BR112021003172A2 - métodos para determinar um estado ou condição do coração, para determinar um estado ou condição de um indivíduo e para determinar um estado ou condição de um órgão e sistemas para determinar um estado ou condição do coração, para determinar um estado ou condição de um indivíduo e para determinar um estado ou condição de um órgão - Google Patents

Abstract

MÉTODOS PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO, PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM INDIVÍDUO E PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM ÓRGÃO E SISTEMAS PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO, PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM INDIVÍDUO E PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM ÓRGÃO. A presente invenção fornece métodos, dispositivos e sistemas para determinar um estado ou condição de um indivíduo. Um método para determinar um estado ou condição do coração de um indivíduo pode incluir o uso de um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio de um órgão do indivíduo, e a transmissão dos dados de ECG e dos dados de áudio, de forma sem fio, para um dispositivo de computação. Um algoritmo treinado pode ser usado para processar os dados de ECG e os dados de áudio para determinar o estado ou condição do órgão do indivíduo. Mais especificamente, o algoritmo treinado pode ser personalizado para uma indicação ou condição específica. Uma saída indicativa do estado ou condição do coração do indivíduo pode ser fornecida no dispositivo de computação.

Description

“MÉTODOS PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO, PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM INDIVÍDUO E PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM ÓRGÃO E SISTEMAS PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO, PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM INDIVÍDUO E PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM ÓRGÃO” REFERÊNCIA CRUZADA

[001] Este pedido reivindica o benefício do Pedido de Patente Provisório US 62/720.796, depositado em 21 de agosto de 2018, e do Pedido de Patente Provisório US 62/879.317, depositado em 26 de julho de 2019, cada um dos quais é inteiramente incorporado neste documento por referência.

ANTECEDENTES DA INVENÇÃO

[002] À medida que os custos de cuidados médicos continuam a aumentar, as soluções para reduzir o custo e melhorar a eficácia dos esforços de diagnóstico podem se tornar cada vez mais importantes. Em outras situações, pode ser desejável melhorar o acesso às capacidades de diagnóstico e monitoramento médicos. Esses objetivos podem ser particularmente valiosos para o cuidado cardíaco, uma vez que a função cardíaca é vital para a saúde e o bem-estar humanos, e as doenças cardiovasculares (DCVs) continuam a ser a causa mais comum de morte.

Essas doenças cardiovasculares podem incluir doenças das artérias coronárias (DAC), tais como angina e infarto do miocárdio (ou ataque cardíaco). Outras DCVs podem incluir acidente vascular cerebral, insuficiência cardíaca, doença cardíaca hipertensiva, doença cardíaca reumática, cardiomiopatia, arritmia cardíaca, doença cardíaca congênita, doença valvular cardíaca, cardite, aneurisma da aorta, doença arterial periférica, doença tromboembólica e trombose venosa.

[003] No entanto, as ferramentas tradicionais de monitoramento e avaliação cardíaca podem não ser bem adequadas para ambientes não clínicos. O equipamento pode ser caro e difícil de usar para usuários leigos não treinados. O equipamento de monitoramento cardíaco pode envolver vários sensores, exigindo colocação específica, o que pode ser difícil e demorado para usuários leigos aplicar e pode ser difícil para um usuário aplicar a si mesmo - impedindo ou desencorajando assim o uso regular. Os cabos dos sensores podem ficar emaranhados, tracionados e danificados, frustrando ainda mais os usuários e reduzindo a confiabilidade do equipamento. Além disso, os monitores cardíacos atualmente disponíveis podem fornecer monitoramento contínuo por um curto período de tempo, tal como 2 semanas ou 30 dias. Essa limitação de tempo pode ser significativa porque as condições cardíacas podem se manifestar por um longo período de meses ou anos, em que uma janela curta de monitoramento contínuo pode não ser útil para a durabilidade da doença.

DESCRIÇÃO RESUMIDA DA INVENÇÃO

[004] A presente invenção fornece métodos e sistemas para determinar um estado ou condição de um indivíduo, tal como uma parte do corpo do indivíduo. Métodos e sistemas da presente invenção podem ser usados para monitorar um estado ou condição de um órgão (por exemplo, coração, pulmão ou intestino) ou sistema de órgão (por exemplo, cardiovascular, pulmonar, gastrointestinal ou circulatório) do indivíduo, durante vários períodos de tempo. Isto pode, vantajosamente, permitir que o indivíduo seja monitorado quanto a uma condição de saúde ou doença por um longo período de tempo.

[005] Um aspecto da presente invenção fornece um método para determinar um estado ou condição do coração de um indivíduo. O método pode compreender (a) usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) para medir dados de eletrocardiograma (ECG) e um sensor de áudio para medir dados de áudio do coração do indivíduo; (b) transmitir os dados de ECG e os dados de áudio, de forma sem fio, para um dispositivo de computação; (c) usar um algoritmo treinado para processar os dados de ECG e os dados de áudio para determinar o estado ou condição do coração do indivíduo; e (d) fornecer uma saída indicativa do estado ou condição do coração do indivíduo no dispositivo de computação.

[006] Em algumas formas de realização, o dispositivo de monitoramento é móvel. Em algumas formas de realização, o dispositivo de computação é móvel. Em algumas formas de realização, em (b), os dados de ECG e os dados de áudio são transmitidos em um pacote comum. Em algumas formas de realização, fornecer a saída indicativa do estado ou condição do coração do indivíduo compreende a determinação de uma presença ou ausência de uma fração de ejeção baixa de um ventrículo esquerdo do coração do indivíduo. Em algumas formas de realização, os dados de ECG compreendem dados de ECG de derivação única. Em algumas formas de realização, os dados de ECG compreendem dados de ECG de três derivações.

Em algumas formas de realização, os dados de ECG compreendem dados de ECG de doze derivações. Em algumas formas de realização, os dados de ECG compreendem dados de medição da caixa torácica, pulmão ou impedância intratorácica.

[007] Em algumas formas de realização, em (c), os dados de ECG e os dados de áudio são processados por um ou mais processadores de computador do dispositivo de computação. Em algumas formas de realização, o método compreende ainda processar os dados de ECG e os dados de áudio em um sistema de computação distribuída. Em algumas formas de realização, em (c), os dados de ECG e os dados de áudio são processados em um sistema de computação distribuída. Em algumas formas de realização, o algoritmo treinado é uma rede neural. Em algumas formas de realização, o estado ou condição do coração do indivíduo é determinado com uma precisão de pelo menos cerca de 90% para indivíduos independentes. Em algumas formas de realização, a precisão é de pelo menos cerca de 95%. Em algumas formas de realização, o estado ou condição do coração do indivíduo é determinado como sendo um estado ou condição sem falha a uma especificidade de pelo menos cerca de 90% para indivíduos independentes.

Em algumas formas de realização, a especificidade é de pelo menos cerca de 95%. Em algumas formas de realização, o estado ou condição do coração do indivíduo está correlacionado com uma magnitude e uma duração dos dados de áudio dentro de uma banda de frequência dos dados de áudio. Em algumas formas de realização, a saída é um alerta indicativo de um estado ou condição adversa do coração.

[008] Em algumas formas de realização, (a)-(d) são realizados em um período de tempo que é menor ou igual a 1 minuto. Em algumas formas de realização, o dispositivo de computação está a cerca de 30 pés do dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação está a cerca de 10 pés do dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação está a cerca de 5 pés do dispositivo de monitoramento.

[009] Em algumas formas de realização, o estado ou condição do coração é uma doença valvar. Em algumas formas de realização, o estado ou condição do coração é uma arritmia. Em algumas formas de realização, o estado ou condição do coração é uma insuficiência cardíaca. Em algumas formas de realização, o estado ou condição do coração é uma doença cardíaca congênita.

[010] Em outro aspecto, a presente invenção fornece um método para determinar um estado ou condição do coração de um indivíduo. O método pode compreender (a) usar um dispositivo de monitoramento que compreende um sensor de ECG e um sensor de áudio para medir dados de ECG e dados de áudio do coração do indivíduo ao longo de um período de tempo; (b) transmitir os dados de ECG e os dados de áudio para um dispositivo de computação que compreende uma interface de usuário; e (c) apresentar os dados de ECG e os dados de áudio na interface de usuário ao longo do período de tempo em tempo substancialmente real. Em algumas formas de realização, o dispositivo de monitoramento é móvel. Em algumas formas de realização, o dispositivo de computação é móvel. Em algumas formas de realização, a interface de usuário compreende uma interface de usuário baseada na internet. Em algumas formas de realização, a interface de usuário baseada na internet compreende um navegador de internet seguro.

[011] Em algumas formas de realização, o dispositivo de monitoramento é móvel. Em algumas formas de realização, o dispositivo de monitoramento é um dispositivo móvel. Em algumas formas de realização, o dispositivo de computação é móvel. Em algumas formas de realização, o dispositivo de computação é um dispositivo móvel. Em algumas formas de realização, o dispositivo de computação é parte de um sistema de nuvem. Em algumas formas de realização, a interface de usuário compreende uma interface de usuário baseada na internet. Em algumas formas de realização, a interface de usuário baseada na internet compreende um navegador de internet seguro.

[012] Em algumas formas de realização, o método compreende ainda, antes de (b), usar os dados de ECG e os dados de áudio para gerar uma estrutura de pacote comum. Em algumas formas de realização, o método compreende ainda inserir uma sequência de pacote rotativo na estrutura de pacote comum. Em algumas formas de realização, compreende ainda: (i) receber no dispositivo de computação um pacote de dados sequencial tendo uma sequência de pacote rotativo não sequencial e (ii) exibir um aviso em uma interface de usuário do dispositivo de computação, cujo aviso é indicativo de um compromisso em uma conexão entre o dispositivo de monitoramento e o dispositivo de computação.

[013] Em algumas formas de realização, os dados de ECG e os dados de áudio são transmitidos do dispositivo de monitoramento para o dispositivo de computação por meio de uma comunicação de radiofrequência.

Em algumas formas de realização, o método compreende ainda armazenar os dados de ECG e os dados de áudio localmente no dispositivo de monitoramento. Em algumas formas de realização, (a)-(c) são realizados em um período de tempo que é menor ou igual a 1 minuto. Em algumas formas de realização, o dispositivo de computação está a cerca de 30 pés do dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação está a cerca de 10 pés do dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação está a cerca de 5 pés do dispositivo de monitoramento.

[014] Em algumas formas de realização, o estado ou condição do coração é uma doença valvar. Em algumas formas de realização, o estado ou condição do coração é uma arritmia. Em algumas formas de realização, o estado ou condição do coração é uma insuficiência cardíaca. Em algumas formas de realização, o estado ou condição do coração é uma doença cardíaca congênita.

[015] Em outro aspecto, a presente invenção fornece um método para determinar um estado ou condição do coração de um indivíduo. O método pode compreender (a) usar um dispositivo de monitoramento que compreende um sensor de ECG e um sensor de áudio para medir um primeiro conjunto de dados de ECG e dados de áudio do coração do indivíduo ao longo de um primeiro período de tempo; (b) transmitir o primeiro conjunto de dados de ECG e dados de áudio para um dispositivo de computação; (c) usar o dispositivo de monitoramento para medir um segundo conjunto de dados de ECG e dados de áudio do coração do indivíduo ao longo de um segundo período de tempo, em que o segundo período de tempo é diferente do primeiro período de tempo; (d) transmitir o segundo conjunto de dados de ECG e dados de áudio para o dispositivo de computação; (e) processar pelo menos o primeiro conjunto de dados de ECG e dados de áudio e o segundo conjunto de dados de ECG e os dados de áudio para fornecer uma saída indicativa do estado ou condição do coração do indivíduo no dispositivo de computação ao longo de pelo menos o primeiro período de tempo e o segundo período de tempo.

[016] Em algumas formas de realização, o método compreende ainda usar o dispositivo de monitoramento para medir pelo menos um terceiro conjunto de dados de ECG e dados de áudio do coração do indivíduo ao longo de um ou mais períodos de tempo adicionais. Em algumas formas de realização, o dispositivo de monitoramento é móvel. Em algumas formas de realização, o dispositivo de computação é um móvel. Em algumas formas de realização, o estado ou condição do coração do indivíduo compreende um risco de insuficiência cardíaca congestiva. Em algumas formas de realização, o método compreende ainda iniciar automaticamente a medição do primeiro ou segundo conjunto de dados de ECG e dados de áudio quando um nível de qualidade de sinal de limiar é detectado. Em algumas formas de realização, o segundo conjunto de dados de ECG e dados de áudio é processado por um ou mais processadores de computador do dispositivo de computação. Em algumas formas de realização, o segundo conjunto de dados de ECG e dados de áudio é processado em um sistema de computação distribuída. Em algumas formas de realização, (a)-(e) são realizados em um período de tempo que é menor ou igual a 1 minuto. Em algumas formas de realização, o dispositivo de computação está a cerca de 30 pés do dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação está a cerca de 10 pés do dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação está a cerca de 5 pés do dispositivo de monitoramento.

[017] Em algumas formas de realização, o estado ou condição do coração é uma doença valvar. Em algumas formas de realização, o estado ou condição do coração é uma arritmia. Em algumas formas de realização, o estado ou condição do coração é uma insuficiência cardíaca. Em algumas formas de realização, o estado ou condição do coração é uma doença cardíaca congênita.

[018] Em outro aspecto, a presente invenção fornece um método para determinar um estado ou condição de um indivíduo. O método compreende: (a) usar um dispositivo de monitoramento externo a uma pele do indivíduo compreendendo um sensor de ECG e/ou um sensor de áudio para medir dados de ECG e/ou dados de áudio do indivíduo; (b) transmitir os dados de ECG e/ou os dados de áudio para um dispositivo de computação que compreende uma interface de usuário; e (c) usar um algoritmo treinado para processar os dados de ECG e/ou os dados de áudio para determinar o estado ou condição do indivíduo; e (d) usar um algoritmo treinado para processar os dados de ECG (por exemplo, dados de impedância) e/ou os dados de áudio para determinar o estado ou condição do indivíduo; e (e) fornecer uma saída indicativa do estado ou condição do indivíduo na interface de usuário.

[019] Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição do coração do indivíduo. Em algumas formas de realização, o estado ou condição do coração do indivíduo compreende uma doença cardíaca, distúrbio ou outra condição, tal como fração de ejeção baixa, insuficiência cardíaca congestiva, sopro cardíaco (por exemplo, sopro sistólico (como estenose aórtica, estenose pulmonar,

regurgitação mitral, regurgitação tricúspide ou prolapso da válvula mitral) ou sopro diastólico (como regurgitação aórtica, regurgitação pulmonar, estenose mitral ou estenose tricúspide)), doença valvar, arritmia (por exemplo,

bradicardia, taquicardia, taquicardia ventricular, fibrilação ventricular,

contrações ventriculares prematuras, arritmia supraventricular, taquicardia supraventricular (TSV), taquicardia supraventricular paroxística (TSVP),

fibrilação atrial, síndrome de Wolff-Parkinson-White, flutter atrial, contrações supraventriculares prematuras ou contrações atriais prematuras (PACs),

síndrome da taquicardia postural ortostática (POTS))), doença cardíaca congênita, bloqueio cardíaco, isquemia, infarto, pericardite, hipertrofia,

prolongamento de QT ou uma combinação dos mesmos, do indivíduo.

Em algumas formas de realização, o estado ou condição do coração do indivíduo compreende uma doença valvar do indivíduo.

Em algumas formas de realização, o estado ou condição do coração do indivíduo compreende uma arritmia (por exemplo, bradicardia, taquicardia, taquicardia ventricular, fibrilação ventricular, contrações ventriculares prematuras, arritmia supraventricular,

taquicardia supraventricular (TSV), taquicardia supraventricular paroxística

(TSVP), fibrilação atrial, síndrome de Wolff-Parkinson-White, flutter atrial,

contrações supraventriculares prematuras ou contrações atriais prematuras

(PACs), síndrome da taquicardia postural ortostática (POTS)) do indivíduo.

Em algumas formas de realização, o estado ou condição do coração do indivíduo compreende uma doença cardíaca congênita do indivíduo.

Em algumas formas de realização, o estado ou condição do coração do indivíduo compreende um prolongamento de QT do indivíduo (por exemplo, que pode se correlacionar com morte cardíaca). Em algumas formas de realização, os dados de ECG compreendem um intervalo QT, que pode ser indicativo de um prolongamento de QT do indivíduo.

Em algumas formas de realização, os dados de áudio compreendem dados de áudio cardíaco.

Em algumas formas de realização, a saída compreende um parâmetro de função cardíaca com base nos dados de áudio e/ou dados de ECG. Em algumas formas de realização, a saída compreende uma medida de acoplamento entre a atividade elétrica (ECG) e a atividade mecânica (sons cardíacos) que indica pressões intracardíacas ou pressões de enchimento. Em algumas formas de realização, a saída compreende uma medida do intervalo de tempo entre a onda Q do ECG e dos sons cardíacos S1 (o tempo de ativação eletromecânica).

[020] Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição de um pulmão do indivíduo. Em algumas formas de realização, o estado ou condição do pulmão do indivíduo compreende pneumonia. Em algumas formas de realização, os dados compreendem dados de áudio pulmonar. Em algumas formas de realização, os dados de ECG compreendem dados da caixa torácica ou de impedância intratorácica. Em algumas formas de realização, a saída compreende um parâmetro de função pulmonar com base nos dados de áudio e nos dados de ECG.

[021] Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição de um pulmão do indivíduo. Em algumas formas de realização, o estado ou condição do pulmão do indivíduo compreende uma doença pulmonar, distúrbio ou outra condição, tal como pneumonia, derrame plural, embolia pulmonar, fluxo de ar insuficiente, doença pulmonar obstrutiva crônica (DPOC), asma ou uma combinação dos mesmos, do indivíduo. Em algumas formas de realização, o estado ou condição do pulmão do indivíduo compreende DPOC do indivíduo. Em algumas formas de realização, o estado ou condição do pulmão do indivíduo compreende asma do indivíduo. Em algumas formas de realização, o estado ou condição do pulmão do indivíduo compreende pneumonia do indivíduo. Em algumas formas de realização, os dados de áudio compreendem dados de áudio pulmonar. Em algumas formas de realização, os dados de ECG compreendem dados da caixa torácica ou de impedância intratorácica. Em algumas formas de realização, a saída compreende um parâmetro de função pulmonar com base nos dados de áudio e/ou dados de ECG. Em algumas formas de realização, os dados de áudio dos pulmões são usados para calcular uma frequência de ressonância pulmonar. Em algumas formas de realização, uma onda sonora é introduzida nos pulmões e um som de resposta é analisado. Em algumas formas de realização, o áudio é capturado dos pulmões do paciente com DPOC e uma análise de ressonância é conduzida para calcular a quantidade de ar aprisionado nos pulmões de um paciente com DPOC.

[022] Em algumas formas de realização, o dispositivo de monitoramento é móvel. Em algumas formas de realização, o dispositivo de monitoramento é um dispositivo móvel. Em algumas formas de realização, o dispositivo de computação é móvel. Em algumas formas de realização, o dispositivo de computação é um dispositivo móvel. Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição de uma condição do intestino de um indivíduo.

[023] Em algumas formas de realização, os dados de áudio compreendem sons intestinais. Em algumas formas de realização, (a)-(e) são realizados em um período de tempo que é menor ou igual a 1 minuto. Em algumas formas de realização, o dispositivo de computação está a cerca de 30 pés do dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação está a cerca de 10 pés do dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação está a cerca de 5 pés do dispositivo de monitoramento.

[024] Em algumas formas de realização, o estado ou condição do coração é uma doença valvar. Em algumas formas de realização, o estado ou condição do coração é uma arritmia. Em algumas formas de realização, o estado ou condição do coração é uma insuficiência cardíaca. Em algumas formas de realização, o estado ou condição do coração é uma doença cardíaca congênita.

[025] Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição de uma condição do intestino de um indivíduo. Em algumas formas de realização, o estado ou condição do intestino do indivíduo compreende uma doença intestinal, distúrbio ou outra condição, tal como doença inflamatória intestinal (DII), obstrução intestinal, hérnia, infecção no trato digestivo ou uma combinação dos mesmos, do indivíduo. Em algumas formas de realização, os dados de áudio compreendem dados de áudio do intestino. Em algumas formas de realização, a saída compreende um parâmetro de função intestinal com base nos dados de áudio e/ou dados de ECG.

[026] Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição de uma veia do indivíduo. Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição de uma fístula do indivíduo. Em algumas formas de realização, o estado ou condição da fístula do indivíduo compreende um estado ou condição de uma fístula diabética do indivíduo. Em algumas formas de realização, os sons da fístula são interpretados para criar uma medida de fluxo venoso.

[027] Outro aspecto da presente invenção fornece um método para determinar um estado ou condição de um indivíduo, compreendendo: usar um dispositivo de monitoramento externo a uma pele do indivíduo compreendendo um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do indivíduo; transmitir os dados de ECG e os dados de áudio para um dispositivo de computação que compreende uma interface de usuário; usar um algoritmo treinado para processar os dados de ECG e os dados de áudio para determinar o estado ou condição do indivíduo; e fornecer uma saída indicativa do estado ou condição do indivíduo na interface de usuário.

[028] Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição de um pulmão do indivíduo. Em algumas formas de realização, o estado ou condição do pulmão do indivíduo compreende pneumonia. Em algumas formas de realização, os dados de áudio compreendem dados de áudio pulmonar. Em algumas formas de realização, os dados de ECG compreendem dados da caixa torácica ou de impedância intratorácica. Em algumas formas de realização, a saída compreende um parâmetro de função pulmonar com base nos dados de áudio e nos dados de ECG. Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição do intestino de um indivíduo.

[029] Em algumas formas de realização, o dispositivo de monitoramento é móvel. Em algumas formas de realização, o dispositivo de computação é móvel. Em algumas formas de realização, (a)-(d) são realizados em um período de tempo que é menor ou igual a 1 minuto. Em algumas formas de realização, o dispositivo de computação está a cerca de 30 pés do dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação está a cerca de 10 pés do dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação está a cerca de 5 pés do dispositivo de monitoramento.

[030] Em algumas formas de realização, o estado ou condição do coração é uma doença valvar. Em algumas formas de realização, o estado ou condição do coração é uma arritmia. Em algumas formas de realização, o estado ou condição do coração é uma insuficiência cardíaca. Em algumas formas de realização, o estado ou condição do coração é uma doença cardíaca congênita.

[031] Outro aspecto da presente invenção apresenta um método para determinar um estado ou condição de um indivíduo, compreendendo: usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do indivíduo; transmitir, de forma sem fio, os dados de ECG e os dados de áudio para um dispositivo de computação; remover o ruído dos dados de áudio para produzir dados de áudio processados; processar os dados de ECG e os dados de áudio processados para determinar o estado ou condição do indivíduo; e emitir o estado ou condição do indivíduo.

[032] Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição de um órgão ou parte do corpo do indivíduo. Em algumas formas de realização, o estado ou condição do indivíduo compreende um estado ou condição do coração, pulmão ou intestino do indivíduo. Em algumas formas de realização, o ruído é causado por um movimento do indivíduo.

[033] Em algumas formas de realização, o ruído é causado por um movimento do dispositivo de monitoramento. Em algumas formas de realização, o estado ou condição de um órgão ou parte do corpo é uma doença valvar. Em algumas formas de realização, o estado ou condição de um órgão ou parte do corpo é uma arritmia. Em algumas formas de realização, o estado ou condição de um órgão ou parte do corpo é uma insuficiência cardíaca. Em algumas formas de realização, o estado ou condição de um órgão ou parte do corpo é uma doença cardíaca congênita.

[034] Em algumas formas de realização, o estado ou condição de um órgão ou parte do corpo é doença pulmonar obstrutiva crônica (DPOC). Em algumas formas de realização, o estado ou condição de um órgão ou parte do corpo é asma. Em algumas formas de realização, o estado ou condição de um órgão ou parte do corpo é pneumonia. Em algumas formas de realização, o estado ou condição de um órgão ou parte do corpo é fístula. Em algumas formas de realização, o estado ou condição de um órgão ou parte do corpo é doença inflamatória intestinal (DII).

[035] Outro aspecto da presente invenção apresenta um método para determinar um estado ou condição do coração de um indivíduo, compreendendo: usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para gerar um conjunto de dados de ECG e dados de áudio; usar um algoritmo treinado para processar um primeiro conjunto de recursos do conjunto de dados de ECG e dados de áudio para determinar o estado ou condição do indivíduo; acessar um banco de dados para identificar um ou mais outros estados ou condições que estão associados a um segundo conjunto de recursos que se sobrepõem ao primeiro conjunto de recursos; e fornecer uma saída indicativa do estado ou condição e do um ou mais outros estados ou condições.

[036] Em algumas formas de realização, o primeiro conjunto de recursos compreende um ou mais membros selecionados a partir do grupo que consiste em uma intensidade de dados de frequência de áudio, um tom dos dados de frequência de áudio, uma forma dos dados de frequência de áudio, um local no qual os dados de áudio são detectados de forma mais intensa e uma qualidade tonal. Em algumas formas de realização, o primeiro conjunto de recursos compreende um número médio de segmentos PR, segmentos ST, intervalos PR, intervalos QRS, intervalos ST ou intervalos QT dos dados de ECG. Em algumas formas de realização, o primeiro conjunto de recursos compreende um número de desvio padrão de segmentos PR, segmentos ST, intervalos PR, intervalos QRS, intervalos ST ou intervalos QT dos dados de ECG.

[037] Em algumas formas de realização, o estado ou condição do coração é uma doença valvar. Em algumas formas de realização, o estado ou condição do coração é uma arritmia. Em algumas formas de realização, o estado ou condição do coração é uma insuficiência cardíaca. Em algumas formas de realização, o estado ou condição do coração é uma doença cardíaca congênita.

[038] Outro aspecto da presente invenção apresenta um método para determinar um estado ou condição do coração de um indivíduo, compreendendo: usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do coração do indivíduo; transmitir os dados de ECG e os dados de áudio, de forma sem fio, para um dispositivo de computação; usar um algoritmo treinado para processar os dados de ECG e os dados de áudio para determinar o estado ou condição do coração do indivíduo; fornecer uma saída indicativa do estado ou condição do indivíduo no dispositivo de monitoramento.

[039] Em certas formas de realização, o método compreende ainda fornecer um plano de tratamento com base no estado ou condição do indivíduo. Em certas formas de realização, o método compreende ainda fornecer um plano de intervenção com base no estado ou condição do indivíduo.

[040] Em algumas formas de realização, o estado ou condição do coração é uma doença valvar. Em algumas formas de realização, o estado ou condição do coração é uma arritmia. Em algumas formas de realização, o estado ou condição do coração é uma insuficiência cardíaca. Em algumas formas de realização, o estado ou condição do coração é uma doença cardíaca congênita.

[041] Outro aspecto da presente invenção apresenta um método para determinar um estado ou condição de um órgão de um indivíduo, compreendendo: usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do coração do indivíduo; transmitir os dados de ECG e os dados de áudio, de forma sem fio, para um dispositivo de computação; usar um algoritmo treinado para processar os dados de ECG e os dados de áudio para determinar o estado ou condição do coração do indivíduo; e fornecer uma saída indicativa do estado ou condição do coração do indivíduo no dispositivo de computação.

[042] Em certas formas de realização, o dispositivo de monitoramento é um dispositivo móvel. Em certas formas de realização, o dispositivo de computação é um dispositivo móvel. Em certas formas de realização, o dispositivo de computação é parte de um sistema de nuvem. Em certas formas de realização, na etapa (b) do método, os dados de ECG e os dados de áudio são transmitidos em um pacote comum.

[043] Em certas formas de realização, fornecer a saída indicativa do estado ou condição do coração do indivíduo compreende a determinação de uma presença ou ausência de uma fração de ejeção baixa de um ventrículo esquerdo do coração do indivíduo.

[044] Em certas formas de realização, os dados de ECG compreendem dados de ECG de derivação única. Em certas formas de realização, os dados de ECG compreendem dados de ECG de três derivações.

Em certas formas de realização, os dados de ECG compreendem dados de ECG de doze derivações. Em certas formas de realização, os dados de ECG compreendem dados de medição da caixa torácica, pulmão ou impedância intratorácica.

[045] Em certas formas de realização, em (c) do método, os dados de ECG e os dados de áudio são processados por um ou mais processadores de computador do dispositivo de computação. Em certas formas de realização, o método compreende ainda processar os dados de ECG e os dados de áudio em um sistema de computação distribuída. Em certas formas de realização, na etapa (c) do método, os dados de ECG e os dados de áudio são processados em um sistema de computação distribuída.

[046] Em certas formas de realização, o algoritmo treinado é uma rede neural. Em certas formas de realização, o estado ou condição do coração do indivíduo é determinado com uma precisão de pelo menos cerca de 90% para indivíduos independentes. Em certas formas de realização, a precisão é de pelo menos cerca de 95%. Em certas formas de realização, o estado ou condição do coração do indivíduo é determinado como sendo um estado ou condição sem falha a uma especificidade de pelo menos cerca de 90% para indivíduos independentes. Em algumas formas de realização, a especificidade é de pelo menos cerca de 95%.

[047] Em certas formas de realização, o estado ou condição do coração do indivíduo está correlacionado com uma magnitude e uma duração dos dados de áudio dentro de uma banda de frequência dos dados de áudio.

Em certas formas de realização, a saída é um alerta indicativo de um estado ou condição adversa do coração. Em certas formas de realização, (a)-(d) são realizados em um período de tempo que é menor ou igual a 1 minuto.

[048] Em certas formas de realização, o dispositivo de computação está a cerca de 30 pés do dispositivo de monitoramento. Em certas formas de realização, o dispositivo de computação está a cerca de 10 pés do dispositivo de monitoramento. Em certas formas de realização, o dispositivo de computação está a cerca de 5 pés do dispositivo de monitoramento.

[049] Em certas formas de realização, o estado ou condição de um órgão ou parte do corpo é uma doença valvar. Em certas formas de realização, o estado ou condição de um órgão ou parte do corpo é uma arritmia. Em certas formas de realização, o estado ou condição de um órgão ou parte do corpo é uma insuficiência cardíaca. Em certas formas de realização, o estado ou condição de um órgão ou parte do corpo é uma doença cardíaca congênita. Em certas formas de realização, o estado ou condição de um órgão ou parte do corpo é doença pulmonar obstrutiva crônica (DPOC). Em certas formas de realização, o estado ou condição de um órgão ou parte do corpo é asma. Em certas formas de realização, o estado ou condição de um órgão ou parte do corpo é pneumonia. Em certas formas de realização, o estado ou condição de um órgão ou parte do corpo é fístula. Em certas formas de realização, o estado ou condição de um órgão ou parte do corpo é doença inflamatória intestinal (DII).

[050] Outro aspecto da presente invenção fornece um sistema para determinar um estado ou condição do coração de um indivíduo. O sistema pode compreender uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do coração do indivíduo ao longo de um período de tempo; e um ou mais processadores de computador operativamente acoplados à interface de comunicações, em que o um ou mais processadores de computador são individualmente ou coletivamente programados para (i) receber os dados de ECG e os dados de áudio recebidos de forma sem fio pela interface de comunicações do dispositivo de monitoramento, e (ii) apresentar os dados de ECG e os dados de áudio em uma interface de usuário ao longo do período de tempo em tempo substancialmente real.

[051] Outro aspecto da presente invenção fornece um sistema para determinar um estado ou condição do coração de um indivíduo. O sistema pode compreender uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir (i) um primeiro conjunto de dados de ECG e dados de áudio do coração do indivíduo ao longo de um primeiro período de tempo, e (ii) um segundo conjunto de dados de ECG e dados de áudio do coração do indivíduo ao longo de um segundo período de tempo, em que o segundo período de tempo é diferente do primeiro período de tempo; e um ou mais processadores de computador operativamente acoplados à interface de comunicações, em que o um ou mais processadores de computador são individualmente ou coletivamente programados para (i) receber o primeiro conjunto de dados de ECG e dados de áudio e o segundo conjunto de dados de ECG e dados de áudio, e (ii) processar pelo menos o primeiro conjunto de dados de ECG e dados de áudio e o segundo conjunto de dados de ECG e dados de áudio para fornecer uma saída indicativa do estado ou condição do coração do indivíduo em uma interface de usuário sobre pelo menos o primeiro período de tempo e o segundo período de tempo.

[052] Outro aspecto da presente invenção fornece um sistema para determinar um estado ou condição do coração de um indivíduo. O sistema pode compreender uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio, respectivamente, do indivíduo; e um ou mais processadores de computador operativamente acoplados à interface de comunicações, em que o um ou mais processadores de computador são individualmente ou coletivamente programados para (i) receber os dados de ECG e os dados de áudio recebidos de forma sem fio pela interface de comunicações do dispositivo de monitoramento, (ii) usar um algoritmo treinado para processar os dados de ECG e os dados de áudio para determinar o estado ou condição do indivíduo, e

(iii) fornecer uma saída indicativa do estado ou condição do indivíduo para exibição em uma interface de usuário.

[053] Outro aspecto da presente invenção fornece um sistema para determinar um estado ou condição de um indivíduo. O sistema pode compreender uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio, respectivamente, do indivíduo; e um ou mais processadores de computador operativamente acoplados à interface de comunicações, em que o um ou mais processadores de computador são individualmente ou coletivamente programados para (i) usar o dispositivo de monitoramento para medir dados de ECG e dados de áudio do coração do indivíduo, (ii) transmitir, de forma sem fio, os dados de ECG e os dados de áudio para um dispositivo de computação, (iii) remover ruído dos dados de áudio para produzir dados de áudio processados, (iv) processar os dados de ECG e os dados de áudio processados para determinar o estado ou condição do indivíduo e (v) emitir o estado ou condição do indivíduo.

[054] Outro aspecto da presente invenção fornece um sistema para determinar um estado ou condição do coração de um indivíduo, compreendendo: uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio, respectivamente, do indivíduo; e um ou mais processadores de computador operativamente acoplados à interface de comunicações, em que o um ou mais processadores de computador são individualmente ou coletivamente programados para (i) usar o dispositivo de monitoramento para gerar um primeiro conjunto de dados de ECG e/ou dados de áudio compreendendo uma primeira pluralidade de recursos do coração do indivíduo; (ii) transmitir o primeiro conjunto de dados de ECG e/ou dados de áudio, de forma sem fio, para um dispositivo de computação; (iii) usar um algoritmo treinado para identificar uma pluralidade de conjuntos de dados de ECG e/ou dados de áudio, em que cada um da pluralidade de dados de ECG e/ou dados de áudio compreende recursos semelhantes à primeira pluralidade de recursos; e (iv) fornecer uma saída contendo uma comparação entre o primeiro conjunto de dados de ECG e/ou dados de áudio e a pluralidade de conjuntos de dados de ECG e/ou dados de áudio.

[055] Outro aspecto da presente invenção fornece um sistema para determinar um estado ou condição de um indivíduo, compreendendo: uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio, respectivamente, do indivíduo; e um ou mais processadores de computador operativamente acoplados à interface de comunicações, em que o um ou mais processadores de computador são individualmente ou coletivamente programados para (i) usar o dispositivo de monitoramento para medir dados de ECG e dados de áudio do coração do indivíduo; (ii) transmitir, de forma sem fio, os dados de ECG e os dados de áudio para um dispositivo de computação; (iii) processar os dados de ECG e os dados de áudio para determinar o estado ou condição do indivíduo, e (iv) fornecer uma saída indicativa do estado ou condição do indivíduo no dispositivo de monitoramento.

[056] Outro aspecto da presente invenção fornece um sistema para determinar um estado ou condição de um órgão de um indivíduo, compreendendo: uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do coração do indivíduo; e um ou mais processadores de computador operativamente acoplados à interface de comunicações, em que o um ou mais processadores de computador são individualmente ou coletivamente programados para (i) receber os dados de ECG e os dados de áudio recebidos de forma sem fio pela interface de comunicações do dispositivo de monitoramento, (ii) usar um algoritmo treinado para processar os dados de ECG e os dados de áudio para determinar o estado ou condição do coração do indivíduo, e (iii) fornecer uma saída indicativa do estado ou condição do coração do indivíduo no dispositivo de computação.

[057] Aspectos e vantagens adicionais da presente invenção se tornarão prontamente evidentes para os técnicos no assunto a partir da seguinte descrição detalhada, em que apenas formas de realização ilustrativas da presente invenção são mostradas e descritas. Como será percebido, a presente invenção é capaz de outras e diferentes formas de realização e seus vários detalhes são capazes de modificações em vários aspectos óbvios, todos sem se afastar da invenção. Por conseguinte, os desenhos e a descrição devem ser considerados como ilustrativos por natureza e não como restritivos.

INCORPORAÇÃO POR REFERÊNCIA

[058] Todas as publicações, patentes e pedidos de patentes mencionados neste relatório descritivo são aqui incorporados por referência na mesma medida como se cada publicação, patente ou pedido de patente individual fosse especificamente e individualmente indicado para ser incorporado por referência. Na medida em que as publicações e patentes ou pedidos de patentes incorporados por referência contradizem a invenção contida no relatório descritivo, o relatório descritivo se destina a substituir e/ou ter precedência sobre qualquer material contraditório.

BREVE DESCRIÇÃO DAS FIGURAS

[059] As novas características da invenção são apresentadas com particularidade nas reivindicações anexas. Uma melhor compreensão das características e vantagens da presente invenção será obtida por referência à seguinte descrição detalhada que apresenta formas de realização ilustrativas, nas quais os princípios da invenção são utilizados e os desenhos anexos (também “figura” e “FIG.” neste documento), dos quais.

[060] A Figura 1 mostra uma vista em perspectiva frontal de um dispositivo de monitoramento, de acordo com algumas formas de realização.

[061] A Figura 2 mostra uma vista em perspectiva posterior de um dispositivo de monitoramento, de acordo com algumas formas de realização.

[062] A Figura 3 mostra o esquema de um dispositivo de monitoramento colocado externamente a uma pele de um indivíduo, de acordo com algumas formas de realização.

[063] A Figura 4 mostra um esquema de uma unidade de sensor no interior de um dispositivo de monitoramento.

[064] A Figura 5 mostra um esquema de um interior de um dispositivo de monitoramento.

[065] A Figura 6 mostra um exemplo de estrutura de pacote para transmitir dados de eletrocardiograma (ECG) e de áudio.

[066] A Figura 7 mostra um sistema de controle de computador que é programado ou, de outra forma, configurado para implementar métodos fornecidos neste documento.

[067] A Figura 8 mostra um resumo do desempenho do algoritmo em comparação com cinco cardiologistas.

[068] A Figura 9 mostra um resumo do desempenho do algoritmo em comparação com dados do ECG padrão ouro e em comparação com a intensidade do sopro cardíaco.

[069] A Figura 10 mostra um resumo do desempenho do algoritmo por patologia.

[070] A Figura 11A mostra um complexo QRS de um diagrama de ECG de exemplo.

[071] A Figura 11B mostra uma forma de onda de áudio de um batimento cardíaco de exemplo com o instante 0 sendo um pico R de um complexo QRS de um ECG registrado do mesmo batimento cardíaco.

[072] A Figura 12 mostra exemplos de vários sopros cardíacos com várias formas.

[073] A Figura 13 mostra um dispositivo de monitoramento que compreende um estetoscópio.

[074] A Figura 14 mostra uma curva de característica de operação do receptor para detecção de estenose aórtica (EA).

[075] A Figura 15 mostra o registro do fonocardiograma (PCG) de um paciente com estenose aórtica (EA) significativa com sinais intensos observados na região aórtica.

[076] A Figura 16 mostra um fluxograma de exemplo para desenvolvimento e teste de um algoritmo de aprendizado de máquina baseado no TensorFlow para detectar estenose aórtica (EA).

[077] A Figura 17 mostra um exemplo da interação entre diferentes módulos de um sistema, de acordo com algumas formas de realização.

[078] A Figuras 18A-18C mostram um exemplo de uma interface de usuário de um aplicativo móvel, de acordo com uma forma de realização revelada, incluindo uma vista normal (Figura 18A), uma vista quando um sopro é detectado (Figura 18B) e uma vista quando uma fibrilação atrial é detectada (Figura 18C).

DESCRIÇÃO DETALHADA DA INVENÇÃO

[079] Embora várias formas de realização da invenção tenham sido mostradas e descritas aqui, será óbvio para os técnicos no assunto que tais formas de realização são fornecidas apenas a título de exemplo.

Numerosas variações, mudanças e substituições podem ocorrer para os técnicos no assunto sem se afastar da invenção. Deve ser entendido que várias alternativas às formas de realização da invenção aqui descritas podem ser empregadas.

[080] A menos que definido de outra forma, todos os termos técnicos usados neste documento têm o mesmo significado como comumente entendido por um técnico no assunto ao qual esta invenção pertence.

Conforme usado neste relatório descritivo e nas reivindicações anexas, as formas singulares “um”, “uma” e “o”, “a” incluem referências no plural, a menos que o contexto dite claramente de outra forma. Quaisquer referências a “ou” neste documento se destinam a incluir “e/ou”, a menos que indicado de outra forma.

[081] Quando os valores são descritos como faixas, será entendido que tal divulgação inclui a divulgação de todas as subfaixas possíveis dentro de tais faixas, bem como valores numéricos específicos que caem dentro de tais faixas, independentemente de um valor numérico específico ou subfaixa específica ser expressamente declarado.

[082] O termo “dispositivo de monitoramento”, conforme usado neste documento, se refere, de modo geral, a um dispositivo que compreende um ou mais sensores. Um sensor pode ser selecionado a partir de várias modalidades de detecção. O sensor pode ser capaz de medir os dados do sensor ao longo do tempo. O dispositivo de monitoramento pode incluir vários sensores do mesmo tipo, tais como vários sensores de eletrocardiograma (ECG) ou sensores de áudio. Como alternativa, o dispositivo de monitoramento pode incluir vários sensores de diferentes tipos, tais como um sensor de ECG e um sensor de áudio. O dispositivo de monitoramento pode ser operável para se conectar a um dispositivo remoto, tal como um dispositivo de computação. O dispositivo de computação pode ser um dispositivo móvel. O dispositivo de computação pode ser separado ou externo ao dispositivo de monitoramento. O dispositivo de monitoramento pode ser operável para se conectar a um servidor remoto. A análise de dados medidos a partir do dispositivo de monitoramento pode ser feita no dispositivo de monitoramento ou em um dispositivo de computação separado (por exemplo, um dispositivo móvel e/ou um servidor).

[083] O termo “estado ou condição”, conforme usado neste documento, se refere, de modo geral, a qualquer classificação que pode ser atribuída a um indivíduo ou a uma parte de um indivíduo. O estado ou condição pode compreender um estado de doença ou estado saudável. O estado ou condição pode compreender um estado ou condição biológica ou fisiológica. O estado ou condição pode compreender um diagnóstico ou determinação particular. O estado ou condição pode compreender um estado desconhecido.

Determinar o estado ou condição do indivíduo pode compreender determinar o estado ou condição de um órgão do indivíduo, como, por exemplo, coração, pulmão, intestino ou outro órgão do indivíduo. Por exemplo, determinar o estado ou condição do coração pode compreender um diagnóstico ou determinação de uma doença cardíaca, distúrbio ou outra condição, tal como fração de ejeção baixa, insuficiência cardíaca congestiva, sopro cardíaco, doença valvar, arritmia (por exemplo, bradicardia, taquicardia, taquicardia ventricular, fibrilação ventricular, contrações ventriculares prematuras, arritmia supraventricular, taquicardia supraventricular (TSV), taquicardia supraventricular paroxística (TSVP), fibrilação atrial, síndrome de Wolff- Parkinson-White, flutter atrial, contrações supraventriculares prematuras ou contrações atriais prematuras (PACs), síndrome da taquicardia postural ortostática (POTS)), doença cardíaca congênita, bloqueio cardíaco, isquemia, infarto, pericardite, hipertrofia etc. O diagnóstico ou a determinação de um sopro cardíaco pode compreender um diagnóstico ou determinação de um sopro sistólico ou um sopro diastólico. Além disso, os sopros sistólicos podem compreender uma estenose aórtica, uma estenose pulmonar, uma regurgitação mitral, uma regurgitação tricúspide ou um prolapso da válvula mitral e muito mais. Os sopros diastólicos podem incluir uma regurgitação aórtica, uma regurgitação pulmonar, uma estenose mitral ou uma estenose tricúspide e muito mais. Por exemplo, a determinação do estado ou condição de um pulmão pode compreender um diagnóstico ou determinação de uma doença pulmonar, distúrbio ou outra condição, tal como pneumonia, derrame plural, embolia pulmonar, fluxo de ar insuficiente, doença pulmonar obstrutiva crônica (DPOC), asma etc. Por exemplo, determinar o estado de condição de um intestino pode compreender um diagnóstico ou determinação de uma doença intestinal, distúrbio ou outra condição, tal como doença inflamatória intestinal (DII), obstrução intestinal, hérnia, infecção no trato digestivo etc.

[084] O termo “indivíduo”, tal como aqui utilizado, se refere, de modo geral, a um animal, tal como um mamífero (por exemplo, humano) ou aviário (por exemplo, pássaro) ou outro organismo, tal como uma planta. Por exemplo, o indivíduo pode ser um vertebrado, um mamífero, um roedor (por exemplo, um camundongo), um primata, um símio ou um humano. Os animais podem incluir, mas não estão limitados a, animais de criação, animais de esporte e animais de estimação. Um indivíduo pode ser um indivíduo saudável ou assintomático, um indivíduo que tem ou é suspeito de ter uma doença (por exemplo, câncer) ou uma pré-disposição para a doença e/ou um indivíduo que precisa de terapia ou suspeita de precisar de terapia. O indivíduo pode ser sintomático em relação a uma doença ou condição. Alternativamente, o indivíduo pode ser assintomático em relação à doença ou condição. O indivíduo pode ser um paciente.

[085] O termo “algoritmo”, conforme usado neste documento, se refere, de modo geral, a um processo ou regra para a realização de um cálculo ou outra operação de resolução de problemas. Um algoritmo pode ser implementado por um computador, que pode compreender um ou mais processadores de computador ou circuitos para executar o algoritmo, conforme descrito em outro lugar neste documento. O algoritmo pode ser um algoritmo treinado. O algoritmo pode ser treinado com um ou mais conjuntos de treinamento, que podem incluir dados gerados a partir de indivíduos com estados ou condições fisiológicas ou biológicas conhecidas. O algoritmo treinado pode compreender um algoritmo de aprendizado de máquina, tal como um algoritmo de aprendizado de máquina supervisionado ou um algoritmo de aprendizado de máquina não supervisionado.

[086] O termo “tempo real”, tal como aqui utilizado, pode referir- se a um tempo de resposta menor ou igual a cerca de 1 segundo, um décimo de segundo, um centésimo de segundo, um milissegundo ou menos. O tempo de resposta pode ser maior do que cerca de 1 segundo. Em alguns casos, o tempo real pode se referir ao processamento, detecção ou identificação simultânea ou substancialmente simultânea.

[087] São descritos aqui métodos e sistemas para determinar um estado ou condição fisiológica ou biológica de um indivíduo, tal como um órgão de um indivíduo. Tal órgão pode ser um coração, um pulmão, um intestino ou outro órgão ou sistema de órgãos (por exemplo, cardiovascular, pulmonar, gastrointestinal ou circulatório) do indivíduo.

MÉTODOS PARA DETERMINAR ESTADOS OU CONDIÇÕES FISIOLÓGICAS OU BIOLÓGICAS DE UM INDIVÍDUO

[088] Em um aspecto, a presente invenção fornece métodos para determinar um estado ou condição fisiológica ou biológica de um indivíduo, tal como um coração, um pulmão ou um intestino de um indivíduo. Um método para determinar um estado ou condição fisiológica ou biológica do coração do indivíduo pode compreender o uso de um dispositivo de monitoramento compreendendo um sensor de eletrocardiograma (ECG) e um sensor de fonocardiograma (PCG) (sensor de áudio) para medir dados de ECG e dados de fonocardiografia (dados de PCG ou dados de áudio) de um órgão do indivíduo. Os dados de ECG e dados de PCG (dados de áudio) podem ser transmitidos para um dispositivo de computação. O dispositivo de computação pode ser separado do dispositivo de monitoramento.

[089] Os dados de ECG e os dados de PCG (dados de áudio) podem ser processados usando um algoritmo treinado. O algoritmo treinado pode compreender uma rede neural. O algoritmo treinado pode correlacionar recursos de diagnóstico a um estado ou condição específica de um órgão de um usuário. O algoritmo treinado pode correlacionar um recurso de diagnóstico a um estado ou condição específica usando uma análise de frequência resolvida. Os dados podem ser analisados em um dispositivo de computação, tal como um servidor remoto, armazenamento em nuvem ou outro dispositivo conectado. Em alguns casos, o dispositivo de computação pode ser remoto. O dispositivo de computação pode compreender um banco de dados de dados de ECG e de áudio associados a vários estados ou condições de diferentes indivíduos ou diferentes órgãos do mesmo ou de diferentes indivíduos. O algoritmo treinado pode comparar dados de ECG e de áudio registrados com pelo menos dados de ECG e de áudio pré-existente de indivíduos doentes e saudáveis de seu banco de dados.

[090] Os métodos da presente invenção podem ser realizados em tempo real ou em tempo substancialmente real. Dados de ECG e dados de áudio podem ser transmitidos em tempo real para um dispositivo de computação remoto, tal como um dispositivo móvel ou armazenamento em nuvem. Os dados podem ser transmitidos em tempo real para um navegador de internet. Os dados podem ser acessíveis a um usuário remoto, tal como um provedor de saúde. Os dados podem ser visualizados remotamente e em tempo real por um provedor de saúde. Por exemplo, o dispositivo de monitoramento pode ser sincronizado em tempo real com um dispositivo de computação, tal como um dispositivo móvel. O dispositivo de computação pode retransmitir a saída do algoritmo para o clínico pelas olivas auriculares usando voz, para que o clínico possa ouvir o resultado do algoritmo.

[091] A saída do algoritmo treinado pode compreender a exibição de um gráfico, espectrograma ou outra representação do áudio gravado ou dados de ECG de um órgão de um indivíduo, tal como o coração de um indivíduo. A saída pode compreender ainda um resultado do processamento de tais dados de áudio ou de ECG ou uma combinação dos mesmos. Por exemplo, a saída pode compreender um som de batimento cardíaco prototípico após a remoção de ruídos causados pelo movimento do indivíduo, movimento do dispositivo ou outras razões em uma forma de onda de áudio de um batimento cardíaco. Em alguns exemplos, a saída pode incluir um relatório de cardiógrafo acústico (ACG) integrado que compreende a interpretação de dados de ECG e dados de som.

[092] A saída do algoritmo treinado pode compreender uma pontuação de disfunção que pode ser rastreada por um indivíduo e/ou um provedor de saúde longitudinalmente ao longo do tempo. As pontuações de disfunção são frequentemente calculadas para fornecer uma métrica quantitativa, uma descrição ou previsão de um estado ou condição de órgãos, tais como um coração, pulmão ou intestino de um indivíduo ou uma combinação dos mesmos. As pontuações de disfunção podem ser calculadas para um único ou múltiplos órgãos de um indivíduo.

[093] A saída do algoritmo treinado pode compreender uma resposta de áudio que pode ser ouvida na(s) oliva(s) auricular(es) do dispositivo de monitoramento. A saída pode ser exibida no dispositivo de computação ou no dispositivo de monitoramento. A saída pode ser acessível ao indivíduo e a um provedor de saúde remoto em tempo real ou em tempo substancialmente real. A saída do algoritmo treinado pode compreender recomendações ao usuário ou ao provedor de saúde. As recomendações podem compreender testes de acompanhamento ou recomendações de tratamento, tal como o uso de um determinado terapêutico.

[094] Os métodos da presente invenção podem ser realizados ao longo de vários períodos de tempo. Por exemplo, os métodos da presente invenção podem ser realizados ao longo de um tempo que é menor ou igual a cerca de 6 meses, 3 meses, 2 meses, 1 meses, 3 semanas, 2 semanas, 1 semana, 6 dias, 5 dias, 4 dias, 3 dias, 1 dia, 12 horas, 6 horas, 5 horas, 4 horas, 3 horas, 2 horas, 1 hora, 30 minutos, 10 minutos, 5 minutos, 1 minuto, 30 segundos, 10 segundos, 5 segundos ou menos. Como alternativa ou adicionalmente, o período de tempo pode ser de pelo menos cerca de 5 segundos, 10 segundos, 20 segundos, 30 segundos, 1 minuto, 5 minutos, 10 minutos ou mais. Alternativamente, tal período de tempo pode ser no máximo cerca de 6 meses, 3 meses, 2 meses, 1 mês, 3 semanas, 2 semanas, 1 semana, 6 dias, 5 dias, 4 dias, 3 dias, 1 dia, 12 horas, 6 horas, 5 horas, 4 horas, 3 horas, 2 horas, 1 hora, 30 minutos, 10 minutos, 5 minutos, 1 minuto, 30 segundos, 20 segundos, 10 segundos, 5 segundos ou menos. O período de tempo pode ser de cerca de 1 segundo a 5 minutos, ou cerca de 5 segundos a 2 minutos, ou cerca de 10 segundos a 1 minuto.

[095] Vários conjuntos de dados de ECG e dados de áudio podem ser medidos ao longo de períodos de tempo que são diferentes e/ou separados temporalmente. Em um exemplo, um primeiro conjunto de dados de ECG e dados de áudio do coração do indivíduo pode ser medido ao longo de um primeiro período de tempo. Em seguida, o primeiro conjunto de dados de ECG e dados de áudio pode ser transmitido para um dispositivo de computação. Em seguida, o dispositivo de monitoramento pode ser usado para medir um segundo conjunto de dados de ECG e dados de áudio durante um segundo período de tempo. O segundo período de tempo pode ser diferente do primeiro período de tempo. Finalmente, o segundo conjunto de dados de ECG e dados de áudio pode ser transmitido para o dispositivo de computação.

DISPOSITIVOS DE MONITORAMENTO

[096] A presente invenção fornece dispositivos de monitoramento que podem ser usados para coletar dados indicativos de um estado ou condição fisiológica ou biológica de um indivíduo, tal como, por exemplo, um coração, pulmão ou intestino do indivíduo. Tais dispositivos de monitoramento podem ser configurados para uso com dispositivos de computação descritos em outro lugar neste documento.

[097] A Figura 1 mostra um dispositivo de monitoramento (100) que compreende um alojamento (105), que envolve sensores e circuitos de controle. O dispositivo de monitoramento (100) compreende um primeiro sensor (110A) e (110B) de uma primeira modalidade de sensor e um segundo sensor (112) de uma segunda modalidade de sensor. No exemplo ilustrado, o primeiro sensor (110A) e (110B) pode compreender almofadas de contato de um sensor de ECG e o segundo sensor (112) pode compreender uma superfície para obter dados de áudio. O segundo sensor (112) pode incluir uma ou mais unidades piezoelétricas (“piezo”) para coletar dados de áudio.

[098] O dispositivo de monitoramento pode compreender adicionalmente controles de usuário, tais como um botão (114). O botão (114) pode controlar a intensidade de um sinal monitorado a ser transmitido a um usuário. O botão (114) pode compreender uma extremidade positiva e uma extremidade negativa, de modo que quando a extremidade positiva (por exemplo, a parte superior) do botão é pressionada, a amplitude de sinal é aumentada, e quando uma extremidade negativa (por exemplo, a parte inferior) do botão é pressionada, a amplitude de sinal é diminuída. Uma amplitude de sinal pode compreender um volume de um sinal de áudio amplificado. O sinal de áudio pode ser transmitido de forma sem fio para uma oliva auricular de um usuário (como um provedor de saúde) ou de um indivíduo.

[099] A Figura 2 mostra a parte traseira do dispositivo de monitoramento da Figura 1. O dispositivo de monitoramento (100) pode compreender controles de usuário adicionais, tais como o botão (120). O botão (120) pode ser usado para parar e iniciar a medição de dados pelo dispositivo de monitoramento. O botão (120) pode ser acionado por um usuário. Pode ser possível parar ou iniciar a medição sem o acionamento do botão (120), por exemplo, controlando a coleta por meio de um dispositivo de computação. A forma e o design do alojamento do sensor (105) podem facilitar o conforto de um indivíduo durante o monitoramento de um estado ou condição de um indivíduo. Além disso, a forma e o design do alojamento do sensor (105) podem facilitar um ajuste seguro contra uma variedade de tipos e formas de corpo do paciente, a fim de melhorar o contato do sensor e com a geometria do sensor adequada.

[0100] O dispositivo de monitoramento pode ser móvel. Por exemplo, o dispositivo de monitoramento pode ser capaz de se mover de um ponto a outro. O dispositivo de monitoramento pode ser capaz de ser colocado e removido de um corpo do indivíduo. Por exemplo, o dispositivo de monitoramento pode ser colocado adjacente ao corpo do indivíduo em um local próximo ao coração, pulmão ou intestino do indivíduo. O dispositivo de monitoramento não pode ser implantado no corpo do indivíduo. O dispositivo de monitoramento pode ser suficientemente leve para ser facilmente transportado de um local para outro. Por exemplo, o dispositivo pode pesar não mais do que cerca de 0,5 libras, 1 libra, 2 libras, 3 libras, 4 libras, 5 libras, 6 libras, 7 libras, 8 libras, 9 libras, 10 libras ou 50 libras.

[0101] O dispositivo de monitoramento pode ser usado para coletar dados de ECG e/ou dados de áudio de uma pluralidade de diferentes locais ou partes de um corpo do indivíduo, tais como posições em e/ou ao redor do coração, pulmão, veia ou artéria do indivíduo. Isso pode ser realizado colocando o dispositivo de monitoramento em diferentes posições adjacentes ao corpo do indivíduo (por exemplo, em contato com o corpo) e usando o dispositivo de monitoramento para fazer uma ou mais medições (por exemplo, coletar dados de ECG e/ou dados de áudio) em cada um de pelo menos um subconjunto das diferentes posições.

[0102] O dispositivo de monitoramento pode ser usado para coletar os dados de áudio da voz do paciente para avaliar o estado dos pulmões ou do coração.

[0103] O dispositivo de monitoramento pode ser usado para inserir um som no paciente e registrar a reflexão do som para indicar o estado do tecido corporal ou dos níveis de fluido.

[0104] O dispositivo de monitoramento pode ser suficientemente dimensionado de modo que seja facilmente transportado de um local para outro. O dispositivo de monitoramento pode ser portátil. O dispositivo de monitoramento pode ser de um tamanho que pode caber em uma mão. Por exemplo, o dispositivo de monitoramento pode compreender uma dimensão externa menor ou igual a cerca de 0,25 polegadas, 0,5 polegadas, 1 polegada, 2 polegadas, 3 polegadas, 4 polegadas, 5 polegadas, 6 polegadas, 7 polegadas, 8 polegadas, 9 polegadas, 10 polegadas, 11 polegadas, 12 polegadas ou 24 polegadas.

[0105] A Figura 3 mostra um dispositivo de monitoramento colocado externamente à pele de um indivíduo. O dispositivo de monitoramento

(100) pode ser posicionado externamente a uma pele do indivíduo (140). A posição do dispositivo de monitoramento pode ser variada dependendo do estado ou condição de um indivíduo a ser caracterizado.

O indivíduo a ser caracterizado pode ser um humano, tal como um paciente a ser tratado.

A posição do dispositivo de monitoramento pode ser externa à pele próxima ao coração de um indivíduo.

A posição do dispositivo de monitoramento pode estar perto do pulmão de um indivíduo.

A posição do dispositivo de monitoramento pode estar perto do intestino de um indivíduo.

A posição do dispositivo de monitoramento pode ser perto da fístula de um indivíduo (por exemplo, uma fístula diabética). O dispositivo de monitoramento pode ser colocado perto de uma ou mais áreas da cabeça, tórax, pé, mão, joelho,

tornozelo ou outra parte do corpo exterior à pele de um indivíduo.

O dispositivo de monitoramento pode ser usado para obter indicações de acesso venoso,

que é um dos componentes mais básicos, porém críticos, do atendimento de pacientes em hospitais, clínicas de diálise e ambientes ambulatoriais.

O dispositivo de monitoramento pode ser usado para obter indicações da taxa de fluxo ou estado de uma fístula para acesso venoso.

O dispositivo de monitoramento pode ser usado para obter indicações do estado do fluido pulmonar para pacientes com insuficiência cardíaca.

O dispositivo de monitoramento pode ser usado para obter indicações da pressão de enchimento cardíaca para pacientes com insuficiência cardíaca.

O dispositivo pode ser usado para obter indicações para prescrever ou não um medicamento com base em uma saída do intervalo QT do paciente.

O dispositivo pode ser usado para obter indicações para alterar a dosagem ou frequência de um medicamento com base no intervalo QT do paciente.

O dispositivo pode ser usado para obter indicações para alterar a prescrição, dosagem ou frequência de um medicamento para insuficiência cardíaca, tal como um diurético ou inibidor de ECA, com base no resultado cardíaco, intervalos de tempo sistólico ou estado do fluido pulmonar.

[0106] Pode ser benéfico colocar o dispositivo de monitoramento de modo que a superfície do primeiro sensor e do segundo sensor esteja substancialmente em contato com a pele do indivíduo. Os sensores podem estar substancialmente em contato de modo que a maior parte da superfície do sensor esteja em contato com a pele do indivíduo. Pode ser benéfico aplicar pressão sobre o dispositivo de monitoramento direcionado à pele para aumentar a área de superfície dos sensores em contato com a pele. A pressão pode ser aplicada por um indivíduo ou terceiro. Pressão suficiente pode ser aplicada por um usuário com uma mão; no entanto, pode ser possível determinar um estado ou condição de um paciente sem aplicar pressão ao dispositivo de monitoramento. Pode ser benéfico aplicar um gel condutor para melhorar o contato elétrico entre o sensor e a pele. Um gel pode ser benéfico nos casos em que o indivíduo tem pele particularmente seca ou gordura corporal ou cabelo significativos.

[0107] A posição do dispositivo de monitoramento em um indivíduo pode ser ajustada girando o dispositivo em relação à superfície da pele do indivíduo. O dispositivo de monitoramento pode ser colocado em um ângulo (130). O ângulo (130) pode ser de pelo menos cerca de 5, 10, 20, 30, 40, 45, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150, 160, 170, 180, 270 ou graus maiores em relação ao esterno, ou qualquer ângulo dentro de uma faixa definida por quaisquer dois dos valores anteriores.

[0108] O dispositivo de monitoramento revelado neste documento também pode compreender um dispositivo (1300), conforme ilustrado na Figura

13. O dispositivo (1300) inclui um ressonador (1301) que é configurado para ser colocado adjacente a um corpo de um indivíduo. O ressonador (1301) pode ser em forma de disco. O ressonador (1301) pode ser configurado para coletar informações de áudio de um corpo do indivíduo. O ressonador pode incluir, por exemplo, uma unidade piezoelétrica e circuitos para coletar informações de áudio do corpo do indivíduo. O ressonador (1301) pode incluir circuitos com uma interface de comunicação que pode estar em comunicação (comunicação com ou sem fio) com uma unidade de transmissão (1302) que inclui um botão (1303). O dispositivo (1300) pode compreender olivas auriculares (1304). As olivas auriculares podem ser usadas para ouvir dados de áudio à medida que eles estão sendo gerados. As olivas auriculares também podem ser usadas para fornecer resposta de áudio gerada pelo algoritmo treinado para o usuário ou provedor de saúde. Após um usuário pressionar o botão (1303), as informações de áudio podem ser coletadas do corpo do indivíduo e armazenadas na memória e/ou transmitidas para um dispositivo móvel (por exemplo, computador móvel) em comunicação com a unidade de transmissão (1302).

MODALIDADES DE SENSOR

[0109] O dispositivo de monitoramento (100) pode compreender sensores de uma ou uma pluralidade de modalidades de sensor. As modalidades podem ser operáveis para medir dados de um indivíduo.

Exemplos de modalidades de sensor incluem sensores elétricos (por exemplo, sensor de condutividade, sensor de carga, sensor de resistividade ou sensor de impedância), sensores de áudio, acelerômetros, sensores de luz etc. O sensor de ECG e o sensor de áudio podem gravar dados de ECG e de áudio. O dispositivo de monitoramento pode compreender pelo menos duas modalidades de sensor. Adicionalmente ou alternativamente, o dispositivo de monitoramento pode compreender pelo menos três, pelo menos 4, pelo menos 5 ou mais modalidades de sensor. O dispositivo de monitoramento pode compreender uma pluralidade de sensores de cada modalidade de sensor. Por exemplo, o dispositivo de monitoramento pode compreender pelo menos cerca de 1, 2, 3, 4, 5, 10, 20, 30, 40, 50, 100, 200, 300, 400, 500 ou mais sensores de qualquer modalidade de sensor individual. O número de sensores de uma única modalidade pode ser o mesmo; alternativamente, pode haver mais ou menos sensores de uma modalidade do que de outra.

[0110] O dispositivo de monitoramento pode incluir um alojamento tendo pelo menos um sensor de ECG e pelo menos um sensor de áudio. O pelo menos um sensor de ECG pode ser integrado com o pelo menos um sensor de áudio. O dispositivo de monitoramento pode incluir pelo menos cerca de 1, 2, 3, 4, 5 ou mais sensores de ECG e pelo menos cerca de 1, 2, 3, 4, 5 ou mais sensores de áudio.

[0111] A primeira modalidade de sensor pode ser um sensor elétrico. O sensor elétrico (110) pode compreender um primeiro eletrodo (110A) e um segundo eletrodo (110B). Os eletrodos (110A) e (110B) podem ser fisicamente separados por uma distância para facilitar a medição do sinal elétrico de um indivíduo. A distância entre o primeiro e o segundo eletrodos pode ser de pelo menos cerca de 1 milímetro (mm), 2 mm, 5 mm, 10 mm, 20 mm, 50 mm, 100 mm, 200 mm, 500 mm ou mais, ou qualquer distância definida por um intervalo entre quaisquer dois dos valores anteriores. Os eletrodos (110A) e (110B) podem compreender eletrodos transdutores de ECG, que podem medir sinais elétricos de um indivíduo resultante da despolarização do músculo cardíaco durante um batimento cardíaco.

[0112] Em alguns casos, os dados de ECG e dados de áudio podem ser medidos a partir do órgão (por exemplo, coração, pulmão ou intestino) do indivíduo ao longo de um período de tempo. Tal período de tempo pode ser de pelo menos cerca de 5 segundos, 10 segundos, 20 segundos, 30 segundos, 1 minuto, 5 minutos, 10 minutos, 30 minutos, 1 hora, 2 horas, 3 horas, 4 horas, 5 horas, 6 horas, 12 horas, 1 dia ou mais. Alternativamente, tal período de tempo pode ser no máximo cerca de 6 meses, 3 meses, 2 meses, 1 mês, 3 semanas, 2 semanas, 1 semana, 6 dias, 5 dias, 4 dias, 3 dias, 1 dia, 12 horas, 6 horas, 5 horas, 4 horas, 3 horas, 2 horas, 1 hora, 30 minutos, 10 minutos, 5 minutos, 1 minuto, 30 segundos, 20 segundos, 10 segundos, 5 segundos ou menos. O período de tempo pode ser de cerca de 1 segundo a 5 minutos, cerca de 5 segundos a 2 minutos, cerca de 10 segundos a 1 minuto, cerca de 1 minuto a 10 minutos, cerca de 10 minutos a 1 hora ou cerca de 1 minuto a 1 hora.

[0113] Em alguns casos, os dados de ECG e dados de áudio são medidos a partir do órgão (por exemplo, coração, pulmão ou intestino) do indivíduo ao longo de vários períodos de tempo. O um ou mais períodos de tempo podem ser descontínuos. O um ou mais períodos de tempo podem ser temporariamente separados de outros períodos de tempo. Por exemplo, os dados de ECG e de áudio podem ser medidos durante um primeiro período de tempo; os dados de ECG e os dados de áudio não podem ser medidos por um período intermediário; e os dados de ECG e dados de áudio podem ser medidos durante um segundo período de tempo. O período intermediário pode ser de pelo menos cerca de 1 minuto, 5 minutos, 10 minutos, 1 hora, 5 horas, 10 horas, 1 dia, 1 semana, 1 mês, 1 ano, 5 anos, 10 anos ou mais. O período intermediário pode ser de cerca de 1 minuto a 10 minutos, de cerca de 1 minuto a 1 hora, de cerca de 5 minutos a 5 horas, de cerca de 1 hora a 1 dia, de cerca de 1 dia a 1 semana, de cerca de 1 semana a 1 mês, ou de cerca de 1 semana a 1 ano.

[0114] Em alguns casos, muitos períodos de tempo podem ser separados por muitos períodos intermediários. Nesse caso, um conjunto de dados longitudinal compreendendo dados do indivíduo pode ser coletado. Um conjunto de dados longitudinal pode ser usado para rastrear um estado ou condição de um indivíduo (tal como o estado ou condição do coração de um indivíduo) durante um período de tempo prolongado. Um dispositivo de monitoramento pode rastrear uma saída que compreende um estado ou condição de um indivíduo ao longo do tempo. Além disso, um dispositivo de monitoramento pode rastrear um recurso de diagnóstico de um indivíduo ao longo do tempo. Em alguns casos, os dados de ECG de um primeiro período podem ser comparados aos dados de ECG de um segundo período. Em alguns casos, os dados de áudio de um primeiro período podem ser comparados aos dados de áudio de um segundo período. Em alguns casos, conjuntos de dados combinados ou recursos baseados em conjuntos de dados combinados podem ser comparados.

[0115] Um dispositivo da presente invenção pode incluir pelo menos 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 ou mais eletrodos de ECG. Como alternativa ou além disso, o dispositivo pode incluir pelo menos 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 ou mais sensores de áudio.

[0116] A Figura 4 mostra um esquema de uma unidade de sensor (400) no interior de um dispositivo de monitoramento. O primeiro sensor pode compreender um sensor elétrico (110) configurado para medir dados elétricos de um indivíduo. O dispositivo de monitoramento pode compreender um pacote de transdutor de ECG (412). O pacote pode compreender eletrodos de ECG (110A) e (110B). O dispositivo de monitoramento pode compreender um conversor analógico-digital (ADC) (414) para digitalizar os sinais de ECG a serem detectados pelos eletrodos de ECG. O dispositivo de monitoramento pode compreender circuitos de processamento de sinal para filtrar e condicionar os sinais detectados. Os circuitos de processamento de sinal podem compreender o filtro (416). Os dados de ECG podem ser passados para um codificador (420). Os circuitos de processamento de sinais de ECG podem ser implementados no domínio analógico, no domínio digital ou em ambos.

[0117] Os dados de ECG podem compreender dados de ECG de derivação única. Os dados de ECG de derivação única podem ser obtidos a partir de um eletrodo que pode ser um terra e outro eletrodo que pode ser um eletrodo de sinal. A diferença de tensão entre as duas derivações pode compreender dados de sinal de ECG analógico. Os dados de ECG podem ser registrados como tensão em função do tempo.

[0118] Como alternativa, os dados de ECG podem compreender dados de ECG de três derivações. Os dados de ECG de três derivações podem ser obtidos a partir de três eletrodos, que podem compreender, por exemplo, eletrodos do braço direito, braço esquerdo e perna esquerda.

[0119] Os dados de ECG podem compreender dados de ECG de cinco derivações. Os dados de ECG de cinco derivações podem ser obtidos a partir de cinco eletrodos, que podem compreender, por exemplo, eletrodos do braço direito, braço esquerdo, perna esquerda, perna direita e torácicos centrais. Os dados de ECG podem incluir dados de ECG de doze derivações.

Os dados de ECG de doze derivações podem compreender doze eletrodos, que podem compreender, por exemplo, eletrodos do braço direito, braço esquerdo, perna esquerda, perna direita, tórax central (esterno), quarto espaço intercostal direito na borda esternal, quarto espaço intercostal esquerdo na borda esternal, entre V2 e V4, quinto espaço intercostal esquerdo na linha médio-clavicular, entre V4 e V6 quinto espaço intercostal esquerdo, e quinto espaço intercostal esquerdo na linha médio-axilar. Em alguns casos, os dados de ECG podem compreender dados de medição da caixa torácica, pulmão e/ou impedância intratorácica.

[0120] Os dados elétricos podem compreender dados de ECG medidos do coração de um indivíduo. Os dados elétricos podem compreender dados de impedância medidos a partir de um pulmão ou intra-tórax de um indivíduo. Os dados elétricos podem compreender dados de ECG medidos de um intestino ou outro órgão de um indivíduo. O sensor elétrico pode compreender uma sensibilidade de tensão maior ou igual a cerca de 1 microvolt, 10 microvolts, 0,1 milivolts (mV), 0,2 mV, 0,5 mV, 1 mV, 2 mV, 5 mV,

10 mV, 50 mV, 100 mV ou mais.

[0121] A segunda modalidade de sensor pode ser um sensor de áudio (112). O sensor de áudio pode compreender um sensor piezoelétrico. O sensor de áudio pode compreender um sensor elétrico. O sensor de áudio pode ser configurado para coletar dados de áudio. Os dados de áudio podem compreender dados de áudio do coração de um indivíduo. Os dados de áudio podem compreender dados de áudio de um pulmão de um indivíduo. Os dados de áudio podem compreender dados de áudio de um intestino ou outro órgão de um indivíduo. O sensor de áudio pode compreender uma parte de um pacote de transdutor de áudio. O dispositivo de monitoramento pode compreender um conversor analógico-digital (404) para digitalizar sinais de áudio detectados pelo sensor de áudio. O dispositivo de monitoramento pode compreender circuitos de processamento de sinal para filtrar e condicionar os sinais detectados. Os circuitos de processamento de sinal podem compreender o filtro (416). Os dados de ECG podem ser passados para um codificador (420). Os circuitos de processamento de sinais de áudio podem ser implementados no domínio analógico, no domínio digital ou em ambos.

[0122] O sensor de áudio pode compreender uma resposta de frequência de cerca de 20 Hertz (Hz) a 20 quilohertz (kHz). O sensor de áudio pode compreender uma resposta de frequência sintonizada nas faixas de baixa frequência entre cerca de 20 Hz e 2 kHz. O sensor de áudio pode compreender uma resposta a frequências maiores ou iguais a cerca de 5 Hz, 10 Hz, 20 Hz, 50 Hz, 100 Hz, 200 Hz, 500 Hz, 1 kHz, 2 kHz, 5 kHz, 10 kHz, 20 kHz, 50 kHz, 100 kHz ou mais. O sensor de áudio pode compreender uma resposta a frequências menores ou iguais a cerca de 5 Hz, 10 Hz, 20 Hz, 50 Hz, 100 Hz, 200 Hz, 500 Hz, 1 kHz, 2 kHz, 5 kHz, 10 kHz, 20 kHz, 50 kHz, 100 kHz ou mais. O sensor de áudio pode compreender uma resposta sintonizada em uma faixa entre cerca de 20 Hz e 2 kHz, entre cerca de 15 Hz e 10 kHz, entre cerca de 10 Hz e 10 kHz, entre cerca de 10 Hz e 20 kHz etc.

[0123] A Figura 5 mostra um esquema de um interior de um dispositivo de monitoramento. O dispositivo de monitoramento pode compreender componentes elétricos necessários para controlar a operação dos vários sensores. Por exemplo, o dispositivo de monitoramento pode compreender dispositivos para armazenar dados (por exemplo, disco rígido ou memória), para transmitir dados, para converter dados analógicos em dados digitais, para fornecer informações sobre a funcionalidade do dispositivo de monitoramento, para controlar vários aspectos de coleta de dados etc. O dispositivo de monitoramento pode compreender um microprocessador ou unidade de microprocessamento (MPU) (505). O microprocessador pode ser operacionalmente conectado a uma memória (510). A MPU pode executar uma sequência de instruções legíveis por máquina, que podem ser incorporadas em um programa ou software. As instruções podem ser direcionadas à MPU, que pode posteriormente implementar métodos ou componentes de métodos da presente invenção. A energia pode ser fornecida aos vários componentes (os sensores, os microprocessadores, a memória etc.) por uma bateria (515). A bateria pode ser acoplada a um circuito de carregamento sem fio.

[0124] O dispositivo de monitoramento pode transmitir dados para um dispositivo de computação através de uma rede (530). O dispositivo de monitoramento pode compreender um transceptor (520), como um transceptor sem fio para transmitir dados para um dispositivo de computação. O dispositivo de monitoramento pode estar conectado à Internet. O dispositivo de monitoramento pode ser conectado a uma rede de dados celular. Um transceptor pode compreender um transceptor Bluetooth, um rádio WiFi etc.

Vários protocolos de comunicação sem fio podem ser utilizados para transmitir dados.

[0125] O dispositivo de monitoramento pode armazenar dados de

ECG e dados de áudio localmente no dispositivo de monitoramento. Em um exemplo, os dados de ECG e áudio podem ser armazenados localmente em uma memória (510) (por exemplo, memória somente de leitura, memória de acesso aleatório, memória flash) ou um disco rígido. A mídia do tipo “armazenamento” pode incluir qualquer uma ou todas as memórias tangíveis dos computadores, processadores ou semelhantes, ou módulos associados das mesmas, tais como várias memórias de semicondutor, unidades de fita, unidades de disco e semelhantes, que podem fornecer armazenamento não transitório a qualquer momento para a programação de software.

[0126] O dispositivo de monitoramento pode compreender componentes elétricos necessários para processar dados de vários sensores.

Por exemplo, o dispositivo de monitoramento pode compreender um ou uma pluralidade de conversores analógico-digital (ADCs) (404) e (414). O um ou uma pluralidade de ADCs podem amostrar os dados dos vários sensores de modo que os dados elétricos sejam convertidos em um fluxo de dados digitais.

O dispositivo de monitoramento pode compreender circuitos amplificadores e/ou circuitos tampão. O dispositivo de monitoramento pode compreender ainda um ou mais componentes que compactam os dados de cada modalidade de sensor (420). O dispositivo de monitoramento pode compreender ainda um ou mais componentes que filtram dados de cada modalidade de sensor (406) e (416).

[0127] Em alguns casos, os dados de ECG e dados de áudio compreendem uma resolução temporal. A resolução temporal pode ser ditada pela taxa de amostragem do um ou mais ADCs. Por exemplo, o tempo entre as amostras do um ou mais ADCs pode ser menor ou igual a cerca de 0,01 microssegundo, 0,02 microssegundo, 0,05 microssegundo, 0,1 microssegundo, 0,2 microssegundo, 0,5 microssegundo, 1 microssegundo, 2 microssegundos, 5 microssegundos, 10 microssegundos, 20 microssegundos, 50 microssegundos,

100 microssegundos, 200 microssegundos, 500 microssegundos, 1 milissegundo (ms), 2 ms, 5 ms, 10 ms ou mais. Cada um dos ADCs pode compreender sua própria taxa de amostragem, que pode ser igual ou diferente de outros ADCs. Alternativamente, um ADC multicanal com uma única taxa de amostragem pode ser usado.

ESTRUTURAS DE DADOS

[0128] A Figura 6 mostra um exemplo de uma estrutura de pacote para transmitir dados de ECG e de áudio. O dispositivo de monitoramento pode transmitir dados por meio de um protocolo sem fio, tal como o protocolo Bluetooth Low Energy (BLE). Os dados podem ser transmitidos em uma estrutura de pacote (600). Os dados transmitidos podem compreender um tamanho de pacote reduzido a fim de reduzir o consumo de energia. Os pacotes podem compreender várias metas de dados, tais como dados de som, dados de ECG e dados de comando e controle associados à operação do dispositivo de monitoramento e sua interação com o dispositivo de computação.

[0129] Os dados de ECG e os dados de áudio podem ser transmitidos a partir do dispositivo de monitoramento para o dispositivo de computação em um pacote comum. O pacote comum pode carregar vários tipos de instrumentos médicos e dados de controle por meio de uma conexão de comunicação BLE de baixa largura de banda e baixa potência que podem ser recebidos por telefones inteligentes, tablets ou outros dispositivos de computação padrão descritos neste documento. A estrutura de pacote pode transmitir dados de som (620), dados de ECG (625) e dados de comando e controle (610) simultaneamente, com fidelidade suficiente para uso clínico, dentro de um único pacote BLE.

[0130] Cada pacote pode compreender um comprimento de byte fornecido pelo padrão BLE e intervalos de pacote compatíveis com chipsets

BLE de produtos e dispositivos de computação. Uma estrutura de dados pode fornecer uma taxa de bits efetiva de mais de ou igual a cerca de 1 kilobit por segundo (kbps), 5 kbps, 10 kbps, 20 kbps, 100 kbps, 1 gigabit por segundo (Gbps), 5 Gbps, 10 Gbps, 20 Gbps, 100 Gbps, 1 terabit por segundo (Tbps) ou mais.

[0131] O pacote pode incluir bytes de cabeçalho (605), bytes de comando e controle (610) e bytes de dados. Os bytes de dados podem compreender bytes de dados de áudio (620) e bytes de dados de ECG (625).

Os bytes de dados de áudio podem ser usados para transmitir dados de som de um sensor de áudio, tal como o sensor de áudio aqui descrito. Os bytes de dados de ECG podem ser usados para transmitir dados elétricos de um sensor elétrico, tal como o sensor de ECG aqui descrito.

[0132] Em um exemplo, o sensor de áudio converte um sinal de áudio, tal como dados de som de coração, pulmão ou intestino, em um sinal elétrico analógico. Um conversor analógico-digital (ADC) faz a amostragem da saída do sensor de áudio e gera um fluxo de dados digital. O ADC pode amostrar a uma taxa de pelo menos cerca de 4 kHz com pelo menos amostras de 16 bits que podem render pelo menos um fluxo de áudio de 64 kbps. A compactação de áudio pode ser aplicada por modulação de código-pulso de diferencial adaptativo (ADPCM) para produzir um fluxo de áudio de 4 bits a uma taxa de 4 kHz. Com um intervalo de pacote de 8 milissegundos (ms), cada pacote inclui áudio com 32 amostras de áudio de 4 bits. No entanto, o intervalo de pacote pode compreender um período de pelo menos cerca de 1 microssegundo, 2 microssegundos, 5 microssegundos, 10 microssegundos, 20 microssegundos, 50 microssegundos, 100 microssegundos, 200 microssegundos, 500 microssegundos, 1 ms, 2 ms, 5 ms, 10 ms, 20 ms, 50 ms, 100 ms ou mais.

[0133] Em outro exemplo, o ADC pode amostrar a uma taxa de pelo menos cerca de 500 kHz, 1 kHz, 2 kHz, 3 kHz, 4 kHz, 5 kHz, 6 kHz, 7 kHz, 8 kHz, 9 kHz, 10 kHz, 100 kHz ou mais. O ADC pode obter amostras de pelo menos 2 bits, 4 bits, 8 bits, 16 bits, 32 bits, 64 bits, 128 bits, 256 bits ou mais. A compactação de áudio pode compactar o fluxo de áudio por um fator de pelo menos cerca de 2, 3, 4, 5, 6, 7, 8, 9, 10, 15, 20, 25, 30, 35, 40, 45, 50, 60, 70, 80, 90, 100, 150, 200, 1000 ou mais.

[0134] Filtros digitais podem ser aplicados à saída do ADC antes do codificador ADPCM para reduzir artefatos e distorções durante o processo de compactação de ADPCM. Em um exemplo, os filtros podem incluir filtros passa-baixa para atenuar os componentes de alta frequência acima da frequência definida. A frequência do filtro passa-baixa pode compreender pelo menos cerca de 20 Hz, 50 Hz, 100 Hz, 500 Hz, 1 kHz, 2 kHz, 3 kHz, 4 kHz, 5 kHz, 6 kHz, 7 kHz, 8 kHz, 9 kHz, 10 kHz, 15 kHz, 20 kHz ou mais. Em um exemplo, os filtros podem incluir filtros passa-altas para atenuar os componentes de baixa frequência abaixo da frequência definida. A frequência do filtro passa-alta pode compreender pelo menos cerca de 20 Hz, 50 Hz, 100 Hz, 500 Hz, 1 kHz, 2 kHz, 3 kHz, 4 kHz, 5 kHz, 6 kHz, 7 kHz, 8 kHz, 9 kHz, 10 kHz, 15 kHz, 20 kHz ou mais. Em outros exemplos, os filtros podem compreender filtros passa-banda, filtros de Fourier ou outros filtros. As limitações da faixa de frequência podem ser benéficas para fins de diagnóstico médico para ruído de compactação reduzido e artefatos do codificador ADPCM.

[0135] Os sinais de ECG podem ser amostrados por um conversor analógico-digital (ADC). Os sinais de ECG podem ser amostrados pelo mesmo ADC dos sinais de áudio ou por um ADC separado. O ADC de áudio e o ADC de ECG podem compreender características substancialmente semelhantes. Alternativamente, as características de amostragem do ADC de ECG podem ser adaptadas para dados elétricos. Em um exemplo, o ADC pode amostrar a uma taxa de pelo menos cerca de 500 Hz, 1 kHz, 2 kHz, 3 kHz, 4 kHz, 5 kHz, 6 kHz, 7 kHz, 8 kHz, 9 kHz, 10 kHz, 100 kHz, ou mais. O ADC pode obter amostras de pelo menos cerca de 2 bits, 4 bits, 8 bits, 16 bits, 32 bits, 64 bits, 128 bits, 256 bits ou mais. No entanto, o intervalo de pacote pode compreender um período de pelo menos cerca de 1 microssegundo, 2 microssegundos, 5 microssegundos, 10 microssegundos, 20 microssegundos, 50 microssegundos, 100 microssegundos, 200 microssegundos, 500 microssegundos, 1 milissegundo (ms), 2 ms, 5 ms, 10 ms, 20 ms, 50 ms, 100 ms, 500 ms, 1 segundo ou mais.

[0136] Os dados de ECG podem ser compactados. Por exemplo, a compactação pode ser aplicada por modulação de código-pulso de diferencial adaptativo (ADPCM) ou outro método de compactação de dados. A compactação de dados pode compactar o fluxo de dados de ECG por um fator de pelo menos cerca de 2, 3, 4, 5, 6, 7, 8, 9, 10, 15, 20, 25, 30, 35, 40, 45, 50, 60, 70, 80, 90, 100, 150, 200, 1000 ou mais. Os dados de ECG podem ser filtrados. Em um exemplo, os filtros podem incluir filtros passa-baixa para atenuar os componentes de alta frequência acima da frequência definida. A frequência do filtro passa-baixa pode compreender pelo menos cerca de 20 Hz, 50 Hz, 100 Hz, 500 Hz, 1 kHz, 2 kHz, 3 kHz, 4 kHz, 5 kHz, 6 kHz, 7 kHz, 8 kHz, 9 kHz, 10 kHz, 15 kHz, 20 kHz ou mais. Em um exemplo, os filtros podem incluir filtros passa-altas para atenuar os componentes de baixa frequência abaixo da frequência definida. A frequência do filtro passa-alta pode compreender pelo menos cerca de 20 Hz, 50 Hz, 100 Hz, 500 Hz, 1 kHz, 2 kHz, 3 kHz, 4 kHz, 5 kHz, 6 kHz, 7 kHz, 8 kHz, 9 kHz, 10 kHz, 15 kHz, 20 kHz ou mais. Em outros exemplos, os filtros podem compreender filtros passa- banda, filtros de Fourier ou outros filtros.

[0137] Dados de comando-controle (alternativamente dados de comando e controle) podem compreender dados de comando e/ou dados de controle. Os dados de comando-controle podem ser implementados em bits de cabeçalho. Em um exemplo, um bit de cabeçalho pode compreender diferentes dados de comando-controle para diferentes pacotes com o mesmo tamanho de bit ou semelhante. Um bit ou bits de cabeçalho podem ser utilizados para indicar quais dos vários tipos de dados de comando-controle são transportados dentro das posições de bits de pacote associadas. Por exemplo, um bit de cabeçalho pode incluir nível de volume, nível de bateria, dados de integridade de conexão, marca temporal, número de sequência etc.

[0138] Dependendo da aplicação, pelo menos alguns ou todos os dados de comando-controle podem ser enviados no cabeçalho de cada pacote.

Por exemplo, as informações de volume podem ser enviadas a uma fração da taxa de amostragem dos dados do sensor. Uma parte de dados de comando- controle armazenada em um ou mais bits de cabeçalho pode ser enviada a uma taxa menor do que os dados de sensor de pelo menos cerca de um fator de 2, 3, 4, 5, 6, 7, 8, 9, 10, 15, 20, 25, 30, 35, 40, 45, 50, 60, 70, 80, 90, 100, 150, 200, 1000 ou mais.

[0139] Nos exemplos em que uma determinada parte de dados de comando-controle é enviada a uma taxa mais baixa do que os dados de amostra, o bit de cabeçalho único pode ser usado para transportar mais de um tipo de dados. Por exemplo, uma parte de dados de cabeçalho do tipo A pode ser enviada em cada outro pacote no bit de cabeçalho (1), e uma segunda parte de dados de cabeçalho do tipo B pode ser enviada no bit de cabeçalho (1) no resto dos pacotes. Por este método, o número de bits de cabeçalho necessários pode ser reduzido significativamente. Múltiplos bits de cabeçalho podem ser utilizados para permitir que um maior número de tipos de conteúdo de dados de comando-controle seja transportado dentro de uma determinada posição de bit de pacote.

[0140] Um dispositivo de computação pode exibir um aviso em uma interface de usuário do dispositivo de computação. O aviso pode ser indicativo de um compromisso em uma conexão entre o dispositivo de monitoramento e o dispositivo de computação. Pode ser benéfico em aplicações médicas verificar a integridade de uma conexão. Pode ser desejável que os dispositivos alertem o usuário de forma rápida e confiável quando surgir um problema de qualidade de transmissão de dados. Um usuário pode, então, remediar os problemas do equipamento e garantir que resultados anômalos sejam atribuídos a erro de instrumentação, e não ao paciente que está sendo monitorado.

[0141] Uma sequência de pacote rotativo pode ser inserida na estrutura de pacote comum. Uma estrutura de pacote rotativo pode compreender um mecanismo de verificação de conexão. A estrutura de pacote rotativo pode ser disposta no bit de cabeçalho da estrutura de pacote. Bits predeterminados dentro do cabeçalho podem ser alocados a um indicador de sequência de pacote rotativo. O processador do dispositivo de monitoramento pode construir pacotes consecutivos para incrementar através de um valor de sequência de pacote de múltiplos bits rotativo. O dispositivo de computação pode decodificar o valor da sequência de pacote para verificar se os pacotes consecutivos são recebidos com valores de sequência de pacote incrementando sequencialmente.

[0142] Um dispositivo de computação pode receber um pacote de dados sequencial tendo uma sequência de pacote rotativo não sequencial.

Nesse caso, o dispositivo de monitoramento pode determinar que uma conexão foi comprometida. O dispositivo de monitoramento pode alertar um usuário, tal como um indivíduo ou um profissional médico, usando uma indicação no dispositivo de monitoramento. Uma indicação no dispositivo de monitoramento pode compreender uma luz, um som, uma vibração ou outra abordagem para alertar um indivíduo ou outro usuário. Adicionalmente ou alternativamente, o dispositivo de monitoramento pode indicar uma conexão comprometida por meio de uma comunicação com um dispositivo de computação remoto. Em alguns casos, o dispositivo de monitoramento pode enviar um alerta a um dispositivo de computação remoto para alertar um usuário remoto.

[0143] Os dados podem ser apresentados em uma interface de usuário de um dispositivo de computação em tempo substancialmente real. A estrutura de pacote pode compreender bits de cabeçalho adicionais (615), a fim de enviar periodicamente dados de controle para um dispositivo de computação para garantir a qualidade do fluxo de dados e a sincronização entre os fluxos de dados. Os bits de cabeçalho de tempo de execução podem compreender um número de sequência e/ou uma marca temporal. Os bits de cabeçalho de tempo de execução podem incluir um bit de redefinição para inicializar ou reinicializar a compactação de dados. O bit de cabeçalho de tempo de execução pode incluir informações de estado do dispositivo, incluindo carga da bateria, estado de filtragem, nível de volume e/ou temperatura. Em alguns casos, os bits de cabeçalho de tempo de execução podem compreender uma parte dos dados de comando-controle. Os bits de cabeçalho de tempo de execução podem compreender protocolo de tempo de execução. Os bits de cabeçalho de tempo de execução podem variar de pacote para pacote. Os bits de cabeçalho de tempo de execução podem variar com base em um tempo de medição. Por exemplo, o bit de cabeçalho de tempo de execução pode mudar para fornecer uma atualização do status de uma medição, do dispositivo de monitoramento, de um nível de bateria etc. Por exemplo, os dados de cabeçalho de tempo de execução podem ser enviados a uma taxa mais baixa do que os dados de amostra para reduzir tamanho do fluxo de dados.

ALGORITMOS TREINADOS

[0144] Métodos e sistemas da presente invenção podem ser implementados por meio de um ou mais algoritmos. Um algoritmo pode ser implementado por meio de software mediante execução por uma unidade de processamento do dispositivo de monitoramento, do dispositivo de computação ou de um servidor conectado. O algoritmo pode analisar dados de ECG e/ou de áudio a fim de fornecer uma saída indicativa de um estado ou condição de um órgão, tal como um coração, um pulmão ou um intestino de um indivíduo. O algoritmo pode, por exemplo, ser usado para processar os dados de ECG e os dados de áudio para determinar o estado ou condição fisiológica ou biológica do coração do indivíduo.

[0145] Em um exemplo, os dados podem ser processados por um ou mais processadores de computador do dispositivo de computação, descrito em outro lugar neste documento. Os dados podem compreender dados de ECG e dados de áudio. Um algoritmo pode ser implementado mediante a execução pelo processador do dispositivo de monitoramento. Adicionalmente ou alternativamente, um algoritmo pode ser implementado mediante a execução pelo processador de um servidor conectado.

[0146] O algoritmo pode ser um algoritmo treinado. O algoritmo pode ser treinado por um método de aprendizagem supervisionado ou guiado.

Por exemplo, o algoritmo treinado pode compreender uma máquina de vetores de suporte, uma árvore de decisão, um método de descida do gradiente estocástico, um método de análise discriminante linear etc. Alternativamente, o algoritmo pode ser treinado por um método de aprendizagem não supervisionado. Por exemplo, o algoritmo pode compreender o método de agrupamento, um método de decomposição etc. Em um exemplo, o método de aprendizagem pode ser semi-supervisionado. Exemplos de algoritmos de aprendizagem incluem máquinas de vetores de suporte (SVM), regressão linear, regressão logística, Bayes ingênuo, análise discriminante linear, árvores de decisão, algoritmo k-vizinho mais próximo, florestas aleatórias e redes neurais (ou perceptron multicamadas).

[0147] O algoritmo pode ser treinado por um conjunto de treinamento que é específico para uma determinada aplicação, tal como, por exemplo, classificar um estado ou condição (por exemplo, uma doença). O algoritmo pode ser diferente para doença cardíaca e doença pulmonar, por exemplo. O algoritmo pode ser treinado para aplicação em um primeiro caso de uso (por exemplo, arritmia) usando um conjunto de treinamento que é diferente do treinamento do algoritmo para aplicação em um segundo caso de uso (por exemplo, pneumonia). O algoritmo pode ser treinado usando um conjunto de treinamento de indivíduos com estados ou condições conhecidas (por exemplo, distúrbios). Em alguns exemplos, o conjunto de treinamento (por exemplo, tipo de dados e tamanho do conjunto de treinamento) pode ser selecionado de modo que, na validação, o algoritmo produza uma saída com uma precisão, sensibilidade e/ou especificidade predeterminadas (por exemplo, uma precisão de pelo menos 90% quando testado em uma validação ou amostra de teste independente do conjunto de treinamento).

[0148] O algoritmo treinado pode ser uma rede neural. A rede neural pode compreender um modelo de aprendizado não supervisionado ou um modelo de aprendizado supervisionado. Os dados de áudio e/ou de ECG podem ser inseridos na rede neural. Informações adicionais como idade, sexo, posição de registro, peso ou tipo de órgão podem ser inseridas na rede neural.

A rede neural pode gerar a probabilidade de uma patologia ou doença, uma pontuação da gravidade da doença, uma indicação de disfunção pulmonar, uma indicação de insuficiência cardíaca, uma indicação de fibrilação atrial, uma indicação de diferentes tipos de sopro cardíaco, tais como regurgitação mitral, regurgitação tricúspide ou outras doenças ou estados saudáveis. Em alguns casos, a rede neural pode ser usada para analisar os dados de áudio, os dados de ECG ou ambos os dados de áudio e de ECG.

[0149] A rede neural pode ainda usar dados de ECG para cancelar o ruído nos dados de áudio e criar uma representação limpa dos dados de áudio ou, de outra forma, processar os dados de áudio. A rede neural pode criar diferentes combinações dos dados de áudio e de ECG. Por exemplo, os sinais de áudio gravados para um batimento cardíaco de um indivíduo podem ser ruidosos devido ao movimento do indivíduo, movimento do dispositivo ou outro motivo. Em um espectrograma de uma forma de onda do batimento cardíaco pode incluir picos que são atribuídos a ruídos ambientais, mesmo após a filtragem de som. Os dados de ECG podem ser usados para remover ainda mais ruídos após a filtragem de som nos dados de áudio e fornecer uma representação limpa do batimento cardíaco registrado. Isso pode ser realizado usando os dados de ECG para acionar o cálculo da média dos dados de áudio, comparando o complexo QRS registrado pelo ECG com os sinais de áudio gravados. O complexo QRS representa uma combinação de três das deflexões gráficas vistas em um ECG típico e pode caracterizar uma forma de um sinal de batimento cardíaco. Por exemplo, um pico R do complexo QRS (Figura 11A) representa o fim da contração atrial e o início da contração ventricular. Uma forma de onda de áudio de um batimento cardíaco normalmente representa um som “lub-dub”. O som “lub” ocorre durante a fase inicial da contração ventricular e é produzido pelo fechamento das válvulas atrioventriculares. Além disso, o som “dub” ocorre quando os ventrículos relaxam. Com referência à Figura 11B, o instante 0 de uma forma de onda de áudio de um batimento cardíaco pode ser equiparado a um pico R em um complexo QRS, portanto, os picos no espectrograma da forma de onda causados por ruídos podem ser desconsiderados.

[0150] Além disso, a rede neural pode ser usada para avaliar um determinado estado ou condição de um indivíduo. A rede neural pode calcular uma pontuação combinada para fornecer uma métrica quantitativa para um estado ou condição de um indivíduo que compreende a combinação de várias métricas, como dados de ECG registrados, dados de áudio gravados, dados de outros sensores, tais como uma escala de peso ou um sensor implantável, dados de entrada do usuário ou dados de outras fontes. Sensores implantáveis compreendem dispositivos implantáveis capazes de fornecer dados hemodinâmicos em tempo real, tais como sistemas de insuficiência cardíaca (HF), compreendendo ainda CardioMEMS, sensores do ventrículo direito (RV), sensores da artéria pulmonar (PA) e sensores de pressão atrial esquerda (LAP), recursos de diagnóstico em dispositivos implantáveis de terapia de ressincronização cardíaca (CRT) e dispositivos de cardioversor desfibrilador implantável (ICD). Pontuações combinadas podem prever direta ou indiretamente um estado ou condição do indivíduo, tal como detectar uma fração de ejeção baixa do indivíduo. A fração de ejeção (FE) é uma medida, expressa como uma porcentagem, de quanto sangue o ventrículo esquerdo bombeia para fora com cada contração. Em um estado saudável, a fração de ejeção de um indivíduo pode estar na faixa entre 55% e 70%. Fração de ejeção baixa, ou FE baixa, é o termo usado para descrever uma fração de ejeção de um indivíduo se cair abaixo de 55%. Dados e análise de uma forma de onda de ECG de derivação única de rede neural, a presença e intensidade do terceiro som cardíaco (S3) conforme detectado apenas por áudio, dados de ECG apenas ou uma combinação dos mesmos e o valor do tempo de ativação eletromecânica (EMAT) e todos podem ser correlacionados para determinar a fração de ejeção. A rede neural pode combinar todas as três métricas para chegar a uma pontuação combinada que é proporcional ou relacionada à fração de ejeção do indivíduo. Em outro exemplo, a pontuação combinada pode prever a pressão da artéria pulmonar medida por um sensor implantável como o sistema CardioMEMS HF.

[0151] Em alguns casos, as gravações de áudio podem ser rotuladas manualmente ou anotadas por médicos. As gravações de áudio podem ser rotuladas manualmente ou anotadas por cientistas de dados. Em alguns casos, os dados de ECG podem ser rotulados manualmente ou anotados por médicos. Os dados de ECG podem ser rotulados manualmente ou anotados por cientistas de dados. Os dados rotulados podem ser agrupados em conjuntos de dados independentes de treinamento, validação e/ou teste. Os dados rotulados podem ser agrupados de forma que todos os registros de um determinado paciente sejam incluídos no mesmo conjunto. A rede neural pode compreender um conjunto de dados de treinamento que foi classificado. A rede neural pode ser treinada em um conjunto de dados que compreende dados de áudio e de ECG com uma classificação atribuída. Uma classificação pode compreender uma pontuação de disfunção. Uma classificação pode compreender um diagnóstico ou determinação conhecido. Alternativamente, uma classificação pode ser atribuída por um método de decomposição, tal como decomposição de valor singular, análise de componentes determinantes etc.

[0152] O algoritmo treinado pode ser configurado para aceitar uma pluralidade de variáveis de entrada e para produzir um ou mais valores de saída com base na pluralidade de variáveis de entrada. A pluralidade de variáveis de entrada pode compreender dados de ECG e/ou dados de áudio. A pluralidade de variáveis de entrada também pode incluir dados de saúde clínica de um indivíduo. Os um ou mais valores de saída podem compreender um estado ou condição de um indivíduo (por exemplo, um estado ou condição do coração, pulmão, intestino ou outro órgão ou sistema de órgãos do indivíduo).

Além disso, em alguns exemplos, o algoritmo treinado pode dar mais peso a certas características de um estado ou condição. Por exemplo, para detectar sopro cardíaco, o algoritmo treinado pode ser capaz de analisar os sons identificados, incluindo S1, S2 e sopros suspeitos. O algoritmo treinado pode ser capaz de analisar dados de ECG junto com parâmetros como EMAT, torção sistólica do ventrículo esquerdo (LVST), força S3, força S4 e SDI. Para calcular a frequência cardíaca e a variabilidade da frequência cardíaca e a detecção de fibrilação atrial, o algoritmo treinado pode ser capaz de analisar dados de ECG ambulatoriais e sinais de ECG de derivação única.

[0153] O algoritmo treinado pode compreender um classificador, de modo que cada um dos um ou mais valores de saída compreende um dentre um número fixo de valores possíveis (por exemplo, um classificador linear, um classificador de regressão logística etc.) indicando uma classificação de um estado ou condição do indivíduo pelo classificador. O algoritmo treinado pode compreender um classificador binário, de modo que cada um dos um ou mais valores de saída compreendem um de dois valores (por exemplo, {0, 1}, {positivo, negativo} ou {alto risco, baixo risco}) indicando uma classificação do estado ou condição do indivíduo. O algoritmo treinado pode ser outro tipo de classificador, de modo que cada um dos um ou mais valores de saída compreende um dentre mais de dois valores (por exemplo, {0, 1, 2}, {positivo, negativo ou indeterminado}, ou {alto risco, risco intermediário ou baixo risco}) indicando uma classificação do estado ou condição do indivíduo.

[0154] Os valores de saída podem compreender rótulos descritivos, valores numéricos ou uma combinação dos mesmos. Alguns dos valores de saída podem compreender rótulos descritivos. Tais rótulos descritivos podem fornecer uma identificação ou indicação de um estado ou condição do indivíduo e podem compreender, por exemplo, positivo, negativo, alto risco, risco intermediário, baixo risco ou indeterminado. Esses rótulos descritivos podem fornecer uma identificação de um tratamento para o estado ou condição do indivíduo e podem compreender, por exemplo, uma intervenção terapêutica, uma duração da intervenção terapêutica e/ou uma dosagem da intervenção terapêutica adequada para tratar o estado ou condição do indivíduo. Esses rótulos descritivos podem fornecer uma identificação de testes clínicos secundários que podem ser apropriados para realizar no indivíduo e podem compreender, por exemplo, um teste de imagem, um teste de sangue, uma tomografia computadorizada (TC), uma varredura de imagem de ressonância magnética (MRI), uma varredura de ultrassom, uma radiografia de tórax, uma varredura de tomografia por emissão de pósitrons (PET), uma varredura de PET-TC ou qualquer combinação dos mesmos. Como outro exemplo, tais rótulos descritivos podem fornecer um prognóstico do estado ou condição do indivíduo. Como outro exemplo, tais rótulos descritivos podem fornecer uma avaliação relativa do estado ou condição do indivíduo. Alguns rótulos descritivos podem ser mapeados para valores numéricos, por exemplo, mapeando “positivo” para 1 e “negativo” para 0.

[0155] Alguns dos valores de saída podem compreender valores numéricos, tais como valores binários, inteiros ou contínuos. Tais valores binários de saída podem compreender, por exemplo, {0, 1}, {positivo, negativo} ou {alto risco, baixo risco}. Tais valores inteiros de saída podem compreender, por exemplo, {0, 1, 2}. Tais valores contínuos de saída podem compreender, por exemplo, um valor de probabilidade de pelo menos 0 e não mais do que 1.

Tais valores contínuos de saída podem compreender, por exemplo, um valor de probabilidade não normalizado de pelo menos 0. Tais valores contínuos de saída podem indicar um prognóstico do estado ou condição do indivíduo.

Alguns valores numéricos podem ser mapeados para rótulos descritivos, por exemplo, mapeando 1 para “positivo” e 0 para “negativo”.

[0156] Alguns dos valores de saída podem ser atribuídos com base em um ou mais valores de corte. Por exemplo, uma classificação binária de indivíduos pode atribuir um valor de saída de “positivo” ou 1 se o indivíduo tiver pelo menos 50% de probabilidade de ter o estado ou condição. Por exemplo, uma classificação binária de indivíduos pode atribuir um valor de saída de “negativo” ou 0 se o indivíduo tiver menos de 50% de probabilidade de ter o estado ou condição. Nesse caso, um único valor de corte de 50% é usado para classificar os indivíduos em um dos dois valores binários de saída possíveis. Exemplos de valores de corte único podem incluir cerca de 1%, cerca de 2%, cerca de 5%, cerca de 10%, cerca de 15%, cerca de 20%, cerca de 25%, cerca de 30%, cerca de 35%, cerca de 40%, cerca de 45%, cerca de 50%, cerca de 55%, cerca de 60%, cerca de 65%, cerca de 70%, cerca de 75%, cerca de 80%, cerca de 85%, cerca de 90%, cerca de 91%, cerca de 92%, cerca de 93%, cerca de 94%, cerca de 95%, cerca de 96%, cerca de 97%, cerca de 98% e cerca de 99%.

[0157] Como outro exemplo, uma classificação de indivíduos pode atribuir um valor de saída de “positivo” ou 1 se o indivíduo tiver uma probabilidade de ter o estado ou condição de pelo menos cerca de 50%, pelo menos cerca de 55%, pelo menos cerca de 60%, pelo menos cerca de 65%, pelo menos cerca de 70%, pelo menos cerca de 75%, pelo menos cerca de 80%, pelo menos cerca de 85%, pelo menos cerca de 90%, pelo menos cerca de 91%, pelo menos cerca de 92%, pelo menos cerca de 93%, pelo menos cerca de 94%, pelo menos cerca de 95%, pelo menos cerca de 96%, pelo menos cerca de 97%, pelo menos cerca de 98%, pelo menos cerca de 99% ou mais. A classificação de indivíduos pode atribuir um valor de saída de “positivo” ou 1 se o indivíduo tiver uma probabilidade de ter o estado ou condição de mais do que cerca de 50%, mais do que cerca de 55%, mais do que cerca de 60%, mais do que cerca de 65%, mais do que cerca de 70%, mais do que cerca de 75%, mais do que cerca de 80%, mais do que cerca de 85%, mais do que cerca de 90%, mais do que cerca de 91%, mais do que cerca de 92%, mais do que cerca de 93%, mais do que cerca de 94%, mais do que cerca de 95%, mais do que cerca de 96%, mais do que cerca de 97%, mais do que cerca de 98% ou mais do que cerca de 99%.

[0158] A classificação dos indivíduos pode atribuir um valor de saída de “negativo” ou 0 se o indivíduo tiver uma probabilidade de ter o estado ou condição de menos do que cerca de 50%, menos do que cerca de 45%, menos do que cerca de 40%, menos do que cerca de 35%, menos do que cerca de 30%, menos do que cerca de 25%, menos do que cerca de 20%, menos do que cerca de 15%, menos do que cerca de 10%, menos do que cerca de 9%, menos do que cerca de 8%, menos do que cerca de 7%, menos do que cerca de 6%, menos do que cerca de 5%, menos do que cerca de 4%, menos do que cerca de 3%, menos do que cerca de 2% ou menos do que cerca de 1%. A classificação dos indivíduos pode atribuir um valor de saída de “negativo” ou 0 se o indivíduo tiver uma probabilidade do estado ou condição de não mais do que cerca de 50%, não mais do que cerca de 45%, não mais do que cerca de 40%, não mais do que cerca de 35%, não mais do que cerca de 30%, não mais do que cerca de 25%, não mais do que cerca de 20%, não mais do que cerca de 15%, não mais do que cerca de 10%, não mais do que cerca de 9%, não mais do que cerca de 8%, não mais do que cerca de 7%, não mais do que cerca de 6%, não mais do que cerca de 5%, não mais do que cerca de 4%, não mais do que cerca de 3%, não mais do que cerca de 2%, ou não mais do que cerca de 1%.

[0159] A classificação dos indivíduos pode atribuir um valor de saída de “indeterminado” ou 2 se o indivíduo não for classificado como “positivo”, “negativo”, 1 ou 0. Neste caso, um conjunto de dois valores de corte é usado para classificar indivíduos em um dos três valores de saída possíveis.

Exemplos de conjuntos de valores de corte podem incluir {1%, 99%}, {2%, 98%}, {5%, 95%}, {10%, 90%}, {15%, 85%}, {20%, 80%}, {25%, 75%}, {30%, 70%}, {35%, 65%}, {40%, 60%} e {45%, 55%}. Da mesma forma, conjuntos de n valores de corte podem ser usados para classificar os indivíduos em um dentre n+1 valores de saída possíveis, onde n é qualquer número inteiro positivo.

[0160] O algoritmo treinado pode ser treinado com uma pluralidade de amostras de treinamento independentes. Cada uma das amostras de treinamento independentes pode compreender um conjunto de dados de dados de ECG e/ou dados de áudio coletados de um indivíduo em um determinado instante e um ou mais valores de saída conhecidos correspondentes ao indivíduo. Amostras de treinamento independentes podem compreender conjuntos de dados de dados de ECG e/ou dados de áudio e valores de saída associados obtidos ou derivados de uma pluralidade de indivíduos diferentes. Amostras de treinamento independentes podem compreender conjuntos de dados de dados de ECG e/ou dados de áudio e valores de saída associados obtidos em uma pluralidade de instantes diferentes a partir do mesmo indivíduo (por exemplo, em uma base regular, como semanal, quinzenal ou mensal). Amostras de treinamento independentes podem ser associadas à presença do estado ou condição (por exemplo, amostras de treinamento compreendendo conjuntos de dados de dados de ECG e/ou dados de áudio e valores de saída associados obtidos ou derivados de uma pluralidade de indivíduos conhecidos por terem o estado ou condição).

Amostras de treinamento independentes podem estar associadas à ausência do estado ou condição (por exemplo, amostras de treinamento compreendendo conjuntos de dados de dados de ECG e/ou dados de áudio e valores de saída associados obtidos ou derivados de uma pluralidade de indivíduos que são conhecidos por não terem um diagnóstico prévio do estado ou condição ou que receberam um resultado de teste negativo para o estado ou condição). Uma pluralidade de diferentes algoritmos treinados pode ser treinada, de modo que cada um da pluralidade de algoritmos treinados seja treinado usando um conjunto diferente de amostras de treinamento independentes (por exemplo, conjuntos de amostras de treinamento independentes correspondentes à presença ou ausência de diferentes estados ou condições).

[0161] O algoritmo treinado pode ser treinado com pelo menos cerca de 5, pelo menos cerca de 10, pelo menos cerca de 15, pelo menos cerca de 20, pelo menos cerca de 25, pelo menos cerca de 30, pelo menos cerca de 35, pelo menos cerca de 40, pelo menos cerca de 45, pelo menos cerca de 50, pelo menos cerca de 100, pelo menos cerca de 150, pelo menos cerca de 200, pelo menos cerca de 250, pelo menos cerca de 300, pelo menos cerca de 350, pelo menos cerca de 400, pelo menos cerca de 450, ou pelo menos cerca de 500 amostras de treinamento independentes. As amostras de treinamento independentes podem compreender conjuntos de dados de dados de ECG e/ou dados de áudio associados à presença do estado ou condição e/ou conjuntos de dados de dados de ECG e/ou dados de áudio associados à ausência do estado ou condição. O algoritmo treinado pode ser treinado com não mais do que cerca de 500, não mais do que cerca de 450, não mais do que cerca de 400, não mais do que cerca de 350, não mais do que cerca de 300, não mais do que cerca de 250, não mais do que cerca de 200, não mais do que cerca de 150, não mais do que cerca de 100, ou não mais do que cerca de 50 amostras de treinamento independentes associadas à presença do estado ou condição. Em algumas formas de realização, o conjunto de dados de dados de ECG e/ou dados de áudio é independente das amostras usadas para treinar o algoritmo treinado.

[0162] O algoritmo treinado pode ser treinado com um primeiro número de amostras de treinamento independentes associadas à presença do estado ou condição e um segundo número de amostras de treinamento independentes associadas à ausência do estado ou condição. O primeiro número de amostras de treinamento independentes associadas à presença do estado ou condição pode ser não mais do que o segundo número de amostras de treinamento independentes associadas à ausência do estado ou condição.

O primeiro número de amostras de treinamento independentes associadas à presença do estado ou condição pode ser igual ao segundo número de amostras de treinamento independentes associadas à ausência do estado ou condição. O primeiro número de amostras de treinamento independentes associadas à presença do estado ou condição pode ser maior do que o segundo número de amostras de treinamento independentes associadas à ausência do estado ou condição.

[0163] Os dados usando podem ser modelados usando uma arquitetura de rede neural convolucional profunda. A rede neural convolucional pode classificar segmentos de áudio e/ou segmentos de dados de ECG ao longo de um tempo de medição. Por exemplo, os segmentos de áudio podem ter cerca de 5 segundos de duração. Por exemplo, os segmentos de áudio podem estar dentro de uma faixa entre cerca de 0,1 segundo e 1 minuto. Os segmentos de áudio podem estar dentro de uma faixa entre 1 segundo e 10 minutos. Os segundos de áudio podem ser menores ou iguais a cerca de 6 meses, 3 meses, 2 meses, 1 meses, 3 semanas, 2 semanas, 1 semana, 6 dias, 5 dias, 4 dias, 3 dias, 1 dia, 12 horas, 6 horas, 5 horas, 4 horas, 3 horas, 2 horas, 1 hora, 30 minutos, 10 minutos, 5 minutos, 1 minuto, 30 segundos, 10 segundos, 5 segundos, 1 segundo, 100 milissegundos ou menos. Como alternativa ou além disso, os segmentos de áudio podem ter pelo menos cerca de 100 milissegundos, 1 segundo, 5 segundos, 10 segundos, 20 segundos, 30 segundos, 1 minuto, 5 minutos, 10 minutos ou mais. Alternativamente, esse período de tempo pode ser no máximo cerca de 6 meses, 3 meses, 2 meses, 1 meses, 3 semanas, 2 semanas, 1 semana, 6 dias, 5 dias, 4 dias, 3 dias, 1 dia, 12 horas, 6 horas, 5 horas, 4 horas, 3 horas, 2 horas, 1 hora, 30 minutos, 10 minutos, 5 minutos, 1 minuto, 30 segundos, 20 segundos, 10 segundos, 5 segundos ou menos. O período de tempo pode ser de cerca de 1 segundo a 5 minutos, ou de cerca de 5 segundos a 2 minutos, ou de cerca de 10 segundos a 1 minuto.

[0164] O modelo pode compreender várias camadas. O número de camadas pode estar entre cerca de 5 e 1000. O modelo pode compreender pelo menos cerca de 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 1000, 10000, 100000, 10000000 ou mais camadas.

[0165] Cada camada pode compreender uma convolução unidimensional. Cada camada pode compreender uma convolução multidimensional. Cada camada pode compreender uma convolução com uma dimensionalidade de pelo menos cerca de 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50 ou mais. Cada camada pode compreender uma passada (stride) e/ou um enchimento (padding). A passada e/ou o enchimento podem ser ajustados de modo que o tamanho do volume de saída seja administrável. Em alguns casos, o enchimento pode ser zero. Em alguns casos, o enchimento pode ser diferente de zero.

[0166] Cada camada pode compreender uma camada de unidade linear retificada (ReLU) ou uma camada de ativação. No entanto, em alguns casos, uma função tangente hiperbólica, sigmóide ou semelhante pode ser usada como uma função de ativação. Cada camada pode ser normalizada em lote. Em alguns casos, as camadas podem não ser normalizadas em lote. Em alguns casos, a rede pode compreender uma camada de agrupamento ou uma camada de redução da amostragem (down sampling). Em alguns casos, a camada de agrupamento pode compreender agrupamento máximo,

agrupamento médio e agrupamento de norma L2 ou semelhante. Em alguns casos, a rede pode compreender uma camada de falha (dropout). Em alguns casos, a rede neural compreende uma rede neural residual ou ResNet. Em alguns casos, a rede neural pode compreender conexões de camada de salto, ou a rede neural pode compreender conexões residuais. Sem ser limitado pela teoria, as redes neurais residuais podem ajudar a aliviar o problema do gradiente de fuga.

[0167] A rede neural pode ser implementada usando um framework de aprendizagem profunda em Python. Em alguns casos, a rede neural pode usar Pytorch & Torch, TensorFlow, Caffe, RIP, Chainer, CNTK, DSSTNE, DYNEt, Gensim, Gluon, Keras, Mxnet, Paddle, BigDL ou framework de aprendizagem profunda semelhante. A rede neural pode ser treinada usando TensorFlow, Google Cloud Machine Learning, Azure Machine Learning, Theano, GCT, Chainer ou semelhante.

[0168] O modelo pode ser treinado por uma série de gerações que podem ser pelo menos cerca de 1, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 100, 110, 120, 130, 140, 150, 160, 170, 180, 190, 200, 210, 220, 230, 240, 250, 260, 270, 280, 290, 300, 310, 320, 330, 340, 350, 360, 370, 380, 390, 400, 410, 420, 430, 440, 450, 460, 470, 480, 490, 500, 600, 700, 800, 900, 1000, 10000, 100000, ou mais. Em alguns casos, os hiperparâmetros de regularização podem ser variados e avaliados com base no número de predições corretas no conjunto de validação para determinar um modelo com desempenho satisfatório. Os parâmetros do modelo podem ser iterados para atingir um desempenho eficaz usando um algoritmo. Os parâmetros do modelo podem usar um algoritmo de descida do gradiente estocástico. Os parâmetros do modelo podem ser variados usando um algoritmo de gradiente adaptativo, estimativa de momento adaptativo, Adam, propagação de raiz quadrada média ou semelhante. Após cada geração, a perda do classificador pode ser avaliada com base em um conjunto de validação. O tamanho do passo pode ser fortalecido por um fator de pelo menos 2 após a perda de validação ter atingido o patamar. Em alguns casos, o tamanho do passo pode não ser fortalecido. Os parâmetros do modelo da geração com a menor perda geral de validação podem ser selecionados para o modelo.

[0169] O modelo pode ser subsequentemente usado para avaliar dados de áudio isoladamente, dados de ECG isoladamente ou uma combinação de ambos para determinar a presença ou ausência de um estado ou condição de um órgão, tal como um sopro de um coração. Por exemplo, o modelo pode ser usado para detectar um sopro de um coração com base nos critérios acima. O modelo pode ser usado posteriormente para determinar o tipo de sopro detectado. Os sopros cardíacos podem compreender sopros sistólicos, sopros diastólicos, sopros contínuos, sopros holossistólicos ou pansistólicos e sopros em platô ou planos. Em alguns casos, os dados de áudio podem se dividir em segmentos, conforme descrito neste documento em relação ao treinamento. Os dados de áudio durante um período podem ser analisados de forma independente pela rede. A rede pode gerar uma probabilidade de estado ou condição do coração para cada segmento. Essas probabilidades podem então ter as médias calculadas em todos ou em uma fração dos segmentos. A média pode então ser limitada para determinar se um estado ou condição de um órgão, tal como um sopro cardíaco, está presente.

[0170] Recursos dos dados de áudio, dos dados de ECG ou de uma combinação dos dados de áudio e de ECG podem ser usados para classificar ou determinar um estado ou condição do coração de um indivíduo.

Os recursos do áudio gravado podem compreender a intensidade dos dados de frequência de áudio, o tom dos dados de frequência de áudio, mudança na intensidade dos dados de frequência de áudio ao longo do tempo, também conhecida como a forma dos dados de frequência de áudio, o local onde os sinais são mais intensamente detectados, o tempo durante o ciclo de áudio do coração em que os sinais são detectados, qualidades tonais e mais. Além disso, os recursos do diagrama de ECG podem compreender números médios ou números de desvio padrão de segmentos PR, segmentos ST, intervalos PR, intervalos QRS, intervalos ST ou intervalos QT.

[0171] Por exemplo, o estado ou condição do coração do indivíduo pode ser correlacionado com uma magnitude e uma duração dos dados de áudio dentro de uma banda de frequência dos dados de áudio. Um estado ou condição do coração pode ser baseado na magnitude e na duração do áudio em uma faixa de frequência específica. Particularmente, a gravidade de um sopro do coração pode estar correlacionada com a magnitude e a duração do áudio em uma banda de frequência específica que está correlacionada com estados de doença específicos. A magnitude ou intensidade do áudio pode compreender uma escala de 6 pontos na avaliação de sopros cardíacos. Por exemplo, a ausência de sopro cardíaco é classificada como 0/6. Os sopros que são claramente mais suaves do que os sons cardíacos são classificados como 1/6. Os sopros que são aproximadamente iguais em intensidade aos sons cardíacos são classificados como 2/6. Além disso, sopros que são claramente mais altos do que os sons cardíacos são classificados como 3/6. Para pontuação 4/6, os sopros são facilmente audíveis e associados à palpitação.

Além disso, um grau 6/6 é extremamente alto e pode ser ouvido com um estetoscópio mesmo quando ligeiramente removido do peito. Muitas outras características de som também podem ser usadas para avaliar sopros cardíacos. O tom do áudio pode ser usado para avaliar sopros cardíacos, classificando os tons como alto, médio ou baixo. Qualidades tonais como sopro, áspero, estrondoso, crescente, agudo, fraco ou musical também podem ser usadas para avaliar sopros cardíacos.

[0172] O estado ou condição do coração do indivíduo pode ser correlacionado com uma certa frequência de áudio em um determinado momento durante o ciclo de áudio do coração. O ciclo de áudio do coração compreende os sons cardíacos normais S1 e S2. A duração do tempo entre S1 e S2 é chamada de sístole. A duração de tempo entre S2 e o próximo S1 no ciclo é chamada de diástole. Sons cardíacos extras S3 e S4 podem ser detectados durante o ciclo de áudio do coração, o que pode ser relacionado a um estado ou condição do coração, tal como um diagnóstico. Os sons ou sinais cardíacos detectados durante a sístole podem estar correlacionados com as condições sistólicas. Os sons ou sinais cardíacos detectados durante a diástole podem estar correlacionados com as condições diastólicas. Os sons cardíacos podem compreender sons contínuos durante o ciclo de áudio do coração, que podem estar correlacionados com certos estados ou condições do indivíduo. O estado ou condição do coração do indivíduo pode estar correlacionado com a mudança na intensidade dos sinais de áudio ao longo do tempo. A intensidade dos sinais de áudio ao longo do tempo também pode ser demonstrada por várias formas. As formas de sinais de áudio, que também podem ser usadas para classificar sopros, compreendem crescendo, decrescendo, crescendo- decrescendo ou platô, também conhecido como plano. Os sinais em crescendo aumentam com o tempo. Os sinais em decrescendo diminuem com o tempo.

Crescendo-decrescendo significa que a intensidade dos sinais inicialmente aumenta com o tempo, mas depois de um certo tempo começa a diminuir com o tempo. Os sinais de platô ou planos permanecem estáveis ao longo do tempo.

[0173] A Figura 12 mostra exemplos de vários sopros cardíacos.

O painel (1210) representa um sopro em crescendo pré-sistólico de estenose mitral ou tricúspide. O painel (1220) representa um sopro plano/platô holossistólico (pansistólico) de regurgitação mitral ou tricúspide ou de defeito do septo ventricular. O painel (1230) representa um sopro de ejeção aórtica em crescendo-decrescendo começando com um clique de ejeção e desaparecendo antes do segundo som cardíaco. O painel (1240) representa um sopro sistólico em crescendo-decrescendo na estenose pulmonar que se espalha através do segundo som aórtico, com o fechamento da válvula pulmonar atrasado. O painel (1250) representa um sopro aórtico ou pulmonar diastólico em decrescendo. O painel (1260) representa um longo sopro diastólico de estenose mitral após um estalido de abertura. O painel (1270) representa um sopro de entrada médio-diastólico curto após um terceiro som cardíaco. O painel (1280) representa um sopro contínuo de canal arterial patente.

[0174] O estado ou condição do coração pode ser correlacionado com o local em um indivíduo onde o sinal é detectado de forma mais alta ou intensa. Por exemplo, o áudio pode ser mais intensamente detectado na região aórtica, na região pulmonar, na região mitral também conhecida como ápice, na região tricúspide, na borda esternal esquerda no espaço intercostal do indivíduo ou ao longo do lado esquerdo do esterno ou outros locais no indivíduo. Portanto, esses locais podem ser os melhores para detectar um sopro cardíaco.

[0175] Além disso, os recursos de dados de áudio, dados de ECG ou uma combinação de dados de áudio e de ECG também podem ser usados para classificar e avaliar outros estados ou condições de um indivíduo.

Exemplos de estados ou condições de um indivíduo compreendem estenose aórtica, estenose pulmonar, regurgitação mitral, regurgitação tricúspide, prolapso da válvula mitral, regurgitação aórtica, regurgitação pulmonar, estenose mitral, estenose tricúspide, sobrecarga de volume, sobrecarga de pressão ou galope atrial. A estenose aórtica é um sopro cardíaco sistólico correlacionado com uma frequência de áudio em crescendo-decrescendo detectada após o primeiro som cardíaco normal S1 e antes do segundo som cardíaco normal S2 no ciclo de áudio do coração, mais intensamente detectada na região aórtica no espaço intercostal do indivíduo.

A estenose pulmonar é um sopro cardíaco sistólico correlacionado com uma frequência de áudio em crescendo-decrescendo detectada após o primeiro som cardíaco normal S1 e antes do segundo som cardíaco normal S2 no ciclo de áudio do coração detectado mais intensamente na região aórtica no espaço intercostal do indivíduo.

A regurgitação mitral é um sopro cardíaco holossistólico correlacionado com uma frequência de áudio platô/plana detectada após o primeiro som normal S1, no final da sístole, mais intensamente detectado na região mitral/ ápice do espaço intercostal do indivíduo.

A regurgitação tricúspide é um sopro holossistólico correlacionado com uma frequência de áudio platô/plana detectada após o primeiro som normal S1 e antes do segundo som normal S2 no ciclo de áudio do coração, mais intensamente detectado na região tricúspide do espaço intercostal do indivíduo.

O prolapso da válvula mitral é um sopro sistólico associado a um clique de não ejeção médio-sistólico detectado mais intensamente na região mitral/ ápice do espaço intercostal do indivíduo.

A regurgitação aórtica é um sopro cardíaco diastólico correlacionado com uma frequência de áudio em decrescendo detectada após o segundo som cardíaco normal S2 detectado mais intensamente na borda esternal esquerda no espaço intercostal do indivíduo.

A regurgitação pulmonar é um sopro cardíaco diastólico correlacionado com uma frequência de áudio em decrescendo após o segundo som cardíaco normal S2 detectado mais intensamente ao longo do lado esquerdo do esterno.

A estenose mitral é um sopro cardíaco diastólico correlacionado com uma frequência de áudio após o segundo som cardíaco normal mais intensamente detectado na área mitral ou no ápice, também correlacionado com um estalido de abertura seguido por um estrondo diastólico médio ou som estrondoso na diástole durante o ciclo de áudio do coração. A estenose tricúspide é um sopro cardíaco diastólico correlacionado com uma frequência de áudio após o segundo som cardíaco normal S2 detectado mais intensamente na área tricúspide no espaço intercostal do indivíduo.

[0176] A frequência pode se correlacionar com o fluxo sanguíneo turbulento causado pelo estreitamento de uma válvula no coração. A frequência pode se correlacionar com o fluxo sanguíneo causado por um orifício entre duas câmaras do coração. A frequência pode se correlacionar com o fluxo sanguíneo através de uma artéria coronária estreitada. A frequência pode se correlacionar com regurgitação no fluxo sanguíneo. A frequência pode se correlacionar com função do músculo cardíaco prejudicada. A frequência pode estar correlacionada com os dados de ECG para indicar a função do músculo cardíaco. Os dados de frequência podem compreender uma correlação com insuficiência cardíaca, incluindo diagnóstico de insuficiência cardíaca congestiva ou outras condições cardiovasculares.

[0177] Os dados de ECG e/ou de áudio podem compreender recursos associados a patologias conhecidas. Os recursos associados a patologias conhecidas podem compreender recursos de diagnóstico. Os dados de ECG e/ou de áudio podem ser reduzidos em tamanho determinando um conjunto de recursos de diagnóstico a partir dos dados. Os recursos de diagnóstico podem compreender fatores conhecidos por realizar os resultados do diagnóstico, tais como uma média ou um desvio padrão do intervalo de tempo entre os batimentos cardíacos, a média ou o desvio padrão em uma amplitude de um sinal de ECG associado a uma contração cardíaca etc. Uma média ou desvio padrão de um ou mais dentre um intervalo QT, segmento ST, intervalo PR, segmento PR, complexo QRS etc. Alternativamente, um conjunto de recursos pode ser determinado por uma decomposição espectral de um conjunto de dados de ECG e/ou áudio. Em um exemplo, um recurso de diagnóstico é atribuído por um usuário, tal como um provedor de saúde. Os dados de ECG podem ser correlacionados com fibrilação atrial por meio da presença ou ausência de ondas de ECG características. Os dados de ECG podem ser correlacionados com insuficiência cardíaca por meio de uma relação com os sons cardíacos. Os dados de ECG podem ser correlacionados com função sistólica no coração por meio de comprimentos de onda ou durações de intervalo de ECG. Os dados de ECG podem ser correlacionados com o estado de fluidos nos pulmões por meio de medições de impedância intratorácica.

[0178] Uma saída indicativa do estado ou condição fisiológica ou biológica do coração do indivíduo pode então ser fornecida no dispositivo de computação. A saída pode ser um alerta indicativo de um estado ou condição adversa do coração. Em um exemplo, uma saída indicativa do estado ou condição do coração do indivíduo pode compreender a presença ou ausência de uma fração de ejeção baixa de um ventrículo esquerdo do coração do indivíduo. Uma saída do estado ou condição do coração de um indivíduo pode compreender um indicador de função sistólica.

[0179] A determinação do estado ou condição do indivíduo pode compreender determinar o estado ou condição de um órgão do indivíduo, tal como um coração ou pulmão do indivíduo. O estado ou condição de várias partes de um corpo do indivíduo pode ser determinado. A determinação do estado ou condição do coração de um indivíduo pode compreender um diagnóstico ou determinação de fração de ejeção baixa, insuficiência cardíaca congestiva, sopro cardíaco, arritmia, bloqueio cardíaco, isquemia, infarto, pericardite, hipertrofia, ou determinar ou prever a pressão da artéria pulmonar, ou outros estados ou condições do indivíduo. A determinação do estado ou condição de um pulmão pode compreender um diagnóstico ou determinação de pneumonia, derrame plural, embolia pulmonar, fluxo de ar insuficiente, doença pulmonar obstrutiva crônica etc. Os dados de ECG e de áudio podem detectar a presença de fluido, estalos ou gorgolejos no pulmão. A rede neural pode comparar os sons do pulmão a condições saudáveis e de doença de pulmões de exemplo.

[0180] A determinação do estado ou condição do intestino compreende um diagnóstico ou determinação de doença inflamatória intestinal, obstrução intestinal, hérnia, infecção do trato digestivo etc. A saída pode fornecer uma indicação de motilidade gástrica ou função intestinal.

[0181] O estado ou condição de um órgão do indivíduo pode ser determinado com uma precisão de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais para indivíduos independentes. Por exemplo, o estado ou condição do coração do indivíduo pode ser determinado com uma precisão de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais. Por exemplo, o estado ou condição do pulmão do indivíduo pode ser determinado com uma precisão de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais.

Por exemplo, o estado ou condição do intestino do indivíduo pode ser determinado com uma precisão de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais. O estado ou condição do indivíduo pode compreender uma saída de um algoritmo treinado, tal como uma rede neural.

[0182] O estado ou condição do órgão do indivíduo pode ser determinado com uma especificidade de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais. O estado ou condição do órgão do indivíduo pode ser determinado com uma sensibilidade de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais. O estado ou condição do órgão do indivíduo pode ser determinado com uma especificidade de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais, e uma sensibilidade de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais. O estado ou condição do órgão do indivíduo pode ser determinado em um valor preditivo positivo de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais. O estado ou condição do órgão do indivíduo pode ser determinado em um valor preditivo negativo de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais. O estado ou condição do órgão do indivíduo pode ser determinado com uma precisão de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais. O estado ou condição do órgão do indivíduo pode ser determinado com uma área sob a característica de operação do receptor (AUROC) de pelo menos cerca de 0,75, 0,80, 0,85, 0,90, 0,95, 0,98, 0,99 ou mais.

[0183] O estado ou condição de um órgão do indivíduo pode ser determinado como sendo um estado ou condição sem falha a uma especificidade de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99%, ou mais para indivíduos independentes. Por exemplo, o estado ou condição do coração do indivíduo pode ser determinado como sendo um estado ou condição sem falha a uma especificidade de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99%, ou mais para indivíduos independentes. Por exemplo, o estado ou condição de um pulmão do indivíduo pode ser determinado como sendo um estado ou condição sem falha a uma especificidade de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99%, ou mais para indivíduos independentes. O estado ou condição de um intestino do indivíduo pode ser determinado como sendo um estado ou condição sem falha a uma especificidade de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais para indivíduos independentes. O estado ou condição do coração em relação a sopros cardíacos, tais como regurgitação mitral (RM) ou regurgitação tricúspide, pode ser detectado com sensibilidade e especificidade superiores a cerca de 95%. O estado ou condição do coração em relação à fibrilação atrial pode ser detectado com sensibilidade e especificidade superiores a 99%. O estado ou condição do coração em relação à insuficiência cardíaca congestiva ou insuficiência cardíaca pode ser detectado com sensibilidade e especificidade superiores a 95%.

[0184] O algoritmo treinado pode ser configurado para identificar o estado ou condição com uma precisão de pelo menos cerca de 50%, pelo menos cerca de 55%, pelo menos cerca de 60%, pelo menos cerca de 65%, pelo menos cerca de 70%, pelo menos cerca de 75 %, pelo menos cerca de 80%, pelo menos cerca de 81%, pelo menos cerca de 82%, pelo menos cerca de 83%, pelo menos cerca de 84%, pelo menos cerca de 85%, pelo menos cerca de 86%, pelo menos cerca de 87%, pelo menos cerca de 88%, pelo menos cerca de 89%, pelo menos cerca de 90%, pelo menos cerca de 91%, pelo menos cerca de 92%, pelo menos cerca de 93%, pelo menos cerca de 94%, pelo menos cerca de 95%, pelo menos cerca de 96%, pelo menos cerca de 97%, pelo menos cerca de 98%, pelo menos cerca de 99% ou mais; por pelo menos cerca de 5, pelo menos cerca de 10, pelo menos cerca de 15, pelo menos cerca de 20, pelo menos cerca de 25, pelo menos cerca de 30, pelo menos cerca de 35, pelo menos cerca de 40, pelo menos cerca de 45, pelo menos cerca de 50, pelo menos cerca de 100, pelo menos cerca de 150, pelo menos cerca de 200, pelo menos cerca de 250, pelo menos cerca de 300, pelo menos cerca de 350, pelo menos cerca de 400, pelo menos cerca de 450, ou pelo menos cerca de 500 amostras de treinamento independentes. A precisão da identificação do estado ou condição pelo algoritmo treinado pode ser calculada como a porcentagem de amostras de teste independentes (por exemplo, indivíduos conhecidos por terem o estado ou condição ou indivíduos com resultados de testes clínicos negativos para o estado ou condição) que estão corretamente identificadas ou classificadas como tendo ou não o estado ou condição.

[0185] O algoritmo treinado pode ser configurado para identificar o estado ou condição com um valor preditivo positivo (PPV) de pelo menos cerca de 5%, pelo menos cerca de 10%, pelo menos cerca de 15%, pelo menos cerca de 20%, pelo menos cerca de 25%, pelo menos cerca de 30%, pelo menos cerca de 35%, pelo menos cerca de 40%, pelo menos cerca de 50%, pelo menos cerca de 55%, pelo menos cerca de 60%, pelo menos cerca de 65%, pelo menos cerca de 70 %, pelo menos cerca de 75%, pelo menos cerca de 80%, pelo menos cerca de 81%, pelo menos cerca de 82%, pelo menos cerca de 83%, pelo menos cerca de 84%, pelo menos cerca de 85%, pelo menos cerca de 86%, pelo menos cerca de 87%, pelo menos cerca de 88%, pelo menos cerca de 89%, pelo menos cerca de 90%, pelo menos cerca de 91%, pelo menos cerca de 92%, pelo menos cerca de 93%, pelo menos cerca de 94%, pelo menos cerca de 95%, pelo menos cerca de 96%, pelo menos cerca de 97%, pelo menos cerca de 98%, pelo menos cerca de 99% ou mais.

O PPV de identificação do estado ou condição usando o algoritmo treinado pode ser calculado como a porcentagem de conjuntos de dados de dados de ECG e/ou dados de áudio identificados ou classificados como tendo o estado ou condição que corresponde a indivíduos que realmente têm o estado ou condição.

[0186] O algoritmo treinado pode ser configurado para identificar o estado ou condição com um valor preditivo negativo (NPV) de pelo menos cerca de 5%, pelo menos cerca de 10%, pelo menos cerca de 15%, pelo menos cerca de 20%, pelo menos cerca de 25%, pelo menos cerca de 30%, pelo menos cerca de 35%, pelo menos cerca de 40%, pelo menos cerca de 50%, pelo menos cerca de 55%, pelo menos cerca de 60%, pelo menos cerca de 65%, pelo menos cerca de 70 %, pelo menos cerca de 75%, pelo menos cerca de 80%, pelo menos cerca de 81%, pelo menos cerca de 82%, pelo menos cerca de 83%, pelo menos cerca de 84%, pelo menos cerca de 85%, pelo menos cerca de 86%, pelo menos cerca de 87%, pelo menos cerca de 88%, pelo menos cerca de 89%, pelo menos cerca de 90%, pelo menos cerca de 91%, pelo menos cerca de 92%, pelo menos cerca de 93%, pelo menos cerca de 94%, pelo menos cerca de 95%, pelo menos cerca de 96%, pelo menos cerca de 97%, pelo menos cerca de 98%, pelo menos cerca de 99% ou mais. O NPV de identificar o estado ou condição usando o algoritmo treinado pode ser calculado como a porcentagem de conjuntos de dados de dados de ECG e/ou dados de áudio identificados ou classificados como não tendo o estado ou condição que corresponde a indivíduos que realmente não têm o estado ou doença.

[0187] O algoritmo treinado pode ser configurado para identificar o estado ou condição com uma sensibilidade clínica de pelo menos cerca de 5%, pelo menos cerca de 10%, pelo menos cerca de 15%, pelo menos cerca de 20%, pelo menos cerca de 25%, pelo menos cerca de 30%, pelo menos cerca de 35%, pelo menos cerca de 40%, pelo menos cerca de 50%, pelo menos cerca de 55%, pelo menos cerca de 60%, pelo menos cerca de 65%, pelo menos cerca de 70%, pelo menos cerca de 75%, pelo menos cerca de 80%, pelo menos cerca de 81%, pelo menos cerca de 82%, pelo menos cerca de 83%, pelo menos cerca de 84%, pelo menos cerca de 85%, pelo menos cerca de 86%, pelo menos cerca de 87%, pelo menos cerca de 88%, pelo menos cerca de 89%, pelo menos cerca de 90%, pelo menos cerca de 91%, pelo menos cerca de 92%, pelo menos cerca de 93%, pelo menos cerca de 94%, pelo menos cerca de 95%, pelo menos cerca de 96%, pelo menos cerca de 97%, pelo menos cerca de 98%, pelo menos cerca de 99%, pelo menos cerca de 99,1%, pelo menos cerca de 99,2%, pelo menos cerca de 99,3%, pelo menos cerca de 99,4%, pelo menos cerca de 99,5%, pelo menos cerca de 99,6%, pelo menos cerca de 99,7%, pelo menos cerca de 99,8%, pelo menos cerca de 99,9%, pelo menos cerca de 99,99%, pelo menos cerca de 99,999% ou mais. A sensibilidade clínica de identificar o estado ou condição usando o algoritmo treinado pode ser calculada como a porcentagem de amostras de teste independentes associadas à presença do estado ou condição (por exemplo, indivíduos conhecidos por terem o estado ou condição) que são corretamente identificados ou classificados como tendo o estado ou condição.

[0188] O algoritmo treinado pode ser configurado para identificar o estado ou condição com uma especificidade clínica de pelo menos cerca de 5%, pelo menos cerca de 10%, pelo menos cerca de 15%, pelo menos cerca de 20%, pelo menos cerca de 25%, pelo menos cerca de 30%, pelo menos cerca de 35%, pelo menos cerca de 40%, pelo menos cerca de 50%, pelo menos cerca de 55%, pelo menos cerca de 60%, pelo menos cerca de 65%, pelo menos cerca de 70%, pelo menos cerca de 75%, pelo menos cerca de 80%, pelo menos cerca de 81%, pelo menos cerca de 82%, pelo menos cerca de 83%, pelo menos cerca de 84%, pelo menos cerca de 85%, pelo menos cerca de 86%, pelo menos cerca de 87%, pelo menos cerca de 88%, pelo menos cerca de 89%, pelo menos cerca de 90%, pelo menos cerca de 91%, pelo menos cerca de 92%, pelo menos cerca de 93%, pelo menos cerca de 94%, pelo menos cerca de 95%, pelo menos cerca de 96%, pelo menos cerca de 97%, pelo menos cerca de 98%, pelo menos cerca de 99%, pelo menos cerca de 99,1%, pelo menos cerca de 99,2%, pelo menos cerca de 99,3%, pelo menos cerca de 99,4%, pelo menos cerca de 99,5%, pelo menos cerca de 99,6%, pelo menos cerca de 99,7%, pelo menos cerca de 99,8%, pelo menos cerca de 99,9%, pelo menos cerca de 99,99%, pelo menos cerca de 99,999% ou mais. A especificidade clínica de identificar o estado ou condição usando o algoritmo treinado pode ser calculada como a porcentagem de amostras de teste independentes associadas à ausência do estado ou condição (por exemplo, indivíduos com resultados de testes clínicos negativos para o estado ou condição) que estão corretamente identificadas ou classificadas como não tendo o estado ou condição.

[0189] O algoritmo treinado pode ser configurado para identificar o estado ou condição com uma área sob a curva (AUC) de pelo menos cerca de 0,50, pelo menos cerca de 0,55, pelo menos cerca de 0,60, pelo menos cerca de 0,65, pelo menos cerca de 0,70, pelo menos cerca de 0,75, pelo menos cerca de 0,80, pelo menos cerca de 0,81, pelo menos cerca de 0,82, pelo menos cerca de 0,83, pelo menos cerca de 0,84, pelo menos cerca de 0,85, pelo menos cerca de 0,86, pelo menos cerca de 0,87, pelo menos cerca de 0,88, pelo menos cerca de 0,89, pelo menos cerca de 0,90, pelo menos cerca de 0,91, pelo menos cerca de 0,92, pelo menos cerca de 0,93, pelo menos cerca de 0,94, pelo menos cerca de 0,95, pelo menos cerca de 0,96, pelo menos cerca de 0,97, pelo menos cerca de 0,98, pelo menos cerca de 0,99 ou mais. A AUC pode ser calculada como uma integral da curva de característica de operação do receptor (ROC) (por exemplo, a área sob a curva ROC) associada ao algoritmo treinado na classificação de conjuntos de dados de dados de ECG e/ou dados de áudio como tendo ou não o estado ou condição.

[0190] O algoritmo treinado pode ser ajustado ou adaptado para melhorar um ou mais dentre desempenho, precisão, PPV, NPV, sensibilidade clínica, especificidade clínica ou AUC de identificação do estado ou condição.

O algoritmo treinado pode ser ajustado ou adaptado ajustando os parâmetros do algoritmo treinado (por exemplo, um conjunto de valores de corte usado para classificar um conjunto de dados de dados de ECG e/ou dados de áudio conforme descrito em outro lugar neste documento, ou parâmetros ou pesos de uma rede neural). O algoritmo treinado pode ser ajustado ou adaptado continuamente durante o processo de treinamento ou após a conclusão do processo de treinamento.

[0191] Depois que o algoritmo treinado é inicialmente treinado, um subconjunto das entradas pode ser identificado como mais influente ou mais importante a ser incluído para fazer classificações de alta qualidade. Por exemplo, um subconjunto da pluralidade de recursos (por exemplo, dos dados de ECG e/ou dados de áudio) pode ser identificado como mais influente ou mais importante a ser incluído para fazer classificações ou identificações de alta qualidade do estado ou condição. A pluralidade de recursos ou um subconjunto dos mesmos pode ser classificada com base em métricas de classificação indicativas da influência ou importância de cada recurso para fazer classificações ou identificações de alta qualidade do estado ou condição.

Essas métricas podem ser usadas para reduzir, em alguns casos significativamente, o número de variáveis de entrada (por exemplo, variáveis preditoras) que podem ser usadas para treinar o algoritmo treinado para um nível de desempenho desejado (por exemplo, com base em uma precisão mínima desejada, PPV, NPV, sensibilidade clínica, especificidade clínica, AUC ou uma combinação das mesmas). Por exemplo, se treinar o algoritmo treinado com uma pluralidade compreendendo várias dezenas ou centenas de variáveis de entrada no algoritmo treinado resultar em uma precisão de classificação de mais de 99%, então treinar o algoritmo treinado em vez de com apenas um subconjunto selecionado de não mais do que cerca de 5, não mais do que cerca de 10, não mais do que cerca de 15, não mais do que cerca de 20, não mais do que cerca de 25, não mais do que cerca de 30, não mais do que cerca de 35, não mais do que cerca de 40, não mais do que cerca de 45, não mais do que cerca de 50, ou não mais do que cerca de 100 dessas variáveis de entrada mais influentes ou mais importantes entre a pluralidade, pode resultar em precisão de classificação diminuída, mas ainda aceitável (por exemplo, pelo menos cerca de 50%, pelo menos cerca de 55%, pelo menos cerca de 60%, pelo menos cerca de 65%, pelo menos cerca de 70%, pelo menos cerca de 75%, pelo menos cerca de 80%, pelo menos cerca de 81%, pelo menos cerca de 82%, pelo menos cerca de 83%, pelo menos cerca de 84%, pelo menos cerca de 85%, pelo menos cerca de 86%, pelo menos cerca de 87%, pelo menos cerca de 88%, pelo menos cerca de 89%, pelo menos cerca de 90%, pelo menos cerca de 91%, pelo menos cerca de 92%, pelo menos cerca de 93%, pelo menos cerca de 94%, pelo menos cerca de 95%, pelo menos cerca de 96%, pelo menos cerca de 97%, pelo menos cerca de 98% ou pelo menos cerca de 99%). O subconjunto pode ser selecionado ordenando por classificação toda a pluralidade de variáveis de entrada e selecionando um número predeterminado (por exemplo, não mais do que cerca de 5, não mais do que cerca de 10, não mais do que cerca de 15, não mais do que cerca de 20, não mais do que cerca de 25, não mais do que cerca de 30, não mais do que cerca de 35, não mais do que cerca de 40, não mais do que cerca de 45, não mais do que cerca de 50 ou não mais do que cerca de 100) de variáveis de entrada com as melhores métricas de classificação.

[0192] O estado ou condição do coração do indivíduo pode ser um tipo de sopro cardíaco, tal como estenose aórtica (EA). A estenose aórtica pode ser uma doença comum que pode ser detectada como um sopro à auscultação. Um método comum para detectar EA pode ser a ecocardiografia transtorácica (ETT). Em alguns casos, o encaminhamento de um provedor de saúde que pode ter reconhecido uma anormalidade à auscultação pode ser necessário para a realização de ecocardiografia transtorácica nos indivíduos.

No entanto, em alguns casos, as condições de EA podem ser difíceis de detectar pelos médicos, particularmente médicos de atenção primária menos experientes. Por exemplo, as condições atuais de EA podem frequentemente não ser detectadas por médicos de atenção primária menos experientes. Os métodos da presente invenção podem facilitar a detecção de EA a uma sensibilidade de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais e/ou a uma especificidade de pelo menos cerca de 80%, 85%, 90%, 95%, 98%, 99% ou mais. Além disso, os métodos podem ajudar a confirmar rapidamente a suspeita de EA a uma sensibilidade de pelo menos cerca de 80%, 85%, 90%, 95% ou mais, como, por exemplo, 97,2% e uma especificidade de pelo menos cerca de 80%, 85%, 90%, 95% ou mais, como, por exemplo, 86,4%. O estado ou condição do indivíduo pode ser determinado usando o algoritmo treinado. O algoritmo treinado pode ser treinado para aplicações específicas. Por exemplo, o algoritmo treinado pode ser treinado para a detecção de estenose aórtica, caso em que pode ser referido como um algoritmo de estenose aórtica (EA). Os métodos, dispositivos e sistemas da presente invenção podem ser usados por provedores de saúde durante as visitas de atenção primária. Os métodos da presente invenção podem facilitar a detecção automática de EA clinicamente significativo, que pode ser posteriormente validado por ecocardiografia transtorácica (ETT). A detecção e análises de fono- e eletrocardiograma facilitadas pelos métodos, dispositivos e sistemas da presente invenção podem ser usadas para a detecção de doenças cardíacas valvulares e estruturais.

[0193] O algoritmo treinado também pode acessar um banco de dados para fornecer informações adicionais que um provedor de saúde pode precisar para acessar ou classificar um estado ou condição de um órgão de um indivíduo. O banco de dados pode compreender exemplos de dados de ECG e/ou dados de áudio de batimentos cardíacos associados a certos estados ou condições pré-existentes do indivíduo. Os estados ou condições podem estar relacionados a uma doença ou estado saudável, estados ou condições que compreendem uma condição biológica ou fisiológica, estados ou condições que compreendem um diagnóstico ou determinação, ou estados desconhecidos.

Além disso, os estados ou condições podem estar relacionados a um órgão do indivíduo, como, por exemplo, um coração ou um pulmão do indivíduo. O banco de dados pode conter exemplos relacionados a diagnósticos ou determinações de uma fração de ejeção baixa, insuficiência cardíaca congestiva, arritmia, bloqueio cardíaco, isquemia, infarto, pericardite, hipertrofia, sopro cardíaco e muito mais. Para condições como sopro cardíaco, exemplos no banco de dados podem compreender diagnósticos ou determinações de um determinado tipo de sopro cardíaco, tal como um sopro sistólico ou um sopro diastólico. Além disso, os exemplos no banco de dados podem compreender diagnósticos ou determinações de outras condições ou estados, tais como uma estenose aórtica, uma estenose pulmonar, uma regurgitação mitral, uma regurgitação tricúspide ou um prolapso da válvula mitral, regurgitação aórtica, uma regurgitação pulmonar, uma estenose mitral ou uma estenose tricúspide e muito mais. Os exemplos no banco de dados também podem incluir anotações de um provedor de saúde sobre a determinação do estado ou condição do indivíduo, tal como um diagnóstico de um indivíduo (por exemplo, um paciente) em cada caso.

[0194] O algoritmo treinado pode usar o banco de dados para ajudar os provedores de saúde a identificar ou classificar um estado ou condição de um indivíduo com base nos dados de áudio, dados de ECG gravados ou uma combinação de dados de áudio e ECG. O algoritmo treinado pode comparar os dados de áudio e dados de ECG gravados associados a uma condição ou estado separadamente ou juntos no banco de dados com dados de áudio e/ou ECG gravados usando o sensor revelado neste documento. Por exemplo, o algoritmo pode identificar uma série de exemplos do banco de dados que estão mais próximos em termos de uma pluralidade de recursos de dados de ECG e/ou dados de áudio para dados de ECG ou áudio gravados de um indivíduo usando o sensor aqui revelado. Certos exemplos identificados do banco de dados podem ter intensidade, tom ou forma semelhante de dados de frequência de áudio gravados em comparação com dados de áudio gravados pelo dispositivo de monitoramento revelado neste documento. Além disso, esses exemplos identificados do banco de dados podem ter um número médio semelhante de segmentos PR, segmentos ST, intervalos PR, intervalos QRS, intervalos ST ou intervalos QT de seus dados de ECG em comparação com os dados de ECG gravados pelo dispositivo de monitoramento revelado neste documento. Em alguns casos, o número de exemplos pode ser pelo menos 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 ou mais. Em outros casos, o número de exemplos pode ser

5. O número de exemplos não se destina a ser limitante. O algoritmo pode pesquisar e localizar vários, tais como 3, 4, 5 ou 6 exemplos de dados de ECG e áudio gravados associados a um determinado tipo de sopro cardíaco que contêm os recursos mais próximos em comparação com os recursos associados a dados de ECG e/ou de áudio gravados pelo sensor aqui revelado.

Esse recurso pode ser referido como o recurso k-vizinho mais próximo ou n- vizinho mais próximo, onde k ou n pode representar o número de exemplos identificados no banco de dados salvo.

[0195] Subsequentemente, o algoritmo pode enviar uma comparação dos exemplos mais próximos do banco de dados com os dados de ECG e/ou áudio gerados pelo sensor para um dispositivo de computação ou armazenamento em nuvem para que um provedor de saúde possa ter acesso à comparação. A comparação pode ser enviada para o dispositivo de computação ou armazenamento em nuvem em tempo real ou em tempo substancialmente real. Isso pode facilitar a tomada de decisão em relação à detecção ou classificação de um estado ou condição, levando em consideração as informações relevantes sobre o indivíduo e a semelhança dos sinais de ECG e áudio gravados com exemplos do banco de dados.

[0196] O algoritmo treinado fornecido na presente invenção pode fornecer aos provedores de saúde ferramentas para detectar com mais precisão estados ou condições do indivíduo, tais como doença cardíaca estrutural, durante as visitas de atenção primária.

DISPOSITIVO DE COMPUTAÇÃO

[0197] A presente invenção fornece dispositivos de computação que podem receber dados de sensores de várias modalidades descritas em outro lugar neste documento. Por exemplo, o dispositivo de computação pode receber dados de ECG ou dados de áudio. O dispositivo de computação pode compreender sistemas de controle de computador que são programados para implementar métodos da invenção.

[0198] O dispositivo de computação pode ser configurado para se comunicar com um dispositivo de monitoramento. O dispositivo de computação pode se comunicar com o dispositivo de monitoramento por meio de uma interface de comunicações sem fio. Como alternativa, o dispositivo de computação pode se comunicar com o dispositivo de monitoramento por meio de uma interface de comunicações física (por exemplo, com fio). O dispositivo de computação pode se comunicar com o dispositivo de monitoramento por meio de uma rede de área ampla (WAN) que pode incluir a Internet. O dispositivo de computação pode se comunicar com o dispositivo de monitoramento por meio de uma rede celular. O dispositivo de computação pode se comunicar com o dispositivo de monitoramento por meio de uma conexão de comunicação infravermelha. O dispositivo de computação pode ser configurado para se comunicar com o dispositivo de monitoramento por meio de uma comunicação de radiofrequência. Por exemplo, a comunicação de radiofrequência pode ser Bluetooth, pode ser um protocolo de transmissão sem fio padrão (por exemplo, WiFi) etc. O dispositivo de computação pode se comunicar com um servidor como parte de um sistema de computação distribuída.

[0199] O dispositivo de computação pode ser móvel. O dispositivo de computação pode ser capaz de se mover de um lugar para outro. O dispositivo de computação pode ser um computador pessoal (por exemplo, PC portátil, PC laptop), PC slate ou tablet (por exemplo, Apple® iPad, Samsung® Galaxy Tab), telefone, telefone inteligente (por exemplo, Apple® iPhone, dispositivo habilitado para Android, Blackberry®) ou assistente digital pessoal.

[0200] O dispositivo de computação pode ser separado do dispositivo de monitoramento por uma distância. Por exemplo, a distância pode estar dentro de cerca de 1 pé, 2 pés, 3 pés, 4 pés, 5 pés, 10 pés, 20 pés, 30 pés, 40 pés, 50 pés, 100 pés, 200 pés, 300 pés, 500 pés, 100 jardas, 200 jardas, 300 jardas, 400 jardas, 500 jardas, 1000 jardas, 1 milha, 5 milhas, 10 milhas, 100 milhas, 500 milhas, 1000 milhas, 10.000 milhas, 15.000 milhas ou mais entre o dispositivo de monitoramento e o dispositivo de computação.

[0201] Em um exemplo, o dispositivo de computação pode compreender um sistema de computação distribuída. Em alguns exemplos, o sistema de computação distribuída pode estar em contato com um dispositivo de monitoramento e em conexão com um dispositivo móvel. O dispositivo de computação pode ser operativamente acoplado a uma rede de computadores (“rede”). A rede pode ser a Internet, uma internet e/ou extranet, ou uma intranet e/ou extranet que está em comunicação com a Internet. A rede em alguns casos é uma rede de telecomunicações e/ou de dados. A rede pode incluir um ou mais servidores de computador, que podem permitir computação distribuída, como computação em nuvem. A rede, em alguns casos com o auxílio do sistema de computador, pode implementar uma rede ponto a ponto, que pode permitir que dispositivos acoplados ao sistema de computador se comportem como cliente ou servidor.

[0202] A rede de computação em nuvem pode permitir o monitoramento remoto de um indivíduo. A rede de computação em nuvem pode armazenar dados do indivíduo ao longo do tempo, como dados de ECG e dados de áudio. Os dados do indivíduo, como dados de ECG e dados de áudio, podem ser analisados em um servidor remoto por meio de uma rede de computação em nuvem. O servidor remoto pode realizar cálculos (como análise de dados) com maior custo computacional que um dispositivo móvel de um usuário.

[0203] O dispositivo de computação, tal como um dispositivo móvel ou um dispositivo de computação remoto, pode incluir uma interface de usuário. Os dados de ECG e dados de áudio podem ser transmitidos para o dispositivo de computação para exibição na interface de usuário. Os dados de ECG e dados de áudio, ou uma saída gerada a partir de tais dados, podem ser apresentados na interface de usuário ao longo do período de tempo em tempo real ou em tempo substancialmente real (por exemplo, um atraso de no máximo 1 milissegundo em relação à quando os dados de ECG e os dados de áudio foram coletados). Em um exemplo, a interface de usuário é uma interface de usuário gráfica. Exemplos de UIs incluem, sem limitação, uma interface de usuário gráfica (GUI), interface de usuário baseada na internet, uma interface de usuário móvel, um aplicativo etc. A interface de usuário pode compreender um aplicativo (por exemplo, um aplicativo móvel) conforme descrito em outro lugar neste documento.

[0204] A interface de usuário pode compreender uma interface baseada na internet. Por exemplo, a interface baseada na internet pode ser um navegador de internet seguro. A interface baseada na internet pode ser uma página de internet segura. O localizador universal de recursos (URL) da página de internet segura pode ser alterado a pedido de um usuário. Os dados de acesso na página de internet segura podem ser protegidos por uma senha. O URL pode compreender um código (token) exclusivo que é gerado para cada sessão. O código exclusivo pode ser fornecido a um indivíduo e/ou a terceiros.

O código pode ser associado a um indivíduo. Em alguns casos, o código pode ser associado a uma sessão. O código pode ser associado a um operador terceirizado, como um médico. O código pode compreender a identificação de dois fatores. O código pode girar com o tempo. O código pode ser reemitido ou reatribuído a qualquer momento. O navegador de internet seguro pode ser criptografado. O código pode ser associado a uma chave criptográfica. O código pode ser associado a dados biométricos. O código pode ser um código de acesso único.

[0205] Em alguns casos, depois de transmitir e processar dados de ECG e dados de áudio para o dispositivo de computação, os dados de ECG e dados de áudio processados indicando um estado ou condição de um órgão de um indivíduo podem ser transmitidos de volta para o dispositivo de monitoramento. O dispositivo de monitoramento pode ser sincronizado em tempo real ou em tempo substancialmente real com o dispositivo de computação, tal como um dispositivo móvel. A transmissão de dados de ECG e dados de áudio processados a partir do dispositivo de computação para o dispositivo de monitoramento é em tempo real ou em tempo substancialmente real. Uma saída indicativa do estado ou condição determinada do indivíduo pode ser fornecida no dispositivo de monitoramento por meio de uma transmissão de áudio de modo que um provedor de saúde possa ouvir a saída em tempo real ou em tempo substancialmente real. Além disso, a saída pode incluir um plano de intervenção/ tratamento com base no estado ou condição determinada do indivíduo, testes de acompanhamento, planos preventivos e/ou produtos farmacêuticos.

[0206] A Figura 7 mostra um sistema de computador (também referido neste documento como “dispositivo de computação”) (701) que é programado ou, de outra forma, configurado para receber dados de ECG e dados de áudio de um dispositivo de monitoramento. O sistema de computador (701) pode regular vários aspectos do dispositivo de monitoramento da presente invenção, tal como, por exemplo, processar os dados de ECG e/ou áudio, fornecer uma saída indicativa de um estado ou condição de um indivíduo, fornecer um registro de dados ao longo do tempo. Em algumas formas de realização, o sistema de computador (701) pode ser um dispositivo de computação de um usuário ou um sistema de computador que está localizado remotamente em relação ao dispositivo de monitoramento. O dispositivo de computação pode ser um dispositivo de computação móvel.

[0207] O sistema de computador (701) inclui uma unidade de processamento central (CPU, também “processador” e “processador de computador” neste documento) (705), que pode ser um processador de único núcleo ou múltiplos núcleos ou uma pluralidade de processadores para processamento paralelo. O sistema de computador (701) também inclui memória ou local de memória (710) (por exemplo, memória de acesso aleatório, memória somente de leitura, memória flash), unidade de armazenamento eletrônico (715) (por exemplo, disco rígido), interface de comunicação (720) (por exemplo, adaptador de rede) para comunicação com um ou mais outros sistemas e dispositivos periféricos (725), tais como cache, outra memória, armazenamento de dados e/ou adaptadores de exibição eletrônicos. A memória (710), unidade de armazenamento (715), interface (720) e dispositivos periféricos (725) estão em comunicação com a CPU (705) através de um barramento de comunicação (linhas sólidas), tal como uma placa-mãe. A unidade de armazenamento (715) pode ser uma unidade de armazenamento de dados (ou repositório de dados) para armazenar dados. O sistema de computador (701) pode ser operativamente acoplado a uma rede de computadores (“rede”) (530) com o auxílio da interface de comunicação (720).

A rede (530) pode ser a Internet, uma internet e/ou extranet, ou uma intranet e/ou extranet que está em comunicação com a Internet. A rede (530) em alguns casos é uma rede de telecomunicações e/ou de dados. A rede (530) pode incluir um ou mais servidores de computador, que podem permitir computação distribuída, tal como computação em nuvem. A rede (530), em alguns casos com o auxílio do sistema de computador (701), pode implementar uma rede ponto a ponto, que pode permitir que dispositivos acoplados ao sistema de computador (701) se comportem como um cliente ou servidor. O sistema de computador (701) pode incluir ou estar em comunicação com um visor eletrônico (735) que compreende uma interface de usuário (UI) (740) para fornecer, por exemplo, uma saída indicativa de um estado ou condição de um usuário.

[0208] A CPU (705) pode executar uma sequência de instruções legíveis por máquina, que podem ser incorporadas em um programa ou software. As instruções podem ser armazenadas em um local de memória, como a memória (710). As instruções podem ser direcionadas para a CPU (705), que pode subsequentemente programar ou configurar, de outra forma, a CPU (705) para implementar métodos da presente invenção. Exemplos de operações realizadas pela CPU (705) podem incluir buscar, decodificar, executar e responder.

[0209] A CPU (705) pode fazer parte de um circuito, tal como um circuito integrado. Um ou mais outros componentes do sistema (701) podem ser incluídos no circuito. Em alguns casos, o circuito é um circuito integrado de aplicação específica (ASIC).

[0210] O dispositivo de computação pode armazenar dados de ECG e dados de áudio. O dispositivo de computação pode armazenar dados de ECG e dados de áudio em uma unidade de armazenamento. A unidade de armazenamento (715) pode armazenar arquivos, tais como drivers, bibliotecas e programas salvos. A unidade de armazenamento (715) pode armazenar dados do usuário, por exemplo, preferências do usuário e programas do usuário. O sistema de computador (701) em alguns casos pode incluir uma ou mais unidades de armazenamento de dados adicionais que são externas ao sistema de computador (701), tal como localizadas em um servidor remoto que está em comunicação com o sistema de computador (701) através de uma intranet ou da Internet.

[0211] O sistema de computador (701) pode se comunicar com um ou mais sistemas de computador remotos através da rede (530). Por exemplo, o sistema de computador (701) pode se comunicar com um dispositivo de monitoramento. Em algumas formas de realização, o dispositivo de computação é um sistema de computador remoto. Exemplos de sistemas de computadores remotos incluem computadores pessoais (por exemplo, PC portátil), PC slate ou tablet (por exemplo, Apple® iPad, Samsung® Galaxy Tab), telefones, telefones inteligentes (por exemplo, Apple® iPhone, dispositivo habilitado para Android, Blackberry®) ou assistentes pessoais digitais. Em alguns exemplos, o usuário pode acessar o sistema de computador (701) através da rede (530).

[0212] Os métodos conforme descritos neste documento podem ser implementados por meio de código executável por máquina (por exemplo, processador de computador) armazenado em um local de armazenamento eletrônico do sistema de computador (701), tal como, por exemplo, na memória (710) ou unidade de armazenamento eletrônico (715). O código executável por máquina ou legível por máquina pode ser fornecido na forma de software.

Durante o uso, o código pode ser executado pelo processador (705). Em alguns casos, o código pode ser recuperado da unidade de armazenamento (715) e armazenado na memória (710) para pronto acesso pelo processador (705). Em algumas situações, a unidade de armazenamento eletrônico (715) pode ser excluída e as instruções executáveis por máquina são armazenadas na memória (710).

[0213] O código pode ser pré-compilado e configurado para uso com uma máquina tendo um processador adaptado para executar o código, ou pode ser compilado durante o tempo de execução. O código pode ser fornecido em uma linguagem de programação que pode ser selecionada para permitir que o código seja executado de maneira pré-compilada ou conforme compilado.

[0214] Aspectos dos sistemas e métodos fornecidos neste documento, tais como o sistema de computador (701), podem ser incorporados na programação.

Vários aspectos da tecnologia podem ser considerados como

“produtos” ou “artigos de manufatura”, normalmente na forma de código executável por máquina (ou processador) e/ou dados associados que são transportados ou incorporados em um tipo de meio legível por máquina.

O código executável por máquina pode ser armazenado em uma unidade de armazenamento eletrônico, tal como memória (por exemplo, memória somente de leitura, memória de acesso aleatório, memória flash) ou um disco rígido.

A mídia do tipo “armazenamento” pode incluir qualquer ou todas as memórias tangíveis dos computadores, processadores ou semelhantes, ou módulos associados dos mesmos, tais como várias memórias de semicondutor,

unidades de fita, unidades de disco e semelhantes, que podem fornecer armazenamento não transitório a qualquer momento para a programação do software.

Todo ou parte do software pode às vezes ser comunicado através da

Internet ou várias outras redes de telecomunicações.

Tais comunicações, por exemplo, podem permitir o carregamento do software de um computador ou processador para outro, por exemplo, de um servidor de gerenciamento ou computador principal para a plataforma de computador de um servidor de aplicativos.

Assim, outro tipo de mídia que pode conter os elementos de software inclui ondas ópticas, elétricas e eletromagnéticas, tais como usadas em interfaces físicas entre dispositivos locais, por meio de redes fixas com fio e ópticas e através de várias conexões aéreas.

Os elementos físicos que transportam tais ondas, tais como conexões com ou sem fio, conexões ópticas ou semelhantes, também podem ser considerados como mídia portadora do software.

Conforme usado neste documento, a menos que restrito a mídia de

“armazenamento” tangível e não transitória, termos como “meio legível” por computador ou máquina referem-se a qualquer meio que participa no fornecimento de instruções a um processador para execução.

[0215] Portanto, um meio legível por máquina, tal como código executável por computador, pode assumir muitas formas, incluindo, mas não se limitando a, um meio de armazenamento tangível, um meio de onda portadora ou meio de transmissão física. Os meios de armazenamento não voláteis incluem, por exemplo, discos ópticos ou magnéticos, tais como qualquer um dos dispositivos de armazenamento em qualquer computador(es) ou semelhantes, como podem ser usados para implementar os bancos de dados, etc. mostrados nos desenhos. A mídia de armazenamento volátil inclui memória dinâmica, tal como a memória principal de uma plataforma de computador. A mídia de transmissão tangíveis inclui cabos coaxiais; fio de cobre e fibra óptica, incluindo os fios que constituem um barramento dentro de um sistema de computador. A mídia de transmissão de onda portadora pode assumir a forma de sinais elétricos ou eletromagnéticos ou ondas acústicas ou de luz, tais como aquelas geradas durante as comunicações de dados de radiofrequência (RF) e infravermelho (IR). Formas comuns de mídia legível por computador, portanto, incluem, por exemplo: um disquete, um disco flexível, disco rígido, fita magnética, qualquer outro meio magnético, um CD-ROM, DVD ou DVD- ROM, qualquer outro meio óptico, fita de papel de cartões perfurados, qualquer outro meio de armazenamento físico com padrões de orifícios, um RAM, um ROM, um PROM e EPROM, um FLASH-EPROM, qualquer outro chip de memória ou cartucho, uma onda portadora transportando dados ou instruções, cabos ou conexões transportando tal onda portadora, ou qualquer outro meio a partir do qual um computador pode ler o código de programação e/ou dados. Muitas dessas formas de mídia legível por computador podem estar envolvidas no transporte de uma ou mais sequências de uma ou mais instruções para um processador para execução.

APLICATIVO MÓVEL

[0216] Um aplicativo móvel é fornecido aqui. Um aplicativo móvel pode fornecer a capacidade de iniciar a coleta de dados, interromper a coleta de dados, armazenar dados, analisar dados e/ou se comunicar com um servidor remoto ou rede de computação distribuída. Em um exemplo, o aplicativo móvel é instalado no dispositivo móvel de um usuário, tal como um indivíduo. Em outro exemplo, o aplicativo móvel pode ser acessado por um navegador de internet. O aplicativo móvel e a interface baseada na internet podem compreender uma funcionalidade substancialmente semelhante.

[0217] Em um exemplo, um usuário pode iniciar um aplicativo de software instalado em um dispositivo móvel, tal como um telefone inteligente ou laptop. Em alguns exemplos, o aplicativo móvel é baixado por um usuário. O aplicativo móvel pode compreender instruções, tais como código legível por máquina, que podem ser executadas por um processador, tal como uma unidade de processamento central (CPU) ou uma unidade de microprocessamento (MPU), da presente invenção. Quando executadas, as instruções podem controlar a operação do dispositivo de monitoramento. O aplicativo móvel pode compreender uma interface de usuário, conforme descrito em outro lugar neste documento. A interface de usuário pode fornecer orientação e instruções ao usuário por meio da interface de usuário. Por exemplo, o aplicativo móvel pode fornecer exibições visuais em uma tela de exibição para ilustrar o posicionamento adequado do dispositivo de monitoramento no corpo do indivíduo.

[0218] O indivíduo ou outro usuário pode colocar o dispositivo de monitoramento na pele do indivíduo. O dispositivo móvel pode fornecer orientação quanto ao posicionamento adequado. Os eletrodos (110A) e (110B) podem entrar em contato com a pele do indivíduo. O sensor pode medir mudanças elétricas na pele e/ou som criado a partir de um órgão do paciente.

[0219] O indivíduo ou outro usuário pode pressionar o botão (120) para iniciar o monitoramento do órgão do indivíduo. O pressionamento do botão pode iniciar a gravação simultânea de várias modalidades de sensor. O indivíduo pode segurar o sensor contra seu próprio peito, ou outro usuário pode segurar o sensor contra o peito do indivíduo. Em alguns exemplos, o botão permanece pressionado para obter os dados do indivíduo. Em outros exemplos, um primeiro pressionamento do botão inicia a coleta e um segundo pressionamento do botão interrompe a coleta. Em outros exemplos, a coleta de dados pode ser interrompida e iniciada por uma interface baseada na internet.

[0220] Depois que o botão é pressionado, os dados do paciente podem ser coletados, tais como dados de ECG e dados de áudio. Os dados coletados podem ser pré-processados no dispositivo de monitoramento. Por exemplo, o pré-processamento pode compreender amplificação, filtragem, compactação etc. de dados de ECG e/ou áudio. Em alguns exemplos, os dados podem ser armazenados localmente por um tempo. Os dados coletados, que podem compreender dados pré-processados, podem então ser transmitidos para o dispositivo de computação. Os dados coletados podem ser transmitidos para o dispositivo de computação em tempo real. Os dados coletados podem ser exibidos em uma interface de usuário em tempo substancialmente real. Em exemplos em que o dispositivo de computação é um dispositivo móvel, os dados transmitidos podem ser acessados por meio de um aplicativo móvel em um telefone inteligente. Em alguns exemplos, os dados transmitidos também podem ser acessíveis por meio de uma interface baseada na internet.

[0221] Os dados coletados do órgão do indivíduo podem ser publicados em outro dispositivo de outros usuários envolvidos no cuidado do indivíduo. Por exemplo, os dados de ECG e de áudio podem ser transmitidos a um servidor por meio de uma rede. O servidor pode armazenar dados do indivíduo a longo prazo. O servidor pode analisar dados que podem exigir maior poder de processamento do que seria possível em um dispositivo móvel, tal como um telefone inteligente; no entanto, em algumas formas de realização,

os dados podem ser analisados no telefone inteligente. Em alguns exemplos, o servidor pode ser acessível pelo dispositivo de computação de um provedor de saúde. A interface baseada na internet pode, adicionalmente, ser acessível pelo dispositivo de computação de um provedor de saúde. O indivíduo pode usar o dispositivo de monitoramento em casa ou em um local remoto e pode disponibilizar os dados do dispositivo de monitoramento para um provedor de saúde. Os dados disponíveis para um provedor de saúde podem permitir o diagnóstico remoto.

[0222] Os dados do dispositivo de monitoramento podem estar disponíveis para terceiros em tempo real ou em tempo substancialmente real.

Os dados podem ser armazenados ao longo do tempo no servidor. Os dados coletados em vários períodos de tempo podem ser armazenados no servidor. O servidor pode compreender um repositório de dados históricos para análise posterior.

[0223] O aplicativo móvel pode fornecer resposta ao indivíduo ou a um usuário sobre a qualidade dos dados. Por exemplo, uma resposta de áudio baseado em voz pode alertar o indivíduo. O aplicativo móvel pode usar um alto-falante do dispositivo de computação. Em outro exemplo, um alerta na tela pode ser exibido visualmente para alertar o indivíduo. O indivíduo pode ser alertado durante o curso da aquisição de dados de ECG e áudio. O dispositivo de monitoramento pode executar um aplicativo local na MPU para alertar um usuário no dispositivo de monitoramento. O dispositivo de computação pode executar um aplicativo local na CPU para alertar um usuário no aplicativo móvel. O aplicativo móvel pode exibir um alerta e reproduzir resposta de áudio simultaneamente.

[0224] O aplicativo móvel pode, adicionalmente, exibir instruções para melhorar a qualidade dos dados, tal como instruir o indivíduo ou um usuário a mudar a posição do dispositivo de monitoramento. O aplicativo móvel pode instruir o paciente a ficar parado. O aplicativo móvel pode alertar um indivíduo quando a coleta de dados for concluída. O aplicativo móvel pode alertar um indivíduo quando a qualidade dos dados é ruim. O aplicativo móvel pode exibir resultados anteriores. O aplicativo móvel pode sugerir que um usuário inicie uma nova sessão de aquisição de dados. O aplicativo móvel pode alertar o indivíduo quando os dados forem revisados por um provedor de saúde. Um provedor de saúde pode incluir um clínico, um médico e/ou outro operador treinado.

[0225] O aplicativo móvel pode exibir uma forma de onda dos dados de ECG do indivíduo. O aplicativo móvel pode exibir uma forma de onda dos dados de áudio do indivíduo. O indivíduo pode visualizar simultaneamente as duas formas de onda. O indivíduo pode visualizar as formas de onda em tempo real. Um usuário remoto pode visualizar uma ou ambas as formas de onda a partir de um local remoto em tempo real ou substancialmente real. O usuário pode ser capaz de comparar diferenças ou semelhanças entre os dados. O usuário pode ser capaz de perceber problemas na coleta de dados, tais como irregularidades na forma de onda por excesso de movimento, fala, contato deficiente do sensor etc. O usuário pode ser capaz de monitorar sua própria frequência cardíaca.

EXEMPLOS EXEMPLO 1: DESEMPENHO DE UMA REDE NEURAL PROFUNDA VERSUS

CARDIOLOGISTAS NA DETECÇÃO DE SOPROS CARDÍACOS

[0226] A Figura 8 mostra o desempenho de cinco cardiologistas e uma curva de característica de operação do receptor (ROC) para uma rede neural profunda da presente invenção. Os dados dos cardiologistas são representados por (801), (802), (803), (804) e (805). Os dados da rede neural profunda são representados pela curva (806). Uma análise retrospectiva das gravações de áudio de 54 pacientes coletadas no duPont Hospital for Children foi realizada usando um dispositivo de monitoramento da presente invenção.

Apenas pacientes com sopros cardíacos patológicos confirmados por eco e sons cardíacos normais foram incluídos (n = 42), enquanto pacientes com sopros inocentes e outros sons cardíacos anormais foram excluídos. Uma rede neural profunda foi treinada em um banco de dados de sopro separado e cega para os dados de teste no momento do treinamento. As gravações foram analisadas pela rede para prever a probabilidade de presença de sopro, e essa probabilidade foi limitada para gerar uma curva de característica de operação do receptor (ROC).

[0227] Cinco cardiologistas pediátricos relataram achados de auscultação (sopro patológico versus nenhum sopro patológico) para cada paciente, embora cegos para achados de eco e histórico do paciente.

Intervalos de confiança de 95% para sensibilidade e especificidade em relação ao ecocardiograma foram calculados através do método de Wilson. Como mostrado na Figura 8, a curva ROC encontra-se inteiramente abaixo do intervalo de confiança de 95% (Cl) para 1/5 clínicos, inteiramente acima de 95% de Cl para 1/5 clínicos e dentro do 95% de Cl para 3/5 clínicos.

EXEMPLO 2: DESEMPENHO DE UMA REDE NEURAL PROFUNDA VERSUS

ECOCARDIOGRAFIA NA DETECÇÃO DE SOPROS CARDÍACOS

[0228] A Figura 9 e Figura 10 mostram um resumo dos resultados de uma classificação de um banco de dados de sopro cardíaco usando métodos de ecocardiografia padrão ouro e uma rede neural revelada neste documento. O banco de dados de sopros cardíacos da Universidade Johns Hopkins (JHU) é uma coleção de gravações de sons cardíacos com curadoria do Professor W. Reid Thompson, M.D., da Johns Hopkins School of Medicine.

Esse banco de dados inclui sons anotados coletados em várias posições com diagnósticos de sopros cardíacos graduados confirmados por meio de ecocardiografia padrão ouro. Para garantir a independência e evitar propensão,

todos os dados de áudio e anotação são mantidos pelo JHU e os dados agregados sobre o desempenho do algoritmo são acessíveis aos pesquisadores. Este banco de dados é usado para fornecer confirmação independente do desempenho do algoritmo em uso por um usuário experiente.

[0229] No geral, 2.534 de 3.180 arquivos no banco de dados foram analisados com sucesso (79,7%). Para a medida de resultado primário de distinguir gravações de sopro cardíaco na posição de auscultação em que o sopro é mais bem ouvido (n = 384 casos) a partir de gravações sem sopro de auscultação na posição da borda esternal média esquerda (LMSB) (n = 122 controles), o desempenho do algoritmo é resumido na Figura 9 e na Figura 10.

A Tabela (910) mostra um resumo dos resultados para todos os graus de intensidade dos sopros cardíacos. A Tabela (920) mostra um resumo dos resultados em função do grau de intensidade dos sopros cardíacos. O algoritmo mostra sensibilidade aumentada para os sopros cardíacos de maior intensidade. A Tabela (930) mostra um resumo dos resultados em função dos graus de intensidade dos sopros cardíacos, incluindo ainda sopros patológicos confirmados por eco. O algoritmo mostra maior sensibilidade quando dados de eco são incluídos. A Figura 10 mostra um resumo dos resultados em função da patologia.

EXEMPLO 3: DESEMPENHO DE UMA REDE NEURAL PROFUNDA NA DETECÇÃO DE

ESTENOSE AÓRTICA

[0230] Pacientes consecutivos submetidos à ecocardiografia transtorácica (ETT) foram prospectivamente inscritos para se submeter ao registro do fonocardiograma (PCG) por um método da presente invenção.

Gravações de 15 segundos de duração foram obtidas em quatro posições de auscultação padrão (regiões aórtica, pulmonar, tricúspide e mitral). Um algoritmo de aprendizado de máquina da presente invenção avaliou a presença ou ausência de sopro com localização dominante na borda esternal superior direita, indicando estenose aórtica (EA) clinicamente significativa, definida como moderada ou maior no ETT. 161 pacientes foram inscritos no momento da análise dos dados, resultando em 639 registros. A Figura 14 mostra uma curva de característica de operação do receptor (ROC) para detecção de estenose aórtica (EA). 14 desses pacientes (8,7%) apresentaram EA significativa no ETT. A curva de característica de operação do receptor tinha uma área de 0,964, produzindo uma sensibilidade de 97,2% (95% de Cl, 84,7- 99,5%) e uma especificidade de 86,4% (95% de Cl, 84,0-88,7%) para a detecção de EA clinicamente significativa.

[0231] A Figura 15 mostra o registro do fonocardiograma (PCG) de um paciente com estenose aórtica (EA) significativa com sinais intensos observados na região aórtica.

[0232] A Figura 16 mostra um fluxograma de exemplo para desenvolvimento e teste de um algoritmo de aprendizado de máquina baseado em TensorFlow para detectar estenose aórtica (EA) usando os métodos da presente invenção. O algoritmo de aprendizado de máquina pode ser treinado e testado. Por exemplo, mais de 60.000 gravações foram carregadas para o banco de dados do dispositivo de computação pelos usuários. Mais de 1000 dessas gravações (exemplos de sopros aleatórios e sub-selecionados) foram analisadas e anotadas por auscultadores experientes. Os resultados foram categorizados em uma das quatro categorias: sem sopro, sopro, sinal fraco e desconhecido. As anotações foram usadas para o treinamento do modelo. Os parâmetros do modelo foram ajustados finamente. O algoritmo foi testado posteriormente. Os registros do paciente foram inseridos no modelo. Se o sinal fosse fraco, a entrada não era analisada. Se o sinal fosse forte o suficiente, a entrada era analisada. Os dados foram categorizados em uma de duas categorias: sem sopro e sopro. Os resultados foram posteriormente validados contra ETT. Como tal, o modelo foi treinado e testado. A avaliação de PCG usando um método da presente invenção foi considerada rápida e eficaz para detectar EA significativa. Os métodos da presente invenção podem ser validados em um ambiente de atenção primária. Usar os métodos da presente invenção para avaliação de PCG em um ambiente de atenção primária pode contribuir para encaminhamentos mais apropriados para um ecocardiograma.

EXEMPLO 4: SOFTWARE DE ANÁLISE PARA AVALIAÇÃO DE DADOS DE ECG E/OU

DADOS DE ÁUDIO

[0233] Usando sistemas e métodos da presente invenção, um software de análise foi desenvolvido para fornecer suporte a um médico na avaliação de dados de áudio cardíaco de pacientes (por exemplo, a partir de um estetoscópio digital ou outro gravador de áudio) e dados de ECG. O software analisa dados simultâneos de ECG e áudio cardíaco para detectar a presença de sopros suspeitos nos dados de áudio cardíaco. O software também detecta a presença de fibrilação atrial e ritmo sinusal normal a partir do sinal de ECG. Além disso, ele calcula certos intervalos de tempo cardíaco, tais como frequência cardíaca, duração de QRS e EMAT. O software de análise é uma interface de programação de aplicativo (API) de software baseada em nuvem que permite ao usuário fazer carregamento de dados sincronizados de ECG e áudio cardíaco ou fonocardiograma (PCG) para análise. O software usa vários métodos para interpretar os sinais adquiridos, incluindo processamento de sinal e redes neurais artificiais. A API pode ser interligada eletronicamente e pode realizar análises com dados transferidos de vários aplicativos baseados em dispositivos móveis ou em computador.

[0234] O software de análise é configurado para ser usado em conjunto com um sistema da presente invenção (compreendendo sensores de ECG e/ou sensores de áudio), um aplicativo móvel complementar (app) e uma infraestrutura baseada em nuvem. O sistema pode ser configurado para capturar apenas áudio cardíaco, ou ambos áudio cardíaco e dados de ECG

(por exemplo, um ECG de derivação única). O áudio cardíaco e os sinais de ECG são transmitidos para o aplicativo móvel usando Bluetooth Low Energy.

Quando um usuário faz uma gravação, um arquivo .WAV é gerado pelo aplicativo móvel e transmitido para a infraestrutura baseada em nuvem, onde o arquivo .WAV é salvo. Isso também aciona a API do software de análise para realizar a análise do arquivo .WAV. O software de análise é configurado para gerar um arquivo JSON com os resultados do algoritmo, que é passado para o dispositivo móvel e exibido usando o mesmo aplicativo móvel.

[0235] A interação entre os diferentes módulos do sistema de software de análise é mostrada na Figura 17. Primeiro, o hardware do sistema pode realizar uma transferência de dados para um dispositivo móvel por meio de um protocolo Bluetooth Low Energy. Em segundo lugar, um arquivo .WAV é carregado a partir do dispositivo móvel para uma infraestrutura baseada em nuvem (por exemplo, EkoCloud). Terceiro, os dados da infraestrutura baseada em nuvem são enviados para análise usando a API do software de análise eletrônica (EAS). Quarto, os resultados da análise são retornados do EAS para a infraestrutura baseada em nuvem como um arquivo JSON. Quinto, os resultados da análise são enviados da infraestrutura baseada em nuvem para o dispositivo móvel e exibidos em um aplicativo móvel do dispositivo móvel.

[0236] O sistema de software de análise compreende os seguintes algoritmos da presente invenção: (1) um algoritmo de detecção de ritmo que usa um modelo de rede neural para processar dados de ECG para detectar ritmo sinusal normal e fibrilação atrial; (2) um algoritmo de detecção de sopro que usa um modelo de rede neural para processar dados de áudio cardíaco para detectar a presença de sopros; (3) um algoritmo de frequência cardíaca que compreende um algoritmo de processamento de sinal que processa dados de ECG ou dados de áudio cardíaco para calcular a frequência cardíaca de um indivíduo e fornece um alerta se a frequência cardíaca medida for indicativa de uma arritmia, tal como bradicardia ou taquicardia; (4) um algoritmo de duração QRS compreendendo um algoritmo de processamento de sinal que processa dados de ECG para medir a largura do pulso QRS; e (5) um algoritmo de intervalo EMAT compreendendo um algoritmo de processamento de sinal que usa detecção de pico Q e detecção de envelope S1 para medir o intervalo Q- S1, definido como tempo de ativação eletromecânica ou EMAT.

[0237] O software de análise compreende algoritmos de qualidade de sinal para avaliar a qualidade dos dados de ECG e PCG recebidos. O modelo determina se a gravação tem qualidade de sinal suficiente para executar os algoritmos do classificador. Os indicadores de qualidade do sinal foram treinados com base em anotações de ruído e/ou anotações de sinal fraco a partir do conjunto de dados de treinamento. Essas anotações indicaram se a qualidade do sinal era muito ruim para classificar arritmias ou sopros cardíacos de forma confiável (a partir de dados de ECG e áudio cardíaco, respectivamente). Esse esforço de treinamento resultou em algoritmos de análise de qualidade de sinal que determinam se os dados são de qualidade suficiente e, se não forem, rotulam a gravação como “Sinal fraco”. Os algoritmos de qualidade do sinal são usados antes da análise pelos algoritmos descritos abaixo.

[0238] O algoritmo de detecção de ritmo é configurado para detectar ritmo sinusal normal e fibrilação atrial de formas de onda de ECG usando um modelo de rede neural profunda treinado para classificar ECGs em uma das quatro categorias: ritmo sinusal normal, fibrilação atrial, não classificado ou sinal fraco. Após uma determinação de qualidade suficiente pelo algoritmo de ECG de qualidade de sinal, o classificador de detecção de ritmo determina se o sinal mostra a presença de “Fibrilação Atrial” ou pode ser classificado como “Ritmo Sinusal Normal” ou representa outros ritmos e é rotulado como '“Não classificado”.

[0239] O algoritmo de detecção de sopro é configurado para detectar sopros cardíacos usando um modelo de rede neural profunda treinado para classificar os registros de sons cardíacos como contendo sopro cardíaco ou sem sopro audível. Após uma determinação de qualidade suficiente pelo algoritmo de PCG de qualidade de sinal, o classificador de detecção de sopro decide se o sinal mostra a presença de um “Sopro” ou se pode ser classificado como “Sem Sopro”.

[0240] O algoritmo de frequência cardíaca é configurado para determinar uma frequência cardíaca usando um algoritmo de processamento de sinal que usa dados de ECG ou áudio cardíaco. Se os dados de ECG estiverem presentes e forem determinados como tendo qualidade de sinal suficiente, o intervalo R-R médio dos complexos QRS detectados é usado para calcular a frequência cardíaca. Se o ECG estiver ausente ou de baixa qualidade, a frequência cardíaca será calculada a partir do sinal de PCG, se houver boa qualidade de sinal, usando uma análise baseada em autocorrelação. Se a qualidade do sinal do PCG também for ruim, nenhum valor de frequência cardíaca será apresentado. O algoritmo de frequência cardíaca baseado em ECG é uma versão modificada do algoritmo clássico de Pan-Tompkins. Além disso, o EAS também gera um alerta de “Bradicardia” se a frequência cardíaca medida estiver abaixo de 50 BPM e um alerta de “Taquicardia” se a frequência cardíaca medida estiver acima de 100 BPM.

[0241] O algoritmo EMAT compreende um algoritmo de processamento de sinal configurado para determinar um EMAT. Após uma determinação de qualidade suficiente pelos algoritmos PCG e ECG de qualidade de sinal, o algoritmo EMAT usa detecção de pico Q na detecção de ECG e envelope S1 nos dados de áudio cardíaco para medir o intervalo Q-S1, definido como tempo de ativação eletromecânica ou EMAT. O cálculo do intervalo EMAT requer a gravação simultânea de dados de ECG e de áudio cardíaco. A % de EMAT relatada para uma gravação inteira é relatada como a % de EMAT média de todas as batidas do sinal.

[0242] O software de análise pode ser configurado para fazer interface com um software de interface de usuário API. O software de análise pode ser configurado para receber dados e fornecer resultados para outros aplicativos de software por meio de uma API. O resultado da API pode ser exibido por qualquer aplicativo móvel ou interface da internet para o clínico sem nenhuma modificação nos termos ou resultado. As Figuras 18A-18C mostram um exemplo de uma interface de usuário de um aplicativo móvel, de acordo com uma forma de realização revelada, incluindo uma vista normal (Figura 18A), uma vista quando um sopro é detectado (Figura 18B) e uma vista quando uma fibrilação atrial é detectada (Figura 18C). Além de mostrar as formas de onda de ECG e de som cardíaco, o dispositivo móvel é configurado para exibir o resultado dos algoritmos para clínicos, indivíduos e outros usuários em uma interface de usuário simples e fácil de ler.

[0243] O software de análise pode ser usado para auxiliar profissionais médicos na análise de sons cardíacos e dados de ECG capturados de dispositivos de hardware. O software de análise também pode ser usado para apoiar iniciativas médicas na coleta digital e análise de dados fisiológicos para fornecer cuidados de saúde mais eficientes. Por exemplo, a adoção de registros eletrônicos de saúde pode facilitar a continuidade dos cuidados de saúde, mas deve ser incrementada por outras tecnologias para aumentar o acesso em tempo real aos dados do paciente.

[0244] Como um método de avaliação clínica, a auscultação pode encontrar desafios devido à subjetividade, à incapacidade de quantificar problemas cardiovasculares e pulmonares e à imprecisão. Por exemplo, os estagiários de medicina interna e prática familiar podem reconhecer com precisão apenas 20% dos sons cardíacos. O software de análise de áudio cardíaco pode compensar as limitações dos estetoscópios acústicos. O software de análise está configurado para detectar a presença de sopros nos sons cardíacos, o que então induz o médico a realizar uma análise mais completa do sopro detectado para determinar se é inocente ou patológico. A detecção do software de análise da presença de sopros é combinada com interpretações clínicas de sons cardíacos, de visualizações de sons cardíacos e gestaltismo médico de contexto clínico para determinar melhor o acompanhamento adequado. Embora a auscultação por si só forneça informações significativas sobre a saúde cardíaca, os ECGs sincronizados podem melhorar a interpretação, pois os dados podem fornecer informações sobre a frequência cardíaca e a regularidade do ritmo. Além disso, o software de análise é configurado para realizar a detecção de fibrilação atrial usando o ECG de derivação única. O software de análise analisa os dados de ECG e os dados de áudio cardíaco para fornecer uma análise abrangente da função elétrica e mecânica (bem como distúrbios) do coração. Por exemplo, o prolongamento da duração do QRS pode ser indicativo de uma disfunção ventricular esquerda, tal como bloqueio de ramo esquerdo do feixe.

[0245] Os algoritmos de software de análise foram validados usando análise retrospectiva em uma combinação de bancos de dados disponíveis publicamente (MIT-BIH Arrhythmia Database, MIT-BIH Arrhythmia Noise Stress Database, Physionet QT Database e PhysioNet 2016 Database) e outros bancos de dados. As gravações usadas para validação eram diferentes dos conjuntos de dados usados para treinar o algoritmo. Conforme resumido nas tabelas abaixo, cada um dos algoritmos exibiu excelente desempenho na execução de suas respectivas tarefas de detecção.

[0246] O desempenho do algoritmo para detecção de ritmo é resumido nas Tabelas 1A e 1B. Esses resultados mostram que o algoritmo identifica com precisão quando o hardware fornece um sinal de ECG bom e utilizável. Quando um bom sinal é detectado, o algoritmo detecta Fibrilação Atrial e Ritmo Sinusal Normal com alta precisão (com uma sensibilidade e especificidade maiores do que o requisito clínico mínimo de 90% de sensibilidade e 90% de especificidade).

TABELA 1A: DETECÇÃO DE RITMO EM UM BANCO DE DADOS DE ECG (CASOS COM BOM SINAL) Desempenho Prevalência (%) Sensibilidade (%) Bom sinal 74,6% 85,7% (95% de CI: 71,3% - 77,6%) (95% de CI: 82,7% - 88,2%) TABELA 1B: DETECÇÃO DE RITMO EM UM BANCO DE DADOS DE ECG (CASOS COM DETECÇÃO DE FIBRILAÇÃO ATRIAL) Desempenho Sensibilidade (%) Especificidade (%) Detecção de fibrilação 100,0% 96,0% atrial (95% de CI: 93,4% - 100,0%) (95% de CI: 93,5% - 97,6%)

[0247] O desempenho do algoritmo para detecção de sopro é resumido nas Tabelas 2A e 2B. Esses resultados mostram que o algoritmo identifica com precisão quando o hardware fornece um som cardíaco utilizável e bom. Além disso, o algoritmo detecta a presença de sopro com alta precisão (com uma sensibilidade e especificidade maior do que o requisito clínico mínimo de 80% de sensibilidade e 80% de especificidade).

TABELA 2A: DETECÇÃO DE SOPRO EM UM BANCO DE DADOS DE SONS CARDÍACOS (CASOS COM BOM SINAL) Desempenho Prevalência (%) Sensibilidade (%) Bom sinal 87,8% 94,8% (95% de CI: 86,0% - 89,4%) (95% de CI: 93,5% - 95,9%) TABELA 2B: DETECÇÃO DE SOPRO EM UM BANCO DE DADOS DE SONS CARDÍACOS (CASOS COM DETECÇÃO DE SOPRO) Desempenho Sensibilidade (%) Especificidade (%) Detecção de sopro 87,6% 87,8% (95% de CI: 84,2% - 90,5%) (95% de CI: 85,3% - 89,9%)

[0248] O desempenho do algoritmo para detecção de sopro é resumido nas Tabelas 3A e 3B. Esses resultados mostram que o algoritmo calcula a frequência cardíaca com um erro inferior ao limite clinicamente aceitável de 5%. Além disso, o algoritmo pode detectar com precisão a presença de bradicardia e taquicardia (com uma sensibilidade e especificidade maior do que o requisito clínico mínimo de 90% de sensibilidade e 90% de especificidade) e gerar alertas para um clínico em conformidade.

TABELA 3A: DETECÇÃO DE FREQUÊNCIA CARDÍACA NO BANCO DE DADOS MIT-BIH (ERRO DE FREQUÊNCIA CARDÍACA) Desempenho ECG Erro de frequência cardíaca (%) 1,16% (95% de CI: 0,96% - 1,36%) TABELA 3B: DETECÇÃO DE FREQUÊNCIA CARDÍACA NO BANCO DE DADOS MIT-BIH (CASOS COM BRADICARDIA OU TAQUICARDIA) Desempenho Sensibilidade (%) Especificidade (%) Bradicardia 98,0% 97,6% (95% de CI: 94,3% - 99,3%) (95% de CI: 97,2% - 98,1%) Taquicardia 94,6% 98,3% (95% de CI: 91,8% - 96,5%) (95% de CI: 97,9% - 98,7%)

[0249] O desempenho do algoritmo para a detecção da duração do QRS está resumido na Tabela 4. Esses resultados mostram que o algoritmo pode calcular a duração do QRS com um erro inferior ao limite clinicamente aceitável de 12%.

TABELA 4: DETECÇÃO DE DURAÇÃO DE QRS NO BANCO DE DADOS PHYSIONET QT Desempenho Média Desvio Padrão Erro de QRS absoluto 10,1 7,64 (ms) (95% de CI: 8,55 - 11,6) (95% de CI: 6,70 – 8,91) Erro de QRS relativo 9,20% 6,11% (%) (95% de CI: 7,98% - 10,4%) (95% de CI: 5,35% - 7,12%)

[0250] O desempenho do algoritmo para detecção de duração de EMAT é resumido na Tabela 5. Esses resultados mostram que o algoritmo pode calcular a duração de EMAT com um erro menor do que o limite clinicamente aceitável de 5% do intervalo R-R médio.

TABELA 5: DETECÇÃO DE EMAT EM UM BANCO DE DADOS DE ECG Desempenho Real Erro de EMAT absoluto (%) 1,43% (95% de CI: 1,15% - 1,70%) EXEMPLO 5: EXECUTANDO O MONITORAMENTO DE FLUXO DIABÉTICO

[0251] Em outro exemplo, um algoritmo de aprendizado de máquina é desenvolvido para realizar o monitoramento de fluxo diabético de um estado de fluido (por exemplo, sangue). Pacientes com diabetes (por exemplo, tipo I ou tipo II) podem ter a necessidade de manter um volume de fluido desejado, uma vez que seus corpos podem ser incapazes de remover o fluido tão eficazmente quanto necessário. No entanto, as abordagens convencionais de monitoramento do volume de fluido ou fluxo de fluido podem exigir abordagens invasivas envolvendo punção venosa. Usando sistemas e métodos da presente invenção, dados de áudio de uma circulação de fluido de um indivíduo podem ser coletados e analisados para determinar uma propriedade de um fluido (por exemplo, sangue) no corpo do indivíduo, tal processo pode ser usado para substituir os procedimentos de acesso venoso convencionais, tais como cateteres centrais de inserção periférica (PICC). Esta coleta e análise de dados de áudio podem ser realizadas de forma não invasiva com sensores de ECG e/ou sensores de áudio, sem o uso de punção venosa.

Os dados de áudio da circulação de fluido podem compreender dados de áudio do fluxo sanguíneo através de uma fístula (por exemplo, uma fístula diabética) do indivíduo. A propriedade do fluido pode compreender, por exemplo, um fluxo de fluido (por exemplo, uma taxa de fluxo indicativa de um volume de fluido por unidade de tempo), um volume de fluido, um bloqueio de fluido ou uma combinação dos mesmos, do indivíduo. A propriedade do fluido pode ser característica do fluido em uma área localizada do corpo do indivíduo, tal como uma localização de acesso vascular ou uma fístula diabética do indivíduo. Uma ou mais propriedades do fluido, tal como um fluxo de fluido (por exemplo, uma taxa de fluxo indicativa de um volume de fluido por unidade de tempo), um volume de fluido ou um bloqueio de fluido, podem ser identificadas, previstas, calculadas, estimadas ou inferidas com base em uma ou mais outras propriedades do fluido. Por exemplo, um volume de fluxo (por exemplo, de sangue) pode ser calculado ou estimado com base em uma taxa de fluxo determinada do fluido.

EXEMPLO 6: COLETA E ANÁLISE DE DADOS DE ECG E/OU DADOS DE ÁUDIO DE UMA

PLURALIDADE DE DIFERENTES LOCAIS OU PARTES DE UM CORPO

[0252] Usando sistemas e métodos da presente invenção, dados de ECG e/ou dados de áudio são coletados de uma pluralidade de diferentes locais ou partes de um corpo (por exemplo, órgãos ou sistemas de órgãos) de um indivíduo e, então, agregados para fornecer uma medida quantitativa agregada (por exemplo, uma soma, uma média, uma mediana) da pluralidade de diferentes locais ou partes do corpo do indivíduo. A medida quantitativa agregada é então analisada para determinar um estado ou condição do indivíduo.

[0253] Em algumas formas de realização, os dados de ECG e/ou dados de áudio são coletados de uma pluralidade de diferentes locais ou partes do corpo do indivíduo por uma pluralidade de sensores de ECG ou derivações (por exemplo, um sensor de ECG de 3 derivações, 6 derivações ou 12 derivações) e/ou sensores de áudio localizados em cada um da pluralidade de diferentes locais ou partes do corpo do indivíduo. Em algumas formas de realização, os dados de ECG e/ou dados de áudio são coletados da pluralidade de diferentes locais ou partes do corpo do indivíduo movendo o sensor de ECG e/ou o sensor de áudio para cada um da pluralidade de diferentes locais ou partes do corpo do indivíduo. O movimento dos sensores pode ser realizado pelo indivíduo ou por um provedor de saúde (por exemplo, médico, enfermeiro ou cuidador) do indivíduo.

[0254] Em algumas formas de realização, os dados de ECG compreendem intervalos QT, que podem ser analisados para detectar intervalos QT longos do indivíduo (que podem se correlacionar ou ser indicativos de um risco aumentado de insuficiência cardíaca do indivíduo). As medições do intervalo QT podem ser obtidas calculando a média dos dados de ECG adquiridos de uma pluralidade de locais diferentes do coração do indivíduo. Em algumas formas de realização, um sistema ou dispositivo da presente invenção pode compreender um sensor (por exemplo, um acelerômetro) configurado para detectar se o dispositivo foi movido para diferentes posições do corpo (por exemplo, diferentes posições do coração) do indivíduo. O sistema ou dispositivo pode ser configurado para coletar e analisar informações de um ou mais movimentos ou localizações do sensor de ECG e/ou do sensor de áudio correspondente a pelo menos uma parte dos dados de ECG e/ou dados de áudio.

[0255] Embora formas de realização preferidas da presente invenção tenham sido mostradas e descritas aqui, será óbvio para os técnicos no assunto que tais formas de realização são fornecidas apenas a título de exemplo. Não se pretende que a invenção seja limitada pelos exemplos específicos fornecidos dentro do relatório descritivo. Embora a invenção tenha sido descrita com referência ao relatório descritivo acima mencionado, as descrições e ilustrações das formas de realização neste documento não se destinam a ser interpretadas em um sentido limitante. Numerosas variações, mudanças e substituições ocorrerão agora aos técnicos no assunto sem se afastar da invenção. Além disso, deve ser entendido que todos os aspectos da invenção não estão limitados às representações, configurações ou proporções relativas específicas estabelecidas neste documento que dependem de uma variedade de condições e variáveis. Deve ser entendido que várias alternativas às formas de realização da invenção aqui descrita podem ser empregadas na prática da invenção. É, portanto, contemplado que a invenção também deve abranger quaisquer alternativas, modificações, variações ou equivalentes.

Pretende-se que as seguintes reivindicações definam o escopo da invenção e que métodos e estruturas dentro do escopo dessas reivindicações e seus equivalentes sejam cobertos pelas mesmas.

Claims (57)

REIVINDICAÇÕES

1. MÉTODO PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO de um indivíduo, caracterizado por compreender: (a) usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do referido coração do referido indivíduo; (b) transmitir os referidos dados de ECG e os referidos dados de áudio, de forma sem fio, para um dispositivo de computação; (c) usar um algoritmo treinado para processar os referidos dados de ECG e os referidos dados de áudio para determinar o referido estado ou condição do referido coração do referido indivíduo; e (d) fornecer uma saída indicativa do referido estado ou condição do referido coração do referido indivíduo no referido dispositivo de computação.

2. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido dispositivo de monitoramento ser um dispositivo móvel.

3. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido dispositivo de computação ser um dispositivo móvel.

4. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido dispositivo de computação ser parte de um sistema de nuvem.

5. MÉTODO, de acordo com a reivindicação 1, caracterizado por, em (b), os referidos dados de ECG e os referidos dados de áudio serem transmitidos em um pacote comum.

6. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fornecimento da referida saída indicativa do referido estado ou condição do referido coração do referido indivíduo compreender a determinação de uma presença ou ausência de uma fração de ejeção baixa de um ventrículo esquerdo do referido coração do referido indivíduo.

7. MÉTODO, de acordo com a reivindicação 1, caracterizado pelos referidos dados de ECG compreenderem dados de ECG de derivação única.

8. MÉTODO, de acordo com a reivindicação 1, caracterizado pelos referidos dados de ECG compreenderem dados de ECG de três derivações.

9. MÉTODO, de acordo com a reivindicação 1, caracterizado pelos referidos dados de ECG compreenderem dados de ECG de doze derivações.

10. MÉTODO, de acordo com a reivindicação 1, caracterizado pelos referidos dados de ECG compreenderem dados de medição da caixa torácica, pulmão ou impedância intratorácica.

11. MÉTODO, de acordo com a reivindicação 1, caracterizado por, em (c), os referidos dados de ECG e os referidos dados de áudio serem processados por um ou mais processadores de computador do referido dispositivo de computação.

12. MÉTODO, de acordo com a reivindicação 11, caracterizado por compreender ainda processar os referidos dados de ECG e os referidos dados de áudio em um sistema de computação distribuída.

13. MÉTODO, de acordo com a reivindicação 1, caracterizado por, em (c), os referidos dados de ECG e os referidos dados de áudio serem processados em um sistema de computação distribuída.

14. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido algoritmo treinado ser uma rede neural.

15. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido estado ou condição do referido coração do referido indivíduo ser determinado com uma precisão de pelo menos cerca de 90% para indivíduos independentes.

16. MÉTODO, de acordo com a reivindicação 15, caracterizado pela referida precisão ser pelo menos cerca de 95%.

17. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido estado ou condição do referido coração do referido indivíduo ser determinado como sendo um estado ou condição sem falha a uma especificidade de pelo menos cerca de 90% para indivíduos independentes.

18. MÉTODO, de acordo com a reivindicação 17, caracterizado pela referida especificidade ser pelo menos cerca de 95%.

19. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido estado ou condição do referido coração do referido indivíduo estar correlacionado com uma magnitude e uma duração dos referidos dados de áudio dentro de uma banda de frequência dos referidos dados de áudio.

20. MÉTODO, de acordo com a reivindicação 1, caracterizado pela referida saída ser um alerta indicativo de um estado ou condição adversa do referido coração.

21. MÉTODO, de acordo com a reivindicação 1, caracterizado por (a)-(d) serem realizados em um período de tempo que é menor ou igual a 1 minuto.

22. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido dispositivo de computação estar a cerca de 30 pés do referido dispositivo de monitoramento.

23. MÉTODO, de acordo com a reivindicação 22, caracterizado pelo referido dispositivo de computação estar a cerca de 10 pés do referido dispositivo de monitoramento.

24. MÉTODO, de acordo com a reivindicação 22, caracterizado pelo referido dispositivo de computação estar a cerca de 5 pés do referido dispositivo de monitoramento.

25. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido estado ou condição do coração ser uma doença valvar.

26. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido estado ou condição do coração ser uma arritmia.

27. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido estado ou condição do coração ser uma insuficiência cardíaca.

28. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido estado ou condição do coração ser uma doença cardíaca congênita.

29. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido estado ou condição do coração ser o prolongamento de QT.

30. MÉTODO PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO de um indivíduo, caracterizado por compreender: (a) usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do referido coração do referido indivíduo ao longo de um período de tempo; (b) transmitir os referidos dados de ECG e os referidos dados de áudio para um dispositivo de computação que compreende uma interface de usuário; e (c) apresentar os referidos dados de ECG e os referidos dados de áudio na referida interface de usuário ao longo do referido período de tempo em tempo substancialmente real.

31. MÉTODO PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO de um indivíduo, caracterizado por compreender: (a) usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir um primeiro conjunto de dados de ECG e dados de áudio do referido coração do referido indivíduo durante um primeiro período de tempo; (b) transmitir o referido primeiro conjunto de dados de ECG e dados de áudio para um dispositivo de computação; (c) usar o referido dispositivo de monitoramento para medir um segundo conjunto de dados de ECG e dados de áudio do referido coração do referido indivíduo durante um segundo período de tempo, em que o referido segundo período de tempo é diferente do referido primeiro período de tempo; (d) transmitir o referido segundo conjunto de dados de ECG e dados de áudio para o referido dispositivo de computação; (e) processar pelo menos o referido primeiro conjunto de dados de ECG e dados de áudio e o referido segundo conjunto de dados de ECG e dados de áudio para fornecer uma saída indicativa do referido estado ou condição do referido coração do referido indivíduo no referido dispositivo de computação ao longo de pelo menos o referido primeiro período de tempo e o referido segundo período de tempo.

32. MÉTODO, de acordo com a reivindicação 31, caracterizado por compreender ainda usar o referido dispositivo de monitoramento para medir pelo menos um terceiro conjunto de dados de ECG e dados de áudio do referido coração do referido indivíduo ao longo de um ou mais períodos de tempo adicionais.

33. MÉTODO PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM INDIVÍDUO, caracterizado por compreender: (a) usar um dispositivo de monitoramento externo a uma pele do referido indivíduo compreendendo um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do referido indivíduo; (b) transmitir os referidos dados de ECG e os referidos dados de áudio para um dispositivo de computação que compreende uma interface de usuário; (c) usar um algoritmo treinado para processar os referidos dados de ECG e os referidos dados de áudio para determinar o referido estado ou condição do referido indivíduo; e (d) fornecer uma saída indicativa do referido estado ou condição do referido indivíduo na referida interface de usuário.

34. MÉTODO PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM INDIVÍDUO, caracterizado por compreender: (a) usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do referido indivíduo; (b) transmitir, de forma sem fio, os referidos dados de ECG e os referidos dados de áudio para um dispositivo de computação; (c) remover ruído dos referidos dados de áudio para produzir dados de áudio processados; (d) processar os referidos dados de ECG e os referidos dados de áudio processados para determinar o referido estado ou condição do referido indivíduo; e (e) emitir o referido estado ou condição do referido indivíduo.

35. MÉTODO, de acordo com a reivindicação 34, caracterizado pelo referido estado ou condição de um órgão ou parte do corpo ser uma doença valvar.

36. MÉTODO, de acordo com a reivindicação 34, caracterizado pelo referido estado ou condição de um órgão ou parte do corpo ser uma arritmia.

37. MÉTODO, de acordo com a reivindicação 34, caracterizado pelo referido estado ou condição de um órgão ou parte do corpo ser uma insuficiência cardíaca.

38. MÉTODO, de acordo com a reivindicação 34, caracterizado pelo referido estado ou condição de um órgão ou parte do corpo ser uma doença cardíaca congênita.

39. MÉTODO, de acordo com a reivindicação 34, caracterizado pelo referido estado ou condição de um órgão ou parte do corpo ser doença pulmonar obstrutiva crônica (DPOC).

40. MÉTODO, de acordo com a reivindicação 34, caracterizado pelo referido estado ou condição de um órgão ou parte do corpo ser asma.

41. MÉTODO, de acordo com a reivindicação 34, caracterizado pelo referido estado ou condição de um órgão ou parte do corpo ser pneumonia.

42. MÉTODO, de acordo com a reivindicação 34, caracterizado pelo referido estado ou condição de um órgão ou parte do corpo ser fístula.

43. MÉTODO, de acordo com a reivindicação 34, caracterizado pelo referido estado ou condição de um órgão ou parte do corpo ser doença inflamatória intestinal (DII).

44. MÉTODO PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO de um indivíduo, caracterizado por compreender: (a) usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para gerar um conjunto de dados de ECG e dados de áudio; (b) usar um algoritmo treinado para processar um primeiro conjunto de recursos do referido conjunto de dados de ECG e dados de áudio para determinar o referido estado ou condição do referido indivíduo; (c) acessar um banco de dados para identificar um ou mais outros estados ou condições que estão associados a um segundo conjunto de recursos que se sobrepõem ao referido primeiro conjunto de recursos; e (d) fornecer uma saída indicativa do referido estado ou condição e do referido um ou mais outros estados ou condições.

45. MÉTODO, de acordo com a reivindicação 44, caracterizado pelo referido primeiro conjunto de recursos compreender um ou mais membros selecionados a partir do grupo que consiste em uma intensidade de dados de frequência de áudio, um tom dos referidos dados de frequência de áudio, uma forma dos referidos dados de frequência de áudio, um local no qual os referidos dados de áudio são detectados de forma mais intensa e uma qualidade tonal.

46. MÉTODO, de acordo com a reivindicação 44, caracterizado pelo referido primeiro conjunto de recursos compreender um número médio de segmentos PR, segmentos ST, intervalos PR, intervalos QRS, intervalos ST ou intervalos QT dos referidos dados de ECG.

47. MÉTODO, de acordo com a reivindicação 44, caracterizado pelo referido primeiro conjunto de recursos compreender um número de desvio padrão de segmentos PR, segmentos ST, intervalos PR, intervalos QRS, intervalos ST ou intervalos QT dos referidos dados de ECG.

48. MÉTODO PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO de um indivíduo, caracterizado por compreender: (a) usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do referido coração do referido indivíduo; (b) transmitir os referidos dados de ECG e os referidos dados de áudio, de forma sem fio, para um dispositivo de computação; (c) usar um algoritmo treinado para processar os referidos dados de ECG e os referidos dados de áudio para determinar o referido estado ou condição do referido coração do referido indivíduo; e (d) fornecer uma saída indicativa do referido estado ou condição do referido indivíduo no referido dispositivo de monitoramento.

49. MÉTODO PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM ÓRGÃO de um indivíduo, caracterizado por compreender: (a) usar um dispositivo de monitoramento que compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do referido coração do referido indivíduo; (b) transmitir os referidos dados de ECG e os referidos dados de áudio, de forma sem fio, para um dispositivo de computação; (c) usar um algoritmo treinado para processar os referidos dados de ECG e os referidos dados de áudio para determinar o referido estado ou condição do referido coração do referido indivíduo; e (d) fornecer uma saída indicativa do referido estado ou condição do referido coração do referido indivíduo no referido dispositivo de computação.

50. SISTEMA PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO de um indivíduo, caracterizado por compreender: uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do referido coração do referido indivíduo; e um ou mais processadores de computador operativamente acoplados à referida interface de comunicações, em que os referidos um ou mais processadores de computador são individualmente ou coletivamente programados para (i) receber os referidos dados de ECG e os referidos dados de áudio recebidos de forma sem fio pela referida interface de comunicações do referido dispositivo de monitoramento, (ii) usar um algoritmo treinado para processar os referidos dados de ECG e os referidos dados de áudio para determinar o referido estado ou condição do referido coração do referido indivíduo, e (iii) fornecer uma saída indicativa do referido estado ou condição do referido coração do referido indivíduo no referido dispositivo de computação.

51. SISTEMA PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO de um indivíduo, caracterizado por compreender:

uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do referido coração do referido indivíduo ao longo de um período de tempo; e um ou mais processadores de computador operativamente acoplados à referida interface de comunicações, em que os referidos um ou mais processadores de computador são individualmente ou coletivamente programados para (i) receber os referidos dados de ECG e os referidos dados de áudio recebidos de forma sem fio pela referida interface de comunicações do referido dispositivo de monitoramento, e (ii) apresentar os referidos dados de ECG e os referidos dados de áudio em uma interface de usuário ao longo do referido período de tempo em tempo substancialmente real.

52. SISTEMA PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO de um indivíduo, caracterizado por compreender: uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir (i) um primeiro conjunto de dados de ECG e dados de áudio do referido coração do referido indivíduo durante um primeiro período de tempo, e (ii) um segundo conjunto de dados de ECG e dados de áudio do referido coração do referido indivíduo durante um segundo período de tempo, em que o referido segundo período de tempo é diferente do referido primeiro período de tempo; e um ou mais processadores de computador operativamente acoplados à referida interface de comunicações, em que os referidos um ou mais processadores de computador são individualmente ou coletivamente programados para (i) receber o referido primeiro conjunto de dados de ECG e dados de áudio e o referido segundo conjunto de dados de ECG e dados de áudio, e (ii) processar pelo menos o referido primeiro conjunto de dados de ECG e dados de áudio e o referido segundo conjunto de dados de ECG e dados de áudio para fornecer uma saída indicativa do referido estado ou condição do referido coração do referido indivíduo em uma interface de usuário durante pelo menos o referido primeiro período de tempo e o referido segundo período de tempo.

53. SISTEMA PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM INDIVÍDUO, caracterizado por compreender: uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio, respectivamente, do referido indivíduo; e um ou mais processadores de computador operativamente acoplados à referida interface de comunicações, em que os referidos um ou mais processadores de computador são individualmente ou coletivamente programados para (i) receber os referidos dados de ECG e os referidos dados de áudio recebidos de forma sem fio pela referida interface de comunicações do referido dispositivo de monitoramento, (ii) usar um algoritmo treinado para processar os referidos dados de ECG e os referidos dados de áudio para determinar o referido estado ou condição do referido indivíduo, e (iii) fornecer uma saída indicativa do referido estado ou condição do referido indivíduo para exibição em uma interface de usuário.

54. SISTEMA PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM INDIVÍDUO, caracterizado por compreender: uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio, respectivamente, do referido indivíduo; e um ou mais processadores de computador operativamente acoplados à referida interface de comunicações, em que os referidos um ou mais processadores de computador são individualmente ou coletivamente programados para (i) usar o referido dispositivo de monitoramento para medir dados de ECG e dados de áudio do referido coração do referido indivíduo, (ii) transmitir, de forma sem fio, os referidos dados de ECG e os referidos dados de áudio para um dispositivo de computação, (iii) remover o ruído dos referidos dados de áudio para produzir dados de áudio processados, (iv) processar os referidos dados de ECG e os referidos dados de áudio processados para determinar o referido estado ou condição do referido indivíduo, e (v) emitir o referido estado ou condição do referido indivíduo.

55. SISTEMA PARA DETERMINAR UM ESTADO OU CONDIÇÃO DO CORAÇÃO de um indivíduo, caracterizado por compreender: uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio, respectivamente, do referido indivíduo; e um ou mais processadores de computador operativamente acoplados à referida interface de comunicações, em que os referidos um ou mais processadores de computador são individualmente ou coletivamente programados para (i) usar o referido dispositivo de monitoramento para gerar um primeiro conjunto de dados de ECG e/ou dados de áudio compreendendo uma primeira pluralidade de recursos do referido coração do referido indivíduo; (ii) transmitir o referido primeiro conjunto de dados de ECG e/ou dados de áudio, de forma sem fio, para um dispositivo de computação; (iii) usar um algoritmo treinado para identificar uma pluralidade de conjuntos de dados de ECG e/ou dados de áudio, em que cada um da referida pluralidade de dados de ECG e/ou dados de áudio compreende recursos semelhantes à referida primeira pluralidade de recursos; e (iv) fornecer uma saída contendo uma comparação entre o referido primeiro conjunto de dados de ECG e/ou dados de áudio e a referida pluralidade de conjuntos de dados de ECG e/ou dados de áudio.

56. SISTEMA PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM INDIVÍDUO, caracterizado por compreender: uma interface de comunicações configurada para se comunicar, de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio, respectivamente, do referido indivíduo; e um ou mais processadores de computador operativamente acoplados à referida interface de comunicações, em que os referidos um ou mais processadores de computador são individualmente ou coletivamente programados para (i) usar o referido dispositivo de monitoramento para medir dados de ECG e dados de áudio do referido coração do referido indivíduo; (ii) transmitir, de forma sem fio, os referidos dados de ECG e os referidos dados de áudio para um dispositivo de computação; (iii) processar os referidos dados de ECG e os referidos dados de áudio para determinar o referido estado ou condição do referido indivíduo e (iv) fornecer uma saída indicativa do referido estado ou condição do referido indivíduo no referido dispositivo de monitoramento.

57. SISTEMA PARA DETERMINAR UM ESTADO OU CONDIÇÃO DE UM ÓRGÃO de um indivíduo, caracterizado por compreender:

uma interface de comunicações configurada para se comunicar,

de forma sem fio, com um dispositivo de monitoramento, cujo dispositivo de monitoramento compreende um sensor de eletrocardiograma (ECG) e um sensor de áudio para medir dados de ECG e dados de áudio do referido coração do referido indivíduo; e um ou mais processadores de computador operativamente acoplados à referida interface de comunicações, em que os referidos um ou mais processadores de computador são individualmente ou coletivamente programados para (i) receber os referidos dados de ECG e os referidos dados de áudio recebidos de forma sem fio pela referida interface de comunicações do referido dispositivo de monitoramento, (ii) usar um algoritmo treinado para processar os referidos dados de ECG e os referidos dados de áudio para determinar o referido estado ou condição do referido coração do referido indivíduo, e (iii) fornecer uma saída indicativa do referido estado ou condição do referido coração do referido indivíduo no referido dispositivo de computação.