Способ обнаружения критичных трендов при многопараметрическом контроле за пациентом и клинических данных, используя кластеризацию



Способ обнаружения критичных трендов при многопараметрическом контроле за пациентом и клинических данных, используя кластеризацию
Способ обнаружения критичных трендов при многопараметрическом контроле за пациентом и клинических данных, используя кластеризацию
Способ обнаружения критичных трендов при многопараметрическом контроле за пациентом и клинических данных, используя кластеризацию
Способ обнаружения критичных трендов при многопараметрическом контроле за пациентом и клинических данных, используя кластеризацию
Способ обнаружения критичных трендов при многопараметрическом контроле за пациентом и клинических данных, используя кластеризацию

 


Владельцы патента RU 2428104:

КОНИНКЛЕЙКЕ ФИЛИПС ЭЛЕКТРОНИКС Н.В. (NL)

Группа изобретений относится к области медицины и медицинской технике. Устройство содержит: блок ввода для приема множества различных физиологических параметров отдельного пациента с различными временными интервалами; блок классификации для сопоставления наборов физиологических параметров отдельного пациента, полученных с различными временными интервалами, с многомерным пространством, имеющим множество областей, каждая из которых соответствует одному из двух или более состояний пациента, для формирования тренда для наборов физиологических параметров, для экстраполирования трендов и прогнозирования будущего состояния отдельного пациента на основе экстраполирования трендов, прогрессирующих в сторону одного или более участков, блок вывода, обеспечивающий передачу прогнозируемого будущего состояния пользователю устройства. Способ характеризует приемы работы с данным устройством. Данная группа изобретений упрощает анализ многопараметрических трендов. 4 н. и 14 з.п. ф-лы, 1 табл., 5 ил.

 

Область техники

Настоящее изобретение относится к мониторингу пациента и системе диагностирования. Изобретение находит конкретное применение для анализа многочисленных физиологических параметров в многомерном пространстве для определения физиологического состояния и/или прогноза последующего физиологического состояния отдельного пациента.

Предшествующий уровень техники

Пациентов обычно подключают к множеству устройств мониторинга, которые непрерывно или периодически измеряют множество физиологических данных, например частоту пульса, содержание кислорода в крови, температуру тела, электрическую активность сердца и т.д. Из этих данных, а также из других данных, т.е. анализов крови, костных анализов, анализов экскреции (например, мочи, слизи и т.д.), гормональных анализов и т.д., практикующие врачи часто определяют состояние пациента. Практикующие врачи также используют эти данные для прогноза, сохраняется ли состояние пациента или переходит в другое состояние (например, состояние улучшается) или нестабильное состояние (например, состояние ухудшается), включая определение одного или более вероятных нестабильных состояний (например, сепсис, панкреатит, отек легких и т.д.).

Традиционные методики для определения состояния пациента включают в себя определение пороговой величины линейной комбинации физиологических данных. Например, температура может сравниваться с интервалом "нормальных" температур, пульс может сравниваться с интервалом "нормальной" частоты пульса и т.д. Подобные системы включают в себя шкалу оценки острых и хронических функциональных изменений (APACHE), упрощенную шкалу оценки острых функциональных изменений (SAPS), педиатрический риск смертности (PRISM), педиатрический индекс смертности (PIM) и тому подобное. Однако физиологические данные обычно взаимодействуют нелинейным образом. Системам, основанным на линейных способах, не удается принимать во внимание эти взаимодействия, которые часто являются лучшим индикатором состояния пациента относительно абсолютных значений индивидуальных параметров или набором параметров. Кроме того, эти системы типично не анализируют тренды в физиологических данных. Системы, которые не анализируют физиологические тренды, обычно только анализируют индивидуальные параметры. Например, мониторы для электрокардиограммы (ECG) традиционно лишь анализируют ECG-сигналы в течение времени.

С традиционными методиками нелинейные способы для анализа многопараметрических трендов в течение времени оказываются слишком сложными и вычислительно трудноразрешимыми.

Краткое изложение существа изобретения

Задачей настоящего изобретения является создание упрощенного способа и устройства анализа многопараметрических трендов (тенденций).

Согласно одному варианту осуществления изобретения предложено устройство анализа физиологических данных для определения состояния отдельного пациента. Устройство анализа физиологических данных содержит блок ввода, который принимает множество различных физиологических параметров отдельного пациента. Устройство анализа физиологических данных дополнительно содержит блок классификации, который сопоставляет эти параметры с многомерным пространством, которое имеет множество областей, соответствующих двум или более состояниям. Блок классификации определяет состояние отдельного пациента в области физиологических параметров, сопоставленных в ней. Блок вывода сообщает состояние отдельного пациента пользователю устройства анализа физиологических данных.

Предпочтительно устройство обеспечивает определение текущего состояния отдельного пациента из множества физиологических параметров.

Другое преимущество заключается в возможности прогноза будущего состояния отдельного пациента из множества наборов физиологических параметров, получаемых в различные временные интервалы.

Другое преимущество заключается в возможности определения тренда (тенденции) многочисленных физиологических параметров в течение времени, чтобы делать вывод о будущем состоянии отдельного пациента.

Дополнительные преимущества будут очевидны специалистам в данной области техники при прочтении и понимании подробного описания предпочтительных вариантов осуществления, не ограничивающих изобретение, со ссылками на сопроводительные чертежи, на которых:

Фиг.1 изображает устройство анализа физиологических данных в многомерном пространстве для определения текущего состояния и/или прогноза последующего состояния отдельного пациента, согласно изобретению;

Фиг.2 - вычислительную систему, в которой может использоваться устройство физиологического анализа, согласно изобретению;

Фиг.3 - устройство физиологического анализа как независимое устройство, согласно изобретению;

Фиг.4 - примерное сопоставление областей, указывающих сепсис в многомерном пространстве, используемом для определения текущего состояния отдельного пациента, согласно изобретению;

Фиг.5 - примерный тренд (тенденцию) физиологических параметров в многомерном пространстве, используемом для прогноза будущего состояния отдельного пациента, согласно изобретению.

Описание предпочтительных вариантов воплощения изобретения

На Фиг.1 представлено устройство 10 анализа физиологических данных, которое анализирует физиологические данные в многомерном пространстве для определения текущего состояния отдельного пациента и/или прогноза последующего состояния отдельного пациента. Примеры соответствующих физиологических данных включают в себя, но не ограничены сердечным ритмом, кровяным давлением, содержанием кислорода в крови, температурой внутренней части, электрической активностью сердца, количеством лейкоцитов, уровнем гормонов и т.д. Для определения и прогноза состояния отдельного пациента, стабильные состояния и нестабильные состояния, например сепсис, моделируются в многомерном пространстве. Предпочтительный вариант осуществления достигается путем сопоставления физиологических параметров, указывающих конкретные состояния (стабильные и нестабильные) в многомерном пространстве, и соответственно нанесения меток на эти области многомерного пространства (или указывая степень тяжести, т.е. показатель тяжести). Для определения текущего состояния отдельного пациента физиологические параметры от отдельного пациента сопоставляются с многомерным пространством. Состояние отдельного пациента определяется, по меньшей мере, частично по области, в которой сопоставляются физиологические параметры. Для прогноза будущего состояния множество наборов физиологических параметров отдельного пациента, получаемые в течение времени, сопоставляются в многомерном пространстве. Тренд (тенденция) на основе двух или более сопоставлений используется, чтобы сделать вывод о будущем состоянии отдельного пациента.

Устройство 10 анализа содержит блок 12 ввода, который принимает физиологические данные, например параметры, представляющие сердечный ритм, кровяное давление, содержание кислорода в крови, температуру внутренней части, электрическую активность сердца, количество лейкоцитов, уровень гормонов и т.д. В одном примере блок 12 ввода соединен (например, через порт данных) с одним или более устройствами контроля физиологических показателей (например, монитор ECG, монитор кровяного давления, термометр и т.д.), которые воспринимают физиологические данные и передают физиологические данные в устройство 10 анализа с помощью блока 12 ввода. Следует принимать во внимание, что подобные физиологические данные могут быть первичными или обработанными данными. Дополнительно или альтернативно блок 12 ввода включает в себя проводные и/или беспроводные сетевые элементы (не показаны) для приема физиологических данных по сети, включая Интернет. Например, блок 12 ввода может принимать физиологические данные от сенсоров, постоянно находящихся в сети BAN (сеть участков тела), баз данных, сервера, монитора физиологических данных, компьютера, других блоков анализа физиологических данных, сотового телефона, персонального цифрового помощника (PDA), по электронной почте, от запоминающего устройства сообщений и т.д. Дополнительно или альтернативно блок 12 ввода содержит порт для приема переносного накопителя (например, различные типы флеш-памяти, компакт-диск, универсальный цифровой диск, кассета с магнитной лентой и т.д.), который может использоваться для передачи физиологических данных в устройство 10 анализа. Дополнительно или альтернативно блок 12 ввода может соединяться с клавиатурой, малой клавишной панелью, сенсорным экраном, микрофоном или другим устройством ввода и принимать физиологические данные с помощью подобных устройств, например, от пользователя.

Обрабатывающий блок 14 управляет блоком 12 ввода. Обрабатывающий блок 14 может осуществлять доступ к конфигурации из блока 16 для определения частоты, с которой блок 12 ввода осуществляет доступ к физиологическим данным. Следует принимать во внимание, что частота может задаваться пользователем и/или автоматически определяться на основе прошлой деятельности, вероятностей, выводов, определения пользователей и т.д. В одном примере конфигурация задает частоту опроса, при этом блок 12 ввода опрашивает другое устройство (например, устройства контроля, компьютеры, базы данных и т.д.) для определения, доступны ли физиологические данные. Подобный опрос может существовать с помощью одноадресной передачи к конкретному устройству, многоадресной передачи к группе устройств и/или трансляции к любому устройству с помощью элементов или разрешения взаимодействовать с помощью устройства 10 анализа. В другом примере конфигурация может определять, что устройство 10 анализа должно вводить состояние ожидания или неактивное состояние, когда физиологические данные недоступны, и активное состояние, когда физиологические данные становятся доступны. Устройство, предоставляющее физиологические данные, может отправлять уведомление и ожидать, пока устройство 10 анализа будет активным и ответит (например, продолжать и отправлять данные, не отправлять какие-либо данные и т.д.), или оно может просто генерировать физиологические данные.

Обрабатывающий блок 14 сохраняет принятые физиологические данные в блоке 18 накопителя. Сохраненные данные могут включать в себя первичные и/или обработанные данные и могут быть ассоциированы с информацией, например идентичностью отдельного пациента, отметкой времени, медицинской историей отдельного пациента, типом данных (например, температура, кровяное давление и т.д.), идентичностью источника данных и т.д. Дополнительно и альтернативно используется внешний накопитель (не показан). Например, внешний накопитель может использоваться для предоставления большего объема данных. В другом примере внешний накопитель может использоваться для уменьшения требований к хранению и/или зоны обслуживания устройства 10 анализа. В еще одном примере внешний накопитель используется как резервная вспомогательная система.

Блок 16 конфигурации также включает в себя команды, указывающие, как обрабатывающий блок 14 должен обрабатывать данные. Например, команды могут указывать, какие типы (например, ECG, температура, анализ крови и т.д.) данных необходимо использовать в конкретном анализе. Пользователь может решить ограничить типы данных и/или число типов, анализируемых для того, чтобы уменьшить время обработки. В другом примере пользователь может пожелать уменьшить использование конкретных типов данных, подразумеваемых для предоставления небольшого или никаких значений в определении состояния отдельного пациента. Команды могут также указывать число точек данных, чтобы использовать в конкретном анализе. Например, команды могут указывать, что рассмотрение недельных данных должно записываться до использования данных, чтобы определять текущее или будущее состояние. Если этот объем данных получен, обрабатывающий блок 14 извлекает и анализирует данные.

Блок 20 классификации определяет текущее и/или ожидаемое будущее состояние отдельного пациента на основе принятой физиологической информации. Как описано выше, это может достигаться с помощью сопоставления физиологических параметров, указывающих конкретные состояния в многомерном пространстве от многих отдельных пациентов и отметки этих областей. Физиологические параметры от текущего отдельного пациента сопоставляются в отмечаемом многомерном пространстве. Например, физиологические данные, представляющие "нормальное" или стабильное состояние, могут использоваться для определения областей в многомерном пространстве, при этом отдельный пациент рассматривается как "нормальный", если его/ее физиологические данные попадают в любую из этих областей. Физиологические данные, представляющие "аномальные" или нестабильные состояния, могут использоваться для определения областей нестабильности (например, сепсиса) в многомерном пространстве. Подразумевается, что отдельный пациент имеет состояние, ассоциируемое с областью, в которую попадают его/ее физиологические данные. С помощью примера физиологические параметры, указывающие на сепсис, могут быть сопоставлены с одной или более областями в многомерном пространстве, области которого отмечены как сепсис. Если физиологические данные отдельного пациента сопоставлены с любой из этих областей, подразумевается, что у отдельного пациента, вероятно, сепсис. Следует принимать во внимание, что области для различных состояний могут совпадать. В подобных ситуациях подразумевается, что отдельный пациент должен ассоциироваться с одним или более состояниями. Дополнительный анализ может выполняться для уменьшения числа потенциальных состояний, если возможно.

Последующие измерения физиологических параметров предпочтительно сопоставляются для облегчения прогнозирования будущего состояния отдельного пациента. Например, тренд на основе двух или более сопоставлений, полученных при различных временных интервалах, используется, чтобы сделать вывод о будущем состоянии отдельного пациента. Например, тренд используется для определения, должен ли, скорее всего, отдельный пациент остаться в "стабильной" области; перейти от "стабильной" области в "нестабильную" область (например, представляя ухудшение здоровья); остаться в "нестабильной" области; перейти от "нестабильной" области к другой "нестабильной" области; и перейти от "нестабильной" области к "стабильной" области (например, представляя улучшение здоровья). Например, если тренд физиологических данных отдельного пациента показывает прогрессирование к области сепсиса, можно сделать вывод о том, что отдельный пациент может иметь или у него может развиваться сепсис.

Точки данных, используемые для построения тренда, определяются с помощью блока 14 конфигурации. Например, если физиологические данные приняты и сохранятся ежедневно, блок 14 конфигурации может придавать каждому дню точку данных. Естественно, другие шаги приращения времени также рассматриваются, например, ежечасно. Вектор формируется между каждой точкой данных (или данными от каждого дня) и результирующим вектором по числу дней или точек данных, проектами будущего состояния отдельного пациента. Дополнительно или альтернативно каждый отдельный вектор анализируется для определения будущего состояния пациента. Кроме того, точки данных используются для прогноза будущего состояния с помощью экстраполяции, экстраполяция которого используется для прогноза сопоставления последовательно измеряемых физиологических параметров.

В зависимости от типа и источника данных данные, получаемые в каждом временном интервале, могут быть различны. Например, температура может постоянно измеряться с помощью прямокишечного зонда, кровяное давление может измеряться ежечасно с помощью неинвазивной методики, уровень лейкоцитов в крови может определяться ежедневно и т.д. Подобные данные могут быть по-разному свернуты. Например, температура может быть средней по дню или некоторому подмножеству времени, включая многочисленные средние в продолжение единственного дня. Температура может усредняться ежечасно и использоваться вместе с ежечасными измерениями кровяного давления во время анализа. В другом примере температура и кровяное давление усредняются в течение дня, и средняя используется вместе с ежедневным уровнем лейкоцитов в крови во время анализа.

Блок 20 классификации предпочтительно выполняет одну или более классификаций или алгоритмов регрессии по комбинациям данных, отражающих известные состояния для того, чтобы отмечать области в многомерном пространстве и/или по физиологическим данным для того, чтобы сопоставлять измеряемые физиологические параметры в многомерном пространстве, и для того, чтобы отмечать состояние пациента или назначать показатель тяжести. Соответствующие методики, алгоритмы, подходы, схемы и т.д. включают использование одного или более из следующего: нейронные сети (например, многослойные перцептроны, лучевые базисные функции), экспертные системы, нечеткая логика, вспомогательная вычислительная машина для обработки векторных данных, байесовские доверительные сети и т.д. Более того, сопоставление может быть выполнено с помощью одной или более таблиц соответствия и/или разложения полинома, представляющего многомерное пространство. Блок 20 классификации может быть разработан или обучен, используя различные способы, включая априорное знание, различные методики кластеризации (например, к-средние, алгоритм к-медианы, иерархические способы, минимизация математического ожидания (EM)), вероятностные методики и/или методики, основанные на статистическом анализе и распознавании образов, или методики, ассоциированные с определенным используемым классификатором (например, обратное распространение для многослойного перцептрона). Алгоритм обучения использует любые нестабильные состояния и ассоциируемые параметры, известные стабильные состояния и ассоциируемые параметры, интервалы параметров, типично ассоциируемые со стабильными состояниями, результатами от анализа и т.д.

Блок 22 сообщений представляет собой устройство для устройства 10 анализа, уведомляющее практикующих врачей, приложения, устройства, прикроватные мониторы и т.д. Например, блок 16 конфигурации может указывать, что устройство 10 анализа должно лишь передавать уведомление, когда отдельный пациент переходит от стабильного (например, нормальное, известное состояние и т.д.) состояния к нестабильному (например, угрожающее жизни, ненормальное и т.д.) состоянию. Устройство 10 анализа может последовательно обрабатывать физиологические данные и сообщать одному или более практикующим врачам, когда отдельный пациент становится нестабильным. В другом примере блок 16 конфигурации указывает, что устройство 10 анализа должно только передавать уведомление, когда отдельный пациент переходит от нестабильного состояния к стабильному состоянию. В другом примере блок 16 конфигурации указывает, что устройство 10 анализа должно только передавать уведомление при любом изменении состояния, включая переход от одного нестабильного состояния к другому нестабильному состоянию. Блок 22 сообщений может использовать различные схемы передачи данных для предоставления подобных уведомлений. Например, блок 22 сообщений инициирует звуковой и/или визуальный сигнал тревоги в прикроватной или центральной контрольной станции. В другом примере блок 22 сообщений уведомляет практикующего врача с помощью одного или более традиционного телефона, сотового телефона, пейджера, электронной почты, цифрового персонального помощника (PDA) и так далее. Блок 22 вывода дает возможность устройству 10 анализа передавать собранные и/или обработанные данные и/или результаты практикующим врачам, приложениям, устройствам и т.д.

На Фиг.2 показана вычислительная система 26, в которой может использоваться устройство 10 физиологического анализа. Вычислительная система 26 может быть в основном любой машиной с процессором. Например, вычислительная система 26 может быть прикроватным монитором, настольным компьютером, портативным компьютером, цифровым персональным помощником (PDA), сотовым телефоном, рабочей станцией, центральной ЭВМ, карманным компьютером, устройством для измерения одного или более физиологических состояний отдельного пациента и т.д. Устройство 10 анализа может быть реализовано в аппаратном обеспечении (например, дочерней плате или плате расширения) и/или программном обеспечении (например, одно или более исполняющихся приложений) в соединении с вычислительной системой 26.

Вычислительная система 26 содержит элемент ввода-вывода (I/O). Например, вычислительная система 26 включает в себя интерфейсы для приема информации от одного или более из следующих устройств: клавиатуры, малой клавишной панели, сенсорного экрана, микрофона, РЧ-сигналов, инфракрасных сигналов, портативного накопителя и т.д. Вычислительная система 26 также включает в себя интерфейсы для представления. Например, вычислительная система 26 включает в себя интерфейсы в различных устройствах печати, графопостроителях, сканирующих устройствах и т.д. Вычислительная система 26 дополнительно включает в себя интерфейсы для передачи информации. Например, вычислительная система 26 включает в себя интерфейсы проводных и/или беспроводных сетей (например, Ethernet и т.д.), порты передачи данных (например, параллельные и последовательные), портативный накопитель и т.д. Блок 30 представления используется для отображения данных, запрашивая у пользователя ввод, взаимодействие с пользователем и т.д. Соответствующие устройства отображения включают в себя жидкокристаллические дисплеи, на плоской панели, с электронно-лучевой трубкой (CRT), с сенсорными экранами, плазменные и т.д. Также может быть озвучен световой сигнал опасности или сигнал звуковой тревоги.

В качестве примера элемент 28 ввода/вывода (I/O) принимает физиологические данные, используемые для формирования модели и сопоставления физиологических параметров отдельного пациента с моделью. Эти данные передаются в устройство 10 анализа и сопоставляются с многомерной моделью, как описано выше. Модель задает области, которые ассоциируются с конкретными состояниями на основе физиологических параметров. Области соответственно отмечаются как стабильные или нестабильные, включая конкретное состояние (например, сепсис), или назначается величина степени тяжести. Альтернативно, если подходящее соответствие определено, соответствие непосредственно загружается в устройства анализа. Текущее состояние отдельного пациента определяется сопоставлением физиологических параметров отдельного пациента с одной или более областями, определяемыми в многомерном пространстве, и получением соответствующих отметок состояний. Будущее состояние прогнозируется с помощью определения тренда физиологических параметров отдельного пациента в течение времени и заключения о будущем состоянии из тренда. Модель, отдельные точки и/или результаты могут быть представлены через элемент 30 представлений и/или переданы практикующему врачу, приложению, устройству и т.д. с помощью устройства 28 I/O.

На Фиг.3 показан пример, в котором устройство 10 физиологического анализа является независимым устройством. В этом примере устройство 10 анализа содержит элемент 28 ввода/вывода (I/O), который используется для приема и/или передачи информации от и/или в другие устройства, и соединяется с блоком 30 представления. Аналогично вышеизложенному элемент 28 I/O принимает физиологические данные, используемые для формирования модели, и сопоставляет физиологические параметры отдельного пациента с моделью и передает результаты и/или данные, и блок 30 представления представляет результаты и/или данные. Устройство 10 анализа определяет области стабильности и нестабильности в многомерном пространстве и сопоставляет один или более наборов физиологических параметров для определения состояния и/или будущего состояния отдельного пациента, как описано подробно выше.

Фиг.4 и 5 иллюстрируют примеры определения текущего и/или будущего состояния отдельного пациента. В этих примерах состоянием является сепсис. Однако следует понимать, что в основном любое состояние, стабильное или нестабильное, может сопоставляться с N-мерным пространством.

Соответствующие параметры для обнаружения начала сепсиса включают в себя, но не ограничены, температуру тела, частоту пульса, частоту дыхания, систолическое давление крови и уровень лейкоцитов в крови.

Примерные значения параметров, которые указывают на сепсис, включают в себя следующее:

температура тела (Т): >38°C или <36°C;

частота пульса (HR): >90 ударов/мин;

частота дыхания (RR): >20 дыханий/мин или PaCO2 <32 мм рт.ст.;

систолическое кровяное давление (SBP): <90 мм рт.ст. или среднее артериальное давление <65 мм рт.ст.;

уровень лейкоцитов в крови (WBC): >12,000 или <4000 клеток/микролитр. Параметры аналогично WBC могут быть дополнительно описаны в различных соответствующих компонентах, которые могут ассоциироваться со следующими "нормальными" интервалами:

нейтрофилы: 50-70% или 7,4-10,4 тысяч/куб.мм;

лимфоциты: 20-30%;

моноциты: 1,7-9%;

эозинофильные лейкоциты: 0-7%;

базофильные лейкоциты: <1%.

Фиг.4 иллюстрирует части областей в N-мерном пространстве, при этом N является целым, которое равно или больше, чем единица, указывает на сепсис, базируясь на подмножестве вышеупомянутых критериев. Только три (WBC, T и SBP) из вышеупомянутых критериев проиллюстрированы для ясности. Однако следует принимать во внимание, что предполагаются другие комбинации с большими, теми же самыми или меньшими критериями, включая различные критерии. Уровень лейкоцитов в крови представляет одно измерение, температура представляет другое измерение и систолическое кровяное давление - еще одно измерение. Конкретная ось для параметра может быть произвольной или нет.

Используя интервалы, проиллюстрированные выше, множество областей 100, 102, 104 и 106, указывающие на сепсис, заданы в N-мерном пространстве, где N = 3 в этом примере. Для пояснительных целей области 100-106 проиллюстрированы как прямоугольные пространства. Однако следует принимать во внимание, что области 100-106 могут быть по-разному сформированы. Например, соответствующие формы включают в себя сферы, эллиптические объемы, несимметричные объемы и т.д. Кроме того, многочисленные состояния (стабильные и другие нестабильные) могут быть заданы в одной или более областях в N-мерном пространстве, и подобные области могут накладываться или могут не накладываться. Таким образом, конкретная область в N-мерном пространстве может указывать на сепсис, сепсис и одно или более других нестабильных состояний, по меньшей мере, одно нестабильное состояние или стабильное состояние.

Текущее состояние отдельного пациента определяется с помощью анализа аналогичных параметров, ассоциируемых с отдельным пациентом, и сопоставления набора параметров в N-мерном пространстве. Если параметры сопоставляются области, отмечаемой как сепсис, предполагается, что отдельный пациент, вероятно, имеет сепсис. Если параметры сопоставляются области, отмечаемой как стабильная, предполагается, что отдельный пациент, вероятно, стабилен. Если параметры сопоставляются области с более, чем одной меткой (например, перекрывающиеся области), предполагается, что отдельный пациент, вероятно, ассоциируется с одним или более состояниями (не показано). Для любой точки в N-мерном пространстве степень может быть назначена для того, чтобы представлять тяжесть или правдоподобие состояния.

На Фиг.5 показан неограничивающий пример прогноза будущего состояния отдельного пациента с помощью отслеживания одного или более из N физиологических параметров и определения, к каким областям в N-мерном пространстве переходят параметры. В этом примере только два (WBC и температура) из вышеупомянутых параметров в отношении времени проиллюстрированы для ясности. Однако следует принимать во внимание, что рассматриваются другие комбинации с большими, теми же самыми или меньшими критериями, включая различные критерии.

В предпочтительном варианте осуществления анализ временных рядов используется для определения правдоподобия, что в следующую прибавляемую величину времени отдельный пациент ассоциируется с одним или более конкретными состояниями на основе одного или более переходов в N-мерном пространстве. В этом примере состояние отдельного пациента отображено по шести дням следующим образом: в первый день ("день 1") N параметров отдельного пациента сопоставляются с точкой в 112 в N-мерном пространстве; во второй день ("день 2") N параметров отдельного пациента сопоставляются с точкой в 114 в N-мерном пространстве; в третий день ("день 3") N параметров отдельного пациента сопоставляются с точкой в 116 в N-мерном пространстве; на четвертый день ("день 4") N параметров отдельного пациента сопоставляются с точкой в 118 в N-мерном пространстве; на пятый день ("день 5") N параметров отдельного пациента сопоставляются с точкой в 120 в N-мерном пространстве; и на шестой день ("день 6") N параметров отдельного пациента сопоставляются с точкой в 122 в N-мерном пространстве.

Ожидаемая тяжесть состояния отдельного пациента в следующей прибавляемой величине времени, день в этом примере может определяться, принимая во внимание результат тяжести состояния любой точки в N-мерном пространстве и правдоподобие или уверенность в том, что отдельный пациент будет в этой области в следующий шаг по времени. Это предпочтительно достигается с помощью анализа временных рядов. Конкретный используемый алгоритм временных рядов может быть основан на сущности проблемы или иным образом. В одном примере используется традиционная линейная модель, например, модель авторегрессивного скользящего среднего (ARMA). В других примерах используется нелинейная модель (например, нейронная сеть, которая использует интервал во времени, циклическую нейронную сеть с обратной связью и т.д.).

Множество точек, используемых для прогноза последующей точки во времени, может использоваться пользователем. Каждый временной шаг предпочтительно анализируется как вектор, в котором набор недавних векторов временных шагов используется для прогноза следующего вектора (например, направления следующего этапа) или для определения правдоподобия или уверенности, что отдельный пациент находится в соседней области N-мерного пространства индикатора. Размер шага и/или вес шага может различаться в зависимости от приложения или иным образом. Например, для сепсиса интервал в несколько дней может быть подходящим.

Различные методики могут использоваться, когда используют параметры, замеряемые с различной частотой (например температура может замеряться каждый час, в то время как WBC может замеряться каждые 8 часов). Например, для параметра с относительно большой частотой взятия отсчетов могут использоваться замеры, более близкие во времени к наименее замеряемым параметрам. В другом примере может быть выбран интервал, в котором существует, по меньшей мере, один замер для каждого параметра (например, день). Для параметров, ассоциированных с многочисленными замерами, может использоваться среднее или медианное значение.

Таблица 1 иллюстрирует примерные данные для отдельного пациента, переходящего к сепсису. Шаг времени существует в днях по шестидневному интервалу. Данные для каждого дня включают в себя репрезентативное (например, среднее, медианное, абсолютное и т.д.) значение для каждого параметра. Использование анализа временных рядов, данных от всех шести дней или их подмножества, используются для определения правдоподобия, что отдельный пациент в последующий день находится в различных смежных состояниях в N-мерном пространстве. Оценка ожидаемой тяжести определяет, инициировать ли упреждающее вмешательство.

Таблица 1
Примерные данные для отдельного пациента,
переходящего к сепсису.
Признаки и симптомы День 1 День 2 День 3 День 4 День 5 День 6
Температура 36 36,2 37,4 37,5 37,5 37,9
SBP 125 120 120 105 103 100
MAP 90 92 89 76 72 70
HR 66 68 80 77 89 88
RR 14 14 15 16 17 20
WBC 6,05 6,5 6,95 8,79 9,8 10,92
Нейтрофилы 5 5,2 5,5 6,9 7,5 8,4
Лимфоциты ,8 ,9 ,92 ,95 1 1,1
Моноциты ,2 ,27 ,33 ,56 ,78 ,8
Эозинофильные лейкоциты ,04 ,09 ,13 ,29 ,41 ,5
Базофильные лейкоциты ,01 ,04 ,07 ,09 ,11 ,12

Изобретение описано со ссылкой на предпочтительные варианты осуществления. Модификации и изменения возможны для других вариантов при прочтении и понимании предшествующего подробного описания. Подразумевается, что изобретение включает все подобные модификации и изменения в такой мере, как они заявлены в формуле изобретения или ее эквивалентах.

1. Устройство (10) анализа физиологических параметров для определения состояния отдельного пациента, содержащее: блок (12) ввода, обеспечивающий прием множества различных физиологических параметров отдельного пациента с различными временными интервалами; блок (20) классификации, предназначенный для сопоставления наборов физиологических параметров отдельного пациента, полученных с различными временными интервалами, с многомерным пространством, имеющим множество областей, каждая из которых соответствует одному из двух или более состояний пациента, для формирования тренда для наборов физиологических параметров, для экстраполирования трендов и прогнозирования будущего состояния отдельного пациента на основе экстраполирования трендов, прогрессирующих в сторону одного или более участков, блок (24) вывода, обеспечивающий передачу прогнозируемого будущего состояния пользователю устройства (10).

2. Устройство (10) анализа по п.1, отличающееся тем, что формируемый тренд является вектором.

3. Устройство (10) анализа по п.1, отличающееся тем, что физиологические параметры, сопоставленные с многомерным пространством, содержат один или более параметров из температуры, частоты пульса, частоты дыхания, систолического кровяного давления и уровня лейкоцитов в крови.

4. Устройство (10) анализа по п.1, отличающееся тем, что блок (20) классификации выполнен с возможностью выполнения классификации или алгоритмов регрессии по комбинациям данных или физиологическим параметрам, чтобы сопоставлять физиологические параметры в многомерном пространстве и отмечать состояние пациента с помощью одной или более методик из: кластеризации, к-средние, алгоритма к-медианы, минимизации математического ожидания, нейронных сетей, иерархических способов, вероятностного анализа, статистического анализа, априорного знания, классификаторов, вспомогательных вычислительных машин для обработки векторных данных, оценки расстояний, экспертных систем, байесовских доверительных сетей, нечеткой логики, распознавания образов, интерполяции, экстраполяции, механизмов слияния данных, проверочных таблиц и разложения полиномов.

5. Устройство (10) анализа по п.1, отличающееся тем, что физиологические параметры содержат два или более параметров из сердечного ритма, кровяного давления, содержания кислорода в крови, температуры внутренней части, электрической активности сердца, количества лейкоцитов и уровня гормонов.

6. Устройство (10) анализа по п.1, отличающееся тем, что блок (20) классификации выполнен с возможностью определения одной или более областей стабильности в многомерном пространстве путем сопоставления физиологических параметров, указывающих на стабильное состояние в многомерном пространстве, и обозначения этих областей как стабильных.

7. Устройство (10) анализа по п.1, отличающееся тем, что блок (20) классификации выполнен с возможностью определения одной или более областей нестабильности в многомерном пространстве путем сопоставления физиологических параметров, указывающих на нестабильное состояние в многомерном пространстве, и обозначения этих областей на основе нестабильного состояния.

8. Устройство (10) анализа по п.7, отличающееся тем, что области нестабильного состояния заранее определены для пациентов, которым предварительно был поставлен диагноз для каждого нестабильного состояния.

9. Устройство (10) анализа по п.1, отличающееся тем, что дополнительно содержит блок (22) работы с сообщениями, выполненный с возможностью передачи уведомления, когда прогнозируется, что состояние отдельного пациента изменится.

10. Устройство (10) анализа по п.1, отличающееся тем, что дополнительно содержит блок (26) вывода для передачи, по меньшей мере, одного из накопленных данных, обработанных данных и результатов.

11. Способ определения будущего состояния отдельного пациента, заключающийся в том, что принимают множество наборов физиологических параметров отдельного пациента, полученных с различными временными интервалами; сопоставляют изменения в наборах физиологических параметров в течение времени, экстраполируют указанные изменения физиологических параметров в многомерном пространстве, и прогнозируют будущее состояние пациента на основе экстраполированного изменения, прогрессирующего в сторону области многомерного пространства, которая соответствует конкретному состоянию.

12. Способ по п.11, отличающийся тем, что дополнительно сопоставляют, по меньшей мере, один другой набор физиологических параметров, полученных в другой временной интервал; и прогнозируют будущее состояние отдельного пациента на основе изменения между сопоставлениями.

13. Способ по п.11, отличающийся тем, что изменение представляют в виде вектора, переходящего в будущее состояние.

14. Способ по п.11, отличающийся тем, что дополнительно используют многомерный кластерный анализ для формирования вектора на основе множества принятых физиологических параметров.

15. Способ по п.11, отличающийся тем, что дополнительно определяют одну или более областей в многомерном пространстве путем сопоставления физиологических параметров, указывающих на одно или более состояний в многомерном пространстве, и обозначают эти области.

16. Способ по п.11, отличающийся тем, что дополнительно передают, по меньшей мере, одно сообщение, указывающее на состояние отдельного пациента, сообщение, которое указывает на будущее состояние отдельного пациента и физиологические параметры.

17. Компьютер, запрограммированный для выполнения способа по п.11.

18. Способ определения текущего и будущего состояния отдельного пациента, заключающийся в том, что определяют области стабильности и нестабильности в многомерном пространстве, принимают набор физиологических параметров отдельного пациента, определяют текущее состояние отдельного пациента путем сопоставления набора физиологических параметров в многомерном пространстве, в котором состояние отдельного пациента характеризуется областью физиологических параметров, сопоставленных в ней, принимают один или более дополнительных наборов физиологических параметров отдельного пациента, причем каждый набор получен в различное время, сопоставляют один или более дополнительных наборов физиологических параметров в многомерном пространстве, формируют тренды на основе сопоставленных наборов физиологических параметров, и прогнозируют будущее состояние отдельного пациента на основе трендов, прогрессирующих в сторону области многомерного пространства, которая соответствует одному из множества предварительно идентифицированных состояний.



 

Похожие патенты:
Изобретение относится к области медицины, а именно к лабораторной диагностике. .
Изобретение относится к медицине, а именно к онкологии, и может быть использовано при оценке течения злокачественного заболевания у больных с остеогенной саркомой и саркомой Юинга на этапах неоадъювантной аутоплазмохимиотерапии.
Изобретение относится к области медицины, а именно к детской гастроэнтерологии, и может быть использовано для определения активности воспалительного процесса при неспецифическом язвенном колите (НЯК).

Изобретение относится к медицине, а именно к оториноларингологии. .

Изобретение относится к биологии, экологии, а также - к токсикологической и санитарной химии. .
Изобретение относится к области медицины и описывает способ количественного определения циклоспорина А в крови пациентов, включающий осаждение белков крови путем добавления водного раствора сульфата цинка и метанола, перемешивания, центрифугирования и отбора центрифугата; разделение компонентов центрифугата методом обращенно-фазовой высокоэффективной жидкостной хроматографии, масс-спектрометрическую детекцию циклоспорина А и определение содержания циклоспорина А с построением калибровочной кривой, причем для осаждения белков крови используют цельную кровь, после осаждения белков крови дополнительно осаждают солевые примеси путем добавления в центрифугат метанола до общего содержания не менее 90% по объему, повторного перемешивания, центрифугирования и отбора центрифугата, после чего проводят разделение его компонентов, детекцию и определение содержания циклоспорина А.
Изобретение относится к медицине, а именно к судебной медицине. .

Изобретение относится к животноводству и экологии и предназначено для использования в качестве теста прижизненной оценки степени накопления кадмия в мышечной ткани крупного рогатого скота.
Изобретение относится к медицине, а именно к нейрохирургии, неврологии и нейрорентгенологии, и может быть использовано для диагностики гемангиобластом мозжечка. .

Изобретение относится к медицине, в частности к терапевтической стоматологии, и предназначено для определения интенсивности кариозного поражения постоянных зубов у детей в период сменного прикуса.
Изобретение относится к медицине, а именно к хирургии, и может быть использовано при проведении хирургического лечения у больных с распространенным перитонитом (РП).

Изобретение относится к области медицины, а именно к лабораторным методам исследования. .

Изобретение относится к медицине, а именно к инвазивной аритмологии, и предназначено для длительной диагностики аритмий сердца. .
Изобретение относится к медицине, а именно к трансплантологии, может быть использовано для выбора реципиента при пересадке трупной почки. .

Изобретение относится к медицине и предназначено для оценки функции схвата кисти у детей при врожденных и приобретенных дефектах. .
Изобретение относится к медицине, а именно к спиральной компьютерной ангиографии, и предназначено для сканирования сонных артерий. .
Изобретение относится к медицине, а именно к неврологии. .
Наверх