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 PDFInfo
- 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
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
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)。
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。
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。
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。
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。
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。
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。
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。
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)
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
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
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
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)
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)
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
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
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)
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。
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)
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。
(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
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。
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)
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
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。
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。
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
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)
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。
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)
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。
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。
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
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。
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。
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。
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。
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
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。
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)
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。
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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)。
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
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。
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。
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。
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。
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。
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。
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。
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。
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
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
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
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)
- 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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。 - 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。 - 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。
- 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。 - 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。
- 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。
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)
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)
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)
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 |
-
2018
- 2018-10-25 EP EP18799460.3A patent/EP3701542A2/en active Pending
- 2018-10-25 WO PCT/EP2018/079284 patent/WO2019081640A2/en unknown
- 2018-10-25 JP JP2020523451A patent/JP7280876B2/ja active Active
- 2018-10-25 CN CN201880084605.XA patent/CN111557033A/zh active Pending
-
2020
- 2020-04-23 US US16/856,865 patent/US20200258631A1/en active Pending
Patent Citations (4)
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 |