用于产生反映医学状态的严重程度的定量测量的系统和方法

专利名称：用于产生反映医学状态的严重程度的定量测量的系统和方法
技术领域：
本发明涉及一种系统，用于产生反映医学状态(medical condition)的严重程度 的定量测量。本发明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)。
背景技术：
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。

发明内容
本发明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，本发明涉及一种系统，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[f"... ，fN]进行所述确定，并产生参考特征向量FL..M二 [值(f》， 值(&)，...，值(。]，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，接收的 数据是脑电图(EEG)数据。 在一个实施例中，所述接收器适用于耦合到选自以下测量装置的至少一个测量装 置 參磁共振成像(MRI)， 參功能磁共振成像(FMRI)，
參磁脑照相(MEG)测量， 參正电子发射断层扫描(PET)， 參CAT扫描(计算机轴向断层扫描)， 參单光子发射计算机断层扫描(SPECT)， 參一个或多个所述测量装置的组合， 其中，所述生物信号数据是来自 一个或多个所述装置的测量数据。 在一个实施例中，所述预定组的参考特征选自 绝对de 1 ta會隨， 參绝对theta會隨， 參绝对alpha能量， 參绝对beta能量， 參绝对 gamma會g量， 參相对delta能量， 參相对theta能量， 參相对alpha能量， 參相对beta能量，
7
參相对gamma能量， 參总能量， 參峰值频率， 參中间频率， 參谱熵， 參DFA标度指数(alpha波带振荡)， 參DFA标度指数(beta波带振荡)，和 參总熵。 在一个实施例中，对说明所述数据中的差异的所述特征组合的确定包含用来运用 主成分分析(PCA)的方式。 根据另一个方面，本发明涉及一种方法，用于产生反映医学状况的严重程度的定 參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， 參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[&， ... ， fN]进行所述确定，并产生参考特征向量巳... =[值 (f》，值仏)，...，值(fw)]，接着将所述病人的所述参考特征向量组织成MXN的矩阵A，
參将所述矩阵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Xl. . . ，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。
在一个实施例中，该方法进一步包括通过比较说明所述数据中的差异的特征组
合和现有测量，对所述说明所述数据中的差异的特征组合执行相关关联测量。在一个实施
例中，所述现有测量是简易智力状态检查量表(匪SE)测量。 这样，可以优化和所述现有测量方法相关的所述定量测量的性能。 在一个实施例中，执行相关关联测量包括 參重复地，从所述说明数据中的差异的特征组合去除部分，或者改变所述说明数
据中的差异的特征组合，然后， 參确定产生的说明数据中的差异的特征组合与所述现有测量之间的相关性，
其中，对所述相关性没有贡献或降低了所述相关性的那些去除的部分被从所述说 明数据中的差异的特征组合中排除。 在一个实施例中，使用主成分分析(PCA)完成确定说明数据中的差异的特征组合
的步骤，并且其中，所述说明数据中的差异的特征组合是得到的PCA向量。 根据再另一个方面，本发明涉及一种计算机程序产品，用于当所述产品在计算机
上运行时，指示处理单元执行产生反映医学状态的严重程度的定量测量的方法。 根据又另一个方法，本发明涉及一种成效监视系统(300)，用于通过执行根据上述
系统所确定的所述定量测量来为至少一种探测化合物确定成效指标，包括 參接收器单元，用于在将所述至少一种探测化合物给予试验对象之后，接收从所
述试验对象收集的生物信号数据， 參处理器，适用于 O像为M个病人组成的人群确定向量一样，为所述试验对象确定类似的特征向量Fl . . m =[试验对象(f》，试验对象(f 2) ， ，试验对象(f n)]，和 O确定为所述试验对象确定的特征向量FL..m二 [试验对象(f》，试验对象 (f2)，...，试验对象(fN)]和说明数据中的差异的所述特征组合Xl fs+x2 fp. . . xn ft之
间的标积，所述标积作为所述成效指标。 根据又另一个方面，本发明涉及一种方法，使用上述反映医学状况的严重程度的 定量测量来为至少一种探测确定成效指标，包括 參在将所述至少一种探测化合物给予试验对象之后，接收从所述试验对象收集的
生物信号数据， 參像为M个病人组成的人群确定向量一样，为所述试验对象确定类似的特征向量
Fl .. m =[试验对象(f》，试验对象(f 2) ， ，试验对象(fn)]，和 參确定为所述试验研究对象确定的特征向量FL..m二 [试验对象(f》，试验对象 (f2)，...，试验对象(fN)]和说明数据中的差异的所述特征组合Xl *fs+x2 *fp. . . xn *ft(403)
之间的标积，所述标积作为所述成效指标。 为了开发治疗手段和能够监视这些治疗手段的成效，需要对医学状况的严重程度 进行测量。因此，该系统和方法提供了对特定疾病严重程度的良好测量。药品开发公司有一 些候选药品并且需要在其中进行选择，这种情况下，对这些候选药品功效的比较是必须的。
根据又另一个方面，本发明涉及一种计算机程序产品，用于当所述产品在计算机 上运行时，指示处理单元执行执行使用上述反映疾病严重程度的定量测量为至少一种探测 确定一个成效指标的方法。 本发明的各个方面中的每个方面可以和其它任何方面结合。通过参照下面说明的 各个实施例进行阐述，本发明的这些方面和其它方面将会显而易见。


仅是通过举例的方式，将参照

本发明的各个实施例，其中， 图1显示了根据本发明的系统，用于产生反映医学状况的严重程度的定量测量的
一个系统， 图2显示了根据本发明的方法的流程图，所述方法用于产生反映医学状况的严重 程度的定量测量， 图3显示了根据本发明的成效监视系统，用于通过执行图1和2中讨论的定量测 量为至少一种探测化合物确定成效指标， 图4显示了根据本发明的方法的流程图，所述方法使用图1和2中讨论的上述定 量测量为至少一种探测化合物确定成效指标， 图5是显示了绘制的病人的特征向量(pel)与匪SE分数的图。
具体实施例方式
图1显示了根据本发明的系统IOO，用于产生反映医学状况的严重程度的定量测 量。所述系统包括接收器单元(R)102，用于接收从具有不同程度医学状况的病人人群101 收集的生物信号数据。具有不同程度的医学状况的重要性是为了获得一定级别的等级分 布。
在一个实施例中，生物信号数据是脑电图(EEG)数据。该数据还可以包含一个或 多个下面的测量装置得出的生物信号数据磁共振成像(MRI)、功能磁共振成像(FMRI)、磁 脑照相(MEG)测量、正电子发射断层扫描(PET)、 CAT扫描(计算机轴向断层扫描)和单光 子发射计算机断层扫描(SPECT)。 在一个实施例中，所述医学状况是神经状况，一个例子是阿尔茨海默类型(AD 组)、多发性硬化症(multiple schlerosis、包括抑郁性障碍的精神疾病、双相情感障碍和 精神分裂性障碍、帕金森病、癫痫、偏头痛、血管性痴呆(VaD)、额颞痴呆、路易体痴呆、克雅 氏病(Creutzfeld-Jacob disease) 、 vCJD (疯牛病)禾PAD/HD。 所述系统进一步包括处理器(P) 103，适用于使用生物信号数据为所述人群中每个 单独的病人确定参考特征值，根据一组预定的参考特征进行所述确定。
在一个实施例中，预定组的参考特征选自绝对delta能量、绝对theta能量、绝 对alpha能量、绝对beta能量、绝对gamma能量、相对delta能量、相对theta能量、相对 alpha能量、相对beta能量、相对gamma能量、总能量、峰值频率、中间频率、谱熵、DFA标度 指数(alpha波带振荡)、DFA标度指数(beta波带振荡)和总熵。因此，预定组的参考特征 可以例如是[绝对theta能量；绝对gamma能量；相对gamma能量；峰值频率]。为每个单 独的病人确定的参考特征值可以相应地是[值l(绝对theta能量)；值2(绝对gamma能 量)；值3(相对gamma能量)；值4(峰值频率)]。 处理器(P) 103进一步适用于为上述病人人群101中的每个单独的病人分配参考 特征向量，该参考特征向量具有与该病人相关联的参考特征值作为向量元素，即(参考上 面的例子)向量=[绝对theta能量的值1 ;总熵的值2 ;相对gamma能量的值3 ;峰值频 率的值4]。这样的结果是矩阵A，其中每行表示为每个单独的病人分配的向量。如果病人 的数量是40，矩阵中行的数目是40。
A=
值l (病人l )
值l (病人2) 值l (病人3)
值2 (病人l ) 值2 (病人2 ) 值2 (病人3 )
值3 (病人l ) 值3 (病人2) 值3 (病人3 )
值4 (病人l ) 值4 (病人2 ) 值4 (病人3 ) 接着，处理器(P)103使用病人的参考特征向量作为输入，用于确定说明数据104 中的差异的特征组合，其中所述组合的大小作为医学状况严重程度的指示。作为一个例子， 该处理器可以执行主成分分析(PCA)，用于确定特征向量和矩阵A的协方差矩阵的值，结 果将会是特征的一组不相关线性组合，其中特征值涉及数据中的差异。这样，结果是线性 转换，其为所述数据集选择新的坐标系，使得数据集的任意投影的最大差异位于第一个轴 (被称为第一主要成分)，第二大差异位于第二个轴，依此类推。 参考上述例子，其中矩阵A有四个不同的特征(矩阵中列的数目)，特征组合的结
果可以是C =
。该组合，或者定量领lj
量向量C 104显示了上述预定组的特征的差异排列(参考上面的例子)。这说明，受特定疾
病(如Alzheimer)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，接收器单元(R) 102耦合到至少一个测量装置106。这些装置可
10以例如是脑电图仪(EEG)、磁共振成像(MRI)、功能磁共振成像(FMRI)、磁脑照相(MEG)测 量、正电子发射断层扫描(PET)、CAT扫描(计算机轴向断层扫描)、单光子发射计算机断层 扫描(SPECT)、一个或多个上述测量装置的组合等等。接收器单元(R)102也可以适用于通 过通信信道耦合到外部存储器105。 图2显示了根据本发明的方法的流程图，所述方法用于产生反映医学状况的严重 程度的定量测量。 在一个实施例中，所述方法包括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(Sl)201，使用所述生物信号数据(S2)202为所述人群中每个单独的病人 确定参考特征值，根据预定组的参考特征进行所述确定。该方法进一步包括为上述病人 人群中的每个单独的病人分配参考特征向量(S3)203，该参考特征向量具有与该病人相关 联的参考特征值作为向量元素，并使用病人的参考特征向量作为输入，用于确定说明数据 (S4)204中的差异的特征组合，所述组合的大小作为医学状况的严重程度的指示。
图3显示了根据本发明的成效监视系统300，用于通过执行图1和2中讨论的 定量测量为至少一种探测化合物确定成效指标303。所述成效监视系统包括接收器单元 (R)302，用于在将所述至少一种探测化合物给予试验对象301之后，接收从所述试验对象 301收集的生物信号数据，和处理器(P)303，像为上述病人人群确定向量一样，用于确定类 似的特征向量。该处理器(P)303进一步被执行用于确定为试验对象确定的特征向量和说 明数据中的差异的上述特征组合之间的标积(scalar product)，所述标积作为所述成效指 标的一个指标。 参考上面给出的例子，向量=[绝对theta能量的值1 ;总熵的值2 ;相对gamma能 量的值3;峰值频率的值4]，这仅是个4维向量。该向量乘以上述向量C二
得到某个值，这里是指+/_303。正是这个值加3为判 断所述探测化合物，例如任何种类的新药对治疗或治愈特定疾病是否有效提供了非常好的 指示。 图4显示了根据本发明的方法的流程图，所述方法使用图1和2中讨论的上述定 量测量为至少一种探测化合物确定成效指标。 在一个实施例中，所述方法包括在将所述至少一种探测化合物给予试验对象之 后，接收从所述试验研究对象(Sl)401收集的生物信号数据，像为上述病人(S2)402人群确 定向量一样，确定一个类似的特征向量，确定为所述试验对象确定的特征向量和说明数据 (S3)403中的差异的上述特征组合之间的标积，所述标积作为所述成效指标的一个指标。
定暈测暈的建立 为了确定定量生理测量反映出特定疾病的严重程度，需要表明所述测量与现有的 对严重程度敏感的测量之间的联系，即使不存在金标准并且那个测量是主观的或间接的。 寻找定量测量的一种方式是建立特征数据库，其中的特征是从遭受不同程度疾病的病人人 群中收集的生理测量结果获取的。这样，数据库中的对象不是代表相同的人群，如果生理数 据或者部分生理数据对相关病状敏感，那么可以预期在关系到疾病严重程度的数据上具有 一定程度的差异。如果数据很好地反映了病人的状况，将预期数据库中数据的大部分差异 是由于不同程度的疾病导致的。如果是这样的话，因子分析，比如主成分分析(PCA)、特征向 量和特征相关矩阵的值，将揭示说明了数据的差异的特征的不相关线性组合。那么，具有最
11大特征值的主成分说明了数据的最大差异，将会和疾病的严重程度相关。如果是这样的话， 随后可以通过估计现有的测量和从数据库中发现的主成分之间的相关性进行验证。注意相 关性不一定会高。如果所述现有的测量是主观的并且受到与疾病无关的外部环境影响，比 如使用匪SE(简易智力状态检查量表)分数获得阿尔茨海默病病人状况的情况，为了确定 定量测量只能建立非常有限的相关性。之后，为了确定新的定量测量的质量，必须进行独立 的测试或临床试验。使用上面说明的策略，通过重复地排除数据的一部分，该部分对现有的 测量和新的定量测量之间的相关性没有贡献，或甚至降低相关性，可以优化新测试的性能。 通过系统地执行这样的过程，例如使用遗传算法的方法或者仅是通过测试所有的组合，可 以优化与现有测量相关的新测量的性能。
仿仔(歐魏黒爐) 脑电图(EEG)记录了大脑的电活动。活动包含了关于大脑状态的信息。EEG是生 理的，因此当特定疾病，比如阿尔茨海默病的病状影响到EEG，它成为对所述疾病严重程度 敏感的定量测量的候选者。 为了建立特征数据库，进行了临床试验。征集一组60个具有不同程度病症的阿尔 茨海默病病人，记录每一个病人的EEG。在病人闭上眼睛休息的时候，从每个研究对象收集 三分钟的记录。使用计算测量设备记录脑电图信号。使用传统的国际10-20电极放置系统 (International 10-20system of electrod印lacement)执行记录过程。收集的数据以原 始格式存储在存储设备上，用于以后的分析。在记录期间，信号同时显示在计算机屏幕上。 这允许操作者监视电极是否变松并插入表示特定事件的记号。这样的事件可以表示记录协 议中特定部分的开始，或者表示可能导致非人脑电波出现在记录中的事情。这样的事情包 括对象眨眼、吞咽、移动或者一般地破坏协议。来源于这样事件的影响在特征提取期间将 被排除。利用40秒的没有非人脑电波记录来提取特征。所提取的特征均来自科学文献报 导的结果(Adler G.等2003， Babiloni C.等2004， Bennys K.等2001， B進ovsky M.等 2003， Cichocki等2004， Cho S. Y. 2003， Claus J. J.等1999，Hara J.等1999，Holschneider D.P.等2000， Hongzhi Q. I.等2004， Huang C.等2000， Hyung-Rae K.等1999， Jelles B.等1999，Jeong J.等1998， 2001， 2004， Jonkman E.J. 1997，Kikuchi M.等2002，Koenig T.等2004，Locatelli T.等1998，Londos E.等2003，Montplaisir J.等1998，Moretti等 2004，Musha T.等2002， Pi jnenburg Y. A. L.等2004，Pucci E.等1998， 1999， RodriquezG. 等1999，Signorino M.等1995，Stam C. J.等2003， 2004， Stevens A.等1998， 2001， Strik W.K.等1997，Vesna J.等2000，Wada Y.等1998， Benve皿to J.等2002， Jimenez-Escrig A.等2001，Sumi N.等2000)，通过引用结合于此。例子中使用的特征编号如下。从每个波 道中选择并提取了 16个基础特征。
l,绝对delta能量，
2.-绝对theta能量
3.-绝对alpha能量
4.-绝对beta能量
5.—纟色X寸 gamma會g量
6.-相对delta能量
7.-相对theta能量
8.-相对alpha能量
9.-相对beta能量
10.-相对gamma能量
ll.-总能量
12.-峰值频率
13.-中间频率
14.-谱熵 15. -DFA标度指数(alpha波带振荡) [O127] 16. -DFA标度指数(beta波带振荡) 将收录进数据库的数据组织成矩阵X，其中每行包含了从特定病人的记录中提取 的所有特征。这样，矩阵的维是对象的数目乘以提取的特征数。然后在X上执行主成分分 析。之后，对照同一个对象的匪SE分数，绘制每个对象的具有最大特征值(pel)的主成分。 从图5中可以明显看到pel和匪SE之间存在的一个趋势。为了建立pel和匪SE之间的相 关性，计算了 Pearson的线性相关系数P和Kendall的t 。结果发现p = 0. 51
和t = 0. 38
，这里使用自举模拟再取样方法(bootstrap resampling method)估计这两个标准偏差。证明了 pel和匪SE之间的相关性是显著的，因此pel是与 疾病严重程度相关的定量测量。 从而，基于对EEG的记录和病人数据的数据库，我们发现了一个定量测量，其能够 跟踪阿尔茨海默病的发展。 此处阐述了公开的实施例的某些特定细节，是为了解释而不是限制，以便提供对 本发明清楚和彻底的理解。然而，本领域技术人员应该明白，在不明显脱离这种揭示的精神 和范围的情况下，本发明可以通过并非完全遵照此处阐述的细节的其它实施例实现。此外， 在上下文中，出于简洁和清楚的目的，省略了对公知设备、电路和方法的详细说明，以避免 不必要的细节和可能的混乱。 参考标记包含在权利要求中，然而包含参考标记仅是为了清楚的原因，而不应该
将其解释为对权利要求保护范围的限制。 参考文件列表 Adler G. et al. EEG coherence in Alzheimer ' s dementia. Journal of neuraltransmission， Vol 110， no.9，2003. Babiloni， C. et al. Mapping distributed sources of cortical rhythms in mildAlzheimer' s disease. A multicentric EEG study. Neuroimage 2251-61,2004.
Babiloni， C. et al. Abnormal fronto-parietal coupling of brain rhythms in mildAlzheimer ' s disease :a multicentric EEG study. European Journal of Neuroscience， Vol. 19， pp.2583—25902004. Bennys， K. et al. Diagnostic value of quantitative EEG in Alzheimer' s disease. Neurophysiol Clin， 31，153—60， 2001. Benvenuto J. et al. Identif ication of diagnostic evoked response potential segmentsin Alzheimer' s disease. Experimental Neurology 176,269-276， 2002.
Brunovsky M. ，Matousek M. et al. EEG assessment of the degree of dementia. Ne訓psychobio logy 48 :19_26， 2003. Cichocki et al. EEG filtering based on blind source seperation(BSS)for earlydetection of Alzheimer' s disease. Clinical Neurophysiology,In_press，2004.
Cho， S. Y. et al. Automatic recognition of Alzheimer ' s disease using geneticalgorithms and neural network.Lecture Notes in Computer Science, Springer-Verlag， Volume 2658， pp.695-702，2003. Claus，J. J. et al. The diagnostic value of electroencephalography in mild senileAlzheimer' s disease. Clinical Neurophysiology 110,825-832,1999.
Duda R0， Hart PE and Stork DG， Pattern Classification, Wiley-Interscience ;2ndedition， 2000. Hara J. et al.Cortical atrophy in Alzheimer's disease unmasks electrically silentsulci and lowers EEG dipolarity. IEEE TBME 46，8，1999.
Holschneider， D. P. et al丄oss of high-frequency brain electrical response tothiopental administration in Alzheimer's-type dementia. Neuropsychopharmacology16， 4，1997. Holschneider， D. P. et al. Attenuation of brain high frequency electrocorticalresponse after thiopental in early stages of Alzheimer ' s dementia. Psychopharmacology，149， 6_11， 2000. Hongzhi, Q. I. et al. Mutual information entropy research on dementia EEG signals.The Fourth International Conference on Computer and Information Technology (CIT' 04) ， S印tember 14_16，2004， Wuhan， China. Huang， C. et al. Discrimination of Alzheimer ' s disease and mild cognitiveimpairment by equivalent EEG sources :a cross—sectional and longitudinal study. Clinical Neurophysiology 111，1961_1967，2000.
Hyung-Rae K. et al.Analysis of the spatiotemporal EEG pattern in Alzheimer' sdisease. Journal of the Korean Physical Society, Vol. 34， No. 4， April 1999.Jelles B.et al. Decrease of non_linear structure in the EEG of Alzheimer patientscompared to healthy controls.Clinical Neurophysiology 110，1159—1167， 1999. Jeong，J. et al. Non-linear dynamical analysis of the EEG in Alzheimer' s diseasewith optimal embedding dimension. Electroencephalography and clinicalNeurophysiology 106， 220-228，1998. Jeong， J. et al. Mutual information analysis of the EEG in patients with Alzheimer' sdisease. Clinical Neurophysiology 112，827-835，2001.
Jeong， J.EEG dynamics in patients with Alzheimer's disease. ClinicalNeurophysiology, In—press,2004. Jimenez-Escrig A. et al. P3001atency reveals cholinergic enhancement produced byrivastigmine in Alzheimer' s disease. Alzheimer' s Reports, Vol. 4，
14No. 1，2001. Jonkman， E. J. The role of the electroencephalogram in the diagnosis of dementia ofthe Alzheimer type :an attempt at technology assessment. Neurophysiol Clin，27，211-9，1997. Kikuchi，M. et al. EEG harmonic responses to photic stimulation in normal agingand Alzheimer ' s disease -differences in interhemispheric coherence. ClinicalNeurophysiology 113，1045—1051，2002. Koenig， T. et al. Decreased EEG synchronization in Alzheimer' s disease
and mildcognitive impairment. Neurobiology of aging， In press,2004. Locatelli， T. et al. EEG coherence in Alzheime r's disease.
Electroenc印halogr即hyand clinical Neurophysiology 106， 229_237， 1998. Londos， E. ， Rosen， Let al. Regional cerebral blood flow and EEG in
clinicallydiagnosed dementia with Lewy bodies and Alzheimer' s disease. Arch.
Gerontol. Geriatr. 36， 231-245， 2003. Montplaisir，J. et al. Sleep disturbances and EEG slowing in Alzheimer' s disease. Sle印Research Online 1(4) :147_151， 1998 Moretti et al. Inidividual analysis of EEG frequency and band power in mildAlzheimer' s disease. Clinical Neurophysiology 115，299-308，2004.
Musha， T. et al. A new EEG method for estimating cortical neuronal impairmentthat is sensitive to early stage Alzheimer 's disease. Clinical Neurophysiology 113，1052-1058， 2002. Nikulin V. ， Brismar T. ， Long-range temporal correlation in alpha and betaoscillations :effects of arousal level and test—retest reliability. ClinicalNeurophysiology 115，1896-1908,2004. Pi jnenburg Y. A. L. et al. EEG synchronization likelihood in mild cognitiveimpairment and Alzheimer' s disease during a working memory task. ClinicalNeurophysiology, In—press,2004. Pucci， E. et al.EEG spectral analysis in Alzheimer ' s disease and differentdegenerative dementias. Archives of Gerontology and Geriatrics 26， 283-297,1998. Pucci，E. et al. EEG power spectrum diffefences in early and late onset forms ofAlzheimer' s disease. Clinical Neurophysiology 110,621-631,1999.
Rodriquez，G. et al. EEG spectral profile to stage Alzheimer' s disease. ClinicalNeurophysiology 110，1831—1837，1999. Shawe-Taylor J and Cristianini N， Kernel Methods for Pattern Analysis, CambridgeUniversity Press,2004. Signorino M. et al. EEG spectral analysis in vascular and Alzheimer dementia. Electroencephalography and clinical neurophysiology 94 :313—325，1995.
Sumi， N. et al. Interpeak latency of auditory event—relatedpotentials (P300)insenile depression and dementia of the Alzheimer type. Psychiatry and ClinicalNeurosciences，54，679_684，2000. Stam CJ. et al. EEG synchronization in mild cognitive impairment and Alzheimer' sdisease. Acta Neural Scand 108，90-96，2003. Stam CJ. et al. Disturbed fluctuations of resting state EEG synchronization inAlzheimer ' s disease. Clinical Neurophysiology, In_press， 2004. Stevens A. et al. Cognitive decline unlike normal aging is associated withalterations of EEG temporo—spatial characteristics. . Eur Arch Psychiatry ClinNe訓sci 248:259-266,1998. Stevens A.et al. Dynamic regulation of EEG power and coherence is lost early andglobally in probable DAT. Eur Arch Psychiatry Clin Neurosci 251 : 199-204,2001. Strik， W. K. et al. Decreased EEG microstate duration and anteriorisation of thebrain electrical fields in mild and moderate dementia of the Alzheimer type.Psychiatry Research :Neuroimaging Section,75，183-191 (1997).
Vesna J. et al. Quantitative electroencephalography in mild cognitive impairment :longitudinal changes and possible prediction of Alzheimer ' s disease. Neurobiologyof aging 21，533—540，2000. Wada Y. et a 1. Abnormal functional connectivity in Alzheimer' s disease: intrahemisphereic EEG coherence during rest and photic stimulation.Eur ArchPsychiatry Clin Neurosci 248 :203—208，1998.
权利要求
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[f1，...，fN]进行所述确定，并产生参考特征向量F1...M＝[值(f1)，值(f2)，...，值(fN)]，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x1·fs+x2·fp...xn·ft，其中指数x1...，xn说明了所述数据中的差异，其中指数x1...，xn的大小表明所述医学状况的严重程度。
2. 根据权利要求l的系统，其中，所述医学状况是神经状况。
3. 根据权利要求2的系统，其中，所述神经状况是阿尔茨海默类型(AD组)。
4. 根据权利要求2的系统，其中，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， vCJD(疯牛病)，和參AD/HD (注意缺陷/多动障碍)。
5. 根据权利要求l的系统，其中，所述接收器适用于耦合到脑电图(EEG)测量装置 (106)，其中，接收的数据是脑电图(EEG)数据。
6. 根据权利要求l的系统，其中，所述接收器适用于耦合到选自以下测量装置的至少 一个测量装置(106):參磁共振成像(MRI)，參功能磁共振成像(FMRI)，參磁脑照相(MEG)测量，參正电子发射断层扫描(PET)，參CAT扫描(计算机轴向断层扫描)，參单光子发射计算机断层扫描(SPECT)，參一个或多个所述测量装置的组合，其中，所述生物信号数据是来自 一个或多个所述装置的测量数据。
7. 根据权利要求l的系统，其中，所述预定组的参考特征选自 參绝对delta能量，參绝对theta能量， 參绝对alpha能量， 參绝对beta能量， *绝对gamma會g量， 參相对delta能量， 參相对theta能量， 參相对alpha能量， 參相对beta能量， 參相对gamma會g量，參峰值频率， 參中间频率， 參谱熵，參DFA标度指数(alpha波带振荡)， 參DFA标度指数(beta波带振荡)，和 參总熵。
8. 根据权利要求l的系统，其中，对说明所述数据中的差异的所述特征组合的确定包 含用来运用主成分分析(PCA)的方式。
9. 一种方法，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(201)， 參使用所述生物信号数据(202)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[4， ...， fN]进行所述确定，并产生参考特征向量巳... =[值 (f》，值仏)，...，值(fw)]，接着将所述病人的所述参考特征向量组织成MXN的矩阵A，參将所述矩阵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 Xl. . . ， 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。
10. 根据权利要求9的方法，进一步包括通过比较说明所述数据中的差异的特征组合 和现有测量，对所述说明所述数据中的差异的特征组合执行相关关联测量。
11. 根据权利要求9的方法，其中，所述现有测量是简易智力状态检查量表(匪SE)测
12. 根据权利要求10或11的方法，其中，执行相关关联测量包括 參重复地，从所述说明数据中的差异的特征组合去除部分，或者改变所述说明数据中的差异的特征组合，然后，參确定产生的说明数据中的差异的特征组合与所述现有测量之间的相关性，其中，对所述相关性没有贡献或降低了所述相关性的那些去除的部分被从所述说明数 据中的差异的特征组合中排除。
13. 根据权利要求9-11中任一项的方法，其中，使用主成分分析(PCA)完成确定说明数 据中的差异的特征组合的步骤，并且其中，所述说明数据中的差异的特征组合是得到的PCA向量。
14. 一种计算机程序产品，用于当所述产品在计算机上运行时，指示处理单元执行权利 要求9-13中任一项的方法步骤。
15. —种成效监视系统(300)，用于通过执行根据权利要求l-8中任一项的系统所确定 的所述定量测量来为至少一种探测化合物确定成效指标，包括參接收器单元(302)，用于在将所述至少一种探测化合物给予试验对象之后，接收从所 述试验对象收集的生物信号数据， 參处理器(303)，适用于O像为M个病人组成的人群确定向量一样，为所述试验对象确定类似的特征向量FL..m =[试验对象(f》，试验对象(f2) ， ，试验对象(fN)]，和O确定为所述试验对象确定的特征向量F,..m =[试验对象(f》，试验对象(f2)，...， 试验对象(fN)]和说明数据中的差异的所述特征组合^ fs+x2 fp...xn* ft之间的标积， 所述标积作为所述成效指标。
16. —种方法，使用权利要求9所述的反映医学状况的严重程度的定量测量来为至少 一种探测确定成效指标，包括參在将所述至少一种探测化合物给予试验对象之后，接收从所述试验对象收集的生物 信号数据(401)，參像为M个病人组成的人群确定向量一样，为所述试验对象(402)确定类似的特征向 量.. m =[试验对象(f》，试验对象(f2) ， ，试验对象(fN)]，和參确定为所述试验研究对象确定的特征向量FL..m =[试验对象(f》，试验对象 (f2)，...，试验对象(fN)]和说明数据中的差异的所述特征组合Xl <formula>formula see original document page 4</formula>之间的标积，所述标积作为所述成效指标。
17. —种计算机程序产品，用于当所述产品在计算机上运行时，指示处理单元执行权利 要求16所述的方法步骤。
全文摘要
本发明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。
文档编号G06F19/00GK101743549SQ200880018743
公开日2010年6月16日 申请日期2008年6月9日 优先权日2007年6月7日
发明者克里斯廷·约翰森, 斯坦恩·格维兹门松 申请人:曼提斯库拉Ehf.公司