KR20110053328A - 운동부족 및/또는 운동과잉 상태의 검출 - Google Patents
운동부족 및/또는 운동과잉 상태의 검출 Download PDFInfo
- Publication number
- KR20110053328A KR20110053328A KR1020117000815A KR20117000815A KR20110053328A KR 20110053328 A KR20110053328 A KR 20110053328A KR 1020117000815 A KR1020117000815 A KR 1020117000815A KR 20117000815 A KR20117000815 A KR 20117000815A KR 20110053328 A KR20110053328 A KR 20110053328A
- Authority
- KR
- South Korea
- Prior art keywords
- person
- state
- determining
- motion
- data
- Prior art date
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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1114—Tracking parts of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- 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
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
- A61B5/7214—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using signal cancellation, e.g. based on input of two identical physiological sensors spaced apart, or based on two signals derived from the same sensor, for different optical wavelengths
-
- 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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1104—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb induced by stimuli or drugs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6824—Arm or wrist
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Neurology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Neurosurgery (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Developmental Disabilities (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
본 발명은 사람의 운동상태를 판단하는 자동화 방법에 관한 것이다. 상기 방법은 사람의 사지에 착용된 가속도계로부터 가속도계 데이터를 얻고 운동상태에 대한 측정을 판단하기 위해 가속도계 데이터를 처리한다. 본 발명은 또한 사람의 운동상태를 판단하기 위한 장치에 관한 것이다. 상기 장치는 사람의 사지에 착용된 가속도계로부터 얻은 데이터를 처리하고 상기 데이터로부터 운동상태에 대한 측정을 판단하도록 구성된 프로세서를 구비한다. 상기 방법 및 시스템에서, 운동상태는 서동, 운동장애, 및 운동과잉 중 적어도 하나이다.
Description
본 출원은 2008년 6월 12일자로 출원된 호주 가출원 제2008902982호의 우선권을 주장하며, 상기 출원의 내용은 본 명세서에 참조로 합체되어 있다.
본 발명은 서동(bradykinesia) 및/또는 운동장애(dyskinesia) 또는 운동과잉(hyperkinesia)을 검출하기 위해 운동증상을 모니터함으로써 사람의 운동상태의 분석에 관한 것이다.
다양한 질병, 약물, 외상, 및 다른 요인들로 사람이 운동과잉 상태에 있는 운동장애 또는 사람이 운동부족 상태에 있는 서동과 같은 운동증상을 갖게 될 수 있다.
예컨대, 운동장애는 파킨슨병의 주요 표시이다. L-Dopa 또는 레보도파(Levodopa)가 종종 파킨슨병을 앓고 있는 환자에 투여되고, 투여 후 시간 주기동안 환자를 운동마비 되게 하는 효과를 가질 수 있다. 파킨슨병이 진행됨에 따라, L-Dopa의 반감기가 단축되고 유효한 복용량 범위가 줄어들며 복용량 제어가 매우 어렵고 복잡해지게 된다. 이는 통상적으로 때때로 증상을 제어하고 환자가 합리적인 삶의 질을 갖도록 할 수 있게 하는 시도로 매일 10회 분의 약만큼 복용량 회수를 늘림으로써 관리된다. 따라서, 파킨슨병이 있는 환자는 하루에 수차례 그리고 1회분의 L-Dopa 경과 동안 내내 서동, 운동장애 및 정상 운동기능을 겪을 수 있다.
만족스러운 약물요법이 시간상 한 지점에 도달하더라도, 파킨슨병의 진행특성은 신경과전문의들이 환자의 진행중인 치료 복용량을 효과적으로 제어하기 위해 환자의 증상을 정규적으로 재검해야만 하는 것을 의미한다. 객관적이고 계속되는 모니터링없이, 의사가 전반적으로 운동장애의 에피소드를 늘리는 과도한 약 또는 서동의 에피소드를 막지 못하는 불충분한 약을 처방하지 못하게 하는 것이 매우 어렵다. 더욱이, 복용의 변화가 증상 개선에 효과적인지를 말하기 위한 객관적인 척도도 없다.
임상 관찰로부터, 숙련된 신경전문의들은 주로 서동 또는 운동장애의 존재를 검출할 수 있다. 한가지 접근으로, 관찰하는 의사는 관찰되는 에피소드의 심함을 나타내기 위해 0에서 20의 범위로 점수를 매긴다. 도 1은 3명의 신경전문의가 매긴 점수를 도시한 것으로, 각각은 하나의 운동장애 에피소드 관찰시 2명의 신경전문의가 매긴 점수를 나타내는 점을 좌표로 도시한 것이다. 신경전문의1(삼각형) 및 신경전문의3(원형)의 점수가 신경전문의2의 점수에 대하여 좌표로 도시되어 있다. 명백한 바와 같이, 이런 점수 접근의 주관적 특성으로 인해 상당한 변화가 초래된다. 한가지 극단적인 예로, 신경전문의2는 한가지 운동장애 에피소드를 심함이 10(신경전문의2가 이제껏 매긴 가장 높은 점수가 13인 것을 주목하면 꽤 심한 것임)인 것으로 점수 매긴 반면, 신경전문의3은 같은 에피소드를 심함이 0(운동장애가 전혀 관찰되지 않은)인 것으로 점수 매겼다. 따라서, 의사들은 주로 관찰동안 운동장애와 다른 운동상태를 검출할 수 있지만, 이들 상태는 쉽게 정량화되지 못하여, 복용량 제어를 매우 주관적이게 한다.
또한, 임상관찰은 일반적으로 6주 또는 8주에 한번 주로 10여 분 정도 짧은 주기의 환자 태도에 대해서만 일어난다. 하루 내내 또는 한 날로부터 다음날까지의 운동상태에서의 요동은 환자의 운동상태를 평가하는 시도들은 상당히 복잡하다. 임상의들은 종종 환자의 기억 및/또는 작성된 일기에 의존하여 진료약속 사이에 환자의 진행중인 운동상태에 대한 이해를 얻는다. 그러나, 환자들은 거의 객관적인 점수를 받을 수 없고, 운동 에피소드 자체의 효과는 종종 환자가 운동 기능들의 특성과 타이밍이 무엇이든지 간에 어떤 기록도 하기가 어려울 수 있다.
파킨슨병의 또 다른 공통된 증상은 예컨대 진전(tremor)이다. 파킨슨병 진전(Parkinsonian tremor)은 초당 4-6 사이클 회수를 갖는 대부분의 진전 형태보다 느리다. 스펙트럼 분석시, 좁은 주파수 범위(4-6 Hz)에서 떨어진 피크로 나타나며, 주로 정상 운동의 주파수 범위(4 Hz 미만)보다 명확히 높다. 진전은 수많은 연구의 주제였고 특히 스펙트럼 분석으로 연구하기가 쉽다. 진전은 상대적으로 검출하기 쉬운데 이는 거의 연속적이지 않은 정상인의 운동과 구별하기 쉬운 사인형 시그너쳐를 제공하는 연속적인 반복운동이기 때문이다. 진전은 운동장애 및 서동보다 파킨스병의 관리에 있어 훨씬 문제가 덜하다. 약물치료를 제어하기 위한 시도로, 진전의 측정으로부터 사람의 서동 상태를 추정하기 위한 시도들이 있어왔다. 그러나, 많은 환자들에게, 진전과 서동 간의 긴밀한 상관관계가 없고, 이 기술을 이용한 약물치료는 부정확하게 가해질 것 같다.
본 명세서에 포함된 참조문헌, 문서, 자료, 장치, 논문 등은 단지 본 발명의 배경을 제공하기 위한 것이다. 이들 문제들 중 어느 또는 모두는 종래 기술의 바탕의 일부를 형성하거나 본 출원의 각 특허청구항의 우선순위 데이터 전에 있던 본 발명과 관련된 분야에서 통상적인 일반 지식의 자백으로 받아들여지지 않아야 한다.
이 명세서 전체에서, 용어 "구비한다" 또는 "구비하다" 또는 "구비하는"과 같은 변형들도 진술된 요소, 정수 또는 단계, 또는 요소들, 정수들 또는 단계들의 포함을 의미하는 것으로 이해된다.
본 발명의 내용에 포함됨
제 1 태양에 따르면, 본 발명은
사람의 사지(四肢)에 착용된 가속도계로부터 데이터를 얻는 단계와,
운동상태에 대한 측정을 판단하기 위해 가속도계 데이터를 처리하는 단계를 포함하고,
상기 운동상태는 서동, 운동장애 및 운동과잉 중 적어도 하나의 상태에 있는 사람의 운동상태를 판단하는 자동화 방법을 제공한다.
제 2 태양에 따르면, 본 발명은
사람의 사지에 착용된 가속도계로부터 얻은 가속도계 데이터를 처리하고 상기 가속도계 데이터로부터 서동, 운동장애, 및 운동과잉 중 적어도 하나의 운동상태에 대한 측정을 판단하는 프로세서를 구비하는 사람의 운동상태 판단 장치를 제공한다.
제 3 태양에 따르면, 본 발명은 컴퓨터가 사람의 운동상태를 판단하기 위한 절차를 수행하게 하는 컴퓨터 프로그램 수단을 구비하는 컴퓨터 프로그램 제품으로서,
사람의 사지에 착용된 가속도계로부터 데이터를 얻기 위한 컴퓨터 프로그램 코드 수단과,
서동, 운동장애, 및 운동과잉 중 적어도 하나의 운동상태에 대한 측정을 판단하기 위해 데이터를 처리하기 위한 컴퓨터 프로그램 코드 수단을 구비하는 컴퓨터 프로그램 제품을 제공한다.
특히, 본 발명은 사람의 사지에 착용된 하나의 가속도계로부터 얻은 측정을 기초로 사람의 운동상태에 대한 판단을 제공한다. 본 명세서에서, 운동상태란 용어는 운동이상 상태인 것으로 정의된다. 본 발명은 사지에 착용된 하나의 센서가 서동 및/또는 운동장애 또는 운동과잉 상태의 판단이 이루어질 수 있게 적절한 운동관련된 데이터를 제공하는 것을 인식한다. 따라서, 본 발명의 실시예는 특히 하나 이상의 센서를 매다는 것이 비현실적인 허약자이거나, 노인이거나, 장애인에 적합할 수 있다. 몇몇 실시예에서, 가속도계는 손목처럼 팔꿈치 아래에 착용된다. 다른 실시예에서, 센서는 복사뼈처럼 무릎 아래에 착용될 수 있다.
또한, 본 발명은 서동 및 운동장애 중 적어도 하나인 운동상태의 자동 판단을 제공하고, 따라서 진전 측정을 바탕으로 있을 수 있는 서동의 부정확한 간섭에 의존하지 않는 기술을 제공한다.
바람직한 실시예에서, 가속도계 데이터는 서동 및 운동장애 측정 모두를 판단하도록 처리된다.
서동
서동의 측정이 판단되는 몇몇 실시예에서, 가속도계로부터의 디지털 데이터는 대상 대역에 대한 데이터를 추출하기 위해 대역통과 필터된다. 대상 대역은 DC를 제거하도록 선택된 하단 컷오프 주파수를 가질 수 있다. 하단 컷오프 주파수는 예컨대 0.05Hz에서 1Hz의 범위, 바람직하게는 0.2Hz에 있을 수 있다. 대상 대역은 일반적으로 정상인의 동작으로는 발생할 수 없는 높은 주파수 성분을 제거하도록 선택되는 상단 컷오프 주파수를 가질 수 있다. 상단 컷오프 주파수는 예컨대 3Hz 에서 15Hz 범위, 바람직하게는 4Hz에 있을 수 있다. 약 4Hz의 상단 컷오프는 대개 4Hz 이상인 진전의 영향을 방지하거나 최소화하는데 유리할 수 있다.
추가로 또는 대안으로, 서동의 측정이 판단되는 몇몇 실시예에서, 디지털 가속도 데이터의 시간 블록 또는 "빈(bin)"은 시계열 데이터로부터 추출되고 고립된 것으로 간주되며, 각 빈은 서동의 비교적 정규적인 측정들이 판단될 정도로 충분히 작은 반면, 상기 빈 동안 사람에 의한 의미있는 움직임의 합당한 가능성을 제공할 정도로 충분히 길게 선택되는 시간 기간이다. 예컨대, 빈 기간은 2초에서 60분 범위, 더 바람직하게는 15초에서 4분 범위, 및 가장 바람직하게는 30초에서 2분 범위에 있을 수 있다.
추가로 또는 대안으로, 서동의 측정이 판단되는 몇몇 실시예에서, 디지털 데이터는 바람직하게는 정상인의 운동 기간의 비율인 윈도우 길이를 갖는 움직임 평균을 이용한 최대값들로, 예컨대, 움직임 평균의 윈도우 길이는 0.02초에서 30초 범위에 있을 수 있고, 실질적으로는 0.2초일 수 있다. 데이터가 가장 큰 평균을 갖는 것으로 발견되는 윈도우는 사람에 의한 피크 가속도 운동을 나타내도록 취해진다. 이런 실시예는 정상 운동상태에서 사람은 일반적으로 서동 환자보다 퍼 큰 피크 가속도 움직임을 갖고, 따라서 피크 가속도는 서동 상태가 검출될 수 있고 정량화될 수 있는 지시자임을 인식한다. 데이터 빈을 평가하는 실시예에서, i 빈에 대해 가장 큰 평균을 피크 가속도의 윈도우인 PKi라 한다. 임계치가 적용될 수 있고, 이로써, 임계치 아래의 PKi 값들은 서동 환자와 정상인은 몇몇 빈들 동안 단순히 정지한 채로 쉽게 있을 수 있는 가능성을 허용하는 것이 배제된다.
추가로 또는 대안으로, 서동의 측정이 판단되는 몇몇 실시예에서, 피크 가속도 전후로 모두 복수의 데이터 점들을 포함하는 서브-빈이 얻어진다. 서브-빈은 바람직하게는 2의 제곱인 많은 데이터 점들을 포함하고, 서브-빈은 바람직하게는 피크 가속도에 대해 대칭으로 위치지정된다. 서브-빈은 바람직하게는 하나의 정상인의 움직임 기간과 실제로 같은 시간 주기에 걸쳐 얻은 데이터 점들을 구비한다. 예컨대, 0.5초에서 30초 범위, 더 바람직하게는 1초에서 3초 범위에 있을 수 있고, 예컨대, 실제로는 2.56초일 수 있다. 서브-빈은 또한 바람직하게는 있다면 가속도 빈의 길이의 작은 비율이다. 서브-빈의 스펙트럼 분석은 바람직하게는, 예컨대, 서브-대역 스펙트럼 측정을 얻기 위해 서브-빈의 데이터에 대한 고속 푸리에 변환을 수행함으로써 수행된다. 서브-대역은 대상 대역의 1/4 주변의 대역일 수 있다. 서브-대역은 0.1Hz에서 2Hz 범위, 더 바람직하게는 0.6Hz에서 1Hz 범위의 폭일 수 있고, 실제로는 0.8Hz일 수 있다. 서브-대역은 주파수 도메인에 중첩될 수 있다. 예컨대 8개의 부분적 중첩 서브-대역이 고려될 수 있다.
따라서, 이런 실시예는 얻어진 피크 가속도의 하나의 움직임의 스펙트럼 구성요소를 제공하며, 사람의 피크 운동이 강한 저주파수 성분을 가지면, 이는 서동을 나타낸다. 따라서, 몇몇 실시예들은 하나의 서브-대역이 더 큰 파워를 갖는 것을 확인하고 저주파수 서브-대역이 더 큰 파워를 가질 때 서동의 존재의 더 강한 표시를 제공할 수 있다. 추가로 또는 대안으로, 가중치 평균 스펙트럼 파워(MSP)를 발생하기 위해 서브-대역 스펙트럼의 측정 중 일부 또는 모두에 가중치가 적용될 수 있어, 최대값(MSPi)이 작고 더 낮은 주파수 서브-대역이 있으면 서동의 최대 지표가 주어지고, 최대값(MSPi)이 크고 더 큰 주파수 서브-대역이 있으면 서동의 더 작은 지표가 주어진다.
추가로 또는 대안으로, 서동의 측정이 판단되는 몇몇 실시예에서, 복수(n)의 연속 빈들이 고려될 수 있고, PKi 및 MSPi가 각 빈에 대해 결정되며, n 빈들에 걸쳐 가장 큰 PKi(PKi . max)과 가장 큰 MSPi(MSPi . max)값을 선택한다. 서동 점수(BK)는 다음과 같이 계산된다:
BK = PKi . max × MSPi . max .
대안으로, 서동 점수는 다음과 같이 계산될 수 있다:
BK = A × logc(PKi . max × MSPi . max) - B,
여기서, A, c, 및 B는 선택가능한 튜닝 상수이다. 비제한적인 예에서, A-16.667, n=10 및 B=116.667이다. 이런 실시예들은 사람이 정지한 채로 있는 경우 개개의 빈들이 정상 운동인과 서동 환자를 식별할 수 있게 하는 정보를 거의 전해줄 수 없는 것을 안다. 연속한 빈들의 고려로 실제 움직임으로 여겨질 가능성이 높아진다.
추가 또는 다른 실시예들은 사람이 움직임 없이 오랫동안 가는지에 의해 영향받는 BK 점수를 제공할 수 있다. 이런 실시예는 정상 운동인과 서동 환자간의 핵심 식별요인을 인식하는데, 이는 정상 운동인이, 한다면, 어떤 상당한 시간 주기동안 전혀 움직임 없이 있을 수가 거의 없는 반면, 서동환자는 상당한 주기동안 움직임 없이 있을 수 있다는 것이다. 이런 실시예들은 작은 값을 취하는 PKi값의 모드와 같이 예컨대 여러 빈들의 PKi의 임계 가속도값을 고려할 수 있다. 사람의 PKi가 임계치를 초과하지 않고 장시간(정적의 시간 또는 QT라 함) 가면, 이는 이런 실시예에서는 서동 상태를 나타내도록 취해질 수 있다. 예컨대, 서동 점수는 다음과 같이 계산될 수 있으므로,
BK = A × logc(PKi . max × MSPi . max)/QTm - B,
큰 QT는 BK 점수를 줄이며, 이로써 서동을 더 강하게 나타낸다. m 값은 바람직하게는 1 이상이며, QT의 긴 주기는 BK 점수에 더 강하게 영향을 준다.
이런 실시예들은 통상적인 임상의 주관적 측정에 따라, 정상 운동인에 대해서는 큰 값을 서동 환자에 대해서는 0에 가까운 작은 값을 갖는 BK 점수를 발생하는 것이 주목된다.
또 다른 실시예에서, QT는 자기의 권리로 BK의 지표자로서 사용될 수 있다. 큰 QT는 바로 BK일 수 있다.
다수의 연속한 BK 점수의 움직임 평균이 결과들을 반반히 하기 위해 출력될 수 있다. 몇몇 실시예에서, 서동의 측정은 시간에 걸쳐 반복적으로 판단될 수 있다. 예컨대, 측정은 몇 분 단위로 판단될 수 있다. 이런 실시예에서, 개별적 측정의 합을 포함한 누적 서동점수가 운동상태의 누적 지표를 제공하기 위해 판단될 수 있다. 예컨대, 누적 점수는 L-dopa의 1회 분량의 경과 또는 하루 경과에 걸쳐 판단될 수 있다.
본 발명의 몇몇 실시예들은 서동 움직임이 가속도와 속도가 낮고, 서동 움직임의 더 낮은 주파수, 진폭, 속도 및 가속도는 모든 주파수에서 낮은 주파수의 상대적인 우세함과 감소된 파워에 의한 스펙트럼 분석에서 명백해 짐을 인식한다.
운동장애
운동장애의 측정이 판단되는 몇몇 실시예에서, 가속도계로부터의 디지털 데이터는 대상 대역에 대한 데이터를 추출하기 위해 대역통과 필터된다. 대상 대역은 DC 성분을 제거하도록 선택된 예컨대 0.05Hz에서 2Hz 범위, 바람직하게는 1Hz의 하한 컷오프 주파수를 가질 수 있다. 대상 대역은 일반적으로 정상인의 운동으로부터 발생하지 않는 더 높은 주파수 성분을 제거하는 예컨대 3Hz에서 15Hz 범위, 바람직하게는 4Hz의 상한 컷오프 주파수를 가질 수 있다. 약 4Hz의 상한 컷오프는 주로 4Hz 보다 큰 진전의 영향을 방지하거나 최소화는데 유익할 수 있다.
추가로 또는 대안으로, 운동장애의 측정이 판단되는 몇몇 실시예에서, 디지털 가속도 데이터의 시간 블록 또는 "빈"은 시계열 데이터로부터 추출되고 분리된 것으로 간주되며, 각 빈은 운동장애의 비교적 정규적인 측정들이 판단될 정도로 충분히 작지만, 정상 운동인이 빈 동안 움직임이 거의 또는 전혀 없는 주기를 가질 합당한 가능성을 제공할 정도로 충분히 길게 선택되는 시간 기간이다. 예컨대, 빈 기간은 10초에서 10분, 더 바람직하게는 30초에서 4분, 가장 바람직하게는 실제로 2분일 수 있다. 이런 실시예들은 정상 운동인과 서동환자 간의 구별 요인은 정상 운동인은 거의 또는 전혀 움직임이 없는 기간을 갖지만, 운동장애 환자는 일반적으로 정지해 있을 수 없고 따라서 거의 또는 전혀 움직임이 없는 주기가 없다는 것을 안다.
추가로 또는 대안으로, 운동장애의 측정이 판단되는 몇몇 실시예에서, 데이터는 임계치와 비교될 수 있고, 데이터가 임계치 아래에 있는 주기 또는 시간 비율이 결정될 수 있다. 이런 측정은 사람이 움직임을 줄인 주기 또는 시간 비율에 관한 것이며, 본 명세서에서 운동감소(TRM) 시간이라 한다. 임계치는 데이터의 평균 값일 수 있다. 데이터의 움직임 평균은 잡음의 영향을 줄이기 위해 임계치와 비교하는 것일 수 있다. 예컨대, 움직임 평균의 윈도우 길이는 0.5초에서 4초 범위에, 바람직하게는 실제로 1초일 수 있다. 이런 실시예에서 발생된 TRM 측정은 움직임이 전혀 없는 주기가 없는 운동장애 환자들에게는 작으나, 정상 운동인들에게는 크며, 이로써 운동장애가 검출되고 정량화될 수 있다.
추가로 또는 대안으로, 운동장애의 측정이 판단되는 몇몇 실시예에서, 데이터는 임계치와 비교될 수 있고, 임계치 아래에 있는 데이터의 파워 측정이 결정될 수 있다. 이런 실시예들은 운동장애 환자는 거의 정말로 움직임이 없지 않기 때문에 운동장애 환자에 대해 임계치 아래의 데이터는 정상 운동인보다 파워가 더 큰 것을 인식한다. 임계치는 데이터의 평균값일 수 있고, 이는 운동장애 환자에 대해서는 큰 값을 취하고 임계치 아래에 있는 데이터의 큰 출력을 이끄므로, 운동장애를 검출하고 정량화하는 능력을 높인다. 측정 아래에 있는 데이터의 파워 측정은 임계치 아래에 있는 데이터에 대한 고속 푸리에 변환을 수행함으로써 얻은 평균 스펙트럼 파워(SPRM)을 포함할 수 있다. SPRM의 제곱평균 제곱근(RMS)은 SPRM . RMS얻도록 취해질 수 있다.
추가로 또는 대안으로, 운동장애의 측정이 판단되는 몇몇 실시예에서, 데이터의 주파수 성분의 분산(VAR)이 구해질 수 있다. 이런 실시예들은 운동장애가 종종 광범위한 주파수에서의 움직임을 일으켜 큰 VAR을 야기하 는 반면, 정상 운동인은 대부분의 운동동한 비슷한 속도로 움직이는 경향이 있어 작은 VAR을 야기하는 것을 인식한다. 따라서, VAR은 운동장애가 검출되고 정량화될 수 있는 다른 측정을 제공한다.
운동장애의 측정이 판단되는 몇몇 실시예에서, 운동장애 점수는 다음과 같이 계산될 수 있다:
DK = A × logc(SPRM/TRM).
추가로 또는 대안으로, 운동장애의 측정이 판단되는 몇몇 실시예에서, 운동장애 점수는 다음과 같이 계산될 수 있다:
DK = A × logc(Acc×SPRM/TRM).
추가로 또는 대안으로, 운동장애의 측정이 판단되는 몇몇 실시예에서, 운동장애 점수는 다음과 같이 계산될 수 있다:
DK = A × logc(RMSRM/TRM),
여기서, A 및 c는 선택가능한 튜닝 상수이고, TRM은 운동감소 시간이며, RMSRM은 임계치 아래에 있는 가속도계 데이터의 제곱평균 제곱근이다.
추가로 또는 대안으로, 운동장애의 측정이 판단되는 몇몇 실시예에서, 운동장애 점수는 다음과 같이 계산될 수 있다:
DK = A × logc(VAR/TRM).
추가로 또는 대안으로, 운동장애의 측정이 판단되는 몇몇 실시예에서, 운동장애 점수는 다음과 같이 계산될 수 있다:
DK = A × logc(VAR × SPRM/TRM),
여기서, SPRM, SPRM , RMS, VAR 및 Acc는 운동장애 환자들에 대해서는 크고, TRM은 운동장애 환자들에 대해서는 작으며, 상기 점수는 통상적인 임상의 주관적 측정에 따라 점수가 높은 운동장애를 나타낸다.
다수의 연속 DK 점수의 움직임 평균은 결과를 반반히 하기 위해 출력될 수 있다. 몇몇 실시예에서, 운동장애의 측정은 시간에 걸쳐 반복적으로 판단될 수 있다. 예컨대, 측정은 몇 분 단위로 판단될 수 있다. 이런 실시예에서, 개별적 측정의 합을 포함한 누적 운동장애 점수가 운동상태의 누적 지표를 제공하기 위해 판단될 수 있다. 예컨대, 누적 점수는 L-dopa의 1회 분량의 경과 또는 하루 경과에 걸쳐 판단될 수 있다.
따라서, 본 발명의 몇몇 실시예들은 운동장애 움직임이 파워가 크고, 진폭이 크며, 연속적인 엄격한 특징이 되는 것을 인식한다.
몇몇 실시예에서, 데이터는 성동 및 운동장애의 측정 모두를 발생하도록 처리된다. 이런 실시예들은 사람이 동시에 또는 거의 이어서 운동장애와 서동 모두로 고통받을 수 있고 각 상태는 가속도계에 의해 보내진 데이터로부터 독립적으로 정량화될 수 있음을 인식한다.
따라서, 본 발명의 몇몇 실시예들은 특히 질환 완화 개입의 이용을 가이드 하기 위해 임상시험 및 통상의 임상 셋팅 모두에서 치료제의 효과를 평가하는데 중요한 객관적으로 서동 및/또는 운동장애 상태를 검출하고 정량화하는 것을 제공한다. 이들 실시예들은 실질적으로 연속으로 또는 자주 하루 내내 측정을 함으로써 운동증상이 요동하더라도 이를 달성한다. 더욱이, 환자 또는 신경전문의의 주관적 측정에 의존하기보다는 본 발명의 실시예들은 객관적인 측정을 제공해 자동 비교 분석이 24시간 이상과 같은 더 긴 주기에 걸쳐 행해질 수 있다. 이런 실시예들은 L-Dopa와 같은 치료제의 효과를 더 잘 평가하기 위해 더 긴 분석주기가 유익한 것을 인식한다.
몇몇 실시예에서, 가속도계는 각각 민감도 축에 대해, 3축을 따라 가속도에 비례하는 출력을 제공하는 3축 가속도계이다. 각 출력은 바람직하게는 시간에 걸쳐 가속도를 나타내는 데이터를 얻기 위해 샘플화된다. 예컨대, 100Hz 샘플링이 이용될 수 있다.
본 발명의 제 2 태양의 실시예에서, 장치는 사람으로부터 멀리 떨어져 있고 통신 네트워크를 통해 가속도계로부터 데이터를 수신하도록 구성될 수 있는 중앙 컴퓨팅 장치일 수 있다. 이런 실시예에서, 중앙 컴퓨팅 장치는 사람과 관련된 의사 및 임상의사 등에 운동상태의 판단된 측정을 보내도록 더 구성될 수 있다.
본 발명의 제 2 태양의 다른 실시예에서, 장치는 데이터가 얻어지는 가속도계를 구비하는 신체착용 장치일 수 있다. 이런 실시예는 사람에 대한 운동상태의 판단된 측정을 나타내기 위해 디스플레이와 같은 출력 수단을 더 구비할 수 있다. 이런 실시예에서, 장치의 프로세서는 운동상태의 측정을 이용해 사람의 약물요법을 업데이트하고 사람에게 업데이트된 요법을 나타내도록 더 구성될 수 있다. 약물요법은 약물의 복용량을 변경 및/또는 약물의 복용시간을 업데이트함으로써 업데이트될 수 있다.
본 발명의 내용에 포함됨.
본 발명의 예는 첨부도면을 참조로 설명된다.
도 1은 3명의 신경전문의들이 매긴 운동장애 점수의 도표로, 각각은 하나의 운동장애 에피소드 관찰시 2명의 신경전문의들이 매긴 점수를 나타내는 점을 좌표로 나타낸 것이다.
도 2는 본 발명의 실시예에 따른 다양한 파킨슨병 임상상태의 검출을 위한 수단의 도표이다.
도 3은 본 발명의 일실시예에 따른 운동상태 모니터링과 리포팅을 나타낸 것이다.
도 4는 운동장애 점수의 도표로, 각 점은 같은 에피소드를 관찰한 3명의 신경전문의들이 매긴 점수의 평균에 대하여 좌표로 표시된 하나의 운동장애 에피소드에 대한 본 발명의 일실시예에 의해 발생된 점수를 나타낸다.
도 5는 각 정상 피험자 그룹에 대해 좌표로 표시된 과제2 동안(서동 점수) 달성된 평균 피크 가속도(APA)를 도시한 것이다(C=대조, B=서동, D=운동장애 환자).
도 6a는 그대로 앉아 있는 동안(점선, 과제3) 및 자발적 움직임을 수행하는 동안(실선, 과제1) 정상 피험자로부터 얻은 파워 스펙트럼(Power Spectrum)이다.
도 6b는 집게 손가락을 이용해 오실로스코프의 면을 가로질러 이동하는 2 Hz 및 4 Hz 진동을 추적하도록 정상 피험자에게 요청했을 때의 스펙트럼 출력을 나타낸 것이다.
도 7은 단어 "최소"를 쓸 동안 정상 피험자로부터 얻은 파워 스펙트럼을 도시한 것이다.
도 8은 각 스펙트럼 밴드 및 수행 과제 1 또는 3에 대해 정상(C), 서동(B) 및 운동장애(D) 피험자들에 대한 MSP의 도표이다.
도 9a는 ABS에 대한 APA의 도표이다.
도 9b는 L-dopa의 투여 후 시간에 대한 좌표로 표시된 한 환자의 서동의 변화를 도시한 것으로, 실선은 APA에 의해 판단된 바와 같은 서동이고, 점선은 ABS에 의해 판단된 바와 같은 서동이다.
도 10a는 ADS에 대하여 좌표로 표시된 IMS를 나타낸 것이다.
도 10b는 L-dopa의 투여 후 시간에 대한 좌표로 표시된 한 환자의 운동장애의 변화를 도시한 것으로, 실선은 APA에 의해 판단된 바와 같은 운동장애이고, 점선은 ABS에 의해 판단된 바와 같은 운동장애이다.
도 11은 본 발명의 기기와 시스템을 이용한 환자의 최종 스캔과 결과적인 판정이다.
도 12는 본 발명의 구현을 위한 예시적인 시스템에 사용될 수 있는 범용 컴퓨팅 장치를 도시한 것이다.
도 13은 몸 전체에 대한 IMS 점수와 비교되는 손목에 대한 IMS 점수를 도시한 것이다.
도 14는 하루 과정 내내 개인에 대해 실질적으로 연속적인 DK 및 BK를 나타낸 그래프이다.
도 15는 그날 내내 BK 점수의 값과 함께 각 복용량에 이은 주기 동안 DK 점수의 누적합을 좌표로 표시함으로써 본 발명의 결과가 나타날 수 있는 다른 방식을 도시한 그래프이다.
도 16은 운동장애인 환자에 대한 DK 및 BK 점수를 좌표로 표시한 그래프이다.
도 1은 3명의 신경전문의들이 매긴 운동장애 점수의 도표로, 각각은 하나의 운동장애 에피소드 관찰시 2명의 신경전문의들이 매긴 점수를 나타내는 점을 좌표로 나타낸 것이다.
도 2는 본 발명의 실시예에 따른 다양한 파킨슨병 임상상태의 검출을 위한 수단의 도표이다.
도 3은 본 발명의 일실시예에 따른 운동상태 모니터링과 리포팅을 나타낸 것이다.
도 4는 운동장애 점수의 도표로, 각 점은 같은 에피소드를 관찰한 3명의 신경전문의들이 매긴 점수의 평균에 대하여 좌표로 표시된 하나의 운동장애 에피소드에 대한 본 발명의 일실시예에 의해 발생된 점수를 나타낸다.
도 5는 각 정상 피험자 그룹에 대해 좌표로 표시된 과제2 동안(서동 점수) 달성된 평균 피크 가속도(APA)를 도시한 것이다(C=대조, B=서동, D=운동장애 환자).
도 6a는 그대로 앉아 있는 동안(점선, 과제3) 및 자발적 움직임을 수행하는 동안(실선, 과제1) 정상 피험자로부터 얻은 파워 스펙트럼(Power Spectrum)이다.
도 6b는 집게 손가락을 이용해 오실로스코프의 면을 가로질러 이동하는 2 Hz 및 4 Hz 진동을 추적하도록 정상 피험자에게 요청했을 때의 스펙트럼 출력을 나타낸 것이다.
도 7은 단어 "최소"를 쓸 동안 정상 피험자로부터 얻은 파워 스펙트럼을 도시한 것이다.
도 8은 각 스펙트럼 밴드 및 수행 과제 1 또는 3에 대해 정상(C), 서동(B) 및 운동장애(D) 피험자들에 대한 MSP의 도표이다.
도 9a는 ABS에 대한 APA의 도표이다.
도 9b는 L-dopa의 투여 후 시간에 대한 좌표로 표시된 한 환자의 서동의 변화를 도시한 것으로, 실선은 APA에 의해 판단된 바와 같은 서동이고, 점선은 ABS에 의해 판단된 바와 같은 서동이다.
도 10a는 ADS에 대하여 좌표로 표시된 IMS를 나타낸 것이다.
도 10b는 L-dopa의 투여 후 시간에 대한 좌표로 표시된 한 환자의 운동장애의 변화를 도시한 것으로, 실선은 APA에 의해 판단된 바와 같은 운동장애이고, 점선은 ABS에 의해 판단된 바와 같은 운동장애이다.
도 11은 본 발명의 기기와 시스템을 이용한 환자의 최종 스캔과 결과적인 판정이다.
도 12는 본 발명의 구현을 위한 예시적인 시스템에 사용될 수 있는 범용 컴퓨팅 장치를 도시한 것이다.
도 13은 몸 전체에 대한 IMS 점수와 비교되는 손목에 대한 IMS 점수를 도시한 것이다.
도 14는 하루 과정 내내 개인에 대해 실질적으로 연속적인 DK 및 BK를 나타낸 그래프이다.
도 15는 그날 내내 BK 점수의 값과 함께 각 복용량에 이은 주기 동안 DK 점수의 누적합을 좌표로 표시함으로써 본 발명의 결과가 나타날 수 있는 다른 방식을 도시한 그래프이다.
도 16은 운동장애인 환자에 대한 DK 및 BK 점수를 좌표로 표시한 그래프이다.
도 2는 본 발명의 실시예에 따른 다양한 파킨슨병 또는 운동상태의 검출을 위한 장치(15)의 개략도이다. 본원 발명자들이 고안한 장치(15)가 손목 장착되고, 몸 전체의 운동상태의 충분히 정확한 표현을 제공한다. 예컨대, 몸 전체에 대한 IMS 점수와 비교되는 손목에 대한 IMS 점수가 도 13에 도시되어 있으며, 손목이 적절한 운동상태 정보를 제공하는 것을 나타낸다. 장치(15)는 사람의 사지 운동 데이터를 얻기 위한 3개의 요소들을 구비한다. 장치(15)는 가속도계 형태의 운동 모니터(21), 서동 및 운동장애의 객관적 판단을 제공하는 식으로 수신된 데이터의 기록 및 분석을 위한 평가계(assessor)(22), 및 시간 주기에 걸쳐 서동 또는 운동장애의 객관적 판단을 출력하기 위한 출력수단(23)을 구비하여 임상의사가 약물을 처방하게 하거나 사람이 자신의 운동상태를 더 잘 이해하게 한다.
장치(15)는 사람의 가장 많은 영향을 받는 손목에 착용되도록 의도된 무게가 가벼운 장치이다. 장치는 탄성 손목밴드에 장착되어 팔에서 흔들거려 가속을 과장하지 않도록 충분히 단단하게 지지된다. 장치는 운동의 과장을 최소화하기 위해 최소량만큼 사람의 손목으로부터 올라가게 구성된다. 장치는 손목 밴드상에서 버클에 의해 고정될 수 있어, 장치를 풀고 제거하는 동작은 서킷(circuit)을 풀어 장치가 미착용된 것을 로거(logger)에 알린다. 환자는 바람직하게는 잠잘 때까지 그날 첫 약을 섭취하기 전 최소 30분간 장치를 착용한다. 이는 장치가 아침의 서동을 기록하게 하며, 이때가 주로 최악이다. 그런 후, 장치는 그날 동안 모든 약에 대한 운동 반응을 계속 기록하게 된다.
가속도계(21)는 대역폭 0-10Hz로 3축(X, Y, 및 Z)에서의 가속도를 기록하고, 메모리 탑재 장치에 3개 채널의 데이터를 저장한다. 이 장치는 250MB의 저장용량을 갖고 있어 데이터가 3일까지 장치에 저장되게 하고, 그 후 장치가 데이터가 다운로드 및 분석되게 관리자에게 제공될 수 있다. 추가로, 이 실시예에서, 장치가 환자 수면시간동안 매일 밤 제거되면, 장치는 도크(dock)에 두어지고 인터페이스하도록 구성되어 장치가 데이터를 도크로 전송하게 하며, 그런 후 데이터는 무선대역폭을 통해 메인 회사의 분석 서버로 전송된다(도 3의 114 참조). 도크와의 인터페이스는 또한 장치의 배터리가 재충전되도록 제공된다.
허약한 사람들 위해 고안된 손목착용장치로서, 상기 장치는 크기 및 무게가 최소이다. 또한, 이런 이유로, 도킹 인터페이스는 장치가 간단히 인터페이스의 연결을 하도록 딱 맞게 설계되어, 연결이 이루어진 매우 명확한 피드백을 제공한다. 한가지 대안으로, 데이터 로거로부터의 정보는 블루투스 등의 무선으로 PDA(개인용 휴대 단말기)에 전송되어, 환자가 데이터 전송을 하도록 도킹할 필요성을 없애게 유지될 수 있다.
도 3은 본 발명의 일실시예에 따른 운동에너지 모니터링 및 리포팅을 도시한 것이다. 환자(112)는 도 2의 장치를 착용하고 있다. 장치(15)는 가속도계 데이터를 로그하고 중앙컴퓨팅설비(114)에 데이터를 보낸다. 컴퓨팅설비(114)는 알고리즘(아래에 더 거론됨)을 이용해 데이터를 분석하고 사람(112)의 서동 상태에 대한 시계열(time series) 점수와 사람의 운동장애 상태에 대한 시계열 점수를 얻는다. 이들 점수는 신경전문의가 반복적으로 해석할 수 있는 포맷으로 신경전문의(116)에 보고되어 신경전문의가 시간을 효율적으로 사용하게 보장한다. 보고는 주요 운동 카테고리를 나타내고 의사에 바로 이메일로 보내지거나 웹사이트에서 이용될 수 있다. 이 보고로부터, 환자의 약물치료 프로토콜이 최적화될 수 있다. 그런 후, 신경전문의(116)는 운동상태 보고를 해석하고 이에 따라 환자의 약물처방을 업데이트한다.
가속도계는 0에서 10 Hz의 주파수 범위에 걸쳐 +/- 4g의 측정범위로 가속도계를 이용하여 가속도를 측정한다. 대안으로, 더 큰 감도를 제공하기 위해 3축 가속도계가 사용될 수 있다.
장치는 하루 16시간까지 7일간 데이터를 저장한다. 그런 후, 저장된 데이터는 수동으로 또는 무선 대역폭에 의해 또는 블루투스 무선을 통해 PDA 등으로 중앙컴퓨팅설비(114)에 전송된다. 따라서, 기록시스템은 전적으로 모바일이며 환자가 집에서 착용할 수 있다.
이 실시예에서, 운동장애 점수 및 서동 점수를 발생하도록 중앙 컴퓨팅 설비(14)에 의해 얻은 데이터에 알고리즘들이 적용된다.
서동 점수 알고리즘
자동 서동 점수(BK)를 발생하는 알고리즘은 서동 환자는 운동 사이에 더 긴 간격을 갖고 가속도가 낮은 운동을 할 때를 인식하는 것에 발생된다. 따라서, 서동환자는 운동에 따른 시간의 퍼센트가 낮다. 통상적으로 운동하는 사람들은 움직이고 있는 시간의 퍼센트가 높고 운동의 피크 가속도가 더 크다.
임상관찰을 기초로 한 현재 이용되는 주관적인 측정을 계속하면서, 이 알고리즘에서 낮은 BK 점수는 더 심한 서동을 나타내는 반면, 높은 BK 점수는 거의 또는 전혀 서동이 없음을 나타낸다. 서동 점수 알고리즘은 하기의 단계에서 기록된 데이터에 작동된다.
BK1: 데이터는 DC, 손목의 회전, 4Hz 보다 큰 진전, 및 로거와의 우연한 범핑 등을 제거하기 위해 0.2에서 4 Hz 범위의 성분들을 추출하도록 대역필터된다.
BK2: 시간에서 데이터의 짧은 빈(bin)을 검색하며, 이 실시예에서 빈 당 30초 또는 3000개 데이터 점들이다. 빈 길이는 파라미터(PK 및 SFmaxi)(후술됨)가 이런 운동으로부터 발생될 것 같도록 사람이 빈 주기 내에 상당한 운동을 할 좋은 기회를 제공할 정도로 충분히 길다.
BK3에서 BK9 단계는 빈에서의 최대 가속도와 이런 가속이 발생된 주파수를 찾도록 설계되어 있다. 이는 정상 운동이 더 큰 빈도로 발생되는 더 큰 가속도를 갖는 반면, 서동은 더 낮은 주파수에서 발생되는 더 낮은 피크 가속도를 특징으로 하는 것을 안다.
BK3: i번째 빈은 잡음을 제거하기 위해 0.2초(20개 데이터 점들) 운동평균을 이용한 최대 가속도 값에 대해 검색된다. 가장 높은 평균을 갖는 0.2초 주기가 피크 가속도(PKi)인 것으로 여겨진다. 잡음은 다른 실시예에서 중앙값을 취함으로써 또는 높은 값을 선택함으로써 또는 저대역 필터링에 의해 제거될 수 있다.
BK4: PKi의 일측의 X 점들이 수집되고 FFT에 사용되는 2X 데이터 점들의 서브-빈(sub-bin)을 만든다. 이 실시예에서 128개 점들이 256개 점들의 서브빈(2.56s)을 만들기 위해 일측에 취해진다.
BK5: FFT는 미가공 가속도계 신호에 대한 피크 가속도 서브-빈 상에 수행되어 PKi 주변에 있는 주파수 성분을 발견한다.
BK6: 중첩하는 0.8Hz 대역들이 고려된다. 즉:
A 0.2-1.0Hz
B 0.6-1.4Hz
C 1.0-1.8Hz
D 1.4-2.2Hz
E 1.8-2.6Hz
F 2.2-3.0Hz
G 2.6-3.4Hz
H 3.0-3.8Hz.
최대 평균 스펙트럼 파워(SPmaxi)를 포함한 대역이 식별된다.
BK7: 8개 주파수 빈 각각에서의 값은 다음과 같이 가중된다:
A x 0.8
B x 0.9
C x 1.0
D x I.1
E x 1.2
F x 1.3
G x 1.4
H x 1.5.
최대 가중치 평균 스펙트럼 파워(MSPmax)는 선형 참조기능(linear look-up function)을 이용해 가중치 대역값으로부터 식별된다.
BK8: 고주파수와 고진폭을 갖는 높은 MSPmax는 비성동 상태를 훨씬 더 잘 나타내도록 취해지는 반면, 작은 MSPmax는 서동을 훨씬 더 잘 나타낸다.
BK9: BK3에서 BK8 단계는 일련의 MSPmax를 얻기 위해 각 30초 빈에 대해 반복된다.
BK10: 한 그룹의 분석 빈들에 걸쳐 가장 큰 운동들이 식별되고 기록된다. 분석 빈들의 그룹은 예컨대 매 2분마다 BK 점수를 산출하기 위해 3개 빈들에 걸쳐 확장되거나 매 3분 마다 BK 점수를 산출하기 위해 3개 빈들에 걸쳐 확장될 수 있다. 빈 그룹의 최대 PKi와 빈 그룹의 최대 가중치 MSPmax .i가 선택되고, 이들 2개의 값들은 같은 빈으로부터 발생되지 않을 수 있음이 주목된다. 서동 점수는 아래 계산에 의해 발생된다:
BK=A x log 10(MSPmax × PKi) - B.
따라서, 이 단계는 매 2-3분 윈도우에서 "최고" 또는 가장 큰 운동에 대해 연산된다. 그런 후, BK 점수가 시간에 대하여 좌표로 표시된다.
BK11: 운동 평균이 2에서 10 분 윈도우(윈도우 길이는 변함)에 걸쳐 BK 값들에서 취해지고 시간에 대하여 좌표로 표시되어, 신경전문의에게 직관적인 제시를 위해 결과를 필터한다.
따라서, 이 알고리즘에 의해 발생된 BK 점수는 각 약물로부터 시간에 걸쳐 BK에서의 변화가 평가되고, 투약시간으로부터 BK에서의 상대 변화가 측정될 수 있게 한다. 이는 또한 환자가 매일 또는 각 투약주기 동안 각 BK 점수에 있는 시간의 퍼센트 평가를 하게 한다. 정상적으로 운동하는 사람은 짧은 시간주기동안 서동하는 식으로 행동할 수 있는 것을 주목하는 것이 사람의 서동에 대한 지속성과 깊이 모두를 평가하는데 중요하며, 이는 이 실시예에서 가능하다.
운동장애 점수 알고리즘
자동 운동장애 점수를 발생하는 알고리즘은 운동장애 환자는 운동 간에 휴식이나 쉼이 조금 있는 반면, 운동장애가 없는 사람은 더 긴 주기의 그런 움직임을 갖지 않는다는 인식에서 발생한다. 운동장애 환자는 또한 더 큰 스펙트럼 파워를 가지며 운동한다. 따라서, 이 알고리즘은 과도한 자발적 운동주기를 하고 있는 정상적으로 운동하는 사람과, 과도한 비자발적 운동을 하고 있는 운동장애 사람을 구별하도록 작동한다. 운동장애 점수 알고리즘은 아래의 단계들에서 기록된 데이터에 대해 연산한다.
DK1: DC, 손목의 회전, 진전, 및 센서의 범핑을 제거하기 위해, 1-4Hz 범위의 성분을 추출하도록 미가공 데이터를 대역통과필터시킨다.
DK2: 제로
단계 DK3에서 DK7은 데이터 세트로부터 자발적 정상운동을 제거하기 위한 시도로 평균 가속도보다 큰 데이터 부분을 제거하는 것을 목표로 한다.
DK3: 데이터는 각각 분리된 것으로 간주되는 120s 빈들로 분리된다. 빈 폭은 변수로서, 이 실시예에서는 12,000개 데이터 점들을 포함한다. 대부분의 신호는 더 작은 진폭을 갖기 때문에 더 긴 빈 주기들이 높은 가속도 운동을 훨씬 더 잘 배제한다.
DK4: 각 120s 빈에 대해, 데이터의 절대 진폭을 이용해 평균가속도 진폭(Ace)이 측정된다. Ace는 임계치로서 사용되며, 임계치 아래는 데이터가 "운동감소"를 나타내는 것으로 여겨진다.
DK5: 1초(100개 데이터 점) 이동점 평균이 빈에 대해 계산된다.
DK6: 평균가속도가 Ace보다 더 큰 데이터의 어떤 1초 기간은 자발적인 정상운동을 배제하기 위한 시도로 다른 고려로부터 제거된다.
DK7: 빈에서 나머지 데이터는 운동감소의 주기와 관련된 것으로 추정되고 따라서 운동감소(RM) 데이터 세트라 한다. 빈내 운동감소의 시간주기는 TRM이다. 빈에 있는 나머지 RM 데이터가 간단히 연결된다.
DK8-DK12는 데이터에 남아 있는 "비자발적" 운동의 특성을 측정하고 RM 데이터의 비자발적 운동에서 파워를 측정하는 여러 단계들을 평가하는 것을 목적으로 한다. 운동장애 환자들은 자신들의 비자발적 운동에서 높은 파워를 갖는다.
DK8A: 각 120개 빈에서 RM 데이터 세트에 대한 FFT가 수행된다. 각 120개 빈에서 RM에 대한 평균 스펙트럼 파워는 SPRM이다. 이는 DK1에서 필터링으로 인해 1-4Hz 범위에 대한 것이다. 운동장애에서 이 파워는 정상적으로 운동하는 사람보다 더 크다.
DK8B: 운동저하 파워를 제공하기 위해 운동감소 데이터 세트의 절대값의 RMS값이 취해진다.
DK8C: 전체 120개 빈 또는 RM 데이터 세트 중 어느 하나에서 주파수의 분산(VAR) 또는 표준편차가 얻어진다.
DK9: DK 점수는 다음과 같이 계산되고,
DKsp = A SPRM/TRM
DKsp가 좌표로 표시된다.
DK10: DK 점수는 다음과 같이 계산되고,
DKacc = logc (Acci x SPRM)/TRM
DKacc가 좌표로 표시된다.
DK11: DK 점수는 다음과 같이 계산되고,
DKrms = A logc RMSRM/TRM
DKrms가 좌표로 표시된다.
DK12: DK 점수는 다음과 같이 계산되고,
DKvar = A logc VAR/TRM
DKvar가 좌표로 표시된다.
운동 평균은 2에서 10분 윈도우(윈도우 길이는 변수임)에 걸쳐 DK 값이 취해지고, 시간에 대하여 좌표로 표시되어, 신경전문의에 직관적인 제시를 위해 결과를 필터한다. 또한, 매일 또는 각 투약주기 동안 환자가 다른 절대값 DK 점수에 있는 퍼센트가 평가된다. 이는 정상적으로 운동하는 사람은 짧은 주기동안 운동장애 같은 행동을 하나, 오로지 운동장애 환자들만은 자신의 운동에 대해 엄격한 특성을 갖는 것을 알며, 이것이 이런 접근으로 측정되는 것이다.
이 실시예는 예컨대 오전 9시에서 12시의 매일 투약주기로부터 DK 점수가 여러 날에 걸쳐 평균되어 더 강력한 측정을 얻게 더 제공된다.
도 4는 운동장애 점수 도표로서, 각 점은 동일한 사건을 관찰하는 3명의 신경전문의들이 매긴 운동장애의 평균 점수에 대하여 좌표로 표시된 하나의 운동장애 에피소드에 대한 본 발명의 일실시예에 의해 발생된 DK 점수를 도시한 것이다. 알 수 있는 바와 같이, 본 발명은 신경전문의들의 평균 점수("황금 기준"이라 함)(특이성 93.6%; 민감성: 84.6%)와 편의상 비교되며, 이 실시예는 매일의 임상 모니터링를 위한 허용가능한 대체임을 입증한다.
도 11은 한 환자에 대해 도 2의 시스템과 상기 알고리즘을 이용하여 얻은 결과를 도시한 것이다. 환자는 6시 15분에 일어나 손목기록장치를 착용한다. 환자의 운동으로 장치와 알고리즘은 이 때 BK4의 매우 낮은 BK 점수를 제공하며, 이는 환자가 매우 서동인 것을 보여주며, 이는 파킨슨병의 주요 특징이다. 그런 후, 환자는 7시에 2개의 L-Dopa 알약을 복용하지만, 알약이 흡수되고 뇌에 충분히 집중되어 서동을 줄이기 시작할 때까지 여전히 서동인 상태로 있다. 약 8시부터 9시 30분까지, 환자의 서동은 BK4에서 환자의 정상 패턴운동인 BK1까지 계속 향상된다. 그러나, 이 단계에서 L-Dopa의 농도가 또한 약 9시에 피크 약물 운동장애를 유발하기 시작한다. 환자는 10시경에 BK 상태로 되돌아간다. 환자의 2차 약물이 10시 45분에 복용되고 곧 BK1의 정상 BK 점수로 복귀된다. 운동장애가 12시30분 경에 다시 발현된다.
명백한 바와 같이, 서동과 운동장애 모두의 동시적이며 진행중인 객관적 측정은 적절한 약물 요법을 조제하도록 돕기 위한 상세한 정보를 신경전문의에게 제공한다. 예컨대, 이런 기록에 응답하여, 신경전문의는 환자의 서동 시간을 줄이기 위해 L-Dopa의 1회 분량을 아침에 더 일찍 옮기게 택하고, 그런 후 2회 분량의 시간 간격을 약간 더 짧게 하지만 3회 분량에 대해서는 간격을 유지할 수 있다. 이 환자에 대한 목표는 BK1 상태에 있는 시간의 퍼센트가 더 크도록 BK를 유지하게 하지만, DK2 및 DK3 상태에 있는 시간은 더 짧도록 DK 점수를 줄이는 것을 목표로 한다. 자연적으로, 이런 변화의 효과를 모니터하기 위해 다른 수단들도 본 발명에 따라 취해질 수 있다.
따라서, 이 실시예는 사람이 임상 환경에서 제어된 운동이 아니라 자연스런 운동의 범위에 걸쳐 정상적인 일상활동을 수행하더라도 사람의 서동 및 운동장애 상태가 인식되고 선택도 및 민감도가 크게 정량화되게 제공된다.
도 14는 하루의 경과 내내 한 개인에 대한 실질적으로 연속한 DK 및 BK 점수를 도시한 것이다. L-Dopa 치료는 수직선으로 표시된 시간에서 행해진다. 본 발명의 실시예에 의해 만들어진 이 도면은 명백히 환자가 매우 낮은 운동장애과 매우 큰 서동을 갖고 있음을 나타내므로, 신경전문의는 환자가 충분한 치료를 받지 못하고 있는 것을 나타낸다고 빨리 추론할 수 있다.
도 15는 각 투약에 이은 주기 동안 DK 점수의 누적합계를 좌표로 표시함으로써 본 발명의 결과가 표현될 수 있는 다른 예를 도시한 것이다. 실제 DK 점수는 실선으로 표시된 누적DK점수(CUSUM DK)와 함께 희미한 선으로 도시되어 있다. 다시, 각 투약시간은 수직선으로 표시되어 있다. 평평한 CUSUM은 정상 운동상태를 나타내고, 도 15는 이 환자가 특히 오후 동안 상당한 운동장애를 겪고 있다는 것을 나타낸다. 따라서, 이 경우, 본 발명은 신경전문의에게 그날의 경과 내내 각각의 특별 약물에 의해 유도된 운동장애에 대한 귀중한 정보를 제공한다.
도 16은 또 다른 환자에 대한 DK와 BK를 좌표로 표시한 것으로, 이들 결과로부터 매우 운동장애가 있는 것을 알 수 있다. 이 환자의 BK 점수는 매우 정상이므로 서동이 완전히 치료되었으나 높은 운동장애가 발생하고 있는 것으로 신경전문의에게 투약을 낮춰야 할 것 같다는 소중한 통찰을 제공한다. 8시 15분경 비정상적인 BK 점수는 예컨대 샤워를 할 때 로거를 제거한 환자에 의해 야기된 것일 수 있다.
피험자에 대한 장치 및 시스템의 형태 테스트시, 하기 사항이 발생된다: 12명의 피험자들, 파키슨 병이 있는 환자들, 및 8명의 건강한 피험자들(대조)이 연구된다(표 1). 환자들은 서동[B], 운동장애[D] 및 정상[C]인 것으로 인식된다. 파킨슨병 환자가 한 진료소로부터 나와 파킨슨병에 대한 약을 받고 있다. 대조들은 알려진 신경학적 질환이 전혀 없다. 모든 절차들은 헬싱키의 세계의학협회 선언을 따르며, 인간 연구 및 윤리 위원회에 의해 감시된다. 모든 피험자들은 실험 절차에 대한 상세한 설명에 이어 동의를 하였다.
정상 피험자(C) | 8(4F) 평균연령 48±13 |
파킨슨 환자 | 11(7F) 평균연령 67±86 |
서동(진전이 없음, B) | 6 |
운동장애(D) | 5 |
질병기간 | 9±4 |
발병 연령 | 58±10 |
L-
dopa
치료
환자들은 시간 0에서 서동인 것을 보장하기 위해, 연구 시작 10시간 전에 정규 치료를 보류하도록 요청받았다. 음식과 액체 섭취는 제한되지 않는다. 250mg의 L-dopa 알약 하나와 25mg의 carbidopa를 연구 시작시(0분) 환자에 주었다. 그런 후, 환자는 약물 투여후 0, 10, 20, 30, 45, 60, 90, 120 및 180분에 주어진 한 세트의 간단한 과제를 완결하도록 요청받았다.
임상 평가
반복적인 진동 운동을 수행하는 한편 최대 가속도를 측정하면서 서동을 평가하였다. 피험자들은 한 조각의 판지에 300mm 떨어진 2개의 큰 점들(직경 30mm) 사이로 검지를 미끄러지듯 움직이게 요청받았다. 이를 자신의 속도로 30초간 수행한 후 30초 쉬고 그런 후 30초간 가능한 빨리 반복시켰다. 점들은 수족운동이 신체 앞뒤보다는 신체를 가로지도록 위치지정되어 있다. 이는 서동을 평하기 위한 잘 알려진 검증된 키 프레스 또는 펙 보드 테스트의 변형이다. 평균 피크 가속도(APA)는 20개의 가장 큰 가속도의 중앙값이고 임상 서동점수로 사용된다.
운동장애 점수는 파킨슨병에 익숙한 훈련받은 신경전문의들이 제공하고 변경된 IMS 점수 방법의 사용시 체험된 점수의 평균으로부터 얻었다. 2명의 평가자들은 이 연구에서 이용된 어느 한 환자도 사전에 검진하지 않았다; 제 3 평가자는 자신의 일상적인 신경학적 진료를 제공했다. 평가자들은 자신의 동료들과 무관하게 점수를 매겼다.
피험자들은 5개의 특정한 과제(후술됨)를 수행하는 동안 비디오 촬영되었다. 비디오는 30초 분절(epoch)로 나누어지고 평가자들은 각 분절에 대한 점수를 제공하였다. 변형된 무의식적 움직임 점수(IMS)는, 상술한 방법으로부터 변형된 것으로, 다음의 5개 신체 영역 중 각각에 대해 0-4의 점수를 제공하는데 사용되었다: 상한: 팔, 손목, 손 및 손가락, 하한: 다리, 무릎, 복사뼈, 발가락, 몸통 움직임: 등, 어깨 및 둔부: 머리 움직임; 목 및 얼굴: 전체 판단; 전반적인 운동장애의 심한 정도. 점수는 다음과 같다: 0=현재 운동장애가 없음; 1=일반의사를 제외한 노련한 의사가 식별가능한 운동장애; 2=쉽게 검진할 수 있는 운동장애; 3=일상 활동에 영향을 줄 수 있으나 활동을 제한하지 않는 운동장애; 4=일상 활동을 제한할 수 있는 운동장애. 따라서 최대 IMS는 20이었다.
테스트 절차
가속도계는 회내/외전 이동에 가장 민감하도록 지향되고 가장 심하게 영향받는 파킨슨병 환자의 사지와 대조 피험자의 우세한 사지에 부착된다. 가속도계의 선두는 팔꿈치 아래에 떨어져 고정되어 가속도계의 외막 움직임을 방지한다. 그런 후, 피험자는 다음의 관제를 수행하였다.
과제 1. 비제한적인 자발적 운동: 피험자는 넥타이를 매는 것과 같이 만들거나 세우거나 어떤 것을 하는 방법의 설명을 필요로 하는 주제에 대해 대화에 참여했다. 자발적인 운동은 서동 및 운동장애가 특별히 선택된 과제뿐만 아니라 정상 활동 동안 스펙트로그램을 이용해 검출될 수 있는지 수립하기 위해 기록되었다.
과제 2. 자발적인 반복적 다른 운동: 이는 앞서 상술하였고(임상평가) 임상 운동장애 점수를 얻는데 사용되었다.
과제 3. 제한된 자발적 운동: 피험자는 운동장애와 같은 비자발적 운동을 식별하기 위한 시도로 가능한 한 정지한 채로 있도록 요구되었다. 피험자는 무릎 위에 손을 두고 바르게 앉도록 지시받았고 1분간 자발적 운동을 금하도록 요구되었다. 피험자는 이 과제동안 운동장애에 대해 점수 매겨졌다.
과제 4. 환자들은 600㎖가 채워진 1리터들이 주전자로부터 3개의 250㎖ 플라스틱 컵에 물을 부었다. 이 과제는 수행하는데 1/2분 내지 2분 걸렸다. 환자들은 부착된 가속도계가 있는 손목을 이용해 붓도록 요구되었다.
과제 5. 환자들은 2.5미터 거리를 걷고 180도 돌아서 또 2.5미터 걸었다. 이는 몇몇 피험자들이 한 싸이클을 수행하는데 1분 걸리지만 최소 30초 동안 반복되었다. 한 환자는 휠체어에 틀어박혀 있어 이 과제를 수행할 수 없었다.
각 과제는 수행하는데 약 2분 걸렸다. 연구의 첫번째 부분에서, 피험자들은 처음 3개의 과제를 한번에 마쳤다. L-dopa의 테스트 약을 복용한 다음, 피험자는 약물투여 후 규칙적인 간격으로 모두 5개의 과제를 수행하도록 요구되었다. 이 시도는 1회 분의 L-dopa 약의 효과를 포함하고 이에 따른 단기간의 운동근육 요동을 포함하도록 계획되었다.
통계적 분석
0.5-8.0 Hz 주파수 대역은 3개 빈 또는 주파수 대역, 즉, 0.5-2.0Hz, 2.0-4.0Hz, 4.0-8.0Hz(도 7)로 분할하였다. 주파수 대역은 특정 움직임 행동과 관련될 수 있는 주파수를 나타내도록 선택하였다. FFT는 연속한 거리 점들을 통해 그려진 선이므로, 대역내 모든 점들이 합해지고 평균되어 실질적으로 주파수 대역에 대한 MSP(평균 스펙트럼 파워)라고 하는 평균을 산출한다. 따라서, MSP0 .5-2.0 Hz는 0.5-2.0Hz의 주파수 대역으로부터의 평균 스펙트럼 파워를 말한다.
연구의 제 1 단계에서, 서동으로부터 얻은 MSP와 맨-위트니(Mann whitney) 테스트를 이용한 운동장애 피험자 간에 비교를 하였고, 0.01 미만의 P 값은 의미있게 고려된다. 통계적 중요성에 대한 테스트를 수행하였지만, 단지 기능적으로 유용한 결과는 특별한 테스트를 위한 다양한 임상그룹들 간에는 중복이 거의 또는 전혀 이루어지지 않았다.
결과
파킨슨병이 있는
피험자에서
서동 및 운동장애의 선택과 특징
환자들은 명백한 서동(서동환자로 알려짐)이거나 눈에 띄는 L-dopa의 복용 후 운동장애(운동장애 피험자) 중 하나를 가졌기 때문에 이 연구에서 환자들을 선택했다. 약을 끊은 서동 환자들을 평가했지만 대부분은 L-dopa 복용시 눈에 띄는 운동장애를 나타내지 않았다. 서동의 심각 정도에 대한 '표준'으로서 점 슬라이드로부터 (방법에 기술된) APA를 이용하였다. 운동장애 피험자의 APA 점수는 정상과 서동 사이의 중간이었다. 각각 2분 분량의 비디오 촬영된 움직임에 대한 운동장애 점수를 매긴 3명의 신경전문의에 의해 총 IMS 점수가 제공되었다. 3명의 평가자들 간에 합의는 이들 점수들 간에 강한 상호관계로 반영되었다.
엘리베이터2 | 엘리베이터3 | |
엘리베이터1 | r=0.796 | r=0.860 |
엘리베이터2 | R=0.915 |
중요하게는, 기록된 팔에 대한 IMS 점수는 단 하나의 팔에 가속도 측정을 평가한 총 IMS 점수와 크게 상관 있다(r=0.85, 또한 도 13 참조).
연구의 다음 세트는 정상 피험자의 파워 스펙트럼이 다른 운동을 식별하는데 적합한지에 대한 의문을 제기하였다. 정상 피험자가 정지한 채 앉아 있을 때(과제 3, 도 6a), 연구된 주파수의 대역범위에 걸친 파워는 피험자가 자발적 운동에 참여할 때보다 훨씬 더 낫다(과제 1, 도 6a). 2 및 4 Hz 사지 진동이 측정될 수 있음을 입증하기 위해, 정상 피험자들은 검지를 이용해 오실로스코프 스크린상에 2 및 4 Hz 진동을 추적하였다. 상대 주파수에서 명백한 피크들이 파워 스펙트럼에 명백했다(도 6 b). 피험자들은 "최소"라는 단어를 쓸 때, 약 3Hz에서 대역 피크가 나타났다(도 7).
그런 후, 파워 스펙트럼을 3개 대역으로 나누고(도 7), 각 대역의 MSP를 측정하였다(도 8). 대화동안 손목을 움직일 때(과제 1), 모든 3개 주파수 대역에서 파워 스펙트럼은 정상 피험자보다 서동 피험자들에서 더 낮았다(도 8). 기대했던 대로, 이 차이는 피험자가 정지한 채 있도록 요구되었을 때 덜 명백했다: 서동 환자들은 정상 환자만큼 정지한 채 유지할 수 있었다(예컨대, 과제 3, 도 8).
운동장애 움직임의 주파수 범위는 정상 움직임과 유사하나 실질적으로 증가된 파워를 갖는다. 예상될 수 있는 바와 같이, 운동장애 피험자는 완전히 정지한 채로 유지하는데 어려움을 가졌다(과제 3, 도 8). 정상 및 운동장애 피험자의 MSP는 3개의 스펙트럼 대역 각각에서 완전히 떨어져 있으나, MSP2 .0-4.0 Hz에서 분리가 가장 컸다(과제 3, 도 8).
서동
모든 시간 지점들에서 모든 환자들로부터의 MSP2 .0-4.0 Hz는 같은 시간 점에서 측정된 APA와 상관되었다.
과제1 | 과제3 | 과제4 | 과제5 |
자유롭게 말하기 | 정지한 채로 앉아있기 A | 물 붓기 | 걷기 |
0.320* | r=0.146 | r=0.400* | r=0.264 |
MSP2 .0-4.0 Hz는 (APA에 의해 측정된 바와 같이) 서동과 상관관계가 빈약하다. 이는 서동을 예측하기 위한 MSP2 .0-4.0 Hz의 낮은 특이성(76%)과 민감도(65.1%)에서 반영되었다.
빈약한 상관관계는 주로 MSP에 의해 측정된 서동이 과제에 의존적이기 때문에 발생하는 것 같다. 예컨대, 정상인 사람이 정지한 채 앉아 있게 "선택"하면, MSP는 더 빨리 움직이게 하는 능력을 못 갖는 서동과 식별할 수 없을 것이다. 따라서, 요건은 대부분의 시간 동안 정지한 채로 있지만 빨리 움직일 수 있는 환자들을 빨리 움직일 수 없는 서동 환자들로부터 인식하는 것이다. 고려시, 서동 피험자들은 정상 피험자들보다 움직임이 거의 없고 따라서 움직임 간에 더 긴 간격이 있다. 더욱이, 서동 움직임이 발생하면, 상기 움직임은 파워가 느려, 느린 가속도와 진폭을 반영한다.
따라서, 기본적으로 각 간격에서 이루어진 최대 가속도와 ABS(자동화 서동 점수)를 발생하기 위해 이 피크를 둘러싸고 있는 주기에서 MSP를 이용해 본 발명의 일실시예에 따른 알고리즘이 계발되었다. 정상 피험자들은 낮은 MSP의 주기를 갖고 있으나 피험자들이 한 어떤 움직임도 서동 피험자들보다 훨씬 더 큰 가속도로 행해질 수 있다. ABS를 도출하기 위해 사용된 알고리즘은 순차적으로 변형되고 APA에 대하여 최적화되었다. 최적일 경우, 새로운 데이터 세트를 수집하였고 APA에 대하여 좌표로 표시하였다(도 9a). ABS는 87.5%의 특이성과 94.5%의 민감도를 갖는 서동 "표준"(r=0.628, p<0.001, n=79)과 크게 상관 있었다. APA와 ABS는 L-dopa의 복용 후 시간에 다하여 좌표로 표시되었고 도 9b에 한 피험자의 예가 나타나 있다 이 경우, APA와 ABS 사이의 상관관계는 r=0.77이었다.
운동장애
자동화 운동장애 점수(ADS)도 또한 개발되었다. 임상 운동장애 점수는 MSP1 -4Hz와 APA 모두와 강하게 상관된 것으로 밝혀졌다.
APA | 임상 운동장애 점수 | |
MSP | r=0.90 | r=0.89 |
APA | r=0.85 |
이들 상관관계를 보면, 어느 한 가속도계의 측정은 신경학적 평가와 함께 발생할 수 있는 운동장애의 객관적 측정을 제공할 수 있다. 그러나, MSP의 민감도(76.9%)와 특이성(63.6%)은 예상치 못하게 낮았다. 환자가 수행하는 과제에 따라 상관관계가 크게 좌우되었다. 특히, 이 상관관계는 피험자가 정지한 채 앉아 있을 때 운동장애를 고려하지 않았고, 단지 30초 후에 발생되더라도 피험자가 걷고 있을 때 운동장애의 레벨이 현저히 높았다. 따라서, 운동장애의 측정으로서 스펙트럼 파워가 갖는 문제는 서동과 조우되는 문제들, 즉, 증가된 자발적 운동과 증가된 비자발적 운동(운동장애)의 주기를 식별하는 문제들과 유사했다. 운동장애 피험자들의 검사와 신경전문의들과의 논의에 따르면 운동장애 피험자들이 움직임이 없는 더 짧은 시간주기를 가질 수 있을 것이라 추측되었다.
따라서, 본 발명의 일실시예에 따르면, DK 알고리즘은 가속도계 기록에서 움직임이 없거나 진폭이 낮은 주기를 식별하기 위해 계발되었다. 간략하게, 매 2분 분절에서 평균 가속도를 측정하였고 평균 가속도 이상의 움직임은 자발적 또는 운동장애 운동 중 하나인 것으로 간주하였다. 가속도가 평균보다 낮은 에포크를 추출하였고, 자동화 운동장애 점수(ADS)를 제공하기 위해 낮은 가속도의 에포크 개수만큼 MSP2.0-4.0Hz를 나누었다. 비운동장애 피험자들은 평균 가속도와 낮은 MSP2 .0-4.0 Hz 아래로 더 큰 주기를 보여야 하며, 한편 운동장애 피험자들은 평균 가속도 윈도우 아래의 더 낮은 시간을 가져야 하고 큰 MSP1 .0-4.0 Hz를 가져야 한다. 기본적으로, 상기 접근은 피험자가 정지한 채로 있는 시간의 기간을 정량화하는 것이다. ADS를 도출하기 위해 사용된 이 실시예의 알고리즘은 순차적으로 변형되었고 IMS에 대하여 최적화되었다. 최적일 경우, 새로운 데이터 세트를 수집하였고 IMS에 대하여 좌표로 표시하였으며, (스페어맨의) 상관관계 계수를 계산하였다(r=0.776, p<0.0001, n=85, 도 10a). 이런 상관관계는 MSP1 .0-4.0 Hz과 IMS 사이 상관관계보다 낮았고, 민감도와 특이성은 훨씬 더 높았다(민감도=84.6%, 특이성=93.6%). 상기 방법은 수행된 과제의 타입에 영향을 덜 받기 때문에 환자의 장기간 기록에 적합하였다.
본 발명의 이들 실시예의 기본 가정은 노련한 관찰자가 인식한 움직임 패턴이 이동의 추적을 기록하고 관찰자가 상기 패턴을 특징으로 하도록 그 특징을 모델링함으로써 정량화될 수 있다는 것이었다. 이런 연구에서, 먼저 스펙트럼 분석이 서동과 운동장애를 구별할 수 있음을 보였다. 그러나, 이 방법의 민감도와 특이성은 다양한 활동들이 발생할 경우 떨어졌다.
특히, 더 복잡한 분석은 서동과 정지한 채 있는 정상 피험자와, 서동과 정상 활동의 몇몇 형태를 구별하도록 요구되는 것이었다. 이는 노련한 관찰자가 본 것을 모델링함으로써 달성되었다: 서동 피험자들은 움직임 간에 간격이 더 길고, 움직일 때 가속도가 더 낮다. 운동장애 피험자들은 움직임 간에 간격이 거의 없고, 더 큰 스펙트럼 파워로 움직인다. 이런 접근을 이용하면, 자연스런 운동범위에 걸쳐 높은 선택도와 민감도를 가지며 운동장애 및 서동 운동을 인식할 수 있다.
이를 입증하기 위해, 본 발명의 실시예는 "황금 표준"에 대한 인용을 포함한다. 임상의사들은 관찰시 운동장애와 서동을 알고 임상 관찰을 정량화하기 위한 시도로 임상 척도가 개발되었다. 그러나, 이들 척도는 주관적이며, 훈련 및 경험이 필요하고, 같은 임상의사에 의해 반복되는 경우 가장 정확하다. 당연히, 이들 척도는 노련한 관찰자가 있을 때만 사용될 수 있지만, 파킨슨병은 날마다 하루에 걸쳐 크게 변하고 하나의 단일 스냅샷은 질병에서 기능 또는 요동의 진정한 측정을 제공할 수 없다. 사용된 서동과 운동장애 등급 척도는 스펙트럼 분석의 출력과 비교하기 위해 가장 폭넓게 허용되는 반객관적 방법이다. 서동에 대한 가장 공통적인 임상적 침상 테스트는 급격히 교번하는 손가락 운동을 요청하는 것이다. 느린 작은진폭의 운동(낮은 가속도)은 서동인 것으로 간주되고, 펙보드(peg board), 키 누르기, 및 도트-슬라이드(과제 2)와 같은 진동적 움직임 동안 나타난 피크 가속도를 측정한 다수의 정량적 척도들이 있다. 이들은 반복 회수 또는 운동 타이밍이나 달성된 운동"량"에 따라 변한다. 마찬가지로, 분당 낮은 진폭의 느린 필기와 키 누르기는 서동에 대해 잘 검증된 테스트이다. 각각의 이들 척도는 서동의 측정으로서 정상 가속도에 이르는 것에 대한 불능에 따른다. 운동장애 점수는 다른 서동 등급 척도의 변형이었다. 임상 척도와 본 발명의 자동화 척도 간의 상관관계 정도는 자동화 척도가 가치있고 연장된 주기에 걸쳐 임상상태를 연속으로 점수 매기는데 사용될 수 있음을 암시한다. DK와 BK 점수는 임상상태를 인식할 수 있고 따라서 유효 임상도구를 제공할 수 있다.
따라서, 본 발명의 기술된 실시예는 하루 내내 임상관찰로부터 멀어지더라도 약물에 의한 PD의 향상된 관리가 서동과 운동장애 모두의 모니터링을 필요로 함을 인식한다. 따라서, 본 발명의 실시예는 원격으로 그리고 실질적으로 연속으로 정해진 시간주기에 걸쳐 환자의 운동상태를 캡쳐하고, 해석하고 보고하는 수단을 제공한다. 왜냐하면 이 시스템은 자동적으로 신경전문의에게 보고하기 때문에, 환자 또는 보호자가 기록을 기억하고나, 보관하거나 유지할 필요가 없다. 또한, 이 실시예의 간단한 손목착용 장치는 사용하기 쉽고 집에서나 그 밖에 사용될 수 있어 일상 활동에 방해하지 않고, 간단한 시스템은 기술의 이해를 필요로 하지 않는다. 더욱이, 주요 중심지의 진료소에 쉽게 방문할 수 없는 시골 및 오지에 사는 사람들에게, 환자의 로컬 GP와 결부하여 신경전문의에 의해 원격으로 복용량 변경이 이루어질 수 있다.
본 발명의 현재 기술된 실시예는 파킨슨병(PD)이 있는 환자가 겪는 증상의 객관적 평가를 (디지털 보고서 포맷으로) 자동적으로 제공함으로써 신경전문의에 더 유익하다. 이는 객관적이고 연속 데이터 캡쳐를 바탕으로 의미있는 주기에 걸쳐 환자의 운동상태에 대한 신뢰할 수 있는 정보를 신경전문의에 제공하다. 이 정보와 함께, 의사들은 서동과 운동장애의 발생을 줄이는데 더 효율적으로 약물을 적정(適定)할 수 있다. 이는 환자관리를 향상시키고 PD를 가진 채 사는 사람들의 삶의 질을 더 낫게 한다. 이는 또한 신경전문의가 더 많은 환자들에 효과적인 치료를 제공하게 하여 의사/임상의사에게로 방문을 줄게 할 수 있다.
이 실시예의 더 넓은 이점은 보건 시스템에 부담이 되는 재정을 줄이고, 환자 방문 회수를 줄이며, 입원을 필요로 하는 증상과 관련된 쓰러짐과 합병증의 발생을 줄이고, 고령 및 특별한 연령의 보살핌을 줄이는 향상된 환자 관리를 포함할 수 있다.
이 실시예는 손목착용 장치가 프로그램될 수 있게 또한 제공되어, 이로써 신경전문의가 환자의 요구를 바탕으로 기록을 위한 시간과 횟수를 설정할 수 있고 장치가 약물 복용을 위해 환자를 상기시켜 주게 할 수 있다.
따라서, 이 실시예는 신경전문의가 요구하는 날들의 회수 동안 연속 바탕으로 PD 환자의 움직임을 원격으로 기록하고 매 2-3분 마다 평가를 제공하는 객관적 보고 도구를 제공한다. PD 증상의 신뢰할만한 측정 문제를 해결하고 자동적으로 이메일 또는 적절한 웹사이트를 통해 신경전문의에 보고를 제공한다. 모든 PD 단계들에 유용하면서도, 운동장애가 나타나기 시작하면 질병의 중간 단계동안 특히 중요하다. 의사들은 질병 진행을 진단할 수 있고 환자의 방문 전 3-4일간 기록된 객관적 데이터를 바탕으로 약물 복욕량을 바꿀 수 있다. 의사들은 복용량 유효성을 판단하고 투약량이 변경된 후 기록된 데이터를 이용해 다른 변경을 더 할 수 있다. 기록은 환자의 이력과 함께 보유하기 쉽다.
따라서, 본 발명의 실시예는 파킨슨병이 있는 환자들이 겪는 증상의 객관적인 연속 평가를 제공한다. 따라서, 이 실시예는 의사들이 서동 및 운동장애의 예를 더 효율적으로 판단하게 도울 수 있고 이에 따라 더 나은 약물을 제공함으로써 환자 관리를 개선할 수 있고, 파킨슨병이 있는 사람과 같이 서동 및/또는 운동장애가 있는 사람들의 향상된 삶의 질을 제공한다.
이 상세한 설명의 몇몇 부분들은 컴퓨터 메모리내 데이터 비트들에 대한 알고리즘 및 심볼 표현 연산으로 표현된다. 이들 알고리즘 설명과 표현들은 데이터 처리 기술분야의 숙련자들이 가장 효과적으로 작업 내용을 다른 당업자에게 전달하기 위해 사용하는 수단이다. 알고리즘이 여기 있으며 전반적으로 소정 결과를 이끄는 자체 일관성있는 단계들의 순서인 것으로 여겨진다. 단계들은 물리량의 물리적 조작을 필요로 하는 단계들이다. 주로, 반드시 필요한 것은 아니나, 이들 양들은 저장, 전달, 조합, 비교, 및 다른 경우로는 조작될 수 이는 전기 또는 자기신호의 형태를 취한다. 원칙적으로 공통 사용의 이유로, 이들 신호들은 때때로 비트, 값, 요소, 심볼, 특징, 용어, 갯수 등으로 언급되는 것이 편리한 것으로 증명된다.
이와 같이, 이는 때때로 컴퓨터 실행되는 것으로 언급되는 이런 동작과 연산은 구성된 형태로 데이터를 나타내는 전기신호의 컴퓨터 처리 유닛에 의한 조작을 포함하는 것으로 이해된다. 이 조작은 데이터를 변환하거나 데이터를 재구성하거나 다른 경우로는 당업자가 잘 이해하는 식으로 컴퓨터의 동작을 변경하는 컴퓨터 메모리 시스템내의 위치들에 유지한다. 데이터가 유지되는 데이터 구조는 특히 데이터의 포맷에 의해 정의된 특별한 성질들을 갖는다. 그러나, 본 발명은 상기 내용에 기술되어 있으나, 당업자가 기술된 다양한 동작 및 연산도 또한 하드웨어에서 구현될 수 있음을 아는 것처럼 국한되는 것을 의미하지 않는다.
그러나, 이들 및 유사한 모든 용어들은 적절한 물리량과 관련 있고 이들 양들에 적용된 편리한 라벨들이 있다는 것을 염두에 두어야 한다. 본 명세서에 명백하듯이 다르게 특별히 진술하지 않은 한, 본 명세서의 전체적으로, "처리" 또는 "컴퓨팅" 또는 "계산" 또는 "결정" 또는 "디스플레이" 등과 같은 용어를 이용하는 논의는 컴퓨터 시스템의 레지스터내에 물리(전기적)량으로 표현되는 데이터를 컴퓨터 시스템 메모리 또는 레지스터 또는 다른 이런 정보 저장장치 또는 다른 이러한 정보 저장장치, 변환 또는 디스플레이 장치내에 물리량으로 유사하게 표현되는 다른 데이터로 조작 및 변환하는 컴퓨터 시스템 또는 유사한 전자계산장치의 동작 및 처리를 말하는 것임이 이해된다.
본 발명은 또한 본 명세서에서 동작을 수행하기 위한 기기에 관한 것이다. 이 기기는 필요한 목적을 위해 특별히 구성될 수 있거나, 컴퓨터에 저장된 컴퓨터 프로그램에 의해 선택적으로 활성화되거나 재구성된 범용 컴퓨터를 구비할 수 있다. 이런 컴퓨터 프로그램은 가령 컴퓨터 판독가능한 저장매체에 저장될 수 있으나, 플로피 디스크, 광학 디스크, CD-ROM 및 자기광학 디스크, ROM, RMA, EPROM, EEPROM, 자기 또는 광학 카드를 포함한 임의의 타입의 디스크, 또는 전자 명령어를 저장하는데 적합하고 컴퓨터 시스템 버스에 각각 결합되는 임의의 타입의 미디어에 국한되지 않는다.
본 명세서에 나타낸 알고리즘과 디스플레이는 임의의 특별한 컴퓨터 또는 다른 기기에 고유하게 관련되어 있지 않다. 다양한 범용 시스템들이 본 명세서의 개시에 따른 프로그램들과 함께 사용될 수 있거나, 필요한 방법 단계들을 수행하도록 더 특별한 기기를 구성하는 것이 편리한 것으로 입증될 수 있다. 다양한 이들 시스템들에 대해 필요한 구조는 본 명세서에 나타나 있다. 또한, 본 발명은 임의의 특별한 프로그래밍 언어에 대해 설명하지 않는다. 이는 다양한 프로그래밍 언어들이 상술한 본 발명의 개시를 구현하기 위해 사용될 수 있음이 명백하다.
기계판독가능한 매체는 기계(예컨대, 컴퓨터)에 의해 판독할 수 있는 형태로 정보를 저장 또는 전송하는 임의의 장치를 포함한다. 예컨대, 기계판독가능한 매체는 "ROM"; "RAM", 자기 디스크 저장매체; 광학 저장매체; 플래시 메모리 장치; 전기, 광학, 음향 또는 전파 신호의 다른 형태(예컨대, 반송파, 적외선 신호, 디지털 신호 등) 등을 포함한다.
도 12를 참조하면, 본 발명은 적절한 컴퓨팅 환경에서 구현되는 것이 도시되어 있다. 필요한 것은 아니나, 본 발명은 개인용 컴퓨터에 의해 실행되는 프로그램 모듈과 같이 컴퓨터 실행가능한 명령어의 전반적 내용에 기술되어 있다. 일반적으로, 프로그램 모듈은 특별한 과제를 수행하거나 특별한 추상적 데이터 타입을 구현하는 루틴, 프로그램, 객체, 구성요소, 데이터 구조 등을 포함한다. 더욱이, 당업자는 본 발명이 휴대용 장치, 멀티프로세서 시스템, 마이크로프로세서 기반 또는 프로그램가능한 소비제 전자기기, 네트워크 PC, 미니콤퓨터, 메인프레임 컴퓨터, 등을 포함한 다른 컴퓨터 시스템 구성으로 실시될 수 있음을 안다. 본 발명은 과제가 통신 네트워크를 통해 연결된 원격처리장치에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장장치에 위치될 수 있다.
도 12에서, 프로세싱 유닛(21)에 시스템 메모리를 포함한 다양한 시스템 구성요소들을 결합한 프로세싱 유닛(21), 시스템 메모리(22) 및 시스템 버스(23)를 포함한 종래의 개인용 컴퓨터(20)의 형태로 범용 컴퓨팅 장치가 도시되어 있다. 시스템 버스(23)는 메모리 버스 또는 메모리 컨트롤러, 주변장치 버스, 및 다양한 버스 구조 중 어느 하나를 이용한 로컬 버스를 포함한 여러 타입의 버스 구조 중 어느 하나일 수 있다. 시스템 메모리는 ROM(24) 및 RAM(25)을 포함한다. 시작 동안과 같이 개인용 컴퓨터(20)내 요소들 간에 정보를 전달하도록 돕는 기본 루틴을 포함하는 기본 입/출력 시스템(BIOS)(26)가 ROM(24)에 저장된다. 개인용 컴퓨터(20)는 하드 디스크(60)로부터 읽기 및 쓰기를 위한 하드 디스크 드라이브(27), 탈착식 자기 디스크(29)에 읽기 또는 쓰기를 위한 자기 디스크 드라이브(28), 및 CD ROM이나 다른 광학 매체와 같이 착탈식 광학 디스크(31)에 읽기 또는 쓰기를 위한 광학 디스크 드라이브(30)를 더 포함한다.
하드 디스크 드라이브(27), 자기 디스크 드라이브(28), 및 광학 디스크 드라이브(30)는 하드 디스크 드라이브 인터페이스(32), 자기 디스크 드라이브 인터페이스(33), 및 광학 디스크 드라이브 인터페이스(34)에 의해 시스템 버스(23)에 연결되어 있다. 드라이브와 드라이브에 연결된 컴퓨터 판독가능한 매체는 컴퓨터 판독가능한 명령어, 데이터 구조, 프로그램 모듈 및 개인 컴퓨터(20)용 다른 데이터의 비휘발성 저장을 제공한다. 도시된 예시적인 환경은 하드 디스크(60), 탈착식 자기 디스크(29) 및 탈착식 광학 디스크(31)를 이용하나, 자기 카세트, 플래시 메모리 카드, 디지털 비디오 디스크, 베르누이 카트리지(Bernoulli cartridges), RAM, ROM, 저장영역 네트워크 등과 같이, 컴퓨터에 의해 접속될 수 있는 데이터 저장가능한 다른 타입의 컴퓨터 판독가능한 매체가 또한 예시적인 동작 환경에서 사용될 수 있음이 이해된다.
많은 프로그램 모듈들이 연산 시스템(35), 하나 이상의 응용 프로그램(36), 다른 프로그램 모듈(37) 및 프로그램 데이터(38)를 포함한 하드 디스크(60), 자기 디스크(29), 광학 디스크(31), ROM(24) 또는 RAM(25)에 저장될 수 있다. 사용자는 키보드(40)와 포인팅 장치(42)와 같이 입력 장치를 통해 개인용 컴퓨터(20)에 명령어 및 정보를 입력할 수 있다. 다른 입력 장치(미도시)는 마이크로폰, 조이스틱, 게임 패드, 위성접시, 스캐너 등을 포함할 수 있다. 이들 및 다른 입력장치들은 종종 시스템 버스에 결합된 직렬 포트 인터페이스(46)를 통해 처리유닛(21)에 연결되나, 병렬 포트, 게임 포트 또는 범용직렬버스(USB) 또는 네트워크 인터페이스 카드에 의해 연결될 수 있다. 모니터(47) 또는 다른 타입의 디스플레이 장치도 또한 비디오 어댑터(48)와 같이 인터페이스를 통해 시스템 버스(23)에 연결된다. 모니터이외에, 개인용 컴퓨터는 일반적으로 스피커 및 프린터와 같은 다른 주변출력장치(미도시)를 포함한다.
개인용 컴퓨터(20)는 원격 컴퓨터(49)와 같이 하나 이상의 원격 컴퓨터에 논리적 연결을 이용한 네트워크 환경에서 동작될 수 있다. 원격 컴퓨터(49)는 또 다른 개인용 컴퓨터, 서버, 라우터, 네트워크 PC, 피어 장치 또는 다른 공통 네트워크 노드일 수 있고, 단지 메모리 저장장치(50)만 도시되었으나, 일반적으로 개인용 컴퓨터(20)에 대하여 상술한 요소들 중 대부분 또는 모두를 포함할 수 있다. 도시된 논리 연결은 LAN(51)과 WAN(52)을 포함한다. 이런 네트워킹 환경은 사무실, 광역 기업형 컴퓨터 네트워크, 인트라넷 및, 그 중에서도, 인터넷을 포함한다.
LAN 네트워킹 환경에서 사용될 경우, 개인용 컴퓨터(20)는 네트워크 인터페이스 또는 어댑터(53)를 통해 로컬 네트워크(51)에 연결된다. WAN 네트워킹 환경에 사용될 경우, 개인용 컴퓨터(20)는 일반적으로 WAN(2) 위로 통신을 확립하기 위한 모뎀 또는 다른 수단들을 포함한다. 내부 또는 외부일 수 있는 모뎀(54)은 직렬포트 인터페이스(46)를 통해 시스템 버스(23)에 연결되어 있다. 네트워크 환경에서, 개인용 컴퓨터(20), 또는 그 일부에 대하여 설명된 프로그램 모듈은 원격 메모리 저장장치에 저장될 수 있다.
도시된 네트워크 연결은 예시이며 컴퓨터들 간에 통신 연결을 확립하는 다른 수단들이 사용될 수 있음을 알게 된다.
폭넓게 기술된 본 발명의 기술사상으로부터 벗어남이 없이 특정 실시예에 도시된 바와 같이 본 발명에 대해 수많은 변형 및/또는 변경들이 이루어질 수 있음을 당업자는 알게 될 것이다. 예컨대, 상술한 실시예들은 L-Dopa로 치료된 특발성 파킨슨병 환자에 대한 운동장애 점수 및 서동 점수를 얻는데 관한 것인 한편, 어느 한 점수는 단독으로 얻어질 수 있고, 다른 원인들로 인한 동작학적 증상을 겪고 있는 사람들에 대해 어느 하나 또는 모든 점수가 얻어질 수 있음을 알게 된다.
서동 점수 알고리즘에 대해, BK6에서 확인되 서브-대역 각각의 A에서 H의 값은 BK7에서 가중화되었고 MSPMAX 는 가중치 대역값으로부터 확인되었다. 그런 후, BK=10에서 정의된 방정식 BK = 10 log10(MSPmax × PKi)에 따라 서동 점수를 계산하였다. 선택적 실시예로, 최대 평균 스펙트럼 파워(SPmaxi)를 포함한 단일 0.8Hz 서브-대역이 식별될 수 있고 MSPmax를 대체할 수 있다.
운동장애 점수 알고리즘의 DK4에서, Acci는 임계치로서 사용되며, 임계치 이하는 데이터가 "운동감소"를 나타내는 것으로 여겨진다. 이 실시예 또는 선택적 실시예에서, Acci의 최소 임계치는 예컨대 임의의 낮은 레벨로 설정되거나 매우 낮은 BK 점수에 응답하여 발생될 수 있다.
본 발명은 예컨대 운동장애, 무도병(chorea) 및/또는 간대성 근경련(myoclonus)와 같은 운동과잉 움직임의 개별적 평가에 적용될 수 있음이 이해된다. 본 발명의 다른 실시예에 의해 평가된 운동장애는 예컨대 헌팅톤병(Huntington's disease), 경부 근긴장이상(cervical dystonia), 하지불안 증후군(restless legs syndrome), 발작성 운동이상증(paroxysmal kinesigenic dyskinesia), 운동 수면장애(sleep disorder), 틱(tics)(통상적이지만 문맥에서 벗어난 상동운동(stereotyped movements)), 뚜렛증후군(Tourettes syndrome), 지연성 운동장애(tardive dyskinesia), 지연성 뚜렛(tardive Tourettes), 할라로이단(Halaroidan), 극상적혈구 증가증(Acanthocytosis), 할러보든-스파츠증후군(Hallervorden-Spatz) 또는 판토텐 키나아제 결핍증(Pantothene Kinase deficiency) 또는 사가와 증후군(Sagawa syndrome)으로부터 발생될 수 있다.
본 발명의 다른 실시예에 의해 평가된 서동 또는 운동장애 움직임은 다발계 위축증(Multi Systems Atrophy), 선조체-흑질 변성(Striatonigral degeneration), 진행성 핵상 마비(progressive Supranuclear palsy), 올리브교뇌소뇌변성(Olivopontocerebellar degeneration), 피질 기저핵 변성(Corticobasal ganglionic degeneration), 헌팅톤병, 약물인성 파킨슨증(drug induced Parkinsonism), 외상인성 파킨슨병(trauma induced Parkinsonism), 팔리도 루이시안 퇴행(Pallido Luysian degeneration) 또는 혈관파킨슨증(Vascular Parkinsonism)으로부터 발생될 수 있다.
본 발명의 또 다른 실시예는 필립스 ARM-계열의 마이크로콘트롤러(Philips ARM-Based Microcontroller) LPC2138에 의해 샘플로 제작된 가속도계(ADXL330)를 구비하고, 데이터는 분석용 PC에 나중에 수동 다운로드를 위해 장치에 탑재된 SD-플래시 메모리 카드에 저장된다. 장치는 충전없이 하루 16시간씩 4일간 환자로부터 기록하도록 프로그램되는데, 왜냐면 환자들은 종래의 충전을 하기가 어렵기 때문이다. 데이터는 날짜와 시간이 찍혀지고 환자 상세내용을 갖는 헤더를 포함한다. 서비스 제공자는 환자의 세부내용과, 매일 시작과 끝 시간, 및 기록할 일수들을 프로그램할 수 있다; 모두가 데이터파일 헤더에 저장된다.
장치는 DC-10Hz 대역폭(채널 당 100Hz로 샘플 제작됨)을 이용해 3축 X, Y, Z에서의 가속도를 기록한다. 신호는 "중력-g"단위로 조정되고, 가속도는 +4g 내지 -4g 사이에 측정된다. 리얼타임 클록은 장래의 몇몇 처방된 일자와 시간을 기록하기 시작하도록 신경전문의나 서비스 제공자에 의해 프로그램될 수 있다. 가장 가능성 있게는 다음날 및 아침 첫 번째이다. 디폴트 시간에 대한 장치 기록은 매일 오전 6시에서 오후 10시에 걸쳐 있으나, 이 시간 기간은 신경전문의나 서비스 제공자에 의해 프로그램될 수 있다. 기록일수는 완전한 3일로 디폴트되나, 1 내지 7일 이상의 범위로 프로그램될 수 있다. 이 장치는 약물이 복용된 날짜와 시간이 캡쳐된 입력을 더 제공한다. 이는 약물이 복용된 것을 신호보내도록 손목장치와 소통하는 환자일 수 있다.
밤에, 환자가 침상에 있고 데이터 로거가 손목에서 제거되면, 데이터 로거는 배터리 충전 및 중앙서버 또는 의사 자신의 서버에 데이터의 다운로드를 위해 거치대에 두어진다.
따라서, 본 발명은 모든 면에서 예시적이며 제한되지 않는 것으로 고려되어야 한다.
Claims (53)
- 사람의 운동상태를 판단하는 자동화 방법으로서,
사람의 사지에 착용된 가속도계로부터 가속도계 데이터를 얻는 단계와,
운동상태에 대한 측정을 판단하기 위해 가속도계 데이터를 처리하는 단계를 포함하고,
상기 운동상태는 서동, 운동장애 및 운동과잉 중 적어도 하나의 상태에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 1 항에 있어서,
대상 대역에 대한 데이터를 추출하기 위해 대역통과 필터링 가속도계 데이터를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 2 항에 있어서,
대상 대역은 DC를 제거하기 위해 선택된 하한 컷오프 주파수와 일반적으로 정상인의 운동으로는 발생할 수 없는 더 높은 주파수 성분을 제거하기 위해 선택된 상한 컷오프 주파수를 갖는 사람의 운동상태를 판단하는 자동화 방법. - 제 3 항에 있어서,
운동상태는 서동이고, 하한 컷오프 주파수는 0.05Hz에서 1Hz 범위 내에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 4 항에 있어서,
하한 컷오프 주파수는 0.2Hz인 사람의 운동상태를 판단하는 자동화 방법. - 제 4 항 또는 제 5 항에 있어서,
상한 컷오프 주파수는 3Hz에서 15Hz 범위 내에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 6 항에 있어서,
상한 컷오프 주파수는 4Hz인 사람의 운동상태를 판단하는 자동화 방법. - 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
운동상태는 서동이고,
가속도 데이터의 시계열로부터 가속도 데이터의 하나 이상의 빈(bin)들을 추출하는 단계를 더 포함하며,
각 빈은 서동의 비교적 정규적 측정들이 판단될 수 있을 정도로 충분히 작은 한편, 빈 동안 사람에 의한 의미 있는 움직임의 합당한 가능성을 제공할 정도로 충분히 길게 선택된 시간 기간인 사람의 운동상태를 판단하는 자동화 방법. - 제 8 항에 있어서,
빈 기간은 2초에서 60분 범위 내에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 9 항에 있어서,
빈 기간은 15초에서 4분 범위 내에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 10 항에 있어서,
빈 기간은 30초에서 2분 범위 내에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 1 항 내지 제 11 항 중 어느 한 항에 있어서,
운동상태는 서동이고,
최대값을 발견하기 위해 정상인의 운동의 기간의 비율인 윈도우 길이를 갖는 움직임 평균을 이용해 가속도계 데이터를 검색하는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 12 항에 있어서,
움직임 평균의 윈도우 길이는 0.02초 내지 30초 범위 내에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 1 항 내지 제 13 항 중 어느 한 항에 있어서,
운동상태는 서동이고,
피크 가속도(PKi) 전후 모두에서 복수의 데이터 점들을 구비하는 서브-빈을 얻는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 14 항에 있어서,
복수의 데이터 점들은 2의 제곱이고, 서브-빈은 피크 가속도에 대해 대칭으로 위치되어 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 15 항에 있어서,
데이터 점들은 한 명의 정상인의 운동 기간과 실제로 같은 시간 주기에 걸쳐 얻어질 수 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 16 항에 있어서,
서브-대역 스펙트럼 측정을 얻기 위해 서브-빈의 스펙트럼 분석을 수행하는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 17 항에 있어서,
서브-대역 스펙트럼 측정은 0.1Hz에서 2Hz 범위 내에 있는 폭인 사람의 운동상태를 판단하는 자동화 방법. - 제 18 항에 있어서,
서브-대역 스펙트럼 측정은 0.6Hz에서 1Hz 범위 내에 있는 폭인 사람의 운동상태를 판단하는 자동화 방법. - 제 17 항 내지 제 19 항 중 어느 한 항에 있어서,
운동상태는 서동이고,
가중치 평균 스펙트럼 파워(MSPi)를 발생하기 위해 서브-대역 스펙트럼 측정의 적어도 서브셋트에 대해 가중화를 적용하는 단계를 더 포함하고, 서동의 더 큰 표시는 최대값(MSPi)이 작고 더 낮은 주파수 서브-대역에 있을 때 주어지며, 서동의 더 낮은 표시는 최대값(MSPi)이 크고 더 높은 주파수 서브-대역에 있을 때 주어지는 사람의 운동상태를 판단하는 자동화 방법. - 제 20 항에 있어서,
운동상태는 서동이고,
복수의 n개 연속 빈들을 선택하는 단계와,
피크 가속도(PKi)와 각각 선택된 빈의 MSPi를 결정하는 단계와,
n개 빈들에 걸쳐 PKi(PKi , max)의 가장 큰 값과 MSPi(MSPi , max)의 가장 큰 값을 선택하는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 21 항에 있어서,
하기의 식:
BK = PKi , max × MSPi , max
에 따라 서동 점수(BK)를 계산하는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 21 항에 있어서,
하기의 식:
BK = A × logc(PKi , max × MSPi , max) - B
에 따라 서동 점수(BK)를 계산하는 단계를 더 포함하고,
여기서, A, c, 및 B는 선택가능한 튜닝 상수인 사람의 운동상태를 판단하는 자동화 방법. - 제 22 항 또는 제 23 항에 있어서,
시간 주기에 걸쳐 서동 점수(BK)를 반복적으로 계산하는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 24 항에 있어서,
운동 상태의 누적 표시를 제공하기 위해 판단된 개별적 측정들의 합을 포함하는 누적 서동 점수를 계산하는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 3 항에 있어서,
운동상태는 운동장애이고,
하단 컷오프 주파수는 0.05Hz에서 2Hz 범위에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 26 항에 있어서,
하단 컷오프 주파수는 1Hz인 사람의 운동상태를 판단하는 자동화 방법. - 제 26 항 또는 제 27 항에 있어서,
상단 컷오프 주파수는 3Hz에서 15Hz 범위 내에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 28 항에 있어서,
상단 컷오프 주파수는 4Hz인 사람의 운동상태를 판단하는 자동화 방법. - 제 26 항 내지 제 29 항 중 어느 한 항에 있어서,
운동상태는 운동장애이고,
가속도 데이터의 시계열로부터 가속도 데이터의 하나 이상의 빈들을 추출하는 단계를 더 포함하며,
각 빈은 운동장애의 비교적 정규적 측정들이 판단될 수 있을 정도로 충분히 작은 한편, 빈 동안 사람에 의한 의미 있는 움직임의 합당한 가능성을 제공할 정도로 충분히 길게 선택된 시간 기간인 사람의 운동상태를 판단하는 자동화 방법. - 제 30 항에 있어서,
빈 기간은 2초에서 60분 범위에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 31 항에 있어서,
빈 기간은 10초에서 10분 범위 내에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 32 항에 있어서,
빈 기간은 30초에서 4분 범위 내에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 26 항 내지 제 33 항 중 어느 한 항에 있어서,
운동상태에 대한 판단된 측정은 운동장애이고,
가속도계 데이터를 임계치과 비교하는 단계와,
가속도계 데이터가 임계치 이하로 남아있는 동안 시간 비율을 판단하는 단계를 더 포함하고,
판단된 시간 비율은 운동감소 시간(TRM)을 나타내는 사람의 운동상태를 판단하는 자동화 방법. - 제 34 항에 있어서,
임계치는 가속도계 데이터(Acc)의 평균값인 사람의 운동상태를 판단하는 자동화 방법. - 제 34 항 또는 제 35 항에 있어서,
가속도계 데이터와 임계치를 비교하는 단계는 잡음 영향을 줄이기 위해 가속도계 데이터의 움직임 평균과 임계치를 비교하는 단계를 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 36 항에 있어서,
움직임 평균의 윈도우 길이는 0.5초에서 4초의 범위에 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 37 항에 있어서,
움직임 평균의 윈도우 길이는 실질적으로 1초인 사람의 운동상태를 판단하는 자동화 방법. - 제 26 항 내지 제 38 항 중 어느 한 항에 있어서,
운동상태는 운동장애이고,
가속도계 데이터와 임계치를 비교하는 단계와,
임계치 아래에 있는 가속도계 데이터의 파워 측정을 판단하는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 39 항에 있어서,
임계치 이하인 데이터의 파워 측정은 임계치 아래의 가속도계 데이터에 대한 고속 푸리에 변환(Fast Fourier Transform)을 수행함으로써 얻은 평균 스펙트럼 파워(SPRM)를 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 40 항에 있어서,
운동상태는 운동장애이고,
가속도계 데이터의 주파수 성분의 분산(VAR)을 계산하는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 41 항에 있어서,
운동장애의 측정을 판단하기 위해 운동장애 점수(DK)를 계산하는 단계를 더 포함하고, DK는 하기의 식:
DK = A × logc(VAR × SPRM/TRM), 및
DK = A × logc(VAR/TRM)
중 하나에 따라 계산되며,
여기서, A 및 c는 선택가능한 튜닝 상수이고, TRM은 운동감소 시간인 사람의 운동상태를 판단하는 자동화 방법. - 제 41 항에 있어서,
운동장애의 측정을 결정하기 위해 운동장애 점수(DK)를 계산하는 단계를 더 포함하고, DK는 하기의 식:
DK = A × logc(SPRM/TRM);
DK = A × logc(Acc × SPRM/TRM); 및
DK = A × logc(SPRM . RMS/TRM)
중 적어도 하나에 따라 계산되며,
여기서, A, c 및 Acc는 선택가능한 튜닝 상수이고, TRM은 운동감소 시간이고, SPRM . RMS은 SPRM의 제곱평균 제곱근으로부터 구할 수 있는 사람의 운동상태를 판단하는 자동화 방법. - 제 42 항 또는 제 43 항에 있어서,
기설정된 시간 주기에 걸쳐 운동장애 점수(DK)를 반복적으로 계산하는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 제 44 항에 있어서,
운동상태의 누적 지표를 제공하기 위해 판단된 개별적 측정의 합을 포함하는 누적 운동장애 점수를 계산하는 단계를 더 포함하는 사람의 운동상태를 판단하는 자동화 방법. - 사람의 사지에 착용된 가속도계로부터 얻은 가속도계 데이터를 처리하고 상기 가속도계 데이터로부터 서동, 운동장애, 및 운동과잉 중 적어도 하나의 운동상태에 대한 측정을 판단하는 프로세서를 구비하는 사람의 운동상태 판단 장치.
- 제 46 항에 있어서,
가속도계를 더 구비하는 사람의 운동상태 판단 장치. - 제 47 항에 있어서,
가속도계는 각 축의 민감도에 대해 3축을 따른 가속도에 비례하는 출력을 제공하는 3축 가속도계인 사람의 운동상태 판단 장치. - 제 47 항에 있어서,
각 출력은 시간에 걸친 가속도를 나타내는 데이터를 얻도록 샘플로 되는 사람의 운동상태 판단 장치. - 제 46 항 내지 제 49 항 중 어느 한 항에 있어서,
장치는 사람으로부터 멀리 떨어져 있고 통신 네트워크를 통해 가속도계로부터 데이터를 얻도록 구성된 중앙 컴퓨팅 장치를 구비하는 사람의 운동상태 판단 장치. - 제 50 항에 있어서,
중앙 컴퓨팅 장치는 사람과 관련된 의사 또는 임상의사 등에 운동상태의 판단된 측정을 전달하도록 구성될 수 있는 사람의 운동상태 판단 장치. - 제 46 항 내지 제 51 항 중 어느 한 항에 있어서,
사람에 대한 운동상태의 판단된 측정을 디스플레이하도록 디스플레이 수단을 더 구비하는 사람의 운동상태 판단 장치. - 컴퓨터가 사람의 운동상태를 판단하기 위한 절차를 수행하게 하는 컴퓨터 프로그램 수단을 구비하는 컴퓨터 프로그램 제품으로서,
사람의 사지에 착용된 가속도계로부터 데이터를 얻기 위한 컴퓨터 프로그램 코드 수단과,
서동, 운동장애, 및 운동과잉 중 적어도 하나의 운동상태에 대한 측정을 판단하기 위해 데이터를 처리하기 위한 컴퓨터 프로그램 코드 수단을 구비하는 컴퓨터 프로그램 제품.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2008902982 | 2008-06-12 | ||
AU2008902982A AU2008902982A0 (en) | 2008-06-12 | Detection of various Parkinsonian Clinical States | |
AU2009902616A AU2009902616A0 (en) | 2009-06-09 | Detection of hypokinetic and/or hyperkinetic states | |
AU2009902616 | 2009-06-09 | ||
PCT/AU2009/000751 WO2009149520A1 (en) | 2008-06-12 | 2009-06-12 | Detection of hypokinetic and/or hyperkinetic states |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020157034107A Division KR101742668B1 (ko) | 2008-06-12 | 2009-06-12 | 운동부족 및/또는 운동과잉 상태의 검출 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20110053328A true KR20110053328A (ko) | 2011-05-20 |
KR101813991B1 KR101813991B1 (ko) | 2018-01-02 |
Family
ID=41416294
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020157034107A KR101742668B1 (ko) | 2008-06-12 | 2009-06-12 | 운동부족 및/또는 운동과잉 상태의 검출 |
KR1020117000815A KR101813991B1 (ko) | 2008-06-12 | 2009-06-12 | 운동부족 및/또는 운동과잉 상태의 검출 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020157034107A KR101742668B1 (ko) | 2008-06-12 | 2009-06-12 | 운동부족 및/또는 운동과잉 상태의 검출 |
Country Status (12)
Country | Link |
---|---|
US (2) | US9826921B2 (ko) |
EP (2) | EP2674104B1 (ko) |
JP (2) | JP5776120B2 (ko) |
KR (2) | KR101742668B1 (ko) |
CN (2) | CN102056541B (ko) |
AU (1) | AU2009257201B2 (ko) |
BR (1) | BRPI0915525A2 (ko) |
CA (1) | CA2727555C (ko) |
DK (2) | DK2306899T3 (ko) |
ES (2) | ES2515990T3 (ko) |
IL (2) | IL209942A (ko) |
WO (1) | WO2009149520A1 (ko) |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8702629B2 (en) * | 2005-03-17 | 2014-04-22 | Great Lakes Neuro Technologies Inc. | Movement disorder recovery system and method for continuous monitoring |
US9149222B1 (en) * | 2008-08-29 | 2015-10-06 | Engineering Acoustics, Inc | Enhanced system and method for assessment of disequilibrium, balance and motion disorders |
CN102056541B (zh) | 2008-06-12 | 2014-09-24 | 阿密格德勒有限公司 | 运动机能减退和/或运动机能亢进状态的检测 |
US9872637B2 (en) | 2010-04-21 | 2018-01-23 | The Rehabilitation Institute Of Chicago | Medical evaluation system and method using sensors in mobile devices |
GB201212544D0 (en) * | 2012-07-13 | 2012-08-29 | Univ York | Device to determine extent of dyskinesia |
JP2015530890A (ja) * | 2012-07-27 | 2015-10-29 | アデレード リサーチ アンド イノベーション ピーティーワイ リミテッド | 動きを決定するためのシステム、方法、ソフトウエアアプリケーションおよびデータ信号 |
CN108355242B (zh) | 2013-01-21 | 2022-04-15 | 卡拉健康公司 | 用于控制震颤的设备和方法 |
US9855110B2 (en) * | 2013-02-05 | 2018-01-02 | Q-Core Medical Ltd. | Methods, apparatus and systems for operating a medical device including an accelerometer |
AU2014223313B2 (en) | 2013-03-01 | 2018-07-19 | Global Kinetics Pty Ltd | System and method for assessing impulse control disorder |
US9924899B2 (en) * | 2013-09-09 | 2018-03-27 | Alexis Pracar | Intelligent progression monitoring, tracking, and management of parkinson's disease |
US20160303110A1 (en) * | 2013-11-22 | 2016-10-20 | Auspex Pharmaceuticals, Inc. | Methods of treating abnormal muscular activity |
US10736577B2 (en) | 2014-03-03 | 2020-08-11 | Global Kinetics Pty Ltd | Method and system for assessing motion symptoms |
CN103984857A (zh) * | 2014-05-08 | 2014-08-13 | 林继先 | 一种帕金森病情监控***和方法 |
BR112016025203B1 (pt) | 2014-06-02 | 2022-09-06 | Cala Health, Inc | Sistema transcutâneo para tratar um paciente que sofre de tremor |
JP6367982B2 (ja) * | 2014-06-27 | 2018-08-01 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 増悪及び/又は入院の危険性を評価するための装置、システム、方法、及びコンピュータプログラム |
CN104127187B (zh) * | 2014-08-05 | 2017-04-05 | 戴厚德 | 用于帕金森病人主要症状定量检测的可穿戴*** |
US20160106344A1 (en) * | 2014-10-14 | 2016-04-21 | Milad Nazari | Methods and systems for detecting movement disorder |
US11045101B2 (en) * | 2014-12-23 | 2021-06-29 | Nitto Denko Corporation | Device and method for removal of artifacts in physiological measurements |
US10271770B2 (en) | 2015-02-20 | 2019-04-30 | Verily Life Sciences Llc | Measurement and collection of human tremors through a handheld tool |
US10524728B2 (en) * | 2015-05-29 | 2020-01-07 | Nike, Inc. | Activity monitoring device with assessment of exercise intensity |
EP3307376B1 (en) | 2015-06-10 | 2024-01-10 | Cala Health, Inc. | Systems for peripheral nerve stimulation to treat tremor with detachable therapy and monitoring units |
CN105030203B (zh) * | 2015-08-06 | 2019-03-29 | 深圳市理邦精密仪器股份有限公司 | 一种监护数据显示方法及监护设备 |
US20170049376A1 (en) * | 2015-08-18 | 2017-02-23 | Qualcomm Incorporated | Methods and apparatuses for detecting motion disorder symptoms based on sensor data |
CN108348746B (zh) | 2015-09-23 | 2021-10-12 | 卡拉健康公司 | 用于手指或手中的周围神经刺激以治疗手震颤的***和方法 |
CN105310695B (zh) * | 2015-11-03 | 2019-09-06 | 苏州景昱医疗器械有限公司 | 异动症评估设备 |
CN108697379A (zh) * | 2016-01-07 | 2018-10-23 | 全球动力股份有限公司 | 用于评估睡眠状态的***和方法 |
CN108778411B (zh) | 2016-01-21 | 2022-06-03 | 卡拉健康公司 | 用来治疗与膀胱过动症相关的疾病的用于外周神经调制的***、方法和装置 |
US20200305789A1 (en) * | 2016-06-06 | 2020-10-01 | Global Kinetics Pty Ltd | System and method for assessing advanced kinetic symptoms |
AU2017293799B2 (en) | 2016-07-08 | 2022-10-20 | Cala Health, Inc. | Systems and methods for stimulating n nerves with exactly n electrodes and improved dry electrodes |
IT201700035240A1 (it) * | 2017-03-30 | 2018-09-30 | Luigi Battista | Un dispositivo e relativo metodo per valutare i sintomi extra-piramidali, in particolare i sintomi motori della malattia di parkinson |
US11331480B2 (en) | 2017-04-03 | 2022-05-17 | Cala Health, Inc. | Systems, methods and devices for peripheral neuromodulation for treating diseases related to overactive bladder |
JP2019021087A (ja) * | 2017-07-19 | 2019-02-07 | オムロン株式会社 | 制御装置、制御装置の制御方法、情報処理プログラム、および記録媒体 |
CA3087592A1 (en) * | 2018-01-05 | 2019-07-11 | Interaxon Inc. | Wearable computing apparatus with movement sensors and methods therefor |
WO2019143790A1 (en) | 2018-01-17 | 2019-07-25 | Cala Health, Inc. | Systems and methods for treating inflammatory bowel disease through peripheral nerve stimulation |
KR102087066B1 (ko) * | 2018-02-28 | 2020-03-10 | 한림대학교 산학협력단 | 파킨슨병의 보행동결 증상 특징 추출을 위한 걸음걸이 테스트 데이터 정량화 시스템 및 방법 |
WO2019218010A1 (en) * | 2018-05-17 | 2019-11-21 | Global Kinetics Pty Ltd | System for determining progression of parkinson's disease |
GB2577135B (en) | 2018-11-02 | 2020-12-02 | Head Instr Oy | Apparatus for and method of monitoring movement |
EP3891756A1 (en) * | 2018-12-14 | 2021-10-13 | PD Neurotechnology Ltd | Monitor system of multiple parkinson's disease symptoms and their intensity |
CN109480858B (zh) * | 2018-12-29 | 2022-02-22 | 中国科学院合肥物质科学研究院 | 一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能***及方法 |
EP3757957A1 (en) * | 2019-06-25 | 2020-12-30 | Koninklijke Philips N.V. | Evaluating movement of a subject |
EP3757958A1 (en) * | 2019-06-25 | 2020-12-30 | Koninklijke Philips N.V. | Evaluating movement of a subject |
US11890468B1 (en) | 2019-10-03 | 2024-02-06 | Cala Health, Inc. | Neurostimulation systems with event pattern detection and classification |
WO2021097533A1 (en) * | 2019-11-20 | 2021-05-27 | Global Kinetics Pty Ltd | Instrumented systems and methods for evaluating movement capacity of a person |
CN111150404B (zh) * | 2020-01-16 | 2022-08-02 | 桂林医学院附属医院 | 一种帕金森病情的步态监测装置 |
CN112435730A (zh) * | 2020-11-20 | 2021-03-02 | 北京荟健科技有限公司 | 用户运动障碍的识别方法、装置、计算机设备及存储介质 |
US20220361804A1 (en) * | 2021-05-11 | 2022-11-17 | Tremor Testing and Data Analytics, Inc. | Involuntary human motion analysis and display |
TW202402230A (zh) | 2022-03-29 | 2024-01-16 | 芬蘭商奧利安公司 | 用於確定個體的身體狀態之方法、資料處理設備及系統 |
Family Cites Families (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1112301A (en) * | 1979-03-27 | 1981-11-10 | Duane H. Zilm | Tremor measurement device |
WO1985000098A1 (en) | 1983-06-29 | 1985-01-17 | Clinical Diagnostics, Inc. | Testing device for hyperactivity in children |
US4836218A (en) * | 1984-04-09 | 1989-06-06 | Arthrotek, Inc. | Method and apparatus for the acoustic detection and analysis of joint disorders |
US4771792A (en) * | 1985-02-19 | 1988-09-20 | Seale Joseph B | Non-invasive determination of mechanical characteristics in the body |
US4817628A (en) * | 1985-10-18 | 1989-04-04 | David L. Zealear | System and method for evaluating neurological function controlling muscular movements |
US5293879A (en) * | 1991-09-23 | 1994-03-15 | Vitatron Medical, B.V. | System an method for detecting tremors such as those which result from parkinson's disease |
US5913310A (en) | 1994-05-23 | 1999-06-22 | Health Hero Network, Inc. | Method for diagnosis and treatment of psychological and emotional disorders using a microprocessor-based video game |
US5671752A (en) * | 1995-03-31 | 1997-09-30 | Universite De Montreal/The Royal Insitution For The Advancement Of Learning (Mcgill University) | Diaphragm electromyography analysis method and system |
WO1997039677A1 (en) | 1996-04-25 | 1997-10-30 | The Board Of Trustees Of The Leland Stanford Junior University | Portable motor symptoms assessment device |
KR20000076025A (ko) * | 1997-03-07 | 2000-12-26 | 인포메딕스 인코포레이티드 | 환자 건강 상태 및 의료적 치료 요법의 실시간 감시 및 관리를 위한 방법, 장치 및 운영 체제 |
CN1292900A (zh) | 1998-04-07 | 2001-04-25 | 巴托洛梅乌斯·弗朗西斯库斯·威廉默斯·黑森博斯 | 逐渐戒瘾装置 |
US6053866A (en) | 1998-10-29 | 2000-04-25 | Mcleod; Malcolm N. | Method for facilitating diagnosis of a psychiatric disorder |
US6582380B2 (en) * | 2000-01-24 | 2003-06-24 | Ambulatory Monitoring, Inc. | System and method of monitoring and modifying human activity-based behavior |
US7942828B2 (en) | 2000-05-17 | 2011-05-17 | The Mclean Hospital Corporation | Method for determining fluctuation in attentional state and overall attentional state |
EP1163878A1 (en) | 2000-06-15 | 2001-12-19 | The Procter & Gamble Company | Device for body activity detection and processing |
US6561992B1 (en) * | 2000-09-05 | 2003-05-13 | Advanced Research And Technology Institute, Inc. | Method and apparatus utilizing computational intelligence to diagnose neurological disorders |
WO2002043731A2 (en) | 2000-11-30 | 2002-06-06 | University Of Florida | Treatments for neurogenetic disorders, impulse control disorders, and wound healing |
US20020156392A1 (en) * | 2001-03-06 | 2002-10-24 | Mitsubishi Chemical Corporation | Method and apparatus for inspecting biological rhythms |
AU2002358524A1 (en) | 2001-12-21 | 2003-07-09 | Janssen Pharmaceutica N.V. | Stereotypy test apparatus and methods |
EP1469855A2 (en) | 2002-01-28 | 2004-10-27 | Kyowa Hakko Kogyo Co., Ltd. | Methods of treating patients suffering from movement disorders |
AU2002368068A1 (en) | 2002-07-17 | 2004-02-02 | Yoram Baram | Closed-loop augmented reality apparatus |
US20060020178A1 (en) | 2002-08-07 | 2006-01-26 | Apneos Corp. | System and method for assessing sleep quality |
JP2004136074A (ja) | 2002-08-19 | 2004-05-13 | Kenseisha:Kk | パーキンソン病の判定装置及び本態性振戦の判定装置 |
WO2004026138A1 (ja) * | 2002-09-19 | 2004-04-01 | Matsushita Electric Industrial Co., Ltd. | 身体運動評価装置、及び身体運動評価システム |
US6878121B2 (en) * | 2002-11-01 | 2005-04-12 | David T. Krausman | Sleep scoring apparatus and method |
JP4350394B2 (ja) | 2003-03-04 | 2009-10-21 | マイクロストーン株式会社 | 変形性膝関節症の判定装置 |
AU2003901388A0 (en) | 2003-03-26 | 2003-04-10 | Neopraxis Pty Ltd | Motion monitoring system and apparatus |
US7507207B2 (en) * | 2003-10-07 | 2009-03-24 | Denso Corporation | Portable biological information monitor apparatus and information management apparatus |
JP4292247B2 (ja) | 2003-11-20 | 2009-07-08 | 堅造 赤澤 | 動作解析装置およびその利用 |
US20050234309A1 (en) * | 2004-01-07 | 2005-10-20 | David Klapper | Method and apparatus for classification of movement states in Parkinson's disease |
US7981058B2 (en) * | 2004-03-12 | 2011-07-19 | The Trustees Of Dartmouth College | Intelligent wearable monitor systems and methods |
US8135473B2 (en) * | 2004-04-14 | 2012-03-13 | Medtronic, Inc. | Collecting posture and activity information to evaluate therapy |
EP1595497A1 (en) | 2004-05-05 | 2005-11-16 | Drakeley Consulting Llc | Terminal device and wireless data transmission network |
EP1627600A1 (en) * | 2004-06-09 | 2006-02-22 | Université Libre De Bruxelles | Portable medical device for automatic electrical coherence analysis inside a patient |
US20050283096A1 (en) | 2004-06-17 | 2005-12-22 | Bloorview Macmillan Children's Centre, A Corp. Registered Under The Ontario Corporations Act | Apparatus and method for detecting swallowing activity |
WO2006088415A1 (en) | 2005-02-18 | 2006-08-24 | Jemardator Ab | Movement disorder monitoring |
CN101124534A (zh) * | 2005-02-24 | 2008-02-13 | 诺基亚公司 | 用于计算终端的运动输入设备及其操作方法 |
US8702629B2 (en) | 2005-03-17 | 2014-04-22 | Great Lakes Neuro Technologies Inc. | Movement disorder recovery system and method for continuous monitoring |
US8187209B1 (en) * | 2005-03-17 | 2012-05-29 | Great Lakes Neurotechnologies Inc | Movement disorder monitoring system and method |
EP1709903A1 (en) | 2005-04-04 | 2006-10-11 | Universite Libre De Bruxelles | Portable wireless electronic system for the diagnosis, the monitoring and/or the therapy of dyskinesia |
JP4630115B2 (ja) | 2005-04-19 | 2011-02-09 | 株式会社日立製作所 | 運動解析表示装置 |
EP1877981A4 (en) * | 2005-05-02 | 2009-12-16 | Univ Virginia | SYSTEMS, DEVICES AND METHODS FOR INTERPRETATION OF MOVEMENTS |
US20060287614A1 (en) * | 2005-06-16 | 2006-12-21 | Cornell Research Foundation, Inc. | Testing therapy efficacy with extremity and/or joint attachments |
CN100508886C (zh) * | 2005-07-26 | 2009-07-08 | 株式会社日立制作所 | 运动机能检查装置 |
JP4877909B2 (ja) | 2005-09-15 | 2012-02-15 | シャープ株式会社 | 運動測定装置 |
JP4904861B2 (ja) | 2006-03-14 | 2012-03-28 | ソニー株式会社 | 体動検出装置、体動検出方法および体動検出プログラム |
EP2036364A4 (en) * | 2006-05-17 | 2013-02-06 | 24Eight Llc | METHOD AND APPARATUS FOR MOBILITY ANALYSIS USING REAL-TIME ACCELERATION DATA |
WO2008030405A2 (en) * | 2006-09-06 | 2008-03-13 | Individual Monitoring Systems, Inc | Fully ambulatory, self-contained gait monitor |
EP2081492A2 (en) * | 2006-09-26 | 2009-07-29 | Morpheus Medical | Methods for a movement and vibration analyzer (mva) |
US8075499B2 (en) * | 2007-05-18 | 2011-12-13 | Vaidhi Nathan | Abnormal motion detector and monitor |
CN101668482A (zh) * | 2007-03-30 | 2010-03-10 | 松下电工株式会社 | 活动测量*** |
GB0708457D0 (en) * | 2007-05-01 | 2007-06-06 | Unilever Plc | Monitor device and use thereof |
CN102056541B (zh) | 2008-06-12 | 2014-09-24 | 阿密格德勒有限公司 | 运动机能减退和/或运动机能亢进状态的检测 |
US9301712B2 (en) | 2008-07-29 | 2016-04-05 | Portland State University | Method and apparatus for continuous measurement of motor symptoms in parkinson's disease and essential tremor with wearable sensors |
US10085689B1 (en) | 2010-06-18 | 2018-10-02 | Great Lakes NeuroTechnolgies Inc. | Device and method for monitoring and assessment of movement disorder symptoms |
WO2012129636A1 (en) | 2011-03-31 | 2012-10-04 | Murray Robert David | Problem gambling online and mobile self-directed tools |
US20130297536A1 (en) | 2012-05-01 | 2013-11-07 | Bernie Almosni | Mental health digital behavior monitoring support system and method |
US9211417B2 (en) | 2012-09-10 | 2015-12-15 | Great Lakes Neurotechnologies Inc | Movement disorder therapy system, devices and methods, and intelligent methods of tuning |
AU2014223313B2 (en) | 2013-03-01 | 2018-07-19 | Global Kinetics Pty Ltd | System and method for assessing impulse control disorder |
US20140364770A1 (en) | 2013-06-06 | 2014-12-11 | Motorola Mobility Llc | Accelerometer-based sleep analysis |
US9924899B2 (en) | 2013-09-09 | 2018-03-27 | Alexis Pracar | Intelligent progression monitoring, tracking, and management of parkinson's disease |
US9445769B2 (en) | 2013-12-06 | 2016-09-20 | President And Fellows Of Harvard College | Method and apparatus for detecting disease regression through network-based gait analysis |
CA2938629A1 (en) | 2014-02-04 | 2015-08-13 | The Medical Research, Infrastructure and Health Services Fund of the Tel Aviv Medical Center | Methods and systems for providing diagnosis or prognosis of parkinson's disease using body-fixed sensors |
US10736577B2 (en) | 2014-03-03 | 2020-08-11 | Global Kinetics Pty Ltd | Method and system for assessing motion symptoms |
-
2009
- 2009-06-12 CN CN200980121933.3A patent/CN102056541B/zh not_active Expired - Fee Related
- 2009-06-12 EP EP13184435.9A patent/EP2674104B1/en active Active
- 2009-06-12 WO PCT/AU2009/000751 patent/WO2009149520A1/en active Application Filing
- 2009-06-12 DK DK09761185.9T patent/DK2306899T3/da active
- 2009-06-12 EP EP09761185.9A patent/EP2306899B1/en active Active
- 2009-06-12 BR BRPI0915525A patent/BRPI0915525A2/pt not_active Application Discontinuation
- 2009-06-12 JP JP2011512788A patent/JP5776120B2/ja not_active Expired - Fee Related
- 2009-06-12 DK DK13184435.9T patent/DK2674104T3/en active
- 2009-06-12 AU AU2009257201A patent/AU2009257201B2/en active Active
- 2009-06-12 ES ES09761185.9T patent/ES2515990T3/es active Active
- 2009-06-12 CA CA2727555A patent/CA2727555C/en active Active
- 2009-06-12 CN CN201410448685.6A patent/CN104224186B/zh not_active Expired - Fee Related
- 2009-06-12 US US12/997,540 patent/US9826921B2/en active Active
- 2009-06-12 ES ES13184435.9T patent/ES2538130T3/es active Active
- 2009-06-12 KR KR1020157034107A patent/KR101742668B1/ko active IP Right Grant
- 2009-06-12 KR KR1020117000815A patent/KR101813991B1/ko active IP Right Grant
-
2010
- 2010-12-12 IL IL209942A patent/IL209942A/en active IP Right Grant
-
2014
- 2014-04-22 JP JP2014088433A patent/JP5810404B2/ja not_active Expired - Fee Related
- 2014-07-23 IL IL233769A patent/IL233769A/en active IP Right Grant
-
2017
- 2017-10-30 US US15/797,179 patent/US11596327B2/en active Active
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20110053328A (ko) | 운동부족 및/또는 운동과잉 상태의 검출 | |
US9026202B2 (en) | Cardiac performance monitoring system for use with mobile communications devices | |
McCarthy et al. | An investigation of pulse transit time as a non-invasive blood pressure measurement method | |
Pulliam et al. | Motion sensor dyskinesia assessment during activities of daily living | |
Askari et al. | An EMG-based system for continuous monitoring of clinical efficacy of Parkinson's disease treatments | |
Regalia et al. | Sleep assessment by means of a wrist actigraphy-based algorithm: agreement with polysomnography in an ambulatory study on older adults | |
Rugg-Gunn | The role of devices in managing risk | |
Cooke et al. | The impact of accelerometer wear location on the relationship between step counts and arterial stiffness in adults treated for hypertension and diabetes | |
Rigas et al. | Real-time quantification of resting tremor in the Parkinson's disease | |
CN113080897B (zh) | 一种基于生理和环境数据分析的入睡时刻评估***及方法 | |
AU2014277815B2 (en) | Detection of Hypokinetic and/or Hyperkinetic States | |
EP4098185A1 (en) | System, method, portable device, computer apparatus and computer program for monitoring, characterisation and assessment of a user's cough | |
Dargie | Motion Artefacts Modelling in the Application of a Wireless Electrocardiogram | |
Guillodo et al. | Sleep monitoring and wearables: A systematic review of clinical trials and future applications | |
Hochman et al. | Design and Evaluation of a Wrist Wearable Joint Acoustic Emission Monitoring System | |
Okada et al. | Wearable ECG recorder with acceleration sensors for measuring daily stress | |
Daniels et al. | Impaired performance of rapid grip in people with Parkinson's disease and motor segmentation | |
Laredo | Signal processing and biomedical analysis of data collected from wearable devices in order to evaluate individualized circadian rhythm and reliably extract cardiac vital signs from ambulatory electrocardiograms | |
TW202410067A (zh) | 疾病風險評估方法 | |
Wu et al. | Usability of Wearable Devices With a Novel Cardiac Force Index for Estimating the Dynamic Cardiac Function: Observational Study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
N231 | Notification of change of applicant | ||
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E90F | Notification of reason for final refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |