A clinical researcher studying natural voice signals in a calm research suite.
CNS研究

マルチモーダルな長期認知データ CNSのR&Dへ。

高齢者の毎日の音声会話から得られる、実環境・長期的な認知、音声、行動データセット。バイオマーカー発見、デジタル試験エンドポイント、ファーマコビジランス、リアルワールドエビデンスのために構造化されています。
アルツハイマー · MCI · 認知症 · 老年期うつ · パーキンソン病 · 神経変性疾患
サンプルデータセットを依頼するスキーマを確認する
50K+
記録されたセッション数
12+
長期追跡(月)
31
セッションあたりの変数
毎日
収集頻度
100%
匿名化済み
被験者 anon_8f3a2c · 36週間の推移
1000750500250W1W4W8W12W16W20W24W28W32W36BaselineAlertComposite scoreMood intensityClinical alert
お問い合わせ
デジタルバイオマーカー

NLP由来の認知マーカー(TTR、MLU、coherence、idea density)をMoCA / MMSEと照合して検証 — 初期変化への高感度。

継続的なエンドポイント

四半期ごとの臨床訪問に対し、毎日のデータポイント。次回評価まで3〜6か月待つことなく、週単位の解像度で薬剤有効性を追跡可能。

リアルワールドエビデンス

人工的な実験室環境ではなく、家庭環境からの自然な実環境データ。FDA / EMAのリアルワールドエビデンス提出のための生態学的妥当性。

お問い合わせ
取得するデータ

3つのCNS柱にわたる、音声由来の継続的なシグナル。

気分

音声特徴、語彙的指標、自己報告から推定される情動状態 — 毎日、被験者ごとにベースライン化。

認知

想起、流暢性、見当識、関与にわたる総合認知指標 — 7日、30日、90日のウィンドウで推移を可視化。

服薬遵守

双方向で確認される服薬遵守。服薬漏れのタイムスタンプと下流の症状相関を含む。

お問い合わせ
自然データの優位性

なぜ自然データがすべてを変えるのか。

既存のデジタル認知ツールは構造化されたテストに依存しています。Amigoは自然な日常会話からデータを取得 — テスト不安なく、練習効果なく、患者負担もありません。

比較項目Amigo構造化テストツール
収集方法自由形式の毎日の会話プロンプト型の認知タスク(時計描画、絵の説明、カードゲーム)
頻度毎日 — すべての会話がデータポイント週次から四半期 — スケジュール化されたセッション
患者負担ゼロ — 会話自体が製品(コンパニオンシップ)テストプロトコルへの能動的な関与が必要
練習効果なし — 学習する反復的テスト構造がない反復露出によりスコアが上昇
テスト不安なし — データ収集が楽しい日常に組み込まれているパフォーマンス不安が結果に影響しうる
生態学的妥当性高い — 家庭環境での実際の会話低〜中程度 — 人工的なテスト条件
データモダリティ言語 + 音響 + 行動 + 感情通常ツールあたり1〜2次元
アドヒアランス高い — 高齢者は話したい時間経過とともに低下 — テスト疲れ
長期的深さ被験者あたり月単位で数百セッションせいぜい数十セッション
データポイント単価限界的 — 臨床スタッフ不要、機器配備不要高い — 監督下での実施または専用機器が必要

「構造化テストツール」とは、プロンプト型テスト(時計描画、絵の説明、反応時間タスク)に基づくデジタル認知評価プラットフォームを指し、患者の能動的関与を必要とするカテゴリです。

お問い合わせ
データ生成パイプライン

自然な音声から、研究用に整備された構造化データセットへ。

全工程が社内で設計・運用され、各段階で明示的なバージョン管理を行い、すべてのデータポイントの生成過程について完全な監査証跡を提供します。

Voice Conversation
Daily · Natural · Unstructured
Amigo Speech Engine
In-house · Real-time STT
Amigo Cognitive Pipeline
31 variables · multimodal
Structured Snapshot
JSON · Versioned · Audited
De-identification & Export
GDPR · HIPAA · BAA
お問い合わせ
データカタログ

セッションあたり31の構造化変数。

認知、音声、行動、感情、臨床の各次元にわたる。スキーマはバージョン管理され、データ辞書はすべてのエクスポートに同梱されます。

FieldTypeExampleCategory
subject_idstringanon_8f3a2cID
session_datedate2026-02-28ID
call_duration_secondsint540Session
word_countint312Cognitive
type_token_ratiofloat0.68Cognitive
mean_utterance_lengthfloat8.4Cognitive
words_per_minutefloat98Cognitive
repetition_ratefloat0.05Cognitive
coherence_scoreint (1-10)8Cognitive-AI
idea_density_scoreint (1-10)7Cognitive-AI
word_finding_scoreint (1-10)9Cognitive-AI
composite_scoreint (0-1000)742Cognitive
participation_ratiofloat0.45Behavioral
turn_countint24Behavioral
engagement_qualityenumgoodBehavioral
mood_primaryenum (5)positiveMood
mood_intensityint (0-10)7Mood
alert_triggeredboolfalseAlert
alert_natureenumnullAlert
alert_severityenumnullAlert
f0_mean_hzfloat185.3Voice
f0_std_hzfloat28.7Voice
jitter_percentfloat1.12Voice
shimmer_percentfloat3.45Voice
hnr_dbfloat18.2Voice
speech_ratefloat3.8Voice
pause_ratefloat0.22Voice
mean_pause_duration_msint680Voice
composite_z_scorefloat+0.3Baseline
baseline_sessionsint12Baseline
trendenumstableBaseline

コホート内訳

データセット全体にわたる臨床プロファイルの分布

35%
40%
15%
10%
Mild Cognitive Impairment
Healthy Aging
Early-Stage Dementia
Geriatric Depression

指標分布

AI評価のcoherenceスコアのサンプルヒストグラム

1-22-33-44-55-66-77-88-99-10
Coherence score distribution

音声周波数の推移

24週間にわたるF0平均(Hz) — 単一被験者

W1W6W10W14W18W22192180168
F0 mean (Hz)
↓ declining trend
お問い合わせ
各セッションの中身

すべての会話が生み出すもの。

各通話は多次元の構造化スナップショットを生成します。バージョン管理され、タイムスタンプ付き、由来追跡可能です。

NLP認知マーカー

Amigoの決定論的NLPパイプラインによる発話パターンからの定量的言語指標。

Type-Token RatioMean Utterance LengthWords/MinRepetition RateWord Count

AI認知スコア

臨床尺度に対して較正された、Amigo Cognitive Engineによる高次言語機能のスコア。

Coherence (1-10)Idea Density (1-10)Word Finding (1-10)Composite (0-1000)

音声・音響バイオマーカー

生音声から抽出されたプロソディーおよびスペクトル特徴。うつ、パーキンソン病、認知機能低下に対する検証済みマーカー。

F0 Mean / StdJitterShimmerHNRSpeech RatePause RatePause Duration

行動指標

関与、参加、相互作用のダイナミクス — 時間経過に伴う行動パターンを明らかにします。

Participation RatioTurn CountEngagement QualitySpeech Duration

気分・情動

連続的な強度スコアリングとセッション単位の感情コンテキストを伴う5クラスの気分分類。

Mood Primary (5-class)Intensity (0-10)Emotional ContextAtmosphere

臨床アラート

うつ症状指標、認知混乱、身体的訴え、安全シグナルの構造化された検出。

Alert BooleanNature (4-class)Severity (4-level)Clinical Detail

長期ベースライン

個人別軌跡追跡と変化検出を可能にする、個人内zスコアベースライン。

Z-Score DeltasBaseline PeriodTrend DirectionSessions Count
お問い合わせ
エクスポート スキーマ

1つの会話、1つの構造化レコード。

各レコードは1つのセッションを表します。JSON、CSV、Parquetで提供 — バージョン管理されたデータ辞書と監査由来情報を添付。

1
被験者レベル
匿名ID、年齢帯、性別、収集サイト
2
セッションレベル
31変数すべて — 認知、音声、行動、気分、アラート
3
音声レベル
F0、jitter、shimmer、HNR、間(ま)のパターン — セッションごとの音響バイオマーカー
4
ベースラインレベル
個人ベースライン、zスコア、複合的推移、トレンドフラグ
session_record.json
{
  "subject_id": "anon_8f3a2c",
  "age_band": "75-79",
  "session_date": "2026-02-28",
  "call_duration_seconds": 540,
  "cognitive": {
    "word_count": 312,
    "type_token_ratio": 0.68,
    "mean_utterance_length": 8.4,
    "repetition_rate": 0.05,
    "words_per_minute": 98,
    "coherence_score": 8,
    "idea_density_score": 7,
    "word_finding_score": 9,
    "composite_score": 742
  },
  "voice": {
    "f0_mean_hz": 185.3,
    "f0_std_hz": 28.7,
    "jitter_percent": 1.12,
    "shimmer_percent": 3.45,
    "hnr_db": 18.2,
    "speech_rate": 3.8,
    "pause_rate": 0.22,
    "mean_pause_duration_ms": 680
  },
  "behavioral": {
    "participation_ratio": 0.45,
    "turn_count": 24,
    "engagement_quality": "good",
    "user_speech_duration_s": 245
  },
  "mood": {
    "primary": "positive",
    "intensity": 7
  },
  "alert": {
    "triggered": false,
    "nature": null,
    "severity": null
  },
  "baseline_delta": {
    "composite_z_score": +0.3,
    "sessions_in_baseline": 12,
    "trend": "stable"
  }
}
お問い合わせ
臨床的検証

査読を経た研究に基づく。

確立された臨床尺度との予備的な内部相関。複数施設での外部検証は現在進行中。

指標 ↔ 臨床尺度との相関

予備的 · 内部検証コホート(N = 120)

Amigo metricScalerDirection
Composite ScoreMoCA0.72↑↑
Type-Token RatioMMSE0.65↑↑
Idea DensityMoCA0.68↑↑
Word Finding ScoreBNT0.71↑↑
Repetition RateMMSE-0.58↑↓
Pause RateMoCA-0.54↑↓
F0 Std (Hz)GDS-0.49↑↓
Mood IntensityGDS-0.61↑↓
JitterUPDRS-III0.52↑↑
Speech RateMoCA0.47↑↑
MoCA — Montreal Cognitive AssessmentMMSE — Mini-Mental State ExaminationGDS — Geriatric Depression ScaleBNT — Boston Naming TestUPDRS-III — Unified Parkinson's Disease Rating Scale

検証方法論

  1. 1

    Paired assessment: Subjects completed standard clinical scales (MoCA, MMSE, GDS, BNT) within 48h of Amigo conversation sessions.

  2. 2

    Pearson correlation: Each metric was correlated with the clinically closest scale at subject level, controlling for age and education.

  3. 3

    Longitudinal sensitivity: Change scores over 6 months vs. clinical re-assessment — Amigo composite detected decline 4–8 weeks earlier than quarterly MoCA.

公表された研究に基づく

  • →

    Type-Token Ratio decline as MCI marker — Bucks et al., 2000; Forbes-McKay & Venneri, 2005

  • →

    Idea density predicting AD onset — Snowdon et al. (Nun Study), 1996

  • →

    Pause patterns and speech rate in cognitive decline — Hoffmann et al., 2010; Roark et al., 2011

  • →

    F0 and jitter as depression biomarkers — Cummins et al., 2015; Low et al., 2011

  • →

    Vocal shimmer / HNR in Parkinson's disease — Tsanas et al., 2012; Rusz et al., 2011

  • →

    Spontaneous speech analysis for dementia screening — Fraser et al., 2016; Luz et al., 2020

現在の状況
内部検証完了 · 外部検証進行中

複数施設での検証研究のため、学術・製薬パートナーを募集中です。

お問い合わせ
R&Dへの応用

データが使われている場面。

神経変性疾患、老年精神医学、臨床薬剤開発、リアルワールドエビデンスにわたる用途。

アルツハイマー・認知症の早期検出

臨床診断に数か月から数年先行する微細な言語マーカー(TTR低下、反復増加、idea density低下)でモデルを学習。長期ベースラインにより被験者内の変化検出が可能。

バイオマーカー発見予測モデリング前臨床検出

臨床試験のデジタルエンドポイント

Phase II〜III試験向けデジタルエンドポイントとしての継続的な認知スナップショット。四半期MMSE比で週単位の解像度 — 変化への高感度、低い患者負担、リモートモニタリング。

デジタルエンドポイント薬剤有効性Phase II〜IIIリモートモニタリング

老年期うつ・社会的孤立

長期気分軌跡、関与低下パターン、アラート頻度データ — うつ発症、社会的孤立、介入効果の研究に。

気分軌跡社会的孤立介入研究

規制対応のリアルワールドエビデンス

実際の家庭環境からの自然な継続的データ。FDA / EMAの市販後調査、適応拡大、リアルワールドエビデンスパッケージに最適。

RWE市販後調査FDA / EMA適応拡大

音声・音響バイオマーカー研究

数か月にわたるF0低下、jitter / shimmer推移、間のパターン変化の追跡。うつスクリーニング、パーキンソン病モニタリング、早期認知変化のための検証済み音声マーカー。

音声バイオマーカーF0 / Jitter / Shimmerうつスクリーニングパーキンソン病

発話・言語バイオマーカー検証

計算言語学的・音響特徴を確立された臨床認知尺度と相互検証。指標とスコアのペアデータにより堅牢なマルチモーダル バイオマーカー検証が可能。

NLP検証言語バイオマーカー尺度較正
お問い合わせ
コホート適合性

CNS試験が最もアクセスしにくい集団のために構築。

音声優先の取得方式は、高齢または認知的に脆弱な集団でデジタルエンドポイント取得を妨げる摩擦の大部分を取り除きます。

老年期うつ

通院間隔での毎日の気分シグナルと弱シグナル警報。

MCI・初期アルツハイマー

反復的な正式テストを行わない長期認知マーカー。

パーキンソン病・運動障害

家庭環境での発話ベース特徴とアドヒアランス報告。

統合失調症・双極性障害

臨床接触の間隔での毎日の情動と関与シグナル。

疼痛・long-COVID

自然な会話を通じた患者報告型の症状と影響の追跡。

介護者・対(つい)研究

適切な場合の家族情報提供者からの並行シグナル取得。

お問い合わせ
試験への組み込み

すでに運用中の研究スタックに収まるよう設計されています。

音声のみの取得

ウェアラブル不要、アプリ不要、被験者負担なし。コホートは電話に出るだけ — それだけです。

API優先のデータフロー

被験者ごとの時系列データを貴社データレイクへエクスポート。REDCapおよび標準CDISCマッピングとも互換(ご依頼ベース)。

監査グレードの記録

すべての通話、トランスクリプト、スコア、アラート、アクセスイベントがタイムスタンプ付き、不変、かつエクスポート可能。

規制対応の姿勢

HIPAA準拠の管理、ロールベースアクセス、通信時・保存時の暗号化、BAA提供可、21 CFR Part 11ロードマップ(ご依頼ベース)。

お問い合わせ
データ品質とコンプライアンス

スポンサーとIRBがすでに有する前提を満たすよう設計。

通信時・保存時の暗号化、鍵ローテーション実施
ロールベースアクセス、監査ログ、BAA提供可
被験者単位のエクスポート、保持期間の設定可能
データレジデンシ選択肢(米国、EU) スポンサー要件に応じて
IRBに配慮した同意文書および開示文書を提供
バージョン管理されたスキーマ、NLPパイプラインのバージョン、処理監査証跡
お問い合わせ
ライセンス

プログラムに合わせた柔軟なデータアクセス。

Snapshot

静的データセット

一回限りの過去データエクスポート。探索的解析、モデル学習、実現可能性調査に最適。

  • Full historical cohort
  • CSV / Parquet / JSON
  • Data dictionary included
推奨
Continuous

ライブデータフィード

毎日の増分を含む継続的なAPIアクセス。臨床モニタリングおよびアダプティブ試験設計向け。

  • Real-time API access
  • Daily incremental updates
  • Webhook notifications
  • SLA-backed uptime
Custom

研究パートナーシップ

カスタム指標、ターゲットコホート基準、共同出版権を含む共同設計プロトコル。

  • Custom NLP pipelines
  • Targeted cohort selection
  • Joint publication
  • Dedicated data engineer
お問い合わせ
研究チームの方へ

匿名化された1,000セッションのサンプルデータセットをご提供します。

コミットメントは不要です。ライセンス交渉の前にデータを評価いただけます。プロトコル適合性の評価は5営業日以内にお返しします。

お問い合わせ
パートナーシップを相談する