用于评估晚期运动症状的系统和方法
阅读：538发布：2020-05-21
专利汇可以提供用于评估晚期运动症状的系统和方法专利检索，专利查询，专利分析的服务。并且一种确定具有运动症状的 疾病 或 治疗 的受试者的进展状态的方法包括：在受试者的通常活动期间的长时段中从佩戴在受试者肢体上的 运动检测 器获得时间序列的运动数据；处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对 运动障碍 的测量中的至少一个；确定运动状态测量的离差测量；将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及生成指示选择分数的输出。，下面是用于评估晚期运动症状的系统和方法专利的具体信息内容。
1.一种确定具有运动症状的疾病或治疗的受试者的进展状态的方法，所述方法包括：
在受试者的通常活动期间的长时段中，从佩戴在受试者的肢体上的运动检测器获得时间序列的运动数据；
处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；
确定运动状态测量的离差测量；
将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及生成指示选择分数的输出。
2.根据权利要求1所述的方法，包括步骤：如果选择分数小于阈值，则生成指示运动症状处于早期阶段的输出，以及如果选择分数大于阈值，则生成指示运动症状处于晚期阶段的输出。
3.根据权利要求1或权利要求2所述的方法，其中，离差测量是对运动状态测量的高百分数和低百分数之间的数值距离的测量。
4.根据权利要求3所述的方法，其中，离差测量是对运动状态测量的四分位范围的测量。
5.根据权利要求1至4中任一项所述的方法，其中，离差测量是运动状态测量的方差的测量。
6.根据权利要求1至5中任一项所述的方法，其中，离差测量包括运动状态测量的标准偏差测量、运动状态测量的变化的指标、运动状态测量的分散的指标、和运动状态测量的扩散的指标中的至少一个。
7.根据权利要求1至6中任一项所述的方法，其中，所述至少一个其他数据特征包括对运动迟缓的概率测量。
8.根据权利要求7所述的方法，其中，对运动迟缓的概率测量包括在整个观察时段内获得的时间序列的个别运动迟缓测量的平均值或中间值。
9.根据权利要求7或权利要求8所述的方法，其中，对运动迟缓的概率测量包括时间序列的个别运动迟缓测量的百分值。
10.根据权利要求9所述的方法，其中，所述百分值是75％的值。
11.根据权利要求1至10中任一项所述的方法，其中，所述至少一个其他数据特征包括运动障碍的概率测量。
12.根据权利要求11所述的方法，其中，运动障碍的概率测量包括在整个观察时段内获得的时间序列的个别运动障碍测量的平均值或中间值。
13.根据权利要求11或权利要求12所述的方法，其中，运动障碍的概率测量包括时间序列的个别运动障碍测量的百分值。
14.根据权利要求13所述的方法，其中，运动障碍的概率测量包括时间序列的个别运动障碍测量的75％的值。
15.根据权利要求1至14中任一项所述的方法，其中，所述至少一个其他数据特征包括在受试者“关闭”的时段中的中间或平均的DK分数。
16.根据权利要求1至15中任一项所述的方法，其中，所述至少一个其他数据特征包括关闭的分钟，即在受试者没有运动障碍或运动障碍低于阈值时的观察时段期间的分钟数。
17.根据权利要求1至16中任一项所述的方法，其中，所述至少一种其他数据特征包括运动障碍中的分钟，即在受试者为运动障碍或运动障碍高于阈值时的观察时段期间的分钟数。
18.根据权利要求1至17中任一项所述的方法，其中，所述至少一个其他数据特征包括运动迟缓中的分钟，即当受试者为运动迟缓或运动迟缓高于阈值时的观察时段期间的分钟数。
19.根据权利要求1至18中任一项所述的方法，还包括将离差测量与至少一个其他数据特征组合，以产生选择分数；并且其中，所述至少一个其他数据特征包括剂量测量。
20.根据权利要求19所述的方法，其中，所述剂量测量包括在感兴趣的时段期间为该受试者开出的多个药物提醒。
21.根据权利要求1至20中任一项所述的方法，其中，所述至少一个其他数据特性包括不动时间的比例(PTI)或不动时间的量(ATI)。
22.根据权利要求1至21中任一项所述的方法，其中，所述至少一个其他数据特征包括从运动数据得出的震颤测量。
23.根据权利要求1至22中任一项所述的方法，其中，所述至少一个其他数据特征包括BKSIQR，即BK分数的四分位范围。
24.根据权利要求1至23中任一项所述的方法，其中，所述至少一个其他数据特征包括在整个观察时段中7个DK分数中的至少5个超过75％的时间窗口的数量的测量。
25.根据权利要求1至24中任一项所述的方法，其中，所述至少一个其他数据特征包括在整个观察时段中7个BK分数中的至少5个超过75％的时间窗口的数量的测量。
26.根据权利要求1至25中任一项所述的方法，其中，仅在醒着的小时期间获得所述运动数据。
27.根据权利要求1至26中任一项所述的方法，其中，每个运动状态测量既包括对运动迟缓的测量也包括对运动障碍的测量。
28.根据权利要求27所述的方法，其中，每个离差测量作为对运动迟缓的测量的离差测量与对运动障碍的测量的离差测量的加权和被产生出来。
29.根据权利要求1至28中任一项所述的方法，其中，通过以下方式产生离差测量：将每个运动迟缓测量与同期的运动障碍测量相加以产生组合的运动状态测量，并从该组合的运动状态测量的离差确定离差测量。
30.根据权利要求1至29中任一项所述的方法，还包括记录在不同时机确定的选择分数的值，以便监测选择分数的进展，例如在数小时、数天、数周、数月或数年的过程中。
31.根据权利要求30所述的方法，还包括监测选择分数在一段时间中的变化率，以预测或预计疾病朝向晚期治疗可能变得合适的阈值的进展。
32.根据权利要求31所述的方法，其中，对疾病进展期间的选择分数的监测被用作指示治疗中多种可用进展中的哪种治疗适合于该特定患者的基础。
33.根据权利要求1至32中任一项所述的方法，还包括聚集多个受试者所获得的选择分数，以便评估该组疾病或治疗的状态或进展。
34.根据权利要求1至33中任一项所述的方法，还包括将离差测量与不是从运动数据导出的至少一个其他数据特征组合，以产生所述选择分数，其中所述至少一个其他数据特征选自以下组，所述组包括：
提供给受试者的药物提醒的数量；
受试者的剂量确认；
患有运动疾病的年数；
受试者的认知状态；
受试者的年龄；
血压；
冲动；和
冷漠。
35.根据权利要求1至34中任一项所述的方法，还包括基于报告模块自动生成受试者特定报告，所述报告模块包括由接收至少运动数据的处理器可执行的指令，其中所述报告模块用从运动数据导出的选择分数和临床观察填充报告模板的字段。
36.根据权利要求35所述的方法，其中，所述报告模板包括选自以下组的字段，所述组包括：受试者标识符；转诊临床医生；数据收集的持续时间；数据收集日期；受试者的剂量确认；为受试者开出的治疗；提供给受试者的剂量提醒；在数据收集期间运动行为的总结(包括运动迟缓、运动障碍和震颤运动中的一个或多个)；对药物的运动行为反应的总结；以及临床发现的总结，所述临床发现基于以下的至少一个：运动数据和由处理器计算得到的离差测量和选择分数。
37.一种用于确定具有运动症状的疾病或治疗的受试者的进展状态的非暂时性计算机可读介质，其包括指令，所述指令在由一个或多个处理器执行时导致以下的执行：
在受试者的每日活动期间的长时段中，从佩戴在受试者的肢体上的运动检测器获得时间序列的运动数据；
处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；
确定运动状态测量的离差测量；
将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及生成指示选择分数的输出。
38.根据权利要求37所述的非暂时性计算机可读介质，包括导致执行以下步骤的指令：
如果选择分数小于阈值，则生成指示运动症状处于早期的输出；并且如果选择分数大于阈值，则生成指示运动症状处于晚期的输出。
39.一种用于确定具有运动症状的疾病或治疗的受试者的进展状态的系统，所述系统包括：
运动检测器，被配置为佩戴在受试者的肢体上并在长时段内输出时间序列的运动数据；及
处理器，被配置为接收运动数据并处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；所述处理器还被配置为确定运动状态测量的离差测量；所述处理器还被配置为将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及所述处理器还被配置为生成指示选择分数的输出。
40.根据权利要求39所述的系统，其中，处理器被配置为如果选择分数小于阈值，则生成指示运动症状处于早期阶段的输出，并且如果选择分数大于阈值，则生成指示运动症状处于晚期阶段的输出。
41.根据权利要求39或权利要求40所述的系统，其中，所述处理器远离所述运动检测器。
42.一种用于自动筛选受试者以确定临床准备就绪以接受针对具有运动症状的疾病的晚期治疗的方法，所述方法包括：
在受试者的通常活动期间的长时段中，在处理器处从佩戴在受试者肢体上的运动检测器获得时间序列的运动数据；
处理器从运动数据中计算在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；
处理器确定运动状态测量的离差测量；及
处理器将离差测量与从运动数据中确定的至少一个其他数据特征相结合，以产生选择分数；及
当选择分数大于阈值时，处理器生成指示对于晚期治疗的一个或多个临床准备就绪的输出；当选择分数小于阈值时，处理器生成指示对于晚期治疗临床未准备就绪的输出。
43.根据权利要求42所述的方法，其中，所述阈值选自以下组，所述组包括：
(i)已经接受晚期治疗的受试者的选择分数的中间水平；
(ii)已经接受晚期治疗的受试者的选择分数的75％水平；及
(iii)从(i)或(ii)中的这些值得出的标量、对数或指数变型。
44.根据权利要求42或权利要求43所述的方法，还包括自动确定受试者准备就绪以接受选自以下组的晚期治疗的步骤，所述组包括：深部脑刺激(DBS)、阿扑吗啡和左旋多巴-卡比多巴(duodopa)。
45.根据权利要求42至44中任一项所述的方法，其中，当选择分数大于阈值时，由处理器自动确定受试者准备就绪以接受所选择的晚期治疗，所述阈值由已经接受该所选择的晚期治疗的受试者的选择分数的中间水平；或由已经接受该所选择的晚期治疗的受试者的选择分数的75％水平；或这些的集合；或从这些值得出的标量、对数或指数的变型来确定。
46.根据权利要求40至45中任一项所述的方法，还包括基于报告模块自动生成受试者特定报告，所述报告模块包括由处理器可执行的指令，其中所述报告模块用从运动数据得出的选择分数和临床观察填充报告模板的字段。
47.根据权利要求46所述的方法，其中，所述报告模板包括选自以下组的字段，所述组包括：
受试者标识符；
转诊临床医生；
数据收集的持续时间；
数据收集日期；
受试者的剂量确认；
为受试者开出的治疗；
提供给受试者的剂量提醒；
数据收集期间运动行为的总结(包括运动迟缓、运动障碍和震颤运动中的一个或多个)；
对药物的运动行为反应的总结；及
临床发现的总结，所述临床发现基于以下的至少一个：运动数据和由处理器计算得到的离差测量和选择分数。
用于评估晚期运动症状的系统和方法
技术领域
[0002] 本发明涉及通过分析受试者的运动状态来确定和/或监测具有运动症状的疾病或治疗的受试者的进展状态，并且具体而言，本发明涉及用于监测运动迟缓和/或运动障碍以评估疾病或治疗的进展状态的方法和系统。
背景技术
[0003] 一系列疾病、药物、创伤和其他因素可导致人具有运动症状。运动症状包括：运动障碍(dyskinesia)，其中人处于运动过度状态；以及运动迟缓(bradykinesia)，其中人处于运动减退状态。
[0004] 运动迟缓是基底神经节功能障碍的症状，并且任何可影响这部分脑的病症都会引起运动迟缓。类似地，任何具有高多巴胺能状态或基底神经节过度活动的病症都会产生包括运动障碍在内的运动过度多动综合症。在基底神经节过度活动的其他条件下，例如Tourettes综合症和Huntingtons病，也可以看到过度运动活动。例如，运动迟缓是帕金森氏病(PD)的关键表现。左旋多巴(L-Dopa,or Levodopa)通常给患有帕金森氏病的患者服用，并且可以具有使患者在服药后一段时间内变为运动障碍的效果。然而，即使对于新患者，左旋多巴的半衰期仅为约90分钟的量级，因此观察到的症状在一天的过程中显著波动。随着帕金森氏病的发展，左旋多巴的半衰期缩短，有效剂量范围减小，加剧了波动，使剂量控制变得极为困难和复杂。这通常通过增加剂量频率来管理，有时每天多达十剂，以试图控制症状并使患者具有合理的生活质量。因此，患有帕金森氏病的患者可能每天数次及在单剂量左旋多巴的整个过程中经历运动迟缓、运动障碍和正常运动功能的时期。
[0005] 即使在一个时间点达到令人满意的剂量方案，帕金森氏病的进行性性质意味着神经科医生必须定期检查患者的症状，以便有效地控制患者的进行中的治疗剂量。如果没有客观的和不断进行的监测，医生很难避免开出过量剂量——这会过度增加运动障碍发作、或不足剂量——这不会减少或预防运动迟缓的发作。此外，传统的临床治疗依赖于由医生进行的主观评估以及来自患者或诸如护理者的见证人的历史输入，而没有给出关于状态严重性的客观测量或者作为剂量变化是否有效改善症状的指示的客观测量。
[0006] 此外，临床观察通常仅在患者出席的短时段内发生，通常约为数十分钟，每3或6个月一次。运动状态的波动在一整天中可能是相当大的并且日复一日，这使得评估患者的运动状态的尝试显著复杂化。临床医生通常依靠患者的记忆和/或书面日记来了解患者在临床预约之间的进行中的运动状态。然而，患者很少能够提供客观数据，并且运动发作本身的影响通常使得患者难以对运动波动的性质和时间做出任何记录。
[0007] 随着帕金森氏病的发展以及左旋多巴治疗以使波动最小化的适合性减弱，临床医生期待用于治疗帕金森氏病症状的晚期治疗。当由于缩短的作用持续时间和口服治疗的可变吸收引起的运动迟缓和运动障碍的波动不能通过这种治疗充分控制时，需要进行晚期治疗。这些晚期治疗包括深部脑刺激(DBS)、连续输注阿扑吗啡、和左旋多巴-卡比多巴(levodopa-carbidopa)(duodopa)肠凝胶。然而，在实践中，对合适的候选者的识别需要相当多的专业知识和时间来准确地识别是否应该针对特定患者启动晚期治疗。这种专业知识基于经验。
[0008] 例如，在DBS的情况下，已经显示对于良好选择出的PD患者，DBS是PD的有效治疗。特别是，患者病程中DBS指征的时间阶段相对受限：在波动开始与DBS显示治疗不当并且可能造成伤害的时间之间存在有限的窗口。因此，准确的患者选择对于确保积极的结果至关重要。DBS的患者选择通常分两步进行。首先，为患者提供常规护理的普通神经科医生将他们确定为潜在的DBS候选者，并将他/她转诊到DBS经历的运动失调中心(Movement Disorder Centre)。其次，在运动失调中心，由具有选择和管理DBS患者的专业知识的运动失调神经科医生领导的专家团队确定是否建议对患者进行DBS治疗。提供第二步的运动失调专家被认为是识别DBS候选者的“黄金标准”。然而，不是运动失调方面专家的普通神经科医生难以决定何时转诊患者以考虑进行DBS手术并经常忽视合适的候选者。此外，运动失调专家也经常“错过”候选者，因为候选者无法让专家知道他们的症状。这剥夺了适合DBS的患者在第二阶段进行评估并从DBS治疗中获益的机会。虽然不太常见的被转诊的情况是在窗口中被转诊太晚，如上所述，或者窗口正在关闭。这给DBS外科中心以及经历不必要的就诊和测试的患者及其护理人员带来了不必要的负担。
[0010] 对已经包括在本说明书中的文档、动作、材料、设备、物品或类似物的任何讨论仅仅是为了提供本发明的背景。它不应被视为承认或暗示任何或所有这些事项因为其存在于本申请的每个权利要求的优先权日之前而构成现有技术基础的一部分或是与本发明相关领域的公知常识。
[0011] 在整个说明书中，词语“包括”或诸如“包含”或“含有”的变体将被理解为暗示包括所述元素、整数或步骤，或元素、整数或步骤的组，但不排除任何其他元素、整数或步骤，或元素、整数或步骤的组。
[0012] 在本说明书中，元素可以是选项列表中的“至少一个”的表述应被理解为该元素可以是列出的选项中的任何一个，或者可以是所列选项中的两个或更多个的任何组合。
发明内容
[0013] 根据第一方面，本发明提供了一种确定具有运动症状的疾病或治疗的受试者的进展状态的方法，该方法包括：
[0014] 在受试者的通常活动期间的长时段中，从佩戴在受试者肢体上的运动检测器获得时间序列的运动数据；
[0015] 处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括以下中的至少一个：运动迟缓的测量和运动障碍的测量；
[0016] 确定运动状态测量的离差测量；
[0017] 将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及
[0018] 生成指示选择分数的输出。
[0019] 根据第二方面，本发明提供了一种用于确定具有运动症状的疾病或治疗的受试者的进展状态的非暂时性计算机可读介质，其包括指令，所述指令在由一个或多个处理器执行时导致以下的执行：
[0020] 在受试者的通常活动期间的长时段中，从佩戴在受试者的肢体上的运动检测器获得时间序列的运动数据；
[0021] 处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；
[0022] 确定运动状态测量的离差测量；
[0023] 将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及
[0024] 生成指示选择分数的输出。
[0025] 根据第三方面，本发明提供了一种用于确定具有运动症状的疾病或治疗的受试者的进展状态的系统，该系统包括：
[0026] 运动检测器，被配置为佩戴在受试者的肢体上并在长时段内输出时间序列的运动数据；及
[0027] 处理器，被配置为接收运动数据，并处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；处理器还被配置为确定运动状态测量的离差测量；处理器还被配置为将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及处理器还被配置为生成指示选择分数的输出。
[0028] 本发明是计算机实现的，使得处理步骤由处理器执行，例如可以结合到远程服务器或中央计算设备、客户端计算机、移动设备或其他处理装置中，其可配置用于接收时间序列的运动数据并产生受试者的多个运动状态测量，确定离差测量并将离差测量与至少一个其他数据特征相结合以产生选择分数，所述至少一个其他数据特征可由处理器从运动数据或从提供给处理器的其他数据确定。处理器还可以执行选择分数和阈值之间的比较，以生成指示运动症状的阶段的输出。
[0029] 因此，在一些方面，本发明提供了一种计算机实现的方法，用于自动确定具有运动症状的疾病或治疗的受试者的进展状态，该方法包括：在受试者的通常活动期间的长时段中，在处理器处从佩戴在受试者肢体上的运动检测器获得时间序列的运动数据；处理器处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；处理器确定运动状态测量的离差测量；及处理器将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及生成指示选择分数的输出。
[0030] 在本发明的方面的一些实施例中，如果选择分数小于阈值，则输出被生成为指示运动症状处于早期，并且如果选择分数大于阈值，则生成指示运动症状处于晚期的输出。
[0031] 在一些实施例中，离差测量可以是运动状态测量的高百分数和低百分数之间的数值距离的测量，并且例如可以是运动状态测量的四分位范围的测量。可替换地，离差测量可以是运动状态测量的方差的测量。可替换地，离差测量可以是运动状态测量的标准偏差的测量，或运动状态测量的变化、分散或扩散的其他指标。
[0032] 在一些实施例中，至少一个数据特征可包括运动迟缓的概率测量。运动迟缓的概率测量可以例如包括：在整个观察时段内获得的时间序列的个别运动迟缓测量的平均值或中间值中的一个或多个，称为BK50；以及时间序列的个别运动迟缓测量的75％的值，称为BK75；或BKS分数的任何其他合适的百分数的值BKn。
[0033] 附加地或可替换地，在一些实施例中，至少一个其他数据特征可包括运动障碍的概率测量。运动障碍的概率测量可以例如包括：在整个观察时段内获得的时间序列的个别运动障碍测量的平均值或中间值中的一个或多个，称为DK50；以及时间序列的个别运动障碍测量的75％的值，称为DK75；或DK分数的任何其他合适的百分数的值DKn。
[0034] 附加地或可替换地，在一些实施例中，至少一个其他数据特征可包括特别是在受试者“关闭”的时段(即BK高的时段)中的中间或平均DK分数。在一些实施例中，至少一个其他数据特征可以包括平均BK。
[0035] 附加地或可替换地，在一些实施例中，至少一个其他数据特征可以包括剂量测量，如在感兴趣的时段期间为该受试者开出的多个药物提醒，如每天的提醒。这种实施例反映了每天或每个时段增加的剂量数尤其与PD的晚期疾病状态相关。例如，剂量测量可以包括二元测量，其对于5个或更少剂量为0，对于超过5个日剂量为1。或者对于被开出5个或更少剂量的受试者，剂量测量可以为零，而对于被开出超过5个每日剂量的受试者，剂量测量设置为[剂量-5]。在一些实施例中，系统可以从编程为由承载运动检测器的身体佩戴的设备递送的多个提醒中推断出处方剂量的数量。
[0036] 附加地或可替换地，在一些实施例中，至少一个其他数据特性可包括不动时间的比例(PTI)或不动时间的量(ATI)。PTI/ATI可以从运动迟缓分数(BKS)非常高的时段推断出来，如在观察时段期间当BKS超过50-100范围内的阈值(例如阈值80)时。PTI/ATI可以被认为是代表白天的睡眠和认知。
[0037] 附加地或可替换地，在一些实施例中，至少一个其他数据特征可以包括从运动数据得出的震颤测量。
[0038] 附加地或可替换地，在一些实施例中，至少一个其他数据特征可以包括BKSIQR，其是BK分数的四分位范围。这种实施例认识到即使离差测量可以完全或部分地从DK分数的离差得出，但BKSIQR仍然是PD的晚期疾病状态的重要的进一步指标。
[0039] 附加地或可替换地，在一些实施例中，至少一个其他数据特征可以包括运动迟缓中的分钟，即在观察时段期间(例如包括09:00和18:00之间的小时)当受试者处于运动迟缓时的分钟数。例如可以从BKS高于阈值的分钟数，或从使用二项式定理计算得出的BKS的75％以上的分钟数推导出运动迟缓的分钟数。例如，该测量可以寻找具有小发生概率的窗口并且将这样的窗口定义为有助于Minutes_Under测量，其指示运动迟缓中的分钟。该窗口可以包括7个连续的BK分数，并且评估这7个分数中的5个或更多个是否超过所有BK分数的
75％，注意，二项式定理表明这种情况发生的概率小于5％。因此，这样的窗口可以与PD的用药不足一致。
75％，注意，二项式定理表明这种情况发生的概率小于5％。因此，这样的窗口可以与PD的用药不足一致。
[0040] 附加地或可替换地，在一些实施例中，至少一个其他数据特征可以包括被称为Under_Count的测量，其包括在整个观察时段中，7个BK分数中的至少5个超过75％或在BK分数中出现可比较的低百分比事件的时间窗口的数量的测量。
[0041] 附加地或可替换地，在一些实施例中，至少一个其他数据特征可以包括运动障碍中的分钟，即在观察时段期间(例如包括09:00和18:00之间的小时)当受试者处于运动障碍时的分钟数。例如，可以从DKS高于阈值的分钟数或者从使用二项式定理计算得到的DKS的75％以上的分钟数推导出运动障碍的分钟数。例如，该测量可以寻找具有小发生概率的窗口并且将这样的窗口定义为有助于Minutes_Over测量，其指示运动障碍中的分钟。该窗口可以包括7个连续的DK分数，并且评估这7个分数中的5个或更多个是否超过所有DK分数的
75％，再次注意，二项式定理表明这种情况发生的概率小于5％。因此，这样的窗口可以与PD的用药过度一致。
75％，再次注意，二项式定理表明这种情况发生的概率小于5％。因此，这样的窗口可以与PD的用药过度一致。
[0042] 附加地或可替换地，在一些实施例中，至少一个其他数据特征可以包括被称为Over_Count的测量，其包括在整个观察时段中，7个DK分数中的至少5个超过75％或在DK分数中出现可比较的低百分比事件的时间窗口的数量的测量。
[0043] 附加地或可替换地，在一些实施例中，至少一个其他数据特征可以包括评估在观察时段期间当受试者没有处于运动障碍或运动障碍低于阈值时并且当受试者没有处于运动迟缓或当运动迟缓低于阈值时的分钟数的模块。在一些实施例中，至少一个其他数据特征可以包括不是从运动数据导出但指示其他因素的数据，诸如患有运动疾病(例如PD)的年数、受试者的认知状态、年龄血压、冲动、冷漠等。这些可以使用配置为可与本发明系统一起操作的数据输入设备来收集，如由护士或患者操作的移动电话或平板电脑，或者可以通过患者的诊所将其与PKG数据一起提供给本发明的系统。观察时段可以例如包括09:00和18:00之间的小时。
[0044] 该长时段可包括一天或多于一天，并且例如可包括6天、7天、8天、9天或10天或更长。在长时段期间，优选地仅在醒着的小时期间(例如在长时段期间的该天或每天从上午9:00至下午6:00之间的时段期间)，或者利用嗜睡自动测量在由没有睡眠来定义的自适应清醒时段期间获得针对本方法的运动数据。
[0045] 本发明认识到，例如，在帕金森氏病中，当进一步与概率性的运动迟缓和/或运动障碍测量相结合时，受试者在打开(ON)、关闭(OFF)之间的波动和运动障碍状态(FDS)的增加是受试者需要晚期治疗的改进的预测因子。因此，监测选择分数并且在一些特定情况下监测产生的选择分数升高超过阈值为监测疾病进展和药物/治疗响应和/或筛选适于晚期治疗的候选者提供了自动且客观的方法。
[0046] 在一些实施例中，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量。在这样的实施例中，离差测量可以产生作为对运动迟缓的测量的离差测量和对运动障碍的测量的离差测量的加权。每个权重可以是各0.5，或者在-1到1的范围内的任何其他权重，包括端值，但是可以预期可以使用任何加权规模。在替代实施例中，离差测量可以通过以下方式产生：将每个运动迟缓测量与同期的运动障碍测量相加以产生组合的运动状态测量，并从组合的运动状态测量的离差确定离差测量。
[0047] 在一些实施例中，可以通过首先使用数学函数或各自的数学函数处理对运动迟缓测量的离差测量和/或对运动障碍测量的离差测量来产生离差测量。一些实施例中，然后可以对处理过的测量线性求和以产生离差测量。该数学函数或每个数学函数可以包括施加如上所述的权重，和/或可以包括例如对各自的测量应用对数或指数。
[0048] 将离差测量与至少一个其他数据特征相结合可以包括线性求和或加权求和，以产生选择分数。附加地或可替换地，在组合步骤之前或期间可以通过任何合适的数学函数来修改离差测量和/或至少一个其他数据特征，如通过对离差测量和/或至少一个其他数据特征应用对数或指数来实现。与至少一个其他数据特征结合的离差测量可以可替换地/附加地产生在视觉上作为图表或向量的选择分数。
[0049] 在一些实施例中，本发明的方法可以简单地确定选择分数。在其他实施例中，本发明可以确定选择分数是否超过阈值，以给出二值输出。然而，替代实施例可以进一步包括记录在不同时机确定的选择分数的值，以便监测选择分数的进展，例如在数小时、数天、数周、数月或数年的过程中。一些实施例可以附加或替代地监测选择分数随时间的变化率，例如以预测或预计疾病朝向晚期治疗可能变得合适的阈值的进展。此外，在一些实施例中，监测疾病进展期间的选择分数可以用作指示治疗中多种可用进展中的哪种治疗适合于该特定患者的基础。在单剂量药物的整个过程中重复确定选择分数的情况下，选择分数的取值可能既高于也低于用于晚期治疗转诊的阈值。一些实施例可以优先地或单独地考虑当药物损耗或损耗完时获得的选择分数值，作为评估是否指示了晚期治疗的基础。
[0050] 可以以任何合适的方式确定或预定阈值，选择分数可以与所述阈值比较以确定受试者是否可能需要晚期治疗。例如，阈值可以被预定义为正常受试者(即，不具有神经退行性疾病的受试者)的选择分数的中间值，或者已经接受晚期治疗的受试者的选择分数的中间水平，或已经接受晚期治疗的受试者的选择分数的75％水平，或者源自这些值的标量、对数或指数变型等。在一些实施例中，阈值可以通过参考与从在神经退行性疾病发展之前评估的受试者所获得的基线数据相对应的分数或分数范围来定义。在一些实施例中，可以利用在一段时间内获得的分数的变化或分数的变化率作为用于确定选择分数的至少一个其他特征。
[0051] 在一些实施例中，考虑到运动障碍对评估后期阶段PD或晚期治疗资格的重要性，选择分数可以从单独的运动障碍的数据特征得出。
[0052] 在一些实施例中，运动障碍数据可以是根据国际专利申请公开No.WO2009/149520的教导而产生的分数，其内容通过引用的方式并入本文。在一些实施例中，运动迟缓分数可以根据WO 2009/149520的教导产生。
[0053] 表示运动症状处于初期阶段或处于晚期阶段的输出可以在优选实施例中传达给医生，以便医生可以基于运动标准的客观评估考虑患者是否准备好(或尚未准备好)以对其处方或给予改变的或晚期的治疗。例如，可以将输出提供给进行DBS患者选择的第一阶段的普通神经科医师，和/或提供给进行DBS患者选择的第二阶段的DBS专家。因此，这样的实施例可以利用选择分数来提供定量的、简单的、自动的和准确的患者筛选工具，以在转诊阶段支持普通神经科医师，和/或在受试者的DBS资格评估中支持DBS专家。
[0054] 选择分数可以附加地或替代地用于指导剂量的改进，是否药物的剂量、或者DBS刺激的剂量或特征适合DBS受体。因此，本发明所识别的运动症状的晚期阶段可能表明需要修改剂量、混合或选择口服药物，如从左旋多巴发展到左旋多巴-卡比多巴混合物；和/或可能表明需要进行晚期治疗，如深部脑刺激(DBS)、通过连续输注的阿扑吗啡、通过贴剂递送药物和通过泵递送的左旋多巴-卡比多巴肠凝胶；和/或可以指示治疗中的任何其他合适的进展或变化。
[0055] 根据另一方面，本发明提供了一种筛选具有运动症状的受试者用于晚期治疗的方法，该方法包括：
[0056] 在受试者的通常活动期间的长时段中，从佩戴在受试者的肢体上的运动检测器获得时间序列的运动数据；
[0057] 处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；
[0058] 确定运动状态测量的离差测量；及
[0059] 将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及
[0060] 生成指示选择分数的输出。
[0061] 在一些实施例中，该方法包括：如果选择分数小于阈值，则生成指示运动症状处于早期阶段的输出；以及如果选择分数大于阈值，则生成指示晚期治疗准备就绪的输出。用于筛选具有运动症状的受试者的特别优选的实施例涉及确定受试者适合于选自包括阿扑吗啡疗法、duodopa疗法和深部脑刺激(DBS)的组的晚期治疗。
[0062] 根据另一方面，本发明提供了一种用于自动筛选受试者以确定临床准备就绪以接受针对具有运动症状的疾病的晚期治疗的方法，该方法包括：
[0063] 在受试者的通常活动期间的长时段中，在处理器处从佩戴在受试者肢体上的运动检测器获得时间序列的运动数据；
[0064] 处理器从运动数据计算在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；
[0065] 处理器确定运动状态测量的离差测量；及
[0066] 处理器将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及
[0067] 当选择分数大于阈值时，处理器生成指示晚期治疗的一个或多个临床准备就绪的输出；以及当选择分数小于阈值时，处理器生成指示晚期治疗临床未准备就绪的输出。
[0068] 在一些实施例中，所述阈值选自以下组，所述组包括：(i)已经接受晚期治疗的受试者的选择分数的中间水平；(ii)已经接受晚期治疗的受试者的选择分数的75％水平；(iii)从(i)或(ii)中的这些值得出的标量、对数或指数变型。
[0069] 在一些实施例中，该方法还包括自动确定受试者是否准备好接受选自包括以下的组的晚期治疗的步骤：深部脑刺激(DBS)、阿扑吗啡和左旋多巴-卡比多巴(duodopa)。通常，当选择分数大于阈值时，处理器自动确定受试者准备就绪以接受所选择的晚期治疗，所述阈值由以下确定：已经接受晚期治疗的受试者的选择分数的中间水平；或已经接受晚期治疗的受试者的选择分数的75％水平；或这些的集合；或这些值的标量、对数或指数变型。
[0070] 在一些实施例中，本发明还提供用于基于报告模块自动生成患者特定报告，该报告模块包括由接收至少运动数据的处理器可执行的指令，其中报告模块用从运动数据得出的选择分数和临床观察填充报告模板的字段。报告模板可以包括选自以下组的字段，所述组包括：受试者标识符；转诊临床医生；数据收集的持续时间；数据收集日期；受试者的剂量确认；为受试者开出的治疗；提供给受试者的剂量提醒；数据收集期间的运动行为的总结(包括运动迟缓、运动障碍和震颤运动中的一个或多个)；对药物的运动行为反应的总结；以及临床发现的总结，所述临床发现基于以下的至少一个：运动数据和由处理器计算得到的离差测量和选择分数。
[0071] 在本发明的各个方面的一些实施例中，本发明可以进一步包括聚集为多个受试者获得的选择分数，以便评估该组的疾病或治疗的状态或进展。这样的实施例可以例如用于评估地理区域或管辖区域、诊所、临床医生、或一类患者，例如评估国家、地区、诊所或个别临床医生与其他的国家、地区、诊所或临床医生相比，是否对其患者治疗过度或治疗不足，或在适当的时间开出晚期治疗处方。
[0073] 应理解，本文描述的各个方面中的每一个可以结合在一个或多个其他方面的上下文中描述的特征，修改和替代方案，例如但不限于用于确定选择分数的各种运动状态、离差测量和其他数据特征。为了效率，没有针对每一个方面重复公开这些特征、修改和替代方案，然而本领域技术人员将理解，针对某些方面公开的这些特征、修改和替代方案的组合类似地适用于其他方面并且在本公开内容的主题的范围内并形成其一部分。附图说明
[0074] 现在将参考附图说明本发明的示例，其中：
[0075] 图1是根据本发明实施例的用于检测各种帕金森氏病临床状态的装置的示意图；
[0076] 图2a-2c示出了根据本发明一个实施例的用于运动状态监测和报告的系统。图2d是报告模板的示例，在一些实施例中，报告模板可以被自动填充有意义的临床信息和总结；
[0078] 图4-6示出了根据本发明一个实施例的选择分数的分类功效。
[0079] 图7示出了根据本发明另一个实施例的选择分数的分类功效；
[0080] 图8示出了根据本发明又一个实施例的选择分数的分类功效；
[0081] 图9示出了在根据本发明实施例的确定具有运动症状的疾病或治疗的受试者的进展状态的方法中的步骤；及
[0082] 图10示出了可以在用于实现本发明的示例性系统中使用的通用目的的计算设备。
具体实施方式
[0083] 图1是根据本发明实施例的用于检测各种帕金森氏病或运动状态的装置的示意图。装置115包括三个元件用于获得人的肢体的运动数据以确定疾病或治疗的进展状态。装置115包括加速度计形式的运动监测器121；评估器122，其用于以提供对运动迟缓和运动障碍的客观确定的方式来分析运动监测数据；以及输出装置123，其用于输出在一段时间内对运动迟缓或运动障碍的客观确定，以便使临床医生能开处方或让人能更好地了解他们自己的运动状态。通常，客观确定是选择分数的形式。
[0084] 运动监测器121是重量轻的设备，其旨在佩戴在人的受影响最大的手腕上，以在整个清醒时间内提供整个身体的运动状态的足够精确的表示。该设备安装在弹性腕带上，以便被足够牢固地支撑使其不会在臂上晃动，因此不会夸大加速度。该设备被配置为从人的手腕抬高最小量，以便使运动的夸大最小。运动监测器可以是一次性的。
[0085] 运动监测器121在0-10Hz的带宽上记录在X、Y、Z三个轴上的加速度，并将三个通道的数据存储在设备机载的存储器中。该运动监测器121通常具有1GB或更大的储存空间，以便允许存储设备在6天、7天、8天、9天或10天或更多天的长时段内收集的数据，之后可以下载并且分析数据。数据可以经由诸如USB连接器或其他标准的或定制的装置的物理连接从运动监测器121下载，或者如本领域技术人员会理解的那样通过无线接口下载。
[0086] 数据可以由运动监测器121在例如6天、7天、8天、9天或10天或更多天的有限的评估时段中收集，或者数据可以由评估器122无限期地持续地收集以供分析，定期下载运动数据用于评估。定期从佩戴者摘除运动监测器121以便下载数据还为运动监测器121提供了再充电的机会。
[0087] 输出装置123通常远离运动监测器121，并且可以与评估器122一起被提供(如虚线124所示)，以向临床医生提供评估和选择分数及报告。然而，应该理解，在一些实施例中，运动监测器121、评估器122以及可选地还有输出装置123可以设置在单个体戴式设备中[0088] 图2a-2c示出了根据本发明一个实施例的用于运动监测和报告的系统215。首先参考图2a，患者212佩戴图1的运动监测器121，其通常是加速度计数据记录器的形式。运动监测器121记录加速度计数据并将其传送到中央计算设施214。计算设施214分析数据以产生包括运动状态报告的输出，指示运动症状是处于早期阶段还是晚期阶段。输出被报告给通常位于远离中央计算设施214的神经病学家/医生216。因此，神经病学家/医生可以通过电子邮件或通过在互联网或其他通信网络上的网站或门户网站上可获得的方式来接收运动状态报告，其格式可由神经病学家快速解释，以确保有效利用神经病学家的时间。然后神经病学家216解释该报告并更新患者的药物或处方或治疗，使得其根据报告中包含的客观临床信息而被优化。附加地或可替换地，神经病学家可以基于该报告使用本发明的系统或方法对进一步评估提出建议，例如，以确定患者212是否是特定晚期治疗的候选者。
[0090] 在图2b中更详细地示出了系统215。护士210或临床医生可以参考年龄是否合适、认知障碍、以及是否优化了口服治疗(左旋多巴)来预先筛选候选者。为了进行根据本发明实施例的对晚期治疗的筛选，护士使用具有执行合适应用程序的处理器的平板电脑或类似设备220来配置腕戴式运动监测器121。通常，这涉及由设备220执行的应用程序，其接收以下的一个或多个作为输入：患者标识符、该患者的药物类型和时间、会话编码细节等。应用程序创建会话密钥，用于加密和解密通过系统生成和传输的数据。在该患者212的典型日常活动期间佩戴腕戴式运动监测器121，并且在此时段提醒患者何时服药，并且在优选实施例中，接收指示何时服药的患者输入。当沐浴时(尽管已经想到了防水设备并且在本公开内容的范围内)或睡觉时或用于再充电时，可以摘除运动监测器115，然后可以继续使用。
[0091] 当使用会话结束时(通常在6到10天或更长时间的长时段之后)，运动监测器115与对接/充电站222耦接并且与平板电脑或类似设备220接口连接，所述平板电脑或类似设备执行合适的应用程序以便从对接的运动监测器中获取数据。数据被保护并且(通过有线或无线方式)传送到诊所服务器或等同地传送到中央计算设施214，在这里患者特定数据被中央计算设施的处理器获取并且被处理器分析以便根据本发明的实施例计算选择分数。
[0092] 在图2c中示出了由本发明的系统215进行的用于产生选择分数(可以包括在工作产品225中)的数据分析过程240的示例。如图所示，使用加速时间序列来得出DK和BK分数，如WO 2009/149520中所述。
[0093] 在一些实施例中，中央计算设施214还生成报告，该报告提供对所获取和分析的对于患者特定的数据的更详细解释，并提供关于由本发明系统和方法确定的支持选择分数的因素的临床细节。由中央计算设施214的处理器或等效处理器/服务器生成的工作产品225可包括例如PKG 226和报告228，其是PDF或临床医生216可读的其他合适的文件格式。图2d中提供了填充有有意义的临床信息的工作产品225的示例。此处，工作产品模板225包括用于患者的PKG 226的字段(其是从运动监测器提取出的数据的图表)和包括由系统自动填充的字段的报告228。这样的字段可以包括但不限于：患者标识符；转诊临床医生；数据收集的持续时间；数据收集的日期；提供给受试者的剂量提醒；受试者的(所消耗的药物剂量的)剂量确认；为受试者开出的治疗；数据收集期间的运动行为的总结(包括运动迟缓、运动障碍和震颤运动中的一个或多个)；由系统计算出的选择分数；对药物的运动行为反应的总结，特别是来自运动监测数据的关于受试者对诸如基于左旋多巴的药物(或其他药物)的药物产生反应或没有反应的证据；临床发现的总结，所述临床发现基于以下的至少一个：运动数据和由处理器计算出的离差测量及选择分数。有利地，对药物的运动行为反应的总结——其包括来自运动监测数据的关于受试者对诸如基于左旋多巴的药物(或其他药物)的药物产生反应或没有产生反应的具体证据———是有临床价值的，因为左旋多巴反应性是用于选择晚期治疗的标准。
[0094] 在一些实施例中，系统可配置为收集工作产品模板225中的数据和/或填充字段，其表示通过本发明的系统所收集的临床量表的指标。这些可包括例如认知测量或其他测量，包括血压、年龄、疾病持续时间、冲动或冷漠。可以通过由诸如平板电脑或移动电话或由患者或护理者操作的其他设备所提供的患者门户网站来收集这样的信息。通常，本发明的系统提示患者或护理者向设备提供这样的信息。在一些实施例中，系统可配置为接收或提示患者或护理者的进一步患者运动输入，例如与步态有关，其可由运动监测器或另一个体戴式设备确定，或由护士或临床医生提供。
[0095] 图3给出了来自被开出每天服用6剂左旋多巴的患者的腕戴式运动监测仪记录的一天的输出示例。上部数据点集306表示从每个2分钟数据窗口产生的运动障碍分数(DK分数)，下部数据点集308表示从每个2分钟数据窗口产生的运动迟缓分数(BK分数)。DK分数仅绘制在图3的中线300上或上方，而BK分数仅绘制在图3的中线300上或下方。通过从中线向上增加DK分数306的距离来表示的运动障碍的更大严重性，而通过从中线向下增加BK分数308的距离来表示的运动迟缓的更大严重性。水平线表示，对于DK分数和BK分数两者的对照(controls)的相应中值、75％和90％，对照是未患有神经退行性疾病的受试者。六条垂直线(其中两条用302表示)表示处方药的时间，而菱形304表示患者确认服用药物的时间。
[0096] 本实施例认识到在长时段内DK分数306和/或BK分数308中的离差或更大的波动是运动症状是否已经进展到晚期的有用预测因子。
[0097] 已经进行了一项研究，其中使用图1的装置监测患者10天，并收集到所有数据。DK分数和BK分数的四分位范围定义为在(a)所有数据点的75％落入其以下的值和(b)所有数据点的25％落入其以下的值之间的差。
[0098] 根据WO2015/131244教导的波动分数来计算离差测量，其内容通过引用的方式并入本文。如该公开内容中所指出的，在这些研究/人口条件下，7.7的波动分数阈值是最佳的。仅使用波动分数和7.7的阈值，得到灵敏度为83％、选择性为47％、Fishers精确＝p＝0.078和Kappa＝0.304，而修改波动分数的权重可以提供优化的波动分数，具有灵敏度
84％、选择性58％、Fishers精确＝p＝0.038和Kappa＝0.364。然而，本发明认识到本发明的方法可以显著改善DBS候选者的识别。
84％、选择性58％、Fishers精确＝p＝0.038和Kappa＝0.364。然而，本发明认识到本发明的方法可以显著改善DBS候选者的识别。
[0099] 中值BK分数与使用统一的帕金森氏分数量表第III部分(Unified Parkinson’s rating Scale part III)(UPDRS3)同期获得的临床评级相关，并且中值DK分数与使用修改的异常不随意运动分数(modified Abnormal Involuntary Movement Score)(AIMS)评级临床获得的评级相关。
[0100] 图4示出了根据本发明一个实施例的选择分数的分类功效。在该实施例中，选择分数从以下的输入得出：
[0101] 选择分数＝5.86*FDS+0.981+7.1*BK50+8.9*DK_50+6.9*BKSIQR+8.8*Minutes_Under+4.04*Minutes_Over+7.7*Reminder_Count>5+0.4*over count+-0.07*under count+0.4*tremor+-0.8*PTI+0.5*BK75。
[0102] 或者，以代码形式表示：
[0103] bin_score(n,bins)＝findfirst(x->n
[0104] dbss_a(x)＝5.863*bin_score(x[:FDS],[7.7,9.4,11.7])+
[0105] 7.136*bin_score(x[:BK_50],[22.0,25.0,31.0])+
[0106] 8.921*bin_score(x[:DK_50],[1.3,3.0,6.5])+
[0107] 6.957*bin_score(x[:BK_75]-x[:BK_25],[16.2,19.1,20.4])+
[0108] 8.805*bin_score(x[:Minutes_Under],[188,288,420])+
[0109] 4.041*bin_score(x[:Minutes_Over],[26,95,135])+
[0110] 7.737*bin_score(x[:Reminder_Count],[5])+
[0111] -0.842*(x[:Minutes_Immobile]>＝54？-1
[0112] :(x[:Minutes_Immobile]<＝27？1
[0113] :0))+
[0114] 0.433*x[:Over_Count]+
[0115] -0.072*x[:Under_Count]+
[0116] 0.400*x[:Minutes_Tremor]
[0117] 在图4中第一点簇(I)表示具有高于由A线指定的阈值的选择分数并因此具有处于晚期阶段的运动症状的患者。在这里，A线是使用ROC的最佳分离(其他水平条代表每组的中值、25％和75％)。因此，本发明的系统可以将第一簇I中的患者指定为“准备好”进行晚期治疗，或作为选择进行晚期治疗的候选者。第二点簇(II)表示具有接近或低于由A线指定的阈值的选择分数并因此具有处于早期的运动症状的患者。因此，本发明的系统可以将这些患者指定为“未准备好”进行晚期治疗。该实施例实现了95％的高灵敏度，表明该选择分数和系统应该识别大多数DBS候选者。该实施例还提供87.5％的高特异性，表明该方法和系统可以容忍假阳性但增加了专业工作负荷。该实施例还提供了Fishers精确＝p<0.0001和Kappa＝0.74。
[0118] 为了进一步研究选择分数的功效，选择分数是根据从来自四个澳大利亚中心的33名帕金森氏病患者(PwP)获得的DBS之前(“DBS前”)和之后六个月(“DBS后”)的运动监测数据计算的，如簇III和簇IV所示。使用截止阈值A，簇III的群组中的特异性为90％、选择性为87.5％。相关的是具有最低选择分数的其中一个受试者最终被诊断为多系统萎缩(MSA)并且实际上不应该是DBS候选者。此外，DBS后平均选择分数下降了25分(p<0.0001，t-test)。
同样，具有最高选择分数的人广泛地倾向于有最大的改善(图5)。
同样，具有最高选择分数的人广泛地倾向于有最大的改善(图5)。
[0119] 表1总结了选择分数与早期波动分数(FS)的两个版本相比所得出的改进结果。
[0120]
[0121] 表1
[0122] 下一步是使用研究数据集(FDS，BKS，DKS分数等)来训练决策系统以预测哪个澳大利亚PwP应该进行DBS。该系统再次是约90％准确(非常类似于选择分数)。
[0123] 图6进一步示出了图4-5的实施例的性能。
[0124] 因此，可以得出结论，该实施例的选择分数强烈预测哪些患者需要DBS。
[0125] 可以设想选择分数的其他实施例，并且这些实施例在本发明的范围内。
[0126] 图7示出了本发明的替代实施例，其中选择分数由以下输入确定：
[0127] 选择分数＝6.8*FS+80*Reminder_Count>5+0.5*Minutes_Under+3.0*over_count或者，以代码形式表示：
[0128] dbss_b(x)＝7.071*bin_score(x[:BK_50],[22.0,25.0,31.0])+
[0129] 14.481*bin_score(x[:DK_50],[1.3,3.0,6.5])+
[0130] 8.462*bin_score(x[:BK_75]-x[:BK_25],[16.2,19.1,20.4])+
[0131] 7.655*bin_score(x[:Minutes_Under],[188,288,420])+
[0132] 4.307*bin_score(x[:Minutes_Over],[26,95,135])+
[0133] 4.106*bin_score(x[:Reminder_Count],[5])+
[0134] 0.272*x[:Over_Count]+
[0135] 0.420*x[:Minutes_Tremor]
[0136] 图8示出了本发明的另一个替代实施例，其中选择分数由以下输入确定：选择分数＝0.75*FDS+0.981*DK_50+0.202*BKSIQR+2.885*Minutes_Under+1.743Minutes_Over+1.154*Reminder_Count>5]
[0137] 或者，以代码形式表示：
[0138] dbss_c(x)＝(x[:FDS]>6.8？100:0)+
[0139] (x[:Reminder_Count]>5.0？70:0)+
[0140] x[:Minutes_Under]*0.5+
[0141] x[:Over_Count]*3.0
[0142] 图9示意性地示出了方法900的步骤，其用于确定具有运动症状的疾病或治疗的受试者的进展状态的方法。在步骤902中，处理器在受试者的通常活动期间的长时段中，从佩戴在受试者肢体上的运动检测器获得时间序列的运动数据。在步骤904中，处理器处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量(905)，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个。处理器还确定从运动数据确定的至少一个其他数据特征(907)。在步骤908中，处理器确定运动状态测量的离差测量，并且在步骤908中将离差测量与一个或多个其他数据特征相结合以产生选择分数(909)。在一些实施例中，处理器生成指示选择分数(909)的输出。在一些实施例中，在步骤910中，如果选择分数小于阈值，则处理器生成指示运动症状处于早期阶段的输出，并且如果选择分数大于阈值，则生成指示运动症状处于晚期阶段的输出。
[0143] 总之，提出了：从离差以及运动症状数据序列的其他数据特征得出的选择分数有可能被用作对具有包括PD的运动障碍的患者的治疗进行选择和优化的改进工具。本发明认识到，在传统的晚期治疗途径中，有经验的临床医生根据他们的经验和知识评估几种症状以识别合适的DBS候选者。这些症状可能包括运动迟缓和运动障碍的总体水平、运动障碍和运动迟缓所花费的时间量、药物剂量的数量、认知和运动状态的变化。
[0144] 本发明提供收集和机器分析数个其他数据特征中的一个或多个，如在患者没有运动障碍或运动障碍低于阈值时以及在受试者没有运动迟缓或运动迟缓低于阈值时的观察时段期间的分钟数；以及其他患者数据，如具有PD或其他运动障碍的年数、认知状态、血压、冲动、冷漠等，以产生指示疾病或治疗的进展阶段的稳健的选择分数。本发明的选择分数特别有效，因为它客观并且适应一种以上的运动症状，并且收集比患者日记更详细和准确的动态状态数据。
[0145] 该具体描述的一些部分以对计算机存储器内数据位的操作的算法和符号表示来呈现。这些算法描述和表示是数据处理领域的技术人员所使用的将他们工作的实质最有效地传达给本领域其他技术人员的手段。此处而且通常，算法被认为是导致期望结果的自相一致的步骤序列。这些步骤是需要物理操纵物理量的步骤。通常，尽管不是必须的，这些量采用能够被存储、传输、组合、比较和以其他方式操纵的电信号或磁信号的形式。有时，主要出于通用的原因，已经证实将这些信号称为位、值、元素、符号、字符、术语、数字等是方便的。
[0146] 这样，应当理解，这种有时被称为计算机执行的动作和操作包括计算机的处理单元对以结构化形式表示数据的电信号的操纵。该操纵变换数据或将其保持在计算机的存储器系统中的位置，其以本领域技术人员熟知的方式重新配置或以其他方式改变计算机的操作。保持数据的数据结构是存储器的物理位置，其具有由数据格式定义的特定属性。然而，虽然在前述上下文中描述了本发明，但是并不意味着限制，因为本领域技术人员将理解，所描述的各种动作和操作也可以用硬件实现。
[0147] 然而，应该记住，所有这些和类似术语都与适当的物理量相关联，并且仅仅是应用于这些量的方便的标签。除非从描述中显而易见地明确说明，否则应理解，在整个说明书中，利用诸如“处理”或“计算”或“运算”或“确定”或“显示”等术语的讨论指的是计算机系统或类似电子计算设备的动作和处理，其将表示为计算机系统的寄存器和存储器内的物理(电子)量的数据操纵和转换成类似地表示为计算机系统存储器或寄存器或其他此类信息存储、传输或显示设备内的物理量的其他数据。
[0148] 本发明还涉及用于执行本文的操作的装置。该装置可以为所需目的而专门构造，或者它可以包括由存储在计算机中的计算机程序选择性地启动或重新配置的通用目的的计算机。这样的计算机程序可以存储在计算机可读存储介质中，诸如但不限于：任何类型的盘，包括软盘、光盘、CD-ROM和磁光盘；只读存储器(ROM)；随机存取存储器(RAM)；EPROM；EEPROM；磁卡或光卡；或适用于存储电子指令的任何类型的介质，并且分别都耦接到计算机系统总线。
[0149] 本文呈现的算法和显示并非固有地与任何特定计算机或其他装置相关。根据本文的教导，各种通用系统可以与程序一起使用，或者可能证明构造更专用的装置以执行所需的方法步骤是方便的。从描述中可以看出各种系统所需的结构。另外，没有参考任何特定的编程语言描述本发明。应当理解，可以使用各种编程语言来实现如本文所述的本发明的教导。
[0150] 机器可读介质包括用于以机器(例如，计算机)可读的形式存储或传输信息的任何机制。例如，机器可读介质包括：只读存储器(“ROM”)；随机存取存储器(“RAM”)；磁盘存储介质；光存储介质；闪存设备；电、光、声或其他形式的传播信号(例如，载波、红外信号、数字信号等)；等等。
[0151] 转到图10，本发明被示为在合适的计算环境中实现。尽管不是必需的，但是将在由个人计算机执行的计算机可执行指令(例如程序模块)的一般上下文中描述本发明。通常，程序模块包括执行特定任务或实现特定抽象数据类型的线程、程序、对象、部件、数据结构等。此外，本领域技术人员将理解，本发明可以用其他计算机系统配置来实践，包括手持设备、多处理器系统、基于微处理器或可编程的消费电子产品、网络PC、小型计算机、大型计算机等。本发明可以在分布式计算环境中实施，其中任务由通过通信网络链接的远程处理设备执行。在分布式计算环境中，程序模块可以位于本地和远程存储器储存设备中。
[0152] 在图10中，以传统个人计算机20的形式示出了通用计算设备，其包括处理单元21、系统存储器22和系统总线23，系统总线23将包括系统存储器的各种系统部件耦接到处理单元21。系统总线23可以是数种类型的总线结构中的任何一种，包括使用各种总线架构中的任何总线架构的存储器总线或存储器控制器、外围总线和本地总线。系统存储器包括只读存储器(ROM)24和随机存取存储器(RAM)25。在ROM 24中存储基本输入/输出系统(BIOS)26，其包含帮助在个人计算机20内的元件之间传送信息的基本线程，例如在启动期间。个人计算机20还包括用于读取和写入硬盘60的硬盘驱动器27、用于读取或写入可移动磁盘29的磁盘驱动器28、用于读取或写入诸如CD ROM或其他光学介质的可移动光盘31的光盘驱动器30。
[0153] 硬盘驱动器27、磁盘驱动器28和光盘驱动器30分别通过硬盘驱动器接口32、磁盘驱动器接口33和光盘驱动器接口34连接到系统总线23。驱动器及其相关的计算机可读介质为个人计算机20提供计算机可读指令、数据结构、程序模块和其他数据的非易失性存储。尽管所示的示例性环境采用硬盘60、可移动磁盘29和可移动光盘31，本领域技术人员将理解，在示例性操作环境中也可以使用其他类型的计算机可读介质，其可以存储可由计算机访问的数据，如固态驱动器(SSD)磁带盒、闪存卡、数字视频盘、伯努利盒式磁带、随机存取存储器、只读存储器、存储区域网络等。
[0154] 许多程序模块可以存储在硬盘60、磁盘29、光盘31、ROM 24或RAM 25上，包括操作系统35、一个或多个应用程序36、其他程序模块37和程序数据38。用户可以通过诸如键盘40和指示设备42之类的输入设备将命令和信息输入到个人计算机20中。其他输入设备(未示出)可以包括麦克风、操纵杆、游戏手柄、卫星天线、扫描仪等。这些和其他输入设备通常通过耦合到系统总线的串行端口接口46连接到处理单元21，但是可以通过其他接口连接，例如并行端口、游戏端口或通用串行总线(USB)或网络接口卡。监视器47或其他类型的显示设备也经由诸如视频适配器48之类的接口连接到系统总线23。除了监视器之外，个人计算机通常还包括其他外围输出设备(未示出)，例如扬声器和打印机。
[0155] 个人计算机20可以在使用到一个或多个远程计算机(例如远程计算机49)的逻辑连接的联网环境中操作。虽然仅示出了内存存储设备50，但是远程计算机49可以是另一个个人计算机、服务器、路由器、网络PC、对等设备或其他公共网络节点，通常包括上面相关于个人计算机20所描述的许多或所有元件。所示的逻辑连接包括局域网(LAN)51和广域网(WAN)52。这种联网环境在办公室、企业范围的计算机网络、内联网以及尤其是互联网中是常见的。
[0156] 当在LAN联网环境中使用时，个人计算机20通过网络接口或适配器53连接到局域网51。当在WAN联网环境中使用时，个人计算机20通常包括调制解调器54或用于通过WAN 52建立通信的其他装置。调制解调器54可以是内部的或外部的，它通过串行端口接口46连接到系统总线23。在联网环境中，可以在远程存储器储存设备中存储相对于个人计算机20描述的程序模块或其部分。应当理解，所示的网络连接是示例性的，并且可以使用在计算机之间建立通信链路的其他手段。
[0157] 本文还描述了一种确定具有运动症状的疾病或治疗的受试者的进展状态的方法，该方法包括：
[0158] 在受试者的通常活动期间的长时段中，从佩戴在受试者的肢体上的运动检测器获得时间序列的运动数据；
[0159] 处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；
[0160] 确定运动状态测量的离差测量；
[0161] 将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及
[0162] 如果选择分数小于阈值，则生成指示运动症状处于早期阶段的输出，并且如果选择分数大于阈值，则生成指示运动症状处于晚期阶段的输出。
[0163] 本文还描述了一种用于确定具有运动症状的疾病或治疗的受试者的进展状态的非暂时性计算机可读介质，其包括指令，所述指令在由一个或多个处理器执行时导致以下的执行：
[0164] 在受试者的通常活动期间的长时段中，从佩戴在受试者肢体上的运动检测器获得时间序列的运动数据；
[0165] 处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；
[0166] 确定运动状态测量的离差测量；
[0167] 将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及
[0168] 如果选择分数小于阈值，则生成指示运动症状处于早期阶段的输出，并且如果选择分数大于阈值，则生成指示运动症状处于晚期阶段的输出。
[0169] 本文还描述了一种用于确定具有运动症状的疾病或治疗的受试者的进展状态的系统，该系统包括：
[0170] 运动检测器，被配置为佩戴在受试者的肢体上并在长时段内输出时间序列的运动数据；及
[0171] 处理器，被配置为接收运动数据并处理运动数据以产生在整个长时段内的分别多个时间处的受试者的多个运动状态测量，每个运动状态测量包括对运动迟缓的测量和对运动障碍的测量中的至少一个；处理器还被配置为确定运动状态测量的离差测量；处理器还被配置为将离差测量与从运动数据确定的至少一个其他数据特征相结合，以产生选择分数；及处理器还被配置为：如果选择分数小于阈值，则生成指示运动症状处于早期阶段的输出，并且如果选择分数大于阈值，则生成指示运动症状处于晚期阶段的输出。
[0172] 本领域技术人员将理解，在不脱离广泛描述的本发明的精神或范围的情况下，可以对具体实施例中所示的本发明进行多种变化和/或修改。因此，本发明的实施例在所有方面都被认为是说明性的而非限制性的。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 用于治疗癌症或癌前病症的交错方法 | 2020-05-22 | 882 |
| 转基因动物模型 | 2020-05-12 | 334 |
| 用于评估结构空间频率的基于选择性采样磁共振的方法 | 2020-05-17 | 181 |
| 高剂量拉喹莫德(LAQUINIMOD)用于治疗多发性硬化症的用途 | 2020-05-20 | 851 |
| 视网膜假体 | 2020-05-19 | 496 |
| 胰高血糖素拮抗剂 | 2020-05-15 | 673 |
| 一种基于领域知识迁移的不同条件下眼部疾病的预测和模拟方法 | 2020-05-18 | 288 |
| 用于评估晚期运动症状的系统和方法 | 2020-05-21 | 538 |
| 胰高血糖素受体拮抗剂 | 2020-05-13 | 757 |
| 一种用于分析类风湿性关节炎的系统 | 2020-05-14 | 234 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈