用于監測人體健康狀態的設備的制作方法

專利名稱：用于監測人體健康狀態的設備的制作方法
用于監測人體健康狀態的設備本發明專利申請是國際申請號為PCT/US2006/045656，國際申請日為2006年11月29日，進入中國國家階段的申請號為200680051861. 6，名稱為“用于監測人體健康狀態的設備”的發明專利申請的分案申請。相關申請的交叉參考根據35U. S. C. § 119(e)，本申請要求2005年11月29日提交的美國臨時申請60/740, 423的優先權。
背景技術：
I.發明領域本發明總地涉及人體健康監測領域，更具體地涉及使用多元模型分析生物參數的測定值，以便根據殘差評估人體健康指標。2.相關領域簡述檢測和診斷人類疾病對維持個體健康和幫助患者康復至關重要。雖然非常需要早期侵入性檢測，但這必須與錯誤警報和誤診的衛生保健運轉成本相平衡。無論是在時間最為關鍵的場景如重癥監護室(ICU)中，或是在長期健康監測如慢性疾病人群的家庭監測中抑或是在運動員的成績監測中，對揭示性的健康問題進行準確的、可采取行動的檢測是醫學上非常關注的一個焦點問題。目前的人口統計學趨勢表明，隨著人們壽命延長，要應付的慢性健康問題的數量也多了。此外，一些以前死亡率很高的疾病現在變成了可控的長期慢性病。因此，需要進行持續監測的人群數量的越來越多，大大增加了衛生保健運轉系統的負擔。按照常規醫學實踐，在危急護理環境下，一般通過各種實時傳感器測量如心電圖(ECG)、脈搏血氧飽和度、呼吸和血壓，以及對血液、尿液和其它體液進行的實驗室檢測，來監測人體健康。長期監測可包括這些變量，以及體重測定、藥物給藥測定和其它疾病定性評估。一般以一元方式將這些測定值與預定的(健康)群體的正常范圍相比較，將這些測定值對照標準范圍來診斷疾病跡象或健康狀況不良趨勢。與受過醫學訓練的人員的定性觀察相結合時，這構成了醫學界物理檢測不良健康狀況和疾病時檢測患者和健康個體的基本實踐，，對于提供衛生保健而言是一種人員密集型的方法。長期以來，用傳感器和計算機技術自動可靠地監測患者就是醫學護理的一個目標。近年來，隨著數字設備可用性的改進和對體現醫務人員專業知識的計算機系統的研究，已經制得以生命指征和實驗室檢測結果為基礎提供基于規則的檢測患者的系統。這類系統在醫院里投入使用，為監測(例如)1⑶病房中的患者提供輔助支持系統。可對專家規則執行引擎進行編程，以便在組合各種信號上的閾值檢測觸發因素，來診斷或排除需要醫務人員介入的病癥。這些系統已獲得有限的成功。難以以在人群中和患者所呈現的各種病癥中有效普適的方式設計專家規則。對康復中的青年外傷患者而言十分準確的專家規則在應用于老年心臟病患者時可能會發出錯誤警報和檢測不準。在本領域的另一種方法中，為了提供更加自動化的監測和診斷，已經將可能并非毫無爭議地更類似于專家本人的數據融合能力的人工智能技術如神經網絡，應用在了人工患者監測數據上。用一組例子來訓練神經網絡，使其學習某些關聯和模式。例如，用與疾病狀態相關聯的一組患者數據和與健康狀態相關聯的另一組患者數據訓練神經網絡，使其可識別疾 病狀態并作出診斷。典型地，已知可將一組患者數據輸入受過訓練的神經網絡，并獲得一種分類作為輸出，或者是確定為健康/疾病，或者是作為特定病癥的診斷。本領域已知的另一種方法是將一組患者數據輸入神經網絡，并獲得標量等級值作為輸出，例如疾病程度或疾病級數。然而，基于輸入數據和訓練數據產生神經網絡輸出的方式，對于觀察者而言由于神經計算的非線性特征無異于“暗箱操作”。而且，也難以設計這樣一種“暗箱”法，使其超越訓練數據推而廣之。結果是，這些方法的成功與否有很大差異，這最終破壞了其可靠性。所有這些現有技術方法的主要問題是生物系統的動態本質。人是具有復雜內部控制和反饋系統的生物系統，這些內部控制和反饋系統對身體的狀況和對身體的要求做出反應，調控健康的重要方面如血壓、血液化學、氧合作用等。通常為監測健康狀況而做測定結果根據活動狀態、年齡、體重、營養狀況和疾病狀態等容易產生很大差異。因此，難以為所監測的變量閾值指定合適的觸發水平，故而傾向于根據人口統計學數據設定僅僅能夠指示危急的直接健康問題的觸發水平。例如，脈搏速率監測可能設定成只有極高或極低(或零)脈搏速率才能引發警報。即使是更高級的將變量和閾值組合成多變量規則的現有技術解決方案，仍然極難設計出能夠在維持低錯誤警報率的同時，對孕育中的真正問題提供可采取行動的提前警告。相似地，由于原始數據的變化，用于分類的神經網絡在歸納方面顯得不知所措。毋庸置疑，醫學界的常規統計學/人口統計學方法不能容許數據的動態變化，所以，或者數據要在非常精確的條件(如適用于血壓測試的標準化條件)下來獲得，或者干脆將這種變化忽略不計——如影隨形的是準確性的下降。就在醫學健康監測中提供計算機自動輔助而言，迫切需要改進方法處理和分析來自所監測的人體的傳感器和實驗室數據，以便提供準確、可采取行動和早期的初期健康問題檢測和診斷。更具體地，所需要的是一種重復利用(leveraging)現有傳感器測定結果的系統，以便提供更好的對人體健康問題的計算機自動化警戒、并準確地區分要求醫學專家人工關注的患者的優先次序。改進的自動化監測在發揮有限的專家醫療人員作用和改善總體保健服務質量和效率方面大有裨益。發明概述本發明提供一種在(例如)重癥監護室或長期健康監測中用于人體健康計算機自動化監測的新型方法和設備。因此，在本發明中，監測代表人體生命指征和其它生物學參數或身體化學參數的量度的傳感器數據，以便對初期健康問題提供預警、使醫務人員洞悉什么參數偏離了正常行為、并提供醫務人員關注對象的優先次序。有利的是，本發明能以高靈敏度、低錯誤警報率檢測和幫助診斷健康問題，并提高特定人數的醫務人員可以處理的患者監測負荷。本發明也通過提供更早和更準確的自動化問題檢測和診斷手段而大大方便了長期的和遠程的人體健康監測。與應用單一參數的閾值或規則(例如健康血壓范圍)的常規方法相反，在本發明中，對多種生物學參數進行測定，并使用正態多元變化模型進行分析。更具體地，將多個生物學參數的一系列觀察結果輸入這些參數的正常行為的經驗模型，這個模型輸出這些參數應得的估計值。將這些估計值與實際測定值進行比較，以計算各參數的差異或殘差。不是像常規方法那樣對原始測量值應用閾值、規則或統計學處理，而是通過分析該模型提供的殘差揭示健康問題。可將閾值、規則和統計學處理方法應用于該殘差以確定是否存在初期疾病狀況或健康問題，以便較早地檢測和治療。重要的是，通過分析殘差數據而非原始數據，本發明能夠考慮測定參數的正常生物學變化，從而以較低的錯誤警報率更靈敏地檢測真實偏差。
本發明的經驗模型是采用代表健康人生物學參數的正常變化的數據產生的。更具體地，可采用基于內核的技術，根據健康人的多元例子提供正常動態行為的模型。該模型響應于輸入的生物學參數的真實測定值產生這些生物學參數的估計值，代表最接近真實測定結果的狀態的正常狀態。將真實測定值與估計值作比較產生殘差，理想狀態下殘差應大約為零。如果殘差大于通常值，不論是方差還是偏差(偏移)，則表明產生了與對應于該殘差的參數有關的初期問題。另根據本發明，殘差的模式和趨勢可以與特定的已知形成中的健康問題相關聯，供診斷之用。可將閾值應用于殘差以觸發警報。可以采用規則將殘差信息組合到疾病發病機制的集成體現圖式中，或者排除特定疑似病癥。可對殘差的時間序列進行統計學分析以確定趨勢。根據本發明的實施方式，健康檢測中心接收來自接受健康狀態監測的患者身上的儀器的生物學參數數據。該中心可位于醫院病房內，或者可位于醫院之外并通過網絡連接至位置獨立的多個醫院或診所。將各患者的一組參數測定值輸入一種或多種經驗模型，所述模型經過訓練，可得悉這些生物學參數的正常變化。各模型產生估計值，與實際測定值相比較后產生各給定患者的殘差。這些殘差可以供該中心的醫務人員進行檢查之用；然而，在計算機系統中對這些殘差進行自動化檢驗和分析，以便利將這些殘差映射為警報和診斷，呈現給醫務人員。醫務人員利用這些分析和警報的結果區分他們親自研究其病癥的患者優先級并安排對警報或診斷所標識的患者狀況的治療。醫務人員可確認或解除警報，或使經驗模型適應某些指定的實際測定值或將這些指定的實際測定值納入該模型中。在另一實施方式中，讓準備在居家環境中接受監測的人佩戴設備，以便進行不定時或實時的生物學參數測定并將這些數據傳輸給遠程計算中心。數據首先被用來生成這個人的個性化模型(在替代行方案中也考慮了通用模型)，并且在一段時間之后，用該模型分析隨后發送的數據。所監測的數據產生殘差值以及相應的警報和診斷。所監測的數據和分析結果可通過網絡供其醫生使用，醫生可以檢查數據并與病人取得聯系來獲取更多信息、要求他前來檢查、或修改治療方案。在另一實施方式中，給一般地執行某一 〃任務〃的個人(其健康狀態與該任務相關)佩戴用于測定生物學參數的傳感器，并配備用于按照本發明分析這些數據的計算裝置。而且，他把通信設備偶聯于該計算裝置上，以便將基于模型和基于殘差的分析所產生的健康狀況指標傳送給遠程位置。任務管理人員使用這些健康狀態信息作出任務決策。各種各樣的生物學參數服從于本發明的建模和分析。可以使用典型生物學參數如ECG、呼吸參數、血氧和脈搏血氧飽和度數據、血壓等。此外，由這些測定值推導出的特征，例如心率變化等，也可給本發明建模提供輸入值。附圖簡要說明
所附權利要求書中列出了認為是本發明特點的新穎特征。然而，本發明本身及其優選應用模式、其它目的和優點，通過結合附圖參考以下的實施方式詳述能夠得到最好的理解，其中圖I示出了根據本發明的一個實施方式實施本發明的通用結構；圖2示 出了根據本發明的一個實施方式將模型進行本地化的流程圖；和圖3示出了含有按本發明所生成的信號、其估計值和殘差信號的圖表。優選實施方式詳述本發明總地涉及通過對多種生物學參數進行基于模型的分析自動監測人體健康狀態和檢測表示健康受損或疾病的狀況。因此，提供一種對正常動態變化和參數之間的相互關系建模、并響應于接收到的一組實際測定值生成這些參數的估計值的模型。例如，模型可包括心率、心率變化、呼吸率、血氧、血壓、體溫等。這些參數的測定值輸入模型，模型即生成這些參數的估計值，如果提供了實際測定值的集成體現圖式，估計值即代表這些參數應當是些什么。所述估計值對各實際測定值求差，以提供各參數的殘差。在正常情況下，殘差應該大約為零(即使原始數據隨時間動態地變化)；如果在發生健康問題，一種或多種受影響的參數的殘差可能會出現偏離或者其方差會增加。計算機邏輯規則——從單純的閾值到復雜的專家規則——可應用于該殘差，以確定表示健康問題的偏差的持久度/置信度。可由其生成警報，并提供給負責監測該患者(由其測定數據)的醫務人員。警報可包括簡單地報告偏差，或可包括對需要干預的情況的診斷。也可采用邏輯規則評估疾病進展，即關于所監測患者疾病狀況的連續性嚴重性等級。有利的是，與將現有技術的閾值、規則和其它技術應用于原始數據相比，根據本發明的基于殘差的警報、診斷和評估方法更準確、更靈敏、更可靠。通過提供能夠在生物系統如人的正常變化范圍中產生估計值的模型，有可能去除正常變化并以顯著地小于各種儀器測定的參數或推導出的特征參數的正常變化總體范圍的水平標識偏差(殘差)，這種偏差有可能消失在大規模的正常變化中。用于按照本發明監測人體健康的模型是已知狀況的模型，更具體地是正常人體狀況的模型(雖然可能需要對并非完全健康狀況，但已知在患者的給定狀況下系屬穩定，例如術后穩定的狀況建模)。本發明所用模型基于特定生物學參數的輸入值輸出特定生物學參數的估計值。在一個實施方式中，所估計的參數對應于輸入參數，該模型是“自關聯型”模型。在另一實施方式中，該模型對并非作為輸入值提供給模型的一種或多種參數產生估計值，在這種情況下該模型為“推論型”模型。仍然將由推論型模型估計的參數與由這些參數的實際測定值作比較；只是模型的輸入值中不包含這些實際測定值。本發明的合適模型是經驗模型，因為對人體生物系統中參數之間的確切關系常常了解得很少，無法作為基本原理模型的基礎。另外，合適的經驗模型可以是基于內核的模型，其中用數學內核基于輸入觀察值和存儲器中儲存的觀察值示例生成所研究的生物學參數的估計值。觀察值示例形成了基于內核的方法的庫，它包含了在健康或穩態人體中觀察到的正常值的組合；內核運算本身將這些觀察值示例與輸入觀察值關聯起來，并根據輸入值產生正常的觀察值。以此方式，用經驗數據(即觀察值示例)被用來生成相互關系尚不明了的參數的準確估計模型。可以以在一臺或多臺計算機上執行的計算機程序的形式實施本發明。在一個實施方式中，獨立式計算機(如家庭計算機)運行用于監測一個人的程序，它可通過通信協議(如藍牙、WLAN)接收來自附連在人體上和/或植入人體內的設備的傳感器數據，或者來自該個人定期使用的測量站的數據；它還用于采用本發明的基于模型、基于殘差的方法處理這些數據，并將這些數據在本機上呈現給該個人和/或將其上傳到遠程報告站，如通過電子郵件發送給醫生或可供醫生使用的網頁等。在另一實施方式中，醫院ICU設備連接于病房的數據站，該數據站將多位病人的數據發送給處理中心，處理中心中一臺或多臺計算機運行著按照本發明分析數據的程序；基于所得到的加工后的數據，警報和診斷等轉播給醫院和/或遠程監控中心的顯示屏供醫務人員觀察。在又一實施方式中，身體上附連或植入了傳感器設備的人也攜帶員工小型計算平臺，比如個人數字助手(PDA)，它能接收數據并在本機上用本發明的基于模型、基于殘差的方法加工這些數據，產生可在本機上報告和/或傳送給遠程位置由醫務人員觀察的結果。轉到

圖1，框圖概括顯示了用生物學參數傳感器或由傳感器數據產生的〃特征〃數據流監測人的本發明的實施方式。生物信號源105將多個生物學參數的讀數提供給模型模塊114和任選的特征提取模塊110。特征提取模塊110可例如基于來自輸入源105的ECG·信號的數據供給(data feed)提供心率數據。下文描述了可通過特征提取模塊110計算的其它特征。模型114產生需要監測的某些生物學參數的估計值。在自關聯型實施方式中，所生成的估計值對應于來自輸入源105的輸入值(和/或通過特征提取模塊110由其產生的特征)。在推論型實施方式中，模型114可生成對應于未出現在輸入值中、但以該模型以前學習國的某種方式與輸入值相關的生物學參數的一個或多個值。隨后，模型114產生的估計值可傳遞給比較模塊120，比較模塊從估計值與輸入源105所提供的實際測量值之差產生殘差。將得到的殘差提供給分析模塊127，分析模塊127對殘差進行各種測試中的任意一種以確定有關健康的診斷、警報、嚴重性等。這一分析模塊可執行規則引擎，以便用一個或多個殘差值評估規則邏輯。規則可以是各種常用規則中的任意一種，從簡單的單一變量閾值測定到多變量和/或時序邏輯。而且，一些規則的輸出值可以是其它規則的輸入值，如同例如將簡單閾值規則輸入分窗口的警報計數規則時(如在y次觀察中的X次閾值警報)。而且，可采用統計學技術對殘差數據進行處理，以產生其它測定值和信號——它們本身就可輸入到該規則中。適用的統計學分析可選自本領域已知的各種技術，包括但不限于移動窗口統計(平均值、中值、標準差、最大值、最小值、偏度、峰度等)、統計學假設檢驗、趨勢和統計學工藝控制(⑶SUM、S-圖表等)。殘差分析模塊127的輸出是應用邏輯規則和統計學檢驗的結果，其包括警報、診斷結論和嚴重性等級。將這些結果提供給輸出模塊130，輸出模塊130可包括顯示這些結果的裝置(如計算機屏幕、PDA屏幕、打印輸出或網頁服務器)、儲存結果的手段(例如具有查詢能力的數據庫、平面文件、XML文件)、和將結果傳送到遠程位置或其它計算機程序的手段(例如軟件界面、XML數據報、電子郵件數據包、異步信息、同步信息、FTP文件、服務、流水線命令(piped command)等)。也可提供警報管理模塊135，它允許醫務人員對來自殘差分析模塊127的結果進行注釋和擴充、區分結果的優先級、解除或保持特定警報或診斷、并以其它方式向該系統登記對該結果的反應。此外，可能存在來自輸入源105由模型114、殘差發生器120和殘差分析模塊127分析為不正常，而醫務人員可能認為是正常的數據，和需要加入模型114的數據。因此，警報管理模塊135也可以向任選的適應模塊140提供數據片段標識，所述適應模塊140的任務是將該數據納入模型114的學習內容中。此外，適應模塊140可任選地自己對數據和/或殘差分析結果進行自動測試，以使模型114得到更新。如前所述，本發明的正態或基本動態多變量模型可以是用基準數據創建的經驗模型。本發明模型的優選形式是基于內核的通用估算器的自關聯形式或推論形式。自關聯形式通常是
f 二I式中生物學參數的自關聯估計矢量Xte由Ci和核函數K的結果的線性組合產生， 它將生物學參數測定值(或特征)的輸入矢量X#與L學習模式或這類測定值的樣本Xi作比較。為了提供多變量估計矢量Xte，Ci是矢量，且可根據造成基于內核的估算器的變化的多個不同的方法來確定，且可部分地成為輸入X#和/或示例Xi的函數。所學習的模式來自訓練模型的“數據行為”類，例如正常或健康的人，或術后穩定狀況。如本文中將在以下更詳細地描述的，可對這些樣本進行特別選擇來代表基于年齡、性別、體重、健康狀況或其組合的具體人物類型的正常狀況，從而使得為了例如監測老年女性病人的目的，該模型可以例如是基于從該人群中獲取的樣本的針對老年女性的正常生物參數的模型。基于內核的通用估算器的推論形式為
L
y估=ZcA(x^x1)(2)
1=1式中生物參數值的矢量Y從對其他生物參數的輸入矢量X#與這些參數的L學習樣本Xi的基于內核的比較來估算。每一個學習的樣本(exemplar)Xi與要估算的參數的另一樣本矢量Yi相關聯，它們根據內核K和矢量Ci (它們至少部分地是Yi的函數)以加權方式組合以預測輸出Y。基于內核的估算器所共有的是內核函數，以及基于內核結果和包含樣本的矢量Ci從樣本的線性組合生成結果。內核函數K是廣義內積，但優選還具有在X1^P Xi相同時其絕對值是最大值的特性。根據本發明的一個實施方式，可用于提供模型的基于內核的估算器是內核回歸，例子之一就是Nadaraya-Watson內核回歸式
Σ^[(%，χ廣)
y估~ (推論形式)(3)
Σ[(%，χ*)
i=lx估=(自關聯形式)(4)
權利要求
1.一種用于遠程監測人體健康狀態的系統，包括受監測人體攜帶的蜂窩電話，設置它以無線地從附連到所述受監測人體的多個傳感器接收代表多個生物參數的數據，所述數據包括來自加速計的活動測量；遠程設置的計算機，設置它以通過通信網絡從所述蜂窩電話接收多個生物參數的受監測觀察值；以及計算機可訪問的存儲器，存儲所述多個生物參數的示例性觀察值的集合，其中所述觀察值表征受監測人體在正常健康條件下的所述多個生物參數的行為，且其中所述集合包括在正常健康條件下從所述受監測人體獲得的在一定范圍正常變化上的觀察值；所述計算機被配置為生成對從所述蜂窩電話接收的受監測觀察值中的所述多個生物參數的至少一個生物參數的期望值的估計，所述估計包括所述示例性觀察值的集合的至少一些觀察值的線性組合，所述估計至少從所述受監測觀察值和至少一些示例性觀察值的基于內核的比較結果導出；以及所述計算機還被配置為比較所述估計和所述受監測觀察值中的所述多個生物參數的所述至少一個生物參數的相應值，以生成殘差，并基于所述殘差做出人體健康狀態的確定。
2.如權利要求I所述的系統，其特征在于，所述多個生物參數包括血壓信號中的QRS峰值和下一收縮峰值之間的時滯測量。
3.如權利要求I所述的系統，其特征在于，所述多個傳感器包括設置以測量環境溫度和所述受監測人體溫度的至少一對溫度傳感器。
4.如權利要求I所述的系統，其特征在于，所述多個傳感器包括血氧計。
5.如權利要求I所述的系統，其特征在于，所述多個傳感器包括光血糖儀。
6.如權利要求I所述的系統，其特征在于，所述多個生物參數包括呼吸深度測量。
7.如權利要求I所述的系統，其特征在于，所述多個生物參數的觀察值由所述蜂窩電話以近似每一分鐘做出，且所述多個生物參數至少包括平均心率測量、平均呼吸率測量、以及平均血壓測量。
8.如權利要求I所述的系統，其特征在于，所述多個生物參數包括心率、血氧測量值、呼吸測量值、血壓測量值、以及溫度測量值。
9.如權利要求I所述的系統，其特征在于，所述多個生物參數包括通過施加中值濾波器為異常心率修正的心率測量。
10.如權利要求I所述的系統，其特征在于，若來自所述傳感器的數據與展示中斷的呼吸循環模式的間隔相符，則從所述受監測觀察值中刪除所述數據。
11.如權利要求I所述的系統，其特征在于，所述計算機還被配置為使用所述受監測觀察值用于本地化，以便所述示例性觀察值的子集被用于生成所述估計。
12.如權利要求11所述的系統，其特征在于，所述計算機還被配置為通過執行所述受監測觀察值和所述示例性觀察值的基于內核的比較來確定所述本地化的子集。
13.如權利要求11所述的系統，其特征在于，所述計算機被配置為通過比較所述受監測觀察值和所述示例性觀察值的預定群集來確定所述本地化的子集。
14.如權利要求I所述的系統，其特征在于，所述計算機還被配置有適應所述多個生物參數的示例性觀察值的存儲集合以包括受監測觀察值的能力。
15.如權利要求I所述的系統，其特征在于，所述計算機還被配置為用至少一個閾值檢驗殘差序列并在觀察值的移動窗口中超過所述閾值的至少選定倍數時生成健康狀態的通知。
16.如權利要求I所述的系統，其特征在于，所述計算機還被配置為以連續概率比檢驗來檢驗殘差序列并基于此生成健康狀態的通知。
17.如權利要求I所述的系統，其特征在于，所述受監測觀察值和至少一些示例性觀察值的基于內核的比較使用一內核，所述內核為兩個矢量的比較生成有界范圍中的標量輸出，當兩個相同矢量比較時，所述標量輸出具有等于范圍限度之一的值，且所述標量輸出的絕對值隨正比較的兩個標量接近相同而增加。
18.如權利要求17所述的系統，其特征在于，所述受監測觀察值和至少一些示例性觀察值的基于內核的比較使用一內核，所述內核根據其被視為矢量的多元輸入觀察值之間的矢量差的范數確定其輸出值。
19.如權利要求17所述的系統，其特征在于，所述受監測觀察值和至少一些示例性觀察值的基于內核的比較使用一內核，所述內核根據其多元輸入觀察值的對應項之間的各自差確定其輸出值。
全文摘要
本發明提供了一種改進的人體健康監測方法，該方法利用了典型生命指征和其它生物學參數的傳感器測定值，以及利用這些參數并根據實際測量值確定這些參數的估計值的經驗模型系統和方法。分析由估計值和實際測定值之差得到的殘差，能有效表明初始健康問題。與生命指征的常規單變量范圍檢查相比，殘差分析更有效且更靈敏。
文檔編號G06K9/62GK102908130SQ20121027205
公開日2013年2月6日 申請日期2006年11月29日 優先權日2005年11月29日
發明者R·M·派普克 申請人:風險獲利有限公司