本发明专利技术涉及一种方法和系统，用于产生反映医学状况的严重程度的定量测量。接收器单元接收从具有不同程度的医学状况的病人人群收集的生物信号数据。处理器使用所述生物信号数据为所述人群中每个病人确定参考特征值，其中，根据预定组的参考特征进行所述确定。然后处理器为上述病人人群中的每个病人分配参考特征向量，其具有的向量元素是与该病人相关联的参考特征值。该处理器还使用病人的参考特征向量作为输入，用于确定说明数据中的差异的特征组合，其中所述组合的大小作为该医学状况的严重程度的指示。本发明专利技术进一步涉及一种方法和系统，用于通过执行定量测量利用该定量测量为探测化合物确定成效指标，其中接收器单元在给予试验对象探测化合物之后，接收从所述试验对象收集的生物信号数据，和处理器为所述病人人群确定类似的特征向量。最后，该处理器确定为所述试验对象确定的特征向量和说明数据中的差异的所述特征组合之间的标积。所述标积是所述成效指标，它表明了所述探测化合物有效的程度。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种系统，用于产生反映医学状态(medical condition)的严重程度 的定量测量。本专利技术进一步涉及一种成效(success)监视系统和一种方法，用于通过执行 定量测量为至少一种探测化合物(probe compound)确定成效指标(success indicator)。
技术介绍
阿尔茨海默(AD)类型的痴呆是老年人中最普通的一种痴呆。阿尔茨海默病的诊 断主要是基于标准化的临床标准(Small等人，JAMA 1997)。诊断的基石是借助于定量的神 经系放射学方法(CT，MRI，SPECT，PET)和主观的神经心理学所获得的来自病人及其亲属的 症状的详细历史。上述对于AD的临床诊断的准确性对轻微或中等损伤的病人是相当好的。 W0 2006/094797公开了一种方法和系统，用于为神经状态产生识别信号，其提供 了至少一种具有神经心理学作用的探测化合物。该参考文献可以分为两部分，一部分定义 了一个参考分布，另一部分使用这个参考分布产生识别信号，也就是查明对象是否遭受特 定的疾病。 在第一部分，从遭受特定疾病的指定组中(例如一组阿尔茨海默病患者，也可以 是一组健康的对象)的参考候选者收集数据，并使用这些数据定义参考工具。这是通过使 用下面的步骤完成的；定义特征属性域V，其中包含特征的各种组合作为域元素。作为一个 例子，如果特征的数量是3，fl，f2和f3，特征属性域V可以例如被定义为V= Kfl，f2); (fl，f3) ;(f2，f3M，其中fl，f2和f3可以是绝对delta能量(the absolute delta power)、 绝对theta能量和绝对alpha能量。对于指定组(例如组A)中的每个单独的对象，根据域 元素计算后验概率向量P二 (P(fl，f2) ;p(fl，f3) ;p(f2，f3)}。后验概率向量的向量元素 表明特定的参考对象关于特征属性域V是否属于例如组A的指定组的可能性。现在执行过 滤过程，去除高于或者低于预定阈值的那些向量或向量元素。阈值可以例如选择"0.7"。这 样，如果对于组A中的指定对象，后验概率向量为P二 {0.9 ;0.8 ;0.95}，这表明这个特定的 对象是在参考分布中使用的期望的候选者，相反，具有P = {0.9 ;0. 1 ;0.5}的参考对象不 会被考虑作为潜在的候选者(或者至少不是P的最后两个元素)。对指定参考组(例如遭 受阿尔茨海默病的一组对象)中的所有候选者都执行这样的过滤过程。对例如组A中的所 有对象执行这样的过滤过程之后，选出关于域元素(fl， f2) 、 (fl， f3) 、 (f2， f3)具有相似特性的对象。参考工具是这样的参考分布，其中X轴是域元素V(也就是(fl， f2) ;(fl， f3);(f2，f3))，y轴上是对象分别属于(fl，f2)、 (fl，f3)、 (f2，f3)的概率。这样，形成了由这 三个x值的分布所组成的"域"。 在第二部分，为试验对象/病人测量关于试验对象群体的相似的生物信号数据。 执行相似的计算，也就是计算后验概率向量P = (P(fl，f2) ;p(fl，f3) ;p(f2，f3)K最后， 将P的值与参考对象的分布进行比较，也就是检查P的值是否位于上面所讨论的分布之内。 如果例如P的所有元素位于这个分布之内，很有可能这个试验对象属于组A，例如具有阿尔5茨海默病。如果仅是P的部分元素位于这个分布之内，那么可以表明应进一步检查这个对象。 WO 2006/094797的结果是，能够早于其它现有技术的方法诊断出遭受神经疾病的对象。这样，有可能治愈该神经疾病或者防止该神经疾病变得更加严重。 然而，WO 2006/094797没有以任何形式表明特定的治疗是否成功。 为了改进治疗并且能够监视治疗的成效，需要测量疾病的严重程度。例如，如果一个药品开发公司有一些候选药品并且需要在其中进行选择，那么对这些候选者功效的比较是必须的。 根据研究对象的认知损伤的严重程度确定疾病的严重程度。不存在用于这个目的 的公知的定量测量。估计AD严重程度的一种方式是通过简易智力状态检查量表(匪SE)。 这个试验对于下面一些能力敏感，比如短期记忆、理解简单指令的能力、解决简单问题的表 现、对于时间和位置的意识等。这个试验结果产生范围在0-30的数值分数。这样评估疾病 的严重程度的主要问题在于它是与症状有关的和主观的。它并没有直接联系到疾病的生理 病状。这意味着评估依赖于对象的社会和环境背景。例如，受到长期学校教育的阿尔茨海 默病病人比起那些仅接受了基础教育的病人倾向于获得更高的匪SE分数。匪SE的结果还 依赖于对象当天的状态。这个试验还有的另一个问题是如果试验重复进行，病人可以学习 试验过程和答案，监视和开发治疗时也正是这种情况。这些不足导致的结果是为了获得足 够的统计意义的需要，药品开发和其它治疗手段的开发要求极其广泛的临床试验。
技术实现思路
本专利技术的目的是通过提供一种能够进行定量测量的系统和方法来克服上述缺点，所述定量测量对疾病病状的生理情况敏感。 根据一个方面，本专利技术涉及一种系统，用于产生反映医学状况的严重程度的定量 测量，包括 參接收器单元，用于接收从M个病人组成的人群收集的生物信号数据，所述人群被选择为所述病人具有不同程度的医学状况， 參处理器，适用于-使用所述生物信号数据作为输入，用于为所述人群中每个病人确定参考特征值， 根据预定组的参考特征进行所述确定，并产生参考特征向量FL..M二 ，接着将所述病人的所述参考特征向量组织成MXN的矩阵A，和 -将所述矩阵A转换为所述特征的不相关线性组合Xl fs+x2 fp. . . xn ft，其中指 数A. . . ，Xn说明了所述数据中的差异，其中指数Xl. . . ，xn的大小表明所述医学状况的严重 程度。 因而断定，代替定性测量，提供了一种反映医学状况的严重程度的定量测量。这 样，用该测量反映医学状况的严重程度的可靠性变得非常高。作为一个例子，对于4个不 同的特征(例如生物信号数据是EEG数据，特征l是绝对theta能量；特征2是总熵(the total entropy);特征3是相对gamma會g量(therelative gamma power);特征4是峰值频 率)和例如40个病人的人群，矩阵A将由4列40行(或相反)组成。特征的线性组合可绝对ga腿a能量15总熵；0. 10绝对theta能量；0. 05峰值频率。i亥乡且^M不了 f页g乡且牛寺tlE fi勺^，排列。这说明，受特定疾病(如阿尔茨海默病)的症状影响最深的特征是绝对gamma能量， 其次是总熵等。 在一个实施例中，所述医学状况是神经状况。 在一个实施例中，所述神经状况是阿尔茨海默类型(AD组)。 在一个实施例中，所述神经状况选自 參阿尔茨海默病， 參多发性硬化症， 參包括抑郁性障碍的精神疾病 參双相情感障碍和精神分裂性障碍， 參帕金森病， 參癫痫，偏头痛， 參血管性痴呆(VaD)， 參额颞痴呆， 參路易体痴呆， 參克雅氏病， 參vCJD (疯牛病)，和 參AD/HD (注意缺陷/多动障碍)。 在一个实施例中，所述接收器适用于耦合到脑电图(EEG)测量装置，其中，接收本文档来自技高网...
【技术保护点】
一种系统（１００），用于产生反映医学状况的严重程度的定量测量，包括：●接收器单元（１０２），用于接收从Ｍ个病人组成的人群收集的生物信号数据，所述人群被选择为所述病人具有不同程度的医学状况，●处理器（１０３），适用于：－使用所述生物信号数据作为输入，用于为所述人群中每个病人确定参考特征值，根据预定组的参考特征［ｆ↓［１］，．．．，ｆ↓［Ｎ］］进行所述确定，并产生参考特征向量Ｆ↓［１．．．Ｍ］＝［值（ｆ↓［１］），值（ｆ↓［２］），．．．，值（ｆ↓［Ｎ］）］，接着将所述病人的所述参考特征向量组织成Ｍ×Ｎ的矩阵Ａ，和－将所述矩阵Ａ转换为所述特征的不相关线性组合ｘ↓［１］.ｆ↓［ｓ］＋ｘ↓［２］.ｆ↓［ｐ］．．．ｘ↓［ｎ］.ｆ↓［ｔ］，其中指数ｘ↓［１］．．．，ｘ↓［ｎ］说明了所述数据中的差异，其中指数ｘ↓［１］．．．，ｘ↓［ｎ］的大小表明所述医学状况的严重程度。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：克里斯廷约翰森，斯坦恩格维兹门松，
申请(专利权)人：曼提斯库拉EHF公司，
类型：发明
国别省市：IS[冰岛]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。