JP7280876B2 - 認知および動作の疾患または障害についてのデジタル質測定的バイオマーカー - Google Patents

認知および動作の疾患または障害についてのデジタル質測定的バイオマーカー Download PDF

Info

Publication number
JP7280876B2
JP7280876B2 JP2020523451A JP2020523451A JP7280876B2 JP 7280876 B2 JP7280876 B2 JP 7280876B2 JP 2020523451 A JP2020523451 A JP 2020523451A JP 2020523451 A JP2020523451 A JP 2020523451A JP 7280876 B2 JP7280876 B2 JP 7280876B2
Authority
JP
Japan
Prior art keywords
cognitive
disease
disorder
subject
movement
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
JP2020523451A
Other languages
English (en)
Other versions
JP2021500183A (ja
Inventor
ベイカー、マイク
ミチク ベラチュウ、シベシ
ゴセンス、クリスチャン
リンデマン、ミハエル
シュプレンゲル、ヨルグ
Original Assignee
エフ ホフマン－ラ ロッシュ アクチェン ゲゼルシャフト
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 エフ ホフマン－ラ ロッシュ アクチェン ゲゼルシャフト filed Critical エフ ホフマン－ラ ロッシュ アクチェン ゲゼルシャフト
Publication of JP2021500183A publication Critical patent/JP2021500183A/ja
Application granted granted Critical
Publication of JP7280876B2 publication Critical patent/JP7280876B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1124—Determining motor skills
    • 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
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • 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
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
    • 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
    • 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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1101—Detecting tremor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1124—Determining motor skills
    • A61B5/1125—Grasping motions of hands
    • 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

Landscapes

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

Description

本発明は、診断の分野に関する。より具体的には、認知および動作の疾患もしくは障害を患っていると疑われる対象者を評価するための方法に関わるものであり、方法は、モバイルデバイスを使用して対象者から得られた認知および／または微細な運動アクティビティの測定のデータセットから認知および／または微細な運動アクティビティについての少なくとも１つの質測定的アクティビティパラメータを判定するステップと、判定された少なくとも１つの質測定的アクティビティパラメータを、認知および動作の疾患もしくは障害を評価する基準と比較するステップとを備える。また、本発明は、対象者が認知および動作の疾患もしくは障害に対する治療の恩恵を受けるかどうかを識別するための方法に関し、方法は、上述の発明の方法のステップと、認知および動作の疾患もしくは障害が評価された場合に対象者が治療の恩恵を受ける対象者であることを識別するさらなるステップとを備える。本発明は、プロセッサ、少なくとも１つのセンサ、およびデータベース、ならびにデバイスに有形に（tangible）組み込まれ、デバイス上で実行されている時に本発明の方法を実施するソフトウェアを備えるモバイルデバイスと、少なくとも１つのセンサを有するモバイルデバイス、プロセッサおよびデータベースを有するリモートデバイス、ならびにデバイスに有形に組み込まれ、デバイス上で実行されている時に方法を実施するソフトウェアを備えるシステムと、対象者における認知および動作の疾患もしくは障害を評価するための発明に係るモバイルデバイスもしくはシステムの使用とを想定している。
認知および動作の疾患および障害は、典型的に、損なわれた認知および／または運動機能によって特徴付けられる。疾患および障害は、頻度は低いが典型的に、日常生活において罹患した患者に重度の合併症が伴う。様々な認知および動作の障害は、生命を脅かす状態につながり、最終的に死に至る。
疾患および障害では、共通して、中枢神経系、末梢神経系、および／または筋肉系の機能が損なわれ、認知および動作の能力障害につながる。動作能力障害は、筋細胞および機能の直接障害による一次能力障害であり得る、または、末梢および／または中枢神経系、特に、錐体路系、錐体外路系、感覚系、もしくは小脳系による筋肉制御の障害によって生じる二次能力障害であり得る。障害は、神経細胞および／または筋細胞の損傷、劣化、中毒、もしくは負傷を伴い得る。
典型的な認知および動作の疾患および障害には、多発性硬化症（ＭＳ）、視神経脊髄炎（ＮＭＯ）およびＮＭＯ関連疾患、脳卒中、小脳障害、小脳失調、痙性対麻痺、本態性振戦症、筋無力症および筋無力症候群もしくは他の形態の神経筋障害、筋ジストロフィ、筋炎もしくは他の筋肉障害、末梢神経障害、脳性麻痺、錐体外路症候群、パーキンソン病、ハンチントン病、アルツハイマー病、他の形態の痴呆、白質ジストロフィ、自閉症スペクトラム障害、注意欠陥障害（ＡＤＤ／ＡＤＨＤ）、ＤＳＭ－５で定義される知的障害、認知行動パフォーマンスおよび加齢に関連する予備力の障害、多発神経障害、運動ニューロン疾患、および筋萎縮性側索硬化症（ＡＬＳ）が含まれるが、これらに限定されない。
最も一般に知られており重度の疾患および障害として、ＭＳ、脳卒中、アルツハイマー病、パーキンソン病、ハンチントン病、およびＡＬＳがある。
多発性硬化症（ＭＳ）は、現在治療不可能な重度の神経変性疾患である。世界中で約２００万人から約３００万人がこの疾患に冒されている。これは、若年成人に長期かつ重度のパフォーマンス障害を生じさせる中枢神経系（ＣＮＳ）の疾患で最も多い。脳および脊髄の白質内における自己分子に対するＢ細胞およびＴ細胞に媒介される炎症プロセスが疾患を生じさせるというコンセプトを支持するエビデンスがある。しかし、その病因は未だよく理解されていない。髄鞘反応性Ｔ細胞がＭＳ患者および健常者の両方に存在することが分かった。このため、ＭＳにおける一次異常では、Ｔ細胞の活性化状態を改善して活性化要件の厳格さを低くする調節機構がより損なわれやすい。ＭＳの発病は、ＣＮＳ外における脳炎誘発性の、すなわち自己免疫髄鞘特異的Ｔ細胞の活性化と、これによる血液脳関門の解放、Ｔ細胞およびマクロファージ浸潤、ミクログリア活性化、ならびに脱髄を含む。後者は、不可逆的な神経細胞の損傷を生じさせる（例えば、Aktas 2005, Neuron 46, 421-432, Zamvil 2003, Neuron 38:685-688参照）。
Ｔ細胞以外に、Ｂリンパ球（ＣＤ２０分子を表す）がＭＳにおいて中心的な役割を果たし、少なくとも４つの特定の機能を通じてその基礎となる病態生理に影響を与え得ることが最近になって示された。
１．抗原提示：Ｂ細胞は、自己神経抗原をＴ細胞に提示し、それらを活性化させることができる（Crawford A, et al. J Immunol 2006;176(6):3498-506; Bar-Or A, et al. Ann Neurol 2010;67(4):452-61）。
２．サイトカイン産生：ＭＳを患う患者のＢ細胞は、Ｔ細胞および他の免疫細胞を活性化させ得る異常な炎症性サイトカインを産生する（Bar-Or A, et al. Ann Neurol 2010;67(4):452-61; Lisak RP, et al. J Neuroimmunol 2012;246(1-2):85-95）。
３．自己抗原産生：Ｂ細胞は、組織の損傷を生じさせ得るとともにマクロファージおよびナチュラルキラー（ＮＫ）細胞を活性化させ得る自己抗原を産生する（Weber MS, et al. Biochim Biophys Acta 2011;1812(2):239-45）。
４．濾胞状集塊の形成：Ｂ細胞は、近接する皮質におけるミクログリアの活性化、局所的な炎症、および神経細胞の損失につながる異所性のリンパ球の濾胞状集塊として存在する（Serafini B, et al. Brain Pathol 2004;14(2):164-74; Magliozzi R, et al. Ann Neurol 2010;68(4):477-93）。
脳炎誘発性の要因となる機序についての十分な知識はあるが、対象者におけるＣＮＳに対する有害なリンパ球応答を調節するための制御機序についての知識はごく少ない。
ＭＳの診断は、現在、医師による臨床的検討に基づいている。このような検討には、特定の身体的活動についての患者の能力を検査することを伴う。いくつかの検査が開発され、医師によってルーチン的に適用されている。これらの検査は、歩行、平衡、および他の運動能力を評価することを目的としている。現在適用されている検査の例としては、総合障害度スケール（ＥＤＳＳ、www.neurostatus.net）や多発性硬化症機能評価（ＭＳＦＣ）等がある。これらの検査には、査定および評価のために医師の立会いが必要であり、現在は診察室もしくは病院への通院で行われる。最近において、自然な環境においてＭＳ患者のデータを収集するために、スマートフォンデバイスを使用してＭＳ患者を監視する試みがなされている（Bove 2015, Neurol Neuroimmunol Neuroinflamm 2 (6):e162）。
さらに、ＭＳの診断に診断ツールが使用される。このようなツールには、神経画像処理、ならびに脳脊髄液および誘発電位の分析等が含まれる。脳および脊髄の磁気共鳴撮像（ＭＲＩ）により、脱髄（病変もしくはプラーク）を視覚化することができる。活性プラークをマーキングし、査定の時点で症状とは関連付けられていない古い病変の存在を急性の炎症と識別するために、ガドリニウムを含有する造影剤を静脈注射により投与することができる。腰椎穿刺によって得られた脳脊髄液の分析により、中枢神経系の慢性的な炎症のエビデンスがもたらされ得る。脳脊髄液は、ＭＳを患っている人の７５％から８５％が保有する炎症マーカーであるオリゴグロコナールイムノグロブリンバンドについて分析することができる（Link 2006, J Neuroimmunol. 180 (1-2): 17-28）。しかしながら、上述の技法はいずれも、ＭＳに対して特有のものではない。このため、診断を確実なものとするためには、ＭＳの診断の事前に必要である、疾患の空間的および時間的な播種を示すために、臨床的調査およびＭＲＩによる調査を繰り返し行う必要が生じ得る。
疾患の経過を変え得る、再発寛解型多発性硬化症について規制当局によって承認されたいくつかの治療がある。これらの治療には、インターフェロンベータ１ａ、インターフェロンベータ１ｂ、グラチマラー酢酸塩、ミトキサントロン、ナタリズマブ、フィンゴリモド、テリフルノミド、フマル酸ジメチル、アレムツズマブ、およびダクリズマブが含まれる。インターフェロンおよびグラチマラー酢酸塩は、再発を約３０％減少させる第一選択治療である（例えば、Tsang 2011, Australian family physician 40 (12): 948-55参照）。ナタリズマブは、インターフェロンよりも再発率を減少させるが、副作用の問題のため、他の治療に対して反応を示さない患者もしくは重度の疾患を有する患者のために確保される第二選択薬剤である（例えば、Tsang 2011, loc. cit.を参照）。インターフェロンを使用した臨床分離症候群（ＣＩＳ）の治療により、臨床的に確定したＭＳの進行の機会を減少させる（Compston 2008, Lancet 372(9648): 1502-17）。子供におけるインターフェロンおよびグラチマラー酢酸塩の効能は、大人に対するものとほぼ等しいものとして推測されてきた（Johnston 2012, Drugs 72 (9): 1195-211）。
最近において、オクレリズマブ、アレムツズマブ、およびダクリズマブ等の新しいモノクローナル抗体が、ＭＳに対する治療方法としての可能性を示している。抗ＣＤ２０Ｂ細胞を標的とするモノクローナル抗体であるオクレリズマブは、フェーズＩＩＩ試験のフェーズ２および３においてＭＳの再発形態および一次進行性形態の両方に対する薬効を示した（ＮＣＴ００６７６７１５、ＮＣＴ０１２４７３２４、ＮＣＴ０１４１２３３３、ＮＣＴ０１１９４５７０）。
ＭＳは、ＣＮＳの臨床的に異質な炎症性の疾患である。このため、現在の疾患の状態についての信頼性の高い診断および識別を可能として、特にＭＳの進行形態に苦しむ患者に対する正確な治療を補助し得る診断ツールが必要である。疾患の疾患についての監視の向上も望まれる。
脳卒中は、血管の阻害によって血液の支持が損なわれる虚血性の脳卒中として、または血管の負傷および出血から生じる出血性の脳卒中として起こり得る。
脳卒中の兆候および症状には、典型的に、一方側の動作／運動もしくは感覚の障害、歩行、発話、聞き取り、めまい等の問題、または視覚の異常が含まれ得る（Donnan 2008, Lancet. 371 (9624): 1612-23）。前記の兆候および症状は、脳卒中が生じた直後もしくは脳卒中のすぐ後に現れることが多い。症状が１時間もしくは２時間未満にわたって継続する場合は、一過性虚血発作として知られる。出血性の脳卒中には、重度の頭痛も伴い得る。脳卒中の症状は、永続的なものであり得る。長期の並存性の合併症には、肺炎もしくは膀胱制御喪失が含まれ得る。
脳卒中に対する早期の診断および治療は、結果を決定付けるものである。現在の脳卒中診断には、磁気共鳴撮像（ＭＲＩ）スキャニング、ドップラー超音波、もしくは血管造影検査等の撮像技法、ならびに医師による神経学的検査が必要である（例えば、Harbison 1999, Lancet. 353 (9168): 1935; Kidwell 1998, Prehospital Emergency Care. 2 (4): 267-73; Nor 2005, Lancet Neurology. 4 (11): 727-34参照）。
毎年、１，０００万人より多くの人が脳卒中を起こしている。先進諸国においては、脳卒中管理は一方でストロークユニットによって効率的なものとなっている。しかしながら、これらの専門施設は、世界において都会の地域を除く、発展が遅れている地域には設けられていない。障害の早期の発見は、患者の脳卒中の結果に対して大きな影響がある。このため、有能なストロークユニットおよび病院でなくとも脳卒中の兆候および症状を早期に発見することが求められている。脳卒中の検知後においても、急性の脳卒中に対する介入処置に関連づけられる中長期のパフォーマンス障害の結果ならびに自然回復およびリハビリテーションプログラムに関わる回復を適切に評価することも必要不可欠である。
アルツハイマー病は、痴呆および関連する問題を伴う、重度かつ致死的な神経変性疾患である。実際に、アルツハイマー病は、すべての痴呆の症例のうちの６０％から７０％を占める。疾患の早期の症状は、短期記憶の低下である。後続の症状としては、家族および社会との関わりの断絶等の社会的症状、ならびに身体機能の喪失等の身体的症状が含まれる（Burns 2009, The BMJ. 338: b158）。
アルツハイマー病の診断は、ＣＴ、ＭＲＩ、ＳＰＥＣＴ、もしくはＰＥＴ等の撮像技法に基づく。また、神経学的評価は、医師によって実施される認知機能の評価のための検査を含む（Pasquier 1999, Journal of Neurology 246 (1):6-15）。典型的な検査としては、写真に示されているものと似た絵を模写すること、単語を覚えること、読むこと、および連続した数を除算していくことを指示される検査が含まれる。通常、アルツハイマー病の患者は自身の欠点を知らないことから、診断には介護者が必要である。アルツハイマー病に対する効率的な疾患修飾療法もしくは治療は未だ存在しない。しかしながら、効率的な疾患管理のために、信頼性の高い早期の診断が有用である。
アルツハイマー病は、世界中で約５，０００万人が冒されており、高齢者に最も多い神経変性疾患の１つであり得る。このため、疾患の適切な管理のために兆候および症状を早期に検知すること、および疾患の進行を監視することが必要とされている。
パーキンソン病は、運動系を中心に影響を与える中枢神経系の神経変性疾患である。典型的な症状としては、安静時振戦、姿勢の不安定性、震え、硬直、動作の遅さ、および歩行困難がある。疾患のより重度のステージにおいては、痴呆、鬱、感覚・自律神経系および睡眠の問題も起こり得る。運動の問題は、中脳の黒質におけるニューロンの劣化によって引き起こされ、ドーパミン系の神経伝達に大きな変化が起こる。未だパーキンソン病に対する治療法は無い。
パーキンソン病の診断は、ＣＴ、ＭＲＩ、ＰＥＴ、もしくはＳＰＥＣＴスキャニング等の撮像方法と合わせた神経学的評価に基づく。疾患の診断のための神経学的基準としては、運動緩慢、硬直、安静時振戦、および姿勢の不安定性の評価が含まれる（Jankovic 2008, Journal of Neurology, Neurosurgery, and Psychiatry. 79 (4): 368-376）。
５，０００万人を超える人々がパーキンソン病に冒されている。この神経変性疾患に対する早期の信頼性の高い診断ならびに疾患の進行の監視が必要とされている。
ハンチントン病は、中枢神経系、特に脳内におけるニューロンの死滅を引き起こす遺伝性の障害である。最も初期の症状の多くは、気分もしくは精神的能力に関する微妙な問題である。しかし、典型的には、概して筋肉運動の整合の障害および不安定な歩行が後に起こる（Dayalu 2015, Neurologic Clinics. 33 (1): 101-14）。その進行後のステージにおいて、不整合な身体動作が顕著となると共に、整合の取れた動作が困難となって発話が不能となるまで身体能力が徐々に悪化する。認知能力も損なわれ、痴呆の状態にまで低下し得る（Frank 2014, The journal of the American Society for Experimental Neurotherapeutics. 11 (1): 153-60）。しかし、具体的な症状は個々に異なり得る。ハンチントン病に対する治療法は未だ存在しない。
ハンチントン病は常染色体優性で遺伝することから、遺伝子的にリスクのある者、すなわち、対応する疾患の家族歴を持つ患者に対しては、ハンチントン（ＨＴＴ）対立遺伝子におけるＣＡＧリピートについてのゲノム試験が推奨される。また、疾患の診断には、大脳萎縮症の特定ならびに医師による神経学的評価のために、ＤＮＡ分析のみならずＣＴ、ＭＲＩ、ＰＥＴ、もしくはＳＰＥＣＴスキャニング等の撮像方法を伴う。特に、神経学的評価は、統一されたハンチントン病評価スケールシステムについての基準に従って行われる（Rao 2009, Gait Posture. 29 (3): 433-6）。
ハンチントン病は、アルツハイマー病およびパーキンソン病よりも発病の頻度は低い。しかし、これは依然として、重度の生命を脅かす合併症を有する人において大きな割合で影響を及ぼす認知および動作の疾患もしくは障害である。この神経変性疾患に対する早期かつ信頼性の高い診断ならびに疾患の進行の監視が必要とされている。
ＡＬＳは、自発的な筋肉の収縮を制御する上位および下位運動ニューロンの細胞死を伴う神経変性疾患である（Zarei 2015, Surgical Neurology International. 6: 171）。ＡＬＳは、筋硬直、筋痙攣、筋萎縮、および筋肉のサイズの減少による筋力の低下によって特徴付けられ、歩行、発話、嚥下、および呼吸の困難が生じる。呼吸不全は、ＡＬＳを患う患者の一般的な死因である。この致死的な疾患の治療法は未だ存在しない。
ＡＬＳの診断は難しく、筋力低下、筋萎縮、嚥下もしくは呼吸の障害、冒された筋肉の痙攣もしくは硬直、および／または早口で不明瞭な鼻音の発話等、他の可能性のある症状および兆候を除外する必要が生じる。医師による神経学的評価以外に、診断には典型的に、ＥＭＧ、神経伝達速度の測定、もしくはＭＲＩを伴う。筋生検を含む実験室検査も利用可能である。
しかしながら、この神経変性疾患についての早期かつ信頼性の高い診断ならびに疾患の進行の監視が必要とされている。
上述の認知および動作の疾患および障害は、特に日常生活の状況における疾患もしくは障害の状態についての早期かつ信頼性の高い診断ならびに疾患の状態および／または進行についての監視の必要を表す顕著な例である。しかし、このような信頼性の高い効率的な診断は、現在において、神経学的評価のための医師の立会い、または例えば病院における高価で時間のかかる撮像方法の適用を必要とする。これらの欠点は、他の認知および動作の疾患および障害にも同様に当てはまる。このため、安価であって信頼性の高い有効な診断ツール、および罹患した患者によって日常生活において単純な態様で実施され得る対策が必要とされている。
本発明の技術的課題は、上記のニーズに対応する手段および方法において見られ得る。技術的課題は、特許請求の範囲において規定されるとともに以下で説明する実施形態によって解決される。
本発明は、認知および動作の疾患もしくは障害を患っていると疑われる対象者を評価するための方法であって、
ａ）モバイルデバイスを使用して対象者からの典型的で既存の認知および／または微細な運動アクティビティの測定のデータセットから、認知および／または微細な運動アクティビティについての少なくとも１つの質測定的アクティビティパラメータ（qualimetric activity parameter）を判定するステップと、
ｂ）判定された少なくとも１つの質測定的アクティビティパラメータを基準と比較し、それにより、認知および動作の疾患もしくは障害が評価される、比較するステップとを備える。
典型的に、方法はさらに、ステップ（ｂ）で行われた比較に基づいて対象者における認知および動作の疾患もしくは障害を評価するステップ（ｃ）を備える。
一部の実施形態において、方法は、ステップ（ａ）の前に、対象者によって行われる所定のアクティビティの時にモバイルデバイスを使用する対象者からアクティビティの測定のデータセットを得るステップを備える。しかし、典型的には、方法は、対象者の認知もしくは微細な運動アクティビティの測定の既存のデータセットに対して行われ、対象者に対する物理的な相互作用を必要としない、生体外で行われる方法、すなわち、既存のデータセットに対して行われるデータ分析および評価の方法である。通常、この方法はコンピュータで実現される方法である。
本発明に関して参照される方法は、実質的に上述のステップからなる方法、もしくは追加のステップを含み得る方法を含む。
方法は、ひとたびアクティビティの測定のデータセットが取得されると、対象者によってモバイルデバイス上で実施され得る。従って、データセットを取得するモバイルデバイスと、データセットを評価する（evaluating）デバイスとは、物理的に同一であり得る、すなわち、同じデバイスであり得る。このようなモバイルデバイスは、データ取得ユニットを有し、データ取得ユニットは、典型的には、データ取得手段、すなわち、定量的あるいは定性的に物理的および／または化学的パラメータを検知もしくは測定し、それらを発明に係る方法を実施するために使用されるモバイルデバイス内の評価ユニット（evaluation unit）へ伝達される電気信号に変換する変換手段を有する。データ取得ユニットは、データ取得手段、すなわち、定量的あるいは定性的に物理的および／または化学的パラメータを検知もしくは測定し、それらをモバイルデバイスから遠隔であって発明に係る方法を実施するために使用される電気信号に変換する変換手段を有する。典型的に、前記データ取得手段は、少なくとも１つのセンサを有する。１つより多いセンサ、すなわち、少なくとも２つ、少なくとも３つ、少なくとも４つ、少なくとも５つ、少なくとも６つ、少なくとも７つ、少なくとも８つ、少なくとも９つ、少なくとも１０個、またはそれより多い異なるセンサをモバイルデバイスにおいて使用できることが理解される。データ取得手段として使用される典型的なセンサは、ジャイロスコープ、磁力計、加速度計、近接センサ、温度計、湿度センサ、歩数計、心拍数検知器、指紋検知器、タッチセンサ、ボイスレコーダ、光センサ、圧力センサ、場所データ検知器、カメラ、タイムレコーダ、および汗分析センサ等のセンサである。評価ユニットは、典型的に、プロセッサおよびデータベース、ならびに前記デバイスに有形に組み込まれ、前記デバイス上で実行されている時に発明の方法を実施するソフトウェアを有する。より典型的に、このようなモバイルデバイスは、評価ユニットによって実施、される分析の結果をユーザに提供することを可能にするスクリーン等のユーザインターフェイスも有し得る。
代替的に、発明の方法は、データセットを取得するために使用されたモバイルデバイスに対して遠隔であるデバイス上で実施され得る。この場合において、モバイルデバイスは、単に、データ取得手段、すなわち、定量的あるいは定性的に物理的および／または化学的パラメータを検知もしくは測定し、それらをモバイルデバイスから遠隔であって発明に係る方法を実施するために使用される電気信号に変換する変換手段を有する。典型的には、データ取得手段は、少なくとも１つのセンサを有する。１つより多いセンサ、すなわち、少なくとも２つ、少なくとも３つ、少なくとも４つ、少なくとも５つ、少なくとも６つ、少なくとも７つ、少なくとも８つ、少なくとも９つ、少なくとも１０個、またはそれより多い異なるセンサをモバイルデバイスにおいて使用できることが理解される。データ取得のための手段として使用される典型的なセンサは、ジャイロスコープ、磁力計、加速度計、近接センサ、温度計、湿度センサ、歩数計、心拍数検知器、指紋検知器、タッチセンサ、ボイスレコーダ、光センサ、圧力センサ、場所データ検知器、カメラ、タイムレコーダ、および汗分析センサ等のセンサである。従って、モバイルデバイスおよび発明の方法を実施するために使用されるデバイスは、物理的に異なるデバイスであってもよい。この場合において、モバイルデバイスは、データ伝達手段によって本発明の方法を実施するために使用されるデバイスと一致していてもよい。このようなデータ伝達は、同軸のファイバ、光ファイバ、もしくはツイストペアの１０ＢＡＳＥ－Ｔケーブル等の永続的もしくは一時的な物理的接続によって実現されてもよい。代替的に、例えば、Ｗｉ－Ｆｉ（登録商標）、ＬＴＥ、ＬＴＥ－Ａｄｖａｎｃｅｄ、もしくはＢｌｕｅｔｏｏｔｈ（登録商標）等の電波を使用する一時的もしくは永続的な無線接続によって実現されてもよい。このため、本発明の方法を実施するための唯一の要件は、モバイルデバイスを使用して対象者から得られたアクティビティの測定のデータセットが存在することである。データセットは、本発明の方法を実施するために使用されるデバイスにデータを伝送するために後に使用され得る永続的もしくは一時的なメモリデバイス上に取得するモバイルデバイスから伝達もしくは記憶されてもよい。このセットアップにおいて発明の方法を実施するリモートデバイスは、典型的には、プロセッサおよびデータベース、ならびにデバイスに有形に組み込まれ、デバイス上で実行されている時に発明の方法を実施するソフトウェアを有する。より典型的に、デバイスは、評価ユニットによって実施される分析の結果をユーザに提供することを可能にするスクリーン等のユーザインターフェイスを有していてもよい。従って、このセットアップにおけるモバイルデバイスおよび遠隔デバイスは、発明の方法を実施するためのシステムを構成する。
本明細書中で使用される「評価（assessing）」の用語は、認知および動作の疾患もしくは障害を対象者が患っているかどうかを評価すること、または、本明細書中において言及される疾患もしくは障害またはその個々の症状が、時間の経過とともに、または特定の刺激に応じて悪化もしくは改善しているかどうかを評価することを言う。このため、本明細書中で使用される評価には、認知および動作の疾患もしくは障害またはこれに付随する１つ以上の症状の進行を識別する（identifying）こと、認知および動作の疾患もしくは障害またはこれに付随する１つ以上の症状の改善を識別すること、認知および動作の疾患もしくは障害またはこれに付随する１つ以上の症状を監視すること、認知および動作の疾患もしくは障害またはこれに付随する１つ以上の症状に対する治療の効能を特定すること、および／または、認知および動作の疾患もしくは障害またはこれに付随する１つ以上の症状を診断することが含まれる。当業者に理解され得るように、このような評価は、調査された対象者の１００％に対して正しいものであることが好ましいが、そうでない場合もある。しかし、この用語は、対象者のうちの統計的に大多数の者に対して正しい評価が行われ、認知および動作の疾患もしくは障害を患っていると識別されることが求められる。一部が統計的に大多数であるかどうかは、例えば、信頼区間の特定、ｐ値特定、スチューデントのｔ検定、マン・ホイットニー検定等の、様々な周知の評価ツールを使用して当業者がこれ以上面倒なことをする必要なく特定することができる。詳細は、Dowdy and Wearden, Statistics for Research, John Wiley & Sons, New York 1983において見ることができる。典型的に、見込まれる信頼区間は、少なくとも５０％、少なくとも６０％、少なくとも７０％、少なくとも８０％、少なくとも９０％、および少なくとも９５％である。ｐ値は、典型的に、０．２、０．１、０．０５である。従って、本発明の方法は、典型的に、アクティビティの測定のデータセットを評価するための手段を設けることによって認知および動作の疾患もしくは障害の評価を補助する。
本明細書中で使用される「認知および動作の疾患もしくは障害」は、認知および／または動作が損なわれる能力障害を伴う疾患に関する。典型的には、これらの疾患もしくは障害は、中枢神経系、末梢神経系、もしくは筋肉系の機能が損なわれることによって生じる。障害は、神経および／または筋細胞の損傷もしくは負傷、例えば、多発性硬化症、アルツハイマー病、ハンチントン舞踏病、またはパーキンソン病等の神経変性疾患によって生じる損傷を伴い得る。典型的には、認知および動作の障害、錐体路系、錐体外路系、感覚系、もしくは小脳系に影響を与える中枢神経系および／または抹消神経系の疾患もしくは障害、または神経筋疾患である、または筋疾患もしくは障害である。より典型的には、疾患もしくは障害は、多発性硬化症（ＭＳ）、視神経脊髄炎（ＮＭＯ）およびＮＭＯ関連疾患、脳卒中、小脳障害、小脳失調、痙性対麻痺、本態性振戦症、筋無力症および筋無力症候群もしくは他の形態の神経筋障害、筋ジストロフィ、筋炎もしくは他の筋肉障害、末梢神経障害、脳性麻痺、錐体外路症候群、パーキンソン病、ハンチントン病、アルツハイマー病、他の形態の痴呆、白質ジストロフィ、自閉症スペクトラム障害、注意欠陥障害（ＡＤＤ／ＡＤＨＤ）、ＤＳＭ－５で定義される知的障害、認知行動パフォーマンスおよび加齢に関連する予備力の障害、多発神経障害、運動ニューロン疾患、および筋萎縮性側索硬化症（ＡＬＳ）からなる群から選択される。
多発性硬化症（ＭＳ）は、本発明に係る典型的な認知および動作の疾患もしくは障害である。ＭＳの定義には、再発寛解型、二次進行性、一次進行性、および進行性再発の４つの標準的なサブタイプがあり、本発明に基づいて使用される用語に含まれるものでもある。ＭＳの再発形態の用語も使用され、再発が重なる再発寛解型および二次進行性ＭＳが含まれる。再発寛解型サブタイプは、予測不能な再発と、その後の臨床的疾患活動の新たな兆候のない数ヶ月から数年にわたる寛解の期間とによって特徴付けられる。脳卒中時（活性状態）時に被った障害は、消散し得る、もしくは後遺症を残し得る。これは、ＭＳを患っている対象者の８５％から９０％における初期の経過を示す。二次進行性ＭＳは、初期の再発寛解型ＭＳを持つ者を示し、特定の寛解の期間のない急性の脳卒中間における進行性神経学的下降が始まる。時折の再発および少しの寛解が生じ得る。再発寛解型から二次進行性ＭＳへの変換との間の平均期間は約１９年である。一次進行性サブタイプは、初期のＭＳ症状の後に寛解を有さない対象者の約１０％から１５％を示す。これは、開始から、寛解および改善が無い、もしくは時折かつ少ない回数で寛解および改善するパフォーマンス障害の進行によって特徴付けられる。一次進行性サブタイプの開始の年齢は、他のサブタイプよりも遅い。進行性再発ＭＳは、開始から安定した神経学的下降があるが、明らかな重なった脳卒中が生じている対象者を示す。後者の進行性再発表現型は一次進行性ＭＳ（ＰＰＭＳ）の変形であり、ＭｃＤｏｎａｌｄ ２０１０基準によるＰＰＭＳの診断は進行性再発の変形を含むということが現在の通説である。
ＭＳに関連づけられる症状には、感覚の変化（感覚鈍麻および知覚異常）、筋力低下、筋痙攣、移動の困難、整合および平衡の困難（失調）、発話の問題（構音障害）もしくは嚥下の問題（嚥下障害）、視覚の問題（眼振、視神経炎および視力低下、または複視）、疲労、急性もしくは慢性的な痛み、嚢胞、性的および排便の困難が含まれる。様々な度合いの認知の障害ならびに鬱もしくは不安定な気分等の感情面の症状は、頻繁に起こる症状である。能力障害の進行および症状の厳しさに対する主たる臨床的な測定は総合障害度スケール（ＥＤＳＳ）である。ＭＳのさらなる症状、当該技術においてよく知られており、例えば、Bradley WG, et al. Neurology in Clinical Practice（5th ed. 2008）等の薬物および神経学の標準的な教科書に記載されている。
本明細書中で使用される進行性ＭＳは、時間の経過とともに疾患および／または症状のうちの１つ以上が悪化する状態を言う。典型的に、進行は活性状態の現出を伴う。進行は、患者のすべてのサブタイプにおいて起こり得る。しかしながら、典型的に、進行性ＭＳは、再発寛解型ＭＳを患っている対象者において本発明に基づいて特定される。
しかし、本発明の方法は、特定的に、以下の点、
臨床的な疾患アクティビティ（すなわち、再発の発生）、
能力障害の進行、
限定されないが、McDonald Criteria 2010（Polman 2011, Ann Neurol 69:292-302）および／またはLublin et al. criteria 2013（Lublin 2014, Neurology 83: 278-286）等の確立されたコンセンサス基準によって定義される、一次進行性ＭＳ疾患の経過、
限定されないが、McDonald Criteria 2010（Polman loc. cit.）および／またはLublin et al. criteria 2013（Lublin loc. cit.）等の確立されたコンセンサス基準によって定義される、二次進行性ＭＳ疾患の経過、
限定されないが、McDonald Criteria 2010（Polman loc. cit.）、および／またはLublin et al. criteria 2013（Lublin loc. cit.）等の確立されたコンセンサス基準によって定義される、一次進行性ＭＳ、および／または、
限定されないが、McDonald Criteria 2010（Polman loc. cit.）および／またはLublin et al. criteria 2013（Lublin loc. cit.）等の確立されたコンセンサス基準によって定義される、二次進行性ＭＳ
の識別において適用され得る。
また、特に以下のもの、
疾患アクティビティの可能性を推定するリスク予測モデル（すなわち、Ｔ２もしくはＦＬＡＩＲ（Fluid Attenuating Inversion Recovery）重点型の脳もしくは脊髄ＭＲＩ、および／またはガドリニウム増進型病変に対する脳もしくは脊髄ＭＲＩ上の再発および／または新規もしくは増大中の病変）、
限定されないが、例えば、総合障害度スケール神経衰弱（ＥＤＳＳ）、多発性硬化症機能評価（ＭＳＦＣ）、およびそれを構成する計測された２５フィート歩行検査もしくは９ホールペグ検査によって測定される、多発性硬化症（ＭＳ）の診断を受けた患者における能力障害の進行の可能性を推定するリスク予測モデル、および／または、
限定されないが、McDonald Criteria 2010（Polman loc. cit.）および／またはLublin et al. criteria 2013（Lublin loc. cit.）等の確立されたコンセンサス基準によって定義される、再発開始ＭＳにおける二次進行性ＭＳ疾患の経過の出現の可能性を予測するリスク予測モデル、
限定されないが、例えば、Ｔ２もしくはＦＬＡＩＲ重点型脳もしくは脊髄ＭＲＩにおける低速拡張性病変（ＳＥＬ）の存在によって定義される一次もしくは二次進行性ＭＳ疾患経過の特定のＭＲＩ兆候、またはガドリニウム系の造影剤注入後にＦＬＡＩＲ重点型脳もしくは脊髄ＭＲＩにおいて検知される髄膜炎の兆候の出現の可能性を推定するリスク予測モデル
がＭＳ患者のリスク評価に適している。
さらにまた、方法は、以下の点、
例えば、機械学習およびパターン認識技法を使用して、特定のＤＭＴによって治療された多発性硬化症（ＭＳ）の診断を受けた患者における進行中の疾患アクティビティ（すなわち、Ｔ２もしくはＦＬＡＩＲ重点型脳もしくは脊髄ＭＲＩにおいて再発および／または新しいもしくは増大している病変、および／または脳もしくは脊髄ＭＲＩにおけるガドリニウム増進型病変）のリスクによって評価される疾患修飾療法（ＤＭＴ）の応答もしくは失敗の可能性を推定するアルゴリズム的解法を開発すること、
例えば、機械学習およびパターン認識技法を使用して、例えば限定されないが総合障害度スケール（ＥＤＳＳ）、計測された２５フィート歩行検査、もしくは９ホールペグ検査によって測定される、特定のＤＭＴによって治療された多発性硬化症（ＭＳ）の診断を受けた患者における進行中のパフォーマンス障害の進行のリスクによって評価されるＤＭＴ応答もしくは失敗の可能性を推定するアルゴリズム的解法を開発すること、および／または、
例えば、機械学習およびパターン認識技法を使用して、特定のＤＭＴによって治療された多発性硬化症（ＭＳ）の診断を受けた患者における脳ＭＲＩ測定での神経系の組織損傷、および限定されないが、全脳容量、脳実質画分、全灰白質容量、皮質灰白質容量、特定の皮質領域の容量、深灰白質容量、視床容量、脳梁表面、白質容量、第三脳室容量、合計脳Ｔ２病変容量、合計脳Ｔ１病変容量、合計脳ＦＬＡＩＲ病変容量等の神経変性の悪化のリスクによって評価されるＤＭＴ応答もしくは失敗の可能性を推定するアルゴリズム的解法、例えば機械学習およびパターン認識技法を使用して、限定されないが、McDonald Criteria 2010（Polman loc. cit.）および／またはLublin et al. criteria 2013（Lublin loc. cit.）等の確立されたコンセンサス基準によって定義される、再発開始ＭＳにおける二次進行性ＭＳの疾患経過の出現の可能性を推定するアルゴリズム的解法を開発すること、
に関連して適用され得る。
視神経脊髄炎（ＮＭＯ、以前はデビック病として知られていた）および視神経脊髄炎関連疾患（ＮＭＯＳＤ）は、主として視神経および脊髄を標的とする重度の免疫介在性の脱髄および軸索の損傷によって特徴付けられる中枢神経系の炎症性の障害である。従来より多発性硬化症の変形であると考えられてきたＮＭＯは、今では、固有の免疫特徴に基づく別個の臨床対象として認識されている。疾患に対して特有な、アクアポリン－４（ＡＱＰ４）と選択的に結合する血清ＮＭＯ－ＩｇＧ抗体が発見されたことにより、障害の多様なスペクトラムについての理解が進んだ。ＮＭＯおよびＮＭＯＳＤは、多発性硬化症における脳卒中と異なり、早期ステージにおいて共通して脳に生じる視神経炎および横断性脊髄炎の重度の再発性脳卒中によって特徴付けられる。ＮＭＯのスペクトラムは、従来より視神経および脊髄に限定されていきた。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書に記載の態様を含む疾患を評価するため、リスク評価を行うため、より典型的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
本明細書中において参照される脳卒中は、中枢神経系、特に脳における血流の障害を言う。脳卒中は、血管の阻害および結果として生じる脳組織領域への血流の欠如によって引き起こされる虚血性脳卒中であり得る、または脳負傷および後続の出血によって引き起こされる出血性脳卒中であり得る。脳卒中の症状は、冒された脳領域に応じており、典型的に、一方側における動作および感覚の不能、理解もしくは会話の問題、めまい、または視界の部分的な喪失のうちの１つ以上を含み得る。出血性脳卒中は、重度の頭痛も含み得る。何れにしても、脳卒中の治療については、特に認知もしくは他の中枢神経系の機能に対する長期の影響を避けるためには、事象の発生と治療との間の期間が重要となる。一部の場合において、脳卒中の症状は緩やかであり、適切な検査機器無しでは診断することが容易ではない。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
発明に係る小脳疾患は、小脳の機能に影響を与える疾患を含む。小脳は、運動制御および学習に関係する。小脳の機能障害を持つ動物および人間は、とりわけ、小脳の損傷箇所と同じ身体の側における運動制御に問題が見られる。運動アクティビティを生じさせ続けることはできるが、正確性が失われ、誤った、整合の取れていない、正しくないタイミングの動作を生じさせる。小脳から生じる運動の問題の典型的な表出には、筋緊張低下、推尺障害、構音障害、拮抗運動反復不全、意図的な振戦、または歩行障害が含まれる。典型的に、上述の能力障害を引き起こす障害は、小脳失調とも呼ばれる。小脳に影響を与える他の疾患は、オリーブ橋小脳萎縮症、マシャド・ジョセフ病、毛細血管拡張性運動失調症、フリードライヒ運動失調症、ラムゼイ・ハント症候群タイプＩ、傍腫瘍性小脳変性、またはプリオン疾患等の変性疾患を含む、またはダンディ・ウォーカー症候群もしくはジュベール症候群等の小脳虫部の先天性奇形もしくは発達不良（形成不全）であり得る。加えて、小脳萎縮症は、小脳疾患も生じさせ得て、重金属または薬学的薬剤もしくは脱法薬物を含む毒素にさらされた結果として、または脚気およびウェルニッケ・コルサコフ症候群に見られるようなビタミンＢ１（チアミン）の急性的な欠乏、もしくはビタミンＥの欠乏により、ハンチントン病、多発性硬化症、本態性振戦症、進行性ミオクローヌス癲癇、およびニーマン・ピック病が生じ得る。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
本明細書中で使用される痙性対麻痺は、進行性の下肢の硬化および痙攣を伴う遺伝病の群を言う。疾患は、視神経および網膜に影響を与え、白内障、失調、癲癇、認知障害、末梢神経障害、および難聴を引き起こし得る。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
本明細書中で使用される本態性振戦症は、腕、手、および指の振戦を伴う動作障害を言う。時には、他の身体部位および声も振戦に冒される。本態性振戦症は、典型的に、動作時振戦（すなわち、冒された筋肉を使用する場合に起こる）、または体位性振戦（すなわち、筋緊張を持続した状態で起こる）。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
本明細書中で使用される筋無力症は、筋力低下および疲労が頻繁に起こることによって特徴付けられる重症無筋力症とも呼ばれる神経筋疾患を言う。筋力低下は、運動時により目立ち、静止時においてはそれほど目立たない。これは、ニコチン性アセチルコリン受容体を遮断する自己抗原の循環によって引き起こされる。これらの抗体により、運動ニューロンから筋肉への信号の伝達が防がれる。眼筋無力症もしくはランバート・イートン筋無力症症候群等、筋無力症に関連する神経筋疾患の他の形態がある。神経筋障害の他の形態も、認知および動作の障害および疾患として、本発明において見込まれる。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
本発明に基づいて参照される筋ジストロフィは、筋細胞および組織の欠陥もしくは死滅によって引き起こされる筋肉の虚弱化に関連する。典型的に、ジストロフィン等の筋蛋白質が、筋ジストロフィにおいて大きく減少し得る。本明細書中において参照される筋ジストロフィは、ベッカー型筋ジストロフィ、先天性筋ジストロフィ、デュシェンヌ型筋ジストロフィ、遠位型筋ジストロフィ、エメリ・ドレフュス型筋ジストロフィ、顔面肩甲上腕型筋ジストロフィ、肢帯型筋ジストロフィ、および筋緊張性筋ジストロフィを含むが、これらに限定されない。また、本発明に基づき、筋炎もしくは他の筋肉障害の形態も含まれる。
本明細書中において参照される末梢神経障害は、末端神経の適切な機能が損なわれる疾患を言う。典型的に、本発明において見込まれる神経は、動作もしくは感覚に必要なものである。これらの神経障害は、運動神経障害もしくは感覚神経障害とも呼ばれる。運動神経障害は、平衡および整合を損なわせ得て、最も典型的には、筋力低下を引き起こし得る。感覚神経障害は、接触および振動に対する麻痺、または位置感覚を低下させて整合および平衡を低下させ得るとともに、温度変化および痛みに対する感度、自発的な疼きもしくは灼熱痛、または皮膚異痛に対する感動を低下させ得る。神経障害はさらに、実質的に単一の神経が冒される単発神経障害と、身体の異なる部位において様々な神経に影響がある多発神経障害とに分類される。重度の疾患を伴う神経障害の異なる原因には、糖尿病、免疫疾患、感染症、身体上の損傷、化学治療、放射線治療、癌、アルコール中毒症、脚気、甲状腺機能不全、ポルフィリン症、ビタミンＢ１２の欠乏、または過剰なビタミンＢ６等がある。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
多発神経障害は、大まかに身体の両側の同じ領域の末梢神経に影響を与える損傷もしくは障害として理解される。多発神経障害は、原因、進行の速度、関係する身体の部位、もしくは主に冒されている神経細胞の部位（軸索、髄鞘、もしくは細胞体）等によって異なる方法で分類され得る。多発神経障害はさらに、例えば感染症、自己免疫反応、毒素、特定の薬物、もしくは癌によって引き起こされる急性多発神経障害と、例えば真性糖尿病、過剰なアルコール摂取、もしくは神経の変性によって引き起こされる慢性多発神経障害とに分類され得る。多発神経障害の症状には、虚弱性、麻痺、または灼熱痛が含まれ、これらは、通常は手および足から始まり、腕、脚、およびたまに身体の他の部位に進行し得る（Burns 2011, Neurology 76.7 Supplement 2: S6-S13）。幾つかの異なる障害は、例えば糖尿病および幾つかのタイプのギラン・バレー症候群等の多発神経障害を引き起こすことが知られている。多発神経障害の診断は、一般的に、身体検査、および例えば筋電図検査、神経伝導検査、筋生検、もしくは特定の抗体検査を含むさらなる臨床検査に基づく。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
脳性麻痺（ＣＰ）は、永続的な動作障害の群である。ＣＰは、通常、幼児期に発症し、動作、平衡、および姿勢を制御する脳の部位の異常な発達もしくは損傷によって引き起こされる。症状には、乏しい整合、硬い筋肉、弱い筋肉、振戦、脳卒中、思考および理由付け能力の低下、感覚、視界、傾聴、嚥下、および会話の問題が含まれる。疾病管理予防センター（ＣＤＣ）によれば、ＣＰは、子供に最も多い動作障害であり、１，０００の出生数に対して約２．１１の割合で蔓延している。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
錐体外路症候群（ＥＰＳ）は、薬物によって引き起こされる動作障害である。「錐体外路症状」の用語は、姿勢および骨格筋の調子を正常に調整する錐体外路系における障害の症状であると言う事実から導き出されている。症状は、急性もしくは遅発性であり、筋緊張異常（継続的な痙攣および筋収縮）、静座不能（運動不穏状態）、パーキンソン症（硬直等の特徴的な症状）、運動緩慢（動作の遅さ）、振戦、および遅発性運動異常（不規則で痙攣するような動作）を含む。錐体外路症候群は、ハロペリドール、フルフェナジン、デュロキセチン、セルトラリン、エシタロプラム、フルオキセチン、およびブプロピオン等の抗精神病薬もしくは抗鬱病薬によって引き起こされることが最も多い。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
アルツハイマー病（ＡＤ）は、慢性的な神経変性疾患である。ＡＤの疾患経過は、認知および機能の障害の進行性パターンに応じて４つのステージに分割することができ、前痴呆、早期ステージ、中等度ステージ、および重度ステージからなる。
疾患の前痴呆ステージは、軽度認知障害（ＭＣＩ）とも称され、短期記憶の喪失および計画もしくは課題解決の困難等のＡＤの早期症状を含む（Waldemar 2007, European Journal of Neurology 14.1: e1-e26; Baeckman 2004, Journal of internal medicine 256.3: 195-204）。ＡＤの早期ステージにおいて、言語、処理機能、知覚（失認症）、および動作の実行（失行症）の問題等の症状が表れる。疾患が進行するにつれ、行動および精神神経系の変化がより優位となる。ＡＤの中等度フェーズは、単語の復唱の不能、読み書きのスキルの喪失、複雑な連続動作の整合における障害を含み、例えば、転倒、尿失禁、長期記憶の障害、錯覚による誤認、および他の思い込みによる症状のリスクが高まることにつながる。ＡＤの重度症状は、単純な言い回しもしくは単一の単語への言語の減少を最終的に発話が完全に失われ、筋肉質量が重度に減少し、可動性および身体機能が失われる。
ＡＤは、痴呆の症例の原因の６０％から７０％を占めると考えられる。痴呆における挙動および心理の症状は、ＡＤの主要な臨床要素を構成すると考えられる（Robert 2005, European Psychiatry 20.7: 490-496）。ＡＤの進行の速度は様々であり得るが、ＡＤの診断後の平均余命は約３年から９年である（Todd 2013, International journal of geriatric psychiatry 28.11: 1109-1124）。
本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
本明細書中において参照される痴呆は、思考および記憶する能力を減少させる様々な脳疾患を含み、多くの場合、言語および運動スキルの問題を伴う。上述のように、痴呆の中でも最も多いタイプは、アルツハイマー病である。他のタイプとしては、例えば、血管性痴呆、レヴィ小体病、前頭側頭型痴呆、正常圧水頭症、パーキンソン病、梅毒、およびクロイツフェルト・ヤコブ病が含まれる。痴呆の発症に係る既知のリスク因子としては、高血圧、喫煙、糖尿病、および肥満が含まれる。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
白質ジストロフィは、脳内における白質の編成によって特徴付けられる障害の群である。白質ジストロフィは、髄鞘の不完全な成長もしくは発達、または中枢神経系における炎症による髄鞘の喪失によって引き起こされると考えられる。白質の編成は、ＭＲＩで見られ、白質ジストロフィの診断に使用される（Cheon 2002, Radiographics 22.3: 461-476）。白質ジストロフィの症状は、通常は主として乳児期および幼児期である開始の年齢に依存し、運動機能の低下、筋肉の硬直、視覚および聴覚の障害、失調、および精神遅滞を含む。白質ジストロフィ障害には、例えば、Ｘ連鎖性副腎白質ジストロフィ、クラッベ病、異染性白質ジストロフィ（ＭＬＤ）、カナバン病、およびアレキサンダー病が含まれる。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
自閉症スペクトラム障害（ＡＳＤ）は、複合的な神経学的障害および発達障害の群を特徴付ける。ＡＳＤは、脳および神経系の構造および機能に影響を与える。ＡＳＤの典型的な特徴としては、他者とのコミュニケーションおよび対話の困難等の社会的問題、繰り返しの言動、限られた興味および活動、ならびに言っていることと表情、動作、動きが一致しないこと等が含まれる。疾病管理予防センター（ＣＤＣ）によれば、およそ６８人に１人の子供に何らかのＡＳＤの形態が識別された。ＡＤＳの診断は難しく、一般に、精神障害の診断と統計マニュアル（ＤＳＭ）に基づいている。過去において、アスペルガー症候群および自閉症性障害は、異なる障害と考えられていた。しかし、２０１３年５月において、異なる精神衛生状態を診断するために使用されるアメリカ精神医学会の共通マニュアルである、精神障害の診断と統計マニュアル（ＤＳＭ－５）の新バージョンが発表された。ＤＳＭ－５マニュアルは、現在、自閉症スペクトラム障害（ＡＳＤ）と呼ばれる１つのカテゴリー内における特徴および度合いの範囲のみを含み、より大きな障害のサブカテゴリーを強調するものではない（以前のサブカテゴリーは、具体的に記載しないが、自閉症性障害、アスペルガー症候群、小児期崩壊性障害、広汎性発達障害であった）。ＤＳＭ－５ガイドラインによると、以前にアスペルガー症候群または自閉症性障害と診断された症状を持つ人々は、自閉症スペクトラム障害（ＡＳＤ）と呼ばれるカテゴリーの一部として含まれるようになった。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
注意欠陥障害は、神経発達障害のグループとして、注意欠陥障害（ＡＤＤ）もしくは注意欠陥多動障害（ＡＤＨＤ）とも言われる。
精神障害の診断と統計マニュアル（ＤＳＭ－５）の最新バージョンによれば、いくつかの症状は、注意欠陥障害の診断について、１２歳までに表れる。ＡＤＤもしくはＡＤＨＤの典型的な症状としては、指示に従うことやタスクを整理することが難しい等の不注意の症状や、着座し続けることや順番を待つことが難しい等の多動もしくは衝動性の症状が含まれる（例えば、質問が終わるまでに回答することや、会話を途切れさせる等）。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
知的障害は、ＤＳＭ－５で定義される。知的能力障害（知的発達障害）は、ＤＳＭ－５診断の用語では、以前のマニュアル使用されていた「精神遅滞」と置き換えられる。ＤＳＭ－５において、知的能力障害（知的発達障害）の診断は、精神遅滞のＤＳＭ－ＩＶ診断（American Psychiatric Association. Diagnostic and statistical manual of mental disorders （DSM-5（登録商標））. American Psychiatric Pub, 2013.）から改定されている。改定された障害は、状態を多軸的に評価する手法から離れたものを反映している。ＤＳＭ－５によって定義される知的能力障害は、以下の３つのドメインもしくは領域における適合機能に影響を与える一般的な精神的能力の障害を伴う。（１）概念的ドメインは、言語、読み、書き、数学、理由付け、知識、および記憶におけるスキルを含む。（２）社会的ドメインは、共感、社会的判断、対人コミュニケーションスキル、友達を作りそれを維持する能力、および同様の能力を言う。（３）実施ドメインは、人的ケア、仕事の責任、金銭管理、レクリエーション、および学校および仕事のタスクの整理等の領域における自己管理を中心とする。知的能力障害は特定の年齢要件を有さないことから、個々人の症状は、発達期に始まり、適合機能の欠陥の重症度に基づいて診断される。この障害は、慢性的であり、鬱等の他の精神状態、注意欠陥／多動障害、および自閉症スペクトラム障害とともに発症することが多い。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
認知行動パフォーマンスおよび加齢に関連する予備力の障害は、思考および記憶等の認知行動パフォーマンスの年齢に伴う低下、および／または脳の大きさ（「脳予備力」とも言う）もしくは神経系のカウント（「認知予備力」とも言う）に対する年齢に伴う影響を言う。認知の低下、例えば、速度能力、実行機能、および記憶は、通常の加齢において典型的であると考えられている（Gunstad 2006, Journal of Geriatric Psychiatry and Neurology 19.2: 59-64）。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
パーキンソン病（ＰＤ）は、運動系に主に影響を与える中枢神経系における進行性障害である。典型的な症状としては、震え、硬直、動作の遅さ、および歩行の困難等が含まれる。感覚、睡眠、および感情面の問題ならびに思考および挙動の問題を含む他の症状も起こり得て、鬱および心配が疾患の重度ステージにおいて一般的に観察される。パーキンソン病の原因は知られていないが、疾患の運動症状は、黒質内の細胞の死滅およびこれによるドーパミンの減少が原因と考えられる。しかしながら、非運動症状のいくつかは、診断時に見られることが多く、運動症状を進め得る。ＰＤの診断は、主に、他の疾患を除外するために使用される神経画像処理等の他の検査と組み合わせた症状の臨床的評価に基づく。パーキンソン病の発症は、６０歳を超える人に最も多く、女性よりも男性により多く影響を与える。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
ハンチントン舞踏病とも言われるハンチントン病（ＨＤ）は、ハンチントン遺伝子（ＨＴＴ）の常染色体の優勢変異によって引き起こされる遺伝的な障害である。ＨＤは、脳細胞の死滅によって引き起こされる致死的な疾患である。ハンチントン病の症状は、乳幼児から高齢者までのあらゆる年齢で始まり得るが、３５歳から４４歳の間で気づかれることが多い。早期の症状としては、人格、認知、および身体スキルの変化が含まれる（Walker 2007, The Lancet 369.9557: 218-228）。最も特徴的な身体症状は、無作為かつ制御不能な動作であり、舞踏病とも言われる。さらに、症状としては、発作、異常な表情、咀嚼、嚥下、および会話の困難等が含まれる。ＨＤの診断は、通常、症状の臨床的評価および遺伝子検査に基づいている。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
最も多くの場合に運動ニューロン疾患（ＭＮＤ）としても知られる筋萎縮性側索硬化症（ＡＬＳ）は、遅れて開始される、運動ニューロンに影響を与える致死的な神経変性疾患である。ＡＬＳは、約１／１００，０００の確率で発症する。最も多くのＡＬＳの症例は、散発性であるが、症例の５％から１０％は家系的ＡＬＳである。散発的および家系的ＡＬＳ（ＦＡＬＳ）の両方は、皮質および脊椎運動ニューロンの変性に関連付けられる。典型的な症状としては、体全体の筋力低下および萎縮や、認知機能の障害等が含まれる。ＡＬＳの診断は、共通して、ＡＬＳ擬態の他の疾患を除外するための、臨床的検査および一連の診断検査を含む。診断されるＡＬＳについては、通常、他の原因に帰属することのできない上位および下位の運動ニューロンの症状が生じる。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
向精神薬悪性症候群（ＮＭＳ）は、最も多くの場合、ハロペリドール、ドロペリドール、プロメタジン、クロルプロマジン、クロザピン、オランザピン、リスペリドン、ケチアピン、もしくはジプラシドン等の神経遮断薬もしくは抗精神病薬に対する副作用によって引き起こされる、生命を脅かす神経障害である。症状としては、筋痙攣、振戦、発熱、不安定な血圧等の自律神経系の不安定さ、および精神状態の変化（動揺、興奮、もしくは昏睡）等が含まれる。ＮＭＳにおける筋肉の症状は、ドーパミン受容体Ｄ２の遮断によって引き起こされやすく、パーキンソン病に見られるような大脳基底核の異常機能につながる。また、プラズマクレアチンキナーゼのレベルの上昇がＮＭＳに関連付けられる（Strawn 2007, American Journal of Psychiatry 164.6: 870-876）。本発明の方法は、典型的に、ＭＳに基づいて参照されるこれらの目的のためにも準用され得る。特に、方法は、本明細書中に記載の態様を含む疾患を評価する、リスク評価を行う、より特定的には、例えば機械学習およびパターン認識技法を使用してリスク予測モデルを確立する、および／またはアルゴリズム的解法を開発するために適用され得る。
本明細書中で使用される「対象者」という用語は、動物を言い、典型的に、哺乳類を言う。特に、対象者は、霊長類であり、最も典型的には、人間である。本発明に係る対象者は、認知および動作の疾患もしくは障害を患っている、もしくは患っていることが疑われ、すなわち、前記疾患に関連付けられた一部もしくはすべての症状を既に示し得る。
本明細書において使用される「認知および／または微細な運動アクティビティについての質測定的アクティビティパラメータ」は、特定の認知および／または運動のタスクの完了までの間に認知および／または微細な運動の機能および完全性の少なくとも１つの定性的特徴におけるパフォーマンス内変動の単一の尺度または複合尺度を表す。特定の全体的なパフォーマンスでタスクを完成するパフォーマンスを測定するに過ぎないパフォーマンス検査とは対照的に、そうした質測定的パラメータは、「どのようにして」神経系が、特定のタスクの間に機能し、または遂行するかを測定する。よって、本明細書において参照される質測定的パラメータは通常、タスクを実行することが可能な質についての尺度であり、たとえば、実行されたタスクの正確性、およびタスクまたは一連の反復タスクを遂行するのに必要な時間に基づく。よって、質測定的パラメータは通常、タスクの持続時間または反復タスクのパフォーマンス間の時間差などの時間パラメータ、または速度などの、時間に依存するパラメータである場合があり、または、運動の正確度を表すパラメータである場合がある。質測定的パラメータがそれから、本発明によって導き出すことが可能なその特定の認知および／または微細な運動アクティビティは、本明細書における他の箇所でより詳細に列挙される。
「少なくとも１つの」の用語は、質測定的アクティビティパラメータ等、１つ以上のパラメータを意味し、発明に基づいて特定され得る、すなわち、少なくとも２個、少なくとも３個、少なくとも４個、少なくとも５個、少なくとも６個、少なくとも７個、少なくとも８個、少なくとも９個、少なくとも１０個、もしくはそれ以上の数の異なるパラメータであり得る。従って、本発明の方法に基づいて特定され得る異なるパラメータの数に制限はないが、典型的に、特定されるアクティビティの測定のデータセット毎に１つから３つのパラメータがある。
「アクティビティの測定のデータセット」の用語は、原則的に、アクティビティの測定時に対象者からモバイルデバイスによって取得されたデータの全体、または質測定的アクティビティパラメータを導き出すために有用なデータの任意のサブセットを言う。詳細については、本明細書中に見られる。特に、本発明に基づいて使用される「認知および／または微細な運動アクティビティの測定のデータセット」に関連するアクティビティの測定は、本明細書中に詳細に記載されるように、情報処理速度（ＩＰＳ）検査、モバイルデバイスのセンサ面上で行われるピンチング検査、および／または、Ｕターン検査（ＵＴＴ）、２分間歩行検査（２ＭＷＴ）、静的平衡検査（ＳＢＴ）、受動的なモニタリングからの継続的歩行分析（ＣＡＧ）の実行時のデータセットの測定を含む。典型的に、それぞれの検査によって測定される認知および／または微細な運動アクティビティは、注意、情報処理速度、視覚走査、および／または手の運動アクティビティである。データセットは既存のデータセットであり、これは、本発明の方法が通常、対象者からのデータ取得を必要としないことを意味している。
以下では、特定の見込まれるアクティビティ検査、および本発明の方法に基づきモバイルデバイスによって測定するための手段について詳述する。
（１）コンピュータで実現される情報処理速度（ＩＰＳ）検査からの認知質測定的アクティビティパラメータ
情報処理速度検査の目的は、持続的注意、視覚スキャン、および近時記憶を含む反復的な視覚置換タスクの根底をなす主要神経認知機能の障害を検出することである。この場合における情報処理は、続くアウトプット、すなわちスマートフォンのタッチスクリーン上のキーを押すことによる応答へと拡張する感覚系への視覚情報のインプットから始まる異なる複数のステップステップからなる。このプロセスにおける主なステップは、（１）求心性視覚感覚情報の伝達、（２）認知置換タスクの完成、および（３）遠心性運動アウトプットの実行である（Ｃｏｓｔａ ２０１７）。
記号数字モダリティ検査（ＳＤＭＴ， Ｓｍｉｔｈ １９６８， １９８２）または処理速度検査（ＰＳＴ， Ｒａｏ ２０１７）は、全体検査パフォーマンスにおける、反応時間または運動アウトプット時間の相対的な重み付けの測定を説明するものではない。ＩＰＳ検査は、別々に測定された、反応時間、視覚処理時間、および運動アウトプット時間を全体パフォーマンスから減算することにより、記号／数字置換タスクの速度の具体的な評価を可能にするために本発明に従って開発された。
ＩＰＳ検査の記号セットは、単純な設計手法に従った抽象的な異なる９つの記号からなり、これらは９つのキー、すなわち、数字１～９に割り当てられている。
参加者の反応時間、および遠心性運動アウトプットを生み出すのに要する時間を明らかにするために、記号／数字置換タスク後に、１５秒の数字／数字マッチング検査が行われる。数字は、先行する置換タスクにおける記号として数字についてのアナログのローテーション方式で提示され、同じユーザインターフェイスに埋め込まれる。
ＩＰＳ検査の記号／数字置換タスクの場合、１２０の抽象的な記号が、最大合計で９０秒の間に連続して表示される。１～９のそれらのそれぞれのマッチングする数字とともに９つの記号を示す凡例キー（３つ以上のバージョンのラウンドロビン循環）が参照のために傍らに表示される。検査参加者には、９０秒間にスマートフォンスクリーン上の数字キーパッド上でできる限り速く、マッチングするキーを反復する記号毎に打つことにより、できる限り多くの正しい応答を提供させる。
記号マッチングおよびベースライン検査に対する正しい応答の数が患者に向けて表示される。
典型的な認知質測定的アクティビティパラメータは、持続的注意、視覚スキャン、および近時記憶を含む反復的な視覚置換タスクの根底をなす主要神経認知機能の障害を検出し、および測定することを目的とする情報処理速度（ＩＰＳ）検査から導き出すことが可能である。数字から記号への置換タスクは、軽度認知障害の状態における脳萎縮との相関があることが知られており、および、（ＳＤＭＴ （Ｓｍｉｔｈ １９６８， １９８２）またはＰＳＴ（Ｒａｏ ２０１７）などの同様の検査とは異なり、）モバイルデバイス上で行われるＩＰＳ検査は、視覚処理および運動実行時間の影響について調節する間に、認知置換タスクのパフォーマンスを別個に計測することを可能にする。
典型的な認知の質測定的アクティビティパラメータは、ＩＰＳ検査から導き出され、認知の完全性を測定する検査内変動を反映する連続結果変数として捉えられ、この認知の質測定的アクティビティパラメータは、
１）（ｎ－１からの）応答前の経過時間
２）（ｎ－１からの）正しい応答前の経過時間
３）（ｎ－１からの）誤応答前の経過時間
４）（先行する正しい応答からの）正しい応答間の経過時間
５）（先行する誤応答からの）誤応答間の経過時間
６）作業記憶およびタスク内の学習を評価するために、記号のシーケンスが修正される場合の、特定の記号または記号クラスタに適用されたパラメータ１）、２）、３）
からなる群から選択される。
これらの質測定的パラメータの1つまたは複数は、本発明によって判定することが可能であると理解されよう。通常、これらのパラメータの１つ、２つ、３つ、または全てが判定されるものである。
より典型的には、関心のある、ＩＰＳ検査によって導き出される質測定的パラメータは、以下のリストの１つまたは複数である：
１．正しい応答の数
ａ．９０秒間における全体的な正しい応答（ＣＲ）の合計数
ｂ．時間０～３０秒までの正しい応答数（ＣＲ0-30）
ｃ．時間３０～６０秒までの正しい応答数（ＣＲ30-60）
ｄ．時間６０～９０秒までの正しい応答数（ＣＲ60-90）
ｅ．時間０～４５秒までの正しい応答数（ＣＲ0-45）
ｆ．時間４５～９０秒までの正しい応答数（ＣＲ45-90）
ｇ．時間ｉ～ｊ秒までの正しい応答数（ＣＲi-j）。ここで、ｉ、ｊは、１～９０秒の間であり、ｉ＜ｊである。
２．エラー数
ａ．９０秒間におけるエラー（Ｅ）の合計数
ｂ．時間０～３０秒までのエラーの数（Ｅ0-30）
ｃ．時間３０～６０秒までのエラーの数（Ｅ30-60）
ｄ．時間６０～９０秒までのエラーの数（Ｅ60-90）
ｅ．時間０～４５秒までのエラーの数（Ｅ0-45）
ｆ．時間４５～９０秒までのエラーの数（Ｅ45-90）
ｇ．時間ｉ～ｊ秒までのエラーの数（Ｅi-j）。ここで、ｉ、ｊは、１～９０秒の間であり、ｉ＜ｊである。
３．応答の数
ａ．９０秒間の応答の総数（Ｒ）
ｂ．時間０から３０秒までの応答の数（Ｒ0-30）
ｃ．時間３０から６０秒までの応答の数（Ｒ30-60）
ｄ．時間６０から９０秒までの応答の数（Ｒ60-90）
ｅ．時間０から４５秒までの応答の数（Ｒ0-45）
ｆ．時間４５から９０秒までの応答の数（Ｒ45-90）
４．正解率
ａ．９０秒に亘っての平均正解率（ＡＲ）：ＡＲ＝ＣＲ／Ｒ
ｂ．時間０から３０秒までの平均正解率（ＡＲ）：ＡＲ0-30＝ＣＲ0-30／Ｒ0-30
ｃ．時間３０から６０秒までの平均正解率（ＡＲ）：ＡＲ30-60＝ＣＲ30-60／Ｒ30-60
ｄ．時間６０から９０秒までの平均正解率（ＡＲ）：ＡＲ60-90＝ＣＲ60-90／Ｒ60-90
ｅ．時間０から４５秒までの平均正解率（ＡＲ）：ＡＲ0-45＝ＣＲ0-45／Ｒ0-45
ｆ．時間４５から９０秒までの平均正解率（ＡＲ）：ＡＲ45-90＝ＣＲ45-90／Ｒ45-90
５．作業終了時の疲労指数
ａ．ラスト３０秒でのスピード疲労指数（ＳＦＩ）：ＳＦＩ60-90＝ＣＲ60-90／ｍａｘ（ＣＲ0-30，ＣＲ30-60）
ｂ．ラスト４５秒でのＳＦＩ：ＳＦＩ45-90＝ＣＲ45-90／ＣＲ0-45
ｃ．ラスト３０秒での正解疲労指数（ＡＦＩ）：ＡＦＩ60-90＝ＡＲ60-90／ｍａｘ（ＡＲ0-30，ＡＲ30-60）
ｄ．ラスト４５秒でのＡＦＩ：ＡＦＩ45-90＝ＡＲ45-90／ＡＲ0-45
６．連続した正しい応答の最長の最長シーケンス
ａ．９０秒での連続した正しい応答（ＣＣＲ）全体の最長のシーケンスの中での正しい応答の数
ｂ．時間０～３０秒における連続した正しい応答（ＣＣＲ0-30）の最長のシーケンスの中での正しい応答の数
ｃ．時間３０～６０秒における連続した正しい応答（ＣＣＲ30-60）の最長のシーケンスの中での正しい応答の数
ｄ．時間６０～９０秒における連続した正しい応答（ＣＣＲ60-90）の最長のシーケンスの中での正しい応答の数
ｅ．時間０～４５秒における連続した正しい応答（ＣＣＲ0-45）の最長のシーケンスの中での正しい応答の数
ｆ．時間４５～９０秒における連続した正しい応答（ＣＣＲ45-90）の最長のシーケンスの中での正しい応答の数
７．応答間の時間ギャップ
ａ．２つの連続した応答の間のギャップ（Ｇ）時間の連続変数分析
ｂ．９０秒に亘っての、２つの連続した応答の間に経過した最大ギャップ（ＧＭ）時間
ｃ．時間０～３０秒の、２つの連続した応答の間に経過した最大ギャップ時間（ＧＭ0-30）
ｄ．時間３０～６０秒の、２つの連続した応答の間に経過した最大ギャップ時間（ＧＭ30-60）
ｅ．時間６０～９０秒の、２つの連続した応答の間に経過した最大ギャップ時間（ＧＭ60-90）
ｆ．時間０～４５秒の、２つの連続した応答の間に経過した最大ギャップ時間（ＧＭ0-45）
ｇ．時間４５～９０秒の、２つの連続した応答の間に経過した最大ギャップ時間（ＧＭ45-90）
８．正しい応答間の時間ギャップ
ａ．２つの連続した正しい応答の間のギャップ（Ｇｃ）時間の連続変数分析
ｂ．９０秒に亘っての、２つの連続した正しい応答の間に経過した最大ギャップ（ＧｃＭ）時間
ｃ．時間０～３０秒の、２つの連続した正しい応答の間に経過した最大ギャップ時間（ＧｃＭ0-30）
ｄ．時間３０～６０秒の、２つの連続した正しい応答の間に経過した最大ギャップ時間（ＧｃＭ30-60）
ｅ．時間６０～９０秒の、２つの連続した正しい応答の間に経過した最大ギャップ時間（ＧｃＭ60-90）
ｆ．時間０～４５秒の、２つの連続した正しい応答の間に経過した最大ギャップ時間（ＧｃＭ0-45）
ｇ．時間４５～９０秒の、２つの連続した正しい応答の間に経過した最大ギャップ時間（ＧｃＭ45-90）
９．ＩＰＳ検査中に得られる微細な指運動スキル機能パラメータ
ａ．９０秒に亘って応答をタイプしている間におけるタッチスクリーンへの接触時間（Ｔｔｓ）、タッチスクリーン接触（Ｄｔｓ）と最も近い標的数字キーの中心とのずれ、および誤タイプされたタッチスクリーン接触（Ｍｔｓ）（すなわち、キー打ちを開始させない接触もしくはキー打ちを開始させる接触ではなく、スクリーン上の二次スライドに関連付けられる）の連続変数分析
ｂ．０秒から３０秒の間のそれぞれの基準時点数の変数：Ｔｔｓ0-30、Ｄｔｓ0-30、Ｍｔｓ0-30
ｃ．３０秒から６０秒の間のそれぞれの基準時点数の変数：Ｔｔｓ30-60、Ｄｔｓ30-60、Ｍｔｓ30-60
ｄ．６０秒から９０秒の間のそれぞれの基準時点数の変数：Ｔｔｓ60-90、Ｄｔｓ60-90、Ｍｔｓ60-90
ｅ．０秒から４５秒の間のそれぞれの基準時点数の変数：Ｔｔｓ0-45、Ｄｔｓ0-45、Ｍｔｓ0-45
ｆ．４５秒から９０秒の間のそれぞれの基準時点数の変数：Ｔｔｓ45-90、Ｄｔｓ45-90、Ｍｔｓ45-90
１０．単一の記号もしくは記号の集合によるパフォーマンスの記号特定分析
ａ．９つの記号の個々およびそれら全てについて考えられる集合の組み合わせのＣＲ
ｂ．９つの記号の個々およびそれら全てについて考えられる集合の組み合わせのＡＲ
ｃ．９つの記号の個々およびそれら全てについて考えられる集合の組み合わせの記録された応答に対する以前の応答からのギャップ時間（Ｇ）
ｄ．個別の９つの記号および個別の９つの数字応答についての誤った代入のタイプを探索することによる正しい応答における優先度を認識するためのパターン分析
１１．学習および認知予備力分析
ａ．連続したＩＰＳ検査の実施間のＣＲ（♯９に記載のように全体および記号特定）におけるベースラインからの変化（ベースラインは、最初の２回の検査の実施からの平均パフォーマンスとして定義される）
ｂ．連続したＩＰＳ検査の実施間のＡＲ（♯９に記載のように全体および記号特定）におけるベースラインからの変化（ベースラインは、最初の２回の検査の実施からの平均パフォーマンスとして定義される）
ｃ．連続したＩＰＳ検査の実施間の平均ＧおよびＧＭ（♯９に記載のように全体および記号特定）におけるベースラインからの変化（ベースラインは、最初の２回の検査の実施からの平均パフォーマンスとして定義される）
ｄ．連続したＩＰＳ検査の実施間の平均ＧｃおよびＧｃＭ（♯９に記載のように全体および記号特定）におけるベースラインからの変化（ベースラインは、最初の２回の検査の実施からの平均パフォーマンスとして定義される）
ｅ．連続したＩＰＳ検査の実施間のＳＦＩ60-90およびＳＦＩ45-90におけるベースラインからの変化（ベースラインは、最初の２回の検査の実施からの平均パフォーマンスとして定義される）
ｆ．連続したＩＰＳ検査の実施間のＡＦＩ60-90およびＡＦＩ45-90におけるベースラインからの変化（ベースラインは、最初の２回の検査の実施からの平均パフォーマンスとして定義される）
ｇ．連続したＩＰＳ検査の実施間のＴｔｓにおけるベースラインからの変化（ベースラインは、最初の２回の検査の実施からの平均パフォーマンスとして定義される）
ｈ．連続したＩＰＳ検査の実施間のＤｔｓにおけるベースラインからの変化（ベースラインは、最初の２回の検査の実施からの平均パフォーマンスとして定義される）
ｉ．連続したＩＰＳ検査の実施間のＭｔｓにおけるベースラインからの変化（ベースラインは、最初の２回の検査の実施からの平均パフォーマンスとして定義される）
さらなる一実施形態では、ＩＰＳ検査は、ベースライン、認知および情報処理速度、ならびに眼球運動および運動機能の質測定的アクティビティパラメータを判定するために適用される。それにより、モバイルデバイス上でタスクを行うための応答時間を分析することができ、応答に関係している神経系の個々の部位の寄与度を判定することが可能である。従来のＳＤＭＴにおいて、疾患によって影響が及ぼされた神経系の部位または機能は、影響が及んでいない部位または機能によって補われ得ることが明らかになっているので、このことは特に有利である。それにより、ＳＤＭＴデータに基づいて偽陰性診断がなされる場合がある。たとえば、ＭＳなどの疾患を罹患している患者は、優れた認知および情報処理速度により、悪い手運動パフォーマンスを補うことができる。ＳＤＭＴタスクを行うための全体応答時間を測定する場合、そうした患者は、上記疾患を罹患していても、健常対象者よりも悪くないか、または健常対象者よりもわずかに悪いに過ぎない場合がある。
したがって、さらなる一実施形態では、本発明の方法に従って分析される対象の認知の質測定的アクティビティパラメータは、コンピュータで実現されるＩＰＳ検査から導き出すことができる。
ステップｉ）では、コンピュータで実現されるＩＰＳ検査は、タスクを行う対象者になじみのない検査記号（たとえば、単純でない数字または記号）を使用した記号マッチングタスクのための応答時間を測定することにより、情報処理速度を判定する。ＩＰＳ検査に有用な検査記号は、典型的には、文字または数学的概念とほとんど類似性を示さず、したがって、文化的背景、読み書き能力、または教育水準などの影響に対して無関係でもあるべきである。そうした検査記号はしたがって、小児、または低い教育水準を有する対象者（すなわち、非識字者）にも使用することが可能である。さらに、視覚認識を改善するために、検査記号は、詳細がより少ない単純なデザイン原理に従うべきである。より一般的には、記号は、読む方向に対して平行なミラー軸、または読む方向に対して直交するミラー軸の両側において特徴的な特性（たとえば、左右、上下の特性）を有する記号対として、または、回転対称性を有するもの、方向性を有するもの、または特徴的なエッジを有するものなどの認識可能な単一の記号としてデザインされてもよい。典型的な検査記号は、以下の付随する例において説明し、示す。
検査は、通常、検査記号と、単純な数字または文字などの他の単純な記号に対して、検査中に示される異なる検査記号を割り当てた凡例とを、ディスプレイ上で対象者に示すことによって行われる。これらの単純な数字または他の単純な記号は、検査を行う対象者が、検査記号に対して割り当てられた単純な数字または単純な記号を有するキーを押すことが可能であるようにキーパッド上にも存在している。このタスクについてのＩＰＳ検査における応答時間は、反応時間、手運動アウトプットのための処理時間および認知情報処理のための時間に依存することが理解される。
前述した、ＩＰＳ検査のステップｉ）では、各シーケンスが少なくとも６つの異なる検査記号についてのマッチングタスクによって構成された固定の検査記号マッチングシーケンスの反復を行うことができる。検査記号マッチングシーケンスは、６つより多い、典型的には、７つ、８つ、または９つの異なる検査記号も備え得る。
通常、上記反復に続いて、新たなランダム化記号マッチングシーケンスが行われる。最初と最後の反復間の応答時間における改善は、対象者の認知学習能力または標準検査応答時間およびランダム化記号マッチングシーケンス実行における応答時間を示す。典型的には、検査記号マッチングシーケンスの少なくとも２つ、少なくとも３つ、少なくとも４つの反復が行われ、より典型的には、３つの検査記号マッチングシーケンスが行われる。さらに、反復中に、典型的には、検査記号マッチングは、標準的な臨床ＳＤＭ検査におけるものとして行うことができる。典型的には、記号の凡例、記号の大きさ、キーパッド、およびＩＰＳ検査を行うために使用されるモバイルデバイス上に表示される他のパラメータは、情報処理速度に関係のない感覚的影響を回避するために、寸法、外観、コントラスト等に関して一定の状態に保たれる。自動化されたＩＰＳ検査の実現の典型例は、さらに下の例において説明している。
ステップii）におけるＩＰＳ検査は、ベースライン応答時間を測定することにより、ベースライン情報処理速度を判定する。典型的には、上記ベースライン応答時間は、単純な数字または記号を、モバイルデバイスのキーパッド上のマッチングする単純な数字または記号に対してマッチングするための時間を測定することにより、一実施形態において判定することが可能である。より典型的には、検査を行う個人が、実質的な認知遅滞なしでマッチングを行うことが可能となるように、単純な数字または記号が選択される。より一般的には、０～９の数字を単純な数字として用いることができる。単純な数字または記号のマッチングを使用したベースライン応答時間は主に、手運動アウトプットのための処理時間および反応時間に依存する。認知タスクは、小さな役割しか果たさず、ベースライン応答時間に大きく寄与する訳でない。それにより、その後のステップにおいて判定される情報処理速度は、反応時間、手運動アウトプットのための処理時間および認知情報処理のための時間にデコンボリューション（de-convoluted）され得る。上記ステップｉ）は、ステップii）の前または後に行うことが可能であることが理解されよう。
よって、本発明の方法によって分析される対象の認知の質測定的アクティビティパラメータを取得するために使用されるモバイルデバイス上で実行される、コンピュータで実現されるＩＰＳ検査において、反応時間、手運動アウトプットのための処理時間および認知情報処理のための時間を含むタスク（キーパッド上のそれぞれのキーを押すことにより、単純な数字、または文字などの他の単純な記号に対して、検査中に示される異なる検査記号を割り当てる凡例に対して上述されたような単純でない異なる検査記号をマッチングする検査）と、反応時間および手運動アウトプットのための処理時間を含むタスク（ベースラインタスク。典型的には、キーパッド上のマッチングする単純な数字または記号に対して単純な数字または記号をマッチングするベースラインタスク）との間の応答時間における差が、本発明の方法によって分析される対象のデータセットの一部である１つの認知の質測定的アクティビティパラメータとして判定される。さらに、ＩＰＳ検査は、同一の検査記号マッチングシーケンスの反復の最後において検査タスクを行うために必要な応答時間と、ランダム化された記号マッチングシーケンスランを行うのに必要な応答時間とを比較することにより、学習能力を判定することも目的としている。
よって、本発明の方法の一実施形態において、検査対象者において情報処理速度（ＩＰＳ）の評価を自動的に行う、コンピュータで実現される方法であって、
ｉ）感覚伝達、認知および運動アウトプットのアクティビティについての少なくとも１つの第１の質測定的アクティビティパラメータと、検査対象者から得られる認知眼球運動のアクティビティの測定を含む、認知および／または微細な運動アクティビティの測定の既存のデータセットにおける感覚伝達および運動アウトプットのアクティビティについての少なくとも１つの第２の質測定的アクティビティパラメータとを判定するステップと、
ii）上記第１の質測定的アクティビティパラメータおよび上記第２の質測定的アクティビティパラメータを互いに比較することにより、認知についての少なくとも１つの第３の質測定的アクティビティパラメータを判定するステップと、
iii）少なくとも第１の質測定的アクティビティパラメータ、第２の質測定的アクティビティパラメータ、および第３の質測定的アクティビティパラメータに基づいて、対象者における情報処理速度の評価を行うステップと、
iv）本発明の方法のステップａ）における認知および／または微細な運動アクティビティについての質測定的活動パラメータとして、上記情報処理速度を提供するステップとを含む。
本明細書において使用される「情報処理速度」との語は、情報処理の速度を示す神経学的パラメータを表す。この場合における情報処理は、感覚系への視覚情報のインプットから開始され、次にアウトプット、すなわち、スマートフォンタッチスクリーン上のキーを押すことによる応答へとつながる異なるステップにより構成されている。このプロセスにおける主なステップは、（１）求心性視覚感覚情報の伝達、すなわち感覚伝達、（２）認知置換タスクの完成、すなわち、認知情報処理、および（３）遠心性運動アウトプットの実行、すなわち、手運動のアウトプットである。情報処理速度は、本明細書における他の箇所で具体的に言及したものを含む神経学的疾患または障害に関連付けられた認知機能障害によって影響を受ける場合があり、または、対象者の認知能力についての指標であり得る。
「情報処理速度の評価を行う」との語は、認知および／または微細な運動アクティビティについての質測定的パラメータとしての、対象者における情報処理速度の評価を行うステップを表す。上記語は、情報処理速度の絶対的および相対的判定を含む。絶対的判定は通常、対象者における情報処理速度の実際の速度を示すパラメータの判定である一方、相対的判定は通常、基準に対する、たとえば、対象者における、先行して判定された情報処理速度に対する、または、基準対象者またはその群における情報処理速度に対する情報処理速度の判定である。本明細書において参照されるように、情報処理速度は、通常、本発明の方法によって判定される対象の少なくとも１つの第１の、第２の、および第３のアクティビティパラメータによって反映される、３つの主な要因、求心性視覚感覚情報の伝達、すなわち感覚伝達、認知置換タスクの完成、すなわち、認知情報処理、および、遠心性運動アウトプットの実行、すなわち、手運動アウトプットの評価を含む。
通常、上記第１の、第２の、および／または第３の質測定的アクティビティパラメータは、タスクを完了するのに必要なパフォーマンス時間などの時間パラメータ、または速度における改善または速度における悪化などの、タスクを行う際の速度における変化を示す時間パラメータである。
一実施形態では、それにより、認知についての少なくとも１つの第３の質測定的アクティビティパラメータは、上記第１の質測定的パラメータと上記第２の質測定的パラメータを互いに比較することによって判定することが可能である、すなわち、判定されたアクティビティパラメータは、反応時間、手運動アウトプットのための処理時間および認知情報処理のための時間に、上記ベースライン応答時間によってデコンボリューションされ得る。デコンボリューションの場合、何れの適切な数学的演算を使用してもよい。たとえば、少なくとも１つの第３のパラメータは、少なくとも１つの第１の質測定的アクティビティパラメータから少なくとも第２の質測定的アクティビティパラメータを減算することによって提供されてもよい。同等の性質の第１の、および第２のパラメータ、たとえば、第１および第２の時間パラメータ、時間パラメータの第１および第２の比率、または第１および第２のスコアパラメータ等が使用されることが理解されよう。
よって、分析される対象の質測定的アクティビティパラメータを取得するために使用されるモバイルデバイス上で実行される、コンピュータで実現される方法において、反応時間、手運動アウトプットのための処理時間および認知情報処理のための時間を含むタスク（キーパッド上のそれぞれのキーを押すことにより、単純な数字、または文字などの他の単純な記号に対して、検査中に示される異なる検査記号を割り当てる凡例に対して上述されたような単純でない異なる検査記号をマッチングする検査）と、反応時間および手運動アウトプットのための処理時間を含むタスク（ベースラインタスク。典型的には、キーパッド上のマッチングする単純な数字または記号に対して単純な数字または記号をマッチングするベースラインタスク）との間の応答時間における差は、１つの認知の質測定的アクティビティパラメータとして判定される。さらに、ＩＰＳ検査は、同一の検査記号マッチングシーケンスの反復の最後において検査タスクを行うために必要な応答時間と、ランダム化された記号マッチングシーケンスランを行うのに必要な応答時間とを比較することにより、学習能力を判定することも目的としている。通常、この時間比較は、本発明の方法による質測定的アクティビティパラメータとしても判定することができる。
よって、本発明は、第１の記号マッチングタスクと、同一の記号マッチングタスクの１つまたは複数の反復（典型的には４つの反復）後の記号マッチングタスクとについての眼球運動のアクティビティの測定のデータセットに対してステップａ）～ｃ）を行うステップと、上記第１の眼球運動のアクティビティの測定のデータセットと、反復後に得られるデータセットについての評価が行われる情報速度処理における差を判定するステップとを備える、情報処理速度の評価を行う方法も提供する。速度における差は、対象者の認知学習能力についての指標である。速度における改善は、通常のまたは改善された認知能力についての指標である一方、悪化は認知障害についての指標である。
本明細書において使用される「眼球運動のアクティビティの測定のデータセット」との語は、認知眼球運動のアクティビティの測定中に対象者からモバイルデバイスによって取得されたデータ全体、または、質測定的アクティビティパラメータを導き出すために有用な上記データの何れかの部分集合を表す。詳細は、本明細書における他の箇所にも記載されている、特に、本発明によって使用される「認知眼球運動のアクティビティの測定のデータセット」との語に関するアクティビティ測定は、以下の付随する例において説明されるような情報処理速度（ＩＰＳ）検査のパフォーマンス中のデータセットの測定を含む。データセットは既存のデータセットであり、これは、本発明の方法が通常、対象者からのデータ取得を必要としないことを意味する。
とりわけ、上述したような認知の質測定的アクティビティパラメータは、モバイルデバイスから取得され、および、認知アクティビティの少なくとも１つの定性的特徴におけるパフォーマンス変動の単一の尺度、または複合的な尺度を含む他の認知検査から導き出すことが可能である。
（２）微細な運動能力、特に手／腕運動機能を評価する（微細な運動の評価）、特に、タッチスクリーンベースの「形状描画」および「ピンチング」検査などの、コンピュータで実現される検査からの手／腕機能の質測定的アクティビティパラメータ。
典型的な手／腕機能の質測定的パラメータは、「形状描画」検査および「ピンチング」検査から導き出すことが可能である。
さらに他の実施形態において、モバイルデバイスは、微細な運動の評価および特に手／腕アクティビティ検査を実施もしくはそこからデータを取得するように適合される。手先の器用さ（手運動機能）は、手および指の動作を整合させるとともに適時に対象物を操作する個人のパフォーマンスを特徴付ける。手先の器用さは、日々の活動、仕事に関連するタスクの完了、およびレジャーアクティビティへの参加における対象者のパフォーマンスに大きく影響を与える。
手先の器用さは、運動、認知、感覚、および感情面の機能を測定する簡潔でありながら包括的な手段を開発したNIH Blueprint for Neuroscience Researchの提案の一部として、神経および行動機能の評価のための国立衛生研究所ツールボックス（ＮＩＨ）ツールボックスを組み入れるための中心的構成として２００７年に確認された。既存の測定手段を検討した後、専門家は、ＮＩＨツールボックスに将来的に含むべき手先の器用さの測定手段の候補として、１）９ホールペグ検査（９ＨＰＴ）および２）グルーブドペグボード検査（ＧＰＴ）の２つの測定手段を推奨している。これは、これらの検査が、寿命にわたる適用可能性、心理的健常性、簡潔性（１回の試験にかかる完了時間が比較的短い）、および多様な設定における適用可能性を有するためである。
主として、９ＨＰＴは、最も多くの組み入れ基準を満たしており、すべての年齢のグループ、特に若い子供に対する検査の実施が容易であることから選択された。９ホールペグ検査の実施にかかる時間は、ＮＩＨツールボックスへの組入に必要とされるように、短いものである（両手の測定について５分未満）。既存の文献では、９ＨＰＴは、信頼性の高い有効な指の器用さを測定する手段であり、様々な診断群（すなわち、多発性硬化症、発作、脳性小児麻痺、小脳障害、およびパーキンソン病）における手の器用さを評価することができるものとして、支持されている。
９ＨＰＴの規範的データは、子供および高齢の大人を含む年齢層にわたって公開され、９０年代後期からは、９ＨＰＴは、多発性硬化症機能評価（ＭＳＦＣ）スケールからの機能的上肢評価の主要な構成要素を表す。
また、本発明に基づき、ユーザフレンドリーなモバイルデバイスインターフェイス上に、神経障害における手運動機能の遠隔自己評価を可能にするための９ＨＰＴおよびＧＰＴの特徴を複製することを目的とし、２つのタッチスクリーンベースのアプリケーション検査、すなわち「形状描画」および「ピンチング」検査が開発された。「形状描画」および「ピンチング」検査は、上肢運動機能および手先の器用さ（摘む、描画する）を評価するとともに、上肢神経系の錐体路、錐体外路、感覚、および小脳構成要素における変化および異常のみならず、上肢機能の神経筋および筋性の改変に対しても感度が高い。これらの検査は、典型的に、日毎に行われるが、代替的により低い頻度（例えば、週毎もしくは２週毎）に行うこともできる。
「形状描画」検査の目的は、良好な指の制御および脳卒中シーケンスを評価することにある。検査は、振戦、痙攣、および損なわれた手と目の整合等の損なわれた手運動機能の側面をカバーするものと考えられる。患者は、検査されていない手でモバイルデバイスを持ち、例えば３０秒の最長時間内に「出来るだけ早く正確に」検査される手の第二指を用いて複雑さが増加する（線形、矩形、円形、正弦、および螺旋（下記参照））６つの事前に書かれた変化する形状をモバイルデバイスのタッチスクリーン上に描画するように指示される。形状を上手く描画するためには、患者の指は、タッチスクリーン上で継続的にスライドし、全ての示されたチェックポイントを通過するとともに出来るだけ描画軌跡の境界内に維持して示された開始点と終了点とを繋がなければならない。
２つの線形形状はそれぞれ、接続されるべき５つのチェックポイント、すなわち４つのセグメントを有する。四角形状は、接続されるべき９つのチェックポイント、すなわち８つのセグメントを有する。円形形状は、接続されるべき１４のチェックポイント、すなわち１３のセグメントを有する。８の字形状は、接続されるべき１３のチェックポイント、すなわち１２のセグメントを有する。らせん形状は、接続されるべき２２のチェックポイント、すなわち２１のセグメントを有する。６つの形状を完成することはその場合、合計６２のセグメントを成功裏に描くことを示唆している。
描画の正確度と、形状を描画するのに使用された時間は、患者へ報告される。さらに、作成された図の合計長さが報告され、およびなじみのある物体で描画される（たとえば、犬、馬、および建物）。
試験は、右手と左手で交互に行われる。ユーザは、日毎に変更するように指示される。２つの線型形状は、各々が特定数「ａ」個の繋がれるチェックポイント、すなわち、「ａ－１」個のセグメントを有する。正方形形状は、特定数「ｂ」個の繋がれるチェックポイント、すなわち、「ｂ－１」個のセグメントを有する。円形形状は、特定数「ｃ」個の繋がれるチェックポイント、すなわち、「ｃ－１」個のセグメントを有する。８の字形状は、特定数「ｄ」個の繋がれるチェックポイント、すなわち、「ｄ－１」個のセグメントを有する。螺旋形状は、特定数「ｅ」個の繋がれるチェックポイント、「ｅ－１」個のセグメントを有する。６つの形状を完成させることにより、合計で「（２ａ＋ｂ＋ｃ＋ｄ＋ｅ＋６）」個のセグメントを上手く描画できている事を示している。
形状の複雑さに基づき、線形および正方形形状には１の荷重係数（Ｗｆ）が関連付けられ、円形および正弦形状には２の荷重係数が関連付けられ、螺旋形状には３の荷重係数が関連付けられる。２回目の試みで上手く完成した形状は、０．５の荷重係数が関連づけられる。これらの荷重係数は、本発明において変更することができる数値例である。
典型的な、関心の形状描画検査の質測定的パラメータは、以下のリストのうちの１つまたは複数である：
１ 形状完了パフォーマンススコア：
ａ 成功裏に完了した形状の数（０～６）（ΣＳｈ）（検査毎）
ｂ １回目の試行で成功裏に完了した形状の数（０～６）（ΣＳｈ1）
ｃ ２回目の試行で成功裏に完了した形状の数（０～６）（ΣＳｈ2）
ｄ 全ての試行での失敗／未完了形状（０～１２）（ΣＦ）
ｅ 異なる複雑度に対する重み付け係数で調整した成功裏に完了した形状の数を反映する形状完了スコア（０～１０）（Σ［Ｓｈ＊Ｗｆ］）
ｆ 異なる複雑度に対する重み付け係数で調整した成功裏に完了した形状の数を反映し、（１回目の試行での成功）対（２回目の試行での成功）に相当する形状完了スコア（０～１０）（Σ［Ｓｈ1＊Ｗｆ］＋Σ［Ｓｈ2＊Ｗｆ＊０．５］）
ｇ ＃１ｅおよび＃１ｆで定義された形状完了パフォーマンススコアは、３０／ｔで乗算された場合、速度に相当し得、ｔは検査完了時間（秒）を表す。
ｈ 特定期間内の複数の検査に基づいた、６つの個々の形状毎の、全体の完了率および１回目の試行での完了率：（ΣＳｈ1）／（ΣＳｈ1＋ΣＳｈ2＋ΣＦ）および（ΣＳｈ1＋ΣＳｈ2）／（ΣＳｈ1＋ΣＳｈ2＋ΣＦ）
２ セグメント完了および敏速性パフォーマンススコア／測定：（該当する場合、形状毎の２回の試行の最善結果［完了済セグメントの最高数］に基づいた分析）
ａ 成功裏に完了したセグメントの数（０～［２ａ＋ｂ＋ｃ＋ｄ＋ｅ－６］）（ΣＳｅ）（検査毎）
ｂ 成功裏に完了したセグメントの平均敏速性（［Ｃ］、セグメント／秒）：Ｃ＝ΣＳｅ／ｔ、ｔは検査完了時間（秒）を表す（最大３０秒）。
ｃ 異なる複雑度に対する重み付け係数で調整した成功裏に完了したセグメントの数を反映するセグメント完了スコア（形状毎）（Σ［Ｓｅ＊Ｗｆ］）
ｄ 速度調整され、重み付けされたセグメント完了スコア（Σ［Ｓｅ＊Ｗｆ］＊３０／ｔ）、ｔは検査完了時間（秒）を表す。
ｅ 直線状の形状および正方形の形状について成功裏に完了したセグメントの形状特有数（ΣＳｅLS）
ｆ 円形の形状および正弦曲線の形状について成功裏に完了したセグメントの形状特有数（ΣＳｅCS）
ｇ らせん状の形状について成功裏に完了したセグメントの形状特有数（ΣＳｅS）
ｈ 直線状の形状および正方形の形状の検査において行われた、成功裏に完了したセグメントの形状特有の直線状の形状の平均敏速性：ＣL＝ΣＳｅLS／ｔ、ｔは、これらの特定の形状内の、成功裏に完了した対応するセグメントの開始点から終了点までに経過した累積の基準時点タイム（秒）を表す。
ｉ 円形の形状および正弦曲線の形状の検査において行われた、成功裏に完了したセグメントの形状特有の円形の形状の平均敏速性：ＣC＝ΣＳｅCS／ｔ、ｔは、これらの特定の形状内の、成功裏に完了した対応するセグメントの開始点から終了点までに経過した累積の基準時点タイム（秒）を表す。
ｊ らせん状の形状の検査において行われた、成功裏に完了したセグメントの形状特有のらせん状の形状の平均敏速性：ＣS＝ΣＳｅS／ｔ、ｔは、これらの特定の形状内の、成功裏に完了した対応するセグメントの開始点から終了点までに経過した累積の基準時点タイム（秒）を表す。
３ 描画精度パフォーマンススコア／測定：
（該当する場合、形状毎の２回の試行の最善結果［完了済セグメントの最高数］に基づいた分析）
ａ 特定の形状毎に到達した開始チェックポイントから終了チェックポイントまでの目標描写経路と描写済軌道との間の統合表面偏差の曲線（ＡＵＣ）測定下の全体面積の和を（到達した開始チェックポイントから終了チェックポイントまでの）これらの形状内の対応する目標経路の合計累積長で除算して算出される偏差（Ｄｅｖ）
ｂ ＃３ａにおいて、しかし、特に、直線状の形状および正方形の形状の検査結果から、Ｄｅｖとして算出される直線状の形状の偏差（ＤｅｖＬ）
ｃ ＃３ａにおいて、しかし、特に、円形の形状および正弦曲線の形状の検査結果から、Ｄｅｖとして算出される円形の形状の偏差（ＤｅｖＣ）
ｄ ＃３ａにおいて、しかし、特に、らせん状の形状の検査結果から、Ｄｅｖとして算出されるらせん状の形状の偏差（ＤｅｖＳ）
ｅ 少なくとも３つのセグメントが最善の試行内で成功裏に完了した形状についてのみ該当する、別個の６つの形状検査結果それぞれから別々に、Ｄｅｖとして算出されるらせん状の形状の偏差（Ｄｅｖ１－６）
ｆ 形状特有の、または形状不可知の全体の偏差を目標軌道から算出するいずれかの他の手法の連続変数分析
ピンチング検査の目的は、ピンチ閉手指動作の精度を評価することにより、微細な遠位運動操作（グリッピングおよびグラスピング）を評価することにある。上記検査は、損なわれた手運動機能の局面、すなわち、損なわれたグリッピング／グラスピング機能、筋力低下や、損なわれた目と手の整合を包含すると考えられる。患者は、未検査の手にモバイルデバイスを保持し、かつ、同じ手の２本の指（典型的には親指および第２指、より典型的には親指および第３指）で画面をタッチすることにより、３０秒内に丸い形状（たとえばトマトの画像）を可能な限り多く、押圧またはピンチするよう指示される。うまくピンチされた形状（たとえば、トマト）の数は、患者に報告される。さらに、ピンチされたトマトの総数は、なじみのある、および分かりやすい記号（たとえば、ケチャップ瓶としてのトマトの均等物）で報告される。損なわれた微細な遠位運動操作は、パフォーマンスに影響を及ぼす。検査は右手および左手で交互に実施する。ユーザは日々交互に指示される。
手／腕機能の完全性、および手の器用さを測定する、ピンチング検査から導き出され、および、検査内変動を反映する連続結果変数として捉えられる典型的な手／腕機能の質測定的アクティビティパラメータは、
１）２つの連続したピンチングの試み（タッチスクリーン上のダブル接触、およびそれに続く、ピンチングの試みとして定義される）間の経過時間、
２）検出されたダブル接触の全てについて、第１指および第２指のスクリーンタッチ間のラグタイムとして測定されるダブル接触の非同期性、
３）検出されたダブル接触の全てについて、ダブル接触における２指の開始タッチポイントとトマト形状の中心との間の等距離点からの距離として測定されるピンチング標的精度、
４）うまくピンチされた全てのダブル接触について、ダブル接触の開始点から、ピンチング間隙に達するまで、２指がスライドするそれぞれの距離（最短／最長）間の比率として測定されるピンチング指運動の非対称性、
５）うまくピンチされた全てのダブル接触について、ダブル接触の時間からピンチ間隙に達するまでの、スクリーン上でスライドする各々の一方のおよび／または両方の指の速度（ｍｍ／秒）として測定されるピンチング指速度、
６）うまくピンチされた全てのダブル接触について、ダブル接触の時点から、ピンチング間隙に達するまでの、スクリーン上をスライドするそれぞれの個々の指の速度（最遅／最速）間の比率として測定される、ピンチング指の非同期性、
７）経時的な、１）～６）の連続変数分析、および可変持続時間の基準時点毎のそれらの分析
からなる群から選択される。
これらの質測定的パラメータの１つまたは複数を本発明によって判定することが可能であることが理解されよう。通常、これらのパラメータの１つ、２つ、３つ、または全てが判定されるものである。
典型的な関心のあるピンチング検査の質測定的パラメータ：
１ 押し潰し済形状の数
ａ ３０秒間に押し潰されたトマトの形状の合計数（ΣＳｈ）
ｂ ３０秒間に、１回目の試行で押し潰されたトマトの合計数（ΣＳｈ1）（検査のまさに第１回目の試行でない場合にも、成功裏に行われた押し潰しに続く、第１のダブル接触として１回目の試行が検知される）
２ ピンチング精度測定：
ａ 検査の合計持続時間内の、（別個に検知された、画面上のダブルフィンガー接触の合計数として測定された）ピンチング（ΣＰ）試行の合計数でΣＳｈを除算した結果として定義されたピンチング成功率（ＰSR）
ｂ 検知されたダブル接触全てについて、第１指の画面タッチと第２指の画面タッチとの間の遅延時間として測定されたダブル接触の非同期性（ＤＴＡ）
ｃ 検知された全てのダブル接触についての、ダブル接触時点での２本の手指の開始タッチ点間の等距離点からトマトの形状の中心までの距離として測定されたピンチング目標精度（ＰTP）
ｄ 成功裏にピンチングする全てのダブル接触についての、ダブル接触開始点からピンチ間隙に到達するまでに、２本の手指が摺動したそれぞれの距離間の比率（最長／最短）として測定されたピンチング手指運動非対称性（ＰFMA）
ｅ 成功裏にピンチングする全てのダブル接触についての、ダブル接触時からピンチ間隙に到達するまでの、画面上でのそれぞれの手指および／または両方の手指の速度（ｍｍ／秒）として測定されたピンチング指速度（ＰFV）
ｆ 成功裏にピンチングする全てのダブル接触についての、ダブル接触時からピンチ間隙に到達するまでの、画面上での個々の手指の速度間の比率として測定されたピンチング手指非同期性（ＰFA）
ｇ 経時的な２ａ～２ｆの連続変数分析、および可変持続時間（５～１５秒）の基準時点毎のそれらの分析
ｈ 検査済の形状（特に、らせん状の形状および正方形の形状）全てについての、目標描写軌道からの偏差の統合測定の連続変数分析
（３）歩行パフォーマンスと、歩行およびストライドの力学の測定のためのセンサベースの（例えば、加速度計、ジャイロスコープ、磁力計、全地球測位システム［ＧＰＳ］）および、コンピュータによって実現される検査、特に、２分間歩行検査（２ＭＷＴ）やＵターン検査（ＵＴＴ）、静的平衡検査（ＳＢＴ）、歩行パフォーマンス、ステップ／ストライドの力学、および受動的な継続的歩行分析（ＣＡＧ）によって収集された、歩行中の上肢運動機能の検査、からの歩行の質測定的パラメータ
ａ）２分間歩行検査（２ＭＷＴ）
この検査の目的は、２ＭＷＴにおける歩行の特徴を捕捉することにより、長距離歩行における支障、疲労性、または異常なパターンを評価することにある。データはスマートフォンセンサから捕捉される。ストライド長およびステップ長の減少、ストライドの持続時間の増加、ステップの持続時間および非対称性の増加、周期的なストライド／ステップの減少を、障害の進行、または病気のぶり返しの発生の場合に確認し得る（Ｈｏｂａｒｔ ２０１３）。歩行中の腕振りの力学も、モバイルデバイス経由で評価される。患者は、「２分間、できる限り速くかつ長く歩行するが、安全に歩行する」よう指示される。２ＭＷＴは、屋内または屋外で（Ｕターンなしで２００メートル以上も連続して歩行し得ると患者が明確にした場所における平坦な地面の上で）行うことが必要な単純な検査である。患者は、通常の履き物や支援装置および／または矯正器具を用いることが許される。行われた全ての複数の２分間歩行検査中に歩行したステップの総数に加えて、２分間の経過において歩行したステップの数が患者に報告される。
２ＭＷＴから導き出され、および、歩行およびバランスの完全性を測定する検査内変動を反映する連続した結果変数として捕捉される典型的な歩行の質測定的アクティビティパラメータは、
１）歩行ステップ持続時間、
２）歩行ステップ速度（ステップ／秒）、
３）ステップ非対称レート（平均ステップ持続時間で除算された、１ステップと次のステップとの間のステップ持続時間の差）
４）バイオメカニカルモデリングによる、ステップ長、および、歩行の合計距離
５）基準時点（epoch）毎の減速度指数
６）５）基準時点毎の非対称性指数
からなる群から選択される。
これらの質測定的パラメータの１つまたは複数を本発明によって判定することが可能であることが理解されよう。通常、これらのパラメータの１つ、２つ、３つ、または全てが判定されるものである。
典型的な、特定の関心のさらなる２ＭＷＴの質測定的パラメータは、以下のリストの１つまたは複数である。
１ 歩行速度および痙縮の代用：
ａ 例えば、２分間で検知されたステップの合計数（ΣＳ）
ｂ 例えば、２分間で検知された、休憩のための停止の合計数（ΣＲｓ）
ｃ ２ＭＷＴ全体を通した歩行ステップ時間（ＷｓＴ）の持続時間の連続変数分析
ｄ ２ＭＷＴ全体を通した歩行ステップ速度（ＷｓＶ）（ステップ／秒）の連続変数分析
ｅ ２ＭＷＴ全体を通したステップ非対称率（１ステップと次のステップとの間のステップ持続時間の平均差を、平均ステップ持続時間で除算した結果）：ＳＡＲ＝ｍｅａｎΔ（ＷｓＴx－ＷｓＴx+1）／（１２０／ΣＳ）
ｆ ２０秒の基準時点毎に検出されたステップの合計数（ΣＳt,t+20）
ｇ ２０秒の基準時点それぞれにおける歩行ステップ時間の平均持続時間：ＷｓＴt,t+20＝２０／ΣＳt,t+20
ｈ ２０秒の基準時点それぞれにおける平均歩行ステップ速度：ＷｓＶt,t+20＝ΣＳt,t+20／２０
ｉ ２０秒の基準時点それぞれにおけるステップ非対称率：ＳＡＲt,t+20＝ｍｅａｎΔt,t+20（ＷｓＴx－ＷｓＴx+1）／（２０／ΣＳt,t+20）
ｊ バイオメカニカルモデリングによる歩行の距離合計およびステップ長
２ 歩行疲労性指数：
ａ 減速指数：ＤＩ＝ＷｓＶ100-120／ｍａｘ（ＷｓＶ0-20，ＷｓＶ20-40，ＷｓＶ40-60）
ｂ 非対称性指数：ＡＩ＝ＳＡＲ100-120／ｍｉｎ（ＳＡＲ0-20，ＳＡＲ20-40，ＳＡＲ40-60）
ｂ）Ｕターン検査（ＵＴＴ）
この検査の目的は、快適なペースでの短距離の歩行中でＵターンを行ううえでの支障または異常なパターンを評価することにある。ＵＴＴは、屋内または屋外で（「安全に歩行し、数メートル離れた２地点間を行ったり、来たりするＵターンを連続して少なくとも５回行う」よう患者が指示される平坦な地面の上で）行うことが必要である。歩行特徴データ（ステップ数の変動、Ｕターン中の持続時間および非対称性、Ｕターンの持続時間）はスマートフォンセンサによって捕捉される。患者は、必要に応じて、通常の履き物や支援装置、および／または矯正器具を使用することが許される。ターンの速度は患者に報告される。
典型的な歩行の質測定的アクティビティパラメータは、ＵＴＴにおける歩行の質の変動、および、受動監視、ＵＴＴからのターン速度、歩行中の１日のターンの数、平均の１日ターン速度からの継続的歩行分析の変動を示す。これらの質測定的パラメータの対象者の日々の監視は、たとえば、硬化症の再発の検出を可能にする。ＵＴＴにおいて測定された能動的な検査のＵターン速度における明白な差が、再発の報告の前とその後との間で添付の実施例によって認められている。
対象となる典型的なＵＴＴの質測定的パラメータ：
１ 完全なＵターンの開始から終了までに必要なステップの平均数（ΣＳｕ）
２ 完全なＵターンの開始から終了までに必要な時間の平均（Ｔｕ）
３ 平均歩行ステップ持続時間：Ｔｓｕ＝Ｔｕ／ΣＳｕ
４ ターン方向（左／右）
５ ターン速度（度／秒）
これらの質測定的パラメータの１つまたは複数を本発明によって判定することが可能であることが理解されよう。通常、これらのパラメータの１つ、２つ、３つ、または全てが判定されるものである。
ｃ）継続的歩行分析（ＣＡＧ）
スマートフォンセンサによって捕捉された歩行特徴データ（ステップカウント、持続時間、および非対称性）の連続的な記録は、歩行ダイナミクスの１日の量および質の受動監視を可能にする。患者の活動の範囲（radius）は、患者に報告される。この範囲は、標準的な寸法で、および、なじみのある一般用語（たとえば、フットボールのフィールドのサイズ）で表される。センサによって捕捉される歩行特徴データ（ステップカウント、持続時間、非対称性、および、歩行中の腕の振りのダイナミクス）の連続的な記録は、歩行ダイナミクスの１日の量および質の受動監視を可能にする。アクティビティ検出は、歩行検出および分析、ならびにアクティビティ分析に先行するステップである。アクティビティ検知は、幾分高度な種々の手法（Rai 2012, Zee: zero-effort crowdsourcing for indoor localization. Proceedings of the 18th annual international conference on Mobile computing and networking. ACM; Alsheikh, M. A., Selim, A., Niyato, D., Doyle, L., Lin, S., & Tan, H.-P. (2015). Deep Activity Recognition Models with Triaxial Accelerometers. arXiv preprint arXiv:1511.04664; or Ordonez, F. J., & Roggen, D. (2016). Deep Convolutional and LSTM Recurrent Neural Networks for Multimodal Wearable Activity Recognition. Sensors, 16(1), 115）に基づいており、加速度計の信号の標準偏差が０．０１ｇを超える場合、１秒のウィンドウをアクティブとみなす。検査は通常、日次で行われる。
ＣＡＧから導き出され、および、歩行およびバランスの完全性を測定する検査内変動を反映する連続した結果変数として捕捉される典型的な歩行の質測定的アクティビティパラメータは、
１）連続歩行のそれぞれのインターバル内で検出されたステップの数の頻度分布、
２）経時的な歩行ステップ持続時間／速度、
３）バイオメカニカルモデリングによって導き出される、経時的なステップ長の変動、
４）経時的な得点上昇（elevation gain）、および
５）座位／立位の変遷、およびターンの頻度分析
からなる。
これらの質測定的パラメータの１つまたは複数を本発明によって判定することが可能であることが理解されよう。通常、これらのパラメータの１つ、２つ、３つ、または全てが判定されるものである。
対象となる、典型的なＣＡＧの質測定的パラメータ：
１日の歩行範囲および速度の代用：
ａ アクティブな記録の日毎に検知されたステップの合計数（ΣＳｄ）
ｂ アクティブな記録の日毎に検知された歩行の合計累積時間（ΣＴ）
ｃ アクティブな記録の日毎の連続的な歩行の間隔の合計数（ΣＩｄ）
ｄ アクティブな記録の日毎の連続的な歩行の各間隔内で検知されたステップの数の頻度分布（ΔＳｉ）
ｅ アクティブな記録の日毎の連続的な歩行の単一の間隔におけるステップの最大数（Ｓｃｍａｘ）
ｆ アクティブな記録の日毎の歩行ステップ時間の平均持続時間：ＷｓＴ＝ΣＴ／ΣＳｄ
ｇ 日毎の、および、特定回の歩行または種々の持続時間における平均行動ターン速度
ｈ 日毎に検出される行動ターンの平均数
ｉ 平均ステップパワー
ｊ 日毎の階段昇りの数および特性
ｋ 期間の回数（Number of bouts）およびジョギング時間の特性
ｌ 日毎の座位／立位変遷の数および特性 アクティブな記録の日毎の平均歩行ステップ速度：ＷｓＶ＝ΣＳｄ／ΣＴ（ｓｔｅｐ／ｍｉｎ）
ｍ バイオメディカルモデリングによって導き出される、日毎に歩行した距離の合計およびステップ長
ｎ 階段昇り、ジョギング、歩行、ターン、座位／立位変遷事象検出の組み合わせ全てに基づく歩行アクティビティ特徴の２４時間周期の平均パターン
ｏ 時刻毎の変数＃ａ－ｎ
ｄ）静的平衡検査（ＳＢＴ）
この検査の目的は、成人人口における静的平衡および転倒リスクを評価するよう企図された１４項目の客観的な尺度である広く使用されているバーグ平衡スケール（ＢＢＳ）の項目の１つ（すなわち、支援なしの起立）にあるような、人の静的平衡機能を評価することにある（Ｂｅｒｇ １９９２）。データは、スマートフォンのセンサによって捕捉される。患者は、スマートフォンを正面に向かっての中央の位置におけるランニングバンドに入れた状態で、かつ可能な限り、身体に沿ってまっすぐ、腕を楽にして、３０秒間、支援なしで動かないで立っているよう求められる。転倒リスクおよび／または静的平衡機能の損傷が増大している個人は、姿勢制御の変化（揺れ）を表し得る（Ｗａｉ ２０１４）。バランス運動における変動は、揺れの経路の長さの観点で報告され、記号（たとえば、大きな硬い岩、小さな岩）で描かれる。動画化された揺れの経路は、バランスの変動の分かりやすい表現として示される。
ＳＢＴから導き出され、および、歩行およびバランスの完全性を測定する検査内変動を反映する連続した結果変数として捕捉される典型的な歩行の質測定的アクティビティパラメータは、
１）揺れがぴくぴく動くこと（jerkiness）：加速度の時間微分（Ｍａｎｃｉｎｉ ２０１２）、
２）揺れの経路：軌跡の合計長、および
３）揺れの範囲
からなる群から選択される。
これらの質測定的パラメータの１つまたは複数を本発明によって判定することが可能であることが理解されよう。通常、これらのパラメータの１つ、２つ、または全てが判定されるものである。
典型的な、関心のさらなるＳＢＴの質測定的パラメータは以下のリスト：
１ 揺れがぴくぴく動くこと：加速度の時間微分（Ｍａｎｃｉｎｉ ２０１２）、
２ 揺れの経路：軌跡の合計長、および
３ 揺れの範囲
の１つまたは複数である。
本発明によって適用される対象のモバイルデバイスを上記アクティビティ検査の１つまたは複数を行うように構成し得ることが理解されよう。特に、これらの検査の少なくとも１つ、少なくとも２つ、または全てを行うように構成し得る。通常、検査の組み合わせは、モバイルデバイス上で実現し得る。
さらに、本発明の方法では、少なくとも１つのさらなるパラメータを、対象者からモバイルデバイスによって得られた一般情報を含むデータから判定し得る。一般情報は、上記で表された質測定的パラメータに加えて、対象者から取り出し得る。この情報は通常、特に、多発性硬化症インパクト・スケールの２９項目（ＭＳＩＳ２９）の質問票、および／または、多発性硬化症の症状トラッカー（ＭＳＳＴ）を行うことにより、精神状況質問票への回答、生活の質および疾患症状に関する質問への回答から導き出される。
以下では、本発明の方法による、モバイルデバイスによって測定する手段、および特定の想定されるさらなるアクティビティ検査を特定する：
（４）感情状態および健康を評価する、コンピュータによって実現される検査（特に、精神状況質問票（ＭＳＱ）
一実施形態では、モバイルデバイスは、精神状況質問票（ＭＳＱ）を実施し、または、精神状況質問票（ＭＳＱ）からのデータを獲得するよう適合される。うつ病は、その種々の形態では、MS患者の一般的な症状であり、治療しないままでいると、生活の質を低下させ、疲労、痛み、認知的な変化を含む他の症状が悪くなっている感じにさせ、生命を脅かすことがあり得る（National MS Society）。したがって、患者が認識する全般的な状態を評価するために、患者は、モバイルデバイス上の５項目の質問を通じて、どのように感じているかについて尋ねられる。
対象となる典型的なＭＳＱパフォーマンスパラメータ：
１ 先週、前月、および前年においてすばらしい気分であった日の割合
２ 先週、前月、および前年において少なくとも良い気分であった日の割合
３ 先週、前月、および前年において少なくとも満足のゆく気分であった日の割合
４ 先週、前月、および前年においてこの上なく不快な気分であった日の割合
５ 先週中、前月中、および前年中における、午前６時－８時、午前８時－１０時、午前１０時－１２、１２時－１４時、１４時－１６時、１６時－１８時、１８時－２０時、２０時－２４時、午前０時－６時の時刻毎の回答の頻度分布
（５）生活の質（特に、多発性硬化症の２９項目のインパクト・スケールＭＳＩＳ２９）を評価する、コンピュータによって実現される検査
一実施形態では、モバイルデバイスは、多発性硬化症の２９項目のインパクト・スケールＭＳＩＳ－２９）の検査を行い、または多発性硬化症の２９項目のインパクト・スケールＭＳＩＳ２９）の検査からのデータを獲得するよう適合される。対象者の日常生活に対するＭＳの影響を評価するために、対象者は、２週に一度、モバイルデバイス上でＭＳＩＳ－２９（Hobart 2001, Brain 124: 962-73）に入力するよう求められる。ＭＳＩＳ－２９は、患者の観点からＭＳの身体面の影響（項目１～２０）および心理面の影響（項目２１～２９）を測定するよう企図された２９項目の質問表である（Hobart 2001, Brain 124: 962-73）。項目毎に４ポイントのカテゴリー（「全くない」、「少しある」、「適度にある」、「極めてある」）を有する、ＭＳＩＳ－２９の第２版を使用する。ＭＳＩＳ－２９のスコアは２９～１１６にわたる。身体面の影響のスケールに関するスコアは２０～８０にわたり得、心理面の影響のスケールに関するスコアは９～３６にわたり得、低いスコアはＭＳの影響が小さく、高いスコアはＭＳの影響が大きいことを示す。歩行／下肢および手／腕／上肢の身体機能に関するＭＳＩＳ－２９ｖ２の項目＃４および＃５、ならびに、項目＃２、＃６、および＃１５はそれぞれ、別個のクラスタ分析を受ける。検査は通常、隔週で行われる。
対象となる典型的なＭＳＩＳ－２９（ｖ２）パフォーマンスパラメータ：
１ ＭＳＩＳ－２９のスコア（２９－１１６）
２ ＭＳＩＳ－２９の身体面の影響のスコア（２０－８０）
３ ＭＳＩＳ－２９の心理面の影響のスコア（９－３６）
４ ＭＳＩＳ－２９の歩行／下肢のスコア（２－１０）
５ ＭＳＩＳ－２９の手／腕／上肢のスコア（３－１５）
６ 問いかけられた質問を理解し、回答を提供するのに必要な最小時間に基づいた、１～５の、時間によって修正／フィルタリングされたＭＳＩＳ－２９のスコア
７ 特定の質問の回答の変更の数、および提供された回答間の差／ばらつきに基づいた、１～６の、確信度で重み付けされたＭＳＩＳ－２９のスコア
８ ＭＳＩＳ－２９中に捕捉された、微細な手指運動のスキル機能パラメータ
ａ タッチスクリーン・コンタクトの持続時間（Ｔｔｓ）の継続的変数分析
ｂ タッチスクリーン・コンタクトと、最も近い対象数字キーの中心との間の偏差（Ｄｔｓ）の継続的変数分析
ｃ タイプミスしたタッチスクリーン・コンタクトの数（Ｍｔｓ）（回答のタイプ入力中の、キーのヒットをトリガーしないか、または、画面上の２次的なスライディングに関連しているが、キーのヒットをトリガーするコンタクトの和）
９ ｅＳＤＭＴの対応する変数に対する、ｅＳＤＭＴ中の６ａ、６ｂ、および６ｃの変数の比率（９０秒毎のＭＳＩＳ－２９の場合、６ｃを変換／正規化してＭｔｓの予測数を表す）
（６）新たな、または悪化している疾患の症状の発生を追跡する、コンピュータによって実現される検査、特に、多発性硬化症の症状トラッカー（ＭＳＳＴ）
さらなる実施形態において、モバイルデバイスは、多発性硬化症の症状トラッカー（ＭＳＳＴ）を行い、または多発性硬化症の症状トラッカー（ＭＳＳＴ）からのデータを獲得するよう適合される。病気のぶり返しの発生および症状のばらつきの患者の認識は、病気のぶり返しとしてみなされる臨床的に適切な症状の悪化と異なり得るので、新たな／悪化している症状の検知を意図した単純な質問を、スマートフォン上で２週間に一度、患者に対して直接、投げかけ、ＭＳＩＳ－２９の質問表と同期させる。患者は、それに加え、いつでも、症状、および発症のそれぞれの日付の報告の可能性を有する。ＭＳＳＴは通常、２週間に一度、または要求に応じて、行い得る。
対象となる典型的なＭＳＳＴのパフォーマンスパラメータ：
１ （症状の発生の日時点での）前月および前年における「最後の２週間の、新たな、または顕著に悪化している症状」の報告された発生例の数
２ 前年における「病気のぶり返し」対「病気のぶり返しでない」対「確かでない」とみなされた、「最後の２週間の、新たな、または顕著に悪化している症状」の報告された発生例の合計数の割合
（７）特定の時間ウィンドウにおいて行われる対象者のアクティビティの全てまたは所定のサブセットの、コンピュータによって実現される受動的モニタリング
さらに別の実施形態では、モバイルデバイスはアクティビティの全てまたはサブセットの受動的モニタリングを行い、またはアクティビティの全てまたはサブセットの受動的モニタリングからのデータを取得するように構成される。特に、受動的モニタリングは、歩行の測定、通常のデイリールーチンにおける運動量、デイリールーチンにおける運動の種類、日常生活における通常の移動性、および移動のふるまいの変化からなる群から選択される、１または２以上の日、あるいは１または２以上の週などの所定のウィンドウ中に行われる１つまたは２以上のアクティビティのモニタリングを包含する。
対象となる典型的な受動的モニタリングパフォーマンスパラメータ：
ａ 歩行の頻度および／または速度。
ｂ 立ち上がる／座って静止しバランスをとるための量、パフォーマンス、速度
ｃ 一般的な移動性の指標としての訪問場所の数
ｄ 移動行動の指標として訪れた場所の種類。
本発明に従って適用されるモバイルデバイスは、前述のアクティビティ検査のうちの１つ以上を実行するように構成され得ることが理解される。特に、モバイルデバイスは、これらの検査のうちの少なくとも１つ、少なくとも２つ、またはすべての検査を実施するように構成され得る。
さらに、モバイルデバイスは、他の認知検査および／または視覚的コントラスト視力検査（低コントラスト文字視力または石原式色覚異常検査表など（Bove 2015参照）のコンピュータ実装バージョンなどのさらなる認知および動作の障害および疾患検査を実行するように構成され得る。
さらなるデータが本発明の方法においても処理され得る。これらのさらなるデータは通常、対象者における進行性ＭＳの識別をさらに強化するのに適している。典型的には、そのようなデータは、ＭＳに関する生化学的バイオマーカーからのパラメータ、または全脳体積、脳実質画分、全灰白質体積、皮質灰白質の断面および／または縦方向磁気共鳴画像法（ＭＲＩ）測定などの画像法からのデータであってもよい。体積、特定の皮質領域の体積、深部灰白質体積、視床体積、脳梁の表面または厚さ、白質体積、第３脳室体積、総脳Ｔ２強調超強度病変体積、総皮質病変体積、総脳Ｔ１強調低信号、限定されないが、ＭＳｍｅｔｒｉｘ（商標）、ＮｅｕｒｏＱｕａｎｔ（商標）などの自動アルゴリズムソリューションソフトウェアを使用して評価された、病変体積、総脳ＦＬＡＩＲ（Fluid Attenuation Inversion Recovery）病変体積、Ｔ２およびＦＬＡＩＲ病変の数および体積の合計であってもよい。
本明細書で使用される「モバイルデバイス」という用語は、アクティビティの測定のデータセットを取得するのに適したセンサおよびデータ記録機器を含む任意の携帯型デバイスを指す。典型的には、モバイルデバイスはアクティビティを測定するためのセンサを備える。これはまた、モバイルデバイス上のアクティビティ検査を電子的にシミュレートするためのディスプレイと同様に、データプロセッサおよび記憶ユニットを必要とし得る。さらに、対象者のデータのアクティビティから、モバイルデバイス自体または第２のデバイスのいずれかで本発明の方法によって評価されることになるデータセットに記録および編集される。想定される特定のセットアップに応じて、取得されたデータセットをモバイルデバイスから１つまたは複数の別のデバイスに転送するために、モバイルデバイスがデータ送信機器を備えることが必要であり得る。本発明によるモバイルデバイスとして特によく適しているのは、スマートフォン、スマートウォッチ、ウェアラブルセンサ、ポータブルマルチメディアデバイスまたはタブレットコンピュータである。あるいは、データ記録および任意には処理装置を有する携帯用センサを使用してもよい。さらに、実行されるアクティビティ検査の種類に応じて、モバイルデバイスは、検査のために実行されるアクティビティに関する対象者に対する指示を表示するように構成される。対象者によって実施される特定の想定されるアクティビティは、本明細書の他の箇所に記載されており、以下の検査を包含する：情報処理速度（ＩＰＳ）検査、モバイルデバイスのセンサ表面上で行われるピンチング検査および／またはＵターン検査（ＵＴＴ）、２分間歩行試験（２ＭＷＴ）、静的平衡検査（ＳＢＴ）、または、受動監視からの継続的歩行分析（ＣＡＧ）、および本明細書において説明されている他の検査。
少なくとも１つのパラメータ、特に本明細書で言及される質測定的パラメータを判定することは、データセットから所望の測定値をパラメータとして直接導出することによって達成することができる。あるいは、パラメータは、データセットからの１つまたは複数の測定値を統合することができ、したがって、計算などの数学的演算によってデータセットから導出することができる。典型的には、パラメータは、自動化されたアルゴリズムによって、例えばデータセットによってデータ処理装置フィード上に明確に埋め込まれたときにアクティビティの測定のデータセットからパラメータを自動的に導出するコンピュータプログラムによってデータセットから導出される。
本明細書で使用される「基準」という用語は、認知および動作の疾患または障害を有する対象者の識別を可能にする識別子（discriminator）を指す。そのような識別子は、認知および動作の疾患または障害を有する対象者を示すパラメータの値であってもよい。
そのような値は、調査されるべき認知および動作の疾患または障害を患っていることが分かっている対象者の１つ以上のパラメータ、特に、本明細書で言及される質測定的パラメータから導出され得る。典型的には、そのような場合には平均値または中央値を識別子として使用することができる。対象者から特定されたパラメータが基準と同一であるか、または基準から導出された閾値を超える場合、そのような場合、対象者は認知および動作の疾患または障害を患っていると識別され得る。特定されたパラメータが基準と異なり、特に前記閾値を下回る場合、対象者はそれぞれ認知および動作の疾患または障害を患っていないと識別されるものとする。
同様に、値は、調査されるべき認知および動作の疾患または障害を患っていないことが分かっている対象者の、本明細書中で言及される１つまたは複数のパラメータ、特に質測定的パラメータから導出され得る。典型的には、そのような場合には平均値または中央値を識別子として使用することができる。対象者から判定されたパラメータが基準と同一であるか、または基準から導出された閾値を下回る場合、そのような場合、対象者は認知および動作の疾患または障害を患っていないと識別することができる。判定されたパラメータが基準と異なり、特に、前記閾値を超える場合、対象者は認知および動作の疾患または障害を患っていると識別される。
代替として、基準は、実際のデータセットの前に同じ対象者から得られたアクティビティの測定のデータセットから、以前に判定されたパラメータ、特に、本明細書で言及されるような質測定的パラメータであってもよい。そのような場合、以前に判定されたパラメータに関して異なる実際のデータセットから判定された判定されたパラメータは、疾患の以前の状態およびそのパラメータによって表されるアクティビティの種類に応じて改善または悪化を示すものとする。当業者は、アクティビティの種類および以前のパラメータに基づいて、パラメータを基準としてどのように使用することができるかを知っている。
判定された少なくとも１つのパラメータ、特に本明細書で言及される質測定的パラメータを基準と比較することは、コンピュータなどのデータ処理装置上に実装された自動比較アルゴリズムによって達成することができる。本明細書の他の箇所で詳細に特定されているように、特定されたパラメータの値および判定されたパラメータに対する基準が互いに比較される。比較の結果として、判定されたパラメータが基準と同一であるか、異なるか、またはある関係にある（例えば、基準よりも大きいかまたは小さい）かを評価することができる。前記評価に基づいて、対象者は、認知および動作の疾患または障害を患っている（可能性あり（rule-in））か、またはそうでない（「除外」（rule-out））として識別することができる。評価のために、本発明による適切な基準との関係で、他の箇所に記載されているように、基準の種類は考慮される。
さらに、判定されたパラメータと基準との間の相違の程度を決定することによって、対象者における認知および動作の疾患または障害の定量的評価が可能になるはずである。全体的な病状またはその症状の改善、悪化または変化がないことは、実際に判定されたパラメータと、基準として使用された以前に判定されたパラメータとを比較することによって判断が可能であることが理解される。パフォーマンスパラメータの値の量的な相違に基づいて、改善、悪化または変化していない状態を決定することができ、そして任意に、また定量化することができる。調査される、認知および動作の疾患または障害を患っている対象者からの基準など、他の基準が使用される場合、ある疾患段階が基準集団に割り当てられ得る場合、量的差異は有意義であることが理解されよう。この病期に関連して、そのような場合に悪化、改善または変化していない病状を特定することができ、場合によっては定量化することもできる。
前記診断、すなわち対象者が、認知および動作の疾患または障害を患っている対象者か否かの識別は、対象者または医師などの他の人に示される。典型的には、これは、モバイルデバイスまたは評価デバイスのディスプレイ上に評価を表示することによって達成される。あるいは、薬物治療などの治療、または特定の生活スタイル、例えば特定の栄養食またはリハビリテーション対策が、対象または他の人に自動的に提供される。この目的のために、確立された診断は、データベース内の異なる診断または評価に割り当てられた推奨と比較される。確立された評価が記憶され割り当てられた診断または評価のうちの１つに一致すると、確立された診断または評価に一致する記憶された診断または評価への推奨の割り当てに起因して適切な推奨が識別され得る。したがって、通常、推奨事項および診断はリレーショナルデータベースの形で存在すると考えられる。しかしながら、適切な推奨の識別を可能にする他の構成もまた可能であり、当業者に知られている。
さらに、１つまたは複数のパラメータはまた、典型的にはリアルタイムで、モバイルデバイス上に記憶され得るか、または対象者に示され得る。記憶されたパラメータは、時間経過または同様の評価尺度にまとめられてもよい。そのような評価されたパラメータは、本発明の方法に従って調べられたアクティビティの能力についてのフィードバックとして対象者に提供され得る。典型的には、そのようなフィードバックは、モバイルデバイスの適切なディスプレイ上に電子フォーマットで提供され得、そして上記で特定されるような治療のための推奨またはリハビリテーション対策にリンクされ得る。
さらに、評価されたパラメータは、診療所または病院の医師、ならびに診断試験の開発者または臨床試験における医薬品開発者、健康保険提供者などの他の健康管理提供者、または公的または私的な医療制度の他のステークホルダーにも提供され得る。
典型的には、認知および動作の疾患または障害を患っている対象者を評価するための本発明の方法は、以下のように実施され得る。
第１に、少なくとも１つの認知および／または微細な運動アクティビティの質測定的パラメータが、モバイルデバイスを使用して対象者から得られたアクティビティの測定の既存のデータセットから判定される。データセットは、モバイルデバイスからコンピュータなどの評価デバイスに送信されてもよく、またはデータセットから少なくとも１つのパラメータを導出するためにモバイルデバイスで処理されてもよい。
第２に、判定された少なくとも１つの認知および／または微細な運動アクティビティの質測定的パラメータは、例えば、モバイルデバイスのデータプロセッサによって実行されるコンピュータ実装の比較アルゴリズムを使用することによって、またはたとえばコンピュータなどの評価デバイスによって、たとえば基準と比較される。比較の結果は、比較に使用された基準に対して評価され、前記評価に基づいて、対象者は認知および動作の疾患または障害に関して評価される。
第３に、前記評価、例えば、対象者が認知および動作の疾患または障害を患っている対象者か否かの識別は、対象者または医師などの他の人に示される。
代替的には、薬物治療などの治療、または特定の生活スタイル、例えば特定の栄養食事療法は、対象者または他の人に自動的に提供される。この目的のために、確立された評価は、データベース内のさまざまな評価に割り当てられた推奨事項と比較される。確立された評価が記憶され割り当てられた評価のうちの１つに一致すると、確立された評価に一致する記憶された評価への推奨の割り当てに起因して適切な推奨が識別され得る。典型的な推奨事項は、本明細書の他の箇所に記載されているような治療的手段を含む。
代替的にまたは追加で、評価の根底にある少なくとも１つのパラメータは、モバイルデバイスに格納される。典型的には、それは、本明細書の他の箇所で特定されるように電子的リハビリテーションまたは治療推奨を支援することができるモバイルデバイス上で実施される、タイムコースアセンブリングアルゴリズムなどの適切な評価ツールによって他の記憶パラメータと共に評価される。
上記に照らして、本発明はまた、以下の工程を含む、対象者における認知および動作の疾患または障害を評価する方法を具体的に意図し、
ａ）対象者によって実行された所定のアクティビティの間に、モバイルデバイスを使用して対象者から認知および／または微細な運動アクティビティの測定のデータセットを取得するステップ、
ｂ）モバイルデバイスを使用して対象者から得られたアクティビティの測定のデータセットから判定された少なくとも１つの認知および／または微細な運動アクティビティの質測定的パラメータを判定するステップ、
ｃ）判定された少なくとも１つの認知および／または微細な運動アクティビティの質測定的パラメータを基準と比較するステップ、および、
ｄ）工程（ｃ）で行われた比較に基づいて、対象者における認知および動作の疾患または障害を評価するステップ
を含む。
以下で使用されるように、用語「有する」、「備える」または「含む」またはそれらの任意の文法的変形は、非排他的に使用される。したがって、これらの用語は両方とも、これらの用語によって導入された特徴の他に、これに関連して説明された実体にさらなる特徴が存在しない状況および１つ以上のさらなる特徴が存在する状況を指し得る。例として、表現「ＡはＢを有する」、「ＡはＢを含む」、および「ＡはＢを含む」は両方とも、Ｂ以外にＡに他の要素が存在しない状況（すなわち、Ａのみが排他的にＢを構成する状況））と、Ｂ以外に、１つ以上の別の要素、例えば要素Ｃ、要素ＣおよびＤ、さらにはさらなる要素が存在する状況の両方をいう。
さらに、「少なくとも１つ」、「１つまたは複数」または特徴または要素が１回または複数回存在し得ることを示す同様の表現は、通常、それぞれの特徴または要素を紹介するときに１回だけ使用されることに留意されたい。以下では、ほとんどの場合、それぞれの特徴または要素を参照するとき、それぞれの特徴または要素が１回または１回以上存在する可能性があるという事実にかかわらず、表現「少なくとも１つ」または「１つまたは複数」は繰り返さない。
さらに、以下で使用されるとき、用語「特に」、「より詳細に」、「具体的に」、「より具体的に」、「典型的に」、および「より典型的に」または同様の用語は、代替の可能性を制限することなく、追加の／代替の特徴と共に使用される。したがって、これらの用語によって導入された特徴は追加の／代替の特徴であり、決して特許請求の範囲を限定することを意図するものではない。当業者が認識するように、本発明は代替の特徴を使用することによって実行されてもよい。同様に、「本発明の実施形態において」または同様の表現によって導入された特徴は、本発明の代替実施形態に関するいかなる制限もなく、本発明の範囲に関するいかなる制限もなく、そのようにして導入された特徴を本発明の他の追加／代替または非追加／代替の特徴と組み合わせる可能性に関して制限することなく、追加／代替の特徴であることを意図している。
有利なことに、本発明の基礎をなす研究において、認知および動作疾患が疑われるまたは認知および動作疾患を患っている患者の特定のアクティビティの間に測定されたデータセットから得られる微細な運動アクティビティの質測定的パラメータは、任意に他の運動能力および認知能力のパフォーマンスパラメータと共にまたは、障害または疾患は、患者を評価する、例えば識別またはモニタリングするためのデジタルバイオマーカーとして使用することができる。パフォーマンスパフォーマンス特に、バイオマーカーとして使用される質測定的パラメータは、単に特定のタスクを行う能力についての尺度としての役割を果たすのみならず、むしろ、一連のタスクのパフォーマンスにおける変動を計測することにより、どのようにして系、たとえば、神経系および／または運動系が全体を行うかを反映するので、他の（従来の）認知または微細な運動アクティビティのパラメータと比較してすぐれていることが本発明の基礎となる調査において明らかになっている。よって、得られる結果は、個々のアクティビティパラメータに依存するものよりも、確固としており信頼できる。本発明の基礎となる調査では、有利には、特に、ピンチング検査中に行われたピンチングタスクのパフォーマンスにおける手の器用さの変動を計測する手／腕機能の質測定的アクティビティパラメータ（図３、臨床試験ＮＣＴ０２９５２９１１の中間分析を参照されたい）が、対応するクリニック内パフォーマンス検査、すなわち、９ホールペグ検査（９ＨＰＴ）よりも、異常な機能を検出することができることが明らかになっている。実際に、おそらく９ＨＰＴによっては正常な手／腕機能を有しているとされたＭＳのＮＣＴ０２９５２９１１調査患者の評価を行うと、ピンチング検査の質測定的パラメータは、ＭＳの患者を健常対照群から区別することができた（図３を参照）。さらなる例として、有利には、１日のＵＴＴにおいて歩行の質（ターン速度）の変動を測定する歩行の質測定的アクティビティパラメータ（図４、臨床試験ＮＣＴ０２９５２９１１の中間分析を参照されたい）が、クリニック内パフォーマンス検査が、発症時に検出しない、または正確に日時を定めることが可能でない、ＭＳ疾患の進行および／またはアクティビティを示唆する、急性の障害の悪化を同定することが可能であることが明らかになっている。５ＵＴＴによって測定された能動的な検査のＵターン速度における明白な差が、この例では、症状トラッカーによる潜在的な「再発」の報告の前と後との間に認められている（図４、パネルｂを参照）。別の歩行質測定的パラメータである、受動的な継続的歩行分析（ＣＡＧ）におけるターン行動も、１日のターン数についての報告／「再発」発症の前と後で異なっている（図４、パネルｃを参照）。
本発明の方法によって調査された前記データセットは、全ての既存のスマートフォン、携帯マルチメディア装置またはタブレットコンピュータのようなモバイルデバイスを使用することによって患者から便利な方法で取得することができる。本発明の方法に従って、データベースの評価は、同じモバイルデバイス上で実行することもできるし、または別個の遠隔デバイス上で実行することもできる。さらに、そのようなモバイルデバイスを使用することによって、生活スタイルまたは治療法に関する推奨を患者に直接、すなわち医院または病院の救急車で診療医に相談することなく提供することができる。本発明によると、本発明の方法によって実際に特定されたパラメータを使用することにより、患者の生活状態を実際の疾患状態へとより正確に調整することができる。それにより、より効率的な薬物治療を選択することができ、または投与計画を患者の現在の状態に適合させることができる。本発明の方法は、典型的には、対象からの認知または微細な運動アクティビティの測定のデータセットの既存のデータセットを必要とするデータ評価方法であることを理解されたい。このデータセット内で、本方法は、認知および動作の疾患または障害を評価するために使用することができる、すなわち前記疾患または障害のためのデジタルバイオマーカーとして使用することができる少なくとも１つの認識または微細な運動パラメータを判定する。
したがって、本発明の方法は、
疾患状態を評価すること、
特に実生活での日々の状況において大規模に患者を監視すること、
生活スタイルおよび／または治療の推奨によって、患者を支援すること、
例えば臨床試験時の薬効を調査すること、
治療上の意思決定を促進および／または補助すること、
病院管理を支援すること、
リハビリ方法管理を支援すること、
健康保険の評価および管理をすること、および／または
公衆衛生管理における意思決定を支援すること
情報処理速度における無症状の、わずかな変化の同定／評価を行うこと、
疾患修飾療法および治療（ＤＴＭ）の評価を行うこと、および／または
一般に認知能力の評価を行うこと
のために使用され得る。
上記でなされた用語の説明および定義は、必要に応じて、以下に本明細書に記載の実施形態に適用される。
以下、本発明の特定の実施形態が説明される。
本発明の方法の実施形態において、前記認知および動作の疾患もしくは障害は、錐体路系、錐体外路系、感覚系、もしくは小脳系に影響を与える中枢および／または抹消神経系の疾患もしくは障害、または神経筋疾患、または筋疾患もしくは障害である。
本発明の方法のさらに別の実施形態では、認知および動作の疾患または障害は、多発性硬化症、脳卒中、小脳障害、小脳失調、痙性対麻痺、本態性振戦症、筋無力症または他の形態の神経筋、筋ジストロフィ、筋炎または他の筋肉障害、末梢神経障害、脳性麻痺、錐体外路症候群、アルツハイマー病、他の形態の認知症、白血球ジストロフィ、自閉症スペクトラム障害、注意欠陥障害（ＡＤＤ／ＡＤＨＤ）、ＤＳＭ－５、加齢に関連する認知パフォーマンスおよび予備能の障害、パーキンソン病、ハンチントン病、多発ニューロパチー、および筋萎縮性側索硬化症からなる群から選択される。
特に、ＮＭＯおよびＮＭＯＳＤ、小脳性運動失調症、痙性対麻痺、本態性振戦、その他の形態の神経筋障害、筋ジストロフィ、筋炎または他の筋障害、末梢神経障害を患っている対象者は、形状描画検査および／または形状押し潰し検査から得られる微細な運動アクティビティのデータセットを使用することによって、効率的に識別され得る。脳性麻痺、錐体外路症候群、アルツハイマー病、他の形態の認知症、白質ジストロフィ、自閉症スペクトラム障害、注意欠陥障害（ＡＤＤ／ＡＤＨＤ）、ＤＳＭ－５によって定義される知的障害、認知パフォーマンスおよび加齢に関連する予備力の障害を患っている対象者は、ｅＳＤＭＴテストから得られた微細な運動アクティビティのデータセットから効率的に識別され得る。残りの疾患または障害は、任意の検査からの、またはすべての検査の効率的な組み合わせからの微細な運動アクティビティのデータセットによって識別され得る。したがって、調査される認知および動作の疾患または障害に応じて、モバイルデバイスは、適切な検査の組み合わせからデータセットを取得するように個別に構成することができる。
本発明の方法の一実施形態では、少なくとも１つの質測定的アクティビティパラメータは、神経認知機能における変動を示す認知の質測定的アクティビティパラメータ、手の器用さにおける変動を示す手／腕機能の質測定的アクティビティパラメータ、または運動の変動を示す歩行の質測定的アクティビティパラメータである。
本発明の方法の別の実施形態では、上記認知および／または微細な運動アクティビティの測定は、情報処理速度（ＩＰＳ）検査、モバイルデバイスのセンサ面上で行われるピンチング検査および／またはＵターン検査（ＵＴＴ）からのデータ、２分間歩行検査（２ＭＷＴ）、静的平衡検査（ＳＢＴ）または受動監視からの継続的歩行分析（ＣＡＧ）からのデータを含む。
本発明の方法の一実施の形態では、認知アクティビティの測定のデータセットは、モバイルデバイスのセンサ表面上の情報処理速度（ＩＰＳ）検査からのデータを含む。
本発明の方法のさらに別の実施形態では、さらに、アクティビティの測定のデータセットからの少なくとも１つのパフォーマンスパラメータは、対象者の他の運動能力および機能、歩行、色視覚、注意、器用さ、および／または認知能力、生活の質、疲労、精神状態、気分、視覚および／または認知を示すものとして判定される。
本発明の方法のさらなる実施形態では、さらに、アクティビティの測定のデータセットからの少なくとも１つのパフォーマンスパラメータが、コントラスト視力検査（低コントラスト文字視力もしくは石原式色覚異常検査表等）および精神状況質問票（ＭＳＱ）、ＭＩＳＩ－２９からなる群から選択されて特定される。
本発明の方法の一実施形態では、モバイルデバイスは、対象者に対して、認知および／または微細な運動アクティビティの測定のために、上述したテストのうちの１または２以上の検査を、好ましくはこれら全ての検査を実施するように構成されている。
さらに、本発明の方法の一実施形態では、モバイルデバイスは、スマートフォン、スマートウォッチ、ウェアラブルセンサ、ポータブルマルチメディアデバイスまたはタブレットコンピュータを含む。
本発明の方法のさらなる実施形態において、基準は、ステップａ）において言及される、認知および／または微細な運動アクティビティの測定のデータセットが対象者から得られた時点よりも前の時点において、対象者から得られた認知および／または微細な運動アクティビティの測定のデータセットから導出された少なくとも１つの認知および／または微細な運動アクティビティについての質測定的アクティビティパラメータである。典型的には、判定された少なくとも１つの質測定的アクティビティパラメータと基準との間の悪化は、対象者が認知および動作の疾患もしくは障害を患っていることを示している。
本発明の方法の他の実施形態では、前記基準は、認知および動作の疾患もしくは障害を患っていることが知られている対象者もしくは対象者のグループから得られた認知および／または微細な運動アクティビティの測定のデータセットから得られた少なくとも１つの認知および／または微細な運動アクティビティについての質測定的アクティビティパラメータである。典型的には、判定された少なくとも１つの質測定的アクティビティパラメータが、基準と比較して実質的に同一であることは、対象者が認知および動作の疾患または障害を患っていることを示している。
本発明の方法のさらに別の実施形態では、前記基準は、認知および動作の疾患もしくは障害を患っていないことが知られている対象者もしくは対象者のグループから得られた認知および／または微細な運動アクティビティの測定のデータセットから得られた少なくとも１つの認知および／または微細な運動アクティビティについての質測定的アクティビティパラメータである。典型的には、基準と比較して悪化していると判定された少なくとも１つの質測定的アクティビティパラメータは、認知および動作の疾患または障害を患っている対象者を示している。
本発明はまた、コンピュータプログラム、コンピュータプログラム製品、またはコンピュータプログラムが有形に組み込まれたコンピュータ可読記憶媒体を意図し、コンピュータプログラムは、データ処理装置またはコンピュータ上で実行されるときの命令を含み、上述のように本発明の方法を実行する。具体的には、本開示はさらに以下を包含する。
少なくとも１つのプロセッサを備える、コンピュータまたはコンピュータネットワークであって、プロセッサは、本明細書に記載されている実施形態のうちの１つによる方法を実行するように適合されている、コンピュータまたはコンピュータネットワーク、
データ構造がコンピュータ上で実行されている間に、本明細書に記載の実施形態のうちの１つによる方法を実行するように適合されたコンピュータにロード可能なデータ構造、
プログラムがコンピュータ上で実行されている間に、本明細書に記載されている実施形態のうちの１つによる方法を実行するように適合された、コンピュータスクリプト、
コンピュータ上またはコンピュータネットワーク上で実行されている間に、本明細書に記載の実施形態のうちの１つによる方法を実行するためのプログラム手段を含むコンピュータプログラム、
前記実施形態のプログラム手段を備え、前記プログラム手段は、コンピュータ読み取り可能な記憶媒体に記憶されたコンピュータプログラム、
記憶媒体であって、データ構造が、前記記憶媒体に記憶され、前記データ構造が、コンピュータまたはコンピュータネットワークのメインストレージおよび／またはワーキングストレージにロードされた後、本明細書に記載の実施形態のうちの１つに従う方法を実行する、記憶媒体、
プログラムコード手段を有するコンピュータプログラム製品であって、プログラムコード手段がコンピュータまたはコンピュータネットワーク上で実行される場合、本明細書に記載される実施形態のうちの１つによる方法を実行するために、プログラムコード手段が記憶媒体に記憶可能であるか、記憶されている、コンピュータプログラム製品、
モバイルを使用して対象者から得られた認知または微細な運動アクティビティの測定のデータセットを含む、典型的には暗号化されたデータストリーム信号、
モバイルを使用して対象者から得られた認知または微細な運動アクティビティの測定のデータセットから導出された少なくとも１つの認知または微細な運動アクティビティの質測定的パラメータを含む、典型的には暗号化された、データストリーム信号。
本発明はさらに、モバイルデバイスを使用して前記対象者から得られた認知または微細な運動アクティビティの測定のデータセットから少なくとも１つの、認知または微細な運動アクティビティの質測定的パラメータを判定する方法に関し、方法は、
ａ）モバイルデバイスを使用して前記対象者から得られた認知または微細な運動アクティビティの測定の既存のデータセットから少なくとも１つの、認知または微細な運動アクティビティの質測定的パラメータを得るステップと、
ｂ）判定された少なくとも１つの、質測定的パラメータを基準と比較し、典型的には、認知または微細な運動アクティビティの質測定的パラメータは、対象者において認知および動作の疾患もしくは障害を評価する補助となり得る。
本発明はまた、認知および動作の疾患もしくは障害に対する治療を推奨するための方法に関し、方法は、本発明の方法の上述したステップ（すなわち、認知および動作の疾患もしくは障害を患っている対象者を識別する方法）と、認知および動作の疾患もしくは障害が評価された場合に治療を推奨するさらなるステップとを備える。
本明細書で使用される「認知および動作の疾患または障害に対する治療」という用語は、薬物療法、手術、心理療法、理学療法などを含むあらゆる種類の医学的治療を指す。この用語には、生活スタイルに関する推奨事項、リハビリテーション対策、および栄養価の高い推奨事項も含まれる。典型的には、この方法は、薬物に基づく治療法、特に認知および動作の疾患または障害の治療に有用であることが知られている薬物による治療法の推奨を包含する。そのような薬物は、インターフェロンベータ－１ａ、インターフェロンベータ－１ｂ、グラチマラー酢酸塩、ミトキサントロン、ナタリズマブ、フィンゴリモド、テリフルノミド、フマル酸ジメチル、アレムツズマブ、ダクリズマブ、血栓溶解剤などからなる群から選択される１つまたは複数の薬物による療法であり得る。組換え組織プラスミン活性化剤としては、タクリン、リバスチグミン、ガランタミンまたはドネペジルなどのアセチルコリンエステラーゼ阻害剤、メマンチンなどのＮＭＤＡ受容体作動薬、レボドパ、トルカポンまたはエンタカポンなどのドーパカルボキシラーゼ阻害剤、ドーパミンアンタゴニストなど。ブロモクリプチン、ペルゴリド、プラミペキソール、ロピニロール、ピリベジル、カベルゴリン、アポモルヒネまたはリスリドなどのＭＡＯ－Ｂ阻害剤、例えばサフィナミド、セレギリンまたはラサギリン、アマンタジン、抗コリン作用薬、テトラベナジン、ニューロレプチック、ベンゾジアゼピン、およびリドレピンなど。さらに、前述の方法は、一実施形態では、推奨される治療を対象に適用する追加のステップを含み得る。
さらに、本発明に従って包含されるのは、本発明の前述の方法のステップを含む、認知および動作の疾患または障害に対する治療の効能を判定するための方法である。治療の際に認知および動作の疾患または障害の改善が対象者に生じた場合に治療処置を判定する、または対象者において認知および動作の疾患または障害が悪化した場合、または認知および動作の疾患もしくは障害に変化がなかった場合に、処置の失敗を判定するさらなるステップとを備える。
本発明に従って言及される「改善」という用語は、全体的な疾患もしくは障害状態またはそれらの個々の症状の任意の改善に関する。同様に、「悪化する」とは、全体的な疾患または障害状態またはそれらの個々の症状の悪化を意味する。いくつかの認知および動作の障害の経過は典型的には全体の疾患または障害状態およびその症状の悪化に関連し得るので、前述の方法に関連して言及される悪化は、通常の疾患または障害の進行の経過を超える予想外または非典型的な悪化である。したがって、この文脈において変化しないとは、全体的な疾患または障害状態およびそれに付随する症状が疾患または障害の進行の正常な原因の範囲内であることも意味し得る。
さらに、本発明は、上述の方法のステップを実行することによって、対象者における認知および動作の疾患または障害が改善しているか、悪化しているか、または変化が無いかを判定するステップを含む、対象者における認知および動作の疾患または障害を監視する方法を意図する。本発明（すなわち、対象を認知および動作の疾患または障害を患っていると識別する方法）は、所定の監視期間中に少なくとも２度行われる。
本明細書で使用される「所定の監視期間」という用語は、少なくとも２回のアクティビティの測定が実行される所定の期間を指す。典型的には、そのような期間は、個々の対象者について予想される疾患または障害の進行の経過に応じて、数日から数週間、数ヶ月から数年の範囲であり得る。監視期間内では、アクティビティの測定およびパラメータは、通常監視期間の開始である第１の時点および少なくとも１つの別の時点で判定される。しかしながら、アクティビティの測定およびパラメータ決定のためにさらに２つ以上の時点があってもよい。いずれにしても、第１の時点のアクティビティの測定から判定された微細な運動アクティビティのパラメータは、後続の時点のそのようなパラメータと比較される。そのような比較に基づいて、事前に決定された監視期間中の悪化、改善、または変化していない病状を判定するために使用されるであろう量的な差異が識別され得る。
本発明は、モバイルデバイスに関し、前記モバイルデバイスは、プロセッサと、少なくとも１つのセンサと、データベースと、前記デバイスに有形に組み込まれ、前記デバイス上で実行されている時に本発明の方法のうちのいずれか１つを実行するソフトウェアとを備えている。
さらに想定されるのは、少なくとも１つのセンサを含むモバイルデバイスと、遠隔デバイスとを備えたシステムであり、遠隔デバイスは、プロセッサ、データベース、および、前記デバイスに有形に組み込まれ、前記デバイス上で実行されるときに本発明の方法のいずれか１つを実行するソフトウェアを含み、前記モバイルデバイスと前記遠隔デバイスとが互いに動作可能にリンクされている。
「互いに動作可能にリンクされている」の下では、デバイスは、一方のデバイスから他方のデバイスへのデータ転送を可能にするように接続されていることが理解されるべきである。典型的には、少なくとも対象者からデータを取得するモバイルデバイスは、取得されたデータが処理のために遠隔デバイスに送信され得るように本発明の方法のステップを実行する遠隔デバイスに接続されることが想定されている。しかしながら、遠隔デバイスはまた、その適切な機能を制御または管理する信号などのデータをモバイルデバイスに送信してもよい。モバイルデバイスと遠隔デバイスとの間の接続は、同軸、ファイバ、光ファイバ、またはツイストペアの１０ＢＡＳＥ－Ｔケーブルなどの恒久的または一時的な物理的接続によって達成することができる。代替的には、それは、例えば、Ｗｉ－Ｆｉ（登録商標）、ＬＴＥ、ＬＴＥ－ａｄｖａｎｃｅｄまたはＢｌｕｅｔｏｏｔｈ（登録商標）などの電波を使用する一時的または恒久的な無線接続によって達成されてもよい。さらなる詳細は本明細書の他の場所に見いだすことができる。データ取得のために、モバイルデバイスは、画面またはデータ取得のための他の機器などのユーザインターフェイスを含んでいてもよい。典型的には、アクティビティの測定は、モバイルデバイスによって構成されるスクリーン上で実行することができ、ここで、前記スクリーンは、例えば、５．１インチのスクリーンを含む異なるサイズを有してもよいことが理解されるであろう。
また、本発明は、認知および動作の疾患もしくは障害を患っている対象者を識別するための本発明のモバイルデバイスまたはシステムの使用に関する。
本発明はまた、特に現実の生活の中で、日常の状況において大規模に、認知および動作の疾患もしくは障害を患っている対象者を監視するための本発明によるモバイルデバイスまたはシステムの使用を意図する。
しかし、本発明は、例えば臨床試験時など、認知および動作の疾患もしくは障害を患っている対象者において、薬効を調査するための本発明によるモバイルデバイスまたはシステムの使用を意図することが理解される。
さらに、本発明は、認知および動作の疾患もしくは障害を患っている対象者に対する治療方法の決定を容易にする、および／または補助するための本発明によるモバイルデバイスまたはシステムの使用を意図する。
さらに、本発明は、病院管理、リハビリ方法管理、健康保険の評価および管理を支持する、および／または、認知および動作の疾患もしくは障害を患っている対象者に対する公共健康管理における決定を支持するための本発明によるモバイルデバイスまたはシステムの使用を提供する。
本発明はさらに、生活スタイルおよび／または治療の推奨によって、認知および動作の疾患もしくは障害を患っている対象者を支持するための本発明によるモバイルデバイスまたはシステムの使用を含む。
さらなる特定の実施形態もまた以下のとおり列挙される。
実施形態１：認知および動作の疾患または障害の罹患が疑われる対象者において、認知および動作の疾患または障害の評価を行う方法であって、
ａ）モバイルデバイスを使用した前記対象者から得られた、認知および／または微細な運動アクティビティの測定の、典型的には既存の、データセットにおける、認知および／または微細な運動アクティビティについての少なくとも１つの質測定的アクティビティパラメータを判定するステップと、
ｂ）前記判定された少なくとも１つの質測定的アクティビティパラメータを基準と比較するステップであって、それにより、前記認知および動作の疾患または障害の評価が行われるステップと
を備える、方法。
実施形態２：前記認知および動作の疾患または障害が、錐体路、錐体外路、感覚または小脳系に影響を及ぼす中枢および／または末梢神経系の疾患または障害、もしくは神経筋疾患であり、または、筋の疾患または障害である、実施形態１に記載の方法。
実施形態３：前記認知および動作の疾患または障害が、多発性硬化症（ＭＳ）、視神経脊髄炎（ＮＭＯ）およびＮＭＯ関連疾患、脳卒中、小脳障害、小脳失調、痙性対麻痺、本態性振戦症、筋無力症および筋無力症候群もしくは他の形態の神経筋障害、筋ジストロフィ、筋炎もしくは他の筋肉障害、末梢神経障害、脳性麻痺、錐体外路症候群、パーキンソン病、ハンチントン病、アルツハイマー病、他の形態の痴呆、白質ジストロフィ、自閉症スペクトラム障害、注意欠陥障害（ＡＤＤ／ＡＤＨＤ）、ＤＳＭ－５で定義される知的障害、認知行動パフォーマンスおよび加齢に関連する予備力の障害、多発神経障害、運動ニューロン疾患、および筋萎縮性側索硬化症（ＡＬＳ）からなる群から選択される、実施形態１または２に記載の方法。
実施形態４：前記少なくとも１つの質測定的アクティビティパラメータが、神経認知機能における変動を示す認知の質測定的アクティビティパラメータ、手の器用さにおける変動を示す手／腕機能の質測定的アクティビティパラメータ、または、動作の変動を示す歩行の質測定的アクティビティパラメータである、実施形態１～３のいずれか１つに記載の方法。
実施形態５：認知および／または微細な運動アクティビティの測定の前記データセットは、前記モバイルデバイスのセンサ面上で行われたピンチング検査からの、および／または、Ｕターン検査（ＵＴＴ）、２分間歩行検査（２ＭＷＴ）、静的平衡検査（ＳＢＴ）、または受動監視からの継続的歩行分析（ＣＡＧ）からのデータを含む、実施形態１～４のいずれか１つに記載の方法。
実施形態６：認知アクティビティの測定のデータセットは、前記モバイルデバイスのセンサ面上の情報処理速度（ＩＰＳ）検査からのデータを含む、実施形態１～５のいずれか１つに記載の方法。
実施形態７：検査対象者において情報処理速度（ＩＰＳ）の評価を自動的に行うコンピュータで実現される方法によって、情報処理速度が質測定的アクティビティパラメータとして判定され、
ｉ）微細な運動アクティビティ感覚伝達、認知および運動アウトプットのアクティビティについての少なくとも１つの第１の質測定的アクティビティパラメータと、検査対象者から得られる認知眼球運動のアクティビティの測定を含む、認知および／または微細な運動アクティビティの測定の既存のデータセットにおける感覚伝達および運動アウトプットのアクティビティについての少なくとも１つの第２の質測定的アクティビティパラメータとを判定するステップと、
ii）上記第１の質測定的アクティビティパラメータおよび上記第２の質測定的アクティビティパラメータを互いに比較することにより、認知についての少なくとも１つの第３の質測定的アクティビティパラメータを判定するステップと、
iii）少なくとも第１の質測定的アクティビティパラメータ、第２の質測定的アクティビティパラメータ、および第３の質測定的アクティビティパラメータに基づいて、対象者における情報処理速度の評価を行うステップと、
iv）本発明の方法のステップａ）における認知および／または微細な運動アクティビティ微細な運動アクティビティについての質測定的活動パラメータとして、上記情報処理速度を提供するステップとを含む、
実施形態６に記載の方法。
実施形態８：前記モバイルデバイスは、実施形態４または５に記載された検査の１つまたは複数、好ましくは、これらの実施形態に記載された検査の全てを前記対象者に対して行うように構成された、実施形態１～７のいずれか１項に記載の方法。
実施形態９：前記モバイルデバイスは、スマートフォン、スマートウォッチ、ウェアラブルセンサ、ポータブルマルチメディアデバイス、またはタブレットコンピュータからなる、実施形態８に記載の方法。
実施形態１０：前記基準は、ステップａ）において参照される認知および／または微細な運動アクティビティの測定のデータセットが前記対象者から得られた時点より前の時点において前記対象者から得られた認知および／または微細な運動アクティビティの測定から導き出された認知および／または微細な運動アクティビティについての、少なくとも１つの質測定的アクティビティパラメータである、実施形態１～９のいずれか１つに記載の方法。
実施形態１１：判定された少なくとも１つの質測定的アクティビティパラメータと、前記基準との間の悪化は、対象者が前記認知および動作の疾患もしくは障害を患っていることを示す、実施形態１０に記載の方法。
実施形態１２：前記基準は、認知および動作の疾患もしくは障害を患っていることが知られている対象者もしくは対象者のグループから得られた認知および／または微細な運動アクティビティの測定のデータセットから導き出された認知および／または微細な運動アクティビティについての少なくとも１つの質測定的アクティビティパラメータである、実施形態１～９のいずれか１つに記載の方法。
実施形態１３：判定された少なくとも１つの質測定的アクティビティパラメータが前記基準と比して実質的に同一である場合、前記対象者が前記認知および動作の疾患もしくは障害を患っていることを示す、実施形態１２に記載の方法。
実施形態１４：前記基準は、前記認知および動作の疾患もしくは障害を患っていないことが知られている対象者もしくは対象者のグループから得られた認知および／または微細な運動アクティビティの測定のデータセットから導き出された、認知および／または微細な運動アクティビティについての少なくとも１つの質測定的アクティビティパラメータである、実施形態１～９のいずれか１つに記載の方法。
実施形態１５：判定された少なくとも１つの質測定的アクティビティパラメータが前記基準と比して悪化している場合、前記対象者が前記認知および動作の疾患もしくは障害を患っていることを示す、実施形態１４に記載の方法。
実施形態１６：認知および動作の疾患もしくは障害に対する治療を推奨するための方法であって、実施形態１～１５のいずれか１項に記載の方法のステップと、認知および動作の疾患もしくは障害が評価された場合に治療を推奨するさらなるステップとを備える、方法。
実施形態１７：認知および動作の疾患もしくは障害に対する治療の効能を特定するための方法であって、実施形態１～１５のいずれか１つに記載の方法のステップと、治療の際に前記対象者において認知および動作の疾患もしくは障害に改善があった場合に治療処置を特定する、または前記対象者において認知および動作の疾患もしくは障害の悪化が生じた場合、または認知および動作の疾患もしくは障害に変化がなかった場合に処置の失敗を特定するさらなるステップとを備える、方法。
実施形態１８：対象者における認知および動作の疾患もしくは障害を監視する方法であって、実施形態１～１５のいずれか１つに記載の方法のステップを所定の監視期間中に少なくとも２度行うことによって、対象者において認知および動作の疾患もしくは障害が改善しているか、悪化しているか、もしくは変化が無いかを特定するステップを備える、方法。
実施形態１９：モバイルデバイスであって、前記モバイルデバイスが、プロセッサと、少なくとも１つのセンサと、データベースと、前記デバイスに有形に組み込まれ、前記デバイス上で実行されている時に実施形態１～１８のいずれか１つに記載の方法を実行するソフトウェアとを備えた、モバイルデバイス。
実施形態２０：少なくとも１つのセンサを有するモバイルデバイスと、遠隔デバイスとを備え、前記遠隔デバイスは、プロセッサ、データベース、および、前記デバイスに有形に組み込まれ、前記デバイス上で実行されている時に実施形態１～１８のいずれか１つに記載の方法を実施するソフトウェアを有し、前記モバイルデバイスと前記遠隔デバイスとは互いに動作可能に連結されている、システム。
実施形態２１：認知および動作の疾患または障害を罹患している対象者を識別する際に使用するための、実施形態１９に記載のモバイルデバイス、または実施形態２０に記載のシステム。
実施形態２２：認知および動作の疾患もしくは障害を患っている対象者を特に実生活での日々の状況において大規模に監視するため、認知および動作の疾患もしくは障害を患っている対象者における例えば臨床試験時の薬効を調査するため、認知および動作の疾患もしくは障害を患っている対象者に対する治療方法の決定を容易にする、および／または補助するため、病院管理、リハビリ方法管理、健康保険の評価および管理を支持する、および／または、認知および動作の疾患もしくは障害を患っている対象者に対する公共健康管理における決定を支持するため、または、認知および動作の疾患もしくは障害を患っている対象者を生活スタイルおよび／または治療の推奨により支持するために使用される、実施形態１９に記載のモバイルデバイス、または、実施形態２０に記載のシステム。本明細書を通じて参照される参考文献は全て、それらの開示内容に関して、および、本明細書において言及された特定の開示内容に関して参照により、ここに組み入れる。
ＩＰＳ検査中の置換タスクパフォーマンスにおける処理速度および正確性の変動を測定する認知の質測定的アクティビティパラメータの例を示し、以下のグラフ（臨床試験ＮＣＴ０２９５２９１１の中間分析）において表されたような正しい応答間の経過時間は、この場合には、１５秒の基準時点毎にパフォーマンスが監視され、および分析された場合に、９０秒のＩＰＳ検査の間に悪化が経時的に認められるので、一定程度の検査内「疲労度」を母集団レベルにおいて示す。 ９０秒間における正しい応答の合計数が３２未満（１行目）、３２～３９（２行目）、または４０超（３行目）である、全体ＩＰＳパフォーマンスの可変レベルに対する３つの対象者カテゴリーにおける全体の記号－数字置換応答（左のパネル）または正しい記号－数字置換応答（右のパネル）間の経過時間における検査内変動の可変時間プロファイルを示す。 ピンチング検査中のピンチングタスクのパフォーマンスにおける手の器用さの変動を測定する手／腕機能の質測定的アクティビティパラメータの例を示し、２つの連続したピンチングの試み間の経過時間は、以下のグラフ（臨床試験ＮＣＴ０２９５２９１１の中間分析）において表され、この特定の特徴が、従来の９ホールペグ検査（９ＨＰＴ）よりも異常な機能を検出することができることを母集団レベルで示す。実際に、健常対照者（ＨＣ）についての平均９ＨＰＴ時間＋２標準偏差（Ｗａｎｇ ２０１５）に対応する正常機能の上限を定義する（閾値（２３．９１秒）に基づいた）正常な、および損なわれた手／腕機能をおそらく有していた、ＭＳのＮＣＴ０２９５２９１１調査患者を比較すると、２つの連続したピンチングの試み（‡ｐ＜０．００１）間の平均時間により、ＨＣから、正常な手／腕機能を有するＭＳ患者を区別することができた。患者のＵＴＴ Ｕターン速度分布に基づいたパフォーマンス。＊ｐ＜０．０５；†ｐ＜０．０１；‡ｐ＜０．００１。ＥＤＳＳ、総合障害度スケール；ＭＳ、多発性硬化症；Ｔ２５ＦＷ、２５フィートの計時された歩行。 ＵＴＴおよび受動監視からの継続的歩行分析における変動を測定する歩行の質測定的アクティビティパラメータの例を示し、ＵＴＴからのターン速度、歩行中の１日のターンの数および１日のターン速度の平均が、以下のグラフ（臨床試験ＮＣＴ０２９５２９１１の中間分析）において表され、これらの質測定的パラメータの対象者内の日々の監視が多発性硬化症の再発を検出することができることを示す。ＵＴＴによって測定された能動的なテストのＵターン速度における明白な差が、この例において、再発の報告の前とその後との間に認められている（ウィルコクソンの順位和検定；パネルｂ）。受動監視におけるターン行動も、再発の発症／報告の前後で、１日のターン数について異なった（パネルｃ）一方、平均１日ターン速度は変化なしの状態に留まった（パネルｄ）。 ピンチング検査の質測定的アクティビティパラメータ、すなわち、ピンチング検査の質測定的データの図示を示す。サブ図Ａは、３０秒間、検査を行う対象者の概要を示す。最初の指からのタッチイベントは緑色で示され、２番目の指からのタッチイベントは赤で示される（Ｂ）。青い円は、ディスプレイとの２つのコンタクト時点が同時であった場合を示している。点線はピンチ試行の開始と終了をそれぞれ示している。サブ図（Ｃ）は、２つのつまんでいる指の間の距離を示している。個々の指の速度は（Ｄ）において描いている。サブ図（Ｅ）は、１回目の試みにおける１３回目のピンチングで成功裏につまんだ９番目のトマトの位置を表している。円は、タッチスクリーン上の運動軌跡を示す。緑色のボックスは、ピンチングの試みが成功裏に収まったことを示している。 形状描画検査の質測定的アクティビティパラメータ、すなわち、２人の対象者からの円形のタッチ軌跡の例を示す。黒丸は、対象者が通過しなければならない経由地点を示す。各緑色のマーカーは、各経由地点に最も近いトレースポイントを表す。サブ図（Ａ）は、良好な９ＨＰＴパフォーマンスに基づいて選択されたベースラインの対象者を示す。サブ図（Ｂ）は、９ＨＰＴが不良な対象者を示す。 形状描画検査の質測定的アクティビティパラメータ、すなわち、たとえば図５に示すトレースパフォーマンスを示す。円形の各経由地点ごとのエラー距離が、サブ図（Ａ）に示されている。サブ図（Ｂ）は、複数のセクタへの特定のセグメンテーション、およびそれに続くセクタごとのエラーを示す。サブ図（Ｃ）は、中央値およびＩＱＲを含む、対象者ごとのエラー距離の範囲を示す。 形状描画検査の質測定的アクティビティパラメータ、すなわち、２人の対象者からのらせん形状についての接触トレースの例を示す。黒丸は、対象者が通過しなければならない経由地点を示す。各緑色のマーカーは、各経由地点に最も近いトレースポイントを表す。サブ図（Ａ）は、良好な９ＨＰＴパフォーマンスに基づいて選択されたベースラインの対象者を示す。サブ図（Ｂ）は、９ＨＰＴが不良な対象者を示す。 形状描画検査の質測定的アクティビティパラメータ、すなわち、例えば１１に示されるトレースパフォーマンスを示す。らせん形状の各経由地点ごとのエラー距離が、サブ図（Ａ）に示されている。サブ図（Ｂ）は、形状固有のセクタへのセグメンテーション、およびその後のセクタごとのエラーを示す。複数のセクタへの特定のセグメンテーション、およびそれに続くセクタごとのエラーを示す。サブ図（Ｃ）は、中央値およびＩＱＲを含む、対象者ごとのエラー距離の範囲を示す。 形状描画検査の質測定的アクティビティパラメータ、すなわち、視覚的、速度的および加速度的分析を通して、対象者の描画パフォーマンスの集合的な空間的および時間的特性を示す。速度は、連続したポイント間のユークリッド距離の経時変化として計算される。加速度は時間の経過に伴う速度の変化率である。この形状および描画された点の空間分析に対する対象者特有の補足的解析を通じて、対象者の細かい時間的パフォーマンス特性を研究することができる。（ａ）特定の形状の視覚的追跡、（ｂ）完成するための時間に亘る形状描画タスクのトレースの速度［ｓ］。（ｃ）完成するまでの時間に亘る形状描画タスクのトレースの加速度［ｓ］。 検査パフォーマンス中の合計応答時間の変動と、ベースラインの変動とを概略的に示す。ベースラインと合計応答時間との間の差は、認知アクティビティを説明する。 マッチングタスクのいくつかの反復後に認められた、パフォーマンスにおける変化を示す。ベースラインパフォーマンスが影響を受けていない状態に留まっている一方で、マッチングタスクのための健常対象者および患者におけるパフォーマンスは増加している。 ＩＰＳマッチング検査に有用な記号を示す。ａ）～ｃ）は記号対であり、ｄ）～ｆ）は単一の記号であり、ａ）記号は丸みがあり、強い関連を可能にし、および、読む方向で鏡像であり、ｂ）記号はセグメント化され、目視検査を分かりにくくし、および、読む方向で鏡像であり、ｃ）記号は鋭く尖っており、強い関連を可能にし、読む方向に対して垂直な顕著なミラー軸を有しており、および、ｄ）記号は回転対称性を有し、容易な目視検査を可能にし、ｅ）記号は方向性を持ち、読む方向軸の逆方向であり、ｆ）記号はとがっており、読む方向において２つのミラー軸を有している。 記号マッチング（ａ）およびベースラインタスクパフォーマンス（ｂ）用のモバイルデバイスのディスプレイ上のＩＰＳ検査環境を示す。
実施例：
以下の実施例は本発明を単に例示する。とにかく、それらは本発明の範囲を限定するように解釈されるべきである。
以下の実施例は本発明を単に例示する。とにかく、それらは本発明の範囲を限定するように解釈されるべきである。
実施例１：コンピュータで実現される（電子的な）認知－情報処理速度（ＩＰＳ）検査
ａ） ＩＰＳ検査
情報処理速度検査の目的は、持続的注意、視覚スキャン、および近時記憶を含む反復的な視覚置換タスクの根底をなす主要神経認知機能の障害を検出することである。この場合における情報処理は、続くアウトプット、すなわちスマートフォンのタッチスクリーン上のキーを押すことによる応答へと拡張する感覚系への視覚情報のインプットから始まる異なる複数のステップステップからなる。このプロセスにおける主なステップは、（１）求心性視覚感覚情報の伝達、（２）認知置換タスクの完成、および（３）遠心性運動アウトプットの実行である（Ｃｏｓｔａ ２０１７）。
記号数字モダリティ検査（ＳＤＭＴ， Ｓｍｉｔｈ １９６８， １９８２）または処理速度検査（ＰＳＴ， Ｒａｏ ２０１７）は、全体検査パフォーマンスにおける、反応時間または運動アウトプット時間の相対的な重み付けの測定を説明するものではない。別々に測定された、反応時間、視覚処理時間、および運動アウトプット時間を全体パフォーマンスから減算することにより、記号／数字置換タスクの速度の具体的な評価を可能にするために、ロシュはＩＰＳ検査を開発した。
ＩＰＳ検査の記号セットは、単純な設計手法に従った抽象的な異なる９つの記号からなり、これらは９つのキー、すなわち、数字１～９に割り当てられている。
参加者の反応時間、および遠心性運動アウトプットを生み出すのに要する時間を明らかにするために、記号／数字置換タスク後に、１５秒の数字／数字マッチング検査が行われる。数字は、先行する置換タスクにおける記号として数字についてのアナログのローテーション方式で提示され、同じユーザインターフェイスに埋め込まれる。
ＩＰＳ検査の記号／数字置換タスクの場合、１２０の抽象的な記号が、最大合計で９０秒の間に連続して表示される。１～９のそれらのそれぞれのマッチングする数字とともに９つの記号を示す凡例キー（３つ以上のバージョンのラウンドロビン循環）が参照のために傍らに表示される。検査参加者には、９０秒間にスマートフォンスクリーン上の数字キーパッド上でできる限り速く、マッチングするキーを反復する記号毎に打つことにより、できる限り多くの正しい応答を提供させる。
記号マッチングおよびベースライン検査に対する正しい応答の数が患者に向けて表示される。
ｂ）結果
認知の質測定的アクティビティパラメータは、持続的注意、視覚スキャン、および近時記憶を含む反復的な視覚置換タスクの根底をなす主要神経認知機能の障害を検出し、および測定することを目的とする、上述した情報処理速度（ＩＰＳ）検査から開発された。数字から記号への置換タスクは、軽度認知障害の状態における脳萎縮との相関があることが知られており、および、（ＳＤＭＴ （Ｓｍｉｔｈ １９６８， １９８２）またはＰＳＴ（Ｒａｏ ２０１７）などの同様の検査とは異なり、）モバイルデバイス上で行われるＩＰＳ検査は、視覚処理および運動実行時間の影響について調節する間に、認知置換タスクのパフォーマンスを別個に測定することを可能にする。
モバイルデバイス
ＩＰＳ検査中の置換タスクパフォーマンスにおける処理速度および正確性の変動を測定する認知の質測定的アクティビティパラメータの例として、以下のグラフ（臨床試験ＮＣＴ０２９５２９１１の中間分析）において表されたような正しい応答間の経過時間は、この場合には、１５秒の基準時点毎にパフォーマンスが監視され、および分析された場合に、９０秒のＩＰＳ検査の間に悪化が経時的に認められるので、一定程度の検査内「疲労度」を母集団レベルにおいて示す（図１参照）。
９０秒間における正しい応答の合計数が３２未満（１行目）、３２～３９（２行目）、または４０超（３行目）である、全体ＩＰＳパフォーマンスの可変レベルに対する３つの対象者カテゴリーにおける全体の記号－数字置換応答（左のパネル）または正しい記号－数字置換応答（右のパネル）間の経過時間における検査内変動の可変時間プロファイルが図２に示されている。
典型的な認知の質測定的アクティビティパラメータは、ＩＰＳ検査から導き出され、認知の完全性を測定する検査内変動を反映する連続結果変数として捉えられ、この認知の質測定的アクティビティパラメータは、網羅的でないが、以下に列挙される、
１）（ｎ－１からの）応答前の経過時間
２）（ｎ－１からの）正しい応答前の経過時間
３）（ｎ－１からの）誤応答前の経過時間
４）（先行する正しい応答からの）正しい応答間の経過時間
５）（先行する誤応答からの）誤応答間の経過時間
６）作業記憶およびタスク内の学習を評価するために、記号のシーケンスが修正される場合の、特定の記号または記号クラスタに適用されたパラメータ１）、２）、３）
からなる群から選択される。
とりわけ、上述したような認知の質測定的アクティビティパラメータは、モバイルデバイスから取得され、および、特定の認知タスクの完成における認知の機能および完全性の少なくとも１つの定性的特徴におけるパフォーマンス変動の単一の尺度、または複合的な尺度を含む他の認知検査から導き出すことが可能であることが理解される。
実施例２：コンピュータで実現される、「形状描画」および「ピンチング」検査
手先の器用さ（手運動機能）は、手および指の動作を整合させるとともに適時に対象物を操作する個人のパフォーマンスを特徴付ける。手先の器用さは、日々の活動、仕事に関連するタスクの完了、およびレジャーアクティビティへの参加における人のパフォーマンスに大きく影響を与える。
手先の器用さは、運動、認知、感覚、および感情面の機能を測定する簡潔でありながら包括的な手段を開発したNIH Blueprint for Neuroscience Researchの提案の一部として、神経および行動機能の評価のための国立衛生研究所ツールボックス（ＮＩＨ）ツールボックスを組み入れるための中心的構成として２００７年に確認された。既存の測定手段を検討した後、専門家は、ＮＩＨツールボックスに将来的に含むべき手先の器用さの測定手段の候補として、１）９ホールペグ検査（９ＨＰＴ）および２）グルーブドペグボード検査（ＧＰＴ）の２つの測定手段を推奨している。これは、これらの検査が、寿命にわたる適用可能性、心理的健常性、簡潔性（１回の試験にかかる完了時間が比較的短い）、および多様な設定における適用可能性を有するためである。
主として、９ＨＰＴは、最も多くの組み入れ基準を満たしており、すべての年齢のグループ、特に若い子供に対する検査の実施が容易であることから選択された。９ホールペグ検査の実施にかかる時間は、ＮＩＨツールボックスへの組入に必要とされるように、短いものである（両手の測定について５分未満）。既存の文献では、９ＨＰＴは、信頼性の高い有効な指の器用さを測定する手段であり、様々な診断群（すなわち、ＭＳ、発作、脳性小児麻痺、小脳障害、およびパーキンソン病）における手の器用さを評価することができるものとして、支持されている。
９ＨＰＴの規範的データは、子供および高齢の大人を含む年齢層にわたって公開され、９０年代後期からは、９ＨＰＴは、多発性硬化症機能評価（ＭＳＦＣ）スケールからの機能的上肢評価の主要な構成要素を表す。
現在の調査プロトコルに対して、ユーザフレンドリーなスマートフォンのインターフェイス上に、神経障害における手運動機能の遠隔自己評価を可能にするための９ＨＰＴおよびＧＰＴの特徴を複製することを目的とし、２つのタッチスクリーンベースのアプリケーション検査、すなわち「形状描画」および「ピンチング」検査を開発した。何れの検査も、それぞれ３０秒間続くことが意図されている。
「形状描画」および「ピンチング」検査は、上肢運動機能および手先の器用さ（摘む、描画する）を評価するとともに、上肢神経系の錐体路、錐体外路、感覚、および小脳構成要素における変化および異常のみならず、上肢機能の神経筋および筋性の改変に対しても感度が高い。
ａ）形状描画
この検査の目的は、良好な指の制御および脳卒中シーケンスを評価することにある。検査は、振戦、痙攣、および損なわれた手と目の整合等の損なわれた手運動機能の側面をカバーするものと考えられる。患者は、検査されていない手でスマートフォンを持ち、３０秒の最長時間内に「出来るだけ早く正確に」検査される手の第二指を用いて複雑さが増加する（線形、矩形、円形、正弦、および螺旋（下記参照））６つの事前に書かれた変化する形状をスマートフォンのタッチスクリーン上に描画するように指示される。形状を上手く描画するためには、患者の指は、タッチスクリーン上で継続的にスライドし、全ての示されたチェックポイントを通過するとともに出来るだけ描画軌跡の境界内に維持して示された開始点と終了点とを繋がなければならない。患者は、６つの形状を成功裏に完成するために最大２回試みることができる。検査は、右手と左手で交互に行われる。ユーザは、日毎に変更するように指示される。２つの線型形状は、各々が５つの繋がれるチェックポイント、すなわち、４つのセグメントを有する。正方形形状は、９つの繋がれるチェックポイント、すなわち、８つのセグメントを有する。円形形状は、１４個の繋がれるチェックポイント、すなわち、１３個のセグメントを有する。８の字形状は、１３個の繋がれるチェックポイント、すなわち、１２個のセグメントを有する。螺旋形状は、２２個の繋がれるチェックポイント、２１個のセグメントを有する。６つの形状を完成させることにより、合計で６２個のセグメントを上手く描画できている事を示している。
描画の正確度と、形状を描画するのに使用された時間は、患者へ報告される。さらに、作成された図の合計長さが報告され、およびなじみのある物体で描画される（たとえば、犬、馬、および建物）。
ｂ）ピンチング検査
この検査の目的は、ピンチ閉手指動作の精度を評価することにより、微細な遠位運動操作（グリッピングおよびグラスピング）を評価することにある。上記検査は、損なわれた手運動機能の局面、すなわち、損なわれたグリッピング／グラスピング機能、筋力低下や、損なわれた目と手の整合を包含すると考えられる。患者は、未検査の手にスマートフォンを保持し、かつ、反対の手の２本の指（好ましくは親指＋第２指または親指＋第３指）で画面をタッチすることにより、３０秒内にできるだけ多くの表示された丸い形状（すなわちトマト）を可能な限り多く、押圧／ピンチするよう指示される。損なわれた微細な遠位運動操作は、能力に影響を及ぼす。検査は右手および左手で交互に実施する。ユーザは日々交互に指示される。
うまくピンチされた形状（すなわち、トマト）の数は、患者に報告される。さらに、ピンチされたトマトの総数は、なじみのある、および分かりやすい記号（たとえば、ケチャップ瓶としてのトマトの均等物）で報告される。
手／腕機能の質測定的アクティビティパラメータの例は、上記ピンチングおよび形状描画検査から開発されている。
ｃ）結果
手／腕機能の完全性、および手の器用さを測定する、ピンチング検査（図５）から導き出され、および、検査内変動を反映する連続結果変数として捉えられる典型的な手／腕機能の質測定的アクティビティパラメータのいくつかの例は、網羅的でないが以下に列挙した、
１）２つの連続したピンチングの試み（タッチスクリーン上のダブル接触、およびそれに続く、ピンチングの試みとして定義される）間の経過時間、
２）検出されたダブル接触の全てについて、第１指および第２指のスクリーンタッチ間のラグタイムとして測定されるダブル接触の非同期性、
３）検出されたダブル接触の全てについて、ダブル接触における２指の開始タッチポイントとトマト形状の中心との間の等距離点からの距離として測定されるピンチング標的精度、
４）うまくピンチされた全てのダブル接触について、ダブル接触の開始点から、ピンチング間隙に達するまで、２指がスライドするそれぞれの距離（最短／最長）間の比率として測定されるピンチング指運動の非対称性、
５）うまくピンチされた全てのダブル接触について、ダブル接触の時間からピンチ間隙に達するまでの、スクリーン上でスライドする各々の一方のおよび／または両方の指の速度（ｍｍ／秒）として測定されるピンチング指速度、
６）うまくピンチされた全てのダブル接触について、ダブル接触の時点から、ピンチング間隙に達するまでの、スクリーン上をスライドするそれぞれの個々の指の速度（最遅／最速）間の比率として測定される、ピンチング指の非同期性、
７）経時的な、１）～６）の連続変数分析、および可変持続時間の基準時点毎のそれらの分析
からなる群から選択される。
ピンチング検査中のピンチングタスクのパフォーマンスにおける手の器用さの変動を測定する手／腕機能の質測定的アクティビティパラメータの例として、２つの連続したピンチングの試み間の経過時間は、以下のグラフ（臨床試験ＮＣＴ０２９５２９１１の中間分析）において表され、この特定の特徴が、従来の９ホールペグ検査（９ＨＰＴ）よりも異常な機能を検出することができることを母集団レベルで示す。実際に、健常対照者（ＨＣ）についての平均９ＨＰＴ時間＋２標準偏差（Ｗａｎｇ ２０１５）に対応する正常機能の上限を定義する（閾値（２３．９１秒）に基づいた）正常な、および損なわれた手／腕機能をおそらく有していた、ＭＳのＮＣＴ０２９５２９１１調査患者を比較すると、２つの連続したピンチングの試み（‡ｐ＜０．００１）間の平均時間により、ＨＣから、正常な手／腕機能を有するＭＳ患者を区別することができた。図３参照。
手／腕機能の完全性、および手の器用さを測定する、描画形状検査から導き出され、および、検査内変動を反映する連続結果変数として捉えられる典型的な手／腕機能の質測定的アクティビティパラメータのいくつかの例は、敏速性および正確性の特徴に基づき、網羅的でないが以下に列挙した（図６～図１０参照）、１）成功裏に完成されたセグメントの敏速性（セグメント／秒）、２）成功裏に完成されたセグメントの形状固有の（線形の、円形の、らせん形の）敏速性、３）特定の形状毎に到達した開始ウェイポイントから終了ウェイポイントまでの目標描写経路と描写済軌道との間の統合表面偏差の曲線（ＡＵＣ）測定下の全体面積の和を（到達した開始ウェイポイントから終了ウェイポイントまでの）これらの形状内の対応する目標経路の合計累積長で除算して算出される偏差、４）形状固有の（線形の、円形の、らせん形の）偏差
実施例３：コンピュータで実現されるＵターン検査（ＵＴＴ）、２分間歩行検査（２ＭＷＴ）、静的平衡検査（ＳＢＴ）、および受動監視からの継続的歩行分析（ＣＡＧ）
ａ）２分間歩行検査（２ＭＷＴ）
この検査の目的は、２ＭＷＴにおける歩行の特徴を捕捉することにより、長距離歩行における支障、疲労性、または異常なパターンを評価することにある。データはスマートフォンセンサから捕捉される。ストライド長およびステップ長の減少、ストライドの持続時間の増加、ステップの持続時間および非対称性の増加、周期的なストライド／ステップの減少を、障害の進行、または病気のぶり返しの発生の場合に確認し得る（Ｈｏｂａｒｔ ２０１３）。歩行中の腕振りの力学も、モバイルデバイス経由で評価される。患者は、「２分間、できる限り速くかつ長く歩行するが、安全に歩行する」よう指示される。２ＭＷＴは、屋内または屋外で（Ｕターンなしで２００メートル以上も連続して歩行し得ると患者が明確にした場所における平坦な地面の上で）行うことが必要な単純な検査である。患者は、通常の履き物や支援装置および／または矯正器具を用いることが許される。
行われた全ての複数の２分歩行検査中に歩行したステップの総数に加えて、２分間の経過において歩行したステップの数が患者に報告される。
ｂ）Ｕターン検査（ＵＴＴ）
この検査の目的は、快適なペースでの短距離の歩行中でＵターンを行ううえでの支障または異常なパターンを評価することにある。ＵＴＴは、屋内または屋外で（「安全に歩行し、数メートル離れた２地点間を行ったり、来たりするＵターンを連続して少なくとも５回行う」よう患者が指示される平坦な地面の上で）行うことが必要である。歩行特徴データ（ステップ数の変動、Ｕターン中の持続時間および非対称性、Ｕターンの持続時間）はスマートフォンセンサによって捕捉される。患者は、必要に応じて、通常の履き物や支援装置、および／または矯正器具を使用することが許される。ターンの速度は患者に報告される。
ｃ）継続的歩行分析（ＣＡＧ）
スマートフォンセンサによって捕捉された歩行特徴データ（ステップカウント、持続時間、および非対称性）の連続的な記録は、歩行ダイナミクスの１日の量および質の受動監視を可能にする。
患者の活動の範囲は、患者に報告される。この範囲は、標準的な寸法で、および、なじみのある一般用語（たとえば、フットボールのフィールドのサイズ）で表される。
ｄ）静的平衡検査（ＳＢＴ）
この検査の目的は、成人人口における静的平衡および転倒リスクを評価するよう企図された１４項目の客観的な尺度である広く使用されているバーグ平衡スケール（ＢＢＳ）の項目の１つ（すなわち、支援なしの起立）にあるような、人の静的平衡機能を評価することにある（Ｂｅｒｇ １９９２）。データは、スマートフォンのセンサによって捕捉される。
患者は、スマートフォンを正面に向かっての中央の位置におけるランニングバンドに入れた状態で、かつ可能な限り、身体に沿ってまっすぐ、腕を楽にして、３０秒間、支援なしで動かないで立っているよう求められる。転倒リスクおよび／または静的平衡機能の損傷が増大している個人は、姿勢制御の変化（揺れ）を表し得る（Ｗａｉ ２０１４）。
バランス運動における変動は、揺れの経路の長さの観点で報告され、記号（たとえば、大きな硬い岩、小さな岩）で描かれる。動画化された揺れの経路は、バランスの変動の分かりやすい表現として示される。
ｅ）結果
歩行の質測定的活動パラメータの例は、上述されたＵターン検査（ＵＴＴ）、２分間歩行検査（２ＭＷＴ）、静的平衡検査（ＳＢＴ）、および受動監視からの継続的歩行分析（ＣＡＧ）から開発された。
ＵＴＴおよび受動監視からの継続的歩行分析における変動を測定する歩行の質測定的アクティビティパラメータの例として、ＵＴＴからのターン速度、歩行中の１日のターンの数および１日のターン速度の平均が、以下のグラフ（臨床試験ＮＣＴ０２９５２９１１の中間分析）において表され、これらの質測定的パラメータの対象者内の日々の監視が多発性硬化症の再発を検出することができることを示す。５ＵＴＴによって測定された能動的なテストのＵターン速度における明白な差が、この例において、再発の報告の前とその後との間に認められている（ウィルコクソンの順位和検定；図４パネルｂ）。受動監視におけるターン行動も、再発の発症／報告の前後で、１日のターン数について異なった（図４パネルｃ）一方、平均１日ターン速度は変化なしの状態に留まった（図４パネルｄ）。
上述したようにＳＢＴから導き出され、および、歩行およびバランスの完全性を測定する検査内変動を反映する連続した結果変数として捕捉される歩行の質測定的アクティビティパラメータのいくつかの例は、網羅的でないが、以下に列挙している。
１）揺れがぴくぴく動くこと：加速度の時間微分（Ｍａｎｃｉｎｉ ２０１２）、
２）揺れの経路：軌跡の合計長、および
３）揺れの範囲
上述したように２ＭＷＴから導き出され、および、歩行およびバランスの完全性を測定する検査内変動を反映する連続した結果変数として捕捉される歩行の質測定的アクティビティパラメータのいくつかの例は、限定的でないが、以下に列挙している。
１）歩行ステップ持続時間、
２）歩行ステップ速度（ステップ／秒）、
３）ステップ非対称レート（平均ステップ持続時間で除算された、１ステップと次のステップとの間のステップ持続時間の差）
４）バイオメカニカルモデリングによる、ステップ長さ、および、歩行の合計距離
５）基準時点（epoch）毎の減速度指数
６）５）基準時点毎の非対称性指数
モバイルデバイスは、継続的歩行分析（ＣＡＧ）からのデータを実行または獲得するために構成され得る。センサによって捕捉される歩行特徴データ（ステップカウント、持続時間、非対称性、および、歩行中の腕の振りのダイナミクス）の連続的な記録は、歩行ダイナミクスの１日の量および質の受動監視を可能にする。アクティビティ検出は、歩行検出および分析、ならびにアクティビティ分析に先行するステップである。アクティビティ検知は、幾分高度な種々のアプローチ（Alsheikh, 2015またはOrdonez, 2016）に基づいており、これは、加速度計の信号の標準偏差が０．０１ｇを超える場合、１秒のウィンドウをアクティブとみなす。検査は通常、日次で行われる。上述したＣＡＧから導き出され、歩行およびバランスの完全性を測定する検査内変動を反映する連続した結果変数として捕捉される歩行の質測定的アクティビティパラメータのいくつかの例は、限定されないが、以下に列挙される。
１）連続歩行のそれぞれのインターバル内で検出されたステップの数の頻度分布、
２）経時的な歩行ステップ持続時間／速度、
３）バイオメカニカルモデリングによって導き出される、経時的なステップ長さの変動、
４）経時的な得点上昇（elevation gain）、および
５）座位／立位の変遷、およびターンの頻度分析
実施例４：認知をデコンボリューション（de-convoluting）し、学習を推定する、コンピュータで実現されるＩＰＳ検査
スマートフォン装置用の、コンピュータで実現されるＩＰＳが確立されている。１つのステップでは、コンピュータで実現されるＩＰＳ検査は、タスクを行う患者になじみのない検査記号（たとえば、単純でない数字または記号、または構造的または記号的に類似した記号）を使用した記号マッチングタスクのための応答時間を測定することにより、情報処理速度を判定する。ＩＰＳ検査に有用な検査記号は一般的には、文字または数学的概念とほとんど類似性を示さず、したがって、文化的背景、読み書き能力、または教育水準などの影響に対して無関係でもあるべきである。そうした検査記号はしたがって、小児、または低い教育水準を有する対象者（すなわち、非識字者）にも使用することが可能である。さらに、視覚認識を改善するために、検査記号は、詳細がより少ない単純なデザイン原理に従うべきである。記号は、ミラー軸の両側において特徴的な特性（たとえば、左右、上下の特性）を有する記号対として、または、回転対称性を有するもの、方向性を有するもの、または特徴的なエッジを有するものなどの認識可能な単一の記号としてデザインされてもよい。図１３参照。
検査は、検査記号と、単純な数字または文字などの他の単純な記号に対して、検査中に示される異なる検査記号を割り当てた凡例とを、ディスプレイ上で患者に示すことによって行われる。これらの単純な数字または他の単純な記号は、検査を行う対象者が、検査記号に対して割り当てられた単純な数字または単純な記号を有するキーを押すことが可能であるようにキーパッド上にも存在している（図１４参照）。このタスクについてのＩＰＳ検査における応答時間は、反応時間、手運動アウトプットのための処理時間および認知情報処理のための時間に依存することが理解される。
前述したＩＰＳ検査の上記ステップでは、各シーケンスが少なくとも６つの異なる検査記号についてのマッチングタスクからなる固定の検査記号マッチングシーケンスの反復を行うことが可能である。上記反復に続いて、新たなランダム化記号マッチングシーケンスが行われる。最初と最後の反復間の応答時間における改善は、対象者の認知学習能力または標準検査応答時間およびランダム化記号マッチングシーケンス実行における応答時間パフォーマンスを示す。４番目のマッチングシーケンスのランのランダム化記号がシーケンスにおいて示される前に、３つの検査記号マッチングシーケンスが行われる。さらに、検査記号マッチングは、標準的な臨床ＳＤＭＴにおけるものとして行うことができる。記号の凡例、記号の大きさ、キーパッド、およびＩＰＳ検査を行うために使用されるスマートフォン上に表示される他のパラメータは、情報処理速度に関係のない感覚的影響を回避するために、寸法、外観、コントラスト等に関して一定の状態に保たれる（図１４参照）。ＩＰＳ検査は９０秒間行われる。同一のシーケンスの反復の前および後の速度のこの測定は、認知能力、特に、学習能力の推定を可能にする（図１２参照）。
さらなるステップにおけるＩＰＳ検査は、ベースライン応答時間を測定することにより、ベースライン情報処理速度を判定する。上記ベースライン応答時間は、スマートフォン装置のキーパッド上のマッチングする単純な数字または記号に対して単純な数字または記号をマッチングするための時間を測定することによって判定する（図１４参照）。検査を行う個人が、実質的な認知動作なしでマッチングを行うことが可能であるように単純な数字または記号が選択される。より一般的には、０～９の数字を単純な数字として用いることができる。単純な数字または記号のマッチングを使用したそうしたベースライン応答時間は主に、手運動アウトプットのための処理時間および反応時間に依存する。認知タスクは、小さな役割しか果たさないものであり、および、ベースライン応答時間に大きく寄与する訳でない。
それにより、その後のステップにおいて判定される情報処理速度は、反応時間、手運動アウトプットのための処理時間および認知情報処理のための時間にデコンボリューション（de-convoluted）され得る（図１１参照）。
よって、スマートフォン装置上で実行される、コンピュータで実現されるＩＰＳ検査において、認知情報処理のための時間、手運動出力のための処理時間、および反応時間を備えるタスク（キーパッド上のそれぞれのキーを押すことにより、単純な数字、または文字などの他の単純な記号に対して、検査中に示される異なる検査記号を割り当てる凡例に対して上述されたような単純でない異なる検査記号をマッチングする検査）と、手運動アウトプットのための処理時間および反応時間を備えるタスク（ベースラインタスク）との間の応答時間における差は、分析される対象のデータセットの一部である１つの認知の質測定的活動パラメータとして判定される。
情報処理速度が多発性硬化症（ＭＳ）における顕著な認知障害であるので、前述されたＩＰＳ検査はＭＳを罹患している患者の臨床管理にとって有益である。上記検査は、ＭＳ患者の認知機能におけるわずかな変化も検出することを狙いとしており、および、臨床環境または自己施行手法において使用することが可能である。
参考文献
Aktas 2005, Neuron 46, 421-432
Zamvil 2003, Neuron 38:685-688
Crawford A, et al. J Immunol 2006;176(6):3498-506
Bar-Or A, et al. Ann Neurol 2010;67(4):452-61
Lisak RP, et al. J Neuroimmunol 2012;246(l-2):85-95
Weber MS, et al. Biochim Biophys Acta 2011;1812(2):239-45
Serafmi B, et al. Brain Pathol 2004;14(2): 164-74
Magliozzi R, et al. Ann Neurol 2010;68(4):477-93
Bove 2015, Neurol Neuroimmuno 1 Neuroinflamm 2 (6) : e 162
Link 2006, J Neuroimmunol. 180 (1-2): 17-28
Tsang 2011, Australian family physician 40 (12): 948-55
Compston 2008, Lancet 372(9648): 1502-17
Johnston 2012, Drugs 72 (9): 1195-211
Donnan 2008, Lancet. 371 (9624): 1612-23
Harbison 1999, Lancet. 353 (9168): 1935
Kidwell 1998, Prehospital Emergency Care. 2 (4): 267-73
Nor 2005, Lancet Neurology. 4 (11): 727-34
Burns 2009, The BMJ. 338: bl58
Pasquier 1999, Journal of Neurology 246 (1):6-15
Jankovic 2008, Journal of Neurology, Neurosurgery, and Psychiatry. 79 (4): 368-376
Dayalu 2015, Neurologic Clinics. 33 (1): 101-14
Frank 2014, The journal of the AmericanSociety for Experimental NeuroTherapeutics. 11 (1): 153-60
Rao 2009, Gait Posture. 29 (3): 433-6
Zarei 2015, Surgical Neurology International. 6: 171
Polman 2011, Ann Neurol 69:292-302
Lublin 2014, Neurology 83: 278-286
Burns 2011, Neurology 76.7 Supplement 2: S6-S13
Waldemar 2007, European Journal of Neurology 14.1 : el-e26
Baeckman 2004, Journal of internal medicine 256.3 : 195-204
Robert 2005, European Psychiatry 20.7: 490-496
Todd 2013, International journal of geriatric psychiatry 28.11 : 1109-1124
Cheon 2002, Radiographics 22.3: 461-476
Gunstad 2006, Journal of Geriatric Psychiatry and Neurology 19.2: 59-64
Walker 2007, The Lancet 369.9557: 218-228
Strawn 2007, American Journal of Psychiatry 164.6: 870-876
Alsheikh 2015, arXiv preprint arXiv: 1511.04664
Ordonez 2016, Sensors, 16(1), 115
Hobart 2001, Brain 124: 962-73
Berg 1992, Can J Public Health: 83 Suppl 2:S7D 11.
Costa 2017, Multiple Sclerosis Journal: 23(6) 772-789.
Hobart 2013, Neurology: 80(16): 1509-1517.
Rao 2017, Multiple Sclerosis Journal: Jan 1 : 1352458516688955.
Van de Pol 2007, Arch Neurol.: 64: 1023-8.
Wai 2014, Conf Proc IEEE Eng Med Biol Soc: 2014:3683□ 86
Smith 1968, Learning disorders: 83-91.

Claims (23)

  1. 認知および動作の疾患または障害の罹患が疑われる対象者において、認知および動作の疾患または障害の評価を行う、コンピュータで実現される方法であって、
    ａ）モバイルデバイスを使用した前記対象者からの認知または微細な運動アクティビティの測定の既存のデータセットから、認知または微細な運動アクティビティについての少なくとも１つの質測定的アクティビティパラメータを判定するステップと、
    ｂ）前記判定された少なくとも１つの質測定的アクティビティパラメータを基準と比較するステップであって、それにより、前記認知および動作の疾患または障害の評価が行われるステップと
    を備え、
    前記少なくとも１つの質測定的アクティビティパラメータは、情報処理速度、視覚走査、および／または手の運動アクティビティを測定する検査におけるタスクを実行することが可能な質についての尺度であり、前記検査で行われる一連のタスクのパフォーマンス内における変動を示すパラメータである、方法。
  2. 前記認知および動作の疾患または障害が、錐体路、錐体外路、感覚または小脳系に影響を及ぼす中枢または末梢神経系の疾患または障害、もしくは神経筋疾患であり、または、筋の疾患または障害である、請求項１に記載の方法。
  3. 前記認知および動作の疾患または障害が、多発性硬化症（ＭＳ）、視神経脊髄炎（ＮＭＯ）およびＮＭＯ関連疾患、脳卒中、小脳障害、小脳失調、痙性対麻痺、本態性振戦症、筋無力症および筋無力症候群もしくは他の形態の神経筋障害、筋ジストロフィ、筋炎もしくは他の筋肉障害、末梢神経障害、脳性麻痺、錐体外路症候群、パーキンソン病、ハンチントン病、アルツハイマー病、他の形態の痴呆、白質ジストロフィ、自閉症スペクトラム障害、注意欠陥障害（ＡＤＤ／ＡＤＨＤ）、ＤＳＭ－５で定義される知的障害、認知行動パフォーマンスおよび加齢に関連する予備力の障害、多発神経障害、運動ニューロン疾患、および筋萎縮性側索硬化症（ＡＬＳ）からなる群から選択される、請求項１または２に記載の方法。
  4. 前記少なくとも１つの質測定的アクティビティパラメータが、神経認知機能における変動を示す認知の質測定的アクティビティパラメータ、手の器用さにおける変動を示す手／腕機能の質測定的アクティビティパラメータ、または、動作の変動を示す歩行の質測定的アクティビティパラメータである、請求項１～３のいずれか１項に記載の方法。
  5. 認知または微細な運動アクティビティの測定の前記データセットは、前記モバイルデバイスのセンサ面上で行われたピンチング検査からの、または、Ｕターン検査（ＵＴＴ）、２分間歩行検査（２ＭＷＴ）、静的平衡検査（ＳＢＴ）、または受動監視からの継続的歩行分析（ＣＡＧ）からのデータを含む、請求項１～４のいずれか１項に記載の方法。
  6. 認知アクティビティの測定のデータセットは、前記モバイルデバイスのセンサ面上の情報処理速度（ＩＰＳ）検査からのデータを含む、請求項１～５のいずれか１項に記載の方法。
  7. 前記モバイルデバイスは、請求項４または５に記載された検査の１つまたは複数、または、請求項４および５に記載された検査の全てを前記対象者に対して行うように構成された、請求項１～６のいずれか１項に記載の方法。
  8. 前記モバイルデバイスは、スマートフォン、スマートウォッチ、ウェアラブルセンサ、ポータブルマルチメディアデバイス、またはタブレットコンピュータからなる、請求項７に記載の方法。
  9. 前記基準は、ステップａ）において参照される認知または微細な運動アクティビティの測定のデータセットが前記対象者から得られた時点より前の時点において前記対象者から得られた認知または微細な運動アクティビティの測定から導き出された認知または微細な運動アクティビティについての、少なくとも１つの質測定的アクティビティパラメータである、請求項１～８のいずれか１項に記載の方法。
  10. 判定された少なくとも１つの質測定的アクティビティパラメータと、前記基準との間の悪化は、対象者が前記認知および動作の疾患もしくは障害を患っていることを示す、請求項９に記載の方法。
  11. 前記基準は、認知および動作の疾患もしくは障害を患っていることが知られている対象者もしくは対象者のグループから得られた認知または微細な運動アクティビティの測定のデータセットから導き出された認知または微細な運動アクティビティについての少なくとも１つの質測定的アクティビティパラメータである、請求項１～８のいずれか１項に記載の方法。
  12. 判定された少なくとも１つの質測定的アクティビティパラメータが前記基準と比して実質的に同一である場合、前記対象者が前記認知および動作の疾患もしくは障害を患っていることを示す、請求項１１に記載の方法。
  13. 前記基準は、前記認知および動作の疾患もしくは障害を患っていないことが知られている対象者もしくは対象者のグループから得られた認知または微細な運動アクティビティの測定のデータセットから導き出された、認知または微細な運動アクティビティについての少なくとも１つの質測定的アクティビティパラメータである、請求項１～８のいずれか１項に記載の方法。
  14. 判定された少なくとも１つの質測定的アクティビティパラメータが前記基準と比して悪化している場合、前記対象者が前記認知および動作の疾患もしくは障害を患っていることを示す、請求項１３に記載の方法。
  15. 認知および動作の疾患もしくは障害に対する治療を推奨するための方法であって、請求項１～１４のいずれか１項に記載の方法のステップと、認知および動作の疾患もしくは障害が評価された場合に、コンピュータが治療を推奨するさらなるステップとを備える、方法。
  16. 認知および動作の疾患もしくは障害に対する治療の効能を特定するための方法であって、請求項１～１４のいずれか１項に記載の方法のステップと、治療の際に前記対象者において認知および動作の疾患もしくは障害に改善があった場合に、コンピュータが治療処置を特定する、または前記対象者において認知および動作の疾患もしくは障害の悪化が生じた場合、または認知および動作の疾患もしくは障害に変化がなかった場合に、コンピュータが処置の失敗を特定するさらなるステップとを備える、方法。
  17. 対象者における認知および動作の疾患もしくは障害を監視する方法であって、請求項１～１４のいずれか１項に記載の方法のステップを所定の監視期間中に少なくとも２度行うことによって、コンピュータが、対象者において認知および動作の疾患もしくは障害が改善しているか、悪化しているか、もしくは変化が無いかを特定するステップを備える、方法。
  18. モバイルデバイスであって、前記モバイルデバイスが、
    プロセッサと、
    少なくとも１つのセンサと、
    データベースと、
    前記デバイスに有形に組み込まれ、前記デバイス上で実行されている時に請求項１～１７のいずれか１項に記載の方法を実行するソフトウェアと
    を備えた、モバイルデバイス。
  19. 少なくとも１つのセンサを有するモバイルデバイスと、遠隔デバイスとを備え、
    前記遠隔デバイスは、
    プロセッサ、データベース、および、前記デバイスに有形に組み込まれ、前記デバイス上で実行されている時に請求項１～１７のいずれか１項に記載の方法を実施するソフトウェアを有し、前記モバイルデバイスと前記遠隔デバイスとは互いに動作可能に連結されている、システム。
  20. 認知および動作の疾患もしくは障害を患っている対象者を識別するために使用される、請求項１８に記載のモバイルデバイス。
  21. 認知および動作の疾患もしくは障害を患っている対象者を監視するため、
    認知および動作の疾患もしくは障害を患っている対象者における薬効を調査するため、
    認知および動作の疾患もしくは障害を患っている対象者に対する治療方法の決定を容易にする、および／または補助するため、
    病院管理、リハビリ方法管理、健康保険の評価および管理を支持する、および／または、認知および動作の疾患もしくは障害を患っている対象者に対する公共健康管理における決定を支持するため、または、
    認知および動作の疾患もしくは障害を患っている対象者を生活スタイルおよび／または治療の推奨により支持するため
    に使用される、請求項１８に記載のモバイルデバイス。
  22. 認知および動作の疾患もしくは障害を患っている対象者を識別するために使用される、請求項１９に記載のシステム。
  23. 認知および動作の疾患もしくは障害を患っている対象者を監視するため、
    認知および動作の疾患もしくは障害を患っている対象者における薬効を調査するため、
    認知および動作の疾患もしくは障害を患っている対象者に対する治療方法の決定を容易にする、および／または補助するため、
    病院管理、リハビリ方法管理、健康保険の評価および管理を支持する、および／または、認知および動作の疾患もしくは障害を患っている対象者に対する公共健康管理における決定を支持するため、または、
    認知および動作の疾患もしくは障害を患っている対象者を生活スタイルおよび／または治療の推奨により支持するため
    に使用される、請求項１９に記載のシステム。
JP2020523451A 2017-10-25 2018-10-25 認知および動作の疾患または障害についてのデジタル質測定的バイオマーカー Active JP7280876B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP17198323.2 2017-10-25
EP17198323 2017-10-25
EP18171569.9 2018-05-09
EP18171569 2018-05-09
PCT/EP2018/079284 WO2019081640A2 (en) 2017-10-25 2018-10-25 DIGITAL QUALIMETRIC BIOMARKERS FOR DISEASES OR DISORDERS OF COGNITION AND MOVEMENT

Publications (2)

Publication Number Publication Date
JP2021500183A JP2021500183A (ja) 2021-01-07
JP7280876B2 true JP7280876B2 (ja) 2023-05-24

Family

ID=64172457

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020523451A Active JP7280876B2 (ja) 2017-10-25 2018-10-25 認知および動作の疾患または障害についてのデジタル質測定的バイオマーカー

Country Status (5)

Country Link
US (1) US20200258631A1 (ja)
EP (1) EP3701542A2 (ja)
JP (1) JP7280876B2 (ja)
CN (1) CN111557033A (ja)
WO (1) WO2019081640A2 (ja)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102465059B1 (ko) * 2017-10-19 2022-11-09 삼성전자주식회사 전력을 제어하기 위한 방법 및 그 전자 장치
WO2020070319A1 (en) * 2018-10-05 2020-04-09 F. Hoffmann-La Roche Ag Method, device and system for assessing an autism spectrum disorder
US20200387816A1 (en) * 2019-06-10 2020-12-10 International Business Machines Corporation User activity based cognitive question generation
US20210321909A1 (en) * 2019-06-17 2021-10-21 Limited Liability Company "Sensomed" Hardware/software system for the rehabilitation of patients with cognitive impairments of the upper extremities after stroke
CN114007504A (zh) * 2019-06-19 2022-02-01 豪夫迈·罗氏有限公司 数字生物标志物
JP2022537326A (ja) * 2019-06-19 2022-08-25 エフ．ホフマン－ラ ロシュ アーゲー デジタルバイオマーカー
CN114007495A (zh) * 2019-06-19 2022-02-01 豪夫迈·罗氏有限公司 数字生物标志物
WO2020254347A1 (en) * 2019-06-19 2020-12-24 F. Hoffmann-La Roche Ag Digital biomarker
WO2020254343A1 (en) * 2019-06-19 2020-12-24 F. Hoffmann-La Roche Ag Digital biomarker
JP2023500648A (ja) 2019-11-04 2023-01-10 エフ．ホフマン－ラ ロシュ アーゲー 不顕性期のハンチントン病を評定する手段および方法
US20240008798A1 (en) * 2020-07-29 2024-01-11 The Board Of Trustees Of The Leland Stanford Junior University Systems and Methods for Digitographic Measurement of Parkinson's Disease
US20240152666A1 (en) * 2021-02-24 2024-05-09 Hoffmann-La Roche Inc. Simulation of accelerometer data
WO2022207750A1 (en) * 2021-03-30 2022-10-06 F. Hoffmann-La Roche Ag Computer-implemented methods and systems for quantitatively determining a clinical parameter
KR20230165272A (ko) * 2021-03-30 2023-12-05 에프. 호프만-라 로슈 아게 임상 파라미터를 정량적으로 결정하기 위한 컴퓨터로 구현되는 방법 및 시스템
NL2028255B1 (en) * 2021-05-19 2022-12-06 Orikami Group B V Method for monitoring a patient having a neurological and/or progressive disease, such as multiple sclerosis, Parkinson's disease or Alzheimer's disease
CN114252235A (zh) * 2021-11-30 2022-03-29 青岛歌尔声学科技有限公司 头戴显示设备的检测方法、装置、头戴显示设备及介质
WO2023164021A1 (en) * 2022-02-23 2023-08-31 Mitsubishi Tanabe Pharma Corporation Information processing device, information processing system, information processing method and program
US20230298726A1 (en) * 2022-03-21 2023-09-21 Vayu Technology Corp. System and method to predict performance, injury risk, and recovery status from smart clothing and other wearables using machine learning
WO2023232607A1 (en) * 2022-05-31 2023-12-07 F. Hoffmann-La Roche Ag Computer-implemented methods and systems for analysis of neurological impairment
CN117100252A (zh) * 2023-02-15 2023-11-24 荣耀终端有限公司 步态检测方法及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014510557A (ja) 2011-01-25 2014-05-01 ノバルティス アーゲー 動作の撮像および取込みを医療で使用するためのシステムおよび方法
WO2015037089A1 (ja) 2013-09-11 2015-03-19 日立コンシューマエレクトロニクス株式会社 脳機能障害評価方法、脳機能障害評価装置およびそのプログラム
US20150179079A1 (en) 2013-12-24 2015-06-25 New Technologies & Associates, Inc. Mobile devices as neural sensors for improved health outcomes and efficacy of care
US20150216414A1 (en) 2012-09-12 2015-08-06 The Schepens Eye Research Institute, Inc. Measuring Information Acquisition Using Free Recall

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050107682A1 (en) * 2003-10-21 2005-05-19 Rao Stephen M. fMRI system for use in assessing the efficacy of therapies in treating CNS disorders
US20050273017A1 (en) * 2004-03-26 2005-12-08 Evian Gordon Collective brain measurement system and method
US20100298649A1 (en) * 2007-11-02 2010-11-25 Siegbert Warkentin System and methods for assessment of the aging brain and its brain disease induced brain dysfunctions by speech analysis
US9653002B2 (en) * 2009-11-19 2017-05-16 The Cleveland Clinic Foundation System and method for motor and cognitive analysis
US20140330159A1 (en) * 2011-09-26 2014-11-06 Beth Israel Deaconess Medical Center, Inc. Quantitative methods and systems for neurological assessment
US20150220693A1 (en) * 2012-08-13 2015-08-06 Biogen Idec Ma Inc. Disease progression parameters and uses thereof for evaluating multiple sclerosis
GB2538698B (en) * 2015-04-02 2019-05-15 Cambridge Cognition Ltd Systems and methods for assessing cognitive function
US20160364549A1 (en) * 2015-06-15 2016-12-15 Baoguo Wei System and method for patient behavior and health monitoring
US10799186B2 (en) * 2016-02-12 2020-10-13 Newton Howard Detection of disease conditions and comorbidities
US20170258390A1 (en) * 2016-02-12 2017-09-14 Newton Howard Early Detection Of Neurodegenerative Disease

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014510557A (ja) 2011-01-25 2014-05-01 ノバルティス アーゲー 動作の撮像および取込みを医療で使用するためのシステムおよび方法
US20150216414A1 (en) 2012-09-12 2015-08-06 The Schepens Eye Research Institute, Inc. Measuring Information Acquisition Using Free Recall
WO2015037089A1 (ja) 2013-09-11 2015-03-19 日立コンシューマエレクトロニクス株式会社 脳機能障害評価方法、脳機能障害評価装置およびそのプログラム
US20150179079A1 (en) 2013-12-24 2015-06-25 New Technologies & Associates, Inc. Mobile devices as neural sensors for improved health outcomes and efficacy of care

Also Published As

Publication number Publication date
EP3701542A2 (en) 2020-09-02
WO2019081640A3 (en) 2019-07-04
CN111557033A (zh) 2020-08-18
US20200258631A1 (en) 2020-08-13
JP2021500183A (ja) 2021-01-07
WO2019081640A2 (en) 2019-05-02

Similar Documents

Publication Publication Date Title
JP7280876B2 (ja) 認知および動作の疾患または障害についてのデジタル質測定的バイオマーカー
JP6888095B2 (ja) 認知および動作の疾患もしくは障害についてのデジタルバイオマーカー
US11424031B2 (en) Digital biomarkers for progressing MS
Block et al. Continuous daily assessment of multiple sclerosis disability using remote step count monitoring
US20200315514A1 (en) Digital biomarkers for muscular disabilities
US20220104755A1 (en) Digital biomarker
Pancani et al. An objective functional characterisation of head movement impairment in individuals with neck muscle weakness due to amyotrophic lateral sclerosis
CN112135563A (zh) 用于确定信息处理速度的数字定性生物标记
US20220351864A1 (en) Means and methods for assessing huntington's disease (hd)
EP4146050A1 (en) Means and methods for assessing low contrast vision
US20220223289A1 (en) Means and methods for assessing multiple sclerosis (ms)
US20220401010A1 (en) Means and methods for assessing huntington's disease of the pre-manifest stage
Bunyan Submaximal Isometric Force Steadiness in People with Multiple Sclerosis under Single and Dual Task Conditions
WO2021233879A1 (en) Means and methods for assessing dyschromatism

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200625

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211005

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220922

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220927

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221212

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230110

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230405

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: 20230418

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230512

R150 Certificate of patent or registration of utility model

Ref document number: 7280876

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150