特表 2023-528648 患者及び医学的介入に関する解析を提供するためのシステム及び方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2023-07-05

(54)【発明の名称】患者及び医学的介入に関する解析を提供するためのシステム及び方法

(51)【国際特許分類】

   A61B 5/00 20060101AFI20230628BHJP

   A61B 5/11 20060101ALI20230628BHJP

   G16H 15/00 20180101ALI20230628BHJP

   A61B 5/22 20060101ALI20230628BHJP

【ＦＩ】

A61B5/00 G

A61B5/11 200

G16H15/00

A61B5/22 100

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2022575351

(86)(22)【出願日】2021-06-08

(85)【翻訳文提出日】2023-01-30

(86)【国際出願番号】 US2021036457

(87)【国際公開番号】W WO2021252522

(87)【国際公開日】2021-12-16

(31)【優先権主張番号】63/036,299

(32)【優先日】2020-06-08

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＭＡＴＬＡＢ

(71)【出願人】

【識別番号】522475063

【氏名又は名称】キネシオメトリクス，インコーポレイテッド

(74)【代理人】

【識別番号】100079108

【弁理士】

【氏名又は名称】稲葉 良幸

(74)【代理人】

【識別番号】100109346

【弁理士】

【氏名又は名称】大貫 敏史

(74)【代理人】

【識別番号】100117189

【弁理士】

【氏名又は名称】江口 昭彦

(74)【代理人】

【識別番号】100134120

【弁理士】

【氏名又は名称】内藤 和彦

(72)【発明者】

【氏名】ユン，ジャン ダブリュー．

(72)【発明者】

【氏名】バジル，グレゴリー ダブリュー．

(72)【発明者】

【氏名】ワン，マイケル ワイ．

【テーマコード（参考）】

4C038

4C117

5L099

【Ｆターム（参考）】

4C038VA13

4C038VB31

4C038VC20

4C117XB01

4C117XB06

4C117XB09

4C117XB15

4C117XC13

4C117XE26

4C117XE38

4C117XE76

4C117XH16

4C117XJ13

4C117XJ34

5L099AA21

(57)【要約】

概して記述すると、本願の１つ又は複数の態様は、患者に関する、提案される外科的介入の予測手術効果及び術後回復の予測パターンの決定を可能にすることに関する。より詳細には、本開示は複数の患者データのうちの患者データを解析し、複数の患者の術後回復を示す解析データを生成し、患者の生物学的特徴及び患者が受けた外科的介入の種類に関連して解析データを記憶することができるシステムを提供する。その後、このシステムは患者の患者特徴及び活動データを解析し、所与の外科的介入がその患者にとってどの程度効果的であり得るのか、及び／又は所与の外科的介入から患者がどのように回復し得るのかについての予測を過去に生成された解析データに基づいて出力し得る。

【特許請求の範囲】

【請求項1】

患者及び手術に関係する解析を提供するためのシステムであって、
１人又は複数の患者に関連する解析データを記憶するデータリポジトリと、
コンピュータハードウェアを含むデータ解析サービスと
を含み、前記データ解析サービスは、
複数の患者を解析するための第１の要求を受信することであって、前記第１の要求は（ｉ）前記複数の患者に関連する生物学的特徴データ、（ｉｉ）前記複数の患者に関連する複数の個々のユーザ計算装置によって生成される歩数データ、及び（ｉｉｉ）前記複数の患者に関連する手術データを含む、受信すること、及び
前記複数の患者の個々の患者ごとに、
前記個々の患者に関連する前記歩数データに少なくとも部分的に基づいて１組の時間窓を識別すること、
前記個々の患者に関連する手術日よりも前の第１の時間窓及び前記手術日の後の第２の時間窓を前記１組の時間窓から選択すること、
前記第１の時間窓に関連する第１の歩数データと前記第２の時間窓に関連する第２の歩数データとを比較することに少なくとも部分的に基づいて手術効果スコアを生成すること、及び
前記個々の患者に関連する前記手術効果スコアが生物学的特徴に固有の及び手術の固有のやり方で取得可能であるように、前記手術効果スコアを（ａ）前記個々の患者に関連する前記生物学的特徴データの少なくとも一部及び（ｂ）前記個々の患者に関連する前記手術データの少なくとも一部に関連して記憶すること
を少なくとも行うように構成され、
前記データ解析サービスは、
前記複数の患者内に含まれない第１の患者を解析するための第２の要求を受信することであって、前記第２の要求は（ｉ）前記第１の患者に関連する第１の生物学的特徴データ、（ｉｉ）前記第１の患者に関連する第１の歩数データ、及び（ｉｉｉ）第１の手術の種類を含む、受信すること、
前記第１の生物学的特徴データ及び前記第１の手術の種類に少なくとも部分的に基づいて第１の解析データを前記データリポジトリから取得することであって、前記第１の解析データは前記第１の生物学的特徴データ及び前記第１の手術の種類の少なくとも一部に対応する前記データリポジトリ内に記憶される前記解析データの部分集合である、取得すること、
前記第１の患者に関連する前記第１の解析データ及び前記第１の歩数データに少なくとも部分的に基づいて（ａ）前記第１の患者に対して前記第１の手術の種類の第１の手術を行うことに関連する予測手術効果スコア、及び（ｂ）前記第１の患者に対して前記第１の手術を行うことに関連する術後回復の予測パターンを決定すること、及び
前記第１の患者に関連する報告を出力することであって、前記報告は少なくとも前記予測手術効果スコア及び前記予測回復パターンを示す、出力すること
を行うように更に構成される、
システム。

【請求項2】

前記手術効果スコアが、前記第２の時間窓にわたる前記第２の歩数データの第１の平均値を前記第１の時間窓にわたる前記第１の歩数データの第２の平均値で割ることによって計算される、請求項１に記載のシステム。

【請求項3】

前記術後回復の予測パターンが、前記第１の患者の１組の前記同じ生物学的特徴を共有する前記複数の患者の部分集合の前記歩数データの術後部分を集約することによって決定される、請求項１に記載のシステム。

【請求項4】

前記データ解析サービスが、
前記第１の手術を含む複数の手術のそれぞれについて前記予測手術効果スコアを決定すること、並びに
（ｉ）前記第１の手術に関連する前記予測手術効果スコアが前記複数の手術のうちで最高であること、及び（ｉｉ）前記第１の手術が前記第１の患者に関する少なくとも閾値レベルの可動度の改善をもたらすことが予測されることを前記第１の手術に関連する前記予測手術効果スコアが示すことに少なくとも部分的に基づいて前記第１の手術に関する推奨を出力すること
を行うように更に構成される、請求項１に記載のシステム。

【請求項5】

前記歩数データが、前記複数の患者の所与の患者について、前記所与の患者に関連するスマートフォンの１つ又は複数のセンサによって捕捉されるセンサデータに基づいて前記所与の患者が歩くことが推定される歩数を含み、前記１つ又は複数のセンサは加速度計、ジャイロスコープ、全地球測位システム（ＧＰＳ）センサ、コンパス、磁気計、又は気圧計のうちの１つ又は複数を含む、請求項１に記載のシステム。

【請求項6】

前記歩数データが前記複数の患者に関連する前記複数の個々のユーザ計算装置のそれぞれにインストールされたモバイルアプリケーションによって収集され、前記データ解析サービスによってアクセス可能なデータリポジトリに伝送される、請求項１に記載のシステム。

【請求項7】

前記データ解析サービスが、
前記第１の手術を受け、第１の１組の生物学的特徴に関連する前記複数の患者の第１の患者の部分集合に対応する前記解析データの第１の部分集合を識別し、
前記第１の手術を受け、前記第１の１組の生物学的特徴と異なる第２の１組の生物学的特徴に関連する前記複数の患者の第２の患者の部分集合に対応する前記解析データの第２の部分集合を識別し、
（ｉ）前記第１の１組の生物学的特徴に関連する前記第１の患者の部分集合に対する前記第１の手術に関連する第１の手術効果スコア、及び（ｉｉ）前記第２の１組の生物学的特徴に関連する前記第２の患者の部分集合に対する前記第１の手術に関連する第２の手術効果スコアを含む集約報告を出力する
ように更に構成される、請求項１に記載のシステム。

【請求項8】

前記データ解析サービスが、
前記第１の手術を受け、第１の１組の生物学的特徴に関連する前記複数の患者の第１の患者の部分集合に対応する前記解析データの第１の部分集合を識別し、
前記第１の手術と異なる第２の手術を受け、前記第１の１組の生物学的特徴に関連する前記複数の患者の第２の患者の部分集合に対応する前記解析データの第２の部分集合を識別し、
（ｉ）前記第１の１組の生物学的特徴に関連する前記第１の患者の部分集合に対する前記第１の手術に関連する第１の手術効果スコア、及び（ｉｉ）前記第１の１組の生物学的特徴に関連する前記第１の患者の部分集合に対する前記第２の手術に関連する第２の手術効果スコアを含む集約報告を出力する
ように更に構成される、請求項１に記載のシステム。

【請求項9】

患者及び医学的介入に関係する解析を提供するためのコンピュータによって実装される方法であって、
複数の患者を解析するための第１の要求を受信することであって、前記第１の要求は（ｉ）前記複数の患者に関連する生物学的特徴データ、（ｉｉ）前記複数の患者に関連する活動データ、及び（ｉｉｉ）前記複数の患者に関連する医学的介入データを含む、受信すること、
前記複数の患者の個々の患者ごとに、
前記個々の患者に関連する前記活動データに少なくとも部分的に基づいて１組の時間窓を識別することであって、前記１組の時間窓は（ｉ）前記個々の患者に関連する医学的介入日よりも前の第１の時間窓及び（ｉｉ）前記医学的介入日の後の第２の時間窓を少なくとも含む、識別すること、
前記第１の時間窓に関連する第１の活動データと前記第２の時間窓に関連する第２の活動データとを比較することに少なくとも部分的に基づいて医学的介入効果スコアを含む解析データを生成すること、及び
前記解析データを（ａ）前記個々の患者に関連する前記生物学的特徴データの少なくとも一部及び（ｂ）前記個々の患者に関連する前記医学的介入データの少なくとも一部に関連して記憶すること、
第１の患者を解析するための第２の要求を受信することであって、前記第２の要求は（ｉ）前記第１の患者に関連する第１の生物学的特徴データ、（ｉｉ）前記第１の患者に関連する第１の活動データ、及び（ｉｉｉ）第１の医学的介入データを含む、受信すること、
前記第１の生物学的特徴データ及び前記第１の医学的介入データに少なくとも部分的に基づいて第１の解析データを取得することであって、前記第１の解析データは前記第１の生物学的特徴データ及び前記第１の医学的介入データの少なくとも一部に対応する前記複数の患者に関連する前記活動データに基づいて生成される前記解析データの部分集合である、取得すること、
前記第１の患者に関連する前記第１の解析データ及び前記第１の活動データに少なくとも部分的に基づいて（ａ）前記第１の患者に対して前記第１の医学的介入データに関連する第１の医学的介入を行うことに関連する予測医学的介入効果スコア、及び（ｂ）前記第１の患者に対して前記第１の医学的介入を行うことに関連する介入後回復の予測パターンを決定すること、及び
前記第１の患者に関連する報告を出力することであって、前記報告は少なくとも前記予測医学的介入効果スコア及び前記予測回復パターンを示す、出力すること
を含む、コンピュータによって実装される方法。

【請求項10】

前記活動データが歩数、歩幅、移動距離、又は上った階数のうちの１つ又は複数を含む、請求項９に記載のコンピュータによって実装される方法。

【請求項11】

前記医学的介入データが、医者、医学的介入日、使用される医療装置、医療装置の製造会社、医学的介入の持続時間、又は医学的介入の時刻のうちの１つ又は複数を含む、請求項９に記載のコンピュータによって実装される方法。

【請求項12】

前記医学的介入効果スコアが、前記第２の時間窓にわたる前記第２の活動データの第１の平均値を前記第１の時間窓にわたる前記第１の活動データの第２の平均値で割ることによって計算される、請求項９に記載のコンピュータによって実装される方法。

【請求項13】

前記介入後の回復の予測パターンが、前記第１の患者の１組の同じ生物学的特徴を共有する前記複数の患者の部分集合の前記活動データの術後部分を集約することによって決定される、請求項９に記載のコンピュータによって実装される方法。

【請求項14】

前記第１の医学的介入データに関連する複数の医学的介入のそれぞれに関する前記予測医学的介入効果スコアを決定することであって、前記複数の医学的介入は前記第１の医学的介入を含む、決定すること、並びに
（ｉ）前記第１の医学的介入に関連する前記予測医学的介入効果スコアが前記複数の医学的介入のうちで最高であること、及び（ｉｉ）前記第１の医学的介入が前記第１の患者に関する少なくとも閾値レベルの可動度の改善をもたらすことが予測されることを前記第１の医学的介入に関連する前記予測医学的介入効果スコアが示すことに少なくとも部分的に基づいて前記第１の医学的介入に関する推奨を出力すること
を更に含む、請求項９に記載のコンピュータによって実装される方法。

【請求項15】

前記第１の医学的介入を受け、第１の１組の生物学的特徴に関連する前記複数の患者の第１の患者の部分集合に対応する前記解析データの第１の部分集合を識別すること、
前記第１の医学的介入と異なる第２の医学的介入を受け、前記第１の１組の生物学的特徴に関連する前記複数の患者の第２の患者の部分集合に対応する前記解析データの第２の部分集合を識別すること、及び
（ｉ）前記第１の１組の生物学的特徴に関連する前記第１の患者の部分集合に対する前記第１の医学的介入に関連する第１の医学的介入効果スコア、及び（ｉｉ）前記第１の１組の生物学的特徴に関連する前記第１の患者の部分集合に対する前記第２の医学的介入に関連する第２の医学的介入効果スコアを含む集約報告を出力すること
を更に含む、請求項９に記載のコンピュータによって実装される方法。

【請求項16】

計算システムによって実行されるとき、
複数の患者を解析するための第１の要求を受信することであって、前記第１の要求は（ｉ）前記複数の患者に関連する生物学的特徴データ、（ｉｉ）前記複数の患者に関連する活動データ、及び（ｉｉｉ）前記複数の患者に関連する医学的介入データを含む、受信すること、
前記複数の患者の個々の患者ごとに、
前記個々の患者に関連する前記活動データに少なくとも部分的に基づいて１組の時間窓を識別することであって、前記１組の時間窓は（ｉ）前記個々の患者に関連する医学的介入日よりも前の第１の時間窓及び（ｉｉ）前記医学的介入日の後の第２の時間窓を少なくとも含む、識別すること、
前記第１の時間窓に関連する第１の活動データと前記第２の時間窓に関連する第２の活動データとを比較することに少なくとも部分的に基づいて医学的介入効果スコアを含む解析データを生成すること、及び
前記解析データを（ａ）前記個々の患者に関連する前記生物学的特徴データの少なくとも一部及び（ｂ）前記個々の患者に関連する前記医学的介入データの少なくとも一部に関連して記憶すること、
第１の患者を解析するための第２の要求を受信することであって、前記第２の要求は（ｉ）前記第１の患者に関連する第１の生物学的特徴データ、（ｉｉ）前記第１の患者に関連する第１の活動データ、及び（ｉｉｉ）第１の医学的介入データを含む、受信すること、
前記第１の生物学的特徴データ及び前記第１の医学的介入データに少なくとも部分的に基づいて第１の解析データを取得することであって、前記第１の解析データは前記第１の生物学的特徴データ及び前記第１の医学的介入データの少なくとも一部に対応する前記複数の患者に関連する前記活動データに基づいて生成される前記解析データの部分集合である、取得すること、
前記第１の患者に関連する前記第１の解析データ及び前記第１の活動データに少なくとも部分的に基づいて（ａ）前記第１の患者に対して前記第１の医学的介入データに関連する第１の医学的介入を行うことに関連する予測医学的介入効果スコア、及び（ｂ）前記第１の患者に対して前記第１の医学的介入を行うことに関連する介入後回復の予測パターンを決定すること、及び
前記第１の患者に関連する報告を出力することであって、前記報告は少なくとも前記予測医学的介入効果スコア及び前記予測回復パターンを示す、出力すること
を含む操作を前記計算システムに行わせる命令を記憶する、非一時的コンピュータ可読媒体。

【請求項17】

前記医学的介入効果スコアが、前記第２の時間窓にわたる前記第２の活動データの第１の平均値を前記第１の時間窓にわたる前記第１の活動データの第２の平均値で割ることによって計算される、請求項１６に記載の非一時的コンピュータ可読媒体。

【請求項18】

前記介入後の回復の予測パターンが、前記第１の患者の１組の同じ生物学的特徴を共有する前記複数の患者の部分集合の前記活動データの術後部分を集約することによって決定される、請求項１６に記載の非一時的コンピュータ可読媒体。

【請求項19】

前記計算システムによって実行されるとき、
前記第１の医学的介入データに関連する複数の医学的介入のそれぞれに関する前記予測医学的介入効果スコアを決定することであって、前記複数の医学的介入は前記第１の医学的介入を含む、決定すること、並びに
（ｉ）前記第１の医学的介入に関連する前記予測医学的介入効果スコアが前記複数の医学的介入のうちで最高であること、及び（ｉｉ）前記第１の医学的介入が前記第１の患者に関する少なくとも閾値レベルの可動度の改善をもたらすことが予測されることを前記第１の医学的介入に関連する前記予測医学的介入効果スコアが示すことに少なくとも部分的に基づいて前記第１の医学的介入に関する推奨を出力すること
を含む操作を前記計算システムに行わせる更なる命令を記憶する、請求項１６に記載の非一時的コンピュータ可読媒体。

【請求項20】

前記計算システムによって実行されるとき、
前記第１の医学的介入を受け、第１の１組の生物学的特徴に関連する前記複数の患者の第１の患者の部分集合に対応する前記解析データの第１の部分集合を識別すること、
前記第１の医学的介入と異なる第２の医学的介入を受け、前記第１の１組の生物学的特徴に関連する前記複数の患者の第２の患者の部分集合に対応する前記解析データの第２の部分集合を識別すること、及び
（ｉ）前記第１の１組の生物学的特徴に関連する前記第１の患者の部分集合に対する前記第１の医学的介入に関連する第１の医学的介入効果スコア、及び（ｉｉ）前記第１の１組の生物学的特徴に関連する前記第１の患者の部分集合に対する前記第２の医学的介入に関連する第２の医学的介入効果スコアを含む集約報告を出力すること
を含む操作を前記計算システムに行わせる更なる命令を記憶する、請求項１６に記載の非一時的コンピュータ可読媒体。

【発明の詳細な説明】

【技術分野】

【0001】

任意の優先権出願に対する参照による援用
[0001] 本願は、参照によりその全開示を本明細書において援用する、２０２１年６月８日に出願された米国仮特許出願第６３／０３６，２９９号に対する優先権を主張する。本願と共に出願されたアプリケーションデータシート内で外国又は国内の優先権が識別される任意の及び全ての出願が、３７ＣＦＲ１．５７の下で参照により本明細書に完全に援用される。

【0002】

技術分野
[0002] 本開示は、ネットワーク環境内の計算装置にわたり解析データを生成し、伝送し、提示することを容易にする分野に関する。

【背景技術】

【0003】

背景
[0003] 外科患者の健康状態を評価するために患者報告アウトカム尺度（ＰＲＯＭ）がしばしば使用される。例えばＰＲＯＭ調査は、患者が術前及び術後に回答するための幾つかの具体的な質問を含み得る。それらの質問に対する回答を使用して数値スコアを決定することができ、それにより相対的利益を突き止めることができる。但し、それらの回答は本質的に主観的であり、大きなチャンク（例えば数カ月又は数年とまではいかなくても数週間）単位で測定されることが多く、それらの回答だけに基づいて手術の効果又は患者の回復パターンを正確に予測することは困難であり得る。従って、医学的介入の効果及び介入後の回復の予測パターンを明らかにするためのより効果的な、粒度の細かい、及び客観的な技法が求められている。

【図面の簡単な説明】

【0004】

図面の簡単な説明

【図1】[0004]本開示の態様による、データ解析サービス及び報告生成サービスを実装するために医学的介入解析システムが使用されるネットワーク環境の概略図を示す。

【図2】[0005]本開示の態様による、患者活動データを処理するワークフローの一例を示すブロック図を示す。

【図3】[0006]本開示の態様による、患者データの術後解析を行うためのプロセスの一例の流れ図である。

【図4】[0007]本開示の態様による、活動データを示すグラフを示す。

【図5】[0008]本開示の態様による、活動データの分布を示すグラフを示す。

【図6】[0009]本開示の態様による、誤差バーを有する平均活動レベルを示すグラフを示す。

【図7】[0010]本開示の態様による、増加及び減少した活動レベルの時間を示すグラフを示す。

【図8】[0011]本開示の態様による、矢印がオーバーレイされた活動レベルを示すヒートマップを示す。

【図9】[0012]本開示の態様による、歩数及び歩幅のレベルを示すグラフを示す。

【図10】[0013]本開示の態様による、距離及び階数のレベルを示すグラフを示す。

【図11】[0014]本開示の態様による、各曜日、平日、週末、及び全日の術前及び術後の歩数、距離、及び階数のレベルを示すグラフを示す。

【図12】[0015]本開示の態様による、識別された時間窓（エポック）の視覚的指示を含む様々な種類のシナリオにおける術前及び術後の歩数のレベルを示すグラフを示す。

【図13】[0016]本開示の態様による、術前の歩数と術後の歩数との比較を示すグラフを示す。

【図14】[0017]本開示の態様による、歩数の術前及び術後の分布の歪度の比較を示すグラフを示す。

【図15】[0018]本開示の態様による、外科的介入を受けるかどうかの判断を支援するワークフローの一例を示すブロック図を示す。

【図16】[0019]本開示の態様による、患者データの術前解析を行うためのプロセスの一例の流れ図である。

【図17】[0020]本開示の態様による、視覚的に区別された時間窓を出力するためのプロセスの一例の流れ図である。

【図18】[0021]本開示の態様による、患者活動データに基づいて時間窓を識別するためのプロセスの一例の流れ図である。

【図19】[0022]本開示の態様による、本明細書に記載の１つ又は複数のコンポーネントを実装するために使用可能な計算システムの全体的なアーキテクチャを示す。

【発明を実施するための形態】

【0005】

詳細な説明
導入
[0023] 所与の病変に最適な手術を決定する困難に外科医は日々直面している。かかる困難は、ことによると例として脊椎手術によって例示される。脊椎手術が進歩するにつれ、外科医は多岐にわたる治療の選択肢を利用できる。従って外科的な意思決定は一層複雑なプロセスになり、外科医は各患者の固有の既存の病変、年齢、機能状態、及び生活様式に対して既存の文献を理解しなければならない。この決定の複雑さは、外科診療パターン間の腰椎椎弓切除率の７倍の差及び腰椎固定率の１０倍の差を論証する調査に反映されている。或いは一層重要なことに、外科医はどの科学的証拠及び文献を手引きに使用するのかを決定しなければならない。これは外科医が最適な外科的手法を決定するためにランダム化比較試験か症例報告かのどちらかを選択しなければならないということではなく、実証的医療の序列は非常に明瞭である。むしろ外科医は、個々の患者の全体的な臨床像ごとに利点とリスクを最良に評価するために既存の文献をどのように利用するのかを決めることができる。脊椎の多くの病変が幾つかの異なる文献化された手法（そのそれぞれは１つ又は複数の様相において成功したと報告されている）を有することから、このような臨床的確実性の欠如が部分的に生じる。

【0006】

[0024] 様々な外科的処置について、適切な減圧と共に融合（fusion）及び失敗率に関する大規模に行われた研究がある。多くの場合この種の研究は、人間の体及び骨が様々な手法にどのように反応するのかを外科医が理解するのを助ける放射線学的所見によって推し進められる。同様に、様々な外科的処置の生体力学的な利点及び不利点を探索する大量の文献がある。この多数の文献は死体解析又は有限要素解析に大いに依存する。しかし、患者の臨床反応が、おそらくは検討する最も重要な因子だと外科医は理解する。実際、たとえ文献が所与の手術後の生体力学的及び構造上の改善を論証しても、それが患者の生活の質における実際の及び有意味の改善をもたらさない場合、それらの発見は関連性を欠く。

【0007】

[0025] これらの同じ問題は、幾つか例を挙げると心臓手術、整形外科手術、肥満手術、及び腫瘍外科手術を含むほぼ全ての下位専門分野における外科的な意思決定で生じる。下位専門分野の技術的側面は異なるが、個々の患者レベル及び母集団レベルで実践パターンを修正するために医師は全ての手術野で関連性のあるアウトカム指向の研究を適用することに苦労する。

【0008】

[0026] 今日まで、手術の成功の測定は患者報告アウトカム尺度（ＰＲＯＭ）に依拠してきた。大部分のＰＲＯＭは、術前及び術後に幾つかの具体的な質問に答えるように患者に求める調査である。それらの質問に対する回答を使用して数値スコアを決定し、それにより相対的利益を明らかにすることができる。幾つかの異なるＰＲＯＭ調査が存在しており、脊椎では最も一般的に利用されているものは、幾つか例を挙げるとオスヴェストリー能力指数（ＯＤＩ）、視覚的アナログスケール（ＶＡＳ）背痛及び下肢痛、並びに頸部障害指数（ＮＤＩ）を含む。ＳＦ（Short Form）３６健康調査等のより全般的なＰＲＯＭが、人間の機能の複数の領域にわたって適用され得る。

【0009】

[0027] これらのＰＲＯＭ調査は重要な概念的飛躍を表すが、利益を評価するためにかかる調査だけに依拠することには幾つかの問題がある。第１には、その本質的に主観的な性質である。自身がより機能的であると患者が感じること又は述べることは、必ずしもそうであることを意味しない。これらの調査は、患者が自らの反応に意識的に又は無意識に組み込む幾つかのバイアスを確実に受ける。

【0010】

[0028] 加えて、どのＰＲＯＭを使用するのかに関する標準化が広く欠如しているようである。整形外科脊椎ジャーナルの遡及的検討は、１，０７９件の調査にわたり２０６の異なるＰＲＯＭが使用されたことを確認した。ことによると同じ位重要なことに、最も一般的に利用されているＰＲＯＭの中でさえ、方法体系及びスコア計算に関する明らかな一貫性の欠如があった。このことはＰＲＯＭの更に別の問題、つまりこれらのメトリクが標準化されておらず又は一貫して計算されていない場合、相対的な価値及び治療効果を論証する際のメトリクの有用性が限られていることを強調する。それらをどのように標準化すべきか。どのメトリクが最も効果的か。アウトカムを予測するためにどの時間枠に対して使用すべきか。或る有名な調査は、個々の患者レベルで３カ月のＰＲＯＭデータが１２カ月アウトカムを高信頼に予測しなかったことを見出している。外科医はＰＲＯＭデータを１年間、ことによると２年間集め続けるべきか。これらの質問に対する答えは贔屓目に見てもはっきりしないままである。

【0011】

[0029] 現代技術の登場により、我々は今や遡及的にだけでなく予測的にも日々の活動を正確に捕捉する手段を有する。例えばユーザのスマートフォンはセンサデータを生成可能な数多くのセンサ（例えば加速度計、ジャイロスコープ、コンパス等）を備えることができ、スマートフォンは、インストールされた１つ又は複数のモバイルアプリケーションの助けで歩数、歩幅、移動距離、上った階数、カロリー数、起立時間、活動時間等のユーザの可動度の様々なインジケータを計算し又は推定することができる。この活動データはユーザのバイアスがかかっておらず、機能状態の真の尺度を与える。多数のパーソナルモバイル装置（例えばスマートフォン、スマートウォッチ、フィットネストラッカ等）によって既に捕捉され記憶されている活動データを処理し解析することにより、本開示の技法は一貫している及び客観的なコンピュータアルゴリズムを適用し、人間の機能を測定するための素晴らしいツールを提供し得る。これらの患者の活動を解析することにより、本開示は患者の術前及び術後の機能状態を測定する客観的方法を提供する。

【0012】

[0030] 例えばスマートフォン上に記憶された既存の健康データを利用し、既に手術を受けている数千人の患者に関する情報を遡及的に捕捉することができる。はるかに多数の患者を捕捉することにより、手術を受けた後の患者の又は母集団の機能状態の客観的な改善又は悪化を検出するように結果が強化される。この解析されるデータ及びメトリクは、様々な種類の医学的介入の影響だけでなく、その影響のタイミング、及び患者のベースライン特性に対するその関係を評価しようとする際に貴重である。この外科的介入の客観的測定は、医療保障／医療扶助／民間保険会社のための価値に応じた費用償還モデルを策定するための鍵となり得る。現在の個別支払いモデルの下では、費用償還は患者のアウトカムではなく処置の種類（ＣＰＴ）及び診断コード（ＩＣＤ－１０）に基づく。術前患者及び術後患者の客観的な、高信頼の、一貫した、及び正確な客観的リアルタイム活動レベルが、米国内の医療業務におけるこのパラダイムシフトを可能にする。

【0013】

[0031] 本開示は、スマートフォン等のユーザ計算装置内に収集され記憶された大量の後処理済み活動データを安全に、セキュリティ保護された状態で、及び効率的に収集する方法を含む。例えばスマートフォンは、スマートフォンの速度及び動きに基づいて歩数を計算し追跡するために使用可能な組み込み型の３軸加速度計並びに３軸ジャイロスコープを有し得る。ユーザの年齢、性別、身長、及び体重等の人口統計データを組み合わせることにより、３軸加速度計を使用して、加速度計とカロリメーターによって測定されるエネルギ消費データとの間の既定の経験的関係によって身体活動中のエネルギ消費量を推定することができる。このデータは典型的な消費者にとっては潜在的に有用だが、健康状態をモニタする観点からは大雑把にしか関連性がないままである。そのデータの目下の形式では、提示されるデータは主に一般的なフィットネス又は運動の努力に関与する者にとって関心があるように思われ、従って健康メトリク又はアウトカム尺度として使用可能であるには不十分である。手術日の前及び後の生の歩数は、それらの数字が同様の手術を受けた大きい患者群と比較されない限り無意味である。例えばJonesさんが１レベル顕微鏡視下腰椎椎間板ヘルニア摘出術を受け、彼女の１日当たりの術前歩数が４０００から術後１年間で６０００まで増えた場合、それは何を意味するだろうか。彼女の活動レベルが「よい」アウトカムであることが適格であるには、彼女は術後１年間で１日当たり８０００歩にあるべきだろうか。１日当たりのベースライン術前歩数をどのように定めるのか。それらの活動レベルをどのように臨床的に有意味にするのか。

【0014】

[0032] とりわけ上述の課題及び質問が患者データを処理するための開示する技法によって一部の実施形態で対処され、提案される外科的介入（例えば脊椎手術）の予測手術効果（例えば患者の可動度等の身体的状態がどのように改善し得るのか）を明らかにすること、及び患者の術後回復の予測パターン（例えば手術日から１５日、３０日、又は９０日で歩くことを患者が期待できる歩数）を明らかにすることを特に本明細書で記載する。より詳細には、本開示は複数の患者データのうちの患者データを解析し、複数の患者の術後回復を示す解析データを生成し、患者の生物学的特徴及び患者が受けた外科的介入の種類に関連して解析データを記憶することができるシステムを提供する。その後、このシステムは新たな患者の患者特徴及び活動データを解析し、所与の外科的介入がその患者にとってどの程度効果的であり得るのか、及び／又は所与の外科的介入から患者がどのように回復し得るのかについての予測を、過去に生成された解析データに基づいて出力し得る。

【0015】

[0033] 本開示に照らして当業者によって理解されるように、本明細書で開示する実施形態は、より効率的な及び効果的なデータ解析技法を提供するために、データ解析システム、データ処理システム、機械学習システム等の計算システムの能力を改善する。ユーザ計算装置の動きに基づいて生成される術前及び術後の健康データ又はセンサデータを利用すること、視覚的比較及び予測を生成すること、並びにかかる視覚的比較及び予測を生成するために使用可能な機械学習アルゴリズムを利用し更新することにより、本開示の医学的介入解析システムは上記の欠点に対処することができる。

【0016】

[0034] 次に本開示のこれらの及び他の態様を、本開示の限定ではなく例示であることを意図する特定の例及び実施形態に関して説明する。本明細書に記載する例及び実施形態は特定の計算及びアルゴリズムに例示目的で焦点を当てるが、それらの例は例示に過ぎず、限定であることは意図しないことを当業者なら理解されよう。

【0017】

技術的利点
[0035] 時間的に粒度の細かいデータ－従来のメトリクは典型的には所定の時点において評価される。このことは面倒なだけでなく、サンプリング時点間のデータも逃す。既存のＰＲＯＭは、数週間から数カ月間、数年間の範囲内のギャップと共にサンプリングされる。本明細書に記載する技法（本明細書では客観的リアルタイム生体情報トラッカ「ＯＲＢＩＴ：Objective Realtime BioInformation Tracker」とも呼ぶ）は、ユーザが比較のために潜在的に任意の特定の時点をサンプリングすることを可能にし、サンプリングの誤差を更に克服するために解析が集約された時点からのものであることも可能にする。進捗を継続的にモニタするこの能力は、患者がクリニックを再訪する前に改善又は悪化を早期に検出できるようにし得るので極めて重要である。ＰＲＯＭは患者が調査票に記入するときだけ収集されるのに対し、本明細書に記載する患者データを解析するための技法はリアルタイムで適用し、身体活動データが患者のスマートフォンからインポートされるや否や更新することができる（例えば全ての活動データを最初にインポートすることができ、追加の活動データを周期的に（例えば２週間ごとに）又はオンデマンドで（例えば更新済みの解析データをユーザが生成する又は視覚化することを望むときはいつも）インポートすることができ、それらはユーザ計算装置１０２上で提示されるユーザインタフェース要素をユーザが活性化することによって示され得る）。

【0018】

[0036] 自動収集－データを受動的に収集することができるので、本明細書に記載の技法は或る特定の患者又は提供者のアクションに依拠しなくてもよい場合がある。この利点は、患者の順守の問題を克服することができ、データをサンプリングする機会を不注意に逃す可能性も回避し得る。

【0019】

[0037] 予測的データ解析－ソフトウェアアプリケーションは効率的な予測的データ収集及び解析を可能にする。ユーザとしての患者にとって、このことは、それにより振る舞いを修正し改善するためのリアルタイムフィードバックメカニズムを表し得る。例えばＯＲＢＩＴの低下がある場合、かかる低下は患者及び治療を行う医師への警告をトリガし、それらの者は来診が必要かどうかを判断することができる。解析者にとって、かかる低下は介入後の患者の能力の有用なインジケータを与え得る任意のバリアンスの早期発見を可能にする。

【0020】

[0038] 遡及的データ解析－予測的データ収集及び解析と類似の方法体系を使用し、データは遡及的に取得することもできる。これは使用中のスマートフォン及び関連する任意のクラウドベースデータ記憶システムを活用する強力なツールである。任意の所与の個人又は患者に関する数年前の抽出データを全体として解析することができる。例えば本明細書に記載のデータ解析技法の差別化要素の１つは、過去に記憶されたデータからユーザが有意味の健康アウトカムメトリクを抽出できることである。スコアを得るために患者が調査票に記入することを必要とするＰＲＯＭと異なり、ＯＲＢＩＴはスマートフォンの購入日からの身体活動データに基づいて計算することができる。殆どのユーザは計画又はアクションが行われる前の時点において健康アウトカム尺度を評価することに関心がある。かかる評価は、健康アウトカムの研究、介入の効果調査、及び患者の人生の中の過去の健康現象の評価においてとりわけ貴重である。ＯＲＢＩＴは過去のベースライン及び任意の追跡時点の決定を客観的に測定することを可能にする。このことは、ソフトウェアアプリケーションのユーザが、スマートフォン技術を有した過去のことによるとあらゆる時点における健康メトリクを客観的に確かめることを可能にする。従って、過去の介入を既に受けているユーザをきめ細かく客観的に調査することができる。このことは患者並びに任意の医学的介入における利害関係者に有用性を提示し、それはほぼ全ての過去の健康メトリクが最低でもベースラインメトリクの予測的収集、又は標準化されていないデータ補間の一部の要素を必要としたからである。

【0021】

[0039] 機械ベース学習－既存のＰＲＯＭはデータクエリのやり方において固定されたままである。収集され解析されるデータセットの要素的性質並びにサイズを理由に、ＯＲＢＩＴは健康尺度としてのその関連性を適合させ高めるために機械ベース学習を活用することができる。術前及び術後の活動レベルを予測するために機械学習アルゴリズムを生成し、関連する独立変数を使用して継続的に訓練することができる。

【0022】

[0040] 測定の非線形動的範囲にわたる解析－既存のＰＲＯＭの数値的な単純さは魅力的だが、生体系の本質をそうでありそうに反映することはできない。ＯＲＢＩＴは患者の能力の非線形測定を可能にする。データセットは線形測定で構成されるが、データを後処理する能力は最も重要な動的範囲内の健康情報をＯＲＢＩＴメトリクが検出し伝えることを可能にする。特に、人間性能の下端における変化に対する敏感さは、最大の医学的関連性を伝える可能性が最も高い。

【0023】

[0041] 次に本開示のこれらの及び他の態様を、本開示の限定ではなく例示であることを意図する特定の例及び実施形態に関して記載する。本明細書に記載する例及び実施形態は特定の計算及びアルゴリズムに例示目的で焦点を当てるが、それらの例は例示に過ぎず限定であることは意図しないことを当業者なら理解されよう。

【0024】

医学的介入解析システムのための計算環境の例の概要
[0042] 図１に示す例示的なネットワーク環境１００は、一実施形態による医学的介入解析システム１０６を含む。医学的介入解析システム１０６は、ユーザ（例えば患者、医療専門家、研究者、データサイエンティスト、医学的介入の評価者等）が、医学的介入解析システム１０６によって提供されるデータ解析サービス及び報告生成サービスを利用することを可能にする。ユーザは、既に行われている又はこれから行われる手術に関する情報（例えば手術日、手術の種類等）と共に、ユーザ計算装置１０２上で提示されるユーザインタフェースによって患者データ（例えば年齢、性別、人種、身長、体重、併存疾患等）を入力すること、及び／又は１組の質問に回答することができ、それらは医学的介入解析システム１０６に（又は医学的介入解析システム１０６によってアクセス可能なデータリポジトリに）伝送され得る。それに応答し、医学的介入解析システム１０６は提供された情報に基づく報告を出力し得る。データ解析及び報告生成の詳細については以下でより詳細に説明する。

【0025】

[0043] 例として、ユーザ計算装置１０２の様々な例がネットワーク１０４を介して医学的介入解析システム１０６と通信して示されている。ユーザ計算装置１０２は、デスクトップ、ラップトップ、携帯電話（又はスマートフォン）、タブレット、キオスク、テレビ、腕時計（スマートウォッチを含む）、フィットネストラッカ、無線装置、メディアプレーヤ、１つ又は複数のプロセッサ装置、計算装置に含めるための集積回路コンポーネント等の任意の計算装置であり得る。

【0026】

[0044] ユーザ計算装置１０２がその上で医学的介入解析システム１０６にアクセスすることができるネットワーク１０４は、任意の有線ネットワーク、無線ネットワーク、又はその組み合わせとすることができる。加えて、ネットワーク１０４はパーソナルエリアネットワーク、ローカルエリアネットワーク、広域ネットワーク、（例えばラジオ又はテレビ用の）無線ブロードキャストネットワーク、ケーブルネットワーク、衛星ネットワーク、セルラ電話網、又はその組み合わせであり得る。例えばネットワーク１０４は、インターネット等、ことによると様々な異なる関係者によって運営されるリンクされたネットワークの公的にアクセス可能なネットワークであり得る。一部の実施形態では、ネットワーク１０４が企業イントラネット又は大学イントラネット等の私設ネットワーク又は準私設ネットワークであり得る。ネットワーク１０４は、グローバルシステムフォーモバイルコミュニケーションズ（ＧＳＭ）ネットワーク、符号分割多元接続（ＣＤＭＡ）ネットワーク、ロングタームエボリューション（ＬＴＥ）ネットワーク、又は他の任意の種類の無線ネットワーク等の１つ又は複数の無線ネットワークを含み得る。ネットワーク１０４は、インターネット又は上述の他の種類のネットワークの何れかを介して通信するためのプロトコル及びコンポーネントを使用することができる。

【0027】

[0045] 図示の実施形態では、医学的介入解析システム１０６は、ネットワーク１０４を介してユーザ計算装置１０２と通信し、医学的介入解析システム１０６の様々なサービスへのアクセスを提供することができるサーバ１２０を含む。図１の例では、医学的介入解析システム１０６によって提供されるサービスはデータ解析サービス１３０及び報告生成サービス１５０を含む。一部の実施形態では、これらのサービスがサーバ１２０上の物理コンピュータハードウェア又は別個の計算装置内で実行されるソフトウェアコンポーネントとして実装され得る。本明細書で使用するとき及びその通常の意味に加えて、「サービス」という用語は一部の実施形態では本明細書に記載の操作を実装する基礎を成す物理ハードウェアも指し得る。

【0028】

[0046] 医学的介入解析システム１０６は、例えばユーザ計算装置１０２上にインストールされたブラウザ又はアプリケーション等のナビゲーション及び／又はブラウジングインタフェースによってユーザ計算装置１０２上で表示するためのユーザインタフェース（及び／又はそのための命令）を提供することができ、ユーザ計算装置１０２上のユーザは、データ解析サービス１３０及び報告生成サービス１５０等の医学的介入解析システム１０６によって提供される様々なサービスをユーザインタフェースによって利用することができる。

【0029】

[0047] データ解析サービス１３０は、本明細書に記載のデータ解析を行うために特定の患者データ、解析データ、機械学習データ、又はその任意の部分を収集し及び／又は生成するために、データリポジトリ１４０及び／又はデータソース１６０にアクセスすることができる。報告生成サービス１５０はデータリポジトリ１４０からの解析データにアクセスし、患者及び本明細書に記載の医学的介入解析の様々な視覚的インジケータ、予測、及び結果を伝えるための報告及び／又はユーザインタフェースを生成することができる。

【0030】

[0048] 一部の実施形態では、ユーザ計算装置１０２によって生成されるデータが、データ解析サービス１３０による取得のために（データ解析サービス１３０によって行われる解析において使用するために、及び／又はデータリポジトリ１４０内に後で記憶するために）システム１０６に直接送信され（例えばデータリポジトリ１４０内に記憶され）てもよく、又は（例えばユーザ計算装置１０２上にインストールされたモバイルアプリケーションによって）データソース１６０に直接送信され得る。データソース１６０は医学的介入解析システム１０６の外側に示されているが、一部の実施形態ではデータソース１６０の一部又は全てが医学的介入解析システム１０６内に実装され得る。

【0031】

[0049] データリポジトリ１４０は、患者データ１４２、解析データ１４４、及び機械学習データ１４６を記憶し得る。患者データ１４２は、患者に関連する生物学的特徴及び他の特徴（例えば年齢、性別、人種、身長、体重、併存疾患等）、患者に関連する活動データ（例えば歩数、歩幅、上った階数、移動距離、カロリー数、起立時間、活動時間、歩様の非対称性等の生の活動データ若しくはセンサデータ及び／又は処理された活動データ）、及び患者に関連する手術データ（例えば医者、医学的介入日、使用される医療装置、医療装置の製造会社、医学的介入の持続時間、侵襲度、医学的介入の時刻等、患者が受けた又は患者が受ける医学的介入に関係する詳細）を含み得る。一部の実施形態では、患者データ１４２が複数のユーザによって（例えば患者のユーザ計算装置１０２並びに医師／評価者／研究者等のユーザ計算装置１０２によって）提供され、クロスチェックされ及び／又は重複排除され得る。

【0032】

[0050] 解析データ１４４は、幾つか例を挙げると例えば（ｉ）代表値、合計、集約、部分集合、ｚスコア、平均、標準偏差、グラフ、チャート等の患者データの処理版、（ｉｉ）急な減少、術後の回復等の興味を引くデータ点、及び（ｉｉｉ）患者データ１４２及び／又は他の解析データを使用して識別される時間窓（本明細書ではエポックとも呼ぶ）、（ｉｖ）本明細書に記載の医学的介入効果スコア、（ｖ）患者改善指数（例えば他の同様の状況に置かれた患者と比較した患者データに基づく術前及び／又は術後のその特定の患者の調子）、（ｖ）医学的介入効果スコア及び／又は回復パターンの予測（例えば患者がどのように回復し得るのかについてのグラフ、表、又は他のインジケータ）を含み得る。

【0033】

[0051] 機械学習データ１４６は、医学的介入解析システム１０６によって生成され及び／又は訓練される１つ又は複数の機械学習モデル又はアルゴリズムを含み得る。１組の入力に基づく期待値又は出現を明らかにするためにこれらの予測モデルの１つ又は複数が使用され得る。例えば予測モデルは、例えば本明細書に記載の患者データ、医学的介入データ、患者の過去の活動データ及び過去に解析された患者データ、医学的介入データ、並びに他のユーザの活動データ等の予測モデルへの１つ又は複数の入力に基づいて患者の将来の活動レベルを予測するために使用され得る。幾つかの異なる種類のアルゴリズムが医学的介入解析システム１０６によって使用され得る。例えば本明細書の特定の実施形態は、ロジスティック回帰アルゴリズムを使用することができる。但し、線形回帰アルゴリズム、離散選択アルゴリズム、又は一般化線形アルゴリズム等の他のアルゴリズムも可能である。

【0034】

[0052] 図１では医学的介入解析システム１０６が、１つ又は複数のコンピュータネットワークを使用して相互接続される幾つかのコンピュータシステムを含む分散計算環境内で動作するものとして示されている。医学的介入解析システム１０６は、図１に示すよりも少ない又は多い数の装置を有する計算環境内で動作することもできる。従って図１の医学的介入解析システム１０６の描写は、本開示に対する限定ではなく例示として解釈すべきである。例えば医学的介入解析システム１０６又はその様々な構成要素は、本明細書に記載のプロセスの少なくとも一部を実装するために様々なウェブサービスコンポーネント、ホスト型又は「クラウド」計算環境、及び／又はピアツーピアネットワーク構成を実装することができる。

【0035】

[0053] 更に、医学的介入解析システム１０６及びそのコンポーネントはハードウェア及び／又はソフトウェアによって実装することができ、例えば本明細書に記載の様々な特徴を実装するためのコンピュータ実行可能命令を実行するように構成される物理コンピュータハードウェア上に実装される１つ又は複数の物理サーバ又は仮想サーバを含み得る。１つ又は複数のサーバは、例えば１つ又は複数のデータセンタ内で地理的に分散されても、地理的に同じ場所に配置されてもよい。一部の実施形態では、図１に示すコンポーネントの１つ又は複数が１つ又は複数の仮想サーバ又は仮想マシン上に実装され得る。

【0036】

[0054] 更に、医学的介入解析システム１０６の様々なコンポーネント又はサービスの処理は、複数のマシン、ネットワーク、又は他の計算資源にわたって分散され得る。医学的介入解析システム１０６の様々なコンポーネント又はサービスは、専用サーバ内ではなく、１つ又は複数の仮想マシン又はホスト型計算環境（例えば「クラウド」）資源内に実装することもできる。同様に図示のデータリポジトリは、例えばストレージエリアネットワーク又は他の分散型ストレージシステムを含むローカル及び／又はリモートの物理及び／又は論理データストレージを表し得る。一部の実施形態では、図示のコンポーネント又はサービス間の接続が、ハードウェア間の実際の接続ではなくデータフローのあり得る経路を表す。医学的介入解析システム１０６の様々な機能を実装する実行コードモジュールが、サーバ１２０のメモリ内に及び／又は他の種類の非一時的コンピュータ可読記憶媒体上に記憶され得る。あり得る接続の幾つかの例を示すが、様々な実装形態において図示のコンポーネントの任意の部分集合がコンポーネントの他の任意の部分集合と通信することができる。

【0037】

患者活動データの処理
[0055] 図２は、本開示の態様による、患者活動データを処理するための例示的なデータフロー２００を示す。図２に示すように、データフロー２００は（ｉ）生の加速度計データ、（ｉｉ）識別解除又は再割り当てされた一意識別子、（ｉｉｉ）機械学習アルゴリズム、（ｉｖ）推定された歩数、距離、階数、及びエネルギ消費データ、（ｖ）多変数線形回帰モデル、及び（ｖｉ）教師付きの機械学習アルゴリズムを含み得る。例えば、システム１０６はユーザの個人情報を自動で識別解除し、インポートされたデータセットに対して一意識別子を割り当てる能力を有し得る。ユーザがデータ共有契約に同意すると、ユーザの計算装置上にインストールされたモバイルアプリケーションがクラウド上のデータベースを継続的に次々と抽出及びデータ投入することができる。次いで、既存のアルゴリズムを使用して歩いた歩数、移動距離、上った階数、起立時間、及びエネルギ消費等の身体活動パラメータを計算するために生の加速度計データを処理することができる。身体機能データが個人ユーザについて生成されると、過去に収集されたデータを含むデータベースのライブラリにそれらのデータ点が追加され得る。

【0038】

[0056] 歩数、距離、階数、カロリー、及び起立時間のデータが患者ごとに生成されると、それらのデータが日間平均、週平均、及び月平均に編成される。パラメータ（例えば１日当たりの平均歩数、１日当たりの平均距離、平均燃焼活動カロリー、上った平均階数、及び平均起立時間）ごとに、（例えば平均から２標準偏差を超えて離れている）外れ値を除去することができ、グラフを生成することができる。患者ごとにパラメータが収集されると、ベースライン活動レベルを達成する又は超えるための時間が表示されるダッシュボード形式でそれらのパラメータが表示される。加えて、パラメータごとにグラフも生成される。

【0039】

[0057] 以下に記載するステップを使用し、患者ごとにＯＲＢＩＴスコアを計算することができる。年齢、性別、人種、ベースライン医学的併存疾患、手術の種類、手術のレベル、術前のベースライン身体活動、術後の身体活動レベル等の既存の独立変数に基づいてモデルを生成するために多変数線形回帰を使用することができる。多変数線形回帰モデルは毎日更新される。ユーザの術後の身体機能（例えば歩数、距離、エネルギ消費、上った階数、及び起立時間）を予測するために独立変数（年齢、性別、体容積指数、手術の種類、ベースライン身体機能等）を入力することにより、機械学習アルゴリズムのための教師付き学習を行うことができる。

【0040】

[0058] 一部の実施形態では、５つの身体機能メトリク（１日当たりの歩数、１日当たりの距離、燃焼活動カロリー、上った階数、及び起立時間）に基づき、ＯＲＢＩＴ（客観的リアルタイム生体情報トラッカ）スコアが対象者ごとに計算され得る。これはＰＲＯＭに対して検証される複合点数法である。ＰＲＯＭとＯＲＢＩＴとの間の乖離又は相関があるかどうかを知るために、ＰＲＯＭとＯＲＢＩＴとの間でピアソン相関係数が計算される。ＯＲＢＩＴの各成分に所与の加重スコアが与えられる。このデータは、様々な種類の外科的介入の影響だけでなく、その影響のタイミング、及び患者のベースライン特性に対するその関係を評価しようとする際に非常に有益である。ＯＲＢＩＴは回復時間及び回復量を考慮に入れ、従ってそのスコアは患者がどの程度早く又は遅く回復したのか、及び各身体活動パラメータ（歩数、距離、カロリー、上った階数、及び起立時間）が術後にどの程度変化したのかを反映する。ＯＲＢＩＴスコアは患者の既存の身体データを使用して計算され、その詳細は以下に記載する。ＯＲＢＩＴは手術をまだ受けていない個々の患者について、その患者のベースライン特性及び術前の身体活動レベルデータに基づいて機械学習アルゴリズムを使用して予測することもできる。

【0041】

[0059] ＯＲＢＩＴスコアを計算する一例を以下に記載する：
[0060] キーワード：
・１日当たりの歩数＝ＳＰＤ
・１日当たりの距離＝ＤＰＤ
・燃焼活動カロリー＝ＡＣＢ
・起立時間＝ＳＭ
・上った階数＝ＦＣ
・ＯＤＩ＝オスヴェストリー能力指数
・ＮＤＩ＝頸部障害指数

【0042】

[0061] ＯＲＢＩＴスコアはＳＰＤ、ＤＰＤ、ＡＣＢ、ＳＭ、ＦＣの加重点数システムであり、以下を反映するための複合点数を提示する：
・ベースラインＳＰＤ、ＤＰＤ、ＡＣＢ、ＳＭ、ＦＣに戻るための時間
・ＳＰＤ、ＤＰＤ、ＡＣＢ、ＳＭ、ＦＣのグレード

【0043】

[0062] ＯＲＢＩＴスコアは、ベースラインから評価時点までの身体活動の５つの分野の変化を考慮に入れる複合加重スコアである。身体活動尺度の５つの主な分野について、時間及び勾配という２つの様相がある。ＯＲＢＩＴスコアは－１５から２５に及ぶことができ、高いスコアはより多くの身体活動を表し、低いスコアはより少ない身体活動を表す。

【0044】

[0063] １日当たりの歩数（ＳＰＤ）：
・１日当たりの平均ベースライン歩数（１ＹｂＳＰＤ）、（９ＭｂＳＰＤ）、（６ＭｂＳＰＤ）、（３ＭｂＳＰＤ）は手術の１年前、９カ月前、６カ月前、及び３カ月前、並びに手術の前日までの総歩数を３６５日で割ることによって定められる。
○ｂＳＰＤ＝１年間の期間にわたる総歩数／３６５日
○手術日が０日となる
・ＳＰＤは全ての患者について含まれる平均及び標準偏差によって報告される
・ＳＰＤは週１回の頻度で編成される
○Ｗ０＝手術の週、０～６日目、その後Ｗ１、Ｗ２、Ｗ３．．．等と続く
○週次ＳＰＤ
■Ｗ０ＳＰＤ＝（週０内の総歩数）／７日
・ｂＳＰＤ（３６５日）、Ｗ０ＳＰＤ、Ｗ１ＳＰＤ、Ｗ２ＳＰＤ、Ｗ３ＳＰＤ、Ｗ４ＳＰＤ、Ｗ５ＳＰＤ、Ｗ６ＳＰＤ、Ｗ１２ＳＰＤ、Ｍ６ＳＰＤ、Ｍ９ＳＰＤ、Ｙ１ＳＰＤ、Ｙ２ＳＰＤ
・ｂＳＰＤを達成するまでの時間（時間成分）
○早期回復（ＥＲ）：術前ｂＳＰＤをＷ１２以内に達成し又は上回った人
○遅い回復（ＬＲ）：術前ｂＳＰＤをＷ１３からＹ２までに達成し又は上回った人
○回復なし（ＮＲ）：術前ｂＳＰＤをＷ０からＹ２までに一度も達成せず又は上回らなかった人
・Ｍ６からＹ２までの達成の評価
○Ｍ６～Ｙ２のＳＰＤはＭ６からＹ２までの総歩数／５４０日によって定める
■著しい悪化（ＳＷ）：ｂＳＰＤの０％から４９％までの人
■中程度の悪化（ＭｏＷ）：ｂＳＰＤの５０％から７５％までの人
■軽度の悪化（ＭＷ）：ｂＳＰＤの７６％から９９％までの人
■軽度の回復（ＭＲ）：ｂＳＰＤの１００％から１２５％までの人
■中程度の回復（ＭｏＲ）：ｂＳＰＤの１２６％から１５０％までの人
■著しい回復（ＳＲ）：ｂＳＰＤの１５１％から２００％までの人

【0045】

[0064] １日当たりの距離（ＤＰＤ）－これは１日当たりの歩数に加え、可動度の別のインジケータである。
・ｂＤＰＤ＝１年間の期間にわたる総移動距離／３６５日
・ＤＰＤは週１回の頻度で編成される
・ＤＰＤを達成するまでの時間及びそれ以降
○早期回復（ＥＲ）：術前ｂＤＰＤをＷ１２以内に達成し又は上回った人
○遅い回復（ＬＲ）：術前ｂＤＰＤをＷ１３からＹ２までに達成し又は上回った人
○回復なし（ＮＲ）：術前ｂＤＰＤをＷ０からＹ２までに一度も達成せず又は上回らなかった人
○劣化（Ｄ）：術前ｂＤＰＤにおける悪化をＹ２までに経験した人
・Ｍ６からＹ２までの達成の評価
○Ｍ６～Ｙ２のＤＰＤはＭ６からＹ２までの平均ＤＰＤ／５４０日によって定める
■著しい悪化（ＳＷ）：ｂＤＰＤの０％から４９％までの人
■中程度の悪化（ＭｏＷ）：ｂＤＰＤの５０％から７５％までの人
■軽度の悪化（ＭＷ）：ｂＤＰＤの７６％から９９％までの人
■軽度の回復（ＭＲ）：ｂＤＰＤの１００％から１２５％までの人
■中程度の回復（ＭｏＲ）：ｂＤＰＤの１２６％から１５０％までの人
■著しい回復（ＳＲ）：ｂＤＰＤの１５１％から２００％までの人

【0046】

[0065] 燃焼活動カロリー（ＡＣＢ）－これは必ずしもＳＰＤ内で反映されない場合がある、患者の活動レベルの強力な指示である。データを捕捉し報告するのはＳＰＤと同様のやり方である。
・平均ベースライン燃焼活動カロリー（ｂＡＣＢ）（ｋＣａｌ）は手術の１年前にわたる、及び手術の前日までの総燃焼活動カロリーを３６５日で割ることによって定められる。
○ｂＡＣＢ＝１年間の期間にわたる総ＡＣＢ（ｋＣａｌ）／３６５日
○手術日が０日となる
・ＡＣＢは全ての患者について含まれる平均及び標準偏差によって報告される
・ＡＣＢは上記のように週１回の頻度で編成される
○Ｗ０＝手術の週、０～６日目、その後Ｗ１、Ｗ２、Ｗ３．．．等と続く
・達成するまでの時間
○早期回復（ＥＲ）：ｂＡＣＢをＷ１２以内に達成し又は上回った人
○遅い回復（ＬＲ）：ｂＡＣＢをＷ１３からＹ２までに達成し又は上回った人
○回復なし（ＮＲ）：ｂＡＣＢをＷ０からＹ２までに一度も達成せず又は上回らなかった人
・Ｍ６からＹ２までの達成の評価
○Ｍ６～Ｙ２のＡＣＢはＭ６からＹ２までの総ＡＣＢ／５４０日によって定める
■著しい悪化（ＳＷ）：ｂＡＣＢの０％から４９％までの人
■中程度の悪化（ＭｏＷ）：ｂＡＣＢの５０％から７５％までの人
■軽度の悪化（ＭＷ）：ｂＡＣＢの７６％から９９％までの人
■軽度の回復（ＭＲ）：ｂＡＣＢの１００％から１２５％までの人
■中程度の回復（ＭｏＲ）：ｂＡＣＢの１２６％から１５０％までの人
■著しい回復（ＳＲ）：ｂＡＣＢの１５１％から２００％までの人

【0047】

[0066] 起立時間（ＳＭ）：
・ｂＳＭ＝１年間の期間にわたる総起立時間／３６５日
・ＳＭは週１回の頻度で編成される
・ｂＳＭを達成するまでの時間及びそれ以降
○早期回復（ＥＲ）：術前ｂＳＭをＷ１２以内に達成し又は上回った人
○遅い回復（ＬＲ）：術前ｂＳＭをＷ１３からＹ２までに達成し又は上回った人
○回復なし（ＮＲ）：術前ｂＳＭをＷ０からＹ２までに一度も達成せず又は上回らなかった人
・Ｍ６からＹ２までの達成の評価
○Ｍ６～Ｙ２のＳＭはＭ６からＹ２までの平均ＳＭ／５４０日によって定める
■著しい悪化（ＳＷ）：ｂＳＭの０％から４９％までの人
■中程度の悪化（ＭｏＷ）：ｂＳＭの５０％から７５％までの人
■軽度の悪化（ＭＷ）：ｂＳＭの７６％から９９％までの人
■軽度の回復（ＭＲ）：ｂＳＭの１００％から１２５％までの人
■中程度の回復（ＭｏＲ）：ｂＳＭの１２６％から１５０％までの人
■著しい回復（ＳＲ）：ｂＳＭの１５１％から２００％までの人

【0048】

[0067] 上った階数（ＦＣ）：
・ｂＦＣ＝１年間の期間にわたって上った総階数／３６５日
・ＦＣは週１回の頻度で編成される
・ｂＦＣを達成するまでの時間及びそれ以降
○早期回復（ＥＲ）：術前ｂＦＣをＷ１２以内に達成し又は上回った人
○遅い回復（ＬＲ）：術前ｂＦＣをＷ１３からＹ２までに達成し又は上回った人
○回復なし（ＮＲ）：術前ｂＦＣをＷ０からＹ２までに一度も達成せず又は上回らなかった人
○劣化（Ｄ）：術前ｂＦＣにおける悪化をＹ２までに経験した人
・Ｍ６からＹ２までの達成の評価
○Ｍ６～Ｙ２のＦＣはＭ６からＹ２までの平均ＳＭ／５４０日によって定める
■著しい悪化（ＳＷ）：ｂＦＣの０％から４９％までの人
■中程度の悪化（ＭｏＷ）：ｂＦＣの５０％から７５％までの人
■軽度の悪化（ＭＷ）：ｂＦＣの７６％から９９％までの人
■軽度の回復（ＭＲ）：ｂＦＣの１００％から１２５％までの人
■中程度の回復（ＭｏＲ）：ｂＦＣの１２６％から１５０％までの人
■著しい回復（ＳＲ）：ｂＦＣの１５１％から２００％までの人

【0049】

【表1】

【0050】

・（オッズ比）に寄与する多変量解析及び識別因子
○外科的因子：
■頸部手術
■腰椎手術
■固定対非固定
■レベルの数
○人口統計：
■ＢＭＩ
■年齢
■性別
■術前の平均活動レベル
○腰椎手術に関するオスヴェストリー能力指数
○頸椎手術に関する頸部障害指数

【0051】

[0068] これらのアウトカムは、ベースライン及び頸部手術ではＹ２ ＮＤＩと比較され、腰椎手術ではＹ２ ＯＤＩと比較される：
・ＮＤＩ
○よいアウトカムは０～２８である
○悪いアウトカムは１５～５０である
・ＯＤＩ
○よいアウトカム０～２０
○悪いアウトカム２１～１００

【0052】

[0069] 乖離を検査するためにＮＤＩ／ＯＤＩとＯＲＢＩＴとの間でピアソン相関係数が計算された。

【0053】

患者の経験の例
[0070] 患者の経験の一例を以下に記載する。健康メトリク（歩いた歩数、移動距離、上った階数、起立時間、及びエネルギ消費等）、患者特徴（年齢、性別、人種、併存疾患等）、及び手術の詳細（手術の種類、手術のレベル、手術の場所、外科医／病院の識別）が何千人もの患者からアプリケーションによって収集される。
ａ．個々の患者が自分のスマートフォン上にモバイルアプリケーションをダウンロードする
ｂ．（例えば患者のスマートフォン上に記憶された既存の健康データを抽出することにより）モバイルアプリケーションが手術日に基づいて術前及び術後の健康メトリクを決定する（モバイルアプリケーションは術後の健康メトリクを収集し続ける）
ｃ．モバイルアプリケーションが全てのデータをサーバに送信する

【0054】

[0071] システム１０６は何千人もの患者から受信したデータを解析し、モデルを生成する。

【0055】

[0072] Jonesさんが検査を受けに訪れ、モバイルアプリケーションをダウンロードすること及び治療を行う外科医と自身の活動データを共有することに同意する。患者がアプリケーションを開きデータの共有に同意すると、アプリケーションがＨＩＰＡＡに準拠した及び暗号化されたクラウド（例えばシステム１０６又はデータソース１６０）上に活動データをアップロードし始める。

【0056】

[0073] 彼女がモバイルアプリケーションをダウンロードする：
ｄ．モバイルアプリケーションが彼女の術前の健康メトリクを決定する
ｅ．モバイルアプリケーションが彼女の患者特徴を決定する
ｆ．モバイルアプリケーションがサーバにデータを送り出す
ｇ．サーバがモデルを使用して解析を行い、見積もりを生成し、モバイルアプリケーションに送信する
ｈ．モバイルアプリケーションがサーバからダウンロードされたデータを処理し、彼女の活動メトリクを表示するダッシュボード内に更にはグラフ内にユーザインタフェースを生成する

【0057】

[0074] 既に手術を受けている患者の場合、それらの者の術前及び術後の活動レベルが編成され、ダッシュボード内に表示される。まだ手術を受けていない患者の場合、将来の日にちに受けることが予期される手術の種類を選ぶことができる。次いで機械学習アルゴリズムは、患者のベースライン特性及びベースライン活動レベルを考慮に入れて期待身体活動レベルを生成することができる。

【0058】

[0075] 手術の種類（例えば低侵襲又は開腹、頸部又は腰椎、１レベルの手術又は２レベルの手術）をデータベース内に入力することができる。患者がまだ手術を受けていない場合、モバイルアプリケーションは機械学習アルゴリズムを使用して将来の期待活動レベルを生成することもできる。

【0059】

[0076] 手術が行われる：
ｉ．モバイルアプリケーションが治療を行う外科医及び患者から手術の詳細を収集する
ｊ．モバイルアプリケーションが術後の健康データを収集し始める
ｋ．モバイルアプリケーションが、過去に生成された見積もりに対して及びベースラインに対して術後データを比較し、毎週更新される
ｉ．実際の身体活動データをコンピュータによって生成されたデータと比較することができ、任意の乖離を計算し、グラフ及びダッシュボード形式で表示することができる
ｉｉ．機械学習アルゴリズムの精度及び予測能力を改善するために、任意の乖離が機械学習アルゴリズム内に継続的にフィードバックされる
ｌ．患者及び外科医に対するフィードバック／提案をトリガする
ｉ．患者が期待された中間目標を（例えば術後６週間までに患者が１日当たり５０００歩歩いていることが期待されるが、１日当たり４０００歩であることにより）満たしていない場合、その患者は自らが期待された活動レベルに近づいているという自身のスマートフォンへの激励のメッセージ及びリマインダを受信する。アプリケーションはフィードバックを提供するだけでなく、患者の身体活動データをダッシュボード形式で表示し、そのため患者は簡潔な及び編成された形で視覚化された自身のデータを見ることができる。加えて患者は自分のＯＲＢＩＴメトリクを見ることができ、ＯＲＢＩＴメトリクは身体活動の複数の様相を考慮に入れ、更に確立された患者報告アウトカム尺度（ＰＲＯＭ）と相関する複合客観的活動尺度である。
ｉｉ．同時に外科医は、患者が術後に活動レベルの急な減少を有する場合に通知及び警告を受ける選択肢を有し、かかる通知及び警告は緊急治療室への来診又はクリニックでの経過観察を引き起こし得る。

【0060】

[0077] 継続的に学習し時間と共に改善される機械学習アルゴリズム内に何千人もの患者からの集約データが供給される。その後、このアルゴリズムは他の医学的介入又は外科的介入（例えば新たな抗鬱剤の投与又は整形外科股関節置換）のアウトカムを予測するために利用される。

【0061】

患者データの術後解析を行うためのルーチンの例
[0078] 図３は、本開示の態様による、患者データの術後解析を行うための例示的なルーチン３００を示す。ルーチン３００は、例えばデータ解析サービス１３０及び／又は報告生成サービス１５０、又は本明細書に記載の医学的介入解析システム１０６の１つ又は複数の他のコンポーネントによって実行され得る。便宜上、ルーチン３００のステップの一部又は全てがシステム１０６によって実行されるものとして記載されている。例えばシステム１０６は、１つ又は複数のハードウェア計算装置と、１つ又は複数のハードウェア計算装置によって実行されるとき、ルーチン３００のステップを１つ又は複数のハードウェア計算装置に行わせる命令を記憶する非一時的物理コンピュータストレージとを含み得る。

【0062】

[0079] ルーチン３００はブロック３０２から始まり、ブロック３０２でシステム１０６は複数の患者を解析するための要求を受信する。

【0063】

[0080] ブロック３０４で、システム１０６は複数の患者のうちの１人の活動データを解析する。

【0064】

[0081] ブロック３０６で、システム１０６は患者に関する１つ又は複数の術前の時間窓及び１つ又は複数の術後の時間窓を識別する。

【0065】

[0082] ブロック３０８で、システム１０６は患者に関連する解析データを生成する。

【0066】

[0083] ブロック３１０で、システム１０６は処理すべき任意の追加の患者がいるかどうかを判定する。処理すべき追加の患者がいるとシステム１０６が判定する場合、ルーチン３００はブロック３０４に戻る。さもなければルーチン３００はブロック３１２に進む。

【0067】

[0084] ブロック３１２で、システム１０６は、複数の患者のうちの対応する者に関連する生物学的特徴データ及び手術データに関連して患者ごとに生成した解析データを記憶する。

【0068】

[0085] ブロック３１４で、システム１０６は生成した解析データに基づく報告を出力する。これでルーチン３００は終了し得る。

【0069】

[0086] この説明の範囲から逸脱することなしに、ルーチン３００は図３に示すよりも少ない、多い、又はそれと異なるブロックを含むことができ、及び／又は図３に示す１つ若しくは複数のブロックは修正され、省略され、又は交換され得る。更に、本開示に記載する機能の一部又は全てが、本明細書で開示する医学的介入解析システム１０６及び／又はユーザ計算装置１０２の１つ又は複数のプロセッサによって実行されるソフトウェアによって具体化され得ることが当業者及び他者によって理解されよう。

【0070】

例示的なグラフ及びユーザインタフェース要素
[0087] 図４は、本開示の態様による活動データを示すグラフを示す。図４に示す各グラフは、ユーザが調節可能な移動平均（図４の破線、２５日）と共に日々の活動データ（実線）を示す。縦線は手術日を表す（その左側の全てのデータは術前であり、右側は術後である）。

【0071】

[0088] 図５は、本開示の態様による活動データの分布を示すグラフを示す。術前及び術後の活動の分布を視覚的に比較できるようにするために、図５に示すヒストグラムは術前及び術後の両方の活動の分布を示す。

【0072】

[0089] 図６は、本開示の態様による誤差バーを有する平均活動レベルを示すグラフを示す。図６に示す棒グラフは、推定された平均前後の９５％の信頼区間を示す誤差バーを有する術前及び術後の平均活動レベルを示す。術前及び術後の分布からの２つの独立したサンプルが等しい平均を有する正規分布から来る確率（ｐ値）を決定するために、対応のない両側ｔ検定を使用する。このｐ値は棒グラフの上で報告される。

【0073】

[0090] 図７は、本開示の態様による増加及び減少した活動レベルの時間を示すグラフを示す。図７に示すグラフでは、ベースライン活動が移動平均を用いてフィルタされる（日数はユーザが選択できる）。高い又は低い活動期間は、平均から１標準偏差を超えて異なるものとして識別される（これはユーザが選択可能な変数とし得る）。バーの高さは、平均活動ベースラインに対する活動の平均的な増加又は減少を表す。バーの幅は、活動の増加又は減少の持続時間を表す。

【0074】

[0091] 図８は、本開示の態様による、矢印がオーバーレイされた活動レベルを示すヒートマップを示す。図８のヒートマップでは、オーバーレイされた矢印が活動の著しい「上昇」の期間を示し、長さ及びサイズ（線の太さ、矢印のサイズ）は活動上昇の持続時間及び傾斜に対応する。図８では、生データが術前期間に対してｚスコアで正規化され、次いで７日間のスライディングウィンドウを使用して平滑化された。著しい活動上昇の期間は、次のコストと共に最適化法を用いて識別された（例えばMATLABにおけるfindchangepts.m）：（１）「変化点」の数（変化点の数ごとの線形ペナルティ重み）、及び（２）変化点間のデータの線形フィットの残差二乗和。変化点を追加することは常に残差誤差を減少させることを指摘しておく。例えば時系列内の各点が変化点である場合、誤差二乗和はゼロに減少する。従ってオーバーフィッティングを回避するために（１）のための重みが重要である。変化点間の最低日数が閾値、例えば（１日又は２日にしか及ばない活動の上昇はこの解析ではさほど興味深くない可能性があるので）３日間を上回るように、（１）のための重みは反復的なデータ駆動型のやり方で決定され得る。

【0075】

[0092] 図９は、本開示の態様による歩数及び歩幅のレベルを示すグラフを示す。図１０は、本開示の態様による距離及び階数のレベルを示すグラフを示す。図９及び図１０のグラフでは、生データがメトリクごとに別々に術前の分布に対してｚスコアで正規化されている。Ｘ軸は手術からの週数を示す。０上の値（ｙ軸）は術前ベースラインにおける日々の活動レベルを示す。各下位図面の中で、データが平日（破線）、週末（点線）、及び合計（実線）に関して別々にプロットされた。歩幅は距離／歩数として計算した。次いで、７日移動平均を用いてデータを平滑化した。データが入手できない日はNaNで埋めた。一部の実施形態では、本明細書に記載の解析を行う際に週末の活動データだけが使用され得る。他の実施形態では、本明細書に記載の解析を行う際に平日の活動データだけが使用され得る。更に他の実施形態では、本明細書に記載の解析を行う際に平日の活動データ及び週末の活動データの両方が使用され得る。

【0076】

[0093] 図１１は、本開示の態様による、各曜日、平日、週末、及び全日の術前及び術後の歩数、距離、及び階数のレベルを示すグラフを示す。図１１では、術前期間（陰影付き）及び術後期間（空白）に関してデータが更に層別化され、誤差バーは平均の標準誤差（ＳＥＭ）を示す。

【0077】

[0094] 図１２は、本開示の態様による、識別された時間窓（エポック）の視覚的指示を含む様々な種類のシナリオにおける術前及び術後の歩数のレベルを示すグラフを示す。術前期間内の日々の歩数レベルの時系列に基づき、システム１０６は既定の「エポック」を自動で検出することができる：１）エポック１は患者が通常の（健康な又は慢性的に衰弱した）健康状態にあったときの患者の術前のベースライン状態であり、２）エポック２は患者のベースラインに対する急な減少（もしある場合）を表し、介入がなければ患者があるであろう状態を表し、３）エポック３は患者が急性の術後疼痛から回復している、理学療法／リハビリを受けている術後の回復期間であり、４）エポック４はエポック１と同等であり得る又は改善されている可能性がある患者の新たな術後のベースライン活動レベルに戻ることを表し、５）エポック５は手術からの完全回復期間後に二次的減少が認められた患者において識別された。二次的減少は、怪我の再悪化又は可動度に支障を来し得る異なる疾病状態が原因であり得る。全ての対象者がエポック１及び３を有するのに対し、エポック２、４、及び５は患者の活動の特定の術前パターンに依存する。エポックは、術前の分布に対してｚスコアで正規化された生データ及び７日間のスライディングウィンドウを用いて平滑化することに因んで識別された。Ｅ２は、最低歩数が０．５未満の状態で０未満の平均歩数が１０日間を超えて維持される手術（日＝０）までの期間があった場合に識別された。Ｅ４は、－０．２５を超える平均歩数が１０日間を超えて維持される術後期間内の期間があった場合に識別された。Ｅ５は、Ｅ４が見つかった場合にのみＥ２と同じ基準を使用して識別された。他の実施形態では、平均歩数、最低歩数、又は維持される期間の任意の組み合わせが使用され得る。

【0078】

[0095] 図１３は、本開示の態様による術前の歩数と術後の歩数との比較を示すグラフを示し、図１４は、本開示の態様による歩数の術前及び術後の分布の歪度の比較を示すグラフを示す。

【0079】

[0096] 図１３のグラフは、エポック２とエポック４との間の日々の平均歩数の比較を示す。Ｅ２が入手できない又は識別されない場合はＥ１を使用することができ、Ｅ４が入手できない又は識別されない場合はＥ３を使用することができる。図示の比較は、手術がなければ患者があるであろう状態（Ｅ２又はＥ１）と術後（Ｅ４又はＥ３）とを比較する外科的介入後の日々の歩数の改善度を測定する。視覚化のための正規化データを使用し、完全に回復した（術後期間内でＥ３の後にＥ４が続く）患者と回復しなかった（Ｅ３だけの）患者とでデータ点を別々にプロットしている。生の歩数を代わりに使用することも質的に同一の結果を与え得る。

【0080】

[0097] 図１４のグラフは、日々の歩数の術前及び術後の分布の歪度の比較を示す。ｚスコアでの正規化がないことを除き、日々の平均歩数に関して解析が行われた。更に、この比較はＥ１とＥ４との間のデータについて行われた。健康な人は自身の活動を一定の日にちで上昇させることができるので、ここでの根底となる仮説は健康な人の可動度データが正の歪度を示すことである。実際、（時系列解析によって明らかにされる）完全回復は日々の平均歩数並びに歪度の増加、又は歪度の増加がない日々の平均歩数の増加によって特徴付けられることが見出された。平均に対する歪度の相対的重要性はより大きいデータセットを用いて依然として決定されるが、（術前から術後への）平均の増加は歪度の増加と逆の相関関係を有する可能性が高い。

【0081】

手術を受けるかどうかの判断の支援
[0098] 図１５は、本開示の態様による、手術又は他の医学的介入を受けるかどうかの判断を支援するための例示的なルーチン１５００を示す。図１５に示すように、ルーチン１５００は（ｉ）入力患者データ（例えば性別、年齢、症状、活動データ、自身の状態を改善するために患者が受ける可能性がある手術の詳細等）を収集すること、（ｉｉ）予測される術後活動データ（例えば歩数、歩幅、移動距離、上った階数、カロリー数等）を決定するために使用される機械学習アルゴリズムを識別すること、（ｉｉｉ）予測される術後活動データを決定すること、（ｉｖ）外科的介入が正当かどうかの判断を支援するための解析データを出力すること、（ｖ）（例えば複数の手術又は手術の種類について予測される術後活動データを比較することによって）最適な外科的介入を識別すること、及び（ｖｉ）外科的介入後の患者の進捗を追跡し、かかる進捗に基づいて提案を行うことを含み得る。

【0082】

[0099] 外科的介入後の個々の患者のアウトカムを予測するために、機械学習アルゴリズム（ＭＬＡ）が並行して策定される。このアルゴリズムは既知の変数を入力することによって教師付き学習を受け、術後の患者の活動レベルを予測するために使用される。この情報により、医師及び患者は図１５に示す予測活動レベルに基づいて手術を受ける決定を一緒に行うことができる。例えば神経根障害の手術（例えば１レベル腰椎椎間板切除術）をまだ受けていない患者は、自らの活動レベル及びＯＲＢＩＴメトリクが術後的に予測され、その予測を使用して手術の判断が導かれる。ＭＬＡを使用し、患者の術後の身体レベルが正確に予測される。ＭＬＡは、ベースライン患者特性（年齢、性別、ＢＭＩ、医学的状態、骨密度等）の入力、及び既に手術を受けている患者からの術前及び術後の身体活動データの過去の例を使用して訓練される。ＭＬＡを使用し、外科医は同様のベースライン既往歴及びベースライン活動レベルを有する何千人もの患者に基づき、１レベル腰椎椎間板切除術を受けた後の術後経過を４０歳の女性に信頼性をもって知らせることができる。手術が低侵襲法によって行われようと開腹法によって行われようと、外科的手法もＭＬＡの形成に織り込まれ、従って患者も医者も最適な外科的介入を選ぶことができる。

【0083】

患者データの術前解析を行うためのルーチンの例
[0100] 図１６は、本開示の態様による、患者データの術前解析を行うための例示的なルーチン１６００を示す。ルーチン１６００は、例えばデータ解析サービス１３０及び／又は報告生成サービス１５０、又は本明細書に記載の医学的介入解析システム１０６の１つ又は複数の他のコンポーネントによって実行され得る。便宜上、ルーチン１６００のステップの一部又は全てがシステム１０６によって実行されるものとして記載されている。例えばシステム１０６は、１つ又は複数のハードウェア計算装置と、１つ又は複数のハードウェア計算装置によって実行されるとき、ルーチン１６００のステップを１つ又は複数のハードウェア計算装置に行わせる命令を記憶する非一時的物理コンピュータストレージとを含み得る。

【0084】

[0101] ルーチン１６００はブロック１６０２から始まり、ブロック１６０２でシステム１０６は第１の患者を解析するための要求を受信する。

【0085】

[0102] ブロック１６０４で、システム１０６は、第１の患者に関連する生物学的特徴データ及び第１の手術の種類（例えば第１の患者について検討されている手術の種類）に基づき、（例えば図３に示すように）過去に解析された患者の解析データを取得する。

【0086】

[0103] ブロック１６０６で、システム１０６は第１の手術の種類の第１の手術の予測効果スコアを決定する。

【0087】

[0104] ブロック１６０８で、システム１０６は術後回復の予測パターンを決定する。

【0088】

[0105] ブロック１６１０で、システム１０６は予測効果及び術後回復の予測パターンに基づいて報告を出力する。例えば報告は、予測効果を示すユーザインタフェース要素及び術後回復の予測パターンを示す別のユーザインタフェース要素を含むユーザインタフェース形式で、モバイルアプリケーション又はブラウザアプリケーションによってユーザ計算装置１０２に提示され得る。これでルーチン１６００は終了し得る。

【0089】

[0106] この説明の範囲から逸脱することなしに、ルーチン１６００は図１６に示すよりも少ない、多い、又はそれと異なるブロックを含むことができ、及び／又は図１６に示す１つ若しくは複数のブロックは修正され、省略され、又は交換され得る。更に、本開示に記載する機能の一部又は全てが、本明細書で開示する医学的介入解析システム１０６及び／又はユーザ計算装置１０２の１つ又は複数のプロセッサによって実行されるソフトウェアによって具体化され得ることが当業者及び他者によって理解されよう。

【0090】

視覚的に区別された時間窓を出力するためのルーチンの例
[0107] 図１７は、本開示の態様による、視覚的に区別された時間窓を出力するための例示的なルーチン１７００を示す。ルーチン１７００は、例えばデータ解析サービス１３０及び／又は報告生成サービス１５０、又は本明細書に記載の医学的介入解析システム１０６の１つ又は複数の他のコンポーネントによって実行され得る。便宜上、ルーチン１７００のステップの一部又は全てがシステム１０６によって実行されるものとして記載されている。例えばシステム１０６は、１つ又は複数のハードウェア計算装置と、１つ又は複数のハードウェア計算装置によって実行されるとき、ルーチン１７００のステップを１つ又は複数のハードウェア計算装置に行わせる命令を記憶する非一時的物理コンピュータストレージとを含み得る。

【0091】

[0108] ルーチン１７００はブロック１７０２から始まり、ブロック１７０２でシステム１０６は第１の患者を解析するための要求を受信する。

【0092】

[0109] ブロック１７０４で、システム１０６は第１の患者に関連する活動データを取得する。

【0093】

[0110] ブロック１７０６で、システム１０６が第１の患者に関連する手術日を取得する。

【0094】

[0111] ブロック１７０８で、システム１０６は第１の患者に関連する活動データを手術日に対してグラフ化する。例えば、手術日に先行する活動データの一部をグラフの左側に（例えば手術日を示す位置の左側に）プロットすることができ、手術日の後に続く活動データの残りの部分をグラフの右側に（例えば手術日を示す位置の右側に）プロットすることができる。

【0095】

[0112] ブロック１７１０で、システム１０６は、第１の患者のための１つ又は複数の術前時間窓及び１つ又は複数の術後時間窓を活動データに基づいて識別する。時間窓を識別するための技法は、図１８に関して以下でより詳細に記載する。

【0096】

[0113] ブロック１７１２で、システム１０６は様々な時間窓の中の活動を視覚的に区別するグラフィカルインジケータを出力する。例えば異なる時間窓に対応するグラフ（又はプロットされたデータ点）の各区分は、異なる色（又は異なる陰影付け、太さ、実線／破線等）であり得る。これでルーチン１７００は終了し得る。

【0097】

[0114] この説明の範囲から逸脱することなしに、ルーチン１７００は図１７に示すよりも少ない、多い、又はそれと異なるブロックを含むことができ、及び／又は図１７に示す１つ若しくは複数のブロックは修正され、省略され、又は交換され得る。更に、本開示に記載する機能の一部又は全てが、本明細書で開示する医学的介入解析システム１０６及び／又はユーザ計算装置１０２の１つ又は複数のプロセッサによって実行されるソフトウェアによって具体化され得ることが当業者及び他者によって理解されよう。

【0098】

患者活動データに基づいて時間窓を識別するためのルーチンの例
[0115] 図１８は、本開示の態様による、患者活動データに基づいて時間窓を識別するための例示的なルーチン１８００を示す。ルーチン１８００は、例えばデータ解析サービス１３０及び／又は報告生成サービス１５０、又は本明細書に記載の医学的介入解析システム１０６の１つ又は複数の他のコンポーネントによって実行され得る。便宜上、ルーチン１８００のステップの一部又は全てがシステム１０６によって実行されるものとして記載されている。例えばシステム１０６は、１つ又は複数のハードウェア計算装置と、１つ又は複数のハードウェア計算装置によって実行されるとき、ルーチン１８００のステップを１つ又は複数のハードウェア計算装置に行わせる命令を記憶する非一時的物理コンピュータストレージとを含み得る。

【0099】

[0116] ルーチン１８００はブロック１８０２から始まり、ブロック１８０２でシステム１０６は、患者の活動データ及び患者が受けた手術に関連する日にちを受信する。

【0100】

[0117] ブロック１８０４で、システム１０６は活動データの術前部分内で急な減少が検出されるかどうかを判定する。例えば急な減少は、活動（例えば歩数又は本明細書に記載の別の値）が閾値期間（例えば１０日間）にわたって少なくとも閾値最低レベル（例えばｚスコアで正規化された歩数における－０．５）に達しながら閾値平均レベル（例えばｚスコアで正規化された歩数におけるゼロ）未満に留まるかどうかを判定することによって検出され得る。別の例では、急な減少を検出するためにこれらの基準（閾値平均レベル、閾値期間、及び／又は閾値最低レベル）の任意の組み合わせが使用され得る。

【0101】

[0118] 急な減少が検出されないとシステム１０６が判定する場合、ルーチン１８００はブロック１８０６に進み、ブロック１８０６でシステム１０６は活動データの術前部分の全てについて単一の時間窓（「術前ベースライン」期間）を識別する。さもなければルーチン１８００はブロック１８０８に進む。

【0102】

[0119] ブロック１８０８で、システム１０６は、急な減少よりも前の全ての術前活動を含む１つの術前時間窓（「術前ベースライン」期間）、及び識別された術前時間窓と手術日との間の全ての術前活動を含む別の術前時間窓（「急な減少」期間）を識別する。

【0103】

[0120] ブロック１８１０で、システム１０６は活動データの術後部分において回復が検出されるかどうかを判定する。例えば回復は、活動（例えば歩数又は本明細書に記載の別の値）が閾値期間（例えば１０日間）にわたって少なくとも閾値最大レベル（例えばｚスコアで正規化された歩数における０．２５）に達しながら閾値平均レベル（例えばｚスコアで正規化された歩数における－０．２５）を上回るかどうかを判定することによって検出され得る。別の例では、回復を検出するためにこれらの基準（閾値平均レベル、閾値期間、及び／又は閾値最大レベル）の任意の組み合わせが使用され得る。

【0104】

[0121] 回復が検出されないとシステム１０６が判定する場合、ルーチン１８００はブロック１８１２に進み、ブロック１８１２でシステム１０６は活動データの術後部分の全てについて単一の時間窓（「術後回復」期間）を識別する。さもなければルーチン１８００はブロック１８１４に進む。

【0105】

[0122] ブロック１８１４で、システム１０６は、手術日と検出された回復との間の全ての術後活動を含む１つの術後時間窓（「術後回復」期間）、及び識別された術後時間窓の後の全ての術後活動を含む別の術前時間窓（「回復」期間）を識別する。

【0106】

[0123] ブロック１８１６で、システム１０６は識別した時間窓に基づいて手術効果スコアを出力する。例えば手術効果スコアは、「回復」期間内の平均歩数を「急な減少」期間内の平均歩数で割ることによって計算され得る。別の例として、手術効果スコアは、（例えば「回復」期間が識別されない場合）「術後回復」期間内の平均歩数を（例えば「急な減少」期間が識別されない場合）「術前ベースライン」期間内の平均歩数で割ることによって計算され得る。これでルーチン１８００は終了し得る。

【0107】

[0124] この説明の範囲から逸脱することなしに、ルーチン１８００は図１８に示すよりも少ない、多い、又はそれと異なるブロックを含むことができ、及び／又は図１８に示す１つ若しくは複数のブロックは修正され、省略され、又は交換され得る。例えば図１８には示していないが、システム１０６は、検出済みの回復後に別の急な減少を（例えば上記の技法を使用して）検出することに応答し、「回復」期間の後の別の時間窓を識別することができる。識別される時間窓は、検出された術後の急な減少及び術後の急な減少後の活動データを含み得る。更に、本開示に記載する機能の一部又は全てが、本明細書で開示する医学的介入解析システム１０６及び／又はユーザ計算装置１０２の１つ又は複数のプロセッサによって実行されるソフトウェアによって具体化され得ることが当業者及び他者によって理解されよう。

【0108】

時間窓の比較
[0125] システム１０６は、どの手術又は医療装置がＥ３を短縮するのかを決定するために様々な手術（又は外科医、医療装置、装置の製造会社、手術の長さ、時刻、既往歴、患者の生物学的特徴等、手術に関連する他の任意のパラメータ）に関するＥ３の長さを比較することができる。かかる決定は報告に含まれ得る。

【0109】

[0126] システム１０６は、様々な手術（又は外科医、医療装置、装置の製造会社、手術の長さ、時刻、既往歴、患者の生物学的特徴等、手術に関連する他の任意のパラメータ）に関するＥ４の振幅を比較し、どの手術又は医療装置がより高いＥ４をもたらすのかを決定し得る。かかる決定は報告に含まれ得る。

【0110】

[0127] システム１０６は、どの手術又は医療装置がより優れた効果をもたらすのかを決定するために様々な手術（又は外科医、医療装置、装置の製造会社、手術の長さ、時刻、既往歴、患者の生物学的特徴等、手術に関連する他の任意のパラメータ）に関する効果を比較することができる（例えばＥ４又はＥ３割るＥ２又はＥ１）。かかる決定は報告に含まれ得る。

【0111】

計算システムのアーキテクチャの例
[0128] 図１９は、本明細書に記載の又は図１～図１８に示す技法の１つ又は複数を実行するために使用可能な計算システム１９００のアーキテクチャの例を示す。図１９に示す計算システム１９００の全般的なアーキテクチャは、本開示の１つ又は複数の態様を実装するために使用され得るコンピュータハードウェア及びソフトウェアモジュールの構成を含む。計算システム１９００は、図１９に示すよりも更に多くの（又は少ない）要素を含み得る。但し、権限を付与する開示を提供するためにこれらの要素の全てが図示される必要はない。例えば計算システム１９００は、データ解析サービス１３０、報告生成サービス１５０、及び／又はユーザ計算装置１０２を含む本明細書に記載の要素の１つ又は複数を実装するために使用され得る。

【0112】

[0129] 図示のように、計算システム１９００はプロセッサ１９０、ネットワークインタフェース１９２、及びコンピュータ可読媒体１９４を含み、その全ては通信バスによって互いに通信することができる。ネットワークインタフェース１９２は、１つ又は複数のネットワーク又は計算システムへの接続性を与えることができる。従ってプロセッサ１９０は、図１に示すネットワーク１０４を介して他の計算システム又はサービスから情報及び命令を受信し得る。

【0113】

[0130] プロセッサ１９０は、メモリ１８０とも通信することができる。メモリ１８０は、本開示の１つ又は複数の態様を実装するためにプロセッサ１９０が実行する（一部の実施形態ではモジュールとしてグループ化される）コンピュータプログラム命令を含み得る。メモリ１８０はＲＡＭ、ＲＯＭ、及び／又は他の永続的、補助的、若しくは非一時的コンピュータ可読媒体を含み得る。メモリ１８０は、計算システム１９００の全般的な管理及び動作においてプロセッサ１９０によって使用するためのコンピュータプログラム命令を提供するオペレーティングシステム１８２を記憶し得る。メモリ１８０は、本開示の１つ又は複数の態様を実装するためのコンピュータプログラム命令及び他の情報を更に含み得る。例えば一実施形態では、ユーザ計算装置上にインストールされたブラウザ又はアプリケーション等のナビゲーション及び／又はブラウジングインタフェースによってユーザ計算装置（例えば図１のユーザ計算装置１０２）上で表示するためのユーザインタフェース（及び／又はそのための命令）を生成するユーザインタフェースモジュール１８４をメモリ１８０が含む。加えてメモリ１８０は、１つ又は複数のデータストアを含む又はかかるデータストアと通信することができる。

【0114】

[0131] ユーザインタフェースモジュール１８４に加えて及び／又はユーザインタフェースモジュール１８４と組み合わせて、メモリ１８０は、プロセッサ１９０によって実行され得るデータ解析モジュール１８６及び報告生成モジュール１８８を含み得る。一実施形態では、データ解析モジュール１８６及び報告生成モジュール１８８が、例えば図１～図１８に示す又は図１～図１８に関して説明する本開示の様々な態様を集合的に実装する。

【0115】

[0132] 図１９の例では単一のプロセッサ、単一のネットワークインタフェース、単一のコンピュータ可読媒体、及び単一のメモリを示すが、他の実装形態では計算システム１９００はそれらのコンポーネントのうちの１つ又は複数を複数（例えば２つ以上のプロセッサ及び／又は２つ以上のメモリ）有し得る。

【0116】

手術及び他の種類の介入
[0133] 本明細書に記載の一部の実施形態では手術を例として使用するが、本開示に記載の技法は手術に限定されず、他の実施形態では他の任意の種類の治療、処置、又は介入に適用され得る。

【0117】

処理される活動データ
[0134] 処理される活動データ（例えば歩数、歩幅、カロリー数、上った階数等）は一部の実施形態では患者のスマートフォンによって（例えばスマートフォン上にインストールされたモバイルアプリケーションによって）生成され、システム１０６に提供されるものとして記載するが、他の実施形態では、そのような処理される活動データは患者のスマートフォンによって捕捉される生データ（例えば加速度計データ、ジャイロスコープデータ、磁気計データ等、又はその任意の組み合わせ）に基づいてシステム１０６又は別のサーバによって生成され得る。

【0118】

患者特徴に固有の及び介入に固有のやり方で解析データを取得し視覚化すること
[0135] 所与の患者に関連する情報に基づき、システム１０６は過去に生成された解析データをフィルタし、患者に提示するための１組の別の解析データを生成することができる。例えばシステム１０６は患者が女性であり、５０歳～６０歳の年齢群に属し、脊椎手術を検討していることを突き止めることができる。それに応答し、システム１０６は女性、５０歳～６０歳の年齢群、及び脊椎手術に関する解析データをフィルタすることができ、フィルタ済み解析データは脊椎手術を受けたその年齢群の中の他の女性患者が術前及び術後にどのように機能を発揮したのかを示す。このフィルタ済みデータを使用し、システム１０６は患者のための解析データを新たに生成することができる。この新たに生成される解析データは、（例えばその年齢群の中の他の女性患者の効果スコアを平均することによる）１つ又は複数の種類の脊椎手術に関連する効果スコア、及び医学的介入ごとの個々の予測回復パターン（例えば可動レベル）を含み得る。患者及び／又はユーザの代わりに医学的介入の選択肢を評価する別のユーザに提示するために、新たに生成される解析データに基づいて視覚的報告を生成することができる。この例では性別及び年齢群だけを使用したが、過去に生成された解析データをフィルタする際に及び／又は患者のための新たな解析データを生成する際に任意の数の患者特徴が使用され得る。更に、この例は新たな患者のための解析データを提供するために使用するが、他の実施形態ではアウトカムに影響を及ぼす可能性がある他の様々な基準（例えば医者、医学的介入日、使用される医療装置、医療装置の製造会社、医学的介入の持続時間、侵襲度、医学的介入の時刻等）の効果スコア及び／又は患者特徴の他の任意の組み合わせを比較するために同様の技法が使用され得る。例えば、複数の医者、複数の医療装置、複数の医療装置の製造会社、複数の医学的介入の持続時間、複数の侵襲度、及び／又は複数の医学的介入の時刻を比較する報告を生成し、ユーザに提示することができる。

【0119】

実装例（ＥＩ）
[0136] この節では幾つかの列挙する実装例（ＥＩ）を制限なしに提供する。

【0120】

[0137] ＥＩ１：患者及び手術に関係する解析を提供するためのシステムであって、１人又は複数の患者に関連する解析データを記憶するデータリポジトリと、コンピュータハードウェアを含むデータ解析サービスとを含み、データ解析サービスは、複数の患者を解析するための第１の要求を受信することであって、第１の要求は（ｉ）複数の患者に関連する生物学的特徴データ、（ｉｉ）複数の患者に関連する複数の個々のユーザ計算装置によって生成される歩数データ、及び（ｉｉｉ）複数の患者に関連する手術データを含む、受信すること、及び複数の患者の個々の患者ごとに、個々の患者に関連する歩数データに少なくとも部分的に基づいて１組の時間窓を識別すること、個々の患者に関連する手術日よりも前の第１の時間窓及び手術日の後の第２の時間窓を１組の時間窓から選択すること、第１の時間窓に関連する第１の歩数データと第２の時間窓に関連する第２の歩数データとを比較することに少なくとも部分的に基づいて手術効果スコアを生成すること、及び個々の患者に関連する手術効果スコアが生物学的特徴に固有の及び手術の固有のやり方で取得可能であるように、手術効果スコアを（ａ）個々の患者に関連する生物学的特徴データの少なくとも一部及び（ｂ）個々の患者に関連する手術データの少なくとも一部に関連して記憶することを少なくとも行うように構成され、データ解析サービスは、複数の患者内に含まれない第１の患者を解析するための第２の要求を受信することであって、第２の要求は（ｉ）第１の患者に関連する第１の生物学的特徴データ、（ｉｉ）第１の患者に関連する第１の歩数データ、及び（ｉｉｉ）第１の手術の種類を含む、受信すること、第１の生物学的特徴データ及び第１の手術の種類に少なくとも部分的に基づいて第１の解析データをデータリポジトリから取得することであって、第１の解析データは第１の生物学的特徴データ及び第１の手術の種類の少なくとも一部に対応するデータリポジトリ内に記憶される解析データの部分集合である、取得すること、第１の患者に関連する第１の解析データ及び第１の歩数データに少なくとも部分的に基づいて（ａ）第１の患者に対して第１の手術の種類の第１の手術を行うことに関連する予測手術効果スコア、及び（ｂ）第１の患者に対して第１の手術を行うことに関連する術後回復の予測パターンを決定すること、及び第１の患者に関連する報告を出力することであって、報告は少なくとも予測手術効果スコア及び予測回復パターンを示す、出力することを行うように更に構成される、システム。

【0121】

[0138] ＥＩ２：手術効果スコアが、第２の時間窓にわたる第２の歩数データの第１の平均値を第１の時間窓にわたる第１の歩数データの第２の平均値で割ることによって計算される、ＥＩ１に記載のシステム。

【0122】

[0139] ＥＩ３：術後回復の予測パターンが、第１の患者の１組の同じ生物学的特徴を共有する複数の患者の部分集合の歩数データの術後部分を集約することによって決定される、ＥＩ１に記載のシステム。

【0123】

[0140] ＥＩ４：データ解析サービスが、第１の手術を含む複数の手術のそれぞれについて予測手術効果スコアを決定すること、並びに（ｉ）第１の手術に関連する予測手術効果スコアが複数の手術のうちで最高であること、及び（ｉｉ）第１の手術が第１の患者に関する少なくとも閾値レベルの可動度の改善をもたらすことが予測されることを第１の手術に関連する予測手術効果スコアが示すことに少なくとも部分的に基づいて第１の手術に関する推奨を出力することを行うように更に構成される、ＥＩ１に記載のシステム。

【0124】

[0141] ＥＩ５：歩数データが、複数の患者の所与の患者について、所与の患者に関連するスマートフォンの１つ又は複数のセンサによって捕捉されるセンサデータに基づいて所与の患者が歩くことが推定される歩数を含み、１つ又は複数のセンサは加速度計、ジャイロスコープ、全地球測位システム（ＧＰＳ）センサ、コンパス、磁気計、又は気圧計のうちの１つ又は複数を含む、ＥＩ１に記載のシステム。

【0125】

[0142] ＥＩ６：歩数データが複数の患者に関連する複数の個々のユーザ計算装置のそれぞれにインストールされたモバイルアプリケーションによって収集され、データ解析サービスによってアクセス可能なデータリポジトリに伝送される、ＥＩ１に記載のシステム。

【0126】

[0143] ＥＩ７：データ解析サービスが、第１の手術を受け、第１の１組の生物学的特徴に関連する複数の患者の第１の患者の部分集合に対応する解析データの第１の部分集合を識別し、第１の手術を受け、第１の１組の生物学的特徴と異なる第２の１組の生物学的特徴に関連する複数の患者の第２の患者の部分集合に対応する解析データの第２の部分集合を識別し、（ｉ）第１の１組の生物学的特徴に関連する第１の患者の部分集合に対する第１の手術に関連する第１の手術効果スコア、及び（ｉｉ）第２の１組の生物学的特徴に関連する第２の患者の部分集合に対する第１の手術に関連する第２の手術効果スコアを含む集約報告を出力するように更に構成される、ＥＩ１に記載のシステム。

【0127】

[0144] ＥＩ８：データ解析サービスが、第１の手術を受け、第１の１組の生物学的特徴に関連する複数の患者の第１の患者の部分集合に対応する解析データの第１の部分集合を識別し、第１の手術と異なる第２の手術を受け、第１の１組の生物学的特徴に関連する複数の患者の第２の患者の部分集合に対応する解析データの第２の部分集合を識別し、（ｉ）第１の１組の生物学的特徴に関連する第１の患者の部分集合に対する第１の手術に関連する第１の手術効果スコア、及び（ｉｉ）第１の１組の生物学的特徴に関連する第１の患者の部分集合に対する第２の手術に関連する第２の手術効果スコアを含む集約報告を出力するように更に構成される、ＥＩ１に記載のシステム。

【0128】

[0145] ＥＩ９：患者及び医学的介入に関係する解析を提供するためのコンピュータによって実装される方法であって、複数の患者を解析するための第１の要求を受信することであって、第１の要求は（ｉ）複数の患者に関連する生物学的特徴データ、（ｉｉ）複数の患者に関連する活動データ、及び（ｉｉｉ）複数の患者に関連する医学的介入データを含む、受信すること、複数の患者の個々の患者ごとに、個々の患者に関連する活動データに少なくとも部分的に基づいて１組の時間窓を識別することであって、１組の時間窓は（ｉ）個々の患者に関連する医学的介入日よりも前の第１の時間窓及び（ｉｉ）医学的介入日の後の第２の時間窓を少なくとも含む、識別すること、第１の時間窓に関連する第１の活動データと第２の時間窓に関連する第２の活動データとを比較することに少なくとも部分的に基づいて医学的介入効果スコアを含む解析データを生成すること、及び解析データを（ａ）個々の患者に関連する生物学的特徴データの少なくとも一部及び（ｂ）個々の患者に関連する医学的介入データの少なくとも一部に関連して記憶すること、第１の患者を解析するための第２の要求を受信することであって、第２の要求は（ｉ）第１の患者に関連する第１の生物学的特徴データ、（ｉｉ）第１の患者に関連する第１の活動データ、及び（ｉｉｉ）第１の医学的介入データを含む、受信すること、第１の生物学的特徴データ及び第１の医学的介入データに少なくとも部分的に基づいて第１の解析データを取得することであって、第１の解析データは第１の生物学的特徴データ及び第１の医学的介入データの少なくとも一部に対応する複数の患者に関連する活動データに基づいて生成される解析データの部分集合である、取得すること、第１の患者に関連する第１の解析データ及び第１の活動データに少なくとも部分的に基づいて（ａ）第１の患者に対して第１の医学的介入データに関連する第１の医学的介入を行うことに関連する予測医学的介入効果スコア、及び（ｂ）第１の患者に対して第１の医学的介入を行うことに関連する介入後回復の予測パターンを決定すること、及び第１の患者に関連する報告を出力することであって、報告は少なくとも予測医学的介入効果スコア及び予測回復パターンを示す、出力することを含む、コンピュータによって実装される方法。

【0129】

[0146] ＥＩ１０：活動データが歩数、歩幅、移動距離、又は上った階数のうちの１つ又は複数を含む、ＥＩ９に記載のコンピュータによって実装される方法。

【0130】

[0147] ＥＩ１１：医学的介入データが、医者、医学的介入日、使用される医療装置、医療装置の製造会社、医学的介入の持続時間、又は医学的介入の時刻のうちの１つ又は複数を含む、ＥＩ９に記載のコンピュータによって実装される方法。

【0131】

[0148] ＥＩ１２：医学的介入効果スコアが、第２の時間窓にわたる第２の活動データの第１の平均値を第１の時間窓にわたる第１の活動データの第２の平均値で割ることによって計算される、ＥＩ９に記載のコンピュータによって実装される方法。

【0132】

[0149] ＥＩ１３：介入後の回復の予測パターンが、第１の患者の１組の同じ生物学的特徴を共有する複数の患者の部分集合の活動データの術後部分を集約することによって決定される、ＥＩ９に記載のコンピュータによって実装される方法。

【0133】

[0150] ＥＩ１４：第１の医学的介入データに関連する複数の医学的介入のそれぞれに関する予測医学的介入効果スコアを決定することであって、複数の医学的介入は第１の医学的介入を含む、決定すること、並びに（ｉ）第１の医学的介入に関連する予測医学的介入効果スコアが複数の医学的介入のうちで最高であること、及び（ｉｉ）第１の医学的介入が第１の患者に関する少なくとも閾値レベルの可動度の改善をもたらすことが予測されることを第１の医学的介入に関連する予測医学的介入効果スコアが示すことに少なくとも部分的に基づいて第１の医学的介入に関する推奨を出力することを更に含む、ＥＩ９に記載のコンピュータによって実装される方法。

【0134】

[0151] ＥＩ１５：第１の医学的介入を受け、第１の１組の生物学的特徴に関連する複数の患者の第１の患者の部分集合に対応する解析データの第１の部分集合を識別すること、第１の医学的介入と異なる第２の医学的介入を受け、第１の１組の生物学的特徴に関連する複数の患者の第２の患者の部分集合に対応する解析データの第２の部分集合を識別すること、及び（ｉ）第１の１組の生物学的特徴に関連する第１の患者の部分集合に対する第１の医学的介入に関連する第１の医学的介入効果スコア、及び（ｉｉ）第１の１組の生物学的特徴に関連する第１の患者の部分集合に対する第２の医学的介入に関連する第２の医学的介入効果スコアを含む集約報告を出力することを更に含む、ＥＩ９に記載のコンピュータによって実装される方法。

【0135】

[0152] ＥＩ１６：計算システムによって実行されるとき、複数の患者を解析するための第１の要求を受信することであって、第１の要求は（ｉ）複数の患者に関連する生物学的特徴データ、（ｉｉ）複数の患者に関連する活動データ、及び（ｉｉｉ）複数の患者に関連する医学的介入データを含む、受信すること、複数の患者の個々の患者ごとに、個々の患者に関連する活動データに少なくとも部分的に基づいて１組の時間窓を識別することであって、１組の時間窓は（ｉ）個々の患者に関連する医学的介入日よりも前の第１の時間窓及び（ｉｉ）医学的介入日の後の第２の時間窓を少なくとも含む、識別すること、第１の時間窓に関連する第１の活動データと第２の時間窓に関連する第２の活動データとを比較することに少なくとも部分的に基づいて医学的介入効果スコアを含む解析データを生成すること、解析データを（ａ）個々の患者に関連する生物学的特徴データの少なくとも一部及び（ｂ）個々の患者に関連する医学的介入データの少なくとも一部に関連して記憶すること、第１の患者を解析するための第２の要求を受信することであって、第２の要求は（ｉ）第１の患者に関連する第１の生物学的特徴データ、（ｉｉ）第１の患者に関連する第１の活動データ、及び（ｉｉｉ）第１の医学的介入データを含む、受信すること、第１の生物学的特徴データ及び第１の医学的介入データに少なくとも部分的に基づいて第１の解析データを取得することであって、第１の解析データは第１の生物学的特徴データ及び第１の医学的介入データの少なくとも一部に対応する複数の患者に関連する活動データに基づいて生成される解析データの部分集合である、取得すること、第１の患者に関連する第１の解析データ及び第１の活動データに少なくとも部分的に基づいて（ａ）第１の患者に対して第１の医学的介入データに関連する第１の医学的介入を行うことに関連する予測医学的介入効果スコア、及び（ｂ）第１の患者に対して第１の医学的介入を行うことに関連する介入後回復の予測パターンを決定すること、及び第１の患者に関連する報告を出力することであって、報告は少なくとも予測医学的介入効果スコア及び予測回復パターンを示す、出力することを含む操作を計算システムに行わせる命令を記憶する、非一時的コンピュータ可読媒体。

【0136】

[0153] ＥＩ１７：医学的介入効果スコアは、第２の時間窓にわたる第２の活動データの第１の平均値を第１の時間窓にわたる第１の活動データの第２の平均値で割ることによって計算される、ＥＩ１６に記載の非一時的コンピュータ可読媒体。

【0137】

[0154] ＥＩ１８：介入後の回復の予測パターンは、第１の患者の１組の同じ生物学的特徴を共有する複数の患者の部分集合の活動データの術後部分を集約することによって決定される、ＥＩ１６に記載の非一時的コンピュータ可読媒体。

【0138】

[0155] ＥＩ１９：計算システムによって実行されるとき、第１の医学的介入データに関連する複数の医学的介入のそれぞれに関する予測医学的介入効果スコアを決定することであって、複数の医学的介入は第１の医学的介入を含む、決定すること、並びに（ｉ）第１の医学的介入に関連する予測医学的介入効果スコアが複数の医学的介入のうちで最高であること、及び（ｉｉ）第１の医学的介入が第１の患者に関する少なくとも閾値レベルの可動度の改善をもたらすことが予測されることを第１の医学的介入に関連する予測医学的介入効果スコアが示すことに少なくとも部分的に基づいて第１の医学的介入に関する推奨を出力することを含む操作を計算システムに行わせる更なる命令を記憶する、ＥＩ１６に記載の非一時的コンピュータ可読媒体。

【0139】

[0156] ＥＩ２０：計算システムによって実行されるとき、第１の医学的介入を受け、第１の１組の生物学的特徴に関連する複数の患者の第１の患者の部分集合に対応する解析データの第１の部分集合を識別すること、第１の医学的介入と異なる第２の医学的介入を受け、第１の１組の生物学的特徴に関連する複数の患者の第２の患者の部分集合に対応する解析データの第２の部分集合を識別すること、及び（ｉ）第１の１組の生物学的特徴に関連する第１の患者の部分集合に対する第１の医学的介入に関連する第１の医学的介入効果スコア、及び（ｉｉ）第１の１組の生物学的特徴に関連する第１の患者の部分集合に対する第２の医学的介入に関連する第２の医学的介入効果スコアを含む集約報告を出力することを含む操作を計算システムに行わせる更なる命令を記憶する、ＥＩ１６に記載の非一時的コンピュータ可読媒体。

【0140】

[0157] ＥＩ２１：個人健康情報（ＰＨＩ）の自動化された識別解除及び各患者への一意識別子の割り当てを含む、セキュリティ保護され暗号化されたＨＩＰＡＡ準拠ネットワークにスマートフォンからデータを捕捉し転送するための新規のシステム及び方法。かかるシステム及び方法はＰＨＩが保護されるようにデータセキュリティを確実にし、たとえ侵害されても、ハッカーは我々のデータベース内で病歴データを個々の患者に元通り一致させることができず、継続的なデータ収集及び処理は多数の患者のための編成されたデータ視覚化を可能にする。データベースは絶えず更新されるだけでなく、新たな患者が登録しモバイルアプリケーションをダウンロードする。

【0141】

[0158] ＥＩ２２：ユーザの身体機能に基づくＯＲＢＩＴ点数システムであって、－１５から２５に及び、高いスコアはより高レベルの身体活動を表し、時間及び勾配という２つの成分を有する加重点数システムである、ＯＲＢＩＴ点数システム。時間的等級は手術からベースライン身体活動レベルを超えるための時間に基づき、勾配はベースライン活動レベルと比較した身体活動レベルの増加量又は減少量に基づいて等級付けされ、ＯＲＢＩＴは各装置のアルゴリズム（Apple iPhone）を使用して絶えず収集され記憶されているスマートフォンの加速度計データから計算される新規のスコアであり、身体活動データが参加者のセルラ装置からインポートされた後、５つのパラメータ（ＳＰＤ、ＤＰＤ、ＡＣＢ、ＳＭ、ＦＣ）が収集され、日間平均、週平均、及び月平均に編成される。これらのデータに基づき、ＯＲＢＩＴスコアが患者ごとに計算され、収束又は乖離を判定するために従来のＰＲＯＭ（ＯＤＩ、ＮＤＩ、ＰＲＯＭＩＳ）と比較され、患者が調査票に記入する単一の時点において計算されるＰＲＯＭとは対照的にＯＲＢＩＴは時間的に継続的な変数を表し、従って手術からの患者の回復中の改善又は悪化を早期に検出することを可能にし、そのことは患者又は治療を行う医師に警告し、緊密な観察又は追跡をトリガすることができ、本開示は外科的介入による患者の進捗のリアルタイムの、継続的に更新される、客観的な、高信頼の、正確な、及び一貫した評価を可能にし、そのため客観的なアウトカム尺度を得るためのこの方法は、医療保障／医療扶助／民間保険会社のための価値に応じた費用償還モデルに向けた、及び従来の個別支払いモデルから離れる根本的なパラダイムシフトを引き起こし得る。

【0142】

[0159] ＥＩ２３：履歴的な活動データ、人口統計、及び関連する病歴に基づいてユーザの将来の活動レベルを予測することができる教師付き機械学習アルゴリズム（ＭＬＡ）であって、ＭＬＡは手術をまだ受けていない患者の将来のアウトカムを予測するために臨床変数及び関連する病歴を入力することによって訓練することができ、ＭＬＡは術前のベースライン身体活動レベル、年齢、性別、ＢＭＩ、病歴等のベースライン人口統計、手術の種類、及び手術の侵襲度に基づいて患者の将来の身体活動レベル（ＳＰＤ、ＤＰＤ、ＡＣＢ、ＳＭ、ＦＣ）を計算し、予測されるＳＰＤ、ＤＰＤ、ＡＣＢ、ＳＭ、ＦＣに基づき、様々な種類の手術（例えば顕微鏡視下椎間板ヘルニア摘出術、固定手術、開腹対低侵襲脊椎手術）に基づいて予測ＯＲＢＩＴが患者ごとに計算され、それらの予測に基づき臨床医及び患者はどの種類の手術が各患者に最も適しているのかを判断することができる。

【0143】

用語
[0160] 本明細書に記載した方法及びタスクの全てはコンピュータシステムによって実行され、完全に自動化され得る。コンピュータシステムは、一部の事例では記載した機能を実行するためにネットワーク上で通信し相互運用する複数の別個のコンピュータ又は計算装置（例えば物理サーバ、ワークステーション、ストレージアレイ、クラウドコンピューティング資源等）を含み得る。そのような各計算装置は、メモリ又は他の非一時的コンピュータ可読記憶媒体若しくは装置（例えばソリッドステート記憶装置、ディスクドライブ等）の中に記憶されるプログラム命令又はモジュールを実行するプロセッサ（又は複数のプロセッサ）を典型的には含む。本明細書で開示した様々な機能はかかるプログラム命令によって具体化することができ、又はコンピュータシステムの特定用途向け回路（例えばＡＳＩＣ又はＦＰＧＡ）内に実装され得る。コンピュータシステムが複数の計算装置を含む場合、それらの装置は必須ではないが同じ場所に配置され得る。開示した方法及びタスクの結果は、ソリッドステートメモリチップ又は磁気ディスク等の物理記憶装置を異なる状態に変換することによって永続的に記憶することができる。一部の実施形態では、コンピュータシステムは、複数の異なる企業体又は他のユーザによってその処理資源が共用されるクラウドベース計算システムでもよい。

【0144】

[0161] 本明細書に記載した又は図面で示した本開示のプロセスは、所定の又は動的に決定されるスケジュール等のイベントに応答して、ユーザ又はシステム管理者によって開始されるときオンデマンドで、又は他の何らかのイベントに応答して開始し得る。かかるプロセスが開始されると、１つ又は複数の非一時的コンピュータ可読媒体（例えばハードドライブ、フラッシュメモリ、リムーバブルメディア等）の上に記憶される１組の実行可能プログラム命令が、サーバ又は他の計算装置のメモリ（例えばＲＡＭ）内にロードされ得る。その後、実行可能命令は計算装置のハードウェアベースのコンピュータプロセッサによって実行され得る。一部の実施形態では、かかるプロセス又はその一部が複数の計算装置及び／又は複数のプロセッサ上で逐次的に又は並列に実装され得る。

【0145】

[0162] 実施形態にもよるが、本明細書に記載したプロセス又はアルゴリズムの何れかの特定の行為、イベント、又は機能は異なる順序で実行することができ、全体的に追加し、マージし、又は省くことができる（例えばアルゴリズムを実践するのに記載した全ての操作又はイベントが必要なわけではない）。更に特定の実施形態では、例えばマルチスレッド処理、割り込み処理、又は複数のプロセッサ若しくはプロセッサコアによって、又は他の並列アーキテクチャ上で操作又はイベントを逐次的ではなく同時に実行することができる。

【0146】

[0163] 本明細書で開示した実施形態に関して説明した様々な例示的な論理ブロック、モジュール、ルーチン、及びアルゴリズムのステップは、電子ハードウェア（例えばＡＳＩＣ又はＦＰＧＡ装置）、コンピュータハードウェア上で実行されるコンピュータソフトウェア、又はその両方の組み合わせとして実装することができる。更に、本明細書で開示した実施形態に関して説明した様々な例示的な論理ブロック及びモジュールは、本明細書に記載した機能を実行するように設計されるプロセッサ装置、デジタル信号プロセッサ（「ＤＳＰ」）、特定用途向け集積回路（「ＡＳＩＣ」）、書換可能ゲートアレイ（「ＦＰＧＡ」）、又は他のプログラム可能論理装置、ディスクリートゲート若しくはトランジスタ論理、ディスクリートハードウェアコンポーネント、又はその任意の組み合わせ等のマシンによって実装し又は実行することができる。プロセッサ装置はマイクロプロセッサとすることができるが、代替形態ではコントローラ、マイクロコントローラ、又は状態機械、それらのものの組み合わせ等とすることができる。プロセッサ装置は、コンピュータ実行可能命令を処理するように構成される電気回路を含み得る。別の実施形態では、プロセッサ装置が、コンピュータ実行可能命令を処理することなしに論理演算を実行するＦＰＧＡ又は他のプログラム可能装置を含む。プロセッサ装置は計算装置の組み合わせ、例えばＤＳＰとマイクロプロセッサとの組み合わせ、複数のマイクロプロセッサ、ＤＳＰコアに関連する１つ又は複数のマイクロプロセッサ、又はそのような他の任意の構成として実装することもできる。本明細書では主にデジタル技術に関して記載したが、プロセッサ装置は主にアナログのコンポーネントを含むこともできる。例えば本明細書に記載したレンダリング技法の一部又は全ては、アナログ回路又は混合型のアナログ及びデジタル回路によって実装され得る。計算環境は、これだけに限定されないが幾つか例を挙げるとマイクロプロセッサ、メインフレームコンピュータ、デジタル信号プロセッサ、携帯型計算装置、装置コントローラ、又は器具内の計算エンジンに基づくコンピュータシステムを含む任意の種類のコンピュータシステムを含み得る。

【0147】

[0164] 本明細書で開示した実施形態に関して説明した方法、プロセス、ルーチン、又はアルゴリズムの要素は、ハードウェア内に、プロセッサ装置によって実行されるソフトウェアモジュール内に、又はその２つの組み合わせの中に直接具体化することができる。ソフトウェアモジュールはＲＡＭメモリ、フラッシュメモリ、ＲＯＭメモリ、ＥＰＲＯＭメモリ、ＥＥＰＲＯＭメモリ、レジスタ、ハードディスク、リムーバブルディスク、ＣＤ－ＲＯＭ、又は他の任意の形の非一時的コンピュータ可読記憶媒体の中にあり得る。例示的な記憶媒体はプロセッサ装置に結合することができ、そのためプロセッサ装置は記憶媒体との間で情報を読み書きすることができる。代替形態では、記憶媒体がプロセッサ装置と一体型であり得る。プロセッサ装置及び記憶媒体はＡＳＩＣ内にあり得る。ＡＳＩＣはユーザ端末内にあり得る。代替形態では、プロセッサ装置及び記憶媒体がユーザ端末内の個別コンポーネントとしてあり得る。

【0148】

[0165] 本明細書で使用するとりわけ「～できる（can）」、「～であり得る（might）」、「～とすることができる（may）」、「例えば（e.g,）」等の条件付き言語は、別段の定めがない限り或いは使用した文脈の範囲内で理解される限り、概して特定の実施形態が特定の特徴、要素、又はステップを含むが、他の実施形態はそれらを含まないことを伝えることを意図する。従ってかかる条件付き言語は概して、特徴、要素、又はステップが１つ又は複数の実施形態に形はどうあれ必要であること、又はこれらの特徴、要素、若しくはステップが或る特定の実施形態に含まれるかどうか又は或る特定の実施形態の中で実行されるべきかどうかを他の入力又はプロンプトの有無にかかわらず決定するための論理を１つ又は複数の実施形態が必ず含むことを含意することは意図しない。「含む（comprising）」、「含む（including）」、「有する（having）」等の用語は同義であり、制約のないやり方で包含的に使用され、追加の要素、特徴、行為、操作等を除外しない。更に「又は（or）」という語は（その排他的な意味ではなく）その包含的な意味で使用しており、そのため、例えば要素の一覧を接続するために使用する場合、「又は（or）」という語はその一覧内の要素の１つ、一部、又は全てを意味する。

【0149】

[0166] 「Ｘ、Ｙ、又はＺの少なくとも１つ」という句等の離接語は、別段の定めがない限りアイテム、条件等がＸ、Ｙ、若しくはＺであり得ること、又はその任意の組み合わせ（例えばＸ、Ｙ、又はＺ）であり得ることを示すために一般に使用される脈絡でさもなければ理解される。従ってかかる離接語は、Ｘの少なくとも１つ、Ｙの少なくとも１つ、又はＺの少なくとも１つがそれぞれ存在することを特定の実施形態が要求することを概して意図せず、含意するものとしない。

【0150】

[0167] 本明細書に記載した及び／又は添付図面に示した流れ図の中の任意のプロセスの記述、要素又はブロックは、プロセス内の特定の論理機能又は要素を実装するための１つ又は複数の実行可能命令を含むモジュール、セグメント、又はコードの一部を潜在的に表すものとして理解すべきである。当業者なら理解するように、関与する機能に応じて図示し又は解説したものから要素又は機能が削除され、ほぼ同時に実行すること又は逆順に実行することを含む異なる順序で実行され得る代替的実装形態が本明細書に記載した実施形態の範囲に含まれる。

【0151】

[0168] 別段の定めがない限り、「a」又は「an」等の冠詞は概して記載した１つ又は複数のアイテムを含むように解釈すべきである。従って「～するように構成される装置（a device configured to）」等の語句は、列挙される１つ又は複数の装置を含むことを意図する。列挙されるそのような１つ又は複数の装置は、述べた記述を実行するように集合的に構成することもできる。例えば「記述Ａ、Ｂ、及びＣを実行するように構成されるプロセッサ（a processor configured to carry out recitations A, B, and C）」は、記述Ｂ及びＣを実行するように構成される第２のプロセッサと共に機能する、記述Ａを実行するように構成される第１のプロセッサを含むことができる。

【0152】

[0169] 上記の詳細な説明は様々な実施形態に適用される新規の特徴を示し、説明し、指摘したが、本開示の範囲から逸脱することなしに、示した装置又はアルゴリズムの形式及び詳細において様々な省略、置換、及び変更を加えることができることが理解され得る。理解できるように、一部の特徴は他の特徴と別に使用し又は実践することができるので、本明細書に記載した特定の実施形態は本明細書に記載した特徴及び利点の全てを提供しない形式の範囲内で実施することができる。特許請求の範囲の等価物の意味及び範囲に含まれる全ての変更が、特許請求の範囲に含まれるものとする。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【国際調査報告】