阅读说明：本技术 用于认知和移动疾病或障碍的数字质量计量生物标记 (Digital quality metric biomarkers for cognitive and mobility diseases or disorders ) 是由 M.巴克 S.M.贝拉丘 C.戈森斯 M.林德曼 J.施普伦格尔 于 2018-10-25 设计创作，主要内容包括：本发明涉及诊断的领域。更具体地,其涉及一种用于在被怀疑遭受认知和移动疾病或障碍的主体中评定它的方法,包括下述步骤：根据使用移动设备从所述主体获得的认知和/或精细运动活动测量结果的数据集确定针对认知和/或精细运动活动测量结果的至少一个质量计量活动参数；以及将所确定的至少一个质量计量活动参数与参考进行比较,由此,将评定认知和移动疾病或障碍。本发明还涉及一种用于识别主体是否将受益于针对认知和移动疾病或障碍的疗法的方法,包括上面提及的发明的方法的步骤和下述进一步步骤：如果认知和移动疾病或障碍被评定,则将主体识别为受益于疗法的主体。本发明想到了：一种移动设备,包括处理器、至少一个传感器和数据库以及软件,该软件被有形地嵌入到所述设备,且当在所述设备上运行时实施本发明的方法；一种包括移动设备和远程设备的系统,该移动设备包括至少一个传感器,该远程设备包括处理器和数据库以及软件,该软件被有形地嵌入到所述设备,且当在所述设备上运行时实施该方法；以及根据本发明的移动设备或系统用于在主体中评定认知和移动疾病或障碍的用途。(The present invention relates to the field of diagnostics. More specifically, it relates to a method for assessing cognitive and mobility diseases or disorders in a subject suspected of suffering therefrom, comprising the steps of: determining at least one quality metric activity parameter for cognitive and/or fine motor activity measurements from a dataset of cognitive and/or fine motor activity measurements obtained from the subject using a mobile device; and comparing the determined at least one quality metric activity parameter to a reference, whereby cognitive and mobility diseases or disorders will be assessed. The present invention also relates to a method for identifying whether a subject would benefit from a therapy for a cognitive and movement disease or disorder, comprising the steps of the above-mentioned method of the invention and the following further steps: identifying a subject as one who benefits from therapy if cognitive and movement diseases or disorders are assessed. The invention thinks of: a mobile device comprising a processor, at least one sensor and a database, and software that is tangibly embedded in said device and that when run on said device implements the method of the present invention; a system comprising a mobile device comprising at least one sensor and a remote device comprising a processor and a database and software tangibly embedded in said device and implementing the method when run on said device; and the use of a mobile device or system according to the invention for assessing cognitive and mobility diseases or disorders in a subject.)

用于认知和移动疾病或障碍的数字质量计量生物标记

技术领域

本发明涉及诊断的领域。更具体地，其涉及一种用于在被怀疑遭受认知和移动疾病或障碍的主体中评定它的方法，包括下述步骤：根据使用移动设备从所述主体获得的认知和/或精细运动活动测量结果的数据集确定针对认知和/或精细运动活动的至少一个质量计量活动参数；以及将所确定的至少一个质量计量活动参数与参考进行比较，由此，将评定认知和移动疾病或障碍。本发明还涉及一种用于识别主体是否将受益于针对认知和移动疾病或障碍的疗法的方法，包括上面提及的发明的方法的步骤和下述进一步步骤：如果认知和移动疾病或障碍被评定，则将主体识别为受益于疗法的主体。本发明想到了：一种移动设备，包括处理器、至少一个传感器和数据库以及软件，该软件被有形地嵌入到所述设备，且当在所述设备上运行时实施本发明的方法；一种包括移动设备和远程设备的系统，该移动设备包括至少一个传感器，该远程设备包括处理器和数据库以及软件，该软件被有形地嵌入到所述设备，且当在所述设备上运行时实施该方法；以及根据本发明的移动设备或系统用于在主体中评定认知和移动疾病或障碍的用途。

背景技术

认知和移动疾病和障碍典型地由受损害的认知和/或运动功能表征。疾病和障碍较不频繁，但尽管如此，典型地伴随有受影响的患者在日常生活中的严重并发症。各种认知和移动障碍可能导致威胁生命的状况，并最终致命。

疾病和障碍共同具有的是：中央神经系统、周围神经系统和/或肌肉系统的受损害的功能导致认知和移动残疾。移动残疾可以是由于肌肉细胞和功能的直接损害而引起的主要残疾，或者可以是由周围和/或中心的中央神经系统（特别地，锥体、锥体外、感觉或小脑系统）对肌肉控制的损害导致的次要残疾。损害可以涉及神经和/或肌肉细胞的损坏、降解、中毒或损伤。

典型认知和移动疾病和障碍包括但不限于多发性硬化（MS）、视神经脊髓炎（NMO）和NMO谱系障碍、中风、小脑障碍、小脑性共济失调、痉挛性截瘫、原发性震颤、肌无力和肌无力综合征或者其他形式的神经肌肉障碍、肌肉营养不良、肌炎或其他肌肉障碍、周围神经病、大脑性瘫痪、锥体外综合征、帕金森病、亨廷顿病、阿尔茨海默病、其他形式的痴呆、脑白质营养不良、自闭症谱系障碍、注意力缺陷障碍（ADD/ADHD）、如DSM-5所定义的智力残疾、与老化相关的认知表现和储备的损害、多发性神经病、运动神经元疾病和肌萎缩性侧索硬化（ALS）。

在最普遍知道且严重的疾病和障碍当中，存在MS、中风、阿尔茨海默病、帕金森病、亨廷顿病和ALS。

多发性硬化（MS）是目前不能被治愈的严重神经变性疾病。受该疾病影响的是全球近似2至3百万个个体。它是导致年轻成人中的长期且严重残疾的中央神经系统（CNS）的最普遍疾病。存在证据支持下述概念：对抗脑和脊髓的白质内的自分子的B和T细胞介导炎症过程导致疾病。然而，其病因仍然不是清楚理解的。已经发现，髓鞘反应性T细胞存在于MS患者和健康个体两者中。相应地，MS中的主要异常可以更可能涉及导致增强T细胞活化状态和较不严格活化要求的受损调控机制。MS的发病机制包括：CNS外的致脑炎的（即，自身免疫的）髓鞘换用T细胞的活化，后跟有血-脑屏障的开放、T细胞和巨噬细胞浸润、小胶质细胞活化和脱髓梢作用。后者导致不可逆的神经元损坏（参见例如Aktas 2005, Neuron 46, 421-432, Zamvil 2003, Neuron 38:685-688）。

更近期示出了：除T细胞外，B淋巴细胞（表现CD20分子）可以在MS中扮演核心作用，并通过至少四个具体功能来影响下层病理生理学：

1. 抗原呈递：B细胞可以将自神经抗原呈递给T细胞并对它们进行活化（Crawford A,et al. J Immunol 2006;176(6):3498–506; Bar-Or A, et al. Ann Neurol 2010;67(4):452–61）；

2. 细胞激素产生：患有MS的患者中的B细胞产生异常促发炎细胞激素，这可以对T细胞和其他免疫细胞进行活化（Bar-Or A, et al. Ann Neurol 2010;67(4):452–61; LisakRP, et al. J Neuroimmunol 2012;246(1-2):85–95）；

3. 自身抗体产生：B细胞产生自身抗体，其可能导致组织损坏并对巨噬细胞和自然杀伤（NK）细胞进行活化（Weber MS, et al. Biochim Biophys Acta 2011;1812(2):239–45）；

4. 囊状团聚体形成：B细胞存在于异位淋巴囊状团聚体中，该异位淋巴囊状团聚体与附近皮质中的小胶质细胞活化、局部炎症和神经元丧失相联系（Serafini B, et al.Brain Pathol 2004;14(2):164–74; Magliozzi R, et al. Ann Neurol 2010;68(4):477–93）。

尽管存在与负责致脑炎作用的机制有关的合理知识，但是与用于将有害淋巴细胞响应调控到主体中的CNS中和内的控制机制有关的远不是已知的。

MS诊断目前基于由执业医师进行的临床研究。这种研究涉及患者的针对某些身体活动的能力的测试。若干测试已经被开发且被执业医师例行地应用。这些测试旨在评定步行、平衡和其他运动能力。当前应用的测试的示例是扩充残疾状态量表（EDSS,www.neurostatus.net）或多发性硬化功能合成（MSFC）。这些测试要求出于评估和评定目的而存在执业医师，且当前在医生的办公室或医院处流动执行。非常近期，已经存在使用智能电话设备监视MS患者以便在自然设置中收集MS患者的数据的一些努力（Bove 2015,Neurol Neuroimmunol Neuroinflamm 2 (6):e162）。

进一步地，在MS诊断中使用诊断工具。这种工具包括神经成像、脑脊液的分析和诱发电位。脑和脊髓的磁共振成像（MRI）可以对脱髓鞘作用（病变或斑块）进行可视化。可以静脉内施用包含钆的造影剂，以标记活性斑块，并将急性炎症与不与评估时刻处的症状相关联的更老病变的存在区分开。从腰椎穿刺获得的脑脊液的分析可以提供中央神经系统的慢性炎症的证据。可以针对寡克隆免疫球蛋白带而分析脑脊液，该寡克隆免疫球蛋白带是在患有MS的人的75-85%中存在的炎症标记（Link 2006, J Neuroimmunol. 180 (1-2): 17-28）。然而，上面提及的技术均不专用于MS。因此，诊断的查明可能要求重复临床和MRI研究，以论证作为MS诊断的先决条件的疾病在空间上和在时间上的散播。

存在由用于复发-缓解多发性硬化的调控机构批准的若干治疗，其应当修改疾病的过程。这些治疗包括干扰素β-1a、干扰素β-1b、醋酸格拉默、米托蒽醌、那他珠单抗、芬戈莫德、特立氟胺、二甲基丁烯二酸盐、阿仑单抗和达利珠单抗。干扰素和醋酸格拉默是将复发减少近似30%的第一线治疗（参见例如Tsang 2011, Australian family physician 40(12): 948–55）。那他珠单抗比干扰素降低复发率更多，然而，由于不利影响的问题，它是针对不对关于严重疾病的其他治疗或患者作出响应的那些而储备的第二线剂（参见例如Tsang 2011, loc. cit.）。利用干扰素对临床孤立综合征（CIS）的治疗减少了进展到临床确诊MS的机会（Compston 2008, Lancet 372(9648): 1502–17）。干扰素和醋酸格拉默在孩子们身上的功效已经被估计为大致等同于成人的功效（Johnston 2012, Drugs 72 (9):1195–211）。

近来，诸如奥瑞珠单抗、阿仑单抗和达利珠单抗之类的新单克隆抗体已经将电位示作针对MS的疗法。以抗CD20 B细胞为目标的单克隆抗体奥瑞珠单抗已经示出在一个阶段2和3阶段III试验（NCT00676715、NCT01247324、NCT01412333、NCT01194570）中复发和原发进展型（progressive）两种形式的MS中的有益效果。

MS是CNS的临床异构炎症疾病。因此，需要下述诊断工具：其允许对目前疾病状态的可靠诊断和识别，且因而可以帮助准确治疗，特别是针对遭受进展型形式的MS的那些患者。疾病进展的监视中的改进也是非常期望的。

中风可能作为缺血性中风或者作为出血性中风而发生，在缺血性中风中血液支持由于血管的阻塞而受损，出血性中风由血管的损伤和出血引起。

中风的迹象和症状可以包括典型地一侧的移动/运动或感觉损害、步行、说话、听力的问题、头晕眩晕或视觉异常（Donnan 2008, Lancet. 371 (9624): 1612–23）。所述迹象和症状常常在中风已经发生之后立即或不久出现。如果症状持续少于一小时或两小时，则它被称为短暂性缺血发作。出血性中风还可能伴随有严重头痛。中风的症状可能是永久的。长期共发并发症可以包括肺炎或者膀胱控制丧失。

中风的早期诊断和治疗对于后果而言是决定性的。当前中风诊断要求成像技术，诸如磁共振成像（MRI）扫描、多普勒超声或血管造影术、以及由执业医师进行的神经学检查（参见例如Harbison 1999, Lancet. 353 (9168): 1935; Kidwell 1998, PrehospitalEmergency Care. 2 (4): 267–73; Nor 2005, Lancet Neurology. 4 (11): 727–34）。

每年存在多于1千万人受中风影响。在发达世界中，由于中风单元，中风管理已经同时变得相当高效。然而，这些专门的中心不存在于世界的除城市区域外的欠发达部分中。障碍的早期检测对中风在患者中的后果有主要影响。相应地，存在针对甚至除合格中风单元和医院外中风的迹象和症状的早期检测的需要。除了中风检测外，还存在针对适当评定与急性中风治疗干预以及自发和康复程序相关回复相关联的中期到长期残疾后果的关键需要。

阿尔茨海默病是伴随有痴呆和关联问题的严重且致命的神经变性疾病。事实上，阿尔茨海默病负责所有痴呆情况的60至70%。疾病的早期症状是减少的短期记忆。后续的症状包括：社交症状，诸如从家庭和社会退缩；以及身体症状，诸如身体功能的丧失（Burns2009, The BMJ. 338: b158）。

阿尔茨海默病的诊断基于诸如CT、MRI、SPECT或PET之类的成像技术。此外，神经学评定由执业医师实施，包括用于评定认知功能的测试（Pasquier 1999, Journal ofNeurology 246 (1):6–15）。典型测试包括下述测试：在该测试中，人被指示以拷贝与图片中所示的图类似的图、记词、阅读和减去序列号。通常，针对诊断要求看护者，这是由于阿尔茨海默病患者他/她自己不知道他/她的缺陷。针对阿尔茨海默病尚不存在高效疾病缓解治疗或疗程。然而，对于高效疾病管理，可靠且早期的诊断是有帮助的。

阿尔茨海默病影响全球约5千万人，且可能是年长者中最频繁的神经变性疾病之一。相应地，存在针对用于适当管理疾病的迹象和症状的早期检测的需要以及针对疾病进展的监视的需要。

帕金森病是关键性地影响运动系统的中央神经系统的神经变性疾病。典型症状是静止性震颤、姿势不稳、发抖、强直、移动缓慢和步行困难。痴呆和抑郁和感觉、自主神经系统和睡眠问题还可能在疾病的更严重阶段处发生。运动问题由中脑的黑质体中的神经元的变性导致，从而导致多巴胺能神经传递的显著更改。尚不存在针对帕金森病的可用疗程。

帕金森病的诊断基于神经学评定与成像方法（诸如，CT、MRI、PET或SPECT扫描）一起。用于诊断疾病的神经学准则包括评定运动迟缓、强直、静止性震颤和姿势不稳（Jankovic 2008, Journal of Neurology, Neurosurgery, and Psychiatry. 79 (4):368–376）。

多于5千万人受帕金森病影响。存在针对该神经变性疾病的早期且可靠的诊断以及监视疾病进展的需要。

亨廷顿病是遗传性障碍，其导致中央神经系统中的神经元的死亡且特别地导致脑中的神经元的死亡。最早的症状常常是具有情绪或精神能力的微妙问题。然而，一般协调损害和不稳定步态典型地后来发生（Dayalu 2015, Neurologic Clinics. 33 (1): 101–14）。在其晚期阶段中，不协调的身体移动变得明显，并且身体能力逐渐恶化，直到协调的移动变得困难并且该人不能说话为止。认知能力也受损，且可能衰退成痴呆（Frank 2014,The journal of the American Society for Experimental NeuroTherapeutics. 11(1): 153–60）。然而，具体症状可能个体地变化。尚不存在针对亨廷顿病的疗程可用。

由于亨廷顿病以显性常染色体方式遗传，因此针对在基因方面有风险的个体（即，具有疾病的对应家族史的患者）而推荐亨廷顿（HTT）等位基因中的CAG重复的基因组测试。此外，疾病的诊断涉及DNA分析，而且涉及诸如CT、MRI、PET或SPECT扫描之类的成像方法，以便确定大脑萎缩以及由执业医师进行的神经学评定。特别地，神经学评定可以是根据针对统一亨廷顿病分级量表的准则来实施的（Rao 2009, Gait Posture. 29 (3): 433–6）。

亨廷顿病不如阿尔茨海默病和帕金森病频繁。然而，它仍然是影响患有严重且威胁生命的并发症的显著比例的人的认知和移动疾病或障碍。存在针对该神经变性疾病的早期且可靠诊断以及监视疾病进展的需要。

ALS是神经变性疾病，其涉及控制自愿肌肉收缩的下和上运动神经元的细胞死亡（Zarei 2015, Surgical Neurology International. 6: 171）。ALS由僵硬肌肉、肌肉抽搐、肌萎缩、以及由于肌肉在大小方面减小从而导致步行、说话、吞咽和呼吸上的困难而引起的逐渐恶化的虚弱表征。呼吸衰竭通常是遭受ALS的患者中的死因。尚不存在可用于该致命疾病的疗程。

ALS的诊断是困难的，且要求排除症状和迹象的其他可能原因，诸如肌肉虚弱、肌肉萎缩、受损的吞咽或呼吸、痉挛、或受影响的肌肉的僵硬、和/或口齿不清和带有鼻音。除由执业医师进行的神经学评定外，诊断还典型地涉及EMG，测量神经传导速度或MRI。包括肌肉活组织检查的实验室测试也是可用的。

然而，存在针对该神经变性疾病的早期且可靠的诊断以及疾病进展的监视的需要。

上面提及的认知和移动疾病和障碍是突出示例，其应当说明了针对疾病或障碍状况的早期且可靠的诊断（特别是在每日生活情形中）以及疾病状况和/或进展的监视的需要。然而，这种可靠且高效的诊断当前要求存在执业医师以用于例如医院中的昂贵且耗时的成像方法的神经学评定或应用。这些缺陷在已作必要修正的情况下适用于其他认知和移动疾病和障碍。因此，存在针对可由受影响的患者在每日生活情形期间以简单方式实施的较不昂贵、可靠和有效的诊断工具和度量的需要。

发明内容

构成本发明的基础的技术问题可以在符合上面提及的需要的手段和方法的提供中看出。技术问题由在权利要求中表征且下文中描述的实施例解决。

本发明涉及一种用于在被怀疑遭受认知和移动疾病或障碍的主体中评定它的方法，包括下述步骤：

a）根据使用移动设备来自所述主体的认知和/或精细运动活动测量结果的典型地预先存在的数据集确定针对认知和/或精细运动活动的至少一个质量计量活动参数；以及

b）将所确定的至少一个质量计量活动参数与参考进行比较，由此所述认知和移动疾病或障碍将被评定。

典型地，所述方法进一步包括下述步骤：c）基于在步骤（b）中实施的比较来在主体中评定认知和移动疾病或障碍。

在一些实施例中，在步骤（a）之前，所述方法还可以包括下述步骤：在由主体执行的预定活动期间，使用移动设备来从主体获得活动测量结果的数据集。然而，典型地，所述方法是在不要求与主体的任何身体交互的所述主体的认知或精细运动活动测量结果的现有数据集上实施的体外方法，即，在现有数据集上执行的数据分析和评估的方法。典型地，所述方法是计算机实现方法。

如根据本发明提到的方法包括基本上由上面提及的步骤构成的方法或可包括附加步骤的方法。

一旦已经获取活动测量结果的数据集，所述方法就可以由主体在移动设备上实施。因此，获取数据集的移动设备和评估数据集的设备可以在物理上相同，即，相同设备。这种移动设备应当具有数据获取单元，该数据获取单元典型地包括用于数据获取的装置，即，检测或测量定量或定性物理和/或化学参数且将它们变换成被传输到用于实施根据本发明的方法的移动设备中的评估单元的电子信号的装置。数据获取单元包括用于数据获取的装置，即，检测或测量定量或定性物理和/或化学参数且将它们变换成被传输到远离于移动设备且用于实施根据本发明的方法的设备的电子信号的装置。典型地，所述用于数据获取的装置包括至少一个传感器。应当理解，可以在移动设备中使用多于一个传感器，即，至少两个、至少三个、至少四个、至少五个、至少六个、至少七个、至少八个、至少九个或至少十个或者甚至更多个不同传感器。被用作用于数据获取的装置的典型传感器是诸如下述各项之类的传感器：陀螺仪、磁力计、加速度计、接近传感器、温度计、湿度传感器、计步器、心率检测器、指纹检测器、触摸传感器、语音记录器、光传感器、压力传感器、位置数据检测器、相机、时间记录器、汗液分析传感器等等。评估单元典型地包括处理器和数据库以及被有形地嵌入到所述设备且当在所述设备上运行时实施本发明方法的软件。更典型地，这种移动设备还可以包括允许将由评估单元实施的分析的结果提供给用户的用户界面，诸如屏幕。

可替换地，本发明的方法可以是在相对于已经用于获取所述数据集的移动设备远程的设备上实施的。在该情况下，移动设备应当仅包括用于数据获取的装置，即，检测或测量定量或定性物理和/或化学参数且将它们变换成被传输到远离于移动设备且用于实施根据本发明的方法的设备的电子信号的装置。典型地，所述用于数据获取的装置包括至少一个传感器。应当理解，可以在移动设备中使用多于一个传感器，即，至少两个、至少三个、至少四个、至少五个、至少六个、至少七个、至少八个、至少九个或至少十个或者甚至更多个不同传感器。被用作用于数据获取的装置的典型传感器是诸如下述各项之类的传感器：陀螺仪、磁力计、加速度计、接近传感器、温度计、湿度传感器、计步器、心率检测器、指纹检测器、触摸传感器、语音记录器、光传感器、压力传感器、位置数据检测器、相机、时间记录器、汗液分析传感器等等。因此，移动设备和用于实施本发明方法的设备可以是物理上不同的设备。在该情况下，移动设备可以通过用于数据传输的任何装置与用于实施本发明方法的设备相对应。这种数据传输可以由永久或临时物理连接（诸如，同轴、纤维、光纤或双绞线、10BASE-T线缆）实现。可替换地，其可以由使用例如无线电波的临时或永久无线连接（诸如，Wi-Fi、LTE、高级LTE或蓝牙）实现。相应地，为了实施本发明的方法，仅有的要求是存在使用移动设备从主体获得的活动测量结果的数据集。所述数据集还可以被传输，或者从进行获取的移动设备存储在永久或临时存储器设备上，该永久或临时存储器设备随后可以用于将数据传送到用于实施本发明方法的设备。该设置中的实施本发明方法的远程设备典型地包括处理器和数据库以及被有形地嵌入到所述设备且当在所述设备上运行时实施本发明方法的软件。更典型地，所述设备还可以包括允许将由评估单元实施的分析的结果提供给用户的用户界面，诸如屏幕。因此，该设置中的移动设备和远程设备形成用于实施本发明方法的系统。

如本文使用的术语“评定”指代评定是否主体遭受认知和移动疾病或障碍或者是否如本文提到的疾病或障碍或者其个体症状随时间或取决于某个刺激而恶化或改进。相应地，如本文使用的评定包括：识别所述认知和移动疾病或障碍或者伴随它的一个或多个症状的进展；识别所述认知和移动疾病或障碍或者伴随它的一个或多个症状的改进；监视所述认知和移动疾病或障碍或者伴随它的一个或多个症状；确定所述认知和移动疾病或障碍或者伴随它的一个或多个症状的疗法的功效；和/或诊断所述认知和移动疾病或障碍或者伴随它的一个或多个症状。如本领域技术人员应当理解的那样，尽管优选如此，但这种评定可能通常对于100%的被研究主体而言不正确。然而，该术语要求主体的统计上显著的部分可以被正确地评定，且因而被识别为遭受认知和移动疾病或障碍。本领域技术人员可以在不费周折的情况下使用各种公知统计评估工具（例如，置信区间的确定、p值确定、学生的t-测试、曼-惠特尼测试等）来确定是否部分是统计上显著的。可以在Dowdy and Wearden,Statistics for Research, John Wiley & Sons, New York 1983中找到细节。典型地，所设想的置信区间是至少50%、至少60%、至少70%、至少80%、至少90%、至少95%。典型地，p值是0.2、0.1、0.05。因此，典型地，本发明的方法通过提供用于评估活动测量结果的数据集的手段来帮助评定认知和移动疾病或障碍。

如本文使用的术语“认知和移动疾病或障碍”涉及伴随有受损认知和/或移动残疾的疾病。典型地，这些疾病或障碍由中央神经系统、周围神经系统或肌肉系统的受损功能导致。损害可以涉及神经和/或肌肉细胞的损坏或损伤，诸如由神经变性疾病（诸如，多发性硬化、阿尔茨海默病、亨廷顿舞蹈症、帕金森病或其他）导致的损坏。典型地，认知和移动障碍是影响锥体、锥体外、感觉或小脑系统的中央和/或周围神经系统的疾病或障碍，或者神经肌肉疾病，或者是肌肉疾病或障碍。更典型地，所述疾病或障碍是从由下述各项构成的组中选择的：多发性硬化（MS）、视神经脊髓炎（NMO）和NMO谱系障碍、中风、小脑障碍、小脑性共济失调、痉挛性截瘫、原发性震颤、肌无力和肌无力综合征或者其他形式的神经肌肉障碍、肌肉营养不良、肌炎或其他肌肉障碍、周围神经病、大脑性瘫痪、锥体外综合征、帕金森病、亨廷顿病、阿尔茨海默病、其他形式的痴呆、脑白质营养不良、自闭症谱系障碍、注意力缺陷障碍（ADD/ADHD）、如DSM-5所定义的智力残疾、与老化相关的认知表现和储备的损害、帕金森病、亨廷顿病、多发性神经病、运动神经元疾病和肌萎缩性侧索硬化（ALS）。

多发性硬化（MS）是根据本发明的典型认知和移动疾病或障碍。存在也由如根据本发明使用的术语涵盖的MS的四个标准化子类型定义：复发-缓解、次发进展型、原发进展型和进展型复发。术语“复发”形式的MS也被使用，且涵盖具有叠加复发的复发-缓解和次发进展型MS。复发-缓解子类型由不可预测的复发后跟有不具有临床疾病活动的新迹象的数月至数年时段的缓解来表征。在发作（活动状态）期间遭受的缺陷可能消退或留下后遗症。这描述了遭受MS的85%至90%主体的初始过程。次发进展型MS描述了具有初始复发-缓解MS的那些人，那些人然后开始具有急性发作之间的进展型神经学衰退，而没有任何明确缓解时段。偶尔的复发和轻微的缓解可能出现。疾病发病与从复发缓解到次发进展型MS的转换之间的中位数时间是约19年。原发进展型子类型描述了在其初始MS症状之后从未有缓解的约10%至15%主体。其由残疾的从发病起的进展来表征，其中没有或仅有偶尔和轻微的缓解和改进。原发进展型子类型的发病的年龄晚于其他子类型。进展型复发MS描述了从发病起具有稳定神经学衰退而且遭受清楚的叠加发作的那些主体。现在接受的是，该后者进展型复发表型是原发进展型MS（PPMS）的变体，并且，根据McDonald 2010准则的PPMS的诊断包括进展型复发变体。

与MS相关联的症状包括感觉中的改变（感觉减退和感觉异常）、肌肉虚弱、肌肉痉挛、移动中的困难、关于协调和平衡的困难（共济失调）、话音中的问题（构音障碍）或吞咽中的问题（吞咽障碍）、视觉问题（眼震、视神经炎和降低的视敏度、或者复视）、疲劳、急性或慢性疼痛、膀胱、性和肠困难。变化程度的认知损害以及抑郁或不稳定情绪的情感症状也是频繁的症状。残疾进展和症状严重性的主要临床度量是扩充残疾状态量表（EDSS）。MS的进一步症状是本领域中公知的，且在医学和神经学的标准文本书（诸如例如，Bradley WG, etal. Neurology in Clinical Practice (5th ed. 2008)）中描述。

如本文使用的进展型MS指代下述状况：其中疾病和/或其症状中的一个或多个随时间变得更糟。典型地，进展伴随有活动状态的出现。所述进展可能在所有子类型的疾病中发生。然而，根据本发明，应当在遭受复发-缓解MS的主体中确定典型进展型MS。

然而，本发明的方法可以特别地在下述内容的情境中应用：

- 识别临床疾病活动（即，复发发生率），

- 残疾进展，

- 原发进展型MS疾病过程，如所建立的共识准则所定义，该共识准则诸如但不专门是McDonald准则2010（Polman 2011, Ann Neurol 69:292–302）和/或Lublin et al.准则2013（Lublin 2014, Neurology 83: 278-286），

- 次发进展型MS疾病过程，如所建立的共识准则所定义，该共识准则诸如但不专门是McDonald准则2010（Polman loc. cit.）和/或Lublin et al.准则2013（Lublin loc.cit.），

- 原发进展型MS，如所建立的共识准则所定义，该共识准则诸如但不专门是McDonald准则2010（Polman loc. cit.）和/或Lublin et al.准则2013（Lublin loc. cit.），和/或

- 次发进展型MS，如所建立的共识准则所定义，该共识准则诸如但不专门是McDonald准则2010（Polman loc. cit.）和/或Lublin et al.准则2013（Lublin loc. cit.）。

此外，其适于MS患者中的风险评定，且特别地适于：

- 估计疾病活动的概率的风险预测模型（即，T2或FLAIR（流体衰减反转恢复）加权脑或脊髓MRI上的复发和/或新或扩大病变，和/或脑或脊髓MRI上的钆增强病变），

- 估计具有多发性硬化（MS）的诊断的患者中的残疾进展的概率的风险预测模型，该多发性硬化例如但不专门由扩充残疾状态量表神经状态（EDSS）、多发性硬化功能合成（MSFC）及其组分“定时25英尺步行测试或9孔桩测试”测量，和/或

- 估计如所建立的共识准则所定义的复发-发病MS中的次发进展型MS疾病过程的出现的概率的风险预测模型，该共识准则诸如但不专门是McDonald准则2010（Polman loc.cit.）和/或Lublin et al.准则2013（Lublin loc. cit.），

- 估计原发或次发进展型MS疾病过程的具体MRI迹象的出现的概率的风险预测模型，该原发或次发进展型MS疾病过程例如但不专门由T2或FLAIR加权脑或脊髓MRI上的缓慢扩充病变（SEL）的存在或者在注入基于钆的造影剂之后在FLAIR加权脑或脊髓MRI上检测到的脑膜炎的迹象来定义。

此外，所述方法可以在下述内容的情境中应用：

- 使用例如机器学习和模式识别技术来开发算法解，以估计如具有利用具体疾病修饰治疗（DMT）而治疗的多发性硬化（MS）的诊断的患者中的进行中的疾病活动（即，T2或FLAIR加权脑或脊髓MRI上的复发和/或新或扩大病变，和/或脑或脊髓MRI上的钆增强病变）的风险所评估的DMT响应或失效的概率，

- 使用例如机器学习和模式识别技术来开发算法解，以估计如具有利用具体DMT而治疗的多发性硬化（MS）的诊断的患者中的进行中的残疾进展的风险所评估的DMT响应或失效的概率，该多发性硬化例如但不专门由扩充残疾状态量表（EDSS）、定时25英尺步行测试或9孔桩测试来测量，和/或

- 使用例如机器学习和模式识别技术来开发算法解，以估计如在神经组织损坏和神经变性的脑MRI度量中恶化的风险所评估的DMT响应或失效的概率，该神经组织损坏和神经变性诸如但不专门是具有利用具体DMT而治疗的多发性硬化（MS）的诊断的患者中的整个脑容积、脑主质片断、整个灰质容积、皮质灰质容积、具体皮质区域的容积、深灰质容积、丘脑容积、胼胝体表面、白质容积、第三脑室容积、总脑T2病变容积、总脑T1病变容积、总脑FLAIR病变容积；使用例如机器学习和模式识别技术来开发算法解，以估计如所建立的共识准则所定义的复发-发病MS中的次发进展型MS疾病过程的出现的概率，该共识准则诸如但不专门是McDonald准则2010（Polman loc. cit.）和/或Lublin et al.准则2013（Lublin loc.cit.）。

视神经脊髓炎（NMO，先前被称作德维克病）和视神经脊髓炎谱系障碍（NMOSD）是由严重免疫介导脱髓鞘作用和主导地以视神经和脊髓为目标的轴索损坏表征的中央神经系统的炎症障碍。传统地被视为多发性硬化的变体，NMO现在基于唯一免疫学特征而被识别为独特临床实体。选择性地结合水通道蛋白-4（AQP4）的疾病专用血清NMO-IgG抗体的发现已经导致障碍的多样谱系的增加的理解。NMO和NMOSD由视神经炎和横贯性脊髓炎的严重复发发作来表征，不像多发性硬化中的发作，这些严重复发发作在早期阶段中共同匀出脑。NMO的谱系传统地被限于视神经和脊髓。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

如本文提到的中风指代中央神经系统中的血流的损害，特别是在脑中。中风可以是由血管的阻塞和随之发生的到脑组织区域中的血流的缺少导致的缺血性中风，或者可以是由脑损伤和后续的出血导致的出血性中风。中风的症状取决于受影响的脑区域，且典型地可以涵盖以下各项中的一个或多个：移动或感受的一侧不稳定、理解或说话的问题、头晕、或者视觉的部分丧失。出血性中风还可以涵盖严重头痛。在任何情况下，对于中风的治疗，事件与治疗之间的时间段是关键的，特别是以便避免对认知或其他中央神经系统功能的长期影响。在一些情况下，中风的症状可能是相当轻微的，且可能在没有合适测试装备的情况下不容易诊断。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

根据本发明的小脑疾病涵盖影响小脑的功能的任何疾病。小脑涉及运动控制和学习。最主要的是，具有小脑功能障碍的动物和人类在身体的与小脑的损坏部分相同的侧上示出关于运动控制的问题。它们继续能够生成运动活动，但它丧失了精度，从而产生不规则的、不协调的或不正确的定时移动。由小脑引起的运动问题的典型显现包括压力过低、辨距障碍、构音障碍、轮替运动障碍、意向性震颤或步态损害。典型地，导致上面提及的残疾的障碍也被称为小脑性共济失调。影响小脑的其他疾病包括变性疾病，诸如橄榄脑桥小脑萎缩、马查多-约瑟夫病、共济失调毛细血管扩张症、弗里德赖希型共济失调、拉姆亨特I型综合征、副肿瘤性小脑变性或朊病毒病，或者可以是小脑蚓部的先天畸形或不发达（发育不全），诸如丹迪-沃克综合征或茹贝尔综合征。另外，小脑萎缩也可能导致小脑疾病，且可能由于暴露于包括重金属或者配药性或消遣性药物的毒素或者因如脚气病中和韦尼克-柯萨可夫综合征中所见的维生素B1（硫胺素）的急性缺乏或者因维生素E缺乏而发生在亨廷顿病、多发性硬化、原发性震颤、进展型肌阵挛性癫痫、尼曼-皮克病中。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

如本文使用的痉挛性截瘫指代伴随有下肢中的进展型僵硬和痉挛的遗传疾病的组。疾病还可以影响视神经、视网膜、导致白内障、共济失调、癫痫、认知损害、周围神经病和耳聋。本发明的方法典型地在已作必要修正的情况下还可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

如本文使用的原发性震颤指代涉及臂部、手部和手指的震颤的移动障碍。有时，其他身体部分和语音也可能受震颤影响。原发性震颤典型地是动作性震颤（即，其在应当使用受影响的肌肉的情况下发生）或姿势性震颤（即，其在持续肌肉紧张度的情况下存在）。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

如本文使用的肌无力指代也被称为由频繁发生的肌肉虚弱和疲劳表征的重症肌无力的神经肌肉疾病。肌肉虚弱在锻炼期间变得更加明显，且在休息时段处变得较不明显。其由阻塞烟碱型乙酰胆碱受体的循环自身抗体导致。这些抗体防止运动神经元向肌肉传输信号。存在其他形式的肌无力相关神经肌肉疾病，诸如眼睛肌无力或蓝伯-伊顿肌无力综合征。所述其他形式的神经肌肉障碍也被本发明设想为认知和移动障碍和疾病。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

如根据本发明提到的肌肉营养不良涉及由肌肉细胞和组织的检测或死亡导致的肌肉的虚弱。典型地，诸如抗肌营养不良蛋白之类的肌肉蛋白质可能在肌肉营养不良中变得大大减少。如本文提到的肌肉营养不良涵盖但不限于贝克尔肌肉营养不良、先天肌肉营养不良、杜兴氏肌肉营养不良、末梢肌肉营养不良、埃梅里-德莱弗斯肌肉营养不良、面肩肱型肌肉营养不良、肢带型肌肉营养不良和肌强直肌肉营养不良。此外，根据本发明还涵盖的是肌炎或其他肌肉障碍的形式。

如本文提到的周围神经病指代下述疾病：其中周围神经的适当功能受损。典型地，根据本发明设想的神经是针对移动或感觉而要求的那些神经。这些神经病也被称为运动神经病或感觉神经病。运动神经病可能导致受损的平衡和协调或者最典型地导致肌肉虚弱。感觉神经病可能导致对触摸和振动的麻木或者造成更差协调和平衡的减少的位置感觉，而且可能导致对温度改变和疼痛、自发刺痛或灼烧碰痛或者皮肤触诱发痛的降低的灵敏度。神经病还可以进一步被分类为：单一性神经病，其中基本上，单个神经受影响；以及多发性神经病，影响身体的不同部分中的各种神经。已经描述了神经病的不同原因，涉及严重疾病，诸如糖尿病、免疫性疾病、传染、身体损伤、化疗、放射疗法、癌症、酒精中毒、脚气病、甲状腺功能减退、卟啉病、维生素B12缺乏或过量维生素B6。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

多发性神经病被理解为影响身体的全部两侧上的大致相同区域中的周围神经的损坏或障碍。多发性神经病可以以不同方式分类，诸如通过原因、通过进展速度、通过所涉及的身体部分或者通过神经细胞的主要受影响的部分（轴突、髓鞘或细胞体）。多发性神经病可以进一步被分类为：急性多发性神经病，例如由传染、自身免疫反应、毒素、某些药物或癌症导致；以及慢性多发性神经病，例如由糖尿病、过度酒精消耗或神经变性导致。多发性神经病的症状包括通常在手部和脚部中开始且可进展到臂部、腿部且有时进展到身体其他部分的虚弱、麻木或灼烧疼痛（Burns 2011, Neurology 76.7 Supplement 2: S6-S13）。已知多种不同障碍导致多发性神经病，例如糖尿病和一些类型的吉兰-巴雷综合征。多发性神经病的诊断普遍基于身体检查和进一步临床测试，该进一步临床测试包括例如肌电描记术、神经传导研究、肌肉活组织检查或某些抗体测试。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

大脑性瘫痪（CP）是永久移动障碍的组。CP通常出现在早期童年中，且由对控制移动、平衡和姿势的脑部分的异常开发或损坏导致。症状包括较差的协调、僵硬肌肉、虚弱肌肉、震颤、突然侵袭、降低的思考或推理能力、关于感觉、视觉、听力、吞咽和说话的问题。根据疾病控制和预防中心（CDC），CP是儿童中最普遍的移动障碍，且具有每1000个活产儿约2.11的患病率。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

锥体外综合征（EPS）被视为药物引发的移动障碍。术语“锥体外症状”是从下述事实导出的：它们是正常调控姿势和骨骼肌紧张度的锥体外系统中的障碍的症状。症状可以是急性的或迟发的，且包括肌张力障碍（连续痉挛和肌肉收缩）、静坐不能（运动不安）、帕金森氏病（诸如强直之类的特征性症）、运动迟缓（移动缓慢）、震颤和迟发性运动障碍（不规则的、忽动忽停的移动）。锥体外综合征最普遍地由抗精神病药或抗抑郁药（诸如氟哌啶醇、氟奋乃静、度洛西汀、舍曲林、艾司西酞普兰、氟西汀和丁胺苯丙酮）导致。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

阿尔茨海默病（AD）是慢性神经变性疾病。AD的疾病过程可以被划分成四个阶段，具有认知和功能损害的进展型模式：前痴呆、早期阶段、适中阶段和晚期阶段。

疾病的前痴呆阶段还已经被称为轻度认知障碍（MCI），且包括AD的早期症状，诸如短期记忆丧失和计划或解决问题方面的困难（Waldemar 2007, European Journal ofNeurology 14.1: e1-e26; Bäckman 2004, Journal of internal medicine 256.3:195-204）。在AD的早期阶段中，诸如关于语言、执行功能、感知（失认症）和移动执行（失用症）的问题之类的症状变得明显。随着疾病进展，行为和神经精神性改变变得更流行。AD的适中阶段包括无能力回忆词汇、阅读和写作技能的丧失、导致例如增加的跌倒风险的复杂运动序列的协调的损害、小便失禁、长期记忆的损害、幻觉错认和其他妄想症。AD的晚期症状包括：语言到简单短语或甚至单个词的减少，最终导致完全丧失话音；肌肉质量和移动性的严重减少；以及身体功能的丧失。

AD被视为痴呆情况的60%至70%的原因。痴呆的行为和心理症状被视为构成AD的主要临床组分（Robert 2005, European Psychiatry 20.7: 490-496）。尽管AD的进展的速度可以变化，但AD的诊断后的平均寿命预期是约三年至九年（Todd 2013, Internationaljournal of geriatric psychiatry 28.11: 1109-1124）。

本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

如本文提到的痴呆包括导致思考和记忆能力下降的多种脑部疾病，常常伴随有语言和运动技能问题。如上所提及，最普遍类型的痴呆是阿尔茨海默病。其他类型包括例如血管性痴呆、路易体痴呆、额颞叶痴呆、正常压力脑积水、帕金森病、梅毒和克罗伊茨费尔特-雅各布病。发展痴呆的已知风险因素包括高血压、吸烟、糖尿病和肥胖。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

脑白质营养不良是由脑中的白质的变性表征的障碍的组。脑白质营养不良被认为由髓鞘的不完美生长或发展导致或者由因中央神经系统中的炎症而引起的髓磷脂丧失导致。白质的变性可以在MRI中看到且用于诊断脑白质营养不良（Cheon 2002,Radiographics 22.3: 461-476）。脑白质营养不良的症状通常取决于主导地处于婴儿期和早期童年中的发病年龄，且包括减少的运动功能、肌肉强直、视力和听力的损害、共济失调和智力发育迟缓。脑白质营养不良障碍包括例如X连锁肾上腺脑白质营养不良、克拉比病、异染性脑白质营养不良（MLD）、卡纳万病和亚历山大病。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

自闭症谱系障碍（ASD）表征复杂神经学和发展性障碍的组。ASD影响脑和神经系统的结构和功能。ASD的典型特性包括社交问题，诸如与其他人沟通和交互方面的困难、重复行为、有限兴趣或活动以及与所说内容不匹配的面部表情、移动、手势。根据疾病控制和预防中心（CDC），68个儿童中大约有1个已经被标识有某种形式的ASD。ASD的诊断可能是困难的，且普遍基于精神障碍诊断和统计手册（DSM）。在过去，亚斯伯格综合征和自闭性障碍被认为是分离的障碍。然而，在2013年5月，发布了精神障碍诊断和统计手册的新版本（DSM-5）——来自美国精神病协会的用于诊断不同精神健康状况的公共手册。DSM-5手册现在仅包括被称为自闭症谱系障碍（ASD）的一个类别内的特性和严重性的范围，且不再突出显示更大障碍的子类别（先前子类别是：自闭性障碍、亚斯伯格综合征、儿童期崩解障碍、未以其他方式指定的广泛性发展障碍）。根据DSM-5指南，其症状先前被诊断为亚斯伯格综合征或自闭性障碍的人现在被包括作为被称为自闭症谱系障碍（ASD）的类别的一部分。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

注意力缺陷障碍（也被称作注意力缺陷障碍（ADD）或注意力缺陷多动症障碍（ADHD））指代神经发展障碍的组。

根据精神障碍诊断和统计手册的最新的新版本（DSM-5），在12岁之前针对注意力缺陷障碍的诊断必然呈现若干症状。ADD或ADHD的典型症状包括：注意力不集中的症状，诸如遵照指令或组织任务的困难；多动症或冲动的症状，诸如保持坐着或等待轮班方面的困难（例如，在问题已被完成之前回答、对话的打断）。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

如DSM-5所定义的智力残疾。作为DSM-5诊断术语的智力残疾（智力发展性障碍）替换在手册的先前版次中使用的“智力发育迟缓”。在DSM-5中，根据智力发育迟缓的DSM-IV诊断修订智力残疾（智力发展性障碍）的诊断（美国精神病协会。精神障碍诊断和统计手册（DSM-5®）。美国精神病出版社，2013）。经修订的障碍反映了手册的从评估状况的多轴途径的离开。如DSM-5所定义的智力残疾涉及在三个域或领域中影响自适应运转的一般智力活动的损害：（1）概念域包括语言、阅读、写作、数学、推理、知识和记忆中的技能；（2）社交域指代共鸣、社会判断、人际沟通技能、形成和保持友谊的能力、以及类似能力；（3）诸如个人护理、工作职责、资金管理、娱乐以及组织学校和工作任务之类的领域中的自我管理上的实际域中心。尽管智力残疾不具有具体年龄要求，但个体的症状必须在发展性时段期间开始，且基于自适应运转中的缺陷的严重性而诊断。障碍被视为慢性的且常常与像抑郁、注意力缺陷/多动症障碍和自闭症谱系障碍之类的其他精神状况共同发生。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

与老化相关的认知表现和储备的损害指代诸如思考和记忆能力之类的认知表现的任何年龄相关衰退和/或对脑大小（也被称作“脑储备”）或神经计数（也被称作“认知储备”）的任何年龄相关影响。例如加速能力、执行功能和记忆中的认知衰退被认为是正常老化的典型（Gunstad 2006, Journal of Geriatric Psychiatry and Neurology 19.2:59-64）。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

帕金森病（PD）是主要影响运动系统的中央神经系统的进展型障碍。典型症状包括发抖、强直、移动缓慢、关于步行的困难。包括感觉、睡眠和情感问题以及思考和行为问题的其他症状也可以发生，以及，在疾病的晚期阶段中普遍观察到抑郁和焦虑问题。帕金森病的原因当前未知，但该疾病的运动症状被认为由导致这些领域中的多巴胺的减少的黑质中的细胞的死亡引起。然而，非运动症状中的一些常常在诊断时存在，且可能先于运动症状。PD的诊断主要基于与其他测试（诸如，用于排除其他疾病的神经成像）组合的症状的临床评定。帕金森病的发生在超过60岁的人中最普遍，影响男性比女性更多。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

亨廷顿病（HD）（也被称作亨廷顿舞蹈症）是由亨廷顿基因（HTT）中的常染色体显性突变导致的遗传障碍。HD是由脑细胞的死亡导致的致命疾病。亨廷顿病的症状可能在从婴儿期到老年的任何年龄处开始，尽管通常在35岁和44岁的年龄之间变得显著。早期症状包括个性、认知和身体技能的改变（Walker 2007, The Lancet 369.9557: 218-228）。最独特的初始身体症状是被称为舞蹈症的随机且不可控的移动。进一步的症状包括突然侵袭、异常面部表情、咀嚼、吞咽和说话方面的困难。HD的诊断通常基于症状的临床评定以及基因测试。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

肌萎缩性侧索硬化（ALS）（也被称作运动神经元疾病（MND）的最频繁情况）是影响运动神经元的晚发性致命神经变性疾病。ALS以约1/100000的发病率发生。大多数ALS情况是阵发性的，但5-10%的情况是家族性ALS。阵发性和家族性ALS（FALS）两者都与皮质和脊椎运动神经元的变性相关联。典型症状包括遍及身体的肌肉虚弱和萎缩、认知功能的损害。ALS的诊断普遍包括临床检查和诊断测试系列，常常排除与ALS相像的其他疾病。对于要诊断的ALS，通常必然存在不能归于其他原因的上和下运动神经元损坏两者的症状。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

抗精神病药恶性综合征（NMS）是最常由对抗精神病药或精神抑制药的不良反应导致的威胁生命的神经学障碍，该抗精神病药或精神抑制药诸如是氟哌啶醇、氟哌利多、异丙嗪、氯丙嗪、氯氮平、奥氮平、利培酮、喹硫平或齐拉西酮。症状包括肌肉痉挛、震颤、发烧、自主神经系统不稳定的症状（诸如，不稳定的血压）和精神状态中的变更（烦躁、神志失常或昏迷）。NMS中的肌肉症状最可能由多巴胺受体D2的阻塞导致，从而导致与在帕金森病中看到的基底神经节类似的基底神经节的异常功能。此外，血浆肌酸激酶的提升的水平与NMS相关联（Strawn 2007, American Journal of Psychiatry 164.6: 870-876）。本发明的方法典型地在已作必要修正的情况下还可以被应用于根据MS提到的那些目的。特别地，该方法可以被应用于评定包括在其他地方详细描述的方面的疾病，从而作出风险评定，更典型地，建立风险预测模型和/或使用例如机器学习和模式识别技术来开发算法解。

如本文使用的术语“主体”指代动物，且典型地指代哺乳动物。特别地，主体是灵长类，且最典型地是人类。根据本发明的主体会遭受或会被怀疑遭受认知和移动疾病或障碍，即，其可能已经示出与所述疾病相关联的症状中的一些或全部。

如本文使用的术语“针对认知和/或精细运动活动的质量计量活动参数”指代具体认知和/或运动任务的完成期间的认知和/或精细运动运转和完整性的至少一个定性特征中的表现内波动的单个或合成度量。这种质量计量参数测量神经系统“如何”在给定任务期间相比于仅测量利用具体总体表现完成任务的能力的表现测试而运转或表现。相应地，如本文提到的质量计量参数典型地是针对可执行任务的质量的度量，例如，基于所执行的任务的正确性和执行任务或一系列迭代任务所需的时间。因此，典型地，质量计量参数可以是时间参数，诸如任务的持续时间或迭代任务的执行之间的时间差或取决于时间的参数（诸如，速度），或者其可以是反映移动准确度的参数。本文其他地方更详细地列出根据本发明可从其导出质量计量参数的特定认知和/或精细运动活动。

术语“至少一个”意味着：根据本发明，可以确定一个或多个参数，诸如质量计量活动参数，即，至少两个、至少三个、至少四个、至少五个、至少六个、至少七个、至少八个、至少九个或至少十个或者甚至更多个不同参数。因此，不存在根据本发明的方法可确定的不同参数的数目的上限。然而，典型地，针对所确定的活动测量结果的每数据集，将存在一个和三个之间的不同参数。

术语“活动测量结果的数据集”原则上指代由移动设备在活动测量期间从主体获取的数据整体或者对于导出质量计量活动参数而言有用的所述数据的任何子集。还在本文其他地方找到细节。特别地，结合如根据本发明使用的术语“认知和/或精细运动活动测量结果的数据集”的活动测量结果包括如本文其他地方详细描述的信息处理速度（IPS）测试、在移动设备的传感器表面上执行的掐捏测试和/或来自U形转弯测试（UTT）、2分钟步行测试（2MWT）、静态平衡测试（SBT）或来自被动监视的连续步态分析（CAG）的执行期间的数据集的测量结果。典型地，由这些相应测试测量的认知和/或精细运动活动是注意力、信息处理速度、视觉扫描和/或手部运动活动。数据集是预先存在的数据集，其意味着本发明的方法典型地不要求来自主体的数据获取。

以下，指定根据本发明方法的用于由移动设备进行测量的特定的所设想的活动测试和手段：

（1）来自计算机实现的信息处理速度（IPS）测试的认知质量计量活动参数

信息处理速度测试的目的是：检测构成迭代视觉替代任务的基础的关键神经认知功能的损害，该迭代视觉替代任务包括持续注意力、视觉扫描和最近记忆。该实例中的信息处理由不同步骤组成，这些不同步骤以其次扩展到输出（即，通过按压智能电话触摸屏上的按键来作出响应）的到感觉系统中的视觉信息的输入开始。该过程中的主要步骤是：（1）传入视觉感觉信息的传输；（2）认知替代任务的完成；以及（3）传出运动输出的执行（Costa 2017）。

符号数字模态测试（SDMT, Smith 1968, 1982）或处理速度测试（PST, Rao 2017）不计及总体测试表现中的反应时间或运动输出时间的相对权重的任何测量。根据本发明，开发了IPS测试，以使得能够通过从总体表现中减去分离地测量的反应时间、视觉处理时间以及运动输出时间来具体评定符号/数字替代任务的速度。

IPS测试的符号集合由遵循简单设计方案的9个不同抽象符号构成，且被指派给九个按键，即，数字1至9。

为了计及参与者的反应时间和产生传出运动输出所耗费的时间，15秒数字/数字匹配锻炼将在符号/数字替代任务之后被完成。数字将在针对数的模拟旋转方案中被呈现为在先替代任务中的符号，且将被嵌入相同用户界面中。

对于IPS测试的符号/数字替代任务，将在总共最多90秒中顺序地显示120个抽象符号。将并排显示图例按键（3个或更多个版本的轮询交替）以用于参考，该图例按键示出了具有从1至9的其相应匹配数字的九个符号。学习参与者被询问以通过针对每一个迭代符号在90秒期间在智能电话的屏幕上的数字键区上尽可能快地键入匹配按键来提供尽可能多的正确响应。

对符号匹配和基线测试的正确响应的数目将被显示给患者。

可以从信息处理速度（IPS）测试导出典型认知质量计量活动参数，该信息处理速度（IPS）测试旨在检测和测量构成迭代视觉替代任务的基础的关键神经认知功能的损害，该迭代视觉替代任务包括持续注意力、视觉扫描和最近记忆。数字到符号替代任务被已知为与轻度认知障碍的状况中的脑萎缩相关，并且，在移动设备上执行（与诸如SDMT（Smith1968, 1982）或PST（Rao 2017）之类的类似测试不同地）的IPS测试使得能够分离地测量认知替代任务表现，同时针对视觉处理和运动执行时间的任何影响进行调整。

从IPS测试导出且作为反映测量认知完整性的测试内波动的连续成果变量而捕获的典型认知质量计量活动参数是从由下述各项构成的组中选择的：

1）（从n-1）响应前的消逝时间，

2）（从n-1）正确响应前的消逝时间，

3）（从n-1）不正确响应前的消逝时间，

4）（从在先正确响应）正确响应之间的消逝时间，

5）（从在先不正确响应）不正确响应之间的消逝时间，以及

6）当符号序列被修改以评估任务内的工作记忆和学习时被应用于具体符号或符号集群的参数1）、2）和3）。

应当理解，根据本发明，可以确定这些质量计量参数中的一个或多个。典型地，要确定这些参数中的一个、两个、三个或全部。

更典型地，IPS测试导出的感兴趣质量计量参数是以下列表中的一个或多个：

1. 正确响应的数目

a. 90秒中的总体正确响应的总数（CR）；

b. 从时间0至30秒的正确响应的数目（CR_0-30）；

c. 从时间30至60秒的正确响应的数目（CR_30-60）；

d. 从时间60至90秒的正确响应的数目（CR_60-90）；

e. 从时间0至45秒的正确响应的数目（CR_0-45）；

f. 从时间45至90秒的正确响应的数目（CR_45-90）；

g. 从时间i至j秒的正确响应的数目（CR_i-j），其中i、j处于1秒与90秒之间并且i<j，

2. 误差的数目

a. 90秒中的误差的总数（E）；

b. 从时间0至30秒的误差的数目（E_0-30）；

c. 从时间30至60秒的误差的数目（E_30-60）；

d. 从时间60至90秒的误差的数目（E_60-90）；

e. 从时间0至45秒的误差的数目（E_0-45）；

f. 从时间45至90秒的误差的数目（E_45-90）；

g. 从时间i至j秒的误差的数目（E_i-j），其中i、j处于1秒与90秒之间并且i<j，

3. 响应的数目

a. 90秒中的总体响应的总数（R）；

b. 从时间0至30秒的响应的数目（R_0-30）；

c. 从时间30至60秒的响应的数目（R_30-60）；

d. 从时间60至90秒的响应的数目（R_60-90）；

e. 从时间0至45秒的响应的数目（R_0-45）；

f. 从时间45至90秒的响应的数目（R_45-90），

4. 准确率

a. 90秒内的均值准确率（AR）：AR=CR/R；

b. 从时间0至30秒的均值准确率（AR）：AR_0-30=CR_0-30/R_0-30；

c. 从时间30至60秒的均值准确率（AR）：AR_30-60=CR_30-60/R_30-60；

d. 从时间60至90秒的均值准确率（AR）：AR_60-90=CR_60-90/R_60-90；

e. 从时间0至45秒的均值准确率（AR）：AR_0-45=CR_0-45/R_0-45；

f. 从时间45至90秒的均值准确率（AR）：AR_45-90=CR_45-90/R_45-90，

5. 任务疲劳性指数的结尾

a. 最后30秒中的速度疲劳性指数（SFI）：SFI_60-90=CR_60-90/max (CR_0-30, CR_30-60)；

b. 最后45秒中的SFI：SFI_45-90=CR_45-90/CR_0-45；

c. 最后30秒中的准确度疲劳性指数（AFI）：AFI_60-90=AR_60-90/max (AR_0-30, AR_30-60)；

d. 最后45秒中的AFI：AFI_45-90=AR_45-90/AR_0-45，

6. 连续正确响应的最长序列

a. 90秒中的总体连续正确响应的最长序列内的正确响应的数目（CCR）；

b. 从时间0至30秒的连续正确响应的最长序列内的正确响应的数目（CCR_0-30）；

c. 从时间30至60秒的连续正确响应的最长序列内的正确响应的数目（CCR_30-60）；

d. 从时间60至90秒的连续正确响应的最长序列内的正确响应的数目（CCR_60-90）；

e. 从时间0至45秒的连续正确响应的最长序列内的正确响应的数目（CCR_0-45）；

f. 从时间45至90秒的连续正确响应的最长序列内的正确响应的数目（CCR_45-90），

7. 响应之间的时间间隙

a. 两个接续响应之间的间隙（G）时间的连续变量分析；

b. 90秒内的两个接续响应之间消逝的最大间隙（GM）时间；

c. 从时间0至30秒的两个接续响应之间消逝的最大间隙时间（GM_0-30）；

d. 从时间30至60秒的两个接续响应之间消逝的最大间隙时间（GM_30-60）；

e. 从时间60至90秒的两个接续响应之间消逝的最大间隙时间（GM_60-90）；

f. 从时间0至45秒的两个接续响应之间消逝的最大间隙时间（GM_0-45）；

g. 从时间45至90秒的两个接续响应之间消逝的最大间隙时间（GM_45-90），

8. 正确响应之间的时间间隙

a. 两个接续正确响应之间的间隙（Gc）时间的连续变量分析；

b. 90秒内的两个接续正确响应之间消逝的最大间隙时间（GcM）；

c. 从时间0至30秒的两个接续正确响应之间消逝的最大间隙时间（GcM_0-30）；

d. 从时间30至60秒的两个接续正确响应之间消逝的最大间隙时间（GcM_30-60）；

e. 从时间60至90秒的两个接续正确响应之间消逝的最大间隙时间（GcM_60-90）；

f. 从时间0至45秒的两个接续正确响应之间消逝的最大间隙时间（GcM_0-45）；

g. 从时间45至90秒的两个接续正确响应之间消逝的最大间隙时间（GcM_45-90），

9. 在IPS测试期间捕获的精细手指运动技能功能参数

a. 在90秒内键入响应的同时，触摸屏接触的持续时间（Tts）、触摸屏接触与最接近目标数字按键的中心之间的偏离（Dts）和错误键入的触摸屏接触（Mts）（即，不触发按键命中或者触发按键命中但与屏幕上的辅助滑动相关联的接触）的连续变量分析；

b. 从时间0至30秒的按时期的相应变量：Tts_0-30、Dts_0-30、Mts_0-30；

c. 从时间30至60秒的按时期的相应变量：Tts_30-60、Dts_30-60、Mts_30-60；

d. 从时间60至90秒的按时期的相应变量：Tts_60-90、Dts_60-90、Mts_60-90；

e. 从时间0至45秒的按时期的相应变量：Tts_0-45、Dts_0-45、Mts_0-45；

f. 从时间45至90秒的按时期的相应变量：Tts_45-90、Dts_45-90、Mts_45-90，

10. 单个符号或符号集群的表现的符号专用分析

a. 个体地针对9个符号中的每一个和所有它们的可能集群组合的CR；

b. 个体地针对9个符号中的每一个和所有它们的可能集群组合的AR；

c. 个体地针对9个符号中的每一个和所有它们的可能集群组合的从在先响应到所记录的响应的间隙时间（G）；

d. 个体地针对9个符号和个体地针对9个数字响应的通过考察弄错的替代的类型识别优选不正确响应的模式分析，

11. 学习和认知储备分析

a. IPS测试的接续管理之间的CR（如#9中描述的总体和符号专用）中的从基线（基线被定义为来自测试的前2次管理的均值表现）的改变；

b. IPS测试的接续管理之间的AR（如#9中描述的总体和符号专用）中的从基线（基线被定义为来自测试的前2次管理的均值表现）的改变；

c. IPS测试的接续管理之间的均值G和GM（如#9中描述的总体和符号专用）中的从基线（基线被定义为来自测试的前2次管理的均值表现）的改变；

d. IPS测试的接续管理之间的均值Gc和GcM（如#9中描述的总体和符号专用）中的从基线（基线被定义为来自测试的前2次管理的均值表现）的改变；

e. IPS测试的接续管理之间的SFI_60-90和SFI_45-90中的从基线（基线被定义为来自测试的前2次管理的均值表现）的改变；

f. IPS测试的接续管理之间的AFI_60-90和AFI_45-90中的从基线（基线被定义为来自测试的前2次管理的均值表现）的改变；

g. IPS测试的接续管理之间的Tts中的从基线（基线被定义为来自测试的前2次管理的均值表现）的改变；

h. IPS测试的接续管理之间的Dts中的从基线（基线被定义为来自测试的前2次管理的均值表现）的改变；

i. IPS测试的接续管理之间的Mts中的从基线（基线被定义为来自测试的前2次管理的均值表现）的改变。

在又一实施例中，IPS测试应当被应用以确定基线、认知和信息处理速度以及动眼神经和运动功能质量计量活动参数。从而，可以剖析在移动设备上执行任务的响应时间，并且可以确定响应中涉及的神经系统的个体部分的贡献。这是特别有利的，由于已经发现，在传统SDMT中，受疾病影响的神经系统的部分或功能可以由不受影响的部分或功能补偿。从而，可以基于SDMT数据来建立假阴性诊断。例如，遭受诸如MS之类的疾病的患者可以通过更好的认知和信息处理速度来补偿差的手部运动表现。当测量执行SDMT任务的总体响应时间时，这种患者可能不比健康主体差，或者仅微不足道地比健康主体差，尽管遭受疾病。

因此，在又一实施例中，可以从计算机实现的IPS测试导出根据本发明方法要分析的认知质量计量活动参数。

在步骤i）中，计算机实现的IPS测试应当通过使用对执行任务的主体来说不熟悉（例如，没有朴素数字或符号）的测试符号测量符号匹配任务的响应时间来确定信息处理速度。对于IPS测试而言有用的测试符号典型地示出了与字母或数学标记法极少类似，且因而还应当独立于诸如文化背景、阅读和写作能力或者教育标准之类的影响。因此，这种测试符号还可以用于儿童或者具有低教育标准的主体（例如，文盲）。此外，为了改进视觉识别，测试符号应当不那么详细地遵循简单设计原理。更典型地，符号可以被设计为在与阅读方向平行或与其正交的镜像轴的相对侧处具有独特特征（例如，左/右、上/下特征）的符号对，或者被设计为具有旋转对称性、定向取向或独特边缘的可识别单件（singleton）符号。在以下随附示例中描述和示出了典型测试符号。

典型地，通过在显示器上示出主体、测试符号和图例来执行测试，该图例将在测试期间示出的不同测试符号分配给朴素数字或其他朴素符号（诸如，字母）。这些朴素数字或其他朴素符号还存在于键区上，使得执行测试的主体可以按压承载被分配给测试符号的朴素数字或朴素符号的按键。应当理解，针对该任务的IPS测试中的响应时间取决于反应时间、手部运动输出的处理时间和认知信息处理的时间。

在前面描述的IPS测试的步骤i）中，可以执行固定测试符号匹配序列的迭代，其中每一个序列由针对至少6个不同测试符号的匹配任务构成。测试符号匹配序列还可以包括多于6个以及典型地7个、8个或9个不同测试符号。

典型地，所述迭代后跟有新随机化测试符号匹配序列。第一和最后迭代之间的响应时间中的改进指示主体的认知学习能力或者标准测试响应时间和所运行的随机化符号匹配序列中的响应时间。典型地，执行测试符号匹配序列的至少两个、至少三个、至少四个迭代，并且更典型地，执行三个测试符号匹配序列。此外，在迭代期间，典型地，可以如在标准临床SDM测试中那样实施测试符号匹配。典型地，就尺寸、外观、对比度等而言，将符号的图例、符号的大小、键区和在用于实施IPS测试的移动设备上显示的其他参数保持处于恒定状况，以便避免与信息处理速度不相关的感官影响。下面进一步在示例中描述自动化IPS测试的实现的典型示例。

步骤ii）中的IPS测试通过测量基线响应时间来确定基线信息处理速度。典型地，在实施例中，所述基线响应时间可以是通过测量将朴素数字或符号匹配于移动设备的键区上的匹配朴素数字或符号的时间来确定的。更典型地，朴素数字或符号应当被选择成使得实施测试的个体可以在不费实质认知之力的情况下执行匹配。更典型地，从0至9的数字可以被用作朴素数字。使用朴素数字或符号匹配的这种基线响应时间应当主要取决于反应时间和手部运动输出的处理时间。认知任务应当仅扮演较小作用，且不应当对基线响应时间显著作出贡献。从而，可以通过所述基线响应时间将在后续步骤中确定的信息处理速度解卷积成反应时间和手部运动输出的处理时间和认知信息处理的时间。应当理解，可以在步骤ii）之前或之后执行上面提及的步骤i）。

因此，在用于获取根据本发明方法要分析的认知质量计量活动参数的移动设备上运行的计算机实现的IPS测试中，确定包括反应时间、手部运动输出的处理时间和认知信息处理的时间的任务（测试通过按压键区上的相应按键将如上描述的不同非朴素测试符号匹配于图例，该图例将在测试期间示出的所述不同测试符号分配给朴素数字或其他朴素符号，诸如字母）与包括反应时间和手部运动输出的处理时间的任务（基线任务，典型地，将朴素数字或符号匹配于键区上的匹配朴素数字或符号）之间的响应时间中的差异，作为一个认知质量计量活动参数，该认知质量计量活动参数是本发明方法要分析的数据集的一部分。此外，IPS测试还旨在通过将在相同测试符号匹配序列的迭代的结尾处执行测试任务所需的响应时间和执行所运行的随机化符号匹配序列所需的响应时间进行比较，来确定学习能力。

因此，在本发明方法的实施例中，在测试主体中执行一种用于自动评定信息处理速度（IPS）的计算机实现方法，包括下述步骤：

i）在包括从所述测试主体获得的认知动眼神经活动测量结果的认知和/或精细运动活动测量结果的预先存在的数据集中，确定用于知觉传输、认知和运动输出活动的至少一个第一质量计量活动参数以及用于知觉传输和运动输出活动的至少一个第二质量计量活动参数；

ii）通过将所述第一质量计量活动参数和所述第二质量计量活动参数彼此比较，来确定用于认知的至少一个第三质量计量活动参数；

iii）基于该至少一个第一、第二和第三质量计量活动参数来评定主体中的信息处理速度；

iv）提供所述信息处理速度，作为本发明方法的步骤a）中的用于认知和/或精细运动活动的质量计量活动参数。

如本文使用的术语“信息处理速度”指代指示信息处理的速度的神经学参数。该实例中的信息处理由不同步骤组成，这些不同步骤以其次扩展到输出（即，通过按压智能电话触摸屏上的按键来作出响应）的到感觉系统中的视觉信息的输入开始。该过程中的主要步骤是：（1）传入视觉感觉信息的传输，即，知觉传输；（2）认知替代任务的完成，即，认知信息处理；以及（3）传出运动输出的执行，即，手部运动输出。信息处理速度可能受与包括本文其他地方具体提及的那些疾病或障碍的神经学疾病或障碍相关联的认知损害影响，或者可以是主体的认知能力的指示符。

如本文使用的术语“评定信息处理速度”指代评定主体中的信息处理速度，作为用于认知和/或精细运动活动的质量计量参数。该术语包括信息处理速度的绝对和相对确定。绝对确定应当典型地是指示主体中的信息处理的实际速度的参数的确定，而相对确定应当典型地是相对于参考（例如，相对于测试主体中的先前确定的信息处理速度、或者相对于参考主体中的信息处理速度、或者其组）的信息处理速度的确定。如本文所提到，信息处理速度典型地包括三个主要贡献者的评定，这三个主要贡献者是传入视觉感觉信息的传输（即，知觉传输）、认知替代任务的完成（即，认知信息处理）和传出运动输出的执行（即，手部运动输出），由根据本发明方法要确定的至少一个第一、第二和第三活动参数反映。

典型地，所述第一、第二和/或第三质量计量活动参数是时间参数，诸如，完成任务所需的表现时间或者在执行诸如速度中的改进或速度中的恶化之类的任务时指示速度的改变的时间参数。

在实施例中，从而，可以通过将所述第一质量计量活动参数和所述第二质量计量活动参数彼此比较，来确定用于认知的至少一个第三质量计量活动参数，即，可以通过所述基线响应时间将所确定的活动参数解卷积成反应时间和手部运动输出的处理时间和认知信息处理的时间。对于解卷积，可以使用任何合适数学运算。例如，该至少一个第三参数可以是通过下述减法来提供的：从所述至少一个第一质量计量活动参数减去该至少一个第二质量计量活动参数。应当理解，应当使用可比较性质的第一和第二参数，例如时间第一和第二时间参数、时间参数的第一和第二比率或者第一和第二得分参数等。

因此，在用于获取要分析的质量计量活动参数的移动设备上运行的计算机实现的IPS测试中，确定包括反应时间、手部运动输出的处理时间和认知信息处理的时间的任务（测试通过按压键区上的相应按键将如上描述的不同非朴素测试符号匹配于图例，该图例将在测试期间示出的所述不同测试符号分配给朴素数字或其他朴素符号，诸如字母）与包括反应时间和手部运动输出的处理时间的任务（基线任务，典型地，将朴素数字或符号匹配于键区上的匹配朴素数字或符号）之间的响应时间中的差异，作为一个认知质量计量活动参数。此外，IPS测试还旨在通过将在相同测试符号匹配序列的迭代的结尾处执行测试任务所需的响应时间和执行所运行的随机化符号匹配序列所需的响应时间进行比较，来确定学习能力。典型地，该时间比较还可以被确定为根据本发明方法的质量计量活动参数。

相应地，本发明还提供了一种用于评定信息处理速度的方法，包括：针对第一符号匹配任务和相同符号匹配任务的一个或多个迭代且典型地四个迭代之后的符号匹配任务的动眼神经活动测量结果的数据集实施步骤a）至c）；以及确定针对所述第一动眼神经活动测量结果的数据集和在迭代之后取得的数据集而评定的信息速度处理中的差异。速度中的所述差异是主体的认知学习能力的指示符。速度中的改进是正常或经改进的认知能力的指示符，而恶化是认知损害的指示符。

如本文使用的术语“动眼神经活动测量结果的数据集”指代由移动设备在认知动眼神经活动测量期间从主体获取的数据整体或者对于导出质量计量活动参数而言有用的所述数据的任何子集。还在本文其他地方找到细节。特别地，结合如根据本发明使用的术语“认知动眼神经活动测量结果的数据集”的活动测量结果包括如以下随附示例中描述的信息处理速度（IPS）测试的执行期间的数据集的测量结果。数据集是预先存在的数据集，其意味着本发明的方法典型地不要求来自主体的数据获取。

重要的是，可以从下述任何其他认知测试导出如上提及的认知质量计量活动参数，该其他认知测试是从移动设备获取的，且包括认知活动的至少一个定性特征中的表现波动的单个或合成度量。

（2）来自评估精细运动能力（精细运动评定）的计算机实现的测试的手部/臂部功能质量计量活动参数，特别地，手部/臂部运动功能，以及特别地，基于触摸屏的“绘制形状”和“掐捏”测试。

可以从“绘制形状”测试和“掐捏”测试导出用于手部/臂部功能的典型质量计量参数。

在又一实施例中，移动设备被适配成执行精细运动评定以及特别地手部/臂部活动测试，或者从精细运动评定以及特别地手部/臂部活动测试获取数据。手动敏捷度（手部运动功能）表征个体的以及时的方式协调手部和手指的移动并操控对象的能力。手动敏捷度大大影响了主体在日常活动、完成工作相关任务和参与休闲活动方面的表现。

手动敏捷度在2007年被标识为核心构造，以纳入美国国立卫生研究院工具箱（NIH）工具箱中，以用于评定神经学和行为功能，作为NIH神经科学研究蓝图倡议的一部分，该倡议开发了简洁而全面的仪器以测量运动、认知、感觉和情感功能。在回顾现有度量之后，专家推荐了手动敏捷度的两个候选度量：1）9孔桩测试（9HPT），以及2）凹槽拼板测试（GPT），以由于它们跨寿命跨度的适用性、心理计量安定性、简洁性（一个试验的完成时间相对较短）和多样设置中的适用性而可能纳入NIH工具箱中。

根本上，9HPT被选择是因为它满足了大多数纳入准则，并且测试在所有年龄组（尤其是更年轻的儿童）中容易管理。按要求，管理9孔桩测试的时间是简短的（小于5分钟以针对双手进行测量），以纳入NIH工具箱中。现有文献支持了9HPT作为手指敏捷度的可靠且有效度量，且作为能够在各种诊断组（即，多发性硬化、中风、大脑性瘫痪、小脑损害和帕金森病）中评定手部敏捷度。

已经跨包括儿童和年长成人的年龄跨度发布了9HPT的规范数据，并且自90年代晚期起，9HPT表示来自多发性硬化功能合成（MSFC）量表的功能性上肢评定的关键组分。

此外，根据本发明，开发了两个基于触摸屏的应用测试（即，所谓的“绘制形状”和“掐捏”测试），其旨在在用户友好的移动设备界面上复制用于实现神经学障碍中的手部运动功能的远程自评定的9HPT和GPT的特性。“绘制形状”和“掐捏”测试将评估上肢运动功能和手动敏捷度（掐捏、绘制），且将对上肢神经系统的锥体、锥体外、感觉和小脑组分中的改变和异常敏感，而且对上肢功能的神经肌肉和肌源性变更敏感。测试典型地是日常执行的，但可替换地可以以较低（例如，每周或每双周）频率执行。

“绘制形状”测试的目的是评定精细手指控制和中风定序。测试被认为覆盖受损手部运动功能的以下方面：震颤和痉挛和受损手眼协调。患者被指示以在未测试的手中握持移动设备，并在例如30秒的最大时间内“尽可能快速且准确地”利用所测试的手的第二个手指在移动设备的触摸屏上绘制增加的复杂度的6个预先写好的交替形状（线性、矩形、圆形、正弦和螺旋；参见下文）。为了成功绘制形状，患者的手指必须连续地在触摸屏上滑动并连接经过所有所指示的检查点且尽可能多地保持在写路径的边界内的所指示的起始和结束点。

两个线性形状每个具有五个检查点以连接；即，四个段。正方形形状具有九个检查点以连接；即，八个段。圆形形状具有14个检查点以连接；即，13个段。8字形状具有13个检查点以连接；即，12个段。螺旋形状具有22个检查点以连接，21个段。完成六个形状然后意味着成功绘制总共62个段。

绘制的准确度和用于绘制形状的时间将被报告给患者。另外，将利用熟悉的对象（例如：狗、马和建筑物的大小）报告和描绘所作出的所有图的总和长度。

可以利用右手和左手交替执行测试。将以日常交替指示用户。两个线性形状每个具有具体数目“a”的检查点以连接，即“a-1”个段。正方形形状具有具体数目“b”的检查点以连接，即，“b-1”个段。圆形形状具有具体数目“c”的检查点以连接，即，“c-1”个段。8字形状具有具体数目“d”的检查点以连接，即，“d-1”个段。螺旋形状具有具体数目“e”的检查点以连接，“e-1”个段。完成6个形状然后意味着成功绘制总共“（2a+b+c+d+e-6）”个段。

基于形状复杂度，线性和正方形形状可以与加权因子（Wf）1相关联，圆形和正弦形状可以与加权因子2相关联，并且螺旋形状可以与加权因子3相关联。在第二次尝试时成功完成的形状可以与加权因子0.5相关联。这些加权因子是可在本发明的情境中改变的数值示例。

感兴趣的典型绘制形状测试质量计量参数是以下列表中的一个或多个：

1. 形状完成表现得分：

a. 针对每测试成功完成的形状的数目（0至6）（ΣSh）；

b. 在第一次尝试时成功完成的形状的数目（0至6）（ΣSh₁）；

c. 在第二次尝试时成功完成的形状的数目（0至6）（ΣSh₂）；

d. 在所有尝试时失败/未完成的形状的数目（0至12）（ΣF）；

e. 反映利用针对相应形状的不同复杂度级别的加权因子而调整的成功完成的形状的数目的形状完成得分（0至10）（Σ[Sh*Wf]）；

f. 反映利用针对相应形状的不同复杂度级别的加权因子而调整的成功完成的形状的数目且计及第一次对第二次尝试的成功的形状完成得分（0至10）（Σ[Sh₁*Wf]+Σ[Sh₂*Wf*0.5]）；

g. 如#1e中定义的形状完成得分，并且#1f可以计及在乘以30/t的情况下测试完成时的速度，其中t将表示以秒为单位的完成测试的时间；

h. 基于某个时间段内的多个测试的每6个个体形状的总体和第一次尝试完成率：(ΣSh₁)/ (ΣSh₁+ΣSh₂+ΣF)和(ΣSh₁+ΣSh₂)/ (ΣSh₁+ΣSh₂+ΣF)，

2. 段完成和迅捷度表现得分/度量：

（如果适用的话，基于针对每一个形状的两次尝试中的最佳尝试的分析[所完成的段的最高数目]）

a. 针对每测试成功完成的段的数目（0至[2a+b+c+d+e-6]）（ΣSe）；

b. 成功完成的段的均值迅捷度（[C]，段/秒）：C=ΣSe/t，其中t将表示以秒为单位的完成测试的时间（最大30秒）；

c. 反映利用针对相应形状的不同复杂度级别的加权因子而调整的成功完成的段的数目的段完成得分（Σ[Se*Wf]）；

d. 经速度调整和加权的段完成得分（Σ[Se*Wf]*30/t），其中t将表示以秒为单位的完成测试的时间；

e. 针对线性和正方形形状的成功完成的段的形状专用数目（ΣSe_LS）；

f. 针对圆形和正弦形状的成功完成的段的形状专用数目（ΣSe_CS）；

g. 针对螺旋形状的成功完成的段的形状专用数目（ΣSe_S）；

h. 针对在线性和正方形形状测试中执行的成功完成的段的形状专用均值线性迅捷度：C_L=ΣSe_LS/t，其中t将表示以秒为单位的这些具体形状内的对应的成功完成的段的从起始到结束点消逝的累积时期时间；

i. 针对在圆形和正弦形状测试中执行的成功完成的段的形状专用均值圆形迅捷度：C_C=ΣSe_CS/t，其中t将表示以秒为单位的这些具体形状内的对应的成功完成的段的从起始到结束点消逝的累积时期时间；

j. 针对在螺旋形状测试中执行的成功完成的段的形状专用均值螺旋迅捷度：C_S=ΣSe_S/t，其中t将表示以秒为单位的这些具体形状内的对应的成功完成的段的从起始到结束点消逝的累积时期时间，

3. 绘制精度表现得分/度量：

（如果适用的话，基于针对每一个形状的两次尝试中的最佳尝试的分析[所完成的段的最高数目]）

a. 作为下述内容而计算的偏离（Dev）：所绘制的轨迹与针对每一个具体形状而达到的从起始到结束检查点的目标绘制路径之间的积分表面偏离的总体曲线下面积（AUC）度量之和除以这些形状内的对应目标路径（所达到的从起始到结束检查点）的总累积长度；

b. 作为#3a中的Dev但具体根据线性和正方形形状测试结果而计算的线性偏离（Dev_L）；

c. 作为#3a中的Dev但具体根据圆形和正弦形状测试结果而计算的圆形偏离（Dev_C）；

d. 作为#3a中的Dev但具体根据螺旋形状测试结果而计算的螺旋偏离（Dev_S）；

e. 作为#3a中的Dev但分离地根据6个不同形状测试结果中的每一个而计算的形状专用偏离（Dev_1-6），仅适用于其中在最佳尝试内成功完成了至少3个段的那些形状；

f. 计算与目标轨迹的形状专用或形状不可知总体偏离的任何其他方法的连续变量分析。

掐捏测试的目的是通过评估掐捏所闭合的手指移动的准确度来评定精细末梢运动操控（紧握和紧抓）和控制。测试被视为覆盖受损手部运动功能的以下方面：受损紧握/紧抓功能、肌肉虚弱和受损手眼协调。患者被指示以在未测试的手中且通过利用来自相同手的两个手指（典型地，拇指和第二个手指，或者更典型地，拇指和第三个手指）触摸屏幕来握持移动设备，以在30秒期间挤压或掐捏尽可能多的圆形状（例如，西红柿的图片）。成功掐捏的形状（例如，西红柿）的数目将被报告给患者，另外，将以熟悉的容易理解的符号（例如：等效为番茄酱瓶的西红柿）报告所掐捏的西红柿的总数。受损精细运动操控将影响表现。将利用右手和左手交替执行测试。将以日常交替指示用户。

从掐捏测试导出且作为反映测量手部/臂部功能完整性和手动敏捷度的测试内波动的连续成果变量而捕获的典型手部/臂部功能质量计量活动参数是从由下述各项构成的组中选择的：

1）在2个接续掐捏尝试（被定义为触摸屏上的双接触后跟掐捏尝试）之间消逝的时间，

2）针对所有所检测到的双接触，作为第一个和第二个手指触摸屏幕之间的滞后时间而测量的双触摸异步性，

3）针对所有所检测到的双接触，作为从双接触处两个手指的起始触摸点之间的等距点到西红柿形状的中心的距离而测量的掐捏目标精度，

4）针对成功掐捏的所有双接触，作为由两个手指从双接触起始点滑动直到达到掐捏间隙的相应距离（最短/最长）之比而测量的掐捏手指移动不对称性，

5）针对成功掐捏的所有双接触，作为每一个手指和/或全部两个手指在屏幕上从双接触的时间滑动直到达到掐捏间隙的速度（mm/sec）而测量的掐捏手指速度，

6）针对成功掐捏的所有双接触，作为相应个体手指在屏幕上从双接触的时间滑动直到达到掐捏间隙的速度（最慢/最快）之比而测量的掐捏手指异步性，以及

7）随时间对1）至6）的连续变量分析以及它们对变量持续时间的按时期的分析。

应当理解，根据本发明，可以确定这些质量计量参数中的一个或多个。典型地，要确定这些参数中的一个、两个、三个或全部。

感兴趣的典型掐捏测试质量计量参数是：

1. 受挤压的形状的数目

a. 在30秒中挤压的西红柿形状的总数（ΣSh）；

b. 在30秒中在第一次尝试时挤压的西红柿的总数（ΣSh₁）（第一次尝试被检测为成功挤压之后的屏幕上的第一次双接触，如果不是测试的那第一次尝试的话），

2. 掐捏精度度量：

a. 掐捏成功率（P_SR），被定义为ΣSh除以测试的总持续时间内的掐捏尝试的总数（ΣP）（作为屏幕上的分离地检测到的双手指接触的总数而测量）；

b. 针对所有所检测到的双接触，作为第一个和第二个手指触摸屏幕之间的滞后时间而测量的双触摸异步性（DTA）；

c. 针对所有所检测到的双接触，作为从双接触处两个手指的起始触摸点之间的等距点到西红柿形状的中心的距离而测量的掐捏目标精度（P_TP）；

d. 针对成功掐捏的所有双接触，作为由两个手指从双接触起始点滑动直到达到掐捏间隙的相应距离（最短/最长）之比而测量的掐捏手指移动不对称性（P_FMA）；

e. 针对成功掐捏的所有双接触，作为每一个手指和/或全部两个手指在屏幕上从双接触的时间滑动直到达到掐捏间隙的速度（mm/sec）而测量的掐捏手指速度（P_FV）；

f. 针对成功掐捏的所有双接触，作为相应个体手指在屏幕上从双接触的时间滑动直到达到掐捏间隙的速度（最慢/最快）之比而测量的掐捏手指异步性（P_FA）；

g. 随时间对2a至2f的连续变量分析以及它们对变量持续时间（5-15秒）的按时期的分析；

h. 与针对所有所测试的形状（特别地，螺旋和正方形）的目标绘制轨迹的偏离的积分度量的连续变量分析。

（3）来自用于行走表现和步态和步伐动态的度量的基于传感器的（例如，加速度计、陀螺仪、磁力计、全球定位系统（GPS））和计算机实现的测试的行走质量计量参数，特别地，该测试是2分钟步行测试（2MWT）和U形转弯测试（UTT）、静态平衡测试（SBT）、以及用于行走表现、迈步/步伐动态和在使用从被动连续步态分析（CAG）收集的数据来步行时的上肢运动功能的测试。

a）两分钟步行测试（2MWT）

该测试的目的是通过在2MWT中捕获步态特征来评定长距离步行中的困难、疲劳性或不寻常的模式。将从智能电话传感器捕获数据。可以在残疾进展或出现的复发的情况下观察到步伐和迈步长度的减小、步伐持续时间的增加、迈步持续时间和不对称性的增加、以及较不具有周期性的步伐和迈步（Hobart 2013）。患者将被指示以“尽可能快且长地步行达2分钟，但安全地步行”。2MWT是简单测试，其被要求在室内或在室外、在患者已经识别他们可以在不进行U形转弯的情况下直线步行远达≥200米的地方处的平坦地上执行。患者被允许按需穿戴规则的鞋类和辅助设备和/或鞋内矫形物。在两分钟的过程中步行的迈步数目以及在所执行的所有2分钟步行测试期间步行的迈步总数将被报告给患者。

从2MWT导出且作为反映测量步态和平衡完整性的测试内波动的连续成果变量而捕获的典型行走质量计量活动参数是从由下述各项构成的组中选择的：

1）步行迈步持续时间，

2）步行迈步速度（步/秒），

3）迈步不对称率（一个迈步与下一个迈步之间的迈步持续时间差除以均值迈步持续时间），以及

4）通过生物力学建模步行的迈步长度和总距离，

5）按时期的减速指数，

6）按时期的不对称性指数。

应当理解，根据本发明，可以确定这些质量计量参数中的一个或多个。典型地，要确定这些参数中的一个、两个、三个或全部。

特别感兴趣的进一步典型2MWT质量计量参数是以下列表中的一个或多个：

1. 步行速度和痉挛的代替物：

a. 在例如2分钟中检测到的迈步的总数（ΣS）；

b. 在2分钟中检测到的休息停止（如果有的话）的总数（ΣRs）；

c. 遍及2MWT的步行迈步持续时间（WsT）的连续变量分析；

d. 遍及2MWT的步行迈步速度（WsV）（步/秒）的连续变量分析；

e. 遍及2MWT的迈步不对称率（一个迈步与下一个迈步之间的均值迈步持续时间差除以均值迈步持续时间）：SAR=meanΔ(WsT_x- WsT_x+1)/(120/ΣS)；

f. 针对20秒的每一个时期检测到的迈步的总数（ΣS_{t, t+20}）；

g. 20秒的每一个时期中的均值步行迈步持续时间：WsT_{t, t+20}=20/ΣS_{t, t+20}；

h. 20秒的每一个时期中的均值步行迈步速度：WsV_{t, t+20}= ΣS_{t, t+20}/20；

i. 20秒的每一个时期中的迈步不对称率：SAR_{t, t+20}= meanΔ_{t, t+20}(WsT_x- WsT_x+1)/(20/ΣS_{t, t+20})；

j. 通过生物力学建模步行的迈步长度和总距离，

2. 步行疲劳性指数：

a. 减速指数：DI=WsV_100-120/max (WsV_0-20, WsV_20-40, WsV_40-60)；

b. 不对称性指数：AI= SAR_100-120/min (SAR_0-20, SAR_20-40, SAR_40-60)。

b）U形转弯测试（UTT）

该测试的目的是在以舒适的步速短距离步行时评定执行U形转弯时的困难或不寻常模式。UTT被要求在室内或在室外、在患者被指示以“安全地步行并执行在间隔几米的两个点之间前后走的至少五个接续U形转弯”的平坦地上执行。将从智能电话传感器捕获该任务期间的步态特征数据（迈步计数、U形转弯期间的持续时间和不对称性、U形转弯持续时间的改变）。患者被允许按需穿戴规则的鞋类和辅助设备和/或鞋内矫形物。转弯的速度将被报告给患者。

典型行走质量计量活动参数指示来自被动监视的连续步态分析和UTT中的步行质量的波动、来自UTT的转弯速度、在步行时的日常转弯的数目和平均日常转弯速度。这些质量计量参数的主体内逐日监视允许检测例如多发性硬化复发。根据随附示例，在报告复发之前和之后之间观察到利用UTT测量的主动测试U形转弯速度中的清晰差异。

感兴趣的典型UTT质量计量参数来自以下列表：

1. 完整U形转弯的从起始到结束所需的均值迈步数目（ΣSu）；

2. 完整U形转弯的从起始到结束所需的均值时间（Tu）；

3. 均值步行迈步持续时间：Tsu=Tu /ΣSu；

4. 转弯方向（左/右）；

5. 转弯速度（度/秒）。

应当理解，根据本发明，可以确定这些质量计量参数中的一个或多个。典型地，要确定这些参数中的一个、两个、三个或全部。

c）连续步态分析（CAG）

从智能电话传感器捕获的步态特征数据（迈步计数、持续时间和不对称性）的连续记录将允许步行动态的日常容量和质量的被动监视。患者的活动的半径将被报告给患者。该半径将以标准尺寸以及以熟悉的外行术语（例如：足球场的大小）表达。从传感器捕获的步态特征数据（迈步计数、持续时间和不对称性，以及在步行时的摆臂动态）的连续记录将允许步行动态的日常容量和质量的被动监视。活动检测是步态检测和分析和活动分析的在先步骤。其可以基于不同的更复杂或更不复杂的途径（Rai 2012, Zee: zero-effortcrowdsourcing for indoor localization. Proceedings of the 18th annualinternational conference on Mobile computing and networking. ACM; Alsheikh,M. A., Selim, A., Niyato, D., Doyle, L., Lin, S., & Tan, H.-P. (2015). DeepActivity Recognition Models with Triaxial Accelerometers. arXiv preprintarXiv:1511.04664; or Ordóñez, F. J., & Roggen, D. (2016). Deep Convolutionaland LSTM Recurrent Neural Networks for Multimodal Wearable ActivityRecognition. Sensors, 16(1), 115），这在加速度计信号的标准差高于0.01g的情况下将一秒的窗口视为活动的。测试典型地是日常执行的。

从CAG导出且作为反映测量步态和平衡完整性的测试内波动的连续成果变量而捕获的典型行走质量计量活动参数是从由下述各项构成的组中选择的：

1）在连续步行的每一个间隔内检测到的迈步的数目的频率分布，

2）随时间的步行迈步持续时间/速度，

3）通过生物力学建模导出的随时间的迈步长度变化，

4）随时间的升高增益，以及

5）坐/站转变和转弯的频率分布。

应当理解，根据本发明，可以确定这些质量计量参数中的一个或多个。典型地，要确定这些参数中的一个、两个、三个或全部。

感兴趣的典型进一步CAG质量计量参数是以下列表中的一个或多个：

日常步行范围和速度的代替物：

a. 针对主动记录的每一天检测到的迈步的总数（ΣSd）；

b. 针对主动记录的每一天检测到的步行的总累积时间（ΣT）；

c. 针对主动记录的每一天的连续步行的间隔的总数（ΣId）；

d. 针对主动记录的每一天的连续步行的每一个间隔内检测到的迈步的数目的频率分布（ΔSi）；

e. 针对主动记录的每一天的连续步行的单个间隔中的迈步的最大数目（Scmax）；

f. 针对主动记录的每一天的均值步行迈步持续时间：WsT=ΣT/ΣSd；

g. 针对每天且处于具体步行回合或各种持续时间中的均值行为转弯速度；

h. 针对每天检测到的行为转弯的均值数目；

i. 均值迈步动力；

j. 针对每天的爬楼梯的数目和特性；

k. 慢跑时间的回合数目和特性；

l. 针对每天的坐/站转变的数目和特性，针对主动记录的每一天的均值步行迈步速度：WsV=ΣSd/ΣT（步/分钟）；

m. 通过生物力学建模导出的针对每天步行的迈步长度和总距离；

n. 基于爬楼梯、慢跑、步行、转弯、坐/站转变事件检测的所有组合的步态活动特征的均值昼夜节律模式；

o. 按一天中的时间的变量#a-n。

d）静态平衡测试（SBT）

该测试的目的是如在广泛使用的伯格氏平衡量表（BBS）的项目之一（即，无支撑站立）中那样评定人的静态平衡功能，伯格氏平衡量表（BBS）是被设计成评定成人人口中的静态平衡和跌倒风险的14项客观度量（Berg 1992）。将从智能电话传感器捕获数据。患者被询问以无支撑静止站立达30秒，其中如果可能的话，臂部放松伸直放在身体旁边，并且其中智能电话保持处于运行带中、处于中间靠前位置。具有增加的跌倒风险和/或受损的静态平衡功能的个体可以论证经变更的姿势控制[摇摆]（Wai 2014）。平衡移动中的变化将按摇摆路径长度而被报告给患者，且以符号（例如：固体大岩石、小岩石）描绘。动画的摇摆路径将被示作平衡变化的容易理解的表示。

从SBT导出且作为反映测量步态和平衡完整性的测试内波动的连续成果变量而捕获的典型行走质量计量活动参数是从由下述各项构成的组中选择的：

1）摇摆急动：加速度的时间导数[Mancini 2012]，

2）摇摆路径：轨迹的总长度，以及

3）摇摆范围。

应当理解，根据本发明，可以确定这些质量计量参数中的一个或多个。典型地，要确定这些参数中的一个、两个或全部。

感兴趣的典型进一步SBT质量计量参数是以下列表中的一个或多个：

1. 摇摆急动：加速度的时间导数（Mancini 2012），

2. 摇摆路径：轨迹的总长度，

3. 摇摆范围。

应当理解，根据本发明要应用的移动设备可以被适配成执行上面提及的活动测试中的一个或多个。特别地，其可以被适配成执行这些测试中的至少一个、至少两个或全部。典型地，可以在移动设备上实现测试的组合。

此外，在本发明的方法中，可以根据包括从来自主体的移动设备获得的一般信息的数据确定至少一个进一步参数。除上面提到的质量计量参数外还可以从主体取得一般信息。该信息典型地是从回答情绪量表问题、回答与生活质量和疾病症状有关的问题、特别是通过执行29项多发性硬化影响量表（MSIS29）问卷调查和/或多发性硬化症状跟踪器（MSST）来导出的。

以下，指定根据本发明方法的用于由移动设备进行测量的进一步的特定的所设想的活动测试和手段：

（4）评估情感状态和安康的计算机实现的测试，特别地，情绪量表问题（MSQ）。

在实施例中，移动设备被适配用于执行情绪量表问题（MSQ）问卷调查或者从情绪量表问题（MSQ）问卷调查获取数据。以其各种形式存在的抑郁是MS患者的普遍症状，并且如果留下未治疗，则其降低生活质量，使其他症状——包括疲劳、疼痛、认知改变——感觉更糟，且可能威胁生命（国家MS协会）。因此，为了评定患者感知的总体状态，将在移动设备上通过5项问题来关于他们感觉如何对他们进行询问。问卷调查典型地是日常执行的。

感兴趣的典型MSQ表现参数：

1. 最后一周、月和年中具有极好情绪的天的比例；

2. 最后一周、月和年中具有≥良好情绪的天的比例；

3. 最后一周、月和年中具有≥得体情绪的天的比例；

4. 最后一周、月和年中具有极差情绪的天的比例；

5. 最后一月期间以及最后一年期间6-8am、8-10am、10-12am、12-14、14-16、16-18、18-20、20-24、0-6am之间的按一天中的时间的响应类型的频率分布。

（5）评估生活质量的计算机实现的测试，特别地，29项多发性硬化影响量表（MSIS29）。

在一个实施例中，移动设备被适配用于执行多发性硬化影响量表（MSIS）-29测试或者从多发性硬化影响量表（MSIS）-29测试获取数据。为了评定MS对主体的日常生活的影响，将在移动设备上每双周询问他们以完成MSIS-29（Hobart 2001, Brain 124: 962-73），MSIS-29是被设计成测量从患者的视角来看MS的身体（项目1-20）和心理（项目21-29）影响的29项问卷调查（Hobart 2001, loc. cit.）。我们将使用MSIS-29的第二个版本（MSIS-29v2），其针对每一个项目具有四点响应类别：“根本不”、“有点”、“适中”和“极度”。MSIS-29得分在从29至116的范围内变动。身体影响量表上的得分可以在从20至80的范围内变动，并且心理影响量表上的得分可以在从9至36的范围内变动，其中较低得分指示MS的影响小并且较高得分指示影响较大。分别与行走/下肢和手部/臂部/上肢身体功能相关的MSIS-29v2的问题项目#4和#5以及项目#2、#6和#15还将受制于分离的集群分析。该测试典型地是每双周执行的。

感兴趣的典型MSIS-29(v2)表现参数：

1. MSIS-29得分（29-116）；

2. MSIS-29身体影响得分（20-80）；

3. MSIS-29心理影响得分（9-36）；

4. MSIS-29行走/下肢得分（2-10）；

5. MSIS-29手部/臂部/上肢得分（3-15）；

6. 基于理解所提出的问题并提供答案所需的最少时间的1.-5.的经时间校正/过滤的MSIS-29得分；

7. 基于给定答案的改变的数目和所提供的答案之间的差异/变化的1.-6.的确实加权的MSIS-29得分；

8. 在MSIS-29期间捕获的精细手指运动技能功能参数

a. 触摸屏接触的持续时间（Tts）的连续变量分析；

b. 触摸屏接触与最接近目标数字按键的中心之间的偏离（Dts）的连续变量分析；

c. 在键入响应时错误键入的触摸屏接触的数目（Mts）（不触发按键击中或者触发按键击中但与屏幕上的辅助滑动相关联的接触之和）；

9. 在eSDMT的对抗对应变量期间6a、6b和6c变量之比（表示每90秒在MSIS-29的情况下Mts的计划数目的6c的变换/归一化）。

（6）跟踪出现的新的或恶化的疾病症状的计算机实现的测试，特别地，多发性硬化症状跟踪器（MSST）。

在又一实施例中，移动设备被适配用于执行多发性硬化症状跟踪器（MSST）或者从多发性硬化症状跟踪器（MSST）获取数据。由于患者对复发发生率和症状变化的感知可能不同于被视为复发的临床相关症状加剧，因此将在智能电话上每双周直接向患者询问面向检测新的/恶化的症状的简单问题，并使该简单问题与MSIS-29问卷调查同步。另外，患者有可能在任何时间处报告症状及其相应发病日历日期。典型地，MSST可以是每双周或按需执行的。

感兴趣的典型MSST表现参数：

1. 最后一月和年内的“最后两周期间的新的或显著恶化的症状”的所报告的发作的数目（按照症状发病日期）；

2. 最后一年内的被视为“（一个或多个）复发”相对于“不复发”相对于“不确定”的“最后两周期间的新的或显著恶化的症状”的总的所报告的发作的比例。

（7）在某个时间窗口期间执行的主体的所有活动或活动的预定子集的计算机实现的被动监视。

在又一实施例中，移动设备被适配用于执行所有活动或活动子集的被动监视或者从所有活动或活动子集的被动监视获取数据。特别地，被动监视应当涵盖监视在预定义窗口（诸如，一天或多天或者一周或多周）期间执行的一个或多个活动，该一个或多个活动是从由下述各项构成的组中选择的：步态的测量、一般地日常例程中的移动的量、日常例程中的移动的类型、日常生活中的一般移动性和移动行为的改变。

感兴趣的典型被动监视表现参数：

a. 步行的频率和/或速度；

b. 站起来/坐下、静止站立和平衡的量、能力和/或速度；

c. 作为一般移动性的指示符的所访问位置的数目；

d. 作为移动行为的指示符而访问的位置的类型。

应当理解，根据本发明要应用的移动设备可以被适配成执行上面提及的进一步测试中的一个或多个。特别地，其可以被适配成执行这些测试中的至少一个、至少两个或全部。

此外，移动设备可以被适配成执行进一步认知和移动障碍和疾病测试，诸如其他认知测试和/或视觉对比敏锐度测试的计算机实现的版本（诸如低对比度字母敏锐度或石原氏测试；石原氏测试（参见例如Bove 2015））。

在本发明方法中也可以处理进一步数据。这些进一步数据典型地适于进一步加强主体中的进展MS的识别。典型地，这种数据可以是来自MS的生物化学生物标记的参数或者来自成像方法的数据，该成像方法诸如是整个脑容量、脑实质片断、整个灰质容量、皮层灰质容量、具体皮层区域的容量、深灰质容量、丘脑容量、胼胝体表面或厚度、白质容量、第三脑室容量、总脑T2加权高强度病变容量、总皮质病变容量、总脑T1加权高强度病变容量、总脑FLAIR（流体衰减反转恢复）病变容量、总新和/或扩大T2和FLAIR病变数目和容量的横截面和/或纵向磁共振成像（MRI）度量，如使用自动化算法解软件（诸如但不专门是MSmetrix^TM或NeuroQuant^TM）而评定的那样。

如本文使用的术语“移动设备”指代包括适于获得活动测量结果的数据集的传感器和数据记录装备的任何便携式设备。典型地，移动设备包括用于测量活动的传感器。这可能还要求数据处理器和储存单元以及用于在移动设备上电子模拟活动测试的显示器。此外，从主体的活动，应当记录数据并将数据编译到本发明方法要在移动设备自身上或在第二设备上评估的数据集。取决于所设想的具体设置，可能必要的是，移动设备包括数据传输装备，以便将所获取的数据集从移动设备传送到一个或多个进一步设备。根据本发明特别好地适合作为移动设备的是智能电话、智能手表、可穿戴传感器、便携式多媒体设备或平板计算机。可替换地，可以使用具有数据记录的便携式传感器，以及可选地，可以使用处理装备。进一步地，取决于要执行的活动测试的种类，移动设备应当被适配成显示针对主体的与要针对测试实施的活动有关的指令。主体要实施的特定的所设想的活动在本文其他地方描述，且涵盖以下测试：信息处理速度（IPS）测试、在移动设备的传感器表面上执行的掐捏测试和/或来自U形转弯测试（UTT）、2分钟步行测试（2MWT）、静态平衡测试（SBT）或来自被动监视的连续步态分析（CAG）、以及本说明书中描述的其他测试。

确定至少一个参数以及特别地如本文提到的质量计量参数可以是通过从数据集导出期望测量值直接作为所述参数来实现的。可替换地，参数可以将来自数据集的一个或多个测量值进行积分，且因而可以是通过诸如计算之类的数学运算从数据集导出的。典型地，参数是通过自动化算法（例如，通过在被有形地嵌入到由活动测量结果的数据集进行的数据处理设备馈送上时从所述数据集自动导出所述参数的计算机程序）从数据集导出的。

如本文使用的术语“参考”指代鉴别器，其允许患有认知和移动疾病或障碍的主体的识别。这种鉴别器可以是指示患有认知和移动障碍或疾病的主体的参数的值。

这种值可以是从已知遭受要研究的认知和移动疾病或障碍的主体的一个或多个参数（特别地，如本文提到的质量计量参数）导出的。典型地，在这种情况下，平均值或中位数可以被用作鉴别器。如果来自主体的所确定的参数与参考相同或者高于从参考导出的阈值，则在这种情况下可以将主体识别为遭受认知和移动疾病或障碍。如果所确定的参数不同于参考且特别地低于所述阈值，则相应地应当将主体识别为未遭受认知和移动疾病或障碍。

类似地，可以从已知未遭受要研究的认知和移动疾病或障碍的主体的一个或多个参数（特别地，如本文提到的质量计量参数）导出值。典型地，在这种情况下，平均值或中位数可以被用作鉴别器。如果来自主体的所确定的参数与参考相同或者低于从参考导出的阈值，则在这种情况下可以将主体识别为未遭受认知和移动疾病或障碍。如果所确定的参数不同于参考且特别地高于所述阈值，则应当将主体识别为遭受认知和移动疾病或障碍。

作为可替换方案，参考可以是来自已经在实际数据集之前从相同主体获得的活动测量结果的数据集的先前确定的参数，特别地，如本文提到的质量计量参数。在这种情况下，从相对于先前确定的参数不同的实际数据集确定的所确定的参数应当指示取决于疾病的先前状态和由参数表示的活动的种类的改进或恶化。技术人员基于活动的种类和先前参数来知道所述参数如何可以被用作参考。

将所确定的至少一个参数（特别地，如本文提到的质量计量参数）与参考进行比较可以是通过在诸如计算机之类的数据处理设备上实现的自动化比较算法来实现的。彼此比较的是如本文其他地方详细指定的所确定的参数的值和针对所述所确定的参数的参考。作为比较的结果，可以评定所确定的参数是否与参考相同或不同或者是否与参考处于某种关系中（例如，大于或低于参考）。基于所述评定，可以将主体识别为遭受认知和移动疾病或障碍（“划入”）或未遭受认知和移动疾病或障碍（“排除”）。对于该评定，将如结合根据本发明的合适参考在其他地方描述的那样考虑参考的种类。

此外，通过确定所确定的参数与参考之间的差异的程度，主体中的认知和移动疾病或障碍的定量评定应当是可能的。应当理解，可以通过将实际确定的参数与被用作参考的更早确定的参数进行比较来确定改进、恶化或未改变的总体疾病状况或其症状。基于所述表现参数的值中的定量差异，可以确定且可选地还可以量化改进、恶化或未改变的状况。如果使用其他参考（诸如，来自遭受要研究的认知和移动疾病或障碍的主体的参考），则应当理解，如果某个疾病阶段可以被分配给参考集体，则定量差异是有意义的。相对于该疾病阶段，在这种情况下可以确定且可选地还可以量化恶化、改进或未改变的疾病状况。

所述诊断（即，将主体识别为遭受认知和移动疾病或障碍或未遭受认知和移动疾病或障碍的主体）被指示给主体或其他人，诸如执业医师。典型地，这是通过在移动设备或评估设备的显示器上显示该评定来实现的。可替换地，针对疗法（诸如，药物治疗）或针对某个生活方式（例如，某个营养饮食或康复措施）的推荐被自动提供给主体或其他人。为此，将所建立的诊断与在数据库中被分配给不同诊断或评定的推荐进行比较。一旦所建立的评定匹配于所存储和分配的诊断或评定之一，就可以由于将推荐分配给匹配于所建立的诊断或评定的所存储的诊断或评定而识别合适推荐。相应地，典型地设想推荐和诊断以关系数据库的形式存在。然而，允许合适推荐的识别的其他布置也是可能的且对技术人员来说已知。

此外，该一个或多个参数还可以被存储在移动设备上，或者典型地被实时指示给主体。所存储的参数可以被组装成时间过程或类似评估措施。这种所评估的参数可以作为针对根据本发明方法研究的活动能力的反馈而被提供给主体。典型地，这种反馈可以是以电子格式在移动设备的合适显示器上提供的，且可以联系到针对如上指定的疗法或康复措施的推荐。

进一步地，所评估的参数还可以被提供给医生的办公室或医院中的执业医师以及被提供给其他健康护理提供者，诸如，临床试验的情境中的诊断测试开发者或药物开发者、健康保险提供者、或者公共或私人健康护理系统的其他利害关系人。

典型地，可以如下实施用于评定遭受认知和移动疾病或障碍的主体的本发明方法：

第一，根据使用移动设备从所述主体获得的活动测量结果的现有数据集确定认知和/或精细运动活动的至少一个质量计量参数。所述数据集可以是从移动设备传输到评估设备（诸如，计算机）的，或者可以是在移动设备中处理的，以便从数据集导出所述至少一个参数。

第二，通过例如使用由移动设备的数据处理器或由评估设备（例如，计算机）实施的计算机实现的比较算法，将认知和/或精细运动活动的所确定的至少一个质量计量参数与参考进行比较。相对于在比较中使用的参考而评定比较的结果，并且基于所述评定，将相对于认知和移动疾病或障碍而评定主体。

第三，将所述评定（例如，将主体识别为遭受认知和移动疾病或障碍或未遭受认知和移动疾病或障碍的主体）指示给主体或其他人（诸如，执业医师）。

可替换地，针对疗法（诸如，药物治疗）或针对某个生活方式（例如，某个营养饮食）的推荐被自动提供给主体或其他人。为此，将所建立的评定与在数据库中被分配给不同评定的推荐进行比较。一旦所建立的评定匹配于所存储和分配的评定之一，就可以由于将推荐分配给匹配于所建立的评定的所存储的评定而识别合适推荐。典型推荐涉及如本文其他地方描述的疗法措施。

又作为可替换方案或者另外，构成评定的基础的至少一个参数将被存储在移动设备上。典型地，其应当由在移动设备上实现的合适评估工具（诸如，时间过程组装算法）与其他所存储的参数一起评估，这可以以电子方式帮助如本文其他地方指定的康复或疗法推荐。

鉴于上述内容，本发明还具体想到了一种在主体中评定认知和移动疾病或障碍的方法，包括下述步骤：

a）在由主体执行的预定活动期间，使用移动设备来从所述主体获得认知和/或精细运动活动测量结果的数据集；

b）确定根据使用移动设备从所述主体获得的活动测量结果的所述数据集确定的认知和/或精细运动活动的至少一个质量计量参数；

c）将认知和/或精细运动活动的所确定的至少一个质量计量参数与参考进行比较；以及

d）基于在步骤（c）中实施的比较来在主体中评定认知和移动疾病或障碍。

如以下所使用，以非排他的方式使用术语“具有”、“包括”或“包含”或其任何任意语法变形。因此，这些术语既可以指代其中除由这些术语引入的特征外没有进一步特征存在于在该情境中描述的实体中的情形，又可以指代其中存在一个或多个进一步特征的情形。作为示例，表述“A具有B”、“A包括B”和“A包含B”既可以指代其中除B外没有其他元素存在于A中的情形（即，其中A仅仅且专门由B构成的情形），又可以指代其中除B外一个或多个进一步元素存在于实体A中（诸如元素C、元素C和D、或者甚至进一步元素）的情形。

进一步地，应当注意，术语“至少一个”、“一个或多个”或者指示特征或元素可以存在一次或多于一次的类似表述典型地将在引入相应特征或元素时被使用仅一次。以下，在大多数情况下，当指代相应特征或元素时，表述“至少一个”或“一个或多个”不会被重复，尽管相应特征或元素可以存在一次或多于一次这一事实。

进一步地，如以下所使用，结合附加/可替换特征使用术语“特别地”、“更特别地”、“具体地”、“更具体地”、“典型地”和“更典型地”或类似术语，而不限制可替换可能性。因此，由这些术语引入的特征是附加/可替换特征，且不意在以任何方式限制权利要求的范围。如技术人员应当认识到的那样，可以通过使用可替换特征来执行本发明。类似地，由“在本发明实施例中”或类似表述引入的特征意在作为附加/可替换特征，而没有与本发明可替换实施例有关的任何限制、没有与本发明范围有关的任何限制、且没有与将以这种方式引入的特征与本发明的其他附加/可替换或非附加/可替换特征进行组合的可能性有关的任何限制。

有利地，在构成本发明的基础的研究中已经发现，从在被怀疑遭受或遭受认知和移动疾病或障碍的患者的某些活动期间测量的数据集获得（可选地，与运动和认知能力的其他表现参数一起）的精细运动活动的质量计量参数可以被用作用于评定（例如，识别或监视）那些患者的数字生物标记。特别地，在构成本发明的基础的研究中示出了：被用作生物标记的质量计量参数与其他（传统）认知或精细运动活动参数相比更好，这是由于它们不仅充当针对执行某个任务的能力的度量，而且反映系统（例如，神经系统和/或运动系统）如何通过测量一系列任务的执行中的波动来总体执行。相应地，所获得的结果比取决于个体活动参数的那些结果更鲁棒和可靠。在构成本发明的基础的研究中，特别地，有利地发现了：测量掐捏测试（参见图3，临床试验NCT02952911的中期分析）期间的掐捏任务表现中的手动敏捷度的波动的手部/臂部功能质量计量活动参数比对应诊所内表现测试（即，9孔桩测试（9HPT））更能够检测异常功能。事实上，当根据9HPT来评定具有大概正常手部/臂部功能的患有MS的NCT02952911研究患者时，掐捏测试的质量计量参数能够将患有MS的患者与健康控制（参见图3）鉴别开。作为进一步示例，发现了：有利地，测量日常UTT（参见图4，临床试验NCT02952911的中期分析）中的步行质量（转弯速度）的波动的行走质量计量活动参数可以识别暗示诊所内表现测试未检测到或可能未在发病时准确注明日期的MS疾病进展和/或活动的急性残疾恶化。在该示例中，在通过症状跟踪器报告可能的“复发”之前和之后之间观察到利用5UTT测量的主动测试U形转弯速度中的清晰差异（参见图4，面板b）。被动连续步态分析（CAG）中的转弯行为（另一行走质量计量参数）在针对日常转弯的数目的“复发”发病/报告之前相对于之后也不同（参见图4，面板c）。

本发明方法所研究的所述数据集可能已经通过使用移动设备（诸如，遍及各处的智能电话、便携式多媒体设备或平板计算机）而以方便的方式从患者获取。根据本发明方法的数据集的评估可以是在相同移动设备上实施的，或者其可以是在分离的远程设备上实施的。此外，通过使用这种移动设备，可以将对生活方式或疗法的推荐直接提供给患者，即，无需咨询医生的办公室或医院救护车中的执业医师。归功于本发明，可以由于通过本发明方法使用实际的所确定的参数而将患者的生活状况更精确地调整到实际疾病状态。从而，可以选择更高效的药物治疗，或者可以对患者的当前状态适配给药养生法。应当理解，典型地，本发明的方法是要求来自主体的认知或精细运动活动测量结果的数据集的现有数据集的数据评估方法。在该数据集内，该方法确定可以用于评定认知和移动疾病或障碍的至少一个认知或精细运动活动参数，即，其可以被用作针对所述疾病或障碍的数字生物标记。

相应地，本发明的方法可以用于：

- 评定疾病状况；

- 监视患者，特别地，在现实生活日常情形中且大规模地；

- 利用生活方式和/或疗法推荐来支持患者；

- 研究药物功效，例如，也在临床试验期间；

- 促进和/或帮助疗法决策制定；

- 支持医院管理；

- 支持康复措施管理；

- 支持健康保险评定和管理；和/或

- 支持公共健康管理中的决策；

- 信息处理速度中的亚临床微妙改变的识别/评定；

- 评定疾病修饰疗法和治疗（DTM）；和/或

- 一般评定认知能力。

上面作出的术语的解释和定义在已作必要修正的情况下适用于下文中描述的实施例。

以下，描述本发明方法的特定实施例：

在本发明方法的实施例中，所述认知和移动疾病或障碍是影响锥体、锥体外、感觉或小脑系统的中央和/或周围神经系统的疾病或障碍、或者神经肌肉疾病、或者是肌肉疾病或障碍。

在本发明方法的又一实施例中，所述认知和移动疾病或障碍是从由下述各项构成的组中选择的：多发性硬化、中风、小脑障碍、小脑性共济失调、痉挛性截瘫、原发性震颤、肌无力或者其他形式的神经肌肉障碍、肌肉营养不良、肌炎或其他肌肉障碍、周围神经病、大脑性瘫痪、锥体外综合征、阿尔茨海默病、其他形式的痴呆、脑白质营养不良、自闭症谱系障碍、注意力缺陷障碍（ADD/ADHD）、如DSM-5所定义的智力残疾、与老化相关的认知表现和储备的损害、帕金森病、亨廷顿病、多发性神经病和肌萎缩性侧索硬化。

特别地，已经发现：可以通过使用从绘制形状和/或挤压形状测试获得的精细运动活动数据集来高效地识别遭受NMO和NMOSD、小脑性共济失调、痉挛性截瘫、原发性震颤、肌无力或者其他形式的神经肌肉障碍、肌肉营养不良、肌炎或其他肌肉障碍、周围神经病的主体。可以根据从eSDMT测试获得的精细运动活动数据集高效地识别遭受大脑性瘫痪、锥体外综合征、阿尔茨海默病、其他形式的痴呆、脑白质营养不良、自闭症谱系障碍、注意力缺陷障碍（ADD/ADHD）、如DSM-5所定义的智力残疾、与老化相关的认知表现和储备的损害的主体。可以通过来自任何测试或来自所有测试的组合的精细运动活动数据集来高效地识别剩余疾病或障碍。相应地，取决于要研究的认知和移动疾病或障碍，移动设备可以个体地被配置用于从测试的合适组合获得数据集。

在本发明方法的实施例中，该至少一个质量计量活动参数是指示神经认知功能中的波动的认知质量计量活动参数、指示手动敏捷度中的波动的手部/臂部功能质量计量活动参数或者指示移动波动的行走质量计量活动参数。

在本发明方法的另一实施例中，所述认知和/或精细运动活动测量结果包括来自信息处理速度（IPS）测试、在移动设备的传感器表面上执行的掐捏测试和/或来自U形转弯测试（UTT）、2分钟步行测试（2MWT）、静态平衡测试（SBT）或来自被动监视的连续步态分析（CAG）的数据。

在本发明方法的实施例中，认知活动测量结果的所述数据集包括来自移动设备的传感器表面上的信息处理速度（IPS）测试的数据。

在本发明方法的又一实施例中，另外，确定来自活动测量结果的数据集的至少一个表现参数，其指示主体的其他运动能力和功能、步行、颜色视觉、注意力、敏捷度和/或认知能力、生活质量、疲劳、精神状态、情绪、视觉和/或认知。

在本发明方法的再一实施例中，另外，确定来自活动测量结果的数据集的至少一个表现参数，其是从由下述各项构成的组中选择的：视觉对比敏锐度测试（诸如低对比度字母敏锐度或石原氏测试）以及情绪量表问题（MSQ），MISI-29。

在本发明方法的实施例中，所述移动设备已经被适配用于在主体上实施上面针对认知和/或精细运动活动测量结果而提到的测试中的一个或多个以及优选地所有这些测试。

然而，在本发明方法的实施例中，所述移动设备被包括在智能电话、智能手表、可穿戴传感器、便携式多媒体设备或平板计算机中。

在本发明方法的再一实施例中，所述参考是针对认知和/或精细运动活动的至少一个质量计量活动参数，其是从认知和/或精细运动活动测量结果的数据集导出的，所述数据集是在当已经从主体获得在步骤a）中提到的认知和/或精细运动活动测量结果的数据集时的时间点之前的时间点处从所述主体获得的。典型地，所确定的至少一个质量计量活动参数与参考之间的恶化指示遭受认知和移动疾病或障碍的主体。

在本发明方法的另一实施例中，所述参考是针对认知和/或精细运动活动的至少一个质量计量活动参数，其是从认知和/或精细运动活动测量结果的数据集导出的，所述数据集是从已知遭受认知和移动疾病或障碍的主体或主体组获得的。典型地，所确定的至少一个质量计量活动参数与参考相比基本相同指示遭受认知和移动疾病或障碍的主体。

在本发明方法的另外实施例中，所述参考是针对认知和/或精细运动活动的至少一个质量计量活动参数，其是从认知和/或精细运动活动测量结果的数据集导出的，所述数据集是从已知未遭受认知和移动疾病或障碍的主体或主体组获得的。典型地，所确定的至少一个质量计量活动参数与参考相比恶化指示遭受认知和移动疾病或障碍的主体。

本发明还想到了一种计算机程序、计算机程序产品或者有形地嵌入有所述计算机程序的计算机可读储存介质，其中该计算机程序包括指令，该指令在数据处理设备或计算机上运行时实施如上指定的本发明方法。具体地，本公开进一步涵盖：

- 包括至少一个处理器的计算机或计算机网络，其中该处理器被适配成执行根据本说明书中描述的实施例之一的方法，

- 计算机可加载数据结构，其被适配成在该数据结构在计算机上执行时执行根据本说明书中描述的实施例之一的方法，

- 计算机脚本，其中该计算机程序被适配成在该程序在计算机上执行时执行根据本说明书中描述的实施例之一的方法，

- 包括程序装置的计算机程序，该程序装置用于在该计算机程序在计算机上或在计算机网络上执行时执行根据本说明书中描述的实施例之一的方法，

- 包括根据前述实施例的程序装置的计算机程序，其中该程序装置被存储在对计算机来说可读的储存介质上，

- 储存介质，其中数据结构被存储在该储存介质上，并且其中该数据结构被适配成在已经被加载到计算机或计算机网络的主和/或工作储存器中之后执行根据本说明书中描述的实施例之一的方法，

- 具有程序代码装置的计算机程序产品，其中该程序代码装置可以被存储或者被存储在储存介质上，以用于在该程序代码装置在计算机上或在计算机网络上执行的情况下执行根据本说明书中描述的实施例之一的方法，

- 数据流信号，典型地被加密，包括使用移动装置从主体获得的认知或精细运动活动测量结果的数据集，以及

- 数据流信号，典型地被加密，包括从认知或精细运动活动测量结果数据集的数据集导出的认知或精细运动活动的至少一个质量计量参数，该数据集是使用移动装置从主体获得的。

本发明进一步涉及一种用于根据使用移动设备从所述主体获得的认知或精细运动活动测量结果的数据集确定认知或精细运动活动的至少一个质量计量参数的方法，

a）从认知或精细运动活动测量结果的典型地预先存在的数据集导出认知或精细运动活动的至少一个质量计量参数，该预先存在的数据集是使用移动设备从所述主体获得的；以及

b）将所确定的至少一个质量计量参数与参考进行比较，其中典型地，认知或精细运动活动的所述至少一个质量计量参数可以帮助在所述主体中评定认知和移动疾病或障碍。

本发明还涉及一种用于推荐针对认知和移动疾病或障碍的疗法的方法，包括本发明的上面提及的方法（即，用于将主体识别为遭受认知和移动疾病或障碍的方法）的步骤和在认知和移动疾病或障碍被评定的情况下推荐疗法的进一步步骤。

如本文使用的术语“针对认知和移动疾病或障碍的疗法”指代所有种类的医学治疗，包括基于药物的疗法、外科手术、精神疗法、物理疗法等等。该术语还涵盖生活方式推荐、康复措施和营养饮食的推荐。典型地，该方法涵盖基于药物的疗法的推荐以及特别地涵盖具有已知对于认知和移动疾病或障碍的治疗而言有用的药物的疗法的推荐。这种药物可以是具有从由下述各项构成的组中选择的一个或多个药物的疗法：干扰素β-1a、干扰素β-1b、醋酸格拉默、米托蒽醌、那他珠单抗、芬戈莫德、特立氟胺、二甲基丁烯二酸盐、阿仑单抗、达利珠单抗、溶栓剂，诸如重组组织纤溶酶活化剂、乙酰胆碱酯酶抑制剂（诸如塔克林、卡巴拉汀、加兰他敏或多奈哌齐）、NMDA受体拮抗剂（诸如美金刚）、非类固醇抗炎药、多巴羧化酶抑制剂（诸如左旋多巴、托卡朋或恩他卡朋）、多巴胺拮抗剂（诸如溴隐亭、培高利特、普拉克索、罗匹尼罗、吡贝地尔、卡麦角林、阿扑吗啡或麦角乙脲）、MAO-B抑制剂（诸如沙芬酰胺、司来吉兰或雷沙吉兰、金刚烷胺、抗胆碱能药、四苯嗪、神经阻滞剂、苯二氮卓类和利鲁唑）。此外，上面提及的方法在又一实施例中可以包括将所推荐的疗法应用于主体的附加步骤。

此外，根据本发明涵盖的是一种用于确定对抗认知和移动疾病或障碍的疗法的功效的方法，包括本发明的上面提及的方法（即，用于将主体识别为遭受认知和移动疾病或障碍的方法）的步骤和下述进一步步骤：如果在疗法时在主体中发生认知和移动疾病或障碍的改进，则确定疗法响应；或者如果在疗法时在主体中发生认知和移动疾病或障碍的恶化或者如果认知和移动疾病或障碍保持不变，则确定响应失效。

如根据本发明提到的术语“改进”涉及总体疾病或障碍状况或其个体症状的任何改进。同样地，“恶化”意指总体疾病或障碍状况或其个体症状的任何恶化。由于一些认知和移动障碍的过程可以典型地与总体疾病或障碍状况及其症状的恶化相关联，因此结合上面提及的方法提到的恶化是超出疾病或障碍进展的正常过程的出乎意料或非典型的恶化。因此，该情境中的不变也可以意味着总体疾病或障碍状况和伴随它的症状处于疾病或障碍进展的正常原因内。

进一步地，本发明想到了一种在主体中监视认知和移动疾病或障碍的方法，包括：通过在预定义监视时段期间实施本发明的上面提及的方法（即，用于将主体识别为遭受认知和移动疾病或障碍的方法）的步骤至少两次，来确定认知和移动疾病或障碍在主体中是改进、恶化还是保持不变。

如本文使用的术语“预定义监视时段”指代其中实施至少两次活动测量的预定义时间段。典型地，取决于要针对个体主体而预期的疾病或障碍进展的过程，这种时段可以在从数天至数周至数月至数年的范围内变动。在监视时段内，在通常作为监视时段的起始的第一时间点以及至少一个进一步时间点处确定活动测量结果和参数。然而，还可能的是，存在活动测量和参数确定的多于一个进一步时间点。在任何情况下，将根据第一时间点的活动测量结果确定的（一个或多个）精细运动活动参数与后续时间点的这种参数进行比较。基于这种比较，可以识别将用于在预定义监视时段期间确定恶化、改进或不变疾病状况的量化差异。

本发明涉及一种移动设备，包括处理器、至少一个传感器和数据库以及软件，该软件被有形地嵌入到所述设备，且当在所述设备上运行时实施本发明方法中的任一个。

进一步想到一种包括移动设备和远程设备的系统，该移动设备包括至少一个传感器，该远程设备包括处理器和数据库以及软件，该软件被有形地嵌入到所述设备，且当在所述设备上运行时实施本发明方法中的任一个，其中所述移动设备和所述远程设备操作地链接到彼此。

在“操作地链接到彼此”下，应当理解，设备相连接以允许从一个设备到另一个设备的数据传送。典型地设想到，至少从主体获取数据的移动设备连接到实施本发明方法的步骤的远程设备，使得所获取的数据可以被传输到远程设备以用于处理。然而，远程设备还可以向移动设备传输数据，诸如，控制或监督其适当功能的信号。移动设备与远程设备之间的连接可以由永久或临时物理连接（诸如同轴、纤维、光纤或双绞线、10 BASE-T线缆）实现。可替换地，其可以由使用例如无线电波的临时或永久无线连接（诸如，Wi-Fi、LTE、高级LTE或蓝牙）实现。可以在本说明书中其他地方找到进一步细节。对于数据获取，移动设备可以包括用户界面，诸如屏幕或用于数据获取的其他装备。典型地，可以在移动设备所包括的屏幕上执行活动测量，其中应当理解，所述屏幕可以具有不同大小，包括例如5.1英寸屏幕。

而且，本发明涉及本发明的移动设备或系统用于识别遭受认知和移动疾病或障碍的主体的用途。

本发明还想到了根据本发明的移动设备或系统用于监视遭受认知和移动疾病或障碍的主体（特别地，在现实生活日常情形中且大规模地）的用途。

然而，应当理解，本发明想到了根据本发明的移动设备或系统用于在遭受认知和移动疾病或障碍的主体中研究药物功效（例如，也在临床试验期间）的用途。

进一步地，本发明想到了根据本发明的移动设备或系统用于促进和/或帮助针对遭受认知和移动疾病或障碍的主体的疗法决策制定的用途。

此外，本发明提供了根据本发明的移动设备或系统用于支持医院管理、康复措施管理、健康保险评定和管理和/或支持公共健康管理中关于遭受认知和移动疾病或障碍的主体的决策的用途。

此外，本发明所涵盖的是根据本发明的移动设备或系统用于利用生活方式和/或疗法推荐来支持遭受认知和移动疾病或障碍的主体的用途。

还列出进一步特定实施例如下：

实施例1：一种用于在被怀疑遭受认知和移动疾病或障碍的主体中评定它的方法，包括下述步骤：

a）在使用移动设备从所述主体获得的认知和/或精细运动活动测量结果的典型地预先存在的数据集中确定针对认知和/或精细运动活动的至少一个质量计量活动参数；以及

b）将所确定的至少一个质量计量活动参数与参考进行比较，由此，认知和移动疾病或障碍将被评定。

实施例2：如实施例1所述的方法，其中所述认知和移动疾病或障碍是影响锥体、锥体外、感觉或小脑系统的中央和/或周围神经系统的疾病或障碍，或者神经肌肉疾病，或者是肌肉疾病或障碍。

实施例3：如实施例1或2所述的方法，其中所述认知和移动疾病或障碍是从由下述各项构成的组中选择的：多发性硬化（MS）、视神经脊髓炎（NMO）和NMO谱系障碍、中风、小脑障碍、小脑性共济失调、痉挛性截瘫、原发性震颤、肌无力和肌无力综合征或者其他形式的神经肌肉障碍、肌肉营养不良、肌炎或其他肌肉障碍、周围神经病、大脑性瘫痪、锥体外综合征、帕金森病、亨廷顿病、阿尔茨海默病、其他形式的痴呆、脑白质营养不良、自闭症谱系障碍、注意力缺陷障碍（ADD/ADHD）、如DSM-5所定义的智力残疾、与老化相关的认知表现和储备的损害、帕金森病、亨廷顿病、多发性神经病、运动神经元疾病和肌萎缩性侧索硬化（ALS）。

实施例4：如实施例1至3中任一项所述的方法，其中该至少一个质量计量活动参数是指示神经认知功能中的波动的认知质量计量活动参数、指示手动敏捷度中的波动的手部/臂部功能质量计量活动参数或者指示移动波动的行走质量计量活动参数。

实施例5：如实施例1至4中任一项所述的方法，其中认知和/或精细运动活动测量结果的所述数据集包括来自在移动设备的传感器表面上执行的掐捏测试和/或来自U形转弯测试（UTT）、2分钟步行测试（2MWT）、静态平衡测试（SBT）或来自被动监视的连续步态分析（CAG）的数据。

实施例6：如实施例1至5中任一项所述的方法，其中认知活动测量结果的所述数据集包括来自移动设备的传感器表面上的信息处理速度（IPS）测试的数据。

实施例7：如实施例6所述的方法，其中在测试主体中通过用于自动评定信息处理速度（IPS）的计算机实现方法将信息处理速度确定为质量计量活动参数，所述计算机实现方法包括下述步骤：

i）在包括从所述测试主体获得的认知动眼神经活动测量结果的认知和/或精细运动活动测量结果的预先存在的数据集中，确定用于知觉传输、认知和运动输出活动的至少一个第一质量计量活动参数以及用于知觉传输和运动输出活动的至少一个第二质量计量活动参数；

ii）通过将所述第一质量计量活动参数和所述第二质量计量活动参数彼此比较，来确定用于认知的至少一个第三质量计量活动参数；

iii）基于该至少一个第一、第二和第三质量计量活动参数来评定主体中的信息处理速度；

iv）提供所述信息处理速度，作为本发明方法的步骤a）中的用于认知和/或精细运动活动的质量计量活动参数。

实施例8：如实施例1至7中任一项所述的方法，其中所述移动设备已经被适配用于在主体上实施在实施例4或5中提到的测试中的一个或多个，优选地，在这些实施例中提到的所有测试。

实施例9：如实施例8所述的方法，其中所述移动设备被包括在智能电话、智能手表、可穿戴传感器、便携式多媒体设备或平板计算机中。

实施例10：如实施例1至9中任一项所述的方法，其中所述参考是针对认知和/或精细运动活动的至少一个质量计量活动参数，其是从认知和/或精细运动活动测量结果的数据集导出的，所述数据集是在当已经从主体获得在步骤a）中提到的认知和/或精细运动活动测量结果的数据集时的时间点之前的时间点处从所述主体获得的。

实施例11：如实施例10所述的方法，其中所确定的至少一个质量计量活动参数与参考之间的恶化指示遭受认知和移动疾病或障碍的主体。

实施例12：如实施例1至9中任一项所述的方法，其中所述参考是针对认知和/或精细运动活动的至少一个质量计量活动参数，其是从认知和/或精细运动活动测量结果的数据集导出的，所述数据集是从已知遭受认知和移动疾病或障碍的主体或主体组获得的。

实施例13：如实施例12所述的方法，其中所确定的至少一个质量计量活动参数与参考相比基本相同指示遭受认知和移动疾病或障碍的主体。

实施例14：如实施例1至9中任一项所述的方法，其中所述参考是针对认知和/或精细运动活动的至少一个质量计量活动参数，其是从认知和/或精细运动活动测量结果的数据集导出的，所述数据集是从已知未遭受认知和移动疾病或障碍的主体或主体组获得的。

实施例15：如实施例14所述的方法，其中所确定的至少一个质量计量活动参数与参考相比恶化指示遭受认知和移动疾病或障碍的主体。

实施例16：一种用于推荐针对认知和移动疾病或障碍的疗法的方法，包括如实施例1至15中任一项所述的方法的步骤和在认知和移动疾病或障碍被评定的情况下推荐疗法的进一步步骤。

实施例17：一种用于确定对抗认知和移动疾病或障碍的疗法的功效的方法，包括如实施例1至15中任一项所述的方法的步骤和下述进一步步骤：如果在疗法时在主体中发生认知和移动疾病或障碍的改进，则确定疗法响应；或者如果在疗法时在主体中发生认知和移动疾病或障碍的恶化或者如果认知和移动疾病或障碍保持不变，则确定响应失效。

实施例18：一种在主体中监视认知和移动疾病或障碍的方法，包括：通过在预定义监视时段期间实施如实施例1至15中任一项所述的方法的步骤至少两次，来确定认知和移动疾病或障碍在主体中是改进、恶化还是保持不变。

实施例19：一种移动设备，包括处理器、至少一个传感器和数据库以及软件，该软件被有形地嵌入到所述设备，且当在所述设备上运行时实施如实施例1至18中任一项所述的方法。

实施例21：一种包括移动设备和远程设备的系统，该移动设备包括至少一个传感器，该远程设备包括处理器和数据库以及软件，该软件被有形地嵌入到所述设备，且当在所述设备上运行时实施如实施例1至18中任一项所述的方法，其中所述移动设备和所述远程设备操作地链接到彼此。

实施例21：如权利要求19所述的移动设备或如实施例21所述的系统用于在识别遭受认知和移动疾病或障碍的主体时使用。

实施例22：如实施例19所述的移动设备或如实施例20所述的系统用于在特别地在现实生活日常情形中且大规模地监视遭受认知和移动疾病或障碍的主体时使用，以用于例如还在临床试验期间在遭受认知和移动疾病或障碍的主体中研究药物功效、用于促进和/或帮助针对遭受认知和移动疾病或障碍的主体的疗法决策制定、用于支持医院管理、康复措施管理、健康保险评定和管理和/或支持公共健康管理中关于遭受认知和移动疾病或障碍的主体的决策、或者用于利用生活方式和/或疗法推荐来支持遭受认知和移动疾病或障碍的主体。

遍及本说明书引用的所有参考文献关于其整个公开内容且关于说明书中提及的具体公开内容通过参考并入于此。

附图说明

图1示出了测量IPS测试期间的替代任务表现中的处理速度和正确性的波动的认知质量计量活动参数的示例，如下面的曲线图（临床试验NCT02952911的中期分析）中描绘的正确响应之间的消逝时间在居群级别处图示了当在该实例中通过15秒时期监视和分析表现时随着在90秒IPS测试期间随时间观察恶化的某种程度的测试内“疲劳性”。

图2示出了相对于总体IPS表现的变量级别的主体的3个类别中的总体符号-数字替代响应（左面板）或正确符号-数字替代响应（右面板）之间消逝的时间中的测试内波动的变量时间分布图的示例，其中90秒中的正确响应的总数＜32（第一行）、32-39（第二行）或＞40（第三行）。

图3示出了测量掐捏测试期间的掐捏任务表现中的手动敏捷度的波动的手部/臂部功能质量计量活动参数的示例，在下面的曲线图（临床试验NCT02952911的中期分析）中描绘了2个连续掐捏尝试之间的消逝时间，以在居群级别处图示该特定特征比传统9孔桩测试（9HPT）更能够检测异常功能。事实上，当将具有大概正常和受损手部/臂部功能的患有MS的NCT02952911研究患者进行比较（基于定义与健康控制（HC）的平均9HPT时间加二标准差相对应的正常功能上限的阈值[23.91秒]（Wang 2015））时，通过两个连续掐捏尝试（‡p<0.001）之间的其均值时间将具有正常手部/臂部功能的患有MS的患者与HC鉴别开是可能的。基于患者的UTT U形转弯速度分布的表现。*p<0.05；†p<0.01；‡p<0.001。EDSS，扩充残疾状态量表；MS，多发性硬化；T25FW，定时25英尺步行。

图4示出了测量来自被动监视的连续步态分析和UTT中的步行质量的波动的行走质量计量活动参数的示例，在下面的曲线图（NCT02952911的中期分析）中描绘了来自UTT的转弯速度、在步行时的日常转弯的数目和平均日常转弯速度，以图示这些质量计量参数的主体内逐日监视的检测多发性硬化复发的能力。在该示例中，在报告复发之前和之后之间观察到利用UTT测量的主动测试U形转弯速度中的清晰差异（Wilcoxon秩和测试；面板b）。被动监视中的转弯行为在针对日常转弯的数目的复发发病/报告之前相对于之后也不同（面板c），而平均日常转弯速度保持不变（面板d）。

图5示出了掐捏测试质量计量活动参数，即，掐捏测试质量计量数据的图示。子图（a）示出了主体执行测试达30秒的概览。以绿色示出了来自第一个手指的触摸事件，并且以红色示出了第二个手指触摸事件（b）。蓝色圆形示出了不论何时同时作出了关于显示器的两个接触点。点线分别示出了掐捏尝试的起始和结束。子图（c）示出了两个掐捏手指之间的距离。在（d）中描绘了个体手指的速度。子图（e）描绘了在第一次尝试时利用第13次掐捏而成功掐捏的第9个西红柿的位置。圆形示出了触摸屏上的手指移动轨迹。绿色框指示了掐捏尝试是成功的。

图6示出了绘制形状测试质量计量活动参数，即，来自两个主体的圆形形状的触摸踪迹的示例。黑色圆形指示主体必须经过的路点。每一个绿色标记表示与每一个路点最接近的踪迹点。子图（a）示出了基于良好9HPT表现而选择的基线主体。子图（b）描绘了具有差9HPT的主体。

图7示出了绘制形状测试质量计量活动参数，即，图5中所示的示例的跟踪表现。在子图（a）中示出了针对圆形形状的每一个路点的误差距离。子图（b）示出了到扇区的形状专用分段和针对每扇区的后续误差。子图（c）示出了针对每主体的误差距离的范围，包括中位数和IQR。

图8示出了绘制形状测试质量计量活动参数，即，来自两个主体的螺旋形状的触摸踪迹的示例。黑色圆形指示主体必须经过的路点。每一个绿色标记表示与每一个路点最接近的踪迹点。子图（a）示出了基于良好9HPT表现而选择的基线主体。子图（b）描绘了具有差9HPT的主体。

图9示出了绘制形状测试质量计量活动参数，即，图11中所示的示例的跟踪表现。在子图（a）中示出了针对螺旋形状的每一个路点的误差距离。子图（b）示出了到扇区的形状专用分段和针对每扇区的后续误差。子图（c）示出了针对每主体的误差距离的范围，包括中位数和IQR。

图10示出了绘制形状测试质量计量活动参数，即，主体通过视觉、速度和加速度分析绘制表现的共同空间和时间特性。速度被计算为连续点之间的欧氏距离随时间的改变；加速度是速度随时间的改变率。通过该形状和所绘制的点的空间分析的主体专用补充分析，可以研究主体的精细时间表现特性。（a）指定形状的视觉跟踪；（b）绘制形状任务随时间的速度跟踪到完成[s]；（c）绘制形状任务随时间的加速度跟踪到完成[s]。

图11示意性地示出了总共的响应时间的变化和测试表现期间的基线变化。基线与总响应时间之间的差异计及认知活动。

图12示出了在匹配任务的若干迭代之后观察到的表现改变。表现在用于匹配任务的健康志愿者和患者中增加，而基线表现保持不受影响。

图13示出了对于IPS匹配测试而言有用的符号。a）至c）是符号对，d）至f）是单件。a）符号变圆，允许强关联和阅读方向上的镜像匹配；b）符号被分段，导致混淆的视觉检查和阅读方向上的镜像；c）符号被加强边，允许强关联，具有与阅读方向垂直的突出镜像轴；d）符号具有旋转对称性，允许容易的视觉检查；e）符号是定向的且与阅读轴相反；f）符号被加边，在阅读方向上具有两个镜像轴。

图14示出了用于符号匹配（a）和基线任务表现（b）的移动设备的显示器上的IPS测试设置。

具体实施方式

示例：

以下示例仅说明了本发明。无论什么内容，它们应当以限制本发明范围的方式理解。

以下示例仅说明了本发明。无论什么内容，它们应当以限制本发明范围的方式理解。

示例1：计算机实现（电子）认知-信息处理速度（IPS）测试

a）IPS测试

信息处理速度测试的目的是检测构成迭代视觉替代任务的基础的关键神经认知功能的损害，该迭代视觉替代任务包括持续注意力、视觉扫描和最近记忆。该实例中的信息处理由不同步骤组成，这些不同步骤以其次扩展到输出（即，通过按压智能电话触摸屏上的按键来作出响应）的到感觉系统中的视觉信息的输入开始。该过程中的主要步骤是：（1）传入视觉感觉信息的传输；（2）认知替代任务的完成；以及（3）传出运动输出的执行（Costa 2017）。

符号数字模态测试（SDMT, Smith 1968, 1982）或处理速度测试（PST, Rao 2017）不计及总体测试表现中的反应时间或运动输出时间的相对权重的任何测量。Roche已经开发了IPS测试，以使得能够通过从总体表现中减去分离地测量的反应时间、视觉处理时间以及运动输出时间来具体评定符号/数字替代任务的速度。

IPS测试的符号集合由遵循简单设计方案的9个不同抽象符号构成，且被指派给九个按键，即，数字1至9。

为了计及参与者的反应时间和产生传出运动输出所耗费的时间，15秒数字/数字匹配锻炼将在符号/数字替代任务之后被完成。数字将在针对数的模拟旋转方案中被呈现为在先替代任务中的符号，且将被嵌入相同用户界面中。

对于IPS测试的符号/数字替代任务，将在总共最多90秒中顺序地显示120个抽象符号。将并排显示图例按键（3个或更多个版本的轮询交替）以用于参考，该图例按键示出了具有从1至9的其相应匹配数字的九个符号。学习参与者被询问以通过针对每一个迭代符号在90秒期间在智能电话的屏幕上的数字键区上尽可能快地键入匹配按键来提供尽可能多的正确响应。

对符号匹配和基线测试的正确响应的数目将被显示给患者。

b）结果

从上面描述的信息处理速度（IPS）测试开发了认知质量计量活动参数的示例，该信息处理速度（IPS）测试旨在检测和测量构成迭代视觉替代任务的基础的关键神经认知功能的损害，该迭代视觉替代任务包括持续注意力、视觉扫描和最近记忆。数字到符号替代任务被已知为与在轻度认知障碍的状况中的脑萎缩相关，并且，在移动设备上执行（与诸如SDMT（Smith 1968, 1982）或PST（Rao 2017）之类的类似测试不同地）的IPS测试使得能够分离地测量认知替代任务表现，同时针对视觉处理和运动执行时间的任何影响进行调整。

作为测量IPS测试期间的替代任务表现中的处理速度和正确性的波动的认知质量计量活动参数的示例，如下面的曲线图（临床试验NCT02952911的中期分析）中描绘的正确响应之间的消逝时间在居群级别处图示了当在该实例中通过15秒时期监视和分析表现时随着在90秒IPS测试期间随时间观察恶化的某种程度的测试内“疲劳性”（参见图1）。

在图2中还示出了相对于总体IPS表现的变量级别的主体的3个类别中的总体符号-数字替代响应（左面板）或正确符号-数字替代响应（右面板）之间消逝的时间中的测试内波动的变量时间分布图，其中90秒中的正确响应的总数＜32（第一行）、32-39（第二行）或＞40（第三行）。

从IPS测试导出且作为反映测量认知完整性的测试内波动的连续成果变量而捕获的认知质量计量活动参数的典型示例被非穷尽地列出如下：1）（从n-1）响应前的消逝时间，2）（从n-1）正确响应前的消逝时间，3）（从n-1）不正确响应前的消逝时间，4）（从在先正确响应）正确响应之间的消逝时间，5）（从在先不正确响应）不正确响应之间的消逝时间，6）当符号序列被修改以评估任务内的工作记忆和学习时被应用于具体符号或符号集群的参数1）、2）和3）。

重要的是，应当理解，可以从下述任何其他认知测试导出如上提及的认知质量计量活动参数，该其他认知测试是从移动设备获取的，且包括具体认知任务的完成期间的认知运转和完整性的至少一个定性特征中的表现波动的单个或合成度量。

示例2：计算机实现的“绘制形状”和“掐捏”测试

手动敏捷度（手部运动功能）表征个体的以及时的方式协调手部和手指的移动并操控对象的能力。手动敏捷度大大影响了人在日常活动、完成工作相关任务和参与休闲活动方面的表现。

手动敏捷度在2007年被标识为核心构造，以纳入美国国立卫生研究院工具箱（NIH）工具箱中，以用于评定神经学和行为功能，作为NIH神经科学研究蓝图倡议的一部分，该倡议开发了简洁而全面的仪器以测量运动、认知、感觉和情感功能。在回顾现有度量之后，专家推荐了手动敏捷度的两个候选度量：1）9孔桩测试（9HPT），以及2）凹槽拼板测试（GPT），以由于它们跨寿命跨度的适用性、心理计量安定性、简洁性（一个试验的完成时间相对较短）和多样设置中的适用性而可能纳入NIH工具箱中。

根本上，9HPT被选择是因为它满足了大多数纳入准则，并且测试在所有年龄组（尤其是更年轻的儿童）中容易管理。按要求，管理9孔桩测试的时间是简短的（小于5分钟以针对双手进行测量），以纳入NIH工具箱中。现有文献支持了9HPT作为手指敏捷度的可靠且有效度量，且作为能够在各种诊断组（即，MS、中风、大脑性瘫痪、小脑损害和帕金森病）中评定手部敏捷度。

已经跨包括儿童和年长成人的年龄跨度发布了9HPT的规范数据，并且自90年代晚期起，9HPT表示来自多发性硬化功能合成（MSFC）量表的功能性上肢评定的关键组分。

对于当前研究协议，我们开发了两个基于触摸屏的应用测试“绘制形状”和“掐捏”，其旨在在用户友好的智能电话界面上复制用于实现神经学障碍中的手部运动功能的远程自评定的9HPT和GPT的特性。全部两个测试意在每个持续30秒。

“绘制形状”和“掐捏”测试将评估上肢运动功能和手动敏捷度（掐捏、绘制），且将对上肢神经系统的锥体、锥体外、感觉和小脑组分中的改变和异常敏感，而且对上肢功能的神经肌肉和肌源性变更敏感。

a）绘制形状

该测试的目的是评定精细手指控制和中风定序。测试被认为覆盖受损手部运动功能的以下方面：震颤和痉挛和受损手眼协调。患者被指示以在未测试的手中握持智能电话设备，并在30秒的最大时间内“尽可能快速且准确地”利用所测试的手的食指在智能电话触摸屏上绘制增加的复杂度的6个预先写好的交替形状（线性、矩形、圆形、正弦和螺旋；参见下文）。为了成功绘制形状，患者的手指必须连续地在触摸屏上滑动并连接经过所有所指示的检查点且尽可能多地保持在写路径的边界内的所指示的起始和结束点。患者具有最多两次尝试以成功地完成六个形状中的每一个。将利用右手和左手交替执行测试。将以日常交替指示用户。两个线性形状每个具有五个检查点以连接；即，四个段。正方形形状具有九个检查点以连接；即，八个段。圆形形状具有14个检查点以连接；即，13个段。8字形状具有13个检查点以连接；即，12个段。螺旋形状具有22个检查点以连接，21个段。完成六个形状然后意味着成功绘制总共62个段。

绘制的准确度和用于绘制形状的时间将被报告给患者。另外，将利用熟悉的对象（例如：狗、马和建筑物的大小）报告和描绘所作出的所有图的总和长度。

b）掐捏测试

该测试的目的是通过评估掐捏所闭合的手指移动的准确度来评定精细末梢运动操控（紧握和紧抓）和控制。测试被视为覆盖受损手部运动功能的以下方面：受损紧握/紧抓功能、肌肉虚弱和受损手眼协调。患者被指示以在未测试的手中且通过利用来自相反手的两个手指（优选地，拇指+食指或者拇指+第三个手指）触摸屏幕来握持智能电话设备，以在30秒期间挤压/掐捏尽可能多的所显示的圆形状（例如，西红柿）。受损精细运动操控将影响表现。将利用右手和左手交替执行测试。将以日常交替指示用户。

成功掐捏的形状（即，西红柿）的数目将被报告给患者。另外，将以熟悉的容易理解的符号（例如：等效为番茄酱瓶的西红柿）报告所掐捏的西红柿的总数。

已经从上面描述的掐捏和绘制形状测试开发了手部/臂部功能质量计量活动参数的示例。

c）结果

从掐捏测试（图5）导出且作为反映测量手部/臂部功能完整性和手动敏捷度的测试内波动的连续成果变量而捕获的手部/臂部功能质量计量活动参数的一些示例被非穷尽地列出如下：1）在2个接续掐捏尝试（被定义为触摸屏上的双接触后跟掐捏尝试）之间消逝的时间，2）针对所有所检测到的双接触，作为第一个和第二个手指触摸屏幕之间的滞后时间而测量的双触摸异步性，3）针对所有所检测到的双接触，作为从双接触处两个手指的起始触摸点之间的等距点到西红柿形状的中心的距离而测量的掐捏目标精度，4）针对成功掐捏的所有双接触，作为由两个手指从双接触起始点滑动直到达到掐捏间隙的相应距离（最短/最长）之比而测量的掐捏手指移动不对称性，5）针对成功掐捏的所有双接触，作为每一个手指和/或全部两个手指在屏幕上从双接触的时间滑动直到达到掐捏间隙的速度（mm/sec）而测量的掐捏手指速度，6）针对成功掐捏的所有双接触，作为相应个体手指在屏幕上从双接触的时间滑动直到达到掐捏间隙的速度（最慢/最快）之比而测量的掐捏手指异步性，7）随时间对1）至6）的连续变量分析以及它们对变量持续时间的按时期的分析。

作为测量掐捏测试期间的掐捏任务表现中的手动敏捷度的波动的手部/臂部功能质量计量活动参数的示例，在下面的曲线图（临床试验NCT02952911的中期分析）中描绘了2个连续掐捏尝试之间的消逝时间，以在居群级别处图示该特定特征比传统9孔桩测试（9HPT）更能够检测异常功能。事实上，当将具有大概正常和受损手部/臂部功能的患有MS的NCT02952911研究患者进行比较（基于定义与健康控制（HC）的平均9HPT时间加二标准差相对应的正常功能上限的阈值[23.91秒]（Wang 2015））时，通过两个连续掐捏尝试（‡p<0.001）之间的其均值时间将具有正常手部/臂部功能的患有MS的患者与HC鉴别开是可能的；参见图3。

从绘制形状测试导出且作为反映测量手部/臂部功能完整性和手动敏捷度的测试内波动的连续成果变量而捕获的手部/臂部功能质量计量活动参数的一些示例将基于迅捷度和准确度特征且被非穷尽地列出如下（参见图6至10）：1）成功完成的段的迅捷度（段/秒），2）针对成功完成的段的形状专用（线性、圆形、螺旋）迅捷度，3）作为下述内容而计算的偏离：所绘制的轨迹与针对每一个具体形状而达到的从起始到结束路点的目标绘制路径之间的积分表面偏离的总体曲线下面积（AUC）度量之和除以这些形状内的对应目标路径（所达到的从起始到结束路点）的总累积长度，4）形状专用（线性、圆形、旋转）偏离。

示例3：计算机实现的U形转弯测试（UTT）、2分钟步行测试（2MWT）、静态平衡测试（SBT）和来自被动监视的连续步态分析（CAG）

a）两分钟步行测试（2MWT）

该测试的目的是通过在2MWT中捕获步态特征来评定长距离步行中的困难、疲劳性或不寻常的模式。将从智能电话传感器捕获数据。可以在残疾进展或出现的复发的情况下观察到步伐和迈步长度的减小、步伐持续时间的增加、迈步持续时间和不对称性的增加、以及较不具有周期性的步伐和迈步（Hobart 2013）。患者将被指示以“尽可能快且长地步行达2分钟，但安全地步行”。2MWT是简单测试，其被要求在室内或在室外、在患者已经识别他们可以在不进行U形转弯的情况下直线步行远达≥200米的地方处的平坦地上执行。患者被允许按需穿戴规则的鞋类和辅助设备和/或鞋内矫形物。

在两分钟的过程中步行的迈步数目以及在所执行的所有2分钟步行测试期间步行的迈步总数将被报告给患者。

b）U形转弯测试（UTT）

该测试的目的是在以舒适的步速短距离步行时评定执行U形转弯时的困难或不寻常模式。UTT被要求在室内或在室外、在患者被指示以“安全地步行并执行在间隔几米的两个点之间前后走的至少五个接续U形转弯”的平坦地上执行。将从智能电话传感器捕获该任务期间的步态特征数据（迈步计数、U形转弯期间的持续时间和不对称性、U形转弯持续时间的改变）。患者被允许按需穿戴规则的鞋类和辅助设备和/或鞋内矫形物。转弯的速度将被报告给患者。

c）连续步态分析（CAG）

从智能电话传感器捕获的步态特征数据（迈步计数、持续时间和不对称性）的连续记录将允许步行动态的日常容量和质量的被动监视。

患者的活动的半径将被报告给患者。该半径将以标准尺寸以及以熟悉的外行术语（例如：足球场的大小）表达。

d）静态平衡测试（SBT）

该测试的目的是如在广泛使用的伯格氏平衡量表（BBS）的项目之一（即，无支撑站立）中那样评定人的静态平衡功能，伯格氏平衡量表（BBS）是被设计成评定成人人口中的静态平衡和跌倒风险的14项客观度量（Berg 1992）。将从智能电话传感器捕获数据。

患者被询问以无支撑静止站立达30秒，其中如果可能的话，臂部放松伸直放在身体旁边，并且其中智能电话保持处于运行带中、处于中间靠前位置。具有增加的跌倒风险和/或受损的静态平衡功能的个体可以论证经变更的姿势控制[摇摆]（Wai 2014）。

平衡移动中的变化将按摇摆路径长度而被报告给患者，且以符号（例如：固体大岩石、小岩石）描绘。动画的摇摆路径将被示作平衡变化的容易理解的表示。

e）结果

已经从上面描述的U形转弯测试（UTT）、2分钟步行测试（2MWT）、静态平衡测试（SBT）和来自被动监视的连续步态分析（CAG）开发了行走质量计量活动参数的示例。

作为测量来自被动监视的连续步态分析和UTT中的步行质量的波动的行走质量计量活动参数的示例，在下面的曲线图（临床试验NCT02952911的中期分析）中描绘了来自UTT的转弯速度、在步行时的日常转弯的数目和平均日常转弯速度，以图示这些质量计量参数的主体内逐日监视的检测多发性硬化复发的能力。在该示例中，在报告复发之前和之后之间观察到利用5UTT测量的主动测试U形转弯速度中的清晰差异（Wilcoxon秩和测试；图4，面板b）。被动监视中的转弯行为在针对日常转弯的数目的复发发病/报告之前相对于之后也不同（图4，面板c），而平均日常转弯速度保持不变（图4，面板d）。

如上描述的那样从SBT导出且作为反映测量步态和平衡完整性的测试内波动的连续成果变量而捕获的行走质量计量活动参数的一些示例被非穷尽地列出如下：1）摇摆急动：加速度的时间导数（Mancini 2012），2）摇摆路径：轨迹的总长度，以及3）摇摆范围。

如上描述的那样从2MWT导出且作为反映测量步态和平衡完整性的测试内波动的连续成果变量而捕获的行走质量计量活动参数的一些示例被非穷尽地列出如下：1）步行迈步持续时间，2）步行迈步速度（步/秒），3）迈步不对称率（一个迈步与下一个迈步之间的迈步持续时间差除以均值迈步持续时间），以及4）通过生物力学建模步行的迈步长度和总距离，5）按时期的减速指数，6）按时期的不对称性指数。

移动设备还可以被适配用于执行连续步态分析（CAG）或者从连续步态分析（CAG）获取数据。从传感器捕获的步态特征数据（迈步计数、持续时间和不对称性，以及在步行时的摆臂动态）的连续记录将允许步行动态的日常容量和质量的被动监视。活动检测是步态检测和分析和活动分析的在先步骤。其可以基于不同的更复杂或更不复杂的途径（Alsheikh 2015或Ordóñez 2016），这在加速度计信号的标准差高于0.01g的情况下将一秒的窗口视为活动的。测试典型地是日常执行的。如上描述的那样从CAG导出且作为反映测量步态和平衡完整性的测试内波动的连续成果变量而捕获的行走质量计量活动参数的一些示例被非穷尽地列出如下：1）在连续步行的每一个间隔内检测到的迈步的数目的频率分布，2）随时间的步行迈步持续时间/速度，3）通过生物力学建模导出的随时间的迈步长度变化，4）随时间的升高增益，5）坐/站转变和转弯的频率分布。

示例4：解卷积认知和估计学习的计算机实现的IPS测试

建立了针对智能电话设备的计算机实现的IPS测试。在一个步骤中，计算机实现的IPS测试应当通过使用对执行任务的患者来说不熟悉（例如，没有朴素数字或符号或者在结构上或在符号上类似的符号）的测试符号测量符号匹配任务的响应时间来确定信息处理速度。对于IPS测试而言有用的测试符号示出了与字母或数学标记法极少类似，且因而还应当独立于诸如文化背景、阅读和写作能力或者教育标准之类的影响。因此，这种测试符号还可以用于儿童或者具有低教育标准的主体（例如，文盲）。此外，为了改进视觉识别，测试符号应当不那么详细地遵循简单设计原理。符号可以被设计为在镜像轴的相对侧处具有独特特征（例如，左/右、上/下特征）的符号对，或者被设计为具有旋转对称性、定向取向或独特边缘的可识别单件符号；参见图13。

通过在显示器上示出患者、测试符号和图例来执行测试，该图例将在测试期间示出的不同测试符号分配给朴素数字或其他朴素符号（诸如，字母）。这些朴素数字或其他朴素符号还存在于键区上，使得执行测试的主体可以按压承载被分配给测试符号的朴素数字或朴素符号的按键（参见图14）。应当理解，针对该任务的IPS测试中的响应时间取决于反应时间、手部运动输出的处理时间和认知信息处理的时间。

在前面描述的IPS测试的上面提及的步骤中，可以执行固定测试符号匹配序列的迭代，其中每一个序列由针对至少6个不同测试符号的匹配任务构成。所述迭代后跟有新随机化测试符号匹配序列。第一和最后迭代之间的响应时间中的改进指示主体的认知学习能力或者标准测试响应时间和所运行的随机化符号匹配序列中的响应时间。在所运行的前面匹配序列中顺序地示出经随机化的符号之前执行三个测试符号匹配序列。此外，如在标准临床SDMT中那样实施测试符号匹配。就尺寸、外观、对比度等而言，将符号的图例、符号的大小、键区和在用于实施IPS测试的智能电话设备上显示的其他参数保持处于恒定状况，以便避免与信息处理速度不相关的感官影响（参见图14）。实施IPS测试达90秒。相同序列的迭代之前和之后速度的该测量允许估计认知能力，特别地，学习能力（参见图12）。

进一步步骤中的IPS测试通过测量基线响应时间来确定基线信息处理速度。所述基线响应时间是通过测量将朴素数字或符号匹配于智能电话设备的键区上的匹配朴素数字或符号的时间来确定的（参见图14）。朴素数字或符号应当被选择成使得实施测试的个体可以在不费实质认知之力的情况下执行匹配。更典型地，从0至9的数字可以被用作朴素数字。使用朴素数字或符号匹配的这种基线响应时间应当主要取决于反应时间和手部运动输出的处理时间。认知任务将仅扮演较小作用，且不应当对基线响应时间显著作出贡献。从而，可以通过所述基线响应时间将在后续步骤中确定的信息处理速度解卷积成反应时间和手部运动输出的处理时间和认知信息处理的时间（参见图11）。

因此，在智能电话设备上运行的计算机实现的IPS测试中，确定包括反应时间、手部运动输出的处理时间和认知信息处理的时间的任务（测试通过按压键区上的相应按键将如上描述的不同非朴素测试符号匹配于图例，该图例将在测试期间示出的所述不同测试符号分配给朴素数字或其他朴素符号，诸如字母）与包括反应时间和手部运动输出的处理时间的任务（基线任务，将朴素数字或符号匹配于键区上的匹配朴素数字或符号）之间的响应时间中的差异，作为一个认知质量计量活动参数，该认知质量计量活动参数是要分析的数据集的一部分。

前面描述的IPS测试对于遭受多发性硬化（MS）的患者的临床管理而言有帮助，这是由于信息处理速度是MS中流行的认知损害。测试旨在检测MS患者的认知功能的甚至微妙的改变，且可以在临床设置或自我管理途径中使用。

所引用的文献：

Aktas 2005, Neuron 46, 421-432

Zamvil 2003, Neuron 38:685-688

Crawford A, et al. J Immunol 2006;176(6):3498–506

Bar-Or A, et al. Ann Neurol 2010;67(4):452–61

Lisak RP, et al. J Neuroimmunol 2012;246(1-2):85–95

Weber MS, et al. Biochim Biophys Acta 2011;1812(2):239–45

Serafini B, et al. Brain Pathol 2004;14(2):164–74

Magliozzi R, et al. Ann Neurol 2010;68(4):477–93

Bove 2015, Neurol Neuroimmunol Neuroinflamm 2 (6):e162

Link 2006, J Neuroimmunol. 180 (1-2): 17-28

Tsang 2011, Australian family physician 40 (12): 948–55

Compston 2008, Lancet 372(9648): 1502–17

Johnston 2012, Drugs 72 (9): 1195–211

Donnan 2008, Lancet. 371 (9624): 1612–23

Harbison 1999, Lancet. 353 (9168): 1935

Kidwell 1998, Prehospital Emergency Care. 2 (4): 267–73

Nor 2005, Lancet Neurology. 4 (11): 727–34

Burns 2009, The BMJ. 338: b158

Pasquier 1999, Journal of Neurology 246 (1):6–15

Jankovic 2008, Journal of Neurology, Neurosurgery, and Psychiatry. 79(4): 368–376

Dayalu 2015, Neurologic Clinics. 33 (1): 101–14

Frank 2014, The journal of the American Society for ExperimentalNeuroTherapeutics. 11 (1): 153–60

Rao 2009, Gait Posture. 29 (3): 433–6

Zarei 2015, Surgical Neurology International. 6: 171

Polman 2011, Ann Neurol 69:292–302

Lublin 2014, Neurology 83: 278-286

Burns 2011, Neurology 76.7 Supplement 2: S6-S13

Waldemar 2007, European Journal of Neurology 14.1: e1-e26

Bäckman 2004, Journal of internal medicine 256.3: 195-204

Robert 2005, European Psychiatry 20.7: 490-496

Todd 2013, International journal of geriatric psychiatry 28.11: 1109-1124

Cheon 2002, Radiographics 22.3: 461-476

Gunstad 2006, Journal of Geriatric Psychiatry and Neurology 19.2: 59-64

Walker 2007, The Lancet 369.9557: 218-228

Strawn 2007, American Journal of Psychiatry 164.6: 870-876

Alsheikh 2015, arXiv preprint arXiv:1511.04664

Ordóñez 2016, Sensors, 16(1), 115

Hobart 2001, Brain 124: 962-73

Berg 1992, Can J Public Health: 83 Suppl 2:S7 11.

Costa 2017, Multiple Sclerosis Journal: 23(6) 772-789.

Hobart 2013, Neurology: 80(16):1509–1517.

Rao 2017, Multiple Sclerosis Journal: Jan 1:1352458516688955.

Van de Pol 2007, Arch Neurol.: 64:1023-8.

Wai 2014, Conf Proc IEEE Eng Med Biol Soc: 2014:3683 86

Smith 1968, Learning disorders: 83-91。