウンセリング、もしくは体操のうちの少なくとも1つの有効性の推奨されるかもしくは決定された程度、のうちの少なくとも1つを示す出力を生成するようにも構成される。
非限定的な例において、処理ユニットは、課題の第1のインスタンスへの個人からの第1の応答と、干渉への個人の二次応答と、少なくとも1つのコンピュータで実施された時間的に変化する要素への応答とを実質的に同時に測定するようにさらに構成され得る。
非限定的な例において、処理ユニットは、計算された少なくとも1つのパフォーマンスメトリックを、個人に対して出力するか、またはコンピューティングデバイスに対して伝送するようにさらに構成され得る。
非限定的な例において、処理ユニットは、ユーザインターフェースに課題の第2のインスタンスを表現することであって、課題の第2のインスタンスへの個人からの第2の応答を必要とする、表現することを行い、第1の応答および第2の応答を示すデータの間の差を解析して、個人の認知能力の少なくとも1つの追加の指示の尺度として干渉コストを計算するようにさらに構成され得る。
非限定的な例において、パフォーマンスメトリックの解析の結果に基づき、医学、医療、または他の専門家が(個人の同意の下で)、個人が、潜在的に認知に影響を及ぼすことを含む、医薬品、薬物、生物剤、または他の薬剤の特定のタイプ、量、濃度、または投薬滴定を投与される場合に発生し得る(または潜在的に起きている)潜在的な有害事象をより深く理解することができる。
非限定的な例において、個人が経験する少なくとも1つのタイプの医薬品、薬物、生物剤、もしくは他の薬剤の効果の知られているレベル、および／または、少なくとも1つのタイプの医薬品、薬物、生物剤、もしくは他の薬剤の投与で個人が経験する1つもしくは複数の有害事象に関する定量可能情報とともに、特定の個人に対するパフォーマンスメトリックの解析の結果を示すデータを含む検索可能なデータベースが、本明細書において提供される。検索可能データベースは、コンピューティングデバイスに表現された課題および/または干渉をインタラクティブに操作する個人に対して得られたパフォーマンスメトリック、応答尺度、応答プロファイル、および/または決定境界メトリック(限定はしないが、応答基準など)に基づき、所与の個人が特定のタイプの医薬品、薬物、生物剤、または他の薬剤の恩恵を受ける候補者であるかどうかを決定するために使用するメトリックを提供するように構成され得る。
非限定的な例として、パフォーマンスメトリックは、個人が特定のタイプの薬物(限定はしないが、刺激薬、たとえば、メチルフェニデートまたはアンフェタミンなど)の候補者であるかどうか、または個人が、コンピューティングデバイスに表現される課題および/もしくは干渉への指定された繰り返されるインタラクションの計画と併せて薬物を投与されることが有益であり得るかどうかを識別することを助けることができる。本明細書で説明されている例に適用可能である生物剤、薬物、または他の医薬品の他の非限定的な例は、メチルフェニデート(MPH)、スコポラミン、ドネペジル塩酸塩、酒石酸リバスチグミン、メマンチンHCl、ソラネズマブ、アデュカヌマブ、およびクレネズマブを含む。
非限定的な例において、パフォーマンスメトリックの解析の結果に基づき、医学、医療、または他の専門家が(個人の同意の下で)、個人が、潜在的に認知に影響を及ぼすことを含む、医薬品、薬物、生物剤、または他の薬剤の異なる量、濃度、または投薬滴定を投与される場合に発生し得る(または潜在的に起きている)潜在的な有害事象をより深く理解することができる。
非限定的な例において、個人が経験する少なくとも1つのタイプの医薬品、薬物、生物剤、もしくは他の薬剤の効果の知られているレベル、および／または、少なくとも1つのタイプの医薬品、薬物、生物剤、もしくは他の薬剤の投与で個人が経験する1つもしくは複数の有害事象に関する定量可能情報とともに、特定の個人に対するパフォーマンスメトリックの解析の結果を示すデータを含む検索可能なデータベースが、本明細書において提供される。検索可能なデータベースは、コンピューティングデバイスに表現された課題および/または干渉をインタラクティブに操作する個人に対して得られた応答尺度、応答プロファイル、および/または決定境界メトリック(限定はしないが、応答基準など)に基づき所与の個人が特定のタイプの医薬品、薬物、生物剤、または他の薬剤の恩恵を受ける候補者であるかどうかを決定するために使用するメトリックを提供するように構成され得る。非限定的な例として、コンピューティングデバイスのユーザインターフェースに表現される課題および/または干渉(コンピュータで実施された時間的に変化する要素を含む)とのユーザインタラクションを示すデータに基づき、パフォーマンスメトリックは、個人の認知能力に基づき、個人に関する情報を提供することも可能である。このデータは、個人が特定のタイプの薬物(限定はしないが、刺激薬、たとえば、メチルフェニデートもしくはアンフェタミンなど)の候補者であるかどうか、または個人が、コンピューティングデバイスに表現される課題および/もしくは干渉への指定された繰り返されるインタラクションの計画と併せて薬物を投与されることが有益であり得るかどうかを識別することを助けることができる。本明細書で説明されている例に適用可能である生物剤、薬物、または他の医薬品の他の非限定的な例は、メチルフェニデート(MPH)、スコポラミン、ドネペジル塩酸塩、酒石酸リバスチグミン、メマンチンHCl、ソラネズマブ、アデュカヌマブ、およびクレネズマブを含む。
一例において、個人の認知応答能力の変化は、個人の認知応答戦略の衝動性または保守性の程度の変化の指示を含む。
非限定的な例として、衝動的挙動がADHDに付随するものである場合、治療を行うように構成されている例示的な認知プラットフォーム(実行機能を含む)は、計画における衝動性のより少ない挙動を促進するものとしてよい。これは、脳内のドーパミン系をターゲットとし得るものであり、通常の調節を高め、その結果、衝動的挙動の低減のメリットを個人の毎日の生活に伝えるものとしてよい。
メチルフェニデートおよびアンフェタミンなどの刺激薬は、ADHDを患っている個人にも投与され、脳内のノルエピネフリンおよびドーパミンのレベルを高める。それらの認知効果は、前頭前皮質におけるそれらのアクションに帰され得るが、認知制御欠陥または他の認知能力の改善はあり得ない。本明細書の例示的な認知プラットフォームは、個人の認知制御欠陥を改善するために治療(実行機能を含む)を行うように構成され得る。
本明細書において説明されている原理による例示的なシステム、方法、および装置の使用は、限定はしないが、認知症、パーキンソン病、脳アミロイド血管症、家族性アミロイドニューロパシー、ハンチントン病、もしくは他の神経変性病状、自閉症スペクトラム障害(ASD)、16p11.2重複の存在、および/または限定はしないが、注意欠如多動性障害(ADHD)、感覚処理障害(SPD)、軽度認識障害(MCI)、アルツハイマー病、多発性硬化症、統合失調症、大鬱病性障害(MDD)、または不安などの実行機能障害などの、多くの異なるタイプの神経心理学的状態に適用可能であるものとしてよい。
例示的な実施形態において、個人からのデータおよび他の情報がその同意の下で収集され、伝送され、解析される。
非限定的な例として、干渉処理に基づく認知プラットフォームを含む、本明細書の例示的なシステム、方法、および装置に関連して説明されている認知プラットフォームは、アキリ・インタラクティヴ・ラブズ・インコーポレイテッド(Akili Interactive Labs, Inc.，Boston，MA)によるProject:EVO(登録商標)プラットフォームに基づくか、または含むものとしてよい。
非限定的な例示的な課題および干渉
次に、個人が異なる認知的もしくは情動的負荷の下で刺激をインタラクティブに操作するときに関わっている(たとえば、活性化されるかもしくは抑制される)脳、神経活動、および/または神経経路機構の分野の広範な生理学的、行動的、および認知的測定データおよび解析を示す報告されている結果の要約を示す。論文では、また、コンピュータで実施された時間的に変化する要素による認知課題対刺激における個人のパフォーマンスに基づき感知され、定量可能に測定され得る差を説明していた。
生理学的および他の測定に基づき、情動的処理、認知課題、および課題に関わる脳の領域が報告されている。たとえば、レビュー論文「Pourtois et al.，"Brain mechanisms for emotional influences on perception and attention: What is magic and what is not"，Biological Psychology，92，492-512，2013」では、扁桃体が刺激の情動的値を監視し、脳の複数の他の領域に投射し、フィードバックを感覚経路(有線および有線外視覚皮質を含む)に送ることが報告されている。また、個人の処理能力が制限されていることにより、個人は、同時刺激を並行して解析することを完全にはできず、これらの刺激は、個人のより高い認知段階および意識にアクセスするために処理リソースを奪い合うことも報告されている。個人が所与の刺激の配置または特徴に注意を向けなければならない場合、この刺激を表す脳領域内の神経活動は、他の同時刺激を犠牲にして増大する。Pourtoisらは、この現象が神経細胞記録さらには撮像方法(EEG、PET、fMRI)によって広範に実証されており、利得制御に起因することを示している。Pourtoisらは、情動信号は、他の注意システムのものと似ているが扁桃体および相互接続された前頭前野内の異なる神経機構が介在する利得制御機構を通じて情動的に有意な事象の処理効率および競争力を高め、これらの脳の機構における変化が不安もしくは恐怖症などの、精神病理学的状態に関連付けられ得るであろうことを示し得ると結論している。また、不安または鬱状態の患者は、ネガティブ情報に向かう不適応注意バイアスを示し得ることも報告されている。Pourtoisらは、また、EEGおよびfMRIからの撮像結果が、他の課題依存もしくは注意の外因性刺激駆動機構による同時変調に加えて、もしくはそれと並行して、情動的(恐ろしいまたは脅威に関係するなどの)刺激の処理が視覚皮質において利得制御効果を生み出し、情動利得制御効果が脅威関係刺激のより効率的な処理の要因となり得るという結論を裏付けると報告している(「Brosch et al.，"Additive effects of emotional, endogenous, and exogenous attention: behavioral and electrophysiological evidence"，Neuropsychologia 49，1779-1787，2011」も参照)。
選択的視覚的注意テストでは、EEG測定は、ガンマ波帯域の変調において有用な結果をもたらし得る(たとえば、「Mueller et al.，"Modulation of induced gamma band activity in the human EEG by attention and visual information processing"，International Journal of Psychophysiology 38.3: 283-299，2000」を参照)。注意シフトの際のEEGアルファ波帯域信号における修正を示している研究もある(たとえば、「Sauseng et al.，"A shift of visual spatial attention is selectively associated with human EEG alpha activity"，European Journal of Neuroscience 22.11: 2917-2926，2005」を参照。)。P300事象関連電位(ERP)も、注意に関するデータ手がかりをもたらす。たとえば、「Naeaetaenen et al.，"Early selective-attention effect on evoked potential reinterpreted"，Acta Psychologica，42，313-329，1978」では、聴覚的注意の研究を開示しており、これは被験者が頻繁な刺激と比較してあまり頻繁でない刺激を与えられたときに、誘発電位は改善されたネガティブ応答を持つことを示している。Naeaetaenenらは、ミスマッチ陰性と呼ばれるこのネガティブコンポーネントは、刺激の後100から200msで出現し、その時間は前注意的注意段階の範囲内に完全に収まることを開示している。
上で説明されているように、情動的処理および認知的処理は各々、特定の脳内ネットワーク内、およびその間のインタラクションを必要とする。認知的評価、監視、または処理が成功する程度は、ユーザの取り組み、注意、および集中の程度に依存し得る。大鬱病性障害および他の類似するまたは関係する疾患は、注意(集中)、記憶(学習)、意思決定(判断)、理解力、判断、推理、理解、学習、および想起を含む複数の認知領域内の認知能力の変化に関連付けられ得る。鬱病に関連する認知的変化は、この疾患を患っている個人が経験する能力的障害のうちのいくつかに関わり得る。
上で説明されているように、刺激への個人の応答は、個人の認知状態、疾病、または実行機能障害に基づくことも含めて、個人の状態に応じて変化し得る。個人のパフォーマンスの測定は、認知状態、疾病、または実行機能障害の進行の開始および/または段階の尤度を含む、認知状態、疾病、または実行機能障害に関する個人の状態への洞察をもたらすことができる。
生理学的測定データ、行動データ、および他の認知データの前述の非限定的な例は、課題への個人の応答が刺激のタイプに基づき異なり得ることを示している。さらに、前述の例は、個人がコンピュータで実施された時間的に変化する要素の影響を受ける程度、および課題における個人のパフォーマンスがコンピュータで実施された時間的に変化する要素の存在下で影響を受ける程度は、個人が情動的または情緒的バイアスの形態を示す程度に依存することを示している。本明細書で説明されているように、個人のパフォーマンスの差は、コンピュータで実施された時間的に変化する要素(たとえば、情動的もしくは情緒的要素)による認知課題対刺激における個人のパフォーマンスに基づき定量可能に感知され、測定され得る。報告されている生理学的測定データ、行動データ、および他の認知データも、刺激によって喚起される認知的または情動的負荷が、個人の認知状態、疾病状態、または実行機能障害の存在もしくは非存在に基づくことも含めて、個人の状態に応じて変化し得ることを示している。本明細書において説明されているように、コンピュータで実施された時間的に変化する要素による認知課題対刺激における個人のパフォーマンスの差の測定は、限定はしないが、社会不安、鬱病、双極性障害、大鬱病性障害、心的外傷後ストレス障害、統合失調症、自閉症スペクトラム障害、注意欠如多動性障害、認知症、パーキンソン病、ハンチントン病、または他の神経変性病状、アルツハイマー病、または多発性硬化症などの、個人における、認知状態、疾病、および/または実行機能障害の進行の開始および/または段階の尤度に対する定量可能な洞察をもたらし得る。
個人の認知制御能力に対する干渉処理の効果が報告されている。たとえば、「A. Anguera，Nature，vol. 501，p. 97，September 5, 2013」(「Nature article」)を参照されたい。参照により本明細書に組み込まれている2011年11月10日に出願した米国特許出願公開第2014/0370479A1号(米国出願第13/879,589号)も参照されたい。それらの認知能力のうちのいくつかは、注意領域(選択性、持続性など)、作業記憶(作業記憶の容量および情報維持の質)、およびゴール管理(2つの注意要求課題を効果的に並列処理するか、または課題を切り替える能力)における認知制御能力を含む。一例として、ADHD(注意欠如多動性障害)と診断された子供は、注意を持続することに困難を示す。注意選択性は、ゴールに無関係の情報を無視することに関わっている神経プロセスおよびゴールに関係する情報に集中することを円滑にするプロセスに依存することがわかった。これらの出版物は、2つの対象が同時に視野内に置かれたときに、一方に注意を集中させた場合に視覚処理リソースを他方から引き離し得ることを示す神経データを報告している。記憶は注意を逸らすものを効果的に無視することにより大きく依存していることを示す研究が報告されており、情報を記憶に留めておく能力は、注意を逸らすものおよび妨害の両方による干渉に対して脆弱である。注意を逸らすものによる干渉は、たとえば、一次課題から個人の注意を逸らすが、個人が応答すべきでないと教授で示される、非ターゲットである干渉であってよい。妨害/妨害するものによる干渉は、たとえば、一次課題から個人の注意も逸らすが、個人が応答すべきである(たとえば、単一のターゲットに対して)、または選択すべき(たとえば、個人が特徴の異なる程度から1つの程度を決定する強制選択状況)と教授で示される、1つのターゲットまたは2つ以上のターゲットである干渉であってよい。
注意を逸らすものの存在下での想起減退は、前頭前皮質、視覚野、および海馬(記憶の固定化に関わる)を伴う神経回路網の途絶に関連し得ることを示すfMRI結果も報告されている。前頭前皮質ネットワーク(選択的注意に関与する)は、注意を逸らすものによる途絶に対して脆弱であり得る。これらの出版物では、作業記憶または選択的注意の領域における認知制御を必要とするゴール管理は、認知制御も要求する二次ゴールの影響を受け得ることも報告している。これらの出版物は、干渉処理の有益な効果を個人の認知能力に効果を有する介入として示すデータも報告しており、これは注意を逸らすものおよび妨害の有害な影響を減じることを含む。これらの出版物では、シングルタスキングまたはマルチタスキングパフォーマンスを評価することを含む、個人のパフォーマンスを定量化することのために、計算され得る(干渉コストを含む)コスト尺度を説明していた。
これらの出版物において開示されている例示的なコスト尺度は、マルチタスキング課題と比較したときのシングルタスキング課題における個人のパフォーマンスの変化率であり、したがってコストが高ければ高いほど(すなわち、より負であるコスト率)は、個人がシングルタスキング対マルチタスキングに関わっているときに干渉の増大を示す。これらの刊行物では、孤立した課題対1つまたは複数の干渉が適用された課題に対する個人のパフォーマンスの間の差として決定された干渉コストを説明しており、干渉コストは干渉に対する個人の感受性の評価を形成する。
コンピュータ実施干渉処理の有形の利点も報告されている。たとえば、Nature論文では、コンピュータ実施干渉処理を使用して評価されるマルチタスキングパフォーマンスは、20から79歳の成人におけるパフォーマンスの直線的な加齢に関係する衰えを定量化することができたと述べている。Nature論文は、また、コンピュータ実施干渉処理の適応型形態をインタラクティブに操作する高齢者(60から85歳)は、マルチタスキングコストの低下を示し、利得は6ヶ月間持続したとも報告している。Nature論文は、脳波検査により測定された、認知制御の神経信号の加齢に関係する欠陥は、マルチタスキング訓練(コンピュータ実施干渉処理を使用する)によって改善され、正中線前頭シータパワーの増強および前頭-後頭部のシータコヒーレンスの増強があったことも報告した。コンピュータ実施干渉処理のインタラクティブな操作の結果、パフォーマンスの向上は未訓練認知制御能力にもおよび(持続的注意および作業記憶が増強される)、正中線前頭シータパワーの増大から、持続的注意が向上し6ヶ月後もマルチタスキング改善を維持することが予測される。
本明細書の原理による例示的なシステム、方法、および装置は、コンピュータ化認知プラットフォームを使用する干渉処理の実施形態に基づき認知能力に関して個人を分類し、および/またはそれらの認知能力を増強するように構成される。例示的なシステム、方法、および装置は、プログラムされたコンピューティングデバイスの能力を使用してマルチタスキングの一形態を実施するように構成され、個人は、課題および干渉を実質的に同時に実行することを要求され、課題および/または干渉は、コンピュータで実施された時間的に変化する要素を含み、個人は、コンピュータで実施された時間的に変化する要素に応答することを要求される。コンピューティングデバイスの感知および測定能力は、応答実行時に個人によって行われる物理的アクションを示すデータを収集し、コンピューティングデバイスがコンピュータで実施された時間的に変化する要素に応答するため個人によって行われる物理的アクションを示すデータを収集するのと実質的に同時に課題に応答するように構成される。ユーザインターフェースに対して課題および/または干渉をリアルタイムで表現し、課題および/または干渉もしくはコンピュータで実施された時間的に変化する要素への個人の応答を示すデータをリアルタイムで、実質的に同時に測定するコンピューティングデバイスおよびプログラムされた処理ユニットの能力は、異なる課題および干渉への、ならびに異なる課題および干渉からの素早い切り替えを行うか、または複数の異なる課題もしくは干渉を連続的に(個人が設定された時間期間において単一のタイプの課題を実行することを要求される、シングルタスキングを含む)実行する、個人の認知能力の定量化可能尺度をもたらし得る。
本明細書の例では、課題および/または干渉は、応答デッドラインを含み、それにより、ユーザインターフェースは、装置またはコンピューティングデバイスをインタラクティブに操作する個人からの少なくとも1つのタイプの応答を受け取るために制限期間を課す。たとえば、課題および/または干渉を実行するために個人がコンピューティングデバイスまたは他の装置をインタラクティブに操作する必要がある時間期間は、限定はしないが、約30秒、約1分、約4分、約7分、約10分、または10分超などの、所定の長さの時間であってよい。
例示的なシステム、方法、および装置は、実行機能制御における個人の認知能力の尺度として、一方のアクションを別のアクションの代わりに実行し干渉が個人の注意を課題から逸らすような干渉の存在下で現在の課題の規則を活性化するかどうかを決定する際の個人の能力の尺度を提供するマルチタスキングの一形態を実施するように構成されてよい。
例示的なシステム、方法、および装置は、シングルタスキングの一形態を実施するように構成されてよく、設定された時間期間における単一のタイプの課題(すなわち、干渉なし)(限定はしないが、ナビゲーション課題のみまたはターゲット弁別課題のみなど)をインタラクティブに操作することに対する個人のパフォーマンスの尺度も、個人の認知能力の尺度を提供するために使用できる。
例示的なシステム、方法、および装置は、異なる順序および組合せのシングルタスキングおよびマルチタスキングの試行を伴うセッションを実施するように構成されてよい。第1の例示的な実施形態において、セッションは、第1のシングルタスキングの試行(第1のタイプの課題を有する)、第2のシングルタスキングの試行(第2のタイプの課題を有する)、およびマルチタスキングの試行(干渉と一緒に表現される一次課題)を含むことができる。第2の例示的な実施形態において、セッションは、2つ以上のマルチタスキングの試行(干渉と一緒に表現される一次課題)を含むことができる。第3の例示的な実施形態において、セッションは、2つ以上のシングルタスキングの試行を含むことができる(すべて同じタイプの課題に基づくか、または少なくとも1つが異なるタイプの課題に基づく)。
パフォーマンスは、様々な課題のパフォーマンスに対する2つの異なるタイプの干渉(たとえば、注意を逸らすものまたは妨害するもの)の効果を比較するためにさらに解析され得る。いくつかの比較結果は、干渉なしのパフォーマンス、注意を逸らすものを有するパフォーマンス、および妨害を有するパフォーマンスを含み得る。課題のパフォーマンスレベルに対する各タイプの干渉のコスト(たとえば、注意を逸らすもののコストおよび妨害するもの/マルチタスキングのコスト)が解析され、個人に報告される。
干渉処理は、干渉事象(妨害および注意を逸らすこと)を処理する能力を測定し、改善する定量可能な方法を提供する。干渉感受性は、大域的実行機能(注意および記憶を含む)にわたる制限因子として認識されており、複数の疾病において脆弱であることが知られている。EEG信号の変化は、認知制御に関連付けられている神経学的な場所で生じることが示されている。たとえば、個人が干渉処理を実行する前、実行中、または実行した後の刺激ロック脳波記録(stimulus-locked electroencephalography)(EEG)によって測定されるような正中線前頭シータ(MFT:midline frontal theta)パワーは、注意および干渉感受性の指示をもたらし得る。
本明細書の例において、干渉は、非ターゲット(注意を逸らすものとして)もしくはターゲット(妨害するものとして)のいずれかである刺激、または異なるタイプのターゲット(たとえば、表情もしくは他の特性/特徴の差の異なる程度)である刺激を含む二次課題であってもよい。
複数の別個のソース(センサおよび他の測定コンポーネントを含む)の効果を発生させることを制御するプログラムされた処理ユニットの能力、ならびに、これらの複数の異なるソースからデータを選択的に、実質的に同時に(すなわち、ほぼ同時にまたは短い時間間隔内で)、およびリアルタイムで受信することに基づき、本明細書の例示的なシステム、方法、および装置は、通常の人間の能力では達成できない課題および/または干渉への個人からの応答の定量的尺度を収集するために使用され得る。結果として、本明細書の例示的なシステム、方法、および装置は、特定の時間期間にわたって課題と実質的に同時に干渉を表現するようにプログラムされた処理ユニットを実施するように構成され得る。
いくつかの例示的な実施形態において、本明細書の例示的なシステム、方法、および装置は、また、干渉への個人の応答の程度およびタイプの尺度を示すデータが収集されるときに(干渉がターゲットを含もうと非ターゲットを含もうと)課題への個人の応答の程度およびタイプの尺度を示すデータを実質的に同時に受信するように構成され得る。いくつかの例において、例示的なシステム、方法、および装置は、(干渉コストを含む)コスト尺度を計算するために、ターゲットへの個人の応答を示す測定されたデータに適用されるスコアリングまたは重み係数と異なるスコアリングまたは重み係数を非ターゲットへの個人の応答を示す測定されたデータに適用することによって解析を実行するように構成される。
本明細書の例示的なシステム、方法、および装置において、コスト尺度は、干渉の存在下での1つまたは複数の課題における個人のパフォーマンスの尺度と比較した、干渉が存在しない場合の1つまたは複数の課題における個人のパフォーマンスの尺度の差に基づき計算されるものとしてよく、1つもしくは複数の課題および/または干渉は、1つまたは複数のコンピュータで実施された時間的に変化する要素を含む。本明細書において説明されているように、個人がコンピュータで実施された時間的に変化する要素をインタラクティブに操作する(および応答を提供する)必要があることで、コンピュータで実施された時間的に変化する要素に応答する情動処理に対する要求条件があるので課題および/または干渉を実行する個人の能力に定量可能に影響を及ぼす認知的または情動的負荷が導入され得る。一例において、本明細書において収集されたデータに基づき計算された干渉コストは、干渉に対する個人の感受性の定量可能な評価をもたらすことができる。孤立した課題対1つまたは複数の干渉(コンピュータで実施された時間的に変化する要素を含む課題および/または干渉)が存在する中での課題に対する個人のパフォーマンスの間の差の決定は、個人の認知能力を評価し、分類するために使用され得る干渉コストメトリックを形成する。実行された課題および/または干渉の個人のパフォーマンスに基づき計算された干渉コストは、また、限定はしないが、社会不安、鬱病、双極性障害、大鬱病性障害、心的外傷後ストレス障害、統合失調症、自閉症スペクトラム障害、注意欠如多動性障害、認知症、パーキンソン病、ハンチントン病、または他の神経変性病状、アルツハイマー病、または多発性硬化症などの、個人の認知状態、疾病状態、または実行機能障害の存在もしくは段階の定量可能な尺度をもたらし得る。
本明細書の例示的なシステム、方法、および装置は、干渉への個人の感受性(干渉コストなどのコスト尺度としてのものを含む)の解析を繰り返す循環過程として実行するように構成され得る。たとえば、個人が所与の課題および/または干渉に対する最小化された干渉コストを有すると決定された場合、例示的なシステム、方法、および装置は、個人のパフォーマンスメトリックがその所与の条件で最小化された干渉コストを示すまでより難しい課題および/または干渉(すなわち、より高い難易度レベルを有する)を実行することを個人に要求するように構成されるものとしてよく、その時点で、例示的なシステム、方法、および装置は個人のパフォーマンスメトリックがもう一度その条件に対する最小化された干渉コストを示すまでなおいっそう難しい課題および/または干渉を個人に提示するように構成され得る。これは、個人のパフォーマンスの所望の終点が得られるまで何回でも繰り返されるものとしてよい。
非限定的な例として、干渉コストは、評価を行うために、マルチタスキング課題(干渉付き)と比較したシングルタスキング課題(干渉なし)での個人のパフォーマンスの測定に基づき計算され得る。たとえば、マルチタスキング課題(たとえば、干渉ありのターゲット課題)における個人のパフォーマンスは、干渉コストを与えるために干渉なしのシングルタスキングターゲット課題におけるパフォーマンスと比較されるものとしてよい。
本明細書の例示的なシステム、装置、および方法は、個人がコンピュータで実施された時間的に変化する要素の影響を受ける程度、および/または課題における個人のパフォーマンスがコンピュータで実施された時間的に変化する要素の存在下で影響を受ける程度を示すデータを解析し、個人の認知能力の定量化された指標を含むパフォーマンスメトリックを提供するように構成される。パフォーマンスメトリックは、個人が情動的または情緒的バイアスの形態を示す程度の指標として使用され得る。
いくつかの例示的な実施形態において、本明細書の例示的なシステム、方法、および装置は、また、課題への個人の応答の程度およびタイプの尺度を示すデータが収集されるときにターゲット刺激(すなわち、妨害するもの)を含む干渉への個人の応答の程度およびタイプの尺度を示すデータを実質的に同時に(すなわち、実質的に同じ時間に)選択的に受信し、課題への個人の応答の程度およびタイプの尺度を示すデータが収集されるときに非ターゲット刺激(すなわち、注意を逸らすもの)を含む干渉への個人の応答の程度およびタイプの尺度を実質的に同時に(すなわち、実質的に同じ時間に)選択的に収集しない、ように構成され得る。すなわち、例示的なシステム、方法、および装置は、時間的および/または空間的のいずれかで応答を測定するための感知/測定コンポーネントの状態を選択的に制御することによってターゲット対非ターゲットへの個人の応答の窓を弁別するように構成される。これは、ターゲットもしくは非ターゲットの提示に基づき感知/測定コンポーネントを選択的に活性化するか、もしくは非活性化することによって、またはターゲットへの個人の応答について測定されたデータを受信し、非ターゲットへの個人の応答について測定されたデータを選択的に受信しない(たとえば、無視する、拒絶する、もしくは受け付けない)ことによって達成され得る。
本明細書で説明されているように、本明細書の例示的なシステム、方法、および装置を使用することは、時間の経過する中での注意の持続性、注意の選択性、および注意欠如の低減に対する能力に基づくことを含む、注意領域内の個人の認知能力の尺度を形成するために行われ得る。本明細書の例示的なシステム、方法、および装置を使用して測定され得る個人の認知能力の他の領域は、情緒的バイアス、気分、認知的バイアスのレベル、衝動性、抑制、知覚能力、反応および他の運動機能、視力、長期記憶、作業記憶、短期記憶、論理、ならびに意志決定を含む。
本明細書において説明されているように、本明細書の例示的なシステム、方法、および装置を使用することは、課題および/または干渉(少なくとも1つはコンピュータで実施された時間的に変化する要素を含む)をあるユーザセッションから別のユーザセッションに適応させ(またはあるユーザ試行から別のユーザ試行にすら適応させ)て脳の可塑性の科学に基づき個人の認知スキルを高めるために行われ得る。適応性は、有効な可塑性活用ツールの有益な設計要素である。例示的なシステム、方法、および装置において、処理ユニットは、限定はしないが、刺激のタイミング、位置決め、および性質などの、課題および/または干渉のパラメータを制御するように構成されており、それにより、個人の物理的アクションがインタラクションの際に記録され得る。上で説明されているように、個人の物理的アクションは、シングルタスキング課題とマルチタスキング課題とを実行するためにコンピューティングデバイスをインタラクティブに操作するときに神経活動の影響を受ける。干渉処理の科学は(生理学的測定および行動測定からの結果に基づき)、適応性の様相の結果として神経可塑性に基づき複数のセッション(または試行)からの訓練に応答して個人の脳内に変化をもたらし、それにより、個人の認知スキルを高めることができることを示している。例示的なシステム、方法、および装置は、少なくとも1つのコンピュータで実施された時間的に変化する要素により課題および/または干渉を実施するように構成され、個人は干渉処理を実行する。上で説明されている公開されている研究結果において裏付けられているように、個人に対する課題を実行することの影響は、個人の認知能力を高めるために認知訓練の新規性のある様相を引き出し得る。
図7A～図10Dは、ユーザインタラクションに対する課題および/または干渉(コンピュータで実施された時間的に変化する要素によりいずれか一方または両方)を表現するために本明細書の例示的なシステム、方法、および装置を使用して表現され得る非限定的な例示的ユーザインターフェースを示している。図7A～図10Dの非限定的な例示的ユーザインターフェースは、また、課題および/または干渉を実行する個人への教授を表示し、コンピュータで実施された時間的に変化する要素をインタラクティブに操作すること、課題および/または干渉ならびにコンピュータで実施された時間的に変化する要素への個人の応答を示すデータを収集すること、進捗メトリックを示すこと、ならびに解析メトリックを提供することのうちの1つまたは複数に使用され得る。
図7A～図7Dは、本明細書の例示的なシステム、方法、および装置を使用して表現される非限定的な例示的ユーザインターフェースを示している。図7A～図7Bに示されているように、例示的なプログラムされた処理ユニットは、ユーザインターフェース(グラフィカルユーザインターフェースを含む)に、課題および/または干渉を実行するかつコンピュータで実施された時間的に変化する要素と相互作用する個人への教授を表示するための表示特徴700、ならびに進捗メトリックからの状況インジケータおよび/または解析メトリックを提供するために個人のインタラクション(課題/干渉への応答を含む)から収集されたデータへのアナリティクスの適用からの結果を示すメトリック特徴702を表現するために使用され得る。本明細書の例示的なシステム、方法、および装置において、予測モデルは、応答出力として提供される解析メトリックを提供するために使用され得る。本明細書の例示的なシステム、方法、および装置では、ユーザインタラクションから収集されたデータは、予測モデルを訓練するための入力として使用できる。図7A～図7Bに示されているように、例示的なプログラムされた処理ユニットは、また、ユーザインターフェース(グラフィカルユーザインターフェースを含む)に、個人が(限定はしないが、視覚運動課題において経路もしくは他の環境をナビゲートする、および/またはターゲット弁別課題における対象を選択することなどのために)制御する必要があるアバターまたは他のプロセッサ表現ガイド704を表現するために使用され得る。一例において、コンピュータで実施された時間的に変化する要素は、視覚運動課題の一コンポーネントとして(たとえば、数学に沿ったマイルストーン対象として)またはターゲット弁別課題の一コンポーネントとして含まれるものとしてよく、たとえば、特定のタイプのコンピュータで実施された時間的に変化する要素は、ターゲットであり、他のタイプのコンピュータで実施された時間的に変化する要素は、そうではない。図7Bに示されているように、表示特徴700は、ユーザインターフェースがナビゲーション課題を実行するために必要なアバターまたは他のプロセッサ表現ガイド704の移動のタイプを(破線を使用して)示している間にナビゲーション課題を実行するために何が期待されるかを個人に教授するために使用され得る。一例において、ナビゲーション課題は、スコアリングを決定するために、個人がアバターを操縦して交差するかまたは回避する必要があるマイルストーン対象(場合によっては、コンピュータで実施された時間的に変化する要素を含む)を含むものとしてよい。図7Cに示されているように、表示特徴700は、ユーザインターフェースがユーザインターフェースに表現され得る対象706および708のタイプを示している間にターゲット弁別器課題を実行するために何が期待されるかを個人に教授するために使用されてよく、一方のタイプの対象706(場合によっては、ターゲットのコンピュータで実施された時間的に変化する要素を含む)はターゲットとして指定され、ユーザインターフェースに表現され得る他方のタイプの対象708は、たとえば、この例では線を引いて消されることによって、非ターゲット(場合によっては、非ターゲットのコンピュータで実施された時間的に変化する要素を含む)として指定される。図7Dに示されているように、表示特徴700は、ユーザインターフェースがナビゲーション課題を実行するために必要なアバターまたは他のプロセッサ表現ガイド704の移動のタイプを(破線を使用して)示している間に一次課題としてのナビゲーション課題および二次課題(すなわち、干渉)としてのターゲット弁別を実行するために何が期待されるかを個人に教授するために使用されてよく、ユーザインターフェースは、ターゲット対象706として指定されている対象タイプおよび非ターゲット対象708として指定されている対象タイプを表現する。
図8A～図8Dは、本明細書の原理による、例示的なユーザインターフェースに時間的に変化する特性として表現され得る対象(ターゲットまたは非ターゲット)の特徴の例を示している。図8Aは、ユーザインターフェースに表現される対象800の一態様の時間的に変化する特性への修正が、グラフィカルユーザインターフェース内に表現されている環境に関する対象800の位置および/または速度の動的な変化である一例を示している。図8Bは、ユーザインターフェースに表現される対象802の一態様の時間的に変化する特性への修正が、グラフィカルユーザインターフェース内に表現されている環境に関する対象802の軌跡/運動のサイズおよび/もしくは方向、ならびに/または配向の動的な変化である一例を示している。図8Cは、ユーザインターフェースに表現される対象804の一態様の時間的に変化する特性への修正が、グラフィカルユーザインターフェース内に表現されている環境に関する対象804の形状または他のタイプの動的な変化である一例を示している。この非限定的な例では、対象804の時間的に変化する特性は、第1のタイプの対象(星形対象)から第2のタイプの対象(丸形対象)へのモーフィングを使用してもたらされる。別の非限定的な例では、対象804の時間的に変化する特性は、第1のタイプの対象と第2のタイプの対象との比例した組合せとしてブレンドシェイプを表現することによってもたらされる。図8Cは、ユーザインターフェースに表現される対象804の一態様の時間的に変化する特性への修正が、グラフィカルユーザインターフェース内に表現されている対象804の形状または他のタイプの動的な変化(この非限定的な例では、星形対象から丸形対象へ)である一例を示している。図8Dは、ユーザインターフェースに表現される対象806の一態様の時間的に変化する特性への修正が、グラフィカルユーザインターフェース内に表現されている環境に関する対象806のパターン、または色、または視覚的特徴の動的な変化(この非限定的な例では、第1のパターンを有する星形対象から第2のパターンを有する星形対象へ)である一例を示している。別の非限定的な例では、対象の時間的に変化する特性は、対象上に、または対象に関して示される表情の変化率であってよい。本明細書の例では、前述の時間的に変化する特性は、装置(たとえば、コンピューティングデバイスまたは認知プラットフォーム)に対する個人のインタラクションの認知的または情動的負荷を修正するためにコンピュータで実施された時間的に変化する要素を含む対象に適用され得る。
図9A～図9Tは、本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の非限定的な例を示している。この例では、課題は視覚運動ナビゲーション課題であり、干渉はターゲット弁別(二次課題として)である。図9D、図9I～図9K、および図9O～図9Qに示されているように、個人は、マイルストーン対象904と一致する経路に沿ってアバター902の運動を制御することによってナビゲーション課題を実行する必要がある。図9A～図9Tは、個人がナビゲーション課題における応答としてアバター902をマイルストーン対象904に一致させるように装置もしくはコンピューティングデバイス(または他の感知デバイス)を作動させることを期待されている非限定的な例示的な実施形態を示しており、スコアリングは経路をマイルストーン対象904と交差させる(たとえば、当たる)ことに個人が成功することに基づく。別の例では、個人は、アバター902がマイルストーン対象904を見逃すことを行わせるように装置もしくはコンピューティングデバイス(または他の感知デバイス)を作動させることを期待されており、スコアリングはマイルストーン対象904を回避することに個人が成功することに基づく。図9A～図9Cは、ターゲット対象906(第1のタイプのパターンを有する星形)の動的な過程を示しており、時間的に変化する特性はターゲット対象の運動の軌跡である。図9E～図9Hは、非ターゲット対象908(第2のタイプのパターンを有する星形)の動的な過程を示しており、時間的に変化する特性は対象の運動の軌跡である。図9I～図9Tは、ナビゲーション課題の他の部分の動的な過程を示しており、個人は、干渉(二次課題)が存在していない状態で経路をマイルストーン対象904と交差させるようにアバター902をガイドすることを期待されている。
図9A～図9Tの例において、例示的なシステム、方法、および装置の処理ユニットは、アバター902に経路をナビゲートさせる個人の物理的アクションを示すデータを受信するように構成される。たとえば、個人は、たとえば、回転配向を変更するか、または他の何らかの形でコンピューティングデバイスを移動させることによって、アバターを「操縦」する物理的アクションを実行することを要求され得る。そのようなアクションは、ジャイロスコープまたは加速度計または他の運動もしくは位置センサデバイスに移動を検出させることができ、それによってナビゲーション課題を実行することに対する成功の個人の程度を示す測定データを提供する。
図9A～図9Cおよび図9E～図9Hの例において、例示的なシステム、方法、および装置の処理ユニットは、ターゲット弁別課題を実行する個人の物理的アクションを示すデータを受信するように構成される。たとえば、個人は、ターゲット対象906の表示に応答してタップするか、または他の物理的指示を行い、非ターゲット対象908の表示に応答して物理的指示を行うようにタップしないことを試行または他のセッションの前に教授されるものとしてよい。図9A～図9Cおよび図9E～図9Hにおいて、ターゲット弁別課題は、干渉処理マルチタスキング実施形態において、一次ナビゲーション課題への干渉(すなわち、二次課題)として働く。上で説明されているように、例示的なシステム、方法、および装置は、処理ユニットに、期待されるパフォーマンスに関する教授を個人に対して表示するように表示特徴を表現することを行わせることができる。また上で説明されているように、例示的なシステム、方法、および装置の処理ユニットは、(i)干渉への個人の応答の程度およびタイプの尺度を示すデータが収集されるときに(干渉がターゲットを含もうと非ターゲットを含もうと)一次課題への個人の応答の程度およびタイプの尺度を示すデータを実質的に同時に受信するか、または(ii)課題への個人の応答の程度およびタイプの尺度を示すデータが収集されるときにターゲット刺激(すなわち、妨害するもの)を含む干渉への個人の応答の程度およびタイプの尺度を示すデータを実質的に同時に(すなわち、実質的に同じ時間に)選択的に受信し、課題への個人の応答の程度およびタイプの尺度を示すデータが収集されるときに非ターゲット刺激(すなわち、注意を逸らすもの)を含む干渉への個人の応答の程度およびタイプの尺度を実質的に同時に(すなわち、実質的に同じ時間に)選択的に収集しない、ように構成され得る。
図10A～図10Dは、本明細書の原理による、ユーザインターフェースにおいて表現され得る課題および干渉の動的な過程の別の非限定的な例を示している。この例では、課題は視覚運動ナビゲーション課題であり、干渉はターゲット弁別(二次課題として)であり、個人は、アバター1002に、一次課題として経路をマイルストーン対象1004と交差させるようにナビゲートし、ターゲット弁別(二次課題としての干渉)として対象1006をインタラクティブに操作することを行わせる物理的アクションを実行することを要求される。図10A～図10Dは、ターゲット対象を選択するという個人の指示に応答してグラフィカルユーザインターフェース上に示され得る報酬1008のタイプの一例を示している。この非限定的な例では、報酬1008は、実質的に個人が第2の応答でターゲットを選択させるときにターゲット1006の近くに表現される一組のリングである。非限定的な例では、第2の応答はタップ、または応答を入力する個人の決定に基づくユーザインターフェースの一部への他の物理的アクションによって行われる。
様々な例において、個人の意思決定(すなわち、応答を実行するかどうかに関する)に対する信念の累積の非線形性の程度は、課題および/または干渉の時間的に変化する特性を調整することに基づき変調され得る。非限定的な例として、時間的に変化する特性が対象(ターゲットまたは非ターゲット)の軌跡、速度、配向、タイプおよび/またはサイズである場合、信念を発展させるために個人に利用可能な情報の量(応答を実行するかどうかに関して決定するために)は、たとえば、対象がさらに遠くにあるものまたはより小さいものとして表現されることによって弁別することがより困難にさせられる場合に、最初により小さくされるものとしてよく、信念を発展させるためにより多くの情報がどれだけ速く個人に利用可能にされるかに応じて(たとえば、対象がより大きくなるように見える、配向を変える、より遅く移動する、または環境内でより近づくように表現されるときに)異なる速度で(非線形に)増大させられるものとしてよい。信念の累積の非線形性の程度を変調するように調整され得る課題および/または干渉の他の非限定的な例示的な時間的に変化する特性は、顔の表情の変化率、対象の少なくとも1つの色、対象のタイプ(1つまたは2つ以上の異なるタイプのターゲット対象があるかどうかを含む)、第2のタイプの対象に変化する第1のタイプの対象のモーフィング速度、およびコンピュータで実施された時間的に変化する要素のブレンドシェイプのうちの1つまたは複数を含む。
課題への個人の応答と少なくとも1つのコンピュータで実施された時間的に変化する要素への個人の応答とを示すデータは、個人の認知能力の少なくとも1つの定量化された指標を含む少なくとも1つのパフォーマンスメトリックを計算するために使用される。非限定的な例では、パフォーマンスメトリックは、計算された干渉コストを含むものとしてよい。
その後のセッションの難易度レベル(課題および/または干渉の、ならびにコンピュータで実施された時間的に変化する要素の難易度を含む)は、前のセッションからの個人のパフォーマンスについて計算されたパフォーマンスメトリックに基づき設定されるものとしてよく、個人のパフォーマンスメトリックを修正するように最適化され得る(たとえば、干渉コストを下げるか、または最適化するため)。
非限定的な例において、課題および/または干渉の難易度の適応は、コンピュータで実施された時間的に変化する要素として提示される各異なる刺激とともに適応され得る。
別の非限定的な例では、本明細書の例示的なシステム、方法、および装置は、限定はしないが、毎秒、10秒間隔、30秒毎、または1秒に1回、1秒に2回、もしくはそれ以上(限定はしないが、1秒に30回など)の頻度など、固定された時間間隔または他の設定されたスケジュールで1回または複数回、課題および/または干渉(コンピュータで実施された時間的に変化する要素を含む)の難易度レベルを適応させるように構成され得る。
一例において、課題または干渉の難易度レベルは、限定はしないが、対象の速度、表情の変化率、対象の軌跡の方向、対象の配向の変化、対象の少なくとも1つの色、対象のタイプ、もしくは対象のサイズなどの時間的に変化する特性を変えるか、またはターゲット刺激対非ターゲット刺激の提示の順序もしくはバランスを変えることによって適応させることができる。
視覚運動課題(ナビゲーション課題の一タイプ)の非限定的な例では、ナビゲーション速度、コースの形状(ターンの変化する頻度、変化する回転半径)、ならびに障害の数および/もしくはサイズのうちの1つまたは複数は、ナビゲーションゲームレベルの難易度を修正するように変更されてよく、難易度レベルは速度増大ならびに/または障害(マイルストーン対象(たとえば、回避すべきいくつかのマイルストーン対象もしくは横切る/一致するべきいくつかのマイルストーン対象)のタイプを含む)の数および/もしくはサイズの増大とともに増大する。
非限定的な例において、その後のレベルの課題および/または干渉の難易度レベルも、リアルタイムでフィードバックとして変更されてよく、たとえば、その後のレベルの難易度は、課題のパフォーマンスを示すデータに関して増大または減少させられ得る。
非限定的な例示的な実施形態において、測定は、限定はしないがNeuroSky(登録商標)EEGバイオセンサ(NeuroSky, Inc.，San Jose，CA)などの、より低コストのEEGと接続するように構成されている認知プラットフォームを使用して行われる。測定は、ユーザが診断モードで認知プラットフォームをインタラクティブに操作している間に、EEGを使用して実行され、EEG nDataを収集する。nDataの記憶およびグラフ表示が実行される。データの解析は、認知プラットフォームに対するユーザインタラクションの様々なセッションにおいてEEGバイオセンサ測定のトレンドに測定可能な差があるように見えることを示している。例示的なEEGは、アルファ波およびベータ波を含む、EEGパワースペクトルを測定するために使用されてよく、限定はしないが、アルファ波、ベータ波、注意および瞑想の尺度、ならびに/または目の瞬きなどの、測定データをもたらす。例示的なEEGデバイスは、ヘッドセットとセンサマウントとを備え、参照電極および接地電極を備える接続コンポーネントは、たとえば、個人の耳に装着され、ヘッドセットに接続され、EEG電極は、センサマウントに接続される(個人に、たとえば、目の上の額(FP1位置)に接続される)。例示的なより低コストのEEGは、アルファ波、ベータ波、およびガンマ波を測定するために使用され得る。
個人の生理学的測定は、個人が課題および/または干渉を実行する物理的アクションに取り組むときにEEGデバイスを使用して行われる。非限定的な例示的な実施形態において、認知プラットフォームは、異なるモードで一次課題および干渉を伴う一次課題を表現する。例示的な第1のモード(モード1)は、第1のマルチタスキング課題においてターゲット弁別(二次課題として)の干渉とともに一次ナビゲーション課題を伴う。例示的な第2のモード(モード2)は、ターゲット弁別課題のみ(シングルタスキング)を伴う。例示的な第3のモード(モード3)は、ナビゲーション課題のみ(シングルタスキング)を伴う。例示的な第4のモード(モード4)は、第2のマルチタスキング課題においてターゲット弁別(二次課題として)の干渉とともに一次ナビゲーション課題を伴う。
図11Aは、例示的な認知プラットフォームをインタラクティブに操作してマルチタスキング課題を実行する個人の頭部の一部に装着されているより低コストのEEGバイオセンサを使用して収集された測定からのEEG信号データ対時間の例示的なプロットを示している。曲線1100-aおよび1100-bは、個人の焦点を示すデータである。曲線1110-aおよび1110-bは、個人の瞑想状態(平静)を示すデータである。実線の曲線1100-bは、曲線1100-aを形成するデータ点の移動平均である。実線の曲線1110-bは、曲線1110-aを形成するデータ点の移動平均であり、したがって、それに関してわずかに変位される。この例では、個人は、個人からの応答を必要とする、ターゲット課題(干渉)およびナビゲーション課題(一次課題)を伴うセッションにおいてコンピュータで実施されたマルチタスキング課題を実行している。一例において、ターゲットまたはナビゲーション課題について記録されるユーザ応答は、限定はしないが、ユーザインターフェースをインタラクティブに操作するためのユーザインターフェースまたは画像収集デバイス(タッチスクリーンもしくは他の感圧スクリーン、またはカメラを含む)に関するタッチ、スワイプ、または他のジェスチャであってよい。別の例では、ターゲットまたはナビゲーション課題について記録されるユーザ応答は、限定はしないが、コンピューティングデバイス内に配設されるか、または他の何らかの形で接続されているセンサ(限定はしないが、モーションセンサまたは位置センサなど)を使用して記録される、認知プラットフォームを含むコンピューティングデバイスの位置、配向、または移動の変化を引き起こすユーザアクションであってよい。
図11Bは、個人が個人からの応答を必要とする、単独でターゲットにすることを伴うセッションにおいて本明細書の原理に従って例示的な装置をインタラクティブに操作し、コンピュータで実施されたシングルタスキング課題を実行する(干渉が存在しない場合に一次への応答を提供する物理的アクションを実行することを含む)ときのより低コストのEEGバイオセンサを使用して収集された測定からのEEG信号データ対時間の例示的なプロットを示している。曲線1150-aおよび1150-bは、個人の焦点を示すデータである。曲線1160-aおよび1160-bは、個人の瞑想状態(平静)を示すデータである。実線の曲線1150-bは、曲線1150-aを形成するデータ点の移動平均である。実線の曲線1160-bは、曲線1160-aを形成するデータ点の移動平均であり、したがって、それに関してわずかに変位される。
一例において、ターゲット課題について記録される応答は、限定はしないが、ユーザインターフェースをインタラクティブに操作するためのユーザインターフェースまたは画像収集デバイス(タッチスクリーンもしくは他の感圧スクリーン、またはカメラを含む)に関するタッチ、スワイプ、または他のジェスチャであってよい。別の例では、ターゲット課題について記録される応答は、限定はしないが、コンピューティングデバイス内に配設されるか、または他の何らかの形で接続されているセンサ(限定はしないが、モーションセンサまたは位置センサなど)を使用して記録される、認知プラットフォームを含むコンピューティングデバイスの位置、配向、または移動の変化を引き起こすユーザアクションであってよい。
図12は、より低コストのEEGバイオセンサを使用して収集された測定からのデータの例示的なプロットを示しており、データは、認知プラットフォームの様々なセッションにおいて個人がコンピュータで実施されたマルチタスキング課題を実行する(干渉の存在下で、および干渉が存在しない場合に、一次課題への応答をもたらす物理的アクションを実行することを含む)ときの個人の注意を示す。図12は、4つのモード(モード1、2、3、および4)のうちの各モードで個人が認知プラットフォームをインタラクティブに操作している時間間隔に対応するEEG注意尺度の領域を示している。各モードの始まりおよび終わりは、注意の変化を示すEEG信号データ点のばらつきが大きいことによって示される。たとえば、データ点のより大きなばらつきが時点t=約375(モード1の終わり)、t=約500(モード2の終わり)、t=約575(モード3の終わり)、および約625(モード4の終わり)に生じる。データ点は、また、最終モードの完了後(t=約650において)報酬が個人に与えられたときにモードの終わりにばらつくことが示されている。インタラクションにおけるいくつかの時点において、データ点はばらつきが少なくなるように見え(たとえば、領域A、B、およびCにおいて)、これは測定されている注意のレベルがより安定していることを示す。
非限定的な例において、処理ユニットは、解析のために集中度のより高い注意またはより高いユーザの取り組み(たとえば、領域A、B、およびC)を示す生理学的測定の時間間隔において行われる課題および/または干渉の個人のパフォーマンスの測定からのデータのみを使用して、限定はしないが決定境界メトリックまたは干渉コストなどの、個人に対するパフォーマンスメトリックを計算し得る。別の非限定的な例において、処理ユニットは、限定はしないが決定境界メトリックまたは干渉コストなどの、個人に対するパフォーマンスメトリックを計算する前に、集中度のより低い注意の時間間隔と比較して、集中度のより高い注意またはより高いユーザの取り組み(たとえば、領域A、B、およびC)を示す生理学的測定の時間間隔において行われる課題および/または干渉の個人のパフォーマンスの測定からのデータの部分集合に異なる重み係数を適用することができる。別の非限定的な例では、処理ユニットは、最初の試行またはセッションへの集中度のより高い注意またはより高いユーザの取り組みを示す生理学的測定を使用して、たとえば、1つまたは複数のコントローラを使用してフィードバックループを実行することで、その後の試行またはセッションにおいて課題および/または干渉の時間的に変化する特性または他の特性を修正(調整)し、それにより、その後の試行またはセッションにおける個人からの生理学的測定が課題および/または干渉とのインタラクションにおいて個人の集中度のより高い注意またはより高いユーザの取り組み(たとえば、領域A、B、またはCのより長い時間間隔)を示すように構成され得る。集中度のより高い注意またはより高いユーザの取り組みを示す生理学的測定は、課題および/もしくは干渉に対するユーザのインタラクティブな操作の前のセッションにおいてか、または課題および/もしくは干渉に対する2人以上の個人(グループもしくは集団に至るまでの)のインタラクティブな操作に基づき収集された総計生理学的測定データのプリセットされた閾値に基づくか、のいずれかで収集され得る。
表1は、EEGから認知プラットフォームへの例示的なEEG信号データを示している。
Figure 0007077303000001
ラン毎に、パラメータの次の値が使用されるか、または測定された。微弱信号=25、注意=0、瞑想=0、瞬き=0、デルタ=433068、シータ=113711、低アルファ=20951、高アルファ=10596、低ベータ=5082、高ベータ=6601、低ガンマ=3943、高ガンマ=5484、星=0
別の例では、生理学的測定は、限定はしないがEEGを使用して、ユーザの物理的移動および/または筋肉分離を示すために使用され得る。この例では、EEGの物理的または筋肉コンポーネントを示す測定データは、脳ターゲット測定を示す測定データから分離される。この例では、より低コストのEEGは、脳波および/または筋肉トリガー検出のために一体化される。認知プラットフォームの大きい物理的コンポーネントがデバイス(限定はしないが、タブレットなど)を操縦/回転させている例では、プラットフォーム製品は、これらの事象がEEGとともに生起しているときにそのことを検出するように構成される。
認知プラットフォームをインタラクティブに操作している間のユーザ反応時間の測定データも収集され、EEG測定データは、ユーザが認知プラットフォームにおけるトリガーに反応しているときに収集される。
図13は、個人が物理的アクションを実行するときの筋肉分離の測定からの非限定的な例示的なEEGデータを示している。図13は、高アルファ/Accx(1302)、低アルファ/TR(1304)、低ベータ/Accy(1306)、および高ベータ/AccZ(1308)に対するEEG信号の測定からのデータのプロットを示している。例示的なデータは、個人の反応時間の尺度を提供するために使用できる。これらの測定は、脳波の活動に関係するEEG信号からの物理的活動に関係するEEG信号のフィルタリングを可能にする。t=約158.5および約161.7において、「回転オン」のラベルは時点(EEG信号に関する)を示し、コンピューティングデバイスは、コンピューティングデバイスを回転させることを個人に(たとえば、ユーザインターフェースに表現される視覚的手がかりを使用して)教授している。t=約159および約162.3において、「回転オフ」のラベルはEEG信号上の時点を示し、コンピューティングデバイスは、コンピューティングデバイスをもはや回転させないことを個人に教授している。時点t=約159.2およびt=約162において、EEG信号は個人がアクションを実行するように反応する時点を示すように変化する(個人の反応時間を示すデータを提供する)。
非限定的な例示的な実施形態において、測定は、医療アプリケーションの有効性確認およびオーダーメイド医療に使用するために、fMRIと接続するように構成されている認知プラットフォームを使用して行われる。消費者レベルのfMRIデバイスは、脳の様々な領域における刺激発生レベルの変化を追跡し、検出することによって医療アプリケーションの精度および妥当性を改善するために使用され得る。
処理の妥当性確認を行うための非限定的な例示的な使用では、ユーザは、認知プラットフォームをインタラクティブに操作し、fMRIは、生理学的データを測定するために使用される。ユーザは、認知プラットフォームをインタラクティブに操作している間にユーザのアクションに基づき特定の脳領域または脳領域の組合せの刺激を有することを期待される。この例では、プラットフォーム製品は、認知プラットフォームに接続されているfMRIコンポーネントを含む統合デバイスとして、またはfMRIコンポーネントから分離しているが、それと接続するように構成されている認知プラットフォームとして構成され得る。アプリケーションをfMRIとともに使用することで、ユーザの脳の一部分に対する刺激発生の測定が行われてよく、ユーザが望ましい応答を示しているかどうかを決定することに対する変化を検出するために解析が実行され得る。
オーダーメイド医療に対する非限定的な使用例では、fMRIは、認知プラットフォームをユーザがインタラクティブに操作する際の進捗を識別するために使用されるべき測定データを収集するために使用され得る。この解析は、認知プラットフォームが、アプリケーションにおけるユーザエクスペリエンスを調整することによって、fMRIが検出しているこれらのユーザ結果を強化するか、または弱める課題および/またはCSIを提供させられるべきかどうかを決定するために使用され得る。
この例および本明細書の他の例では、cDataおよび/またはnDataは、リアルタイムで収集され得る。
この例および本明細書の他の例では、課題および/またはCSIのタイプへの調整は、リアルタイムで行われ得る。
図14Aは、少なくとも1つの処理ユニットを備えるプラットフォーム製品を使用して実施され得る非限定的な例のフローチャートを示している。ブロック1402において、少なくとも1つの処理ユニットは、コンピュータ化された刺激もしくはインタラクション(CSI)もしくは他のインタラクティブ要素をユーザに提示するか、または聴覚、触覚、もしくは振動を利用するコンピュータ化要素(CSIを含む)を動作させてユーザとの刺激によるもしくは他のインタラクションを生じさせることをプラットフォーム製品の作動コンポーネントに行わせるように少なくとも1つのユーザインターフェースを表現するために使用される。ブロック1404において、少なくとも1つの処理ユニットは、CSIまたは他のインタラクティブ要素(限定はしないがcDataなど)に対するユーザインタラクションに基づく少なくとも1つのユーザ応答を示すデータを受信することをプログラム製品のコンポーネントに行わせるために使用される。コンピュータ化された刺激またはインタラクション(CSI)または他のインタラクティブ要素をユーザに提示するように少なくとも1つのユーザインターフェースが表現される例では、少なくとも1つの処理ユニットは、少なくとも1つのユーザ応答を示すデータを受信することをユーザインターフェースに行わせるようにプログラムされ得る。ブロック1406において、少なくとも1つの処理ユニットは、ユーザが認知プラットフォームをインタラクティブに操作する前、操作している最中、および/または操作した後に1つまたは複数の生理学的コンポーネントを使用して行われた測定を示すnDataを受信することをプログラム製品のコンポーネントに行わせるために使用される。ブロック1408において、少なくとも1つの処理ユニットは、また、cDataおよび/もしくはnDataを解析して個人の生理学的状態および/もしくは認知状態の尺度を提供する、ならびに/またはユーザの応答の間の差(cDataにおける差に基づくことを含む)および関連するnDataにおける差を決定することに基づき個人のパフォーマンスの差を解析する、ならびに/またはcDataおよび/もしくはnData(解析で決定された個人のパフォーマンスおよび/もしくは生理学的状態の尺度を含む)の解析結果に基づきコンピュータ化された刺激もしくはインタラクション(CSI)もしくは他のインタラクティブ要素の難易度レベルを調整する、ならびに/または個人のパフォーマンスを示し得るプラットフォーム製品からの出力もしくは他のフィードバック、および/もしくは認知評価、および/もしくは認知処理への応答、および/もしくは認知の評価された尺度を提供するために使用される。
図14Bは、少なくとも1つの処理ユニットを備えるプラットフォーム製品を使用して実施され得る非限定的な例示的方法のフローチャートを示している。ブロック1452において、少なくとも1つの処理ユニットは、一次課題の第1のインスタンスを干渉とともにユーザインターフェースに表現するために使用され、これは干渉の存在下で一次課題の第1のインスタンスへの個人からの第1の応答を必要とする。ブロック1454において、少なくとも1つの処理ユニットは、一次課題の第2のインスタンスを干渉なしでユーザインターフェースに表現するために使用され、これは一次課題の第2のインスタンスへの個人からの第2の応答を必要とする。ブロック1456において、少なくとも1つの処理ユニットは、第1の応答と、第2の応答と、少なくとも1つの生理学的プロファイルとを示すデータを受信するために使用される。ブロック1458において、少なくとも1つの処理ユニットは、また、少なくとも一部は少なくとも1つの生理学的プロファイルに関して第1の応答および第2の応答を示すデータの差を決定して個人のパフォーマンスメトリックを決定することによって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスにおける差を解析することであって、パフォーマンスメトリックは個人の認知能力の指標を含む、解析することを行うために使用される。
図14Cおよび図14Dは、少なくとも1つの処理ユニットを備えるプラットフォーム製品を使用して実施され得る非限定的な例示的方法のフローチャートを示している。ブロック1482において、少なくとも1つの処理ユニットは、一次課題の第1のインスタンスを干渉とともにユーザインターフェースに表現するために使用され、これは干渉の存在下で一次課題の第1のインスタンスへの個人からの第1の応答を必要とする。ブロック1484において、少なくとも1つの処理ユニットは、一次課題の第2のインスタンスを干渉なしでユーザインターフェースに表現するために使用され、これは一次課題の第2のインスタンスへの個人からの第2の応答を必要とする。ブロック1486において、少なくとも1つの処理ユニットは、第1の応答と、第2の応答と、少なくとも1つの生理学的プロファイルとを示すデータを受信するために使用される。ブロック1488において、少なくとも1つの処理ユニットは、また、少なくとも一部は少なくとも1つの生理学的プロファイルに関して第1の応答および第2の応答を示すデータの差を決定して個人の第1のパフォーマンスメトリックを決定することによって、干渉なしと干渉ありとで一次課題を実行することから個人のパフォーマンスにおける差を解析することであって、第1のパフォーマンスメトリックは個人の認知能力の指標を含む、解析することを行うために使用される。ブロック1490において、少なくとも1つの処理ユニットは、装置が第2の難易度レベルで一次課題の第3のインスタンスおよび/または干渉を表現するように計算済みの少なくとも1つの生理学的プロファイルに基づき一次課題および/または干渉のうちの1つまたは複数の難易度を調整するために使用される。ブロック1492において、少なくとも1つの処理ユニットは、個人の第2のパフォーマンスメトリックを計算するために使用され、第2のパフォーマンスメトリックは個人の認知能力の第2の指標を含む。
いくつかの例において、解析の結果は、コンピュータ化された刺激またはインタラクション(CSI)または他のインタラクティブ要素の難易度レベルもしくは他の特性を修正するために使用されてよい。
図15は、本明細書の原理によるコンピューティングコンポーネントとして使用され得るコンピューティングデバイス1510を含む例示的なシステム(たとえば、コンピュータシステム)のブロック図である。本明細書の例では、コンピューティングデバイス1510は、コンピュータ実施適応型応答デッドライン手順において信号検出メトリックを適用することを含む、コンピューティングコンポーネントを実施することを行うようにユーザ入力を受け取るコンソールとして構成され得る。わかりやすくするために、図15では、また、図1の例示的なシステムおよび図2の例示的なコンピューティングデバイスの様々な要素を再び参照し、それらに関してより詳しく示す。コンピューティングデバイス1510は、例を実施するための1つまたは複数のコンピュータ実行可能命令もしくはソフトウェアを記憶するための1つまたは複数の非一時的コンピュータ可読媒体を含み得る。非一時的コンピュータ可読媒体は、限定はしないが、1つまたは複数の種類のハードウェアメモリ、非一時的な有形の媒体(たとえば、1つまたは複数の磁気記憶ディスク、1つまたは複数の光ディスク、1つまたは複数のフラッシュドライブ)、および同様のものを含み得る。たとえば、コンピューティングデバイス1510に備えられるメモリ102は、本明細書において開示されているオペレーションを実行するためのコンピュータ可読およびコンピュータ実行可能命令またはソフトウェアを記憶することができる。たとえば、メモリ102は、開示されているオペレーションのうちの様々なオペレーションを実行する(たとえば、本明細書で説明されているように、認知プラットフォーム測定データ、生理学的コンポーネント測定データ、ならびに課題および/もしくは干渉への応答データを解析する、パフォーマンスメトリック(干渉コストもしくは決定境界メトリックを含む)を計算する、適応型応答デッドライン手順で信号検出メトリックを適用する、ならびに/または他の計算を実行する)ように構成されているソフトウェアアプリケーション1540を記憶することができる。コンピューティングデバイス1510は、構成可能なおよび/またはプログラム可能な処理ユニット104ならびに関連付けられているコア1514も備え、任意選択で、1つまたは複数の追加の構成可能なおよび/またはプログラム可能な処理デバイス、たとえば、プロセッサ1512'および関連付けられているコア1514'(たとえば、複数のプロセッサ/コアを有する計算システムの場合)を備え、メモリ102に記憶されているコンピュータ可読およびコンピュータ実行可能命令またはソフトウェアならびにシステムハードウェアを制御するための他のプログラムを実行するものとしてよい。プロセッサ104およびプロセッサ1512'は、各々、シングルコアプロセッサまたはマルチコア(1514および1514')プロセッサであってよい。
コンピューティングデバイス1510では仮想化が使用され、それにより、コンソール内のインフラストラクチャおよびリソースが動的に共有され得る。仮想マシン1524は、複数のプロセッサ上で実行されるプロセスを取り扱うために用意されてよく、プロセスが複数のコンピューティングリソースではなくただ1つのコンピューティングリソースを使用しているように見せかける。1つのプロセッサで複数の仮想マシンが使用されてもよい。
メモリ102は、DRAM、SRAM、EDO RAM、および同様のものなどの計算デバイスメモリまたはランダムアクセスメモリを含むものとしてよい。メモリ102は、他の種類のメモリも同様に含み、またはその組合せも含むことができる。
ユーザは、例示的なシステムおよび方法により提供され得る1つまたは複数のユーザインターフェース1530を表示することができる、コンピュータモニタなどの視覚的表示ユニット1528を通じてコンピューティングデバイス1510をインタラクティブに操作することができる。コンピューティングデバイス1510は、ユーザから入力を受け取るための他のI/Oデバイス、たとえば、キーボードもしくは好適なマルチポイントタッチインターフェース1518、ポインティングデバイス1520(たとえば、マウス)、カメラもしくは他の画像記録デバイス、マイクロフォンもしくは他の音声記録デバイス、加速度計、ジャイロスコープ、触覚、振動、もしくは聴覚信号用のセンサ、および/または少なくとも1つのアクチュエータを備えることができる。マルチポイントタッチインターフェース1518およびポインティングデバイス1520は、視覚的表示ユニット1528に接続され得る。コンピューティングデバイス1510は、他の好適な従来のI/O周辺機器を含み得る。
コンピューティングデバイス1510は、本明細書において開示されているオペレーションを実行するデータおよびコンピュータ可読命令および/またはソフトウェアを記憶するために、ハードドライブ、CD-ROM、または他のコンピュータ可読媒体などの1つまたは複数の記憶装置デバイス1534も備えることができる。例示的な記憶装置デバイス1534は、例示的なシステムおよび方法を実施するために必要な好適な情報を記憶するための1つまたは複数のデータベースも記憶することができる。データベースは、手動で、または好適な時刻に自動的に更新され、1つまたは複数の項目をデータベースに追加し、削除し、および/または更新することができる。
コンピューティングデバイス1510は、限定はしないが、標準電話回線、LANもしくはWANリンク(たとえば、802.11、T1、T3、56kb、X.25)、ブロードバンド接続(たとえば、ISDN、フレームリレー、ATM)、ワイヤレス接続、コントローラエリアネットワーク(CAN)、または上記のどれか、またはすべての何らかの組合せを含む様々な接続を通じて1つまたは複数のネットワーク、たとえば、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、またはインターネットと、1つまたは複数のネットワークデバイス1532を介して、インターフェースするように構成されているネットワークインターフェース1522を備えることができる。ネットワークインターフェース1522は、内蔵ネットワークアダプタ、ネットワークインターフェースカード、PCMCIAネットワークカード、カードバスネットワークアダプタ、ワイヤレスネットワークアダプタ、USBネットワークアダプタ、モデム、またはコンピューティングデバイス1510を通信を行うことができる任意の種類のネットワークにインターフェースし、本明細書で説明されているオペレーションを実行するのに適している他のデバイスを備え得る。さらに、コンピューティングデバイス1510は、ワークステーション、デスクトップコンピュータ、サーバ、ラップトップ、ハンドヘルドコンピュータ、タブレットコンピュータ、または通信することが可能であり、本明細書で説明されているオペレーションを実行できる十分な計算処理能力およびメモリ容量を有する他の形態のコンピューティングもしくは遠隔通信デバイスなどの、任意の計算デバイスであってよい。
コンピューティングデバイス1510は、Microsoft(登録商標)Windows(登録商標)オペレーティングシステムの任意のバージョン、iOS(登録商標)オペレーティングシステム、Android(登録商標)オペレーティングシステム、Unix(登録商標)およびLinux(登録商標)オペレーティングシステムの様々なリリース、Macintoshコンピュータ用のMacOS(登録商標)の任意のバージョン、任意の組み込みオペレーティングシステム、任意のリアルタイムオペレーティングシステム、任意のオープンソースオペレーティングシステム、任意の専用オペレーティングシステム、またはコンソール上で実行され、本明細書で説明されているオペレーションを実行することができる任意の他のオペレーティングシステムなどの、任意のオペレーティングシステム1526を実行するものとしてよい。いくつかの例において、オペレーティングシステム1526は、ネイティブモードまたはエミュレートモードで実行され得る。一例において、オペレーティングシステム1526は、1つまたは複数のクラウドマシンインスタンス上で実行され得る。
本明細書で説明されているシステム、方法、およびオペレーションの例は、デジタル電子回路で、または本明細書およびその構造的等価物において開示されている構造を含む、コンピュータソフトウェア、ファームウェア、またはハードウェアで、またはそれらのうちの1つまたは複数の組合せで実施され得る。本明細書で説明されているシステム、方法、およびオペレーションの例は、1つまたは複数のコンピュータプログラム、すなわち、データ処理装置によって実行できるようにまたはデータ処理装置のオペレーションを制御するためにコンピュータ記憶媒体上に符号化されたコンピュータプログラム命令の1つまたは複数のモジュールとして実施され得る。プログラム命令は、データ処理装置による実行のため好適な受信機装置に伝送する情報が符号化されるように生成される、人工的に生成された伝搬信号、たとえば、機械で生成された電気、光、または電磁信号上で符号化されることが可能である。コンピュータ記憶媒体は、コンピュータ可読記憶装置デバイス、コンピュータ可読記憶装置基板、ランダムもしくはシリアルアクセスメモリアレイもしくはデバイス、またはそれらのうちの1つもしくは複数の組合せであり得るか、または含まれ得る。さらに、コンピュータ記憶媒体は、伝搬信号ではないが、コンピュータ記憶媒体は、人工的に生成される伝搬信号内に符号化されているコンピュータプログラム命令の送信元または送信先とすることができる。コンピュータ記憶媒体は、また、1つまたは複数の独立した物理的コンポーネントまたは媒体(たとえば、複数のCD、ディスク、または他の記憶装置デバイス)であり得るか、または含まれ得る。
本明細書において説明されているオペレーションは、1つまたは複数のコンピュータ可読記憶装置デバイス上に記憶されるか、または他のソースから受信されたデータに対してデータ処理装置によって実行されるオペレーションとして実施され得る。
「データ処理システム」または「コンピューティングデバイス」という用語は、たとえばプログラム可能プロセッサ、コンピュータ、1つもしくは複数のシステムオンチップ、または前述のものの組合せを含む、データを処理するためのあらゆる種類の装置、デバイス、およびマシンを包含する。装置は、専用論理回路、たとえば、FPGA(フィールドプログラマブルゲートアレイ)、またはASIC(特定用途向け集積回路)を含むことができる。装置は、また、ハードウェアに加えて、注目しているコンピュータプログラム用の実行環境を作成するコード、たとえば、プロセッサファームウェア、プロトコルスタック、データベース管理システム、オペレーティングシステム、クロスプラットフォーム実行時環境、仮想マシン、またはこれらのうちの1つもしくは複数のものの組合せを構成するコードも含み得る。
コンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト、アプリケーション、またはコードとも称される)は、コンパイル言語またはインタプリタ言語、宣言型または手続き型言語を含む、任意の形態のプログラミング言語で書かれ、スタンドアロンプログラム、またはモジュール、コンポーネント、サブルーチン、オブジェクト、またはコンピューティング環境において使用するのに適している他のユニットを含む、任意の形態でデプロイされ得る。コンピュータプログラムは、ファイルシステム内のファイルに対応してよいが、そうである必要はない。プログラムは、他のプログラムをまたはデータ(たとえば、マークアップ言語ドキュメントに記憶される1つまたは複数のスクリプト)を保持するファイルの一部に、注目しているプログラム専用の単一ファイルに、または複数の協調ファイル(たとえば、1つもしくは複数のモジュール、副プログラム、またはコードの一部分を記憶するファイル)に記憶され得る。コンピュータプログラムは、1つのコンピュータ上で、または1つのサイトに配置されるか、または複数のサイトにまたがって分散され、通信ネットワークによって相互接続されている複数のコンピュータ上で実行されるようにデプロイされることが可能である。
本明細書で説明されているプロセスおよび論理の流れは、入力データを操作し、出力を生成することによってアクションを実行するように1つまたは複数のコンピュータプログラムを実行する1つまたは複数のプログラム可能なプロセッサによって実行され得る。これらのプロセスまたは論理の流れは、専用論理回路、たとえば、FPGA(フィールドプログラマブルゲートアレイ)、および/またはASIC(特定用途向け集積回路)によっても実行され、また装置は、専用論理回路、たとえば、FPGA(フィールドプログラマブルゲートアレイ)、またはASIC(特定用途向け集積回路)としても実施され得る。
コンピュータプログラムの実行に適しているプロセッサは、たとえば、汎用マイクロプロセッサ、専用マイクロプロセッサ、および任意の種類のデジタルコンピュータの任意の1つまたは複数のプロセッサを含む。一般的に、プロセッサは、リードオンリーメモリまたはランダムアクセスメモリまたはその両方から命令およびデータを受け取る。コンピュータの不可欠な要素は、命令に従ってアクションを実行するためのプロセッサならびに命令およびデータを記憶するための1つまたは複数のメモリデバイスである。一般的に、コンピュータは、データを記憶するための1つまたは複数の大容量記憶装置デバイス、たとえば、磁気ディスク、磁気光ディスク、または光ディスクも備え、これらからデータを受け取るか、またはこれらにデータを転送するか、またはその両方を行うように動作可能なように接続される。しかしながら、コンピュータは、そのようなデバイスを有している必要はない。さらに、コンピュータは、他のデバイス、たとえば、携帯電話、携帯情報端末(PDA)、携帯オーディオまたはビデオプレーヤー、ゲーム機、全地球測位システム(GPS)受信機、またはポータブルストレージデバイス(たとえば、ユニバーサルシリアルバス(USB)フラッシュドライブ)に組み込まれることが可能である。コンピュータプログラムの命令およびデータを記憶するのに適したデバイスは、たとえば、半導体メモリデバイス、たとえば、EPROM、EEPROM、およびフラッシュメモリデバイス、磁気ディスク、たとえば、内蔵ハードディスクまたはリムーバブルディスク、光磁気ディスク、ならびにCD-ROMおよびDVD-ROMディスクを含む、あらゆる形態の不揮発性メモリ、媒体、およびメモリデバイスを含む。プロセッサおよびメモリは、専用論理回路によって補助されるか、または専用論理回路に組み込まれることができる。
ユーザと情報のやり取りを行うために、本明細書で説明されている発明対象の実施形態は、ユーザに情報を表示するためのディスプレイデバイス、ならびにユーザがコンピュータに入力を送るために使用できるキーボードおよびポインティングデバイス、たとえば、マウス、スタイラス、タッチスクリーン、もしくはトラックボールを有するコンピュータ上で実施され得る。他の種類のデバイスも、ユーザとインタラクションを行うために使用されてよい。たとえば、ユーザに提供されるフィードバック(すなわち、出力)は、任意の形態の感覚フィードバック、たとえば、視覚フィードバック、聴覚フィードバック、または触覚フィードバックであってよく、ユーザからの入力は、限定はしないが、音響、音声、または触覚入力を含む、任意の形態で受信され得る。それに加えて、コンピュータは、ドキュメントをユーザによって使用されるデバイスに送り、そのデバイスからドキュメントを受け取ることによって、たとえば、ウェブブラウザから受け取った要求に応答して、ウェブページをユーザのクライアントデバイス上のウェブブラウザに送信することによって、ユーザとインタラクティブにやり取りすることができる。
いくつかの例において、本明細書のシステム、方法、またはオペレーションは、バックエンドコンポーネントを、たとえば、データサーバとして備えるか、またはミドルウェアコンポーネント、たとえば、アプリケーションサーバを備えるか、またはフロントエンドコンポーネント、たとえば、ユーザが本明細書で説明されている主題の実施をインタラクティブに操作することを可能にするグラフィカルユーザインターフェースもしくはウェブブラウザを有するクライアントコンピュータを備えるコンピューティングシステムで、または1つもしくは複数のそのようなバックエンド、ミドルウェア、またはフロントエンドコンポーネントの任意の組合せで実施され得る。システムのコンポーネントは、デジタルデータ通信の任意の形態または媒体、たとえば、通信ネットワーク、によって相互接続され得る。通信ネットワークの例は、ローカルエリアネットワーク(「LAN」)およびワイドエリアネットワーク(「WAN」)、インターネットワーク(たとえば、インターネット)、およびピアツーピアネットワーク(たとえば、アドホックピアツーピアネットワーク)を含む。
例示的なコンピューティングシステム400は、クライアントおよびサーバを含むことができる。クライアントおよびサーバは、一般に、互いに隔てられており、典型的には、通信ネットワークを通じてインタラクティブな操作を行う。クライアントとサーバとの関係は、コンピュータプログラムが各コンピュータ上で実行され、互いとの間にクライアント-サーバ関係を有することによって発生する。いくつかの実施形態において、サーバはデータをクライアントデバイスに(たとえば、クライアントデバイスをインタラクティブに操作するユーザにデータを表示し、ユーザ入力を受け取ることを目的として)伝送する。クライアントデバイスで生成されるデータ(たとえば、ユーザインタラクションの結果)は、サーバ側においてクライアントデバイスから受信され得る。
結論
上述の実施形態は、いく通りもの仕方で実施され得る。たとえば、いくつかの実施形態は、ハードウェア、ソフトウェア、またはこれらの組合せを使用して実施され得る。一実施形態の態様が少なくとも一部はソフトウェアで実施されるときに、ソフトウェアコードは、単一のコンピュータで提供されようと複数のコンピュータに分散されようと、好適なプロセッサまたはプロセッサの集合体上で実行され得る。
この点において、本発明の様々な態様は、少なくとも一部は、1つまたは複数のコンピュータまたは他のプロセッサ上で実行されたときに上で説明されている技術の様々な実施形態を実施する方法を実行する1つまたは複数のプログラムとともに符号化される1つのコンピュータ可読記憶媒体(または複数のコンピュータ可読記憶媒体)(たとえば、コンピュータメモリ、コンパクトディスク、光ディスク、磁気テープ、フラッシュメモリ、フィールドプログラマブルゲートアレイもしくは他の半導体素子内の回路構成、または他の有形のコンピュータ記憶媒体もしくは非一時的媒体)として具現化され得る。1つまたは複数のコンピュータ可読媒体は、可搬型であってよく、そこに記憶される1つまたは複数のプログラムは1つまたは複数の異なるコンピュータまたは他のプロセッサにロードされ、上で説明されているような本発明の技術の様々な態様を実施することができる。
「プログラム」または「ソフトウェア」という用語は、本明細書において一般的な意味で、上で説明されているような本発明の技術の様々な態様を実施するようにコンピュータまたは他のプロセッサをプログラムするために使用され得る任意のタイプのコンピュータコードまたは任意の一組のコンピュータ実行可能命令を指すために使用される。それに加えて、この実施形態の一態様によれば、実行されたときに本発明の技術の方法を実行する1つまたは複数のコンピュータプログラムは、単一のコンピュータまたはプロセッサ上に常駐する必要はなく、本発明の技術の様々な態様を実施するために多数の異なるコンピュータまたはプロセッサ間にモジュール形式で分散されてよいことを諒解されたい。
コンピュータ実行可能命令は、1つまたは複数のコンピュータまたは他のデバイスによって実行される、プログラムモジュールなどの任意の形態をとり得る。一般に、プログラムモジュールは、特定のタスクを実行する、または特定の抽象データ型を実施するルーチン、プログラム、オブジェクト、コンポーネント、データ構造などを含む。通常、プログラムモジュールの機能は、様々な実施形態で望まれているように組み合わされるか、または分散され得る。
また、本明細書で説明されている技術は方法として具現化されてよく、その少なくとも1つの例が実現されている。方法の一部として実行される活動は、好適な仕方で順序付けされてよい。したがって、例示されているのと異なる順序で活動が実行される実施形態が構成されてもよく、これは例示的な実施形態において順次的活動として示されているとしても、いくつかの活動を同時に実行することを含み得る。
本明細書において定義され、使用されているようなすべての定義は、辞書定義、参照により組み込まれている文書内の定義、および/または定義されている語の通常の意味を決定すると理解されるべきである。
明細書および特許請求の範囲の英文中で使用されているような不定冠詞「a」および「an」は、特に断りのない限り、「少なくとも1つ」を意味すると理解されるべきである。
本明細書および特許請求の範囲において使用されているような「および/または」という語句は、要素の「いずれかまたは両方」がそのように結合されている、すなわち、要素はある場合には接続的に存在し、他の場合には離接的に存在していることを意味すると理解されるべきである。「および/または」でリストされている複数の要素は同じ様式で、すなわち、そのように結合されている要素の「1つまたは複数」と解釈されるべきである。他の要素は、任意選択で、「および/または」節によって特に識別される要素以外に、特に識別されている要素に関係していようと無関係であろうと、存在していてもよい。したがって、非限定的な例として、「Aおよび/またはB」への参照は、「含む」などの非限定的な言い回しと併せて使用されるときに、一実施形態では、Aのみを指し(任意選択でB以外の要素を含む)、別の実施形態では、Bのみを指し(任意選択でA以外の要素を含む)、さらに別の実施形態では、AとBの両方を指し(任意選択で他の要素を含む)、などとしてよい。
本明細書および特許請求の範囲において使用されているように、「または」は上で定義されているように「および/または」と同じ意味を有すると理解されるべきである。たとえば、リスト内で項目を分離するときに、「または」もしくは「および/または」は、包含的である、すなわち、多数の要素または要素のリストおよび任意選択で追加のリストにない項目の少なくとも1つを含むが、複数も含むと解釈されるものとする。それとは反対に、「のうちのたった1つ」または「のうちの正確に1つ」などと明確に指示されている語のみ、または特許請求の範囲で使用されるときには、「からなる」は、多数の要素または要素のリストのうちの正確に1つの要素の包含を指す。一般に、本明細書で使用されているような「または」という語は、「いずれか」、「のうちの1つ」、「のうちのたった1つ」、または「のうちの正確に1つ」などの、排他性の語が付くときに排他的二択(すなわち、「一方または他方であるが両方ではない」)を示すものとしてのみ解釈されるものとする。「から本質的になる」は、特許請求の範囲で使用されているときには、特許法の分野で使用されているような通常の意味を有するものとする。
本明細書および特許請求の範囲で使用されているように、1つまたは複数の要素のリストへの参照における「少なくとも1つ」という語句は、要素のリスト内の要素のうちの1つまたは複数から選択された少なくとも1つの要素を意味し、必ずしも、要素のリスト内に特にリストされているあらゆる要素のうちの少なくとも1つを含まず、また要素のリスト内の要素の任意の組合せを除外しない、と理解されるべきである。この定義は、また、要素が、任意選択で、「少なくとも1つ」という語句が指している要素のリスト内で特に識別される要素以外に、特に識別されている要素に関係していようと無関係であろうと、存在していてもよいことを許している。したがって、非限定的な例として、「AおよびBのうちの少なくとも1つ」(または同等であるが、「AまたはBのうちの少なくとも1つ」、または同等であるが、「Aおよび/またはBのうちの少なくとも1つ」)は、一実施形態では、任意選択で複数を含む、少なくとも1つのAがあり、Bが存在していない(および任意選択で、B以外の要素を含む)こと、別の実施形態では、任意選択で複数を含む、少なくとも1つのBがあり、Aが存在していない(および任意選択で、A以外の要素を含む)こと、さらに別の実施形態では、任意選択で複数を含む、少なくとも1つのAおよび任意選択で複数を含む、少なくとも1つのBがある(および任意選択で、他の要素を含む)こと、などを指するものとしてよい。
特許請求の範囲では、また上の明細書でも、「含む」、「備える」、「運ぶ」、「有する」、「包含する」、「伴う」、「保持する」、「から構成される」、および同様の語句などのすべての移行句は、非限定的である、すなわち、限定することなく含むことを意味すると理解されるべきである。「からなる」および「から本質的になる」という移行句のみが、米国特許審査便覧第2111章03に記載されているように、それぞれ、限定的または半限定的な移行句であるものとする。
100 装置
102 メモリ
104 処理ユニット
106 プロセッサ実行可能命令
108 コンピューティングコンポーネント
110 データ
112 測定データ
200 コンピューティングデバイス
210 通信モジュール
212 解析エンジン
214 アプリケーション(アプリ)
302 認知プラットフォーム
304 生理学的コンポーネント
310 統合デバイス
312 認知プラットフォーム
314 生理学的コンポーネント
402 認知プラットフォーム
404 生理学的コンポーネント
600 応答基準
602 右曲線
604 左曲線
700 表示特徴
702 メトリック特徴
704 プロセッサ表現ガイド
706 対象
708 対象
800 対象
802 対象
804 対象
902 アバター
904 マイルストーン対象
906 ターゲット対象
908 非ターゲット対象
1002 アバター
1004 マイルストーン対象
1006 対象
1008 報酬
1100-a、1100-b 曲線
1150-a、1150-b 曲線
1160-a、1160-b 曲線
1510 コンピューティングデバイス
1512' (複数の)プロセッサ
1514 (複数の)コア
1514' (複数の)コア
1518 マルチポイントタッチインターフェース
1520 ポインティングデバイス
1522 ネットワークインターフェース
1524 仮想マシン
1526 オペレーティングシステム
1528 視覚的表示ユニット
1530 ユーザインターフェース(UI)
1534 (複数の)記憶装置デバイス
1540 ソフトウェアアプリケーション

Claims (38)

  1. 個人の認知スキルの定量子を生成するための装置であって、少なくとも1つの生理学的コンポーネントに接続され、
    ユーザインターフェースと、
    プロセッサ実行可能命令を記憶するためのメモリと、
    前記ユーザインターフェースおよび前記メモリに通信可能に接続されている処理ユニットと
    を備え、
    前記処理ユニットにより前記プロセッサ実行可能命令が実行されると、前記処理ユニットは、
    前記ユーザインターフェースにおいて一次課題の第1のインスタンスを干渉とともに表現することであって、前記干渉の存在下で前記一次課題の前記第1のインスタンスへの前記個人からの第1の応答が要求され、
    前記干渉は、妨害するものまたは注意を逸らすもののうちの一方または両方を含む、ことと、
    前記ユーザインターフェースにおいて前記一次課題の第2のインスタンスを前記干渉を伴わずに表現することであって、前記一次課題の前記第2のインスタンスへの前記個人からの第2の応答が要求され、
    前記処理ユニットは、
    (i)前記干渉への二次応答を、前記処理ユニットが前記第2の応答を受信するのと実質的に同時に受信するか、または
    (ii)妨害するものである前記干渉への前記二次応答を、前記処理ユニットが前記第1の応答を受信するのと実質的に同時に受信し、注意を逸らすものである前記干渉への前記二次応答を、前記処理ユニットが前記第1の応答を受信するのと実質的に同時に受信しない
    ように構成され、
    前記処理ユニットは、前記個人の生理学的プロファイルを示すデータを受信するように構成され、前記生理学的プロファイルは、前記少なくとも1つの生理学的コンポーネントの測定に基づいており、前記少なくとも1つの生理学的コンポーネントは、前記個人の生理学的測定値を測定するために接続されている、ことと、
    前記第1の応答、前記第2の応答、および前記個人からの応答の間の前記個人の生理学的プロファイルを示すデータを受信することと、
    前記第1の応答を示す前記データと前記第2の応答を示す前記データとの差、および前記個人からの応答の間の前記個人の関連する生理学的プロファイル間の差を決定することに少なくとも部分的によって、干渉なしと干渉ありとで前記一次課題を実行することから前記個人のパフォーマンスにおける前記差を解析して、前記個人のパフォーマンスメトリックを決定することであって、前記パフォーマンスメトリックは、前記個人の認知能力の指標および前記個人の生理学的状態の指標を含み、前記個人の生理学的状態の指標は、前記一次課題に対する前記個人の取り組みまたは注意のレベルを示す指標を含む、ことと
    を行うように構成される、装置。
  2. 前記処理ユニットは、前記測定を実行するために制御信号を前記少なくとも1つの生理学的コンポーネントに送信するようにさらに構成される、請求項1に記載の装置。
  3. 前記生理学的プロファイルは、前記一次課題および/または前記干渉への前記個人の注意力の状態の指示を提供する、請求項1に記載の装置。
  4. 前記処理ユニットは、
    前記個人の怒りの状態またはフラストレーションの状態のうちの一方または両方を示す生理学的プロファイルを識別し、
    その後計算される生理学的プロファイルが前記個人の前記怒りの状態または前記フラストレーションの状態の修正を示すように正規化するために、前記一次課題または前記干渉のうちの一方または両方の認知的負荷を調整する
    ようにさらに構成される、請求項1に記載の装置。
  5. 前記処理ユニットは、前記生理学的プロファイルを解析して、前記一次課題または干渉のうちの一方または両方への前記個人からの逸脱した応答の指標を識別するようにさらに構成される、請求項1に記載の装置。
  6. 前記処理ユニットは、2つ以上の異なるタイプの生理学的コンポーネントを使用して行われた時間の経過を追った1つまたは複数の測定に基づき前記生理学的プロファイルを計算するようにさらに構成される、請求項1に記載の装置。
  7. 前記処理ユニットは、前記生理学的プロファイルを解析して、ユーザが処理に応答する可能性があるか、応答しない可能性があるかを決定するようにさらに構成される、請求項1に記載の装置。
  8. 前記処理ユニットは、前記個人における評価または前記処理の有効性の予測因子を生成するようにさらに構成される、請求項7に記載の装置。
  9. 前記処理ユニットは、
    前記生理学的プロファイルを解析して、前記個人が前記一次課題または前記干渉のうちの一方または両方の少なくとも1つの要素を予想する能力を監視し、
    その後計算される生理学的プロファイルが前記個人の情動的に調節された状態を示すように正規化するために、前記一次課題または前記干渉のうちの一方または両方の認知的負荷を調整する
    ようにさらに構成される、請求項1に記載の装置。
  10. 前記処理ユニットは、前記パフォーマンスメトリックを干渉コストとして計算するようにさらに構成される、請求項1に記載の装置。
  11. 前記一次課題は、連続的課題であり、前記一次課題の前記第1のインスタンスは、第1の時間間隔にわたって表現される前記連続的課題であり、前記一次課題の前記第2のインスタンスは、第2の時間間隔にわたって表現される前記連続的課題であり、前記第1の時間間隔は、前記第2の時間間隔と異なる、請求項10に記載の装置。
  12. 前記パフォーマンスメトリックは、
    (i)認知テストまたは行動テストのうちの一方または両方における前記個人の予想パフォーマンス、および
    (ii)前記個人の認知状態、疾病、または実行機能障害の状態または進行の診断
    のうちの一方または両方を示すデータを含む、請求項1に記載の装置。
  13. 前記処理ユニットは、前記一次課題の前記第1のインスタンスを連続的な視覚運動追跡課題として表現するように前記ユーザインターフェースを制御するように構成され、前記一次課題の前記第1のインスタンスは、前記連続的な視覚運動追跡課題の第1の時間間隔である、請求項1に記載の装置。
  14. 前記処理ユニットは、前記干渉をターゲット弁別干渉として表現するように前記ユーザインターフェースを制御するように構成される、請求項1に記載の装置。
  15. 前記処理ユニットは、
    前記干渉が前記個人の注意を前記一次課題から逸らすように、前記干渉の存在下で前記一次課題の前記第1のインスタンスを表現し、前記干渉は、注意を逸らすものおよび妨害するもののうちの一方または両方として表現される、
    ように前記ユーザインターフェースを構成することによって、前記一次課題の前記第1のインスタンスを前記干渉とともに表現するように構成される、請求項1に記載の装置。
  16. 前記処理ユニットは、
    妨害するものである前記干渉への前記二次応答を、前記一次課題の前記第1のインスタンスへの前記第1の応答を前記ユーザインターフェースが受信するのと実質的に同時に受信し、注意を逸らすものである前記干渉への前記二次応答を、前記一次課題の前記第1のインスタンスへの前記第1の応答を前記処理ユニットが受信するのと実質的に同時に受信しない
    ように前記ユーザインターフェースを構成するように構成される、請求項15に記載の装置。
  17. 前記処理ユニットは、決定された前記パフォーマンスメトリックを使用して前記個人のパフォーマンスの精神測定曲線を計算するようにさらに構成される、請求項1に記載の装置。
  18. 1つまたは複数の生理学的コンポーネントと、請求項1から17のいずれか一項に記載の装置とを備えるシステムであって、
    前記処理ユニットにより前記プロセッサ実行可能命令が実行されると、前記処理ユニットは、
    前記1つまたは複数の生理学的コンポーネントの1つまたは複数の測定を示すデータを受信し、
    前記第1の応答および前記第2の応答を示す前記データ、ならびに前記1つまたは複数の生理学的コンポーネントの前記1つまたは複数の測定を示す前記データを解析して、前記パフォーマンスメトリックを計算する
    ように構成される、システム。
  19. 個人の認知スキルを増強するための装置であって、
    ユーザインターフェースと、
    プロセッサ実行可能命令を記憶するためのメモリと、
    前記ユーザインターフェースおよび前記メモリに通信可能に接続されている処理ユニットと
    を備え、
    前記処理ユニットにより前記プロセッサ実行可能命令が実行されると、前記処理ユニットは、
    前記ユーザインターフェースにおいて一次課題の第1のインスタンスを干渉とともに表現することであって、前記干渉の存在下で前記一次課題の前記第1のインスタンスへの前記個人からの第1の応答が要求され、
    前記干渉は、妨害するものまたは注意を逸らすもののうちの一方または両方を含む、ことと、
    前記ユーザインターフェースにおいて前記一次課題の第2のインスタンスを前記干渉を伴わずに表現することであって、前記一次課題の前記第2のインスタンスへの前記個人からの第2の応答が要求され、
    前記処理ユニットは、
    (i)前記干渉への二次応答を、前記処理ユニットが前記第2の応答を受信するのと実質的に同時に受信するか、または
    (ii)妨害するものである前記干渉への前記二次応答を、前記処理ユニットが前記第1の応答を受信するのと実質的に同時に受信し、注意を逸らすものである前記干渉への前記二次応答を、前記処理ユニットが前記第1の応答を受信するのと実質的に同時に受信しない
    ように構成され、
    前記処理ユニットは、前記個人の生理学的プロファイルを示すデータを受信するように構成され、前記生理学的プロファイルは、生理学的測定値をもたらすために少なくとも1つの生理学的コンポーネントの測定に基づいており、前記少なくとも1つの生理学的コンポーネントは、前記個人の生理学的測定値を測定するために接続されている、ことと、
    前記第1の応答、前記第2の応答、および前記個人からの応答の間の前記個人の生理学的プロファイルを示すデータを受信することと、
    前記第1の応答を示す前記データと前記第2の応答を示す前記データとの差、および前記個人からの応答の間の前記個人の関連する生理学的プロファイル間の差を決定することに少なくとも部分的によって、干渉なしと干渉ありとで前記一次課題を実行することから前記個人のパフォーマンスにおける前記差を解析して、前記個人の第1のパフォーマンスメトリックを決定することであって、前記第1のパフォーマンスメトリックは、前記個人の認知能力の第1の指標および前記個人の生理学的状態の第1の指標を含み、前記個人の生理学的状態の第1の指標は、前記一次課題に対する前記個人の取り組みまたは注意のレベルを示す第1の指標を含む、ことと、
    前記装置が第2の難易度レベルで前記一次課題の第3のインスタンスまたは前記干渉のうちの一方または両方を表現するように、前記生理学的プロファイルに基づき前記一次課題または前記干渉の一方または両方の難易度を調整することと、
    前記個人の第2のパフォーマンスメトリックを決定することであって、前記第2のパフォーマンスメトリックは、前記個人の前記認知能力の第2の指標および前記個人の生理学的状態の第2の指標を含み、前記個人の生理学的状態の第2の指標は、前記一次課題に対する前記個人の取り組みまたは注意のレベルを示す第2の指標を含む、ことと
    を行うように構成される、装置。
  20. 前記処理ユニットは、前記生理学的プロファイルが前記一次課題または前記干渉のうちの一方または両方への前記個人の注意力の状態を示すように、前記一次課題または前記干渉のうちの一方または両方の前記難易度を調整するようにさらに構成される、請求項19に記載の装置。
  21. 前記処理ユニットは、前記一次課題または前記干渉のうちの一方または両方への前記個人の注意のなさを示す前記生理学的プロファイルへの応答として、前記一次課題または前記干渉のうちの一方または両方の前記難易度を調整して、認知的負荷を調整するようにさらに構成される、請求項19に記載の装置。
  22. 前記処理ユニットは、課題自動化を示す前記生理学的プロファイルへの応答として、前記一次課題または前記干渉のうちの一方または両方の前記難易度を調整して、認知的負荷を調整するようにさらに構成される、請求項19に記載の装置。
  23. 前記処理ユニットは、前記生理学的プロファイルが前記一次課題または前記干渉のうちの一方または両方への前記個人の高まった取り組みを示すように、前記一次課題または前記干渉のうちの一方または両方の前記難易度を調整するようにさらに構成される、請求項19に記載の装置。
  24. 前記処理ユニットは、
    前記干渉が前記個人の注意を前記一次課題から逸らすように、前記干渉の存在下で前記一次課題の前記第1のインスタンスを表現し、前記干渉は、注意を逸らすものまたは妨害するもののうちの一方または両方として表現される、
    ように前記ユーザインターフェースを構成することによって、前記一次課題の前記第1のインスタンスを前記干渉とともに表現する、請求項19に記載の装置。
  25. 前記処理ユニットは、
    妨害するものである前記干渉への前記二次応答を、前記一次課題の前記第1のインスタンスへの前記第1の応答を前記ユーザインターフェースが受信するのと実質的に同時に受信し、注意を逸らすものである前記干渉への前記二次応答を、前記一次課題の前記第1のインスタンスへの前記第1の応答を前記処理ユニットが受信するのと実質的に同時に受信しない
    ように前記ユーザインターフェースを構成する、請求項24に記載の装置。
  26. 前記処理ユニットは、前記第1のパフォーマンスメトリックまたは前記第2のパフォーマンスメトリックのうちの一方または両方を干渉コストとして決定するようにさらに構成される、請求項19に記載の装置。
  27. 前記一次課題は、連続的課題であり、前記一次課題の前記第1のインスタンスは、第1の時間間隔にわたって表現される前記連続的課題であり、前記一次課題の前記第2のインスタンスは、第2の時間間隔にわたって表現される前記連続的課題であり、前記第1の時間間隔は、前記第2の時間間隔と異なる、請求項26に記載の装置。
  28. 前記処理ユニットは、前記一次課題の前記第1のインスタンスを連続的な視覚運動追跡課題として表現するように前記ユーザインターフェースを制御するように構成され、前記一次課題の前記第1のインスタンスは、前記連続的な視覚運動追跡課題の第1の時間間隔である、請求項19に記載の装置。
  29. 前記処理ユニットは、前記個人の少なくとも1つの物理的アクションを測定し前記第1の応答または前記第2の応答のうちの一方または両方を提供するように少なくとも1つのセンサデバイスを制御するように構成される、請求項19に記載の装置。
  30. 前記処理ユニットは、決定された前記第1のパフォーマンスメトリックまたは決定された前記第2のパフォーマンスメトリックのうちの一方または両方を使用して前記個人のパフォーマンスの精神測定曲線を計算するようにさらに構成される、請求項19に記載の装置。
  31. 前記処理ユニットは、前記第1のパフォーマンスメトリックまたは前記第2のパフォーマンスメトリックのうちの一方または両方を決定境界メトリックとして決定するようにさらに構成される、請求項19に記載の装置。
  32. 前記難易度を調整することは、前記一次課題または前記干渉のうちの一方または両方の時間的に変化する様相を修正することを含む、請求項19に記載の装置。
  33. 前記一次課題または前記干渉の前記時間的に変化する様相を修正することは、前記個人のインタラクションの2つ以上のセッションの間で前記ユーザインターフェースに前記一次課題または前記干渉を表現する時間的長さを調整することを含む、請求項32に記載の装置。
  34. 前記時間的に変化する態様は、対象の速度、表情の変化率、対象の軌跡の方向、対象の配向の変化、対象の少なくとも1つの色、対象のタイプ、または対象のサイズのうちの1つまたは複数である、請求項32に記載の装置。
  35. 対象のタイプの変化は、第1のタイプの対象から第2のタイプの対象へのモーフィングを使用するか、またはブレンドシェイプを前記第1のタイプの対象と前記第2のタイプの対象との比例した組合せとして表現することで引き起こされる、請求項34に記載の装置。
  36. 前記処理ユニットは、
    前記第1の応答および前記第2の応答を繰り返し方式で取得するために前記一次課題の前記第1のインスタンスおよび前記一次課題の前記第2のインスタンスを表現し、前記難易度は、前記繰り返しの2つ以上の間に調整され、
    前記生理学的プロファイルを示すデータを受信し、前記生理学的プロファイルは、(i)少なくとも1つの生理学的コンポーネントの1つもしくは複数の同期測定、または(ii)前記少なくとも1つの生理学的コンポーネントの1つもしくは複数の非同期測定、または(i)と(ii)の両方に基づき決定され、
    前記生理学的プロファイルに関して、前記個人の前記繰り返しのうちの2つ以上からの前記第1の応答を示す前記データと前記第2の応答を示すデータとに基づき前記個人の複合パフォーマンスメトリックを決定する
    ようにさらに構成される、請求項19に記載の装置。
  37. 1つまたは複数の生理学的コンポーネントと、請求項19から36のいずれか一項に記載の装置とを備えるシステムであって、
    前記処理ユニットにより前記プロセッサ実行可能命令が実行されると、前記処理ユニットは、
    前記1つまたは複数の生理学的コンポーネントの1つまたは複数の測定を示すデータを受信し、
    前記第1の応答および前記第2の応答を示す前記データ、ならびに前記1つまたは複数の生理学的コンポーネントの前記1つまたは複数の測定を示す前記データを解析して、前記第1のパフォーマンスメトリックおよび前記第2のパフォーマンスメトリックを計算する
    ように構成される、システム。
  38. 前記処理ユニットは、前記個人の少なくとも1つの物理的アクションを測定し前記第1の応答または前記第2の応答のうちの一方または両方を提供するように少なくとも1つのセンサデバイスを制御するように構成される、請求項1に記載の装置。
JP2019511612A 2016-08-26 2017-08-25 生理学的コンポーネントに接続された認知プラットフォーム Active JP7077303B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022080937A JP2022117988A (ja) 2016-08-26 2022-05-17 生理学的コンポーネントに接続された認知プラットフォーム

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662380116P 2016-08-26 2016-08-26
US62/380,116 2016-08-26
PCT/US2017/048698 WO2018039610A1 (en) 2016-08-26 2017-08-25 Cognitive platform coupled with a physiological component

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2022080937A Division JP2022117988A (ja) 2016-08-26 2022-05-17 生理学的コンポーネントに接続された認知プラットフォーム

Publications (3)

Publication Number Publication Date
JP2019534061A JP2019534061A (ja) 2019-11-28
JP2019534061A5 JP2019534061A5 (ja) 2020-09-24
JP7077303B2 true JP7077303B2 (ja) 2022-05-30

Family

ID=61246303

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2019511612A Active JP7077303B2 (ja) 2016-08-26 2017-08-25 生理学的コンポーネントに接続された認知プラットフォーム
JP2022080937A Pending JP2022117988A (ja) 2016-08-26 2022-05-17 生理学的コンポーネントに接続された認知プラットフォーム

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2022080937A Pending JP2022117988A (ja) 2016-08-26 2022-05-17 生理学的コンポーネントに接続された認知プラットフォーム

Country Status (8)

Country Link
US (3) US11304657B2 (ja)
EP (1) EP3503809A4 (ja)
JP (2) JP7077303B2 (ja)
KR (1) KR102426385B1 (ja)
CN (1) CN110022768B (ja)
AU (1) AU2017314831C1 (ja)
CA (1) CA3035122A1 (ja)
WO (1) WO2018039610A1 (ja)

Families Citing this family (69)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10419053B2 (en) * 2016-04-22 2019-09-17 Seabeck Holdings, Llc Smart aviation communication headset and peripheral components
WO2018169838A1 (en) * 2017-03-13 2018-09-20 Ohio State Innovation Foundation Systems and methods for measuring behavior changes of processes
WO2018200449A1 (en) * 2017-04-24 2018-11-01 Siemens Aktiengesellschaft Unlocking passwords in augmented reality based on look
US11896910B2 (en) 2017-09-05 2024-02-13 State Space Labs, Inc. System and method of cheat detection in video games
US20230347253A1 (en) * 2022-04-27 2023-11-02 State Space Labs, Inc. System and method of motor task skill assessment
US11602697B2 (en) 2017-09-05 2023-03-14 State Space Labs Inc. Sensorimotor assessment and training
US11179093B2 (en) 2017-09-27 2021-11-23 Apexk Inc. Apparatus and method for evaluating cognitive function
EP3466338A1 (en) * 2017-10-03 2019-04-10 Tata Consultancy Services Limited Cognitive load estimation based on pupil dilation
US11288977B1 (en) * 2017-10-11 2022-03-29 Hrl Laboratories, Llc System and method for predicting performance to control interventions by assistive technologies
CN108108603A (zh) * 2017-12-04 2018-06-01 阿里巴巴集团控股有限公司 登录方法及装置和电子设备
US11402905B2 (en) * 2018-01-09 2022-08-02 Holland Bloorview Kids Rehabilitation Hospital EEG brain-computer interface platform and process for detection of changes to mental state
US20200402643A1 (en) * 2018-03-04 2020-12-24 Akili Interactive Labs, Inc. Cognitive screens, monitor and cognitive treatments targeting immune-mediated and neuro-degenerative disorders
AU2019229979A1 (en) * 2018-03-04 2020-09-24 Akili Interactive Labs, Inc. Cognitive screens, monitor and cognitive treatments targeting immune-mediated and neuro-degenerative disorders
GB201808878D0 (en) * 2018-05-31 2018-07-18 Imperial Innovations Ltd Optimisation system and method
CN109044374B (zh) * 2018-07-19 2021-05-14 杭州心景科技有限公司 整合视听连续执行测试方法、装置及系统
EP3622881A1 (en) * 2018-09-14 2020-03-18 Nokia Technologies Oy Method and apparatus for human sensory testing
US12026636B2 (en) 2018-10-15 2024-07-02 Akili Interactive Labs, Inc. Cognitive platform for deriving effort metric for optimizing cognitive treatment
CN112888360A (zh) * 2018-10-15 2021-06-01 阿克里互动实验室公司 用于导出用于优化认知治疗的工作量度量的认知平台
CN109558003B (zh) * 2018-10-30 2021-08-03 天津大学 基于虚拟现实技术的认知训练和恢复系统
US10593221B1 (en) * 2018-11-09 2020-03-17 Akili Interactive Labs, Inc. Audio-only interference training for cognitive disorder screening and treatment
KR20210093281A (ko) * 2018-11-09 2021-07-27 아킬리 인터랙티브 랩스 인크. 정서 장애의 검사 및 치료를 위한 얼굴 표정 검출
WO2020122227A1 (ja) * 2018-12-14 2020-06-18 学校法人慶應義塾 うつ状態を推定する装置、方法及びそのためのプログラム
EP3908175A4 (en) 2019-01-08 2022-11-02 Iluria Ltd. DIAGNOSIS AND EFFECTIVENESS OF SURVEILLANCE OF ATTENTION-DEFICIT HYPERACTIVITY DISORDER
US20220189181A1 (en) * 2019-02-25 2022-06-16 Koninklijke Philips N.V. Determining a relative cognitive capability of a subject
US20200294652A1 (en) * 2019-03-13 2020-09-17 Bright Cloud International Corporation Medication Enhancement Systems and Methods for Cognitive Benefit
US11212227B2 (en) * 2019-05-17 2021-12-28 Pensando Systems, Inc. Rate-optimized congestion management
WO2020240534A1 (en) * 2019-05-30 2020-12-03 Acerar Ltd. System and method for cognitive training and monitoring
US20220028528A1 (en) * 2019-06-27 2022-01-27 Mahana Therapeutics, Inc. Methods and systems for treating health conditions using prescription digital therapeutics
US20220028529A1 (en) * 2019-06-27 2022-01-27 Mahana Therapeutics, Inc. Methods and systems for treating gastrointestinal and inflammatory health conditions using prescription digital therapeutics
CN110367976B (zh) * 2019-07-30 2021-05-07 腾讯科技（深圳）有限公司 脑电波信号检测方法、相关设备和存储介质
US11904866B2 (en) * 2019-07-31 2024-02-20 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for brain-machine interfaces and EEG-based driver identification
CN110477863B (zh) * 2019-08-07 2022-07-05 王满 一种基于心脏功能动态监控的人工智能算法模型系统及方法
CN110428884A (zh) * 2019-08-09 2019-11-08 丹阳慧创医疗设备有限公司 一种记忆能力的训练方法、装置、设备以及系统
KR102424629B1 (ko) * 2019-08-22 2022-07-26 (주)프로젝트레인보우 딥러닝 모듈을 이용한 발달장애 개선 시스템 및 방법
CN114730197A (zh) * 2019-09-05 2022-07-08 豪夫迈·罗氏有限公司 使用移动优化软件工具衡量空间工作记忆
WO2021048514A1 (en) * 2019-09-10 2021-03-18 Oxford University Innovation Limited Predicting clinical outcomes in parkinson's disease
CN110693510A (zh) * 2019-10-17 2020-01-17 中国科学院计算技术研究所 一种注意力缺陷多动障碍辅助诊断装置及其使用方法
WO2021083512A1 (en) * 2019-10-30 2021-05-06 Max-Planck-Gesellschaft Zur Foerderung Der Wissenschaften E.V. Measuring an attentional state and providing automatic feedback during a technical system interaction
US20210174933A1 (en) * 2019-12-09 2021-06-10 Social Skills Training Pty Ltd Social-Emotional Skills Improvement
TWI725662B (zh) * 2019-12-13 2021-04-21 國立交通大學 自動化調整回合制遊戲強度之方法
US11684299B2 (en) 2019-12-17 2023-06-27 Mahana Therapeutics, Inc. Method and system for remotely monitoring the psychological state of an application user using machine learning-based models
CN111166354B (zh) * 2020-01-23 2022-11-18 北京津发科技股份有限公司 影响情绪变化的因素的分析方法及电子设备
WO2021201984A2 (en) * 2020-02-07 2021-10-07 Eyetracking Llc Evaluation of a person or system through measurement of physiological data
CN115297781A (zh) * 2020-02-26 2022-11-04 布莱特临床研究有限公司 对正在运行中的临床试验进行动态监测和指导的雷达系统
US11967432B2 (en) 2020-05-29 2024-04-23 Mahana Therapeutics, Inc. Method and system for remotely monitoring the physical and psychological state of an application user using altitude and/or motion data and one or more machine learning models
US11610663B2 (en) 2020-05-29 2023-03-21 Mahana Therapeutics, Inc. Method and system for remotely identifying and monitoring anomalies in the physical and/or psychological state of an application user using average physical activity data associated with a set of people other than the user
WO2021255632A1 (ja) * 2020-06-15 2021-12-23 フォーブ インコーポレーテッド 情報処理システム
US11491398B2 (en) * 2020-08-24 2022-11-08 Charles Tedesco Methods and systems for increasing attention ability of a user using a gameplay
CN112137628B (zh) * 2020-09-10 2021-08-03 北京津发科技股份有限公司 三维空间认知测评及训练方法与系统
TWI793769B (zh) * 2020-09-26 2023-02-21 國立成功大學 糖化終產物於音樂匹配之應用系統
US20220130514A1 (en) * 2020-10-22 2022-04-28 Mahana Therapeutics, Inc. Method and system for dynamically generating generalized therapeutic protocols using machine learning models
US20220167893A1 (en) * 2020-12-02 2022-06-02 Koninklijke Philips N.V. Methods and systems for detecting indications of cognitive decline
TWI767447B (zh) 2020-12-11 2022-06-11 國立成功大學 認知評估系統及方法
WO2022174342A1 (en) * 2021-02-16 2022-08-25 Mindleap Health Inc. System and method for generating a recommendation for improving a user's mental health
US20220335848A1 (en) * 2021-04-14 2022-10-20 Western Governors University Curriculum Architecture Tool
US11275903B1 (en) 2021-05-13 2022-03-15 Retain Health, Inc System and method for text-based conversation with a user, using machine learning
WO2022266420A1 (en) * 2021-06-17 2022-12-22 Yohana Llc Automated generation and recommendation of goal-oriented tasks
WO2022272093A1 (en) * 2021-06-24 2022-12-29 The Regents Of The University Of California Virtual and augmented reality devices to diagnose and treat cognitive and neuroplasticity disorders
WO2023003672A1 (en) * 2021-07-22 2023-01-26 Justin Ryan Learning system that automatically converts entertainment screen time into learning time
CN113576482B (zh) * 2021-09-28 2022-01-18 之江实验室 一种基于复合表情加工的注意偏向训练评估系统和方法
US11559232B1 (en) * 2022-02-27 2023-01-24 King Abdulaziz University GRU based real-time mental stress assessment
EP4283622A1 (en) * 2022-05-24 2023-11-29 Koninklijke Philips N.V. Cognitive performance determination apparatus
CN115171658A (zh) * 2022-06-13 2022-10-11 深圳先进技术研究院 训练方法、训练装置、训练设备及存储介质
WO2024038439A1 (en) * 2022-08-15 2024-02-22 Cogme Ltd. System and method for evaluating a cognitive and physiological status of a subject
WO2024107111A1 (en) * 2022-11-14 2024-05-23 Nanyang Technological University System and method for cognitive enhancement based on electroencephalogram (eeg) signals
CN116211253A (zh) * 2023-02-27 2023-06-06 国家康复辅具研究中心 老年人认知障碍筛查实验范式的系统及方法
CN115844393A (zh) * 2023-02-28 2023-03-28 慧创科仪(北京)科技有限公司 基于近红外数据的焦虑障碍评估装置和焦虑障碍评估系统
CN116671900B (zh) * 2023-05-17 2024-03-19 安徽理工大学 一种基于脑波仪的眨眼识别与控制方法
CN117438048B (zh) * 2023-12-20 2024-02-23 深圳市龙岗区第三人民医院 一种精神科患者用心理障碍测评方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009285000A (ja) 2008-05-28 2009-12-10 Hitachi Ltd 生体光計測装置、生体光計測方法およびプログラム
JP2011150408A (ja) 2010-01-19 2011-08-04 Hitachi Ltd 生体および脳機能計測に基づくヒューマンインターフェイス及びそれを用いたヒューマンエラーの検出・防止方法
WO2012064999A1 (en) 2010-11-11 2012-05-18 The Regents Of The University Of California Enhancing cognition in the presence of distraction and/or interruption
WO2014138925A1 (en) 2013-03-15 2014-09-18 Interaxon Inc. Wearable computing apparatus and method
WO2015177908A1 (ja) 2014-05-22 2015-11-26 株式会社日立製作所 訓練システム

Family Cites Families (72)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6293801B1 (en) 1998-01-23 2001-09-25 Scientific Learning Corp. Adaptive motivation for computer-assisted training system
US20130211238A1 (en) 2001-01-30 2013-08-15 R. Christopher deCharms Methods for physiological monitoring, training, exercise and regulation
FI115942B (fi) 2002-10-14 2005-08-15 Nokia Corp Menetelmä kuvien interpoloimiseksi ja terävöittämiseksi
WO2004041077A2 (en) 2002-11-05 2004-05-21 The University Of Rochester Medical Center Method for assessing navigational capacity
US20040230549A1 (en) 2003-02-03 2004-11-18 Unique Logic And Technology, Inc. Systems and methods for behavioral modification and behavioral task training integrated with biofeedback and cognitive skills training
CN100415667C (zh) 2003-05-09 2008-09-03 旭硝子株式会社 玻璃板的加热方法及加热炉
WO2005037215A2 (en) 2003-10-14 2005-04-28 Massachusetts Institute Of Technology Compositions and methods for enhancing cognitive function and synaptic plasticity
US20090312817A1 (en) * 2003-11-26 2009-12-17 Wicab, Inc. Systems and methods for altering brain and body functions and for treating conditions and diseases of the same
US20050175972A1 (en) 2004-01-13 2005-08-11 Neuroscience Solutions Corporation Method for enhancing memory and cognition in aging adults
EP1774490A1 (en) 2004-07-19 2007-04-18 Neuroscience Solutions Corporation A method for enhancing memory and cognition in aging adults
US8109858B2 (en) 2004-07-28 2012-02-07 William G Redmann Device and method for exercise prescription, detection of successful performance, and provision of reward therefore
US8016416B1 (en) 2005-01-15 2011-09-13 Sandy Helene Straus Automatic system and methods for measuring and evaluating at least one of mass vision, cognition, knowledge, operation skills, and the like
JP4473744B2 (ja) 2005-02-17 2010-06-02 財団法人鉄道総合技術研究所 ヒューマンエラー診断システム
US8979756B2 (en) * 2005-05-06 2015-03-17 Koninklijke Philips N.V. Wireless medical monitoring device
US7647098B2 (en) 2005-10-31 2010-01-12 New York University System and method for prediction of cognitive decline
US20070141541A1 (en) 2005-12-13 2007-06-21 Posit Science Corporation Assessment in cognitive training exercises
NO20062220L (no) 2006-05-16 2007-11-19 Protector Intellectual Propert Anordning og en fremgangsmate for a generere varemerker
US20070299319A1 (en) 2006-06-09 2007-12-27 Posit Science Corporation Cognitive Training Using A Continuous Performance Adaptive Procedure
US8010863B2 (en) 2006-07-28 2011-08-30 Thomson Licensing Method and apparatus for synchronizing multiple multimedia streams
JP5311229B2 (ja) 2006-10-20 2013-10-09 ヴァロリサシオン−ルシェルシュ・リミテッド・パートナーシップ 被験者の感覚、反射、および／または運動の機構を、聴覚、触覚、または視覚の刺激を介して改善するための方法およびシステム
US20090298025A1 (en) 2007-05-09 2009-12-03 Oregon Health & Science University Object recognition testing tools and techniques for measuring cognitive ability and cognitive impairment
WO2009049404A1 (en) * 2007-10-15 2009-04-23 Stephane Bergeron Method and system for optimizing cognitive training
US8655817B2 (en) * 2008-02-20 2014-02-18 Digital Medical Experts Inc. Expert system for determining patient treatment response
ES2881884T3 (es) 2008-09-30 2021-11-30 Cognisens Inc Método y dispositivo para evaluar, entrenar y mejorar habilidades perceptivo-cognitivas de individuos
EP2441386A1 (en) 2008-10-14 2012-04-18 Ohio University Cognitive and linguistic assessment using eye tracking
US20100152249A1 (en) 2008-12-11 2010-06-17 Board Of Trustees Of The Leland Stanford Junior University Compositons and method for treatment of mood and cognitive impairments
WO2010071604A1 (en) 2008-12-19 2010-06-24 Agency For Science, Technology And Research Device and method for generating a representation of a subject's attention level
EP2408373A4 (en) 2009-03-20 2014-11-19 Jocelyn Faubert DEVICE AND METHOD FOR MEASURING LIGHT DISORDER FAILURES
US20100292545A1 (en) 2009-05-14 2010-11-18 Advanced Brain Monitoring, Inc. Interactive psychophysiological profiler method and system
US20120196257A1 (en) 2009-08-27 2012-08-02 Joe Verghese Cognitive function training to improve motor ability
US20120208169A1 (en) 2009-09-05 2012-08-16 Cogmed America Inc Method for Measuring and Training Intelligence
GB0917600D0 (en) 2009-10-07 2009-11-25 Univ Edinburgh Testing apparatus and method
US8536436B2 (en) 2010-04-20 2013-09-17 Sylvain Jean-Pierre Daniel Moreno System and method for providing music based cognitive skills development
US20120077160A1 (en) 2010-06-25 2012-03-29 Degutis Joseph Computer-implemented interactive behavioral training technique for the optimization of attention or remediation of disorders of attention
US9208692B2 (en) 2010-10-11 2015-12-08 The Herman Group, Co. System for measuring speed and magnitude of responses and methods thereof
KR101930566B1 (ko) * 2010-11-24 2018-12-18 디지털 아티펙츠 엘엘씨 인지 기능을 평가하는 시스템 및 방법
WO2012082903A2 (en) 2010-12-14 2012-06-21 The Johns Hopkins University Treatment of cognitive impairment in a subject with a neurological autoimmune disease
US9691289B2 (en) 2010-12-22 2017-06-27 Brightstar Learning Monotonous game-like task to promote effortless automatic recognition of sight words
WO2012148524A1 (en) 2011-02-15 2012-11-01 Axon Sports, Llc Interactive cognitive recognition sports training system and methods
US20120258436A1 (en) 2011-04-08 2012-10-11 Case Western Reserve University Automated assessment of cognitive, fine-motor, and memory skills
US9131889B2 (en) 2011-05-31 2015-09-15 Nagoya Institute Of Technology Cognitive impairment determination apparatus, cognitive impairment determination system and program
JP2014528806A (ja) 2011-10-04 2014-10-30 チルドレンズ メディカル センター コーポレーション 感情制御方法および装置
US10192176B2 (en) 2011-10-11 2019-01-29 Microsoft Technology Licensing, Llc Motivation of task completion and personalization of tasks and lists
US20140315169A1 (en) 2011-11-16 2014-10-23 Veronlque Deborah BOHBOT Computer generated three dimensional virtual reality environment for improving memory
JP6312608B2 (ja) 2012-02-22 2018-04-18 ジョセリン・フォベール 知覚−認知−運動学習システムおよび方法
WO2013157012A1 (en) 2012-04-20 2013-10-24 Carmel-Haifa University Economic Corporation Ltd System and method for monitoring and training attention allocation
US9367666B2 (en) 2012-07-13 2016-06-14 Medical Care Corporation Mapping cognitive to functional ability
WO2014031083A1 (en) 2012-08-24 2014-02-27 Agency For Science, Technology And Research Autodidactic cognitive training device and method thereof
WO2014040175A1 (en) 2012-09-14 2014-03-20 Interaxon Inc. Systems and methods for collecting, analyzing, and sharing bio-signal and non-bio-signal data
JP2015533559A (ja) * 2012-09-28 2015-11-26 ザ レジェンツ オブ ザ ユニヴァーシティー オブ カリフォルニア 知覚および認知プロファイリングのためのシステムおよび方法
US9265458B2 (en) 2012-12-04 2016-02-23 Sync-Think, Inc. Application of smooth pursuit cognitive testing paradigms to clinical drug development
US9302179B1 (en) 2013-03-07 2016-04-05 Posit Science Corporation Neuroplasticity games for addiction
AU2014234971A1 (en) 2013-03-18 2015-11-12 Cognisens Inc. Perceptual-cognitive-motor learning system and method
US20140322685A1 (en) 2013-04-29 2014-10-30 Lumos Labs, Inc. Systems and methods for enhancing cognition via a physically intuitive spatial visualization task
CN105188528B (zh) 2013-05-01 2018-10-16 株式会社国际电气通信基础技术研究所 脑活动训练装置以及脑活动训练系统
US10380910B2 (en) 2013-07-01 2019-08-13 Lumos Labs, Inc. Physically intuitive response inhibition task for enhancing cognition
EP2857247B1 (de) 2013-10-01 2018-09-26 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung für ein zur automatischen Längsführung ausgestaltetes Fahrzeug
US9474481B2 (en) 2013-10-22 2016-10-25 Mindstrong, LLC Method and system for assessment of cognitive function based on electronic device usage
WO2015089673A1 (en) 2013-12-19 2015-06-25 Cognisens Inc. System and method for determining a perceptual-cognitive signature of a subject
WO2015111331A1 (ja) 2014-01-23 2015-07-30 独立行政法人産業技術総合研究所 認知機能評価装置、方法、システム及びプログラム
EP3146701A4 (en) 2014-05-21 2017-11-01 Akili Interactive Labs, Inc. Processor-implemented systems and methods for enhancing cognitive abilities by personalizing cognitive training regimens
WO2015192021A1 (en) 2014-06-12 2015-12-17 Northwestern University PATTERN ANALYSIS BASED ON fMRI DATA COLLECTED WHILE SUBJECTS PERFORM WORKING MEMORY TASKS ALLOWING HIGH-PRECISION DIAGNOSIS OF ADHD
US20160078780A1 (en) 2014-09-15 2016-03-17 The Arizona Board Of Regents For And On Behalf Of The University Of Arizona Method and System for Aerobic and Cognitive Training
US10863940B2 (en) 2014-09-17 2020-12-15 The Regents Of The University Of California Methods of enhancing performance on a cognitive task by improved self-regulation of internal distraction and computer readable medium and devices for practicing the same
JP6835722B2 (ja) 2014-09-23 2021-02-24 アイカーン スクール オブ メディスン アット マウント サイナイＩｃａｈｎ Ｓｃｈｏｏｌ Ｏｆ Ｍｅｄｉｃｉｎｅ Ａｔ Ｍｏｕｎｔ Ｓｉｎａｉ 精神障害を治療するためのシステムおよび方法
EP3210200A4 (en) 2014-10-23 2018-03-28 The Regents of The University of California Methods of enhancing cognition and systems for practicing the same
US20160125748A1 (en) 2014-11-04 2016-05-05 John Wesson Ashford Memory test for Alzheimer's disease
KR102477327B1 (ko) 2015-03-12 2022-12-13 아킬리 인터랙티브 랩스 인크. 인지 능력 측정을 위한 프로세서 구현 시스템 및 방법
JP7473338B2 (ja) 2016-08-03 2024-04-23 アキリ・インタラクティヴ・ラブズ・インコーポレイテッド コンピュータ化された喚起要素を含む認知プラットフォーム
CA3041648A1 (en) 2016-10-24 2018-05-03 Akili Interactive Labs, Inc. Cognitive platform configured as a biomarker or other type of marker
WO2019028376A1 (en) 2017-08-03 2019-02-07 Akili Interactive Labs, Inc. COGNITIVE PLATFORM COMPRISING COMPUTERIZED EMOTING ELEMENTS IN MODES
AU2018316619A1 (en) 2017-08-15 2020-03-05 Akili Interactive Labs, Inc. Cognitive platform including computerized elements

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009285000A (ja) 2008-05-28 2009-12-10 Hitachi Ltd 生体光計測装置、生体光計測方法およびプログラム
JP2011150408A (ja) 2010-01-19 2011-08-04 Hitachi Ltd 生体および脳機能計測に基づくヒューマンインターフェイス及びそれを用いたヒューマンエラーの検出・防止方法
WO2012064999A1 (en) 2010-11-11 2012-05-18 The Regents Of The University Of California Enhancing cognition in the presence of distraction and/or interruption
JP2014508309A (ja) 2010-11-11 2014-04-03 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア 注意転導および／または妨害の存在下での認知の増強
WO2014138925A1 (en) 2013-03-15 2014-09-18 Interaxon Inc. Wearable computing apparatus and method
WO2015177908A1 (ja) 2014-05-22 2015-11-26 株式会社日立製作所 訓練システム

Also Published As

Publication number Publication date
CA3035122A1 (en) 2018-03-01
US11304657B2 (en) 2022-04-19
CN110022768B (zh) 2022-07-01
KR20190067774A (ko) 2019-06-17
EP3503809A4 (en) 2020-01-01
WO2018039610A1 (en) 2018-03-01
AU2017314831C1 (en) 2023-01-05
AU2017314831B2 (en) 2022-09-22
CN110022768A (zh) 2019-07-16
US11723598B2 (en) 2023-08-15
US20190216392A1 (en) 2019-07-18
JP2019534061A (ja) 2019-11-28
EP3503809A1 (en) 2019-07-03
KR102426385B1 (ko) 2022-07-28
US12016700B2 (en) 2024-06-25
US20220240851A1 (en) 2022-08-04
AU2017314831A1 (en) 2019-03-14
US20230346307A1 (en) 2023-11-02
JP2022117988A (ja) 2022-08-12

Similar Documents

Publication Publication Date Title
JP7077303B2 (ja) 生理学的コンポーネントに接続された認知プラットフォーム
JP7473338B2 (ja) コンピュータ化された喚起要素を含む認知プラットフォーム
JP7125390B2 (ja) バイオマーカーまたは他のタイプのマーカーとして構成される認知プラットフォーム
US11846964B2 (en) Cognitive platform including computerized elements
JP2022153354A (ja) 適応型応答デッドライン手順において信号検出メトリックを実施するためのプラットフォーム
US11839472B2 (en) Platforms to implement signal detection metrics in adaptive response-deadline procedures
WO2019161050A1 (en) Cognitive platform including computerized elements coupled with a therapy for mood disorder
US20240081706A1 (en) Platforms to implement signal detection metrics in adaptive response-deadline procedures

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200812

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200812

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210531

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210614

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20210910

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20211115

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211214

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: 20220418

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220518

R150 Certificate of patent or registration of utility model

Ref document number: 7077303

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150