CN114727761A - 患有运动障碍的患者的个性化保健的改善 - Google Patents

Abstract

本文公开了用于通过行动行为的被动地和/或主动地获取的传感器数据来评估帕金森病患者的行动症状并且生成行动系统评估的医疗装置系统和方法。从帕金森病患者收集的被动运动数据和/或主动行动表现数据代表EQ‑5D‑5L、PDQ‑39和/或MDS‑UPDRS健康状况测量数据，以更准确地预测帕金森病患者的生命质量、健康状况和疾病严重程度。可使用所述生成的行动系统评估来为神经科医生和其他保健专业人员提供更准确的治疗建议和疾病管理方案，而不是仅使用患者调查。

Description

患有运动障碍的患者的个性化保健的改善

相关申请的交叉引用

本申请要求2019年9月17日提交的美国临时申请号62/901,461的优先权，所述临时申请的公开内容全文以引用方式并入。

技术领域

本文描述的方面大体上涉及用于医疗诊断和分析的数字健康工具，所述数字健康工具用于供被诊断患有运动障碍(例如，帕金森病)的患者使用。本文描述的另外的方面分析被动传感器数据与健康状况测量结果之间的关联。本文描述的其他方面分析被动和/或主动传感器数据与生命质量测量结果之间的关联。本文描述的再其他方面针对患有帕金森病的患者分析被动传感器数据和/或主动传感器数据与疾病严重程度定级之间的关联。本文描述的附加方面例如使用来自可穿戴装置和/或智能电话的传感器数据来分析(被动地和/或主动地)监测的日常行动行为的可靠性和有效性。

背景技术

当制造多巴胺(协调运动的化学物)的脑细胞停止运作或死亡时，就会发生帕金森病。由于帕金森病可能导致震颤、迟缓、僵硬以及行走和平衡问题，因此它被称为“运动障碍”。该疾病可能包括附加的副作用，诸如便秘、抑郁、记忆问题和其他运动无关症状。不幸地，帕金森病是进行性的，症状随时间推移而缓慢地恶化。帕金森病在美国影响了近100万人并且在全球超600万人。

目前，没有针对帕金森病的权威测试。典型地，神经科医生(研究神经系统病症的内科医生)将基于患者的病史、对患者的体征和症状的回顾以及神经和身体检查来诊断帕金森病。神经科医生可能进行其他测试，诸如被称为多巴胺转运蛋白扫描的特异性单光子发射计算机断层扫描，以确认帕金森病的诊断。其他成像测试(诸如MRI、CT、大脑超声和PET扫描)也可用于帮助排除其他疾病。然而，症状和神经检查最终确定正确诊断。

由于帕金森病是进行性的，因此期望早期诊断和早期药物干预来减缓和控制疾病。专家通过用于测量帕金森病患者的一般健康状况和生命质量的若干健康调查制定了跟踪帕金森病的进展的附加标准。

在患有帕金森病(PD)的个体中的行动损伤的严重程度影响了他们感知到的生命质量(QoL)。需要更准确的方式来诊断和评估疾病进展，以帮助患有帕金森病(和/或其他行动疾病)的患者控制他们的症状并维持生命质量。

发明内容

以下呈现了本文描述的各种方面的简化概述。该概述不是广泛性概述，并且不旨在标识关键或重要的要素或界定权利要求书的范围。以下概述仅以简化形式呈现一些概念以作为下面提供的更详细描述的介绍性序言。

基于智能电话和智能手表的传感器以及本文公开的相关移动应用程序代表了一种用于估计PD患者的日常生活的行动损伤的可靠且有效的手段。本文的公开内容描述了用于通过行动行为的被动地和/或主动地获取的传感器数据来评估PD患者的行动症状并且生成行动系统评估的系统和方法。包括从帕金森病患者收集的被动运动数据和/或主动行动表现数据的运动数据与EQ-5D-5L、PDQ-39和/或MDS-UPDRS健康状况测量数据相关联。因此，可使用所收集的被动和/或主动行动运动数据来更准确地预测PD患者QoL、健康状况和疾病严重程度。可使用所生成的行动系统评估来为神经科医生和其他保健专业人员提供更准确的治疗建议和疾病管理方案，而不是仅使用患者调查。

为了克服在以上描述的现有技术中的限制，并且为了克服在阅读和理解本说明书后将显而易见的其他限制，本文描述的方面涉及用于评估帕金森患者的行动症状的方法，可包括从传感器获得患者运动数据。所述运动数据可包括被动运动。在一些示例中，所述方法可包括：确定所述患者运动数据是受损或未受损；以及基于所述患者运动数据来生成行动系统评估。所述行动系统评估可以是受损或未受损。在一些示例中，所述传感器可在移动电话或智能手表内。在其他示例中，所述患者运动数据可包括姿势能力、步行能力、步态跨度、病理性手震颤频率、姿势时间、转动速度和姿势跨度持续时间中的至少一者。在再其他示例中，所述行动系统评估与EQ-5D-5L健康状况测量数据高度相关。姿势能力可与EQ-5D-5L行动能力数据相关或指示EQ-5D-5L行动能力数据，姿势能力、步行能力、步态跨度和病理性手震颤频率可指示EQ-5D-5L自我照顾数据，姿势能力、步行能力和姿势时间数据可与EQ-5D-5L日常活动数据相关或指示EQ-5D-5L日常活动数据，姿势能力和/或转动速度可指示EQ-5D-5L疼痛/不舒服数据，并且姿势时间、姿势跨度持续时间和步态跨度数据可指示EQ-5D-5L焦虑/抑郁数据。在又其他示例中，所述方法还可包括基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值，其中所述运动数据包括被动运动数据。在其他示例中，所述方法还可包括：计算患者运动得分；将所述患者运动得分与所述阈值进行比较；以及确定所述行动系统评估是受损还是未受损。在其他示例中，所述方法还可包括在服务器或移动装置处显示对于未受损行动系统评估可以是不治疗的命令，或者显示对于受损行动系统评估可以是发起治疗的命令。在再其他示例中，所述方法还可包括基于所述行动系统评估来计算所述治疗，其中所述治疗可以是向所述帕金森病患者递送治疗有效量的药物。

本文公开的用于评估帕金森患者的行动症状的系统可包括：显示器；传感器；处理器；以及存储器，所述存储器可与所述处理器进行通信，所述存储器存储指令，所述指令在由所述处理器执行时可致使所述系统：从所述传感器获得患者运动数据，所述患者运动数据包括被动运动数据；确定所述患者运动数据可以是受损或未受损；以及基于所述患者运动数据来生成行动系统评估，所述行动系统评估可以是受损或未受损。在一些示例中，所述系统可包括移动电话或智能手表。在其他示例中，所述患者被动运动数据可包括姿势能力、步行能力、步态跨度、病理性手震颤频率、姿势时间、转动速度和姿势跨度持续时间中的至少一者。在某些示例中，所述行动系统评估可与EQ-5D-5L健康状况测量数据高度相关，并且姿势能力可指示EQ-5D-5L行动能力数据，姿势能力、步行能力、步态跨度和病理性手震颤频率可指示EQ-5D-5L自我照顾数据，姿势能力、步行能力和姿势时间数据可指示EQ-5D-5L日常活动数据，姿势能力和/或转动速度可指示EQ-5D-5L疼痛/不舒服数据，姿势时间、姿势跨度持续时间和步态跨度数据可指示EQ-5D-5L焦虑/抑郁数据。在又其他示例中，所述指令在由所述处理器读取时还可致使所述系统：基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值，其中所述运动数据可以是被动运动数据。在其他示例中，所述系统可包括：计算患者运动得分；将所述患者运动得分与所述阈值进行比较；以及确定所述行动系统评估是受损还是未受损。在再其他示例中，所述指令在由所述处理器读取时可致使所述系统进一步：在服务器或其他移动装置处显示命令，其中对于未受损行动系统评估，所述命令可以是不治疗，或者显示对于受损行动系统评估发起治疗的命令，并且可基于所述行动系统评估来计算所述治疗，其中所述治疗可以是向所述帕金森病患者递送治疗有效量的药物。

在本文公开的另一个实施方案中，一种存储指令的非暂时性机器可读介质可在由一个或多个处理器执行时致使所述一个或多个处理器执行以下步骤，包括：从传感器获得患者运动数据，所述患者运动数据包括被动运动数据；确定所述患者运动数据是受损或未受损；以及基于所述患者运动数据来生成行动系统评估，所述行动系统评估是受损或未受损。在其他示例中，所述患者运动数据可包括姿势能力、步行能力、步态跨度、病理性手震颤频率、姿势时间、转动速度和姿势跨度持续时间中的至少一者。在又其他示例中，所述指令还可致使所述一个或多个处理器执行以下步骤，包括：基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值；计算患者运动得分；将所述患者运动得分与所述阈值进行比较；以及确定所述行动系统评估是受损还是未受损。在又其他示例中，所述指令还可致使所述一个或多个处理器执行以下步骤，包括：显示对于未受损行动系统评估是不治疗的命令，或者显示对于受损行动系统评估是发起治疗的命令。在再一个示例中，所述指令还可致使所述一个或多个处理器执行以下步骤，包括：基于所述行动系统评估来计算所述治疗，其中所述治疗是向所述帕金森病患者递送治疗有效量的药物。

本文公开的用于评估帕金森患者的行动症状的附加方法可包括从传感器(诸如移动电话或智能手表)获得患者运动数据，所述患者运动数据可包括主动表现数据；确定所述患者运动数据是受损或未受损；以及基于所述患者运动数据来生成行动系统评估，所述行动系统评估是受损或未受损。在一些示例中，所述患者主动运动数据可包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知测试(符号数字模式测试)中的至少一者。在其他示例中，所述行动系统评估可与生命质量(PDQ-39)测量结果高度相关，并且画出形状、灵巧性或手转动可指示PDQ-39日常生活活动、交流或行动能力数据，言语可指示PDQ-39交流数据，并且掉头可指示PDQ-39行动能力数据。在再其他示例中，所述方法还可包括基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值，所述患者群体运动数据包括主动表现数据。在一些示例中，所述方法还可包括：计算患者表现得分；将所述患者表现得分与所述阈值进行比较；以及确定所述行动系统评估可以是受损还是未受损。在又其他示例中，所述方法可包括显示对于未受损行动系统评估可以是不治疗的命令，或者显示对于受损行动系统评估可以是发起治疗的命令。在又一个示例中，所述方法还可包括基于所述行动系统评估来计算所述治疗，其中所述治疗可以是向所述患者递送治疗有效量的药物。

本文公开的用于评估帕金森患者的行动症状的附加系统可包括：显示器；传感器；处理器；以及存储器，所述存储器可与所述处理器进行通信，所述存储器存储指令，所述指令在由所述处理器执行时致使所述系统：从所述传感器获得患者运动数据，所述患者运动数据包括主动表现数据。在一些示例中，所述系统然后可确定所述患者运动数据可以是受损或未受损；以及基于所述患者运动数据来生成行动系统评估，所述行动系统评估可以是受损或未受损。在某些示例中，所述系统可包括移动电话或智能手表。在其他示例中，所述患者主动运动数据可包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知测试(符号数字模式测试)中的至少一者。在再其他示例中，所述行动系统评估可与生命质量(PDQ-39)测量结果高度相关，并且画出形状、灵巧性或手转动可指示PDQ-39日常生活活动、交流或行动能力数据，言语可指示PDQ-39交流数据，并且掉头可指示PDQ-39行动能力数据。在又其他示例中，所述指令在由所述处理器读取时还可致使所述系统：基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值，其中所述运动数据可包括主动表现数据。在其他示例中，所述系统可包括：计算患者表现得分；将所述患者表现得分与所述阈值进行比较；以及确定所述行动系统评估是受损还是未受损。在再其他示例中，所述指令在由所述处理器读取时可致使所述系统进一步：在服务器或其他移动装置处显示命令，其中对于未受损行动系统评估，所述命令可以是不治疗，或者显示对于受损行动系统评估发起治疗的命令，并且可基于所述行动系统评估来计算所述治疗，其中所述治疗可以是向所述帕金森病患者递送治疗有效量的药物。

在本文公开的另一个实施方案中，一种存储指令的非暂时性机器可读介质可在由一个或多个处理器执行时致使所述一个或多个处理器执行以下步骤，包括：从传感器获得患者运动数据，所述患者运动数据可包括主动表现数据；确定所述患者运动数据是受损或未受损；以及基于所述患者运动数据来生成行动系统评估，所述行动系统评估是受损或未受损。在其他示例中，所述患者运动数据可包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知测试(符号数字模式测试)中的至少一者。在又其他示例中，所述指令还可致使所述一个或多个处理器执行以下步骤，包括：基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值，所述患者群体运动数据包括主动表现数据；计算患者主动表现得分；将所述患者主动表现得分与所述阈值进行比较；以及确定所述行动系统评估是受损还是未受损。在又其他示例中，所述指令还可致使所述一个或多个处理器执行以下步骤，包括：显示对于未受损行动系统评估是不治疗的命令，或者显示对于受损行动系统评估是发起治疗的命令。在再一个示例中，所述指令还可致使所述一个或多个处理器执行以下步骤，包括：基于所述行动系统评估来计算所述治疗，其中所述治疗是向所述帕金森病患者递送治疗有效量的药物。

本文公开的用于评估帕金森患者的行动症状的其他方法可包括从传感器(诸如移动电话或智能手表)获得患者运动数据，所述患者运动数据可包括被动运动数据和/或主动表现数据；确定所述患者运动数据是受损或未受损；以及基于所述患者运动数据来生成行动系统评估，所述行动系统评估是受损或未受损。在一些示例中，所述患者主动表现数据可包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知测试(符号数字模式测试)中的至少一者，并且所述患者被动运动数据可包括步态、手臂摆动/震颤和行动能力/社交能力中的至少一者。在其他示例中，所述行动系统评估可与疾病严重程度定级(MDS-UPDRS)高度相关，并且静止性震颤可指示MDS-UPDRS静止性震颤振幅数据，姿势性震颤可指示MDS-UPDRS静止性震颤振幅数据，平衡可指示MDS-UPDRS静止性震颤一致性数据，手转动可指示MDS-UPDRS手运动数据，灵巧性可指示MDS-UPDRS手指敲击数据，画出形状可指示MDS-UPDRS手写数据，掉头可指示MDS-UPDRS身体运动徐缓数据，认知测试(符号数字模式测试)可指示MDS-UPDRS认知损伤数据，发声可指示MDS-UPDRS言语问题数据，言语可指示MDS-UPDRS唾液和流涎数据，并且步态可指示MDS-UPDRS身体运动徐缓数据。在再其他示例中，所述方法还可包括基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值，所述患者群体运动数据包括被动运动数据和/或主动表现数据。在一些示例中，所述方法还可包括：计算患者运动/表现得分；将所述患者运动/表现得分与所述阈值进行比较；以及确定所述行动系统评估可以是受损还是未受损。在又其他示例中，所述方法可包括显示对于未受损行动系统评估可以是不治疗的命令，或者显示对于受损行动系统评估可以是发起治疗的命令。在又一个示例中，所述方法还可包括基于所述行动系统评估来计算所述治疗，其中所述治疗可以是向所述患者递送治疗有效量的药物。

本文公开的用于评估帕金森患者的行动症状的其他系统可包括：显示器；传感器；处理器；以及存储器，所述存储器可与所述处理器进行通信，所述存储器存储指令，所述指令在由所述处理器执行时致使所述系统：从所述传感器获得患者运动数据，所述患者运动数据包括被动运动数据和/或主动表现数据。在一些示例中，所述系统然后可确定所述患者运动数据可以是受损或未受损；以及基于所述患者运动数据来生成行动系统评估，所述行动系统评估可以是受损或未受损。在某些示例中，所述系统可包括移动电话或智能手表。在其他示例中，所述患者主动表现数据可包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知测试(符号数字模式测试)中的至少一者，并且所述患者被动运动数据可包括步态、手臂摆动/震颤和行动能力/社交能力中的至少一者。在其他示例中，所述行动系统评估可与疾病严重程度定级(MDS-UPDRS)高度相关，并且静止性震颤可指示MDS-UPDRS静止性震颤振幅数据，姿势性震颤可指示MDS-UPDRS静止性震颤振幅数据，平衡可指示MDS-UPDRS静止性震颤一致性数据，手转动可指示MDS-UPDRS手运动数据，灵巧性可指示MDS-UPDRS手指敲击数据，画出形状可指示MDS-UPDRS手写数据，掉头可指示MDS-UPDRS身体运动徐缓数据，认知测试(符号数字模式测试)可指示MDS-UPDRS认知损伤数据，发声可指示MDS-UPDRS言语问题数据，言语可指示MDS-UPDRS唾液和流涎数据，并且步态可指示MDS-UPDRS身体运动徐缓数据。在又其他示例中，所述指令在由所述处理器读取时还可致使所述系统：基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值，其中所述运动数据可包括被动运动数据和/或主动表现数据。在其他示例中，所述系统可包括：计算患者运动/表现得分；将所述患者运动/表现得分与所述阈值进行比较；以及确定所述行动系统评估是受损还是未受损。在再其他示例中，所述指令在由所述处理器读取时可致使所述系统进一步：在服务器或其他移动装置处显示命令，其中对于未受损行动系统评估，所述命令可以是不治疗，或者显示对于受损行动系统评估发起治疗的命令，并且可基于所述行动系统评估来计算所述治疗，其中所述治疗可以是向所述帕金森病患者递送治疗有效量的药物。

在本文公开的另一个实施方案中，一种存储指令的非暂时性机器可读介质可在由一个或多个处理器执行时致使所述一个或多个处理器执行以下步骤，包括：从传感器获得患者运动数据，所述患者运动数据可包括被动运动数据和/或主动表现数据；确定所述患者运动数据是受损或未受损；以及基于所述患者运动数据来生成行动系统评估，所述行动系统评估是受损或未受损。在其他示例中，所述患者主动表现数据可包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知测试(符号数字模式测试)中的至少一者，并且所述患者被动运动数据可包括步态、手臂摆动/震颤和行动能力/社交能力中的至少一者。在其他示例中，所述行动系统评估可与疾病严重程度定级(MDS-UPDRS)高度相关，并且静止性震颤可指示MDS-UPDRS静止性震颤振幅数据，姿势性震颤可指示MDS-UPDRS静止性震颤振幅数据，平衡可指示MDS-UPDRS静止性震颤一致性数据，手转动可指示MDS-UPDRS手运动数据，灵巧性可指示MDS-UPDRS手指敲击数据，画出形状可指示MDS-UPDRS手写数据，掉头可指示MDS-UPDRS身体运动徐缓数据，认知测试(符号数字模式测试)可指示MDS-UPDRS认知损伤数据，发声可指示MDS-UPDRS言语问题数据，言语可指示MDS-UPDRS唾液和流涎数据，并且步态可指示MDS-UPDRS身体运动徐缓数据。在又其他示例中，所述指令还可致使所述一个或多个处理器执行以下步骤，包括：基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值，所述患者群体运动数据包括被动运动数据和/或主动表现数据；计算患者运动/表现得分；将所述患者运动/表现得分与所述阈值进行比较；以及确定所述行动系统评估是受损还是未受损。在又其他示例中，所述指令还可致使所述一个或多个处理器执行以下步骤，包括：显示对于未受损行动系统评估是不治疗的命令，或者显示对于受损行动系统评估是发起治疗的命令。在再一个示例中，所述指令还可致使所述一个或多个处理器执行以下步骤，包括：基于所述行动系统评估来计算所述治疗，其中所述治疗是向所述帕金森病患者递送治疗有效量的药物。

这些特征连同许多其他特征将在下面更详细地讨论。

附图说明

通过考虑附图来参考以下描述，可获取对本文描述的方面及其优点的更完整理解，在附图中，相同的附图标记指示相似的特征，并且其中：

图1示出了可用于实现本文描述的一个或多个说明性方面的定制计算系统和架构。

图2A是概念性地示出根据本文描述的一个或多个说明性方面的用于分析主动和被动运动数字生物标志数据并确定行动系统评估的过程的流程图。

图2B是概念性地示出根据本文公开的系统和方法的用于数字生物标志的主动和被动测试的过程的流程图。

图3A图形地描绘了跨焦虑/抑郁、行动能力、疼痛/不舒服、自我照顾和日常活动的五个类别的EQ-5D-5L生命质量领域得分的样本研究分布。

图3B显示了图3A中图形地描绘的EQ-5D-5L领域得分。

图4A描绘了根据本文公开的系统和方法的由数字生物标志传感器应用程序收集的数据分布和与图3A中图形地显示的EQ-5D-5L自我照顾类别相关的相关运动。

图4B描绘了根据本文公开的系统和方法的由数字生物标志传感器应用程序收集的数据分布和图3A中图形地显示的EQ-5D-5L行动能力类别相关的相关运动。

图4C描绘了根据本文公开的系统和方法的由数字生物标志传感器应用程序收集的数据分布和图3A中图形地显示的EQ-5D-5L日常活动类别相关的相关运动。

图4D描绘了根据本文公开的系统和方法的由数字生物标志传感器应用程序收集的数据分布和图3A中图形地显示的EQ-5D-5L疼痛/不舒服类别相关的相关运动。

图4E描绘了根据本文公开的系统和方法的由数字生物标志传感器应用程序收集的数据分布和图3A中图形地显示的EQ-5D-5L焦虑/抑郁类别相关的相关运动。

图5A描绘了根据本文公开的系统和方法的在PDQ-39生命质量维度得分与由数字生物标志传感器应用程序获得的选定的被动运动之间的相关性。

图5B图形地描绘了在筛查访问时PDQ-39维度得分的分布(箱形图)。

图5C示出了根据本文公开的系统和方法的数字生物标志传感器应用程序的更新版本的主动测试套件。

图5D描绘了根据本文公开的系统和方法的在PDQ-39生命质量维度得分与由数字生物标志传感器应用程序的更新版本获得的选定的主动传感器特征之间的相关性。

图5E描绘了根据本文公开的系统和方法的利用图5C的数字生物标志传感器应用程序的更新版本的主动测试套件的测试患者和相关人口统计数据的数据分布。分布被显示为均值±SD。

图5F至图5I图形地描绘了根据本文公开的系统和方法的PDQ-39项上的受损和未受损个体之间的主动传感器套件差异。

图6A描绘了根据本文公开的系统和方法的在MDS-UPDRS综合得分与由数字生物标志传感器应用程序获得的选定的被动运动之间的相关性。

图6B描绘了根据本文公开的系统和方法的针对MDS-UPDRS综合得分和由数字生物标志传感器应用程序获得的选定的被动运动的损伤相关性的斯皮尔曼相关性和曼-惠特尼测试。

图6C图形地描绘了根据本文公开的系统和方法的MDS-UPDRS综合得分和由数字生物标志传感器应用程序获得的选定的被动运动的测试对象相关性的运动徐缓总分布。

图6D至图6E图形地描绘了根据本文公开的系统和方法的与由数字生物标志传感器应用程序获得的MDS-UPDRS冷漠和左手旋前/旋后运动得分相关的测试对象久坐时的上肢运动。

图6F至图6H图形地描绘了根据本文公开的系统和方法的与由数字生物标志传感器应用程序获得的MDS-UPDRS步态、冻结和离开床/汽车/深椅得分相关的测试对象下肢运动。

图7A示出了根据本文公开的系统和方法的数字生物标志传感器应用程序的更新版本的组合主动和被动测试套件。

图7B描绘了根据本文公开的系统和方法的利用图7A的数字生物标志传感器应用程序的更新版本的组合主动和被动测试套件的测试患者和相关人口统计数据的数据分布。

图7C图形地描绘了根据本文公开的系统和方法的由图7A的更新的数字生物标志传感器应用程序获得的收集的主动和被动数据的依从性结果。

图7D图形地描绘了根据本文公开的系统和方法的由图7A的更新的数字生物标志传感器应用程序获得的主动数据的测试-再测试可靠性。

图7E描绘了与基线上的对应MDS-UPDRS项显著地相关的预测的传感器特征。

图7F至图7H图形地描绘了根据本文公开的系统和方法的在传感器特征与对应的MDS-UPDRS项得分之间的示例性关系。

具体实施方式

在以下对各种实施方案的描述中，参考附图，附图形成描述的一部分，并且在附图中通过例示的方式示出了可实践本文所述的方面的各种实施方案。将理解，在不脱离所描述的方面和实施方案的范围的情况下，可利用其他实施方案并可作出结构和功能修改。本文描述的方面能够支持其他实施方案并能够以各种方式实践或执行。而且，将理解，本文使用的短语和术语是为了描述的目的，并且不应当被视为限制性的。相反，本文使用的短语和术语将被赋予其最广泛的解释和含义。“包括”和“包含”及其变型的使用意指涵盖其后列出的项及其等同物以及附加的项及其等同物。术语“安装”、“连接”、“联接”、“定位”、“接合”和类似的术语的使用意指包括直接和间接安装、连接、联接、定位和接合。

作为本文描述的主题的一般介绍，使用智能电话、智能手表、可穿戴件或类似装置的姿势辨识可用于评估被诊断患有帕金森病的个体的行动体征和症状严重程度，并且随后与生命质量量度(PDQ-39)和/或健康状况(EQ-5D-5L)和/或患有帕金森病的患者的疾病严重程度定级(MDS-UPDRS)相关。

图1示出了可用于实现本文描述的一个或多个说明性方面的定制网络架构和数据处理装置的一个示例。各种网络节点103、105、107、108和109可经由广域网(WAN)101(诸如互联网)互连。还或替代地可使用其他网络，包括专用内联网、公司网络、LAN、无线网络、个人网络(PAN)等。网络101用于说明的目的并可用更少或附加的计算机网络替代。局域网(LAN)可具有任何已知的LAN拓扑中的一者或多者并可使用多种不同的协议中的一者或多者(诸如以太网)。装置103、105、107、108、109和其他装置(未示出)可经由双绞线、同轴电缆、光纤、无线电波或其他通信介质连接到网络中的一者或多者。

如本文所使用和附图所描绘的术语“网络”不仅是指其中远程存储装置经由一个或多个通信路径耦合在一起的系统，而且是指可不时地耦合到具有存储能力的此类系统的独立装置。因此，术语“网络”不仅包括“物理网络”，而且包括由驻留在所有的物理网络上的数据(可归属于单个实体)组成的“内容网络”。

部件可包括数据服务器103、web服务器105和客户端装置107至109。数据服务器103提供对数据库和控制软件的总体访问、控制和管理来执行本文描述的一个或多个说明性方面。数据服务器103可连接到web服务器105，用户通过该web服务器与数据交互并按要求获得数据。替代地，数据服务器103本身可充当web服务器并直接地连接到互联网(在这种情况下，不需要装置105)。数据服务器103可通过网络101(例如，互联网)、经由直接或间接连接或经由一些其他网络连接到web服务器105。用户可使用远程计算机107至109来与数据服务器103交互，例如，使用应用程序、移动应用、可穿戴应用或web浏览器以经由一个或多个外部暴露的web站点和/或由web服务器105托管的web服务连接到数据服务器103。客户端计算机107至109可结合数据服务器103使用以访问存储在其中的数据，或者可用于其他目的。例如，从客户端装置107、108，用户可使用互联网浏览器来访问web服务器105，如本领域中已知，或者可通过执行通过计算机网络(诸如互联网)与web服务器105和/或数据服务器103通信的软件应用程序来进行访问。

服务器和应用程序可组合在相同的物理机上，并且保留单独的虚拟或逻辑地址，或者可驻留在单独的物理机上。图1仅示出了可使用的网络架构的一个示例，并且本领域技术人员将了解，所使用的具体网络架构和数据处理装置可变化，并且相对于它们提供的功能是次要的，如本文进一步描述。例如，由web服务器105和数据服务器103提供的服务可组合在单个服务器上。

每个部件103、105、107、108、109可以是任何类型的已知的计算机、服务器或访问基于web的实现方式的数据处理装置，或者是与专用软件集成的定制装置，如本文进一步描述，例如移动或智能电话、智能手表或其他可穿戴装置。例如，数据服务器103可包括控制数据服务器103的总体操作的处理器111。数据服务器103还可包括RAM 113、ROM 115、网络接口117、输入/输出接口119(例如，键盘、鼠标、显示器、打印机等)和存储器121。I/O 119可包括用于读取、写入、显示和/或打印数据或文件的各种接口单元和驱动器。存储器121还可存储用于控制数据处理装置103的总体操作的操作系统软件123、用于指示数据服务器103执行本文描述的方面的控制逻辑125，以及可结合或可不结合本文描述的其他方面来提供辅助、支持和/或其他功能的其他应用程序软件127。控制逻辑在本文中也可称为数据服务器软件125。数据服务器软件的功能可指基于编码到控制逻辑中的规则来自动地做出的操作或决策、由向系统提供输入的用户手动地做出的操作或决策、和/或基于用户输入的自动处理的组合(例如，查询、数据更新等)。

存储器121还可存储用于执行本文描述的一个或多个方面的数据，包括第一数据库129和第二数据库131。在一些实施方案中，第一数据库可包括第二数据库(例如，作为单独的表、报告等)。就是说，取决于系统设计，信息可存储在单个数据库中，或者可分为不同的逻辑、虚拟或物理数据库。装置105、107、109可具有与关于装置103描述的类似或不同的架构。本领域技术人员将了解，如本文所描述的数据处理装置103(或装置105、107、109)的功能可散布在多个数据处理装置上，例如，以将处理负载分布在多个计算机上，基于地理位置、用户访问级别、服务质量(QoS)来将事务分开等。

本文描述的一个或多个方面可体现在由如本文所描述的一个或多个计算机或其他装置执行的计算机可用或可读数据和/或计算机可执行指令中，诸如体现在一个或多个程序模块中。一般来讲，程序模块包括在由计算机或其他装置中的处理器执行时执行特定任务或实现特定抽象数据类型的例程、程序、对象、部件、数据结构等。模块可用源代码编程语言编写，所述源代码编程语言随后进行编译以供执行，或者可用脚本语言(诸如(但不限于)HTML或XML)编写。计算机可执行指令可存储在计算机可读介质(诸如硬盘、光盘、可移动存储介质、固态存储器、RAM等)上。如本领域技术人员将了解，在各种实施方案中，可按需要组合或分布程序模块的功能。另外，功能可全部地或部分地体现在固件或硬件等同物(诸如集成电路、现场可编程门阵列(FPGA)等)中。特定数据结构可用于更有效地实现一个或多个方面，并且在本文描述的计算机可执行指令和计算机可用数据的范围内设想了此类数据结构。

本文描述的方面大体上涉及用于医疗诊断和分析的数字健康工具，所述数字健康工具用于供被诊断患有运动障碍(例如，帕金森病)的患者使用。本文描述的另外的方面可用于评估患有帕金森病的个体的行动体征和症状严重程度，以及分析被动传感器数据与健康状况(EQ-5D-5L)测量结果之间的关联。本文描述的其他方面可用于评估患有帕金森病的个体的行动体征和症状严重程度，以及分析被动/主动传感器数据生命质量(QoL)(PDQ-39)测量结果之间的关联。本文描述的附加的方面可用于评估患有帕金森病的个体的行动体征和症状严重程度，以及分析主动/被动传感器数据与患有帕金森病的患者的疾病严重程度定级(MDS-UPDRS)之间的关联。本文描述的附加的方面例如使用来自可穿戴装置和/或智能电话的传感器数据来分析(被动地和/或主动地)监测的日常行动行为的可靠性和有效性，以评估患有帕金森病的个体的行动体征和症状严重程度。日常生活中的行动机能是行动疾病严重程度的最生态有效的反映之一，但是难以客观地量化。

图2A是概念性地示出根据本文描述的一个或多个说明性方面的用于分析主动和被动运动数字生物标志数据并确定行动系统评估的过程的流程图。可使用如本文所描述的一个或多个计算装置来执行过程200的步骤中的一些或全部。在多种实施方案中，以下描述的步骤中的一些或全部可适当地组合和/或分成子步骤。

在步骤202处，可收集一个或多个患者群体的被动运动数据和/或主动表现数据。一般来讲，“运动数据”可包括被动运动数据和/或主动表现数据。数据可从多种源获得，诸如可穿戴装置和/或智能电话，或者如本文所描述的由患者使用的其他移动装置。运动数据还可包括每个患者的多种特性，诸如用户的年龄、性别等。特定患者群体的患者可共同具有一个或多个特性。这些特性可包括但不限于年龄、当前状况、疾病、心智容量、认知能力、先前QoL得分、施用的治疗等。例如，第一患者群体的成员可能患有PD，并且年龄低于50岁，而第二患者群体中的患者也患有PD，但是年龄超过50岁。在另一个示例中，可使第一患者群体中的患者接受第一治疗，而可使第二患者群体中的患者接受第二治疗。然而，应当注意，可使用任何数量的患者群体，并且/或者可使用任何特定的特性组合来确定患者群体。以此方式，患者群体可包括具有共同特性的一个或多个患者，使得可适当地对不同群体中的患者进行分析和/或比较。

在步骤204处，可计算行动系统评估。可使用如本文所描述的多种运动数据收集技术中的任一者为患者群体中的每个患者计算受损或未受损行动系统评估。在多个实施方案中，特定患者的行动系统评估包括随时间序列对患者的运动数据的收集，如本文所描述。患者的行动系统评估可包括基于先前收集的运动数据和/或随时间收集的新运动数据的先前行动系统评估。

在步骤206处，可确定治疗效力。可适当地以每一患者为基础和/或以每一患者群体为基础来确定治疗效力。可基于患者的空间工作记忆得分来确定特定患者的治疗效力。可基于患者群体中的每个患者的行动系统评估来确定患者群体的治疗效力。可适当地使用多种统计技术中的任一者来确定治疗效力。例如，可将患者群体的当前行动系统评估与患者群体的一个或多个历史行动系统评估进行比较。可使用在当前行动系统评估与一个或多个历史行动系统评估之间的变动量、随时间的变化率、行动系统评估的运动平均值和/或任何其他统计量度来估计治疗效力。治疗效力也可在患者群体间进行比较。例如，可向按年龄划分的患者群体施用药物，以基于患者的年龄来确定药物对患者的行动系统评估的效力。在第二示例中，可向第一患者群体施用第一药物，并且可向第二患者群体施用安慰剂。可使用第一患者群体与第二患者群体之间的行动系统评估的差异变化来确定包括第一药物的治疗的效力。在第三示例中，可向第一患者群体施用第一药物，并且可向第二患者群体施用第二药物。可使用第一患者群体与第二患者群体之间的行动系统评估的差异变化来确定第一药物和第二药物中的哪一者在改善PD症状方面更有效。在第四示例中，可向第一患者群体施用第一剂量的药物，并且可向第二患者群体施用第二剂量的同一药物。可使用患者群体的行动系统评估的改善的差异(或缺乏改善)来确定特定剂量的药物的效力。然而，应当注意，可适当地使用任何比较(诸如具有影响行动系统评估的不同病症的患者群体之间的比较)来确定治疗效力。

在步骤208处，可生成治疗建议。可基于治疗的效力和/或特定患者群体的特性来生成治疗建议。治疗建议可以是概括性的和/或针对具有与特定患者群体共同的特定特性的患者。例如，如果特定药物在改善年龄低于50岁的PD患者的行动系统评估方面是有效的，则生成的治疗建议可包括将特定剂量的该药物用于年龄低于50岁的PD患者。类似地，如果特定药物在改善年龄超过50岁的PD患者的行动系统评估方面是无效的，则治疗建议可不包括将该药物用于具有这些特性的患者。可使用为患者群体生成的治疗建议来向具有与患者群体共同的特性的特定患者建议和/或施用治疗，如本文所描述。

现在转到图2B，示出了概念性地示出根据本文公开的系统和方法的用于数字生物标志的主动表现和被动测试的过程的流程图。可使用如本文所描述的一个或多个计算装置来执行过程210的步骤中的一些或全部。在多种实施方案中，以下描述的步骤中的一些或全部可适当地组合和/或分成子步骤。如先前所指出，“运动数据”可大体上包括被动运动数据和/或主动表现数据。

在步骤211处，可收集被动数据。可使用位于由患者操作的移动装置内的一个或多个传感器(诸如加速度计、陀螺仪、磁力计等)来收集被动数据。移动装置可包括典型地被携带在患者身上的任何计算装置，诸如移动电话、智能手表、活动监测器等。收集的被动数据可包括由患者做出的多种运动和关于运动的度量。这些运动和度量包括但不限于姿势时间、姿势能力、每次走步转动数、频率不对称性、步行能力、步行频率方差、步态比率、转动角度、转动速度、病理性手震颤(pht)频率、步行频率、能力方差和本文描述的任何其他被动运动。可在患者的正常活动期间捕获被动数据。

在步骤212处，可收集主动表现数据。可使用位于由患者操作的移动装置内的一个或多个传感器(诸如加速度计、陀螺仪、磁力计等)来收集主动表现数据。可在患者进行如本文所描述的一个或多个医学测试和/或检查时收集主动表现数据。收集的主动表现数据可包括多种任务，诸如但不限于画出形状、灵活性测试、手转动、言语测试、发声测试、姿势性震颤、静止性震颤、平衡、掉头、认知符号数字模式测试(SDMT)和本文描述的任何其他主动表现运动。可在患者进行测试和/或检查的具体时间期间收集主动表现数据。

在步骤214处，可处理收集的运动数据。可经由移动装置来处理收集的运动数据。在其他示例中，可将收集的运动数据上传到服务器(例如，云、后端服务器等)并由服务器处理。可针对年龄和性别校正收集的传感器数据。可使用类内相关系数来评估测试-再测试可靠性。在各种实施方案中，在特定时段内聚合收集的数据。例如，可对在运动七天的时段内的被动运动数据求平均。聚合收集的数据可增加用于估计患者的健康状况的行动进展的测量结果的信噪比。在各种实施方案中，收集的数据可在时域中，其中数据片段与收集该数据的时间相结合。可使用多种技术中的任一者(诸如傅里叶变换)来将收集的数据变换到频域。可从收集的数据的频域表示识别和/或减去多种噪声特征。例如，患者可以是具有特定手大小的68岁男性，并且收集的数据可指示手势。可识别指示具有与该患者类似大小的手的人的手震颤的噪声信号。可从频域表示减去该噪声信号，以便去除捕获的数据中的在手势期间由患者的手颤抖导致的噪声。以此方式，可对频域表示进行去噪，以改善在捕获的数据的频域表示中的测量的姿势数据的质量。然后，可使用多种技术中的任一者(诸如傅里叶逆变换)来将捕获的数据的经去噪的频域表示变换回到时域。以此方式，可处理收集的数据以供适当地在频域和/或时域两者中分析。另外，从收集的数据减去噪声可改善收集的数据的信噪比，从而允许改善的处理。这在确定其中患者的四肢的意外运动(例如，震颤)可能导致移动装置中的传感器读出与正在执行的姿势无关的加速度的大幅变化的某些动作(诸如姿势能力)时可能特别地有价值。

在步骤216处，可计算患者群体阈值和患者被动运动/主动表现得分。同样，“运动数据”可包括被动运动数据和/或主动表现数据。可使用通过特定患者群体确定的患者群体阈值来建立特定阈值，该特定阈值定义什么样的特定运动或表现得分被定义为受损或未受损。运动和/或表现得分可指示患者在其日常活动期间的基线生命质量。在若干实施方案中，基于收集的被动数据(即，日常活动)来计算运动得分。在步骤216处，还可基于主动表现运动数据来计算表现得分。主动表现得分可指示执行特定任务的基线技能水平。在许多实施方案中，基于主动表现运动数据来计算主动表现得分。在多个实施方案中，可基于与主动表现任务相关的被动活动的运动得分来计算主动表现得分。例如，如果主动表现任务是画出圆圈，则与姿势和姿势能力相关的被动运动可指示患者画出圆圈的能力。以此方式，可针对特定任务计算主动表现得分，而患者不必执行该任务。类似地，可使用基于被动数据和/或主动表现数据针对任务计算的运动得分和/或表现得分来预测和/或分析患者在任务上的表现。

在步骤218处，可基于运动得分和/或表现得分来确定行动系统评估。可使用如本文所描述的多种被动/主动运动数据收集技术中的任一者来确定受损或未受损行动系统评估。

在步骤220处，可确定治疗策略。可基于运动得分和/或表现得分来生成行动系统评估。行动系统评估可指示患者的行动系统是受损还是未受损。可将患者的被动运动得分和主动表现得分与来自特定患者群体的一组建立的运动和表现得分进行比较。如以上所讨论，可使用通过特定患者群体确定的阈值来建立特定阈值，该特定阈值定义什么样的特定运动或表现得分被定义为受损或未受损。例如，如果运动得分高于运动得分阈值并且表现得分高于表现得分阈值，如所建立并与患者群体阈值进行比较，则行动系统评估可指示患者未受损。类似地，如果运动得分和表现得分两者低于相关阈值，如所建立并与患者群体阈值进行比较，则行动系统评估可指示患者受损。患者的受损度可以是二元标记(例如，受损或未受损)和/或患者的受损度的分级排名。例如，不管患者的个体表现得分如何，高于运动得分和/或表现得分阈值的患者可能不像运动得分和/或表现得分低于运动/表现得分阈值的患者那样受损(和/或具有更高的生命质量)。通过确定患者的行动系统评估是受损还是未受损，可确定基于运动损伤的严重程度对患者治疗的建议或命令。此类治疗可包括用于治疗帕金森病的治疗有效量的药物。此类治疗的非限制性示例可包括左旋多巴、信尼麦、沙芬酰胺、卡比多巴、多巴胺激动剂、COMT抑制剂、MAO-B抑制剂、金刚烷胺、抗胆碱能药等。在若干实施方案中，治疗策略可包括物理治疗、要执行的任务和/或要由患者执行的其他活动。

在步骤222处，可施用确定的治疗。可基于确定的治疗策略来施用治疗。提供的治疗可包括施用治疗有效剂量的一种或多种药物，如本文所描述。可基于被动运动得分和/或主动表现得分来确定治疗有效剂量。例如，如果患者因手震颤而使生命质量受损，则可施用治疗有效剂量的适当药物以降低手震颤的频率，并且由此改善患者的生命质量。在第二示例中，具有低姿势力量的患者可进行特定身体运动，以便提高患者的总体力量。随着患者的力量提高，可随时间而测量和跟踪患者的姿势能力的改善。随着患者持续改善，可让患者进行更高阶的身体运动，以继续改善患者的行动系统评估和总体生命质量。

示例1

EQ-5D-5L是用于估计PD患者的自我评估的、健康相关的QoL问卷。该量表以5部分量表衡量QoL，包括：1)行动能力；2)自我照顾；3)日常活动；4)疼痛/不舒服；以及5)焦虑/抑郁。每个级别按描述在该区域中的问题程度的量表进行定级(即，走步无问题、轻微问题、中度问题、严重问题或无法走步)。该问卷还具有总体健康量表，其中PD患者选择在1至100之间的数字来描述他们的健康状况，100是可想象的最佳值。EQ-5D-5L包含通过组合来自每个量表的一个级别来定义的3125种可能的健康状态，范围为从11111(完全健康)到55555(最差健康)。

如以上所讨论并且根据本文公开的一个方面，可在日常生活中使用来自智能电话和/或可穿戴装置(诸如智能手表)的传感器来测量最近被诊断患有PD的患者的行动行为，以使用智能装置来评估PD患者。日常生活中的行动机能是行动疾病严重程度的最生态有效的反映之一，但是难以客观地量化。通过监测最近被诊断患有PD的患者的行动行为，可经由在这些个体的日常生活中的被动地监测的行动行为的基于智能电话和基于智能手表的测量结果来确定治疗方案。根据本文描述的系统和方法，行动行为估计可与患者的EQ-5D-5L自我评估的健康问卷相关。

如本文所公开，使用综合数字生物标志智能电话应用程序来收集和评估重新诊断的帕金森患者的行动症状。收集个体的运动数据并生成与患者的QoL调查数据相关联的行动系统评估。通过交叉参考来自患者的EQ-5D-5L自我评估的健康问卷的数据来确认评估准确度和真实性。

图3A图形地描绘了跨焦虑/抑郁、行动能力、疼痛/不舒服、自我照顾和日常活动的五个类别的EQ-5D-5L领域得分的样本研究分布。该研究由均值年龄为59.9±9.2岁的191个个体组成。先前已经通过医学成像确认了PD诊断。个体EQ-5D-5L得分被分组为受损(得分>0)和未受损(得分＝0)。对EQ-5D-5L得分进行逻辑回归(EQ-5D-5L作为因变量，传感器数据的残差、年龄、性别、年龄*性别作为自变量)。随后，使用智能电话通过本文公开的移动应用程序经由门的被动量度来收集患者运动数据并经由智能手表来收集手运动数据，并且在两周间隔内求平均。将传感器数据进行对数变换，并且针对人口统计数据进行校正(以年龄、性别和年龄/性别的交互作为协变量的线性回归)。最大损伤被示出为在疼痛/不舒服领域，中度损伤在日常活动和焦虑/抑郁，并且低损伤在行动能力和自我照顾。如图4A至图4E所描绘，跨各种设计的类别来收集被动运动数据，以包括例如姿势能力、步行能力、步态跨度、病理性手震颤(pht)频率、姿势时间、转动速度和姿势跨度持续时间。

如图4A至图4E所示，测试对象手运动和步态特征数据与患者对所有EQ-5D-5L领域的困难的判断显著地相关。特别地，本文描述的移动应用程序在收集和处理患者被动运动数据之后确定评估的运动损伤被示出为与EQ-5D-5L自我评估的健康问卷的患者的疼痛/不舒服领域、日常活动和焦虑/抑郁的中度损伤及行动能力的低损伤直接地相关。因此，本文公开的应用程序可用于生成患有PD的患者的行动系统评估，其中姿势能力指示EQ-5D-5L行动能力数据，其中姿势能力、步行能力、步态跨度和病理性手震颤频率指示EQ-5D-5L自我照顾数据，其中姿势能力、步行能力和姿势时间数据指示EQ-5D-5L日常活动数据，并且其中姿势能力和/或转动速度指示EQ-5D-5L疼痛/不舒服数据。

示例2

帕金森病问卷39(PDQ-39)是用于估计帕金森病健康相关质量的自我评估的QoL问卷。PDQ-39用于评估患者在八个主要QoL维度上的困难，每个维度都具有若干子项，包括行动能力、日常生活活动、情感健康状况、耻辱感、社会支持、认知、交流和身体不舒服。QoL维度可按五分顺序体系进行评分：0＝从不，1＝偶尔，2＝有时，3＝经常，4＝总是。

每个PDQ-39维度总分的范围可从0(从未有困难)到100(总是有困难)。可通过确定每个维度上的子项的总和并乘以100来计算维度得分。较低得分可能反映更好的QoL。PDQ-39总分可被计算为维度得分的总和除以八。PDQ-39问卷用于帮助健康和社会保健专业人员确定帕金森病对个人的生命质量的更广泛影响，并且进行再估计以检测在治疗疾病后的任何变化。

使用本文公开的系统和方法分析了来自参与估计Prasinezumab在患有早期帕金森病的参与者中的疗效的II期研究(PASADENA)的248名最近诊断的个体(不到两年)的被动运动数据。使用本文公开的移动应用程序评估经由智能电话收集的步态数据和经由智能手表收集的手运动数据的被动量度。移动应用程序收集被动运动数据，并且在两周间隔内对数据求平均。将收集的传感器数据进行对数转换，并且针对人口统计数据进行校正。使用回归分析和斯皮尔曼相关性来将传感器特征和数据分析的关联与对象的PDQ-39维度得分进行比较。如图5A所示，被动数据收集包括姿势时间、姿势能力、步态、步行和转动数。也如图5A所描绘，测试对象被动手运动特征与患者对PDQ-39交流和行动能力维度的困难的判断显著地相关。分析的被动步态数据也与患者的PDQ-39行动能力和身体不舒服维度显著地相关。

另外，经由智能电话和/或智能手表收集了来自248名PD个体的主动运动数据，并且使用本文公开的移动应用程序分析了这些数据。在图5B中图形地描绘了在筛查时PDQ-39维度得分的测试对象分布，其中较高的得分指示增加的运动损伤。患有PD的测试组对象很少认可PDQ-39影响。如图5B所示，通过PDQ-39测量的总体QoL在测试群体中相对高(即，低PDQ-39指数和领域得分)，从而造成一些PDQ-39维度得分的范围的截断。例如，在项级别上，50％患有PD的个体报告了在大多数项上没有困难，尤其是与下肢行动能力问题和缺乏社会支持相关的项显示出很少的认可。在这群人中，患有PD的个体主要地报告身体不舒服(即，疼痛或痉挛)和对情感健康状况和耻辱感(“不得不隐藏它”、“担心将来情况”、“感到焦虑或抑郁”)、受损的记忆力的PD相关影响、集中在日常生活的主要是上身相关活动(例如，清晰地书写，扣扣子和系鞋带的困难)困难的问题。

移动应用程序包括主动测试特征，以评估运动徐缓、震颤/运动徐缓、震颤、僵硬/姿势不稳和认知。如图5C所示，收集的主动运动包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知符号数字模式测试(SDMT)。使用本文公开的移动应用程序对测试对象进行主动运动测试。提取了每个主动测试的一个先验定义的基于传感器的特征，在两周间隔内求平均，并且随后与PDQ-39维度和指数得分(斯皮尔曼相关性)及PDQ-39项进行比较，从而分类为未受损(得分＝0)与受损(得分≥0)(曼-惠特尼U测试)。

令人惊讶地，主动测试传感器特征和收集的数据是相关的，并且可预测PDQ-39得分。例如，如图5C所示，各种传感器特征与测试对象的PDQ-39维度(包括日常生活活动、交流和行动能力)相关。特别地，手灵巧性为主型和手旋前/旋后为主型特征与测试对象日常生活活动PDQ-39领域直接地相关并对其进行预测。参见图5C。这些主动测试特征也与交流和行动能力PDQ-39领域相关并可对其进行预测。参见图5C。尽管这个比较的样本量减少(N＝85)，但是针对手画出形状非主型特征观察到类似的相关和预测的模型。通过应用程序的言语传感器特征的变化来对PDQ-39交流领域进行相关和预测，并且通过掉头测试传感器特征来对PDQ-39行动能力领域进行相关和预测。参见图5C。情感健康状况、认知和耻辱感表现出与测试传感器特征的较低相关性。身体不舒服和社会支持与预先选择的测试传感器特征中的任一者没有显著地相关。

如图5F至图5I所示，应用程序的主动测试特征也与PDQ-39项级别分析相关。在房屋四周走动的困难与较慢转动速度相关联，并且要求手运动的日常生活活动的困难与手指敲击的无规律性和降低的手转动速度相关联。在报告书写问题(无规律性增加54％)或切割食物问题(无规律性增加59％，两个p<0.001)的患者中观察到手指敲击运动的更大无规律性。总体来讲，单手活动的困难与较差的优势手主动测试特征值相关联，如图5F和图5G所示，而要求双手的活动的困难与非优势手主动测试中的较差表现相关，如图5H和图5I所示。

移动应用程序和相关主动测试/传感器特征准确地确定了对象行动症状的严重程度，如通过个体的PDQ-39评估所确认。重要地，尽管测试对象损伤的级别相对低，但是移动应用程序检测到差异，尤其是在PDQ-39日常生活活动、交流和行动能力领域中。本文公开的研究结果表明，在患有更严重的帕金森病的个体中，应用程度分析可能更强力。

示例3

运动障碍协会-统一帕金森病定级量表(MDS-UPDRS)是被设计成在纵向疾病过程上监测帕金森病的严重程度并向保健提供方提供临床建议的综合QoL评估。MDS-UPDRS评估包括50个综合问题以评估与PD相关联的行动和非行动症状。MDS-UPDRS包括四个部分，相加得出总分。评估的组成包括：I部分，日常生活非行动体验(13项)；II部分，日常生活行动体验(13项)；III部分，行动检查(18项)；以及IV部分，行动并发症(六项)。I部分包括两个组成，即，涉及由调查人员按相关患者和护理人员信息评估的多个行为的IA部分，以及仅由患者完成的IB部分。每个分量表的定级为0至4，其中0＝正常，1＝轻微，2＝轻度，3＝中度，4＝严重。得分越高指示帕金森病症状的严重程度和影响越大。

如以上所讨论，使用本文公开的系统和方法分析了来自参与估计Prasinezumab在患有早期帕金森病的参与者中的疗效的II期研究(PASADENA)的248名最近诊断的个体(不到两年)的被动运动数据。经由智能电话和/或智能手表使用本文公开的移动应用程序收集了来自主动测试的数据和持续被动运动数据。针对年龄和性别校正收集的传感器数据。使用斯皮尔曼相关性来将传感器特征和数据分析的关联与对象的MDS-UPDRS项数据得分进行比较来得到综合得分。(斯皮尔曼相关性和曼-惠特尼测试(＝0“未受损”，>0“受损”)。如图6A所示，被动数据收集包括姿势时间、姿势能力、每次走步转动数、频率不对称性、步行能力、步行频率方差、步态比率、转动角度、转动速度、病理性手震颤(pht)频率、步行频率和/或能力方差。也如图6A和6B所描绘，收集的被动数据与MDS-UPDRS III部分得分和残余运动徐缓显著地相关。

另外，经由智能电话和/或智能手表收集了来自250名PD个体的主动和被动运动数据，并且使用本文公开的移动应用程序分析了这些数据。如图7A所示，除了对步态、手臂摆动/震颤和行动能力/社交能力数据的持续被动监测之外，移动应用程序还包括主动测试特征，以评估运动徐缓、震颤/运动徐缓、震颤、僵硬/姿势不稳和认知。收集的主动运动具体地包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知符号数字模式测试(SDMT)。针对年龄和性别校正收集的传感器数据，并且使用类内相关系数来评估了测试-再测试可靠性。对在基线访问前后+/-7天内的传感器数据求平均。参见图7B。随后通过斯皮尔曼相关性将主动和被动运动数据与MDS-UPDRS项和分量表得分进行比较并将其分类为未受损(得分＝0)与受损(得分≥0)。

如图7C所示，平均依从性较高，其中在研究的前两周期间执行的所有可能的主动测试中有93％(中值)，并且每天收集超过7小时的被动监测数据。使用类内相关系数(ICC)来评估测试-再测试可靠性。如图7D所示，主动测试测试-再测试可靠性(ICC的在两个持续14天内的平均值)角高(中值为0.95，范围为0.90至0.99)。

如图7E所示，令人惊讶地，主动和被动测试传感器特征和收集的数据是相关的，并且可预测MDS-UPDRS项和分量表得分。例如，平均运动能量与MDS-UPDRS静止性震颤振幅和姿势性震颤得分相关。摇摆路径(平衡)与MDS-UPDRS震颤一致性得分相关。最大速度与MDS-UPDRS手运动得分相关。敲击时间(灵巧性)方差与MDS-UPDRS手指敲击得分相关。方形停留时间(画出形状)与MDS-UPDRS手写得分相关。转动速度(掉头)与MDS-UPDRS身体运动徐缓得分相关。对SDMT的正确响应与MDS-UPDRS认知损伤得分相关。语音抖动(发声)与MDS-UPDRS言语问题得分相关。言语方差与MDS-UPDRS唾液和流涎得分相关。而且，被动转动速度与MDS-UPDRS身体运动徐缓得分相关。总之，所有的主动测试与MDS-UPDRS项得分显著地相关，范围为从r＝-0.24(p<0.001；认知测试)至r＝0.61(p<0.001；静止性震颤)。在日常生活期间的平均被动转动速度与MDS-UPDRS III部分(r＝-0.26，p<0.001)和运动徐缓综合得分(r＝-0.34，p<0.001)显著地相关。

图7F至图7H还描绘了传感器特征与对应的MDS-UPDRS项得分之间的示例性关系。例如，如图7F和图7G所示，画出形状与MDS-UPDRS手写得分相关，并且静止性震颤数据与MDS-UPDRS静止性震颤振幅得分相关。如图7H所示，手转动的速度与MDS-UPDRS手运动项的得分相关。另外，与在MDS-UPDRS上得分较高的个体(个体C)相比，在MDS-UPDRS上没有表现出损伤的个体在手转动传感器特征中显示出更快的转动速度及更高的转动振幅(个体A)。没有临床明显症状的个体可能仍表现出在手转动方面的显著损伤(个体B)。

移动应用程序和相关主动测试/传感器特征准确地确定主体行动症状严重程度。本文公开的远程监测方法使得能够进行高频率体征和症状评估。结合智能电话/手表传感器的高灵敏度，这可提高在对患者的健康状况的临床研究和估计中运动进展的测量结果的信噪比。根据本文描述的系统和方法，远程地、持续地和客观地综合测量PD核心症状将提供对PD患者的机能的前所未有的洞察。

通过确定患者的行动系统评估是受损还是未受损，本文描述的系统可包括基于运动损伤的严重程度对患者治疗的附加建议或命令。此类治疗可包括用于治疗帕金森病的治疗有效量的药物。此类治疗的非限制性示例可包括左旋多巴、信尼麦、沙芬酰胺、卡比多巴、多巴胺激动剂、COMT抑制剂、MAO-B抑制剂、金刚烷胺、抗胆碱能药等。

由本文公开的新颖移动应用程序收集和处理的被动和主动运动数据验证了对帕金森病症状的远程数字监测的可行性，并且将为健康专业人员提供关于症状严重程度、疾病进展和潜在的治疗方案的可靠且有效的信息。

虽然已经在某些特定方面描述了本发明，但是许多附加的修改和变化对于本领域技术人员将是显而易见的。特别地，以上描述的各种过程中的任一者可以替代顺序和/或并行地(在不同的计算装置上)执行，以便以更适合具体应用的要求的方式实现类似的结果。因此，将理解，在不背离本发明的范围和精神的情况下，可以不同于具体地描述的方式实践本发明。因此，本发明的实施方案在所有方面都被认为是说明性的而非限制性的。因此，本发明的范围不应当由所示的实施方案确定，而应当由所附权利要求书及其等同物确定。

Claims (20)

1.一种用于评估帕金森患者的行动症状的方法，所述方法包括：

从传感器获得患者运动数据，其中所述运动数据包括被动运动数据和/或主动表现数据；

确定所述患者运动数据是受损或未受损；以及

基于所述患者运动数据来生成行动系统评估，其中所述行动系统评估是受损或未受损。

2.如权利要求1所述的方法，其中所述传感器包括移动电话或智能手表。

3.如权利要求1所述的方法，其中所述患者运动数据包括姿势能力、步行能力、步态跨度、病理性手震颤频率、姿势时间、转动速度和姿势跨度持续时间中的至少一者。

4.如权利要求3所述的方法，其中所述行动系统评估与EQ-5D-5L健康状况测量数据高度相关，并且

其中姿势能力指示EQ-5D-5L行动能力数据；

其中姿势能力、步行能力、步态跨度和病理性手震颤频率指示EQ-5D-5L自我照顾数据；

其中姿势能力、步行能力和姿势时间数据指示EQ-5D-5L日常活动数据；

其中姿势能力和/或转动速度指示EQ-5D-5L疼痛/不舒服数据；并且

其中姿势时间、姿势跨度持续时间和步态跨度数据指示EQ-5D-5L焦虑/抑郁数据。

5.如权利要求1所述的方法，其中所述患者主动表现数据包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知测试(符号数字模式测试)中的至少一者。

6.如权利要求5所述的方法，其中所述行动系统评估与生命质量(PDQ-39)测量结果高度相关，并且

其中画出形状、灵巧性或手转动指示PDQ-39日常生活活动、交流或行动能力数据；

其中言语指示PDQ-39交流数据；并且

其中掉头指示PDQ-39行动能力数据。

7.如权利要求1所述的方法，其中所述患者主动表现数据包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知测试(符号数字模式测试)中的至少一者；并且

其中所述患者被动运动数据包括步态、手臂摆动/震颤和行动能力/社交能力中的至少一者。

8.如权利要求7所述的方法，其中所述行动系统评估与疾病严重程度定级(MDS-UPDRS)高度相关，并且

其中静止性震颤指示MDS-UPDRS静止性震颤振幅数据；

其中姿势性震颤指示MDS-UPDRS静止性震颤振幅数据；

其中平衡指示MDS-UPDRS静止性震颤一致性数据；

其中手转动指示MDS-UPDRS手运动数据；

其中灵巧性指示MDS-UPDRS手指敲击数据；

其中画出形状指示MDS-UPDRS手写数据；

其中掉头指示MDS-UPDRS身体运动徐缓数据；

其中认知测试(符号数字模式测试)指示MDS-UPDRS认知损伤数据；

其中发声指示MDS-UPDRS言语问题数据；

其中言语指示MDS-UPDRS唾液和流涎数据；并且

其中步态指示MDS-UPDRS身体运动徐缓数据。

9.如权利要求1所述的方法，所述方法还包括：

基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值，其中所述运动数据包括被动运动数据和/或主动表现数据。

10.如权利要求9所述的方法，所述方法还包括：

计算患者运动和/或表现得分，

将所述患者运动和/或表现得分与所述阈值进行比较，以及

确定所述行动系统评估是受损还是未受损。

11.如权利要求10所述的方法，所述方法还包括：

显示命令，其中对于未受损行动系统评估，所述命令是不治疗；以及

显示命令，其中对于受损行动系统评估，所述命令是发起治疗。

12.如权利要求11所述的方法，所述方法还包括：

基于所述行动系统评估来计算所述治疗，其中所述治疗是向所述患者递送治疗有效量的药物。

13.一种用于评估帕金森患者的行动症状的系统，所述系统包括：

显示器；

传感器；

处理器；以及

存储器，其中所述存储器与所述处理器进行通信，所述存储器存储指令，所述指令在由所述处理器执行时致使所述系统：

从所述传感器获得患者运动数据，其中所述运动数据包括被动运动数据和/或主动表现数据；

确定所述患者运动数据是受损或未受损；以及

基于所述患者运动数据来生成行动系统评估，其中所述行动系统评估是受损或未受损。

14.如权利要求13所述的系统，其中所述患者被动运动数据包括姿势能力、步行能力、步态跨度、病理性手震颤频率、姿势时间、转动速度和姿势跨度持续时间中的至少一者。

15.如权利要求14所述的系统，其中所述行动系统评估与EQ-5D-5L健康状况测量数据高度相关，并且

其中姿势能力指示EQ-5D-5L行动能力数据；

其中姿势能力、步行能力、步态跨度和病理性手震颤频率指示EQ-5D-5L自我照顾数据；

其中姿势能力、步行能力和姿势时间数据指示EQ-5D-5L日常活动数据；

其中姿势能力和/或转动速度指示EQ-5D-5L疼痛/不舒服数据；并且

其中姿势时间、姿势跨度持续时间和步态跨度数据指示EQ-5D-5L焦虑/抑郁数据。

16.如权利要求13所述的系统，其中所述患者主动表现数据包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知测试(符号数字模式测试)中的至少一者。

17.如权利要求16所述的系统，其中所述行动系统评估与生命质量(PDQ-39)测量结果高度相关，并且

其中画出形状、灵巧性或手转动指示PDQ-39日常生活活动、交流或行动能力数据；

其中言语指示PDQ-39交流数据；并且

其中掉头指示PDQ-39行动能力数据。

18.如权利要求13所述的系统，其中所述患者主动表现数据包括画出形状、灵巧性、手转动、言语、发声、姿势性震颤、静止性震颤、平衡、掉头和认知测试(符号数字模式测试)中的至少一者；并且

其中所述患者被动运动数据包括步态、手臂摆动/震颤和行动能力/社交能力中的至少一者。

19.如权利要求18所述的系统，其中所述行动系统评估与疾病严重程度定级(MDS-UPDRS)高度相关，并且

其中静止性震颤指示MDS-UPDRS静止性震颤振幅数据；

其中姿势性震颤指示MDS-UPDRS静止性震颤振幅数据；

其中平衡指示MDS-UPDRS静止性震颤一致性数据；

其中手转动指示MDS-UPDRS手运动数据；

其中灵巧性指示MDS-UPDRS手指敲击数据；

其中画出形状指示MDS-UPDRS手写数据；

其中掉头指示MDS-UPDRS身体运动徐缓数据；

其中认知测试(符号数字模式测试)指示MDS-UPDRS认知损伤数据；

其中发声指示MDS-UPDRS言语问题数据；

其中言语指示MDS-UPDRS唾液和流涎数据；并且

其中步态指示MDS-UPDRS身体运动徐缓数据。

20.如权利要求13所述的系统，其中所述指令在由所述处理器读取时致使所述系统还进行以下操作，包括：

基于患者群体运动数据来计算将所述行动系统评估定义为受损或未受损的阈值，其中所述运动数据包括被动运动数据和/或主动表现数据；

计算患者运动/表现得分；

将所述患者运动/表现得分与所述阈值进行比较；

确定所述行动系统评估是受损还是未受损；

显示命令，其中对于未受损行动系统评估，所述命令是不治疗；

显示命令，其中对于受损行动系统评估，所述命令是发起治疗；以及

基于所述行动系统评估来计算所述治疗，其中所述治疗是向所述帕金森病患者递送治疗有效量的药物。

Images