知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2023-08-14
(45)【発行日】2023-08-22
(54)【発明の名称】サブ処理領域間の連関性値の処理のためのシステム及び方法
(51)【国際特許分類】
A61B 5/055 20060101AFI20230815BHJP
A61B 5/16 20060101ALI20230815BHJP
A61B 10/00 20060101ALI20230815BHJP
【ＦＩ】
A61B5/055 380
A61B5/16 120
A61B10/00 H
【請求項の数】
20
(21)【出願番号】P 2020552302
(86)(22)【出願日】2019-03-27
(65)【公表番号】
(43)【公表日】2021-08-10
(86)【国際出願番号】 US2019024407
(87)【国際公開番号】W WO2019191311
(87)【国際公開日】2019-10-03
【審査請求日】2022-03-18
(31)【優先権主張番号】62/649,469
(32)【優先日】2018-03-28
(33)【優先権主張国・地域又は機関】US
(73)【特許権者】
【識別番号】502375437
【氏名又は名称】アイカーン スクール オブ メディスン アット マウント シナイ
(74)【代理人】
【識別番号】100136630
【弁理士】
【氏名又は名称】水野 祐啓
(74)【代理人】
【識別番号】100201514
【弁理士】
【氏名又は名称】玉井 悦
(72)【発明者】
【氏名】アイアコビエロ， ブライアン， エム．
(72)【発明者】
【氏名】チャーニー， デニス
【審査官】下村 一石
(56)【参考文献】
【文献】特表２０１４－５２２２８３（ＪＰ，Ａ）
【文献】特開２０１５－１７０１６９（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１１／０３０１４３１（ＵＳ，Ａ１）
【文献】特開２０１７－０２３５４８（ＪＰ，Ａ）
【文献】国際公開第２０１７／１３６２８５（ＷＯ，Ａ１）
【文献】特表２０１４－５３５０８０（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ６１Ｂ ５／０５５
Ａ６１Ｂ ５／１６
Ａ６１Ｂ １０／００
(57)【特許請求の範囲】
【請求項1】
システムであって、
データ処理システムであって、
ハードウェア記憶装置上に、１つ以上のデータ構造と、分類ルールを定義する実行可能な論理とを維持し、各データ構造は複数のキー付きデータセットを格納し、前記複数のキー付きデータセットのそれぞれは、対応する被験者を表すそれぞれのキーを含み、
前記ハードウェア記憶装置上の前記１つ以上のデータ構造のうちの前記少なくとも１つから、被験者のキー付きデータセットを取得し、前記キー付きデータセットは、取得された前記キー付きデータセットに含まれるキーによって表される前記被験者に対して実施されたスキャン又はテストの少なくとも一方から導出された値を含み、前記値は、第１の時点での認知感情訓練セッションの実行に応答した前記被験者の神経系の少なくとも１つのサブ処理領域との連関性の大きさを特定し、
前記キー付きデータセットに対して前記実行可能な論理を実行し、前記分類ルールを前記値及び前記少なくとも１つのサブ処理領域の連関性閾値に適用してこれらを比較して、前記被験者の分類を判定し、
前記値が前記連関性閾値よりも大きい場合に、前記キー付きデータセットで表される前記キーと、前記被験者が第２の時点での前記被験者に対する前記認知感情訓練セッションに適格であることを示す第１の分類に対応する第１の分類値との間の関連を、１つ以上のデータ構造を使用して格納し、
前記値が前記連関性閾値よりも小さい場合に、前記キー付きデータセットで表される前記キーと、前記被験者が前記第２の時点での前記被験者に対する前記認知感情訓練セッションに不適格であることを示す第２の分類に対応する第２の分類値との間の関連を、前記１つ以上のデータ構造を使用して格納する、
ように構成された１つ以上のプロセッサを含むデータ処理システムを備える、
システム。
【請求項2】
前記少なくとも１つのサブ処理領域は、背外側前頭前皮質（ＤＰＦＣ）及び扁桃体（ＡＭＧ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＤＰＦＣと前記ＡＭＧとの間の実効的連関性及び前記ＤＰＦＣと前記ＡＭＧとの間の実効的連関性閾値を表す、請求項１に記載のシステム。
【請求項3】
前記少なくとも１つのサブ処理領域は、前帯状皮質（ｄＡＣＣ）及び扁桃体（ＡＭＧ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ｄＡＣＣと前記ＡＭＧとの間の実効的連関性及び前記ｄＡＣＣと前記ＡＭＧとの間の実効的連関性閾値を表す、請求項１に記載のシステム。
【請求項4】
前記少なくとも１つのサブ処理領域は、デフォルトモード安静状態ネットワーク（ＤＭＮ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＤＭＮ内の機能的連関性及び前記ＤＭＮに関連する機能的連関性閾値を表す、請求項１に記載のシステム。
【請求項5】
前記少なくとも１つのサブ処理領域は、顕著性安静状態ネットワーク（ＳＡＬ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＳＡＬ内の機能的連関性及び前記ＳＡＬに関連する機能的連関性閾値を表す、請求項１に記載のシステム。
【請求項6】
前記少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び右中央実行ネットワーク（ＲＣＥＮ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＬＣＥＮと前記ＲＣＥＮとの間の統合性及び前記ＬＣＥＮと前記ＲＣＥＮとの間の統合性閾値を表す、請求項１に記載のシステム。
【請求項7】
前記少なくとも１つのサブ処理領域は、背側デフォルトモード安静状態ネットワーク（ｄＤＭＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ｄＤＭＮと前記ｖＤＭＮとの間の統合性及び前記ｄＤＭＮと前記ｖＤＭＮとの間の統合性閾値を表す、請求項１に記載のシステム。
【請求項8】
前記少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＬＣＥＮと前記ｖＤＭＮとの間の統合性及び前記ＬＣＥＮと前記ｖＤＭＮとの間の統合性閾値を表す、請求項１に記載のシステム。
【請求項9】
前記少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び顕著性安静状態ネットワーク（ＳＡＬ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＬＣＥＮと前記ＳＡＬとの間の統合性及び前記ＬＣＥＮと前記ＳＡＬとの間の統合性閾値を表す、請求項１に記載のシステム。
【請求項10】
前記認知感情訓練セッションは、感情顔記憶課題（ＥＦＭＴ）、ウィスコンシンカード分類課題、情動ストループ課題、アイオワ・ギャンブリング課題、ドット・プローブ課題、顔知覚課題又は遅延割引課題のうちの少なくとも１つを含む、請求項１に記載のシステム。
【請求項11】
方法であって、
データ処理システムによって、ハードウェア記憶装置上に、１つ以上のデータ構造と、分類ルールを定義する実行可能な論理とを維持することであって、各データ構造は複数のキー付きデータセットを格納し、前記複数のキー付きデータセットのそれぞれは、対応する被験者を表すそれぞれのキーを含む、ことと、
前記データ処理システムによって、前記ハードウェア記憶装置上の前記１つ以上のデータ構造のうちの前記少なくとも１つから、被験者のキー付きデータセットを取得することであって、前記キー付きデータセットは、取得された前記キー付きデータセットに含まれるキーによって表される前記被験者に対して実施されたスキャン又はテストの少なくとも一方から導出された値を含み、前記値は、第１の時点での認知感情訓練セッションの実行に応答した前記被験者の神経系の少なくとも１つのサブ処理領域との連関性の大きさを特定する、ことと、
前記データ処理システムによって、前記キー付きデータセットに対して前記実行可能な論理を実行し、前記分類ルールを前記値及び前記少なくとも１つのサブ処理領域の連関性閾値に適用してこれらを比較して、前記被験者の分類を判定することと、
前記値が前記連関性閾値よりも大きい場合に、前記データ処理システムによって、前記キー付きデータセットで表される前記キーと、前記被験者が第２の時点での前記被験者に対する前記認知感情訓練セッションに適格であることを示す第１の分類に対応する第１の分類値との間の関連を、１つ以上のデータ構造を使用して格納することと、
前記値が前記連関性閾値よりも小さい場合に、前記データ処理システムによって、前記キー付きデータセットで表される前記キーと、前記被験者が前記第２の時点での前記被験者に対する前記認知感情訓練セッションに不適格であることを示す第２の分類に対応する第２の分類値との間の関連を、前記１つ以上のデータ構造を使用して格納することと、
を含む、方法。
【請求項12】
前記少なくとも１つのサブ処理領域は、背外側前頭前皮質（ＤＰＦＣ）及び扁桃体（ＡＭＧ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＤＰＦＣと前記ＡＭＧとの間の実効的連関性及び前記ＤＰＦＣと前記ＡＭＧとの間の実効的連関性閾値を表す、請求項１１に記載の方法。
【請求項13】
前記少なくとも１つのサブ処理領域は、前帯状皮質（ｄＡＣＣ）及び扁桃体（ＡＭＧ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ｄＡＣＣと前記ＡＭＧとの間の実効的連関性及び前記ｄＡＣＣと前記ＡＭＧとの間の実効的連関性閾値を表す、請求項１１に記載の方法。
【請求項14】
前記少なくとも１つのサブ処理領域は、デフォルトモード安静状態ネットワーク（ＤＭＮ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＤＭＮ内の機能的連関性及び前記ＤＭＮに関連する機能的連関性閾値を表す、請求項１１に記載の方法。
【請求項15】
前記少なくとも１つのサブ処理領域は、顕著性安静状態ネットワーク（ＳＡＬ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＳＡＬ内の機能的連関性及び前記ＳＡＬに関連する機能的連関性閾値を表す、請求項１１に記載の方法。
【請求項16】
前記少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び右中央実行ネットワーク（ＲＣＥＮ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＬＣＥＮと前記ＲＣＥＮとの間の統合性及び前記ＬＣＥＮと前記ＲＣＥＮとの間の統合性閾値を表す、請求項１１に記載の方法。
【請求項17】
前記少なくとも１つのサブ処理領域は、背側デフォルトモード安静状態ネットワーク（ｄＤＭＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ｄＤＭＮと前記ｖＤＭＮとの間の統合性及び前記ｄＤＭＮと前記ｖＤＭＮとの間の統合性閾値を表す、請求項１１に記載の方法。
【請求項18】
前記少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＬＣＥＮと前記ｖＤＭＮとの間の統合性及び前記ＬＣＥＮと前記ｖＤＭＮとの間の統合性閾値を表す、請求項１１に記載の方法。
【請求項19】
前記少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び顕著性安静状態ネットワーク（ＳＡＬ）を含み、前記値及び前記連関性閾値は、それぞれ、前記ＬＣＥＮと前記ＳＡＬとの間の統合性及び前記ＬＣＥＮと前記ＳＡＬとの間の統合性閾値を表す、請求項１１に記載の方法。
【請求項20】
前記認知感情訓練セッションは、感情顔記憶課題（ＥＦＭＴ）、ウィスコンシンカード分類課題、情動ストループ課題、アイオワ・ギャンブリング課題、ドット・プローブ課題、顔知覚課題又は遅延割引課題のうちの少なくとも１つを含む、請求項１１に記載の方法。
【発明の詳細な説明】
【技術分野】
【0001】
関連出願の相互参照
本出願は、２０１８年３月２８日出願の米国特許仮出願第６２／６４９，４６９号の利益及び優先権を主張し、その開示全体が参照により本明細書中に組み込まれる。
本出願は、２０１８年３月２８日出願の米国特許仮出願第６２／６４９，４６９号の利益及び優先権を主張し、その開示全体が参照により本明細書中に組み込まれる。
【0002】
政府による助成
本発明は、国立衛生研究所により授与された助成金番号第５Ｋ２３ＭＨ０９９２２３号に基づく政府の支援を受けてなされた。政府は本発明に特定の権利を有する。
本発明は、国立衛生研究所により授与された助成金番号第５Ｋ２３ＭＨ０９９２２３号に基づく政府の支援を受けてなされた。政府は本発明に特定の権利を有する。
【背景技術】
【0003】
発明の背景
本願技術の背景を、本願技術に対する先行技術を説明又は構成するためではなく、単に本願技術の理解の一助として以下に記載する。
本願技術の背景を、本願技術に対する先行技術を説明又は構成するためではなく、単に本願技術の理解の一助として以下に記載する。
【0004】
連関性値を、撮像などの１つ以上の方法を用いて求めることができる。連関性値は、状態を表し得る。いくつかの状態を、連関性値の変化に影響を与えることによって改善することができる。
【発明の概要】
【0005】
本願技術の概要
一局面では、本開示は、１つ以上のデータ構造と、１つ以上のデータ構造内に格納されたデータ値を処理するための実行可能な論理とを記憶しているハードウェア記憶装置を有するデータ処理システムを提供する。データ処理システムは、１つ以上のデータ構造を記憶しているハードウェア記憶装置であって、各データ構造はキー付きデータを格納し、キー付きデータの一項目は、被験者を表すキーを含み、ハードウェア記憶装置は、分類ルールを含む実行可能な論理を更に記憶している、ハードウェア記憶装置を含む。データ処理システムは、ハードウェア記憶装置から１つ以上のデータ構造のうちの少なくとも１つにアクセスし、１つ以上のデータ構造のうちのアクセスされた少なくとも１つから、特定の被験者のキー付きデータを取得するための１つ以上のデータ処理装置であって、取得されたキー付きデータは、取得されたキー付きデータに含まれるキーによって表される被験者に対して実施されたスキャン又はテストの少なくとも一方から導出された被験者連関性値を含み、被験者連関性値は、被験者の神経系の少なくとも１つのサブ処理領域に関連する連関性の大きさを表す、データ処理装置を更に含む。データ処理システムは、キー付きデータに対して実行可能な論理を実行し、分類ルールを被験者連関性値及び連関性閾値に適用して被験者の分類を判定するように構成された実行可能論理エンジンを更に含む。ハードウェア記憶装置による記憶は、被験者連関性値が連関性閾値よりも大きい場合に、キー付きデータで表されるキーと、第１の分類に対応する第１の分類値との間の関連をデータ構造内に格納するように更に構成されている。ハードウェア記憶装置による記憶は、被験者連関性値が連関性閾値よりも小さい場合に、キー付きデータで表されるキーと、第２の分類に対応する第２の分類値との間の関連をデータ構造内に格納するように更に構成されている。
一局面では、本開示は、１つ以上のデータ構造と、１つ以上のデータ構造内に格納されたデータ値を処理するための実行可能な論理とを記憶しているハードウェア記憶装置を有するデータ処理システムを提供する。データ処理システムは、１つ以上のデータ構造を記憶しているハードウェア記憶装置であって、各データ構造はキー付きデータを格納し、キー付きデータの一項目は、被験者を表すキーを含み、ハードウェア記憶装置は、分類ルールを含む実行可能な論理を更に記憶している、ハードウェア記憶装置を含む。データ処理システムは、ハードウェア記憶装置から１つ以上のデータ構造のうちの少なくとも１つにアクセスし、１つ以上のデータ構造のうちのアクセスされた少なくとも１つから、特定の被験者のキー付きデータを取得するための１つ以上のデータ処理装置であって、取得されたキー付きデータは、取得されたキー付きデータに含まれるキーによって表される被験者に対して実施されたスキャン又はテストの少なくとも一方から導出された被験者連関性値を含み、被験者連関性値は、被験者の神経系の少なくとも１つのサブ処理領域に関連する連関性の大きさを表す、データ処理装置を更に含む。データ処理システムは、キー付きデータに対して実行可能な論理を実行し、分類ルールを被験者連関性値及び連関性閾値に適用して被験者の分類を判定するように構成された実行可能論理エンジンを更に含む。ハードウェア記憶装置による記憶は、被験者連関性値が連関性閾値よりも大きい場合に、キー付きデータで表されるキーと、第１の分類に対応する第１の分類値との間の関連をデータ構造内に格納するように更に構成されている。ハードウェア記憶装置による記憶は、被験者連関性値が連関性閾値よりも小さい場合に、キー付きデータで表されるキーと、第２の分類に対応する第２の分類値との間の関連をデータ構造内に格納するように更に構成されている。
【0006】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、背外側前頭前皮質（ｄｏｒｓｏｌａｔｅｒａｌ ｐｒｅｆｒｏｎｔａｌ ｃｏｒｔｅｘ：ＤＰＦＣ）及び扁桃体（ａｍｙｇｄａｌａ：ＡＭＧ）を含み、被験者連関性値及び連関性閾値は、ＤＰＦＣとＡＭＧとの間の実効的連関性及びＤＰＦＣとＡＭＧとの間の実効的連関性閾値を表し、第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。
【0007】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、前帯状皮質（ａｎｔｅｒｉｏｒ ｃｉｎｇｕｌａｔｅ ｃｏｒｔｅｘ：ｄＡＣＣ）及び扁桃体（ＡＭＧ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ｄＡＣＣとＡＭＧとの間の実効的連関性及びｄＡＣＣとＡＭＧとの間の実効的連関性閾値を表し、第１の分類値は、被験者が適格であることを示し、第２の分類値は、被験者が不適格であることを示す。
【0008】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、デフォルトモード安静状態ネットワーク（ｄｅｆａｕｌｔ ｍｏｄｅ ｒｅｓｔｉｎｇ ｓｔａｔｅ ｎｅｔｗｏｒｋ：ＤＭＮ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ＤＭＮ内の機能的連関性及びＤＭＮに関連する機能的連関性閾値を表し、第１の分類値は、被験者が適格であることを示し、第２の分類値は、被験者が不適格であることを示す。
【0009】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、顕著性安静状態ネットワーク（ｓａｌｉｅｎｃｅ ｒｅｓｔｉｎｇ ｓｔａｔｅ ｎｅｔｗｏｒｋ：ＳＡＬ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ＳＡＬ内の機能的連関性及びＳＡＬに関連する機能的連関性閾値を表し、第１の分類値は、被験者が適格であることを示し、第２の分類値は、被験者が不適格であることを示す。
【0010】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ｌｅｆｔ ｃｅｎｔｒａｌ ｅｘｅｃｕｔｉｖｅ ｎｅｔｗｏｒｋ：ＬＣＥＮ）及び右中央実行ネットワーク（ｒｉｇｈｔ ｃｅｎｔｒａｌ ｅｘｅｃｕｔｉｖｅ ｎｅｔｗｏｒｋ：ＲＣＥＮ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ＬＣＥＮとＲＣＥＮとの間の統合性及びＬＣＥＮとＲＣＥＮとの間の統合性閾値を表し、第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。
【0011】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、背側デフォルトモード安静状態ネットワーク（ｄｏｒｓａｌ ｄｅｆａｕｌｔ ｍｏｄｅ ｒｅｓｔｉｎｇ ｓｔａｔｅ ｎｅｔｗｏｒｋ：ｄＤＭＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖｅｎｔｒａｌ ｄｅｆａｕｌｔ ｍｏｄｅ ｒｅｓｔｉｎｇ ｓｔａｔｅ ｎｅｔｗｏｒｋ：ｖＤＭＮ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ｄＤＭＮとｖＤＭＮとの間の統合性及びｄＤＭＮとｖＤＭＮとの間の統合性閾値を表し、第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。
【0012】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ＬＣＥＮとｖＤＭＮとの間の統合性及びＬＣＥＮとｖＤＭＮとの間の統合性閾値を表し、第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。
【0013】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び顕著性安静状態ネットワーク（ＳＡＬ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ＬＣＥＮとＳＡＬとの間の統合性及びＬＣＥＮとＳＡＬとの間の統合性閾値を表し、第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。
【0014】
一局面では、本開示は、被験者を連関性値に基づいて分類する方法を提供する。本方法は、１つ以上のプロセッサを含むデータ処理システムにより、被験者を特定する被験者識別情報と、被験者に対して実施されたスキャン又はテストの少なくとも一方から導出された被験者連関性値とを含むデータ構造にアクセスすることであって、被験者連関性値は、被験者の神経系の少なくとも１つのサブ処理領域に関連する連関性の大きさを表すことを含む。本方法は更に、データ処理システムにより、被験者連関性値を連関性閾値と比較し、被験者の分類を判定することを含む。本方法はまた、被験者連関性値が連関性閾値よりも大きいというデータ処理システムによる判定に応答して、データ処理システムにより、被験者識別情報と、第１の分類に対応する第１の分類値との間の関連をデータ構造内に格納することを含む。本法はまた、被験者連関性値が連関性閾値よりも小さいというデータ処理システムによる判定に応答して、データ処理システムにより、被験者識別情報と、第２の分類に対応する第２の分類値との間の関連をデータ構造内に格納することを含む。
【0015】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、背外側前頭前皮質（ＤＰＦＣ）及び扁桃体（ＡＭＧ）を含み、被験者連関性値及び連関性閾値は、ＤＰＦＣとＡＭＧとの間の実効的連関性及びＤＰＦＣとＡＭＧとの間の実効的連関性閾値を表し、第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。
【0016】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、前帯状皮質（ｄＡＣＣ）及び扁桃体（ＡＭＧ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ｄＡＣＣとＡＭＧとの間の実効的連関性及びｄＡＣＣとＡＭＧとの間の実効的連関性閾値を表し、第１の分類値は、被験者が適格であることを示し、第２の分類値は、被験者が不適格であることを示す。
【0017】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、デフォルトモード安静状態ネットワーク（ＤＭＮ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ＤＭＮ内の機能的連関性及びＤＭＮに関連する機能的連関性閾値を表し、第１の分類値は、被験者が適格であることを示し、第２の分類値は、被験者が不適格であることを示す。
【0018】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、顕著性安静状態ネットワーク（ＳＡＬ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ＳＡＬ内の機能的連関性及びＳＡＬに関連する機能的連関性閾値を表し、第１の分類値は、被験者が適格であることを示し、第２の分類値は、被験者が不適格であることを示す。
【0019】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び右中央実行ネットワーク（ＲＣＥＮ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ＬＣＥＮとＲＣＥＮとの間の統合性及びＬＣＥＮとＲＣＥＮとの間の統合性閾値を表し、第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。
【0020】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、背側デフォルトモード安静状態ネットワーク（ｄＤＭＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ｄＤＭＮとｖＤＭＮとの間の統合性及びｄＤＭＮとｖＤＭＮとの間の統合性閾値を表し、第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。
【0021】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ＬＣＥＮとｖＤＭＮとの間の統合性及びＬＣＥＮとｖＤＭＮとの間の統合性閾値を表し、第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。
【0022】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び顕著性安静状態ネットワーク（ＳＡＬ）を含み、被験者連関性値及び連関性閾値は、それぞれ、ＬＣＥＮとＳＡＬとの間の統合性及びＬＣＥＮとＳＡＬとの間の統合性閾値を表し、第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。
【0023】
いくつかの実施形態では、被験者連関性値は第１の被験者連関性値であり、連関性閾値は第１の連関性閾値であり、本方法は更に、データ処理システムにより、被験者に対して実施された少なくとも１つのスキャン又はテストから導出された第２の被験者連関性値を含むデータ構造にアクセスすることであって、第２の被験者連関性値は、被験者の神経系の別の少なくとも１つのサブ処理領域に関連する連関性の大きさを表すことを含む。本方法はまた、データ処理システムにより、第２の被験者連関性値を比較することを含む。本方法は更に、第１の被験者連関性値が第１の連関性閾値よりも大きく、かつ第２の被験者連関性値が第２の連関性閾値よりも小さいというデータ処理システムによる判定に応答して、データ処理システムにより、被験者識別情報と、第１の分類に対応する第１の分類値との間の関連をデータ構造内に格納することを含む。本方法はまた、第１の被験者連関性値が第１の連関性閾値よりも小さく、かつ第２の被験者連関性値が第２の連関性閾値よりも大きいというデータ処理システムによる判定に応答して、データ処理システムにより、被験者識別情報と、第２の分類に対応する第２の分類値との間の関連をデータ構造内に格納することを含む。
【0024】
いくつかの実施形態では、少なくとも１つのサブ処理領域は背外側前頭前皮質（ＤＰＦＣ）及び扁桃体（ＡＭＧ）を含み、第１の被験者連関性値及び第１の連関性閾値は、ＤＰＦＣとＡＭＧとの間の実効的連関性及びＤＰＦＣとＡＭＧとの間の実効的連関性閾値を表し、別の少なくとも１つのサブ処理領域は、前帯状皮質（ｄＡＣＣ）及び扁桃体（ＡＭＧ）を含み、第２の被験者連関性値及び第２の連関性閾値は、それぞれ、ｄＡＣＣとＡＭＧとの間の実効的連関性及びｄＡＣＣとＡＭＧとの間の実効的連関性閾値を表し、第１の分類値は被験者が不適格であることを示し、第２の分類値は被験者が適格であることを示す。
【0025】
更に別の一局面では、本開示は、連関性値に基づいて候補をランク付けする方法を提供する。本方法は、１つ以上のプロセッサを含むデータ処理システムにより、複数の被験者に対応する複数の被験者識別情報に関連する複数の被験者連関性値をデータ構造から求めることであって、複数の被験者連関性値の各被験者連関性値は、複数の被験者の被験者それぞれの神経系の少なくとも１つのサブ処理領域に関連する連関性の大きさを表すことを含む。本方法は更に、データ処理システムにより、データ構造内の各被験者識別情報に被験者連関性値に基づいてランクを割り当てることを含む。本方法はまた、データ処理システムにより、複数の被験者からなるサブセットを選択することであって、サブセットの各被験者は、連関性閾値と被験者連関性値との差に基づいて選択されることを含む。本方法は更に、データ処理システムにより、複数の被験者からなる選択されたサブセットに対応する被験者識別情報の番号付きリストを生成することであって、被験者識別情報が、各被験者識別情報に割り当てられたランクに基づいて配列されていることを含む。
【0026】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、背外側前頭前皮質（ＤＰＦＣ）及び扁桃体（ＡＭＧ）を含み、複数の被験者連関性値及び連関性閾値は、複数の被験者のそれぞれについてのＤＰＦＣとＡＭＧとの間の実効的連関性及びＤＰＦＣとＡＭＧとの間の実効的連関性閾値を表し、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも小さい。
【0027】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、前帯状皮質（ｄＡＣＣ）及び扁桃体（ＡＭＧ）を含み、複数の被験者連関性値及び連関性閾値は、複数の被験者のそれぞれについてのｄＡＣＣとＡＭＧとの間の実効的連関性及びｄＡＣＣとＡＭＧとの間の実効的連関性閾値を表し、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも大きい。
【0028】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、デフォルトモード安静状態ネットワーク（ＤＭＮ）を含み、複数の被験者連関性値及び連関性閾値は、複数の被験者のそれぞれについてのＤＭＮ内の機能的連関性及びＤＭＮ内の機能的連関性閾値を表し、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも大きい。
【0029】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、顕著性安静状態ネットワーク（ＳＡＬ）を含み、複数の被験者連関性値及び連関性閾値は、複数の被験者のそれぞれについてのＳＡＬ内の機能的連関性及びＳＡＬ内の機能的連関性閾値を表し、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも大きい。
【0030】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び右中央実行ネットワーク（ＲＣＥＮ）を含み、複数の被験者連関性値及び連関性閾値は、複数の被験者のそれぞれについてのＬＣＥＮとＲＣＥＮとの間の統合性及びＬＣＥＮとＲＣＥＮとの間の統合性閾値を表し、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも小さい。
【0031】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、背側デフォルトモード安静状態ネットワーク（ｄＤＭＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、複数の被験者連関性値及び連関性閾値は、複数の被験者のそれぞれについてのｄＤＭＮとｖＤＭＮとの間の統合性及びｄＤＭＮとｖＤＭＮとの間の統合性閾値を表し、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも小さい。
【0032】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、複数の被験者連関性値及び連関性閾値は、複数の被験者のそれぞれについてのＬＣＥＮとｖＤＭＮとの間の統合性及びＬＣＥＮとｖＤＭＮとの間の統合性閾値を表し、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも小さい。
【0033】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び顕著性安静状態ネットワーク（ＳＡＬ）を含み、複数の被験者連関性値及び連関性閾値は、複数の被験者のそれぞれについてのＬＣＥＮとＳＡＬとの間の統合性及びＬＣＥＮとＳＡＬとの間の統合性閾値を表し、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも小さい。
【0034】
更に別の一局面では、本開示は、治療の有効性を連関性値に基づいて判定する方法を提供する。本方法は、１つ以上のプロセッサを含むデータ処理システムにより、被験者の第１の連関性値を求めることであって、第１の連関性値は、第１の時点における被験者の神経系の少なくとも１つのサブ処理領域に関連する連関性の第１の大きさを表すことを含む。本方法は更に、データ処理システムにより、被験者の第２の連関性値を求めることであって、第２の連関性値は、被験者が認知感情訓練を受けた後の第２の時点における被験者の神経系の少なくとも１つのサブ処理領域に関する連関の第２の大きさを表すことを含む。本方法はまた、データ処理システムにより、第１の連関性値と第２の連関性との間の差を求めることを含む。本方法は更に、差が閾値よりも大きいという判定に応答して、データ処理システムにより、被験者を特定する被験者識別情報を含むデータ構造内に、被験者識別情報と第１の分類に対応する第１の分類値との間の関連を格納することを含む。本方法は更に、差が閾値よりも小さいという判定に応答して、データ処理システムにより、被験者識別情報を含むデータ構造内に、被験者識別情報と第２の分類に対応する第２の分類値との間の関連を格納することを含む。
【0035】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、背外側前頭前皮質（ＤＰＦＣ）及び扁桃体（ＡＭＧ）を含み、第１の連関性値及び第２の連関性値は、第１の時点及び第２の時点のそれぞれにおける被験者のＤＰＦＣとＡＭＧとの間の実効的連関性を表す。
【0036】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、前帯状皮質（ｄＡＣＣ）及び扁桃体（ＡＭＧ）を含み、第１の連関性値及び第２の連関性値は、第１の時点及び第２の時点のそれぞれにおける被験者のＤＰＦＣとＡＭＧとの間の実効的連関性を表す。
【0037】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、デフォルトモード安静状態ネットワーク（ＤＭＮ）を含み、第１の連関性値及び第２の連関性値は、第１の時点及び第２の時点のそれぞれにおける被験者のＤＭＮ内の機能的連関性をそれぞれ表す。
【0038】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、顕著性安静状態ネットワーク（ＳＡＬ）を含み、第１の連関性値及び第２の連関性値は、第１の時点及び第２の時点のそれぞれにおける被験者のＳＡＬ内の機能的連関性を表す。
【0039】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び右中央実行ネットワーク（ＲＣＥＮ）を含み、第１の連関性値及び第２の連関性値は、第１の時点及び第２の時点のそれぞれにおける被験者のＬＣＥＮとＲＣＥＮとの間の統合性を表す。
【0040】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、背側デフォルトモード安静状態ネットワーク（ｄＤＭＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、第１の連関性値及び第２の連関性値は、第１の時点及び第２の時点のそれぞれにおける被験者のｄＤＭＮとｖＤＭＮとの間の統合性を表す。
【0041】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び腹側デフォルトモード安静状態ネットワーク（ｖＤＭＮ）を含み、第１の連関性値及び第２の連関性値は、第１の時点及び第２の時点のそれぞれにおける被験者のＬＣＥＮとｖＤＭＮとの間の統合性値を表す。
【0042】
いくつかの実施形態では、少なくとも１つのサブ処理領域は、左中央実行ネットワーク（ＬＣＥＮ）及び顕著性安静状態ネットワーク（ＳＡＬ）を含み、第１の連関性値及び第２の連関性値は、第１の時点及び第２の時点のそれぞれにおける被験者のＬＣＥＮとＳＡＬとの間の統合性値を表す。
【0043】
更に別の一局面では、本開示は、情動障害に罹患している被験者において、有効時間量にわたってＤＰＦＣとＡＭＧとの間の実効的連関性を増加させ、かつｄＡＣＣとＡＭＧとの間の実効的連関性を減少させる方法を提供する。
【0044】
更に別の一局面では、本開示は、情動障害に罹患している被験者において、有効時間量にわたってｄＤＭＮ及びＳＡＬの少なくとも一方における機能的連関性を減少させる方法を提供する。
【0045】
更に別の一局面では、本開示は、情動障害に罹患している被験者において、有効時間量にわたってＬＣＥＮとＲＣＥＮ、ｄＤＭＮとｖＤＭＮ、ＬＣＥＮとｖＤＭＮ又はＬＣＥＮとＳＡＬのうちの少なくとも１つの対内の統合性を増加させる方法を提供する。
【0046】
本明細書に開示する方法の上述の実施形態のいずれにおいても、情動障害は、大うつ病性障害（ＭＤＤ）、双極性障害、心的外傷後ストレス障害（ＰＴＳＤ）、全般性不安障害、社会恐怖症、強迫性障害、治療抵抗性うつ病又は境界性人格障害であり得る。
【図面の簡単な説明】
【0047】
【図1】図1は、非限定的な例示的ＥＦＭＴ試験を示す。参加者は、画面上に表示される顔の表情を１秒間観察し、表現された感情を答えた。次に、参加者は、観察した感情を、例えばＮ＝２回前の顔などのＮ回前の顔で観察した感情と比較した。
【図2】図２Ａ～図２Ｂは、安静状態機能的連関性を示す。図２Ａは、本願発明で調べた安静状態ネットワークの空間分布を図示したものである。図２Ｂは、治療後に観察されたネットワーク内及びネットワーク間の機能的連関性の効果量を図示したものである。効果量＞０．３のネットワークのみが示されている。略語：ｄＤＭＮ：背側デフォルトモードネットワーク；ｖＤＭＮ：腹側デフォルトモードネットワーク；ＳＡＬ：顕著性ネットワーク；ＬＣＥＮ：左中央実行ネットワーク；ＲＣＥＮ：右中央実行ネットワーク。
【図3】図３Ａ～図３Ｂは、ＥＦＭＴ課題中の実効的連関性を示す。図３Ａは、ＥＦＭＴ前後のｄＡＣＣ、ＤＰＦＣ及びＡＭＧ間の実効的連関性の変化の概略図である。実線の矢印は連関性の増加を、破線の矢印は連関性の減少を示す。図３Ｂは、ＥＦＭＴ課題を完了する間の実効的連関性の変化をＥＦＭＴ治療の前から後にわたって図示したものである。ＡＭＧ：扁桃体、ｄＡＣＣ：前帯状皮質、ＤＰＦＣ＝背外側前頭前皮質。
【図4】図４は、ベースライン及び治療後の課題関連脳活動の相違を示す。座標をＭＮＩ空間内に示す：ｘ＝軸位；ｙ＝冠状；ｚ＝矢状；クラスタレベル推論を使用して、閾値ｐ＜０．００１、補正なしで空間的に隣接しているボクセルを特定し、次に、ファミリーワイズエラー補正クラスタ度閾値ｐ＜０．０５を適用して、統計的有意性を推論した。
【図6】図６は、１つの色が１つのネットワークに対応する、健常な対照被験者の「コミュニティ分析」を示す。健常な対照被験者には、扁桃体、海馬、海馬傍回、側頭極及び小脳虫部を含む規範的な内側側頭葉ネットワーク（実線の楕円で囲まれた左側脳領域内の７個の黒点及び実線の楕円で囲まれた右側脳領域内の１２個の黒点によって示される）が見られる。被験者のｆＭＲＩ画像を前処理し、複数のボクセル又は領域へと分割してもよい。領域内の活動を、ｆＭＲＩ画像からの時系列データを使用して定量化し、機能的連関性マトリックスを算出し、これに領域グラフ理論のメトリックを適用して、連関していると思われるボクセル又は領域のコミュニティを生成してもよい。
【発明を実施するための形態】
【0048】
発明の詳細な説明
本願発明の方法のいくつかの局面、態様、実施形態、変形及び特徴が、以下に本願技術の十全な理解を目的として様々な程度の詳細さで記載されることが理解されよう。
本願発明の方法のいくつかの局面、態様、実施形態、変形及び特徴が、以下に本願技術の十全な理解を目的として様々な程度の詳細さで記載されることが理解されよう。
【0049】
大うつ病性障害（ｍａｊｏｒ ｄｅｐｒｅｓｓｉｖｅ ｄｉｓｏｒｄｅｒ：ＭＤＤ）、心的外傷後ストレス障害及び不安障害などのように、ネガティブな影響（例えば情動障害（Ａｆｆｅｃｔｉｖｅ Ｄｉｓｏｒｄｅｒ：ＡＤ））によって特徴づけられる精神障害に向けたより効果的な治療が急務である。そのようなＡＤは、高頻度で起こり、就労を困難にし、コストが高くつく。実際に、世界中で３．５億の人々がうつ病に苦しんでいると推定され、これは１５－４４歳のアメリカ人を就業不能とする主要な要因である。
【0050】
大うつ病性障害（ＭＤＤ）は、世界に共通する就業不能の主原因の一つであり、深刻な職務能力の低下及び生活の質の低下の双方を伴う（ＷＨＯ、２００１年）。ＭＤＤは、非常に多くみられる精神疾患であり、全人口の約１７％が一生の間に罹患し、再発性及び慢性の経過を辿ることが多い（Ｋｅｓｓｌｅｒ他、ＪＡＭＡ．２８９，３０９５－３１０５（２００３））。利用可能な治療法は存在するが、ＭＤＤ患者のうちで緩解に至るのは３分の１程度に過ぎないと推定されている（Ｔｒｉｖｅｄｉ他、Ａｍ Ｊ Ｐｓｙｃｈｉａｔｒｙ １６３，２８－４０（２００６）；Ｒｕｓｈ他、Ａｍ Ｊ Ｐｓｙｃｈｉａｔｒｙ １６３，１９０５－１９１７（２００６））。したがって、各患者に対して適切な治療介入を行うための方法及びシステムが必要とされている。
【文献】Ｋｅｓｓｌｅｒ他、ＪＡＭＡ．２８９，３０９５－３１０５（２００３）
【文献】Ｔｒｉｖｅｄｉ他、Ａｍ Ｊ Ｐｓｙｃｈｉａｔｒｙ １６３，２８－４０（２００６）
【文献】Ｒｕｓｈ他、Ａｍ Ｊ Ｐｓｙｃｈｉａｔｒｙ １６３，１９０５－１９１７（２００６）
【0051】
本開示は、認知感情訓練が、ＭＤＤ、双極性障害、心的外傷後ストレス障害（ＰＴＳＤ）、全般性不安障害、社会恐怖症、強迫性障害、治療抵抗性うつ病又は境界性人格障害などの情動障害に冒されている脳内ネットワークの短期的な可塑性の変化に関与することを示している。１４名のＭＤＤ患者に対して、（例えば感情顔記憶課題（Ｅｍｏｔｉｏｎａｌ Ｆａｃｅｓ Ｍｅｍｏｒｙ Ｔａｓｋ：ＥＦＭＴ）訓練などの）認知感情訓練を、単独療法として６週間にわたって実施した。患者らをベースラインで及び治療後にスキャンし、感情作業記憶処理の間の安静状態機能的連関性及び実効的連関性の変化を調べた。ベースラインと比較して、治療後の患者らの自己参照及び顕著性処理に関与する安静状態ネットワーク内の連関性は減少し、安静状態の機能的コネクトーム全体にわたる統合性は向上した。さらに、治療後は、脳の皮質制御領域と辺縁領域との間で、ＥＦＭＴによって誘発された連関性の変調の増加が観察され、臨床的な改善が認められた。これらの結果は、認知感情訓練が安静状態ネットワークの機能的統合性及び脳の皮質制御領域から情動応答に関与する領域への実効的連関性を向上させることを示すと共に、これらの連関性パラメータの変化が症状の改善に関係することを示している。認知感情訓練はまた、他の障害に冒されている脳内ネットワークの短期的な可塑性も変化させる。例えば、障害が、全般性不安障害（ｇｅｎｅｒａｌｉｚｅｄ ａｎｘｉｅｔｙ ｄｉｓｏｒｄｅｒ：ＧＡＤ）、社会恐怖症、境界性人格障害及び外傷後ストレス障害（ＰＴＳＤ）などの不安障害を含んでもよい。
【0052】
本願開示のシステム及び方法は、患者の選択されたサブ処理領域間の実効的連関性及び／又は機能的連関性に基づいて情動障害を迅速かつ的確に検出するために有用である。さらに、本願技術のシステム及び方法は、情動障害を有する患者に対して臨床医が適切な治療介入（認知感情訓練など）を迅速に行うことを可能にする。本明細書に記載のシステム及び方法はまた、情動障害に罹患している患者の治療レジメンの維持又は変更（例えば、ある治療コースを変更する、置き換える、又は打ち切る、あるいは別の療法を取り入れるなど）に関する臨床的な意思決定の遅延の緩和を支援することにより、患者の安全を確保し、全体的な自殺リスクを低減させる。
【0053】
定義
特に他に定義しない限り、本明細書中で使用される全ての技術的用語及び科学的用語は通常、本願技術が属する分野において通常の技術を有する者によって共通に理解されるのと同じ意味を有する。本明細書及び添付の請求の範囲において使用される「ａ」、「ａｎ」及び「ｔｈｅ」などの単数形は、その内容が他に明示しない限り、複数形も包含する。例えば、「細胞」という用語は、２つ以上の細胞の組み合わせなども含む。一般に、本明細書で使用される学術用語並びに、以下に記載する細胞培養、分子遺伝学、有機化学、分析化学、核酸化学及びハイブリダイゼーションにおける検査方法は、本願技術の分野において周知であり、広く採用されている。
特に他に定義しない限り、本明細書中で使用される全ての技術的用語及び科学的用語は通常、本願技術が属する分野において通常の技術を有する者によって共通に理解されるのと同じ意味を有する。本明細書及び添付の請求の範囲において使用される「ａ」、「ａｎ」及び「ｔｈｅ」などの単数形は、その内容が他に明示しない限り、複数形も包含する。例えば、「細胞」という用語は、２つ以上の細胞の組み合わせなども含む。一般に、本明細書で使用される学術用語並びに、以下に記載する細胞培養、分子遺伝学、有機化学、分析化学、核酸化学及びハイブリダイゼーションにおける検査方法は、本願技術の分野において周知であり、広く採用されている。
【0054】
ここで使用される、数に関する「約」という用語は、別のものとして述べられているか又は文脈から別のものとして明らかでない限り、（そのような数が、あり得る値の０％よりも小さいか、又は１００％よりも大きい場合を除いて）その数の１％、５％又は１０％の双方向の（大きいか又は小さい）範囲内の数を含むものとして一般に理解される。
【0055】
ここで使用される、「脳活性」又は「脳活動」という用語は、被験者において内部刺激又は外部刺激に応答して観察される少なくとも１つの脳領域内の１つ以上のニューロンの電気的活動と、これに対応する代謝変化を指す。
【0056】
ここで使用される「認知感情訓練」は、特定の脳領域内での活性を誘発し、領域内／間の経時的な活性パターンを変調させる（脳の可塑性を制御する）ことで精神病症状を改善することを目指す目的での認知指向型の又は感情指向型の課題の実施を指す。
【0057】
ここで使用される「対照」は、比較を目的とした実験で使用される代替サンプルである。対照は、「陽性」又は「陰性」であり得る。例えば、実験の目的が、特定の種類の疾患に対する治療介入の効果の相関性を調べることである場合、陽性対照（所望の治療効果を発揮することが知られている介入）と陰性対照（治療を受けない、又はプラセボを受ける被験者又はサンプル）が典型的に使用される。
【0058】
ここで使用される「実効的連関性」又は「ＥＣ」は、１つの神経系又は脳領域が別の神経系又は脳領域に対して及ぼす、又は発揮する影響を指す。ＥＣは、脳領域／神経系間の影響について、（ＦＣにおけるように）観察された相関性を報告するのではなく、先験的に定義されたモデルに依存し、これをテストする。１つの脳領域が別の脳領域に影響を与えるか否かを判定するために、２つの脳領域間の神経活動の相関性が、そのネットワーク又は系（作業記憶など）を活性化させることが知られているか、又はそのように考えられている特定の挙動又は認知課題の間に測定される。いくつかの実施形態では、実効的連関性をｆＭＲＩデータから測定してもよい。ＥＣを測定及び解釈するための方法は、Ｆｒｉｓｔｏｎ，Ｈｕｍａｎ Ｂｒａｉｎ Ｍａｐｐｉｎｇ ２：５６－７８（１９９４）に記載されている。実効的連関性を、短期神経ネットワークレベルの可塑性の指標とみなしてもよい（Ｓｔｅｐｈａｎ他、Ｂｉｏｌｏｇｉｃａｌ Ｐｓｙｃｈｉａｔｒｙ ５９，９２９－９３９（２００６）；Ｆｒｉｓｔｏｎ，Ｂｒａｉｎ Ｃｏｎｎｅｃｔ．１（１）：１３－３６（２０１１））。この短期可塑性は、脳が外部又は内部のきっかけに応答してその連関性及び機能性を変化させるか又は文脈付けすることを可能にする基本機構を表す（Ｓａｌｉｎａｓ ＆ Ｓｅｊｎｏｗｓｋｉ，Ｎｅｕｒｏｓｃｉｅｎｔｉｓｔ ７，４３０－４４０（２００１））。
【文献】Ｆｒｉｓｔｏｎ，Ｈｕｍａｎ Ｂｒａｉｎ Ｍａｐｐｉｎｇ ２：５６－７８（１９９４）
【文献】Ｓｔｅｐｈａｎ他、Ｂｉｏｌｏｇｉｃａｌ Ｐｓｙｃｈｉａｔｒｙ ５９，９２９－９３９（２００６）
【文献】Ｆｒｉｓｔｏｎ，Ｂｒａｉｎ Ｃｏｎｎｅｃｔ．１（１）：１３－３６（２０１１））
【文献】Ｓａｌｉｎａｓ ＆ Ｓｅｊｎｏｗｓｋｉ，Ｎｅｕｒｏｓｃｉｅｎｔｉｓｔ ７，４３０－４４０（２００１）
【0059】
ここで使用される「機能的連関性」又は「ＦＣ」は、空間的に離間した神経生理学的事象（別個の脳領域の活性）間の時間的相関を指す。ＦＣは、観察された相関に関する記述である。機能的連関性を、血中酸素濃度依存（ｂｌｏｏｄ ｏｘｙｇｅｎ ｌｅｖｅｌ ｄｅｐｅｎｄｅｎｔ：ＢＯＬＤ）シグナルが特定の対象脳領域における神経活動の定量的指標として測定される機能的磁気共鳴画像法（ｆｕｎｃｔｉｏｎａｌ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ｉｍａｇｉｎｇ：ｆＭＲＩ）を使用して測定されてもよい。任意の神経活動シグナル（ＥＥＧなどの電気生理学的シグナル）をＦＣの計算に使用することができる。ＦＣを推定するために、別個の脳領域のシグナル間の相関性が計算される。ＦＣの測定及び解釈のための方法は、Ｆｒｉｓｔｏｎ，Ｈｕｍａｎ Ｂｒａｉｎ Ｍａｐｐｉｎｇ ２：５６－７８（１９９４）に記載されている。
【文献】Ｆｒｉｓｔｏｎ，Ｈｕｍａｎ Ｂｒａｉｎ Ｍａｐｐｉｎｇ ２：５６－７８（１９９４）
【0060】
ここで使用される「統合性」は、単一のネットワーク又は脳領域内、あるいは複数のネットワーク又は脳領域間の機能的連関性又は実効的連関性の程度を指す。
【0061】
ここで使用される「ニューロン」は、シナプスを介して他の細胞と情報伝達を行う神経システムの電気的に興奮可能な細胞である。典型的なニューロンは、細胞体と、複数の短い枝状の突起（樹状突起）と、一本の長い突起（軸索）とを含む。
【0062】
ここで使用される「可塑性」という用語は、ニューロンのシナプスの経時的な増強又は減弱を指す。
【0063】
ここで使用される「シナプス」は、ニューロンの軸索の先端と、隣接するニューロン又は標的エフェクタ細胞（筋細胞など）との間の特別な領域であり、そこを介して刺激（即ち電気信号及び／又は化学信号）が伝達される。刺激は神経伝達物質によって伝達される場合もあるが、シナプス前細胞の細胞質とシナプス後細胞の細胞質とを接続しているギャップ結合を介して伝達される場合もある。
【0064】
ここで使用される「個体」、「患者」又は「被験者」という用語は、個々の有機体、脊椎動物、哺乳類又はヒトであり得る。いくつかの実施形態では、個体、患者又は被験者がヒトである。
【0065】
ここで使用される「有効時間量」は、被験者の神経系の少なくとも１つの低位処理領域における実効的連関性、機能的連関性又は統合性の所望のエンドポイントを達成可能な認知感情訓練セッションの頻度、長さ及び／又は内容（画像の数又は質など）のうちの１つ以上の組み合わせに基づく時間である。
【0066】
ＭＤＤにおける異常な脳活性
ＭＤＤを有する患者が感情的に顕著な刺激の存在下における認知制御（情報を保持し操作する能力）の持続的な欠乏を提示すること及び、そのような欠乏が病状の重篤さと関連していることが、数多くの研究によって示されている（Ｈａｍｉｌｔｏｎ他、Ａｍ Ｊ Ｐｓｙｃｈｉａｔｒｙ．１６９（７）：６９３－７０３（２０１２）；Ｂｏｒａ他、Ｐｓｙｃｈｏｌ Ｍｅｄ．４３（１０）：２０１７－２６（２０１３））。ＭＤＤにおける機能的磁気共鳴画像法（ｆＭＲＩ）研究は、認知制御を促進することが知られている背側皮質領域が活動過少である一方で、感情処理に関与する領域、特に扁桃体（ＡＭＧ）は活動過多であることを示している（Ｄｅｉｎｅｒ他、Ｎｅｕｒｏｉｍａｇｅ．６１（３）：６７７－８５（２０１２）；Ｆｉｔｚｇｅｒａｌｄ他、Ｈｕｍ．ｒａｉｎ Ｍａｐｐ．２９，６８３－６９５（２００８））。これらの異常は複数の課題で観察されているが、最も一般的には作業記憶（Ｗａｎｇ他、Ｐｒｏｇ Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌ Ｂｉｏｌ Ｐｓｙｃｈｉａｔｒｙ．５６：１０１－８（２０１５））及び感情処理パラダイム（Ｓｔｕｈｒｍａｎｎ他、Ｂｉｏｌ Ｍｏｏｄ Ａｎｘｉｅｔｙ Ｄｉｓｏｒｄ．１：１０（２０１１）；Ｄｅｌｖｅｃｃｈｉｏ他、Ｅｕｒ Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌ．２２（２）：１００－１３（２０１２））を使用して研究されている。これらの局所的な脳活性異常は、皮質領域からＡＭＧへの「トップダウン」制御入力の減少を特徴とする背側皮質領域とＡＭＧとの機能的連関性にも当てはまる（Ｚｈａｎｇ他、Ｎｅｕｒｏｓｃｉ Ｂｕｌｌ．３２（３）：２７３－８５（２０１６））。
ＭＤＤを有する患者が感情的に顕著な刺激の存在下における認知制御（情報を保持し操作する能力）の持続的な欠乏を提示すること及び、そのような欠乏が病状の重篤さと関連していることが、数多くの研究によって示されている（Ｈａｍｉｌｔｏｎ他、Ａｍ Ｊ Ｐｓｙｃｈｉａｔｒｙ．１６９（７）：６９３－７０３（２０１２）；Ｂｏｒａ他、Ｐｓｙｃｈｏｌ Ｍｅｄ．４３（１０）：２０１７－２６（２０１３））。ＭＤＤにおける機能的磁気共鳴画像法（ｆＭＲＩ）研究は、認知制御を促進することが知られている背側皮質領域が活動過少である一方で、感情処理に関与する領域、特に扁桃体（ＡＭＧ）は活動過多であることを示している（Ｄｅｉｎｅｒ他、Ｎｅｕｒｏｉｍａｇｅ．６１（３）：６７７－８５（２０１２）；Ｆｉｔｚｇｅｒａｌｄ他、Ｈｕｍ．ｒａｉｎ Ｍａｐｐ．２９，６８３－６９５（２００８））。これらの異常は複数の課題で観察されているが、最も一般的には作業記憶（Ｗａｎｇ他、Ｐｒｏｇ Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌ Ｂｉｏｌ Ｐｓｙｃｈｉａｔｒｙ．５６：１０１－８（２０１５））及び感情処理パラダイム（Ｓｔｕｈｒｍａｎｎ他、Ｂｉｏｌ Ｍｏｏｄ Ａｎｘｉｅｔｙ Ｄｉｓｏｒｄ．１：１０（２０１１）；Ｄｅｌｖｅｃｃｈｉｏ他、Ｅｕｒ Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌ．２２（２）：１００－１３（２０１２））を使用して研究されている。これらの局所的な脳活性異常は、皮質領域からＡＭＧへの「トップダウン」制御入力の減少を特徴とする背側皮質領域とＡＭＧとの機能的連関性にも当てはまる（Ｚｈａｎｇ他、Ｎｅｕｒｏｓｃｉ Ｂｕｌｌ．３２（３）：２７３－８５（２０１６））。
【文献】Ｈａｍｉｌｔｏｎ他、Ａｍ Ｊ Ｐｓｙｃｈｉａｔｒｙ．１６９（７）：６９３－７０３（２０１２）
【文献】Ｂｏｒａ他、Ｐｓｙｃｈｏｌ Ｍｅｄ．４３（１０）：２０１７－２６（２０１３）
【文献】Ｄｅｉｎｅｒ他、Ｎｅｕｒｏｉｍａｇｅ．６１（３）：６７７－８５（２０１２）
【文献】Ｆｉｔｚｇｅｒａｌｄ他、Ｈｕｍ．ｒａｉｎ Ｍａｐｐ．２９，６８３－６９５（２００８）
【文献】Ｗａｎｇ他、Ｐｒｏｇ Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌ Ｂｉｏｌ Ｐｓｙｃｈｉａｔｒｙ．５６：１０１－８（２０１５））
【文献】Ｓｔｕｈｒｍａｎｎ他、Ｂｉｏｌ Ｍｏｏｄ Ａｎｘｉｅｔｙ Ｄｉｓｏｒｄ．１：１０（２０１１）
【文献】Ｄｅｌｖｅｃｃｈｉｏ他、Ｅｕｒ Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌ．２２（２）：１００－１３（２０１２）
【文献】Ｚｈａｎｇ他、Ｎｅｕｒｏｓｃｉ Ｂｕｌｌ．３２（３）：２７３－８５（２０１６））。
【0067】
ＭＤＤは、特に認知制御(中央実行ネットワーク;ＣＥＮ）、顕著性（顕著性ネットワーク；ＳＡＬ）及び自己参照処理（デフォルトモードネットワーク；ＤＭＮ）に関するネットワークにおける安静状態機能的連関性の異常にも関連している（Ｋａｉｓｅｒ他、ＪＡＭＡ Ｐｓｙｃｈｉａｔｒｙ ７２：６０３－６１１（２０１５））。健常な個体と比較して、ＭＤＤを有する患者は、ＣＥＮ領域内の連関性過少及び、背側ＤＭＮの一部を形成する大脳内側領域間の連関性過多を示す（Ｋａｉｓｅｒ他、ＪＡＭＡ Ｐｓｙｃｈｉａｔｒｙ ７２：６０３－６１１（２０１５））。内部ネットワーク結合のこれらの変性は、安静状態ネットワーク間の機能的な統合性の低下と関連して発生すると考えられる（Ｋａｉｓｅｒ他、ＪＡＭＡ Ｐｓｙｃｈｉａｔｒｙ ７２：６０３－６１１（２０１５））。総合すると、脳の機能的連関性のこれらの課題異常及び安静状態異常は、ＭＤＤ個体群で共通に観察される感情調整不全のネットワークレベルでの相関を表す。
【文献】Ｋａｉｓｅｒ他、ＪＡＭＡ Ｐｓｙｃｈｉａｔｒｙ ７２：６０３－６１１（２０１５）
【0068】
認知感情療法
認知感情療法は、神経ネットワーク異常を標的として緩和することが理論上可能であることから、ＭＤＤへの治療介入として非常に有望である。認知感情療法の様々な形態の例は、感情顔記憶課題（ＥＦＭＴ）、ウィスコンシンカード分類課題、情動ストループ課題、アイオワ・ギャンブリング課題、ドット・プローブ課題、顔知覚課題及び遅延割引課題を非限定的に含む。
認知感情療法は、神経ネットワーク異常を標的として緩和することが理論上可能であることから、ＭＤＤへの治療介入として非常に有望である。認知感情療法の様々な形態の例は、感情顔記憶課題（ＥＦＭＴ）、ウィスコンシンカード分類課題、情動ストループ課題、アイオワ・ギャンブリング課題、ドット・プローブ課題、顔知覚課題及び遅延割引課題を非限定的に含む。
【0069】
ＥＦＭＴは、認知制御ネットワークと感情処理ネットワークとの双方を標的とすることによって、ＭＤＤにおける感情情報処理のための認知制御を促進すること（及び、それによって感情制御を改善すること）を目的とした認知感情訓練として開発された。ＥＦＭＴ介入は、それぞれ背外側前頭前皮質（ＤＰＦＣ）及びＡＭＧにおける活動を特異的に惹起することが示されている作業記憶（Ｎバック）課題と表情認識課題とを組み合わせたものである。ＥＦＭＴは、コンピュータ画面上に一回に一つずつ表示される一連の顔上で観察される感情を参加者に記憶させ、次に、所与の顔上で観察される感情がＮ（回）前の顔で示されていた表情と一致するかどうかを答えさせる。課題の難易度レベル（Ｎ）は、標的の神経ネットワークが一貫して努力し取り組むことができるように、各参加者の出来栄えに応じて調節される。ＥＦＭＴ訓練レジメンは、作業記憶における感情的に顕著な刺激を操作し、従って、参加者は課題に参加して感情情報処理を行っている間、認知制御を発揮していると考えられる。健常なボランティアのサンプルでは、この課題の一バージョンがＤＰＦＣ及びＡＭＧの双方を同時に活性化させた。
【0070】
ウィスコンシンカード分類課題は、変化する環境下での被験者の抽象的な推論能力及び問題解決能力を調べるものである。ウィスコンシンカード分類課題は、前頭葉（前頭前皮質領域など）を活性化させるのに有用であり、Ｃｈｅｎ ＆ Ｓｕｎ，Ｃ．Ｗ．，Ｓｃｉ Ｒｅｐ ７，３３８（２０１７）；Ｔｅｕｂｎｅｒ－Ｒｈｏｄｅｓ他、Ｎｅｕｒｏｐｓｙｃｈｏｌｏｇｉａ １０２，９５－１０８（２０１７）に記載されている。
【文献】Ｃｈｅｎ ＆ Ｓｕｎ，Ｃ．Ｗ．，Ｓｃｉ Ｒｅｐ ７，３３８（２０１７）；Ｔｅｕｂｎｅｒ－Ｒｈｏｄｅｓ
【文献】Ｎｅｕｒｏｐｓｙｃｈｏｌｏｇｉａ １０２，９５－１０８（２０１７）
【0071】
情動ストループ課題は、参加者が感情的な妨害情報の存在下で提示された単語の色を言い当てるのにかかった時間の長さを調べることによって、矛盾する情報も提示されている場合の被験者の感情処理能力を測定する認知干渉課題である。情動ストループ課題は、中心前回及び前帯状部を活性化させるのに有用であり、Ｂｅｎ－Ｈａｉｍ他、Ｊ Ｖｉｓ Ｅｘｐ．１１２（２０１６）；Ｓｏｎｇ他、Ｓｃｉ Ｒｅｐ ７，２０８８（２０１７）に記載されている。
【文献】Ｂｅｎ－Ｈａｉｍ他、Ｊ Ｖｉｓ Ｅｘｐ．１１２（２０１６）；Ｓｏｎｇ他、Ｓｃｉ Ｒｅｐ ７，２０８８（２０１７）
【0072】
アイオワ・ギャンブリング課題（Ｉｏｗａ Ｇａｍｂｌｉｎｇ Ｔａｓｋ:ＩＧＴ）は、選択挙動における動機付け処理、認知処理及び応答処理の複雑な相互作用に関与する意思決定課題であり、扁桃体及び前頭前野腹内側部（ｖｅｎｔｒａｌ－ｍｅｄｉａｌ ｐｒｅｆｒｏｎｔａｌ ｃｏｒｔｅｘ:ｖｍＰＦＣ）を活性化させるのに有用である。ＩＧＴはまた、ドーパミン系活性の指標であると考えられ、Ｆｕｋｕｉ他、Ｎｅｕｒｏｉｍａｇｅ ２４，２５３－２５９（２００５）及びＯｎｏ他、Ｐｓｙｃｈｉａｔｒｙ Ｒｅｓ ２３３， １－８（２０１５）に記載されている。
【文献】Ｆｕｋｕｉ他、Ｎｅｕｒｏｉｍａｇｅ ２４，２５３－２５９（２００５）
【文献】Ｏｎｏ他、Ｐｓｙｃｈｉａｔｒｙ Ｒｅｓ ２３３， １－８（２０１５）
【0073】
ドット・プローブ課題は、情動刺激に対する被験者の選択的な注意を測定するものであり、前帯状皮質（ａｎｔｅｒｉｏｒ ｃｉｎｇｕｌａｔｅ ｃｏｒｔｅｘ：ＡＣＣ）及び扁桃体を活性化させるのに有用である。ドット・プローブ課題は、Ｇｕｎｔｈｅｒ他、ＢＭＣ Ｐｓｙｃｈｉａｔｒｙ １５，１２３（２０１５）に記載されている。
【文献】Ｇｕｎｔｈｅｒ他、ＢＭＣ Ｐｓｙｃｈｉａｔｒｙ １５，１２３（２０１５）
【0074】
顔認知課題は、被験者が顔の表情を理解及び解釈する能力を測定するものであり、紡錘状顔領域（ｆｕｓｉｆｏｒｍ ｆａｃｅ ａｒｅａ：ＦＦＡ）、扁桃体及び上側頭溝（ｓｕｐｅｒｉｏｒ ｔｅｍｐｏｒａｌ ｓｕｌｃｕｓ：ｆＳＴＳ）を活性化させる。Ｄａｌ Ｍｏｎｔｅ他、Ｎａｔ Ｃｏｍｍｕｎ ６，１０１６１（２０１５）；Ｈｏｒｔｅｎｓｉｕｓ他、Ｐｈｉｌｏｓ Ｔｒａｎｓ Ｒ Ｓｏｃ Ｌｏｎｄ Ｂ Ｂｉｏｌ Ｓｃｉ ３７１（２０１６）；Ｔａｕｂｅｒｔ他、Ｐｒｏｃ Ｎａｔｌ Ａｃａｄ Ｓｃｉ Ｕ Ｓ Ａ １１５，８０４３－８０４８（２０１８）を参照されたい。
【文献】Ｄａｌ Ｍｏｎｔｅ他、Ｎａｔ Ｃｏｍｍｕｎ ６，１０１６１（２０１５）
【文献】Ｈｏｒｔｅｎｓｉｕｓ他、Ｐｈｉｌｏｓ Ｔｒａｎｓ Ｒ Ｓｏｃ Ｌｏｎｄ Ｂ Ｂｉｏｌ Ｓｃｉ ３７１（２０１６）
【文献】Ｔａｕｂｅｒｔ他、Ｐｒｏｃ Ｎａｔｌ Ａｃａｄ Ｓｃｉ Ｕ Ｓ Ａ １１５，８０４３－８０４８（２０１８）
【0075】
遅延割引課題は、被験者が目標、特に目先の報酬と、より大きいが遅延を伴う報酬とを対比して設定し達成する能力を評価するものである。遅延割引課題は、眼窩前頭皮質（ｏｒｂｉｔａｌ ｆｒｏｎｔａｌ ｃｏｒｔｅｘ：ＯＦＣ）を活性化させ、Ａｌｔａｍｉｒａｎｏ他、Ａｌｃｏｈｏｌ Ｃｌｉｎ Ｅｘｐ Ｒｅｓ ３５，１９０５－１９１４（２０１１）に記載されている。
【文献】Ａｌｔａｍｉｒａｎｏ他、Ａｌｃｏｈｏｌ Ｃｌｉｎ Ｅｘｐ Ｒｅｓ ３５，１９０５－１９１４（２０１１）
【0076】
システム及び方法
図８は、例示的なデータ処理システム８００のブロック図である。データ処理システム８００を、上述の情動障害の治療及び治療に関するデータの分析に使用することができる。例えば、データ処理システムを、認知感情療法の実施及び療法に関連するデータの分析に使用してもよい。データ処理システム８００が、１つ以上の処理ユニット８０２、ユーザインターフェース８０４、ネットワークインターフェース８０６、記憶装置８０８、メモリ８１０及びシステムバス８３０を含んでもよい。
図８は、例示的なデータ処理システム８００のブロック図である。データ処理システム８００を、上述の情動障害の治療及び治療に関するデータの分析に使用することができる。例えば、データ処理システムを、認知感情療法の実施及び療法に関連するデータの分析に使用してもよい。データ処理システム８００が、１つ以上の処理ユニット８０２、ユーザインターフェース８０４、ネットワークインターフェース８０６、記憶装置８０８、メモリ８１０及びシステムバス８３０を含んでもよい。
【0077】
処理ユニット８０２は、メモリ８１０から取り出された命令に応答してこれを処理する任意の論理回路である。多くの実施形態では、処理ユニット８０２は、例えばカリフォルニア州マウンテンビューのＩｎｔｅｌ Ｃｏｒｐｏｒａｔｉｏｎ社製のマイクロプロセッサユニット；イリノイ州シャンバーグのＭｏｔｏｒｏｌａ Ｃｏｒｐｏｒａｔｉｏｎ社製のマイクロプロセッサユニット；カリフォルニア州サンタクララのＮｖｉｄｉａ社製のＡＲＭプロセッサ及びＴＥＧＲＡシステムオンチップ（ＳｏＣ）ＰＯＷＥＲ７プロセッサ、ニューヨーク州ホワイトプレインズのＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ社製のマイクロプロセッサユニット；又はカリフォルニア州サニーベールのＡｄｖａｎｃｅｄ Ｍｉｃｒｏ Ｄｅｖｉｃｅｓ社製のマイクロプロセッサユニットなどのマイクロプロセッサユニットによって提供される。処理ユニット８０２は、これらのプロセッサのいずれかに基づいても、又は本明細書に記載するように動作可能ないかなるその他のプロセッサに基づいてもよい。処理ユニット８０２が、命令レベル並列、スレッドレベル並列、異なるキャッシュレベル及びマルチコアプロセッサを利用してもよい。マルチコアプロセッサは、単一の演算素子上に２つ以上の処理ユニットを含むことができる。マルチコアプロセッサの例として、ＡＭＤ ＰＨＥＮＯＭ ＩＩＸ２、ＩＮＴＥＬ ＣＯＲＥ ｉ５及びＩＮＴＥＬ ＣＯＲＥ ｉ７が挙げられる。
【0078】
ユーザインターフェース８０４は、１つ以上のユーザとの通信を可能にすることができるディスプレイ、入出力装置および周辺装置を含んでもよい。ユーザインターフェースは、ディスプレイ装置、タッチスクリーンディスプレイ、マウス、キーボード、ジェスチャセンシティブ装置などを含んでもよい。ネットワークインターフェース８０６が、インターネット、イーサネットネットワーク、あるいは任意の他のローカルエリアネットワーク又はワイドエリアネットワークなどの外部ネットワークとのインターフェースを可能にしてもよい。記憶装置８０８は、例えばディスクドライブ、フラッシュドライブ、ＲＯＭ、ＥＭＰＲＯＭ、ＥＥＰＲＯＭなどの不揮発性メモリを含んでもよい。システムバス８３０は、データ処理システム８００の様々な構成要素間に通信を提供してもよい。
【0079】
メモリ８１０は、データと、１つ以上の関数を実行するために処理ユニット８０２により実行可能なデータ及び１つ以上のソフトウェアモジュールとを記憶してもよい。具体的には、メモリ８１０は、処理ユニット８０２によって実行されることの可能な、実行可能な論理エンジンを含んでもよい。例えば、メモリ８１０は、被験者データ構造８１２、ランク付けエンジン８１４、有効性エンジン８１６、認知感情エンジン８１８、分類エンジン８２０及び分析エンジン８２４を含んでもよい。メモリ８１０のこれらの構成要素について、以下に更に説明する。メモリ８１０は、ハードウェア記憶装置であってもよく、揮発性及び／又は不揮発性メモリを含んでもよい。一例として、メモリ８１０は、ＲＡＭ、ＤＲＡＭ、ＳＲＡＭなどの揮発性メモリと、記憶装置８０８に関して上述したものなどの不揮発性メモリとを含んでもよい。
【0080】
図９は、例示的なデータ構造９００を示す。一例として、データ構造９００は、図８に示すデータ処理システム８００のメモリ８１０内に記憶されてもよい。データ処理システム８００は、１つ以上の連関性値を１つ以上の被験者と関連付けて管理するようにデータ構造９００を維持してもよい。データ構造は、データ値を格納するための複数のフィールドが各列に割り当てられた複数の列を含んでもよい。ただし、当然のことながら、いかなる種類の単一の又は複数のデータ構造も使用可能である。データ構造９００は、被験者を特定する被験者識別情報を格納するキーフィールド９０２を記憶している。被験者識別情報は、被験者を一意に特定可能な英数字及び／又は二進数字を含んでもよい。データ構造９００は、キーフィールド９０２内のキー又は被験者識別情報に対応するキー付きデータを含んでもよい。例えば、ある被験者識別情報に関連付けられたキー付きデータが、この被験者識別情報に対応する行にデータ値を含んでもよい。一例として、データ構造９００は、１つ以上の被験者識別情報に関連付けられた第１の連関性値のセットを表すデータ値を格納するためのフィールド９０４を更に含んでもよい。第１の連関性値は、例えば、被験者の神経系の少なくとも１つのサブ処理領域に関連する連関の大きさを表してもよい。いくつかの例では、第１の連関性値は、第１の時点で測定された大きさを表してもよい。
【0081】
データ構造９００は、１つ以上の被験者識別情報に関連付けられたランクを表すデータ値を格納するためのフィールド９０６を含んでもよい。ランクが、第１の連関性値に基づいてもよく、他の被験者識別情報に関連付けられた第１の連関性値との関係における被験者識別情報の位置を表してもよい。例えば、ランクが、全ての被験者識別情報に関連する第１の連関性値の増加に基づく被験者識別情報の位置を表してもよい。データ構造９００が、１つ以上の被験者識別情報に関連する分類を表すデータ値を格納するためのフィールド９０８を更に含んでもよい。分類が、第１の連関性値に更に基づいてもよい。分類が、例えば、「適格」などの第１の分類値と、「不適格」などの第２の分類値とを含んでもよい。分類が、例えば、被験者識別情報によって特定される被験者が、認知感情訓練に適格又は良好な候補であるか否かを示してもよい。
【0082】
データ構造９００は、第１の連関性値と同様に、被験者の神経系の少なくとも１つのサブ処理領域に関連する連関性の大きさを表し得る第２の連関性値を表すデータ値を格納するためのフィールド９１０を更に含んでもよい。いくつかの例では、第２の連関性値は、例えば被験者が認知感情訓練を受けた後の第２の時点で測定された大きさを表してもよい。いくつかの例では、第２の連関性値は、第１の連関性値に関連するサブ処理領域と同じ少なくとも１つのサブ処理領域に関連する連関性の大きさを表してもよい。例えば、第１の連関性値と第２の連関性値との双方が、被験者のＤＰＦＣとＡＭＧとの間の連関性の大きさを表してもよい。
【0083】
データ構造９００は、１つ以上の被験者識別情報に関連する有効性を表すデータ値を格納するための別の分類フィールド９１２を更に含んでもよい。有効性が、例えば被験者に対する認知感情訓練などの治療の有効性を、治療の実施のそれぞれ前及び後に測定された第１及び第２の連関性値に基づいて示してもよい。データ構造９００が、更なる連関性値、分類及びランクを示してもよい。いくつかの例では、データ構造９００が、被験者の神経系の少なくとも１つのサブ処理領域の連関に関連する値を含んでもよい。例えば、データ構造が、被験者のｄＡＣＣとＡＭＧとの間の連関性を測定した第１の連関性値及び／又は第２の連関性値を含んでもよい。
【0084】
連関性値は、被験者の神経系の少なくとも１つのサブ処理領域の実効的連関性、機能的連関性又は統合性に対応し得ることが理解されるべきである。いくつかの実施形態では、連関性値は、被験者に対してｆＭＲＩを実施するように構成された装置から求められてもよい。いくつかの実施形態では、連関性値は、ｆＭＲＩによって提供された１つ以上の出力から推定されてもよい。連関性値は、少なくとも１つのサブ処理領域の実効的連関性、機能的連関性及び統合性を求めるように構成された任意の装置から推定又は特定され得ることが理解されるべきである。
【0085】
図１０は、被験者の治療への適格性を判定するために利用可能な分類エンジン８２０を表す例示的なプロセス１０００のフロー図である。具体的には、フロー図１０００は、関連する被験者が、例えば認知感情訓練などの治療に適格であるか不適格であるかを示す分類値でデータ構造９００を更新するために利用可能である。プロセス１０００は、被験者に関連する被験者連関性値にアクセスする（１００２）ことを含む。詳細には、プロセス１０００は、被験者を特定する被験者識別情報と、被験者に対して実施されたスキャン又はテストの少なくとも一方から導出された被験者連関性値とを含むデータ構造にアクセスすることを含んでもよく、被験者連関性値は、被験者の神経系の少なくとも１つのサブ処理領域に関連する連関性の大きさを表す。データ構造は、例えば図９に示すデータ構造９００であってもよい。被験者連関性値は、例えばデータ構造９００内の第１の連関性値又は第２の連関性値を表してもよい。神経系の少なくとも１つのサブ処理領域は、ＤＰＦＣ、ＡＭＧ、ｄＡＣＣ、ＤＭＮ、ＳＡＬ、ＬＣＥＮ、ＲＣＥＮ、ｄＤＭＮ及びｖＤＭＮのうちの少なくとも１つを非限定的に含み得る。一例として、データ処理システム８００が、被験者識別情報「被験者１」によって特定される被験者に関連する、データ構造９００内の第１の連関性値１０にアクセスしてもよい。
【0086】
プロセス１０００は、比較ルールを含む実行可能な論理を実行し、被験者連関性値を閾値と比較する（１００４）。詳細には、プロセス１０００は、データ処理システムによって、被験者連関性値を連関性閾値と比較して、被験者の分類を判定することを含んでもよい。一例として、データ処理システム８００は、連関性閾値をメモリ８１０に記憶し、データ構造９００に格納されている第１の連関性値１０をこの閾値と比較してもよい。閾値は、被験者が置かれている測定環境及び設定に基づいてもよいベースライン数を表してもよく、また測定環境又は設定の変化に応じて変動してもよい。例えば、同じ被験者に対して異なる測定器具を使用することで、異なる連関性値が生じ得る。したがって、閾値を測定環境及び設定に基づいて選択してもよい。
【0087】
プロセス１０００は、被験者連関性値が閾値よりも大きい場合に、第１の分類値をデータ構造内に格納する（１００６）ことを含む。詳細には、データ処理システム８００は、被験者連関性値が連関性閾値よりも大きいことに応答して、被験者識別情報と、第１の分類に対応する第１の分類値との間の関連をデータ構造内に格納する。一例として、第１の分類は不適格であることを表してもよく、第１の分類値がエントリ「不適格」を含んでもよい。例えば、図９に示すデータ構造９００を参照すると、データ処理システム８００は、被験者２の第１の連関性値６を例示的な閾値５と比較し、被験者識別情報「被験者２」に関連するデータ構造９００の分類列（フィールド９０８）にエントリ「不適格」を格納してもよい。
【0088】
プロセス１０００は、被験者連関性値が閾値よりも小さい場合に、第２の分類値をデータ構造内に格納する（１００６）ことを含む。詳細には、データ処理システムは、被験者連関性値が連関性閾値よりも小さいことに応答して、被験者識別情報と、第２の分類に対応する第２の分類値との間の関連をデータ構造内に格納する。一例として、第２の分類は適格であることを表してもよく、第２の分類値がエントリ「適格」を含んでもよい。例えば、データ構造９００において、データ処理システムは、被験者３の第１の連関性値１５を例示的な閾値２０と比較し、被験者識別情報「被験者３」に関連するデータ構造９００の分類列（フィールド９０８）にエントリ「適格」を格納してもよい。
【0089】
プロセス１０００はまた、繰り返し実行され、新たな連関性値が受け取られるのに伴ってデータ構造９００を更新してもよい。したがって、プロセス１０００は、連関性閾値に対する被験者の連関性値の変化に基づいて、フィールド９０８を適切な第１の分類値又は第２の分類値で更新してもよい。
【0090】
いくつかの例では、サブ処理領域は、背外側前頭前皮質（ＤＰＦＣ）及び扁桃体（ＡＭＧ）を含んでもよく、連関性値及び連関性閾値は、ＤＰＦＣとＡＭＧとの間の実効的連関性及び、ＤＰＦＣとＡＭＧとの間の実効的連関性閾値を表す。第１の分類値は、被験者が不適格であることを示してもよく、第２の分類値は、被験者が適格であることを示す。すなわち、実効的連関性値が閾値よりも小さい場合には、関連する被験者は認知感情訓練に適格であり、データ構造９００はそのように更新されてもよい。
【0091】
いくつかの例では、サブ処理領域は、前帯状皮質（ｄＡＣＣ）及び扁桃体（ＡＭＧ）を含んでもよく、連関性値及び連関性閾値は、ｄＡＣＣとＡＭＧとの間の実効的連関性及び、ｄＡＣＣとＡＭＧとの間の実効的連関性閾値を表す。第１の分類値は、被験者が適格であることを示してもよく、第２の分類値は、被験者が不適格であることを示す。すなわち、実効的連関性値が閾値よりも大きい場合には、関連する被験者は認知感情訓練に適格であり、データ構造９００はそのように更新されてもよい。
【0092】
いくつかの例では、サブ処理領域は、デフォルトモード安静状態ネットワーク（ＤＭＮ）を含んでもよく、連関性値及び連関性閾値は、ＤＭＮ内の機能的連関性及びＤＭＮに関連する機能的連関性閾値を表す。第１の分類値は、被験者が適格であることを示してもよく、第２の分類値は、被験者が不適格であることを示す。すなわち、機能的連関性値が閾値よりも大きい場合には、関連する被験者は認知感情訓練に適格であり、データ構造９００はそのように更新されてもよい。
【0093】
いくつかの例では、サブ処理領域は、デフォルトモード安静状態ネットワーク（ＤＭＮ）又は顕著性安静状態ネットワーク（ＳＡＬ）を含んでもよく、連関性値及び連関性閾値は、ＤＭＮ又はＳＡＬ内の機能的連関性及びＤＭＮ又はＳＡＬに関連する機能的連関性閾値を表す。第１の分類値は、被験者が適格であることを示してもよく、第２の分類値は、被験者が不適格であることを示す。すなわち、機能的連関性値が閾値よりも大きい場合には、関連する被験者は認知感情訓練に適格であり、データ構造９００はそのように更新されてもよい。
【0094】
いくつかの例では、サブ処理領域は、ＬＣＥＮとＲＣＥＮ、ｄＤＭＮとｖＤＭＮ、ＬＣＥＮとｖＤＭＮ、及びＬＣＥＮとＳＥＬのうちの１つを含んでもよい。連関性値及び連関性閾値は、それぞれ、サブ処理領域の選択された対内の統合性を表す。第１の分類値は、被験者が不適格であることを示し、第２の分類値は、被験者が適格であることを示す。すなわち、統合性値が閾値（例えば閾値０）よりも小さい場合には、関連する被験者は認知感情訓練に適格であり、データ構造９００はそのように更新されてもよい。
【0095】
いくつかの例では、分類８２０エンジンは、サブ処理領域の２つ以上のセット間又はセット内の連関性値を考慮して、被験者の適格性を判定する。例えば、分類エンジン８２０は、ＤＰＦＣとＡＭＧとの間及びｄＡＣＣとＡＭＧとの間の実効的連関性の組み合わせを考慮して、適格性を判定する。ＤＰＦＣとＡＭＧとの間の実効的連関性が閾値よりも小さく、かつｄＡＣＣとＡＭＧとの間の実効的連関性が閾値よりも大きい場合には、分類エンジン８２０は、被験者が適格であると判定し、データ構造９００をそのように更新してもよい。
【0096】
図１１は、被験者らをその測定された各被験者連関性値に基づいてランク付けするために利用可能な、図８に示すデータ処理システムのランク付けエンジン８１４を表す例示的なプロセス１１００のフロー図である。プロセス１１００は、被験者に関連する被験者連関性値にアクセスする（１１０２）ことを含んでもよい。詳細には、プロセス１１００は、複数の被験者に対応する複数の被験者識別情報に関連する複数の被験者連関性値をデータ構造から求めることを含んでもよく、複数の被験者連関性値の各被験者連関性値は、複数の被験者の各被験者の神経系の少なくとも１つのサブ処理領域に関連する連関性の大きさを表す。例えば、ランク付けエンジン８１４は、複数の被験者識別情報「被験者１」から「被験者ｎ」までに関するデータ構造９００内に列挙された複数の第１の連関性値にアクセスしてもよい。
【0097】
プロセス１１００は、連関性値に基づいてランク付けを行う（１１０２）ことを含む。詳細には、プロセス１１００は、データ構造内の各被験者識別情報に、被験者連関性値に基づいてランクを割り当てることを含んでもよい。例えば、図９のデータ構造９００を参照すると、ランク付けエンジン８１４は、第１の連関性値の増加に基づいてランク列にランクを割り当ててもよく、最も低い連関性値には最も低いランクが割り当てられ、最も高い連関性値には最も高いランクが割り当てられる。場合によっては、ランク付けが逆順で割り当てられてもよい。
【0098】
プロセス１１００は、被験者連関性値と閾値との差を求める（１１０６）ことを含んでもよい。詳細には、ランク付けエンジン８１４は、図９に示す第１の連関性値と閾値との差を求めてもよい。場合によっては、閾値は上述の分類エンジン８２０によって選択された閾値と同様であってもよい。プロセス１１００は、差が０よりも大きいか否か、すなわち連関性値が閾値以上であるか否かを判定する（１１０８）ことを含む。
【0099】
プロセス１１００は、複数の被験者からなるサブセットを選択する（１１００）ことを含み、サブセットの各被験者は、連関性値と被験者連関性値との差に基づいて選択される。一例として、ランク付けエンジン８１４は、連関性値と閾値との間のｍ個の最も大きい差を有するｍ名の被験者を選択してもよい。被験者の選択後に、ランク付けエンジン８１４は、選択された被験者識別情報の番号付きリストを各ランクに基づいて生成する（１１１２）ことができる。
【0100】
プロセス１１００もまた、繰り返し実行され、新たな連関性値が受け取られるのに伴ってデータ構造９００を更新してもよい。したがって、プロセス１０００は、受信された更なる被験者の第１の連関性値に基づき、又はデータ構造９００内の既存の被験者識別情報に関連する新たな第１の連関性値に基づき、フィールド９０６を適切なランクで更新してもよい。
【0101】
いくつかの例では、少なくとも１つのサブ処理領域は、ＤＰＦＣとＡＭＧ又はｄＡＣＣとＡＭＧを含んでもよく、被験者連関性値は、サブ処理領域間の実効的連関性を表してもよい。ＤＰＦＣとＡＭＧの場合は、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも小さい。ｄＡＣＣとＡＭＧの場合は、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも大きい。
【0102】
いくつかの例では、少なくとも１つのサブ処理領域は、ｄＤＭＮ又はＳＡＬであってもよく、被験者連関性値は、ＤＭＡ又はＳＡＬ内の機能的連関性を表してもよい。いくつかのそのような例では、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも大きい。
【0103】
いくつかの例では、サブ処理領域の対は、ＬＣＥＮとＲＣＥＮ、ｄＤＭＮとｖＤＭＮ、ＬＣＥＮとｖＤＭＮ、又はＬＣＥＮとＳＡＬであってもよい。被験者連関性値は、これらのサブ処理領域の対内の機能的連関性を表してもよい。いくつかのそのような例では、複数の被験者からなる選択されたサブセットに関連する被験者連関性値は、連関性閾値よりも大きい。
【0104】
プロセス１１００は、閾値よりも小さい連関性値を有する被験者を選択しないことも含み得る。いくつかの例では、このことは、認知感情訓練などの治療への応答性が低い候補を除外することを含む。したがって、それらの被験者を全被験者リストから削除することで、治療を実行する時間を改善してもよい。
【0105】
図１２は、被験者に対する認知感情訓練の有効性を判定するために利用可能な、図８に示す有効性エンジンを表す例示的なプロセス１２００のフロー図を示す。プロセス１２００は、被験者に関連する第１の連関性値及び第２の連関性値を求める（１２０２）ことを含む。詳細には、有効性エンジン８１６は、被験者の第１の連関性値であって、第１の時点における被験者の神経系の少なくとも１つのサブ処理領域に関連する連関性の第１の大きさを表す第１の連関性値及び、被験者の第２の連関性値であって、被験者が認知感情訓練を受けた後の第２の時点における被験者の神経系の少なくとも１つのサブ処理領域に関連する連関性の第２の大きさを表す第２の連関性値を求める。例えば、図９を参照すると、有効性エンジン８１６は、データ構造９００にアクセスして、例えば被験者識別情報「被験者１」に関連する、被験者の第１の連関性値及び第２の連関性値を求めてもよい。
【0106】
プロセス１２００は、第１の連関性値と第２の連関性値との差を求める（１２０４）ことを含む。例えば、「被験者１」の有効性エンジン８１６は、第１の連関性値と第２の連関性値との差を１０であるとして求めてもよい。
【0107】
プロセス１２００は、差が閾値と比較してより小さいか、又はより大きいかを判定する（１２０６）ことを含む。詳細には、記憶されている値に有効性エンジン８１６がアクセスできるか、又は操作者が閾値を提供している。閾値は、治療の結果として被験者に有効な改善が見られることを示すために観察されることの必要な最も小さい連関性値の差を表してもよい。
【0108】
プロセス１２００は、差が閾値よりも大きい場合には被験者を効果ありとして分類する（１２０８）こと及び、差が閾値よりも小さい場合には被験者を効果なしとして分類する（１２１０）ことを含む。詳細には、有効性エンジン８１６は、差が閾値よりも大きいとう判定に応答して、被験者識別情報と、第１の分類に対応する第１の分類値との間の関連をデータ構造内に格納する。一例として、第１の分類は効果があることであってもよく、第１の分類値は、エントリ「Ｙ」であってもよい。更に、有効性エンジン８１６は、差が閾値よりも小さいという判定に応答して、被験者識別情報と、第２の分類に対応する第２の分類値との間の関連をデータ構造内に格納してもよい。例えば、第２の分類は効果がないことであってもよく、第２の分類値は、エントリ「Ｎ」であってもよい。当然のことながら、「Ｙ」及び「Ｎ」以外のエントリも使用可能である。
【0109】
プロセス１２００もまた、繰り返し実行され、新たな連関性値が受け取られるのに伴ってデータ構造９００を更新してもよい。したがって、プロセス１０００は、第１及び／又は第２の連関性値に基づき、あるいは新たな被験者識別情報に関連する新たなキー付きデータの新たな第１及び第２の連関性値に基づき、フィールド９１２を適切なエントリで更新してもよい。
【0110】
いくつかの例では、サブ処理領域は、ＤＰＦＣとＡＭＧ又はｄＡＣＣとＡＭＧを含んでもよい。第１の連関性値及び第２の連関性値は、被験者のＤＰＦＣとＡＭＧとの間、又はｄＡＣＣとＡＭＧとの間の実効的連関性を表す。いくつかの例では、サブ処理領域は、ｄＤＭＮ又はＳＡＬを含んでもよい。第１の連関性値及び第２の連関性値は、被験者のｄＤＭＮ又はＳＡＬ内の機能的連関性を表す。いくつかの例では、サブ処理領域は、ＬＣＥＮとＲＣＥＮ、ｄＤＭＮとｖＤＭＮ、ＬＣＥＮとｖＤＭＮ又はＬＣＥＮとＳＡＬの対を含んでもよい。第１の連関性値及び第２の連関性値は、被験者のサブ処理領域の特定の対内の統合性を表す。
【0111】
いくつかの例では、分析エンジン８２４は、治療の前、間又は後に収集されたデータの分析を実行してもよい。例えば、分析エンジン８２４は、ニューロイメージング前処理及び品質保証、安静状態ネットワーク連関性分析、タスクベースｆＭＲＩ（連関性）分析、統計的分析、上述の治療後データの安静状態機能的連関性、実効的連関性及び統合性の変化の分析などのデータ分析を実行してもよい。いくつかの例では、分析エンジンは、ニューロイメージングデータの分析を実行して、実効的連関性値、機能的連関性値及び統合性値を求めてもよい。一例として、分析エンジン８２４は、Ａｎａｎｄ，Ａ．，Ｌｉ，Ｙ．， Ｗａｎｇ，Ｙ．，Ｗｕ，Ｊ．，Ｇａｏ，Ｓ．，Ｂｕｋｈａｒｉ，Ｌ．，Ｍａｔｈｅｗｓ，Ｖ．Ｐ．，Ｋａｌｎｉｎ，Ａ．，及びＬｏｗｅ，Ｍ．Ｊ．による「Ａｃｔｉｖｉｔｙ ａｎｄ ｃｏｎｎｅｃｔｉｖｉｔｙ ｏｆ ｂｒａｉｎ ｍｏｏｄ ｒｅｇｕｌａｔｉｎｇ ｃｉｒｃｕｉｔ ｉｎ ｄｅｐｒｅｓｓｉｏｎ：ａ ｆｕｎｃｔｉｏｎａｌ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ｓｔｕｄｙ」、Ｂｉｏｌ Ｐｓｙｃｈｉａｔｒｙ ５７，１０７９－１０８８（２００５）並びに、Ｒａｉｃｈｌｅ，Ｍ．Ｅ．，ＭａｃＬｅｏｄ，Ａ．Ｍ．，Ｓｎｙｄｅｒ，Ａ．Ｚ．，Ｐｏｗｅｒｓ，Ｗ．Ｊ．，Ｇｕｓｎａｒｄ，Ｄ．Ａ．，及びＳｈｕｌｍａｎ，Ｇ．Ｌ．による「Ａ ｄｅｆａｕｌｔ ｍｏｄｅ ｏｆ ｂｒａｉｎ ｆｕｎｃｔｉｏｎ」、Ｐｒｏｃ Ｎａｔｌ Ａｃａｄ Ｓｃｉ Ｕ Ｓ Ａ ９８，６７６－６８２に記載の手順に基づくソフトウェアを含んでもよい。
【文献】Ａｎａｎｄ，Ａ．，Ｌｉ，Ｙ．， Ｗａｎｇ，Ｙ．，Ｗｕ，Ｊ．，Ｇａｏ，Ｓ．，Ｂｕｋｈａｒｉ，Ｌ．，Ｍａｔｈｅｗｓ，Ｖ．Ｐ．，Ｋａｌｎｉｎ，Ａ．，及びＬｏｗｅ，Ｍ．Ｊ．による「Ａｃｔｉｖｉｔｙ ａｎｄ ｃｏｎｎｅｃｔｉｖｉｔｙ ｏｆ ｂｒａｉｎ ｍｏｏｄ ｒｅｇｕｌａｔｉｎｇ ｃｉｒｃｕｉｔ ｉｎ ｄｅｐｒｅｓｓｉｏｎ：ａ ｆｕｎｃｔｉｏｎａｌ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ｓｔｕｄｙ」、Ｂｉｏｌ Ｐｓｙｃｈｉａｔｒｙ ５７，１０７９－１０８８（２００５）
【文献】Ｒａｉｃｈｌｅ，Ｍ．Ｅ．，ＭａｃＬｅｏｄ，Ａ．Ｍ．，Ｓｎｙｄｅｒ，Ａ．Ｚ．，Ｐｏｗｅｒｓ，Ｗ．Ｊ．，Ｇｕｓｎａｒｄ，Ｄ．Ａ．，及びＳｈｕｌｍａｎ，Ｇ．Ｌ．による「Ａ ｄｅｆａｕｌｔ ｍｏｄｅ ｏｆ ｂｒａｉｎ ｆｕｎｃｔｉｏｎ」、Ｐｒｏｃ Ｎａｔｌ Ａｃａｄ Ｓｃｉ Ｕ Ｓ Ａ ９８，６７６－６８２
【0112】
いくつかの例では、認知感情訓練エンジン８１８は、例えば上述のＥＦＭＴ、ウィスコンシンカード分類課題、情動ストループ課題、アイオワ・ギャンブリング課題、ドット・プローブ課題、顔知覚課題及び遅延割引課題などの１つ以上の認知感情療法を実行してもよい。
【0113】
システム
システムは、コンピューティングデバイスがユーザに対して感情識別課題及び作業記憶課題を実施することを可能にするように構成された任意のスクリプト、ファイル、プログラム、命令セット又はコンピュータ実行可能なコードを含むことができる。コンピューティングデバイスは、ディスプレイを含むか、又はディスプレイに接続されていてもよい。コンピューティングデバイスは、ラップトップ、デスクトップコンピュータ、モバイルフォン、タブレット又はその他のコンピューティングデバイスであり得る。システムは、複数の顔画像を含むデータベースを含んでもよい。顔画像によって描出される顔が、例えば、幸福、悲しみ、恐怖、興奮などの異なる感情状態にあってもよい。顔画像のそれぞれを、その対応する感情状態によってデータベース内でラベル付けしてもよい。いくつかの例では、異なる感情状態の顔画像の部分を含む参照データベースを使用して、顔画像をオンデマンドで生成してもよい。例えば、幸福な状態の顔画像を、目、口などの単一の顔部分のみを含むサブ画像に分割してもよい。システムは、これらのサブ画像をオンデマンドで組み合わせて独自の顔画像としてもよい。システムはまた、データベース内に複数の訓練方針を含んでもよい。訓練方針は、各画像をユーザに対して提示する時間の長さ及び順序を管理してもよい。
システムは、コンピューティングデバイスがユーザに対して感情識別課題及び作業記憶課題を実施することを可能にするように構成された任意のスクリプト、ファイル、プログラム、命令セット又はコンピュータ実行可能なコードを含むことができる。コンピューティングデバイスは、ディスプレイを含むか、又はディスプレイに接続されていてもよい。コンピューティングデバイスは、ラップトップ、デスクトップコンピュータ、モバイルフォン、タブレット又はその他のコンピューティングデバイスであり得る。システムは、複数の顔画像を含むデータベースを含んでもよい。顔画像によって描出される顔が、例えば、幸福、悲しみ、恐怖、興奮などの異なる感情状態にあってもよい。顔画像のそれぞれを、その対応する感情状態によってデータベース内でラベル付けしてもよい。いくつかの例では、異なる感情状態の顔画像の部分を含む参照データベースを使用して、顔画像をオンデマンドで生成してもよい。例えば、幸福な状態の顔画像を、目、口などの単一の顔部分のみを含むサブ画像に分割してもよい。システムは、これらのサブ画像をオンデマンドで組み合わせて独自の顔画像としてもよい。システムはまた、データベース内に複数の訓練方針を含んでもよい。訓練方針は、各画像をユーザに対して提示する時間の長さ及び順序を管理してもよい。
【0114】
システムは、一連の画像をユーザに提示してもよい。システムを使用した課題の間、参加者は、ディスプレイ上に一回に一つずつ提示される一連の顔画像で参加者が観察する感情を見分ける。各画像を約１秒間、続いて固視十字を１秒間表示してもよい。画像がユーザに対して提示される際に、システムは、ユーザに対し、ユーザが観察した感情の順序を記憶するように指示してもよい。Ｎバック作業記憶パラダイムを使用して、参加者は、それぞれの顔が提示された後に、たった今観察したばかりの顔の表情がＮ回前の顔で示されていた表情と同じであるか否かを答えるように促されてもよい。いくつかの例では、各訓練セッションが１５個のタスクブロックを含み、これらの間にＮのレベルが参加者の成績に応じて変化する、すなわち、ブロック中に参加者の正確度が向上又は低下するのに伴って難易度レベルがブロック中に（それぞれ）増加又は減少することを、訓練方針が示してもよい。第１の訓練セッションは、難易度レベルＮ＝１で開始し、次のセッションの開始時の難易度レベルは、直前のセッションの成績によって決まる。ＥＦＭＴは、次第に難易度の上がる作業記憶パラダイムを利用するので、課題が参加者の能力レベルに合わせて調節され、各訓練セッションを通して一貫して努力することを可能にする。次第に難易度の上がるＮバック作業記憶は、作業記憶能力を向上させることが示されている。
【実施例】
【0115】
例
本願技術を以下の例を用いて更に説明するが、これらの例はいかなる点においても限定的であると見なされるべきではない。
本願技術を以下の例を用いて更に説明するが、これらの例はいかなる点においても限定的であると見なされるべきではない。
【実施例1】
【0116】
例１：実験材料及び方法
被験者。現在大うつ病エピソード（ｍａｊｏｒ ｄｅｐｒｅｓｓｉｖｅ ｅｐｉｓｏｄｅ：ＭＤＥ）を発現している２５名の服薬中でないＭＤＤの参加者を募集し、親臨床試験プロトコル（ＮＣＴ０１９３４４９１）の一部として６週間の感情顔記憶課題（ＥＦＭＴ）又はシャム対照訓練（ｓｈａｍ－ｃｏｎｔｒｏｌ ｔｒａｉｎｉｎｇ：ＣＴ）を完了する前及び後にｆＭＲＩスキャンを行う調査プロトコルに参加させた。参加者は、オンラインで及びうつ病研究調査を目的とした地方新聞広告を通して募集された。全ての参加者は、１８歳～５５歳であり、熟練した臨床医によってＤＳＭ－ＩＶ―ＴＲ軸Ｉ障害の構造化臨床面接（Ｓｔｒｕｃｔｕｒｅｄ Ｃｌｉｎｉｃａｌ Ｉｎｔｅｒｖｉｅｗ ｆｏｒ ＤＳＭ－ＩＶ－ＴＲ Ａｘｉｓ Ｉ Ｄｉｓｏｒｄｅｒｓ：ＳＣＩＤ）（Ｆｉｒｓｔ，Ｍ．Ｂ．他による「Ｓｔｒｕｃｔｕｒｅｄ ｃｌｉｎｉｃａｌ ｉｎｔｅｒｖｉｅｗ ｆｏｒ ＤＳＭ－ＩＶ ａｘｉｓ ｄｉｓｏｒｄｅｒｓ（ＳＣＩＤ）」（Ｎｅｗ Ｙｏｒｋ Ｓｔａｔｅ Ｐｓｙｃｈｉａｔｒｉｃ Ｉｎｓｔｉｔｕｔｅ，Ｂｉｏｍｅｔｒｉｃｓ Ｒｅｓｅａｒｃｈ，Ｎｅｗ Ｙｏｒｋ，ＮＹ（１９９５）参照）を使用して評価された。その他の軸Ｉ併存疾患の診断は、（過去６か月以内の精神障害、双極性障害及び物質乱用又は依存を除き）参加者のＭＤＤ診断が一次診断であると見なされる場合に限り許可された。ハミルトンうつ病評価尺度－１７項目版（ＨＡＭ－Ｄ）（Ｈａｍｉｌｔｏｎ，Ｊ．Ｐ他、Ａｍ Ｊ Ｐｓｙｃｈｉａｔｒｙ １６９：６９３－７０３（１９６０）参照）で測定されたＭＤＤの重症度は、少なくとも「中等度」（Ｈａｍ－Ｄ≧１６）であることを要した。非常に重度のＭＤＤ（ＨＡＭ－Ｄ≧２７）を有する参加者については、調査から除外し、医療照会を行った。現在ＭＤＥの間に何らかの抗うつ薬を服用したことを報告した参加者及び、治療応答なしの履歴（標準的な抗うつ薬の適切な試験の不成功が２度以上）を有する参加者は、調査から除外された。調査前６週間以内又は調査中のいずれかの時点で認知行動療法を受けた場合も、プロトコルに基づき調査から除外された。ＥＦＭＴ訓練の実施に差し支えると思われる視覚障害又は運動障害を有する参加者も除外された。
被験者。現在大うつ病エピソード（ｍａｊｏｒ ｄｅｐｒｅｓｓｉｖｅ ｅｐｉｓｏｄｅ：ＭＤＥ）を発現している２５名の服薬中でないＭＤＤの参加者を募集し、親臨床試験プロトコル（ＮＣＴ０１９３４４９１）の一部として６週間の感情顔記憶課題（ＥＦＭＴ）又はシャム対照訓練（ｓｈａｍ－ｃｏｎｔｒｏｌ ｔｒａｉｎｉｎｇ：ＣＴ）を完了する前及び後にｆＭＲＩスキャンを行う調査プロトコルに参加させた。参加者は、オンラインで及びうつ病研究調査を目的とした地方新聞広告を通して募集された。全ての参加者は、１８歳～５５歳であり、熟練した臨床医によってＤＳＭ－ＩＶ―ＴＲ軸Ｉ障害の構造化臨床面接（Ｓｔｒｕｃｔｕｒｅｄ Ｃｌｉｎｉｃａｌ Ｉｎｔｅｒｖｉｅｗ ｆｏｒ ＤＳＭ－ＩＶ－ＴＲ Ａｘｉｓ Ｉ Ｄｉｓｏｒｄｅｒｓ：ＳＣＩＤ）（Ｆｉｒｓｔ，Ｍ．Ｂ．他による「Ｓｔｒｕｃｔｕｒｅｄ ｃｌｉｎｉｃａｌ ｉｎｔｅｒｖｉｅｗ ｆｏｒ ＤＳＭ－ＩＶ ａｘｉｓ ｄｉｓｏｒｄｅｒｓ（ＳＣＩＤ）」（Ｎｅｗ Ｙｏｒｋ Ｓｔａｔｅ Ｐｓｙｃｈｉａｔｒｉｃ Ｉｎｓｔｉｔｕｔｅ，Ｂｉｏｍｅｔｒｉｃｓ Ｒｅｓｅａｒｃｈ，Ｎｅｗ Ｙｏｒｋ，ＮＹ（１９９５）参照）を使用して評価された。その他の軸Ｉ併存疾患の診断は、（過去６か月以内の精神障害、双極性障害及び物質乱用又は依存を除き）参加者のＭＤＤ診断が一次診断であると見なされる場合に限り許可された。ハミルトンうつ病評価尺度－１７項目版（ＨＡＭ－Ｄ）（Ｈａｍｉｌｔｏｎ，Ｊ．Ｐ他、Ａｍ Ｊ Ｐｓｙｃｈｉａｔｒｙ １６９：６９３－７０３（１９６０）参照）で測定されたＭＤＤの重症度は、少なくとも「中等度」（Ｈａｍ－Ｄ≧１６）であることを要した。非常に重度のＭＤＤ（ＨＡＭ－Ｄ≧２７）を有する参加者については、調査から除外し、医療照会を行った。現在ＭＤＥの間に何らかの抗うつ薬を服用したことを報告した参加者及び、治療応答なしの履歴（標準的な抗うつ薬の適切な試験の不成功が２度以上）を有する参加者は、調査から除外された。調査前６週間以内又は調査中のいずれかの時点で認知行動療法を受けた場合も、プロトコルに基づき調査から除外された。ＥＦＭＴ訓練の実施に差し支えると思われる視覚障害又は運動障害を有する参加者も除外された。
【0117】
最初の予備スクリーニング面接で、適格の可能性のある参加者に調査手順についての説明を行い、参加者がインフォームドコンセント用紙に署名し、スクリーニング及びベースラインの手続を完了した。ＥＦＭＴの有効性を調べる親臨床試験で適格とされ、正式登録された参加者に対し、次に、ｆＭＲＩプロトコルへの登録を打診し、参加を選択した場合にはインフォームドコンセントを得た。各調査セッションの完了の都度、参加者に時間及び交通費の負担を補償した。
【0118】
手順。研究的介入（ＥＦＭＴ）を２０回の調査訪問に分けて実施した。最初の訪問では、ＭＤＤ診断の確定及び症状の重症度の判定のために、ＳＣＩＤ及びＨａｍ－Ｄを被験者に対して実施した。これに続いて、処置前ｆＭＲＩスキャンを含むベースライン評価を実施した。調査コーディネータが、グループ分けのための所定のランダム化シーケンスを使用して、参加者をランダムにＥＦＭＴグループ又はＣＴグループに振り分けた。参加者に、全１８訓練セッションを６週間（それぞれ約２０～３５分間、１週間に３回）にわたって課した。いずれかの週で少なくとも２回の訓練セッションを完了できなかった参加者、又は調査の課程で３回を超える訓練セッションを欠席した参加者については、臨床試験プロトコルに基づいて訓練を打ち切りとした。週ごとに、参加者のグループ分けを知らされていない博士又は修士レベルの複数の臨床医により、重症度（Ｈａｍ－Ｄ）評価を実施した。Ｈａｍ－Ｄ評価者らは、評価実施の高度な訓練を受け、２つの別個の訓練面接でのクラス内相関係数（ｉｎｔｒａ－ｃｌａｓｓ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ：ＩＣＣ）が＞０．８であった。訓練セッションの完了後１週間以内に結果評価を実施し、この時にベースライン評価及びｆＭＲＩスキャン手順を繰り返した。
【0119】
認知訓練介入。ＥＦＭＴは過去の刊行物で詳細に説明されている(Ｉａｃｏｖｉｅｌｌｏ， Ｂ．Ｍ．他、Ｅｕｒ Ｐｓｙｃｈｉａｔｒｙ ３０：７５－８１（２０１５）；Ｉａｃｏｖｉｅｌｌｏ，Ｂ．Ｍ．他、Ｄｅｐｒｅｓｓ Ａｎｘｉｅｔｙ ３１：６９９－７０６（２０１４）参照）。ＥＦＭＴは、認知制御と感情処理ネットワークとの双方を標的とすることで、ＭＤＤにおける感情情報処理のための認知制御を促進するように設計され、感情識別課題と作業記憶課題とを組み合わせることで達成された。ＥＦＭＴ課題において、参加者らはコンピュータ画面上に一回に一つずつ提示される一連の顔画像で観察した感情を識別し、次に、観察した感情の順序を記憶するように指示された。図１に、ＥＦＭＴ課題における例示的な試験のシーケンスを示す。Ｎバック作業記憶パラダイムを使用して、参加者らは、それぞれの顔が提示された後に、たった今観察したばかりの顔の表情がＮ回前の顔で示されていた表情と同じであるか否かを答えるように促された。このように、ＥＦＭＴ課題は感情情報処理に対する認知制御の発揮に関与し、扁桃体（ＡＭＧ）及び背外側前頭前皮質（ＤＰＦＣ）を同時に活性化させると推測された。ＣＴの条件としては、感情的顔の代わりに中立的な形状を刺激として使用する以外は、ＥＦＭＴと同じＮバックパラダイムを作業記憶訓練で使用した。ＥＦＭＴセッション又はＣＴセッションは、完了までに約１５～２５分を要し、６週間で１８のＥＦＭＴセッション又はＣＴセッションを完了する（６週間にわたって週ごとに３セッション）という調査レジメンであった。
【0120】
ニューロイメージングデータ取得。イメージングデータを、３２チャンネルの受信コイルを有する３Ｔ Ｓｋｙｒａスキャナ（Ｓｉｅｍｅｎｓ，Ｅｒｌａｎｇｅｎ，Ｇｅｒｍａｎｙ）を使用して、マウントサイナイ医科大学にて取得した。参加者らを調査登録時（ベースライン）及び６週間のＥＦＭＴ訓練終了直後にスキャンした。解剖学的な安静状態及び課題ベースのｆＭＲＩデータを取得した。課題には、ＥＦＭＴセッションの短縮バージョン及び変形バージョンが含まれた。１０回の試験の１２ブロックを、対象タイプ（０バック、１バック又は２バック）を知らせる２・５秒間の合図で開始した。０バック試験では、被験者らは対象画像（感情を表出している顔）を見て、それぞれの次の刺激が対象画像と全く同じ画像であるか否かを答えた。１バック試験及び２バック試験では、参加者らは、各顔が「１回前」又は「２回前」に提示されていたのと同じ感情を表出しているか否かを答えた。解剖学的な安静状態及び課題取得データは、全ての参加者について、ベースラインと治療後で同一であった。
【0121】
安静状態ｆＭＲＩデータ及び課題ｆＭＲＩデータを、以下のパラメータのＴ２＊シングルショットエコー・プラナーグラジエントエコー撮像シーケンスを使用して取得した：エコー時間／繰返し時間＝３５／１０００ミリ秒（ｍｓ）、等方分解能：２．１ｍｍ、脳全体の隣接アキシャルスライス７０枚、有効視野（ＦＯＶ）：２０６×１８１×１４７ｍｍ３、マトリクスサイズ：９６×８４、フリップ角：６０度、マルチバンド（ＭＢ）係数：７、ｂｌｉｐｐｅｄ ＣＡＩＰＩＲＩＮＨＡ（高速パラレルイメージング）位相エンコードシフト＝ＦＯＶ／３、ランプサンプリングでの帯域幅：～２ｋＨｚ／ピクセル、エコー間隔：０．６８ｍｓ、及びエコートレインレングス：５７．１ｍｓ。安静状態での取得時間は１０分間であり、ＷＭ課題の取得時間は７分３４秒間であった。構造画像を、Ｔ１強調３Ｄ超高速スキャン（ＭＰＲＡＧＥ）シーケンス（ＦＯＶ：２５６×２５６×１７９ｍｍ３、マトリックスサイズ：３２０×３２０、等方分解能：０．８ｍｍ、ＴＥ／ＴＲ＝２．０７／２４００ｍｓ、反転時間（ＴＩ）＝１０００ｍｓ、二項（１，－１）脂肪抑制でのフリップ角：８度、帯域幅：２４０Ｈｚ／ピクセル、エコー間隔：７．６ｍｓ、面内加速（ＧｅｎｅＲａｌｉｚｅｄ Ａｕｔｏｃａｌｉｂｒａｔｉｎｇ Ｐａｒｔｉａｌ Ｐａｒａｌｌｅｌ Ａｃｑｕｉｓｉｔｉｏｎ）係数：２、総取得時間：７分)を使用して取得した。
【0122】
ニューロイメージング前処理及び品質保証。ベースラインで及び治療後に取得した課題ｆＭＲＩデータ及び安静状態ｆＭＲＩ（ｒｓ－ｆＭＲＩ）データを同一の方法で別々に前処理した。分析は全て、バージョン１２の統計的パラメトリックマッピングソフトウェア（ＳＰＭ１２；ｗｗｗ．ｆｉｌ．ｉｏｎ．ｕｃｌ．ａｃ．ｕｋ／ｓｐｍ／ｓｏｆｔｗａｒｅ／ｓｐｍ１２／）及びＤａｔａ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ａｎａｌｙｓｉｓ ｆｏｒ Ｂｒａｉｎ Ｉｍａｇｉｎｇ Ｔｏｏｌｂｏｘ（Ｙａｎ，Ｃ．Ｇ．他、Ｎｅｕｒｏｉｎｆｏｒｍａｔｉｃｓ １４：３３９－３５１（２０１６）参照）を使用して実施された。各ｆＭＲＩデータセットを、剛体変換；機能的スキャンと解剖学的Ｔ１スキャンとの間の画像レジストレーション；モントリオール神経科学研究所の定位標準空間への機能的スキャンの空間正規化；最大半量のガウスカーネルで全幅６ｍｍの関数マスク内での空間平滑化を使用して体動補正した。頭部の体動補正のために、安静状態データを以下のステップで更に前処理した：ウェーブレットスパイク除去（小さな振幅（＜１ｍｍ）の頭部体動に関連する信号トランジェントの除去）（Ｐａｔｅｌ，Ａ．Ｘ．他、Ｎｅｕｒｏｉｍａｇｅ ９５：２８７－３０４（２０１４）参照）；トレンド除去；動作パラメータとこれらの派生物との重回帰（２４パラメータモデル）（Ｆｒｉｓｔｏｎ，Ｋ．Ｊ．他、Ｍａｇｎ．Ｒｅｓｏｎ．Ｍｅｄ．３５：３４６－３５５（１９９６）参照）並びに、白質（ｗｈｉｔｅ ｍａｔｔｅｒ：ＷＭ）、脳脊髄液（ｃｅｒｅｂｒｏ－ｓｐｉｎａｌ ｆｌｕｉｄ：ＣＳＦ）の時系列傾向及びこれらの線形傾向。ＷＭ信号及びＣＳＦ信号を、成分ベースの雑音除去方法（ＣｏｍｐＣｏｒ、５つの主要成分）（Ｂｅｈｚａｄｉ，Ｙ．他、Ｎｅｕｒｏｉｍａｇｅ ３７：９０－１０１（２００７）参照）を使用して計算した。最後に、バンドパスフィルタリング（［０．０１－０．１］Ｈｚ）を行った。個々の課題ｆＭＲＩデータセット及びｒｓ－ｆＭＲＩデータセットは、体積／体積頭部体動が３ｍｍ超又は１度超の場合には除外された。ベースラインスキャンとフォローアップスキャンとの間で、最大頭部体動又は平均頭部体動の著しい差異はなかった（全てｐ＞０．２）。
【0123】
安静状態ネットワーク連関性分析。ベースラインで及び治療後に取得したｒｓ－ｆＭＲＩデータを、以下に説明する同一の方法で別々に分析した。方法は、ＭＤＤと最も関連性の高い安静状態ネットワークに重点を置いて実施された。詳細には、腹側デフォルトモードネットワーク（ｖＤＭＮ）及び背側デフォルトモードネットワーク（ｄＤＭＮ）、左中央実行ネットワーク（ＬＣＥＮ）及び右中央実行ネットワーク（ＲＣＥＮ）並びに顕著性ネットワーク（ＳＡＬ）を調べた（図２Ａ）。分析の再現性を担保するために、これらのネットワークを、スタンフォード大学のＦｕｎｃｔｉｏｎａｌ Ｉｍａｇｉｎｇ ｉｎ Ｎｅｕｒｏｐｓｙｃｈｉａｔｒｙ Ｄｉｓｏｒｄｅｒｓ Ｌａｂ（＜ｈｔｔｐ：／／ｆｉｎｄｌａｂ．ｓｔａｎｆｏｒｄ．ｅｄｕ／ｆｕｎｃｔｉｏｎａｌ＿ＲＯＩｓ．ｈｔｍｌ＞） （Ｓｈｉｒｅｒ，Ｗ．Ｒ．他、Ｃｅｒｅｂｒａｌ Ｃｏｒｔｅｘ ２２：１５８－１６５ （２０１２）参照）が無償で提供している検証済みのテンプレートを使用して定義した。各参加者において、機能的な結合及び分離をそれぞれ反映するネットワーク内及びネットワーク間の機能的連関性をネットワークごとに計算した。ネットワーク内の機能的連関性については、各ネットワーク領域内のボクセルの平均時系列を計算し、次に、ネットワーク領域のペア間のＰｅａｒｓｏｎの相関係数を計算して平均を求めた。ネットワーク間の機能的連関性については、最初に各ネットワーク内の平均時系列を（ネットワークのボクセル部分の全ての時系列を平均化することで）計算し、次にネットワークの各ペア間の時系列のＰｅａｒｓｏｎの相関係数を計算した。ネットワーク内及びネットワーク間の双方の測定結果に対して、フィッシャーのＺ変換を更に行った。
【0124】
課題ベースのｆＭＲＩ（連関性）分析。ベースラインで及び治療後に取得した課題ｆＭＲＩデータを、以下に説明する同一の方法で別々に分析した。この分析は、動的因果モデリング（Ｄｙｎａｍｉｃ Ｃａｕｓａｌ Ｍｏｄｅｌｉｎｇ：ＤＣＭ；Ｆｒｉｓｔｏｎ， Ｋ．Ｊ．他、Ｎｅｕｒｏｉｍａｇｅ １９：１２７３－１３０２（２００３）参照）を使用して計算された実効的連関性に重点を置いて実施された。ＤＣＭでは、内的な連関性は課題に無関係な領域間の結合強度を表す一方で、変調効果は課題によって誘発された領域間の連関性の変化を表した（Ｉｄ．）。次に、モデル化されたニューロン動態を、血液動態順モデル（Ｓｔｅｐｈａｎ，Ｋ．Ｅ．他、Ｎｅｕｒｏｉｍａｇｅ ３８：３８７－４０１（２００７）参照）を使用して、観察された血中酸素濃度依存（ＢＯＬＤ）信号と関連付けた。確立された手順（Ｄｉｍａ，Ｄ．他、Ｈｕｍａｎ Ｂｒａｉｎ Ｍａｐｐｉｎｇ ３６：４１５８－４１６３（２０１５）； Ｄｉｍａ，Ｄ．他、Ｔｒａｎｓｌ．Ｐｓｙｃｈｉａｔｒｙ ６：ｅ７０６（２０１６）； Ｍｏｓｅｒ，Ｄ．Ａ．他、Ｍｏｌ．Ｐｓｙｃｈｉａｔｒｙ ２３：１９７４－１９８０（２０１８）参照）の後に、５ｍｍ球状の関心体積（ｖｏｌｕｍｅ ｏｆ ｉｎｔｅｒｅｓｔ：ＶＯＩ）を、ベースラインにおける作業記憶負荷依存性の変調の極大集合のＭＮＩ座標を中心として両側に定義した（左下頭頂葉皮質（ｐａｒｉｅｔａｌ ｃｏｒｔｅｘ：ＰＡＲ）：－４２，－４８，４４、右ＰＡＲ：４４，－３８，４２；ｄＡＣＣ左前帯状皮質（ｄＡＣＣ）：－６ ２４ ４４、右ｄＡＣＣ：６ ２２ ４４；左ＤＰＦＣ：－２８ ４ ６０、右ＤＰＦＣ：２８ ８ ５８；左ＡＭＧ：－２６ －４ －２０、右ＡＭＧ：２６ －２ －２０）。分析間の連続性を担保するために、同じＶＯＩを治療後のＤＣＭで使用した。領域の時系列を、参加者固有のＶＯＩ内の全ての（ｐ＜０．０１で）活性化しているボクセルの第１の固有変量（ｅｉｇｅｎｖａｒｉａｔｅ）で要約した。上記に定義したＶＯＩを使用して、全ての参加者の基本的な８領域ＤＣＭを特定した。半球内及び半球間双方のこれらの領域間相互の連関性を定義した。作業記憶負荷（駆動入力）の効果は、左右両側のＰＡＲに及んだ。この基本レイアウトを出発点として、作業記憶負荷が領域間結合の強度に及ぼす変調効果を考慮することにより、構造化されたモデル空間を導出した。連関性の整合及び強度を推定する際のモデルに関する不確実性にランダム効果ベイズモデル平均化（Ｒａｎｄｏｍ ｅｆｆｅｃｔｓ Ｂａｙｅｓｉａｎ Ｍｏｄｅｌ Ａｖｅｒａｇｉｎｇ：ＢＭＡ）が適応することから、次にＢＭＡを実行し、各参加者について全モデルの平均連関性推定値を求めた（Ｐｅｎｎｙ，Ｗ．Ｄ．他、ＰＬｏＳ Ｃｏｍｐｕｔ Ｂｉｏｌ ６：ｅ１０００７０９（２０１０）；Ｓｔｅｐｈａｎ，Ｋ．Ｅ．他、Ｎｅｕｒｏｉｍａｇｅ ４９：３０９９－３１０９（２０１０）参照）。 結果として得られたベースラインデータセット及び治療後データセットからの平均ＤＣＭからの事後平均を使用して、領域間連関性に作業記憶負荷が及ぼす変調効果の変化をテストした。完全を期すために、ベースライン及び治療後の脳活動の作業記憶負荷依存性変調の相違を、一般的な線形モデルを使用して調べ、結果を図４に示す。
【0125】
統計学的分析。Ｃｏｈｅｎのｄに基づく反復測定の効果量を計算し、所与の機能的測定値の治療後の変化を、式（１）：
【0126】
【数1】
【0127】
式中、ｍ１及びｍ２は、所与の測定のそれぞれベースライン及び治療後の平均値である；ｓは、所与の測定のベースライン及び治療後の平均標準偏差であり、γは所与の連関値測定のベースライン及び治療後の値である。Ｃｏｈｅｎのｄの通常の解釈に基づき、効果量が０．３よりも大きい結果のみを有意である可能性がより高いものとして示す（Ｃｏｈｅｎ，Ｊ．による「Ｓｔａｔｉｓｔｉｃａｌ ｐｏｗｅｒ ａｎｄ ａｎａｌｙｓｉｓ ｆｏｒ ｔｈｅ ｂｅｈａｖｉｏｒａｌ ｓｃｉｅｎｃｅｓ．」Ｈｉｌｌｓｄａｌｅ，Ｎ．Ｊ．， Ｌａｗｒｅｎｃｅ Ｅｒｌｂａｕｍ Ａｓｓｏｃｉａｔｅｓ，Ｉｎｃ．，（１９８８）参照）。Ｐｅａｒｓｏｎの相関係数を使用して、症状レベルの変化と脳画像測定結果の変化との関係を評価した。調査が診査としての性質を有することから、統計的推論の閾値は、ｐ＜０．０５、補正なしであった。ベースラインスキャンと治療後スキャンとの間の異なる臨床測定結果を、対応のあるｔ検定に基づいて比較した。
【実施例2】
【0128】
例２：安静状態機能的連関性及び実効的連関性の治療後の観察
２５名の参加者が本調査への参加への署名付きの同意を提供した。２名の参加者は、ベースラインｆＭＲＩスキャンを受けたが、ランダム化前に親臨床試験の継続を中止した。参加者のうち１６名が親臨床試験のＥＦＭＴ条件に、７名の参加者が対照（ＣＴ）条件に割り当てられた。５名の参加者は脱落し、臨床試験プロトコル又は結果ｆＭＲＩスキャンを完了しなかった（２名はＥＦＭＴ群の参加者、３名はＣＴ群の参加者であった）。現在の調査サンプルには、ＥＦＭＴレジメンを完了し、有効な事前／事後ｆＭＲＩデータ及び行動データを入手可能な１４名の参加者が含まれた。４名のシャム対照参加者も、有効な事前／事後画像データ及び行動データを有した。現在の報告は、有効な事前／事後画像データ及び行動データを有する１４名の参加者を含んだ。図５に、本調査でＥＦＭＴ治療を受けた１４名のＭＤＤ参加者の個体群統計学的特性及び臨床学的特性を示す。
２５名の参加者が本調査への参加への署名付きの同意を提供した。２名の参加者は、ベースラインｆＭＲＩスキャンを受けたが、ランダム化前に親臨床試験の継続を中止した。参加者のうち１６名が親臨床試験のＥＦＭＴ条件に、７名の参加者が対照（ＣＴ）条件に割り当てられた。５名の参加者は脱落し、臨床試験プロトコル又は結果ｆＭＲＩスキャンを完了しなかった（２名はＥＦＭＴ群の参加者、３名はＣＴ群の参加者であった）。現在の調査サンプルには、ＥＦＭＴレジメンを完了し、有効な事前／事後ｆＭＲＩデータ及び行動データを入手可能な１４名の参加者が含まれた。４名のシャム対照参加者も、有効な事前／事後画像データ及び行動データを有した。現在の報告は、有効な事前／事後画像データ及び行動データを有する１４名の参加者を含んだ。図５に、本調査でＥＦＭＴ治療を受けた１４名のＭＤＤ参加者の個体群統計学的特性及び臨床学的特性を示す。
【0129】
現在の調査参加者が由来する親臨床試験において、ＥＦＭＴは、ＣＴと比較してＭＤＤ症状をベースラインから調査結果までの間に著しく改善させたことが観察された（Ｉａｃｏｖｉｅｌｌｏ，Ｂ．Ｍ．他、ｎｐｊ Ｄｉｇｉｔａｌ Ｍｅｄｉｃｉｎｅ １：２１（２０１８）参照）。現在のサンプルの１４名の参加者らはまた、ＥＦＭＴ介入に対する臨床応答を平均して示した（Ｈａｍ－Ｄがベースラインでの平均スコア１９．１４（ＳＤ＝２．６）から調査アウトカムでの平均スコア１１．４３（ＳＤ＝５．１２）まで改善した；ｔ（１３）＝６．８８、ｐ＜．００１）（図５）。
【0130】
安静状態機能的連関性の変化。図２Ｂに示すように、ネットワーク内連関性は、ｄＤＭＮ（ｄ＝－０．３８）及びＳＡＬ（ｄ＝－０．３６）で治療後の減少が観察された。一方、ＬＣＥＮとＲＣＥＮとの間（ｄ＝０．３０）、ｖＤＭＮとｄＤＭＮとの間（ｄ＝０．３２）及びＬＣＥＮとｖＤＭＮ（ｄ＝０．４５）及びＳＡＬ（ｄ＝０．５３）双方との間では連関性が増加した（図２Ｂ）。しかし、治療後の安静状態連関性の変化と症状の変化との間の相関性は概ね低く、統計的に有意とはならなかった。
【0131】
実効的連関性。治療後に、ｄＡＣＣからＡＭＧへの実効的連関性は両側で低下し（左：ｄ＝－０．４４；右：ｄ＝－０．３２）、ＤＰＦＣからＡＭＧへのトップダウンの連関性は右側で増加した（ｄ＝０．３３）（図３）。ＤＰＦＣ及びＤＡＣＣ双方からＡＭＧへの実効的連関性の治療後の変化は、ＨＡＭ－Ｄの合計スコアで測定したうつ症状の減退と相関しており、後者は補正なしの閾値で顕著であった（ｒ＝０．５１、ｐ＝０．０５）。
【0132】
図６に、４２名の健常な対照被験者の安静時のコミュニティ分析を示す。これらのデータは、健常な被験者では、内側側頭葉ネットワーク（海馬－扁桃体－側頭極）が十分に統合されていることを示している。図７Ａ～図７Ｂは、ＥＦＭＴ調査からの７名のＭＭＤ参加者の治療前（左パネル）及び治療後（右パネル）の安静時のコミュニティ分析を示したものである。これらの結果は、ＥＦＭＴ治療前のＭＤＤ参加者は、破線の円で囲まれた左脳領域内及び右脳領域内に黒い点がないことから分かるように、内側側頭葉ネットワークの統合性が低かったが、ＥＦＭＴ治療がＭＤＤ参加者の内側側頭葉ネットワークを部分的に修復したことを示している。
【0133】
図６に、４２名の健常な対照被験者の安静時のコミュニティ分析を示す。これらのデータは、健常な被験者では、内側側頭葉ネットワーク（海馬－扁桃体－側頭極）が十分に統合されていることを示している。図７は、ＥＦＭＴ調査からの７名のＭＭＤ参加者の治療前（左パネル）及び治療後（右パネル）の安静時のコミュニティ分析を示したものである。これらの結果は、ＥＦＭＴ治療前のＭＤＤ参加者は内側側頭葉ネットワークの統合性が低かったが、ＥＦＭＴ治療がＭＤＤ参加者の内側側頭葉ネットワークを部分的に修復したことを示している。
【0134】
これらの結果は、ＥＦＭＴ訓練がＭＤＤ患者の神経可塑性を変化させることを示している。右側ＤＰＦＣに異常を有するＭＤＤにおける前頭前野の機能障害の側性化の程度が主に感情処理の自発的な制御と関連していることを過去の研究が示唆している（Ｇｒｉｍｍ他、Ｂｉｏｌ Ｐｓｙｃｈｉａｔｒｙ．６３（４）：３６９－７６（２００８））。本明細書に記載の結果は、作業記憶によって誘発された右側ＤＰＦＣから右側ＡＭＧへの連関性の変調がＥＦＭＴ後に増加し、これに伴って症状が改善したことを示している。
【0135】
更なる治療後の変化が、ｄＡＣＣとＡＭＧとの間の機能的結合／実効的連関性の減弱化に関連している。過去の研究は、ＭＤＤでは、ｄＡＣＣはその連関性が複数の異なる課題に対して期待される変化を示さない（Ｓｈｉｎｅ他、Ｎｅｕｒｏｎ ９２：５４４－５５４（２０１６））ことから、ごく初期段階から非適応的な柔軟性の欠如を示すことを示唆している（Ｈｏ他、Ｎｅｕｒｏｐｓｙｃｈｏｐｈａｒｍａｃｏｌｏｇｙ．４２（１２）：２４３４－２４４５（２０１７））。ＥＦＭＴ訓練後に、症状の改善を伴うｄＡＣＣからＡＭＧへの連関性の減弱が観察された。これらのデータは、ＭＤＤ患者のＥＦＭＴ訓練後のｄＡＣＣの実効的連関性の減少はｄＡＣＣの機能の改善を反映している可能性があることを示唆している。本調査で観察された症状の改善は、ＡＭＧとＤＰＦＣとの連関性の増加及びＡＭＧとｄＡＣＣの連関性の減少によって示されるように、辺縁領域の調節性制御の修復に関連していると考えられる。図３Ａ～図３Ｂを参照されたい。
【0136】
治療後のｄＤＭＡ及びＳＡＬの機能的連関性の減少並びに、認知制御、自己参照及び顕著性処理に関与するネットワーク間の統合性の増加も観察された。前頭頭頂安静状態ネットワークの過少な連関性及び統合性の低下は、ＭＤＤとの相関性が高いことが判明している（Ｋａｉｓｅｒ他、ＪＡＭＡ Ｐｓｙｃｈｉａｔｒｙ ７２：６０３－６１１（２０１５））。したがって、ＥＭＦＴ後のネットワーク安静状態機能的連関性の変化の殆どが、認知制御のための重要なネットワークであると考えられるＣＥＮに関与していることに注目すべきである（Ｓｍｉｔｈ他、Ｐｒｏｃ Ｎａｔｌ Ａｃａｄ Ｓｃｉ Ｕ Ｓ Ａ．１０６（３１）：１３０４０－５（２００９））。ＣＥＮは、左半球と右半球との間並びにＤＭＮ及びＳＡＬとの間でより統合性が高かった。認知制御、自己参照及び顕著性処理のためのネットワーク間の統合性のこのような増加は、ＭＤＤを有する患者において、感情刺激に対するより整合性の高い協調的な応答を促進する可能性がある。更に、治療後のｄＤＭＮの機能的連関性の減少のエビデンスも存在し、この現象は抗うつ薬による良好な治療後にも観察されている（Ｂｒａｋｏｗｓｋｉ他、Ｊ Ｐｓｙｃｈｉａｔｒ Ｒｅｓ．９２：１４７－１５９（２０１７））。
【0137】
等価物
本願技術は、本願技術の個々の態様の一例として意図されている本願中に記載の特定の実施形態に限定されるものではない。当業者に明らかであるように、本願技術の数多くの修正及び変形を、その精神及び範囲から逸脱することなく行ってもよい。本願中に列挙したものに加えて、本願技術の範囲内の機能上等価な方法及び装置は、上述の記載から当業者に明らかであろう。そのような修正及び変形は、本願技術の範囲に含まれることが意図される。本願技術が特定の方法、試薬、化合物、組成物又は生体系に限定されず、これらは当然変化し得ることを理解されたい。本明細書で使用される用語は特定の実施形態の説明のみを目的としており、限定的であることは意図されていないことも理解されたい。
本願技術は、本願技術の個々の態様の一例として意図されている本願中に記載の特定の実施形態に限定されるものではない。当業者に明らかであるように、本願技術の数多くの修正及び変形を、その精神及び範囲から逸脱することなく行ってもよい。本願中に列挙したものに加えて、本願技術の範囲内の機能上等価な方法及び装置は、上述の記載から当業者に明らかであろう。そのような修正及び変形は、本願技術の範囲に含まれることが意図される。本願技術が特定の方法、試薬、化合物、組成物又は生体系に限定されず、これらは当然変化し得ることを理解されたい。本明細書で使用される用語は特定の実施形態の説明のみを目的としており、限定的であることは意図されていないことも理解されたい。
【0138】
加えて、本開示の特徴又は態様がマーカッシュ群形式で記載される場合、本開示の記載はマーカッシュ群の任意の個々の要素又はマーカッシュ群の要素の下位集合をも対象とすることが当業者に理解されるであろう。
【0139】
当業者に理解されるように、任意の及び全ての目的で、特に書面による明細書を提供することに関して、本明細書に開示する全ての範囲は、その任意の及び全ての部分的範囲並びに部分的範囲の組み合わせも包含する。列挙されている範囲はいずれも、少なくとも二等分、三等分、四等分、五等分、十等分などに分割されることが十分に記述されていること及び、該範囲をそのように分割できることが容易に理解されよう。非限定的な例として、本明細書に記載されているそれぞれの範囲を、下方の１／３の部分、中央の１／３の部分、及び上方の１／３の部分などに簡単に分割することができる。当業者には、「（最大）までの」、「少なくとも」、「より大きい」、「より小さい」などのすべての用語には、記載されている数が含まれること、及び、それらの用語は、上記のような部分的範囲に後で分割することができる範囲を意味していることも理解されよう。最後に、当業者には理解されるように、範囲には個々の要素が含まれる。したがって、例えば、１～３個のセルを含む群は、１個、２個又は３個のセルを含む群を指す。同様に、１～５個のセルを含む群は、１個、２個、３個、４個又は５個のセルを含む群を指す。
【0140】
本明細書中で記載又は引用されている全ての特許、特許出願、特許仮出願及び刊行物は、本明細書の明示的な教示と矛盾しない限りにおいて、その全ての図面及び表を含む内容全体が参照により組み込まれる。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
