KR20190067774A - 생리학적 컴포넌트와 커플링된 인지 플랫폼 - Google Patents

생리학적 컴포넌트와 커플링된 인지 플랫폼 Download PDF

Info

Publication number
KR20190067774A
KR20190067774A KR1020197008399A KR20197008399A KR20190067774A KR 20190067774 A KR20190067774 A KR 20190067774A KR 1020197008399 A KR1020197008399 A KR 1020197008399A KR 20197008399 A KR20197008399 A KR 20197008399A KR 20190067774 A KR20190067774 A KR 20190067774A
Authority
KR
South Korea
Prior art keywords
individual
interference
response
processing unit
task
Prior art date
Application number
KR1020197008399A
Other languages
English (en)
Other versions
KR102426385B1 (ko
Inventor
제프리 보어
티티이메아 알라일리마
제이슨 존슨
월터 에드워드 마르투치
이사벨라 슬라비
매튜 오머닉
아담 파이퍼
폴 란드 피어스
애슐리 마테우스
스콧 캘로그
Original Assignee
아킬리 인터랙티브 랩스 인크.
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 아킬리 인터랙티브 랩스 인크. filed Critical 아킬리 인터랙티브 랩스 인크.
Publication of KR20190067774A publication Critical patent/KR20190067774A/ko
Application granted granted Critical
Publication of KR102426385B1 publication Critical patent/KR102426385B1/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
    • A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0531—Measuring skin impedance
    • A61B5/0533—Measuring galvanic skin response
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/162—Testing reaction times
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/168—Evaluating attention deficit, hyperactivity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics

Landscapes

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

Abstract

컴퓨터화된 태스크들 및/또는 간섭과의 사용자 상호작용(들) 및 개인의 적어도 하나의 생리학적 측정에 기초하여 개인의 수행 메트릭들을 계산하기 위한, 인지 플랫폼들을 포함하는, 예시적인 시스템들, 방법들, 및 장치들이 제공되고, 여기서 수행 메트릭은 개인의 인지 능력의 표시를 제공한다. 장치는 개인의 생리학적 측정을 수행하기 위해 적어도 하나의 생리학적 컴포넌트에 커플링될 수 있다. 장치는 개인의 인지 능력을 향상시키기 위해 태스크들 및/또는 간섭들을 조정하도록 또한 구성될 수 있다.

Description

생리학적 컴포넌트와 커플링된 인지 플랫폼
관련 출원들의 상호 참조
본 출원은 2016년 8월 26일자로 출원된, 발명의 명칭이 "Cognitive Platform Coupled With A Physiological Component"인 미국 가출원 제62/380,116호의 우선권 이익을 주장하고, 2017년 7월 19일자로 출원된, 발명의 명칭이 "PLATFORMS TO IMPLEMENT SIGNAL DETECTION METRICS IN ADAPTIVE RESPONSE-DEADLINE PROCEDURES"인 미국 국제 출원 제PCT/US2017/042938호의 일부 계속 출원(continuation-in-part)이며, 이 미국 출원들 각각은, 도면들을 포함하여, 그 전체가 참고로 본 명세서에 포함된다.
정상적인 노화 과정에서, 사람들은 특정 양의 인지 저하(cognitive decline)를 경험할 수 있다. 이것은 개인으로 하여금, 시간 제한되고 주의력을 요구하는 상태와 같은, 힘든 상황들에서 증가된 어려움을 경험하게 할 수 있다. 고령의 사람들 및 젊은 사람들 둘 다에서, 특정 인지 질환(cognitive conditions), 질병, 또는 실행 기능 장애(executive function disorders)는 주의력, 기억력, 운동 기능(motor function), 반응, 실행 기능, 의사 결정 능력(decision-making skills), 문제 해결 능력(problem-solving skills), 언어 처리(language processing), 또는 이해력(comprehension)을 요구하는 태스크들에서의 약화된 수행력(compromised performance)을 결과할 수 있다.
전술한 바를 감안하여, 인지 플랫폼에 대한 개인의 참여 또는 주의력의 정도를 고려하는 (인지 능력을 포함하는) 인지의 양태들을 정량화하기 위한 장치들, 시스템들 및 방법들이 제공된다. 특정 구성들에서, 예시적인 장치들, 시스템들 및 방법들은 특정 인지 능력을 향상시키도록 구현될 수 있다.
예시적인 장치들, 시스템들 및 방법들은 사용자 수행 메트릭(user performance metric)을 제공하기 위해, 하나 이상의 태스크에서의 사용자의 수행을 나타내는 데이터를 측정하는 목적을 위해 소프트웨어 및/또는 다른 프로세서 실행가능 명령어들을 구현하도록 구성된 인지 플랫폼을 제공한다. 예시적인 수행 메트릭은 사용자의 인지 능력의 평가를 도출하는 데 그리고/또는 인지 치료에 대한 사용자의 응답을 측정하는 데 그리고/또는 사용자의 생리학적 상태 및/또는 인지 편향(cognitive bias)의 데이터 또는 다른 정량적 표식(quantitative indicia)을 제공하는 데 사용될 수 있다. 개인의 생리학적 상태의 측정들은 인지 플랫폼에 대한 사용자의 참여 또는 주의력의 레벨의 지시자(indicator)를 제공하는 데 사용될 수 있다.
일반 앙태에서, 개인의 인지 능력(cognitive skill)의 정량자(quantifier)를 생성하기 위한 장치가 제공된다. 이 장치는 사용자 인터페이스; 프로세서 실행가능 명령어들을 저장하기 위한 메모리; 및 사용자 인터페이스 및 메모리에 통신가능하게 커플링된 프로세싱 유닛을 포함하고, 여기서 프로세싱 유닛에 의한 프로세서 실행가능 명령어들의 실행 시에, 프로세싱 유닛은 간섭을 갖는 프라이머리(primary) 태스크의 제1 인스턴스를 사용자 인터페이스에서 렌더링하여, 간섭의 존재 하에서 프라이머리 태스크의 제1 인스턴스에 대한 제1 응답을 개인에게 요구하도록 - 간섭은 방해요소(interruptor) 또는 주의산만요소(distraction) 중 하나 또는 둘 다를 포함함 -, 그리고 간섭을 갖지 않는 프라이머리 태스크의 제2 인스턴스를 사용자 인터페이스에서 렌더링하여, 프라이머리 태스크의 제2 인스턴스에 대한 제2 응답을 개인에게 요구하도록 구성된다. 프로세싱 유닛은, 프로세싱 유닛이 제2 응답을 수신하는 것과 실질적으로 동시에 간섭에 대한 세컨더리(secondary) 응답을 수신하거나; 또는 (ii) 프로세싱 유닛이 제1 응답을 수신하는 것과 실질적으로 동시에 방해요소인 간섭에 대한 세컨더리 응답을 수신하고 프로세싱 유닛이 제1 응답을 수신하는 것과 실질적으로 동시에 주의산만요소인 간섭에 대한 세컨더리 응답을 수신하지 않도록 구성된다. 프로세싱 유닛은 개인의 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하도록 추가로 구성되며, 생리학적 프로파일은 적어도 하나의 생리학적 컴포넌트의 하나 이상의 측정에 기초하며, 적어도 하나의 생리학적 컴포넌트는 개인의 생리학적 측정을 측정하도록 커플링되어 있다. 프로세싱 유닛은 제1 응답, 제2 응답, 및 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하고, 개인의 수행 메트릭 - 수행 메트릭은 개인의 인지 능력의 지시자를 포함함 - 을 결정하기 위해 적어도 부분적으로 적어도 하나의 생리학적 프로파일에 대한 제1 응답을 나타내는 데이터와 제2 응답을 나타내는 데이터 사이의 차이를 결정하는 것에 의해 간섭을 갖지 않는 그리고 간섭을 갖는 프라이머리 태스크를 수행하는 것으로부터 개인의 수행력의 차이들을 분석하도록 추가로 구성된다.
다른 일반 양태에서, 개인의 인지 능력의 정량자를 생성하기 위한 컴퓨터 구현 방법이 제공된다. 이 방법은 간섭을 갖는 프라이머리 태스크의 제1 인스턴스를 사용자 인터페이스에서 렌더링하여, 간섭의 존재 하에서 프라이머리 태스크의 제1 인스턴스에 대한 제1 응답을 개인에게 요구하는 단계 - 간섭은 방해요소 또는 주의산만요소 중 하나 또는 둘 다를 포함함 -, 및 간섭을 갖지 않는 프라이머리 태스크의 제2 인스턴스를 사용자 인터페이스에서 렌더링하여, 프라이머리 태스크의 제2 인스턴스에 대한 제2 응답을 개인에게 요구하는 단계를 포함한다. 이 방법을 구현하기 위해, 프로세싱 유닛은 프로세싱 유닛이 제2 응답을 수신하는 것과 실질적으로 동시에 간섭에 대한 세컨더리 응답을 수신하거나; 또는 (ii) 프로세싱 유닛이 제1 응답을 수신하는 것과 실질적으로 동시에 방해요소인 간섭에 대한 세컨더리 응답을 수신하고 프로세싱 유닛이 제1 응답을 수신하는 것과 실질적으로 동시에 주의산만요소인 간섭에 대한 세컨더리 응답을 수신하지 않도록 구성된다. 이 방법을 구현하기 위해, 프로세싱 유닛은 개인의 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하도록 추가로 구성되며, 생리학적 프로파일은 적어도 하나의 생리학적 컴포넌트의 하나 이상의 측정에 기초하며, 적어도 하나의 생리학적 컴포넌트는 개인의 생리학적 측정을 측정하도록 커플링되어 있다. 이 방법은 제1 응답, 제2 응답, 및 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하는 단계, 및 개인의 수행 메트릭 - 수행 메트릭은 개인의 인지 능력의 지시자를 포함함 - 을 결정하기 위해 적어도 부분적으로 적어도 하나의 생리학적 프로파일에 대한 제1 응답을 나타내는 데이터와 제2 응답을 나타내는 데이터 사이의 차이를 결정하는 것에 의해 간섭을 갖지 않는 그리고 간섭을 갖는 프라이머리 태스크를 수행하는 것으로부터 개인의 수행력의 차이들을 분석하는 단계를 포함한다.
다른 일반 양태에서, 개인의 인지 능력의 정량자를 생성하기 위한 장치가 제공된다. 이 장치는 사용자 인터페이스; 프로세서 실행가능 명령어들을 저장하기 위한 메모리; 및 사용자 인터페이스 및 메모리에 통신가능하게 커플링된 프로세싱 유닛을 포함하고, 여기서 프로세싱 유닛에 의한 프로세서 실행가능 명령어들의 실행 시에, 프로세싱 유닛은 간섭을 갖는 프라이머리 태스크의 제1 인스턴스를 사용자 인터페이스에서 렌더링하여, 간섭의 존재 하에서 프라이머리 태스크의 제1 인스턴스에 대한 제1 응답을 개인에게 요구하고 - 간섭은 방해요소 또는 주의산만요소 중 하나 또는 둘 다를 포함함 -, 간섭을 갖지 않는 프라이머리 태스크의 제2 인스턴스를 사용자 인터페이스에서 렌더링하여, 프라이머리 태스크의 제2 인스턴스에 대한 제2 응답을 개인에게 요구하도록 구성된다. 프로세싱 유닛은, 프로세싱 유닛이 제2 응답을 수신하는 것과 실질적으로 동시에 간섭에 대한 세컨더리 응답을 수신하거나; 또는 (ii) 프로세싱 유닛이 제1 응답을 수신하는 것과 실질적으로 동시에 방해요소인 간섭에 대한 세컨더리 응답을 수신하고 프로세싱 유닛이 제1 응답을 수신하는 것과 실질적으로 동시에 주의산만요소인 간섭에 대한 세컨더리 응답을 수신하지 않도록 구성된다. 프로세싱 유닛은 개인의 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하도록 추가로 구성되며, 생리학적 프로파일은 적어도 하나의 생리학적 컴포넌트의 하나 이상의 측정에 기초하며, 적어도 하나의 생리학적 컴포넌트는 개인의 생리학적 측정을 측정하도록 커플링되어 있다. 프로세싱 유닛은 제1 응답, 제2 응답, 및 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하고, 개인의 제1 수행 메트릭 - 제1 수행 메트릭은 개인의 인지 능력의 제1 지시자를 포함함 - 을 결정하기 위해 적어도 부분적으로 적어도 하나의 생리학적 프로파일에 대한 제1 응답을 나타내는 데이터와 제2 응답을 나타내는 데이터 사이의 차이를 결정하는 것에 의해 간섭을 갖지 않는 그리고 간섭을 갖는 프라이머리 태스크를 수행하는 것으로부터 개인의 수행력의 차이들을 분석하도록 추가로 구성된다. 프로세싱 유닛은 장치가 프라이머리 태스크의 제3 인스턴스 또는 간섭 중 하나 또는 둘 다를 제2 난이도 레벨로 렌더링하도록 적어도 하나의 생리학적 프로파일에 기초하여 프라이머리 태스크 또는 간섭 중 하나 또는 둘 다의 난이도를 조정하고, 개인의 제2 수행 메트릭 - 제2 수행 메트릭은 개인의 인지 능력의 제2 지시자를 포함함 - 을 결정하도록 추가로 구성된다.
다른 일반 양태에서, 개인의 인지 능력의 정량자를 생성하기 위한 컴퓨터 구현 방법이 제공된다. 이 방법은 간섭을 갖는 프라이머리 태스크의 제1 인스턴스를 사용자 인터페이스에서 렌더링하여, 간섭의 존재 하에서 프라이머리 태스크의 제1 인스턴스에 대한 제1 응답을 개인에게 요구하는 단계 - 간섭은 방해요소 또는 주의산만요소 중 하나 또는 둘 다를 포함함 -, 및 간섭을 갖지 않는 프라이머리 태스크의 제2 인스턴스를 사용자 인터페이스에서 렌더링하여, 프라이머리 태스크의 제2 인스턴스에 대한 제2 응답을 개인에게 요구하는 단계를 포함한다. 이 방법을 구현하기 위해, 프로세싱 유닛은 프로세싱 유닛이 제2 응답을 수신하는 것과 실질적으로 동시에 간섭에 대한 세컨더리 응답을 수신하거나; 또는 (ii) 프로세싱 유닛이 제1 응답을 수신하는 것과 실질적으로 동시에 방해요소인 간섭에 대한 세컨더리 응답을 수신하고 프로세싱 유닛이 제1 응답을 수신하는 것과 실질적으로 동시에 주의산만요소인 간섭에 대한 세컨더리 응답을 수신하지 않도록 구성된다. 이 방법을 구현하기 위해, 프로세싱 유닛은 개인의 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하도록 추가로 구성되며, 생리학적 프로파일은 적어도 하나의 생리학적 컴포넌트의 하나 이상의 측정에 기초하며, 적어도 하나의 생리학적 컴포넌트는 개인의 생리학적 측정을 측정하도록 커플링되어 있다. 이 방법은 제1 응답, 제2 응답, 및 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하는 단계, 및 개인의 제1 수행 메트릭 - 제1 수행 메트릭은 개인의 인지 능력의 제1 지시자를 포함함 - 을 결정하기 위해 적어도 부분적으로 적어도 하나의 생리학적 프로파일에 대한 제1 응답을 나타내는 데이터와 제2 응답을 나타내는 데이터 사이의 차이를 결정하는 것에 의해 간섭을 갖지 않는 그리고 간섭을 갖는 프라이머리 태스크를 수행하는 것으로부터 개인의 수행력의 차이들을 분석하는 단계를 포함한다. 이 방법은 장치가 프라이머리 태스크의 제3 인스턴스 또는 간섭 중 하나 또는 둘 다를 제2 난이도 레벨로 렌더링하도록 적어도 하나의 생리학적 프로파일에 기초하여 프라이머리 태스크 또는 간섭 중 하나 또는 둘 다의 난이도를 조정하는 단계, 및 개인의 제2 수행 메트릭 - 제2 수행 메트릭은 개인의 인지 능력의 제2 지시자를 포함함 - 을 결정하는 단계를 포함한다.
각각의 장치에 대해, 프로세싱 유닛은: (i) 약제(pharmaceutical agent), 약물(drug), 또는 생물학적 제제(biologic)의 양, 농도, 또는 용량 적정(dose titration) 중 하나 이상을 변경하는 것; (Ii) 개인이 약제, 약물, 또는 생물학적 제제의 투여에 응답하여 부작용(adverse event)을 경험할 가능성을 식별하는 것; (iii) 개인의 인지 능력의 변화를 식별하는 것; (iv) 치료 요법(treatment regimen)을 권장하는 것; 또는 (v) 행동 요법(behavioral therapy), 상담, 또는 신체 운동(physical exercise) 중 적어도 하나의 유효성의 정도를 권장하거나 결정하는 것 중 적어도 하나를 수행하기 위해 제1 수행 메트릭 또는 제2 수행 메트릭 중 하나 또는 둘 다를 사용하도록 추가로 구성될 수 있다.
각각의 방법은, 수행 메트릭(제1 및 제2 수행 메트릭들을 포함함)에 적어도 부분적으로 기초하여, (i) 약제, 약물, 또는 생물학적 제제의 양, 농도, 또는 용량 적정 중 하나 이상의 변화, (Ii) 개인이 약제, 약물, 또는 생물학적 제제의 투여에 응답하여 부작용을 경험할 가능성, (iii) 개인의 인지 능력의 변화를 식별하는 것, (iv) 치료 요법을 권장하는 것, 또는 (v) 행동 요법, 상담, 또는 신체 운동 중 적어도 하나의 유효성의 정도를 권장하거나 결정하는 것 중 적어도 하나를 나타내는 사용자 인터페이스로의 출력을 생성하는 단계를 추가로 포함할 수 있다.
상기 양태들 및 구현들 중 하나 이상의 상세들이 첨부 도면들 및 이하의 설명에서 기재된다. 다른 특징들, 양태들, 및 장점들은 설명, 도면들, 및 청구범위로부터 명백하게 될 것이다.
통상의 기술자는 본 명세서에 설명된 도면들이 예시 목적들만을 위한 것임을 이해할 것이다. 일부 경우들에서, 설명된 구현들의 이해를 용이하게 하기 위해 설명된 구현들의 다양한 양태들이 과장되거나 확대되어 도시될 수 있다는 것이 이해되어야 한다. 도면들에서, 비슷한 참조 문자들은 일반적으로 다양한 도면들 전반에 걸쳐 비슷한 피처들, 기능적으로 유사한 및/또는 구조적으로 유사한 요소들을 지칭한다. 도면들이 반드시 축척대로 되어 있는 것은 아니며, 그 대신에 교시내용의 원리들을 설명하는 것에 중점을 두고 있다. 도면들이 결코 본 교시내용의 범주를 제한하는 것으로 의도되지 않는다. 시스템 및 방법은 이하의 도면들을 참조하여 이하의 예시적인 설명으로부터 보다 잘 이해될 수 있다:
도 1은 본 명세서에서의 원리들에 따른, 예시적인 장치의 블록 다이어그램을 도시하고 있다.
도 2는 본 명세서에서의 원리들에 따른, 예시적인 컴퓨팅 디바이스의 블록 다이어그램을 도시하고 있다.
도 3a 및 도 3b는 본 명세서에서의 원리들에 따른, 예시적인 시스템들을 도시하고 있다.
도 4는 본 명세서에서의 원리들에 따른, 다른 예시적인 시스템을 도시하고 있다.
도 5a는 본 명세서에서의 원리들에 따른, 선형 신뢰 축적(linear belief accumulation)에 대한 드리프트-확산 모델(drift-diffusion model)의 예시적인 그래픽 묘사를 도시하고 있다.
도 5b는 본 명세서에서의 원리들에 따른, 비선형 신뢰 축적(non-linear belief accumulation)에 대한 드리프트-확산 모델의 예시적인 그래픽 묘사를 도시하고 있다.
도 6은 본 명세서에서의 원리들에 따른, 예시적인 인지 플랫폼에 기초한 신호 및 잡음의 예시적인 플롯을 도시하고 있다.
도 7a 내지 도 7d는 본 명세서에서의 원리들에 따른, 예시적인 사용자 인터페이스에 렌더링될 수 있는 사용자에 대한 지시사항들(instructions)을 갖는 예시적인 사용자 인터페이스들을 도시하고 있다.
도 8a 내지 도 8d는 본 명세서에서의 원리들에 따른, 예시적인 사용자 인터페이스에 렌더링될 수 있는 예시적인 객체들(표적들(targets) 또는 비-표적들(non-targets))의 시변 피처들(time-varying features)의 예들을 도시하고 있다.
도 9a 내지 도 9t는 본 명세서에서의 원리들에 따른, 사용자 인터페이스들에 렌더링될 수 있는 태스크들 및 간섭들의 다이내믹스(dynamics)의 예들을 도시하고 있다.
도 10a 내지 도 10d는 본 명세서에서의 원리들에 따른, 사용자 인터페이스들에 렌더링될 수 있는 태스크들 및 간섭들의 다이내믹스의 예들을 도시하고 있다.
도 11a 및 도 11b는 본 명세서에서의 원리들에 따른, 뇌파도(EEG)를 사용하여 이루어진 생리학적 측정들의 예시적인 플롯들을 도시하고 있다.
도 12는 본 명세서에서의 원리들에 따른, EEG를 사용하여 이루어진 생리학적 측정들의 예시적인 플롯을 도시하고 있다.
도 13은 본 명세서에서의 원리들에 따른, EEG를 사용하여 이루어진 생리학적 측정들의 예시적인 플롯을 도시하고 있다.
도 14a 내지 도 14c는 본 명세서에서의 원리들에 따른, 예시적인 방법들의 플로차트들을 도시하고 있다.
도 15는 본 명세서에서의 원리들에 따른, 예시적인 컴퓨터 시스템의 블록 다이어그램을 도시하고 있다.
이하에서 보다 상세히 논의되는 개념들의 모든 조합들이 (그러한 개념들이 상호 모순(mutually inconsistent)되지만 않는다면) 본 명세서에 개시된 발명 주제(inventive subject matter)의 일부인 것으로서 고려될 수 있다는 점이 인식되어야 한다. 참고로 포함된 임의의 개시내용에 또한 나올 수 있는 본 명세서에서 명시적으로 이용되는 용어가 본 명세서에 개시된 특정의 개념들과 가장 부합하는 의미를 부여받아야 한다는 점이 또한 인식되어야 한다.
하나 이상의 생리학적 컴포넌트와 커플링하고 하나 이상의 생리학적 컴포넌트의 적어도 하나의 측정을 나타내는 데이터를 분석하도록 구성된 인지 플랫폼을 포함하는 본 발명의 방법들, 장치들 및 시스템들에 관련된 다양한 개념들 및 그것들의 실시예들의 보다 상세한 설명이 이하에 뒤따른다. 비제한적인 예들로서, 인지 플랫폼은 인지 트레이닝(cognitive training)을 위해 그리고/또는 임상 목적들을 위해 구성될 수 있다. 본 명세서에서의 원리들에 따르면, 인지 플랫폼은 하나 이상의 생리학적 컴포넌트와 통합될 수 있다.
개시된 개념들이 임의의 특정 구현 방식으로 제한되지 않기 때문에, 앞서 소개되고 이하에서 보다 상세히 논의되는 다양한 개념들이 다양한 방식들 중 임의의 방식으로 구현될 수 있다는 점이 인식되어야 한다. 특정 구현들 및 응용들의 예들은 주로 예시 목적들을 위해 제공된다.
본 명세서에서 사용되는 바와 같이, 용어 "포함한다(includes)"는 포함하지만 이에 제한되지 않는다(includes but is not limited to)는 것을 의미하며, 용어 "포함하는(including)"은 포함하지만 이에 제한되지는 않는(including but not limited to)을 의미한다. 용어 "~에 기초하여(based on)"는 ~에 적어도 부분적으로 기초하여(based at least in part on)를 의미한다.
본 명세서에서 사용되는 바와 같이, 용어 "표적(target)"은 상호작용을 위한 초점이 되는 (예컨대, 지시사항들에서) 개인에게 특정되는 한 타입의 자극을 지칭한다. 표적은 적어도 하나의 특성 또는 특징이 비-표적과 상이하다. 2개의 표적은 적어도 하나의 특성 또는 특징에 의해 서로 상이할 수 있지만, 개인이 선택하도록 지시를 받는/요구받는 예에서, 전반적으로 표적으로서 개인에게 여전히 지시된다.
본 명세서에서 사용되는 바와 같이, 용어 "비-표적(non-target)"은, 개인에게 명시적으로 또는 암시적으로 지시되든 간에, 상호작용을 위한 초점이 되지 않는 한 타입의 자극을 지칭한다.
본 명세서에서 사용되는 바와 같이, 용어 "태스크(task)"는 개인에 의해 달성되어야할 목표(goal) 및/또는 목적(objective)을 지칭한다. 본 명세서에 설명된 예시적인 시스템들, 방법들, 및 장치들을 사용하여, 컴퓨터화된 태스크는 프로그래밍된 컴퓨터화된 컴포넌트들을 사용하여 렌더링되고, 개인은 컴퓨터화된 태스크를 수행하기 위한 개인의 의도된 목표 또는 목적에 관해 (예컨대, 컴퓨팅 디바이스를 사용하여) 지시받는다. 태스크는 컴퓨팅 디바이스의 적어도 하나의 컴포넌트(예컨대, 컴퓨팅 디바이스의 하나 이상의 센서 컴포넌트)를 사용하여, 특정의 자극에 대한 응답을 제공하거나 보류하도록 개인에게 요구할 수 있다. "태스크"는 측정되고 있는 베이스라인 인지 기능(baseline cognitive function)으로서 구성될 수 있다.
본 명세서에서 사용되는 바와 같이, 용어 "간섭(interference)"은 프라이머리 태스크의 개인의 수행을 방해하도록 개인에게 제시되는 한 타입의 자극을 지칭한다. 본 명세서에서의 임의의 예에서, 간섭은 다른 태스크(프라이머리 태스크를 포함함)를 수행할 때 개인의 주의를 전환시키거나 방해하는 방식으로 제시되는/렌더링되는 한 타입의 태스크이다. 본 명세서에서의 일부 예들에서, 간섭은 이산적인 시간 기간(discrete time period)(예컨대, 짧은 이산적인 시간 기간에 걸쳐 또는 장기의 시간 기간(extended time period)(예컨대, 프라이머리 태스크가 제시되는 시간 프레임보다 작음)에 걸쳐, 또는 프라이머리 태스크의 전체 시간 기간에 걸쳐, 프라이머리 태스크와 동시에 제시되는 세컨더리 태스크(secondary task)로서 구성된다. 본 명세서에서의 임의의 예에서, 간섭은 연속적으로(continuously), 또는 지속적으로(continually)(즉, 특정 빈도수로, 불규칙적으로, 또는 얼마간 랜덤하게 반복됨) 제시/렌더링될 수 있다. 예를 들어, 간섭은 프라이머리 태스크의 끝에서 또는 프라이머리 태스크의 제시 동안 이산적인 중간 기간들(discrete, interim periods)에서 제시될 수 있다. 간섭의 정도는 프라이머리 태스크에 대한 간섭의 타입, 양, 및/또는 제시의 시간 길이에 기초하여 변조될 수 있다.
본 명세서에서 사용되는 바와 같이, 용어 "자극(stimulus)"은 개인으로부터 특정된 기능적 응답(functional response)을 유발(evoke)하도록 구성된 감각적 이벤트(sensory event)를 지칭한다. 응답의 정도와 타입은 (센서 디바이스들 또는 다른 측정 컴포넌트들을 사용하여를 포함한) 측정 컴포넌트를 사용하여 개인의 상호작용들에 기초하여 정량화될 수 있다. 자극의 비제한적인 예들은 내비게이션 경로(navigation path)(개인이 경로를 내비게이트(navigate)하기 위해 아바타 또는 다른 프로세서에 의해 렌더링된 가이드(processor-rendered guide)를 제어하도록 지시받음), 또는 사용자 인터페이스에 렌더링되는, 표적이든 비-표적이든 관계없는, 이산적인 객체(discrete object)(개인이 이산적인 객체에 대한 입력 또는 다른 표시를 제공하기 위해 컴퓨팅 컴포넌트를 제어하도록 지시받음)를 포함한다. 본 명세서에서의 임의의 예에서, 태스크 및/또는 간섭은 자극을 포함하며, 자극은 본 명세서에서 이하에서 설명되는 바와 같이 시변 피처일 수 있다.
본 명세서에서 사용되는 바와 같이, "시행(trial)"은 태스크 및/또는 간섭(어느 하나 또는 둘 다가 시변 피처를 가짐)의 렌더링의 적어도 한 번의 반복, 및 태스크 및/또는 간섭(어느 하나 또는 둘 다가 시변 피처를 가짐)에 대한 개인의 응답(들)의 적어도 한 번의 수신을 포함한다. 비제한적인 예들로서, 시행은 싱글-태스킹 태스크(single-tasking task)의 적어도 일 부분 및/또는 멀티-태스킹 태스크(multi-tasking task)의 적어도 일 부분을 포함할 수 있다. 예를 들어, 시행은, 플랫폼과 상호작용하는 데 있어서의 개인의 행위들이 가이드(컴퓨터화된 아바타를 포함함)가 특정 경로의 적어도 일 부분을 따라 또는 어떤 환경 내에서 (1초의 몇 분의 1, 1초, 몇 초, 또는 그 이상과 같은, 그러나 이에 제한되지 않는) 일정 시간 간격(time interval) 동안 내비게이트하는 것을 결과하고 그리고/또는 가이드(컴퓨터화된 아바타를 포함함)로 하여금 그 경로를 따라 또는 그 환경 내에서 수행 이정표들(performance milestones)을 가로지르게(또는 가로지르는 것을 회피하게) 하는지 또는 그에 대한 성공 정도를 평가하는 것과 같은, 그러나 이에 제한되지 않는, 개인의 수행력이 평가되는 내비게이션 태스크(시각-운동(visuo-motor) 내비게이션 태스크를 포함함) 동안의 시간 기간일 수 있다. 다른 예에서, 시행은, 플랫폼과 상호작용하는 데 있어서의 개인의 행위들이 표적 대 비-표적(예컨대, 적색 객체 대 황색 객체)의 식별/선택을 결과하거나, 2가지 상이한 타입의 표적들 간을 판별하는지 또는 그에 대한 성공 정도를 평가하는 것과 같은, 그러나 이에 제한되지 않는, 개인의 수행력이 평가되는 표적결정 태스크(targeting task) 동안의 시간 기간일 수 있다. 이러한 예들에서, 내비게이션 태스크에 대한 시행으로서 지정된 개인의 수행의 세그먼트는 표적결정 태스크에 대한 시행으로서 지정된 개인의 수행의 세그먼트와 동일한 시간에 걸쳐 있거나(co-extensive) 정렬될 필요가 없다.
본 명세서에서의 임의의 예에서, 객체는 물리적 객체(다각형 또는 다른 객체를 포함함), 얼굴(인간 또는 비-인간), 또는 캐리커처(caricature), 다른 타입의 객체의 묘사로서 렌더링될 수 있다.
본 명세서에서의 예들 중 임의의 것에서, 개인이 시행 및/또는 세션에서 태스크 및/또는 간섭(어느 하나 또는 둘 다가 시변 피처를 가짐)을 어떻게 수행할 것으로 예상되는지를 특정하기 위해 지시사항들이 개인에게 제공할 수 있다. 비제한적인 예들에서, 지시사항들은 내비게이션 태스크(예컨대, 이 경로를 유지하는 것, 환경의 이 부분들로 가는 것, 경로 또는 환경 내의 특정 이정표 객체들을 가로지르거나 또는 피하는 것), 표적결정 태스크(예컨대, 표적 객체 대 비-표적 객체인 객체의 타입을 설명하거나 보여주는 것, 또는 표적 객체 대 비-표적 객체인 객체의 타입, 또는 개인이 선택할 것으로 예상되는 2가지 상이한 타입의 표적 객체를 설명하거나 보여주는 것)의 예상된 수행을 개인에게 통보하고, 그리고/또는 개인의 수행이 어떻게 스코어링되어야 하는지를 설명할 수 있다, 예들에서, 지시사항들은 시각적으로(예컨대, 렌더링된 사용자 인터페이스에 기초하여) 또는 사운드를 통해 제공될 수 있다. 다양한 예들에서, 지시사항들은 2개 이상의 시행 또는 세션의 수행 이전에 한 번 제공되거나, 시행 또는 세션의 수행 이전에 매번 반복되거나, 이들의 어떤 조합일 수 있다.
본 명세서에 설명된 일부 예시적인 시스템들, 방법들, 및 장치들은 개인이 표적 대 비-표적 간에 결정/선택하도록 지시받는/요구받는 것에 기초하지만, 다른 예시적인 구현들에서, 예시적인 시스템들, 방법들, 및 장치들은 개인이 (2개의 상이한 정도의 얼굴 표정 또는 다른 특성/특징 차이와 같은, 그러나 이에 제한되지 않는) 2개의 상이한 타입의 표적 간에 결정/선택하도록 지시받도록/요구받도록 구성될 수 있다.
그에 부가하여, 예시적인 시스템들, 방법들, 및 장치들은 본 명세서에 한 명의 개인에 대해 설명될 수 있지만, 다른 예시적인 구현들에서, 예시적인 시스템들, 방법들, 및 장치들은 2명 이상의 개인, 또는 그룹(임상 집단을 포함함)의 구성원들이, 개별적으로 또는 동시에, 태스크들 및/또는 간섭(어느 하나 또는 둘 다가 시변 피처를 가짐)을 수행하도록 구성될 수 있다.
본 명세서에 설명된 원리들에 따른 예시적인 플랫폼 제품들 및 인지 플랫폼들은, 사회 불안, 우울증, 양극성 장애(bipolar disorder), 주요 우울 장애(major depressive disorder), 외상후 스트레스 장애(post-traumatic stress disorder), 정신분열증(schizophrenia), 자폐 스펙트럼 장애(autism spectrum disorder), 주의력 결핍 과잉행동 장애(attention deficit hyperactivity disorder)(주의력 결핍 장애를 포함함), 치매, 파킨슨병, 헌팅턴병, 또는 다른 신경퇴행성 질환, 알츠하이머병, 다발성 경화증(multiple-sclerosis) 또는 루푸스(lupus)와 같은, 그러나 이에 제한되지 않는, 많은 상이한 타입의 질환들에 적용가능할 수 있다.
이하에서 보다 상세히 설명되는 바와 같이, 컴퓨팅 디바이스는 데이터를 분석하는 것과 같은 기능들을 수행하기 위한 애플리케이션("앱 프로그램")을 포함할 수 있다. 예를 들어, 적어도 하나의 센서 컴포넌트로부터의 데이터는 본 명세서에 설명된 바와 같이 프로세서가 (i) 태스크에 대한 개인으로부터의 응답, (ii) 간섭에 대한 개인의 세컨더리 응답, 및 (iii) 적어도 하나의 시변 피처에 대한 개인의 응답 중 2개 이상을 실질적으로 동시에 수신(측정하는 것을 포함함)하기 위해 예시적인 컴퓨팅 디바이스 상의 앱 프로그램을 실행하는 것에 의해 분석될 수 있다. 다른 예로서, 적어도 하나의 센서 컴포넌트로부터의 데이터는 제1 응답 및 적어도 하나의 시변 피처에 대한 개인의 응답을 나타내는 데이터를 분석하여 인지 능력의 적어도 하나의 정량화된 지시자를 포함하는 적어도 하나의 수행 메트릭을 계산하기 위해 프로세서가 예시적인 컴퓨팅 디바이스 상의 앱 프로그램을 실행하는 것에 의해 본 명세서에 설명된 바와 같이 분석될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템은 (머신 러닝 분류기와 같은, 그러나 이에 제한되지 않는) 머신 러닝 예측 모델을 사용하는 것을 포함하여) 개인의 인지 능력의 정량자를 생성하는 것 및/또는 개인의 인지 능력을 향상시키는 것을 제공한다. 예시적인 구현에서, 예시적인 시스템은 모바일 통신 디바이스 또는 다른 핸드헬드 디바이스들 상에서 실행되는 앱 프로그램을 이용한다. 그러한 모바일 통신 디바이스들 또는 핸드헬드 디바이스의 비제한적인 예들은, iPhone®, BlackBerry®, 또는 안드로이드 기반 스마트폰과 같은, 그러나 이에 제한되지 않는 스마트폰, 태블릿, 슬레이트(slate), 전자 리더(electronic-reader)(e-리더), 디지털 어시스턴트(digital assistant), 또는 다른 전자 리더 또는 핸드헬드, 휴대용, 또는 웨어러블 컴퓨팅 디바이스, 또는 임의의 다른 동등한 디바이스, 게임 유사 요소들(game-like elements)을 렌더링하는 데 사용될 수 있는 Xbox®, Wii®, 또는 다른 컴퓨팅 시스템을 포함한다. 일부 예시적인 구현들에서, 예시적인 시스템은 내장형 디스플레이들을 갖는 스마트 안경, 내장형 디스플레이들을 갖는 스마트 고글, 또는 내장형 디스플레이들을 갖는 스마트 헬멧과 같은, 헤드-마운티드 디바이스를 포함할 수 있고, 사용자는 하나 이상의 센서를 갖는 컨트롤러 또는 입력 디바이스를 보유할 수 있으며, 여기서 컨트롤러 또는 입력 디바이스는 헤드-마운티드 디바이스와 무선으로 통신한다. 일부 예시적인 구현들에서, 컴퓨팅 시스템은 메인 컴퓨터 및 데스크톱 디스플레이(또는 프로젝터 디스플레이)를 포함하는 데스크톱 컴퓨팅 시스템과 같이, 고정형(stationary)일 수 있으며, 여기서 사용자는 키보드, 컴퓨터 마우스, 조이스틱, 핸드헬드 콘솔들, 손목 밴드들, 또는 유선 또는 무선 통신을 사용하여 메인 컴퓨터와 통신하는 센서들을 갖는 다른 웨어러블 디바이스들을 사용하여 앱 프로그램에 입력들을 제공한다. 본 명세서에서의 다른 예들에서, 예시적인 시스템은 가상 현실 시스템, 증강 현실 시스템, 또는 혼합 현실 시스템일 수 있다. 본 명세서에서의 예들에서, 센서들은 사용자의 손, 발, 및/또는 신체의 임의의 다른 부분의 움직임들을 측정하도록 구성될 수 있다. 일부 예시적인 구현들에서, 예시적인 시스템은 가상 현실(VR) 시스템(사용자를 위한 몰입형, 대화형 3-D 경험으로서를 포함한 시뮬레이션된 환경), 증강 현실(AR) 시스템(사운드, 비디오, 그래픽스 및/또는 GPS 데이터와 같은, 그러나 이에 제한되지 않는 컴퓨터 생성 감각 입력에 의해 증강되는 요소들을 갖는 물리적, 실세계 환경의 라이브 직접 또는 간접 뷰(live direct or indirect view)를 포함함), 또는 혼합 현실(MR) 시스템(물리적 및 디지털 객체들이 공존하고 실질적으로 실시간으로 상호작용하는 새로운 환경들 및 시각화들(visualizations)을 생성하기 위해 실세계와 가상 세계를 병합하는 하이브리드 현실이라고도 지칭됨)으로서 형성될 수 있다.
본 명세서에서 사용되는 바와 같이, 용어 "예측 모델"은 이산적인 라벨들에 기초한 연속적인 출력 값들 및/또는 모델들을 제공하는 모델들에 기초하여 트레이닝되고 개발된 모델들을 포괄한다. 본 명세서에서의 임의의 예에서, 예측 모델은 분류기 모델을 포괄한다.
본 개시내용은 또한 사용자 수행 메트릭을 제공하기 위해, 하나 이상의 태스크에서의 사용자의 수행을 나타내는 데이터를 측정하는 목적을 위해 소프트웨어 및/또는 다른 프로세서 실행가능 명령어들을 구현하도록 구성된 예시적인 플랫폼 제품들로서 형성된 컴퓨터 구현 디바이스들에 관한 것이다. 예시적인 수행 메트릭은 사용자의 인지 능력의 평가를 도출하는 데 그리고/또는 인지 치료에 대한 사용자의 응답을 측정하는 데 그리고/또는 사용자의 생리학적 상태 및/또는 인지 편향의 데이터 또는 다른 정량적 표식을 제공하는 데 사용될 수 있다. 생리학적 상태의 측정들은 인지 플랫폼에 대한 사용자의 기분, 감정 상태, 및/또는 참여 또는 주의력의 레벨의 지시자를 제공하는 데 사용될 수 있다.
본 명세서에서의 임의의 예에서, 플랫폼 제품 또는 인지 플랫폼은 의료 디바이스 플랫폼 또는 다른 디바이스 플랫폼으로서 구성될 수 있다.
본 개시내용은 또한 하나 이상의 생리학적 컴포넌트와 커플링하도록 구성된 플랫폼 제품들 및 인지 플랫폼들을 포함하는 예시적인 시스템들은 물론, 플랫폼 제품들 및 인지 플랫폼들이 하나 이상의 생리학적 컴포넌트와 통합되는 예시적인 시스템들에 관한 것이다.
본 명세서에서의 임의의 예에서, 하나 이상의 생리학적 컴포넌트는 생리학적 측정들을 수행하도록 구성된다. 생리학적 측정들은 생리학적 파라미터들의 정량적 측정 데이터 및/또는 생리학적 구조 및/또는 기능들의 시각화를 위해 사용될 수 있는 데이터를 제공한다.
본 명세서에서의 임의의 예에서, 하나 이상의 생리학적 컴포넌트는 전기적 활동(electrical activity), 심박수, 혈류(blood flow), 및 산소화(oxygenation) 레벨들을 포함한, 신체 및 신경계(nervous system)의 물리적 특성들을 측정하는 임의의 수단을 포함할 수 있다. 이것은 카메라 기반 심박수 검출, 갈바닉 피부 반응(galvanic skin response)의 측정, 혈압 측정, 뇌파도(electroencephalogram), 심전도(electrocardiogram), 자기 공명 이미징(magnetic resonance imaging), 근적외선 분광법(near-infrared spectroscopy), 및/또는 동공 확장 측정들을 포함할 수 있다.
생리학적 측정들의 예들은 심전도(ECG)를 사용한 체온, 심장 또는 다른 심장 관련 기능의 측정, 뇌파도(EEG)를 사용한 전기적 활동, ERP들(event-related potentials), fMRI(functional magnetic resonance imaging), 혈압, 피부의 일 부분에서의 전위, 갈바닉 피부 반응(GSR), MEG(magneto-encephalogram), 동공 확장의 정도를 결정하도록 프로그래밍된 프로세싱 유닛들을 포함하는 눈 추적 디바이스(eye-tracking device) 또는 다른 광학 검출 디바이스, fNIRS(functional near-infrared spectroscopy), 및/또는 PET(positron emission tomography)를 포함하지만, 이들로 제한되지 않는다.
EEG 측정들은 말초 신경계의 신경 섬유를 따라가는 전기 충격들의 전파에 기초하여, 중추 신경계 내의 뉴런 그룹들이 나란히(in tandem) 발화(fire)할 때 또는 중추 신경계 내의 뉴런 그룹이 동기적으로 또는 비동기적으로 발화할 때, 뇌에서의 내재적 전기적 활동(intrinsic electrical activity)을 나타내는 데이터의 수집을 수반한다. EEG는 상이한 정신 상태들에 대응하는 주파수 대역들에서 분석될 수 있다. 예를 들어, 알파 주파수(8 내지 13 Hz)는 편안한 정신 상태와 연관될 수 있다. 예시적인 구현에서, EEG 신호에서의 작은 전위 변화들을 나타내는 데이터는 사용자가 플랫폼 제품 또는 인지 플랫폼과 상호작용하기 이전, 그 동안, 및/또는 그 이후에 수집될 수 있다. 이것은 특정 감각, 인지 및 다른 정신 이벤트들에 대한 특정 뇌 반응들의 기록을 가능하게 해준다. 이러한 예들에서, ERP는 플랫폼 제품 또는 인지 플랫폼으로부터의 특정 감각, 인지, 및/또는 운동(motor) 이벤트 또는 자극의 직접적인 결과인 측정된 뇌 반응이다. ERP들은 정신 생리학적 상태 및 인지 정보 프로세싱의 조사를 위한 측정 데이터를 제공할 수 있다.
본 명세서에서의 일부 예들에서, 본 명세서에서의 EEG 신호들은 개별적인 ERP 이벤트들과 독립적으로 측정될 수 있다.
fMRI는, 뇌에의 산소화된(oxygenated) 대 탈산소화된(de-oxygenated) 혈액 공급의 자기적 특성들의 차이에 기초하여, 뉴런 활성화(neuronal activation)를 나타내는 측정 데이터를 제공한다. fMRI는, 뉴런 활동과 뇌 대사 사이의 포지티브 상관(positive correlation)에 기초하여, 혈액 공급의 국부적 변화들(regional changes)을 측정하는 것에 의해 뉴런 활동의 간접적인 척도(indirect measure)를 제공할 수 있다.
일 예에서, MRI(magnetic resonance imaging) 호환 EEG/MEG 증폭기들(제각기) 및 전극들을 사용하여, 동시적인 EEG-fMRI 또는 MEG-fMRI 기록들이 이루어질 수 있다. EEG-fMRI 또는 MEG-fMRI 측정은 전기 생리학(electrophysiology)(EEG/MEG) 데이터 및 혈류역학적(hemodynamic)(fMRI) 데이터의 동시적인 취득을 가능하게 해준다.
TMS는 전자기 유도(electromagnetic induction)라고 알려진, 급격히 변하는 자기장에 의해 조직에 유도되는 약한 전류들을 사용하여 뇌에서의 뉴런들의 흥분(excitation)을 수반한다. 유도된 TMS 펄스는 뉴런 신호전달(neuronal signaling)을 방해하여, 일시적인 뉴런 억제(neuronal inhibition)를 야기하기 위해 적용될 수 있다. TMS는 인지 기능, 운동 기능, 및 감각 기능의 국소화(localization)를 가능하게 해주며, fMRI와 같은, 그러나 이에 제한되지 않는, 다른 기능 이미징 방법들을 검증하는 데 역할을 할 수 있다.
본 명세서에서의 임의의 예에서, 인지 플랫폼 및 인지 플랫폼을 포함하는 시스템들은 컴퓨팅 디바이스를 사용하여 구현되는 예시적인 디바이스 플랫폼과 연관된 인지 평가를 통보하거나 치료를 전달하는 컴퓨터화된 태스크들 및 플랫폼 상호작용들과 생리학적 측정들의 통합으로서 구성될 수 있다.
본 명세서에서의 임의의 예에서, 태스크는 사용자가 참여하도록 요구받는 하나 이상의 활동을 수반할 수 있다. 태스크들 중 임의의 하나 이상은 컴퓨터화된 자극들 또는 상호작용(이하에서 보다 상세히 설명됨)으로서 컴퓨터로 구현될 수 있다. 표적결정 태스크의 경우, 인지 플랫폼은 시간 특정적(temporally-specific) 및/또는 위치 특정적(position-specific) 응답들을 사용자에게 요구할 수 있다. 내비게이션 태스크의 경우, 인지 플랫폼은 위치 특정적 및/또는 모션 특정적(motion-specific) 응답들을 사용자에게 요구할 수 있다. 얼굴 표정 인식 또는 객체 인식 태스크의 경우, 인지 플랫폼은 시간 특정적 및/또는 위치 특정적 응답들을 사용자에게 요구할 수 있다. 멀티-태스킹 태스크들은 2개 이상의 태스크의 임의의 조합을 포함할 수 있다. 비제한적인 예들에서, 표적결정 및/또는 내비게이션 및/또는 얼굴 표정 인식 또는 객체 인식 태스크(들)와 같은, 그러나 이에 제한되지 않는, 태스크들에 대한 사용자 응답은 인지 플랫폼의 입력 디바이스를 사용하여 기록될 수 있다. 그러한 입력 디바이스들의 비제한적인 예들은 사용자 상호작용을 기록하도록 구성된 임의의 형태의 사용자 인터페이스를 포함한, (터치 스크린 또는 다른 압력 감응(pressure-sensitive) 스크린, 또는 카메라와 같은, 그러나 이에 제한되지 않는) 사용자 인터페이스 또는 이미지 포착 디바이스에 대한 터치, 스와이프(swipe) 또는 다른 제스처를 포함할 수 있다. 다른 비제한적인 예들에서, 표적결정 및/또는 내비게이션 및/또는 얼굴 표정 인식 또는 객체 인식 태스크(들)와 같은, 그러나 이에 제한되지 않는, 태스크들에 대해 인지 플랫폼을 사용하여 기록된 사용자 응답은 인지 플랫폼을 포함하는 컴퓨팅 디바이스의 위치, 배향, 또는 움직임의 변화들을 야기하는 사용자 행위들을 포함할 수 있다. 컴퓨팅 디바이스의 위치, 배향, 또는 움직임의 그러한 변화들은, 센서와 같은, 그러나 이에 제한되지 않는, 컴퓨팅 디바이스에 배치되거나 컴퓨팅 디바이스에 다른 방식으로 커플링된 입력 디바이스를 사용하여 기록될 수 있다. 센서들의 비제한적인 예들은 모션 센서, 위치 센서, 및/또는 (카메라와 같은, 그러나 이에 제한되지 않는) 이미지 포착 디바이스를 포함한다. 멀티-태스킹 태스크들을 수반하는 예시적인 구현에서, 컴퓨터 디바이스는 (적어도 하나의 특별히 프로그래밍된 프로세싱 유닛을 사용하여와 같이) 인지 플랫폼으로 하여금, 표적결정 및/또는 내비게이션 및/또는 얼굴 표정 인식 또는 객체 인식 태스크들과 같은, 그러나 이에 제한되지 않는, 2개 이상의 상이한 타입의 태스크를, 짧은 시간 프레임 동안(실시간으로 그리고/또는 실질적으로 동시에를 포함함), 사용자에게 제시하게 하도록 구성된다. 컴퓨터 디바이스는 (적어도 하나의 특별히 프로그래밍된 프로세싱 유닛을 사용하여와 같이) 멀티-태스킹 태스크들에 대해 수신된 사용자 응답의 타입을 나타내는 데이터를, 짧은 시간 프레임 내에(실시간으로 그리고/또는 실질적으로 동시에를 포함함), 수집하도록 또한 구성된다. 이러한 예들에서, 2개 이상의 상이한 타입의 태스크는 짧은 시간 프레임 내에(실시간으로 그리고/또는 실질적으로 동시에를 포함함) 개인에게 제시될 수 있고, 컴퓨팅 디바이스는 2개 이상의 상이한 타입의 태스크에 대한 사용자 응답(들)을 나타내는 데이터를 짧은 시간 프레임 내에(실시간으로 그리고/또는 실질적으로 동시에를 포함함) 수신하도록 구성될 수 있다.
일부 예들에서, 짧은 시간 프레임은 최대 약 1.0 밀리초 이상의 분해능으로 된 임의의 시간 간격으로 되어 있을 수 있다. 시간 간격들은, 임의의 타당한 종료 시간까지, 약 2.0 밀리초 또는 그 이상의 주기성의 임의의 구획(division)의 시간 지속기간들일 수 있지만, 이들로 제한되지 않는다. 시간 간격들은 약 3.0 밀리초, 약 5.0 밀리초, 약 10 밀리초, 약 25 밀리초, 약 40 밀리초, 약 50 밀리초, 약 60 밀리초, 약 70 밀리초, 약 100 밀리초, 또는 그 이상일 수 있지만, 이들로 제한되지 않는다. 다른 예들에서, 짧은 시간 프레임은 1초의 몇 분의 1, 약 1초, 약 1.0 내지 약 2.0초, 또는 최대 약 2.0초, 또는 그 이상일 수 있지만, 이들로 제한되지 않는다.
일부 예들에서, 플랫폼 제품 또는 인지 플랫폼은 태스크들의 제시 시간에 대한 사용자의 응답의 반응 시간을 나타내는 데이터를 수집하도록 구성될 수 있다. 예를 들어, 컴퓨팅 디바이스는 플랫폼 제품 또는 인지 플랫폼으로 하여금 난이도 레벨을 조정하는 방식으로서 사용자가 태스크들에 대한 응답을 제공하기 위한 보다 작거나 보다 큰 반응 시간 윈도(reaction time window)를 제공하게 하도록 구성될 수 있다.
비제한적인 예시적인 구현에서, 본 명세서에서의 예시적인 플랫폼 제품은 미국 매사추세츠주 보스턴 소재의 Akili Interactive Labs, Inc.의 AKILI 플랫폼 제품(본 명세서에서 "APP"라고도 지칭됨)으로서 형성되거나, 그에 기초하거나, 또는 그와 통합될 수 있다.
본 명세서에서 사용되는 바와 같이, 용어 "cData"는 플랫폼 제품으로서 형성된 컴퓨터 구현 디바이스와 사용자의 상호작용의 측정들로부터 수집된 데이터를 지칭한다.
본 명세서에서 사용되는 바와 같이, 용어 "nData"는 EEG/ERP 측정 데이터와 같은, 그러나 이에 제한되지 않는, 하나 이상의 생리학적 컴포넌트의 측정들로부터 수집된 데이터를 지칭한다.
본 명세서에서의 임의의 예에서, 데이터(cData 및 nData를 포함함)는 사용자의 동의 하에 수집된다.
본 명세서에서 사용되는 바와 같이, 용어 "컴퓨터화된 자극 또는 상호작용" 또는 "CSI"는 자극과의 사용자의 상호작용 또는 다른 상호작용을 용이하게 하기 위해 사용자에게 제시되는 컴퓨터화된 요소를 지칭한다. 비제한적인 예들로서, 컴퓨팅 디바이스는 청각 자극들(예컨대, 청각 컴퓨터 구현 시변 요소 또는 컴퓨터화된 청각 태스크의 요소로서 제시됨)을 제시하거나 사용자와의 다른 청각 기반 상호작용을 개시하도록, 그리고/또는 진동 자극들(예컨대, 진동 컴퓨터 구현 시변 요소 또는 컴퓨터화된 진동 태스크의 요소로서 제시됨)을 제시하거나 사용자와의 다른 진동 기반 상호작용을 개시하도록, 그리고/또는 촉각 자극들(예컨대, 촉각 컴퓨터 구현 시변 요소 또는 컴퓨터화된 촉각 태스크의 요소로서 제시됨)을 제시하거나 사용자와의 다른 촉각 기반 상호작용을 개시하도록, 그리고/또는 시각 자극들을 제시하거나 사용자와의 다른 시각 기반 상호작용을 개시하도록 구성될 수 있다.
컴퓨팅 디바이스가 시각 CSI를 제공하도록 구성된 예에서, CSI는 사용자에게 제시될 적어도 하나의 사용자 인터페이스에서 렌더링될 수 있다. 일부 예들에서, 적어도 하나의 사용자 인터페이스는 사용자가 적어도 하나의 사용자 인터페이스에서 렌더링된 CSI 컴퓨터화된 요소와 상호작용할 때 응답들을 측정하도록 구성된다. 비제한적인 예에서, 사용자 인터페이스가 플랫폼 제품과 사용자의 상호작용의 타입 또는 정도를 나타내는 데이터를 측정하도록 구성되도록, 사용자 인터페이스는 CSI 컴퓨터화된 요소(들)가 능동이고, 사용자로부터의 적어도 하나의 응답을 요구할 수 있도록 구성될 수 있다. 다른 예에서, 사용자 인터페이스는 CSI 컴퓨터화된 요소(들)가 수동이고 적어도 하나의 사용자 인터페이스를 사용하여 사용자에게 제시되지만 사용자에게 응답을 요구하지 않을 수 있도록 구성될 수 있다. 이 예에서, 적어도 하나의 사용자 인터페이스는 사용자의 상호작용의 기록된 응답을 배제하도록, 응답을 나타내는 데이터에 가중 인자를 적용하도록(예컨대, 응답을 보다 낮은 또는 보다 높은 값으로 가중시키도록), 그리고/또는 플랫폼 제품에 대한 사용자의 응답을 나타내는 데이터를 사용자의 잘못된 응답(misdirected response)의 척도로서 측정하도록(예컨대, 잘못된 응답의 사용자에게 통지 또는 다른 피드백을 발행하도록) 구성될 수 있다.
일 예에서, 플랫폼 제품은 디스플레이 컴포넌트, 입력 디바이스, 및 적어도 하나의 프로세싱 유닛을 포함하는 프로세서 구현 시스템, 방법 또는 장치로서 구성될 수 있다. 일 예에서, 적어도 하나의 프로세싱 유닛은 상호작용을 위해 컴퓨터화된 자극들 또는 상호작용(CSI) 또는 다른 대화형 요소들을 사용자에게 제시하기 위해, 디스플레이 컴포넌트에 디스플레이하기 위한, 적어도 하나의 사용자 인터페이스를 렌더링하도록 프로그래밍될 수 있다. 다른 예들에서, 적어도 하나의 프로세싱 유닛은 플랫폼 제품의 작동 컴포넌트로 하여금 자극들 또는 사용자와의 다른 상호작용을 실시하기 위해 청각, 촉각, 또는 진동 컴퓨터화된 요소들(CSI들을 포함함)을 작동시키도록 프로그래밍될 수 있다. 적어도 하나의 프로세싱 유닛은 프로그램 제품의 컴포넌트로 하여금, 입력 디바이스를 사용하여 제공된 응답들을 포함한, (cData와 같은, 그러나 이에 제한되지 않는) CSI 또는 다른 대화형 요소와의 사용자 상호작용에 기초한 적어도 하나의 사용자 응답을 나타내는 데이터를 수신하게 하도록 프로그래밍될 수 있다. 적어도 하나의 그래픽 사용자 인터페이스가 컴퓨터화된 자극들 또는 상호작용(CSI) 또는 다른 대화형 요소들을 사용자에게 제시하기 위해 렌더링되는 예에서, 적어도 하나의 프로세싱 유닛은 사용자 인터페이스로 하여금 적어도 하나의 사용자 응답을 나타내는 데이터를 수신하게 하도록 프로그래밍될 수 있다. 적어도 하나의 프로세싱 유닛은: 또한 개인의 인지 상태의 척도를 제공하기 위해 cData를 분석하고, 그리고/또는 (cData의 차이들에 기초한 것을 포함한) 사용자의 응답들 간의 차이들을 결정한 것에 기초하여 개인의 수행력의 차이들을 분석하며, 그리고/또는 (분석에서 결정된 개인의 수행력의 척도들을 포함한) cData의 분석에 기초하여 프라이머리 태스크 및/또는 간섭의 난이도 레벨을 조정하고, 그리고/또는 개인의 수행력, 및/또는 인지 평가, 및/또는 인지 치료에 대한 반응, 및/또는 인지의 평가된 척도들을 나타낼 수 있는 플랫폼 제품으로부터의 출력 또는 다른 피드백을 제공하도록 프로그래밍될 수 있다.
입력 디바이스의 비제한적인 예들은 터치 스크린, 또는 다른 압력 감응 또는 터치 감응 표면, 모션 센서, 위치 센서, 및/또는 (카메라와 같은, 그러나 이에 제한되지 않는) 이미지 포착 디바이스를 포함한다. 개인의 수행력의 분석은 컴퓨팅 디바이스를 사용하여 세션 동안 또는 이전에 완료된 세션으로부터 퍼센트 정확도, 히트들(hits) 및/또는 미스들(misses)의 횟수를 계산하는 것을 포함할 수 있다. 수행력 척도들을 계산하는 데 사용될 수 있는 다른 표식은 (예컨대, 표적결정 자극으로서) 태스크의 제시 이후에 개인이 응답하는 데 걸리는 시간의 양이다. 다른 표식은 반응 시간, 응답 분산(response variance), 올바른 히트들의 횟수, 누락 오류들(omission errors), 거짓 경보들(false alarms), 학습률(learning rate), 공간 편차(spatial deviance), 주관적 평가, 및/또는 수행력 임계치 등을 포함할 수 있지만, 이들로 제한되지 않는다.
비제한적인 예에서, 사용자의 수행력은 사용자의 수행력에 대한 2가지 타입의 태스크의 효과들을 비교하기 위해 추가로 분석될 수 있으며, 여기서 이러한 태스크들은 상이한 타입의 간섭들(예컨대, 주의산만요소 또는 방해요소)을 제시한다. 컴퓨팅 디바이스는 프라이머리 태스크로부터 사용자의 주의를 돌리는 CSI들 또는 다른 대화형 요소들로서 상이한 타입의 간섭을 제시하도록 구성된다. 주의산만요소의 경우, 컴퓨팅 디바이스는 프라이머리 태스크에 대한 프라이머리 응답을 제공하고 응답을 제공하지 말라고(즉, 주의산만요소를 무시하라고) 개인에게 지시하도록 구성된다. 방해요소의 경우, 컴퓨팅 디바이스는 응답을 세컨더리 태스크로서 제공하라고 개인에게 지시하도록 구성되고, 컴퓨팅 디바이스는 짧은 시간 프레임 내에(실질적으로 동시에를 포함함) 방해요소에 대한 사용자의 세컨더리 응답을 나타내는 데이터를 획득하도록 구성된다(여기서 응답은 적어도 하나의 입력 디바이스를 사용하여 수집된다). 컴퓨팅 디바이스는 간섭을 갖지 않는 프라이머리 태스크에서의 사용자의 수행력, 주의산만요소인 간섭을 갖는 경우 수행력, 및 방해인 간섭을 갖는 경우 수행력 중 하나 이상의 척도들을 계산하도록 구성된다. 사용자의 수행 메트릭들은 이러한 척도들에 기초하여 계산될 수 있다. 예를 들어, 사용자의 수행력은 각각의 타입의 간섭에 대한 비용(수행력 변화)(예컨대, 주의산만요소 비용 및 방해요소/멀티 태스킹 비용)으로서 계산될 수 있다. 태스크들에 대한 사용자의 수행력 레벨이 분석되고, 태스크들의 난이도 레벨을 조정하기 위해 사용하기 위한 인지 플랫폼에 대한 피드백으로서, 그리고/또는 사용자의 상태 또는 진전(progression)에 관한 개인에 대한 피드백으로서 중 어느 하나를 포함한, 피드백으로서 보고될 수 있다.
비제한적인 예에서, 컴퓨팅 디바이스는 사용자의 응답에 대한 반응 시간 및/또는 개인의 수행력에 대한 임의의 통계적 척도들(예컨대, 세션들의 마지막 회차(last number)에서의, 특정된 시간 지속기간에 걸친, 또는 한 타입의 태스크들(비-표적 및/또는 표적 자극들, 특정 타입의 태스크 등을 포함함)에 대해 특정적인, 올바른 또는 잘못된 응답의 퍼센티지)을 분석하고, 저장하며, 그리고/또는 출력하도록 또한 구성될 수 있다.
비제한적인 예에서, 컴퓨터화된 요소는 시각 태스크로서 사용자 인터페이스에서 렌더링되거나 청각, 촉각, 또는 진동 태스크로서 제시되는 적어도 하나의 태스크를 포함한다. 각각의 태스크는 사용자가 cData 및/또는 nData 수집의 목적을 위해 자극들에 노출된 후에 사용자로부터 응답을 유도(elicit)하도록 설계된 대화형 메카닉스(interactive mechanics)로서 렌더링될 수 있다.
컴퓨터화된 청각 태스크의 비제한적인 예에서, 개인은 개인에게 방출된 청각 큐들(auditory cues)에 기초하여 특정한 컴퓨터에 의해 렌더링된(computer-rendered) 경로를 따라가거나 다른 환경을 내비게이트하도록 요구받을 수 있다. 프로세싱 유닛은, 개인에게 수행 진행 이정표들(performance progress milestones)을 제공하여 컴퓨터 환경에서의 컴퓨터화된 아바타의 경로를 유지하거나 수정하기 위해, 그리고/또는 개인에게 컴퓨팅 디바이스의 센서들에 의해 측정되는 물리적 행위들을 수행함에 있어서의 그들의 성공 정도를 지시하여 컴퓨터화된 아바타로 하여금 예상된 코스 또는 경로를 유지하게 하기 위해, 청각 컴포넌트로 하여금 청각 큐들(예컨대, 사운드들 또는 인간 음성들)을 방출하게 하도록 구성될 수 있다.
컴퓨터화된 진동 태스크의 비제한적인 예에서, 개인은 개인에게 방출된 진동 큐들(vibrational cues)에 기초하여 특정한 컴퓨터에 의해 렌더링된 경로를 따라가거나 다른 환경을 내비게이트하도록 요구받을 수 있다. 프로세싱 유닛은, 개인에게 수행 진행 이정표들을 제공하여 컴퓨터 환경에서의 컴퓨터화된 아바타의 경로를 유지하거나 수정하기 위해, 그리고/또는 개인에게 컴퓨팅 디바이스의 센서들에 의해 측정되는 물리적 행위들을 수행함에 있어서의 그들의 성공 정도를 지시하여 컴퓨터화된 아바타로 하여금 예상된 코스 또는 경로를 유지하게 하기 위해, 작동 컴포넌트를 진동하도록(컴퓨팅 디바이스의 컴포넌트로 하여금 진동하게 하는 것을 포함함) 제어하도록 구성될 수 있다.
컴퓨터화된 청각 태스크의 비제한적인 예에서, 개인은 촉각(sense of touch)을 통해 인지된 하나 이상의 감각과 상호작용하도록 요구받을 수 있다. 비제한적인 예에서, 컴퓨터 구현 시변 요소는 개인과의 상호작용을 위한 상이한 타입의 촉각 자극들(예컨대, 촉감(sensation of touch), 질감있는 표면들(textured surfaces), 및/또는 온도들)을 제시하도록 작동 컴포넌트를 작동시키기 위해 프로세싱 유닛을 사용하여 제어될 수 있다. 예를 들어, 자폐 스펙트럼 장애(ASD)를 가진 개인은 특정한 촉각 감각들(tactile sensory sensations)(옷을 입거나 몸단장을 할 때 터치되는 것을 포함함)에 민감할 수 있고(그것들에 대한 혐오감을 갖는 것을 포함함); 알츠하이머병 및 다른 치매들을 가진 개인들은 촉각 또는 다른 촉각(tactile sensation)을 통해 이득을 볼 수 있다. 예시적인 촉각 태스크는 촉각에 민감한 개인을 개인으로 하여금 질감들 및 촉감들(touch sensations)과 상호작용하게 하는 물리적 행위들에 참여시킬 수 있다.
비제한적인 예에서, 컴퓨터화된 요소는 사용자 인터페이스에 또는 또는 프로그램 제품의 청각, 촉각, 또는 진동 요소로서 렌더링된 플랫폼의 적어도 하나의 플랫폼 상호작용(게임 플레이(gameplay)) 요소를 포함한다. 플랫폼 제품의 각각의 플랫폼 상호작용(게임 플레이) 요소는 cData 및/또는 nData 수집을 위한 표적들일 수 있거나 그렇지 않을 수 있는 대화형 메카닉스(비디오 게임 유사 메카닉스의 형태로 된 것을 포함함) 또는 시각적(또는 미용적(cosmetic)) 피처들을 포함할 수 있다.
본 명세서에서 사용되는 바와 같이, 용어 "게임 플레이"는 플랫폼 제품의 양태들과의 사용자 상호작용(다른 사용자 경험을 포함함)을 포괄한다.
비제한적인 예에서, 컴퓨터화된 요소는 사용자에게 긍정적 피드백(positive feedback)을 지시하는 적어도 하나의 요소를 포함한다. 각각의 요소는 태스크 또는 다른 플랫폼 상호작용 요소에서의 성공을 지시하는, 즉 플랫폼 제품에서의 사용자 응답들이 태스크 또는 플랫폼 상호작용(게임 플레이) 요소에 대한 임계 성공 척도(threshold success measure)를 초과했다는 것을 지시하는, 사용자에게 방출된 청각 신호 및/또는 시각 신호를 포함할 수 있다.
비제한적인 예에서, 컴퓨터화된 요소는 사용자에게 부정적 피드백(negative feedback)을 지시하는 적어도 하나의 요소를 포함한다. 각각의 요소는 태스크 또는 플랫폼 상호작용(게임 플레이) 요소에서의 실패를 지시하는, 즉 플랫폼 제품에서의 사용자 응답들이 태스크 또는 플랫폼 상호작용 요소에 대한 임계 성공 척도를 충족시키지 못했다는 것을 지시하는, 사용자에게 방출된 청각 신호 및/또는 시각 신호를 포함할 수 있다.
비제한적인 예에서, 컴퓨터화된 요소는 메시징, 즉 긍정적 피드백 또는 부정적 피드백과 상이한 사용자에 대한 통신을 위한 적어도 하나의 요소를 포함한다.비제한적인 예에서, 컴퓨터화된 요소는 보상을 지시하기 위한 적어도 하나의 요소를 포함한다. 보상 컴퓨터 요소는 CSI들에 대한 사용자 만족도를 증진시키고, 그 결과, 긍정적 사용자 상호작용(그리고 따라서 사용자 경험의 즐거움)을 증가시키기 위해 사용자에게 전달되는 컴퓨터에 의해 생성된 피처(computer generated feature)일 수 있다.
비제한적인 예에서, 인지 플랫폼은 멀티-태스크 대화형 요소들을 렌더링하도록 구성될 수 있다. 일부 예들에서, 멀티-태스크 대화형 요소들은 멀티-태스크 게임 플레이(MTG)라고 지칭된다. 멀티-태스크 대화형 요소들은 다수의 시간적으로 오버랩하는 태스크들, 즉 다수의 실질적으로 동시적인 응답들을 개인에게 요구할 수 있는 태스크들에 사용자를 참여시키도록 구성된 대화형 메카닉스를 포함한다.
본 명세서에서의 임의의 예에서, 멀티-태스킹 태스크들은 2개 이상의 태스크의 임의의 조합을 포함할 수 있다. 일 구현의 멀티-태스크 대화형 요소들은 다수의 시간적으로 오버랩하는 태스크들, 즉 다수의 실질적으로 동시적인 응답들을 개인에게 요구할 수 있는 태스크들에 개인을 참여시키도록 구성된 대화형 메카닉스를 포함한다. 비제한적인 예들에서, 멀티-태스킹 태스크의 적어도 일 부분의 개인의 수행에서, 본 시스템, 방법, 및 장치는 개인의 다수의 응답들을 나타내는 데이터를 실시간으로 측정하도록 그리고 또한 (세컨더리 태스크인) 간섭에 대한 개인으로부터의 제2 응답을 측정하는 것과 실질적으로 동시에 (프라이머리 태스크인) 태스크에 대한 개인으로부터의 제1 응답을 측정하도록 구성된다.
멀티-태스킹 태스크들을 수반하는 예시적인 구현에서, 컴퓨터 디바이스는 (적어도 하나의 특별히 프로그래밍된 프로세싱 유닛을 사용하여와 같이) 인지 플랫폼으로 하여금, 표적 판별 및/또는 내비게이션 및/또는 얼굴 표정 인식 또는 객체 인식 태스크들과 같은, 그러나 이에 제한되지 않는, 2개 이상의 상이한 타입의 태스크를, 짧은 시간 프레임 동안(실시간으로 그리고/또는 실질적으로 동시에를 포함함), 사용자에게 제시하게 하도록 구성된다. 컴퓨터 디바이스는 (적어도 하나의 특별히 프로그래밍된 프로세싱 유닛을 사용하여와 같이) 멀티-태스킹 태스크들에 대해 수신된 사용자 응답의 타입을 나타내는 데이터를, 짧은 시간 프레임 내에(실시간으로 그리고/또는 실질적으로 동시에를 포함함), 수집하도록 또한 구성된다. 이러한 예들에서, 2개 이상의 상이한 타입의 태스크는 짧은 시간 프레임 내에(실시간으로 그리고/또는 실질적으로 동시에를 포함함) 개인에게 제시될 수 있고, 컴퓨팅 디바이스는 2개 이상의 상이한 타입의 태스크에 대한 사용자 응답(들)을 나타내는 데이터를 짧은 시간 프레임 내에(실시간으로 그리고/또는 실질적으로 동시에를 포함함) 수신하도록 구성될 수 있다.
인지 플랫폼을 사용하여 개인에게 제시되는 컴퓨터화된 태스크의 타입에 기초하여, 개인이 태스크(들)를 수행하기 위해 인지 플랫폼과 상호작용하는 것의 결과로서 예상되는 응답(들)의 타입들, 및 인지 플랫폼을 사용하여 수신될 것으로 예상되는(측정되고 있는 것을 포함함) 데이터의 타입들은 태스크(들)의 타입에 의존한다. 표적 판별 태스크의 경우, 인지 플랫폼은 (예컨대, GO/NO-GO 태스크에서) 표적과 비-표적 간에 선택하기 위해, 또는, 예컨대, (얼굴 표정의 2개의 상이한 정도 또는 다른 특성/특징 차이 간에 선택하는 것을 포함하는) 2AFC(two-alternative forced choice) 태스크에서, 2개의 상이한 타입의 표적 간에 선택하기 위해서를 포함하여, 시간 특정적 및/또는 위치 특정적 응답을 개인에게 요구할 수 있다. 내비게이션 태스크의 경우, 인지 플랫폼은 위치 특정적 및/또는 모션 특정적 응답을 사용자에게 요구할 수 있다. 얼굴 표정 인식 또는 객체 인식 태스크의 경우, 인지 플랫폼은 시간 특정적 및/또는 위치 특정적 응답들을 사용자에게 요구할 수 있다. 비제한적인 예들에서, 표적결정 및/또는 내비게이션 및/또는 얼굴 표정 인식 또는 객체 인식 태스크(들)와 같은, 그러나 이에 제한되지 않는, 태스크들에 대한 사용자 응답은 인지 플랫폼의 입력 디바이스를 사용하여 기록될 수 있다. 그러한 입력 디바이스들의 비제한적인 예들은 사용자 상호작용을 기록하도록 구성된 임의의 형태의 사용자 인터페이스를 포함한, 사용자 인터페이스에 대한 터치, 스와이프 또는 다른 제스처를 포착하기 위한 디바이스, 오디오 포착 디바이스(예컨대, 마이크로폰 입력부), 또는 (터치 스크린 또는 다른 압력 감응 또는 터치 감응 표면, 또는 카메라와 같은, 그러나 이에 제한되지 않는) 이미지 포착 디바이스를 포함할 수 있다. 다른 비제한적인 예들에서, 표적결정 및/또는 내비게이션 및/또는 얼굴 표정 인식 또는 객체 인식 태스크(들)와 같은, 그러나 이에 제한되지 않는, 태스크들에 대해 인지 플랫폼을 사용하여 기록된 사용자 응답은 인지 플랫폼을 포함하는 컴퓨팅 디바이스의 위치, 배향, 또는 움직임의 변화들을 야기하는 사용자 행위들을 포함할 수 있다. 컴퓨팅 디바이스의 위치, 배향, 또는 움직임의 그러한 변화들은, 센서와 같은, 그러나 이에 제한되지 않는, 컴퓨팅 디바이스에 배치되거나 컴퓨팅 디바이스에 다른 방식으로 커플링된 입력 디바이스를 사용하여 기록될 수 있다. 센서들의 비제한적인 예들은 모션 센서, 위치 센서, 및/또는 (카메라와 같은, 그러나 이에 제한되지 않는) 이미지 포착 디바이스를 포함한다.
본 명세서에서 예에서, "실질적으로 동시에"는 서로로부터 약 5 밀리초 미만 내에, 또는 서로로부터 약 10 밀리초, 약 20 밀리초, 약 50 밀리초, 약 75 밀리초, 약 100 밀리초, 또는 약 150 밀리초 이하, 약 200 밀리초 이하, 약 250 밀리초 이하 내에, 태스크들이 렌더링되거나 응답 측정들이 수행되는 것을 의미한다. 본 명세서에서의 임의의 예에서, "실질적으로 동시에"는 평균 인간 반응 시간 미만의 시간 기간이다. 다른 예에서, 개인이 미리 설정된 양의 시간 내에 2개의 태스크 간에 스위칭하는 경우 2개의 태스크는 실질적으로 동시적일 수 있다. "실질적으로 동시에"인 것으로 간주되는 스위칭을 위한 설정된 양의 시간은 약 1/10초, 1초, 약 5초, 약 10초, 약 30초, 또는 그 이상일 수 있다.
일부 예들에서, 짧은 시간 프레임은 최대 약 1.0 밀리초 이상의 분해능으로 된 임의의 시간 간격으로 되어 있을 수 있다. 시간 간격들은, 임의의 타당한 종료 시간까지, 약 2.0 밀리초 또는 그 이상의 주기성의 임의의 구획(division)의 시간 지속기간들일 수 있지만, 이들로 제한되지 않는다. 시간 간격들은 약 3.0 밀리초, 약 5.0 밀리초, 약 10 밀리초, 약 25 밀리초, 약 40 밀리초, 약 50 밀리초, 약 60 밀리초, 약 70 밀리초, 약 100 밀리초, 또는 그 이상일 수 있지만, 이들로 제한되지 않는다. 다른 예들에서, 짧은 시간 프레임은 1초의 몇 분의 1, 약 1초, 약 1.0 내지 약 2.0초, 또는 최대 약 2.0초, 또는 그 이상일 수 있지만, 이들로 제한되지 않는다.
본 명세서에서의 임의의 예에서, 인지 플랫폼은 (간섭을 태스크와 함께 포함한) 태스크들의 제시 시간에 대한 사용자의 응답의 반응 시간을 나타내는 데이터를 수집하도록 구성될 수 있다. 예를 들어, 컴퓨팅 디바이스는 플랫폼 제품 또는 인지 플랫폼으로 하여금 난이도 레벨을 조정하는 예시적인 방식으로서 사용자가 태스크들에 대한 응답을 제공하기 위한 보다 작은 또는 보다 큰 반응 시간 윈도(reaction time window)를 제공하게 하도록 구성될 수 있다.
비제한적인 예에서, 인지 플랫폼은 싱글-태스크 대화형 요소들을 렌더링하도록 구성될 수 있다. 일부 예들에서, 싱글-태스크 대화형 요소들은 싱글-태스크 게임 플레이(STG)라고 지칭된다. 싱글-태스크 대화형 요소들은 주어진 시간 간격으로 사용자를 단일 태스크에 참여시키도록 구성된 대화형 메카닉스를 포함한다.
본 명세서에서의 원리들에 따르면, 용어 "인지(cognition)"는 생각, 경험, 및 감각을 통해 지식 및 이해를 습득하는 정신적 행위 또는 과정을 지칭한다. 이것은 실행 기능, 기억, 지각, 주의, 감정, 운동 조절(motor control), 및 간섭 프로세싱과 같은 심리학적 개념들/영역들을 포함하지만, 이들로 제한되지 않는다. 본 명세서에서의 원리들에 따른 예시적인 컴퓨터 구현 디바이스는 플랫폼 제품과의 사용자 상호작용을 나타내는 데이터를 수집하도록 그리고 사용자 수행력을 정량화하는 메트릭들을 계산하도록 구성될 수 있다. 사용자 수행력의 정량자들은 (인지 평가를 위한) 인지의 척도들을 제공하는 데 또는 인지 치료의 상태 또는 진행상황의 척도들을 제공하는 데 사용될 수 있다.
본 명세서에서의 원리들에 따르면, 용어 "치료(treatment)"는 인지에 관련된 개선들, 사용자의 기분, 감정 상태, 및/또는 인지 플랫폼에 대한 참여 또는 주의의 레벨과 같은, 그러나 이에 제한되지 않는, 사용자의 능력의 측정가능한 개선을 가져오는 플랫폼 제품(APP의 형태로 되어 있는 것을 포함함)에서의 CSI의 임의의 조작을 지칭한다. 개선의 정도 또는 레벨은 본 명세서에서 설명된 바와 같이 사용자 수행력 척도들에 기초하여 정량화될 수 있다. 일 예에서, 용어 "치료"는 또한 치료법(therapy)을 지칭할 수 있다.
본 명세서에서의 원리들에 따르면, 용어 "세션(session)"은 사용자가 플랫폼 제품(APP의 형태로 되어 있는 것을 포함함)으로부터 평가 또는 치료를 받기 위해 플랫폼 제품과 상호작용하는, 명확한 시작(start) 및 끝(finish)을 갖는, 이산 시간 기간(discrete time period)을 지칭한다. 본 명세서에서의 예들에서, 세션은 적어도 한 번의 시행을 지칭할 수 있거나 적어도 한 번의 시행 및 적어도 하나의 다른 타입의 측정 및/또는 다른 사용자 상호작용을 포함할 수 있다. 비제한적인 예로서, 세션은 적어도 한 번의 시행 및 생리학적 또는 모니터링 컴포넌트 및/또는 인지 테스팅 컴포넌트를 사용하는 측정 중 하나 이상을 포함할 수 있다. 다른 비제한적인 예로서, 세션은 적어도 한 번의 시행 및, 생리학적 상태(physiological condition) 및/또는 인지 상태를 포함하는, 개인의 상태의 하나 이상의 척도를 나타내는 데이터의 적어도 한 번의 수신을 포함할 수 있다.
본 명세서에서의 원리들에 따르면, 용어 "평가(assessment)"는 CSI들 또는 플랫폼 제품의 다른 특징 또는 요소와의 사용자 상호작용의 적어도 하나의 세션을 지칭한다. 플랫폼 제품(APP의 형태로 되어 있는 것을 포함함)을 사용하여 사용자에 의해 수행되는 하나 이상의 평가로부터 수집된 데이터는 인지, 또는 사용자의 능력의 다른 양태들의 척도들 또는 다른 정량자들을 도출하는 데 사용될 수 있다.
일 예에서, 평가는 태스크 및 임의로 간섭을 개인에게 제시하는 것, 및 간섭이 있는 경우 및/또는 간섭이 없는 경우 개인의 수행력을 나타내는 데이터를 평가하는 것을 포함할 수 있다. 평가는 개인을 트레이닝시키려는 것이 아니라 오히려 개인의 수행력을 평가하려는 것이라는 점에서 트레이닝 세션과 상이하다. 예를 들어, 트레이닝 세션과 달리, 평가에서의 시행마다의(또는 세션마다의) 난이도 레벨은 개인의 수행력에 따라 변하지 않거나 적응하지 않는다. 컴퓨팅 시스템은 평가에서의 난이도 레벨을 실질적으로 동일하게, 예컨대, 이진화(thresholding)(이하에서 보다 상세히 설명됨)를 사용하여 결정되는 난이도 레벨에 유지하도록 구성될 수 있다. 다른 예에서, 평가는 개인의 능력을 적응적으로 결정하기 위해, 계단형(staircase) 절차들 또는 최대 우도(maximum likelihood) 절차들과 같은, 그러나 이에 제한되지 않는, 심리측정 분석 기법(psychometric analysis technique)을 사용하여 적응될 수 있다. 평가는 (적응적으로 수정된 태스크들 및/또는 간섭에 기초하여) 하나 이상의 트레이닝 세션 이전에 및/또는 그 이후에 수행될 수 있다.
본 명세서에서의 원리들에 따르면, 용어 "인지 부하(cognitive load)"는 사용자가 태스크을 완료하기 위해 소비할 필요가 있을 수 있는 정신적 자원들(mental resources)의 양을 지칭한다. 이 용어는 또한 태스크 또는 게임 플레이의 도전 또는 난이도 레벨을 지칭하는 데 사용될 수 있다.
본 명세서에서의 원리들에 따르면, 용어 "감정 부하(emotional load)"는 감정 정보를 프로세싱하는 것 또는 감정들을 조절하는 것과 특정적으로 연관되거나 또는 긍정적 정서, 관점, 또는 결과와 비교하여 부정적 감정, 관점, 또는 결과에 대한 개인의 선호에서의 정서 편향(affective bias)과 특정적으로 연관되는 인지 부하를 지칭한다. 감정 부하는 컴퓨터 구현 시변 요소를 개인(들)에게 태스크 및/또는 간섭(간섭을 갖는 또는 간섭을 갖지 않는 태스크를 포함함)의 일 부분을 수행함에 있어서의 그들의 성공 정도를 지시하도록 구성하기 위해 예시적인 장치, 시스템 또는 방법을 사용하여 컴퓨터에 의해 수정(즉, 증가 또는 감소)될 수 있다.
본 명세서에서의 원리들에 따르면, 용어 "자아 고갈(ego depletion)"은 자제력을 발휘하는 능력의 감소(diminished capacity)로 특징지어지는, 일정 기간의 자제력 발휘의 노력 이후에 사용자가 도달하는 상태를 지칭한다. 자아 고갈의 상태는 본 명세서에서 앞서 설명된 플랫폼 제품의, 사용자 인터페이스들에, 또는 청각, 촉각, 또는 진동 요소들로서 렌더링된 대화형 요소들에 대한 사용자의 응답들에 대해 수집된 데이터에 기초하여 측정될 수 있다.
본 명세서에서의 원리들에 따르면, 용어 "감정 처리(emotional processing)"는 감정/정서(affect)/기분 또는 부교감신경 각성(parasympathetic arousal)의 인지 및/또는 신경학적 처리에 특정적인 인지의 컴포넌트를 지칭한다. 감정 처리의 정도는 본 명세서에서 앞서 설명된 플랫폼 제품의 사용자 인터페이스들에 (청각, 촉각, 또는 진동 요소들로서를 포함하여) 렌더링되는 대화형 컴퓨터 구현 시변 요소들에 대한 사용자의 응답들에 대해 수집된 데이터에 기초하여 측정될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는, MTG 또는 STG에서의 태스크들에 대한 명확한(overt) 컴포넌트로서 인지 부하의 부가적 제어를 제공하기 위해, 적어도 하나의 컴퓨터 구현 시변 요소를 렌더링하도록 구성된 인지 플랫폼을 사용하는 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 일 예에서, 컴퓨터 구현 시변 요소는 인지를 평가하거나 감정들에 관련된 인지를 개선시키도록 구성된 태스크들에서 사용되며, 플랫폼 제품에서의 렌더링된 컴퓨터 구현 시변 요소와의 사용자 상호작용의 척도로서 수집된 데이터(cData를 포함함)는 플랫폼 제품의, 사용자 인터페이스를 사용하여 상호작용하도록, 또는 청각, 촉각, 또는 진동 요소들로서 구성된 치료 이후에 인지의 평가의 척도들 또는 인지의 척도들에 대한 개선을 결정하는 데 사용된다. 컴퓨터 구현 시변 요소는, 사용자 인터페이스로 하여금 사용자가 수행할 공간 태스크들을 렌더링하게 하는 것에 의해서와 같이, 비-감정 인지(non-emotional cognition)에 대한 감정들의 영향을 측정하기 위한 데이터를 수집하도록, 그리고/또는 사용자 인터페이스로 하여금 감정들을 조절하기 위해 실행 기능의 척도들을 이용하는 피처들을 렌더링하게 하는 것에 의해서와 같이, 감정들에 대한 비-감정 인지의 영향을 측정하기 위한 데이터를 수집하도록 구성될 수 있다. 하나의 예시적인 구현에서, 사용자 인터페이스는, MTG로 인한 인지 부하 하에 있는 동안, (측정 데이터에 기초한) CSI에 의해 지시된 감정을 식별하고, 그 식별을 작업 메모리에 유지하며, 이를 후속 CSI에 의해 지시된 감정의 척도들과 비교하기 위한 태스크들을 렌더링하도록 구성될 수 있다.
일 예에서, 프로그램 플랫폼은 간섭 프로세싱에 기초하여 인지 플랫폼을 사용자에게 제시하도록 구성된 컴퓨팅 디바이스를 포함한다. 간섭 프로세싱을 구현하는 예시적인 시스템, 방법 및 장치에서, 적어도 하나의 프로세싱 유닛은 사용자에게 제1 타입의 응답을 요구하는 프라이머리 태스크로서 제1 CSI들을 제시하기 위해, 적어도 하나의 제1 사용자 인터페이스를 렌더링하거나 작동 컴포넌트로 하여금 청각, 촉각, 또는 진동 신호를 생성하게 하도록 프로그래밍된다. 예시적인 시스템, 방법 및 장치는 제2 CSI들을 프라이머리 태스크와 함께 간섭으로서 제시하기 위해, 적어도 하나의 프로세싱 유닛으로 하여금 적어도 하나의 제2 사용자 인터페이스를 렌더링하게 하거나 작동 컴포넌트로 하여금 청각, 촉각, 또는 진동 신호를 생성하게 하여, 간섭의 존재 하에서 프라이머리 태스크에 대한 제2 타입의 응답을 사용자에게 요구하도록 또한 구성된다. 비제한적인 예에서, 제2 타입의 응답은 프라이머리 태스크에 대한 제1 타입의 응답 및 간섭에 대한 세컨더리 응답을 포함할 수 있다. 다른 비제한적인 예에서, 제2 타입의 응답은 제1 타입의 응답을 포함하지 않을 수 있고, 제1 타입의 응답과 상당히 다를 수 있다. 적어도 하나의 프로세싱 유닛은, 데이터를 수신하기 위해 적어도 하나의 사용자 인터페이스를 렌더링하는 것에 의해서와 같이, 그러나 이에 제한되지 않는, (cData와 같은, 그러나 이에 제한되지 않는) 플랫폼 제품과의 사용자 상호작용에 기초한 제1 타입의 응답 및 제2 타입의 응답을 나타내는 데이터를 수신하도록 또한 프로그래밍된다. 플랫폼 제품은 사용자가 인지 플랫폼과 상호작용하기 전에, 그 동안, 및/또는 그 이후에 하나 이상의 생리학적 컴포넌트를 사용하여 이루어진 측정들을 나타내는 nData를 수신하도록 또한 구성될 수 있다. 적어도 하나의 프로세싱 유닛은: 개인의 생리학적 상태 및/또는 인지 상태의 척도를 제공하기 위해 cData 및/또는 nData를 분석하고, 그리고/또는 (cData의 차이들에 기초한 것을 포함한) 사용자의 제1 타입 및 제2 타입의 응답들의 척도들 간의 차이들 및 연관된 nData의 차이들을 결정한 것에 기초하여 개인의 수행력의 차이들을 분석하도록 또한 프로그래밍될 수 있다. 적어도 하나의 프로세싱 유닛은: (분석에서 결정된 개인의 수행력 및/또는 생리학적 상태의 척도들을 포함한) cData 및/또는 nData의 분석에 기초하여 프라이머리 태스크 및/또는 간섭의 난이도 레벨을 조정하고, 그리고/또는 개인의 수행력, 및/또는 인지 평가, 및/또는 인지 치료에 대한 반응, 및/또는 인지의 평가된 척도들을 나타낼 수 있는 플랫폼 제품으로부터의 출력 또는 다른 피드백을 제공하도록 또한 프로그래밍될 수 있다.
일 예에서, 사용자의 제1 타입 및 제2 타입의 응답들의 척도들과 nData 간의 차이들을 결정하는 것에 기초한 개인의 수행력의 차이들로부터의 피드백은 하나 이상의 세션(들) 동안 개인의 실시간 수행력을 나타내는 입력으로서 인지 플랫폼에서 사용될 수 있다. 피드백의 데이터는 사용자가 동일한 진행 중인 세션 내에서 그리고/또는 후속하여 수행되는 세션 내에서 상호작용하는 프라이머리 태스크 및/또는 간섭의 난이도 레벨에 대해 인지 플랫폼이 행하는 조정의 정도를 결정하기 위해 컴퓨팅 디바이스의 계산 컴포넌트에 대한 입력으로서 사용될 수 있다.
비제한적인 예로서, 간섭 프로세싱에 기초한 인지 플랫폼은 미국 매사추세츠주 보스턴 소재의 Akili Interactive Labs, Inc.의 Project:EVO™ 플랫폼에 기초할 수 있다.
간섭 프로세싱에 기초하는 본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치에서, 사용자 인터페이스는, 간섭 프로세싱의 컴포넌트로서, 사용자가 응답하는 표적결정 태스크의 판별 피처들 중 하나가 간섭 프로세싱에서 간섭 요소로서 역할하는 감정, 형상, 컬러, 및/또는 위치를 디스플레이하는 플랫폼에서의 피처이도록 구성된다.
간섭 프로세싱에 기초하는 본 명세서에서의 원리들에 따른 다른 예시적인 시스템, 방법, 및 장치에서, 플랫폼 제품은 컴퓨터 구현 시변 요소를 이용하는 인지 태스크들과 같은 작업 기억력 태스크를 포함할 수 있으며, 여기서 정서 콘텐츠(affective content)는, MTG 또는 STG 내에서, 사용자 상호작용의 일부인 주의산만 요소 또는 매칭을 위한 기초이다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 MTG 또는 STG에서 적어도 하나의 통합하는 컴퓨터 구현 시변 요소를 렌더링하도록 구성된 인지 플랫폼을 사용하는 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함하며, 여기서 사용자 인터페이스는 컴퓨터 구현 시변 요소에 명시적으로 주의를 환기시키지 않도록 구성된다. 플랫폼 제품의 사용자 인터페이스는 주의, 해석 또는 기억에서의 감정적 편향을 평가하거나 조정하는 목적을 위해 그리고 플랫폼 제품과의 사용자 상호작용을 나타내는 데이터를 수집하기 위해 컴퓨터 구현 시변 요소를 렌더링하도록 구성될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 하나 이상의 태스크 내에 제공된 포지티브 또는 네거티브 피드백을 강화하는 적어도 하나의 컴퓨터 구현 시변 요소를 렌더링하도록 구성된 인지 플랫폼을 사용하는 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 사용자 상호작용 (게임 플레이를 포함함)에 고정된 또는 조정가능 레벨들의 인지 또는 감정 부하를 도입하는 적어도 하나의 컴퓨터 구현 시변 요소를 렌더링하도록 구성된 인지 플랫폼을 사용하는 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 이것은 MTG 또는 STG의 난이도를 변조하는 목적을 위해 사용될 수 있다. 이것은 하나 이상의 태스크 내에서 제공되는 포지티브 피드백 또는 네거티브 피드백과 충돌하는 컴퓨터 구현 시변 요소(들)를 사용하는 것 또는 사용자의 인지 조절 능력에 영향을 주도록 자아 고갈을 유도하기 위해 컴퓨터 구현 시변 요소(들)를 사용하는 것을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 MTG 동안 적어도 하나의 동시적인 충돌하는 컴퓨터 구현 시변 요소(들)를 렌더링하여 상이한 태스크들에 통합시키도록 구성된 인지 플랫폼을 사용하는 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 이것은 사용자가 충돌하는 감정 정보를 핸들링하는 것을 나타내는 플랫폼 제품과의 사용자 상호작용에 관련된 인식의 척도들을 평가하거나 개선시킬 목적으로 사용될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 평가의 정확도 및 치료의 효율을 증가시키기 위해, 인지 및/또는 신경 심리학적 장애들을 나타내는 측정 nData를 포함하는 (EEG 측정들 및 ERP 이벤트들 검출과 같은, 그러나 이에 제한되지 않는) 생리학적 측정들의 측정들에 기초하여 APP 세션(들)에서 베이스라인 CSI 레벨들/애트리뷰트들을 설정하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. CSI들은 nData의 개별적인 사용자 다이내믹스에 대해 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 캘리브레이션하는 데 사용될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는, 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)이 사용자의 주의깊은 인지 상태를 반영하는 것들에 대해 생리학적 측정들을 정규화하는 변경을 나타내도록, cData 및/또는 nData를 수집하고 분석하며, CSI들의 미묘한 조작을 야기하기 위해 인지 플랫폼을 조정하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)이 사용자의 부주의한 상태를 나타낼 때, cData 및/또는 nData를 수집하고 분석하며, CSI들의 명확한 조작을 야기하기 위해 인지 플랫폼을 조정하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 치료 또는 평가에 관련된 CSI들의 전달을 최적화하기 위해 주의깊은 상태들을 검출하는 데 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 사용하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 CSI들의 미묘한 또는 명백한 조작을 통해 치료 또는 평가에 관련된 특정 CSI들을 검출하고 그들에게 주의를 돌리는 데 CSI cData와 함께 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)로부터의 nData의 분석을 사용하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 cData 및 nData의 사용자 생리학적 프로파일들(이상적인, 최적의, 또는 원하는 사용자 응답들의 프로파일들을 포함함)을 생성하고 이러한 사용자 생리학적 프로파일들을 복제하도록 사용자들을 안내하기 위해 세션들 내에서 또는 그 전반에 걸쳐 CSI들을 조작하는 데 평가 또는 치료 세션들 내에서 또는 그 전반에 걸쳐 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)로부터의 nData와 함께 cData의 CSI들 패턴들의 분석을 사용하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 예를 들어, 측정되고 수집된 cData 및 nData의 분석, 및 그러한 데이터로부터 도출된 수행 메트릭에 기초하여, cData 및 nData의 값들의 변화들이 사용자 인터페이스들에서 실행되는 CSI들에 대해 이루어지는 변경들에 상관될 수 있고, 상관에서의 패턴들이 식별되어 사용자 생리학적 프로파일을 구성하는 데 사용될 수 있다. 이상적인, 최적의, 및/또는 원하는 사용자 응답들은 태스크들 및/또는 간섭을 수행하기 위해 모든 전용된 주의 및/또는 노력을 나타내는 것으로 알려진 개인들로부터 수집된 것들로서 결정될 수 있다. 측정되고 수집된 cData 및 nData, 그리고 이상적인, 최적의, 및/또는 원하는 사용자 응답들을 나타낸 것으로 알려진 개인들의 세트에 대해 계산된 수행 메트릭들이 사용자 생리학적 프로파일(들)을 생성하는 데 사용될 수 있다. 일 예에서, 컴퓨팅 시스템은, 예컨대, 사용자 참여의 레벨, 사용자 집중(user focus)의 정도, 사용자 수행력의 개선율(rate of improvement), 및 이와 유사한 것에 관해, 테스트 개인의 응답들을 분류하기 위해, 평가되고 그리고/또는 트레이닝되어야 하는 테스트 개인으로부터 측정되고 수집된 cData 및/또는 nData를 사용자 생리학적 프로파일(들)과 비교하도록 구성될 수 있다. 일 예에서, 컴퓨팅 시스템은 가중된 수행 메트릭을 결정하기 위해 테스트 개인에 대한 계산된 수행 메트릭에 적용될 가중 인자를 계산하기 위해, 평가되고 그리고/또는 트레이닝되어야 하는 테스트 개인으로부터 측정되고 수집된 cData 및/또는 nData를 사용자 생리학적 프로파일(들)과 비교하도록 구성될 수 있다. 가중된 수행 메트릭은 시행마다 그리고/또는 세션마다 난이도들의 조정(적응)을 결정하기 위해 실제 수행 메트릭의 속도(pace)로 사용될 수 있다. 태스크들 및/또는 간섭의 테스트 개인의 수행으로부터 측정되고 수집된 cData 및/또는 nData가 사용자 생리학적 프로파일(들)과 고도로 상관되고(그와 실질적으로 매칭하는 것을 포함함), 그로써 사용자 생리학적 프로파일(들)을 복제하도록 CSI들이 수정될 수 있다. 즉, 테스트 개인으로부터의 응답을 나타내는 cData 및/또는 nData가 미리 결정된 사용자 생리학적 프로파일과 보다 밀접하게 상관되도록 태스크들 및/또는 간섭의 난이도 레벨이 조정될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 2개 이상의 상이한 타입의 생리학적 컴포넌트를 사용한 측정들 및/또는 시간 경과에 따른 2개 이상의 상이한 생리학적 측정들에 기초하여 생리학적 프로파일을 계산하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는, 신경 가소성(neural plasticity) 및 치료로 인한 이익의 전달을 최대화하기 위해, 사용자 참여에 관련된 파라미터들의 지시자들에 대한 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 모니터링하도록 그리고 (사용자 생리학적 프로파일(들)과의 비교를 통해서와 같이, 그러나 이에 제한되지 않는) 개인의 수행력 레벨을, 시간의 함수로서, 최적의 참여 상태(engaged state)에 정렬시키기 위해 CSI들에 의해 생성되는 인지 부하를 최적화도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서 사용되는 바와 같이, 용어 "신경 가소성"은 중추 신경계의 목표한 재구성(targeted re-organization)을 지칭한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 대안적인 CSI들을 제공하는 것 또는 CSI들로부터의 참여이탈(disengagement)에 의해 인지 플랫폼과의 계속된 사용자 상호작용("플레이"라고도 지칭됨)을 촉진시키기 위해 분노 및/또는 좌절을 나타내는 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 모니터링하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 대안적인 CSI들을 제공하는 것 또는 CSI들로부터의 참여이탈에 의해 인지 플랫폼과의 계속된 사용자 상호작용("플레이"라고도 지칭됨)을 촉진시키기 위해 (예컨대, 명상 상태 및/또는 주의 집중(focused attention) 상태에 기초한) 행복 및/또는 만족을 나타내는 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 모니터링하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 감정적으로 조절된 상태를 반영하도록 nData에서의 EEG 신호들을 정규화하기 위해 CSI 인지 부하를 변조하는 것에 의해 인지 플랫폼과의 계속된 사용자 상호작용("플레이"라고도 지칭됨)을 촉진시키기 위해 분노 및/또는 좌절을 나타내는 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 모니터링하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 사용자의 인지 또는 다른 생리학적 또는 인지적 양태들에 관련된 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 최적화하기 위해 평가 또는 치료 세션들 내에서 또는 그 전반에 걸쳐 CSI 다이내믹스를 변경하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 태스크 자동화(예컨대, 사용자가 참여를 거의 나타내고 있지 않거나 응답들을 제공하는 것에 대한 관심이 없는 것을 나타내는 응답들을 제공하고 있음)의 생리학적 측정 신호들(EEG/ERP 측정 신호들을 포함함)이 검출되는 경우, 또는 태스크 학습에 관련된 생리학적 측정들이 감쇠의 징후들을 보이는 경우, CSI들 또는 CSI 인지 부하를 조정하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는, 개인으로부터의 측정되고 수집된 응답 데이터(cData 및/또는 nData를 포함함)에 기초하여 계산되는 수행 메트릭들을 정규화하고 그리고/또는 최적화하기 위해, 포지티브 및 네거티브 피드백의 생리학적 측정 신호들(EEG/ERP 측정 신호들을 포함함)을 모니터링하고 (시행마다 또는 세션마다 제시되는 태스크들 및/또는 간섭의 난이도 레벨을 조정하는 것에 의해, 및/또는 개인에게 출력되는 수행 메트릭들 또는 진행 지시자들의 타입을 조정하는 것에 의해서를 포함하여) 인지 플랫폼 및 CSI들로부터 피드백 레벨들을 조정하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 태스크들 및/또는 간섭을 제시하는 데 사용되는 CSI들에 대한 사용자 주의 및 사용자 참여를 촉진시키기 위해 정규화되고 그리고/또는 최적화된 수행 메트릭들이 개인에게 출력되거나 다른 방식으로 디스플레이될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 사용자 참여의 생리학적 측정 지시 신호들을 모니터링하도록 그리고 피드백 루프에서, 볼륨, 피치, 또는 리듬과 같은, 그러나 이에 제한되지 않는 청각적 특성들, 및/또는 컬러 또는 밝기와 같은, 그러나 이에 제한되지 않는 시각적 특성들을 연속적으로 조정하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 예시적인 피드백 루프는, 비례 제어기, 비례/적분 제어기, 비례/미분 제어기, 또는 비례/적분/미분(PID) 제어기와 같은, 그러나 이에 제한되지 않는 하나 이상의 제어기를 사용하여 구현될 수 있다. 생리학적 측정들을 나타내는 데이터의 분석에 기초하여, 개인의 생리학적 측정들이 충분한 레벨의 사용자 참여의 신호들을 나타낼 때까지, 피드백 루프를 실시하도록 제어 신호를 발행하기 위해, 즉 사용자에게 제시되는 태스크들 및/또는 간섭의 청각적 특성들 및/또는 시각적 특성들을 연속적으로 조정하기 위해 하나 이상의 제어기가 적용될 수 있다. 본 명세서에서의 임의의 예에서, 참여 레벨은 미리 지정되거나 개인으로부터의 이전의 측정들의 컴필레이션(compilation)(예컨대, 평균)에 기초하여 결정될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는, 생리학적 측정의 강도가 충분한 사용자 참여를 나타내는 레벨들로 이동할 때까지 사용자 참여의 생리학적 측정 지시 신호들을 모니터링하도록 그리고 프로세싱 유닛으로 하여금 태스크들 및/또는 간섭과 함께 시각적 또는 청각적 메시지들을 도입하게 하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 사용자 참여의 생리학적 측정 지시 신호들을 모니터링하도록 그리고 사용자의 생리학적 측정들에 대한 시각적 또는 청각적 메시지들의 조정 및/또는 태스크들 및/또는 간섭과 함께 사용되는 시각적 또는 청각적 특성들에 대한 조정들의 효과들을 결정하기 위해, 메시지들 및/또는 조정들이 (증가된 사용자 참여와 같은) 개인에 대한 원하는 효과를 가질 가능성이 보다 많은 타입을 결정하기 위해, 태스크들 및/또는 간섭과 상호작용하는 개인의 점수를 나타내는 데이터를 분석하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 분석의 결과들은, 개인의 생리학적 측정이 충분한 사용자 참여를 나타내는 레벨들로 변할 때까지, 시각적 또는 청각적 메시지들을 조정하도록 그리고/또는 태스크들 및/또는 간섭과 함께 사용되는 시각적 또는 청각적 특성들을 조정하도록 프로세싱 유닛을 제어하는 데 사용될 수 있다.
본 명세서에서의 임의의 예에서, 사용자 참여의 생리학적 측정 지시 신호들은 알파(alpha) 및/또는 세타(theta) 파 EEG 신호들, 및/또는 지시자들로서의 심박수, 및/또는 본 명세서에 설명된 바와 같은 다른 타입의 생리학적 컴포넌트들로부터의 측정들일 수 있지만, 이들로 제한되지 않는다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)에 의해 통보되는 바와 같이 CSI 자극들의 차선의 지각 검출 및/또는 판별을 검출하고 치료 또는 평가 세션들 전반에 걸쳐 또는 그들 내에서 자극들을 조정하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 부주의한 사용자 상태 대 비-참여된(non-engaged) 사용자 상태에서의 오류들에 관련된 생리학적 측정들(ERP 측정들을 포함함)을 검출하고 nData의 최적의 생리학적 응답 프로파일을 나타내는 생리학적 측정 데이터를 결과하기 위해 사용자의 참여를 조장하기 위해 CSI들의 패턴들 및 다이내믹스를 조정하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 인지 능력들의 지시자들, 그리고 따라서 인지의 개선을 촉진시키는 개별화된 치료를 최적화하기 위해 CSI cData로부터의 신호들을 사용자 태스크 참여의 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)과 결합시키도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 CSI들에 대한 고의적으로 비정상적 응답들(deviant responses), 예컨대, 개인이 플랫폼과의 상호작용(들)에서 태스크들 및/또는 간섭에 응답하여 고의적으로 서툰(poor) 또는 거짓(false) 수행을 제공한다는 것을 나타내는 비정상적 응답들을 제공하는 사용자의 경우들을, "나쁘게 보이려고 꾸미는(faking bad)" 개인의 지시자로서, 나타내는 데 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 사용하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 사용자의 신원을 확인/검증/인증하는 데 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)로부터의 nData의 생리학적 프로파일을 사용하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 즐거움을 최적화하고 평가 또는 치료 세션들에의 계속된 참여를 촉진시키도록 CSI들을 커스터마이즈하기 위해 개별 사용자 선호사항들을 카탈로그화하기 위해 CSI들에 대한 긍정적 감정 반응을 검출하는 데 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 사용하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 (개선된 작업 기억력, 주의력, 프로세싱 속도, 및/또는 지각적 검출/판별을 나타내는 것으로 분류되거나 알려진 사용자들과 연관된 사용자 생리학적 프로파일들과 같은, 그러나 이에 제한되지 않는) 인지 개선의 사용자 생리학적 프로파일들을 생성하고, 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)로부터의 nData로부터의 프로파일들에 의해 확인되는 바와 같은 새로운 사용자의 프로파일을 최적화하기 위해 CSI들을 적응시키는 치료를 전달하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 일 예에서, 개인으로부터의 응답을 나타내는 cData 및/또는 nData가 미리 결정된 기준 사용자 생리학적 프로파일과 보다 밀접하게 상관되도록 태스크들 및/또는 간섭의 난이도 레벨을 조정하는 것에 의해 새로운 사용자의 프로파일이 최적화될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 사운드, 음악, 격려 메시지, 및/또는 프라이머리 태스크 및/또는 간섭의 렌더링에서의 지연을 부과하는 것(예컨대, 개인에게 주의깊은 또는 명상 상태에 들어가기 위한 부가의 시간을 부여하는 것) 중 하나 이상을 조정하는 것에 의해 난이도 레벨을 조정하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 인지 개선을 위해 구성된 하나 이상의 프로파일의 셀렉션(selection)을 사용자에게 제공하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 APP를 사용하여 사용자에 의해 수행되고 있는 평가 또는 치료를 방해할 수 있는 외부 환경 소스들로부터의 간섭을 검출하기 위해 청각적 및 시각적 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 모니터링하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 사용자가 CSI에 주의를 기울이고 그와 상호작용하며, 사용자가 평가 또는 치료를 위해 요구되는 바와 같은 최적의 수준으로 CSI들에 참여하도록 보장하기 위해 CSI들에 대한 동시적인 사용자 참여 및 주의를 검출하는 데 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)로부터의 국소화된 신호들을 사용하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)로부터의 nData의 특정 생리학적 프로파일들을 사용자(의료 디바이스를 사용하는 환자를 포함함)가 치료에 응답하거나 응답하지 않을 가능성이 있는지의 결정요인(determinant) 또는 결정(decision)으로서 사용하기 위해 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)로부터의 국소화된 신호들을 사용하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 예를 들어, 예시적인 시스템, 방법, 및 장치는 사용자(의료 디바이스를 사용하는 환자를 포함함)가 특정한 사용자 집단들(환자 집단들을 포함함)에서의 유효성을 예측하도록 검증된 시그너처들로서 사용될 수 있는 특정 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)에 기초하여 치료를 받아야 하는지를 선택하도록 구성될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 CSI(들)를 예견하고 CSI들 패턴들 및/또는 규칙들을 조작하는 사용자의 능력을 모니터링하는 데 생리학적 측정들(EEG 측정들 및 ERP 이벤트들 검출을 포함함)을 사용하도록 구성된 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 예를 들어, 개인이 응답들을 제공하기 위해 물리적 행위들을 여전히 수행하고 있음에도, 측정된 nData는 사용자가 태스크들 및/또는 간섭에의 임계 레벨의 주의 또는 참여를 더 이상 발휘하지 않음을 나타내는 생리학적 신호들을 결정하기 위해 분석될 수 있다. 컴퓨팅 시스템은 CSI들에 대한 응답의 사용자 예견을 방해하고, 그 결과, APP에서의 개인의 치료 및/또는 평가를 최적화하기 위해 예견의 패턴을 식별하고, 태스크들 및/또는 간섭의 난이도 레벨을 수정하도록 구성될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는, 태스크 내에서의 CSI에 대한 응답의 수단으로서, 사용자에 의한 물리적 또는 음성 행위의 수행을 검출하는 데 비디오 또는 오디오 센서들을 사용하는플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 이러한 행위들은, 얼굴 또는 음성 표현들, 또는 단어들과 같은, 감정들의 표현들일 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 수집된 날짜의 분석이 사용자가 비-최적의 감정 상태에 있음을 나타낼 때 플랫폼 제품에 대한 보다 나은 사용자 참여를 가능하게 해주기 위해 감정 조절 전략의 일부로서 적어도 하나의 컴퓨터 구현 시변 요소를 렌더링하도록 구성된 인지 플랫폼을 사용하는 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 예를 들어, 플랫폼 제품의 수행력 척도들의 데이터 분석이 사용자가 좌절하고 치료 또는 평가에 제대로 참여할 수 없다고 결정하는 경우, 플랫폼 제품은 사용자가 충분히 또다시 참여할 준비가 된 것으로 여겨지는 시간 간격 이후까지 컴퓨터 구현 시변 요소들을 이용하는 정상적인 상호작용 시퀀스에 어떤 종류의 중단(break)을 도입하도록 구성될 수 있다. 이것은 고정된 시간 간격 또는 사용자의 이전의 수행력 데이터에 기초하여 계산된 시간 간격일 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 상호작용 시퀀스에서 적어도 하나의 컴퓨터 구현 시변 요소를 렌더링하고, 사용자 응답들을 측정하며, CSI를 그에 따라 조정하도록 구성된 인지 플랫폼을 사용하는 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 이러한 측정들은, 사용자의 감정 반응성(emotional reactivity)의 척도들을 결정하기 위해, 컴퓨터 구현 시변 요소들을 제시하지 않는 플랫폼에서의 상호작용 시퀀스들에 대한 사용자 응답들과 비교될 수 있다. 이 측정은, 컴퓨터 구현 시변 요소들을 제시하지 않는 상호작용 시퀀스들 동안 이루어진 측정들과 비교하여 또는 비교하지 않고, 사용자의 감정 상태를 평가하는 목적을 위한 것일 수 있다. CSI 조정들은 특정한 감정 상태 하에서만 플랫폼 제품에 대한 보다 나은 참여 또는, 태스크들 또는 보상들과 같은, 그러나 이에 제한되지 않는, 특정한 대화형 요소들을 개시하는 것을 가능하게 해주기 위해 감정 조절 전략을 개시하는 것일 수 있다. 사용자 응답 측정은 터치스크린들, 키보드들, 또는 가속도계들과 같은 입력들, 또는 비디오 카메라들, 마이크로폰들, 눈 추적 소프트웨어/디바이스들, 바이오 센서들, 및/또는 신경 기록(예컨대, 뇌파도(electroencephalogram))과 같은 수동 외부 센서들 사용을 이용할 수 있으며, 플랫폼 제품과의 상호작용들에 직접 관련되지 않은 응답들은 물론, 플랫폼 제품과의 사용자 상호작용들에 기초한 응답들을 포함할 수 있다. 플랫폼 제품은 감정 반응성에 영향을 미치는 특정 기분들의 척도 및/또는 자아 고갈의 일반 상태의 척도를 포함하는 사용자의 감정 상태의 척도들을 제시할 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 가능한 적절한 태스크 응답들을 제안하기 위해 적어도 하나의 컴퓨터 구현 시변 요소를 렌더링하도록 구성된 인지 플랫폼을 사용하는 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 이것은 감정 큐들(emotional cues)을 분간하거나, 적절한 감정 응답들을 선택하는 사용자의 능력을 평가하는 데 사용될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는, 시간 한계들이 변조될 수 있는, 시간 제한된 태스크들에서 적어도 하나의 컴퓨터 구현 시변 요소를 렌더링하도록 구성된 인지 플랫폼을 사용하는 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 이것은, 하향식(top-down) 의식 조절(conscious control) 대 상향식(bottom-up) 반사 반응(reflexive response)과 같은, 상이한 인지 프로세스들을 통해 사용자 응답들을 측정하는 목적을 위한 것일 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 하나 이상의 유발성 레벨(level of valence)에서 컴퓨터 구현 시변 요소에 대한 이전의 사용자 응답들에 기초하여 결정되는 유발성 레벨들을 갖는 적어도 하나의 컴퓨터 구현 시변 요소를 렌더링하도록 구성된 인지 플랫폼을 사용하는 플랫폼 제품(APP를 사용하는 것을 포함함)을 포함한다. 이것은, 자극들 또는 난이도 레벨들에 걸쳐 태스크에 대한 예상된 사용자 수행력의 심리측정 곡선을 생성하는 것, 또는 사용자의 태스크 수행이 Go/No-Go 태스크에서 50% 정확도와 같은 특정 기준을 충족시킬 특정 레벨을 결정하는 것과 같은, 특정 목표들을 달성하도록 유발성 레벨을 점진적으로 조정하기 위해 적응 알고리즘을 적용할 수 있다.
본 명세서에서 앞서 설명된 바와 같이, 본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들, 및 장치들은 플랫폼 제품의 인지 플랫폼을 제공하도록, 프로그래밍된 컴퓨팅 디바이스의 적어도 하나의 프로세싱 유닛을 사용하여, 구현될 수 있다. 도 1은 본 명세서에서 앞서 설명된 인지 플랫폼을 구현하는 데 사용될 수 있는 본 명세서에서의 원리들에 따른 예시적인 장치(100)를 도시하고 있다. 예시적인 장치(100)는 적어도 하나의 메모리(102) 및 적어도 하나의 프로세싱 유닛(104)을 포함한다.
적어도 하나의 프로세싱 유닛(104)은 적어도 하나의 메모리(102)에 통신가능하게 커플링된다.
예시적인 메모리(102)는 하드웨어 메모리, 비일시적 유형적 매체들, 자기 스토리지 디스크들, 광학 디스크들, 플래시 드라이브들, 계산 디바이스 메모리(computational device memory), DRAM, SRAM, EDO RAM과 같은, 그러나 이에 제한되지 않는, 랜덤 액세스 메모리, 임의의 다른 타입의 메모리, 또는 이들의 조합을 포함할 수 있지만, 이들로 제한되지 않는다.예시적인 프로세싱 유닛(104)은 마이크로칩, 프로세서, 마이크로프로세서, 특수 목적 프로세서, 주문형 집적 회로(application specific integrated circuit), 마이크로컨트롤러, 필드 프로그래머블 게이트 어레이(field programmable gate array), 임의의 다른 적당한 프로세서, 또는 이들의 조합들을 포함할 수 있지만. 이들로 제한되지 않는다.
적어도 하나의 메모리(102)는 프로세서 실행가능 명령어들(106) 및 컴퓨팅 컴포넌트(108)를 저장하도록 구성된다. 비제한적인 예에서, 컴퓨팅 컴포넌트(108)는: (i) 태스크에 대한 개인으로부터의 응답(cData의 적어도 일 부분을 제공함), (ii) 간섭에 대한 개인의 세컨더리 응답(cData의 적어도 일 부분을 제공함), 및 (iii) (nData의 적어도 일 부분을 제공하기 위해 적어도 하나의 생리학적 컴포넌트의 측정을 사용하는) 개인의 적어도 하나의 생리학적 측정 중 2개 이상을 실질적으로 동시에 수신(측정하는 것을 포함함)하기 위해 사용될 수 있다. 비제한적인 예에서, 컴퓨팅 컴포넌트(108)는 인지 능력의 적어도 하나의 정량화된 지시자를 포함하는 적어도 하나의 수행 메트릭을 계산하기 위해 본 명세서에 설명된 바와 같이 하나 이상의 생리학적 컴포넌트와 커플링된 인지 플랫폼으로부터 수신되는 cData 및/또는 nData를 분석하는 데 사용될 수 있다. 다른 비제한적인 예에서, 컴퓨팅 컴포넌트(108)는 컴퓨터 구현 적응적 응답 기한 절차들(computer-implemented adaptive response-deadline procedures)에서의 신호 검출 메트릭들을 계산하는 데 사용될 수 있다. 도 1에 도시된 바와 같이, 메모리(102)는 장치(100)에 커플링되거나 장치(100)와 일체로 된 생리학적 컴포넌트로부터 수신되는 생리학적 측정 데이터(112)와 같은, 그러나 이에 제한되지 않는 데이터(110), 및/또는 장치(100)의 사용자 인터페이스에서 렌더링된 태스크들 및/또는 장치(100)에 커플링되거나 장치(100)와 일체로 된 작동 컴포넌트로부터의 청각, 촉각, 및/또는 진동 신호를 사용하여 생성되는 태스크들을 포함한, 하나 이상의 태스크에 대한 개인의 응답을 나타내는 데이터, 및/또는개인에 투여되고 있거나 투여될 약물, 약제, 생물학적 제제, 또는 다른 약품(medication)의 양, 농도, 또는 용량 적정, 또는 다른 치료 요법 중 하나 이상을 나타내는 데이터를 저장하는 데 또한 사용될 수 있다.
비제한적인 예에서, 적어도 하나의 프로세싱 유닛(104)은 (i) 태스크에 대한 개인으로부터의 응답(cData의 적어도 일 부분을 제공함), (ii) 간섭에 대한 개인의 세컨더리 응답(cData의 적어도 일 부분을 제공함), 및 (iii) (nData의 적어도 일 부분을 제공하기 위해 적어도 하나의 생리학적 컴포넌트의 측정을 사용하는) 개인의 적어도 하나의 생리학적 측정 중 2개 이상을 실질적으로 동시에 적어도 측정하기 위해 메모리(102)에 저장된 프로세서 실행가능 명령어들(106)을 실행한다. 적어도 하나의 프로세싱 유닛(104)은, 컴퓨팅 컴포넌트(108)를 사용하여, 인지 능력의 적어도 하나의 정량화된 지시자를 포함하는 적어도 하나의 수행 메트릭을 계산하기 위해 본 명세서에 설명된 바와 같이 하나 이상의 생리학적 컴포넌트와 커플링된 인지 플랫폼으로부터 수신되는 cData 및/또는 nData를 적어도 분석하기 위해 메모리(102)에 저장된 프로세서 실행가능 명령어들(106)을 또한 실행한다. 적어도 하나의 프로세싱 유닛(104)은 본 명세서에서 설명된 바와 같이 하나 이상의 생리학적 컴포넌트와 커플링된 인지 플랫폼으로부터 수신되는 cData 및/또는 nData의 분석을 나타내는 값들을 전송하도록 전송 유닛을 제어하기 위해 그리고/또는 cData 및/또는 nData(적어도 하나의 수행 메트릭을 포함함)의 분석을 나타내는 값을 저장하도록 메모리(102)를 제어하기 위해 프로세서 실행가능 명령어들(106)을 또한 실행한다. 적어도 하나의 프로세싱 유닛(104)은 계산된 신호 검출 메트릭들을 나타내는 값들을 전송하도록 전송 유닛을 제어하기 위해 그리고/또는 신호 검출 메트릭들을 나타내는 값들을 저장하도록 메모리(102)를 제어하기 위해 프로세서 실행가능 명령어들(106)을 실행하도록 또한 프로그래밍될 수 있다.
다른 비제한적인 예에서, 적어도 하나의 프로세싱 유닛(104)은 컴퓨터 구현 적응적 응답 기한 절차들에서 신호 검출 메트릭들을 적어도 적용하기 위해 메모리(102)에 저장된 프로세서 실행가능 명령어들(106)을 실행한다.
본 명세서에서의 임의의 예에서, 사용자 인터페이스는 그래픽 사용자 인터페이스일 수 있다.
다른 비제한적인 예에서, 측정 데이터(112)는 하나 이상의 생리학적 또는 모니터링 컴포넌트 및/또는 인지 테스팅 컴포넌트를 사용한 측정들로부터 수집될 수 있다. 본 명세서에서의 임의의 예에서, 하나 이상의 생리학적 컴포넌트는 생리학적 측정들을 수행하도록 구성된다. 생리학적 측정들은 생리학적 파라미터들의 정량적 측정 데이터 및/또는 생리학적 구조 및/또는 기능들의 시각화를 위해 사용될 수 있는 데이터를 제공한다.
본 명세서에서의 임의의 예에서, 측정 데이터(112)는 반응 시간, 응답 분산, 올바른 히트들, 누락 오류들, (비-표적에 대한 응답과 같은, 그러나 이에 제한되지 않는) 거짓 경보들의 수, 학습률, 공간 편차, 주관적 평가, 및/또는 수행력 임계치, 또는 최근 완료된 시행 또는 세션에서의 퍼센트 정확도, 히트들, 및/또는 미스들을 포함한, 분석으로부터의 데이터를 포함할 수 있다. 측정 데이터(112)의 다른 비제한적인 예들은 응답 시간, 태스크 완료 시간, 설정된 양의 시간 내에 완료된 태스크들의 수, 태스크에 대한 준비 시간, 응답들의 정확도, 설정된 조건들(예컨대, 자극 난이도 또는 크기 레벨(magnitude level) 및 다수의 자극들의 연관성) 하에서의 응답들의 정확도, 참가자가 설정된 시간 한계 내에 등록할 수 있는 응답들의 수, 참가자가 시간 한계 없이 행할 수 있는 응답들의 수, 태스크를 완료하는 데 필요한 태스크에서의 시도들(attempts)의 수, 이동 안정성, 가속도계 및 자이로스코프 데이터, 및/또는 자기 평가(self-rating)를 포함한다.
본 명세서에서의 임의의 예에서, 하나 이상의 생리학적 컴포넌트는, 측정 데이터(112)를 제공하기 위해, 전기적 활동, 심박수, 혈류, 및 산소화 레벨들을 포함한, 신체 및 신경계의 물리적 특성들을 측정하는 임의의 수단을 포함할 수 있다. 이것은, 측정 데이터(112)를 제공하기 위해, 카메라 기반 심박수 검출, 갈바닉 피부 반응의 측정, 혈압 측정, 뇌파도, 심전도, 자기 공명 이미징, 근적외선 분광법, 및/또는 동공 확장 측정들을 포함할 수 있다. 하나 이상의 생리학적 컴포넌트는 신체 및 신경계의 물리적 특성들의 파라미터 값들을 측정하기 위한 하나 이상의 센서, 및 하나 이상의 센서에 의해 검출된 신호들을 프로세싱하기 위한 하나 이상의 신호 프로세서를 포함할 수 있다.
측정 데이터(112)를 제공하기 위한 생리학적 측정들의 다른 예들은 심전도(ECG)를 사용한 체온, 심장 또는 다른 심장 관련 기능의 측정, 뇌파도(EEG)를 사용한 전기적 활동, ERP들(event-related potentials), fMRI(functional magnetic resonance imaging), 혈압, 피부의 일 부분에서의 전위, 갈바닉 피부 반응(GSR), MEG(magneto-encephalogram), 동공 확장의 정도를 결정하도록 프로그래밍된 프로세싱 유닛들을 포함하는 눈 추적 디바이스(eye-tracking device) 또는 다른 광학 검출 디바이스, fNIRS(functional near-infrared spectroscopy), 및/또는 PET(positron emission tomography) 스캐너를 포함하지만, 이들로 제한되지 않는다. EEG-fMRI 또는 MEG-fMRI 측정은 전기 생리학(electrophysiology)(EEG/MEG) 데이터 및 혈류역학적(fMRI) 데이터의 동시적인 취득을 가능하게 해준다.
도 1의 예시적인 장치(100)는 본 명세서에 설명된 예시적인 방법들 중 임의의 것을 수행하기 위한 컴퓨팅 디바이스로서 구성될 수 있다. 컴퓨팅 디바이스는 본 명세서에 설명된 예시적인 방법들의 기능 중 일부를 수행하기 위한 앱 프로그램을 포함할 수 있다.
본 명세서에서의 임의의 예에서, 예시적인 장치(100)는 개인의 원하는 수행력 레벨을 달성하기 위해, 태스크, 간섭, 및 컴퓨터 구현 시변 요소 중 하나 이상의 타입 또는 난이도 레벨을 조정하기 위한 데이터의 바이오피드백(biofeedback) 및/또는 뉴로피드백(neurofeedback)을 컴퓨팅 디바이스에 제공하기 위해 인지 모니터링 컴포넌트, 질병 모니터링 컴포넌트, 및 생리학적 측정 컴포넌트 중 하나 이상과 통신하도록 구성될 수 있다. 비제한적인 예로서, 예컨대, 개인의 주의, 기분, 또는 감정 상태를 나타내는 측정 데이터에 기초하여 태스크, 간섭, 및 컴퓨터 구현 시변 요소 중 하나 이상의 타입 또는 난이도 레벨을 수정하기 위해, 바이오피드백은 개인이 장치(100)와 상호작용할 때의 개인의 생리학적 측정들에 기초할 수 있다. 비제한적인 예로서, 예컨대, 개인의 인지 상태, 질병 상태(질병 상태에 관련된 모니터링 시스템들 또는 행동들로부터의 데이터에 기초한 것을 포함함)를 나타내는 측정 데이터에 기초하여 태스크, 간섭, 및 컴퓨터 구현 시변 요소 중 하나 이상의 타입 또는 난이도 레벨을 수정하기 위해, 뉴로피드백은 개인이 장치(100)와 상호작용할 때 인지 및/또는 질병 모니터링 컴포넌트를 사용한 개인의 측정 및 모니터링에 기초할 수 있다.
도 2는 본 명세서에서의 원리들에 따른 인지 플랫폼을 구현하는 데 사용될 수 있는 컴퓨팅 디바이스(200)로서 구성된, 본 명세서에서의 원리들에 따른 다른 예시적인 장치를 도시하고 있다. 예시적인 컴퓨팅 디바이스(200)는 통신 모듈(210) 및 분석 엔진(212)을 포함할 수 있다. 통신 모듈(210)은 간섭의 부재 하에서 태스크에 대한 개인의 적어도 하나의 응답, 및/또는 간섭의 존재 하에서 렌더링되고 있는 태스크에 대한 개인의 적어도 하나의 응답을 나타내는 데이터를 수신하도록 구현될 수 있다. 일 예에서, 통신 모듈(210)은: (i) 태스크에 대한 개인으로부터의 응답, (ii) 간섭에 대한 개인의 세컨더리 응답, 및 (iii) 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답 중 2개 이상을 실질적으로 동시에 수신하도록 구현될 수 있다. 분석 엔진(212)은 인지 능력의 적어도 하나의 정량화된 지시자를 포함하는 적어도 하나의 수행 메트릭을 계산하기 위해 본 명세서에 설명된 바와 같은 적어도 하나의 센서 컴포넌트로부터의 데이터를 분석하도록 그리고/또는 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 분석하도록 구현될 수 있다. 다른 예에서, 분석 엔진(212)은 응답 프로파일, (응답 기준들과 같은, 그러나 이에 제한되지 않는) 결정 경계 메트릭, 예측 모델, 및/또는 본 명세서에 설명된 다른 메트릭들 및 분석들을 생성하기 위해 데이터를 분석하도록 구현될 수 있다. 도 2의 예에 도시된 바와 같이, 컴퓨팅 디바이스(200)는 프로세서 유닛이 사용자가 분석 엔진(212)을 초기화하기 위해 구현할 수 있는 애플리케이션 프로그램(앱)(214)을 실행할 수 있도록 프로세서 실행가능 명령어들을 포함할 수 있다. 일 예에서, 프로세서 실행가능 명령어들은 소프트웨어, 펌웨어, 또는 다른 명령어들을 포함할 수 있다.
예시적인 통신 모듈(210)은 정보가 컴퓨팅 디바이스(200)와 다른 컴퓨팅 디바이스 또는 컴퓨팅 시스템 사이에서 교환될 수 있는 임의의 유선 및/또는 무선 통신 인터페이스를 구현하도록 구성될 수 있다. 유선 통신 인터페이스들의 비제한적인 예들은 USB 포트들, RS232 커넥터들, RJ45 커넥터들, 및 이더넷 커넥터들, 및 이들과 연관된 임의의 적절한 회로부를 포함하지만, 이들로 제한되지 않는다. 무선 통신 인터페이스들의 비제한적인 예들은 Bluetooth® 기술, Wi-Fi, Wi-Max, IEEE 802.11 기술, 무선 주파수(RF) 통신, IrDA(Infrared Data Association) 호환 프로토콜들, 로컬 영역 네트워크들(LAN), 광역 네트워크들(WAN), 및 공유 무선 액세스 프로토콜(SWAP)을 구현하는 인터페이스들을 포함할 수 있지만, 이들로 제한되지 않는다.
예시적인 구현에서, 예시적인 컴퓨팅 디바이스(200)는 장치로부터 제2 컴퓨팅 디바이스로 신호를 전송하도록 구성된 적어도 하나의 다른 컴포넌트를 포함한다. 예를 들어, 적어도 하나의 컴포넌트는 적어도 하나의 센서 컴포넌트에 의한 측정을 나타내는 데이터를 포함하는 신호를 제2 컴퓨팅 디바이스에게 전송하도록 구성된 송신기 또는 트랜시버를 포함할 수 있다.
본 명세서에서의 임의의 예에서, 컴퓨팅 디바이스(200) 상의 앱(214)은 컴퓨팅 디바이스의 프로세서 유닛이 인지 능력의 적어도 하나의 정량화된 지시자를 포함하는 적어도 하나의 수행 메트릭을 계산하기 위해 렌더링된 태스크들 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 가짐)에 대한 개인의 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 분석하기 위한 분석 엔진을 구현하도록 하는 프로세서 실행가능 명령어들을 포함할 수 있다. 다른 예에서, 컴퓨팅 디바이스(200) 상의 앱(214)은 컴퓨팅 디바이스의 프로세서 유닛이, 수행 메트릭의 계산된 값들에 기초한 예측 모델을 제공하여, 개인의 인지, 기분, 인지 편향의 레벨, 또는 정서 편향의 척도를 나타내는 예측 모델 출력을 생성하기 위해, 렌더링된 태스크들 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 가짐)에 대한 개인의 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 분석하기 위한 분석 엔진을 구현하도록 하는 프로세서 실행가능 명령어들을 포함할 수 있다. 일부 예들에서, 앱(214)은 컴퓨팅 디바이스의 프로세서 유닛이 응답 프로파일, (응답 기준들과 같은, 그러나 이에 제한되지 않는) 결정 경계 메트릭, 예측 모델, 및 본 명세서에 설명된 다른 메트릭들 및 분석들에 관한 예측 모델을 제공하기 위한 분석 엔진을 구현하도록 하는 프로세서 실행가능 명령어들을 포함할 수 있다. 일부 예들에서, 앱(214)은 (i) 개인의 인지 능력을 나타내는 예측 모델 출력, (Ii) 개인이 약제, 약물, 또는 생물학적 제제의 투여에 응답하여 부작용을 경험할 가능성, (iii) 약제, 약물, 또는 생물학적 제제의 양, 농도, 또는 용량 적정 중 하나 이상의 변화, 및 (iii) 개인의 인지 능력의 변화, 권장된 치료 요법, 또는 행동 요법, 상담, 또는 신체 운동 중 적어도 하나의 유효성의 정도를 권장하거나 결정하는 것 중 하나 이상을 제공하기 위한 프로세서 실행가능 명령어들을 포함할 수 있다.
본 명세서에서의 임의의 예에서, 앱(214)은 생리학적 컴포넌트로부터 수신되는 개인의 생리학적 측정 데이터를 포함한 측정 데이터, 및/또는 (이하에서 보다 상세히 설명되는 바와 같이) 장치(100)의 사용자 인터페이스에서 렌더링된 태스크 및/또는 간섭에 대한 개인의 응답을 나타내는 데이터, 및/또는 개인에 투여되고 있거나 투여될 약물, 약제, 생물학적 제제, 또는 다른 약품의 양, 농도, 또는 용량 적정, 또는 다른 치료 요법 중 하나 이상을 나타내는 데이터를 수신하도록 구성될 수 있다.
도 3a는 본 명세서에서의 원리들에 따른 비제한적인 예시적인 시스템, 방법, 및 장치를 도시하고 있으며, 여기서 플랫폼 제품(APP를 사용하는 것을 포함함)은 생리학적 컴포넌트들(304) 중 하나 이상과 분리되어 있지만 그와 커플링하도록 구성된 인지 플랫폼(302)으로서 구성된다.
도 3b는 본 명세서에서의 원리들에 따른 다른 비제한적인 예시적인 시스템, 방법, 및 장치를 도시하고 있으며, 여기서 플랫폼 제품(APP를 사용하는 것을 포함함)은 통합된 디바이스(310)로서 구성되고, 여기서 인지 플랫폼(312)은 생리학적 컴포넌트들(314) 중 하나 이상과 통합되어 있다.
도 4는 시스템의 비제한적인 예시적인 구현을 도시하고 있으며, 여기서 플랫폼 제품(APP를 사용하는 것을 포함함)은 생리학적 컴포넌트(404)와 커플링하도록 구성된 인지 플랫폼(402)으로서 구성된다. 이 예에서, 인지 플랫폼(402)은 인지 플랫폼(402)과의 사용자 상호작용으로부터의 사용자 응답들과 연관된 cData를 수신하기 위해, 생리학적 컴포넌트(404)로부터 nData를 수신하기 위해, 본 명세서에서 앞서 설명된 바와 같이 cData 및/또는 nData를 분석하기 위해, 그리고 개인의 생리학적 상태 및/또는 인지 상태의 척도를 제공하기 위해 cData 및/또는 nData를 분석하고, 그리고/또는 사용자의 응답들과 nData 간의 차이들을 결정한 것에 기초하여 개인의 수행력의 차이들을 분석하며, 그리고/또는 분석에서 결정된 개인의 수행력에 기초하여 그리고 cData 및/또는 nData 분석에 기초하여 컴퓨터화된 자극들 또는 상호작용(CSI) 또는 다른 대화형 요소들의 난이도 레벨을 조정하고, 그리고/또는 개인의 수행력, 및/또는 인지 평가, 및/또는 인지 치료에 대한 반응, 및/또는 인지의 평가된 척도들을 나타내는 플랫폼 제품으로부터의 출력 또는 다른 피드백을 제공하기 위해 본 명세서에 앞서 설명된 태스크들 및 CSI들과 연관된 프로세서 실행가능 명령어들을 구현하도록 프로그래밍된 적어도 하나의 프로세서를 포함하는 태블릿으로서 구성된다. 이 예에서, 생리학적 컴포넌트(404)는 nData를 제공하기 위해 인지 플랫폼(402)과의 사용자 상호작용 이전에, 그 동안에, 그리고/또는 그 이후에 측정들을 수행하도록 사용자의 머리에 마운팅된 EEG로서 구성된다.
비제한적인 예시적인 구현에서, EEG는 의학적 치료 검증 및 개인화된 의료를 위한 저가 EEG일 수 있다. 저가의 EEG 디바이스는 사용하기가 보다 쉬울 수 있고 의료 응용분야들의 정확도 및 유효성을 크게 향상시킬 잠재력을 가지고 있다. 이 예에서, 플랫폼 제품은 인지 플랫폼과 커플링된 EEG 컴포넌트를 포함하는 통합된 디바이스로서, 또는 EEG 컴포넌트와 분리되지만 EEG 컴포넌트와 커플링하도록 구성된 인지 플랫폼으로서 구성될 수 있다.
치료 검증을 위한 비제한적인 예시적인 사용에서, 사용자는 인지 플랫폼과 상호작용하고, EEG는 사용자의 생리학적 측정을 수행하는 데 사용된다. (뇌파(brainwaves)와 같은) EEG 측정들 데이터의 임의의 변화는 인지 플랫폼과의 상호작용에서의 사용자의 행위들에 기초하여 모니터링된다. (뇌파와 같은) EEG를 사용하는 측정들로부터의 nData가 수집되고 EEG 측정들의 변화들을 검출하기 위해 분석될 수 있다. 이 분석은, 사용자가 임의의 최적의 또는 원하는 생리학적 프로파일에 따라 수행하고 있는지와 같은, 사용자로부터의 응답의 타입들을 결정하는 데 사용될 수 있다.
개인화된 의료에 대한 비제한적인 예시적인 사용에서, EEG 측정들로부터의 nData는 (주어진 사용자에 대해 효과가 있는 태스크들 및/또는 CSI들의 타입을 결정하는 것을 포함하여) 인지 플랫폼 치료가 원하는 효과를 갖는다는 것을 나타내는 사용자 수행력/상태의 변화를 식별하는 데 사용된다. 이 분석은 인지 플랫폼으로 하여금, 응용분야에서의 사용자 경험을 조정하는 것에 의해, EEG가 검출하고 있는 이러한 사용자 결과들을 강화하거나 감소시키도록 태스크들 및/또는 CSI들을 제공하게 해야 하는지를 결정하는 데 사용될 수 있다.
이 예 및 본 명세서에서의 임의의 다른 예에서, cData 및/또는 nData는 실시간으로 수집될 수 있다.
이 예 및 본 명세서에서의 임의의 다른 예에서, 태스크들 및/또는 CSI들의 타입에 대한 조정들은 실시간으로 이루어질 수 있다.
컴퓨팅 디바이스의 비제한적인 예들은 스마트폰, 태블릿, 슬레이트, e-리더, 디지털 어시스턴트, 또는 앞서 본 명세서에 설명된 모바일 통신 디바이스들 중 임의의 것을 포함한, 임의의 다른 동등한 디바이스를 포함한다. 일 예로서, 컴퓨팅 디바이스는 렌더링된 태스크들 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 가짐)에 대한 개인의 응답을 나타내는 데이터를 분석하기 위한 분석 모듈을 포함하는 애플리케이션을 실행하도록 구성된 프로세서 유닛을 포함할 수 있다.
예시적인 시스템들, 방법들, 및 장치들은 인간 수행을 평가하기 위해 컴퓨터 구현 적응적 정신 물리학적 절차들을 사용하거나 심리/지각 치료(psychological/perceptual therapy)를 전달하는 컴퓨팅 디바이스를 포함하는 제품 내의 컴포넌트로서 구현될 수 있다.
응답 프로파일에 기초하여 계산될 수 있는 타입의 결정 경계 메트릭의 비제한적인 예시적인 특성은 신호 검출 정신물리학 평가에 대한 응답 기준을 산출하기 위해 표준 절차를 사용하여 산출되는, 응답 기준(시점 척도(time-point measure))이다. 예컨대, 문헌 [Macmillan and Creelman(2004), "Signal Detection: A Users Guide" 2nd　edition, Lawrence Erlbaum USA]를 참조한다.
다른 비제한적인 예들에서, 결정 경계 메트릭은 단일 정량적 척도 이상이고 오히려 정량적 파라미터들에 의해 정의된 곡선일 수 있으며, 이 곡선에 기초하여, 응답 프로파일 곡선의 한쪽 또는 다른 쪽의 영역과 같은, 그러나 이에 제한되지 않는, 결정 경계 메트릭들이 계산될 수 있다. 결정 프로세스의 시변 특성들을 평가하기 위한 결정 경계 곡선들을 특성화하기 위해 계산될 수 있는 다른 비제한적이고 예시적인 타입의 결정 경계 메트릭들은 초기 바이어스 지점(신뢰 축적 궤적(belief accumulation trajectory)의 시작 지점)과 기준 사이의 거리, 결정 경계까지의 거리, "대기 비용(waiting cost)"(예컨대, 초기 결정 경계 및 최대 결정 경계로부터의 거리, 또는 그 지점까지의 곡선의 총 면적), 또는 결정 경계와 기준 선 사이의 면적("평균 결정 경계" 또는 "평균 기준"의 척도를 산출하기 위해 응답 기한에 정규화된 면적을 포함함)을 포함한다. 본 명세서에서의 예들이 응답 기준의 계산에 기초하여 설명될 수 있지만, 다른 타입의 결정 경계 메트릭들이 적용가능하다.
이하는 (드리프트 확산 모델에 기초한) 인간 의사 결정의 계산 모델의 비제한적인 예시적인 사용에 대한 설명이다. 드리프트 확산 모델이 예로서 사용되지만, 베이지안 모델을 포함한, 다른 타입의 모델들이 적용된다. 드리프트-확산 모델(DDM)은 2-선택 의사 결정(two-choice decision making)을 갖는 시스템들에 대해 적용될 수 있다. 예컨대, 문헌 [Ratcliff, R. (1978), "A theory of memory retrieval." Psychological Review, 85, 59-108; Ratcliff, R., & Tuerlinckx, F. (2002), "Estimating parameters of the diffusion model: Approaches to dealing with contaminant reaction times and parameter variability," Psychonomic Bulletin & Review, 9, 438-481]을 참조한다. 확산 모델은 이진 결정 프로세스들이 체계적이고 랜덤한 영향들에 의해 주도된다(driven)는 가정에 기초한다.
도 5a는 자극으로부터의 신뢰의 축적의 예시적인 경로들을 도시하는, 선형 드리프트 레이트(linear drift rate)를 결과하는 자극을 갖는 확산 모델의 예시적인 플롯을 도시하고 있다. 도 5a는 표적들(신호)과 비-표적들(잡음)에 대한 시행들에 걸쳐 드리프트 레이트들의 분포들을 도시하고 있다. 수직 라인은 응답 기준이다. 각각의 시행에서의 드리프트 레이트는 드리프트 기준과 드리프트 분포로부터의 샘플 사이의 거리에 의해 결정된다. 프로세스는 지점 x에서 시작하고, "A"에 있는 하한 임계치(lower threshold) 또는 "B"에 있는 상한 임계치(upper threshold)에 도달할 때까지 시간 경과에 따라 움직인다. DDM은 개인이 매 시간 스텝마다 대안의 임계치들 중 하나의 임계치 또는 다른 임계치에 대한 증거를 축적하고, 결정 임계치에 도달할 때까지, 신뢰를 발전시키기 위해 그 증거를 적분한다고 가정한다. 어느 임계치에 도달하는지에 따라, 상이한 응답들(즉, 응답 A 또는 응답 B)이 개인에 의해 개시된다. 심리학적 응용분야에서, 이것은 결정 프로세스가 완료되고, 개인이 대응하는 응답을 개시하는, 응답 시스템이 활성화되고 있다는 것을 의미한다. 이하에서 비제한적인 예들에 설명된 바와 같이, 이것은 (표적에 응답하여 사용자 인터페이스 상에서 탭핑하는 것과 같은, 그러나 이에 제한되지 않는) 응답을 제공하도록 시스템 또는 장치의 컴포넌트를 작동시키기 위해 개인의 물리적 행위를 요구할 수 있다. 체계적인 영향들은 드리프트 레이트라고 불리며, 프로세스를 주어진 방향으로 유도(drive)한다. 랜덤한 영향들은 변칙적 변동(erratic fluctuation)을 상수 경로(constant path)에 추가한다. 주어진 파라미터들의 세트를 사용하여, 모델은 프로세스의 2개의 가능한 결과(outcomes)에 대한 프로세스 지속기간들(즉, 응답 시간들)의 분포들을 예측한다.
도 5a는 경로가 직선이 아니라, 오히려, 랜덤한 영향들로 인해, 2개의 경계 사이에서 진동하는 것을 예시하는, 프로세스의 예시적인 드리프트-확산 경로를 또한 도시하고 있다. 개인들이 자극들을 카테고리화하도록 요구받는 상황에서, 프로세스는 개인으로 하여금 2개의 가능한 자극 해석 각각을 형성하게(foster) 하는, 시간 경과에 따라 수집된 정보의 비율을 설명한다. 충분한 명확성을 갖는 신뢰 지점들에 일단 도달하면, 개인은 응답을 개시한다. 도 5a의 예에서, 상한 임계치에 도달하는 프로세스들은 포지티브 드리프트 레이트를 나타낸다. 일부 시행들에서는, 랜덤한 영향들이 드리프트를 압도(outweigh)할 수 있으며, 프로세스는 하한 임계치에서 종료된다.
드리프트 확산 모델의 예시적인 파라미터들은 임계치들("A" 또는 "B")의 정량자들, 시작 지점(x), 드리프트 레이트, 및 응답 시상수(response time constant)(t0)를 포함한다. DDM은, 프로세스가 하나의 임계치에 도달하는 데 보다 많은 시간이 걸리고 (드리프트와 반대로) 다른 임계치에 덜 빈번히 도달할 것이라는 표시인, 보수성(conservatism)의 척도를 제공할 수 있다. 시작 지점(x)은 (대안의 응답들이 개시되기 전에 요구된 정보의 양의 차이들을 반영하는) 바이어스의 지시자(indicator)를 제공한다. x가 "A"에 보다 가까운 경우, 개인이 응답 B를 실행하는 데 필요하게 될 보다 많은 (상대적) 양의 정보와 비교하여, 응답 A를 실행하도록 신뢰를 발전시키기 위해 보다 적은 (상대적) 양의 정보를 요구한다. 시작 지점(x)과 임계치 사이의 거리가 작을수록, 개인이 대응하는 응답을 실행하기 위한 프로세스 지속기간들이 짧을 것이다. 드리프트 레이트(v)의 포지티브 값은 상한 임계치("A")에의 평균 접근 레이트의 척도로서 역할한다. 드리프트 레이트는 개인이 응답을 개시하고 실행하도록 신뢰를 발전시키기 위해 자극에 관한 정보를 흡수하는 시간 단위당 정보의 상대적 양을 나타낸다. 일 예에서, 한 개인의 데이터로부터 계산된 드리프트 레이트와 다른 개인으로부터의 데이터로부터 계산된 드리프트의 비교는 개인들의 상대적 지각 감도(relative perceptual sensitivity)의 척도를 제공할 수 있다. 다른 예에서, 드리프트 레이트들의 비교는 태스크 난이도의 상대적 척도(relative measure)를 제공할 수 있다. 응답 시간의 계산을 위해, DDM은 그것들의 총 지속기간을 추정하는 것을 가능하게 해주고, 응답 시상수(t0)는 추가 결정 프로세스들(extra-decisional processes)의 지속기간을 나타낸다. DDM은 태스크들에 대한 인간 데이터의 정확도 및 반응 시간들을 설명하는 것으로 밝혀졌다. 도 5a의 비제한적인 예에서, 총 응답 시간은 자극 인코딩을 위한 시간(ts), 개인이 결정을 위해 걸리는 시간, 및 응답 실행을 위한 시간의 크기의 합으로서 계산된다.
선형 드리프트 레이트들을 결과하는 자극들에 기초하는 전통적인 드리프트 확산 모델과 비교하여, 본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들, 및 장치들은 비선형 드리프트 레이트들을 결과하는 자극들을 렌더링하도록 구성되고, 이 자극들은 시변적이고 특정된 응답 기한을 가지는 태스크들 및/또는 간섭들(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 가짐)에 기초한다. 그 결과, 본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들, 및 장치들은 비선형 드리프트 레이트들을 결과하는 이 자극들에 기초하여 수정된 확산 모델(수정된 DDM)을 적용하도록 구성된다.
도 5b는 드리프트 확산 계산에서의 비선형 드리프트 레이트의 예시적인 플롯을 도시하고 있다. 수정된 DDM의 예시적인 파라미터들은 임계치들("A" 또는 "B")의 정량자들, 시작 지점(x), 드리프트 레이트, 및 응답 시상수(t0)를 또한 포함한다. 본 명세서의 예시적인 시스템들, 방법들, 및 장치들과의 사용자 상호작용으로부터 수집된 데이터에 기초하여, 시스템들, 방법들, 및 장치들은 본 명세서에서의 예시적인 플랫폼들과의 사용자 상호작용에서 이용되는 전략의 보수성 또는 충동성의 척도를 제공하기 위해 비선형 드리프트 레이트들을 갖는 수정된 DDM을 적용하도록 구성된다. 예시적인 시스템들, 방법들, 및 장치들은, (드리프트와 반대로) 프로세스가 주어진 개인이 하나의 임계치에 도달하는 데 걸리는 시간의 표시를 다른 임계치에 도달하는 것과 비교하여 제공하기 위해, 수정된 DDM 모델에 기초하여 개인에 의해 사용되는 전략의 보수성 또는 충동성의 척도를 계산하도록 구성된다. 도 5b에서의 시작 지점(x)은 (대안의 응답들이 개시되기 전에 요구된 정보의 양의 차이들을 반영하는) 바이어스의 지시자를 제공한다. 응답 시간의 계산을 위해, DDM은 그것들의 총 지속기간을 추정하는 것을 가능하게 해주고, 응답 시상수(t0)는 추가 결정 프로세스들(extra-decisional processes)의 지속기간을 나타낸다.
본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들, 및 장치들에서, 비선형 드리프트 레이트는 (i) 사용자 응답을 위해 사용자 인터페이스에 렌더링되는 태스크 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 가짐)의 부분들의 시변 피처(그 결과, 개인이 신뢰를 발전시키기 위해 이용가능한 정보의 양이 시간적으로 비선형 방식으로 제시됨), 및 (ii) 응답을 개시하도록 신뢰를 발전시키기 위해 개인의 타이밍 감각(sense of timing)에 영향을 미칠 수 있는 태스크 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 가짐)의 응답 기한들의 시간 한계를 포함하는, 자극들의 시변 성질(time-varying nature)로부터 얻어진다. 이 예에서도, 드리프트 레이트(v)의 포지티브 값은 상한 임계치("A")에의 평균 접근 레이트의 척도로서 역할한다. 비선형 드리프트 레이트는 개인이 응답을 개시하고 실행하도록 신뢰를 발전시키기 위해 흡수하는 시간 단위당 정보의 상대적 양을 나타낸다. 일 예에서, 한 개인으로부터 수집된 응답 데이터로부터 계산된 드리프트 레이트와 다른 개인으로부터 수집된 응답 데이터로부터 계산된 드리프트 레이트의 비교는 개인들의 상대적 지각 감도의 척도를 제공하는 데 사용될 수 있다. 다른 예에서, 2개 이상의 상이한 상호작용 세션으로부터 주어진 개인으로부터 수집된 응답 데이터로부터 계산된 드리프트 레이트의 비교는 태스크 난이도의 상대적 척도를 제공하는 데 사용될 수 있다. 개인의 응답들의 응답 시간의 계산을 위해, DDM은 응답 시간의 총 지속기간을 추정하는 것을 또한 가능하게 해주고, 응답 시상수(t0)는 추가 결정 프로세스들의 지속기간을 나타낸다. 도 5a의 비제한적인 예에서, 총 응답 시간은 자극 인코딩을 위한 시간(ts), 개인이 결정을 위해 걸리는 시간, 및 응답 실행을 위한 시간의 크기의 합으로서 계산된다.
수정된 DDM의 경우, 임계치들 사이의(즉, "A"와 "B"사이의) 거리는 보수성의 척도를 제공한다 - 즉, 간격(separation)이 클수록, 개인이 응답을 실행하기 전에 더 많은 정보가 수집된다. 시작 지점(x)은 상대적 보수성의 추정치를 또한 제공하며: 프로세스가 2개의 임계치 사이의 중간 지점(midpoint)보다 위에서 또는 아래에서 시작하는 경우, 양쪽 응답들에 대해 상이한 양의 정보가 요구된다. 즉, 한 응답에 대해서는 보다 보수적인 결정 기준이 적용되고, 반대쪽 응답에 대해서는 보다 자유적인 기준(즉, 충동적)이 적용된다. 드리프트 레이트(v)는 시간당 수집된 정보의 (상대적) 양을 나타내며, 지각 감도 또는 태스크 난이도 중 어느 하나를 나타낸다.
도 6은 (본 명세서에서 이하에서 보다 상세히 설명되는 바와 같이) 본 명세서에서의 원리들에 따른 컴퓨팅 디바이스의 사용자 인터페이스에서 렌더링된 태스크들 및/또는 간섭에 대한 개인의 응답들로부터 수집된 데이터에 기초하여, 개인 또는 그룹 정신 물리학적 데이터의 신호(우측 곡선(602)) 및 잡음(좌측 곡선(604)) 분포들, 및 계산된 응답 기준(600)의 예시적인 플롯을 도시하고 있다. X 축 상에서의 기준 라인의 절편(Z 단위로 되어 있음)은 '예'(더 우측) 또는 '아니오(더 좌측)'라고 응답하는 개인의 경향의 지시를 제공하는 데 사용될 수 있다. 응답 기준(600)은 제로 바이어스 결정 지점(p)의 좌측에 그리고 신호 분포와 잡음 분포가 교차하는 곳의 좌측에 배치된다. 도 6의 비제한적인 예에서, ρ는 Z 단위로 되어 있는 결정 축 상에서의 제로 바이어스 결정의 위치이고, ρ 좌측에 있는 응답 기준 값들은 충동적인 전략을 나타내며, ρ의 우측에 있는 응답 기준 값들은 보수적인 전략을 나타내고, 제로 바이어스 지점 상의 절편들은 균형 잡힌 전략을 나타낸다.
본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들, 및 장치들은 (자극들로서) 신호 및 비-신호 응답 표적들로 구성되는 본 명세서에 설명된 검출 또는 분류 태스크(들)에 기초하여 응답 기준을 계산하도록 구성될 수 있고, 여기서 사용자는 자극들의 일련의 순차적 제시들 또는 자극들의 동시적 제시에서 하나의 피처, 또는 다수의 피처들이 존재한다는 것을 나타내는 응답을 나타낸다.
(예측 모델 출력을 포함하는) 본 명세서에서의 원리들에 따른 개인의 분류의 결과들을 나타내는 데이터는 개인에게 투여되고 있거나 투여될 약물, 생물학적 제제 또는 다른 약제의 양, 농도, 또는 용량 적정 중 하나 이상의 변화를 결정하는 것, 및/또는 개인에게 투여될 약물, 생물학적 제제 또는 다른 약제의 최적의 타입 또는 조합을 결정하는 것을 포함한, 개인에 대한 치료 과정의 정형화(formulation)를 가능하게 해주기 위한 또는 기존의 치료 과정을 수정하기 위한 신호로서 의료 디바이스, 헬스케어 컴퓨팅 시스템, 또는 다른 디바이스 중 하나 이상에게, 그리고/또는 의료 종사자(medical practitioner), 헬스 종사자(health practitioner), 물리 치료사, 행동 치료사(behavioral therapist), 스포츠 의료 종사자, 약사, 또는 다른 종사자에게(적절한 동의 하에) 전송될 수 있다.
본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들은 개인의 주의력, 작업 기억력, 및/또는 목표 관리의 평가 및/또는 향상에서 보조수단으로서 의료, 행동, 헬스케어, 또는 다른 전문가에 의해 사용될 수 있는 컴퓨터화된 예측 모델들, 치료 도구들, 및 다른 도구들을 제공한다. 예시적인 구현에서, 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들은 보수성 또는 충동성의 척도들을 제공하기 위해 수정된 DDM을 수집된 데이터에 적용한다. 본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들, 및 장치들을 사용하여 수행되는 예시적인 분석은 주의력 결핍 및 충동성(ADHD를 포함함)의 척도들을 제공하는 데 사용될 수 있다. 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들은 주의력, 기억력, 운동(motor), 반응, 실행 기능, 의사 결정, 문제 해결, 언어 처리, 및 이해력과 같은, 그러나 이에 제한되지 않는, 다른 인지 영역들(cognitive domains)에서의 평가 및/또는 향상에 보조수단들로서 사용될 수 있는 컴퓨터화된 예측 모델들, 치료 도구들, 및 다른 도구들을 제공한다. 일부 예들에서, 본 시스템들, 방법들, 및 장치들은 인지 모니터링 및/또는 질병 모니터링을 위해 사용하기 위한 척도들을 계산하는 데 사용될 수 있다. 일부 예들에서, 본 시스템들, 방법들, 및 장치들은 하나 이상의 인지 질환 및/또는 질병 및/또는 실행 기능 장애의 치료 동안 인지 모니터링 및/또는 질병 모니터링을 위해 사용하기 위한 척도들을 계산하는 데 사용될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 개인의 인지 능력의 정량자를 생성하기 위해 예시적인 분류기를 실행하도록 구성될 수 있다. 예시적인 분류기는, 선형/로지스틱 회귀, 주성분 분석, 일반화된 선형 혼합 모델들, 랜덤 결정 포레스트, 서포트 벡터 머신들, 및/또는 인공 신경 네트워크들과 같은, 그러나 이에 제한되지 않는, 머신 러닝 도구를 사용하여 구축될 수 있다. 비제한적인 예에서, 라벨링된 집단의 개인들(예컨대, 알려진 인지 장애, 실행 기능 장애, 질병 또는 다른 인지 질환을 가진 개인들)의 수행력 척도들을 사용하여 분류기를 트레이닝시키는 데 사용될 수 있는 분류 기법들. 트레이닝된 분류기는 인지의 척도, 기분, 인지 편향의 레벨, 또는 개인의 정서 편향을 나타내는 분류기 출력을 생성하기 위해 수행 메트릭의 계산된 값들에 적용될 수 있다. 트레이닝된 분류기는 집단 라벨(예컨대, 인지 장애, 실행 기능 장애, 질병 또는 다른 인지 질환)에 관해 개인을 분류하기 위해 태스크들 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 가짐)에 대한 개인의 응답들의 측정치들에 적용될 수 있다. 일 예에서, 머신 러닝은 클러스터 분석을 사용하여 구현될 수 있다. 참여하는 개인들의 인지 반응 능력의 각각의 측정은 개인들을 서브세트들 또는 클러스터들로 그룹화하는 파라미터로서 사용될 수 있다. 예를 들어, 서브세트 또는 클러스터 라벨들은 인지 장애, 인지 장애, 실행 기능 장애, 질병 또는 다른 인지 질환의 진단일 수 있다. 클러스터 분석을 사용하여, 각각의 서브세트의 유사성 메트릭 및 상이한 서브세트들 간의 간격이 계산될 수 있고, 이러한 유사성 메트릭들은 개인을 서브세트로 분류하기 위해 태스크 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 가짐)에 대한 그 개인의 응답들을 나타내는 데이터에 적용될 수 있다. 다른 예에서, 분류기는 인공 신경 네트워크에 기초한 지도 머신 러닝 도구(supervised machine learning tool)일 수 있다. 그러한 경우에서, 알려진 인지 능력을 가진 개인들의 수행력 척도들은 상이한 수행력 척도들 간의 복잡한 관계들을 모델링하기 위해 신경 네트워크 알고리즘을 트레이닝시키는 데 사용될 수 있다. 트레이닝된 분류기는 개인의 인지 반응 능력을 나타내는 분류기 출력을 생성하기 위해 주어진 개인의 수행/응답 측정치들에 적용될 수 있다. 분류기를 생성하기 위한 다른 적용가능한 기법들은 개인의 인지 수행력에 기초하여 인지 능력을 투영하기 위한 회귀 또는 몬테 카를로(Monte Carlo) 기법을 포함한다. 분류기는 생리학적 측정치(예컨대, EEG) 및 인구통계 측정치들을 포함한, 다른 데이터를 사용하여 구축될 수 있다.
비제한적인 예에서, 분류 기법들은 각각의 개인의 계산된 수행 메트릭들, 및 이하의 카테고리들: (i) 각각의 개인이 특정의 약제, 약물, 또는 생물학적 제제의 투여에 응답하여 경험하는 부작용; (ii) (긍정적이든 부정적이든 관계없이) 개인에 대한 측정가능한 또는 특성화가능한 결과를 초래한, 개인들에게 투여된 약제, 약물, 또는 생물학적 제제의 양, 농도, 또는 용량 적정; (iii) 본 명세서에서 컴퓨팅 디바이스들을 사용하여 렌더링된 싱글-태스킹 및 멀티-태스킹 태스크들과의 하나 이상의 상호작용에 기초한 개인의 인지 능력의 임의의 변화; (iv) 권장된 치료 요법, 또는 (긍정적이든 부정적이든 관계없이) 개인에 대한 측정가능한 또는 특성화가능한 결과를 초래한 행동 요법, 상담, 또는 신체 운동 중 적어도 하나의 유효성의 정도를 권장하거나 결정하는 것; (v) 인지 테스트 또는 행동 테스트 중 하나 이상에서의 개인의 수행 점수, 및 (vi) 개인의 인지 질환, 질병 또는 집행 기능 장애의 진행의 상태 또는 정도에서의 결과들과 같은, 그러나 이에 제한되지 않는, 개인에 대한 다른 알려진 결과 데이터에 기초하여, 개인들의 라벨링된 집단의 수행력 척도들을 사용하여 분류기를 트레이닝시키는 데 사용될 수 있다. 예시적인 분류기는 가능한 카테고리들 중 임의의 것에서의 잠재적 결과에 관해 다른 아직 분류되지 않은 개인들을 분류할 수 있도록, 알려진 개인들의 수행 메트릭들의 계산된 값들에 기초하여 트레이닝될 수 있다.
예시적인 구현에서, 프로그래밍된 프로세싱 유닛은 사용자 인터페이스에 태스크를 간섭과 함께 렌더링하기 위해 프로세서 실행가능 명령어들을 실행하도록 구성된다. 본 명세서에 보다 상세히 설명된 바와 같이, 사용자 인터페이스가 장치 또는 시스템과 상호작용하는 개인으로부터의 적어도 하나의 타입의 응답을 수신하기 위한 제한된 시간 기간을 부과하도록, 태스크 및 간섭 중 하나 이상은 시변적이고 응답 기한을 가진다. 프로세싱 유닛은 태스크에 대한 또는 간섭에 대한 2개 이상의 상이한 타입의 응답을 나타내는 데이터를 측정하도록 사용자 인터페이스를 제어하도록 구성된다. 프로그래밍된 프로세싱 유닛은 예시적인 시스템 또는 장치로 하여금 태스크에 대한 개인의 제1 응답 및 간섭에 대한 개인의 제2 응답을 나타내는 데이터를 수신하게 하고, 개인의 수행력을 표현하는 적어도 하나의 응답 프로파일을 계산하기 위해 데이터의 적어도 일부 부분을 분석하게 하며, 그리고 응답 프로파일로부터 (응답 기준과 같은, 그러나 이에 제한되지 않는) 결정 경계 메트릭을 결정하게 하기 위해 프로세서 실행가능 명령어들을 실행하도록 추가로 구성된다. (응답 기준과 같은, 그러나 이에 제한되지 않는) 결정 경계 메트릭은 태스크 또는 간섭에 대한 2개 이상의 상이한 타입의 응답(응답 A 대 응답 B) 중 적어도 하나의 타입의 응답을 제공하는 개인의 경향의 정량적 척도를 제공할 수 있다. 프로그래밍된 프로세싱 유닛은 개인의 인지 반응 능력을 나타내는 예측 모델 출력을 생성하기 위해, (응답 기준과 같은, 그러나 이에 제한되지 않는) 결정 경계 메트릭의 계산된 값들에 기초하여 예측 모델을 실행하기 위해 프로세서 실행가능 명령어들을 실행하도록 추가로 구성된다.
일 예에서, 프로세싱 유닛은 약제, 약물, 생물학적 제제 또는 다른 약품의 양, 농도, 또는 용량 적정 중 하나 이상을 변경하는 것, 개인이 약제, 약물, 생물학적 제제 또는 다른 약품의 투여에 응답하여 부작용을 경험할 가능성을 식별하는 것, 개인의 인지 반응 능력의 변화를 식별하는 것, 치료 요법을 권장하는 것, 또는 행동 요법, 상담, 또는 신체 운동 중 적어도 하나의 유효성의 정도를 권장하거나 결정하는 것 중 하나 이상을 위해 예측 모델 출력을 추가로 사용한다.
본 명세서에서의 임의의 예에서, 예시적인 예측 모델은 개인의 인지 능력의 정량화가능한 평가를 위한 지능형 프록시로서 사용될 수 있다. 즉, 예측 모델이 일단 트레이닝되면, 예측 모델 출력은 다른 인지 또는 행동 평가 테스트들을 사용하지 않으면서 다수의 개인들의 인지 반응 능력의 표시를 제공하는 데 사용될 수 있다.
인지 결핍을 모니터링하는 것은 개인들, 및/또는 의료, 헬스케어, 행동, 또는 다른 전문가가 (동의 하에) 인지 질환, 질병, 또는 실행 기능 장애의 상태 또는 진행을 모니터링할 수 있게 해준다. 예를 들어, 알츠하이머병을 가지는 사람들은 처음에 경미한 증상을 보일 수 있지만, 다른 사람들은 보다 쇠약한 증상을 가질 수 있다. 인지 증상의 상태 또는 진행이 규칙적으로 또는 주기적으로 정량화될 수 있는 경우, 이는 한 형태의 약제 또는 다른 약물이 언제 투여될 수 있는지의 표시를 제공할 수 있거나, 언제 삶의 질이 훼손될 수 있는지(생활 지원(assisted living)을 필요로 하는 것 등)를 나타낼 수 있다. 인지 결핍을 모니터링하는 것은 또한, 특히 처치(intervention)가 특정 개인들에 대해 선택적으로 효과가 있는 것으로 알려져 있는 경우들에서, 개인들, 및/또는 의료, 헬스케어, 행동, 또는 다른 전문가가 (동의 하에) 임의의 치료 또는 처치에 대한 개인의 반응을 모니터링할 수 있게 해준다. 일 예에서, 본 명세서에서의 예측 모델들에 기초한 인지 평가 도구는 주의력 결핍 과잉행동 장애(ADHD)를 가지는 개별 환자일 수 있다. 다른 예에서, 본 명세서에서의 예측 모델들 및 다른 도구들은, 화학 요법과 같은, 그러나 이에 제한되지 않는, 알려진 인지 영향을 갖는, 또는 특성화되지 않거나 열악하게 특성화되는 약물역학(pharmacodynamics)을 수반하는 치료들로부터의 임의의 인지 부작용들의 존재 및/또는 심각도(severity)의 모니터로서 사용될 수 있다. 본 명세서에서의 임의의 예에서, 인지 수행 측정들 및/또는 데이터의 예측 모델 분석은 30분마다, 몇 시간마다, 매일, 주당 2회 이상, 매주, 격주로, 매월, 또는 1년에 1회 수행될 수 있다.
일 예에서, 예측 모델은 개인의 수행력의 정량화가능 척도들에 대한 지능형 프록시로서 사용될 수 있다.
비제한적인 예에서, 개인이 제한된 시간 기간 내에 제1 응답 및 제2 응답을 제공하도록 요구받도록 태스크 및 간섭이 사용자 인터페이스에서 렌더링될 수 있다. 일 예에서, 개인은 제1 응답과 제2 응답을 실질적으로 동시에 제공하도록 요구받는다.
일 예에서, 프로세싱 유닛은, 제1 응답 및/또는 제2 응답을 나타내는 데이터의 분석이 제1 응답 프로파일의 수정을 나타내도록, 태스크 및/또는 간섭을 수정하기 위해 적어도 하나의 적응적 절차를 적용하는 것을 포함하는 추가의 명령어들을 실행한다.
일 예에서, 프로세싱 유닛은 응답 기한 절차와 연관된 응답 윈도의 시간 길이를 수정하도록 사용자 인터페이스를 제어한다.
일 예에서, 프로세싱 유닛은 사용자 인터페이스에 렌더링되는 태스크 또는 간섭의 양태의 시변 특성들을 수정하도록 사용자 인터페이스를 제어한다.
도 3a 및 도 3b와 관련하여 설명된 바와 같이, 태스크 및/또는 간섭의 시변 특성들(예컨대, 시변 표적)은, 선형 드리프트 레이트가 시간 경과에 따른 신뢰의 발전을 포착하기에 더 이상 충분하지 않도록(오히려 비선형 드리프트 레이트를 요구함), 제각기, 태스크 또는 간섭에 관한 정보의 시변 가용성을 결과한다. 시변 특성은 개인이 표적과 비-표적 간을 판별하기 위해 요구하는 컬러, 형상, 생물체의 타입, 얼굴 표정, 또는 다른 특징과 같은, 그러나 이로 제한되지 않는 특징일 수 있어, 가용성의 상이한 시간 특성들을 결과할 수 있다. 응답 윈도 길이의 시행별 조정(trial-by-trial adjustment)은 또한 태스크 및/또는 간섭에 대해 성공적으로 응답하기 위해 결정 기준들이 어디에 있을 필요가 있는지에 대한 개인의 지각을 변화시키는 시변 특성일 수 있다. 수정될 수 있는 다른 시변 특성은 간섭이 신뢰 축적 및/또는 응답 선택 및 실행에서 중단들을 유입시킬 수 있는 병렬 태스크를 방해하는 정도이다.
일 예에서, 태스크 또는 간섭의 양태의 시변 특성들을 수정하는 것은 개인의 2개 이상의 상호작용 세션 사이의 사용자 인터페이스에서의 태스크 또는 간섭의 렌더링의 시간 길이를 조정하는 것을 포함한다.
일 예에서, 시변 특성들은 객체의 속도, 얼굴 표정의 변화율, 객체의 궤적 방향, 객체의 배향의 변경, 객체의 적어도 하나의 컬러, 객체의 타입, 또는 객체의 사이즈 중 하나 이상일 수 있다.
일 예에서, 시변 특성들은 컴퓨터 구현 시변 요소에 포함된 피처들의 수의 증가 또는 감소의 변화율, 컴퓨터 구현 시변 요소에 포함된 피처들의 타입의 변화율, 및/또는 컴퓨터 구현 시변 요소에 포함된 피처들의 움직임의 속도 또는 궤적의 변화율 중 하나 이상을 포함하는, 컴퓨터 구현 시변 요소들의 내용 및/또는 외관에서의 변화율 또는 변조율일 수 있다.
일 예에서, 객체의 타입의 변경은 제1 타입의 객체로부터 제2 타입의 객체로 모핑(morphing)하는 것 또는 블렌드셰이프(blendshape)를 제1 타입의 객체와 제2 타입의 객체의 비례 조합(proportionate combination)으로서 렌더링하는 것을 사용하여 실시된다.
비제한적인 예에서, 프로세싱 유닛은 사용자 인터페이스를 렌더링하거나 다른 컴포넌트로 하여금 태스크 및/또는 간섭, 또는 시스템 또는 장치의 다른 피처 또는 다른 요소와 상호작용하는 데 있어서의 성공의 정도에 대해 개인에 대한 보상을 나타내기 위한 적어도 하나의 요소를 실행하게 하도록 구성될 수 있다. 보상 컴퓨터 요소는 예시적인 시스템, 방법 또는 장치에 대한 사용자 만족도를 증진시키고, 그 결과, 긍정적 사용자 상호작용 그리고 따라서 개인의 경험의 즐거움을 증가시키기 위해 사용자에게 전달되는 컴퓨터 생성 피처(computer generated feature)일 수 있다.
일 예에서, 프로세싱 유닛은 제1 응답 및 제2 응답을 나타내는 데이터로부터 도출된 바이어스 감도(bias sensitivity), 병렬 태스크들에 대한 비-결정 시간 감도(non-decision time sensitivity), 병렬 태스크 요구들에 대한 신뢰 축적 감도(belief accumulation sensitivity), 보상률 감도(reward rate sensitivity), 또는 응답 윈도 추정 효율(response window estimation efficiency) 중 하나 이상을 나타내는 파라미터들을 예측 모델 출력으로서 추가로 계산한다. 바이어스 감도는 태스크들의 바이어스에 기초하여 태스크들 중 몇몇에 대해 개인이 얼마나 민감한지(한 타입의 응답 대 다른 타입의 응답(예컨대, 응답 A 대 응답 B)에 대한 경향)의 척도일 수 있다. 병렬 태스크들에 대한 비-결정 시간 감도는 간섭이 프라이머리 태스크의 개인의 수행을 얼마만큼 방해하는지의 척도일 수 있다. 병렬 태스크 요구들에 대한 신뢰 축적 감도는 개인이 프라이머리 태스크를 수행하는 동안 간섭에 대응하기 위해 신뢰를 발전/축적하는 개인의 레이트의 척도일 수 있다. 보상률 감도는 응답 기한 윈도의 시간 길이에 기초하여 개인의 응답이 어떻게 변하는지를 측정하는 데 사용될 수 있다. 응답 기한이 끝날 무렵에(예컨대, 개인이 시야에서 벗어나려 하는 간섭을 볼 때), 개인은 결정을 할 시간이 부족하다는 것을 알게 된다. 이것은 개인의 응답들이 그에 따라 어떻게 변하는지를 측정한다. 응답 윈도 추정 효율은 다음과 같이 설명된다. 개인이 행위를 취하기로/응답하기로 또는 행위를 취하지 않기로/응답하지 않기로 결정을 할 때, 그 결정은 개인이 응답할 시간이 부족하다고 생각할 때에 기초할 필요가 있다. 다양한 윈도에 대해, 개인은 그 윈도를 완벽하게 측정할 수 없을 것이지만, 충분한 시행들/세션을 사용하여, 응답 데이터에 기초하여, 개인이 태스크 또는 간섭 내의 객체들의 시변 양태(예컨대, 궤적)에 기초하여 그 추정을 얼마나 잘 행하는지를 추론하는 것이 가능할 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 관심의 인지 능력의 척도에 관해 이전에 분류된 개인들에 대한 인간 의사 결정의 계산 모델의 출력으로부터의 피드백 데이터에 기초하여 개인들의 인지 능력의 척도의 예측 모델을 트레이닝시키도록 구성될 수 있다. 예를 들어, 분류기는 복수의 트레이닝 데이터 세트들을 사용하여 트레이닝될 수 있으며, 여기서 각각의 트레이닝 데이터 세트는 개인들의 그룹으로부터의 이전에 분류된 개인과 연관된다. 트레이닝 데이터 세트 각각은, 본 명세서에 설명된 예시적인 장치, 시스템, 또는 컴퓨팅 디바이스와의 분류된 개인의 상호작용에 기초하여, 태스크에 대한 분류된 개인의 제1 응답을 나타내는 데이터 및 간섭에 대한 분류된 개인의 제2 응답을 나타내는 데이터를 포함한다. 예시적인 분류기는 또한 인지 테스트, 및/또는 행동 테스트에서의 분류된 개인의 수행을 나타내는 데이터, 및/또는 분류된 개인의 인지 질환, 질병, 또는 장애(실행 기능 장애를 포함함)의 상태 또는 진행의 진단을 나타내는 데이터를 입력으로서 취할 수 있다.
본 명세서에서의 임의의 예에서, 적어도 하나의 프로세싱 유닛은 장치의 작동 컴포넌트(인지 플랫폼을 포함함)로 하여금 자극들 또는 개인과의 다른 상호작용을 실시하기 위해 컴퓨터화된 청각, 촉각, 또는 진동 요소들을 작동시키도록 프로그래밍될 수 있다. 비제한적인 예에서, 적어도 하나의 프로세싱 유닛은 인지 플랫폼의 컴포넌트로 하여금, 입력 디바이스를 사용하여 제공된 응답들을 포함한, 태스크 및/또는 간섭과의 사용자 상호작용에 기초한 개인으로부터의 적어도 하나의 응답을 나타내는 데이터를 수신하게 하도록 프로그래밍될 수 있다. 적어도 하나의 그래픽 사용자 인터페이스가 컴퓨터화된 자극을 개인에게 제시하기 위해 렌더링되는 예에서, 적어도 하나의 프로세싱 유닛은 그래픽 사용자 인터페이스로 하여금 개인으로부터의 적어도 하나의 응답을 나타내는 데이터를 수신하게 하도록 프로그래밍될 수 있다.
본 명세서에서의 임의의 예에서, 태스크 및/또는 간섭에 대한 개인의 응답을 나타내는 데이터는, 자이로스코프, 가속도계, 모션 센서, 위치 센서, 압력 센서, 광학 센서, 청각 센서, 진동 센서, 비디오 카메라, 압력 감응 표면, 터치 감응 표면, 또는 다른 타입의 센서와 같은, 그러나 이에 제한되지 않는, 본 명세서에서의 예시적인 시스템 또는 장치에 포함된 그리고/또는 그에 커플링된 적어도 하나의 센서 디바이스를 사용하여 측정될 수 있다. 다른 예들에서, 태스크 및/또는 간섭에 대한 개인의 응답을 나타내는 데이터는, 비디오 카메라, 마이크로폰, 조이스틱, 키보드, 마우스, 트레드밀(treadmill), 일립티컬(elliptical), 자전거, 스테퍼(stppers), 또는 게이밍 시스템(Wii®, Playstation®, 또는 Xbox® 또는 다른 게이밍 시스템을 포함함)을 포함한, 다른 타입의 센서 디바이스들을 사용하여 측정될 수 있다. 개인이 태스크 및/또는 간섭과 함께 제시된 자극들에 대한 응답을 실행했을 때, 적어도 하나의 센서 디바이스를 사용하여 검출되고 그리고/또는 측정되는 개인의 물리적 행위들에 기초하여 데이터가 생성될 수 있다.
사용자는 컴퓨터 디바이스와 상호작용함으로써 태스크들에 응답할 수 있다. 일 예에서, 사용자는, 그 중에서도 특히, 영숫자 또는 방향 입력들을 위한 키보드; GO/NO-GO 클릭킹(clicking), 스크린 위치 입력들, 및 움직임 입력들을 위한 마우스; 움직임 입력들, 스크린 위치 입력들, 및 클릭킹 입력들을 위한 조이스틱; 오디오 입력들을 위한 마이크로폰; 스틸 또는 모션 광학 입력들을 위한 카메라; 디바이스 움직임 입력들을 위한 가속도계 및 자이로스코프들과 같은 센서들을 사용하여 응답을 실행할 수 있다. 게임 시스템에 대한 비제한적이고 예시적인 입력들은 내비게이션 및 클릭킹 입력들을 위한 게임 컨트롤러, 가속도계 및 자이로스코프 입력들을 갖는 게임 컨트롤러, 및 모션 광학 입력들을 위한 카메라를 포함하지만, 이들로 제한되지 않는다. 모바일 디바이스 또는 태블릿에 대한 예시적인 입력들은, 그 중에서도 특히, 스크린 위치 정보 입력들, 가상 키보드 영숫자 입력들, go/no go 탭핑 입력들, 및 터치 스크린 움직임 입력들을 위한 터치 스크린; 모션 입력들을 위한 가속도계 및 자이로스코프; 오디오 입력들을 위한 마이크로폰; 스틸 또는 모션 광학 입력들을 위한 카메라를 포함한다. 다른 예들에서, 개인의 응답을 나타내는 데이터는, EEG(electroencephalogram), MEG(magnetoencephalography), 심박수, 심박수 변동성, 혈압, 체중, 눈 움직임, 동공 팽창, 갈바닉 피부 반응과 같은 피부 전기 반응(electrodermal responses), 혈당 레벨, 호흡 수(respiratory rate), 및 혈중 산소 농도(blood oxygenation)와 같은, 그러나 이에 제한되지 않는, 사용자의 신체 상태로부터의 입력들을 통합하기 위한 생리학적 센서들/척도들을 포함할 수 있다.
본 명세서에서의 임의의 예에서, 개인은 버튼을 클릭하는 것 및/또는 커서를 스크린 상의 올바른 위치로 움직이는 것의 물리적 행위, 머리 움직임, 손가락 또는 손 움직임, 음성 응답, 눈 움직임, 또는 개인의 다른 행위를 통해 응답을 제공하도록 지시받을 수 있다.
비제한적인 예로서, 사용자에게 코스 또는 환경을 내비게이트하거나 다른 시각 운동 활동을 수행하도록 요구하는 사용자 인터페이스에서 렌더링된 태스크 또는 간섭에 대한 개인의 응답은 개인에게 적어도 하나의 타입의 센서 디바이스를 사용하여 검출 및/또는 측정되는 (스티어링과 같은, 그러나 이에 제한되지 않는) 움직임들을 행하라고 요구할 수 있다. 검출 또는 측정으로부터의 데이터는 응답을 나타내는 데이터에 대한 응답을 제공한다.
비제한적인 예로서, 사용자에게 표적과 비-표적 간을 판별하도록 요구하는 사용자 인터페이스에서 렌더링된 태스크 또는 간섭에 대한 개인의 응답은 개인에게 적어도 하나의 타입의 센서 디바이스를 사용하여 검출 및/또는 측정되는 (탭핑 또는 다른 공간적 또는 시간적 판별 표시(spatially or temporally discriminating indication)와 같은, 그러나 이에 제한되지 않는) 움직임들을 행하라고 요구할 수 있다. 개인의 움직임들의 검출 또는 다른 측정에 기초하여 (적어도 하나의 센서 또는 본 명세서에 설명된 다른 디바이스 또는 컴포넌트와 같은, 그러나 이에 제한되지 않는) 시스템 또는 장치의 컴포넌트에 의해 수집된 데이터는 개인의 응답들을 나타내는 데이터를 제공한다.
예시적인 시스템, 방법, 및 장치는 개인의 인지 반응 능력을 나타내는 예측 모델 출력을 생성하기 위한 각각의 측정 단독보다 더 민감한 복합 변수들 또는 프로파일들을 생성하기 위해, 예측 모델을, 선형/로지스틱 회귀, 주성분 분석, 일반화된 선형 혼합 모델, 랜덤 결정 포레스트, 서포트 벡터 머신, 또는 인공 신경 네트워크와 같은, 그러나 이에 제한되지 않는, 계산 기법들 및/또는 머신 러닝 도구들을 사용하여, 태스크들 및/또는 간섭에 대한 개인의 응답을 나타내는 데이터, 및/또는 하나 이상의 생리학적 측정치들로부터의 데이터에 적용하도록 구성될 수 있다. 일 예에서, 예측 모델 출력은 질병, 장애 또는 인지 질환의 표시를 검출하는 것, 또는 인지 건강을 평가하는 것과 같은, 그러나 이에 제한되지 않는 다른 표시들을 위해 구성될 수 있다.
본 명세서에서의 예시적인 예측 모델들은 출력을 제공하기 위해 인지 플랫폼과의 개인들의 상호작용 세션들로부터 수집된 데이터에 적용되도록 트레이닝될 수 있다. 비제한적인 예에서, 예측 모델은 개인의 인지 반응 능력을 분류하기 위해 태스크 및/또는 간섭에 대한 개인의 응답으로부터 수집된 데이터에 적용될 수 있는 표준 테이블(standards table)을 생성하는 데 사용될 수 있다.
인지 능력의 평가의 비제한적인 예들은 간이 정신 진단 검사(Mini Mental State Exam), CANTAB 인지 종합 테스트(CANTAB cognitive battery), 주의력 변수 테스트(Test of Variables of Attention; TOVA), 신경 심리 상태 평가를 위한 반복 가능한 종합 테스트(Repeatable Battery for the Assessment of Neuropsychological Status), 특정 조건에 관련이 있는 전반적 임상 인상(Clinical Global Impression) 척도, 임상의의 인터뷰 기반의 변화 인상(Clinician's Interview-Based Impression of Change), 중증 장애 종합 테스트(Severe Impairment Battery), 알츠하이머 질환 평가 척도(Alzheimer's Disease Assessment Scale), 양성 및 음성 증후군 척도(Positive and Negative Syndrome Scale), 정신 분열증 인지 평가 척도(Schizophrenia Cognition Rating Scale), 코너스 성인 ADHD 평가 척도(Conners Adult ADHD Rating Scales), 해밀턴 우울증 평가 척도(Hamilton Rating Scale for Depression), 해밀턴 불안증 척도(Hamilton Anxiety Scale), 몽고메리-아스버그 우울증 평가 척도(Montgomery-Asberg Depressing Rating scale), 영 매니아 평가 척도(Young Mania Rating Scale), 어린이 우울증 평가 척도(Children's Depression Rating Scale), 펜실베이니아 주립대학교의 걱정에 대한 설문(Penn State Worry Questionnaire), 병원 불안증 및 우울증 척도(Hospital Anxiety and Depression Scale), 이상 행동 체크리스트(Aberrant Behavior Checklist), 일상 생활에 대한 활동 척도(Activities for Daily Living scale), ADHD 자기 보고 척도(ADHD self-report scale), 긍정적 정서와 부정적 정서의 스케줄(Positive and Negative Affect Schedule), 우울증 불안증 스트레스 척도(Depression Anxiety Stress Scales), 간이 우울증 증상 평가 척도(Quick Inventory of Depressive Symptomatology), 및 PTST 체크리스트(PTSD Checklist)와 같은 평가 척도 또는 설문조사를 포함한다.
다른 예들에서, 평가는 지각 능력, 반응 및 다른 운동 기능들, 시력(visual acuity), 장기 기억력, 태스크 기억력, 단기 기억력, 논리, 및 의사 결정에 대한 테스트들을 포함한 인지 또는 행동 연구에서 다양한 인지들의 특정 기능들, 및 TOVA, MOT(motion-object tracking), SART, CDT(Change detection task), UFOV(useful Field of view), Filter 태스크, WAIS 숫자 심벌(WAIS digit symbol), 트룹(Troop), 사이먼 태스크(Simon task), 주의 깜박임(Attentional Blink), N-back 태스크, PRP 태스크, 태스크 스위칭 테스트(task-switching test), 및 Flanker 태스크를 포함하지만, 이들로 제한되지 않는, 다른 특정 예시적인 측정들을 테스트할 수 있다.
비제한적인 예들에서, 본 명세서에 설명된 원리들에 따른 예시적인 시스템들, 방법들, 및 장치들의 사용은 치매, 파킨슨병, 대뇌 아밀로이드 맥관병증, 가족성 아밀로이드 신경병증, 헌팅턴병, 또는 다른 신경퇴행성 질환, 자폐 스펙트럼 장애(ASD), 16p11.2 중복의 존재와 같은, 그러나 이에 제한되지 않는, 많은 상이한 타입의 신경 심리학적 질환들, 및/또는, 주의력 결핍 과잉행동 장애(ADHD), 감각 프로세싱 장애(SPD), 경도 인지 장애(MCI), 알츠하이머병, 다발성 경화증, 정신분열증, 주요 우울 장애(MDD), 또는 불안(사회 불안을 포함함), 양극성 장애, 외상후 스트레스 장애, 정신분열증, 치매, 알츠하이머병, 또는 다발성 경화증과 같은, 그러나 이에 제한되지 않는, 많은 상이한 타입의 신경 심리학적 질환에 적용가능할 수 있다.
본 개시내용은 사용자 수행 메트릭을 제공하기 위해, 하나 이상의 태스크에서의 사용자의 수행을 나타내는 데이터를 측정하는 목적을 위해 소프트웨어 및/또는 다른 프로세서 실행가능 명령어들을 구현하도록 구성된 예시적인 인지 플랫폼으로서 형성된 컴퓨터 구현 디바이스들에 관한 것이다. 예시적인 수행 메트릭은 사용자의 인지 능력의 평가를 도출하는 데 그리고/또는 인지 치료에 대한 사용자의 응답을 측정하는 데 그리고/또는 사용자의 상태(생리학적 상태 및/또는 인지 상태를 포함함)의 데이터 또는 다른 정량적 표식을 제공하는 데 사용될 수 있다. 본 명세서에서의 원리들에 따른 비제한적이고 예시적인 인지 플랫폼들은 신경 심리학적 질환, 자폐 스펙트럼 장애(ASD), 16p11.2 중복의 존재, 및/또는 실행 기능 장애, 및/또는 인지 플랫폼과의 개인의 상호작용으로부터 수집된 데이터 및/또는 그 데이터의 분석(및 관련 계산들)에 기초하여 계산된 메트릭들에 기초하여, 개인이 약물, 생물학적 제제 또는 다른 약제를 투여받고 있을 때(또는 투여받을 예정일 때) 인지 플랫폼의 사용의 잠재적 효능에 관해 개인을 분류하도록 구성될 수 있다. 본 명세서에서의 원리들에 따른 또 다른 비제한적인 예시적인 인지 플랫폼들은 인지 플랫폼과의 개인의 상호작용으로부터 수집된 데이터 및/또는 그 데이터의 분석(및 관련 계산들)에 기초하여 계산된 메트릭들에 기초하여, 신경퇴행성 질환에 관해서를 포함한, 신경 심리학적 질환의 발병 가능성 및/또는 진행 단계에 관해 개인를 분류하도록 구성될 수 있다. 신경퇴행성 질환은 알츠하이머병, 치매, 파킨슨병, 대뇌 아밀로이드 맥관병증, 가족성 아밀로이드 신경병증, 또는 헌팅턴병일 수 있지만, 이들로 제한되지 않는다.
본 명세서에서의 원리들에 따른 신경퇴행성 질환의 발병 가능성 및/또는 진행 단계에 관한 개인의 임의의 분류는 개인에 대한 약물, 생물학적 제제 또는 다른 약제의 용량의 변화를 결정하는 것, 또는 개인에 대한 약물, 생물학적 제제 또는 다른 약제의 최적의 타입을 결정하는 것을 포함한, 개인에 대한 치료 과정의 정형화를 가능하게 해주기 위한 또는 기존의 치료 과정을 수정하기 위한 신호로서 의료 디바이스, 헬스케어 컴퓨팅 시스템, 또는 다른 디바이스에게, 그리고/또는 의료 종사자, 헬스 종사자, 물리 치료사, 행동 치료사, 스포츠 의료 종사자, 약사, 또는 다른 종사자에게 전송될 수 있다.
본 명세서에서의 임의의 예에서, 인지 플랫폼은 의료 디바이스 플랫폼, 모니터링 디바이스 플랫폼, 스크리닝 디바이스 플랫폼, 또는 다른 디바이스 플랫폼의 임의의 조합으로서 구성될 수 있다.
본 개시내용은 또한 하나 이상의 생리학적 또는 모니터링 컴포넌트 및/또는 인지 테스팅 컴포넌트와 커플링하도록 구성된 인지 플랫폼들을 포함하는 예시적인 시스템들에 관한 것이다. 일부 예들에서, 시스템들은 하나 이상의 다른 생리학적 또는 모니터링 컴포넌트 및/또는 인지 테스팅 컴포넌트와 통합된 인지 플랫폼들을 포함한다. 다른 예들에서, 시스템들은 하나 이상의 생리학적 또는 모니터링 컴포넌트 및/또는 인지 테스팅 컴포넌트로부터 개별적으로 하우징되고 이들과 통신하여 그러한 하나 이상의 컴포넌트를 사용하여 이루어진 측정들을 나타내는 데이터를 수신하도록 구성된 인지 플랫폼들을 포함한다.
본 명세서에서의 예시적인 시스템, 방법, 및 장치에서, 프로세싱 유닛은 응답 기한 절차와 연관된 응답 윈도의 시간 길이를 수정하도록 사용자 인터페이스를 제어하도록 프로그래밍될 수 있다.
본 명세서에서의 예시적인 시스템, 방법, 및 장치에서, 프로세싱 유닛은 사용자 인터페이스에 렌더링되는 태스크 또는 간섭의 양태의 시변 특성들을 수정하도록 사용자 인터페이스를 제어하도록 구성될 수 있다. 예를 들어, 태스크 또는 간섭의 양태의 시변 특성을 수정하는 것은 개인의 2개 이상의 상호작용 세션 사이의 사용자 인터페이스에서의 태스크 또는 간섭의 렌더링의 시간 길이를 조정하는 것을 포함한다. 다른 예로서, 시변 특성들은 객체의 속도, 얼굴 표정의 변화율, 객체의 궤적 방향, 객체의 배향의 변경, 객체의 적어도 하나의 컬러, 객체의 타입, 또는 객체의 사이즈 중 하나 이상이다. 본 명세서에서의 임의의 예에서, 전술한 시변 특성은 장치(예컨대, 컴퓨팅 디바이스 또는 인지 플랫폼)와의 개인의 상호작용의 인지 또는 감정 부하를 수정하기 위해 컴퓨터 구현 시변 요소를 포함하는 객체에 적용될 수 있다.
본 명세서에서의 임의의 예에서, 생리학적 측정 데이터에 기초하여, 프로세싱 유닛은 사용자 인터페이스에 렌더링되는 태스크 또는 간섭의 양태의 시변 특성들을 수정(조정)하도록 사용자 인터페이스를 제어하도록 구성될 수 있다. 예를 들어, 주의성(attentiveness) 또는 사용자 참여가 없음을 나타내는 생리학적 측정 데이터에 기초하여, 태스크 또는 간섭의 일 양태의 시변 특성들은 (즉, 생리학적 측정이 원하는 레벨의 주의성 또는 사용자 참여를 나타낼 때까지) 보다 큰 주의성 또는 사용자 참여를 도출하기 위해 변경될 수 있다. 생리학적 측정 데이터가 원하는 레벨의 주의성 또는 사용자 참여가 도출되었음을 나타내도록, 피드백 루프에 기초하여 태스크 또는 간섭의 일 양태의 시변 특성들의 수정이 조정되고 변경될 수 있다. 피드백 루프는, 비례 제어기, 비례/적분 제어기, 비례/미분 제어기, 또는 비례/적분/미분(PID) 제어기와 같은, 그러나 이에 제한되지 않는 하나 이상의 제어기를 사용하여 구현될 수 있다. 생리학적 측정들을 나타내는 데이터의 분석에 기초하여, 개인의 생리학적 측정들이 충분한 레벨의 사용자 참여의 신호들을 나타낼 때까지, 피드백 루프를 실시하도록 제어 신호를 발행하기 위해, 즉 사용자에게 제시되는 태스크들 및/또는 간섭의 일 양태의 시변 특성들을 연속적으로 조정하기 위해 하나 이상의 제어기가 적용될 수 있다.
비제한적인 예에서, 프로세싱 유닛은 결정 경계 메트릭 또는 간섭 비용과 같은, 그러나 이에 제한되지 않는, 개인에 대한 수행 메트릭들을 계산하기 위해 보다 많은 주의 집중 또는 보다 높은 사용자 참여를 나타내는 생리학적 측정의 시간 간격들 동안 이루어진 태스크들 및/또는 간섭의 개인의 수행의 측정들로부터의 데이터만을 분석을 위해 사용하도록 구성될 수 있다. 다른 비제한적인 예에서, 프로세싱 유닛은 결정 경계 메트릭 또는 간섭 비용과 같은, 그러나 이에 제한되지 않는, 개인에 대한 수행 메트릭들을 계산하기 전에, 보다 적은 주의 집중의 시간 간격들과 비교하여 더 많은 주의 집중 또는 더 높은 사용자 참여를 나타내는 생리학적 측정의 시간 간격들 동안 이루어진 태스크들 및/또는 간섭의 개인의 수행의 측정들로부터의 데이터의 서브세트들에 상이한 가중 인자들을 적용하도록 구성될 수 있다. 다른 비제한적인 예에서, 프로세싱 유닛은, 후속하는 시행 또는 세션에서의 개인으로부터의 생리학적 측정들이 태스크들 및/또는 간섭과의 상호작용 동안 개인의 보다 많은 주의 집중 또는 보다 높은 사용자 참여를 나타내도록, 예컨대, 피드백 루프를 시행하기 위해 하나 이상의 제어기를 사용하여, 후속하는 시행 또는 세션에서 태스크들 및/또는 간섭의 시변 특성들 또는 다른 특성들을 수정(조정)하기 위해 제1 시행 또는 세션에서 보다 많은 주의 집중 또는 보다 높은 사용자 참여를 나타내는 생리학적 측정들을 사용하도록 구성될 수 있다. 보다 많은 주의 집중 또는 보다 높은 사용자 참여를 나타내는 생리학적 측정은 태스크들 및/또는 간섭과의 개인의 상호작용의 이전의 세션 동안 또는 태스크 및/또는 간섭과의 둘 이상의 개인(최대로 그룹 또는 집단)의 상호작용에 기초하여 수집되는 집계된 생리학적 측정 데이터의 미리 설정된 임계치들에 기초하여 수집될 수 있다.
비제한적인 예에서, 프로세싱 유닛은, 보다 많은 주의 집중 또는 보다 높은 사용자 참여를 나타내는 생리학적 프로파일을 도출하기 위해, 개인이 시행 또는 세션에서 특정한 목표를 달성하는 것 또는 수행 관문(performance gate) 또는 다른 이정표를 가로지르는 것을 향해 가속되거나 그렇게 하지 못하게 저지되도록, 하나 이상의 생리학적 측정에 기초하여 태스크들 및/또는 간섭을 조정하도록 구성될 수 있다.
비제한적인 예에서, 생리학적 측정들의 수행은, 개인이 태스크들 및/또는 간섭과 상호작용하기 이전에 및/또는 그 이후에와 같이, 태스크들 및/또는 간섭과의 개인의 상호작용들과 비동기적일 수 있다. 하나 이상의 비동기적인 생리학적 측정으로부터의 생리학적 프로파일은 수행 메트릭(들)의 계산을 위해 사용될 수 있다.
비제한적인 예에서, 생리학적 측정들의 수행은, 태스크들 및/또는 간섭과의 개인의 상호작용들의 적어도 일 부분과 시간이 오버랩하는 것과 같이, 태스크들 및/또는 간섭과의 개인의 상호작용들과 동기적일 수 있다. 하나 이상의 동기적인 생리학적 측정으로부터의 생리학적 프로파일은 수행 메트릭(들)의 계산을 위해 사용될 수 있다.
비제한적인 예에서, 개인의 결합된 또는 세분화된 수행 메트릭을 제공하기 위해 동기적인 또는 비동기적인 생리학적 측정과 커플링된, 태스크들 및/또는 간섭의 다수의 반복들, 즉, 다수의 후속하는 렌더링들에 대한 개인의 응답들의 측정들이 집계될 수 있다.
일 예에서, 태스크들 및/또는 간섭의 다수의 반복들의 개인의 수행의 복합 수행 메트릭(composite performance metric)은 (i) 적어도 하나의 생리학적 프로파일과 관련하여 간섭을 갖는(즉, 간섭의 존재 하에서의) 프라이머리 태스크의 2개 이상의 인스턴스에 대한 개인의 응답들을 나타내는 데이터, 및/또는 (i) 적어도 하나의 생리학적 프로파일과 관련하여 간섭을 갖지 않는(즉, 간섭의 부재 하에서의) 프라이머리 태스크의 2개 이상의 인스턴스에 대한 개인의 응답들을 나타내는 데이터에 기초하여 계산될 수 있다. 적어도 하나의 생리학적 프로파일은 적어도 하나의 생리학적 컴포넌트의 하나 이상의 측정에 기초하여 결정될 수 있으며, 적어도 하나의 생리학적 컴포넌트는 개인의 생리학적 측정을 측정하도록 커플링된다. 예시적인 생리학적 측정은 적어도 하나의 동기적인 생리학적 측정, 또는 적어도 하나의 비동기적인 생리학적 측정, 또는 2개의 상이한 타입의 측정들의 조합을 포함할 수 있다.
비제한적인 예에서, 프로세싱 유닛은, 하나 이상의 생리학적 측정이 개인이 (예컨대, 생리학적 프로파일에 기초하여 결정되는 바와 같이) 원하는 레벨의 주의 집중 또는 사용자 참여에 있음을 나타낼 때까지, 태스크들 및/또는 간섭의 렌더링을 지연시키도록 구성될 수 있다.
비제한적인 예에서, 프로세싱 유닛은, 하나 이상의 생체 측정이 개인이, 보다 큰 주의 또는 참여 상태, 고조된 상태가 보다 덜함(less of a heightened state), 보다 적은 스트레스, 또는 보다 적은 공격성, 보다 적은 심박수 변동성과 같은, 그러나 이에 제한되지 않는, 원하는 상태를 보여주고 있음을 나타낼 때까지, 태스크들 및/또는 간섭의 렌더링을 지연시키도록 구성될 수 있다. 비제한적인 예로서, 자폐증을 가진 개인의 경우, 개인이 원하는 상태에 있다면 태스크들 및/또는 간섭과의 상호작용들이 보다 유리하다. 프로세싱 유닛은, 태스크들 및/또는 간섭을 렌더링하기 전에, 태스크들 및/또는 간섭의 파라미터들(시변 특성들을 포함함)을 변조하기 전에, 그리고/또는 태스크들 및/또는 간섭과의 상호작용들에 기초하여 개인에게 제시되는 보상들의 타입 또는 양(예컨대, 보상 별들의 수 또는 타입들)을 변화시키기 전에, 개인의 원하는 상태가 달성되는지를 결정하기 위해 생리학적 측정들을 분석하도록(또는 생리학적 프로파일을 사용하도록) 구성될 수 있다.
본 명세서에서의 예시적인 시스템, 방법, 및 장치에서, 객체의 타입의 변경은 제1 타입의 객체로부터 제2 타입의 객체로 모핑하는 것 또는 블렌드셰이프를 제1 타입의 객체와 제2 타입의 객체의 비례 조합으로서 렌더링하는 것을 사용하여 실시된다.
본 명세서에서의 예시적인 시스템, 방법, 및 장치에서, 프로세싱 유닛은 제1 응답 및 제2 응답을 나타내는 데이터로부터 도출된 바이어스 감도, 병렬 태스크들에 대한 비-결정 시간 감도, 병렬 태스크 요구들에 대한 신뢰 축적 감도, 보상률 감도, 또는 응답 윈도 추정 효율 중 하나 이상을 나타내는 파라미터들을 예측 모델 출력으로서 계산하도록 추가로 프로그래밍될 수 있다.
본 명세서에서의 예시적인 시스템, 방법, 및 장치에서, 프로세싱 유닛은 태스크를 연속적 시각-운동 추적 태스크로서 렌더링하도록 사용자 인터페이스를 제어하도록 추가로 프로그래밍될 수 있다.
본 명세서에서의 예시적인 시스템, 방법, 및 장치에서, 프로세싱 유닛은 간섭을 표적 판별 태스크로서 렌더링하도록 사용자 인터페이스를 제어한다.
본 명세서에서 사용되는 바와 같이, 표적 판별 태스크는 지각 반응 태스크라고도 지칭될 수 있으며, 여기서 개인은 특정된 형태의 응답을 통해 표적 자극들 및 비-표적 자극들을 포함하는 2-피처 반응 태스크(two-feature reaction task)를 수행하도록 지시받는다. 비제한적인 예로서, 그 특정된 타입의 응답은 개인이 표적 자극(target stimulus)에 응답하여 특정된 물리적 행위(예컨대, 디바이스의 배향을 이동시키거나 변경하는 것, 스크린과 같은 센서와 커플링된 표면(sensor-coupled surface)을 탭핑하는 것, 광학 센서에 대해 움직이는 것, 소리를 내는 것, 또는 센서 디바이스를 활성화시키는 다른 물리적 행위)를 취하고 비-표적 자극(non-target stimulus)에 응답하여 그러한 특정된 물리적 행위를 취하지 않는 것일 수 있다.
비제한적인 예에서, 개인은 표적 판별 태스크를 간섭(세컨더리 태스크)으로서 갖는 (프라이머리 태스크로서의) 시각 운동 태스크(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 포함함)를 수행하도록 요구받는다. 시각 운동 태스크를 실시하기 위해, 프로그래밍된 프로세싱 유닛은 자극들 대한 개인의 반응으로서 미세한 운동 움직임(fine motor movement)을 요구하는 시각적 자극들을 렌더링한다. 일부 예들에서, 시각 운동 태스크는 연속적인 시각 운동 태스크이다. 프로세싱 유닛은 시간 경과에 따라(예컨대, 초당 1회, 5회, 10회 또는 30회를 포함한 규칙적 간격으로) 시각적 자극들을 변경하고 개인의 운동 움직임들을 나타내는 데이터를 기록하도록 프로그래밍된다. 미세한 운동 움직임을 요구하는 시각 운동 태스크를 위해 프로그래밍된 프로세싱 유닛을 사용하여 렌더링된 예시적인 자극들은 아바타가 그 안에 머물러 있도록 요구받는 경로의 시각적 제시일 수 있다. 프로그래밍된 프로세싱 유닛은 개인이 회피하거나 내비게이트하여 향해 가도록 요구받는 특정 타입의 장애물들을 갖는 경로를 렌더링할 수 있다. 일 예에서, 디바이스를 틸팅(tilting)시키거나 회전시키는 것과 같은, 그러나 이에 제한되지 않는, 개인에 의해 실시되는 미세한 운동 움직임들은 (예컨대, 특정된 바와 같이 장애물들을 회피하거나 가로지르는 동안 경로 상에서 아바타를 스티어링하거나 다른 방식으로 안내하기 위해) 가속도계 및/또는 자이로스코프를 사용하여 측정된다. (간섭으로서 역할하는) 표적 판별 태스크는 형상 및/또는 컬러가 상이한 표적들 및 비-표적들에 기초할 수 있다.
임의의 예에서, 장치는 (자이로스코프 또는 가속도계 또는 모션 또는 위치 센서를 사용하여 감지되는 움직임, 또는 터치 감응, 압력 감응 또는 커패시턴스 감응 센서를 사용하여 감지되는 터치와 같은) 하나 이상의 센서에 의해 판독되는 행위로서 컴퓨터 구현 시변 요소에 대한 응답을 제공하라고 개인에게 지시하도록 구성될 수 있다.
일부 예들에서, 태스크 및/또는 간섭은 시각 운동 태스크, 표적 판별 태스크, 및/또는 기억 태스크일 수 있다.
컴퓨터 구현 적응적 응답 기한 절차의 맥락에서, 특정 목표들에 대한 개인의 수행 특성들을 조작하기 위해 시행들 또는 시행들의 블록들 사이에서 응답 기한이 조정될 수 있다. 통상의 목표는 응답 기한을 제어함으로써 개인의 평균 응답 정확도를 특정 값을 향해 유도하는 것이다.
비제한적인 예에서, 히트율은 표적 자극들에 대한 올바른 응답들의 수를 제시된 표적 자극들의 총수로 나눈 것, 또는 거짓 경보 율(false alarm rate)(예컨대, 디스트랙터 자극들(distractor stimuli)에 대한 반응들의 수를 제시된 디스트랙터 자극들의 수로 나눈 것), 미스율(miss rate)(예컨대, 표적 자극들에 대한 무응답들의 수를, 디스트랙터 자극들에 대한 응답들의 수에 부가된 표적 자극들에 대한 무응답들을 포함한, 잘못된 응답들의 수로 나눈 것), 올바른 응답률(correct response rate)(신호를 포함하지 않는 올바른 응답들의 비율)로서 정의될 수 있다. 일 예에서, 올바른 응답률은 디스트랙터 자극들에 대한 무응답들의 수를 디스트랙터 자극들에 대한 무응답들의 수와 표적 자극들에 대한 응답들의 수의 합으로 나눈 것으로서 산출될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 특정 자극 강도에 대한 수행력의 척도들을 수정하기 위해 적응적 수행 절차들을 적용하도록 구성될 수 있다.
일부 예들에서, 적응적 절차는 (수정된 DDM과 같은, 그러나 이에 제한되지 않는) 인간 의사 결정의 계산 모델, 그러한 모델들의 출력들로부터 구축된 예측 모델들에 기초할 수 있으며, 계산 모델의 출력에 기초하는 본 명세서에 설명된 분석은 개인 차이들에 관해 또는 특정 자극 레벨에 대한 감도의 변화들에 관해 보다 정량적으로 정보를 제공할(informative) 수 있다. 수행 메트릭은 개인의 수행력을 결정하기 위한 유연한 도구를 제공한다. 그에 따라, 개인 또는 그룹 레벨에서의 수행 메트릭 측정들에 기초한 적응 절차는 본 명세서에 설명된 태스크들 및 컴퓨터 구현 시변 요소들과의 반복된 상호작용들, 및 상호작용들에 대한 개인의 응답들의 측정들로 시간 경과에 따른 개인 또는 그룹 레벨에서의 수행력의 변화들에 관한 바람직한 정보 소스가 된다.
일부 예들에서, 이 절차는 표적에 대한 감도의 정답률(percent correct)(PC) 신호 검출 메트릭에 기초하여 적응될 수 있다. 예시적인 시스템에서, 정답률(즉, 태스크 또는 컴퓨터 구현 시변 요소에 대한 개인의 올바른 응답들의 퍼센트)의 값은 매 시행마다 사용자 상호작용을 위해 사용자 인터페이스에서 렌더링된 태스크들 및/또는 간섭들의 자극 레벨을 적응시키기 위한 기초로서 적응 알고리즘들에서 사용될 수 있다.
일부 예들에서, 태스크들 및/또는 간섭은 2개 이상의 시행 및/또는 세션에서 개인에게 제시되고, 각각의 시행 및/또는 세션 사이에는 산재된 간격이 있다. 일부 예들에서, 컴퓨팅 시스템은 후속하는 시행(들) 및/또는 세션(들)에서의 태스크들 및/또는 간섭을 시행마다 그리고/또는 세션마다 변경되거나 동일하게 유지되는 난이도 레벨로 구현하도록 구성된다. 예를 들어, 각각의 후속하는 시행 및/또는 각각의 후속하는 세션에서의 난이도 레벨은 이전의 시행 및/또는 이전의 세션에서의 개인의 수행력에 의존할 수 있다. 이전의 시행 및/또는 세션에서 개인에 의해 이루어진 응답들에서의 올바른 입력들의 수가 증가하거나 특정 임계치(예컨대, 미리 결정된 퍼센티지의 올바른 응답들)에 도달함을 나타내는 컴퓨팅 시스템에 의한 분석에 기초하여, 컴퓨팅 시스템은 후속하는 시행 및/또는 세션에서의 태스크들 및/또는 간섭을 이전의 시행 및/또는 세션보다 높은 난이도 레벨로 구현하도록 구성된다. 이전의 시행 및/또는 세션에서, 개인에 의해 이루어진 응답들에서의 올바른 입력들의 수가 감소되거나, 특정된 임계치 이하이거나, 특정된 실패 레벨을 달성하거나, 또는 성공 레벨을 달성하지 못함을 나타내는 컴퓨팅 시스템에 의한 분석에 기초하여, 컴퓨팅 시스템은 후속하는 시행 및/또는 세션에서의 태스크들 및/또는 간섭을 이전의 시행 및/또는 세션보다 낮은 난이도 레벨로 구현하도록 구성된다. 일부 예들에서, 컴퓨팅 시스템은 후속하는 시행(들) 및/또는 세션(들)에서의 태스크들 및/또는 간섭을 단계별 방식의 그리고/또는 피크 및 밸리 방식의 난이도 레벨로 구현하도록 구성된다.
시행 및/또는 세션의 난이도 레벨을 변조하기 위해, 컴퓨팅 시스템은 프라이머리 태스크의 난이도 레벨, 또는 간섭의 난이도 레벨, 또는 프라이머리 태스크와 간섭의 일부 조합의 난이도 레벨을 수정하도록 구성될 수 있다. 난이도 레벨의 변조는 (태스크 또는 간섭에 대한 입력으로서 측정에 의해 결정된 바와 같이) 태스크 또는 간섭을 수행함에 있어서의 개인의 실제 수행력을 나타내는 데이터 또는 분석에 의해 좌우되는 보다 간접적인 파라미터, 예컨대, 간섭 비용(이하에서 보다 상세히 설명됨) 또는 결정 경계 메트릭과 같은, 그러나 이에 제한되지 않는 수행 메트릭에 기초할 수 있다.
다른 예에서, 컴퓨팅 시스템은, 예컨대, 난이도 레벨을 개인에 대한 임계 성공률 또는 그 부근에 유지하는 것에 의해, 플랫폼이 개인에 맞춰 특별히 테일러링되도록 난이도 레벨을 수정하도록 구성될 수 있다. 예를 들어, 컴퓨팅 시스템은 개인으로부터 실질적으로 일정한 에러율을 유지하는(예컨대, 실질적으로 대략 80% 응답 정확도를 유지하는) 난이도 레벨을 목표로 하도록 구성될 수 있다. 다른 예들에서, 컴퓨팅 시스템은 약 50%, 약 55%, 약 60%, 약 65%, 약 70%, 약 75%, 약 80%, 약 85%, 또는 약 90% 이상의 개인으로부터의 수행의 정확도를 유지하는 난이도 레벨을 목표로 하도록 구성될 수 있다. 주어진 개인에 대한 태스크의 난이도 레벨은 간섭을 갖지 않는 태스크(예컨대, 싱글-태스킹)를 처음에는 개인들의 카테고리에 대한 디폴트 난이도 레벨(예컨대, 연령 범위에 대한 평균), 최저 난이도 레벨, 또는 개인의 이전 평가에 기초하여 비슷한 레벨로 구현하는 것에 의해 결정될 수 있다. 후속하는 시행들 및/또는 세션들에서, 측정된 데이터의 분석이 개인이 특정 임계 레벨(예컨대, 퍼센트 정확도)에서 수행 중임을 나타낼 때까지 난이도 레벨이 변경될 수 있다.
본 명세서에서의 임의의 예에서, 컴퓨팅 시스템은 개인의 수행력을 특정 수행력 레벨에 동적으로 그리고 신속하게 유지하기 위해, 심리측정 계단형 알고리즘들(psychometric staircase algorithms)을 사용하는 것과 같이, 그러나 이에 제한되지 않는, 적응 이진화 방법들(adaptive thresholding methods)을 사용하여 난이도 레벨을 수정하도록 구성될 수 있다. 예를 들어, 이진화 알고리즘은 난이도 레벨들을 적절히 조정함으로써 개인으로부터 (시각 운동 추적 태스크와 같은, 그러나 이에 제한되지 않는) 프라이머리 태스크 및/또는 (표적 판별(또는 표적 검출) 태스크와 같은, 그러나 이에 제한되지 않는) 간섭에서의 개인의 수행력에서 약 80%에 가까운 정확도를 달성하도록 구현될 수 있다.
본 명세서에 설명된 예시적인 시스템들, 방법들, 및 장치들에 의해 전달되는 것과 같은, 실행 기능 트레이닝은, 개인의 요구 또는 선호도에 따라 또는 치료를 받는 임상 집단에 기초하여, 시행들 사이에서 자극 레벨들(구현된 컴퓨터 구현 시변 요소(들)에 기초한 인지 또는 감정 부하를 포함함)을 수정하여, 사용자의 수행 메트릭을 원하는 레벨(값)으로 이동시키기 위해 적응 알고리즘을 적용하도록 구성될 수 있다.
본 명세서에 설명된 예시적인 시스템들, 방법들, 및 장치들은 시행마다 사용자 상호작용을 위해 사용자 인터페이스에서 렌더링되는 태스크들 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 포함함)의 난이도 레벨들을 수정하기 위해 본 명세서에 설명된 바와 같이 계산된 수행 메트릭에 기초하여 적응되는 적응 알고리즘을 적용하도록 구성될 수 있다.
일 예에서, 태스크 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 포함함)은, 시행이 제공할 수 있는 정보를 최대화하기 위해, 현재의 추정치들을 추적하고 표적결정 태스크의 피처들, 궤적 및 응답 윈도, 및 다음 시행에 대한 병렬 태스크 간섭의 레벨/타입을 선택함으로써 메트릭들의 반복적 추정에 기초하여 수정/조정/적응될 수 있다.
일부 예들에서, 태스크 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 포함함)은 적응적 태스크들이다. 태스크 및/또는 간섭은, 본 명세서에서 앞서 설명된 바와 같이, 수행 메트릭에 기초하여 난이도 레벨이 적응되거나 수정될 수 있다. 그러한 난이도 적응은 참가자의 능력을 결정하는 데 사용될 수 있다.
일 예에서, 태스크(어쩌면 컴퓨터 구현 시변 요소를 포함함)의 난이도가 제시되는 매 자극마다 조정되는데, 이는 규칙적인 시간 간격으로(예컨대, 매 5초마다, 매 10초마다, 매 20초마다 또는 다른 규칙적 스케줄) 한 번보다 더 종종 일어날 수 있다.
다른 예에서, 연속적인 태스크(어쩌면 컴퓨터 구현 시변 요소를 포함함)의 난이도는, 매 30초마다, 10초마다, 1초마다, 초당 2회, 또는 초당 30회와 같은, 그러나 이에 제한되지 않는, 설정된 스케줄로 적응될 수 있다.
일 예에서, 시행의 시간 길이는 (태스크들/간섭의) 렌더링 및 (개인의 응답들의) 수신의 반복 횟수에 의존하며 시간상 변할 수 있다. 일 예에서, 시행은 약 500 밀리초, 약 1초(s), 약 10초, 약 20초, 약 25초, 약 30초, 약 45초, 약 60초, 약 2분, 약 3분, 약 4분, 약 5분, 또는 그 이상 정도일 수 있다. 각각의 시행은 미리 설정된 길이를 가질 수 있거나 프로세싱 유닛에 의해 동적으로(예컨대, 개인의 수행 레벨 또는 한 레벨로부터 다른 레벨로의 적응의 요구사항에 따라) 설정될 수 있다.
일 예에서, 장치가 개인에게 태스크를 성공적으로 수행했음을 알려주기 위해 그 메트릭들에서의 개선을 점진적으로 요구하기 위해 표적결정 태스크의 피처들, 궤적, 및 응답 윈도, 및 병렬 태스크 간섭의 레벨/타입을 선택하는 것에 의한 하나 이상의 특정 메트릭의 표적결정 변화(targeting changes)에 기초하여 태스크 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 포함함)이 수정될 수 있다. 이것은 원하는 목표들에 따라 수행을 수정하도록 개인을 안내하는, 명시적 메시징을 포함한, 특정 보강(reinforcement)을 포함할 수 있다.
일 예에서, 개인의 수행력과 규범 데이터(normative data) 또는 컴퓨터 모델의 비교 또는 특정 순서로 변경하기 위한 표적에 대한 한 세트의 메트릭들을 선택하기 위한 사용자 입력(태스크/간섭을 수행하는 개인 또는 임상의와 같은 다른 개인)을 취하는 것, 그리고 치료에 대한 피험자의 반응에 기초하여 이 절차를 반복적으로 수정하는 것에 기초하여 태스크 및/또는 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 포함함)이 수정될 수 있다. 이것은 절차에 대한 변경들의 통지로서 역할하도록 태스크/간섭을 수행하는 개인 또는 다른 개인에 대한 피드백을 포함할 수 있어, 이 변경들이 효력을 나타내기 전에 잠재적으로 그들이 이 변경들을 승인하거나 수정할 수 있게 해준다.
다양한 예들에서, 난이도 레벨은 일정하게 유지될 수 있거나, 적응적 태스크(프라이머리 태스크 또는 세컨더리 태스크)가 수행 메트릭에 기초하여 난이도가 증가하거나 감소하는, 적응적 구현에서는 세션의 적어도 일 부분에 걸쳐 변화될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 개인의 인지 능력을 향상시키도록 구성될 수 있다. 예시적인 구현에서, 프로그래밍된 프로세싱 유닛은 사용자 인터페이스에 태스크를 간섭과 함께 렌더링하기 위해 프로세서 실행가능 명령어들을 실행하도록 구성된다. 본 명세서에서 보다 상세히 설명된 바와 같이, 사용자 인터페이스가 장치 또는 시스템과 상호작용하는 개인으로부터의 적어도 하나의 타입의 응답을 수신하기 위한 제한된 시간 기간을 부과하도록, 태스크 및 간섭(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 포함함) 중 하나 이상은 시변적이고 응답 기한을 가질 수 있다.
예시적인 프로세싱 유닛은 간섭을 갖는 태스크의 제1 인스턴스를 사용자 인터페이스에서 렌더링하도록 사용자 인터페이스를 제어하여, 간섭의 존재 하에서 태스크의 제1 인스턴스에 대한 제1 응답을 개인에게 요구하고 적어도 하나의 컴퓨터 구현 시변 요소에 대한 응답을 개인에게 요구하도록 구성된다. 태스크의 제1 인스턴스 및 간섭 중 어느 하나 또는 둘 다는 적어도 하나의 컴퓨터 구현 시변 요소를 포함한다. 사용자 인터페이스는 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 측정하도록 구성될 수 있으며, 이 데이터는 개인의 인지 능력의 적어도 하나의 척도를 포함한다. 예시적인 프로세싱 유닛은 태스크의 제1 인스턴스에 대한 개인으로부터의 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인으로부터 응답을 실질적으로 동시에 측정하도록, 그리고 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 수신하도록 구성된다. 예시적인 프로세싱 유닛은 개인의 인지 능력의 적어도 하나의 정량화된 지시자를 포함하는 적어도 하나의 수행 메트릭을 계산하기 위해 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 분석하도록 또한 구성된다.
일 예에서, 인지 반응 능력의 수정의 표시는 개인의 인지 반응 능력의 충동성 또는 보수성의 정도의 척도의 변화의 관찰에 기초할 수 있다.
일 예에서, 인지 능력의 수정의 표시는 정서 편향, 기분, 인지 편향의 레벨, 지속적 주의력, 선택적 주의력, 주의력 결핍, 충동성, 억제(inhibition), 지각 능력, 반응 및 다른 운동 기능들, 시력, 장기 기억력, 작업 기억력, 단기 기억력, 논리, 또는 의사 결정 중 하나 이상의 척도의 변화를 포함할 수 있다.
일 예에서, 제1 수행 메트릭에 기초하여 태스크 및/또는 간섭을 적응시키는 것은 응답 윈도의 시간 길이를 수정하는 것, 개인에 대한 보상의 타입 또는 보상들의 제시율(rate of presentation)을 수정하는 것, 태스크 및/또는 간섭(컴퓨터 구현 시변 요소를 포함함)의 시변 특성을 수정하는 것 중 하나 이상을 포함한다.
일 예에서, 태스크 또는 간섭(컴퓨터 구현 시변 요소를 포함함)의 일 양태의 시변 특성들을 수정하는 것은 개인의 2개 이상의 상호작용 세션 사이의 사용자 인터페이스에서의 태스크 또는 간섭의 렌더링의 시간 길이를 조정하는 것을 포함한다.
일 예에서, 시변 특성들은 객체의 속도, 얼굴 표정의 변화율, 객체의 궤적 방향, 객체의 배향의 변경, 객체의 적어도 하나의 컬러, 객체의 타입, 또는 객체의 사이즈, 또는 사용자 인터페이스에 표적들 대 비-표적들의 렌더링의 시퀀스 또는 균형을 수정하는 것 중 하나 이상을 포함할 수 있다.
일 예에서, 객체의 타입의 변경은 제1 타입의 객체로부터 제2 타입의 객체로 모핑하는 것 또는 블렌드셰이프를 제1 타입의 객체와 제2 타입의 객체의 비례 조합으로서 렌더링하는 것을 사용하여 실시된다.
결정 경계의 형상 및/또는 영역을 명시적으로 측정한다는 목표를 사용하여 컴퓨터 구현 적응적 절차를 설계하면, 응답 기한들은 측정들이 이 경계를 정의하는 데 유용한 최대한의 정보를 생성하는 지점들로 조정될 수 있다. 이러한 최적의 기한들은 예상된 정보 엔트로피를 최소화하도록 정보 이론적 접근법을 사용하여 결정될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들, 및 장치들은, 임상 집단들에 대한 잠재적인 바이오마커(biomarker)를 결정하도록, 적어도 하나의 프로세싱 유닛을 포함하는 프로그래밍된 컴퓨팅 디바이스를 사용하여 구현될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들 및 장치들은 처치의 사용 후에 개인들 또는 그룹들에서의 응답 프로파일의 변화를 측정하도록 적어도 하나의 프로세싱 유닛을 포함하는 프로그래밍된 컴퓨팅 디바이스를 사용하여 구현될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들 및 장치들은, 보다 큰 정신 물리학적 임계치 측정 정확도 및 응답 프로파일의 평가를 위해 구현될 수 있는 개인 또는 그룹 데이터의 다른 측정가능한 특성을 컴퓨터 구현 적응적 정신 물리학적 절차들에 추가하기 위해, 본 명세서에서의 예시적인 메트릭들을 적용하도록 적어도 하나의 프로세싱 유닛을 포함하는 프로그래밍된 컴퓨팅 디바이스를 사용하여 구현될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들 및 장치들은 정신 물리학적 테스팅으로부터 수집된(harvested) 정보의 양을 증가시키기 위해 사용될 수 있는 이용가능 데이터에 새로운 차원을 추가하기 위해 본 명세서의 예시적인 메트릭들을 적용하도록 적어도 하나의 프로세싱 유닛을 포함하는 프로그래밍된 컴퓨팅 디바이스를 사용하여 구현될 수 있다.
본 명세서에서의 원리들에 따른 예시적인 시스템, 방법, 및 장치는 개인의 인지 능력을 향상시키도록 구성될 수 있다. 예시적인 구현에서, 프로그래밍된 프로세싱 유닛은 사용자 인터페이스에 태스크를 간섭과 함께 렌더링하기 위해 프로세서 실행가능 명령어들을 실행하도록 구성된다. 본 명세서에서 보다 상세히 설명된 바와 같이, 사용자 인터페이스가 장치 또는 시스템과 상호작용하는 개인으로부터의 적어도 하나의 타입의 응답을 수신하기 위한 제한된 시간 기간을 부과하도록, 태스크 및 간섭 중 하나 이상은 시변적이고 응답 기한을 가질 수 있다. 예시적인 프로세싱 유닛은 간섭을 갖는 태스크의 제1 인스턴스를 사용자 인터페이스에서 렌더링하도록 사용자 인터페이스를 제어하여, 간섭의 존재 하에서 태스크의 제1 인스턴스에 대한 제1 응답을 개인에게 요구하고 적어도 하나의 컴퓨터 구현 시변 요소에 대한 응답을 개인에게 요구하도록 구성된다. 태스크의 제1 인스턴스 및 간섭 중 어느 하나 또는 둘 다는 적어도 하나의 컴퓨터 구현 시변 요소를 포함한다. 사용자 인터페이스는 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 측정하도록 구성될 수 있으며, 이 데이터는 개인의 인지 능력의 적어도 하나의 척도를 포함한다. 예시적인 프로세싱 유닛은 태스크의 제1 인스턴스에 대한 개인으로부터의 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인으로부터 응답을 실질적으로 동시에 측정하도록, 그리고 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 수신하도록 구성된다. 예시적인 프로세싱 유닛은 개인의 인지 능력의 적어도 하나의 정량화된 지시자를 포함하는 제1 수행 메트릭을 계산하기 위해 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 분석하도록 또한 구성된다. 프로그래밍된 프로세싱 유닛은 장치가 간섭을 갖는 태스크를 제2 난이도 레벨로 렌더링하도록 계산된 적어도 하나의 제1 수행 메트릭에 기초하여 태스크 및 간섭 중 하나 이상의 난이도를 조정하도록, 그리고 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터에 적어도 부분적으로 기초하여 개인의 인지 능력을 나타내는 제2 수행 메트릭을 계산하도록 추가로 구성된다.
본 명세서에서의 원리들에 따른 다른 예시적인 시스템, 방법, 및 장치는 개인의 인지 능력을 향상시키도록 구성될 수 있다. 예시적인 구현에서, 프로그래밍된 프로세싱 유닛은 사용자 인터페이스에 태스크를 간섭과 함께 렌더링하기 위해 프로세서 실행가능 명령어들을 실행하도록 구성된다. 본 명세서에서 보다 상세히 설명된 바와 같이, 사용자 인터페이스가 장치 또는 시스템과 상호작용하는 개인으로부터의 적어도 하나의 타입의 응답을 수신하기 위한 제한된 시간 기간을 부과하도록, 태스크 및 간섭 중 하나 이상은 시변적이고 응답 기한을 가질 수 있다. 예시적인 프로세싱 유닛은 간섭을 갖는 태스크의 제1 인스턴스를 사용자 인터페이스에서 렌더링하도록 사용자 인터페이스를 제어하여, 간섭의 존재 하에서 태스크의 제1 인스턴스에 대한 제1 응답을 개인에게 요구하고 적어도 하나의 컴퓨터 구현 시변 요소에 대한 응답을 개인에게 요구하도록 구성된다. 태스크의 제1 인스턴스 및 간섭 중 어느 하나 또는 둘 다는 적어도 하나의 컴퓨터 구현 시변 요소를 포함한다. 사용자 인터페이스는 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 측정하도록 구성될 수 있으며, 이 데이터는 개인의 인지 능력의 적어도 하나의 척도를 포함한다. 예시적인 프로세싱 유닛은 태스크의 제1 인스턴스에 대한 개인으로부터의 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인으로부터 응답을 실질적으로 동시에 측정하도록, 그리고 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 수신하도록 구성된다. 예시적인 프로세싱 유닛은 개인의 인지 능력의 적어도 하나의 정량화된 지시자를 포함하는 적어도 하나의 수행 메트릭을 계산하기 위해 제1 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터를 분석하도록 또한 구성된다. 적어도 하나의 수행 메트릭에 적어도 부분적으로 기초하여, 예시적인 프로세싱 유닛은: (i) 개인이 약제, 약물, 또는 생물학적 제제의 투여에 응답하여 부작용을 경험할 가능성, (ii) 약제, 약물, 또는 생물학적 제제의 양, 농도, 또는 용량 적정 중 하나 이상의 권장된 변화, (iii) 개인의 인지 반응 능력의 변화, (iv) 권장된 치료 요법, 또는 (vi) 행동 요법, 상담, 또는 신체 운동 중 적어도 하나의 유효성의 권장된 또는 결정된 정도 중 적어도 하나를 나타내는 사용자 인터페이스로의 출력을 생성하도록 또한 구성된다.
비제한적인 예에서, 프로세싱 유닛은 태스크의 제1 인스턴스에 대한 개인으로부터의 제1 응답, 간섭에 대한 개인의 세컨더리 응답, 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 응답을 실질적으로 동시에 측정하도록 추가로 구성될 수 있다.
비제한적인 예에서, 프로세싱 유닛은 계산된 적어도 하나의 수행 메트릭을 개인에게 출력하도록 또는 컴퓨팅 디바이스에게 전송하도록 추가로 구성될 수 있다.
비제한적인 예에서, 프로세싱 유닛은 태스크의 제2 인스턴스를 사용자 인터페이스에서 렌더링하여, 태스크의 제2 인스턴스에 대한 제2 응답을 개인에게 요구하도록, 그리고 개인의 인지 능력의 적어도 하나의 부가의 표시의 척도로서 간섭 비용을 계산하기 위해 제1 응답을 나타내는 데이터와 제2 응답을 나타내는 데이터 사이의 차이를 분석하도록 추가로 구성될 수 있다.
비제한적인 예에서, 수행 메트릭스들의 분석의 결과들에 기초하여, 의료, 헬스케어, 또는 다른 전문가는 (개인의 동의 하에) 개인이, 잠재적으로 인지에 영향을 미치는 것을 포함한, 특정 타입, 양, 농도, 또는 용량 적정의 약제, 약물, 생물학적 제제, 또는 다른 약품을 투여받는 경우 일어날 수 있는(또는 잠재적으로 일어나고 있는) 잠재적 부작용에 대한 보다 나은 이해를 얻을 수 있다.
비제한적인 예에서, 특정의 개인들에 대한 수행 메트릭들의 분석의 결과들을 나타내는 데이터를, 개인들에 의해 경험되는 적어도 하나의 타입의 약제, 약물, 생물학적 제제, 또는 다른 약품의 알려진 효능 레벨들, 및/또는 적어도 하나의 타입의 약제, 약물, 생물학적 제제, 또는 다른 약품의 투여로 개인에 의해 경험되는 하나 이상의 부작용에 관한 정량화가능 정보와 함께, 포함하는 검색가능 데이터베이스가 본 명세서에서 제공된다. 검색가능 데이터베이스는 컴퓨팅 디바이스에 렌더링된 태스크 및/또는 간섭과 상호작용할 때 개인에 대해 획득된 수행 메트릭들, 응답 척도들, 응답 프로파일들, 및/또는 (응답 기준들과 같은, 그러나 이에 제한되지 않는) 결정 경계 메트릭에 기초하여 주어진 개인이 특정 타입의 약제, 약물, 생물학적 제제, 또는 다른 약품으로부터 이득을 보기 위한 후보인지를 결정하는 데 사용하기 위한 메트릭들을 제공하도록 구성될 수 있다.
비제한적인 예로서, 수행 메트릭들은 개인이 (흥분제, 예컨대, 메틸페니데이트 또는 암페타민과 같은, 그러나 이에 제한되지 않는) 특정 타입의 약물에 대한 후보인지 또는 컴퓨팅 디바이스에 렌더링된 태스크들 및/또는 간섭과의 다수의 특정된 반복된 상호작용들과 협력하여 개인이 약물을 투여받는 것이 유익할 수 있는지를 식별하는 데 도움이 될 수 있다. 본 명세서에 설명된 임의의 예에 적용가능한 생물학적 제제, 약물 또는 다른 약제의 다른 비제한적인 예들은 메틸페니데이트(MPH), 스코폴라민, 도네페질 하이드로클로라이드, 리바스티그민 타르트레이트, 메만틴 HCl, 솔라네주맙(solanezumab), 아두카누맙(aducanumab) 및 크레네주맙(crenezumab)을 포함한다.
비제한적인 예에서, 수행 메트릭스의 분석의 결과들에 기초하여, 의료, 헬스케어, 또는 다른 전문가는 (개인의 동의 하에) 개인이, 잠재적으로 인지에 영향을 미치는 것을 포함한, 상이한 양, 농도, 또는 용량 적정의 약제, 약물, 생물학적 제제, 또는 다른 약품을 투여받는 경우 일어날 수 있는(또는 잠재적으로 일어나고 있는) 잠재적 부작용에 대한 보다 나은 이해를 얻을 수 있다.
비제한적인 예에서, 특정의 개인들에 대한 수행 메트릭들의 분석의 결과들을 나타내는 데이터를, 개인들에 의해 경험되는 적어도 하나의 타입의 약제, 약물, 생물학적 제제, 또는 다른 약품의 알려진 효능 레벨들, 및/또는 적어도 하나의 타입의 약제, 약물, 생물학적 제제, 또는 다른 약품의 투여로 개인에 의해 경험되는 하나 이상의 부작용에 관한 정량화가능 정보와 함께, 포함하는 검색가능 데이터베이스가 본 명세서에서 제공된다. 검색가능 데이터베이스는 컴퓨팅 디바이스에 렌더링된 태스크 및/또는 간섭과 상호작용할 때 개인에 대해 획득된 응답 척도들, 응답 프로파일들, 및/또는 (응답 기준과 같은, 그러나 이에 제한되지 않는) 결정 경계 메트릭에 기초하여 주어진 개인이 특정 타입의 약제, 약물, 생물학적 제제, 또는 다른 약품으로부터 이득을 보기 위한 후보인지를 결정하는 데 사용하기 위한 메트릭들을 제공하도록 구성될 수 있다. 비제한적인 예로서, 컴퓨팅 디바이스의 사용자 인터페이스에서 렌더링된 태스크 및/또는 간섭(컴퓨터 구현 시변 요소를 포함함)과의 사용자 상호작용을 나타내는 데이터에 기초하여, 수행 메트릭들은, 개인의 인지 능력에 기초한, 개인에 관한 정보를 제공할 수 있다. 이 데이터는 개인이 (흥분제, 예컨대, 메틸페니데이트 또는 암페타민과 같은, 그러나 이에 제한되지 않는) 특정 타입의 약물에 대한 후보인지 또는 컴퓨팅 디바이스에 렌더링된 태스크들 및/또는 간섭과의 다수의 특정된 반복된 상호작용들과 협력하여 개인이 약물을 투여받는 것이 유익한지를 식별하는 데 도움이 될 수 있다. 본 명세서에 설명된 임의의 예에 적용가능한 생물학적 제제, 약물 또는 다른 약제의 다른 비제한적인 예들은 메틸페니데이트(MPH), 스코폴라민, 도네페질 하이드로클로라이드, 리바스티그민 타르트레이트, 메만틴 HCl, 솔라네주맙, 아두카누맙 및 크레네주맙을 포함한다.
일 예에서, 개인의 인지 반응 능력의 변화는 개인의 인지 응답 전략의 충동성 또는 보수성의 정도의 변화의 표시를 포함한다.
비제한적인 예로서, 충동적 행동이 ADHD에 수반된다는 점을 감안하면, (실행 기능의 치료를 포함한) 치료를 전달하도록 구성된 예시적인 인지 플랫폼은 요법(regimen)에서 덜 충동적인 행동을 조장할 수 있다. 이것은 뇌의 도파민 체계(dopamine systems)를 대상으로 하여, 정상적인 조절(normal regulation)을 증가시킬 수 있으며, 이는 충동적 행동의 감소의 이득을 개인의 일상 생활로 전이(transfer)시키는 것을 결과할 수 있다.
메틸페니데이트 및 암페타민과 같은 흥분제들은 뇌에서의 노르에피네프린(norepinephrine) 및 도파민의 레벨들을 증가시키기 위해 ADHD를 갖는 개인들에게 또한 투여된다. 그들의 인지 효과는 전전두엽 피질(prefrontal cortex)에서의 그들의 액션들에 기인할 수 있지만, 인지 조절 결핍(cognitive control deficits) 또는 다른 인지 능력의 교정(remediation)은 없을 수 있다. 본 명세서에서의 예시적인 인지 플랫폼은 개인의 인지 조절 결핍을 교정하기 위한 치료(실행 기능의 치료를 포함함)를 전달하도록 구성될 수 있다.
본 명세서에 설명된 원리들에 따른 예시적인 시스템들, 방법들, 및 장치들의 사용은 치매, 파킨슨병, 대뇌 아밀로이드 맥관병증, 가족성 아밀로이드 신경병증, 헌팅턴병, 또는 다른 신경퇴행성 질환, 자폐 스펙트럼 장애(ASD), 16p11.2 중복의 존재와 같은, 그러나 이에 제한되지 않는, 많은 상이한 타입의 신경 심리학적 질환들, 및/또는, 주의력 결핍 과잉행동 장애(ADHD), 감각 처리 장애(SPD), 경도 인지 장애(MCI), 알츠하이머병, 다발성 경화증, 정신분열증, 주요 우울 장애(MDD), 또는 불안증과 같은, 그러나 이에 제한되지 않는, 실행 기능 장애에 적용가능할 수 있다.
임의의 예시적인 구현에서, 개인으로부터의 데이터 및 다른 정보는 개인의 동의 하에 수집되고, 전송되며, 분석된다.
비제한적인 예로서, 간섭 프로세싱에 기초한 인지 플랫폼을 포함한, 본 명세서에서의 임의의 예시적인 시스템, 방법 및 장치와 관련하여 설명된 인지 플랫폼은 매사추세츠주 보스턴 소재의 Akili Interactive Labs, Inc.의 Project: EVO? 플랫폼에 기초하거나 이를 포함할 수 있다.
비제한적이고 예시적인 태스크들 및 간섭
이하는 개인이 상이한 인지 또는 감정 부하 하에서 자극들과 상호작용할 때 광범위한 생리학적, 행동적 및 인지적 측정들 데이터 및 관여된(예컨대, 활성화된 또는 억제된) 뇌, 신경 활동, 및/또는 신경 경로 메커니즘들의 영역들의 분석을 보여주는 보고된 결과들의 요약이다. 이 논문들은 컴퓨터 구현 시변 요소들을 사용한 자극들 대 인식 태스크들에서의 개인의 수행력에 기초하여 감지되고 정량화가능하게 측정될 수 있는 차이들을 또한 설명하였다.
생리학적 및 다른 측정들에 기초하여, 감정 처리, 인지 태스크들, 및 태스크들에 관여된 뇌의 영역들이 보고된다. 예를 들어, 리뷰 논문 [Pourtois et al., 2013, "Brain mechanisms for emotional influences on perception and attention: What is magic and what is not," Biological Psychology, 92, 492-512]에서, 편도체(amygdala)가 자극들의 감정적 가치(emotional value)를 모니터링하고, 뇌의 몇 개의 다른 영역에 투영하며, 피드백을 감각 신경로들(sensory pathways)(선조(striate) 및 선조외(extrastriate) 시각 피질을 포함함)에게 보내는 것으로 보고되었다. 개인의 제한된 처리 능력으로 인해, 개인이 동시적인 자극들을 병렬로 완전히 분석할 수 없으며, 이러한 자극들이 개인의 상위 인지 스테이지들 및 인식에 접근하기 위해 처리 자원들을 위해 경쟁한다는 것이 또한 보고되었다. 개인이 주어진 자극의 위치 또는 특징들에 주의를 돌려야 하는 경우에, 다른 동시적인 자극들을 희생시키면서, 이 자극을 표현하는 뇌 영역들에서의 신경 활동이 증가한다. Pourtois et al.은 이 현상이 신경 기록들은 물론 이미징 방법들(EEG, PET, fMRI)에 의해 광범위하게 입증되었고 이득 제어에 기인한 것임을 알려주었다. Pourtois et al.은 감정 신호들이 다른 주의 체계들(attentional systems)의 것들과 유사하지만, 편도체 및 상호연결된 전전두엽 영역들에서의 별개의 신경 메커니즘들에 의해 중재되는 이득 제어 메커니즘들을 통해 정서적으로 중요한 이벤트들의 처리 효율성 및 경쟁력(competitive strength)을 향상시킬 수 있다고 결론 지었고, 이러한 뇌 메커니즘들의 변화들이, 불안증 또는 공포증과 같은, 정신 병리학적 상태와 연관될 수 있다는 것을 알려주었다. 불안하거나 우울한 환자들이 부정적인 정보에 대해 부적응적 주의 편향들(maladaptive attentional biases)을 보일 수 있다는 것이 또한 보고되었다. Pourtois et al.은 EEG 및 fMRI로부터의 이미징 결과들이 (예컨대, 무서운 또는 위협 관련(threat-related)과 같은) 감정 자극들의 처리가 시각 피질에서의 이득 제어 효과를 야기하고 감정 이득 제어 효과가, 주의의 다른 태스크-의존적 또는 외인성 자극 중심 메커니즘들에 의한 임의의 동시적인 변조에 부가하여 또는 그와 병렬로, 위협 관련 자극들의 보다 효율적인 처리를 설명할 수 있다고 또한 보고한다(문헌 [Brosch et al., 2011, "Additive effects of emotional, endogenous, and exogenous attention: behavioral and electrophysiological evidence," Neuropsychologia 49, 1779-1787]을 또한 참조).
선택적 시각 주의력(visual attention) 테스트들 동안, EEG 측정들은 감마 대역의 변조에서 유용한 결과들을 제공할 수 있다. (예컨대, 문헌 [M
Figure pct00001
ller et al., (2000). "Modulation of induced gamma band activity in the human EEG by attention and visual information processing." International Journal of Psychophysiology 38.3: 283-299]를 참조한다). 주의 전환들(attentional shifts) 동안 EEG 알파 대역 신호의 변조를 보여주는 연구들이 또한 있다. (예컨대, 문헌 [Sauseng et al. (2005) "A shift of visual spatial attention is selectively associated with human EEG alpha activity." European Journal of Neuroscience 22.11: 2917-2926]을 참조한다.) P300 ERP(event-related potential)는 또한 주의에 관한 데이터 큐들을 제공한다. 예를 들어, 문헌 [
Figure pct00002
et al., (1978) "Early selective-attention effect on evoked potential reinterpreted", Acta Psychologica, 42, 313-329]는, 피험자가 빈번한 자극들과 비교하여 빈번하지 않은 자극들을 제시받을 때 유발 전위가 개선된 음성 반응(negative response)을 갖는다는 것을 보여주는, 청각 주의력(auditory attention)에 관한 연구들을 개시하고 있다.
Figure pct00003
et al은, 미스매치 음성도(mismatch negativity)라고 불리는, 이 음성 성분이 자극들로부터 100 내지 200 ms 이후에 - 이 시간은 완벽하게 전주의적 주의력 단계(pre-attentive attention phase)의 범위에 있음 - 발생한다는 것을 개시하고 있다.
본 명세서에서 앞서 설명된 바와 같이, 감정 처리 및 인지 처리는 각각이 특정 뇌 네트워크들 내에서의 그리고 그들 사이의 상호작용들을 요구한다. 인지 평가, 모니터 또는 치료가 성공적인 정도는 사용자 참여, 주의, 및 집중(focus)의 정도에 의존할 수 있다. 주요 우울 장애 및 다른 유사한 또는 관련 장애들은 주의(집중(concentration)), 기억(학습), 의사 결정(판단), 이해력, 판단, 추론, 이해, 학습, 및 기억(remembering)을 포함한 다수의 인지 영역들(cognitive domains)에서의 인지 능력의 변화들과 연관될 수 있다. 우울증과 연관된 인지적 변화들은 이 장애를 갖는 개인들에 의해 경험되는 장애들(disabilities)의 일부에 기여할 수 있다.
본 명세서에서 앞서 설명된 바와 같이, 자극에 대한 개인의 반응은 개인의 인지 질환, 질병, 또는 실행 기능 장애를 포함한, 개인의 상태에 따라 달라질 수 있다. 개인의 수행의 측정들은 인지 질환, 질병, 또는 실행 기능 장애의 발병 가능성 및/또는 진행 단계를 포함한, 인지 질환, 질병, 또는 실행 기능 장애와 관련하여 개인의 상태에 대한 통찰력을 제공할 수 있다.
생리학적 측정 데이터, 행동 데이터, 및 다른 인지 데이터의 전술한 비제한적 예들은 태스크들에 대한 개인의 응답들이 자극들의 타입에 기초하여 상이할 수 있음을 보여준다. 게다가, 전술한 예들은 개인이 컴퓨터 구현 시변 요소에 의해 영향을 받는 정도, 및 태스크에서 개인의 수행이 컴퓨터 구현 시변 요소의 존재 하에서 영향을 받는 정도가 개인이 한 형태의 감정 또는 정서 편향을 나타내는 정도에 의존한다. 본 명세서에 설명된 바와 같이, 개인의 수행력의 차이들은 컴퓨터 구현 시변 요소들(예컨대, 감정 또는 정서 요소들)을 갖는 자극들 대 인지 태스크들에서의 개인의 수행력에 기초하여 정량화가능하게 감지되고 측정될 수 있다. 보고된 생리학적 측정 데이터, 행동 데이터, 및 다른 인지 데이터는 자극에 의해 유발되는 인지 또는 감정 부하가 개인의 인지 질환, 질병 상태, 또는 실행 기능 장애의 존재 또는 부재에 기초하여를 포함한, 개인의 상태에 따라 달라질 수 있음을 또한 보여준다. 본 명세서에 설명된 바와 같이, 컴퓨터 구현 시변 요소들을 갖는 자극들 대 인지 태스크들에서의 개인의 수행력의 차이들의 측정들은, 사회 불안, 우울증, 양극성 장애, 주요 우울증 장애, 외상후 스트레스 장애, 정신분열증, 자폐 스펙트럼 장애, 주의력 결핍 과잉행동 장애, 치매, 파킨슨병, 헌팅턴병, 또는 다른 신경퇴행성 질환, 알츠하이머병, 또는 다발성 경화증과 같은, 그러나 이에 제한되지 않는, 개인에서의, 인지 질환, 질병, 및/또는 실행 기능 장애의 발병 가능성 및/또는 진행 단계에 대한 정량화가능한 통찰력을 제공할 수 있다.
개인들의 인지 조절 능력에 대한 간섭 프로세싱의 효과들이 보고되었다. 예컨대, 문헌 [A. Anguera, Nature 501, p. 97 (September 5, 2013)]("네이처 논문")을 참조한다. 본 명세서에 참고로 포함되는, 2011년 11월 10일자로 출원된, 미국 공개 번호 제20140370479A1호(미국 출원 제13/879,589호)를 또한 참조한다. 그 인지 능력들 중 일부는 주의력(선택성(selectivity), 지속성(sustainability) 등), 작업 기억력(작업 기억력에서의 용량 및 정보 유지 품질) 및 목표 관리(2개의 주의력을 요구하는 태스크들을 효과적으로 병렬 처리하거나 태스크들을 스위칭하는 능력)의 영역들에서의 인지 조절 능력들을 포함한다. 일 예로서, ADHD(주의력 결핍 과잉행동 장애)로 진단받은 어린이들은 주의력을 유지하는 데 어려움을 나타낸다. 주의력 선택성은 목표와 무관한 정보(goal-irrelevant information)를 무시하는 것에 수반되는 신경 프로세스들 및 목표와 관련이 있는 정보(goal-relevant information)에 초점을 맞추는 것을 용이하게 하는 프로세스들에 의존하는 것으로 밝혀졌다. 이 간행물은 2개의 객체가 동시에 보일 때 하나의 객체에 주의를 집중시키는 것은 시각 프로세싱 자원들을 다른 객체로부터 멀어지게 끌고 갈 수 있다는 것을 보여주는 신경 데이터(neural data)를 보고한다. 기억이 주의산만요소들을 효과적으로 무시하는 것에 보다 의존하고 정보를 기억해두는 능력이 주의산만요소 및 방해 둘 다에 의한 간섭에 취약하다는 것을 보여주는 연구들이 또한 보고되었다. 주의산만에 의한 간섭은 개인의 주의를 프라이머리 태스크로부터 분산시키지만 개인이 반응해서는 안된다는 것을 지시사항들이 나타내는, 예컨대, 비-표적인 간섭일 수 있다. 방해/방해요소에 의한 간섭은, 예컨대, 하나의 표적 또는 2개 이상의 표적이고, 개인의 주의를 프라이머리 태스크로부터 또한 분산시키지만, 개인이 응답해야(예컨대, 단일 표적의 경우) 하거나 선택해야(예컨대, 개인이 특징의 상이한 정도들 사이에서 결정하는 강제 선택 상황(forced-choose situation)) 한다고 지시사항들이 나타내는, 간섭일 수 있다.
주의산만요소의 존재 시의 감소된 기억 회상(memory recall)이 전전두엽 피질, 시각 피질 및 해마(hippocampus)(기억 통합(memory consolidation)에 관여함)를 수반하는 신경 네트워크의 단절(disruption)과 연관될 수 있음을 보여주는 fMRI 결과들이 또한 보고되었다. (선택적 주의력에서 역할을 하는) 전전두엽 피질 네트워크들은 주의산만에 의한 단절에 취약할 수 있다. 이 간행물은, 작업 기억력 또는 선택적 주의력의 영역들에서 인지 조절을 요구하는, 목표 관리가 인지 조절을 또한 요구하는 세컨더리 목표에 의해 영향을 받을 수 있다는 것을 또한 보고한다. 이 간행물은, 주의산만요소들 및 방해들의 유해한 효과들을 감소시키기 위한 것을 포함하여, 간섭 프로세싱의 유익한 효과들을 개인의 인지 능력에 대한 효과들을 갖는 처치로서 나타내는 데이터를 또한 보고하였다. 이 간행물은, 싱글-태스킹 또는 멀티-태스킹 수행을 평가하기 위한 것을 포함하여, 개인의 수행을 정량화하기 위해 계산될 수 있는 비용 척도들(간섭 비용을 포함함)을 설명하였다.
이 간행물들에 개시된 예시적인 비용 척도는, 개인이 싱글-태스킹 태스크 대 멀티-태스킹에 관여되어 있을 때 보다 큰 비용(즉, 보다 네거티브인 퍼센티지 비용)은 증가된 간섭을 나타내도록, 멀티-태스킹 태스크와 비교하여 싱글-태스킹 태스크에서의 개인의 수행력의 퍼센티지 변화이다. 이 간행물은 태스크 단독(task in isolation)에 대한 개인의 수행력과 하나 이상의 간섭이 적용된 태스크 간의 차이로서 결정되는 간섭 비용을 설명하며, 여기서 간섭 비용은 간섭에 대한 개인의 감수성에 대한 평가를 제공한다.
컴퓨터 구현 간섭 프로세싱의 유형적 이점들(tangible benefits)이 또한 보고된다. 예를 들어, 네이처지(Nature paper)에 따르면 컴퓨터 구현 간섭 프로세싱을 사용하여 평가된 멀티-태스킹 수행력이 20세 내지 79세의 성인들에서의 선형적 나이-관련 수행력 저하(linear age-related decline in performance)를 정량화할 수 있었다고 한다. 네이처지는 적응적 형태의 컴퓨터 구현 간섭 프로세싱과 상호작용한 노령 성인(60 내지 85세)이 감소된 멀티-태스킹 비용을 나타내었고, 이득(gains)이 6개월 동안 지속된다고 또한 보고하고 있다. 네이처지는, 뇌파 검사(electroencephalography)로 측정되는 바와 같은, 인지 조절의 나이-관련 신경 시그너처 결핍(age-related deficits in neural signatures)이, 향상된 정중 전두엽 세타 파워(midline frontal theta power) 및 전두엽-후두부 세타 코히런스(frontal-posterior theta coherence)를 갖는, (컴퓨터 구현 간섭 프로세싱을 사용한) 멀티-태스킹 트레이닝에 의해 교정되었다고 또한 보고하였다. 컴퓨터 구현 간섭 프로세싱과 상호작용하는 것은 트레이닝되지 않은 인지 조절 능력으로 확장된 수행 이점들(향상된 지속적 주의력 및 작업 기억력)을 결과하였으며, 정중 전두엽 세타 파워의 증가는 6개월 후에 지속적 주의력의 증가 및 멀티-태스킹 개선의 유지를 예견한다.
본 명세서에서의 원리들에 따른 예시적인 시스템들, 방법들, 및 장치들은 인지 능력에 관해 개인을 분류하도록 그리고/또는 컴퓨터화된 인지 플랫폼을 사용한 간섭 프로세싱의 구현에 기초하여 그 인지 능력을 향상시키도록 구성된다. 예시적인 시스템들, 방법들, 및 장치들은, 개인이 태스크와 간섭을 실질적으로 동시에 수행하도록 요구받는, 프로그래밍된 컴퓨팅 디바이스의 능력을 사용한 한 형태의 멀티-태스킹을 구현하도록 구성되며, 여기서 태스크 및/또는 간섭은 컴퓨터 구현 시변 요소를 포함하며, 개인은 컴퓨터 구현 시변 요소에 응답하도록 요구받는다. 컴퓨팅 디바이스의 감지 및 측정 능력은, 컴퓨팅 디바이스가 컴퓨터 구현 시변 요소에 응답하기 위해 개인에 의해 취해진 물리적 행위들을 나타내는 데이터를 수집하는 것과 실질적으로 동시에, 태스크에 응답하기 위해 응답 실행 시간 동안 개인에 의해 취해진 물리적 행위들을 나타내는 데이터를 수집하도록 구성된다. 태스크 및/또는 간섭을 실시간으로 사용자 인터페이스에서 렌더링하고, 태스크 및/또는 간섭 및 컴퓨터 구현 시변 요소에 대한 개인의 응답들을 나타내는 데이터를 실시간으로 그리고 실질적으로 동시에 측정하는 컴퓨팅 디바이스들 및 프로그래밍된 프로세싱 유닛들의 능력은 상이한 태스크들 및 간섭들로 그리고 그로부터 신속하게 스위칭하거나 또는 다수의 상이한 태스크들 또는 간섭들(개인이 설정된 시간 기간 동안 단일 타입의 태스크를 수행하도록 요구받는, 싱글-태스킹의 경우를 포함함)을 연달아(in a row) 수행하는 개인의 인지 능력의 정량화가능 척도들을 제공할 수 있다.
본 명세서에서의 임의의 예에서, 사용자 인터페이스가 장치 또는 컴퓨팅 디바이스와 상호작용하는 개인으로부터의 적어도 하나의 타입의 응답을 수신하기 위한 제한된 시간 기간을 부과하도록, 태스크 및/또는 간섭은 응답 기한을 포함한다. 예를 들어, 개인이 태스크 및/또는 간섭을 수행하기 위해 컴퓨팅 디바이스 또는 다른 장치와 상호작용하도록 요구받는 시간 기간은, 약 30초, 약 1분, 약 4분, 약 7분, 약 10분, 또는 10분 초과와 같은, 그러나 이에 제한되지 않는, 미리 결정된 양의 시간일 수 있다.
예시적인 시스템들, 방법들, 및 장치들은, 실행 기능 조절(executive function control)에서의 개인의 인지 능력의 척도로서, 하나의 행위를 다른 행위 대신에 수행할지를 결정함에 있어서의 개인의 능력의 척도들을 제공하기 위해 그리고 간섭이 개인의 주의를 태스크로부터 전환하도록 간섭의 존재 하에서 현재의 태스크의 규칙들을 활성화시키기 위해, 한 형태의 멀티-태스킹을 구현하도록 구성될 수 있다.
예시적인 시스템들, 방법들, 및 장치들은, 설정된 시간 기간 동안 (내비게이션 태스크 전용 또는 표적 판별 태스크 전용과 같은, 그러나 이에 제한되지 않는) 단일 타입의 태스크(즉, 간섭을 갖지 않음)와 상호작용할 때의 개인의 수행력의 척도들이 개인의 인지 능력의 척도를 제공하는 데 또한 사용될 수 있는, 한 형태의 싱글-태스킹을 구현하도록 구성될 수 있다.
예시적인 시스템들, 방법들, 및 장치들은 싱글-태스킹과 멀티-태스킹 시행들의 상이한 시퀀스들 및 조합들을 수반하는 세션들을 구현하도록 구성될 수 있다. 제1 예시적인 구현에서, 세션은 제1 싱글-태스킹 시행(제1 타입의 태스크를 가짐), 제2 싱글-태스킹 시행(제2 타입의 태스크를 가짐), 및 멀티-태스킹 시행(프라이머리 태스크가 간섭과 함께 렌더링됨)을 포함할 수 있다. 제2 예시적인 구현에서, 세션은 2개 이상의 멀티-태스킹 시행(프라이머리 태스크가 간섭과 함께 렌더링됨)을 포함할 수 있다. 제3 예시적인 구현에서, 세션은 2개 이상의 싱글-태스킹 시행(모두가 동일한 타입의 태스크들에 기초하거나 적어도 하나가 상이한 타입의 태스크에 기초함)을 포함할 수 있다.
다양한 태스크들의 수행들에 대한 2개의 상이한 타입의 간섭(예컨대, 주의산만요소 또는 방해요소)의 효과들을 비교하기 위해 수행이 추가로 분석될 수 있다. 일부 비교들은 간섭을 갖지 않는 수행, 주의산만요소를 갖는 수행, 및 방해를 갖는 수행을 포함할 수 있다. 태스크의 수행 레벨에서의 각각의 타입의 간섭의 비용(예컨대, 주의산만요소 비용 및 방해요소/멀티-태스킹 비용)이 분석되어 개인에게 보고된다.
간섭 프로세싱은 간섭 이벤트들(방해요소들 및 주의산만요소들)을 프로세싱하는 능력을 측정하고 개선시키는 정량화가능한 방식을 제공한다. 간섭 감수성은 전역 실행 기능(global executive function)(주의력과 기억력을 포함함)에 대한 제한 인자로서 인식되며, 다수의 질병들에서 취약한 것으로 알려져 있다. EEG 신호들의 변화들은 인지 조절과 연관된 신경 자리들(neurological loci)에서 발생하는 것으로 나타났다. 예를 들어, 개인이 간섭 프로세싱을 수행하기 이전에, 그 동안에, 또는 그 이후에 자극-잠금된(stimulus-locked) 뇌파 검사(EEG)에 의해 측정되는 정중 전두엽 세타(midline frontal theta)(MFT) 파워는 주의 및 간섭 감수성의 표시들을 제공할 수 있다.
본 명세서에서의 임의의 예에서, 간섭은 (주의산만요소인) 비-표적 또는 (방해요소인) 표적 중 어느 하나인 자극, 또는 상이한 타입의 표적들(예컨대, 상이한 정도의 얼굴 표정 또는 다른 특성/특징 차이)인 자극들을 포함하는 세컨더리 태스크일 수 있다.
다수의 개별 소스들(센서들 및 다른 측정 컴포넌트들을 포함함)의 실시(effecting) 및 이 다수의 상이한 소스들로부터 선택적으로 데이터를 실질적으로 동시에(즉, 대략 동일한 시간에 또는 짧은 시간 간격 내에) 그리고 실시간으로 수신하는 것을 제어하는 프로그래밍된 프로세싱 유닛의 능력에 기초하여, 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들은 정상적인 인간 능력을 사용하여 달성될 수 없었던 태스크 및/또는 간섭에 대한 개인으로부터의 응답들의 정량적 척도들을 수집하는 데 사용될 수 있다. 그 결과, 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들은 특정 시간 기간들에 걸쳐 태스크와 실질적으로 동시에 간섭을 렌더링하도록 프로그래밍된 프로세싱 유닛을 구현하도록 구성될 수 있다.
일부 예시적인 구현들에서, 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들은 (간섭이 표적 또는 비-표적을 포함하는지에 관계없이) 간섭에 대한 개인의 응답의 정도 및 타입의 척도를 나타내는 데이터가 수집되는 것과 실질적으로 동시에 태스크에 대한 개인의 응답의 정도 및 타입의 척도를 나타내는 데이터를 수신하도록 또한 구성될 수 있다. 일부 예들에서, 예시적인 시스템들, 방법들, 및 장치들은, 비용 척도(간섭 비용을 포함함)를 계산하기 위해, 표적에 대한 개인의 응답을 나타내는 측정된 데이터에 적용되는 스코어링 또는 가중 인자들과 상이한 스코어링 또는 가중 인자들을 비-표적에 대한 개인의 응답을 나타내는 측정된 데이터에 적용하는 것에 의해 분석을 수행하도록 구성된다.
본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들에서, 비용 척도는 간섭의 존재 하에서 하나 이상의 태스크에서의 개인의 수행력의 척도들과 비교하여 간섭의 부재 하에서 하나 이상의 태스크에서의 개인의 수행력의 척도들의 차이에 기초하여 계산될 수 있으며, 여기서 하나 이상의 태스크 및/또는 간섭은 하나 이상의 컴퓨터 구현 시변 요소를 포함한다. 본 명세서에 설명된 바와 같이, 개인이 컴퓨터 구현 시변 요소(들)와 상호작용해야(그리고 그에 대해 응답을 제공해야) 하는 것은 컴퓨터 구현 시변 요소에 응답하는 데 감정 처리가 요구되는 것으로 인해 태스크(들) 및/또는 간섭을 수행하는 개인의 능력에 정량화가능하게 영향을 미치는 인지 또는 감정 부하를 유입시킬 수 있다. 예를 들어, 본 명세서에서 수집된 데이터에 기초하여 계산되는 간섭 비용은 간섭에 대한 개인의 감수성의 정량화가능한 평가를 제공할 수 있다. 태스크 단독 대 하나 이상의 간섭의 존재 하에서의 태스크(태스크 및/또는 간섭이 컴퓨터 구현 시변 요소를 포함함)에 대한 개인의 수행력의 차이의 결정은 개인의 인지 능력을 평가하고 분류하는 데 사용될 수 있는 간섭 비용 메트릭을 제공한다. 수행되는 태스크들 및/또는 간섭의 개인의 수행력에 기초하여 계산되는 간섭 비용은, 사회 불안, 우울증, 양극성 장애, 주요 우울증 장애, 외상후 스트레스 장애, 정신분열증, 자폐 스펙트럼 장애, 주의력 결핍 과잉행동 장애, 치매, 파킨슨병, 헌팅턴병, 또는 다른 신경퇴행성 질환, 알츠하이머병, 또는 다발성 경화증과 같은, 그러나 이에 제한되지 않는, 개인의 인지 질환, 질병 상태, 및/또는 실행 기능 장애의 존재 또는 단계의 정량화가능한 척도를 또한 제공할 수 있다.
본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들은, 반복되는 주기적 프로세스로서, 간섭(간섭 비용과 같은 비용 척도를 포함함)에 대한 개인의 민감성의 분석을 수행하도록 구성될 수 있다. 예를 들어, 개인이 주어진 태스크 및/또는 간섭에 대해 최소화된 간섭 비용을 갖는 것으로 결정되는 경우, 예시적인 시스템들, 방법들, 및 장치들은 개인의 수행 메트릭이 그 주어진 조건에서 최소화된 간섭 비용을 나타낼 때까지 - 이 시점에서, 개인의 수행 메트릭이 그 조건에 대한 최소화된 간섭 비용을 한 번 더 나타낼 때까지 예시적인 시스템들, 방법들, 및 장치들은 훨씬 더 어려운 태스크 및/또는 간섭을 개인에게 제시하도록 구성될 수 있음 - 보다 어려운(즉, 보다 높은 난이도 레벨을 갖는) 태스크 및/또는 간섭을 수행하라고 개인에게 요구하도록 구성될 수 있다. 이것은 개인의 수행의 원하는 종점이 달성될 때까지 임의의 횟수 반복될 수 있다.
비제한적인 예로서, 간섭 비용은, 평가를 제공하기 위해, (간섭을 갖는) 멀티-태스킹 태스크와 비교하여 (간섭을 갖지 않는) 싱글-태스킹 태스크에서의 개인의 수행의 측정들에 기초하여 계산될 수 있다. 예를 들어, 간섭 비용을 제공하기 위해 멀티-태스킹 태스크(예컨대, 간섭을 갖는 표적결정 태스크)에서의 개인의 수행력이 간섭을 갖지 않는 싱글-태스킹 표적결정 태스크에서의 개인의 수행력과 비교될 수 있다.
본 명세서에서의 예시적인 시스템들, 장치들 및 방법들은, 개인의 인지 능력의 정량화된 지시자를 포함하는 수행 메트릭을 제공하기 위해, 개인이 컴퓨터 구현 시변 요소에 의해 영향을 받는 정도, 및/또는 태스크에서 개인의 수행력이 컴퓨터 구현 시변 요소의 존재 하에서 영향을 받는 정도를 나타내는 데이터를 분석하도록 구성된다. 수행 메트릭은 개인이 한 형태의 감정 또는 정서 편향을 나타내는 정도의 지시자로 사용될 수 있다.
일부 예시적인 구현들에서, 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들은 태스크에 대한 개인의 응답의 정도 및 타입의 척도를 나타내는 데이터가 수집되는 것과 실질적으로 동시에(즉, 실질적으로 동일한 시간에) 표적 자극(즉, 방해요소)을 포함하는 간섭에 대한 개인의 응답의 정도 및 타입의 척도를 나타내는 데이터를 선택적으로 수신하도록 그리고 태스크에 대한 개인의 응답의 정도 및 타입의 척도를 나타내는 데이터가 수집되는 것과 실질적으로 동시에(즉, 실질적으로 동일한 시간에) 비-표적 자극(즉, 주의산만요소)을 포함하는 간섭에 대한 개인의 응답의 정도 및 타입의 척도를 선택적으로 수집하지 않도록 또한 구성될 수 있다. 즉, 예시적인 시스템들, 방법들, 및 장치들은 시간적으로 및/또는 공간적으로 중 어느 하나에서 응답을 측정하기 위한 감지/측정 컴포넌트들의 상태를 선택적으로 제어함으로써 표적 대 비-표적에 대한 개인의 응답의 윈도들 간을 판별하도록 구성된다. 이것은 표적 또는 비-표적의 제시에 기초하여 감지/측정 컴포넌트들을 선택적으로 활성화 또는 비활성화시키는 것에 의해, 또는 표적에 대한 개인의 응답에 대해 측정된 데이터를 수신하고 비-표적에 대한 개인의 응답에 대해 측정된 데이터를 선택적으로 수신하지 않는 것(예컨대, 무시하는 것, 거부하는 것, 또는 거절하는 것)에 의해 달성될 수 있다.
본 명세서에 설명된 바와 같이, 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들을 사용하는 것은, 시간 경과에 따른 주의력의 지속성, 주의력의 선택성, 및 주의력 결핍의 감소을 위한 능력에 기초하는 것을 포함하여, 주의력의 영역에서의 개인의 인지 능력의 척도를 제공하도록 구현될 수 있다. 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들을 사용하여 측정될 수 있는 개인의 인지 능력의 다른 영역들은 정서 편향, 기분, 정서 편향의 레벨, 충동성, 억제, 지각 능력, 반응 및 다른 운동 기능들, 시력, 장기 기억력, 작업 기억력, 단기 기억력, 논리, 및 의사 결정을 포함한다.
본 명세서에 설명된 바와 같이, 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들을 사용하는 것은 뇌 가소성(brain plasticity)의 과학에 기초하여 개인의 인지 능력을 향상시키기 위해 사용자 세션마다(또는 심지어 사용자 시행마다) 태스크 및/또는 간섭(적어도 하나는 컴퓨터 구현 시변 요소를 포함함)을 적응시키도록 구현될 수 있다. 적응성(adaptivity)은 임의의 효과적인 가소성 하네싱 툴(plasticity-harnessing tool)을 위한 유익한 설계 요소이다. 예시적인 시스템들, 방법들, 및 장치들에서, 프로세싱 유닛은, 개인의 물리적 행위들이 상호작용(들) 동안 기록될 수 있도록, 자극들의 타이밍, 배치, 및 성질과 같은, 그러나 이에 제한되지 않는, 태스크들 및/또는 간섭의 파라미터들을 제어하도록 구성된다. 본 명세서에서 앞서 설명된 바와 같이, 개인의 물리적 행위들은 싱글-태스킹 및 멀티-태스킹 태스크들을 수행하기 위해 컴퓨팅 디바이스와의 상호작용들 동안 개인의 신경 활동에 의해 영향을 받는다. 간섭 프로세싱의 과학은 (생리학적 및 행동 측정들로부터의 결과들에 기초하여) 적응성의 양태가 신경가소성(neuroplasticity)에 기초하여 다수의 세션들(또는 시행들)로부터의 트레이닝에 응답하여 개인의 뇌에서의 변화들을 가져올 수 있고, 그로써 개인의 인지 능력을 향상시킬 수 있다는 것을 보여준다. 예시적인 시스템들, 방법들 및 장치들은, 개인이 간섭 프로세싱을 수행하는 경우, 적어도 하나의 컴퓨터 구현 시변 요소를 갖는 태스크들 및/또는 간섭을 구현하도록 구성된다. 본 명세서에 앞서 설명된 발표된 연구 결과들에서 뒷받침되는 바와 같이, 태스크들을 수행하는 개인에 대한 효과는 개인의 인지 능력을 향상시키기 위해 인지 트레이닝의 새로운 양태들을 이용할 수 있다.
도 7a 내지 도 10d는 사용자 상호작용들을 위한 태스크들 및/또는 간섭들(어느 하나 또는 둘 다는 컴퓨터 구현 시변 요소를 가짐)을 렌더링하기 위해 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들을 사용하여 렌더링될 수 있는 비제한적인 예시적인 사용자 인터페이스들을 도시하고 있다. 도 7a 내지 도 10d의 비제한적인 예시적인 사용자 인터페이스들은: 태스크들 및/또는 간섭들을 수행하는 것에 대한 지시사항들을 개인에게 디스플레이하는 것, 컴퓨터 구현 시변 요소와 상호작용하는 것, 태스크 및/또는 간섭들 및 컴퓨터 구현 시변 요소에 대한 개인의 응답들을 나타내는 데이터를 수집하는 것, 진행 메트릭들을 보여주는 것, 및 분석 메트릭들을 제공하는 것 중 하나 이상을 위해 또한 사용될 수 있다.
도 7a 내지 도 7d는 본 명세서에서의 예시적인 시스템들, 방법들, 및 장치들을 사용하여 렌더링된 비제한적인 예시적인 사용자 인터페이스들을 도시하고 있다. 도 7a 및 도 7b에 도시된 바와 같이, 예시적인 프로그래밍된 프로세싱 유닛은 태스크들 및/또는 간섭들을 수행하는 것 및 컴퓨터 구현 시변 요소와 상호작용하는 것에 대한 지시사항들을 개인에게 디스플레이하기 위한 디스플레이 피처들(700), 및 분석 메트릭들을 제공하기 위해 진행 메트릭들로부터의 상태 지시자들 및/또는 개인의 상호작용들(태스크들/간섭들에 대한 응답들을 포함함)로부터 수집된 데이터에 애널리틱스(analytics)를 적용하는 것으로부터의 결과들을 보여주기 위한 메트릭 피처들(702)을 사용자 인터페이스들(그래픽 사용자 인터페이스들을 포함함)에 렌더링하는 데 사용될 수 있다. 본 명세서에서의 임의의 예시적인 시스템들, 방법들, 및 장치들에서, 예측 모델은 응답 출력으로서 제공되는 분석 메트릭들을 제공하는 데 사용될 수 있다. 본 명세서에서의 임의의 예시적인 시스템들, 방법들, 및 장치들에서, 사용자 상호작용들로부터 수집된 데이터는 예측 모델을 트레이닝시키기 위한 입력으로서 사용될 수 있다. 도 7a 및 도 7b에 도시된 바와 같이, 예시적인 프로그래밍된 프로세싱 유닛은 개인이 (시각-운동 태스크에서 경로 또는 다른 환경을 내비게이트하도록, 그리고/또는 표적 판별 태스크에서 객체를 선택하도록과 같은, 그러나 이에 제한되지 않는) 제어하도록 요구받는 아바타 또는 다른 프로세서에 의해 렌더링된 가이드(704)를 사용자 인터페이스들(그래픽 사용자 인터페이스들을 포함함)에 렌더링하는 데 또한 사용될 수 있다. 일 예에서, 컴퓨터 구현 시변 요소는 시각 운동 태스크의 컴포넌트로서(예컨대, 경로를 따라 있는 이정표 객체로서) 또는 표적 판별 태스크의 컴포넌트로서 포함될 수 있으며, 예컨대, 여기서 특정 타입의 컴퓨터 구현 시변 요소는 표적이고, 다른 타입의 컴퓨터 구현 시변 요소는 표적이 아니다. 도 7b에 도시된 바와 같이, 디스플레이 피처들(700)은, 사용자 인터페이스가 내비게이션 태스크를 수행하는 데 요구된 아바타 또는 다른 프로세서에 의해 렌더링된 가이드(704)의 움직임의 타입을 (파선을 사용하여) 묘사하는 동안, 내비게이션 태스크를 수행하기 위해 예상되는 것을 개인에게 지시하는 데 사용될 수 있다. 일 예에서, 내비게이션 태스크는, 스코어링을 결정하기 위해, 개인이 가로지르거나 피하게 아바타를 스티어링하도록 요구받는 이정표 객체들(어쩌면 컴퓨터 구현 시변 요소들을 포함함)을 포함할 수 있다. 도 7c에 도시된 바와 같이, 디스플레이 피처들(700)은, 사용자 인터페이스가 사용자 인터페이스에 렌더링될 수 있는 객체(들)(706 및 708)의 타입을 묘사하는 동안, 표적 판별 태스크를 수행하기 위해 예상되는 것을 개인에게 지시하는 데 사용될 수 있으며, 하나의 타입의 객체(706)는 표적(어쩌면 표적 컴퓨터 구현 시변 요소를 포함함)으로서 지정되는 반면 사용자 인터페이스에 렌더링될 수 있는 다른 타입의 객체(708)는 (예컨대, 이 예에서 크로스-아웃되는(crossed out) 것에 의해) 비-표적(어쩌면 비-표적 컴퓨터 구현 시변 요소를 포함함)으로서 지정된다. 도 7d에 도시된 바와 같이, 디스플레이 피처들(700)은, 사용자 인터페이스가 내비게이션 태스크를 수행하는 데 요구된 아바타 또는 다른 프로세서에 의해 렌더링된 가이드(704)의 움직임의 타입을 (파선을 사용하여) 묘사하고, 사용자 인터페이스가 표적 객체(706)로서 지정된 객체 타입 및 비-표적 객체(708)로서 지정된 객체 타입을 렌더링하는 동안, 프라이머리 태스크인 내비게이션 태스크 및 세컨더리 태스크(즉, 간섭)인 표적 판별 둘 다를 수행하기 위해 예상되는 것을 개인에게 지시하는 데 사용될 수 있다.
도 8a 내지 도 8d는 본 명세서에서의 원리들에 따른, 예시적인 사용자 인터페이스에 시변 특성들로서 렌더링될 수 있는 객체(들)(표적들 또는 비-표적들)의 피처들의 예들을 도시하고 있다. 도 8a는 사용자 인터페이스에 렌더링된 객체(800)의 양태의 시변 특성들에 대한 수정이 그래픽 사용자 인터페이스에서 렌더링된 환경에 대한 객체(800)의 위치 및/또는 속도의 동적 변화인 일 예를 도시하고 있다. 도 8b는 사용자 인터페이스에 렌더링된 객체(802)의 양태의 시변 특성들에 대한 수정이 그래픽 사용자 인터페이스에서 렌더링된 환경에 대한 객체(802)의 사이즈 및/또는 궤적/모션의 방향, 및/또는 배향의 동적 변화인 일 예를 도시하고 있다. 도 8c는 사용자 인터페이스에 렌더링된 객체(804)의 양태의 시변 특성들에 대한 수정이 그래픽 사용자 인터페이스에서 렌더링된 환경에 대한 객체(804)의 형상 또는 다른 타입의 동적 변화인 일 예를 도시하고 있다. 이 비제한적인 예에서, 객체(804)의 시변 특성은 제1 타입의 객체(별모양 객체(star object))로부터 제2 타입의 객체(원형 객체(round object))로의 모핑을 사용하여 실시된다. 다른 비제한적인 예에서, 객체(804)의 시변 특성은 제1 타입의 객체와 제2 타입의 객체의 비례 조합으로서 블렌드셰이프를 렌더링하는 것에 의해 실시된다. 도 8c는 사용자 인터페이스에 렌더링된 객체(804)의 양태의 시변 특성들에 대한 수정이 (이 비제한적인 예에서, 별모양 객체로부터 원형 객체로의) 그래픽 사용자 인터페이스에서 렌더링된 객체(804)의 형상 또는 다른 타입의 동적 변화인 일 예를 도시하고 있다. 도 8d는 사용자 인터페이스에 렌더링된 객체(806)의 양태의 시변 특성에 대한 수정이 (이 비제한적인 예에서, 제1 패턴을 갖는 별모양 객체로부터 제1 패턴을 갖는 별모양 객체로의) 그래픽 사용자 인터페이스에서 렌더링된 환경에 대한 객체(806)의 패턴, 또는 컬러, 또는 시각적 특징의 동적 변화인 일 예를 도시하고 있다. 다른 비제한적인 예에서, 객체의 시변 특성은 객체 상에 또는 객체에 대해 묘사된 얼굴 표정의 변화율일 수 있다. 본 명세서에서의 임의의 예에서, 전술한 시변 특성은 장치(예컨대, 컴퓨팅 디바이스 또는 인지 플랫폼)와의 개인의 상호작용의 인지 또는 감정 부하를 수정하기 위해 컴퓨터 구현 시변 요소를 포함하는 객체에 적용될 수 있다.
도 9a 내지 도 9t는 본 명세서에서의 원리들에 따른, 사용자 인터페이스들에 렌더링될 수 있는 태스크들 및 간섭들의 다이내믹스의 비제한적인 예를 도시하고 있다. 이 예에서, 태스크는 시각-운동 네비게이션 태스크이며, 간섭은 (세컨더리 태스크인) 표적 판별이다. 도 9d, 도 9i 내지 도 9k, 및 도 9o 내지 도 9q에 도시된 바와 같이, 개인은 이정표 객체들(904)과 일치하는 경로를 따라 아바타(902)의 모션을 제어함으로써 내비게이션 태스크를 수행하도록 요구받는다. 도 9a 내지 도 9t는 개인이 내비게이션 태스크에서의 응답으로서 아바타(902)로 하여금 이정표 객체(904)와 일치하게 하기 위해 장치 또는 컴퓨팅 디바이스(또는 다른 감지 디바이스)를 작동시킬 것으로 예상되는 비제한적인 예시적인 구현을 도시하고 있으며, 스코어링은 이정표 객체들(904)을 갖는 경로들을 가로지르는 것(예컨대, 마주치는(hitting) 것)에서의 개인의 성공에 기초한다. 다른 예에서, 개인은 아바타(902)로 하여금 이정표 객체(904)를 미스(miss)하게 하기 위해 장치 또는 컴퓨팅 디바이스(또는 다른 감지 디바이스)를 작동시킬 것으로 예상되며, 스코어링은 이정표 객체(904)를 피하는 것에서의 개인의 성공에 기초한다. 도 9a 내지 도 9c는 표적 객체(906)(제1 타입의 패턴을 갖는 별)의 다이내믹스를 도시하고 있으며, 여기서 시변 특성은 표적 객체의 모션의 궤적이다. 도 9e 내지 도 9h는 비-표적 객체(908)(제2 타입의 패턴을 갖는 별)의 다이내믹스를 도시하고 있으며, 여기서 시변 특성은 객체의 모션의 궤적이다. 도 9i 내지 도 9t는 내비게이션 태스크의 다른 부분들의 다이내믹스를 도시하고 있으며, 여기서 개인이 간섭(세컨더리 태스크)의 부재 하에서 이정표 객체(904)를 갖는 경로들과 가로지르도록 아바타(902)를 안내할 것으로 예상된다.
도 9a 내지 도 9t의 예에서, 예시적인 시스템, 방법 및 장치의 프로세싱 유닛은 아바타(902)로 하여금 경로를 내비게이트하게 하기 위한 개인의 물리적 행위들을 나타내는 데이터를 수신하도록 구성된다. 예를 들어, 개인은, 예컨대, 회전 배향을 변경하거나 컴퓨팅 디바이스를 다른 방식으로 움직이는 것에 의해 아바타를 "스티어링"하기 위한 물리적 행위들을 수행하도록 요구받을 수 있다. 그러한 행위는 자이로스코프 또는 가속도계 또는 다른 모션 또는 위치 센서 디바이스로 하여금 움직임을 검출하게 할 수 있으며, 그로써 내비게이션 태스크를 수행함에 있어서의 개인의 성공 정도를 나타내는 측정 데이터를 제공할 수 있다.
도 9a 내지 도 9c 및 도 9e 내지 도 9h의 예에서, 예시적인 시스템, 방법 및 장치의 프로세싱 유닛은 표적 판별 태스크 수행하기 위한 개인의 물리적 행위들을 나타내는 데이터를 수신하도록 구성된다. 예를 들어, 개인은 시행 또는 다른 세션 이전에 표적 객체(906)의 디스플레이에 응답하여 탭핑하거나 다른 물리적 표시를 만들도록, 그리고 비-표적 객체(908)의 디스플레이에 응답하여 물리적 표시를 만들기 위해 탭핑하지 않도록 지시받을 수 있다. 도 9a 내지 도 9c 및 도 9e 내지 도 9h에서, 표적 판별 태스크는, 간섭 프로세싱 멀티-태스킹 구현에서, 프라이머리 내비게이션 태스크에 대한 간섭(즉, 세컨더리 태스크)으로서 기능한다. 본 명세서에서 앞서 설명된 바와 같이, 예시적인 시스템들, 방법들, 및 장치들은 예상된 수행에 관해 지시사항들을 개인에게 디스플레이하기 위해 프로세싱 유닛으로 하여금 디스플레이 피처를 렌더링하게 할 수 있다. 본 명세서에 앞서 또한 설명된 바와 같이, 예시적인 시스템, 방법, 및 장치의 프로세싱 유닛은 (i) (간섭이 표적 또는 비-표적을 포함하는지에 관계없이) 간섭에 대한 개인의 응답의 정도 및 타입의 척도를 나타내는 데이터가 수집되는 것과 실질적으로 동시에 프라이머리 태스크에 대한 개인의 응답의 정도 및 타입의 척도를 나타내는 데이터를 수신하도록 , 또는 (ii) 태스크에 대한 개인의 응답의 정도 및 타입의 척도를 나타내는 데이터가 수집되는 것과 실질적으로 동시에(즉, 실질적으로 동일한 시간에) 표적 자극(즉, 방해요소)을 포함하는 간섭에 대한 개인의 응답의 정도 및 타입의 척도를 나타내는 데이터를 선택적으로 수신하도록 그리고 태스크에 대한 개인의 응답의 정도 및 타입의 척도를 나타내는 데이터가 수집되는 것과 실질적으로 동시에(즉, 실질적으로 동일한 시간에) 비-표적 자극(즉, 주의산만요소)을 포함하는 간섭에 대한 개인의 응답의 정도 및 타입의 척도를 선택적으로 수집하지 않도록 구성될 수 있다.
도 10a 내지 도 10d는 본 명세서에서의 원리들에 따른, 사용자 인터페이스들에 렌더링될 수 있는 태스크들 및 간섭들의 다이내믹스의 다른 비제한적인 예를 도시하고 있다. 이 예에서, 태스크는 시각-운동 내비게이션 태스크이고, 간섭은 (세컨더리 태스크인) 표적 판별이며, 여기서 개인은 아바타(1002)로 하여금 프라이머리 태스크인 이정표 객체(1004)를 갖는 경로들을 가로지르도록 내비게이트하고 표적 판별(세컨더리 태스크인 간섭)인 객체(1006)와 상호작용하게 하기 위한 물리적 행위들을 수행하도록 요구받는다. 도 10a 내지 도 10d는 표적 객체를 선택하는 개인의 표시에 응답하여 그래픽 사용자 인터페이스 상에 보여질 수 있는 보상(1008)의 타입의 일 예를 도시하고 있다. 이 비제한적인 예에서, 보상(1008)은 개인이 표적을 선택하는 제2 응답을 행하는 것과 실질적으로 동시에 표적(1006) 근방에 렌더링되는 한 세트의 링들이다. 비제한적인 예에서, 제2 응답은 응답을 입력하기로 하는 개인의 결정에 기초하여 사용자 인터페이스의 일 부분에 대한 탭핑 또는 다른 물리적 행위에 의해 이루어진다.
다양한 예들에서, (즉, 응답을 실행할지에 관한) 개인의 의사 결정을 위한 신뢰의 축적의 비선형성의 정도는 태스크 및/또는 간섭의 시변 특성들을 조정하는 것에 기초하여 변조될 수 있다. 비제한적 예로서, 시변 특성이 객체(표적 또는 비-표적)의 궤적, 속도, 배향 또는 사이즈인 경우, (응답을 실행할지에 관해 결정을 하기 위해) 신뢰를 발전시키기 위해 개인에게 이용가능한 정보의 양은 처음에는, 예컨대, 객체가 보다 멀리 떨어져 있거나 보다 작게 렌더링되는 것에 의해 판별하기 보다 어렵게 되어 있는 경우, 보다 작게 만들어질 수 있으며, (예컨대, 객체가 보다 크게 보이도록, 배향을 변경하도록, 보다 천천히 움직이도록, 또는 환경에서 보다 가까이로 움직이도록 렌더링될 때) 신뢰를 발전시키기 위해 보다 많은 정보가 얼마나 빨리 개인에게 이용가능하게 되는지에 따라 상이한 레이트들로(비선형적으로) 증가하도록 만들어질 수 있다. 신뢰의 축적의 비선형성의 정도를 변조하도록 조정될 수 있는 태스크 및/또는 간섭의 다른 비제한적인 예시적인 시변 특성들은 얼굴 표정의 변화율, 객체의 적어도 하나의 컬러, 객체의 타입(하나 또는 2개 이상의 상이한 타입의 표적 객체가 있는지를 포함함), 제1 타입의 객체가 제2 타입의 객체로 변하는 모핑의 레이트, 및 컴퓨터 구현 시변 요소들의 블렌드셰이프를 포함한다.
태스크에 대한 개인의 응답 및 적어도 하나의 컴퓨터 구현 시변 요소에 대한 개인의 응답을 나타내는 데이터가 개인의 인지 능력의 적어도 하나의 정량화된 지시자를 포함하는 적어도 하나의 수행 메트릭을 계산하는 데 사용된다. 비제한적인 예에서, 수행 메트릭은 계산된 간섭 비용을 포함할 수 있다.
후속하는 세션의 난이도 레벨들(태스크 및/또는 간섭의 난이도, 및 컴퓨터 구현 시변 요소의 난이도를 포함함)은 이전의 세션으로부터의 개인의 수행에 대해 계산된 수행 메트릭에 기초하여 설정될 수 있고, (예컨대, 간섭 비용을 낮추거나 최적화하기 위해) 개인의 수행 메트릭을 수정하도록 최적화될 수 있다.
비제한적인 예에서, 태스크 및/또는 간섭의 난이도의 적응은 컴퓨터 구현 시변 요소로서 제시되는 각각의 상이한 자극을 사용하여 적응될 수 있다.
다른 비제한적인 예에서, 본 명세서에서의 예시적인 시스템, 방법, 및 장치는 태스크 및/또는 간섭(컴퓨터 구현 시변 요소를 포함함)의 난이도 레벨을 고정된 시간 간격으로 1회 이상 또는, 매초마다, 10초 간격으로, 매 30초마다, 또는 초당 1회, 초당 2회, 또는 (초당 30회와 같은, 그러나 이에 제한되지 않은) 그 이상의 빈도수로와 같은, 그러나 이에 제한되지 않는, 다른 설정된 스케줄로 적응시키도록 구성될 수 있다.
일 예에서, 태스크 또는 간섭의 난이도 레벨은, 객체의 속도, 얼굴 표정의 변화율, 객체의 궤적 방향, 객체의 배향의 변경, 객체의 적어도 하나의 컬러, 객체의 타입, 또는 객체의 사이즈, 또는 표적 자극 대 비-표적 자극의 제시의 시퀀스 또는 균형을 변경하는 것과 같은, 그러나 이에 제한되지 않는, 시변 특성들을 변경하는 것에 의해 적응될 수 있다.
시각-운동 태스크(한 타입의 내비게이션 태스크)의 비제한적인 예에서, 내비게이션 속도, 코스(course)의 형상(변하는 회전 빈도수(frequency of turns), 변하는 회전 반경(turning radius)) 및 장애물들의 수 또는 사이즈 중 하나 이상이 내비게이션 게임 레벨의 난이도를 수정하기 위해 변경될 수 있으며, 난이도 레벨은 속도가 증가함에 따라 그리고/또는 장애물들(여러 타입의 이정표 객체들(예컨대, 회피할 일부 이정표 객체들 또는 가로지를/일치할 일부 이정표 객체들)을 포함함)의 수 및/또는 사이즈가 증가함에 따라 증가한다.
비제한적인 예에서, 후속 레벨의 태스크 및/또는 간섭의 난이도 레벨이 또한 피드백으로서 실시간으로 변경될 수 있으며, 예컨대, 후속 레벨의 난이도는 태스크의 수행을 나타내는 데이터와 관련하여 증가되거나 감소될 수 있다.
비제한적인 예시적인 구현에서, 측정들은 NeuroSky® EEG 바이오센서(미국 캘리포니아주 산호세 소재의 NeuroSky, Inc.)와 같은, 그러나 이에 제한되지 않는, 저가의 EEG와 커플링하도록 구성된 인지 플랫폼을 사용하여 이루어진다. 측정들은, 사용자가 진단 모드에서 인지 플랫폼과 상호작용하는 동안, EEG nData를 수집하기 위해 EEG를 사용하여 수행된다. nData의 저장 및 그래핑(graphing)이 수행된다. 데이터의 분석은 인지 플랫폼과의 사용자 상호작용의 다양한 세션들 동안 EEG 바이오센서 측정들의 경향에 측정가능한 차이들이 있는 것으로 보인다는 것을 나타낸다. 예시적인 EEG는 알파 파들 및 베타 파들을 포함한, EEG 전력 스펙트럼들을 측정하고, 알파 파들, 베타 파들, 주의 및 명상의 척도들, 및/또는 눈 깜박임들과 같은, 그러나 이에 제한되지 않는, 측정 데이터를 제공하는 데 사용될 수 있다. 예시적인 EEG 디바이스는 헤드셋 및 센서 마운트를 포함하며, 여기서 기준 전극 및 접지 전극을 포함하는 커플링 컴포넌트는, 예컨대, 개인의 귀에 마운팅되어 헤드셋에 커플링되고, EEG 전극은 (예컨대, 눈 위의 이마(FP1 위치)에서, 개인에 커플링된) 센서 마운트에 커플링된다. 예시적인 저가 EEG는 알파 파들, 베타 파들, 및 감마 파들을 측정하는 데 사용될 수 있다.
개인이 태스크들 및/또는 간섭을 수행하기 위해 물리적 행위들에 관여할 때 EEG 디바이스를 사용하여 개인의 생리학적 측정들이 이루어진다. 비제한적인 예시적인 구현에서, 인지 플랫폼은 프라이머리 태스크 및 간섭을 갖는 프라이머리 태스크를 상이한 모드들에서 렌더링한다. 예시적인 제1 모드(모드 1)는 제1 멀티-태스킹 태스크에서 (세컨더리 태스크로서의) 표적 판별의 간섭을 갖는 제1 네비게이션 태스크를 수반한다. 예시적인 제2 모드(모드 2)는 표적 판별 태스크만을 수반한다(싱글-태스킹). 예시적인 제3 모드(모드 3)는 내비게이션 태스크만을 수반한다(싱글-태스킹). 예시적인 제4 모드(모드 4)는 제2 멀티-태스킹 태스크에서 (세컨더리 태스크로서의) 표적 판별의 간섭을 갖는 프라이머리 네비게이션 태스크를 수반한다.
도 11a는 멀티-태스킹 태스크를 수행하기 위해 예시적인 인지 플랫폼과 상호작용하고 있는 개인의 머리의 일 부분에 마운팅된 저가 EEG 바이오센서를 사용하여 수집된 측정들로부터의 EEG 신호 데이터 대 시간의 예시적인 플롯을 도시하고 있다. 곡선들(1100-a 및 1100-b)은 개인의 집중을 나타내는 데이터이다. 곡선들(1110-a 및 1110-b)은 개인의 명상 상태(평온함)를 나타내는 데이터이다. 실선 곡선(1100-b)은 곡선(1100-a)을 형성하는 데이터 포인트들의 이동 평균(running average)이다. 실선 곡선(1110-b)은 곡선(1110-a)을 형성하는 데이터 포인트들의 이동 평균이고, 따라서 데이터 포인트들에 대해 약간 변위되어 있다. 이 예에서, 개인은 개인에게 응답들을 요구하는 표적결정 태스크(간섭) 및 네비게이션 태스크(프라이머리 태스크)를 수반하는 세션들에서 컴퓨터 구현 멀티-태스킹 태스크들을 수행하고 있다. 예를 들어, 표적결정 또는 내비게이션 태스크에 대해 기록된 사용자 응답은 사용자 인터페이스와 상호작용하기 위한 사용자 인터페이스 또는 이미지 수집 디바이스(터치 스크린 또는 다른 압력 감응 스크린, 또는 카메라를 포함함)에 대한 터치, 스와이프 또는 다른 제스처일 수 있지만, 이들로 제한되지 않는다. 다른 예에서, 표적결정 또는 네비게이션 태스크에 대해 기록된 사용자 응답은 (모션 센서 또는 위치 센서와 같은, 그러나 이에 제한되지 않는) 컴퓨팅 디바이스에 배치되거나 그에 다른 방식으로 커플링되는 센서를 사용하여 기록되는, 인지 플랫폼을 포함하는 컴퓨팅 디바이스의 위치, 배향, 또는 움직임의 변화들을 야기하는 사용자 행위들일 수 있지만, 이들로 제한되지 않는다.
도 11b는 개인에게 응답들을 요구하는 표적결정만을 수반하는 세션들에서 (간섭의 부재 하에서 프라이머리에 대한 응답들을 제공하기 위해 물리적 행위들을 수행하는 것을 포함하여) 컴퓨터 구현 싱글-태스킹 태스크들을 수행하기 위해 개인이 본 명세서에서의 원리들에 따른 예시적인 장치와 상호작용하고 있을 때 저가 EEG 바이오센서를 사용하여 수집된 측정들로부터의 EEG 신호 데이터 대 시간의 예시적인 플롯을 도시하고 있다. 곡선들(1150-a 및 1150-b)은 개인의 집중을 나타내는 데이터이다. 곡선들(1160-a 및 1160-b)은 개인의 명상 상태(평온함)를 나타내는 데이터이다. 실선 곡선(1150-b)은 곡선(1150-a)을 형성하는 데이터 포인트들의 이동 평균(running average)이다. 실선 곡선(1160-b)은 곡선(1160-a)을 형성하는 데이터 포인트들의 이동 평균이고, 따라서 데이터 포인트들에 대해 약간 변위되어 있다.
예를 들어, 표적결정 태스크에 대해 기록된 응답은 사용자 인터페이스와 상호작용하기 위한 사용자 인터페이스 또는 이미지 수집 디바이스(터치 스크린 또는 다른 압력 감응 스크린, 또는 카메라를 포함함)에 대한 터치, 스와이프 또는 다른 제스처일 수 있지만, 이들로 제한되지 않는다. 다른 예에서, 표적결정 태스크에 대해 기록된 응답은 (모션 센서 또는 위치 센서와 같은, 그러나 이에 제한되지 않는) 컴퓨팅 디바이스에 배치되거나 그에 다른 방식으로 커플링되는 센서를 사용하여 기록되는, 인지 플랫폼을 포함하는 컴퓨팅 디바이스의 위치, 배향, 또는 움직임의 변화들을 야기하는 사용자 행위들일 수 있지만, 이들로 제한되지 않는다.
도 12는 저가 EEG 바이오센서를 사용하여 수집된 측정들로부터의 데이터의 예시적인 플롯을 도시하고 있으며, 여기서 데이터는 인지 플랫폼의 다양한 세션들 동안 개인이 컴퓨터 구현 멀티-태스킹 태스크를 수행할 때(간섭의 존재 하에서 그리고 간섭의 부재 하에서 프라이머리 태스크들에 대한 응답들을 제공하기 위해 물리적 행위들을 수행하는 것을 포함함) 개인의 주의력을 나타낸다. 도 12는 개인이 4개의 모드(모드 1, 모드 2, 모드 3, 모드 4) 각각에서 인지 플랫폼과 상호작용하고 있는 시간 간격들에 대응하는 EEG 주의력 척도의 영역들을 도시하고 있다. 각각의 모드의 시작과 끝은 주의력의 변화들을 나타내는 EEG 신호 데이터 포인트들의 보다 큰 산포도(scatter)에 의해 명백하게 된다. 예를 들어, 시점들 t = 약 375(모드 1의 끝), t = 약 500(모드 2의 끝), t = 약 575(모드 3의 끝), 및 약 625(모드 4의 끝)에서 데이터 포인트들의 보다 큰 산포도가 발생한다. 최종 모드의 완료 이후에(t = 약 650에서) 개인에게 보상이 주어질 때 데이터 포인트들이 모드들의 끝에서 산포하는 것으로 또한 도시되어 있다. 상호작용 동안의 시점들에서, 데이터 포인트들이 (예컨대, 영역들 A, B, 및 C에서) 덜 산포되는 것으로 보이며, 이는 보다 안정된 레벨의 주의력이 측정되는 것을 나타낸다.
비제한적인 예에서, 프로세싱 유닛은 결정 경계 메트릭 또는 간섭 비용과 같은, 그러나 이에 제한되지 않는, 개인에 대한 수행 메트릭들을 계산하기 위해 보다 많은 주의 집중 또는 보다 높은 사용자 참여(예컨대, 영역들 A, B, 및 C)를 나타내는 생리학적 측정의 시간 간격들 동안 이루어진 태스크들 및/또는 간섭의 개인의 수행의 측정들로부터의 데이터만을 분석을 위해 사용할 수 있다. 다른 비제한적인 예에서, 프로세싱 유닛은 결정 경계 메트릭 또는 간섭 비용과 같은, 그러나 이에 제한되지 않는, 개인에 대한 수행 메트릭들을 계산하기 전에, 보다 적은 주의 집중의 시간 간격들과 비교하여 더 많은 주의 집중 또는 더 높은 사용자 참여(예컨대, 영역들 A, B, 및 C)를 나타내는 생리학적 측정의 시간 간격들 동안 이루어진 태스크들 및/또는 간섭의 개인의 수행의 측정들로부터의 데이터의 서브세트들에 상이한 가중 인자들을 적용할 수 있다. 다른 비제한적인 예에서, 프로세싱 유닛은, 후속하는 시행 또는 세션에서의 개인으로부터의 생리학적 측정들이 태스크들 및/또는 간섭과의 상호작용 동안 개인의 보다 많은 주의 집중 또는 보다 높은 사용자 참여(예컨대, 영역들 A, B, 및 C의 보다 긴 시간 간격들)를 나타내도록, 예컨대, 피드백 루프를 시행하기 위해 하나 이상의 제어기를 사용하여, 후속하는 시행 또는 세션에서 태스크들 및/또는 간섭의 시변 특성들 또는 다른 특성들을 수정(조정)하기 위해 제1 시행 또는 세션에서 보다 많은 주의 집중 또는 보다 높은 사용자 참여를 나타내는 생리학적 측정들을 사용하도록 구성될 수 있다. 보다 많은 주의 집중 또는 보다 높은 사용자 참여를 나타내는 생리학적 측정은 태스크들 및/또는 간섭과의 개인의 상호작용의 이전의 세션 동안 또는 태스크 및/또는 간섭과의 둘 이상의 개인(최대로 그룹 또는 집단)의 상호작용에 기초하여 수집되는 집계된 생리학적 측정 데이터의 미리 설정된 임계치들에 기초하여 수집될 수 있다.
표 1은 EEG로부터 인지 플랫폼으로의 예시적인 EEG 신호 데이터를 나타내고 있다.
Figure pct00004
각각의 런에 대해, 파라미터들의 다음과 같은 값들이 사용되거나 측정되었다: 열악한 신호 = 25; 주의 = 0; 명상 = 0; 깜박임 = 0; 델타 = 433068; 세타 = 113711; 로우-알파 = 20951; 하이-알파 = 10596; 로우-베타 = 5082; 하이-베타 = 6601; 로우-감마 = 3943; 하이-감마 = 5484; 별들 = 0
다른 예에서, 생리학적 측정들은 EEG를 사용하는 것과 같은, 그러나 이에 제한되지 않는, 사용자 신체 움직임 및/또는 근육 격리(muscle isolation)를 나타내기 위해 사용될 수 있다. 이 예에서, EEG의 신체 또는 근육 컴포넌트를 나타내는 측정 데이터가 뇌를 대상으로 한 측정들(brain-targeted measurements)을 나타내는 측정 데이터로부터 분리된다. 이 예에서, 뇌파 및/또는 근육 트리거(muscle trigger) 검출을 위해 저렴한 EEG가 통합되어 있다. 인지 플랫폼의 큰 물리적 컴포넌트가 (태블릿과 같은, 그러나 이에 제한되지 않는) 디바이스를 스티어링/회전시키는 예에서, 플랫폼 제품은 이러한 이벤트들이 발생하는 때를 EEG를 사용하여 검출하도록 구성된다.
인지 플랫폼과 상호작용하는 동안 사용자 반응 시간의 측정 데이터가 또한 수집되고, 사용자가 인지 플랫폼에서의 트리거들에 반응할 때 EEG 측정 데이터가 수집된다.
도 13은 개인이 물리적 행위들을 수행할 때 근육 격리의 측정들로부터의 비제한적인 예시적인 EEG 데이터를 도시하고 있다. 도 13은 하이 알파/Accx(1302), 로우 알파/TR(1304), 로우 베타/Accy(1306), 및 하이 베타/AccZ(1308)에 대한 EEG 신호들의 측정으로부터의 데이터의 플롯을 도시하고 있다. 예시적인 데이터는 개인의 반응 시간의 척도들을 제공하는 데 사용될 수 있다. 측정들은 뇌파 활동에 관련된 EEG 신호들로부터 신체 활동에 관련된 EEG 신호들을 필터링하는 것을 가능하게 해준다. t = 약 158.5 및 약 161.7에서, 라벨 "회전 온(rotation on)"은 컴퓨팅 디바이스가 컴퓨팅 디바이스를 회전시키라고 (예컨대, 사용자 인터페이스에 렌더링된 시각적 큐를 사용하여) 개인에게 지시하고 있는 (EEG 신호들에 대한) 시점을 나타낸다. t = 약 159 및 약 162.3에서, 라벨 "회전 오프(rotation off)"는 컴퓨팅 디바이스가 컴퓨팅 디바이스를 더 이상 회전시키지 말라고 개인에게 지시하고 있는 EEG 신호들 상의 시점을 나타낸다. 시점들 t = 약 159.2 및 t = 약 162에서, 개인이 반응하여 행위를 수행하는 시점들(개인의 반응 시간을 나타내는 데이터를 제공함)을 나타내기 위해 EEG 신호가 변한다.
비제한적인 예시적인 구현에서, 측정들은 의료 응용분야 검증 및 개인화된 의료에 사용하기 위한, fMRI와 커플링하도록 구성된 인지 플랫폼을 사용하여 이루어진다. 소비자-레벨 fMRI 디바이스들은 뇌의 다양한 영역들에서 자극의 레벨의 변화들을 추적하고 검출함으로써 의료 응용분야들의 정확도 및 유효성을 개선시키는 데 사용될 수 있다.
치료 검증을 위한 비제한적인 예시적인 사용에서, 사용자는 인지 플랫폼과 상호작용하고, fMRI는 생리학적 데이터를 측정하는 데 사용된다. 사용자는 인지 플랫폼과 상호작용하는 동안 사용자의 행위들에 기초하여 특정의 뇌 영역 또는 뇌 영역들의 조합에 대한 자극을 가질 것으로 예상된다. 이 예에서, 플랫폼 제품은 인지 플랫폼과 커플링된 fMRI 컴포넌트를 포함하는 통합된 디바이스로서, 또는 fMRI 컴포넌트와 분리되지만 fMRI 컴포넌트와 커플링하도록 구성된 인지 플랫폼으로서 구성될 수 있다. fMRI를 갖는 응용분야를 사용하여, 사용자 뇌의 부분들에 대한 자극의 측정이 이루어질 수 있고, 변화들을 검출하여 사용자가 원하는 응답들을 나타내고 있는지를 결정하기 위해 분석이 수행될 수 있다.
개인화된 의료를 위한 비제한적인 예시적인 사용에서, fMRI는 인지 플랫폼과 상호작용할 때 사용자의 진행상황을 식별하는 데 사용될 측정 데이터를 수집하는 데 사용될 수 있다. 이 분석은 인지 플랫폼으로 하여금, 응용분야에서의 사용자 경험을 조정하는 것에 의해, fMRI가 검출하고 있는 이러한 사용자 결과들을 강화하거나 감소시키도록 태스크들 및/또는 CSI들을 제공하게 해야 하는지를 결정하는 데 사용될 수 있다.
이 예 및 본 명세서에서의 임의의 다른 예에서, cData 및/또는 nData는 실시간으로 수집될 수 있다.
이 예 및 본 명세서에서의 임의의 다른 예에서, 태스크들 및/또는 CSI들의 타입에 대한 조정들은 실시간으로 이루어질 수 있다.
도 14a는 적어도 하나의 프로세싱 유닛을 포함하는 플랫폼 제품을 사용하여 구현될 수 있는 비제한적인 예시적인 방법의 플로차트를 도시하고 있다. 블록(1402)에서, 적어도 하나의 프로세싱 유닛은 자극 또는 사용자와의 다른 상호작용을 실시하기 위해 컴퓨터화된 자극들 또는 상호작용(CSI) 또는 다른 대화형 요소들을 사용자에게 제시하거나, 또는 플랫폼 제품의 작동 컴포넌트로 하여금 청각, 촉각, 또는 진동 컴퓨터화된 요소들(CSI들을 포함함)을 실시하게 하기 위한 적어도 하나의 사용자 인터페이스를 렌더링하는 데 사용된다. 블록(1404)에서, 적어도 하나의 프로세싱 유닛은 프로그램 제품의 컴포넌트로 하여금 (cData와 같은, 그러나 이에 제한되지 않는) CSI 또는 다른 대화형 요소와의 사용자 상호작용에 기초한 적어도 하나의 사용자 응답을 나타내는 데이터를 수신하게 하도록 하는 데 사용된다. 적어도 하나의 그래픽 사용자 인터페이스가 컴퓨터화된 자극들 또는 상호작용(CSI) 또는 다른 대화형 요소들을 사용자에게 제시하기 위해 렌더링되는 예에서, 적어도 하나의 프로세싱 유닛은 사용자 인터페이스로 하여금 적어도 하나의 사용자 응답을 나타내는 데이터를 수신하게 하도록 프로그래밍될 수 있다. 블록(1406)에서, 적어도 하나의 프로세싱 유닛은 사용자가 인지 플랫폼과 상호작용하기 전에, 그 동안, 및/또는 그 이후에 프로그램 제품의 컴포넌트로 하여금 하나 이상의 생리학적 컴포넌트를 사용하여 이루어진 측정들을 나타내는 nData를 수신하게 하는 데 사용된다. 블록(1408)에서, 적어도 하나의 프로세싱 유닛은: 개인의 생리학적 상태 및/또는 인지 상태의 척도를 제공하기 위해 cData 및/또는 nData를 분석하고, 그리고/또는 (cData의 차이들에 기초한 것을 포함한) 사용자의 응답들 간의 차이들 및 연관된 nData의 차이들을 결정한 것에 기초하여 개인의 수행력의 차이들을 분석하며, 그리고/또는 (분석에서 결정된 개인의 수행력 및/또는 생리학적 상태의 척도들을 포함한) cData 및/또는 nData의 분석에 기초하여 컴퓨터화된 자극들 또는 상호작용(CSI) 또는 다른 대화형 요소들의 난이도 레벨을 조정하고, 그리고/또는 개인의 수행력, 및/또는 인지 평가, 및/또는 인지 치료에 대한 반응, 및/또는 인지의 평가된 척도들을 나타낼 수 있는 플랫폼 제품으로부터의 출력 또는 다른 피드백을 제공하는 데 또한 사용된다.
도 14b는 적어도 하나의 프로세싱 유닛을 포함하는 플랫폼 제품을 사용하여 구현될 수 있는 비제한적인 예시적인 방법의 플로차트를 도시하고 있다. 블록(1452)에서, 적어도 하나의 프로세싱 유닛은 간섭을 갖는 프라이머리 태스크의 제1 인스턴스를 사용자 인터페이스에서 렌더링하여, 간섭의 존재 하에서 프라이머리 태스크의 제1 인스턴스에 대한 제1 응답을 개인에게 요구하는 데 사용된다. 블록(1454)에서, 적어도 하나의 프로세싱 유닛은 간섭을 갖지 않는 프라이머리 태스크의 제2 인스턴스를 사용자 인터페이스에서 렌더링하여, 프라이머리 태스크의 제2 인스턴스에 대한 제2 응답을 개인에게 요구하는 데 사용된다. 블록(1456)에서, 적어도 하나의 프로세싱 유닛은 제1 응답, 제2 응답, 및 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하는 데 사용된다. 블록(1458)에서, 적어도 하나의 프로세싱 유닛은 개인의 수행 메트릭 - 수행 메트릭은 개인의 인지 능력의 지시자를 포함함 - 을 결정하기 위해 적어도 부분적으로 적어도 하나의 생리학적 프로파일에 대한 제1 응답을 나타내는 데이터와 제2 응답을 나타내는 데이터 사이의 차이를 결정하는 것에 의해 간섭을 갖지 않는 그리고 간섭을 갖는 프라이머리 태스크를 수행하는 것으로부터 개인의 수행력의 차이들을 분석하는 데 또한 사용된다.
도 14c는 적어도 하나의 프로세싱 유닛을 포함하는 플랫폼 제품을 사용하여 구현될 수 있는 비제한적인 예시적인 방법의 플로차트를 도시하고 있다. 블록(1482)에서, 적어도 하나의 프로세싱 유닛은 간섭을 갖는 프라이머리 태스크의 제1 인스턴스를 사용자 인터페이스에서 렌더링하여, 간섭의 존재 하에서 프라이머리 태스크의 제1 인스턴스에 대한 제1 응답을 개인에게 요구하는 데 사용된다. 블록(1484)에서, 적어도 하나의 프로세싱 유닛은 간섭을 갖지 않는 프라이머리 태스크의 제2 인스턴스를 사용자 인터페이스에서 렌더링하여, 프라이머리 태스크의 제2 인스턴스에 대한 제2 응답을 개인에게 요구하는 데 사용된다. 블록(1486)에서, 적어도 하나의 프로세싱 유닛은 제1 응답, 제2 응답, 및 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하는 데 사용된다. 블록(1488)에서, 적어도 하나의 프로세싱 유닛은 개인의 제1 수행 메트릭 - 제1 수행 메트릭은 개인의 인지 능력의 지시자를 포함함 - 을 결정하기 위해 적어도 부분적으로 적어도 하나의 생리학적 프로파일에 대한 제1 응답을 나타내는 데이터와 제2 응답을 나타내는 데이터 사이의 차이를 결정하는 것에 의해 간섭을 갖지 않는 그리고 간섭을 갖는 프라이머리 태스크를 수행하는 것으로부터 개인의 수행력의 차이들을 분석하는 데 또한 사용된다. 블록(1490)에서, 적어도 하나의 프로세싱 유닛은 장치가 프라이머리 태스크의 제3 인스턴스 및/또는 간섭을 제2 난이도 레벨로 렌더링하도록 계산된 적어도 하나의 생리학적 프로파일에 기초하여 프라이머리 태스크 및/또는 간섭 중 하나 이상의 난이도를 조정하는 데 사용된다. 블록(1492)에서, 적어도 하나의 프로세싱 유닛은 개인의 제2 수행 메트릭 - 제2 수행 메트릭은 개인의 인지 능력의 제2 지시자를 포함함 - 을 계산하는 데 사용된다.
일부 예들에서, 분석의 결과들은 컴퓨터화된 자극들 또는 상호작용(CSI) 또는 다른 대화형 요소들의 난이도 레벨 또는 다른 속성을 수정하는 데 사용될 수 있다.
도 15는 본 명세서에서의 원리들에 따른 컴퓨팅 컴포넌트로서 사용될 수 있는 컴퓨팅 디바이스(1510)를 포함하는 예시적인 시스템(예컨대, 컴퓨터 시스템)의 블록 다이어그램이다. 본 명세서에서의 임의의 예에서, 컴퓨팅 디바이스(1510)는 컴퓨터 구현 적응적 응답 기한 절차들에서 신호 검출 메트릭들을 적용하기 위한 것을 포함하여, 컴퓨팅 컴포넌트를 구현하기 위해 사용자 입력을 수신하는 콘솔로서 구성될 수 있다. 명확함을 위해, 도 15는 또한 도 1의 예시적인 시스템 및 도 2의 예시적인 컴퓨팅 디바이스의 다양한 요소들을 다시 언급하고 그것들에 관한 보다 많은 상세를 제공한다. 컴퓨팅 디바이스(1510)는 예들을 구현하기 위한 하나 이상의 컴퓨터 실행가능 명령어 또는 소프트웨어를 저장하기 위한 하나 이상의 비일시적 컴퓨터 판독가능 매체를 포함할 수 있다. 비일시적 컴퓨터 판독가능 매체는 하나 이상의 타입의 하드웨어 메모리, 비일시적 유형적 매체(non-transitory tangible media)(예를 들어, 하나 이상의 자기 스토리지 디스크, 하나 이상의 광학 디스크, 하나 이상의 플래시 드라이브), 및 이와 유사한 것을 포함할 수 있지만, 이들로 제한되지 않는다. 예를 들어, 컴퓨팅 디바이스(1510)에 포함된 메모리(102)는 본 명세서에 개시된 동작들을 수행하기 위한 컴퓨터 판독가능 및 컴퓨터 실행가능 명령어들 또는 소프트웨어를 저장할 수 있다. 예를 들어, 메모리(102)는 개시된 동작들(예컨대, 인지 플랫폼 측정 데이터, 생리학적 컴포넌트 측정 데이터, 및 태스크들 및/또는 간섭에 대한 응답 데이터를 분석하는 것, 수행 메트릭(간섭 비용 또는 결정 경계 메트릭을 포함함)을 계산하는 것, 적응적 응답 기한 절차들에서 신호 검출 메트릭들을 적용하는 것, 및/또는 본 명세서에 설명된 바와 같이, 다른 계산을 수행하는 것) 중 다수를 수행하도록 구성된 소프트웨어 애플리케이션(1540)을 저장할 수 있다. 컴퓨팅 디바이스(1510)는 메모리(102)에 저장된 컴퓨터 판독가능 및 컴퓨터 실행가능 명령어들 또는 소프트웨어 및 시스템 하드웨어를 제어하기 위한 다른 프로그램들을 실행하기 위한, 구성가능 및/또는 프로그래밍가능 프로세서(104) 및 관련 코어(1514), 그리고 임의로, 하나 이상의 부가적인 구성가능 및/또는 프로그래밍가능 프로세싱 디바이스, 예컨대, 프로세서(들)(1512') 및 관련 코어(들)(1514')(예를 들어, 다수의 프로세서들/코어들을 갖는 계산 디바이스들의 경우에)를 또한 포함한다. 프로세서(104) 및 프로세서(들)(1512') 각각은 단일 코어 프로세서 또는 다중 코어(1514 및 1514') 프로세서일 수 있다.
콘솔 내의 인프라스트럭처 및 자원들이 동적으로 공유될 수 있도록 가상화가 컴퓨팅 디바이스(1510)에서 이용될 수 있다. 다수의 프로세서들 상에서 실행되는 프로세스를, 프로세스가 다수의 컴퓨팅 자원들이 아니라 하나의 컴퓨팅 자원만을 사용하는 것처럼 보이도록, 핸들링하기 위해 가상 머신(1524)이 제공될 수 있다. 하나의 프로세서에서 다수의 가상 머신들이 또한 사용될 수 있다.
메모리(102)는 계산 디바이스 메모리 또는, DRAM, SRAM, EDO RAM과 같은, 랜덤 액세스 메모리, 및 이와 유사한 것을 포함할 수 있다. 메모리(102)는 다른 타입의 메모리를 역시, 또는 이들의 조합을 포함할 수 있다.
사용자는 예시적인 시스템들 및 방법들에 따라 제공될 수 있는 하나 이상의 사용자 인터페이스(1530)를 디스플레이할 수 있는, 컴퓨터 모니터와 같은, 시각 디스플레이 유닛(1528)을 통해 컴퓨팅 디바이스(1510)와 상호작용할 수 있다. 컴퓨팅 디바이스(1510)는 사용자로부터 입력을 수신하기 위한 다른 I/O 디바이스들, 예를 들어, 키보드 또는 임의의 적절한 멀티-포인트 터치 인터페이스(1518), 포인팅 디바이스(1520)(예컨대, 마우스), 카메라 또는 다른 이미지 레코딩 디바이스, 마이크로폰 또는 다른 사운드 레코딩 디바이스, 가속도계, 자이로스코프, 촉각, 진동, 또는 청각 신호에 대한 센서, 및/또는 적어도 하나의 액추에이터를 포함할 수 있다. 멀티-포인트 터치 인터페이스(1518) 및 포인팅 디바이스(1520)는 시각 디스플레이 유닛(1528)에 커플링될 수 있다. 컴퓨팅 디바이스(1510)는 다른 적당한 종래의 I/O 주변기기들을 포함할 수 있다.
컴퓨팅 디바이스(1510)는 데이터 및 본 명세서에 개시된 동작들을 수행하는 컴퓨터 판독가능 명령어들 및/또는 소프트웨어를 저장하기 위한, 하드 드라이브, CD-ROM, 또는 다른 컴퓨터 판독가능 매체들과 같은, 하나 이상의 스토리지 디바이스(1534)를 또한 포함할 수 있다. 예시적인 스토리지 디바이스(1534)는 예시적인 시스템들 및 방법들을 구현하는 데 요구된 임의의 적당한 정보를 저장하기 위한 하나 이상의 데이터베이스를 또한 저장할 수 있다. 데이터베이스들은 데이터베이스들에서의 하나 이상의 항목을 추가, 삭제, 및/또는 업데이트하기 위해 임의의 적당한 때에 수동 또는 자동으로 업데이트될 수 있다.
컴퓨팅 디바이스(1510)는 표준 전화선들, LAN 또는 WAN 링크들(예를 들어, 802.11, T1, T3, 56kb, X.25), 광대역 접속들(예를 들어, ISDN, 프레임 릴레이, ATM), 무선 접속들, CAN(controller area network), 또는 상기한 것들 중 임의의 것 또는 전부의 어떤 조합을 포함하지만, 이들로 제한되지 않는 각종의 접속들을 통해 하나 이상의 네트워크, 예를 들어, LAN(Local Area Network), WAN(Wide Area Network) 또는 인터넷과 하나 이상의 네트워크 디바이스(1532)를 경유하여 인터페이싱하도록 구성된 네트워크 인터페이스(1522)를 포함할 수 있다. 네트워크 인터페이스(1522)는 내장형 네트워크 어댑터(built-in network adapter), 네트워크 인터페이스 카드, PCMCIA 네트워크 카드, 카드 버스 네트워크 어댑터, 무선 네트워크 어댑터, USB 네트워크 어댑터, 모뎀 또는 본 명세서에 설명된 동작들을 수행하고 통신할 수 있는 컴퓨팅 디바이스(1510)를 임의의 타입의 네트워크에 인터페이싱시키기에 적당한 임의의 다른 디바이스를 포함할 수 있다. 더욱이, 컴퓨팅 디바이스(1510)는, 워크스테이션, 데스크톱 컴퓨터, 서버, 랩톱, 핸드헬드 컴퓨터, 태블릿 컴퓨터, 또는 통신할 수 있고 본 명세서에 설명된 동작들을 수행하기에 충분한 프로세서 능력(processor power) 및 메모리 용량을 갖는 다른 형태의 컴퓨팅 또는 통신 디바이스와 같은, 임의의 계산 디바이스일 수 있다.
컴퓨팅 디바이스(1510)는 Microsoft® Windows® 운영 체제들, iOS® 운영 체제, Android? 운영 체제의 버전들 중 임의의 것, Unix 및 Linux 운영 체제들의 상이한 릴리스들, Macintosh 컴퓨터용 MacOS®의 임의의 버전, 임의의 임베디드 운영 체제, 임의의 실시간 운영 체제, 임의의 오픈 소스 운영 체제, 임의의 독점적 운영 체제, 또는 콘솔 상에서 실행되고 본 명세서에 설명된 동작들을 수행할 수 있는 임의의 다른 운영 체제와 같은, 임의의 운영 체제(1526)를 실행할 수 있다. 일부 예들에서, 운영 체제(1526)는 네이티브 모드(native mode) 또는 에뮬레이트된 모드(emulated mode)에서 실행될 수 있다. 일 예에서, 운영 체제(1526)는 하나 이상의 클라우드 머신 인스턴스 상에서 실행될 수 있다.
본 명세서에 설명된 시스템들, 방법들 및 동작들의 예들은 디지털 전자 회로부로, 본 명세서에 개시된 구조체들 및 그것들의 구조적 등가물들을 포함한, 컴퓨터 소프트웨어, 펌웨어, 또는 하드웨어로, 또는 이들 중 하나 이상의 조합들로 구현될 수 있다. 본 명세서에 설명된 시스템들, 방법들 및 동작들의 예들은 하나 이상의 컴퓨터 프로그램, 즉 데이터 프로세싱 장치에 의해 실행하기 위한 또는 데이터 프로세싱 장치의 동작을 제어하기 위한, 컴퓨터 스토리지 매체 상에 인코딩된, 컴퓨터 프로그램 명령어들의 하나 이상의 모듈로서 구현될 수 있다. 프로그램 명령어들은 데이터 프로세싱 장치에 의한 실행을 위해 적당한 수신기 장치로의 전송을 위해 정보를 인코딩하기 위해 생성되는 인위적으로 생성된 전파 신호(propagated signal), 예컨대, 머신 생성(machine-generated) 전기, 광학, 또는 전자기 신호 상에 인코딩될 수 있다. 컴퓨터 스토리지 매체는 컴퓨터 판독가능 스토리지 디바이스, 컴퓨터 판독가능 스토리지 기판, 랜덤 또는 직렬 액세스 메모리 어레이 또는 디바이스, 또는 이들 중 하나 이상의 조합일 수 있거나, 그에 포함될 수 있다. 더욱이, 컴퓨터 스토리지 매체가 전파 신호는 아니지만, 컴퓨터 스토리지 매체는 인위적으로 생성된 전파 신호에 인코딩된 컴퓨터 프로그램 명령어들의 소스 또는 목적지일 수 있다. 컴퓨터 스토리지 매체는 또한 하나 이상의 개별 물리적 컴포넌트 또는 매체(예컨대, 다수의 CD들, 디스크들, 또는 다른 스토리지 디바이스들)일 수 있거나 그에 포함될 수 있다.
본 명세서에 설명된 동작들은 하나 이상의 컴퓨터 판독가능 스토리지 디바이스 상에 저장되거나 다른 소스들로부터 수신된 데이터에 대해 데이터 프로세싱 장치에 의해 수행되는 동작들로서 구현될 수 있다.
용어 "데이터 프로세싱 장치" 또는 "컴퓨팅 디바이스"는, 예로서, 프로그래밍가능 프로세서, 컴퓨터, 시스템 온 칩(system on a chip), 또는 전술한 것들 중 다수의 것들 또는 전술한 것들의 조합들을 포함한, 데이터를 프로세싱하기 위한 모든 종류의 장치들, 디바이스들, 및 머신들을 포괄한다. 장치는 특수 목적 로직 회로부, 예컨대, FPGA(field programmable gate array) 또는 ASIC(application specific integrated circuit)을 포함할 수 있다. 장치는, 하드웨어에 부가하여, 문제의 컴퓨터 프로그램에 대한 실행 환경을 생성하는 코드, 예컨대, 프로세서 펌웨어, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제, 크로스-플랫폼 런타임 환경, 가상 머신, 또는 이들 중 하나 이상의 조합을 구성하는 코드를 또한 포함할 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 스크립트, 애플리케이션 또는 코드라고도 함)은, 컴파일되는(compiled) 또는 인터프리트되는(interpreted) 언어들, 선언적(declarative) 또는 절차적(procedural) 언어들을 포함한, 임의의 형태의 프로그래밍 언어로 작성될 수 있고, 컴퓨터 프로그램은, 독립형 프로그램(stand-alone program)으로서 또는 모듈, 컴포넌트, 서브루틴, 오브젝트(object), 또는 컴퓨팅 환경에서 사용하기에 적당한 다른 유닛(unit)으로서를 포함한, 임의의 형태로 배포(deploy)될 수 있다. 컴퓨터 프로그램이 파일 시스템에서의 파일에 대응할 수 있지만 그럴 필요는 없다. 프로그램은 다른 프로그램들 또는 데이터(예컨대, 마크업 언어 문서에 저장된 하나 이상의 스크립트)를 보유하는 파일의 일부분에, 문제의 프로그램에 전용된 단일 파일에, 또는 다수의 통합 파일(coordinated file)(예컨대, 하나 이상의 모듈, 서브 프로그램(sub program), 또는 코드 부분(portion of code)을 저장하는 파일)에 저장될 수 있다. 컴퓨터 프로그램은 하나의 컴퓨터 상에서 또는 하나의 사이트에 위치되거나 다수의 사이트에 걸쳐 분산되고 통신 네트워크에 의해 상호연결되는 다수의 컴퓨터 상에서 실행되도록 배포(deploy)될 수 있다.
본 명세서에 설명된 프로세스들 및 로직 흐름들은 입력 데이터를 조작하여 출력을 생성함으로써 행위들을 수행하기 위해 하나 이상의 컴퓨터 프로그램을 실행하는 하나 이상의 프로그래밍가능 프로세서에 의해 수행될 수 있다. 프로세스들 및 로직 흐름들이 또한, 예컨대, 특수 목적 로직 회로부, 예컨대, FPGA(field programmable gate array) 또는 ASIC(application specific integrated circuit)에 의해 수행될 수 있고, 장치들이 또한 이들로서 구현될 수 있다.
컴퓨터 프로그램의 실행에 적당한 프로세서들은, 예로서, 범용 및 특수 목적 마이크로프로세서들 둘 다, 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서를 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 다로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 필수 요소들은 명령어들에 따라 행위들을 수행하기 위한 프로세서 그리고 명령어들 및 데이터를 저장하기 위한 하나 이상의 메모리 디바이스이다. 일반적으로, 컴퓨터는 또한 데이터를 저장하기 위한 하나 이상의 대용량 스토리지 디바이스, 예컨대, 자기, 자기 광학 디스크들, 또는 광학 디스크들을 포함하거나, 이들로부터 데이터를 수신하거나 이들로 데이터를 전송하도록 동작가능하게 커플링되거나, 둘 다일 것이다. 그렇지만, 컴퓨터가 그러한 디바이스들을 가질 필요는 없다. 더욱이, 컴퓨터는, 예를 들어, 다른 디바이스. 예컨대, 모바일 전화, PDA(personal digital assistant), 모바일 오디오 또는 비디오 플레이어, 게임 콘솔, GPS(Global Positioning System) 수신기, 또는 휴대용 스토리지 디바이스(예컨대, USB(universal serial bus) 플래시 드라이브)에 임베딩될 수 있다. 컴퓨터 프로그램 명령어들 및 데이터를 저장하기에 적당한 디바이스들은, 예로서, 반도체 메모리 디바이스들, 예컨대, EPROM, EEPROM, 및 플래시 메모리 디바이스들; 자기 디스크들, 예컨대, 내장형 하드 디스크들 또는 이동식 디스크들; 자기 광학 디스크들; 그리고 CD ROM 및 DVD-ROM 디스크들을 포함한, 모든 형태의 비휘발성 메모리, 매체들 및 메모리 디바이스들을 포함한다. 프로세서 및 메모리는 특수 목적 로직 회로부에 의해 보완되거나 그에 통합될 수 있다.
사용자와의 상호작용을 제공하기 위해, 본 명세서에 설명된 주제의 실시예들은 정보를 사용자에게 디스플레이하기 위한 디스플레이 디바이스 그리고 키보드 및 포인팅 디바이스, 예컨대, 마우스, 스타일러스, 터치 스크린 또는 트랙볼 - 이에 의해 사용자는 컴퓨터에 입력을 제공할 수 있음 - 을 가지는 컴퓨터 상에서 구현될 수 있다. 다른 종류의 디바이스들이 사용자와의 상호작용을 제공하는 데 역시 사용될 수 있다. 예를 들어, 사용자에게 제공되는 피드백(즉, 출력)은 임의의 형태의 감각적 피드백(sensory feedback), 예컨대, 시각적 피드백(visual feedback), 청각적 피드백(auditory feedback), 또는 촉각적 피드백(tactile feedback)일 수 있으며; 사용자로부터의 입력은, 음향, 음성, 또는 촉각적 입력을 포함한, 임의의 형태로 수신될 수 있다. 그에 부가하여, 컴퓨터는 사용자에 의해 사용되는 디바이스로 문서들을 송신하고 그 디바이스로부터 문서들을 수신하는 것에 의해; 예를 들어, 웹 브라우저로부터 수신된 요청들에 응답하여 웹 페이지들을 사용자의 클라이언트 디바이스 상의 웹 브라우저로 송신하는 것에 의해 사용자와 상호작용할 수 있다.
일부 예들에서, 본 명세서에서의 시스템, 방법 또는 동작은 백 엔드 컴포넌트(back end component), 예컨대, 데이터 서버를 포함하거나, 또는 미들웨어 컴포넌트, 예컨대, 애플리케이션 서버를 포함하거나, 프런트 엔드 컴포넌트, 예컨대, 사용자가 본 명세서에 설명된 주제의 구현과 상호작용할 수 있는 사용자 인터페이스 또는 웹 브라우저를 갖는 클라이언트 컴퓨터, 또는 하나 이상의 그러한 백 엔드, 미들웨어, 또는 프런트 엔드 컴포넌트들의 임의의 조합을 포함하는 컴퓨팅 시스템에서 구현될 수 있다. 시스템의 컴포넌트들은 디지털 데이터 통신의 임의의 형태 또는 매체, 예컨대, 통신 네트워크에 의해 상호접속될 수 있다. 통신 네트워크들의 예들은 로컬 영역 네트워크(local area network)("LAN") 및 광역 네트워크(wide area network)("WAN"), 인터-네트워크(inter-network)(예컨대, 인터넷), 및 피어-투-피어 네트워크들(예컨대, 애드혹 피어-투-피어 네트워크들)을 포함한다.
예시적인 컴퓨팅 시스템은 클라이언트들 및 서버들을 포함할 수 있다. 클라이언트와 서버는 일반적으로 서로 멀리 떨어져 있고 전형적으로 통신 네트워크를 통해 상호작용한다. 클라이언트와 서버의 관계는 컴퓨터 프로그램들이 각자의 컴퓨터들 상에서 실행되고 서로 클라이언트-서버 관계를 갖는 것에 의해 생긴다. 일부 실시예들에서, 서버는 (예컨대, 클라이언트 디바이스와 상호작용하는 사용자에게 데이터를 디스플레이하고 그 사용자로부터 사용자 입력을 수신하는 목적들을 위해) 데이터를 클라이언트 디바이스에게 전송한다. 클라이언트 디바이스에서 생성된 데이터(예컨대, 사용자 상호작용의 결과)는 클라이언트 디바이스로부터 서버에 수신될 수 있다.
결론
앞서 설명된 실시예들은 다양한 방식들 중 임의의 것으로 구현될 수 있다. 예를 들어, 일부 실시예들은 하드웨어, 소프트웨어 또는 이들의 조합을 사용하여 구현될 수 있다. 일 실시예의 임의의 양태가 소프트웨어로 적어도 부분적으로 구현될 때, 소프트웨어 코드는, 단일 컴퓨터에서 제공되든 다수의 컴퓨터들 간에 분산되든 간에, 임의의 적당한 프로세서 또는 프로세서들의 집합체 상에서 실행될 수 있다.
이 점에 있어서, 본 발명의 다양한 양태들은, 하나 이상의 컴퓨터 또는 다른 프로세서 상에서 실행될 때, 앞서 논의된 기술의 다양한 실시예들을 구현하는 방법들을 수행하는 하나 이상의 프로그램으로 인코딩된 컴퓨터 판독가능 스토리지 매체(또는 다수의 컴퓨터 판독가능 스토리지 매체들)(예컨대, 컴퓨터 메모리, 콤팩트 디스크들, 광학 디스크들, 자기 테이프들, 플래시 메모리들, 필드 프로그래머블 게이트 어레이들(Field Programmable Gate Arrays) 또는 다른 반도체 디바이스들에서의 회로 구성들, 다른 유형적 컴퓨터 스토리지 매체 또는 비일시적 매체)로서 적어도 부분적으로 구체화될(embodied) 수 있다. 컴퓨터 판독가능 매체 또는 매체들은 운반가능(transportable)할 수 있으며, 따라서 그 상에 저장된 프로그램 또는 프로그램들은 앞서 논의된 바와 같이 본 기술의 다양한 양태들을 구현하기 위해 하나 이상의 상이한 컴퓨터 또는 다른 프로세서 상에 로딩될 수 있다.
용어들 "프로그램" 또는 "소프트웨어"는 앞서 논의된 바와 같이 본 기술의 다양한 양태들을 구현하도록 컴퓨터 또는 다른 프로세서를 프로그래밍하는 데 이용될 수 있는 임의의 타입의 컴퓨터 코드 또는 컴퓨터 실행가능 명령어들의 세트를 지칭하기 위한 일반적인 의미로(in a generic sense) 본 명세서에서 사용된다. 부가적으로, 이 실시예의 일 양태에 따르면, 실행될 때, 본 기술의 방법들을 수행하는 하나 이상의 컴퓨터 프로그램이 단일 컴퓨터 또는 프로세서 상에 존재할 필요가 없고, 본 기술의 다양한 양태들을 구현하기 위해 다수의 상이한 컴퓨터들 또는 프로세서들 간에 모듈 방식으로(in a modular fashion) 분산될 수 있다는 점이 인식되어야 한다.
컴퓨터 실행가능 명령어들은 하나 이상의 컴퓨터 또는 다른 디바이스에 의해 실행되는, 프로그램 모듈들과 같은, 많은 형태들로 되어 있을 수 있다. 일반적으로, 프로그램 모듈들은 특정의 태스크들을 수행하거나 특정의 추상 데이터 타입들을 구현하는 루틴들, 프로그램들, 오브젝트들, 컴포넌트들, 데이터 구조들 등을 포함한다. 전형적으로, 프로그램 모듈들의 기능이 다양한 실시예들에서 원하는 바에 따라 결합되거나 분산될 수 있다.
또한, 본 명세서에 설명된 기술은 방법으로서 구체화될 수 있으며, 방법의 적어도 하나의 예가 제공되었다. 방법의 일부로서 수행되는 동작들(acts)은 임의의 적당한 방식으로 순서화될(ordered) 수 있다. 그에 따라, 동작들이 예시된 것과 상이한 순서로 수행되는 실시예들이 구성될 수 있으며, 이 실시예들은 일부 동작들을, 비록 예시적인 실시예들에서 순차적인 동작들로서 도시되어 있더라도, 동시에 수행하는 것을 포함할 수 있다.
본 명세서에서 정의되고 사용되는 바와 같은, 모든 정의들은 사전 정의들(dictionary definitions), 참고로 포함된 문서들에서의 정의들, 및/또는 정의된 용어들의 통상적인 의미들보다 우선하는 것으로 이해되어야 한다.
명세서에서 그리고 청구범위에서 본 명세서에 사용되는 바와 같은 부정관사들("a" 및 "an")은, 명확히 달리 지시되지 않는 한, "적어도 하나"를 의미하는 것으로 이해되어야 한다.
문구 "및/또는"은, 명세서에서 그리고 청구범위에서 본 명세서에 사용되는 바와 같이, 그와 같이 등위 접속된(conjoined) 요소들, 즉 일부 경우들에서 결합적으로(conjunctively) 존재하고 다른 경우들에서 택일적으로(disjunctively) 존재하는 요소들 중 "어느 하나 또는 둘 다"를 의미하는 것으로 이해되어야 한다. "및/또는"을 사용해 열거된 다수의 요소들은 동일한 방식으로, 즉 그렇게 등위 접속된 요소들 중 하나 이상으로 해석되어야만 한다. "및/또는"절에 의해 구체적으로 식별되는 요소들 이외에 다른 요소들이, 구체적으로 식별된 그 요소들에 관련이 있는지 여부와 상관없이, 임의로 존재할 수 있다. 따라서, 비제한적인 예로서, "A 및/또는 B"에 대한 언급은, "포함하는(comprising)"과 같은 개방형 표현(open-ended language)과 함께 사용될 때, 일 실시예에서, A만(임의로 B 이외의 요소들을 포함함); 다른 실시예에서, B만(임의로 A 이외의 요소들을 포함함); 또 다른 실시예에서, A 및 B 둘 다(임의로 다른 원소들을 포함함); 기타를 지칭할 수 있다.
명세서에서 그리고 청구범위에서 본 명세서에 사용되는 바와 같이, "또는"은 앞서 정의된 바와 같은 "및/또는"과 동일한 의미를 갖는 것으로 이해되어야 한다. 예를 들어, 목록에서 항목들을 분리할 때, "또는" 또는 "및/또는"은 포함적(inclusive)인 것으로 해석되어야 하며, 즉 다수의 요소들 또는 요소들의 목록 중 적어도 하나의 요소를 포함하는 것은 물론, 하나 초과의 요소, 그리고 임의로 부가의 열거되지 않은 항목들을 포함하는 것으로 해석되어야 한다. "~ 중 오직 하나(only one of)" 또는 "~ 중 정확히 하나(exactly one of)" 또는, 청구범위에서 사용될 때, "~로 이루어진(consisting of)"과 같은, 명확히 달리 표시되는 용어들만이 다수의 요소들 또는 요소들의 목록 중 정확히 하나의 요소를 포함하는 것을 지칭할 것이다. 일반적으로, 본 명세서 사용되는 바와 같은 용어 "또는"은, "어느 하나", "~중 하나", "~중 하나만", 또는 " ~ 중 정확히 하나"와 같은, 배타성의 용어들이 선행될 때 배타적 양자택일(exclusive alternative)(즉, 둘 다가 아니라 한쪽 또는 다른 쪽)을 지시하는 것으로만 해석되어야 한다. "본질적으로 ~로 이루어진(consisting essentially of)"은, 청구범위에서 사용될 때, 특허법 분야에서 사용되는 것과 같이 그의 통상적인 의미를 갖는다.
명세서 및 청구범위에서 본 명세서에 사용되는 바와 같이, 하나 이상의 요소의 목록에 대한 언급에서의 문구 "적어도 하나"는 요소들의 목록 내의 요소들 중 임의의 하나 이상의 요소 중에서 선택된 적어도 하나의 요소를 의미하는 것으로 이해되어야 하지만, 요소들의 목록 내에 특정적으로 열거된 각기의 요소 중 적어도 하나를 반드시 포함하는 것은 아니며 요소들의 목록 내의 요소들의 임의의 조합들을 배제하지 않는다. 이 정의는 또한 "적어도 하나"라는 문구가 언급하는 요소들의 목록 내에서 구체적으로 식별되는 요소들 이외에 요소들이, 구체적으로 식별된 그 요소들에 관련이 있는지 여부에 관계없이, 임의로 존재할 수 있는 것을 허용한다. 따라서, 비제한적인 예로서, "A 및 B 중 적어도 하나"(또는 등가적으로, "A 또는 B 중 적어도 하나", 또는 등가적으로 "A 및/또는 B 중 적어도 하나")는, 일 실시예에서, B가 존재하지 않는 경우(그리고 임의로 B 이외의 요소들을 포함함), 적어도 하나의 A - 임의로 하나 초과의 A를 포함함 - 를 지칭할 수 있고; 다른 실시예에서, A가 존재하지 않는 경우(그리고 임의로 A 이외의 요소들을 포함함), 적어도 하나의 B - 임의로 하나 초과의 B를 포함함 - 를 지칭할 수 있으며; 또 다른 실시예에서, 적어도 하나의 A - 임의로 하나 초과의 A를 포함함 -, 및 적어도 하나의 B - 임의로 하나 초과의 B를 포함함 - (그리고 임의로 다른 요소들을 포함함)를 지칭할 수 있고; 기타 등등일 수 있다. 청구범위에서는 물론 이상의 명세서에서, "포함하는(comprising)", "포함하는(including)", "담고 있는(carrying)", "갖는(having)", "함유하는(containing)", "수반하는(involving)", "보유하는(holding)", "~로 구성되는(composed of)" 등과 같은 모든 이행적 어구(transitional phrase)들은 개방형(open-ended)인 것으로, 즉 "~를 포함하지만 이에 한정되지는 않는"을 의미하는 것으로 이해되어야 한다. 이행구들 "~로 이루어진" 및 "본질적으로 ~로 이루이진"만이, United States Patent Office Manual of Patent Examining Procedures, Section 2111.03에 기재된 바와 같이, 제각기, 폐쇄형(closed) 또는 반폐쇄형(semi-closed) 이행구들이어야 한다.

Claims (88)

  1. 개인의 인지 능력(cognitive skill)의 정량자(quantifier)를 생성하기 위한 장치로서, 상기 장치는 적어도 하나의 생리학적 컴포넌트에 커플링되고, 상기 장치는,
    사용자 인터페이스;
    프로세서 실행가능 명령어들을 저장하기 위한 메모리; 및
    상기 사용자 인터페이스 및 상기 메모리에 통신가능하게 커플링된 프로세싱 유닛
    을 포함하고, 상기 프로세싱 유닛에 의한 상기 프로세서 실행가능 명령어들의 실행 시에, 상기 프로세싱 유닛은,
    간섭을 갖는 프라이머리(primary) 태스크의 제1 인스턴스를 상기 사용자 인터페이스에서 렌더링하여, 상기 간섭의 존재 하에서 상기 프라이머리 태스크의 상기 제1 인스턴스에 대한 제1 응답을 상기 개인에게 요구하고 - 상기 간섭은 방해요소(interruptor) 또는 주의산만요소(distraction) 중 하나 또는 둘 다를 포함함 -;
    상기 간섭을 갖지 않는 상기 프라이머리 태스크의 제2 인스턴스를 상기 사용자 인터페이스에서 렌더링하여, 상기 프라이머리 태스크의 상기 제2 인스턴스에 대한 제2 응답을 상기 개인에게 요구하며 -
    상기 프로세싱 유닛은,
    (i) 상기 프로세싱 유닛이 상기 제2 응답을 수신하는 것과 실질적으로 동시에 상기 간섭에 대한 세컨더리(secondary) 응답을 수신하거나; 또는
    (ii) 상기 프로세싱 유닛이 상기 제1 응답을 수신하는 것과 실질적으로 동시에 방해요소인 상기 간섭에 대한 상기 세컨더리 응답을 수신하고 상기 프로세싱 유닛이 상기 제1 응답을 수신하는 것과 실질적으로 동시에 주의산만요소인 상기 간섭에 대한 상기 세컨더리 응답을 수신하지 않도록 구성되고;
    상기 프로세싱 유닛은 상기 개인의 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하도록 구성되며, 상기 생리학적 프로파일은 상기 적어도 하나의 생리학적 컴포넌트의 하나 이상의 측정에 기초하며, 상기 적어도 하나의 생리학적 컴포넌트는 상기 개인의 생리학적 측정을 측정하도록 커플링되어 있음 -;
    상기 제1 응답, 상기 제2 응답, 및 상기 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하고;
    상기 개인의 수행 메트릭 - 상기 수행 메트릭은 상기 개인의 인지 능력의 지시자를 포함함 - 을 결정하기 위해 적어도 부분적으로 상기 적어도 하나의 생리학적 프로파일에 대한 상기 제1 응답을 나타내는 데이터와 상기 제2 응답을 나타내는 데이터 사이의 차이를 결정하는 것에 의해 상기 간섭을 갖지 않는 그리고 상기 간섭을 갖는 상기 프라이머리 태스크를 수행하는 것으로부터 상기 개인의 수행력의 차이들을 분석하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  2. 제1항에 있어서, 상기 프로세싱 유닛은 또한, 상기 하나 이상의 측정을 수행하기 위해 상기 적어도 하나의 생리학적 컴포넌트에게 제어 신호를 송신하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  3. 제1항에 있어서, 상기 생리학적 프로파일은 상기 프라이머리 태스크 및/또는 상기 간섭에 대한 상기 개인의 주의성(attentiveness)의 상태의 표시를 제공하는 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  4. 제1항에 있어서, 상기 프로세싱 유닛은 또한,
    상기 개인의 분노의 상태 또는 좌절의 상태 중 하나 또는 둘 다를 나타내는 생리학적 프로파일들을 식별하고;
    후속하여 계산된 적어도 하나의 생리학적 프로파일이 상기 개인의 상기 분노의 상태 또는 상기 좌절의 상태의 수정을 나타내도록 정규화하기 위해 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 인지 부하(cognitive load)를 조정하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  5. 제1항에 있어서, 상기 프로세싱 유닛은 또한, 상기 프라이머리 태스크 또는 간섭 중 하나 또는 둘 다에 대한 상기 개인으로부터의 비정상적 응답들(deviant responses)의 지시자들을 식별하기 위해 상기 적어도 하나의 생리학적 프로파일을 분석하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  6. 제1항에 있어서, 상기 프로세싱 유닛은 또한, 상기 개인의 신원을 인증하기 위해 상기 적어도 하나의 생리학적 프로파일을 분석하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  7. 제1항에 있어서, 상기 프로세싱 유닛은 또한, 2개 이상의 상이한 타입의 생리학적 컴포넌트들을 사용하여 이루어지는 시간 경과에 따른 하나 이상의 측정에 기초하여 상기 적어도 하나의 생리학적 프로파일을 계산하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  8. 제1항에 있어서, 상기 프로세싱 유닛은 또한, 사용자가 치료에 응답하거나 응답하지 않을 가능성이 있는지를 결정하기 위해 상기 적어도 하나의 생리학적 프로파일을 분석하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  9. 제8항에 있어서, 상기 프로세싱 유닛은 또한, 상기 개인에서의 평가 또는 치료의 유효성의 예측자를 생성하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  10. 제1항에 있어서, 상기 프로세싱 유닛은 또한,
    상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 적어도 하나의 요소를 예견하도록 상기 개인의 능력을 모니터링하기 위해 상기 적어도 하나의 생리학적 프로파일을 분석하고;
    후속하여 계산된 적어도 하나의 생리학적 프로파일이 상기 개인의 감정적으로 조절된 상태를 나타내도록 정규화하기 위해 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 인지 부하를 조정하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  11. 제10항에 있어서, 상기 프로세싱 유닛은 또한, 상기 개인에 의해 수행되는 인지 평가 또는 인지 치료를 최적화하기 위해 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 난이도 레벨을 조정하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  12. 제1항에 있어서, 상기 프로세싱 유닛은 또한, (i) 상기 결정된 수행 메트릭을 나타내는 출력을 생성하는 것, 또는 (ii) 상기 결정된 수행 메트릭을 컴퓨팅 디바이스에게 전송하는 것 중 적어도 하나를 수행하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  13. 제1항에 있어서, 상기 프로세싱 유닛은 또한, 상기 수행 메트릭을 간섭 비용으로서 계산하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  14. 제13항에 있어서, 상기 프라이머리 태스크는 연속적인 태스크이고, 상기 프라이머리 태스크의 상기 제1 인스턴스는 제1 시간 간격에 걸쳐 렌더링되는 상기 연속적인 태스크이며, 상기 프라이머리 태스크의 상기 제2 인스턴스는 제2 시간 간격에 걸쳐 렌더링되는 상기 연속적인 태스크이고, 상기 제1 시간 간격은 상기 제2 시간 간격과 상이한 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  15. 제1항에 있어서, 상기 프로세싱 유닛은 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다를 사운드, 객체, 이미지, 또는 단어 중 하나 이상을 포함하는 것으로서 구성하는 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  16. 제1항에 있어서, 적어도 하나의 작동 컴포넌트(actuating component)
    를 더 포함하며, 상기 프로세싱 유닛은 또한, 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다를 청각 자극, 촉각 자극, 또는 진동 자극 중 하나 이상을 포함하는 것으로서 실시하도록 상기 작동 컴포넌트를 제어하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  17. 제1항에 있어서, 상기 수행 메트릭은, (i) 인지 테스트 또는 행동 테스트 중 하나 또는 둘 다에서의 상기 개인의 예상된 수행력, 및 (ii) 상기 개인의 인지 질환, 질병 또는 실행 기능 장애의 상태 또는 진행의 진단 중 하나 또는 둘 다를 나타내는 데이터를 포함한 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  18. 제17항에 있어서, 상기 수행 메트릭은 상기 인지 질환, 상기 질병, 또는 상기 실행 기능 장애 중 하나 이상을 모니터링하는 데 사용되는 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  19. 제17항에 있어서, 상기 수행 메트릭은 상기 인지 질환, 상기 질병, 또는 상기 실행 기능 장애 중 하나 이상에 대한 상기 개인의 치료 요법(treatment regimen)을 모니터링하는 데 사용되는 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  20. 제18항 또는 제19항에 있어서, 상기 인지 질환, 질병, 또는 실행 기능 장애는 사회 불안, 우울증, 양극성 장애, 주요 우울증 장애, 외상후 스트레스 장애, 정신분열증, 자폐 스펙트럼 장애, 주의력 결핍 과잉행동 장애, 치매, 파킨슨병, 헌팅턴병, 또는 다른 신경퇴행성 질환, 알츠하이머병, 다발성 경화증, 또는 루푸스로 이루어진 그룹으로부터 선택된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  21. 제1항에 있어서, 상기 프로세싱 유닛은 또한, (i) 약제(pharmaceutical agent), 약물(drug), 또는 생물학적 제제(biologic)의 양, 농도, 또는 용량 적정(dose titration) 중 하나 이상을 변경하는 것, (ii) 상기 개인이 상기 약제, 약물, 또는 생물학적 제제의 투여에 응답하여 부작용(adverse event)을 경험할 가능성을 식별하는 것, (iii) 상기 개인의 인지 능력의 변화를 식별하는 것, (iv) 치료 요법을 권장하는 것, 또는 (v) 행동 요법, 상담, 또는 신체 운동 중 적어도 하나의 유효성의 정도를 권장하거나 결정하는 것 중 적어도 하나를 수행하기 위해 상기 수행 메트릭을 사용하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  22. 제1항에 있어서, 상기 프로세싱 유닛은, 상기 프라이머리 태스크의 상기 제1 인스턴스를 연속적 시각 운동(visuo-motor) 추적 태스크로서 렌더링하도록 상기 사용자 인터페이스를 제어하도록 구성되고, 상기 프라이머리 태스크의 상기 제1 인스턴스는 상기 연속적 시각-운동 태스크의 제1 시간 간격인 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  23. 제1항에 있어서, 상기 프로세싱 유닛은 상기 간섭을 표적 판별 간섭으로서 렌더링하도록 상기 사용자 인터페이스를 제어하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  24. 제1항에 있어서, 상기 프로세싱 유닛은, 상기 간섭이 상기 개인의 주의를 상기 프라이머리 태스크로부터 전환시키도록 상기 프라이머리 태스크의 상기 제1 인스턴스를 상기 간섭의 존재 하에서 렌더링하게끔 상기 사용자 인터페이스를 구성함으로써, 상기 프라이머리 태스크의 상기 제1 인스턴스를 상기 간섭과 함께 렌더링하도록 구성되며, 상기 간섭은 주의산만요소 또는 방해요소 중 하나 또는 둘 다로서 렌더링된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치..
  25. 제24항에 있어서, 상기 프로세싱 유닛은, 상기 사용자 인터페이스가 상기 프라이머리 태스크의 상기 제1 인스턴스에 대한 상기 제1 응답을 수신하는 것과 실질적으로 동시에 방해요소인 상기 간섭에 대한 상기 세컨더리 응답을 수신하고 상기 컴퓨터 디바이스가 상기 프라이머리 태스크의 상기 제1 인스턴스에 대한 상기 제1 응답을 수신하는 것과 실질적으로 동시에 주의산만요소인 상기 간섭에 대한 상기 세컨더리 응답을 수신하지 않도록, 상기 사용자 인터페이스를 구성하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  26. 제1항에 있어서, 상기 프로세싱 유닛은 또한, 상기 계산된 수행 메트릭을 사용하여 상기 개인의 수행력의 심리측정(psychometric) 곡선을 계산하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  27. 제1항에 있어서, 상기 프라이머리 태스크 또는 간섭 중 하나 또는 둘 다는 표적결정(targeting) 태스크를 포함한 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  28. 제27항에 있어서, 상기 표적결정 태스크는 표적 판별 태스크인 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  29. 제1항에 있어서, 상기 프로세싱 유닛은 또한, 상기 개인의 인지, 기분, 인지 편향의 레벨, 주의성, 사용자 참여(user engagement), 또는 정서 편향(affective bias) 중 하나 이상의 척도를 나타내는 예측 모델 출력을 생성하기 위해, 상기 결정된 수행 메트릭에 기초하여 예측 모델을 렌더링하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  30. 제29항에 있어서, 상기 예측 모델은 선형/로지스틱 회귀, 주성분 분석, 일반화된 선형 혼합 모델, 랜덤 결정 포레스트, 서포트 벡터 머신, 또는 인공 신경 네트워크 중 하나 이상을 포함한 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  31. 제1항에 있어서, 상기 결정된 수행 메트릭은 전달되고 있는 또는 전달될 인지 치료에 대한 상기 개인의 예상된 응답의 지시자를 포함한 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  32. 제1항에 있어서, 상기 프로세싱 유닛은 또한, 상기 적어도 하나의 생리학적 컴포넌트의 상기 하나 이상의 측정에 기초하여 피드백 루프를 구현하기 위해 제어 신호들을 하나 이상의 제어기에게 전송하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  33. 제1항 내지 제32항 어느 한 항에 있어서, 상기 프로세싱 유닛은 또한, 주의산만요소로서 구성된 상기 간섭에 대해서는 응답하지 않도록 그리고 방해요소로서 구성된 상기 간섭에 대해서는 응답하도록 상기 개인에게 지시하는 사용자 지시사항들을 포함하는 피처를 세컨더리 태스크로서 상기 사용자 인터페이스에서 렌더링하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  34. 제1항 내지 제33중 어느 한 항의 장치를 포함하는 시스템으로서, 상기 시스템은 가상 현실 시스템, 증강 현실 시스템, 또는 혼합 현실 시스템 중 적어도 하나인 것인 시스템.
  35. 하나 이상의 생리학적 컴포넌트 및 제1항 내지 제33항 중 어느 한 항의 장치를 포함하는 시스템으로서, 상기 프로세싱 유닛에 의한 상기 프로세서 실행가능 명령어들의 실행 시에, 상기 프로세싱 유닛은,
    상기 생리학적 컴포넌트의 하나 이상의 측정을 나타내는 데이터를 수신하고;
    상기 수행 메트릭을 계산하기 위해 상기 제1 응답 및 상기 제2 응답을 나타내는 데이터, 및 상기 생리학적 컴포넌트의 상기 하나 이상의 측정을 나타내는 데이터를 분석하도록 구성된 것인 시스템.
  36. 개인의 인지 능력을 향상시키기 위한 장치로서,
    사용자 인터페이스;
    프로세서 실행가능 명령어들을 저장하기 위한 메모리; 및
    상기 사용자 인터페이스 및 상기 메모리에 통신가능하게 커플링된 프로세싱 유닛
    을 포함하고, 상기 프로세싱 유닛에 의한 상기 프로세서 실행가능 명령어들의 실행 시에, 상기 프로세싱 유닛은,
    간섭을 갖는 프라이머리 태스크의 제1 인스턴스를 상기 사용자 인터페이스에서 렌더링하여, 상기 간섭의 존재 하에서 상기 프라이머리 태스크의 상기 제1 인스턴스에 대한 제1 응답을 상기 개인에게 요구하고 - 상기 간섭은 방해요소 또는 주의산만요소 중 하나 또는 둘 다를 포함함 -;
    상기 간섭을 갖지 않는 상기 프라이머리 태스크의 제2 인스턴스를 상기 사용자 인터페이스에서 렌더링하여, 상기 프라이머리 태스크의 상기 제2 인스턴스에 대한 제2 응답을 상기 개인에게 요구하며 -
    상기 프로세싱 유닛은,
    (i) 상기 프로세싱 유닛이 상기 제2 응답을 수신하는 것과 실질적으로 동시에 상기 간섭에 대한 세컨더리 응답을 수신하거나; 또는
    (ii) 상기 프로세싱 유닛이 상기 제1 응답을 수신하는 것과 실질적으로 동시에 방해요소인 상기 간섭에 대한 상기 세컨더리 응답을 수신하고 상기 프로세싱 유닛이 상기 제1 응답을 수신하는 것과 실질적으로 동시에 주의산만요소인 상기 간섭에 대한 상기 세컨더리 응답을 수신하지 않도록 구성되고;
    상기 프로세싱 유닛은 상기 개인의 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하도록 구성되며, 상기 생리학적 프로파일은 생리학적 측정을 제공하기 위해 상기 적어도 하나의 생리학적 컴포넌트의 하나 이상의 측정에 기초하며, 상기 적어도 하나의 생리학적 컴포넌트는 상기 개인의 생리학적 측정을 측정하도록 커플링되어 있음 -;
    상기 제1 응답, 상기 제2 응답, 및 상기 적어도 하나의 생리학적 프로파일을 나타내는 데이터를 수신하고;
    상기 개인의 제1 수행 메트릭 - 상기 제1 수행 메트릭은 상기 개인의 인지 능력의 제1 지시자를 포함함 - 을 결정하기 위해 적어도 부분적으로 상기 적어도 하나의 생리학적 프로파일에 대한 상기 제1 응답을 나타내는 데이터와 상기 제2 응답을 나타내는 데이터 사이의 차이를 결정하는 것에 의해 간섭을 갖지 않는 그리고 간섭을 갖는 상기 프라이머리 태스크를 수행하는 것으로부터 상기 개인의 수행력의 차이들을 분석하며;
    상기 장치가 상기 프라이머리 태스크의 제3 인스턴스 또는 상기 간섭 중 하나 또는 둘 다를 제2 난이도 레벨로 렌더링하도록 상기 적어도 하나의 생리학적 프로파일에 기초하여 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 난이도를 조정하고;
    상기 개인의 제2 수행 메트릭 - 상기 제2 수행 메트릭은 상기 개인의 인지 능력의 제2 지시자를 포함함 - 을 결정하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  37. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 상기 하나 이상의 측정을 수행하기 위해 상기 적어도 하나의 생리학적 컴포넌트에게 제어 신호를 송신하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  38. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 피드백 루프에 기초하여 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 난이도를 조정하기 위해, 제어 신호를 하나 이상의 제어기에게 송신하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  39. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 상기 제1 수행 메트릭에 기초하여, 상기 사용자 인터페이스에 렌더링된 상기 개인에 대한 적어도 하나의 사용자 지시사항 또는 상기 사용자 인터페이스에 렌더링된 하나 이상의 보상 중 하나 또는 둘 다를 조정하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  40. 제36항에 있어서, 상기 프라이머리 태스크 또는 상기 간섭 중 상기 하나 또는 모두의 난이도를 조정하는 것은 사운드, 음악, 또는 격려 메시지 중 하나 이상을 조정하는 것, 또는 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 렌더링에 지연을 부과하는 것을 포함한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  41. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 상기 적어도 하나의 생리학적 프로파일이 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다에 대한 상기 개인의 주의성의 상태를 나타내도록, 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 난이도를 조정하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  42. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다에 대한 상기 개인의 부주의성을 나타내는 상기 적어도 하나의 생리학적 프로파일에 응답하여 인지 부하를 조정하기 위해 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 난이도를 조정하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  43. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 태스크 자동화를 나타내는 상기 적어도 하나의 생리학적 프로파일에 응답하여 인지 부하를 조정하기 위해 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 난이도를 조정하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  44. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 상기 적어도 하나의 생리학적 프로파일이 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다에 대한 상기 개인의 증가된 참여를 나타내도록, 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 난이도를 조정하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  45. 제36항에 있어서, 상기 프로세싱 유닛은 또한, (i) 약제, 약물, 또는 생물학적 제제의 양, 농도, 또는 용량 적정 중 하나 이상을 변경하는 것; (ii) 상기 개인이 상기 약제, 약물, 또는 생물학적 제제의 투여에 응답하여 부작용을 경험할 가능성을 식별하는 것; (iii) 상기 개인의 인지 능력의 변화를 식별하는 것; (iv) 치료 요법을 권장하는 것; 또는 (v) 행동 요법, 상담, 또는 신체 운동 중 적어도 하나의 유효성의 정도를 권장하거나 결정하는 것 중 적어도 하나를 수행하기 위해 상기 제1 수행 메트릭 또는 상기 제2 수행 메트릭 중 하나 또는 둘 다를 사용하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  46. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 반복적인 방식으로 - 상기 난이도는 상기 반복들 중 2개 이상 사이에서 조정됨 - 상기 제1 및 제2 응답들을 획득하기 위해 상기 프라이머리 태스크의 상기 제1 인스턴스 및 상기 프라이머리 태스크의 상기 제2 인스턴스를 렌더링하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  47. 제36항에 있어서, 상기 제1 수행 메트릭 또는 상기 제2 수행 메트릭 중 상기 하나 또는 둘 다는, (i) 인지 테스트 또는 행동 테스트 중 하나 또는 둘 다에서의 상기 개인의 예상된 수행력, 및 (ii) 상기 개인의 인지 질환, 질병 또는 실행 기능 장애의 상태 또는 진행의 진단 중 하나 이상을 나타내는 데이터를 포함한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  48. 제47항에 있어서, 상기 제1 수행 메트릭 또는 상기 제2 수행 메트릭 중 하나 또는 둘 다는 상기 인지 질환, 상기 질병, 또는 상기 실행 기능 장애 중 하나 이상을 모니터링하는 데 사용되는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  49. 제47항에 있어서, 상기 제1 수행 메트릭 또는 상기 제2 수행 메트릭 중 하나 또는 둘 다는 상기 인지 질환, 상기 질병, 또는 상기 실행 기능 장애 중 하나 이상에 대한 상기 개인의 치료 요법을 모니터링하는 데 사용되는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  50. 제48항 또는 제49항에 있어서, 상기 인지 질환, 질병, 또는 실행 기능 장애는 사회 불안, 우울증, 양극성 장애, 주요 우울증 장애, 외상후 스트레스 장애, 정신분열증, 자폐 스펙트럼 장애, 주의력 결핍 과잉행동 장애, 치매, 파킨슨병, 헌팅턴병, 또는 다른 신경퇴행성 질환, 알츠하이머병, 다발성 경화증, 또는 루푸스로 이루어진 그룹으로부터 선택된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  51. 제36항에 있어서, 상기 프로세싱 유닛은 상기 프라이머리 태스크를 연속적 시각-운동 추적 태스크로서 렌더링하도록 상기 사용자 인터페이스를 제어하는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  52. 제36항에 있어서, 상기 프로세싱 유닛은 상기 간섭을 표적 판별 간섭으로서 렌더링하도록 상기 사용자 인터페이스를 제어하는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  53. 제36항에 있어서, 상기 프로세싱 유닛은, 상기 간섭이 상기 개인의 주의를 상기 프라이머리 태스크로부터 전환시키도록 상기 프라이머리 태스크의 상기 제1 인스턴스를 상기 간섭의 존재 하에서 렌더링하게끔 상기 사용자 인터페이스를 구성함으로써, 상기 프라이머리 태스크의 상기 제1 인스턴스를 상기 간섭과 함께 렌더링하며, 상기 간섭은 주의산만요소 또는 방해요소 중 하나 또는 둘 다로서 렌더링되는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  54. 제53항에 있어서, 상기 프로세싱 유닛은, 상기 사용자 인터페이스가 상기 프라이머리 태스크의 상기 제1 인스턴스에 대한 상기 제1 응답을 수신하는 것과 실질적으로 동시에 방해요소인 상기 간섭에 대한 상기 세컨더리 응답을 수신하고 상기 컴퓨터 디바이스가 상기 프라이머리 태스크의 상기 제1 인스턴스에 대한 상기 제1 응답을 수신하는 것과 실질적으로 동시에 주의산만요소인 상기 간섭에 대한 상기 세컨더리 응답을 수신하지 않도록 상기 사용자 인터페이스를 구성하는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  55. 제36항에 있어서, 상기 프로세싱 유닛은 또한, (i) 상기 결정된 제1 수행 메트릭 또는 상기 결정된 제2 수행 메트릭 중 하나 또는 둘 다를 나타내는 출력을 생성하는 것, 또는 (ⅱ) 상기 결정된 제1 수행 메트릭 또는 상기 결정된 제2 수행 메트릭 중 하나 또는 둘 다를 컴퓨팅 디바이스에게 전송하는 것 중 적어도 하나를 수행하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  56. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 상기 제1 수행 메트릭 또는 상기 제2 수행 메트릭 중 하나 또는 둘 다를 간섭 비용으로서 결정하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  57. 제56항에 있어서, 상기 프라이머리 태스크는 연속적인 태스크이고, 상기 프라이머리 태스크의 상기 제1 인스턴스는 제1 시간 간격에 걸쳐 렌더링되는 상기 연속적인 태스크이며, 상기 프라이머리 태스크의 상기 제2 인스턴스는 제2 시간 간격에 걸쳐 렌더링되는 상기 연속적인 태스크이고, 상기 제1 시간 간격은 상기 제2 시간 간격과 상이한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  58. 제36항에 있어서, 상기 프로세싱 유닛은 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다를 사운드, 객체, 이미지, 또는 단어 중 하나 이상을 포함하는 것으로서 구성하는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  59. 제36항에 있어서, 적어도 하나의 작동 컴포넌트를 더 포함하며, 상기 프로세싱 유닛은 또한, 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다를 청각 자극, 촉각 자극, 및 진동 자극 중 하나 이상을 포함하는 것으로서 실시하도록 상기 작동 컴포넌트를 제어하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  60. 제36항에 있어서, 상기 제1 수행 메트릭 또는 상기 제2 수행 메트릭 중 하나 또는 둘 다는, (i) 인지 테스트 또는 행동 테스트 중 하나 또는 둘 다에서의 상기 개인의 예상된 수행력, 및 (ii) 상기 개인의 인지 질환, 질병 또는 실행 기능 장애의 상태 또는 진행의 진단 중 하나 이상을 나타내는 데이터를 포함하는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  61. 제60항에 있어서, 상기 제1 수행 메트릭 또는 상기 제2 수행 메트릭 중 하나 또는 둘 다는 상기 인지 질환, 상기 질병, 또는 상기 실행 기능 장애 중 하나 이상을 모니터링하는 데 사용되는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  62. 제61항에 있어서, 상기 제1 수행 메트릭 또는 상기 제2 수행 메트릭 중 하나 또는 둘 다는 상기 인지 질환, 상기 질병, 또는 상기 실행 기능 장애 중 하나 이상에 대한 상기 개인의 치료 요법을 모니터링하는 데 사용되는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  63. 제61항 또는 제62항에 있어서, 상기 인지 질환, 질병, 또는 실행 기능 장애는 사회 불안, 우울증, 양극성 장애, 주요 우울증 장애, 외상후 스트레스 장애, 정신분열증, 자폐 스펙트럼 장애, 주의력 결핍 과잉행동 장애, 치매, 파킨슨병, 헌팅턴병, 또는 다른 신경퇴행성 질환, 알츠하이머병, 다발성 경화증, 또는 루푸스로 이루어진 그룹으로부터 선택되는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  64. 제36항에 있어서, 상기 프로세싱 유닛은, 상기 프라이머리 태스크의 상기 제1 인스턴스를 연속적 시각-운동 추적 태스크로서 렌더링하도록 상기 사용자 인터페이스를 제어하도록 구성되고, 상기 프라이머리 태스크의 상기 제1 인스턴스는 상기 연속적 시각-운동 태스크의 제1 시간 간격인 것인 개인의 인지 능력을 향상시키기 위한 장치..
  65. 제36항에 있어서, 상기 프로세싱 유닛은 상기 제1 응답 또는 상기 제2 응답 중 하나 또는 둘 다를 제공하기 위해 상기 개인의 적어도 하나의 물리적 행위를 측정하도록 적어도 하나의 센서 디바이스를 제어하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  66. 제36항에 있어서, 상기 감지 디바이스는 자이로스코프, 가속도계, 모션 센서, 위치 센서, 압력 센서, 광학 센서, 청각 센서, 진동 센서, 비디오 카메라, 압력 감응 표면, 또는 터치 감응 표면 중 하나 이상을 포함한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  67. 제36항에 있어서, 상기 적어도 하나의 생리학적 컴포넌트는 뇌파도(electroencephalogram), 뇌자도(magnetoencephalography), 심전도(electrocardiograph), 심박수 모니터, 심박수 변동성 모니터, 혈압 모니터, ERP(event-related potential) 모니터, fMRI(functional magnetic resonance imaging), 피부 전위 측정 디바이스, GSR(galvanic skin response), 눈 추적 디바이스, 광학 검출 디바이스, fNIRS(functional near-infrared spectroscopy), 또는 PET(positron emission tomography) 중 하나 이상을 포함한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  68. 제36항에 있어서, 상기 결정된 제1 수행 메트릭 및 상기 결정된 제2 수행 메트릭 중 하나 또는 둘 다는 전달되고 있는 또는 전달될 인지 치료에 대한 상기 개인의 예상된 응답의 지시자를 포함한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  69. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 상기 결정된 제1 수행 메트릭 또는 상기 결정된 제2 수행 메트릭 중 하나 또는 둘 다를 사용하여 상기 개인의 수행력의 심리측정 곡선을 계산하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  70. 제36항에 있어서, 상기 프라이머리 태스크 또는 간섭 중 하나 또는 둘 다는 표적결정 태스크를 포함한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  71. 제70항에 있어서, 상기 표적결정 태스크는 표적 판별 태스크인 것인 개인의 인지 능력을 향상시키기 위한 장치.
  72. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 상기 제1 수행 메트릭 또는 상기 제2 수행 메트릭 중 하나 또는 둘 다를 결정 경계 메트릭으로서 결정하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  73. 제36항에 있어서, 상기 프로세싱 유닛은 또한, 상기 개인의 인지, 기분, 인지 편향의 레벨, 주의성, 사용자 참여, 또는 정서 편향 중 하나 이상의 척도를 나타내는 예측 모델 출력을 생성하기 위해, 상기 결정된 제1 수행 메트릭 또는 상기 결정된 제2 수행 메트릭 중 하나 또는 둘 다에 기초하여 예측 모델을 렌더링하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  74. 제73항에 있어서, 상기 예측 모델은 선형/로지스틱 회귀, 주성분 분석, 일반화된 선형 혼합 모델, 랜덤 결정 포레스트, 서포트 벡터 머신, 또는 인공 신경 네트워크 중 하나 이상을 포함한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  75. 제36항에 있어서, 상기 난이도를 조정하는 것은 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 시변 양태를 수정하는 것을 포함한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  76. 제75항에 있어서, 상기 프라이머리 태스크 또는 상기 간섭의 상기 시변 양태를 수정하는 것은 상기 개인의 2개 이상의 상호작용 세션 사이의 상기 사용자 인터페이스에서의 상기 프라이머리 태스크 또는 상기 간섭의 상기 렌더링의 시간 길이를 조정하는 것을 포함한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  77. 제75항에 있어서, 상기 시변 양태는 객체의 속도, 얼굴 표정의 변화율, 객체의 궤적 방향, 객체의 배향의 변경, 객체의 적어도 하나의 컬러, 객체의 타입, 또는 객체의 사이즈 중 하나 이상인 것인 개인의 인지 능력을 향상시키기 위한 장치.
  78. 제77항에 있어서, 객체의 타입의 변경은, 제1 타입의 객체로부터 제2 타입의 객체로 모핑하는 것 또는 블렌드셰이프를 상기 제1 타입의 객체와 상기 제2 타입의 객체의 비례 조합으로서 렌더링하는 것을 사용하여 실시되는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  79. 제36항에 있어서, 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다는 응답 기한을 갖는 적응적 응답 기한 절차를 포함하고; 상기 프로세싱 유닛은 상기 난이도 레벨을 조정하기 위해 상기 적응적 응답 기한 절차의 상기 응답 기한을 수정하는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  80. 제79항에 있어서, 상기 프로세싱 유닛은 상기 적응적 응답 기한 절차와 연관된 응답 윈도의 시간 길이를 수정하도록 상기 사용자 인터페이스를 제어하는 것인 개인의 인지 능력을 향상시키기 위한 장치.
  81. 제36항에 있어서, 상기 난이도를 조정하는 것은 상기 프라이머리 태스크 또는 상기 간섭 중 하나 또는 둘 다의 적어도 하나의 양태의 시변 특성을 점진적으로 조정하기 위해 적응 알고리즘을 적용하는 것을 포함한 것인 개인의 인지 능력을 향상시키기 위한 장치.
  82. 제36항에 있어서, 상기 프로세싱 유닛은 또한,
    반복적인 방식으로 - 상기 난이도는 상기 반복들 중 2개 이상 사이에서 조정됨 - 상기 제1 및 제2 응답들을 획득하기 위해 상기 프라이머리 태스크의 상기 제1 인스턴스 및 상기 프라이머리 태스크의 상기 제2 인스턴스를 렌더링하고;
    상기 적어도 하나의 생리학적 프로파일 - 상기 적어도 하나의 생리학적 프로파일은 (i) 상기 적어도 하나의 생리학적 컴포넌트의 하나 이상의 동기적 측정, 또는 (ii) 상기 적어도 하나의 생리학적 컴포넌트의 하나 이상의 비동기적 측정, 또는 (i) 및 (ii) 둘 다에 기초하여 결정됨 - 을 나타내는 데이터를 수신하며;
    상기 적어도 하나의 생리학적 프로파일에 대해, 상기 개인의 상기 반복들 중 2개 이상으로부터 상기 제1 응답을 나타내는 데이터 및 상기 제2 응답을 나타내는 데이터에 기초하여 상기 개인의 복합 수행 메트릭을 결정하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  83. 제36항 내지 제82항 어느 한 항에 있어서, 상기 프로세싱 유닛은 또한, 주의산만요소로서 구성된 상기 간섭에 대해서는 응답하지 않도록 그리고 방해요소로서 구성된 상기 간섭에 대해서는 응답하도록 상기 개인에게 지시하는 사용자 지시사항들을 포함하는 피처를 세컨더리 태스크로서 상기 사용자 인터페이스에서 렌더링하도록 구성된 것인 개인의 인지 능력을 향상시키기 위한 장치.
  84. 제36항 내지 제83중 어느 한 항의 장치를 포함하는 시스템으로서, 상기 시스템은 가상 현실 시스템, 증강 현실 시스템, 또는 혼합 현실 시스템 중 적어도 하나인 것인 시스템.
  85. 하나 이상의 생리학적 컴포넌트 및 제36항 내지 제83항 중 어느 한 항의 장치를 포함하는 시스템으로서, 상기 프로세싱 유닛에 의한 상기 프로세서 실행가능 명령어들의 실행 시에, 상기 프로세싱 유닛은,
    상기 생리학적 컴포넌트의 하나 이상의 측정을 나타내는 데이터를 수신하고;
    상기 수행 메트릭을 계산하기 위해 상기 제1 응답 및 상기 제2 응답을 나타내는 데이터, 및 상기 생리학적 컴포넌트의 상기 하나 이상의 측정을 나타내는 데이터를 분석하도록 구성된 것인 시스템.
  86. 제1항에 있어서, 상기 프로세싱 유닛은 상기 제1 응답 또는 상기 제2 응답 중 하나 또는 둘 다를 제공하기 위해 상기 개인의 적어도 하나의 물리적 행위를 측정하도록 적어도 하나의 센서 디바이스를 제어하도록 구성된 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  87. 제1항에 있어서, 상기 감지 디바이스는 자이로스코프, 가속도계, 모션 센서, 위치 센서, 압력 센서, 광학 센서, 청각 센서, 진동 센서, 비디오 카메라, 압력 감응 표면, 또는 터치 감응 표면 중 하나 이상을 포함한 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
  88. 제1항에 있어서, 상기 적어도 하나의 생리학적 컴포넌트는 뇌파도, 뇌자도, 심전도, 심박수 모니터, 심박수 변동성 모니터, 혈압 모니터, ERP(event-related potential) 모니터, fMRI(functional magnetic resonance imaging), 피부 전위 측정 디바이스, GSR(galvanic skin response), 눈 추적 디바이스, 광학 검출 디바이스, fNIRS(functional near-infrared spectroscopy), 또는 PET(positron emission tomography) 중 하나 이상을 포함한 것인 개인의 인지 능력의 정량자를 생성하기 위한 장치.
KR1020197008399A 2016-08-26 2017-08-25 생리학적 컴포넌트와 커플링된 인지 플랫폼 KR102426385B1 (ko)

Applications Claiming Priority (3)

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

Publications (2)

Publication Number Publication Date
KR20190067774A true KR20190067774A (ko) 2019-06-17
KR102426385B1 KR102426385B1 (ko) 2022-07-28

Family

ID=61246303

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197008399A KR102426385B1 (ko) 2016-08-26 2017-08-25 생리학적 컴포넌트와 커플링된 인지 플랫폼

Country Status (8)

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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210023631A (ko) * 2019-08-22 2021-03-04 (주)프로젝트레인보우 딥러닝 모듈을 이용한 발달장애 개선 시스템 및 방법
US20220059226A1 (en) * 2018-12-14 2022-02-24 Keio University Device and Method for Inferring Depressive State and Program for Same

Families Citing this family (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10419053B2 (en) * 2016-04-22 2019-09-17 Seabeck Holdings, Llc Smart aviation communication headset and peripheral components
US11701054B2 (en) * 2017-03-13 2023-07-18 Ohio State Innovation Foundation Systems and methods for measuring behavior changes of processes
US11416600B2 (en) * 2017-04-24 2022-08-16 Siemens Aktiengesellschaft Unlocking passwords in augmented reality based on look
US20230347253A1 (en) * 2022-04-27 2023-11-02 State Space Labs, Inc. System and method of motor task skill assessment
US11602697B2 (en) 2017-09-05 2023-03-14 State Space Labs Inc. Sensorimotor assessment and training
US11896910B2 (en) 2017-09-05 2024-02-13 State Space Labs, Inc. System and method of cheat detection in video games
CA3074608A1 (en) * 2017-09-27 2019-04-04 Apexk Inc. Apparatus and method for evaluating cognitive function
EP3466338A1 (en) * 2017-10-03 2019-04-10 Tata Consultancy Services Limited Cognitive load estimation based on pupil dilation
US11288977B1 (en) * 2017-10-11 2022-03-29 Hrl Laboratories, Llc System and method for predicting performance to control interventions by assistive technologies
CN108108603A (zh) * 2017-12-04 2018-06-01 阿里巴巴集团控股有限公司 登录方法及装置和电子设备
US11402905B2 (en) * 2018-01-09 2022-08-02 Holland Bloorview Kids Rehabilitation Hospital EEG brain-computer interface platform and process for detection of changes to mental state
US20200402643A1 (en) * 2018-03-04 2020-12-24 Akili Interactive Labs, Inc. Cognitive screens, monitor and cognitive treatments targeting immune-mediated and neuro-degenerative disorders
AU2019229979A1 (en) * 2018-03-04 2020-09-24 Akili Interactive Labs, Inc. Cognitive screens, monitor and cognitive treatments targeting immune-mediated and neuro-degenerative disorders
GB201808878D0 (en) * 2018-05-31 2018-07-18 Imperial Innovations Ltd Optimisation system and method
CN109044374B (zh) * 2018-07-19 2021-05-14 杭州心景科技有限公司 整合视听连续执行测试方法、装置及系统
EP3622881A1 (en) * 2018-09-14 2020-03-18 Nokia Technologies Oy Method and apparatus for human sensory testing
US20200114115A1 (en) * 2018-10-15 2020-04-16 Akili Interactive Labs, Inc. Cognitive platform for deriving effort metric for optimizing cognitive treatment
CN109558003B (zh) * 2018-10-30 2021-08-03 天津大学 基于虚拟现实技术的认知训练和恢复系统
AU2019376682A1 (en) * 2018-11-09 2021-05-27 Akili Interactive Labs, Inc, Facial expression detection for screening and treatment of affective disorders
AU2019376177A1 (en) * 2018-11-09 2021-05-27 Akili Interactive Labs, Inc. Audio-only interference training for cognitive disorder screening and treatment
CN113905663A (zh) 2019-01-08 2022-01-07 伊鲁丽亚有限公司 监测注意力缺陷伴多动障碍的诊断和有效性
JP2022542730A (ja) * 2019-02-25 2022-10-07 コーニンクレッカ フィリップス エヌ ヴェ 被検体の相対的認知能力の決定
US11212227B2 (en) * 2019-05-17 2021-12-28 Pensando Systems, Inc. Rate-optimized congestion management
JP7311637B2 (ja) * 2019-05-30 2023-07-19 エースラー リミテッド 認知トレーニング及び監視のためのシステム及び方法
CN110367976B (zh) * 2019-07-30 2021-05-07 腾讯科技（深圳）有限公司 脑电波信号检测方法、相关设备和存储介质
US11904866B2 (en) * 2019-07-31 2024-02-20 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for brain-machine interfaces and EEG-based driver identification
CN110477863B (zh) * 2019-08-07 2022-07-05 王满 一种基于心脏功能动态监控的人工智能算法模型系统及方法
CN110428884A (zh) * 2019-08-09 2019-11-08 丹阳慧创医疗设备有限公司 一种记忆能力的训练方法、装置、设备以及系统
JP2022547075A (ja) * 2019-09-05 2022-11-10 エフ．ホフマン－ラ ロシュ アーゲー モバイル最適化ソフトウェアツールを使用した空間ワーキングメモリの測定
WO2021048514A1 (en) * 2019-09-10 2021-03-18 Oxford University Innovation Limited Predicting clinical outcomes in parkinson's disease
CN110693510A (zh) * 2019-10-17 2020-01-17 中国科学院计算技术研究所 一种注意力缺陷多动障碍辅助诊断装置及其使用方法
WO2021083512A1 (en) * 2019-10-30 2021-05-06 Max-Planck-Gesellschaft Zur Foerderung Der Wissenschaften E.V. Measuring an attentional state and providing automatic feedback during a technical system interaction
US20210174933A1 (en) * 2019-12-09 2021-06-10 Social Skills Training Pty Ltd Social-Emotional Skills Improvement
TWI725662B (zh) * 2019-12-13 2021-04-21 國立交通大學 自動化調整回合制遊戲強度之方法
US11684299B2 (en) 2019-12-17 2023-06-27 Mahana Therapeutics, Inc. Method and system for remotely monitoring the psychological state of an application user using machine learning-based models
CN111166354B (zh) * 2020-01-23 2022-11-18 北京津发科技股份有限公司 影响情绪变化的因素的分析方法及电子设备
WO2021201984A2 (en) * 2020-02-07 2021-10-07 Eyetracking Llc Evaluation of a person or system through measurement of physiological data
EP4110187A4 (en) * 2020-02-26 2023-09-27 Bright Clinical Research Limited RADAR SYSTEM FOR DYNAMIC MONITORING AND MANAGEMENT OF ONGOING CLINICAL TRIALS
US11967432B2 (en) 2020-05-29 2024-04-23 Mahana Therapeutics, Inc. Method and system for remotely monitoring the physical and psychological state of an application user using altitude and/or motion data and one or more machine learning models
US11610663B2 (en) 2020-05-29 2023-03-21 Mahana Therapeutics, Inc. Method and system for remotely identifying and monitoring anomalies in the physical and/or psychological state of an application user using average physical activity data associated with a set of people other than the user
JPWO2021255632A1 (ko) * 2020-06-15 2021-12-23
US11491398B2 (en) * 2020-08-24 2022-11-08 Charles Tedesco Methods and systems for increasing attention ability of a user using a gameplay
CN112137628B (zh) * 2020-09-10 2021-08-03 北京津发科技股份有限公司 三维空间认知测评及训练方法与系统
TWI793769B (zh) * 2020-09-26 2023-02-21 國立成功大學 糖化終產物於音樂匹配之應用系統
US20220130513A1 (en) * 2020-10-22 2022-04-28 Mahana Therapeutics, Inc. Method and system for dynamically generating profile-specific therapeutic protocols using machine learning models
US20220167893A1 (en) * 2020-12-02 2022-06-02 Koninklijke Philips N.V. Methods and systems for detecting indications of cognitive decline
TWI767447B (zh) 2020-12-11 2022-06-11 國立成功大學 認知評估系統及方法
WO2022174342A1 (en) * 2021-02-16 2022-08-25 Mindleap Health Inc. System and method for generating a recommendation for improving a user's mental health
US20220335848A1 (en) * 2021-04-14 2022-10-20 Western Governors University Curriculum Architecture Tool
US11275903B1 (en) 2021-05-13 2022-03-15 Retain Health, Inc System and method for text-based conversation with a user, using machine learning
EP4356325A1 (en) * 2021-06-17 2024-04-24 Yohana LLC Automated generation and recommendation of goal-oriented tasks
WO2022272093A1 (en) * 2021-06-24 2022-12-29 The Regents Of The University Of California Virtual and augmented reality devices to diagnose and treat cognitive and neuroplasticity disorders
WO2023003672A1 (en) * 2021-07-22 2023-01-26 Justin Ryan Learning system that automatically converts entertainment screen time into learning time
CN113576482B (zh) * 2021-09-28 2022-01-18 之江实验室 一种基于复合表情加工的注意偏向训练评估系统和方法
US11559232B1 (en) * 2022-02-27 2023-01-24 King Abdulaziz University GRU based real-time mental stress assessment
EP4283622A1 (en) * 2022-05-24 2023-11-29 Koninklijke Philips N.V. Cognitive performance determination apparatus
CN115171658A (zh) * 2022-06-13 2022-10-11 深圳先进技术研究院 训练方法、训练装置、训练设备及存储介质
WO2024038439A1 (en) * 2022-08-15 2024-02-22 Cogme Ltd. System and method for evaluating a cognitive and physiological status of a subject
WO2024107111A1 (en) * 2022-11-14 2024-05-23 Nanyang Technological University System and method for cognitive enhancement based on electroencephalogram (eeg) signals
CN116211253A (zh) * 2023-02-27 2023-06-06 国家康复辅具研究中心 老年人认知障碍筛查实验范式的系统及方法
CN115844393A (zh) * 2023-02-28 2023-03-28 慧创科仪(北京)科技有限公司 基于近红外数据的焦虑障碍评估装置和焦虑障碍评估系统
CN116671900B (zh) * 2023-05-17 2024-03-19 安徽理工大学 一种基于脑波仪的眨眼识别与控制方法
CN117438048B (zh) * 2023-12-20 2024-02-23 深圳市龙岗区第三人民医院 一种精神科患者用心理障碍测评方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011150408A (ja) * 2010-01-19 2011-08-04 Hitachi Ltd 生体および脳機能計測に基づくヒューマンインターフェイス及びそれを用いたヒューマンエラーの検出・防止方法
JP2014508309A (ja) * 2010-11-11 2014-04-03 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア 注意転導および／または妨害の存在下での認知の増強
WO2015177908A1 (ja) * 2014-05-22 2015-11-26 株式会社日立製作所 訓練システム

Family Cites Families (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6293801B1 (en) 1998-01-23 2001-09-25 Scientific Learning Corp. Adaptive motivation for computer-assisted training system
FI115942B (fi) 2002-10-14 2005-08-15 Nokia Corp Menetelmä kuvien interpoloimiseksi ja terävöittämiseksi
AU2003291372A1 (en) 2002-11-05 2004-06-07 The University Of Rochester Medical Center Method for assessing navigational capacity
WO2004099094A1 (ja) 2003-05-09 2004-11-18 Asahi Glass Company, Limited ガラス板の加熱方法及び加熱炉
US20060089335A1 (en) 2003-10-14 2006-04-27 Guosong Liu Compositions and methods for enhancing cognitive function and synaptic plasticity
US20090312817A1 (en) 2003-11-26 2009-12-17 Wicab, Inc. Systems and methods for altering brain and body functions and for treating conditions and diseases of the same
US20050175972A1 (en) 2004-01-13 2005-08-11 Neuroscience Solutions Corporation Method for enhancing memory and cognition in aging adults
EP1774490A1 (en) 2004-07-19 2007-04-18 Neuroscience Solutions Corporation A method for enhancing memory and cognition in aging adults
US8109858B2 (en) 2004-07-28 2012-02-07 William G Redmann Device and method for exercise prescription, detection of successful performance, and provision of reward therefore
US8016416B1 (en) * 2005-01-15 2011-09-13 Sandy Helene Straus Automatic system and methods for measuring and evaluating at least one of mass vision, cognition, knowledge, operation skills, and the like
JP4473744B2 (ja) 2005-02-17 2010-06-02 財団法人鉄道総合技術研究所 ヒューマンエラー診断システム
CN101170943A (zh) * 2005-05-06 2008-04-30 皇家飞利浦电子股份有限公司 无线医学监视设备
US7647098B2 (en) 2005-10-31 2010-01-12 New York University System and method for prediction of cognitive decline
US20070141541A1 (en) 2005-12-13 2007-06-21 Posit Science Corporation Assessment in cognitive training exercises
NO20062220L (no) 2006-05-16 2007-11-19 Protector Intellectual Propert Anordning og en fremgangsmate for a generere varemerker
US20070299319A1 (en) 2006-06-09 2007-12-27 Posit Science Corporation Cognitive Training Using A Continuous Performance Adaptive Procedure
US8010863B2 (en) 2006-07-28 2011-08-30 Thomson Licensing Method and apparatus for synchronizing multiple multimedia streams
KR101492862B1 (ko) 2006-10-20 2015-02-12 유니버시떼 드 몬트리얼 청각, 촉각, 또는 시각적 자극을 통해 대상체의 감각, 반사, 및/또는 운동 기전을 향상시키는 시스템
US20090298025A1 (en) 2007-05-09 2009-12-03 Oregon Health & Science University Object recognition testing tools and techniques for measuring cognitive ability and cognitive impairment
WO2009049404A1 (en) * 2007-10-15 2009-04-23 Stephane Bergeron Method and system for optimizing cognitive training
WO2009103156A1 (en) * 2008-02-20 2009-08-27 Mcmaster University Expert system for determining patient treatment response
JP5319960B2 (ja) 2008-05-28 2013-10-16 株式会社日立製作所 生体光計測装置
US9566029B2 (en) 2008-09-30 2017-02-14 Cognisens Inc. Method and device for assessing, training and improving perceptual-cognitive abilities of individuals
CN102245085B (zh) 2008-10-14 2015-10-07 俄亥俄大学 利用眼跟踪的认知和语言评估
WO2010068750A2 (en) 2008-12-11 2010-06-17 Board Of Trustees Of Leland Stanford Junior University Compositons and method for treatment of mood and cognitive impairments
CA2747631A1 (en) 2008-12-19 2010-06-24 Agency For Science, Technology And Research Device and method for generating a representation of a subject's attention level
US10485466B2 (en) 2009-03-20 2019-11-26 Cognisens Inc. Device and method for measuring mild perceptual impairment
US20100292545A1 (en) 2009-05-14 2010-11-18 Advanced Brain Monitoring, Inc. Interactive psychophysiological profiler method and system
US20120196257A1 (en) 2009-08-27 2012-08-02 Joe Verghese Cognitive function training to improve motor ability
AU2010289925A1 (en) 2009-09-05 2012-03-29 Cogmed America Inc. Method for measuring and training intelligence
GB0917600D0 (en) 2009-10-07 2009-11-25 Univ Edinburgh Testing apparatus and method
US8536436B2 (en) 2010-04-20 2013-09-17 Sylvain Jean-Pierre Daniel Moreno System and method for providing music based cognitive skills development
US20120077160A1 (en) 2010-06-25 2012-03-29 Degutis Joseph Computer-implemented interactive behavioral training technique for the optimization of attention or remediation of disorders of attention
US9208692B2 (en) 2010-10-11 2015-12-08 The Herman Group, Co. System for measuring speed and magnitude of responses and methods thereof
EP3780002A1 (en) * 2010-11-24 2021-02-17 Digital Artefacts, LLC Systems and methods to assess cognitive function
WO2012082903A2 (en) 2010-12-14 2012-06-21 The Johns Hopkins University Treatment of cognitive impairment in a subject with a neurological autoimmune disease
US20120258436A1 (en) 2011-04-08 2012-10-11 Case Western Reserve University Automated assessment of cognitive, fine-motor, and memory skills
WO2012165602A1 (ja) 2011-05-31 2012-12-06 国立大学法人名古屋工業大学 認知機能障害判別装置、認知機能障害判別システム、およびプログラム
KR20140074380A (ko) 2011-10-04 2014-06-17 칠드런'즈 메디컬 센터 코포레이션 정서 통제 방법 및 장치
US10192176B2 (en) 2011-10-11 2019-01-29 Microsoft Technology Licensing, Llc Motivation of task completion and personalization of tasks and lists
ES2853550T3 (es) 2011-11-16 2021-09-16 Bohbot Veronique Deborah Entorno de realidad virtual tridimensional generado por ordenador para mejorar la memoria
AU2013224590A1 (en) 2012-02-22 2014-10-09 Jean Castonguay Perceptual-cognitive-motor learning system and method
US9367666B2 (en) 2012-07-13 2016-06-14 Medical Care Corporation Mapping cognitive to functional ability
SG11201501332WA (en) 2012-08-24 2015-05-28 Agency Science Tech & Res Autodidactic cognitive training device and method thereof
US9983670B2 (en) 2012-09-14 2018-05-29 Interaxon Inc. Systems and methods for collecting, analyzing, and sharing bio-signal and non-bio-signal data
KR102282961B1 (ko) 2012-09-28 2021-07-29 더 리젠츠 오브 더 유니버시티 오브 캘리포니아 감각 및 인지 프로파일링을 위한 시스템 및 방법
US9265458B2 (en) 2012-12-04 2016-02-23 Sync-Think, Inc. Application of smooth pursuit cognitive testing paradigms to clinical drug development
US9308445B1 (en) 2013-03-07 2016-04-12 Posit Science Corporation Neuroplasticity games
US10365716B2 (en) * 2013-03-15 2019-07-30 Interaxon Inc. Wearable computing apparatus and method
EP2976763A4 (en) 2013-03-18 2016-09-14 Cognisens Inc PERCEPTION AND COGNITION-RELATED MOTION SYSTEM AND METHOD
US10380910B2 (en) 2013-07-01 2019-08-13 Lumos Labs, Inc. Physically intuitive response inhibition task for enhancing cognition
EP2857247B1 (de) 2013-10-01 2018-09-26 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung für ein zur automatischen Längsführung ausgestaltetes Fahrzeug
US9474481B2 (en) 2013-10-22 2016-10-25 Mindstrong, LLC Method and system for assessment of cognitive function based on electronic device usage
US10743807B2 (en) 2013-12-19 2020-08-18 Cognisens Inc. System and method for determining a perceptual-cognitive signature of a subject
JP6404239B2 (ja) 2014-01-23 2018-10-10 国立研究開発法人産業技術総合研究所 認知機能評価装置、認知機能評価装置の作動方法、システム及びプログラム
US10559221B2 (en) * 2014-05-21 2020-02-11 Akili Interactive Labs, Inc. Processor-implemented systems and methods for enhancing cognitive abilities by personalizing cognitive training regimens
WO2015192021A1 (en) * 2014-06-12 2015-12-17 Northwestern University PATTERN ANALYSIS BASED ON fMRI DATA COLLECTED WHILE SUBJECTS PERFORM WORKING MEMORY TASKS ALLOWING HIGH-PRECISION DIAGNOSIS OF ADHD
US20160078780A1 (en) 2014-09-15 2016-03-17 The Arizona Board Of Regents For And On Behalf Of The University Of Arizona Method and System for Aerobic and Cognitive Training
EP4227954A1 (en) 2014-09-23 2023-08-16 Icahn School of Medicine at Mount Sinai Systems and methods for treating a psychiatric disorder
WO2016065013A1 (en) 2014-10-23 2016-04-28 The Regents Of The University Of California Methods of enhancing cognition and systems for practicing the same
US20160125748A1 (en) 2014-11-04 2016-05-05 John Wesson Ashford Memory test for Alzheimer's disease
JP2018512202A (ja) 2015-03-12 2018-05-17 アキリ・インタラクティヴ・ラブズ・インコーポレイテッド 認知能力を測定するためのプロセッサ実装システムおよび方法
KR102369850B1 (ko) 2016-08-03 2022-03-03 아킬리 인터랙티브 랩스 인크. 컴퓨터화된 연상 엘리먼트를 포함하는 인지 플랫폼
EP3531915A4 (en) * 2016-10-24 2020-04-22 Akili Interactive Labs, Inc. CONFIGURED, COGNITIVE PLATFORM AS A BIOMARKER OR ANOTHER MARKER TYPE
US20200380882A1 (en) 2017-08-03 2020-12-03 Akili Interactive Labs, Inc. Cognitive platform including computerized evocative elements in modes
ES2969621T3 (es) 2017-08-15 2024-05-21 Akili Interactive Labs Inc Plataforma cognitiva que incluye elementos informatizados

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011150408A (ja) * 2010-01-19 2011-08-04 Hitachi Ltd 生体および脳機能計測に基づくヒューマンインターフェイス及びそれを用いたヒューマンエラーの検出・防止方法
JP2014508309A (ja) * 2010-11-11 2014-04-03 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア 注意転導および／または妨害の存在下での認知の増強
WO2015177908A1 (ja) * 2014-05-22 2015-11-26 株式会社日立製作所 訓練システム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220059226A1 (en) * 2018-12-14 2022-02-24 Keio University Device and Method for Inferring Depressive State and Program for Same
KR20210023631A (ko) * 2019-08-22 2021-03-04 (주)프로젝트레인보우 딥러닝 모듈을 이용한 발달장애 개선 시스템 및 방법

Also Published As

Publication number Publication date
US11723598B2 (en) 2023-08-15
US11304657B2 (en) 2022-04-19
JP2019534061A (ja) 2019-11-28
EP3503809A4 (en) 2020-01-01
JP2022117988A (ja) 2022-08-12
AU2017314831B2 (en) 2022-09-22
WO2018039610A1 (en) 2018-03-01
CA3035122A1 (en) 2018-03-01
US20190216392A1 (en) 2019-07-18
JP7077303B2 (ja) 2022-05-30
US20220240851A1 (en) 2022-08-04
US20230346307A1 (en) 2023-11-02
KR102426385B1 (ko) 2022-07-28
CN110022768B (zh) 2022-07-01
AU2017314831A1 (en) 2019-03-14
EP3503809A1 (en) 2019-07-03
AU2017314831C1 (en) 2023-01-05
CN110022768A (zh) 2019-07-16

Similar Documents

Publication Publication Date Title
US11723598B2 (en) Cognitive platform coupled with a physiological component
JP7473338B2 (ja) コンピュータ化された喚起要素を含む認知プラットフォーム
JP7125390B2 (ja) バイオマーカーまたは他のタイプのマーカーとして構成される認知プラットフォーム
US11846964B2 (en) Cognitive platform including computerized elements
KR20190077305A (ko) 적응적 응답 기한 절차들에서의 신호 검출 메트릭들을 구현하기 위한 플랫폼들
WO2019161050A1 (en) Cognitive platform including computerized elements coupled with a therapy for mood disorder
US11839472B2 (en) Platforms to implement signal detection metrics in adaptive response-deadline procedures
US20200380882A1 (en) Cognitive platform including computerized evocative elements in modes
US12016700B2 (en) Cognitive platform coupled with a physiological component

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant