KR20080030075A - 최적화되어 자가 구축된 적응 능력을 위해서 총체적 생체 네트워크 영향을 접근, 조절, 호출 및 동조하기 위한 방법, 시스템 및 장치 - Google Patents

최적화되어 자가 구축된 적응 능력을 위해서 총체적 생체 네트워크 영향을 접근, 조절, 호출 및 동조하기 위한 방법, 시스템 및 장치 Download PDF

Info

Publication number
KR20080030075A
KR20080030075A KR1020087002694A KR20087002694A KR20080030075A KR 20080030075 A KR20080030075 A KR 20080030075A KR 1020087002694 A KR1020087002694 A KR 1020087002694A KR 20087002694 A KR20087002694 A KR 20087002694A KR 20080030075 A KR20080030075 A KR 20080030075A
Authority
KR
South Korea
Prior art keywords
subject
data
state
attempts
initial
Prior art date
Application number
KR1020087002694A
Other languages
English (en)
Inventor
게리 맥납
Original Assignee
게리 맥납
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 게리 맥납 filed Critical 게리 맥납
Publication of KR20080030075A publication Critical patent/KR20080030075A/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/486—Bio-feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/02—Digital computers in general; Data processing equipment in general manually operated with input through keyboard and computation using a built-in program, e.g. pocket calculators
    • G06F15/0225—User interface arrangements, e.g. keyboard, display; Interfaces to other computer systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Primary Health Care (AREA)
  • Theoretical Computer Science (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Acyclic And Carbocyclic Compounds In Medicinal Compositions (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

상태가 상세화된 총체적 생체 조정 자가 구축 컨트롤러와 호출 가능한 유발자에 대한 접근을 제공하고, 이의 변조를 허용하고, 이의 동조를 허용하는 복수의 특성과 다차원적 효과를 쿼어리하고 시도하고 식별하기 위해서, 본 발명은 피실험체와 상호 작용을 한다. 상태가 상세화된 조절 유발자의 변조는 피실험체 내의 최적화된 새로운 긴급 자가 구축 원리를 호출할 수 있으며, 결국에는 생체 화학 표현의 추가적이고 최적인 조절을 하는 새로운 긴급 컨트롤러를 포함해서 현재 상태의 상향 조정을 지원할 수 있다. 인간의 상태 측정은 수많은 식별 가능한 생물적 특성의 조합으로 된 상태를 포함할 수 있다. 병리 상태에서 무증상 상태와 최적의 적응 학습과 용이성으로 인간의 생물적 특성을 이동시키도록 하기 위해서, 본 발명은 다양한 질병에 대해서 피실험체 상태의 컨트롤러 기능에 대한 접근을 지원하는 시스템과 방법을 포함한다. 널리 시도되고, 확대되고, 병리 증상, 제한의 학습, 그리고 적응 비조절을 전환하는데 있어서 최적화된 총체적 조절 기능에 대해서 동조화하기 위해서 본 발명의 시스템은 상태 이동을 조절하는 능력을 조사하고 접근한다.
Figure P1020087002694
최적화되어 자가 구축된 자율적인 적응 능력(OPTIMIZED SELF-ORGANIZING AUTONOMOUS ADAPTIVE CAPACITIES), 규칙 엔진(rules engine)

Description

최적화되어 자가 구축된 자율적인 적응 능력을 호출하기 위한 총체적 조절 생체 네트워크에 동조하는 방법, 시스템 그리고 장치{METHOD, SYSTEM AND APPARATUS FOR ENTRAINING GLOBAL REGULATORY BIO-NETWORKS TO EVOKE OPTIMIZED SELF-ORGANIZING AUTONOMOUS ADAPTIVE CAPACITIES}
관련 출원
본 발명의 청구항은 2005년 6월 1일에 출원된 미국 출원(No.60/695,418)에 대해서 우선권을 주장하고 있으며, 이 미국 출원은 참조로 전문이 본 명세서에 포함된다.
기술 분야
본 발명은 생체 시스템 내의 최적화된 적응 능력을 배치하고, 조절하고, 동조(entrain)하기 위한 생체 분자 데이터 및 분석과 관련 있는 생체 피드백 트레이닝을 사용하기 위한 시스템, 방법 그리고 장치에 관한 것이다. 덧붙여서, 본 발명은, 특히 환경의 또는 개체의 요구를 만족시키는데 있어서 적응적인 초(超, supra) 용이성을 지원하기 위해 거의 총체적으로나 또는 총체적으로 네트워크된 내재, 자가 구축, 생체 적응 능력용 컨트롤러를 파악하고, 수정하며, 학습시키고, 강화하기 위한 시스템, 방법, 그리고 장치에 관한 것이다.
정보의 시대와 시스템 및 함께 진화하는 복잡성 이론 모델의 등장과 더불어, 특별히 교육, 건강 그리고 일반적인 최적의 성과와 관계있는 과학적 조사 방법은 급격한 발전 중에 있다. 특별히 의학 연구에 있어서, 건강 관리 전문가로 하여금 수많은 인간 질병에 대해서 차세대 치료 방법을 보다 효과적으로 발견하고 제공할 수 있게 하는 진단 장치, 의료 장치, 그리고 컴퓨터로 구현 가능한 기술에 대해서, 이러한 새로운 조사 기술은 다양하고도 새로운 방안을 내놓고 있다. 교육 및 트레이닝 환경에서, 학습 방법의 발달 및 전송과, 최적의 활용과 성과를 위해서 두뇌에 의해 좀 더 쉽게 통합될 수 있는 콘텐츠의 전송에 대한, 생체 기반 전략에 관한 유사한 기술들이 등장하고 있다.
전통적으로, 환자와 물리적으로 상호 작용하거나, 이전에는 접근 불가능한 신체의 특정 부분을 시각화하거나 또는 환자 진단 및 치료에 중요한 복잡한 연산을 수행하는 것 같은 다양한 기초 방법으로 건강 관리 전문가는 컴퓨터 및 정보 기술을 사용해왔다. 그러나 최근에는 컴퓨터 및 정보 기술이 다른 방법으로 환자와 상호 작용하고 치료하는데 사용되고 있다. 인간 질병 치료에 있어서 컴퓨터 사용의 예로는 치료 "게임"을 위한 생체 피드백의 사용이 있다.
몇몇 치료 게임은 환자로 하여금 이전에는 비자발적인 생체 특성을 시각화하고 조절하도록 도움을 주는 상호 작용 장치를 사용해서 질병을 치료한다. 이와 같은 생체 특성에 대한 시각적 접근을 향상시키는 것은 환자가 고통받는 수많은 질병과 관계 있을 수 있다. 예를 들어, 전문이 참조로 포함되어 있는, 미국 특허(No. 4,461,301, Self Adjusting Bio- Feedback Method and Apparatus), 미국 특허(No. 5,377,100, Method of Encouraging Attention by Correlating Video Game Difficulty with Attention Level), 미국 특허(No. 5,678,571, Method for Treating Medical Conditions Using a Microprocessor-Based Video Game)을 살펴본다. 이와 같이, 이 같은 특성을 조절하는 기능을 하는 파라미터(parameter)에 대해 증대된 접근은 질병의 새로운 치료법을 가능하게 할 수 있다. 치료 게임은 이러한 생체 특성의 시각화를 수많은 게임 포맷(format)에 종종 포함하게 한다. 이러한 치료 생체 피드백 게임은 주의력결핍 과다행동장애(ADHD; attention deficit hyperactivity disorder), 중독, 장애 습득, 정신 분열 그리고 다양한 다른 질병과 같은 질병의 치료에 이용되어 왔다.
과학, 공학, 학습, 치료제 그리고 생체 피드백 치료 및 트레이닝에 대한 기존의 접근법은 시스템의 구성 요소에 대한 조사로 시작된다. 시스템의 구성요소가 식별되고, 해체되고, 분석되면, 구성요소의 합(合)으로부터 시스템의 완전 기능과 기능 이상(malfunction)이 파생된다고 보통 여겨진다. 상기의 과학적 환원 방법은 시스템의 몇몇 기초 특성을 식별하고 내부의 기초 문제를 해결하는 데 있어서 유용할 수 있다. 그러나, 환원 방법과 그것과 상존하는 자극-응답 모델은 복잡하고 동적인 생체 시스템을 설명하는 핵심 인과 관계에 대한 제한적인 이해에 기초를 두고 있다. 상호 의존적 자가 구축 조절 네트워크의 시스템 전체(예를 들어, 전인적(全人的)인)와 콘트롤러가 접근되고, 시각화되고, 기능적 환경으로 더 이해될 때, 이 상존하는 특성들이 식별되고 활용될 수 있다.
예를 들어, 인간의 건강을 조절하는 것을 담당하는 생체 관계의 복잡성은 유 전적이고 후성적(後性的)인 조절 네트워크의 표현 패턴 내에 깊이 숨겨져 있을 수 있다. 이러한 네트워크와 환경에 대한 전체 시스템 접근법을 제공하는 방법을 개발하는 것은 생체와 가상 간의 실시간으로 조합된 상호작용이 고도로 통합되는 것에 의해서만 가능할 수 있다.
자연적으로 진화한 컨트롤러는, 지구상의 생물체가 자율적인 자가 구축, 집합체, 그리고 협동 능력을 야기하는 상전이(phase transition)를 나타내게 함으로써, 생명체가 변화에 적응하면서 영구적으로 지구상에서 살아남을 수 있게 해왔다. 예를 들어, 복잡한 의학 그리고 교육 문제에 대한 해결책은 진화적으로 보존된 유전 공통 표현 환경(evolutionarily conserved genetic co-expression contexts), 생체 경로 그리고 그것들을 촉진시키거나 침묵시키는 조절 유발자(trigger)의 생체 저장소에 있을 수 있다. 이와 같은 깨달음에 비추어 볼 때, 기존의 인과 관계의 자극-응답 모델에 의해 예시된 환원 방법을 넘어서는 방법에 대한 필요성과 가능성이 있다.
본 발명은 상기의 깊숙이 보존된 측정 가능한 진화의 인공물을 통합함으로써 최적화 방안을 공통 진화적으로(co-evolutionarily) 확증한다. 본 발명은 뇌와 같은 동적 시스템 내의 상태 전이 동작을 설명하는 "상태"에 대한 접근을 또한 제공한다.
도 1A는 본 발명의 실시예에 따른 생체 트레이닝의 도식적인 다이어그램을 도시한다.
도 1B는 본 발명의 실시예에 따른 생체 트레이닝의 도식적인 다이어그램을 도시한다.
도 2는 본 발명의 실시예에 따른 방법의 논리 흐름도를 도시한다.
도 3은 본 발명의 실시예에 따른 방법의 논리 흐름도를 도시한다.
도 4는 본 발명의 실시예에 따른 방법의 논리 흐름도를 도시한다.
도 5는 본 발명의 실시예에 따른 생체 트레이닝 시스템의 두 개의 주요 기능적 영역의 다이어그램을 도시한다.
본 발명은 피실험체 상태 내의 변화를 유도하기 위한 생체 트레이닝 시스템, 방법 그리고 장치를 제공함으로써 문제점들을 해결한다. 일 실시예에서, 본 발명의 생체 트레이닝 시스템은 피실험체로부터 피실험체 데이터의 견본을 추출한다. 견본으로 추출된 피실험체 데이터의 전부 또는 일부는 피실험체의 현 상태를 표시하고 이와 연관있을 수 있다. 피실험체 데이터는 피실험체와 연관있는 데이터 기록의 부분으로 저장된다. 그런 후, 피실험체 상태를 변화시키거나, 또는 나아가 보다 깊이 있게 축적하기 위해 의도된 하나 또는 그 이상의 시도를 피실험체에 제공할 수 있다. 그리고 부가적인 피실험체 데이터는 견본으로 얻어질 수 있다.
피실험체 상태 내의 변화를 결정하기 위해 부가적인 피실험체 데이터는 피실험체 기록의 부분으로 저장되고 분석될 수 있다. 분석은 시도 전의 피실험체 데이터를 시도 후의 피실험체 데이터와 비교할 수 있다. 분석은 피실험체 데이터와 측정된 피실험체 데이터 간의 알려진 관계에 관한 선험적인 지식을 응용하는 하나 또는 그 이상의 규칙도 이용할 수 있다. 어떠한 선험적인 지식도 알려지지 않았다면, 이와 같은 선험적인 지식을 밝히고 그 이상의 시도-응답 반복의 분석을 위한 규칙을 공식화하기 위해, 후술할 반복 과정에 의해 추출된 부가적인 데이터와 함께 분석이 이용될 수 있다.
위 분석은 피실험체 상태상에 대한 하나 또는 그 이상의 시도의 효과를 증명할 수 있다. 예를 들어, 상기 하나 또는 그 이상의 시도가 환자 상태를 바꾸어 왔거나, 식별 불가능한 (부가적인 피실험체 데이터에 의해서 측정된) 효과를 가져 올 수 있다. 일 실시예에서, 환자 상태 내의 임의의 식별 가능한 변화는 예를 들어 바람직한 변화, 바람직하지 않은 변화, 중립적 또는 알려지지 않은 변화, 상태 내의 변화 단계의 표시, 또는 기타의 특성과 같은 임의의 특성을 가질 수 있다. 그런 다음, 이러한 효과 및 연관된 특성은 상기 피실험체 기록의 부분으로 저장될 수 있다.
위 분석으로부터 추가적인 시도가 공식화될 수 있다. (견본으로 추출된 피실험체 데이터에 의해서 측정된) 피실험체 상태상에서 이전의 시도가 가졌던 효과에 기초하여 추가적인 시도가 공식화될 수 있다. 예를 들어, 이전의 시도가 피실험체 상태 내에서 식별 불가능한 효과 또는 바람직하지 않은 변화를 초래했다면, 규칙 및 선험적인 지식은 이 정보로 갱신될 수 있고, 상이한 시도가 공식화되어 반복적으로 환자에게 제공될 수 있다. 이전의 시도가 바람직한 효과를 가졌다면(예를 들어, 바람직한 방향으로 피실험체 상태를 이동시키는), 규칙 및 선험적인 지식은 이 정보로 갱신될 수 있으며, 시도의 특성이 상태의 바람직한 변화에 있어서 가장 큰 원인이 되었다는 것을 식별하기 위해, 시도가 반복되고, 증강되고, 또는 미묘하게 변경될 수 있다.
그런 다음, 새롭게 공식화된 시도가 피실험체로 제공될 수 있다. 그리고 그 이상의 피실험체 데이터가 견본으로 추출되고 분석될 수 있다. 피실험체 상태를 바람직한 상태로 변화시키기 위해서, 필요한 만큼 반복적인 방법으로 시도 제공, 피실험체 데이터 견본 추출, 그리고 시도 재공식화의 과정이 반복될 수 있다(또는 상세화된 바람직한 상태가 식별되지 않았다면, 바람직한 상태를 밝히거나, 규칙 및 선험적인 지식에 부가되는 시도, 피실험체 데이터, 그리고 피실험체 상태 간의 관계를 분석하기 위해서 상기 과정이 반복될 수 있다). 상기 과정이 반복될 때마다, 추가적인 데이터는 피실험체 기록에 부가되고, 규칙 및 선험적인 지식은 변경되고, 피실험체를 바람직한 상태로 성공적으로 이동시킬 수 있는 시도의 유형이 더 밝혀진다. 다양한 피실험체 데이터를 가장 잘 반영하는 피실험체 데이터의 유형은 상기 과정의 반복적인 적용에 의해서 또한 밝혀질 수 있다.
상기 반복 과정의 복수 피실험체에 대한 적용은 시도, 피실험체 데이터, 그리고 피실험체 상태 간의 상호 관계를 밝히기 위해 분석될 수 있는 복수의 피실험체 기록을 낳는다. 한 특정 상태에서 또 다른 특정 상태로 피실험체를 이동시키기 위해 시도가 어떤 것인지를 식별하기 위해 사용되는 규칙 및 선험적 지식의 집합(set)을 더 갱신하기 위해서, 상호 관계가 이용될 수 있다. 예를 들어, 동일한 병리 상태(예를 들어, 자폐증)를 가진 피실험체에 대한 복수 기록은 좀 더 나은 병리 증상을 보여주는 상태로 피실험체를 이동시키는 시도의 유형을 밝히기 위해서 조사될 수 있다. 이러한 데이터 조사로부터 유래한 데이터는 일반적으로 자폐증의 더 나은 이해 및 치료에 이용되고, 자폐증으로 고통받는 추가적인 피실험체에 대한 치료 및 상태 변화 유도를 위해서 시도를 더 공식화하는데 이용될 수 있다.
여기서 사용되는 피실험체는 인간, 인간 단체, 인간 조직체 및/또는 식물, 동물 그리고 식물과 동물의 생체 시스템(예를 들어 군체, 무리, 또는 식물 또는 동물의 다른 단체)을 포함하는 인간 이외의 생체 시스템을 포함할 수 있다. 일례로, 피실험체는 질병 또는 질병의 증상으로 고통받거나 이에 대한 치료를 필요로 하는 인간을 포함할 수 있다. 다른 실시예에서, 피실험체는 정보 시스템, 정보 처리, 생체 시스템의 가상 및 모의의 연산 및/또는 다른 네트워크화된 장치를 포함할 수 있다.
일 실시예에서, 상기 반복 과정에서 사용되는 컴퓨터로 구현된 상호 작용 생체 피드백 트레이닝 시스템(이후 생체 트레이닝 시스템)은 하나 또는 그 이상의 생체 피드백 감지 장치 및/또는 피실험체 데이터의 견본을 추출하고 수집하기 위한 하나 또는 그 이상의 데이터 입력 장치를 포함할 수 있다. 생체 트레이닝 시스템은 규칙 및 선험적인 지식을 저장하고 변경하고, 피실험체 데이터를 수신, 저장 및 분석하고, 하나 또는 그 이상의 시도를 공식화하고, 피실험체 기록을 유지하고, 데이터 분석 기능을 수행하고/수행하거나 본 발명의 다른 특성과 기능을 가능하게 하기 위해서, 컴퓨터 시스템, 하나 또는 그 이상의 데이터 베이스, 그리고 생체 트레이닝 장치를 또한 포함할 수 있다. 생체 트레이닝 시스템은 상기 반복 과정에 따라 하나 또는 그 이상의 시도를 피실험체에 제공하기 위한 하나 또는 그 이상의 제공 장치를 또한 포함할 수 있다.
일 실시예에서, 생체 트레이닝 시스템에 의해서 견본으로 추출된 피실험체 데이터는 피실험체와 연관해서 생물리 특성, 자발적 동작, 비자발적 동작, 그리고 유전적 및 후성적(後性的) 데이터라는 4개의 분류를 포함할 수 있다.
생물리 특성은 생리 특성 또는 뇌파 활동, 전기 피부 활동, 다른 신체적 전기 활동, 혈압, 박동수, 혈액 가스, 체온, 기능적인 두뇌 특성, 또는 피실험체로부터 동시에 얻을 수 있는 임의의 생리 수치를 포함하지만 이에 제한되지 않으며, 피실험체의 다른 측정 가능한 생물적 특성을 포함할 수 있다. 생체 트레이닝 시스템의 하나 또는 그 이상의 생체 피드백 감지 장치는 피실험체의 하나 또는 그 이상의 생물리 특성을 측정할 수 있는 임의의 장치 또는 시스템을 포함할 수 있다. 생체 피드백 감지 장치는 당업자에게 공지되어 있다. 생체 피드백 감지 장치에 관한 더 많은 정보 및 발명의 내용에 관한 유용한 다른 정보에 관한 더 많은 정보는 미국 특허(No. 6,172,941, Bieramperl("Method to Generate Self-Organizing Processes in Autonomous Mechanisms and Organisms")), 미국 특허(No.6,402,520, Freer("Electroencephalograph Based Biofeedback System for Improving Learning Skills")), 미국 특허(No. 6,662,032, Gavish et al., ("Interventive-Diagnostic Device"))에서 찾아볼 수 있으며, 각각은 여기에 전문이 참조로 포함되어 있다.
피실험체 데이터로서의 자발적인 동작은 생체 트레이닝 시스템의 하나 또는 그 이상의 데이터 입력 장치를 이용해서 견본으로 추출될 수 있다. 예를 들어, 생체 트레이닝 시스템의 하나 또는 그 이상의 입력 장치는 키보드, 마우스, 문자 키패드, 터치 스크린 그리고 음성 인식 장치(예를 들어, 마이크와 이와 연관된 소프트웨어), 카메라 또는 다른 광학 입력 장치, 또는 피실험체로부터의 자발적 입력을 수신할 수 있는 다른 장치를 포함할 수 있다. 일례로, 질문에 답하고, 게임 또는 퍼즐과 상호 작용하고, 또는 다른 자발적인 동작을 수행함으로써, 하나 또는 그 이상의 입력 장치를 통해 피실험체는 자발적인 동작 피실험체 데이터를 생체 트레이닝 시스템에 입력할 수 있다. 또 다른 예로, 피실험체의 자발적인 동작을 관찰하고 있는 조작자 또는 관리자에 의해서, 자발적인 동작 피실험체 데이터는 하나 또는 그 이상의 데이터 입력 장치를 통해 생체 트레이닝 시스템에 입력될 수 있다.
피실험체 데이터로서 비자발적 동작은 하나 또는 그 이상의 생체 피드백 감지 장치에 의해서 견본으로 추출되거나, 더 나아가 피실험체의 비자발적 동작을 관찰하고 있는 조작자 또는 관리자에 의해 하나 또는 그 이상의 데이터 입력 장치를 통해 생체 트레이닝 시스템에 입력될 수 있다. 피실험체 데이터로 이용될 수 있는 비자발적 동작의 예는 신체 언어, 안면 근육 상태, 안구 운동, 또는 다른 관찰 가능하거나 측정 가능한 표시자에 관한 관찰을 포함할 수 있다.
피실험체 데이터로서 유전적 또는 후성적 데이터는 유전 전사(genetic transctiption, 예를 들어 DNA에서 mRNA로의 전사) 또는 그것의 분자 조절, 유전 번역(translation, 예를 들어 mRNA에서 아미노산으로의 번역) 또는 그것의 분자 조절, 피실험체 내의 다른 유전자 조절 동작을 표시하는 견본으로 추출된 데이터에 관한 것일 수 있다. 유전적 또는 후성적 표현 데이터는 임상의 그리고 분자 생물 실험 기술을 이용해서 얻어질 수 있다. 유전적 또는 후성적 피실험체 데이터를 추출하기 위한 기존의 분자 생물 실험 기술의 이용은 피실험체 세포의 견본 추출과 생체 트레이닝 시스템에 유용한 실제 유전적 또는 후성적 피실험체 데이터 간의 시간차(time lag)를 수반할 수 있다. 그러나, 실시간 또는 실시간에 가까운 유전자 표현 데이터를 측정할 수 있는 기술을 포함하여, 본 발명이 개발되면, 이전에는 불가능했던 유전적 또는 후성적 표현 데이터의 더 신속한 생성을 위한 기술이 개발되는 때, 그 기술은 본 발명과 함께 이용될 수 있다. 추가적으로, 피실험체 데이터로써 유전적 또는 후성적 데이터는, 동시 측정 가능한 피실험체 데이터(예를 들어, 생물리 특성, 자발적 동작, 비자발적 동작 등)와 유전적 또는 후성적 표현 간의 알려진 또는 예측되는 상호 관계에 기초하여, 개연성 있는 유전적 또는 후성적 표현에 대한 외삽을 포함할 수 있다.
더 나아가, 실시간으로 측정 가능한 피실험체 데이터와 유전적 또는 후성적 표현 간의 상호 관계를 발견하는 연구원의 능력을 향상시키기 위해서 생체 트레이닝 시스템 그 자체가 이용될 수도 있다. 예를 들어, 상기 반복 과정이 실행될 수 있고, 피실험체 상태는 성공적으로(적어도 증가적으로) 변화될 수 있다. 실시간 측정 가능한 피실험체 데이터가 견본으로 추출되는 각각의 반복 과정에서, 피실험체 세포의 실시간 견본이 추출될 수 있다. 이러한 세포들은 분자 실험 기술을 이용해서 후에 분석될 수 있고, 유전적 그리고 후성적 표현 데이터 결과는 그에 상응하는 피실험체 데이터 견본 추출 간격과 상호 연관될 수 있다. 표현 데이터는 피실험체 기록에 부가될 수 있고, 또한 피실험체 상태 내의 변화에 대한 유전적 토대와 실시간으로 측정가능한 임의의 유전자 표현을 표시하는 피실험체 데이터에 관한, 규칙 및 선험적인 지식을 더 향상시키기 위해서 사용될 수 있다. 상태 변화를 유도하는 시도에 관해 더 완전해진 규칙 및 선험적 지식과 더불어, 시도는 피실험체의 유전자 표현을 변경시키기 위해 더 상세하게 설계될 수 있다. 그러므로, 생체 트레이닝 시스템은 유전자 표현의 컨트롤러에 대한 이용을 제공할 수 있고, 유전자 표현의 강력한 상태 표시자 및 컨트롤러를 이용해서 환자의 상태를 변화시키고/변화시키거나 더 완전하게 하는 능력을 제공한다.
상기와 같이, 피실험체는 인간일 필요가 없다. 생체 트레이닝 시스템을 이용한 유전적 그리고 후성적인 표현의 컨트롤러에 대한 조사는 식물 및/또는 동물 시스템을 수반할 수 있다. 상태 변화에 있어서 가장 유력한 조직상 변화를 측정하기 위해서, 생체 트레이닝 시스템은 연구자로 하여금 중요 기관을 포함하는 모든 유형의 피실험체 조직의 견본 세포를 채취할 수 있도록 한다. 이하에서 기술되듯이, 진화적으로 보존된 유전자 가족 간의 상호 관계는 식물 또는 동물 시스템을 인간 상태와 연관시키기 위해서 이용될 수 있다. 그러므로, 본 발명을 이용한 식물 또는 동물 시스템의 조사는 인간 피실험체에 이용될 규칙 및 선험적 지식을 향상시키는데 도움을 줄 수 있다. 덧붙여, 여기서 기술한 바와 같이, 가상 시스템 및 모의 상황상에서 생체 트레이닝 시스템의 반복 과정의 사용도 궁극적으로는 인간 피실험체에 이용될 규칙 및 선험적 지식을 향상시키는데 유용할 수 있다.
위에서 언급했듯이, 생체 트레이닝 시스템은 생체 트레이닝 장치를 포함할 수 있다. 생체 트레이닝 장치는 본 발명의 특성과 기능을 가능케 하는 하나 또는 그 이상의 소프트웨어 모듈을 포함할 수 있다. 생체 트레이닝 모듈은 상호 연관된 규칙 또는 선험적인 지식, 피실험체 데이터, 시도 그리고 피실험체 상태를 개발하고, 저장하고, 변경하고, 응용하기 위해서 규칙 엔진을 포함할 수 있다.
생체 트레이닝 시스템은 상기 반복 과정과 연결된 피실험체에 시도를 제공하기 위한 시도 제공 장치도 포함할 수 있다. 예를 들어, 시도 제공 장치는 디스플레이 장치(예를 들어, 컴퓨터 모니터, 텔레비전 모니처, 액정 크리스털 디스플레이 스크린), 음향 장치(예를 들어, 스피커), 진동 장치, 전극, 또는 피실험체에 시도를 제공할 수 있는 다른 장치를 포함할 수 있다.
피실험체 상태는 박동수, 혈압, 피부 전기 전도, 호흡수, 뇌파 또는 다른 신체 전기 활동, 유전적 그리고 후성적 표현 단계, 고통 또는 불편한 단계, 병리 증상 단계, 또는 생물적 특성을 포함하지만 이에 제한되지 않는 수많은 식별되는 생물적 특성 조합의 상태를 포함할 수 있다. 측정 가능한 상태 내에서의 이동은 일반적인 의료 치료 방식이다. 예를 들어, 심장 혈관 치료제에 있어서, 선택 가능한 치료 방법 중에서 널리 이용되는 치료 방법은 "베타 블러커(beta-blocker)"를 포함한다. 이 약물적 치료 방법은, 습관성 심장 혈관 억제자의 반전(reversal)과 병리 증상의 제거에 의해, 두뇌 내의 "베타" 뇌파 상태의 습관성을 중단시키고, 다른 뇌파 활동에 대한 접근을 교정하기 위해 습관성 베타 뇌파 상태와 연관있는 생리 기능으로부터 피실험체의 전체 생리 기능을 이동시킨다.
메시지는 전사에 의한 생물체 그 자체의 전체적인 구성(construction) 및 재구성(reconstruction)에 필요한 지시를 감추기 때문에, 모든 생물체의 게놈(genome) 내에 포함된 메시지는 자기 참조(self-referring)이다. 본 발명의 반복 과정과 분석은 시스템 건강의 주된 색인으로서, 자기 재구성(self reconstruction)을 위한 본질적인 자가 구축(self-organizaing) 적응 능력에 초점을 맞추고 있다. 본질적인 적응 능력은 조절 비율을 변화시킬 수 있다. 하향 조절이 발생할 때, 억제를 유지하는 과정은 습관화될 수 있다. 이러한 환경에서는, 최적화된 기능이 피실험체 시스템 내에 좀 더 잠재적이 되어가고, 의학 모델에서의 징후적 역기능의 형성 및 등장과 트레이닝 환경에서의 부차적인 최적화 결과 및 성과를 뒷받침하는 "잠복성(silence)"의 임계치에 도달할 수 있다.
일 실시예에 있어서, 생체 트레이닝 시스템과 여기 기술된 반복 과정은 피실험체의 동적 총체적 상태 컨트롤러 기능에 대한 접근을 가능하게 하여, 자가 구축 상호 연관 색인에 의해 확증된, 습관성 증상 형성, 역기능 학습, 및/또는 성과 제한 중 어느 한 개로부터 적응을 돕도록 최적화된 상태로 피실험체의 생태(예를 들어, 유전적 그리고 후성적 표현 또는 다른 생물적 특성)를 이동시키도록 한다. 피실험체 생태의 최적화된 기능을 위해 능력이 광범위하게 시도되고 확대될 수 있도록, 본 발명의 시스템과 방법은 이와 같이 상태 이동을 조절하는 능력을 조사하고 이에 접근한다.
복잡한 생체 조절 컨트롤러의 증폭에 대한 민감도를 증명하는 조절 효과(regulatory influence)를 식별하고, 쿼어리(query)하고, 그리고 시도하기 위해서, 혁신적인 실시간 및 가상 상호 작용과 정보 결과의 포섭 및 수렴과 함께 본 발명이 사용될 수 있다. 특정의 식별된 조절 효과에 대한 새로운 증폭은 가장 적합한 총체적 네트워크 컨트롤러를 호출하기 위한 복수의 전략을 포함한다. 이러한 메타(meta) 컨트롤러 총체적 시스템은 특정의 조절 효과에 위해 긴급하게 필요한 능력의 기초가 되고 이를 지원하는 내재된 자가 구축 적응 능력의 동적 특성을 포함한다. 피실험체 및 생체 시스템의 기능적 적응 용이성의 실시간 측정을 생성하기 위해, 본 발명은 컨트롤러 효과 및 능력에 색인을 붙일 수 있다. 실시간 및 가상 환경 트레이닝 효과의 새로운 수렴에 의해, 본 발명의 반복 과정의 주된 재조정 촛점 대상은 피실험체의 현재 상태이다.
본 발명의 상기 그리고 다른 피실험체, 특성 그리고 장점은 실시예와 여기에 첨부된 도면을 통해 명확해질 것이다. 또한, 본 발명의 상세한 설명과 이하의 실시예는 본 발명의 예시일 뿐 본 발명의 범위를 제한하지 않는다.
본 발명은 피실험체 상태 내의 변화를 유도하고/유도하거나 좀 더 완전하게 하기 위한 생체 트레이닝 시스템, 방법 그리고 장치를 제공한다. 생체 조절 컨트롤러 및 유발자를 이용하도록 하고 이에 대한 조절을 허용하는 복수의 특성과 다차원적 효과를 조회하고, 시도하고, 식별하기 위해서, 본 발명은 피실험체와 상호 작용한다. 특정 생체 조절 유발자의 조절은, 깊이 저장된 피실험체 내부의 자가 구축 원리와, 최적의 생체 화학(예를 들어, 유전적 그리고 후성적) 표현과 최적의 용이성에 필요한 기술 및 학습의 자율적 완성을 조절하는 "현재 상태"(이후 상태)에 대한 궁극적인 지원-조절을, 유발할 수 있다. 자가 구축 원리와 세포 생물학 그리고 본 발명과 연관된 다른 개념에 대한 더 많은 정보를 위해서는, 여기 전문이 참조로 포함된 Tom Misteli 저의 The Concept of Self- Organization in Cellular Architecture(The Journal of Cell Biology, vol. 155, no. 2, October 15, 2001, pgs 181-186)를 살펴본다. 인간의 상태 측정은 박동수, 혈압, 피부 전기 전도, 호흡수, 뇌파 또는 다른 신체 전기 활동, 유전적 그리고 후성적 표현 단계, 고통 또는 불편한 단계, 병리적 증상 단계 또는 생물적 특성을 포함하지만 이에 제한되지 않는 수많은 식별되는 생물적 특성의 조합의 상태를 포함할 수 있다.
측정 가능한 상태 내에서의 이동은 일반적인 의료 치료 방식이다. 예를 들어, 심장 혈관 치료제에 있어서, 선택 가능한 치료 방법 중에서 널리 이용되는 치료 방법은 "베타 블러커(beta-blocker)"를 포함한다. 이 약물적 치료 방법은, 습관성 심장 혈관 억제자의 반전(reversal)과 병리적 증상의 제거에 의해, 두뇌 내의 "베타" 뇌파 상태의 습관성을 중단시키고, 다른 뇌파 활동에 대한 접근을 교정하기 위해 습관성 베타 뇌파 상태와 연관있는 생리 기능으로부터 피실험체의 전체 생리 기능을 이동시킨다. 많은 질병에 대한 실시예에 있어서, 피실험체에 대한 환경적 시도 도중, 피실험체를 지원하여 적절한 동적 총체적 상태 컨트롤러 기능에 재접근하게 하고, 자가 구축 상호 연관 색인에 의해 확증된, 습관성 증상 형성, 역기능 학습, 및/또는 성과 제한 중 어느 한 개로부터 적응적으로 최적화 및 동조화된 상태로 피실험체의 생태를 이동시키게 하는 시스템을 본 발명은 포함한다. 무수한 병리적 증상을 감소시키기 위해 최적화되고 동조화된(entrained) 기능에 대해서 능력이 광범위하게 시도되고 확대될 수 있도록, 본 발명의 시스템은 이와 같이 상태 이동을 조절하는 능력을 조사하고 이에 접근한다.
일 실시예에 있어서, 한 상태에서 바람직한 상태로 피실험체 상태를 이동시 키기 위해서, 생체 트레이닝 시스템(예를 들어, 생체 트레이닝 시스템(101))은 다양한 가능성을 전달하고/전달하거나 제안하는데 이용될 수 있다. 집중 및 존재(focus and presence)의 세련된 특성들은 베타, 알파, 델타 그리고 세타(theta) 뇌파 진동과 같이 상이한 두되 상태를 일으키는 것과 관련된 연구 역사를 갖는다. 베타 블러커(beta-blocker)의 사용에 의한 심장 혈관 건강을 향상시키는 예와 마찬가지로, 뇌 변화 집중과 흡수에 대한 체계적인 정련과 통합은 생체 트레이닝 시스템으로 완성될 수 있고, 예를 들어 생태 시스템을 지원하는 적절한 분자 생화학 효과의 체계적인 특성을 조사하기 위해서 모델을 제공할 수 있다. 상호 작용과 상태가 상세화된(state-specific) 변화 방법론의 통합으로, 생체 트레이닝 시스템은 환경 효과와 유전적 효과와 후성적 표현 효과 간의 내부 관계를 형성하는 상태가 상세화된 컨트롤러 효과를 조사한다. 본 발명의 반복적인 데이터 분석 기능은 컨트롤러 효과의 적절한 역할을 명확히 하여, 상태가 상세 수준에서 상태 변화를 위한 능력의 표시를 최대로 제공하는 표적 세포 경로를 식별하고 이의 모형을 만든다(예를 들어, 무(無)증상 상태를 유도하는 조절 가능한 유전적 표현 패턴을 식별한다).
생체 트레이닝 시스템과 생체 트레이닝 시스템의 반복적인 데이터 분석 기능 간의 상호 작용 기능의 협력 작용은 피실험체 상태를 조절하는 것에 이용될 수 있는 진화적으로 보존된 조절 세포 신호(evolutionarily conserved regulatory cell-signaling)의 생체 능력 및 생체 컨트롤러(이후 생체 컨트롤러)를 명확하게 하는 동작 메커니즘을 조사한다. 밝혀진 생체 컨트롤러로부터, 향상되거나 더 나아가 최적화된 기능적 능력(예를 들어, 무(無)증상 상태 같은 신경 발달적 동작)을 의미 하는 적응(adaptation)이 나타나도록 지원하는 상태를 협동적으로 더 유도하기 위해서 적절한 능력이 어떻게 이용되는지를 생체 트레이닝 시스템이 조사할 수 있다.
도 1A에 도시된 본 발명의 실시예에 따르면, 시스템(100a)에 대해서 컴퓨터로 구현된 상호 작용 생체 피드백 트레이닝 시스템(생체 트레이닝 시스템)을 제공하고 있다. 시스템(100a)는 하나 또는 그 이상의 생체 피드백 감지 장치(101), 적어도 한 개의 컴퓨터 시스템(103), 하나 또는 그 이상의 데이터 베이스(105a-105n), 생체 트레이닝 장치(107), 데이터 디스플레이 장치(109), 데이터 입력 장치(111), 그리고 다른 구성요소를 포함할 수 있다. 하나 또는 그 이상의, 컴퓨터 시스템(103), 생체 트레이닝 장치(107) 또는 본 발명의 시스템의 다른 구성요소는 여기에 기술된 기능성을 이루기 위해 다양한 소프트웨어 모듈(113a-113n)을 포함할 수 있다. 다른 실시예에서, 이해가능하듯이, 여기 기술된 기능성은 소프트웨어에 부가하거나 소프트웨어 대신하여 하드웨어 및/또는 펌웨어의 다양한 조합에서 구현될 수 있다.
생체 트레이닝 시스템(100a)는 피실험체(115)와 연결되거나 그렇지 않으면, 이와 상호 작용하고, 이로부터 데이터의 견본을 추출하고, 또는 이와 연관 있는 데이터를 수신하도록 될 수 있다. 몇몇 실시예에서, 피실험체(115)는 한 명의 인간, 복수의 인간들 및/또는 식물, 동물, 그리고 식물 및/또는 동물 생체 시스템(예를 들어 군체, 무리, 또는 식물 또는 동물의 다른 단체)를 포함할 수 있다. 일 실시예에서, 피실험체(115)는 질병 또는 질병의 증상으로 고통받거나 이에 대한 치료를 필요로 하는 인간을 포함할 수 있다. 다른 실시예에서, 피실험체(115)는 정보 시 스템, 정보 처리, 생체 시스템의 가상 및 모의의 연산 및/또는 다른 네트워크화된 장치를 포함할 수 있다.
하나 또는 그 이상의 생체 피드백 감지 기기(101)은 특정 가능한 임의의 장치 또는 시스템 및/또는 하나 또는 그 이상의 생물리 특성 또는 생리적 특성(이후 생물리 특성)을 기록하는 것을 포함할 수 있다. 생물리 특성은 뇌파 활동, 전기 피부 활동, 다른 신체적 전기 활동, 혈압, 박동수, 혈액 가스, 체온, 기능적인 두뇌 특성, 또는 피실험체로부터 동시에 얻어질 수 있는 임의의 생리적 수치를 포함하지만 이에 제한되지 않는다. 뇌의 뢴트겐 촬영 장치, 박동수, 호흡수, 전기 피부 활동을 측정하는 전극을 가진 피부 패치, 혈압계 또는 이외의 장치와 같은 생체 피드백 감지 장치의 많은 유형은 그 발명이 속하는 기술 분야에서 공지되었다. 생체 피드백 감지 장치에 관한 본 발명의 정보 및 내용에 유용한 더 많은 정보는 미국 특허(No. 6,172,941, Bieramperl ("Method to Generate Self-Organizing Processes in Autonomous Mechanisms and Organisms")), 미국 특허( No. 6,402,520, Freer ("Electroencephalograph Based Biofeedback System for Improving Learning Skills")), 미국 특허(No. 6,662,032, Gavish et al., ("Interventive- Diagnostic Device"))에서 발견되며, 각각은 전문이 참조로 여기에 포함되어 있다.
하나 또는 그 이상의 생체 피드백 감지 장치(101)은 특정의 바람직한 생리적 특성의 측정을 위해서 적절한 방법으로 피실험체(115)와 연결되거나 근처에 위치할 수 있다. 예를 들어, 피실험체의 두뇌 전기 활동을 측정하기 위해 고안된 생체 피 드백 감지 장치는 EEG(electroencephalogram)의 생성을 위한 장치를 포함할 수 있고, 상기 장치는 복수 패드를 가진 감지기를 포함할 수 있다. 당 예에서, 복수 패드 감지기는 피실험체(115)의 머릿가죽에 위치할 수 있다. 다른 생체 피드백 감지 장치(101)는 이용될 수 있고, 피실험체와의 연결은 그에 따라 다양할 수 있다.
일 실시예에서, 하나 또는 그 이상의 생체 피드백 감지 장치(101)는 적어도 한 개의 컴퓨터 시스템(103)과 동작적으로 연결되거나 그렇지 않으면 통신할 수 있다. 컴퓨터 시스템(103)은 하나 또는 그 이상의 서버, 데스크탑 컴퓨너, 노트북, PDA, 휴대폰, 무선 호출 수신기, 다양한 무선 장치 또는, 하나 또는 그 이상의 프로세서 또는 데이터 처리 능력을 지닌 다른 컴퓨팅 장치이거나 이를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 컴퓨터 시스템(103)은 생체 트레이닝 장치(107)을 호스트(host)할 수 있다. 생체 트레이닝 장치(107)는 컴퓨터 장치, 인터넷 웹 사이트, 인터넷 사이트, 또는 다른 컴퓨터 소프트웨어 장치 또는 사이트를 포함할 수 있다. 시스템(100a)는 조작자, 관리자 또는 생체 트레이닝 장치(107)를 통해 다른 사용자에 의하여 작동될 수 있다.
일 실시예에서, 생체 트레이닝 장치(107)는 피실험체 기록을 생성하고, 생체 피드백 장치 또는 다른 데이터 입력 장치를 통해 피실험체로부터 피실험체 데이터의 견본을 추출하거나 수신하고, 피실험체 데이터를 처리하는 것을 분석하고, 피실험체 데이터, 특정 가능한 피실험체 데이터, 그리고 환자에 대한 시도 간의 상호 관계에 관한 하나 또는 그 이상의 규칙이나 선험적인 지식을 생성하고, 유지하며, 더 나아가 갱신하고, 환자 내의 특정 상태를 유도하기 위해 고안된 하나 또는 그 이상의 시도를 피실험체에 대해서 공식화하고, 바람직한 상태를 유도하기 위해서 하나 또는 그 이상의 시도를 피실험체에 대해서 제공하거나, 더 나아가 본 발명의 특성이나 기능을 가능케 하기 위해서 하나 또는 그 이상의 소프트웨어 모듈(113a - 113n)을 포함할 수 있다.
특별하게는, 생체 트레이닝 장치(107)는 이하에 기술하는 것과 같이 견본 모듈(113a), 시도 제공 모듈(113b), 규칙 엔진(113c), 반복적인 데이터 분석 모듈(113d), 상호 작용 게임 모듈(113e), 및/또는 다른 모듈(113n)을 포함한다.
본 발명의 실시예에 따르면, 하나 또는 그 이상의 연관된 데이터 베이스(105a-105n)는 컴퓨터 시스템(103)에 동작적으로 연결될 수 있다. 예를 들어, 데이터 베이스(105a-105n)는 오라클 사가 상업적으로 판매하는 OracleTM와 관계있는 데이터 베이스일 수 있고, 이를 포함할 수 있으며, 이에 대한 인터페이스일 수 있다. InformixTM, DB2(Database 2)와 같은 다른 데이터 베이스 또는 다른 데이터 저장 장치 또는 쿼어리 포맷, 플랫폼 또는 OLAP(On Line Analytical Processing), SQL(Standard Language Query), SAN(storage area network), Microsoft AccessTM, 또는 다른 것들이 본 발명에 대해서 또한 이용되고, 포함되고, 접근될 수 있다.
데이터 베이스(105a-105n)는 여기서 기술된 실시예에 따라 생성되고 처리되고 분석되고 또는 공식화된 임의의 정보를 수신하고 저장할 수 있다. 또한, 규칙 엔진(113c)과 연관있는 하나 또는 그 이상의 규칙, 시도 및 측정 가능한 피실험체 데이터 및 피실험체 상태 간의 상태가 상세화된 상호 관계에 관한 선험적 지식, 또는 다른 데이터와, 연관 있는 복수의 환자 기록과 정보를 포함할 수 있다. 유전적 또는 후성적인, 표현 데이터 및 조절 데이터 또는 당 발명의 동작에 유용한 다른 실험적 데이터와 같은 외부에서 생성된 데이터는 하나 또는 그 이상의 데이터 베이스(105a-105n)상에서 또한 로드(load)되고 저장될 수 있다.
본 발명에 따르는 생체 트레이닝 시스템(예를 들어, 생체 시스템(100a, 100b)은 하나 또는 그 이상의 시도 제공 장치를 포함할 수 있다. 예를 들어, 도 1A에 도시된 바와 같이 시도 제공 장치는 데이터 디스플레이 장치(109)를 포함할 수 있다. 예를 들어, 데이터 디스플레이 장치(109)는 컴퓨터 모니터, 텔레비전 모니터, 액정 크리스탈 디스플레이 스크린, 또는 다른 데이터 디스플레이 장치를 포함할 수 있다. 다른 시도 제공 장치는 음향 발산 장치(예를 들어, 스피커), 진동 장치, 전극 또는 피실험체에 시도를 제공할 수 있는 다른 장치를 포함할 수 있다.
본 발명에 따르면, 생체 트레이닝 시스템(예를 들어, 생체 트레이닝 시스템(100a, 100b))은 하나 또는 그 이상의 데이터 입력 장치를 포함할 수 있다. 생체 피드백 감지 장치(예를 들어, 생체 피드백 감지 장치(101))는 컴퓨터 시스템(103)으로 입력되는 피실험체 데이터의 견본을 추출하기 때문에, 생체 피드백 감지 장치는 데이터 입력 장치로 여겨질 수 있다. 그러나, 다른 데이터 입력 장치(111)는 상기 생체 피드백 감지 시스템에 부가되거나, 대신하여 사용될 수 있다.
데이터 입력 장치(111)는 피실험체 데이터의 견본을 또한 추출하고 피실험체 데이터를 수신할 수 있고, 컴퓨터 시스템(103)에 작동적으로 연결되거나 그렇지 않 으면 이와 통신할 수 있다. 예를 들어, 데이터 입력 장치(111)은 키보드, 마우스, 문자 키패드, 터치 스크린, 음성 인식 장치(예를 들어, 마이크와 이에 수반되는 소프트웨어), 카메라 또는 다른 광학 장치, 또는 피실험체(115)로부터 자발적 또는 비자발적 입력을 수신할 수 있는 다른 장치를 포함할 수 있다. 몇몇 실시예에서, 데이터 입력 장치(111)는 피실험체 데이터를 수집하기 위해서 사용될 수 있을 뿐만 아니라, 하나 또는 그 이상의 조작자 또는 관리자로부터 입력 및 명령을 수신하기 위해서 또한 사용될 수 있다. 몇몇 실시예에서, 복수의 데이터 입력 장치(111)가 있을 수 있고, 이중 몇몇은 피실험체 데이터의 견본을 추출하기 위해서 특별하게 고안되고, 다른 몇몇은 조작자 및 관리자의 생체 트레이닝 시스템과의 상호 작용을 위해서 고안된다.
도 1B에서 도시된 본 발명의 또 다른 실시예에 따르면 시스템(100b)은 원격 가능 생체 트레이닝 시스템을 위해서 제공된다. 원격 가능 생체 트레이닝 시스템(100b)은 내부 별명, 컴퓨터 네트워트(117) 그리고 원격 장치(119)를 포함할 수 있다. 원격 장치(119)는 노트북, 개인 컴퓨터, 핸드폰, PDA, 컴퓨터 게임 시스템, 개인 및 휴대 가능 게임 시스템, 또는 다른 원격(예를 들어, 컴퓨터 시스템(103), 관리자, 진료용 환경 또는 기타) 또는 무선-원격 컴퓨팅 장치를 포함할 수 있다. 원격 장치(119)는 피실험체(115)와, 컴퓨터 시스템(103), 또는 컴퓨터 네트워크(117) 상의 생체 트레이닝 시스템의 일부분 간의 정보를 수신하고, 기록하고/기록하거나, 전송하는 것이 가능할 수 있다. 일 실시예에서, 생체 트레이닝 시스템의 모든 또는 일 부분은 근거리 무선 기술(예를 들어, 블루투스 또는 다른 기술)을 이용해서 시스템 내부의 데이터를 실시간으로 전송할 수 있게 한다. 다른 실시예에서, 장거리 무선 기술(예를 들어, 핸드폰, RF 또는 다른 기술)이 이용될 수 있다. 원격 장치의 이용은 진료 환경에서 떨어져(예를 들어 집, 직장, 길거리 또는 다른 환경에서) 생체 트레이닝 시스템과 피실험체 간의 상호 작용을 가능하게 할 수 있다.
원격 장치(119)는 복수 기능이 가능한 다양한 하드웨어, 소프트웨어, 펌웨어를 포함할 수 있다. 예를 들어, 원격 장치(119)는 생체 피드백 감지 장치(101), 데이터 디스플레이 장치(109, 또는 다른 시도 제공 장치), 데이터 입력 장치(111), 데이터 베이스(105), 컴퓨터 시스템(103) 또는 다른 구성요소의 임의의 조합 또는 서브셋(subset)의 역할을 할 수 있다. 더 나아가, 몇몇 실시예에서, 원격 장치(119)는 생체 트레이닝 장치(107)와 그것의 몇몇 또는 모든 모듈을 저장하고, 로드(load)하고/로드하거나 작동시킬 수 있다.
당업자는 여기서 기술된 본 발명이 다양한 시스템 구성에서 작동할 수 있다는 것을 이해할 수 있다. 따라서, 위에서 언급된 시스템의 구성요소들보다 적거나 많은 것들이 다양한 실시예에서 사용되고/사용되거나 결합 될 수 있다. 여기서 기술한 기능성을 이루기 위해 이용되는 다양한 소프트웨어 모듈(113a-113n)은 생체 피드백 감지 장치(101), 데이터 입력 장치(111), 시도 제공 장치(예를 들어, 데이터 디스플레이 장치(109)), 원격 장치(119) 또는 필요에 따라 시스템(100a)과 시스템(100b)의 다른 구성 요소들 중 하나 또는 그 이상을 통해 유지될 수 있다. 다른 실시예에서, 이해 가능한 것처럼, 여기서 기술한 기능성은 소프트웨어에 부가되거 나 이를 대신하는 하드웨어 및/또는 펌웨어의 다양한 조합에서 구현될 수 있다.
도 2는 과정(200)을 도시하며, 이는 피실험체 상태상의 변화를 유도하는 총체적 조절 네트워크 기능의 호출 가능한 생체 컨트롤러의 식별, 모델링 그리고 변조(modulation)를 가능하게 한다. 과정(200)은 피실험체 상태와 임의의 측정 가능한 (유전적 그리고 후성적 표현 데이터를 포함하는)피실험체 데이터와 상태상의 변화를 유도하는 시도에 대한 피실험체 상태와의 상호 관계에 관한 데이터를 수집하기 위해서 생체 트레이닝 시스템(예를 들어, 생체 트레이닝 시스템(100a) 또는 (100b))을 이용할 수 있다.
일 실시예에서, 과정(200)은 피실험체 데이터가 생성될 수 있는 동작(201)을 포함할 수 있다. 일 실시예에서 상기 기록은 데이터 관리 모듈을 이용해서 생성될 수 있고, 이는 생체 트레이닝 장치(107)의 모듈(113a-113n) 중 하나일 수 있다. 피실험체가 인간인 일례에서, 피실험체 기록은 피실험체에 관한 식별 정보(예를 들어, 이름, 주소, 사회 보장 번호 또는 다른 식별 정보), 피실험체에 관한 특징적 정보(예를 들어, 나이, 인종적 배경, 몸무게, 키 또는 다른 특징), 피실험체의 진료 기록, 피실험체의 현재 병리 또는 증상(어떤 것이든지 가능하다), 및/또는 다른 정보를 포함할 수 있다. 환자 기록은 또한 시험 데이터를 포함할 수 있다. 이하에서 기술하듯이, 시험 데이터는 생체 트레이닝 시스템과 피실험체의 상호 작용(예를 들어, 피실험체로 제공되는 시도의 유형 및 특징, 시도가 피실험체로 제공된 날짜 및 시각, 시도에 대한 환자의 응답 또는 다른 날짜), 견본으로 추출된 피실험체 데이터(상기 데이터는 시도 또는 초기 및 기준 피실험체 데이터에 대한 응답으로 수 집된 데이터를 포함할 수 있다), 견본으로 추출된 피실험체 데이터의 해석(예를 들어, 견본으로 추출된 피실험체 데이터의 임의의 셋 또는 서브셋에 의해 표시되는 특정 상태), 그리고 시험적 데이터에 대한 해석 또는 다른 정보를 포함할 수 있다.
동작(203)에서, 기준 및 초기 데이터는 견본으로 추출될 수 있다. 일 실시예에서 생체 트레이닝 시스템에 의해서 견본으로 추출된 피실험체 데이터(초기 피실험체 데이터, 응답 피실험체 데이터, 또는 다른 피실험체 데이터 중 하나)는 피실험체와 연관있는 생물리 특성, 자발적 동작, 비자발적 동작, 그리고 유전적 및 후성적(後性的) 데이터라는 4개의 분류를 포함할 수 있다. 다른 실시예에서는, 본 발명에서 다른 유형의 피실험체 데이터가 사용될 수 있다. 상기 생물리 특성은 생리 특성 또는 피실험체의 다른 측정 가능한 생물적 특성을 포함할 수 있다. 피실험체 데이터로서 자발적 동작은 생체 트레이닝 시스템의 하나 또는 그 이상의 입력 장치(예를 들어, 데이터 입력 장치(111))를 이용해서 견본으로 추출될 수 있다. 일례에서, 피실험체 데이터로서 자발적 동작은 질문에 대한 응답, 게임 또는 퍼즐과의 상호 작용을 포함할 수 있으며 또는 다른 자발적 동작을 포함할 수 있다. 일례에서, 피실험체 데이터로서 비자발적 동작은 신체 언어, 안면 근육 상태, 안구 운동, 또는 다른 관찰 가능하거나 측정 가능한 표시자를 포함할 수 있으며, 또한 하나 또는 그 이상의 데이터 입력 장치(111)를 이용해서 생체 트레이닝 시스템에 입력될 수 있다.
피실험체 데이터로서 유전적 또는 후성적 데이터는 유전 전사(genetic transctiption, 예를 들어 DNA에서 mRNA로의 전사) 또는 그것의 분자 조절, 유전자 번역(mRNA에서 아미노산으로의 번역) 또는 그것의 분자 조절, 피실험체 내의 다른 유전자 조절 동작을 표시하는 견본으로 추출된 데이터에 관한 것일 수 있다. 유전적 또는 후성적 표현 데이터는 임상의 그리고 분자 생물 실험 기술을 이용해서 얻어질 수 있다. 예를 들어, 조직 샘플 내의 임의의 유전자의 표현에 관한 정보가 필요하다면, 조직의 샘플이 채취될 수 있고, 조직을 구성하는 세포는 용해될 수 있고, 세포로부터의 mRNA는 분리될 수 있고, 관심 유전자의 niRNA로 어닐링(annealing)된 시동체(primer)와 역전사(reverse transcriptase)는 분리된 mRNA로 주입될 수 있고, 샘플 내의 전사된 관심 유전자를 표시하는 mRNA의 cDNA를 생성하기 위해 PCR이 실행될 수 있고, 그리고 cDNA의 존재 및 크기는 마이크로어레이(microarray) 시각화 기술(또는 다른 기술)을 이용해서 측정될 수 있다. 다른 분자 실험 과정은 다양한 이유(예를 들어, mRNA의 존재는 항상 실제 단백질 생성을 가리키는 것은 아니다. 전사는 항상 번역을 가리키는 것은 아니다.)에서 또한 사용될 수 있다. 분자 생물 측정 방법에 관한 더 많은 정보를 위해서는 여기에 전문이 참고로 포함되어 있는 Current Protocols in Molecular Biology Vol. 4, (Frederick M. Ausubel et al. eds., John Wiley & Sons, Inc. (1999))을, 특히 Section 22.2, "Preparation of mRNA for Expression Monitoring"를 살펴 본다.
유전적 또는 후성적 피실험체 데이터의 추출을 위한 기존의 분자 생물 실험 방법의 사용은 피실험체 세포의 견본 추출과 생체 트레이닝 시스템에 유용한 실제 유전적 또는 후성적 피실험체 데이터의 생성 간의 시간차를 수반할 수 있다. 전문이 여기에 참고로 포함되어 있는 www.genome.gov/11007578를 살펴 본다. 추가적으 로, 피실험체 데이터로서 유전적 또는 후성적 데이터는, 동시 측정 가능한 피실험체 데이터(예를 들어, 생물리 특성, 자발적 도작, 비자발적 동작 등)과 유전적 또는 후성적 표현 간의 알려진 또는 예측되는 상호 관계에 기초하여, 개연성 있는 유전적 또는 후성적 표현에 대한 외삽을 포함할 수 있다. 더 나아가, 여기 기술한 것과 같이, 실시간으로 측정 가능한 피실험체 데이터와 유전적 또는 후성적 표현 간의 상호 관계를 발견하는 연구원의 능력을 향상시키기 위해서 생체 트레이닝 시스템 그 자체가 이용될 수도 있다.
피실험체 데이터의 견본 추출(초기 피실험체 데이터 또는 응답 피실험체 데이터 또는 다른 피실험체 데이터)은 생체 트레이닝 장치의 견본 모듈(113a)에 의해서 가능할 수 있다. 견본 모듈(113a)은 임의의 생체 피드백 감지 장치, 입력 장치, 데이터 엔트리(entry) 소프트웨어(예를 들어, 외부 생체 트레이닝 시스템을 출처로 하는 유전적 및 후성적 표현 데이터 또는 다른 데이터를 입력하기 위해 사용될 수 있다), 또는 다른 소스와 하나 또는 그 이상의 데이터 베이스(105a-105n) 또는 생체 트레이닝 시스템의 다른 부분 간의 상호 작용을 가능하게 할 수 있다. 상호 작용은 피실험체 데이터 및/또는 상기 기기, 프로그램 또는 본 발명의 시스템과 방법으로의 사용을 위한 데이터 소스로부터의 다른 데이터를 견본으로 추출하고 수신하게 할 수 있다.
동작(205)에서 기준 데이터는 피실험체 기록의 부분으로 데이터 베이스 내에 저장될 수 있다.
일 실시예에서, 동작(203)에서 견본으로 추출된 기준 및 초기 피실험체 데이 터는 생체 트레이닝 시스템을 이용해서 조사되고 있는 하나 또는 그 이상의 상태와 연관이 있을 수 있다(예를 들어 임의의 두뇌 활동의 ADHD(attention deficit hyperactivity disorder)를 나타내는 존재, 부존재, 정도 또는 다른 특징과 연관이 있을 수 있다면, 두뇌 활동이 추적될 수 있다). 이와 같이, 기준 및 초기 피실험체 데이터는 동작(207)에서 피실험체의 초기 상태를 결정하기 위해 사용될 수 있다.
몇몇 실시예에서, 초기 상태는 이미 알려져 있을 수 있고, 초기 피실험체 데이터의 견본 추출은 상태의 피실험체 데이터 프로파일을 생성하기 위해 도움이 될 수 있다. 예를 들어, 동작(207)에서 결정되는 초기 상태의 유전적 및 후성적 표현 프로파일의 기준을 제시하기 위해, 유전적 및/또는 후성적 표현 데이터는 동작(203)에서 피실험체 데이터로서 견본으로 추출될 수 있다. 유전적 및 후성적 표현 데이터는 피실험체 상태의 가장 나은 표시자가 될 수 있는 반면, 다른 피실험체 데이터는 실시간으로 좀더 쉽게 측정 가능할 수 있다. 이와 같이 피실험체 데이터의 다른 유형은 기준 프로파일을 결정하기 위해서도 견본으로 추출될 수 있다. 동시 측정 가능한 피실험체 데이터(예를 들어, 유전적 및 후성적 데이터를 제외한 다른 데이터)는 알려진 관계를 이용해서 임의의 유전적 및 후성적 프로파일과 상호 연관될 수 있다. 이와 같이, 피실험체 데이터의 동시 측정 가능한 집합에서의 변화는 임의의 유전적 및 후성적 프로파일을 외삽하기 위해서 사용될 수 있다. 다른 실시예에서, 동시 측정 가능한 피실험체 데이터와 여기서 기술한 반복 과정의 간격이 있는 유전적 및 후성적 데이터 모두를 견본으로 추출함으로써, 적용 가능한 상 호 관계를 설정하기 위해서 생체 트레이닝 시스템이 이용될 수 있다.
일 실시예에서, 환자의 상태(초기 상태 또는 이후 상태를 포함하는)를 결정하는 것은 피실험체의 기능 능력을 결정하는 것을 포함할 수 있다. 예로, 환자의 상태가 피실험체의 신경 시스템과 연관 있을 수 있다면, 신경 기능 능력은 주의, 집중, 순간-연속 차원 능력, 공간 차원, 기억, 언어, 운동 신경 기능, 사회적 인식, 상위 차원 인식 또는 다른 신경 능력을 포함할 수 있다. 이 예에서, 신경 능력은 퍼즐, 게임 또는 다른 활동과의 상호 작용 중에 환자로부터 수집된 자발적인 동작 데이터를 주로 이용해서 결정될 수 있다. 추가적으로, 이 예에서, 피실험체의 기준 기능 능력 데이터는 피실험체의 신경 발달적 구성으로서의 현재 상태를 표현하기 위해서 사용될 수 있다. 여기서 이용된 신경 발달적 구성은 다른 적절한 프로파일에 부가해서 환자 개인의 신경 프로파일의 모델을 포함할 수 있다. 신경 발달적 구성의 예는 인간 두뇌의 역할 또는 신경 기능의 하나 또는 그 이상의 모델을 포함할 수 있다. 이 역할은 임의의 발달, 달성 및/또는 다른 적절한 기능성을 위해서 조정되고, 완성되고, 동조화될 필요가 있다. 피실험체의 이후 상태를 모형화하고/모형화하거나 상태 변화, 특정 가능한 환자 데이터 그리고 피실험체로 제공되는 시도 간의 관계를 테스트하거나 표시하기 위해서, 상기 구성은 본 발명 진행의 반복 과정으로서 이용될 수 있다.
상이한 신경 기능은 인간 생활에서의 상이한 작업 또는 단계 도중에 이용되거나 또는 강조될 수 있다. 예를 들어, 고등학교 학생이 수학 시험에서 테니스 게임으로 전환할 때, 신경 기능의 역할은 변화한다. 또한, 인간 두뇌가 인간 생활에 필요한 다양한 작업을 수행할 수 있도록 이러한 신경 기능은 서로 조화롭게 상호 작용할 수 있다. 또한, 기능의 다른 유형은 다른 시스템에서 상호 작용하고/작용하거나 강조될 필요가 있을 수 있다. 근원적으로 신경 발달적일 수 있는 병리 증상을 인간이 나타낼 때, 정상적으로 실행되고 있지 않은 하나 또는 그 이상의 신경 기능에 대한 조사는 무엇이 잘못되었고 그것을 어떻게 고칠 것인지를 식별하는 것에 대한 적절한 출발점이 될 수 있다. 신경 발달적 구성의 기능적 능력과 발달의 생체 트레이닝 시스템의 프로파일은 이러한 조사를 실행하고/실행하거나 도와줄 수 있다. 다른 실시예에서, 피실험체의 다른 특성의 다른 기능적 능력과 구성은 피실험체 데이터를 이용해서 결정되고 본 발명에서 이용될 수 있다.
동작(209)에서, 하나 또는 그 이상의 시도가 피실험체에 대해 제공하도록 공식화될 수 있다. 일 실시예에서, 하나 또는 그 이상의 시도는 규칙 엔진(113c)에 의해서 공식화될 수 있다. 일 실시예에서, 시도의 유형 및 특성이 초기 상태에서 바람직한 상태로 피실험체 상태를 변화시키는데 있어서 유용하다는 것(바람직한 상태의 상세화가 아직 알려지지 않았다면, 초기 상태에서 벗어나 다른 상태로 피실험체를 단순히 이동시키는 것), 예를 들어 자가 구축 상태와 연관 있는 선험적 지식을 규칙 엔진(113c)이 포함하거나 이에 접근할 수 있다. 이와 같이 규칙 엔진(113c)은 동작(203)으로부터의 견본으로 추출된 피실험체 데이터의 일부분 또는 전부를 이용할 수 있다. 몇몇 실시예에서, 규칙 엔진(113c)은 완전히 자동적으로 규칙 및 선험적 지식의 적용을 적용한다. 다른 실시예에서, 조작자, 관리자 또는 다른 인간의 상호 작용에 대한 설명적인 상호 작용은 규칙 엔진에 의해 시도를 규 칙화하고 규칙 및 선험적인 지식을 형성하는데 있어서, 사용될 수 있다.
몇몇 실시예에 있어서, 관리자에게 문제가 되는 것에 관해서 선험적 지식이 적거나 없을 수 있다. 이러한 실시예에서, 시도의 유형 및 특성과 측정 가능한 피실험체 데이터(유전적 및 후성적 데이터)와 상태가 상세화된 이동 간의 상호 관계를 형성하기 위해서 여기서 기술한 반복 과정(예를 들어 과정(200))이 복수 번 반복될 수 있다. 게다가, 상태가 상세화된 컨트롤러를 밝히는 방향으로 본 발명의 반복적인 분석 기능 그 자체가 목표가 되며, 상기 컨트롤러는 특정 증상 상태로부터 특정 자가 구축된 무(無)증상 상태로 피실험체를 이동시키는 시도의 개발을 가능하게 한다.
동작(211)에서 하나 또는 그 이상의 공식화된 시도는 피실험체에게 제공될 수 있다. 상기한 바와 같이, 측정 가능한 피실험체 데이터(유전적 및 후성적 데이터를 포함한다), 시도 그리고 특정 상태와 상호 연관있는 선험적인 지식에 따라서 시도의 유형과 특성은 변화될 수 있다. 시도의 유형의 예는 상호 작용하는 퍼즐과 게임(비 시각적 게임뿐만 아니라 비디오 게임 및/또는 게임 콘솔에서 게임 가능한 게임, 핸드폰 또는 다른 게임 또는 전자 장치를 포함한다) 또는 다른 시각적인 또는 상호 작용하는 자극을 포함할 수 있다. 시도의 다른 유형은 청각적 구성요소(예를 들어, 소리, 단어, 지시, 단독으로 또는 상기 상호 작용 게임과 연관있거나 다른 시도와 연관있게 관리될 수 있는 임의의 것), 촉각 자극, 후각 또는 미각 자극, 전기 자극 및/또는 다른 자극을 포함할 수 있다. 몇몇 실시예에서, 시도는 피실험체 상태 내의 변화(또는 적어도 유전적 및 후성적 데이터가 포함된 측정 가능 한 피실험체 데이터 내의 변화)를 유도하도록 의도된 임의의 자극, 상호 작용 또는 사건을 포함할 수 있다.
일 실시예에서, 생체 트레이닝 시스템의 시도는 피실험체의 자가 구축 효과(subject's self-organizing influences)를 호출하도록 의도된 내부 자극, 지시 또는 사건을 이용할 수 있다. 예를 들어, 피실험체 그것의 호흡에 대하여 피실험체가 인식을 집중하도록 하는 명령이 관리될 수 있다. 학습 강화 모듈의 전략을 통해서 좀 더 유지 가능해지기 때문에 피실험체의 자가 구축 효과를 호출할 의도의 다른 내부 자극 또는 자극이 이용될 수 있다. 기능적 능력 데이터, 오실로그램 효과 데이터, 기능적 조절 경로 데이터, 세포 사이클 궤도 데이터 및/또는 다른 데이터가 생체 트레이닝 시스템에 의해서 견본으로 추출되고 프로파일되면서, 내부 자극, 지시 또는 사건에 대한 피실험체의 집중 또는 이의 계속적인 관리가 계속될 수 있다. 더 나아가, 추가적인 생체 적응 시도는 내부 자극에 대한 피실험체의 집중 이전, 도중 또는 이후에 도입될 수 있다. 내부 자극에 대한 계속된 피실험체 집중은 생체 컨트롤러와 자가 구축 효과의 식별, 모델링, 조작에 있어서 도움을 줄 수 있고, 상태가 상세화된 신경 발달적 동작의 자율적인 최적화를 호출하는데 있어서도 도움을 줄 수 있다.
다양한 가능한 환경적 효과를 포섭함으로써, 생태 트레이닝 시스템은 인공지능 설계를 임의로 주어진 환경 내부의 호출 가능한 억제자에 대한 조사를 정제하는데에 포함할 수 있다. 상호 작용과 환경적 시도의 조합에 의해 야기된 생체 컨트롤러의 변천은 피실험체의 최적화된 신경 발달적 동작(optimized neuro- developmental operation of a subject)을 야기하는 자가 구축 효과를 포함할 수 있다. 이와 같이 최적화된 상태가 상세화된 신경 발달적 동작은 심장 혈관 건강에서의 베타 블러커의 사용과 같은 방법으로 피실험체를 무(無)증상 상태로 이동시킬 수 있다.
피실험체 상태 변화를 낳는 생체 트레이닝에 의해 야기된 자가 구축 효과는 "총체적 자가 구축 효과(Global self-organizing influence)"를 포함할 수 있다. 총체적 자가 구축 효과는 다양한 종에서 발견되거나 적용될 수 있는 자가 구축 생체 컨트롤러에 대한 정보를 포함할 수 있다(식물과 비인간 동물과 같은 시스템과 함께 사용되는 생체 트레이닝 시스템에 관해서 본 명세서의 기재를 참고).
몇몇 실시예에서, 하나 또는 그 이상의 시도는 시도 제공 장치(예를 들어 데이터 디스플레이 장치, 스피커, 전극 또는 다른 장치)를 이용해서 피실험체로 제공될 수 있다. 이러한 실시예에서, 시도 제공 모듈(113b)는 이와 같은 시도 제공을 용이하게 할 수 있다. 예를 들어, 시도 제공 모듈(113b)은 컴퓨터 시스템(103) 및 생체 트레이닝 장치(107)와 시도 제공 장치 간의 상호 작용을 제공할 수 있고, 그 결과 규칙 엔진에 의해 공식화된 시도가 성공적으로 환자에 제공된다. 조작자 또는 관리자가 환자에 대한 시도를 제공해야 하는 몇몇 실시예에서, 시도 제공 모듈(113b)은 시도 제공의 상세화에 대한 지시를 조작자 또는 관리자에게 제공한다.
피실험체에 대한 하나 또는 그 이상의 시도 제공은 자가 구축 효과를 호출할 수 있고, 또한 최적화된 신경 발달된 동작과 현재의 무(無)증상 상태를 유도할 수 있다. 이 결과는 시도의 특정 설계(예를 들어, 규칙 및 선험적 지식의 신뢰 가능 한 집합)의 예상되거나 바람직한 결과일 수 있거나, 생체 컨트롤러 지식 및 상호 관계를 조사하고 밝히기 위해서 그 이상의 반복에서 이용되는 시험적 부산물일 수 있다. 몇몇 실시예에서, 최적화된, 상태가 상세화된, 자가 구축 신경 발달된 동작으로의 유도가 증분될 수 있다(상기와 같이 초기 상태에서 바람직한 상태로의 변화는 증분되고/증분되거나 일시적일 수 있다).
동작(211)의 하나 또는 그 이상의 시도의 제공 후 또는 도중에, 응답 피실험체 데이터는 동작(213)에서 견본으로 추출될 수 있다. 기준 및 초기 피실험체 데이터와 유사하게, 동작(213)에서 피실험체로부터 견본으로 추출된 피실험체 데이터는 데이터의 4개의 정의된 분류 중 임의의 것을 포함할 수 있다. 동작(213)에서 견본으로 추출된 응답 피실험체 데이터의 유형은 바람직한 상태와 연관 있을 수 있는 것(예를 들어, 응답 피실험체 데이터는 생체 트레이닝 시스템을 이용해서 조사되는 하나 또는 그 이상의 병리 또는 증상과 연관 있을 수 있다)으로 (선험적 지식 내에서)알려진 데이터일 수 있다. 몇몇 예에서, 견본으로 추출된 응답 데이터의 유형은 동작(203)의 기준 및 초기 피실험체 데이터와 동일한 유형일 수 있다(예를 들어, 응답 데이터가 기준 데이터와 어떻게 상이한 지를 조사하기 위해). 다른 실시예에서, 견본으로 추출된 데이터의 유형은 상이할 수 있다.
동작(215)에서, 응답 데이터는 피실험체의 기록의 일부분으로 데이터 베이스에 저장될 수 있다. 동작(217)에서, 응답 데이터는 분석될 수 있다. 분석은 반복적인 데이터 분석 모듈(113d)에 의해서 실행될 수 있고, 응답 피실험체 데이터와 초기 피실험체 데이터와의 비교를 포함할 수 있다(이후의 반복 과정의 반복에서, 이러한 비교는 응답 데이터의 가장 최근 집합을 이전 응답 피실험체 데이터의 일부 또는 전부 및 초기 피실험체 데이터와 비교하는 것을 포함할 수 있다). 이러한 분석은 동작(211)의 하나 또는 그 이상의 시도가 피실험체 상태에 미치는 영향(예를 들어, 양성적, 음성적, 발견된 상태 변화가 있지만 반드시 양성적 또는 음성적, 효과가 있을 필요는 없다), 및/또는 상기 효과의 증대된 측정(예를 들어, 바람직한 상태로의 근소한 이동, 바람직한 상태로의 현격한 이동 및 기타)을 또한 식별할 수 있다. 응답 피실험체 데이터에 있어서의 차이점을 이전 피실험체 데이터, 이용된 시도의 유형 및 특성, 그리고 피실험체 상태에 대한 효과에 대해서 이용함으로써, 반복적인 분석 모듈은 이전의 견본-시도-견본의 반복에서 학습한 것을 반영하기 위해서 규칙 엔진(113c)과 선험적인 지식을 갱신할 수 있다. 이러한 갱신은 동작(219)의 데이터 베이스(105) 내에 저장될 수 있다.
과정(200)은 갱신된 규칙 엔진(113c)과 선험적 지식에 기초를 둔 추가적인 시도를 공식화하기 위해서 동작(209)으로 되돌아 갈 수 있다. 그러므로, 과정(200)은 더 완전한 데이터 기억장치를 생성하기 위해서 많은 반복 과정을 반복할 수 있다. 상기와 같이, 유전적 및 후성적 표현 데이터와, 표현 데이터의 특정 상태를 표시하는 동시 측정 가능한 피실험체 데이터(예를 들어, 생물리적 특성, 자발적 동작, 비자발적 동작 또는 다른 동시 측정 가능한 데이터)와 특정 상태 내의 변화를 생성하는 시도의 유형 및 특성에 대한 상호 관계를 데이터 기억 장치는 포함할 수 있다. 그러므로, 더 완전해진 데이터 기억 장치는, 습관성 병리 상태에서 자가 구축 비습관성 무(無)증상 상태로 피실험체를 의도적으로 이동시키는데에 이 용될 수 있는, 상태가 상세화된 컨트롤러를 밝혀낸다.
도 3은 습관성 병리 상태에서 자가 구축 무(無)증상 상태로 개체를 이동시키는 상태가 상세화된 컨트롤 효과를 더 밝혀내는 것에 대해, 복수 개체에 관한 데이터가 이용될 수 있는 과정(300)를 도시하고 있다. 동작(301)에서, 시험적 데이터를 포함하는 복수의 피실험체 기록은 수집되고 생성될 수 있고(예를 들어, 과정(200)의 반복적인 분석을 이용해서), 데이터 베이스(105)에 저장될 수 있다.
몇몇 실시예에서, 특정 상태가 조사되기 때문에, 초기 상태와 동일하거나 비슷한 상태(예를 들어, 동일한 병리 질병 및 증상)를 가진 피실험체만이 수집되고 저장될 수 있다. 다른 실시예에서, 특별히 덜 특성화된 병리에 대한 조사가 이루어질 때, 그룹화된 피실험체 기록 간의 상호 관계는 대략적일 수 있다.
동작(303)에서, 하나 또는 그 이상의 데이터 조사 방법은 복수의 피실험체 기록의 일부 또는 전부에 대해서 적용될 수 있다. 몇몇 실시예에서, 반복적인 데이터 분석 모듈(113d)이 데이터 조사 동작을 실행할 수 있다. 복수 피실험체 기록에 대한 데이터 조사는 의미있는 총체적인 적용 가능한 상호 관계를 밝히는 것에 대한 향상된 통계적 가능성을 제공할 수 있고, 결과적인 상호 관계에 있어서의 신뢰성을 제공할 수도 있다.
데이터 조사 동작(303)은 특정의 바람직한 상태(예를 들어, 특정의 자가 구축 상태)로 피실험체를 가장 바람직하게 이동시키는 시도를 밝히려 할 수 있다. 데이터 조사 동작(303)은 특정 상태(바람직하지 않은 병리 상태, 바람직한 무(無)증상 상태 또는 그 사이의 상태)를 가장 잘 반영하는 측정 가능한 피실험체 데이 터(유전적 및 후성적 데이터를 포함하는)도 밝히도록 할 수 있다. 게다가, 데이터 조사 동작(303)은 동시 측정 가능한 피실험체 데이터(예를 들어, 생물리 특성, 자발적 동작, 비자발적 동작 및 기타)와 유전적 및 후성적 표현 데이터 간의 상호 관계를 밝히도록 할 수 있다. 일반적으로, 데이터 조사 동작(303)은 시도(예를 들어 유형 및 특성), 측정 가능한 피실험체 데이터(유전적 및 후성적 표현 데이터) 그리고 특정 상태와 상호 연관된다. 몇몇 실시예에서, 규칙 엔진(113c)의 존재하는 규칙 및 선험적인 지식은 이러한 데이터 조사의 기초로 이용될 수 있다. 상기 상호 관계에 관해서 선험적인 지식이 존재하지 않는 다른 실시예에서, 복수의 환자 기록에 대한 데이터 조사는 규칙 및 선험적인 지식을 형성하기 위해서 이용될 수 있다.
동작(303)에 의해서 밝혀진 상호 관계는 임의의 상태가 상세화된 생물 컨트롤 효과, 예를 들어 생체 컨트롤러에 대한 이해도를 증가시켜 왔을 수 있다(상기의 피실험체 데이터, 시도, 그리고 특정 상태 간의 상호 관계의 형태로). 동작(305)에서, 생체 컨트롤러에 대한 이해는 과정(200)과 같은 반복 과정에서 사용되는 선험적인 지식을 증대하는데 이용될 수 있고, 습관성 병리 상태에서 자가 구축 무증상 상태로 각 개체를 성공적으로 상당히 이동시키는 시도를 공식화하는데 도움을 줄 수 있다. 도 3에서 도시된 바와 같이, 과정(300)은 증대된 규칙 및 선험적인 지식을 이용한 더 나은 데이터 조사를 위해서 동작(303)으로 돌아가거나, 더 나은 데이터 조사 이전의 추가적인 피실험체 기록을 수집하기 위해서 동작(301)으로 돌아갈 수 있다(그러므로, 과정(200)과 같이 과정(300)은 반복 과정이 될 수 있다).
과정(200)의 반복적인 과정 중 동작(217)에서 이루어지는 반복적인 분석, 과 정(300)의 동작(303)에서 이루어지는 데이터 조사 동작 및/또는 반복적인 데이터 분석 모듈(113d)에 의해서 이루어지는 다른 분석은, 피실험체로 재(再)제공된 표시에 대한 생체 적응 시도의 특정 유형과 단계를 공식화하기 위해서, 피실험체 데이터(확대된 데이터 저장 장치)에 대한 계속된 견본 추출로부터 나온 결과를 반복적으로 분석한다(예를 들어, 프랙털 통계 분석). 반복적인 분석 및 데이터 조사는 다중 논리와 다중 분석 과정을 포함할 수 있고, 이는 기능적 패턴 조사에 기초를 둔 적절한 비선형 변형으로의 통상적인 통계 측정을 완성할 수 있다. 상기 분석의 부분으로서, 반복 데이터 분석 방법은 통상적인 데이터의 자극-응답 억제의 표면 아래로 파고들어가는데 이용될 수 있다. 반복적인 분석 및 데이터 조사는 데이터를 추측 통계학 모델, 다중 프랙털 모델 및/또는 다른 통계적 스크린을 포함하지만 이에 제한되지 않는 다수의 상이한 통계적 스크린에 대한 피실험체 데이터에 부속시킬 수 있다.
더 나아가, 생체 적응 시도의 적절한 단계 및 유형을 설계하기 위해서 반복적인 데이터 분석 모듈(113d)로부터 추출하고 학습할 수 있는 인공지능과 다른 기계 학습 방법을 규칙 엔진(113c)이 포함할 수 있다. 총체적 조절 네트워크 기능을 가진 호출 가능한 생체 컨트롤러에 대해서 식별하고, 모델링하고, 조사하기 위해서, 생체 트레이닝 시스템의 이러한 측면은 기능적 능력 데이터와 다른 데이터를 이용할 수 있다. 상기와 같이, 피실험체는 인간일 필요가 없다. 생체 트레이닝 시스템을 이용한 유전적 그리고 후성적인 표현의 컨트롤러에 대한 조사는 식물 및/또는 동물 시스템을 수반할 수 있다. 상태 변화에 있어서 가장 유력한 조직상 변 화를 측정하기 위해서, 생체 트레이닝 시스템은 연구자로 하여금 중요 기관을 포함하는 모든 유형의 피실험체 조직의 견본 세포를 채취할 수 있도록 한다.
본 명세서에서 기술되듯이, 진화적으로 보존된 유전자 가족 간의 상호 관계는 식물 또는 동물 시스템을 인간 상태와 연관시키기 위해서 이용될 수 있다. 그러므로, 본 발명을 이용한 식물 또는 동물 시스템의 조사는 인간 피실험체에 이용될 규칙 및 선험적 지식을 향상시키는데 도움을 줄 수 있다. 덧붙여, 여기서 기술한 바와 같이, 가상 시스템 및 모의 상황 상에서 생체 트레이닝 시스템의 반복 과정의 이용도 궁극적으로는 인간 피실험체에 이용될 규칙 및 선험적 지식을 향상시키는데 유용할 수 있다.
도 4에 도시된 예시적인 과정(400)에서는, 생체 컨트롤러의 식별을 통해 최적화된 총체적 상태가 상세화되고 중계된 신경 발달된 동작(optimized global state-specific mediated neuro-developmental operation)을 유도할 수 있도록, 생체 트레이닝 시스템(예를 들어, 생체 트레이닝 시스템(100a, 100b))이 가상 및 모의의 생물 시스템을 시도할 수 있다. 과정(400)은 피실험체 데이터(유전적 및 후성적 표현을 포함하는), 시도 그리고 특정 피실험체 상태 간의 상호 관계를 또한 밝힐 수 있는 모의 생물 시스템에 대해서 가상의 시도와 쿼어리(query)를 이용한다. 동작(401)에서, 시험적인 데이터, 기능적 능력 데이터, 신경 발달된 구성, 유전적 및 후성적 조절 네트워크 데이터 및/또는 다른 데이터(집단적인 자가 구축 데이터 집합)를 포함하는 복수 피실험체 기록이 과정(200) 및/또는 다른 과정을 이용해서 생성되거나 수집되고, 하나 또는 그 이상의 데이터 베이스에 저장된다. 자가 구축 데이터 집합은 생체 트레이닝 시스템 내에서 유래할 필요가 없고, 외부 소스로부터 유래할 수 있다.
몇몇 실시예에서, 자가 구축 데이터 집합은 가상 중심 신경 시스템, 가상 유전자 조절 네트워크 또는 다른 가상 생물 시스템을 구성하는데 이용될 수 있다. 이와 같은 가상 시스템은 생체 트레이닝 장치의 가상 시스템 모듈에 의해 생체 트레이닝 시스템 내에서 설정되고 유지될 수 있다. 자가 구축 및 무증상 상태에 대한 쿼어리(query)가 특정의 무증상 상태의 특성을 밝히고, 습관성 병리 상태의 특성을 증명하기 위해 증상 있는 상태를 운영하고/운영하거나 전이의 상세화를 증명하기 위해 한 상태에서 다른 상태로 전이하기 위해서, 자가 구축 및 무증상 상태 내에서 가상 생물 시스템이 운영된다.
동작(403)에서, 반복적인 데이터 분석 모듈(113d)은 자가 구축 데이터 집합 및/또는 그것의 가상 생물 시스템상에서 반복적인 분석을 실행할 수 있다. 동작(405)에서, 규칙 엔진(113c)은 자가 구축 데이터 집합의 가상 시스템에 대한 하나 또는 그 이상의 가상 시도 및 쿼어리를 공식화할 수 있다. 몇몇 예에서, 과정(400)의 퀴어리는 과정(200)의 시도와 유사하다(예를 들어, 과정(200)의 시도는 생명체를 구성하는 생물 네트워크 및 시스템에 대한 "퀴어리"로 생각될 수 있다). 동작(407)에서, 가상 시도 및 퀴어리는 가상 시스템 및 자가 구축 데이터 집합에 제공될 수 있다. 동작(305)에서 제공된 하나 또는 그 이상의 시도 및 퀴어리는, 측정 가능한 데이터(유전적 및 후성적 표현 데이터를 포함), 시도, 상태, 세포 조절 경로, 생체 컨트롤러, 자가 구축 효과 그리고 여기 기술된 과정, 시스템 그리고 상태가 상세화된 목적과 연관 있는 다른 데이터에 관한 상호 관계있는 데이터를 밝히기 위해서 설계될 수 있다.
동작(409)에서, 동작(407)의 가상 시도 및 퀴어리 결과가 하나 또는 그 이상의 데이터 베이스에 기록되고 저장될 수 있다. 이 결과는 자가 구축 데이터 집합에 재입력되고, 가상 생물 시스템의 이해를 더 발전시키기 위해서 이용될 수 있으며, 상기 이해는 과정(200)에서 기술된 것과 유사한 "가상 반복 루프"를 형성하는 추가적인 퀴어리 및 가상 시도의 공식화를 위해서 이용될 수 있다. 동작(411)에 있어서, 더 완전해진 반복적인 분석은 기능적 조절 경로, 생체 컨트롤러 그리고 상태가 상세화된 자가 구축 효과(state-specific self-organizing influences)와 연관있는 복잡한 정보를 명료하게 할 수 있고, 상기 정보는 시도, 상태, 피실험체 데이터, 생체 조절 네트워크 그리고 이의 효과 및 기타 간의 상호 관계에 관한 규칙 및 선험적인 지식에 부가될 수 있다. 이러한 규칙 및 선험적인 지식에 대한 그 이상의 부가는 병리 상태에서 무증상 자가 구축 상태로 피실험체를 성공적으로 전이시키는 시도를 더 공식화하는데 사용될 수 있다.
일 실시예에서, 식별, 모델링 그리고 상태가 상세화된 생체 컨트롤러와 연관있는 추가적인 정보를 밝히기 위한 GNA(Genetic Network Analyzer)와 유사한 유전자 및 진화 알고리즘 기능의 계층을 이용하는 조사 엔진 능력을 포함하는 유전자 분석 모듈을 생체 트레이닝 시스템은 또한 포함할 수 있다. 유전자 분석 모듈에 의해 추출된 정보는 자가 구축 표현에서의 변화가 발행한 것을 확정하는데 이용될 수 있는 유전적 그리고 후성적 표현 데이터(예를 들어, 피실험체 데이터)를 포함할 수 있다. 네트워크 분석은, 그 중에서도 특히, 공지의 네트워크 표현 모델 내의 전사 표현을 증명하는 방법을 포함한다. GNA와 유사한 유전 분석 모듈은 모델링과 유전 모의를 위한 컴퓨터로 구현된 시스템을 포함하거나 이와 접속되어 있고, 단백질 조절은 분자 단계를 차지한다. 유전자 분석 모듈에 의해서 생성된 정보는 반복적인 분석 모듈(113d)에 의해서 실행된 반복적인 분석에 의해서 이용될 수 있고, 따라서 생체 컨트롤러와 호출 가능한 상태가 상세화된 자가 구축 효과(evocable state-specific self-organizing influences)의 식별, 모델링 그리고 변조를 정제하고 지원하는 생체 트레이닝 시스템의 상호 작용 과정(예를 들어 과정(200, 300, 400))에 도입될 수 있다.
일 실시예에서, 생체 트레이닝 시스템과의 계속적인 상호 작용을 통해서, 피실험체의 총체적 적응 컨트롤 세포 사이클 궤적(subject's global adaptive control cell-cycle trajectories)은 자가 구축 효과에 대한 직접적인 응답을 증명하고 적용 가능한 경우 이에 기여하는 환경적 민감도(environmental sensitivity)에 대해서 프로파일 된다. 세포 사이클 궤적은 다른 세포 및 환경과 동등한 세포가 경험하는 변화의 분자 연쇄 반응(cascade)를 포함한다. 세포 사이클 궤적 정보는 반복적 분석 모듈(113d)의 반복적인 분석에서 이용될 수 있고, 따라서 생체 컨트롤러와 호출 가능한 상태가 상세화된 자가 구축 효과의 식별, 모델링 그리고 변조(예를 들어, 과정(200, 300, 400))에 대한 과정에 도입될 수 있다.
일 실시예에서, 생체 트레이닝 시스템은 생체 트레이닝 장치(107)의 부분인 임베드(embed) 된 학습 강화 모듈을 포함할 수 있다. 학습 강화 모듈은 인공 지 능(AI), 인공 생명체(AL) 또는 다른 적응 및 기계 학습 루틴을 포함할 수 있다. 학습 강화 모듈은 iGA(Iterative Group Analysis)과 유사하게 작동될 수 있고, 피실험체로부터 학습할 수 있고, 그리고 계속적으로 자신을 재설계할 수 있다. 예를 들어, 피실험체에 대한 다양한 보상 강화(예를 들어, 생체 트레이닝 시스템에 의해서 지원되는 상호 작용 게임의 다음 단계에 대한 접근), 반복적인 견본 추출, 시도 또는 쿼어리(실제 또는 가상)에 의해서 생성된 실제, 가상 또는 새롭게 만들어진 자가 구축 효과 궤도에 대한 부하 대 성과의 정확한 비율에 의해서 학습 강화 모듈이 유지될 수 있다. 각 피실험체 또는 새롭게 만들어진 데이터로부터의 임의의 재설계 또는 학습을 구현하기 위해서, 학습 강화 모듈은 반복적이고 계속적인 생체 피드백 프로파일링(profiling) 또는 피실험체에 대한 시도(예를 들어, 생물체의 중앙 신경 시스템(CNS)에 대한 시도 또는 가상 기도 또는 데이터 베이스 또는 가상 피실험체에 대한 쿼어리)로부터 나타난 패턴에 의존할 수 있다. 생체 트레이닝 시스템의 진화하는 설계는, 생체 트레이닝 시스템(예를 들어, 반복적인 분석 모듈(113d)의 일부이거나 이를 설명할 수 있는)으로 하여금 파악하기 어려운 "이동하는 표적"(예를 들어, 생체 컨트롤러)으로 빈번히 판명되는 복잡한 생물 시스템 내의 매커니즘을 보다 잘 식별하고 모델링할 수 있게 한다. 이러한 진화 설계는 과정(예를 들어, 과정(200, 300, 400)) 내의 반복적인 견본 추출, 시도 또는 쿼어리(실제 또는 가상)을 이용하는 반복적인 분석 모듈(113d)과 규칙 엔진(113c)에 의해서 구현될 수 있다.
예를 들어, 생체 트레이닝 시스템, 포상, 또는 다른 보상 강화에 의해서 뒷 받침되는 상호 작용 게임의 다음 단계에 대한 접근과 같은, 피실험체에 대한 다양한 보상 강화를 포함함으로써, 학습 강화 모듈은 동기 부여된 피실험체의 참여에 의존할 수 있다. 반복적 견본 추출, 시도 또는 쿼어리(실제 또는 가상)에 의해서 표시되거나 생성된 실제, 가상 또는 새롭게 만들어진 자가 구축 효과상에서, AI 및 AL의 부하 대 성과에 대한 정확한 비율이 증가 될 때, 이러한 강화가 비 오락 간격(non entertaining interval) 동안에 피실험체의 참여를 유지시킬 수 있다.
일 실시예에서, 학습 강화 모듈은 진동(oscillatory) 효과의 모드를 측정하고 맵핑할 수 있다. 진동 효과는, 큰 규모의 그리고 분자의 상호 표현 생체 경로를 넘나드는 피실험체의 세포 통신의 동조화 및/또는 비동조화 잠재성을 최적화하는 상호 작용 전략에 대한 분자 표적의 이용도를 포함하지만 이에 제한되지는 않는다. 여기서 사용된 것과 같이, 표적은 특정 표적 유전자 또는 유전 그룹, 특정 표적 단백질 또는 단백질 그룹, 표적 화학 반응 및 상호 반응 또는 이의 그룹(예를 들어, 반응 및 상호 작용의 연쇄 반응), 또는 다른 표적을 포함할 수 있다. 이러한 동조화 잠재성은 화학 통신을 통한 세포 그룹의 활동을 동조화하기 위해서 세포 그룹의 능력을 포함할 수 있다. 복수의 세포 그룹이 완전하고/완전하거나 더 유지된 상태 변화를 위해서 변화를 필요로 할 수 있다는 점에서 발견되지 않는 동조화 잠재성이 피실험체 상태에 효과가 있는 것과 연관이 있을 수 있다. 동조화 잠재성과 다른 변동 세포 신호 잠재성이 명확해짐에 따라, 학습 강화 모듈은 추가적인 기능적 표적을 다루기 위해서, 적응을 위한 생체 트레이닝 시스템의 상호 작용 영역을 이용할 수 있다.
또한 학습 강화 모듈은 종 또는 생체 시스템에 걸쳐 존재할 수 있는 총체적 진동 패턴을 조사할 수 있다. 생체 컨트롤러 및 호출 가능한 상태가 상세화된 자가 구축 효과의 식별, 모델링 그리고 변조를 위한 과정(예를 들어 과정(200, 300, 400)) 내로 학습 강화 모듈에 의해서 생성된 정보가 도입될 수 있다.
본 발명의 일 실시예에서, 분자 생물 실험 측정 기술은 다양한 상태에 대한 유전자 표현 데이터를 수집하고 증명하기 위해서 사용될 수 있다. 이러한 유전자 표현 데이터는 세포 조절 네트워크 또는 화학 세포 신호 연쇄 반응(cascade)에 관한 데이터를 다른 데이터와 함께 포함할 수 있다. 또한 유전자 표현 데이터는 "orthologue" 데이터를 포함할 수 있다. 여기서 사용한 바와 같이, "orthologue"는 상이한 생물에 걸쳐 진화적으로 보존된 고통 표현 유전자 집합에 관한 것일 수 있다. 조사의 이러한 유형에서 사용되는 분자 측정 기술은 서던 법(southern blot), 노던 법(northern blot), 마이크로어레이 분석법(microarray analysis), C&HT(combinatorial high throughput) 또는 Uultra-high throughput molecular measurements, 또는 화학 세포 통신의 임의의 방법을 포함할 수 있다. 기능적 두뇌 형상은 화학 통신과 상태의 유전자 표현 프로파일에 관한 정보를 수집하고 증명하는데 또한 사용될 수 있다.
일 실시예에 있어서, 생체 트레이닝 시스템은 피실험체에 대한 상호 작용 게임의 제공을 가능하게 하는 소프트웨어를 포함할 수 있는 상호 작용 게임 모듈(113e)을 또한 포함할 수 있다. 피실험체로 제공된 상호 작용 게임은 비디오 게임, 액션 및 그래픽에 기초한 게임, 문자에 기초한 게임, 및/또는 다른 유형의 게 임을 포함할 수 있다. 상호 작용 게임은 피실험체로부터 응답 및 데이터의 수신뿐만 아니라 피실험체에 대한 시도, 지시, 또는 자극의 의식적 또는 무의식적인 제공을 용이하게 할 수 있다. 몇몇 실시예에서, 상호 작용 게임은 하나 또는 그 이상의 생체 피드백 감지 장치와 함께 작동하거나 이를 이용할 수 있다.
일 실시예에서, 상호 작용 게임은 데이터 디스플레이 장치를 통해 피실험체로 제공될 수 있다. 데이터 디스플레이 장치는 컴퓨터 모니터(컴퓨터 또는 다른 컴퓨터로 구현 가능한 시스템), 텔레비전, LCD 스크린, 스피커, 또는 피실험체로 데이터를 제공할 수 있는 다른 장치를 포함할 수 있다. 상호 작용 게임과 함께, 추가적인 구성요소는 데이터를 처리하고 피실험체로부터 데이터를 수신하는데 필요할 수 있다. 다른 실시예에서, 예를 들어, 도 1B의 원격 장치(119)와 같은 원격 장치를 통해 상호 작용 게임이 피실험체로 제공될 수 있다.
일 실시예에서, 생체 트레이닝 시스템은 예술적 그리고 육체적으로 표현된 규율, 체육, 무술, 요가, 및/또는 치료 트레이닝의, 모든 오락 및 예술 매체 포맷을 포함하는 비디오 및 오디오 및 사진 및 DVD의 예를 수신하고, 처리하고/처리하거나 활용하기 위한 모듈을 또한 포함할 수 있다. 수신된 매체는 견본으로 추출하기 위해 피실험체가 본 발명의 생체 트레이닝 시스템을 이용하게 할 수 있고, 적절하다면, 더 진행된 개인화와 궁극적으로 최적화된 연관있는 기능성을 위해 시스템의 상호 활동의 생체 피드백 포맷의 상이한 버전으로 이 매체를 나누도록 할 수 있다. 몇몇 실시예에서, 견본 추출에서 소유권이 존재하는 구매로의 숙련된 전이를 위한 과정이 있을 수 있다.
일 실시예에서, 예를 들어 피실험체에 부착된 착용 가능한 감지 장치 집합을 이용하는 피실험체 상에서, 여러 곳의 소스 포인트(source point)로부터 분산된 생체 피드백 데이터를 업로드하기 위해서, 본 발명은 신규한 컴퓨터 칩 설계 및 펌웨어 모듈을 제공할 수 있다. 신규한 칩 설계 및 펌웨어 모듈은 무선 장치를 통해 다른 멀티캐스팅(nulticasting) 매체의 통합을 또한 제공할 수 있다. 칩 및 펌웨어 모듈은 생체 피드백 과정을 수렴하기 위한 업로드하고 다운로드하는 능력을 또한 포함할 수 있다. 추가적으로 칩 설계 및 펌웨어 모듈은 예술적 그리고 육체적으로 표현된 규율, 체육, 무술, 요가, 및/또는 치료 트레이닝의, 생체 트레이닝 시스템에 대한 모든 오락 및 예술 매체 포맷을 포함하는 비디오 및 오디오 및 사진 및 DVD의 예를 다운로드를 가능하게 할 수 있다. 여기서 기술한 바와 같이, 업로드된 매체는 생체 트레이닝 시스템의 피실험체가 매체를 견본으로 추출하게 할 수 있고, 적절하다면, 매체를 더 진행된 개인화와 궁극적으로 최적화된 연관있는 기능성을 위해 시스템의 생체 피드백 포맷의 상이한 버전으로 이 매체를 나누도록 할 수 있다.
도 5는 본 발명의 실시예에 따라 예시적인 시스템(500), 생체 트레이닝 시스템을 포함할 수 있다. 시스템(500)은 본 발명에 따라 생체 트레이닝 시스템의 두 개의 주된 기능적 영역을 통합하기 위해 사용되는 생체 트레이닝 장치(501)를 포함할 수 있다. 생체 트레이닝 장치(501)은 "상태, 특정의 학습 기억 및 생동"으로 알려진 특정 방법론(SSLMB, state, specific learning memory and behaviors)에 따라 작동한다. 시스템(500)의 영역(503)은 생체 트레이닝 시스템의 첫 번째 주된 기능적 영역을 도시한다. 영역(503)은 시스템(500)의 피실험체 상호 활동을 다룰 수 있다. 이 상호 활동은 시도, 자극, 지시, 또는 피실험체 그리고 피실험체 데이터의 견본을 추출하고 피실험체 데이터를 수신하는 것에 대한 다른 데이터를 공식화하고 제공하는 것을 포함할 수 있다. 다른 상호 활동은 영역(503) 내부에 포함될 수 있다.
영역(505)은 생체 트레이닝 시스템의 두 번째 주된 기능적 영역을 도시한다. 영역(505)은 주로 데이터 분석 영역이다. 예를 들어, 데이터 분석은 여기서 기술한 시스템과 방법을 통해서 적용된 반복적인 데이터 분석을 포함할 수 있다. 데이터 분석은 또한 식별, 모델링, 그리고 변조를 하기 위한 데이터의 프로파일하는 것과 처리와 상태가 상세화된 가자 구축 효과를 또한 포함할 수 있다. 예를 들어, 프로파일된/프로파일 되거나 처리된 데이터는 세포 사이클 궤도, 기능적 조절 경로, 그리고 시도와 쿼어리(가상과 실제 모두)의 공식화뿐만 아니라 다른 데이터를 포함할 수 있다.
SSLMB는 데이터에 대한 가상 시도(데이터 분석 영역)와 실제 시도의 수렴과 과정(200, 300, 400)에서 기술된 피실험체의 중앙 신경 시스템(CNS, subject's central nervous system, 상호 작용 영역)의 프로파일링을 이용할 수 있다. 영역의 수렴, 양 영역(반복적인 분석, 실제 및 가상의 시도 및 쿼어리의 관리, 학습 강화 모듈을 통한 방법의 진화, 그리고 시스템의 다른 요소를 포함하는)에서 생성된 데이터의 분석과 그로 인해 발생한 정보의 증가 및 복잡성은, 현재 상태에 민감하고 피실험체 각각 그리고 피실험체 그룹 내부의 표적 조절과 연관된, 생체 컨트롤 러의 네트워크된 클러스터(cluster)를 정확히 명확하게 하는데 유용할 수 있다. 그러므로, SSLMB는 실제와 가상의 시도로부터 데이터를 조합해서, 실시간으로 피실험체 시스템 조절 상태의 기능적 억제자를 식별할 수 있다. SSLMB는 전제적으로 적용 가능한 생체 컨트롤러 모델링 정보를 또한 명확하게 할 수 있다.
상호 활동과 상태 방법론 간의 신규한 수렴으로써, 생체 트레이닝 시스템은 상태, 환경적 성과 효과, 유전자적 성과 효과, 그리고 후성적 성과 효과의 관계 간 그리고 그 내부의 형성 요소를 형상화하는 총체적으로 네트워크된 컨트롤러 효과를 조사한다. 예를 들어, 펨토세컨 레이저(femtosecond lasers), 어토세컨 레이저(attosecond lasers), 또는 다른 레이저 또는 기구와 같은 생물 계측기의 추가적인 포함함으로써, 조절 네트워크에 대한 비국지적인 기여의 기능을 할 수 있고, 시스템의 트레이닝 설계 내로 적절한 생체 피드백 데이터를 입력할 수 있는 일정량의 컨트롤러의 조사를 가능하게 한다. 적절한 역할이 밝혀짐에 따라, 증폭을 위한 능력의 가장 적절한 표시를 제공하는, 유전자 표적 표현 형질 세포 경로를 상기 제공 시스템이 식별하고 모델링한다. 상호 작용과 현재 상태 간의 협력 작용은 예를 들어 계급 체계와 같이 전이 임계치에 기여하는 컨트롤의 동작과 모델의 메커니즘을 조사한다. 전이 임계치는 진화적으로 보존된 총체적으로 조절된 세포 신호 생체 능력 및 생체 컨트롤러를 명확하게 한다. 밝혀진 생체 컨트롤러로부터, 적절한 능력이 상태, 두뇌 지역, 그리고 향상된/향상되거나 최적화된 기능성과 성과를 표시하는 적응의 등장을 지원하는 분포된 네트워크를 상호 협동적으로 더 유도하고 증가시키는데 있어서 시스템이 어떻게 연관이 있는지를 조사할 수 있다.
일 실시예에 있어서, 특유한 피실험체가 성과에 대해서 신속하게 최적화된(용이한) 자율적 학습 완성 잠재력(rapid optimized autonomous learning-integration potentials)을 유도하도록, 생체 트레이닝 시스템은 조절 생체 컨트롤러의 식별, 모델링, 그리고 변조를 지원한다. 학습 완성 잠재력의 도입은 새로운 데이터 분석과 생체 트레이닝 시스템의 실제 및 가상의 쿼어리를 통해서 이루어질 수 있다. 시스템에 의해서 발생 되는 주의, 집중, 현재의, 상태가 상세화된(state-specific) 단계에서 총체적 동조의 정확함과 내구성에 의해 용이한 학습 완성과 자동성(용이한)의 신속한 접근이 가능할 수 있다.
상대적으로 정확한 방법으로 기능적 과정을 동조하고 일반화하고, 습관성으로 만들기 위해서, 신경 시스템은 다양한 조건 전략을 사용하고 있다는 것은 생체 기호 및 신경 과학 조사에서 잘 알려져 있다. 측정 가능한 정제를 위해서 자연의 조건 처리를 중계하도록 하는 고유의 전략과 자연 상태를 만족시키기 위해서, 상호 진보적인 생체 트레이닝 시스템(co-evolutionary bio-training system)은 자연의 방법론을 포함한다. 이러한 측정 가능한 정제는 최적화된 전사와 같이 시스템의 조절 억제자 내에서 먼저 증명될 수 있는 증가한 성과 변수에 의해서 표시된다. 생체 트레이닝 시스템은 고유의 진화적 생체 과정에 용이하게 접근한다. 이와 같은 적절한 재생산 생체 기능의 총체적 자가 구축 핵심은 상기와 같이 다양한 방법으로 집중된다. 당 예에서, 생체 트레이닝 시스템의 집중 방식 중 가장 핵심 방법은, 본 발명의 다양한 영역에 의해서 밝혀졌고, 적응 전략의 자연의 패턴에서 자연적으로 작동하는, 재생성하는 자가 구축 컨트롤러 기능에 대한 조사이다. 식별된 총체적 용이 상태의 확장된 두뇌 일반화를 용이하게 이루기 위해 자연의 조건 규칙에 따름으로써, 본 발명의 시스템과 방법에 의해 식별되는, 상향 조절된 과정의 상태가 상세화된 동조 완성(state-specificentrainment integration of up-regulated processes)을 생체 트레이닝이 지원한다. 최적화된 총체적 용이 상태는 적절하고 가장 깊이 저장되고, 진화적으로 재생산 방안, 즉 자가 구축 전사 증강자(enhancer)에 의해서 측정 가능하게 확정될 수 있다.
인간 게놈의 지도의 이해가 커짐에 따라, 식별된 잠재적 표적 의약의 수는 증가하고 있다. 이와 같이, 실제의 조사는 단순히 잠재적인 표적을 식별하는 것보다는 뚜렷한 유전자 표적을 확인하는 방향으로 이동하여야한 만다. 동시에, RNA 계면(interface) 기술은 병리 유전자에 의한 질병을 성공적으로 치료하기 위해 병리 유전자를 무성(無性)화함으로써 유효 의약 표적과 상호 작용하는 성공을 증명해왔다. 그러나 RNA 계면 기술의 잠재성에 있어서, 가능한 최소의 RNAi 양에서 단일 유전자의 단일 대립 유전자의 표현을 무성화 할 수 있는 능력이 가장 중요하다. 이러한 잠재성은 RNA 계면 기기의 분자 기기의 더 깊은 이해에 의존한다. 임의의 유전적(또는 다른) 표적의 효력 결과를 확인하기 위해서, 다양한 SSLMB(state-specific learning memory and behavior) 기술로 RNA 계면을 이용할 수 있다.
병리 상태에서 무증상 상태로 상시 논의가 진행되었지만, 광학 적응 학습의 상태에 대한 제한을 학습하는 것에 의해 특정되는 상태로부터, 최적의 용이성 및 인식, 및/또는 최선의 상태에 대한 임의의 차선의 상태에 대한 수많은 생체 시도에 대한 차선의 용이성의 상태로부터 피실험체를 전이시키기 위해서 본 발명이 또한 이용될 수 있다.
다른 실시예에서, 본 명세서와 여기에 개시된 발명의 실시를 고려한다면 본 발명의 이용 및 장점은 당업자에게 명확하게 드러날 것이다. 본 발명은 예시적인 것으로만 고려되며, 따라서 본 발명의 범위는 이하의 청구항에 의해서만 제한받을 수 있다.

Claims (26)

  1. 피실험체 내의 상태 변화를 유도하거나 더 완전하게 하는 컴퓨터로 구현된 시스템으로서,
    제1 시기에, 피실험체의 초기 상태와 연관 있는 유전적 또는 후성적(後性的) 표현 데이터를 적어도 포함하는 상기 피실험체의 초기 데이터의 견본을 추출하는 적어도 한 개의 데이터 입력 장치;
    상기 피실험체와 연관된 피실험체 기록과 공동으로 상기 초기 피실험체 데이터를 저장하는 데이터 저장 장치;
    상기 피실험체 기록 내에 저장된 정보의 하위 집합(subset)에 적어도 기초하여, 상기 초기 상태에서 바람직한 상태로 상기 피실험체의 상태 변화를 유도하도록 설계되어 상기 피실험체로 제공되는 하나 또는 그 이상의 시도를 결정하는 규칙 엔진(rules engine);
    제2 시기에, 상기 피실험체에 대해서 상기 하나 또는 그 이상의 시도를 제공하는 시도 제공 장치 ; 및
    상기 초기 피실험체 데이터로부터 상기 응답 피실험체 데이터 내의 변화를 결정하기 위해 상기 피실험체 기록을 분석하고, 상기 규칙 엔진을 갱신하는 반복적인 데이터 분석 모듈
    을 포함하고,
    제3 시기에, 상기 적어도 한 개의 데이터 입력 장치는 응답 피실험체 데이터 의 견본도 추출하고, 상기 응답 피실험체 데이터는 적어도 상기 하나 또는 그 이상의 시도에 대한 상기 피실험체의 응답을 표시하는 적어도 유전적 또는 후성적인 표현 데이터를 포함하며, 상기 데이터 저장 장치는 상기 하나 또는 그 이상의 시도와 상기 피실험체 기록과 공동으로 상기 응답 피실험체 데이터에 관한 기록을 저장하고,
    상기 갱신된 규칙 엔진은 상기 초기 상태에서 상기 바람직한 상태로 상기 피실험체 내의 상태 변화를 유도하는 증대된 가능성을 갖는 하나 또는 그 이상의 추가적인 시도를 결정하고, 제4 시기에, 상기 시도 제공 장치는 상기 하나 또는 그 이상의 추가적인 시도를 상기 피실험체에 대해서 제공하는,
    컴퓨터로 구현된 시스템.
  2. 제1항에 있어서,
    상기 바람직한 상태는 상기 초기 상태보다 측정 가능할 정도로 더 자가 구축(self-organized)된 상태인 컴퓨터로 구현된 시스템.
  3. 제1항에 있어서,
    상기 하나 또는 그 이상의 시도와 상기 하나 또는 그 이상의 추가적인 시도는, 상기 초기 상태에서 상기 바람직한 상태로 상기 피실험체의 상기 상태를 변화시키는 상기 피실험체의 내의, 상태가 상세화된 유전적 및 후성적 표현이 유도되도록 설계되고, 상기 바람직한 상태는 상기 초기 상태보다 측정 가능할 정도로 더 자 가 구축된 컴퓨터로 구현된 시스템.
  4. 제1항에 있어서,
    상기 데이터 저장 장치 내에 저장된 복수의 추가적인 피실험체 기록을 더 포함하고, 상기 하나 또는 그 이상의 시도와 상기 하나 또는 그 이상의 추가적인 시도를 결정하기 위해서 상기 규칙 엔진이 상기 복수의 추가적인 피실험체 기록의 하위 집합을 적어도 사용하는 컴퓨터로 구현된 시스템.
  5. 제1항에 있어서,
    상기 데이터 저장 장치 내에 저장된 복수의 추가적인 피실험체 기록을 더 포함하고, 상기 규칙 엔진을 갱신하기 위해 상기 반복적인 분석 모듈이 상기 복수의 추가적인 피실험체 기록의 하위 집합을 적어도 사용하는 컴퓨터로 구현된 시스템.
  6. 제1항에 있어서,
    상기 피실험체는 한 인간, 복수의 인간들, 한 마리의 동물, 복수의 동물들, 식물 유기체, 식물 유기체 그룹, 또는 모의 생물학적 시스템인 컴퓨터로 구현된 시스템.
  7. 제1항에 있어서,
    상기 적어도 한 개의 데이터 입력 장치는 하나 또는 그 이상의 생체 피드백 감지 장치, 키보드, 마우스, 문자 키패드, 터치 스크린 그리고 음성 인식 장치인 컴퓨터로 구현된 시스템.
  8. 제1항에 있어서,
    상기 초기 피실험체 데이터와 상기 응답 피실험체 데이터 중 하나 또는 그 이상은, 생물리(biophysical) 특성 데이터, 자발적 동작 데이터, 그리고 비자발적 동작 데이터 중 하나 또는 그 이상을 더 포함하는 컴퓨터로 구현된 시스템.
  9. 제1항에 있어서,
    상기 초기 피실험체 데이터와 상기 응답 피실험체 데이터 중 하나 또는 그 이상은 생물리 특성 데이터를 더 포함하고, 상기 생물리 특성 데이터는 뇌파 활동, 전기 피부 활동, 혈압, 박동수, 혈액 가스, 체온, 그리고 기능적인 두뇌 특성 중 하나 또는 그 이상을 포함하는 컴퓨터로 구현된 시스템.
  10. 제1항에 있어서,
    상기 하나 또는 그 이상의 시도와 상기 하나 또는 그 이상의 추가적인 시도 중 하나 또는 그 이상은, 시각 자극, 촉각 자극, 후각 자극, 청각 자극 그리고 전기 자극 중 하나 또는 그 이상을 포함하는 컴퓨터로 구현된 시스템.
  11. 제1항에 있어서,
    상기 하나 또는 그 이상의 시도와 상기 하나 또는 그 이상의 추가적인 시도 중 하나 또는 그 이상은, 상호 작용 비디오 게임을 통해 상기 피실험체로 제공되는 컴퓨터로 구현된 시스템.
  12. 제1항에 있어서,
    상기 시도 제공 장치는 컴퓨터 모니터, 텔레비전 모니터, 스피커 그리고 전기 자극 장치 중 하나 또는 그 이상을 포함하는 컴퓨터로 구현된 시스템.
  13. 제1항에 있어서,
    상기 피실험체 기록은 초기 피실험체 데이터가 견본으로 추출된 시각과 날짜, 상기 하나 또는 그 이상의 시도가 상기 환자에게 제공된 시각과 날짜, 그리고 응답 피실험체 데이터가 견본으로 추출된 시각과 날짜를 표시하는 하나 또는 그 이상의 타임 스탬프를 포함하는 컴퓨터로 구현된 시스템.
  14. 피실험체 내의 상태 변화를 유도하거나 더 완전하게 하는 컴퓨터로 구현된 방법으로서,
    제1 시기에, 피실험체의 초기 상태와 연관 있는 유전적 또는 후성적(後性的) 표현 데이터를 적어도 포함하는 초기 피실험체 데이터의 견본을 추출하는 단계;
    상기 피실험체와 연관된 피실험체 기록과 공동으로 상기 초기 피실험체 데이터를 저장하는 단계;
    상기 피실험체 기록 내에 저장되어 있는 정보의 하위 집합(subset)에 적어도 기초하여, 상기 초기 상태에서 바람직한 상태로 상태 변화를 유도하도록 설계된 하나 또는 그 이상의 시도를 결정하는 단계;
    제2 시기에, 상기 피실험체에 대해서 상기 하나 또는 그 이상의 시도를 제공하는 단계;
    제3 시기에, 응답 피실험체 데이터를 견본으로 추출하고, 상기 응답 피실험체 데이터는 상기 하나 또는 그 이상의 시도에 대한 상기 피실험체의 응답을 표시하는 적어도 유전적 또는 후성적인 표현 데이터를 포함하는 단계;
    상기 하나 또는 그 이상의 시도와 상기 응답 피실험체 데이터의 기록을 상기 피실험체 기록과 공동으로 저장하는 단계;
    상기 초기 피실험체 데이터로부터의 상기 응답 피실험체 데이터 내의 변화를 분석하는 단계;
    상기 초기 피실험체 데이터로부터의 상기 응답 피실험체 데이터 내의 분석된 변화에 따라서 상기 규칙 엔진을 갱신하는 단계;
    상기 초기 상태에서 상기 바람직한 상태로 상기 피실험체 내의 상태 변화를 유도하는 증대된 가능성을 갖는 하나 또는 그 이상의 추가적인 시도를 결정하는 단계; 및
    제4 시기에, 상기 하나 또는 그 이상의 추가적인 시도를 상기 피실험체에 대해서 제공하는 단계를 포함하는,
    컴퓨터로 구현된 방법.
  15. 제14항에 있어서,
    상기 바람직한 상태는 상기 초기 상태보다 측정 가능할 정도로 더 자가 구축된 상태인 방법.
  16. 제14항에 있어서,
    응답 피실험체 데이터의 견본을 추출하는 단계,
    상기 하나 또는 그 이상의 시도와 상기 응답 피실험체 데이터의 기록을 저장하는 단계,
    상기 초기 피실험체 데이터로부터의 상기 응답 피실험체 데이터 내의 변화를 분석하는 단계-상기 초기 피실험체 데이터는 상기 초기 피실험체 데이터와 상기 가장 최근의 응답 피실험체 데이터 이전에 얻어진 임의의 응답 데이터를 포함-,
    상기 분석된 변화에 따라 상기 규칙 엔진을 갱신하는 단계, 및
    하나 또는 그 이상의 추가적인 시도를 결정하는 단계를,
    복수의 반복을 통해 되풀이하는 반복적인 방법으로 상기 단계를 반복하는 단계를 더 포함하는 방법.
  17. 제16항에 있어서,
    복수의 피실험체 기록을 만들기 위해서 하나 또는 그 이상의 추가적인 피실험체에 대해서 상기 단계들의 되풀이하는 반복을 수행하는 단계;
    상기 초기 상태로부터 상기 바람직한 상태로 환자의 상태 변화를 유도하는 가장 높은 가능성을 갖는 시도의 특성을 결정하기 위해서 상기 복수의 피실험체 기록을 분석하는 단계를 더 포함하는 방법.
  18. 제14항에 있어서,
    상기 하나 또는 그 이상의 시도와 상기 하나 또는 그 이상의 추가적인 시도 중 하나 또는 그 이상은, 상기 초기 상태에서 상기 바람직한 상태로 상기 피실험체의 상기 상태를 변화시키는 상기 피실험체 내의, 상태가 상세화된 유전적 및 후성적 표현을 유도하도록 설계되고, 상기 바람직한 상태는 상기 초기 상태보다 측정 가능할 정도로 더 자가 구축된 방법.
  19. 제14항에 있어서,
    상기 피실험체는 한 인간, 복수의 인간들, 한 마리의 동물, 복수의 동물들, 식물 유기체, 식물 유기체 그룹, 또는 모의 생물학적 시스템인 방법.
  20. 제14항에 있어서,
    초기 피실험체 데이터와 응답 피실험체 데이터 중 하나 또는 그 이상이, 생체 피드백 감지 장치, 키보드, 마우스, 문자 키패드, 터치 스크린 그리고 음성 인식 장치 중 하나 또는 그 이상을 통해 견본으로 추출되는 방법.
  21. 제14항에 있어서,
    상기 초기 피실험체 데이터와 상기 응답 피실험체 데이터 중 하나 또는 이 이상은, 생물리(biophysical) 특성 데이터, 자발적 동작 데이터, 그리고 비자발적 동작 데이터 중 하나 또는 그 이상을 더 포함하는 방법.
  22. 제14항에 있어서,
    상기 초기 피실험체 데이터와 상기 응답 피실험체 데이터 중 하나 또는 그 이상은, 생물리 특성 데이터를 더 포함하고, 상기 생물리 특성 데이터는 뇌파 활동, 전기 피부 활동, 혈압, 박동수, 혈액 가스, 체온, 그리고 기능적인 두뇌 특성 중 하나 또는 그 이상을 포함하는 방법.
  23. 제14항에 있어서,
    상기 하나 또는 그 이상의 시도와 상기 하나 또는 그 이상의 추가적인 시도 중 하나 또는 그 이상은, 시각 자극, 촉각 자극, 후각 자극, 청각 자극 그리고 전기 자극 중 하나 또는 그 이상을 포함하는 방법.
  24. 제14항에 있어서,
    상기 하나 또는 그 이상의 시도와 상기 하나 또는 그 이상의 추가적인 시도 중 하나 또는 그 이상은, 상호 작용 비디오 게임을 통해 상기 피실험체로 제공되는 방법.
  25. 제14항에 있어서,
    상기 하나 또는 그 이상의 시도와 상기 하나 또는 그 이상의 추가적인 시도 중 하나 또는 그 이상은, 컴퓨터 모니터, 텔레비전 모니터, 스피커 그리고 전기 자극 장치 중 하나 또는 그 이상을 통해 상기 피실험체로 제공되는 방법.
  26. 제14항에 있어서,
    상기 피실험체 기록은 초기 피실험체 데이터가 견본으로 추출된 시각과 날짜, 상기 하나 또는 그 이상의 시도가 상기 환자에게 제공된 시각과 날짜 그리고 응답 피실험체 데이터가 견본으로 추출된 시각과 날짜를 표시하는 하나 또는 그 이상의 타임 스탬프를 포함하는 방법.
KR1020087002694A 2005-07-01 2006-07-03 최적화되어 자가 구축된 적응 능력을 위해서 총체적 생체 네트워크 영향을 접근, 조절, 호출 및 동조하기 위한 방법, 시스템 및 장치 KR20080030075A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US69541805P 2005-07-01 2005-07-01
US60/695,418 2005-07-01

Publications (1)

Publication Number Publication Date
KR20080030075A true KR20080030075A (ko) 2008-04-03

Family

ID=37605084

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020087002694A KR20080030075A (ko) 2005-07-01 2006-07-03 최적화되어 자가 구축된 적응 능력을 위해서 총체적 생체 네트워크 영향을 접근, 조절, 호출 및 동조하기 위한 방법, 시스템 및 장치

Country Status (8)

Country Link
US (1) US7904285B2 (ko)
EP (1) EP1912560A4 (ko)
JP (1) JP2009502216A (ko)
KR (1) KR20080030075A (ko)
CN (1) CN101528114A (ko)
AU (1) AU2006265799A1 (ko)
CA (1) CA2613579A1 (ko)
WO (1) WO2007005723A2 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100966609B1 (ko) * 2008-04-22 2010-06-29 박형배 신경학적 지배 유형 결정 방법 및 이를 이용한 신경학적진단 및 처방 방법
KR101014812B1 (ko) * 2008-10-10 2011-02-14 박형배 신경학적 진단 및 처방 시스템과 신경학적 진단 및 처방 방법

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080076977A1 (en) * 2006-09-26 2008-03-27 Nellcor Puritan Bennett Inc. Patient monitoring device snapshot feature system and method
US20090024049A1 (en) 2007-03-29 2009-01-22 Neurofocus, Inc. Cross-modality synthesis of central nervous system, autonomic nervous system, and effector data
WO2008137581A1 (en) 2007-05-01 2008-11-13 Neurofocus, Inc. Neuro-feedback based stimulus compression device
US8392253B2 (en) 2007-05-16 2013-03-05 The Nielsen Company (Us), Llc Neuro-physiology and neuro-behavioral based stimulus targeting system
EP2170161B1 (en) 2007-07-30 2018-12-05 The Nielsen Company (US), LLC. Neuro-response stimulus and stimulus attribute resonance estimator
US8386313B2 (en) 2007-08-28 2013-02-26 The Nielsen Company (Us), Llc Stimulus placement system using subject neuro-response measurements
US8392255B2 (en) 2007-08-29 2013-03-05 The Nielsen Company (Us), Llc Content based selection and meta tagging of advertisement breaks
US20090062686A1 (en) * 2007-09-05 2009-03-05 Hyde Roderick A Physiological condition measuring device
US20090060287A1 (en) * 2007-09-05 2009-03-05 Hyde Roderick A Physiological condition measuring device
US20090083129A1 (en) 2007-09-20 2009-03-26 Neurofocus, Inc. Personalized content delivery using neuro-response priming data
US8327395B2 (en) 2007-10-02 2012-12-04 The Nielsen Company (Us), Llc System providing actionable insights based on physiological responses from viewers of media
US20090133047A1 (en) 2007-10-31 2009-05-21 Lee Hans C Systems and Methods Providing Distributed Collection and Centralized Processing of Physiological Responses from Viewers
US20100016753A1 (en) * 2008-07-18 2010-01-21 Firlik Katrina S Systems and Methods for Portable Neurofeedback
US8532751B2 (en) * 2008-09-30 2013-09-10 Covidien Lp Laser self-mixing sensors for biological sensing
US8157609B2 (en) * 2008-10-18 2012-04-17 Mattel, Inc. Mind-control toys and methods of interaction therewith
US20100250325A1 (en) 2009-03-24 2010-09-30 Neurofocus, Inc. Neurological profiles for market matching and stimulus presentation
US10987015B2 (en) 2009-08-24 2021-04-27 Nielsen Consumer Llc Dry electrodes for electroencephalography
US20110106750A1 (en) 2009-10-29 2011-05-05 Neurofocus, Inc. Generating ratings predictions using neuro-response data
US9560984B2 (en) 2009-10-29 2017-02-07 The Nielsen Company (Us), Llc Analysis of controlled and automatic attention for introduction of stimulus material
US8684742B2 (en) 2010-04-19 2014-04-01 Innerscope Research, Inc. Short imagery task (SIT) research method
US8655428B2 (en) 2010-05-12 2014-02-18 The Nielsen Company (Us), Llc Neuro-response data synchronization
US9026074B2 (en) 2010-06-04 2015-05-05 Qualcomm Incorporated Method and apparatus for wireless distributed computing
US20120083668A1 (en) * 2010-09-30 2012-04-05 Anantha Pradeep Systems and methods to modify a characteristic of a user device based on a neurological and/or physiological measurement
US8521247B2 (en) 2010-12-29 2013-08-27 Covidien Lp Certification apparatus and method for a medical device computer
US8608657B2 (en) 2011-05-31 2013-12-17 Covidien Lp Clinical acceptance tool
US9451303B2 (en) 2012-02-27 2016-09-20 The Nielsen Company (Us), Llc Method and system for gathering and computing an audience's neurologically-based reactions in a distributed framework involving remote storage and computing
US9292858B2 (en) 2012-02-27 2016-03-22 The Nielsen Company (Us), Llc Data collection system for aggregating biologically based measures in asynchronous geographically distributed public environments
US9569986B2 (en) 2012-02-27 2017-02-14 The Nielsen Company (Us), Llc System and method for gathering and analyzing biometric user feedback for use in social media and advertising applications
KR101372546B1 (ko) * 2012-04-26 2014-03-07 주식회사 티움씨앤씨 음량 변화를 이용한 유효 뇌파 강화 시스템 및 방법
NL2009753C2 (en) * 2012-11-05 2014-05-08 Good Vibrations Company B V A somatic signal processing system, a method and a computer program product.
US20150073575A1 (en) * 2013-09-09 2015-03-12 George Sarkis Combination multimedia, brain wave, and subliminal affirmation media player and recorder
CN104784892B (zh) * 2015-03-26 2017-10-20 浙江大学 一种三维伸抓运动训练装置及方法
US20160281094A1 (en) * 2015-03-28 2016-09-29 John C. Weast Technologies for manufacturing an engineered bio-system
US9936250B2 (en) 2015-05-19 2018-04-03 The Nielsen Company (Us), Llc Methods and apparatus to adjust content presented to an individual
US11229385B2 (en) 2016-11-23 2022-01-25 Cognifisense, Inc. Identifying and measuring bodily states and feedback systems background
US11331019B2 (en) 2017-08-07 2022-05-17 The Research Foundation For The State University Of New York Nanoparticle sensor having a nanofibrous membrane scaffold
US11144596B2 (en) * 2018-07-24 2021-10-12 Harman International Industries, Incorporated Retroactive information searching enabled by neural sensing
WO2020050707A1 (es) * 2018-09-04 2020-03-12 Carranza Lopez Tzintzun Plataforma para salas de estimulación multisensorial integral
CN111406706B (zh) * 2019-01-04 2022-01-04 温州医科大学 脑机接口行为学模型的构建方法
US20230306433A1 (en) * 2022-03-24 2023-09-28 Bank Of America Corporation Cognitive Identification of Credit Reporting Disputes and Dispute Resolution Using Quantum Computing

Family Cites Families (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5858059A (ja) * 1981-10-01 1983-04-06 オ−ジ−技研株式会社 筋電バイオフィ−ドバック装置
US4461301A (en) 1981-10-15 1984-07-24 Self Regulation Systems, Inc. Self adjusting bio-feedback method and apparatus
US4571682A (en) 1983-08-22 1986-02-18 Computerized Sports Equipment, Inc. System and method for skill enhancement and behavior modification
US5163690A (en) 1984-09-04 1992-11-17 Davis Dennis W Biophysically controlled game system
US4928704A (en) 1989-01-31 1990-05-29 Mindcenter Corporation EEG biofeedback method and system for training voluntary control of human EEG activity
GB9117015D0 (en) 1991-08-07 1991-09-18 Software Solutions Ltd Operation of computer systems
US5213338A (en) 1991-09-30 1993-05-25 Brotz Gregory R Brain wave-directed amusement device
US5253168A (en) 1991-12-06 1993-10-12 Berg Jacqueline L System for creative expression based on biofeedback
US5209494A (en) 1992-02-24 1993-05-11 Donald Spector Biofeedback game
US5450855A (en) 1992-05-13 1995-09-19 Rosenfeld; J. Peter Method and system for modification of condition with neural biofeedback using left-right brain wave asymmetry
US5678571A (en) 1994-05-23 1997-10-21 Raya Systems, Inc. Method for treating medical conditions using a microprocessor-based video game
US5377100A (en) 1993-03-08 1994-12-27 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Method of encouraging attention by correlating video game difficulty with attention level
US5529498A (en) 1993-10-20 1996-06-25 Synaptec, Llc Method and apparatus for measuring and enhancing neuro-motor coordination
US5546943A (en) 1994-12-09 1996-08-20 Gould; Duncan K. Stimulating a beneficial human response by using visualization of medical scan data to achieve psychoneuroimmunological virtual reality
US5911581A (en) 1995-02-21 1999-06-15 Braintainment Resources, Inc. Interactive computer program for measuring and analyzing mental ability
US5720619A (en) 1995-04-24 1998-02-24 Fisslinger; Johannes Interactive computer assisted multi-media biofeedback system
US6057846A (en) 1995-07-14 2000-05-02 Sever, Jr.; Frank Virtual reality psychophysiological conditioning medium
US6001065A (en) 1995-08-02 1999-12-14 Ibva Technologies, Inc. Method and apparatus for measuring and analyzing physiological signals for active or passive control of physical and virtual spaces and the contents therein
US5995868A (en) * 1996-01-23 1999-11-30 University Of Kansas System for the prediction, rapid detection, warning, prevention, or control of changes in activity states in the brain of a subject
US5740812A (en) 1996-01-25 1998-04-21 Mindwaves, Ltd. Apparatus for and method of providing brainwave biofeedback
US5995857A (en) 1996-07-01 1999-11-30 Toomim; I. Hershel Biofeedback of human central nervous system activity using radiation detection
US5741217A (en) 1996-07-30 1998-04-21 Gero; Jeffrey Biofeedback apparatus
US6435878B1 (en) * 1997-02-27 2002-08-20 Bci, Llc Interactive computer program for measuring and analyzing mental ability
US6546378B1 (en) * 1997-04-24 2003-04-08 Bright Ideas, L.L.C. Signal interpretation engine
US6402520B1 (en) * 1997-04-30 2002-06-11 Unique Logic And Technology, Inc. Electroencephalograph based biofeedback system for improving learning skills
US6097981A (en) 1997-04-30 2000-08-01 Unique Logic And Technology, Inc. Electroencephalograph based biofeedback system and method
US5927988A (en) * 1997-12-17 1999-07-27 Jenkins; William M. Method and apparatus for training of sensory and perceptual systems in LLI subjects
US6102846A (en) * 1998-02-26 2000-08-15 Eastman Kodak Company System and method of managing a psychological state of an individual using images
US6168562B1 (en) * 1998-03-31 2001-01-02 Scientific Learning Corporation Method and apparatus for dynamically tailoring biochemical based therapy programs in human
US6024700A (en) 1998-07-16 2000-02-15 Nemirovski; Guerman G. System and method for detecting a thought and generating a control instruction in response thereto
US6231344B1 (en) * 1998-08-14 2001-05-15 Scientific Learning Corporation Prophylactic reduction and remediation of schizophrenic impairments through interactive behavioral training
US6036496A (en) 1998-10-07 2000-03-14 Scientific Learning Corporation Universal screen for language learning impaired subjects
US6774885B1 (en) 1999-01-20 2004-08-10 Motek B.V. System for dynamic registration, evaluation, and correction of functional human behavior
US6478735B1 (en) * 1999-01-28 2002-11-12 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Physiological feedback method and system
US6280198B1 (en) * 1999-01-29 2001-08-28 Scientific Learning Corporation Remote computer implemented methods for cognitive testing
US6565359B2 (en) * 1999-01-29 2003-05-20 Scientific Learning Corporation Remote computer-implemented methods for cognitive and perceptual testing
US6634949B1 (en) * 1999-02-26 2003-10-21 Creative Kingdoms, Llc Multi-media interactive play system
US7117032B2 (en) 1999-03-01 2006-10-03 Quantum Intech, Inc. Systems and methods for facilitating physiological coherence using respiration training
IL130818A (en) * 1999-07-06 2005-07-25 Intercure Ltd Interventive-diagnostic device
AU5911900A (en) * 1999-07-09 2001-01-30 Eastern Virginia Medical School Method and apparatus for encouraging physiological self-regulation through modulation of an operators control input to a video game or training simulator
US6384729B1 (en) * 1999-11-01 2002-05-07 Irwin Plotkin Biofeedback exercise stimulation apparatus
US6172941B1 (en) * 1999-12-16 2001-01-09 Sensor Timing Gmbh Method to generate self-organizing processes in autonomous mechanisms and organisms
NZ503882A (en) 2000-04-10 2002-11-26 Univ Otago Artificial intelligence system comprising a neural network with an adaptive component arranged to aggregate rule nodes
US6699188B2 (en) * 2000-06-22 2004-03-02 Guidance Interactive Technologies Interactive reward devices and methods
JP2002078772A (ja) * 2000-09-06 2002-03-19 Sukeyuki Kawaguchi 筋トーヌス或いは筋電位センサーによる遠隔的コンピュータ画像診断及びレーザー鍼治療器
US6425674B1 (en) * 2001-01-10 2002-07-30 Opto-Prolite Electronic Co., Ltd. Back lighting plate
US6549378B2 (en) * 2001-01-16 2003-04-15 Hitachi Global Storage Technologies Netherlands B.V. Magnetic disk drive with offset load/unload tab
KR20020069382A (ko) 2001-02-26 2002-09-04 학교법인 한양학원 바이오피드백 센서가 부착된 가상 현실 영상 제시 장치
US6579248B1 (en) * 2001-03-09 2003-06-17 Roberta L. Cascone Biofeedback device
US6702767B1 (en) 2001-09-25 2004-03-09 Nelson R. Douglas Multisensory stimulation system and method
US6623427B2 (en) * 2001-09-25 2003-09-23 Hewlett-Packard Development Company, L.P. Biofeedback based personal entertainment system
US6549805B1 (en) * 2001-10-05 2003-04-15 Clinictech Inc. Torsion diagnostic system utilizing noninvasive biofeedback signals between the operator, the patient and the central processing and telemetry unit
US7460903B2 (en) 2002-07-25 2008-12-02 Pineda Jaime A Method and system for a real time adaptive system for effecting changes in cognitive-emotive profiles
US20040092809A1 (en) 2002-07-26 2004-05-13 Neurion Inc. Methods for measurement and analysis of brain activity
US8346482B2 (en) * 2003-08-22 2013-01-01 Fernandez Dennis S Integrated biosensor and simulation system for diagnosis and therapy

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100966609B1 (ko) * 2008-04-22 2010-06-29 박형배 신경학적 지배 유형 결정 방법 및 이를 이용한 신경학적진단 및 처방 방법
KR101014812B1 (ko) * 2008-10-10 2011-02-14 박형배 신경학적 진단 및 처방 시스템과 신경학적 진단 및 처방 방법

Also Published As

Publication number Publication date
EP1912560A2 (en) 2008-04-23
CN101528114A (zh) 2009-09-09
EP1912560A4 (en) 2010-06-16
JP2009502216A (ja) 2009-01-29
US7904285B2 (en) 2011-03-08
AU2006265799A1 (en) 2007-01-11
WO2007005723A3 (en) 2009-04-23
US20070016096A1 (en) 2007-01-18
WO2007005723A2 (en) 2007-01-11
CA2613579A1 (en) 2007-01-11

Similar Documents

Publication Publication Date Title
KR20080030075A (ko) 최적화되어 자가 구축된 적응 능력을 위해서 총체적 생체 네트워크 영향을 접근, 조절, 호출 및 동조하기 위한 방법, 시스템 및 장치
Nastase et al. Keep it real: rethinking the primacy of experimental control in cognitive neuroscience
Bettis et al. Digital technologies for emotion-regulation assessment and intervention: A conceptual review
CN108780663B (zh) 数字个性化医学平台和系统
Moore et al. Applications for self‐administered mobile cognitive assessments in clinical research: A systematic review
Glass Synchronization and rhythmic processes in physiology
Uttal Mind and brain: A critical appraisal of cognitive neuroscience
US20150339363A1 (en) Method, system and interface to facilitate change of an emotional state of a user and concurrent users
Yang et al. General learning ability in perceptual learning
Randolph et al. Individual characteristics and their effect on predicting mu rhythm modulation
Vieira et al. A machine-learning based objective measure for ALS disease severity
US20130172693A1 (en) Diagnosing system for consciousness level measurement and method thereof
Apicella et al. A survey on EEG-based solutions for emotion recognition with a low number of channels
Sanchez et al. Toward a new application of real-time electrophysiology: online optimization of cognitive neurosciences hypothesis testing
Grujic et al. Neurobehavioral meaning of pupil size
KR20020092399A (ko) 인지 손상에 대한 측정
Yakhno et al. Who says formalized models are appropriate for describing living systems?
CN115253009B (zh) 一种睡眠多维度干预方法及系统
Hossain et al. When does an easy task become hard? A systematic review of human task-evoked pupillary dynamics versus cognitive efforts
Chi et al. Extraction of psychological symptoms and instantaneous respiratory frequency as indicators of internet addiction using rule-based machine learning
KR102615456B1 (ko) 스누젤렌 기반의 xr 멘탈케어 콘텐츠 플랫폼 시스템
Kamra et al. A Non Invasive Hybrid Machine Learning Technique for Prediction of Multiple Psychological Diseases
Gupta et al. Developing Standards for a Model Reference Dataset for Multimodal Human Stress Identification
Yadav Artificial Intelligence and Stress Management Tools for Better Mental Health
Hurwitz Cognitive Development as a Model for the Effects of Psychedelics: Do Changes in Cognitive Flexibility Underly the Clinical Benefits of Psychedelic Therapy?

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application