KR102423315B1 - 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법 - Google Patents
인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법 Download PDFInfo
- Publication number
- KR102423315B1 KR102423315B1 KR1020200056154A KR20200056154A KR102423315B1 KR 102423315 B1 KR102423315 B1 KR 102423315B1 KR 1020200056154 A KR1020200056154 A KR 1020200056154A KR 20200056154 A KR20200056154 A KR 20200056154A KR 102423315 B1 KR102423315 B1 KR 102423315B1
- Authority
- KR
- South Korea
- Prior art keywords
- cognitive
- amyloid
- subtest
- domain
- predicting
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000003920 cognitive function Effects 0.000 title claims abstract description 48
- 230000001149 cognitive effect Effects 0.000 claims abstract description 74
- 238000012360 testing method Methods 0.000 claims abstract description 27
- 230000003557 neuropsychological effect Effects 0.000 claims abstract description 21
- 230000015654 memory Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 13
- 238000000556 factor analysis Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000003278 mimic effect Effects 0.000 claims description 8
- 230000008685 targeting Effects 0.000 claims description 6
- 238000000491 multivariate analysis Methods 0.000 claims description 5
- 125000000524 functional group Chemical group 0.000 claims 2
- 238000000513 principal component analysis Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 16
- 238000002610 neuroimaging Methods 0.000 description 11
- 238000002600 positron emission tomography Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 210000004556 brain Anatomy 0.000 description 5
- 208000010877 cognitive disease Diseases 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 5
- 208000024827 Alzheimer disease Diseases 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 208000014644 Brain disease Diseases 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002360 prefrontal effect Effects 0.000 description 2
- 238000012030 stroop test Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 102000013455 Amyloid beta-Peptides Human genes 0.000 description 1
- 108010090849 Amyloid beta-Peptides Proteins 0.000 description 1
- 230000007082 Aβ accumulation Effects 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000012093 association test Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 208000027061 mild cognitive impairment Diseases 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000022558 protein metabolic process Effects 0.000 description 1
- 239000012857 radioactive material Substances 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007497 verbal memory Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/12—Healthy persons not otherwise provided for, e.g. subjects of a marketing survey
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Neurology (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Physiology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- High Energy & Nuclear Physics (AREA)
- Neurosurgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Radiology & Medical Imaging (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Child & Adolescent Psychology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Social Psychology (AREA)
- Educational Technology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Nitrogen And Oxygen Or Sulfur-Condensed Heterocyclic Ring Systems (AREA)
Abstract
본 발명의 일 실시예는, 모집단 중 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법에 있어서, 상기 인지기능 정상군의 아밀로이드 PET 정보와 신경심리검사 데이터를 획득하는 단계, 상기 아밀로이드 PET 정보와 상기 신경심리검사 데이터를 이용하여 복수의 인지 영역들 중 아밀로이드 양성과 음성을 구분하는 중요 인지 영역을 추출하는 단계, 상기 추출된 중요 인지 영역과 연관된 소검사 항목 중 아밀로이드 양성과 음성의 차이에 상대적으로 민감한 특정 소검사 항목들을 추출하는 단계 및 상기 추출된 특정 소검사 항목들을 인자(factor)로 하는 종합점수 모델을 도출하는 단계를 포함하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법을 제공한다.
Description
본 발명의 실시예들은 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법에 관한 것이다.
최근 과학 기술 및 영상 촬영 기법의 발전으로 뇌질환을 진단 및 예측하기 위한 뇌촬영 기술로서 컴퓨터 단층촬영(computed tomography, CT), 자기공명 영상촬영(magnetic resonance imaging, MRI), 양전자단층영상촬영(positron emission tomography, PET) 등이 개발되었다. 이 중 알츠하이머 병, 치매 같은 퇴행성 뇌질환을 진단하는데에는 아밀로이드 베타 축적 여부를 확인할 수 있는 아밀로이드 PET 검사가 효과적인 것으로 알려져 있다. 아밀로이드 PET 검사는 단백질의 대사과정에 이상이 발생하여 생성되는 비정상적인 형태의 아밀로이드가 뇌 내에 침착되어 있는지 여부를 확인하기 위해 아밀로이드에만 반응하는 특수조영제를 체내로 주사한 이후 PET 촬영을 하여 침착 여부에 따라 양성 또는 음성 여부를 판단하는 것이다.
아밀로이드 베타 축적은 인지기능에 영향을 끼친다고 알려져 있으나, 전 임상 단계의 알츠하이머병에서는 이런 차이가 미묘하게 나타나기 때문에 조기발견에 어려움을 겪고 있다. 한편, 아밀로이드 PET 검사는 고비용 문제와 방사선 물질 트레이서(tracer) 문제로 인한 염려 때문에 많은 검사가 이루어지기 힘든 상황이다. 따라서, 임상의들이 전 임상 단계의 알츠하이머병을 조기에 확인할 수 있는 연구가 필요한 실정이다.
본 발명의 실시예들은 신경심리학검사를 이용하여 인지기능 정상군을 대상으로 아밀로이드 양성을 조기에 예측할 수 있는 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는, 모집단 중 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법에 있어서, 상기 인지기능 정상군의 아밀로이드 PET 정보와 신경심리검사 데이터를 획득하는 단계, 상기 아밀로이드 PET 정보와 상기 신경심리검사 데이터를 이용하여 복수의 인지 영역들 중 아밀로이드 양성과 음성을 구분하는 중요 인지 영역을 추출하는 단계, 상기 추출된 중요 인지 영역과 연관된 소검사 항목 중 아밀로이드 양성과 음성의 차이에 상대적으로 민감한 특정 소검사 항목들을 추출하는 단계 및 상기 추출된 특정 소검사 항목들을 인자(factor)로 하는 종합점수 모델을 도출하는 단계를 포함하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법을 제공한다.
본 발명의 일 실시예에 있어서, 상기 중요 인지 영역을 추출하는 단계는, 요인분석(factor analysis)을 이용하여 상기 중요 인지 영역을 추출할 수 있다.
본 발명의 일 실시예에 있어서, 상기 중요 인지 영역을 추출하는 단계는, 다중지표 다중원인 모형(Multiple-indicators multiple-causes model; MIMIC model)을 이용하여 상기 중요 인지 영역을 추출할 수 있다.
본 발명의 일 실시예에 있어서, 상기 중요 인지 영역은 기억력 인지영역과 전두엽 집행기능 인지영역일 수 있다.
본 발명의 일 실시예에 있어서, 상기 특정 소검사 항목을 추출하는 단계는, 다변량분산분석(Multivariate analysis of variance; MANOVA)을 이용하여 상기 특정 소검사 항목을 추출할 수 있다.
본 발명의 일 실시예에 있어서, 상기 종합점수 모델을 도출하는 단계는, 상기 종합점수 모델에 요인분석 및 다중지표 다중원인 모형(Multiple-indicators multiple-causes model; MIMIC model)을 이용하여 타당도를 검증하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 종합점수 모델은 상기 특정 소검사 항목들의 표준점수(z-score)를 이용하여 도출될 수 있다.
본 발명의 일 실시예에 있어서, 상기 종합점수 모델을 도출하는 단계는, 주성분 분석(Principal Components Analysis, PCA)을 이용하여 상기 특정 소검사 항목들에 적용될 가중치 정보를 계산할 수 있다.
본 발명의 일 실시예는, 컴퓨터를 이용하여 전술한 방법 중 어느 하나의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램을 제공한다.
본 발명의 일 실시예는, 모집단 중 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치에 있어서, 상기 인지기능 정상군의 아밀로이드 PET 정보와 신경심리검사 데이터를 이용하여 복수의 인지 영역들 중 아밀로이드 양성과 음성을 구분하는 중요 인지 영역을 추출하는 인지영역 추출부, 상기 추출된 중요 인지 영역과 연관된 소검사 항목 중 아밀로이드 양성과 음성의 차이에 상대적으로 민감한 특정 소검사 항목들을 추출하는 소검사 추출부 및 상기 추출된 특정 소검사 항목들을 인자(factor)로 하는 종합점수 모델을 도출하는 종합점수모델 생성부를 포함하는 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치를 제공한다.
본 발명의 일 실시예에 있어서, 상기 인지영역 추출부는 요인분석(factor analysis)을 이용하여 상기 중요 인지 영역을 추출할 수 있다.
본 발명의 일 실시예에 있어서, 상기 인지영역 추출부는, 다중지표 다중원인 모형(Multiple-indicators multiple-causes model; MIMIC model)을 이용하여 상기 중요 인지 영역을 추출할 수 있다.
본 발명의 일 실시예에 있어서, 상기 중요 인지 영역은 기억력 인지영역과 전두엽 집행기능 인지영역일 수 있다.
본 발명의 일 실시예에 있어서, 상기 소검사 추출부는, 다변량분산분석(Multivariate analysis of variance; MANOVA)을 이용하여 상기 특정 소검사 항목을 추출할 수 있다.
본 발명의 일 실시예에 있어서, 상기 종합점수모델 생성부는, 상기 종합점수 모델에 요인분석 및 다중지표 다중원인 모형(Multiple-indicators multiple-causes model; MIMIC model)을 이용하여 타당도를 검증할 수 있다.
본 발명의 일 실시예에 있어서, 상기 종합점수 모델은 상기 특정 소검사 항목들의 표준점수(z-score)를 이용하여 도출될 수 있다.
본 발명의 일 실시예에 있어서, 상기 종합점수모델 생성부는, 주성분 분석(Principal Components Analysis, PCA)을 이용하여 상기 특정 소검사 항목들에 적용될 가중치 정보를 계산할 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명의 실시예들에 따른 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성 예측 장치 및 방법은 상기한 종합점수 모델을 이용하여 검사대상자의 아밀로이드 양성을 예측할 수 있다. 이를 통해, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성 예측 장치 및 방법은 별도로 뇌영상을 촬영하지 않고 신경심리검사만으로 아밀로이드 양성을 예측하기 때문에, 저비용으로 효과적인 알츠하이머의 조기발견 및 조기개입이 가능할 수 있다는 장점을 갖는다. 또한, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성 예측 장치 및 방법은 아밀로이드 양성군을 대상으로 하는 많은 임상연구에서 스크리닝 실패율을 줄이는데 기여할 수 있다.
도 1은 본 발명의 일 실시예에 따른 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성 예측 시스템을 개략적으로 나타낸 도면이다.
도 2는 도 1의 아밀로이드 양성 예측 장치를 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 인지기능 정상군을 대상으로 수행되는 아밀로이드 양성 예측 방법을 순차적으로 도시한 순서도이다.
도 4는 종합점수 모델을 도출하는 단계를 설명하기 위한 도면이다.
도 5 내지 도 8은 인지기능 정상군을 대상으로 수행되는 아밀로이드 양성 예측 방법을 단계별로 설명하기 위한 도면이다.
도 2는 도 1의 아밀로이드 양성 예측 장치를 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 인지기능 정상군을 대상으로 수행되는 아밀로이드 양성 예측 방법을 순차적으로 도시한 순서도이다.
도 4는 종합점수 모델을 도출하는 단계를 설명하기 위한 도면이다.
도 5 내지 도 8은 인지기능 정상군을 대상으로 수행되는 아밀로이드 양성 예측 방법을 단계별로 설명하기 위한 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 본 발명의 효과 및 특징, 그리고 그것들을 달성하는 방법은 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 하며, 도면을 참조하여 설명할 때 동일하거나 대응하는 구성 요소는 동일한 도면부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
이하의 실시예에서, 제1, 제2 등의 용어는 한정적인 의미가 아니라 하나의 구성 요소를 다른 구성 요소와 구별하는 목적으로 사용되었다.
이하의 실시예에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하의 실시예에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 또는 구성요소가 존재함을 의미하는 것이고, 하나 이상의 다른 특징들 또는 구성요소가 부가될 가능성을 미리 배제하는 것은 아니다.
이하의 실시예에서, 막, 영역, 구성 요소 등의 부분이 다른 부분 위에 또는 상에 있다고 할 때, 다른 부분의 바로 위에 있는 경우뿐만 아니라, 그 중간에 다른 막, 영역, 구성 요소 등이 개재되어 있는 경우도 포함한다.
도면에서는 설명의 편의를 위하여 구성 요소들이 그 크기가 과장 또는 축소될 수 있다. 예컨대, 도면에서 나타난 각 구성의 크기 및 두께는 설명의 편의를 위해 임의로 나타내었으므로, 본 발명이 반드시 도시된 바에 한정되지 않는다.
어떤 실시예가 달리 구현 가능한 경우에 특정한 공정 순서는 설명되는 순서와 다르게 수행될 수도 있다. 예를 들어, 연속하여 설명되는 두 공정이 실질적으로 동시에 수행될 수도 있고, 설명되는 순서와 반대의 순서로 진행될 수 있다.
이하의 실시예에서, 막, 영역, 구성 요소 등이 연결되었다고 할 때, 막, 영역, 구성 요소들이 직접적으로 연결된 경우뿐만 아니라 막, 영역, 구성요소들 중간에 다른 막, 영역, 구성 요소들이 개재되어 간접적으로 연결된 경우도 포함한다. 예컨대, 본 명세서에서 막, 영역, 구성 요소 등이 전기적으로 연결되었다고 할 때, 막, 영역, 구성 요소 등이 직접 전기적으로 연결된 경우뿐만 아니라, 그 중간에 다른 막, 영역, 구성 요소 등이 개재되어 간접적으로 전기적 연결된 경우도 포함한다.
도 1은 본 발명의 일 실시예에 따른 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성 예측 시스템을 개략적으로 나타낸 도면이고, 도 2는 도 1의 아밀로이드 양성 예측 장치(100)를 나타낸 블록도이다.
먼저, 도 1의 네트워크 환경은 아밀로이드 양성 예측 장치(100), 네트워크(200), 뇌촬영 장치(300), 사용자 단말기(400)를 포함하는 일 예를 나타내고 있다. 이때, 도 1의 아밀로이드 양성 예측 시스템은 모집단 중 인지기능이 정상인 정상군을 대상으로 아밀로이드 양성 또는 음성을 예측할 수 있다. 여기서, 인지기능 정상군이란, 인지기능장애를 갖고 있는 환자 집단이 아닌 인지기능 정상범위의 집단을 의미할 수 있다. 인지기능장애에는 집중력 문제, 언어기능의 저하, 시공간 능력 저하, 기억력 저하, 전두엽 집행기능의 저하, 이외의 다른 인지기능의 감소가 포함될 수 있다. 인지기능장애를 갖고 있는 환자 집단은 양전자단층영상촬영, 자기공명영상촬영 등과 같은 뇌촬영 기술을 이용하여 질환이 확인된 집단일 수 있다. 다만, 인지기능 정상범위의 집단의 경우에도 인지기능장애를 조기에 발견하는 것이 중요한데, 본 발명의 실시예들에 따른 아밀로이드 양성 예측 장치는 상기한 뇌촬영 기술이 아닌 신경심리학 검사 결과만을 이용하여 정상군을 대상으로 아밀로이드 양성 또는 음성을 예측하는 것을 기술적 사상으로 한다.
도 1 및 도 2를 참조하면, 아밀로이드 양성 예측 장치(100)는 사용자 입출력 인터페이스(110), 통신부(120), 프로세서(130) 및 메모리(140)를 포함할 수 있다.
사용자 입출력 인터페이스(110)는 입출력 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 어플리케이션의 통신 세션을 표시하기 위한 디스플레이와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(110)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 보다 구체적인 예로, 프로세서(130)는 메모리(140)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 사용자 단말기(400)가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(110)를 통해 디스플레이에 표시될 수 있다.
통신부(120)는 서버, 다른 전자장치 등의 장치와 데이터를 송수신하기 위한 구성이다. 통신부(120)는 무선 망 또는 유선 망 등을 포함할 수 있고 다수의 송수신 채널들과 유선과 무선 망을 혼합하여 가질 수 있다. 통신부(120)는 아밀로이드 양성 예측 장치(100)의 요청 또는 사용자 입력에 의한 방식으로 아밀로이드 양성 예측 장치(100)와 연결할 수 있다.
프로세서(130)는 아밀로이드 양성 예측 장치(100)를 전반적으로 제어하기 위한 구성으로 하나 이상의 프로세서를 포함할 수 있다. 프로세서(130)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(140) 또는 통신부(120)에 의해 프로세서(130)로 제공될 수 있다. 예를 들어, 프로세서(130)는 메모리(140)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다. 프로세서(130)는 인지영역 추출부(131), 소검사 추출부(132), 종합점수모델 생성부(133)를 포함할 수 있다.
메모리(140)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random acess memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(140)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 드라이브 메커니즘(drive mechanism)을 이용하여 메모리(140)와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 통신부(120)를 통해 메모리(140)에 로딩될 수도 있다. 예를 들어 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로 상술한 서버)가 네트워크(200)를 통해 제공하는 파일들에 의해 설치되는 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(140)에 로딩될 수 있다.
상기한 아밀로이드 양성 예측 시스템의 통신 방식은 제한되지 않으며, 네트워크(200)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(200)는, PAN(personal area network), LAN(local area network), CAN(capus area network), MAN(metropolitan area network), WAN(wide area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(200)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
뇌촬영 장치(300)는 사용자의 뇌영상을 촬영할 수 있다. 예를 들면, 뇌촬영 장치(300)는 MRI 촬영 장치 또는 양전자단층영상촬영(positron emission tomography, PET) 장치일 수 있다. 뇌촬영 장치(300)는 사용자의 촬영된 뇌영상을 유무선 통신 방식을 통해 상기한 아밀로이드 양성 예측 장치(100)로 제공할 수 있다.
사용자 단말기(400)는 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 사용자 단말기(400)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 사용자 단말기(400)는 사용자 입출력 인터페이스를 구비하여, 네트워크(200)를 통해 아밀로이드 양성 예측 장치(100)와 직접 통신하여 신경심리검사에 대한 결과값을 제공할 수 있다.
상기한 신경심리검사는 문진 방식을 통해 대상자의 검사 정보를 획득할 수 있으며, 사용자 단말기(400)는 프로세서를 포함하여 상기 획득된 검사 정보에 대한 결과값을 도출할 수 있다. 또는 사용자 단말기는 유무선 통신에 의해 검사 정보를 아밀로이드 양성 예측 장치(100)로 제공하고, 아밀로이드 양성 예측 장치(100)는 검사 정보를 이용하여 결과값을 도출할 수도 있다. 일 실시예로서, 신경심리검사는 서울신경심리검사(Seoul Neuropsychological Screening Battery-II, SNSB-II)로 수행될 수 있다. 서울신경심리검사는 치매와 경도인지장애에 대한 평가를 목적으로 개발된 종합적인 신경심리검사집으로 인지기능 전반에 대한 다양한 소검사들로 구성된다.
이하에서는 도면을 참조하여 모집단 중 인지기능 정상군을 대상으로 수행되는 아밀로이드 양성 예측 방법을 설명하기로 한다.
도 3은 본 발명의 일 실시예에 따른 인지기능 정상군을 대상으로 수행되는 아밀로이드 양성 예측 방법을 순차적으로 도시한 순서도이고, 도 4는 종합점수 모델을 도출하는 단계를 설명하기 위한 도면이다. 도 5 내지 도 8은 인지기능 정상군을 대상으로 수행되는 아밀로이드 양성 예측 방법을 단계별로 설명하기 위한 도면이다.
다시 도 2와, 도 3 내지 도 8을 참조하면, 본 발명의 일 실시예에 따른 인지기능 정상군을 대상으로 수행되는 아밀로이드 양성 예측 방법은 먼저, 통신부(120)에 의해, 인지기능 정상군의 아밀로이드 PET 정보와 신경심리검사 데이터를 획득할 수 있다(S100). 여기서, 통신부(120)는 네트워크(200)를 통해 뇌촬영 장치(300) 및 사용자 단말기(400)와 통신할 수 있다. 도 2에서는 하나의 뇌촬영 장치(300) 및 사용자 단말기(400)와 통신하는 경우를 도시하였으나, 본 발명은 이에 제한되지 않으며, 복수의 뇌촬영 장치(300) 또는 복수의 사용자 단말기(400)와 통신하여 상기한 정보들을 획득할 수 있다. 상기한 정보들은 뇌촬영 장치(300) 및 사용자 단말기(400)를 이용하여 직접 획득하거나, 데이터 베이스(미도시)로 저장하여 이용할 수도 있다.
다음, 아밀로이드 양성 예측 방법은 인지영역 추출부(131)에 의해, 인지기능 정상군의 아밀로이드 PET 정보와 신경심리검사 데이터를 이용하여 복수의 인지 영역들 중 아밀로이드 양성과 음성을 구분하는 중요 인지 영역을 추출할 수 있다(S200). 사람의 인지영역은 도 5에 도시된 바와 같이 주의력 인지영역, 시공간기능 인지영역, 언어능력 인지영역, 기억력 인지영역, 전두엽 집행기능 인지영역으로 구분될 수 있다. 각 인지영역들은 신경심리검사의 소검사 항목들 중 하나 이상의 소검사 항목들과 연관될 수 있다.
한편, 인지영역 추출부(131)는 요인 분석(factor analysis)을 이용하여 소검사 항목에서의 측정오차를 분리한 후 중요 인지 영역을 추출할 수 있다. 특히, 인지영역 추출부(131)는 다중지표 다중원인(Multiple-indicators multiple-causes model; MIMIC model)을 이용하여 중요 인지 영역을 추출할 수 있다. 다중지표 다중원인 모델은 구조방정식 모형 (Structural Equation Model; SEM)의 한 형태로서, 잠재변수가 관측변수에 의해 만들어지는 모형인 반영지표 형태와 잠재변수에 대해 관측변수들의 영향력을 파악하는 조형지표 형태가 공존하는 모델이다. 다시 말해, 다중지표 다중원인 모델은 구조방정식 모형의 일종으로 회귀분석과 요인분석이 결합된 형태로서, 잠재평균분석 방식을 통해 소검사 항목에서의 측정오차를 분리할 수 있다. 상기한 분석을 통해, 기억력 인지영역과 전두엽 집행기능 인지영역이 중요 인지 영역으로 추출될 수 있다.
다음, 소검사 추출부(132)는 추출된 중요 인지 영역과 연관된 소검사 항목 중 아밀로이드 양성과 음성의 차이에 상대적으로 민감한 특정 소검사 항목들을 추출할 수 있다(S300). 신경심리검사 데이터를 구성하는 소검사 항목들은 그 특성에 따라 하나 이상의 인지영역들과 연관될 수 있다. 다시 말해, 인지 영역은 하나 이상의 소검사 항목들과 연관될 수 있으며, 소검사 추출부(132)는 중요 인지 영역과 관련된 소검사 항목들 중 아밀로이드 양성과 음성의 차이에 상대적으로 민감한 특정 소검사 항목들을 추출할 수 있다.
구체적으로, 소검사 추출부(132)는 다변량분산분석(Multivariate analysis of variance; MANOVA)을 이용하여 상기 특정 소검사 항목을 추출할 수 있다. 다변량분산분석은 종속변수가 두개 이상인 경우 집단간 차이를 비교하는 분석 방법으로서, 소검사 추출부(132)는 상대적으로 유의차에 민감한 소검사 항목을 특정 소검사 항목으로 추출할 수 있다. 일 실시예로서, 소검사 추출부(132)는 다변량분산분석을 통해 기억력 인지영역과 전두엽 집행기능 인지영역과 연관된 소검사 항목들 중 언어기억검사인 SVLT delayed(V1), 이미지 기억검사인 RCFT delayed(V2), 스트룹검사인 STROOP CR(V3), 통제단어연상 검사인 COWAT animal(V4), 간이 정신상태 검사인 MMSE(V5) 항목들을 특정 소검사 항목으로서 추출할 수 있다.
다음, 종합점수 모델 생성부(133)는 추출된 특정 소검사 항목들을 인자(factor)로 하는 종합점수 모델(Preclinical Amyloid Sensitive Composite, PASC)을 도출할 수 있다(S400). 일 실시예로서, 종합점수 모델은 특정 소검사 항목들의 표준점수(z-score)를 이용하여 도출될 수 있다. 종합점수 모델은 상기 특정 소검사 항목들의 표준점수들을 합산하는 방식으로 모델을 구성할 수 있다.
이후, 종합점수 모델 생성부(133)는 도 4 및 도 7에 도시된 바와 같이, 요인분석 및 다중지표 다중원인 모형(Multiple-indicators multiple-causes model; MIMIC model)을 이용하여 타당도를 검증할 수 있다(S410). 이후, 도 4 및 도 8에 도시된 바와 같이, 종합점수 모델 생성부(133)는 주성분 분석(Principal Components Analysis, PCA)을 이용하여 상기 특정 소검사 항목들에 적용될 가중치 정보를 계산할 수 있다(S420). 여기서, 종합점수 모델 생성부(133)는 특정 소검사 항목들의 특정 정보를 추출할 수 있다. 특정 정보는 특정 소검사 항목들에 부과된 가중치일 수 있다. 종합점수 모델 생성부(133)는 상기한 특정 정보를 이용하여 각 특정 소검사 항목들에 가중치 정보를 계산한 후, 이를 이용하여 종합점수 모델(PASC)을 하기 수학식 1과 같이 생성할 수 있다.
[수학식 1]
PASC=0.7*V1+0.61*V2+0.67*V3+0.55*V4+0.58*V5
본 발명의 실시예들에 따른 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성 예측 장치 및 방법은 상기한 종합점수 모델을 이용하여 검사대상자의 아밀로이드 양성을 예측할 수 있다. 이를 통해, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성 예측 장치 및 방법은 별도로 뇌영상을 촬영하지 않고 신경심리검사만으로 아밀로이드 양성을 예측하기 때문에, 저비용으로 효과적인 알츠하이머의 조기발견 및 조기개입이 가능할 수 있다는 장점을 갖는다. 또한, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성 예측 장치 및 방법은 아밀로이드 양성군을 대상으로 하는 많은 임상연구에서 스크리닝 실패율을 줄이는데 기여할 수 있다.
이상 설명된 본 발명에 따른 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 저장하는 것일 수 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 아밀로이드 양성 예측 장치
110: 입출력 인터페이스
120: 통신부
130: 프로세서
131: 인지영역 추출부
132: 소검사 추출부
133: 생성부
140: 메모리
200: 네트워크
300: 뇌촬영 장치
400: 사용자 단말기
?
110: 입출력 인터페이스
120: 통신부
130: 프로세서
131: 인지영역 추출부
132: 소검사 추출부
133: 생성부
140: 메모리
200: 네트워크
300: 뇌촬영 장치
400: 사용자 단말기
?
Claims (17)
- 아밀로이드 양성을 예측하는 장치의 모집단 중 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법에 있어서,
상기 인지기능 정상군을 대상으로 하는 아밀로이드 PET 정보와 신경심리검사 데이터를 획득하는 단계;
상기 인지기능 정상군을 대상으로 하는 상기 아밀로이드 PET 정보 및 요인 분석(factor analysis)을 이용하여, 상기 신경심리검사 데이터에서의 복수의 인지 영역들 중에서 아밀로이드 양성과 음성을 구분하는 중요 인지 영역을 추출하는 단계;
상기 인지기능 정상군을 대상으로 하는 상기 아밀로이드 PET 정보에 기반하여, 상기 추출된 중요 인지 영역과 관련된 소검사 항목 중에서 아밀로이드 양성과 음성의 차이에 상대적으로 민감한 특정 소검사 항목들을 추출하는 단계;
상기 추출된 특정 소검사 항목들을 인자(factor)로 결정 하는 단계;
상기 인자에 기반하여 아밀로이드 양성 예측을 위한 제1 종합점수 모델을 도출하는 단계; 및
상기 제1 종합점수 모델에 요인분석 및 MIMIC model(Multiple-indicator multiple-case model)을 이용하여 상기 제1 종합점수 모델의 타당도를 검증하는 단계;를 포함하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법. - 제1 항에 있어서,
상기 중요 인지 영역을 추출하는 단계는, 상기 요인 분석을 이용하여 상기 중요 인지 영역을 추출하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법. - 삭제
- 제1 항에 있어서,
복수의 인지 영역은, 주의력 인지영역, 시공간기능 인지영역, 언어능력 인지영역, 기억력 인지영역 및 전두엽 집행기능 인지영역을 포함하고, 상기 중요 인지 영역은 기억력 인지영역과 전두엽 집행기능 인지영역인, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법. - 제1 항에 있어서,
상기 특정 소검사 항목을 추출하는 단계는, 다변량분산분석(Multivariate analysis of variance; MANOVA)을 이용하여 상기 특정 소검사 항목을 추출하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법. - 제1 항에 있어서,
상기 제1 종합점수 모델 및 상기 인자의 표준점수(z-score)를 이용하여 제2 종합점수 모델을 도출하는 단계를 더 포함하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법. - 삭제
- 제1 항에 있어서,
PCA(Principal Components Analysis)을 이용하여 상기 특정 소검사 항목들에 적용될 가중치 정보를 계산하는 단계;
상기 제1 종합점수 모델, 상기 인자 및 상기 가중치 정보를 이용하여 제2 종합점수 모델을 도출하는 단계를 더 포함하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 방법. - 컴퓨터를 이용하여 제1 항, 제2 항, 제4 항, 제5 항, 제6 항 및 제 8항의 방법 중 어느 하나의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
- 모집단 중 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치에 있어서,
상기 인지기능 정상군을 대상으로 하는 아밀로이드 PET 정보 및 요인 분석(factor analysis)을 이용하여, 신경심리검사 데이터에서의 복수의 인지 영역들 중에서 아밀로이드 양성과 음성을 구분하는 중요 인지 영역을 추출하는 인지영역 추출부;
상기 인지기능 정상군을 대상으로 하는 상기 아밀로이드 PET 정보에 기반하여, 상기 추출된 중요 인지 영역과 관련된 소검사 항목 중에서 아밀로이드 양성과 음성의 차이에 상대적으로 민감한 특정 소검사 항목들을 추출하는 소검사 추출부; 및
상기 추출된 특정 소검사 항목들을 인자(factor)로 결정하고, 상기 인자에 기반하여 아밀로이드 양성 예측을 위한 제1 종합점수 모델을 도출하며, 상기 제1 종합점수 모델에 요인분석 및 MIMIC model(Multiple-indicator multiple-case model)을 이용하여 상기 제1 종합점수 모델의 타당도를 검증하는 종합점수모델 생성부;를 포함하는 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치.
- 제10 항에 있어서,
상기 인지영역 추출부는
주성분 분석을 이용하여 상기 요인 분석을 이용하여 상기 중요 인지 영역을 추출하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치.
- 삭제
- 제10 항에 있어서,
복수의 인지 영역은, 주의력 인지영역, 시공간기능 인지영역, 언어능력 인지영역, 기억력 인지영역 및 전두엽 집행기능 인지영역을 포함하고, 상기 중요 인지 영역은 기억력 인지영역과 전두엽 집행기능 인지영역인, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치. - 제10 항에 있어서,
상기 소검사 추출부는,
다변량분산분석(Multivariate analysis of variance; MANOVA)을 이용하여 상기 특정 소검사 항목을 추출하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치. - 제10 항에 있어서,
상기 종합점수모델 생성부는,
상기 제1 종합점수 모델 및 상기 인자의 표준점수(z-score)를 이용하여 제2 종합점수 모델을 도출하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치. - 삭제
- 제10 항에 있어서,
상기 종합점수모델 생성부는,
PCA(Principal Components Analysis)을 이용하여 상기 특정 소검사 항목들에 적용될 가중치 정보를 계산하고, 상기 제1 종합점수 모델, 상기 인자 및 상기 가중치 정보를 이용하여 제2 종합점수 모델을 도출하는, 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200056154A KR102423315B1 (ko) | 2020-05-11 | 2020-05-11 | 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법 |
| KR1020220086535A KR102560119B1 (ko) | 2020-05-11 | 2022-07-13 | 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200056154A KR102423315B1 (ko) | 2020-05-11 | 2020-05-11 | 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220086535A Division KR102560119B1 (ko) | 2020-05-11 | 2022-07-13 | 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210137830A KR20210137830A (ko) | 2021-11-18 |
| KR102423315B1 true KR102423315B1 (ko) | 2022-07-21 |
Family
ID=78717400
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200056154A KR102423315B1 (ko) | 2020-05-11 | 2020-05-11 | 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법 |
| KR1020220086535A KR102560119B1 (ko) | 2020-05-11 | 2022-07-13 | 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220086535A KR102560119B1 (ko) | 2020-05-11 | 2022-07-13 | 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102423315B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102517529B1 (ko) | 2022-09-05 | 2023-04-03 | 의료법인 명지의료재단 | 아밀로이드 혈관병증 의심 환자에 대한 아밀로이드 펫 양성 예측 방법 및 장치 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102097188B1 (ko) | 2017-08-03 | 2020-04-10 | 사회복지법인 삼성생명공익재단 | 신경심리검사를 이용한 치매 발병 예측 방법 및 예측 시스템 |
| KR102076091B1 (ko) * | 2017-08-30 | 2020-02-11 | 사회복지법인 삼성생명공익재단 | 기억성 경도인지장애(aMCI) 환자에 대한 아밀로이드 페트 검사 양성률 예측 방법 및 장치 |
| KR101989695B1 (ko) * | 2017-11-29 | 2019-06-14 | 서울대학교산학협력단 | 뇌 아밀로이드 축적 양성 예측 모델 및 이를 이용한 예측 방법 |
-
2020
- 2020-05-11 KR KR1020200056154A patent/KR102423315B1/ko active IP Right Grant
-
2022
- 2022-07-13 KR KR1020220086535A patent/KR102560119B1/ko active IP Right Grant
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102517529B1 (ko) | 2022-09-05 | 2023-04-03 | 의료법인 명지의료재단 | 아밀로이드 혈관병증 의심 환자에 대한 아밀로이드 펫 양성 예측 방법 및 장치 |
| WO2024053925A1 (ko) * | 2022-09-05 | 2024-03-14 | 의료법인 명지의료재단 | 아밀로이드 혈관병증 의심 환자에 대한 아밀로이드 펫 양성 예측 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102560119B1 (ko) | 2023-07-26 |
| KR20210137830A (ko) | 2021-11-18 |
| KR20220103898A (ko) | 2022-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gill et al. | Using machine learning to predict dementia from neuropsychiatric symptom and neuroimaging data | |
| Varadhan et al. | Evaluating health outcomes in the presence of competing risks: a review of statistical methods and clinical applications | |
| Planche et al. | Hippocampal microstructural damage correlates with memory impairment in clinically isolated syndrome suggestive of multiple sclerosis | |
| Lavorgna et al. | Clinical and magnetic resonance imaging predictors of disease progression in multiple sclerosis: a nine-year follow-up study | |
| US20240078448A1 (en) | Prognostic score based on health information | |
| Doods et al. | A European inventory of common electronic health record data elements for clinical trial feasibility | |
| US20160004821A1 (en) | Determination of neuropsychiatric therapy mechanisms of action | |
| Jonmarker et al. | The future of breast cancer screening: what do participants in a breast cancer screening program think about automation using artificial intelligence? | |
| KR20200077852A (ko) | 복수의 의료 영상 판독 알고리듬들에 대한 평가 스코어를 생성하는 의료 영상 판독 지원 장치 및 방법 | |
| Lebrun-Frénay et al. | The radiologically isolated syndrome: revised diagnostic criteria | |
| Oh et al. | Cognitive impairment, the central vein sign, and paramagnetic rim lesions in RIS | |
| Antila et al. | The PredictAD project: development of novel biomarkers and analysis software for early diagnosis of the Alzheimer's disease | |
| Derado et al. | Predicting brain activity using a Bayesian spatial model | |
| Tur et al. | Clinical relevance of cortical network dynamics in early primary progressive MS | |
| Polosecki et al. | Resting-state connectivity stratifies premanifest Huntington’s disease by longitudinal cognitive decline rate | |
| Turkbey et al. | Artificial intelligence for automated cancer detection on prostate MRI: opportunities and ongoing challenges, from the AJR special series on AI applications | |
| KR102560119B1 (ko) | 인지기능 정상군을 대상으로 수행하는 아밀로이드 양성을 예측하는 장치 및 방법 | |
| De Silva et al. | Use and performance of machine learning models for type 2 diabetes prediction in clinical and community care settings: Protocol for a systematic review and meta-analysis of predictive modeling studies | |
| Vrenken et al. | Opportunities for understanding MS mechanisms and progression with MRI using large-scale data sharing and artificial intelligence | |
| Silva et al. | Automated volumetry of hippocampus is useful to confirm unilateral mesial temporal sclerosis in patients with radiologically positive findings | |
| Caroli et al. | Alzheimer disease biomarkers as outcome measures for clinical trials in MCI | |
| Lam Shin Cheung et al. | U “AI” Testing: User Interface and Usability Testing of a Chest X-ray AI Tool in a Simulated Real-World Workflow | |
| Retico et al. | ARIANNA: A research environment for neuroimaging studies in autism spectrum disorders | |
| Al-Louzi et al. | Lesion size and shape in central vein sign assessment for multiple sclerosis diagnosis: an in vivo and postmortem MRI study | |
| Rammuni Silva et al. | Effective utilization of multiple convolutional neural networks for chest x-ray classification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |