CN102961125B

CN102961125B - 呼吸器监控系统和使用同样系统的方法

Info

Publication number: CN102961125B
Application number: CN201210441611.0A
Authority: CN
Inventors: M·J·班纳; N·R·乌利亚诺二世; J·C·普林西比; P·B·布兰奇
Original assignee: University of Florida
Current assignee: University of Florida
Priority date: 2006-06-05
Filing date: 2007-06-04
Publication date: 2015-09-09
Anticipated expiration: 2027-06-04
Also published as: CN102961125A; US20070000494A1; EP2029209A2; WO2007145948A3; WO2007145948A2; EP2029209B1; CN101500633A; CN101500633B

Abstract

公开了一种呼吸器监控系统和使用同样系统的方法。本说明书和附图中描述和示出的本发明的实施例包括一种用于监控由呼吸器提供的通气支持的系统和方法，其中，所述呼吸器经由与病人的肺流体通信的呼吸回路向病人供应呼吸气体。

Description

呼吸器监控系统和使用同样系统的方法

本申请为申请号200780029066.1、申请日2007年6月4日、名称为“呼吸器监控系统和使用同样系统的方法”的分案申请。

技术领域

本发明涉及病人的呼吸护理，更具体地，涉及一种呼吸器监控系统，所述呼吸器监控系统接收多个呼吸器支持信号，所述呼吸器支持信号指示病人所接收的通气支持的充足性，接收至少一个呼吸器信号，所述呼吸器信号指示呼吸器的呼吸器设置控制的水平设置，以及确定呼吸器的呼吸器设置控制的期望的水平设置，用以为病人提供换气支持的合适的质量和数量。

背景技术

机械式通气支持被广泛接受为用于治疗呼吸衰竭病人的有效治疗形式和装置。通气（ventilation）是将氧气递送到肺中的肺泡并从肺中的肺泡冲走二氧化碳的过程。当接收通气支持时，病人变成一种复杂的交互式系统的一部分，其中，该系统被期望提供足够的通气并且促进气体交换以帮助病人的稳定和恢复。对被通气病人的临床治疗经常要求监控病人的呼吸，以便检测呼吸模式的中断或不规律，用于触发呼吸器启动辅助呼吸，以及用于周期性地中断辅助呼吸来使病人脱离辅助呼吸状态，从而恢复病人的独立呼吸能力。

在病人由于呼吸衰竭而需要机械式通气的情况中，可用多种机械式呼吸器。最现代的呼吸器允许临床医生或者单独或者组合地经由对呼吸器共有的呼吸器设置控制，来选择和使用几种吸入模式。这些模式可以被定义为三个大类：自发的、辅助的或受控的。在没有其它通气模式的自发通气中，病人以其自己的步调呼吸，但是其他干涉可影响其他通气参数，包括系统中超过周围环境的潮气量（tidal volume）和基准压力。在辅助通气中，通过改变程度来降低基准压力，病人开始吸入，然后通过正压的应用，呼吸器“辅助”病人完成呼吸。在受控通气中，病人不能自发地呼吸或发起呼吸，因而对于每一次呼吸都依赖于呼吸器。在自发或辅助通气中，为了呼吸，病人被要求通过使用呼吸肌来“工作”（用以改变程度）。

在被插管并联接到呼吸器时，为了吸气病人所作的呼吸工作（用以发起和维持呼吸的工作）可以被划分为两个主要部分：呼吸的生理工作（病人的呼吸工作）以及呼吸设备施加的呼吸的组抗性工作（resistive work）。可以以通气的焦耳/升（Joules/L）来测量和量化呼吸工作。过去，为了通过减少呼吸工作来改善病人的呼吸成果以维持呼吸，已经发明了为病人提供呼吸治疗的技术。还开发了其他的技术，用于帮助减小为了触发呼吸器系统“开启”以便辅助病人呼吸所需的病人的吸气工作。由于高度呼吸工作负载可导致对虚弱的病人的进一步损害，或者超过较小或残疾病人的容量或能力，所以期望减小病人在这些阶段的每一个中花费的精力。还期望传递病人当前生理需求所需的通气支持的最合适的模式，以及模式内最合适的质量和数量。

在1960年代中期之前，早期的机械式呼吸器被设计用于支持肺泡通气，并为由于神经肌肉损伤而不能呼吸的病人提供补充氧气。从那时起，机械式呼吸器响应于对肺病理生理学的逐渐理解而变得更加精密和复杂。引入了较大的潮气量（tidal volumes）、偶尔的“叹气”（sigh breath）、低水平（level）的呼气末正压（PEEP，positive end-expiratory pressure），以克服在具有较低潮气量和没有PEEP的正压通气(PPV，positive-pressureventilation）期间发生的功能余气量（FRC，functional residual capacity）的逐渐减少。因为减少的功能余气量是急性肺损伤期间的主要肺缺损，所以持续正压（CPAP，continuous positive pressure）和PEEP成为急性肺损伤期间通气支持的主要模式。

为了改善病人对机械式通气的忍耐力，开发了辅助或病人触发的通气模式。当间歇指令通气（IMV，intermittent mandatory ventilation）在二十世纪七十年代变得可用时，部分PPV支持，其中机械支持补充了自发通气，对于手术室外的成人成为可能。解决严重受损病人的需求的“替代”通气模式的变型被陆续开发。

第二代呼吸器的特征在于更好的电子器件，但不幸的是，由于试图用不完善的需求流量阀（demand flow valves）代替连续高气流量IMV系统，其未能响应于病人的吸气努力而递送高流速气体。这显然迫使病人进行了过量的被施加的工作以及由此的总工作量，以便克服呼吸器、电路和需求流量阀阻力和惯性。近年来，微处理器已经被引入现代呼吸器中。通常，微处理器呼吸器配备了传感器，所述传感器逐个呼吸地监控流量、压力、容量（volume），并且导出机械呼吸参数。其感知以及与计算机技术结合的“精确”转换的能力，使得临床医生、病人和呼吸器之间的交互比以往任何时候都更加精密复杂。现有技术的微处理器控制的呼吸器遭受由于转换数据信号所需的传感器的放置导致的折衷精度。因此，开发了复杂的算法，使呼吸器可以以逐个呼吸为基础，“模拟”在病人的肺中所真正发生的。实际上，由计算机控制的现有技术的呼吸器，其受限于试图模拟提供给病人的呼吸器支持中的缘由和效果的数学算法的精度和不变的（unyielding）特性。

不幸的是，随着呼吸器变得更加复杂并且提供了更多的选项，潜在的危险临床判断的数量增加。关心危急病症的医师、护士和呼吸临床医学家要面对关于其有效使用几乎没有清晰指导的昂贵的、复杂的仪器。一些通气参数的设置、监控和解释已变得更具猜测性和经验性，导致这些新呼吸器特征的潜在危险误用。例如，照顾病人的医师可以基于显示的自发呼吸频率来决定增加压力支持通气（PSV，pressure support ventilation）水平。这可导致可能是不适当的病人呼吸工作的增加。不幸的是，该“参数-监控”方法由于提供了不适当水平的压力支持而威胁到病人。

理想上，通气支持应当适应每个病人的现有病理生理异常，而不是对具有通气衰竭的所有病人采用单一技术（即，在上面的实例中，使用自发呼吸频率来精确推测病人呼吸工作的谬论）。因此，当前的通气支持涵盖了从受控机械通气到带有CPAP的完全自发通气，其中，所述CPAP用于对充氧和弹性呼吸工作以及肺气量恢复的支持。部分通气支持为能够提供一些通气努力但不能完全支持其自身的肺泡通气的病人缩小差距。经由对于机械通气对其它器官系统的影响的渐增认识而被进一步复杂化，关于通气支持的质量和数量的决策做出过程。

辅助通气系统的总体性能由生理和机械因素确定。包括肺病的本质、病人的通气努力和许多其它生理变量的生理决定因素随时间改变，并且难以诊断。此外，医师过去对这些决定因素具有较少控制。另一方面，对所述系统的机械输入在很大程度上是受控的，并且可以经由检查参数呼吸器流量、容量和/或压力来非常好地描述其特征。最优通气辅助要求适当地将生理工作量最小化到可容忍水平以及将强加的对抗工作量减小到零。完成这两者应当确保病人既不压力过重也不被过度支持。不充足的通气支持对病人已受损的吸气系统施加不必要的需求，由此导致或增加呼吸肌疲劳。过度通气支持将病人置于肺气压性创伤、呼吸肌失调和其它机械通气并发症。

不幸的是，设计为为了改进病人的呼吸努力经由一旦呼吸器系统被病人的吸气努力触发则自动将强加的呼吸做功减小到零并且适当减小生理做功的技术中没有任一个为临床医生提供关于通气支持的质量和数量的日益复杂的决策过程方面的建议。如上面指出的，减少病人为避免必需呼吸支持的不必要医学并发症所消耗的努力以及递送病人当前生理需求所需的最合适通气支持模式和模式内的最合适通气支持质量和数量是可取的。甚至在使用高级微处理器控制现代呼吸器的情况下，当前技术的装置和方法也趋向于取决于用于必要动作的确定的数学模型。例如，呼吸器可以感知病人的血红蛋白氧饱和水平不适当地低，并且从已感知的数据和基于已确定的数学关系，所述呼吸器可以确定提供给病人的呼吸气体的氧含量应当被增加。这类似于并且不幸地与医师简单地看到病人变得发青并且确定需要更多氧气一样不精确。

根据以上，在由现代呼吸器造成的复杂决策环境中，显而易见，具有这样的医学呼吸器监控系统是可取的，所述医学呼吸器监控系统向临床医生报警呼吸器提供合适的通气支持质量和数量的失败，并且为临床医生提供关于适于病人的病理生理异常的合适通气质量和数量的建议。所述通气监控系统在当前的系统中不可用。

发明内容

根据此处体现和宽泛描述的本发明的目的，本发明在一方面中涉及一种监控由呼吸器提供的通气支持的方法，其中，所述呼吸器正在经由与病人的肺流体通信的呼吸回路为病人提供呼吸气体（例如空气、混合了空气的氧气、纯氧气等）。所述呼吸器具有多个支配来自所述呼吸器的通气支持供应的可选呼吸器设置控制，其中，每个设置控制可选择到一个水平设置。监控呼吸支持的对象系统优选接收至少一个呼吸器设置参数信号，其中，每个呼吸器设置参数信号指示一个呼吸器设置控制的水平设置；监控多个传感器，其中，每个传感器产生指示所测量通气支持参数的输出信号，以便确定病人接收到的通气支持的充足性；以及，响应于所接收的呼吸器设置参数信号和所述输出信号确定所述呼吸器设置控制的期望水平设置。所述呼吸器支持监控系统优选利用可训练神经网络来确定所述呼吸器设置控制的期望水平设置。

在另一方面中，本发明涉及一种呼吸器支持监控系统，所述呼吸器支持监控系统经由与呼吸器和病人的肺流体通信的呼吸回路为病人提供呼吸气体。所述呼吸器优选具有至少一个可选呼吸器设置控制。所述可选呼吸器设置控制经由所述呼吸回路支配从所述呼吸器向病人的通气支持供应。每个呼吸器设置控制生成指示该呼吸器设置的当前水平设置的呼吸器设置参数信号。

所述呼吸器支持监控系统具有多个传感器和处理子系统。所述传感器测量多个通气支持参数，以及每个传感器基于所测量的通气支持参数生成输出信号。所述处理子系统被连接以便从所述传感器接收所述输出信号以及从所述呼吸器设置控制接收呼吸器设置信号。所述处理子系统的处理器在存储在所述处理子系统的存储器中的程序的控制下运行，并且响应于所述呼吸器设置参数信号和所述输出信号确定至少一个呼吸器设置控制的期望水平设置。所述呼吸器的处理子系统优选利用可训练神经网络来确定所述呼吸器设置控制的期望水平设置。

附图说明

被并入并构成本说明书的一部分的附图示出了用于解释本发明的原理的本发明几个实施例及其描述。

图1是用于确定呼吸器的期望呼吸器控制设置的呼吸器监控系统的一种配置的框图。

图2A是呼吸器监控系统的一种配置的框图，其示出呼吸器向经由呼吸回路连接到呼吸器的病人提供通气支持。

图2B是呼吸器监控系统的实施例的框图，其示出监控系统被并入呼吸器。

图3是呼吸器监控系统的框图，其示出多个连接到处理子系统的传感器。

图4是本发明的处理子系统的框图。

图5是本发明的特征提取子系统的框图。

图6A是处理子系统的智能子系统的一个实施例的框图。

图6B是处理子系统的智能子系统的第二实施例的框图。

图7是本发明的系统的一种实现的示意性框图。

图8是具有分层结构的人工神经网络的基本结构图。

具体实施方式

本发明在以下实例中被更详细地描述，其中，所述实例仅是说明性的，因为其中的许多修改和变型对于本领域的技术人员是显而易见的。在本说明书和权利要求书中使用的单数形式的“一个”和“所述”，除非上下文明确指出，否则可包括复数的对象。

如图1－3所示，优选地，本发明的呼吸支持监控系统10包括常规呼吸器20、处理子系统40、测量系统和显示器62。呼吸器20被定义为支持病人对呼吸的努力或直接为病人通气的设备。这些设备包括但不限于重症护理呼吸器、运送用呼吸器（transport ventilator）、用于失眠者的呼吸支持设备、持续性气道正压（CPAP，continuous positive airway pressure）设备、用于危险环境的呼吸器等。

呼吸器20经由呼吸回路22为病人P的肺供应呼吸气体，其中，所述呼吸回路22通常包括吸气线路23、呼气线路24和病人气道通路（airwayaccess）25，其全部由病人连接器26来连接。优选的呼吸器20是例如Mallinckrodt、Nelcor、Puritan-Bennett、7200ae或Bird 6400呼吸器类型的微处理器控制的呼吸器。根据本发明，病人气道通路25包括但不限于气管内导管（endotracheal tube）、喉罩气道（LMA，laryngeal mask airway）或其他声门上的气道设备，例如标准面罩（口的、鼻的或全面的）、鼻导管、气管导管（tracheal tube）、气管切开术（tracheostomy）或环甲膜切开术（cricothyrotomy）导管等。由本发明的呼吸器供应的呼吸气体包括但不限于空气、混合了空气的氧气、纯氧等。

为控制呼吸气体的递送，优选的呼吸器20通常具有至少一个可选择呼吸器设置控制30，其操作上连接到处理系统40，用于管理提供给病人P的通气支持的供应。本领域的技术人员可理解，每个呼吸器设置控制30可选择到期望的水平设置。这样的呼吸器20在控制呼吸支持的递送方面特别有用，使得通气支持的数量和质量符合病人P的生理支持需求。

在优选实施例中，优选的呼吸器20可像操作者和/或处理子系统40所需要和选择的那样，选择性地以一种或更多常规模式运转，其中，所述模式包括但不限于：（i）辅助控制通气（ACMV，assist control ventilation）；（ii）同步间歇指令通气（SIMV，synchronized intermittent mandatoryventilation）；（iii）持续气道正压（CPAP）；（iv）压力控制通气（PCV，pressure-control ventilation）；（v）压力支持通气（PSV，pressure supportventilation）；（vi）比例辅助通气（PAV，proportional assist ventilation）；以及（vii）容量保障压力支持（VAPS，volume assured pressure support）。而且，可像操作员和/或处理系统40所需要和选择的那样，调整呼吸器20的一个或更多常规呼吸器设置控制30的水平设置（即，呼吸器20的模式内设置控制），以便维持递送给病人P的通气支持的充足性。呼吸器20的呼吸器设置控制30包括但不限于用于设置以下的控制：（i）分钟通气（Ve）水平；（ii）呼吸器呼吸频率（f）水平；（iii）潮气量（V_T）水平；（iv）呼吸气体流速（V）水平；（v）压力极限水平；（vi）呼吸工作（WOB，work of breathing）水平；（vii）压力支持通气（PSV）水平；（viii）呼气末正压（PEEP）水平；（ix）持续气道正压（CPAP）水平；（x）吸入氧浓度（FIO2，fractional inhaled oxygen concentration）水平；以及（xi）病人呼吸努力水平。

所预期的常规呼吸器20通常具有气体递送系统，并且还可具有气体成分控制系统。所述气体递送系统可以例如是气动（pneumatic）子系统32，其与一个或更多呼吸气体的气体源34和呼吸回路22流体/流动连通（fluid/flow communication），并且与呼吸器20的呼吸器控制设置30和处理子系统40操作上连接。呼吸回路22与病人P的肺流体连通。本领域的技术人员可以理解，呼吸器20的气动子系统40，以及气动子系统40到呼吸器20的呼吸气体源34的操作上的连接可以是本领域中任意已知的设计，其具有至少一个能够操作上耦合到，优选地电耦合到呼吸器设置控制30的调节器（actuator，未示出），用于例如对由呼吸器20从气体源34递送到病人P的呼吸气体的流速、频率和/或压力的控制。这样的气动系统32公开在下列美国专利中：Gluck等的4,838,259、Tobia等的5,303,698、Olsson等的5,400,777、Shaffer等的5,429,123以及Schnitzer等的5,692,497，所有上述专利在这里作为参考被整体引入，并且以Mallinckrodt、Nelcor、Puritan-Bennet、7200ae和Bird 6400呼吸器来举例说明。

所述气体成分控制系统可以例如是氧气控制子系统36，其耦合到呼吸气体源34，并与呼吸器20的呼吸器设置控制30和处理子系统40操作上连接。氧气控制子系统36允许对供应给病人P的气体的百分比成分的优选控制。本领域的技术人员可以理解，呼吸器20的氧气控制子系统36，以及该氧气控制子系统36到呼吸器20的气动子系统32和呼吸气体源34的操作上的连接可以是本领域中的任意已知设计，其具有至少一个能够操作上耦合到，优选地电耦合到呼吸器设置控制30的调节器（未示出），用于例如对供应给病人P的氧气的百分比成分的控制。

优选地，呼吸器监控系统10的处理子系统40具有输入44，输入44操作上耦合到呼吸器20的呼吸器设置控制30，使得至少一个呼吸器设置参数信号42可以由处理子系统40接收。优选地，每个呼吸器设置参数信号42指示呼吸器设置控制30的设置。由此，处理系统40优选地连续接收指示呼吸器设置控制30的当前水平设置的信号42。本领域技术人员可以理解，呼吸器设置控制30的当前水平设置可以存储在处理子系统40的存储器中。在本实例中，呼吸器设置参数信号42将被从处理子系统40的存储器输入到处理器，用于连续的处理和评估。

例如，处理系统40的输入可以接收下列呼吸器设置参数信号42的一个或更多：分钟通气（V_E）信号，指示呼吸器20上设置的V_E水平；呼吸器呼吸频率（f）信号，指示呼吸器20上设置的f水平；潮气量（V_T）信号，指示呼吸器20上设置的V_T水平；呼吸气体流速（V）信号，指示呼吸器20上设置的V水平；压力极限信号，指示呼吸器20上设置的压力极限；呼吸工作（WOB）信号，指示呼吸器20上设置的WOB水平；压力支持通气（PSV）信号，指示呼吸器20上设置的PSV水平；呼气末正压（PEEP)信号，指示呼吸器20上设置的PEEP水平；持续气道正压（CPAP）信号，指示呼吸器20上设置的CPAP水平；以及吸入氧浓度（FIO2）信号，指示呼吸器20上设置的FIO2水平。

监控系统10的测量系统也操作上连接到处理子系统40。所述测量系统感知并测量多个通气支持参数，这些参数指示提供给病人P的通气支持，以及病人P的生理状况。预期的是所述测量系统可包括至少一个传感器52，并且优选地包括多个传感器52，用于捕获期望的通气支持数据。每个传感器52基于特定的测量的通气支持参数生成输出信号51。

在图3所示的优选实施例中，处理子系统30被示为操作上耦合到流速传感器53、呼出CO2（Ex CO2）传感器54、压力传感器55、血压传感器56和SPO2传感器57。在该实施例中，优选地，监控系统10响应于来自例如以下的、输入到处理子系统40的输出信号51：i）流速传感器53，其指示病人P在呼吸回路22中呼出/吸入的气体的流速通气支持参数；ii）气压传感器55，其指示呼吸回路22内呼吸气体的压力通气支持参数；以及iii）Ex CO2传感器54，其指示呼吸回路22中由病人P呼出的呼出气体中呈现的呼出二氧化碳通气支持参数（即，由流速传感器53生成的流速输出信号51，由气压传感器55生成的气压输出信号51，以及由Ex CO2传感器54生成的Ex CO2输出信号51）。可选地，监控系统10可以响应从血压传感器56的输出输入到处理子系统40的输出信号51，其指示病人P的血压通气支持参数，例如病人P的动脉收缩、舒张和平均血压；以及来自SPO2传感器57的输出，其指示病人P的血红蛋白氧饱和水平通气支持参数（即，由血压传感器56生成的血压输出信号51和由SPO2传感器57生成的SPO2输出信号51）。根据本发明，关于病人的血压的信息可以由血压传感器56（例如血压橡皮箍袖带）直接提供，或者从任何一个源或者源的组合来提供：所述源例如是，但不限于动脉管路、来自SPO2传感器57的血液容积图信号（PPG）、脉搏传递时间/脉搏波速度和脉压。

优选地，流速传感器53、压力传感器55和Ex CO2传感器54被放置在病人连接器26和病人气道通路25之间（例如当病人气道通路是气管内导管时）。可替换地，优选地，压力传感器55位于病人气道通路25的气管端。所述流速、压力和Ex CO2传感器53、55、54用Novametrics、CO₂SMO+监控器（其具有流速、压力和Ex CO2传感器）来举例说明。血压传感器56和SPO2传感器57用Dynamap公司的血压传感器和Novametrics、CO₂SMO+监控器的SPO2传感器来举例说明。血压传感器56和SPO2传感器57可以被附在病人身体的一部分，以实施必需的测量。例如，SPO2传感器，例如脉搏血氧计传感器，可被放置在身体的任何部位上，包括头附近的任何区域（例如耳朵、鼻子（例如隔膜、翼或侧鼻软骨）、面颊、舌头、前额、颈部等），以从心脏和/或呼吸系统获得信息（例如经由从颈动脉直接感知）。同样，血压传感器可以被放置在身体的任何部位上，包括手臂、手指、手腕、腿、脚趾等。

血压传感器56，例如这里示作血压橡皮箍袖带，被示为附在病人P的手臂，SPO2传感器57，其例如可以是脉搏血氧计，被示为附在病人12的手指。本领域的技术人员可以理解，可以从SPO2传感器57导出血压数据，这消除了对血压传感器56的需要。

附加的标准设备可以包括操作者接口60，在优选实施例中为薄膜小键盘、键盘、鼠标或其它合适的输入设备，用于提供为执行实现本发明的各种功能的软件所需的数据和控制命令的用户输入。本发明的呼吸支持监控系统10的操作者可经由操作者接口60生成的操作者输入信号，为处理子系统40提供任意数量的可应用输入参数，例如病人标识信息、病人诊断信息、病人气道通路的类型和尺寸、病人年龄、病人身高、病人体重或其他期望的病人统计数据。

这样的输入参数，例如病人身高和体重，在建立和监控期望的呼吸器控制设置和/或通气参数时是有益的。例如，由于病人肺的尺寸一般是病人身高的函数，所以可以将最优潮气量（呼吸量）与病人身高参数关联。潮气量的常规范围是病人体重的6-10mls/kg。然而，病人的体重通常被计算为理想的身体重量，其是病人身高的函数（因为超重病人具有与常规或重量不足的病人相同的肺尺寸）。另外，在建立和监控期望的呼吸器控制设置和/或通气参数时，病人诊断信息也是有益的。该信息将包括关于病人心脏健康和呼吸疾病（例如慢性阻塞肺病（COPD，chronic obstructivepulmonary disease）、哮喘、急性呼吸窘迫综合症（ARDS，acute respiratorydistress syndrome）等）的信息，

相应地，在本发明的某些实施例中，操作者向所述处理子系统提供病人身高和/或病人体重输入参数，以辅助呼吸器设置控制或通气参数的期望的水平设置的建立和监控。

优选地，操作者经由操作者接口60，将预定的病人参考数据，例如病人血液的动脉血气pH、动脉血气PaO2和/或动脉血气PaCO2，和/或病人的体温，作为操作者输入信号61输入到处理子系统40中。监控系统10还可以响应病人P的核心体温，其中，所述核心体温可以作为来自附在病人P的温度传感器58的输出信号51，或作为经由操作者接口60的操作者输入信号61，输入到处理子系统40。

优选地，处理子系统40包括处理器46，例如微处理器、混合硬件/软件系统、控制器或计算机，以及存储器。以用户定义的速率，将输出信号51和从输出信号51导出的通气数据72存储在处理子系统40的存储器中，所述用户定义的速率为了所需的检索和分析可以是连续的。呼吸器设置信号42也可以以用户定义的速率存储在存储器中。本领域的技术人员可以理解，任何生成的信号都可以以用户定义的速率存储在存储器中。所述存储器可以是，例如相关的处理器12的软盘驱动器、CD驱动器、内部RAM或硬盘驱动器。

处理子系统40响应于测量装置的输出信号51、呼吸器设置参数信号42和操作者输入信号61（如果被提供）。处理器46在存储在存储器中的程序的控制下运行，并且具有智能编程，用于基于来自测量装置的输出信号51的至少一部分、在处理子系统40的输入44接收的呼吸器设置参数信号42的至少一部分、以及操作者输入信号61（如果被提供）的至少一部分，确定呼吸器设置控制30的至少一个期望的水平设置。

用于呼吸器20的呼吸器设置控制30的期望的水平设置可包括下组中的至少一个：i）分钟通气（V_E）水平，指示用以在呼吸器20上设置的期望的V_E水平；ii）呼吸器呼吸频率（f）水平，指示用以在呼吸器20上设置的期望的f水平；iii）潮气量（V_T）水平，指示用以在呼吸器20上设置的V_T水平；iv）呼吸气体流速（V）水平，指示用以在呼吸器20上设置的V水平；v）压力极限水平，指示用以在呼吸器20上设置的压力极限水平；vi）呼吸工作（WOB）水平，指示用以在呼吸器20上设置的WOB水平；vii）压力支持通气（PSV）水平，指示用以在呼吸器20上设置的PSV水平；viii）呼气末正压（PEEP）水平，指示用以在呼吸器20上设置的PEEP水平；ix）持续气道正压（CPAP）水平，指示用以在呼吸器20上设置的CPAP水平；以及x）吸入氧浓度（FIO2）水平，指示用以在呼吸器20上设置的FIO2水平。

由监控系统10的处理系统40确定的呼吸器设置控制30的期望的水平设置可以经由显示器显示给操作者。优选地，监控系统10的显示器包括可视显示器62或CRT，其电耦合到处理子系统40，用于输出和显示从处理子系统40生成的输出显示信号。

进一步地，监控系统10可以具有报警器21，用于向操作者报警监控系统10的故障（例如信号数据输入丢失的电源故障）或呼吸器控制30的不适当的设置（例如当前控制向病人P的呼吸器支持的递送的呼吸器设置控制30的水平设置，该水平设置不同于呼吸器设置控制30的建议的期望的水平设置）。优选地，报警器21包括可视和/或音响报警器，但是可以使用任何本领域技术人员所知的用于向正在操作的临床医生报警的装置。当然，使用备份电源，例如电池，是可取的。

参考图4和5，本发明优选实施例中，处理子系统具有用于确定呼吸器20的期望的通气控制设置30的装置。优选地，该确定装置包括特征提取子系统70和智能子系统80。特征提取子系统70具有用于从测量装置的输入（即输出信号51），提取并编译相关通气数据特征的装置。实际上，特征提取子系统70充当智能子系统80的预处理器。特征提取子系统70的实例在图5中示出。这里，上面描述的类型的流速传感器53、气压传感器55、SPO2传感器57、Ex CO2传感器54、温度（T）传感器58、血压（BP，blood pressure）传感器56，以及任何其他期望的传感器，都操作上连接到处理子系统40的特征提取子系统70。优选地，流速传感器53、气压传感器55和Ex CO2传感器54为监控系统提供单独的输入。也可以包括其他传感器输入和用户输入，用以增加所确定的控制30的期望的水平设置的可靠性和可信度。优选地，监控系统10将呼吸器数据72的提取调整为这些可选输入的出现或不出现的函数。通过使输入的数量可选（这也使得所需的包括测量系统的传感器52的数量可选），增加了可以在呼吸器监控系统10中使用的环境的数量。

特征提取子系统70的目的是，从由测量装置产生的输出信号51计算和/或标识并提取重要的变量或特征。例如，由到特征提取子系统70的示例性所需的输入，即气压输出信号51、流速输出信号51和Ex CO2输出信号51，可以导出多个通气数据72。导出的通气数据72可以包括：所使用的任何输出信号51的值，例如气压输出信号51、流速输出信号51和Ex CO2输出信号51；吸气峰压（PIP，peak inflation pressure），其是在肺的机械通气期间生成的最大压力；平均气道压力（PAW，mean airwaypressure），其是一分钟内在病人气道通路25（例如当病人气道通路是气管内导管时）或呼吸回路22中的气道开放处（airway opening）测量的平均正压；呼气末正压（PEEP），其是机械吸气之前的基准或起始正压，或自发通气时吸气和呼气期间持续应用的正压；呼吸频率（f），其是频率或速率或每分钟的呼吸（总呼吸频率f_TOT是机械f_MECH呼吸器预选频率和自发f_SPON病人呼吸频率的和）；潮气量（V_T），是每呼吸移进和移出肺的呼吸气体的量（V_T MECH是每个呼吸的呼吸器预选V_T，V_T SPON是病人的每呼吸吸入和呼出的量）；分钟呼出通气（VE），是每分钟移进和移出病人的肺的呼吸气体的量（V_E是呼吸频率f和潮气量的乘积（V_E=f×V_T），并且V_E TOT是呼吸器预选V_E（V_E MECH）与每分钟吸入和呼出的自发病人V_E（V_E SPON）的和）；吸入对呼出时间比率（I:E比率），是机械通气期间吸入时间与呼出时间的比率；生理死腔容量（V_Dphys，physiologic dead spacevolume），是在组织气道以及通气的、未充满的肺泡中，不参与血气交换的气体容量；肺二氧化碳消除速率（LCO2，lung carbon dioxide eliminationrate），是每呼吸或每分钟呼出的CO2量（LCO2是Ex CO2和容量曲线下的面积）；呼气末二氧化碳分压（PetCO2，end-tidal partial pressure ofcarbon dioxide）水平，是在呼气末端测量的呼出CO2的分压；病人的心输出量（CO，cardiac output），是每分钟从心脏排出的血液量，并且其可以例如从所确定的LCO2速率导出；呼吸系统顺应性和阻力；压力－容量环；以及呼吸肌压力或病人呼吸努力。

可以以多种方式来量化病人对呼吸的努力，包括但不限于：呼吸工作，其量化病人进行单次呼吸所需的被归一化（normalized）的努力，通常用每公升焦耳数来表达；呼吸能量，其量化病人呼吸1分钟所需的努力，通常用焦耳数来表达；以及压力时间乘积，其通过对胸膜/食管压力曲线之下/之上的面积求和来量化每分钟的病人努力，并且通常用每分钟的cm H20来表达。这些病人努力的估计可以但不限于从以下来导出：所确定的呼吸肌压力、食管压力跟踪、气道压力、气流和容量轨迹（volume traces）、CO2轨迹、SPO2轨迹以及从中导出的参数。可以将对于病人呼吸努力的量化或估计值提供为根据本发明使用的病人呼吸努力信号。

通常希望控制病人的所需呼吸努力，用以维持病人的舒适和呼吸强度。如果呼吸器正在提供太多的支持，则病人将不需要使用足够的肌肉活动来呼吸，并且肌肉可能萎缩。同样，如果呼吸器未提供足够的支持，则病人可能变得疲劳，并且可能不再能够支持自己的呼吸。另外，可能存在对于某些医疗情况或中断（wean）希望休息或锻炼病人的时候。知晓病人努力使得本发明的系统更好地建议呼吸器参数的改变。而且，量化的病人呼吸努力（例如经由病人呼吸努力信号传送的）可以用来建立和/或监控用于呼吸器控制的期望的水平设置。例如，在本发明的一个实施例中，病人呼吸努力信号由本发明的处理子系统评估，用于在确定至少一个参数和/或呼吸器设置控制的期望的设置中使用。

通气数据72还可以从到特征提取子系统70的示例可选输入导出。由SPO2输出信号51（例如脉搏血氧计），可以确定动脉血血红蛋白氧饱和水平和心率，并且SPO2输出信号51的脉动血压波形，例如血液容积图（PPG，plethysmographic）信号，可以用于建立和监控用于呼吸器控制和/或通气参数的期望的设置，用以在不牺牲心输出量的情况下最优化病人充氧。

存在许多已知的用于评估心输出量的方法。例如，最初在1870年提出的Adolph Fick的心输出量的测量已用作标准，所有其他确定心输出量的装置自那天起便根据该标准来评估。Fick的熟知的针对CO₂写的方程是：

Q = \frac{V_{CO 2}}{(C_{VCO 2} - C_{aCO 2})}

其中，Q是心输出量，V_CO2是由肺排出的CO₂的量，以及C_aCO2和C_VCO2分别是动脉和静脉CO₂浓度。

可以监控呼出CO₂水平，用以估计动脉CO₂浓度，并且Fick方程的变型可以用于评估观测到的呼出的CO₂中的改变，以估计心输出量。Fick方程在非侵入性过程中确定心输出量的使用，要求“标准”通气活动，与引起呼出CO₂值的改变和排出CO₂量的改变的通气中的突然改变的比较。可以根据本发明使用的用于评估心输出量的其他方法，包括在美国专利6,648,831中所公开的那些。

来自SPO2输出信号的PPG信号，可以用于确定动脉血压，并辅助（与其他输出和/或输入信号一起）确定PEEP信号是否处于合适病人充氧的期望的设置。在本发明的特定的实施例中，处理子系统使用PPG信号代替来自血压传感器的输入，以在不牺牲心输出量的情况下最优化PEEP通气参数和/或病人充氧。

典型地，通过调整由呼吸器递送的吸入的O2浓度（FIO2）和调整PEEP来最优化充氧。增加FIO2可以增加病人充氧，但高于房间空气（21%）太多的FIO2设置可能最终对病人是有毒的。增加PEEP也可以增加病人充氧，通常是通过保持病肺打开以防止肺和肺泡损坏，从而允许肺与循环系统之间的更好的气体交换。如果PEEP太高（并且该值随病人而变化），则由于肺和身体剩余部分之间的增加的压力梯度，使得增加的肺压力可减少流回肺和心脏的血液量。该减少的静脉返回可降低心输出量，所述心输出量导致降低的血压和不足的病人血液流动。

已知PPG信号包含：（1）由伴随每次心跳血液脉动通过动脉和静脉产生的脉动信号；以及（2）该脉动信号调制（或“所在的”（ride on））的基准（但变动的）偏移。所述基准偏移和脉动信号都受呼吸和/或胸内压影响。

如上面所描述的，胸内压（胸腔内的压力，通常由肺内的压力驱动）可以改变静脉阻抗（venous impedance）（经由静脉返回肺/心脏的血液的阻抗）和心输出量（由心脏每次跳动排出的血液量）两者。这通常在动脉压力波形中见到，但也已知存在于PPG中。例如，PPG脉动波形随心输出量改变，因为由心脏泵送的较少的血液产生较小的PPG峰值，并且反之亦然。同样，增加的基准胸内压将增加静脉阻抗，该增加的静脉阻抗将增加汇集在静脉的血液量。这将导致随呼吸和胸内压改变的PPG的基准信号的改变（减小的信号强度）。因此，可以由PPG确定指示胸内压的信号及其对呼吸和心脏系统的影响。实例包括但不限于：病人努力（包括参数，例如呼吸能量、呼吸工作等）；胸内压对心输出量的影响（例如过分高的PEEP）；以及可以由肺功能衰退导致的呼吸期间的胸内压的渐增改变。

另外，由血压输出信号51，可以确定病人P的动脉收缩、心脏舒张和平均血压。进一步地，由温度输出信号51，可以导出病人12的核心体温。进一步地，由动脉血血红蛋白氧饱和水平和已确定的LCO2，可以确定死腔容量。

在特定的实施例中，可以从到特征提取系统的Ex CO2输出信号51导出心输出量。可以使用来自Ex CO2输出信号的心输出量（在特定情况下，结合其他输出和/或输入信号），来确定PEEP信号是否被合适地设置，以在不牺牲心输出量的情况下最优化病人充氧。在本发明的相关实施例中，处理子系统使用从Ex CO2输出信号导出的心输出量，代替来自血压传感器的输入，以在不牺牲心输出量的情况下最优化PEEP通气参数和/或病人充氧。

特征提取子系统70还可以经由操作者接口60接收用户输入，并可接收呼吸器设置参数信号42。优选地，在特征提取子系统70中编译通气数据72，并优选地生成特征向量74或矩阵，其包含监控子系统10使用的用以执行通气支持评估过程的所有通气数据项。特征向量74可以以用户定义的间隔被更新，例如在每次呼吸或每分钟后，并且被作为通气数据输出信号75从特征提取子系统70输出到智能子系统80。可替换地，如本领域的技术人员可以理解的，可以在没有生成特征向量74或矩阵的插入步骤的情况下，将通气数据72作为通气数据输出信号75直接输出到智能子系统80。通气数据72还可以被输出到显示器62。

在特定的实施例中，处理子系统40具有评估输入和/或输出信号的时间历史（或趋势）的能力（例如评估贯穿一段时间的输入和输出信号，其中，所述时间段可以是短期的或长期的）。根据本发明，所述趋势还可以用于确定何时可能发生生理上的重大事件，而非普通的病人变化。应当指出，趋势的改变可以是参数中由已知基准触发的改变，而非参数绝对值的反映。同样，所述趋势的斜率（参数多快地改变）可以确定如何最好地将呼吸器控制和/或参数调整到期望的设置。从而，输入和/或输出信号的趋势可以用于确定用于通气控制和/或通气参数的期望的设置。

参考图4、6A和6B，优选地，处理子系统40的智能子系统80具有神经网络82。智能子系统80的主要功能是作出提供给病人的呼吸器支持的评估，并基于该评估，建议呼吸器设置控制30的期望的水平设置，其将充分地，并且优选最优地，支持病人P的生理通气支持需求。例如，如图6A中所示，处理子系统40的智能子系统80可以具有神经网络82，该神经网络82接收包含已编译的通气数据72的通气数据输出信号75。神经网络82还接收呼吸器设置参数信号42，并且可以从操作者接口60接收用户输入。

为了全面理解由本发明产生的各个方面和好处，需要对神经网络技术的基本理解。以下是对该技术应用于本发明的呼吸器监控系统10和方法时的简要讨论。

人工神经网络宽松地（loosely）模仿生物神经网络（例如人脑）的机能。相应地，神经网络通常被实现为互连的神经元系统的计算机模拟。特别地，神经网络是所配置的互连处理单元（例如如图8所示）的分层汇集（hierarchical collection）。特别地，图8是标准神经网络82的示意图，具有处理单元的输入层84、处理单元的隐藏层86，以及处理单元的输出层88。图8所示的实例仅是可根据本发明使用的神经网络82的说明性实施例。如接下来讨论的，也可以使用神经网络82的其他实施例。

接下来转向神经网络82的结构，其每个处理单元接收多个输入信号或数据值，其被处理以计算出单个的输出。使用数学方程，本领域中已知的作为指定输入数据值之间的关系的激活函数或转换函数，来计算所述输出值。如本领域中已知的，激活函数可包括阈值或偏差元素（bias element）。如图8中所示，将处于较低网络层的单元的输出作为输入，提供给处于较高层的单元。一个或更多最高层的单元产生一个或更多最终的系统输出。

在本发明的上下文中，神经网络82是计算机模拟的，用于基于可用通气设置参数42的至少一部分和通气数据输出信号75的至少一部分（即导出通气数据72的至少一部分），产生呼吸器20的呼吸器控制30的期望的呼吸器设置的建议，该建议将被充分地，并且优选最优地，支持病人的生理通气支持需求。

可以通过指定构成网络82的处理单元的数量、排列和连接，来构造本发明的神经网络82。神经网络82的简单实施例包括处理单元的完全连接的网络。神经网络82的处理单元被组成层：输入层84，其中，引入选择的通气数据72、输出信号51、以及选择的呼吸器设置参数信号42的至少一部分；处理单元的隐藏层86；以及输出层88，其中，产生控制30的结果确定的水平设置。连接的数量以及从而连接权重的数量，由每层中单元的数量来确定。

在本发明的优选实施例中，在输入层提供的数据类型可以保持不变。另外，相同的数学方程，或转换函数，通常由处于中间和输出层的单元使用。每层中的单元的数量一般取决于特定的应用。如本领域所知的，每层中单元的数量反过来确定构造和应用神经网络82所需的权重的数量和总存储。显然，更复杂的神经网络82一般需要更多的配置信息，并因而需要更多的存储。

除图6A中所示的结构外，本发明设想了用于神经网络模块的其他类型的神经网络配置，例如图6B所示的实例，这在下文将更详细地描述。本发明所有所需的是，神经网络82能够被训练（train）以及如果必要被重新训练为用于确定呼吸器20的控制30的期望的水平设置。还优选地，操作中，神经网络82适于（即学习）改善神经网络82的确定，该确定是对于呼吸器20的控制30的合适的水平设置的确定。

再参考图6A和8，更加详细地描述了前馈神经网络82的特定实施例的操作。应当注意，以下描述仅以示例性的方式示出用在本发明的神经网络82的运行方式。特别地，在操作中，至少一部分从通气数据输出信号75选择的通气数据72和选择的呼吸器设置参数信号42（即全体输入数据）被作为此后所称的输入提供给处理单元的输入层84。隐藏层单元通过链路87连接到输入，每个链路87具有相关的连接权重。输入处理单元的输出值沿着这些链路87传播到隐藏层86单元。隐藏层86中的每个单元将沿着链路87的输入值乘以相关的权重，并且对其链路87上的所有乘积求和。然后，根据该单元的激活函数修改对于单独隐藏层单元的和，以产生用于该单元的输出值。根据本发明的不同实施例，隐藏层单元的处理可以串行或并行地发生。

如果仅存在一个隐藏层86，则神经网络的操作中的最后步骤是，通过输出层单元计算输出或所确定的呼吸器的控制30的水平设置。为此，来自每个隐藏层处理单元的输出值沿着其链路87传播到输出层单元。这里，其被乘以用于链路87的相关权重，并且所有链路87上的乘积被求和。最后，通过输出处理单元的转换函数方程，来修改所计算的用于单独输出单元的和。其结果是一个或更多最终输出，其中，根据本发明的优选实施例所述最终输出是呼吸器设置控制30的期望的一个或更多水平设置。

在图6B中示出的智能子系统80的实例中，智能子系统80是包含基于规则的模块90以及神经网络82的混合智能子系统。在智能子系统90的可替换实施例中，呼吸器20的控制30的期望的水平设置的确定，被分为遵循经典临床范例的多个任务。可以使用基于规则的系统90或神经网络82来完成每个任务。在优选配置中，由一系列神经网络82中的一个来执行呼吸器设置控制30的期望的水平设置的确定。

通气状态模块92的目的是，基于呼吸器设置控制30的水平设置（如由呼吸器设置参数信号42输入到智能子系统的）和通气数据输出信号，做出正提供给病人P的通气支持的充分性的初始评估。通过呼吸器控制设置预测器模块94中的一系列可用神经网络82中的一个，来完成呼吸器设置控制30的期望的水平设置的最终确定。基于规则的前端96的目的是，基于来自通气状态模块92的输入、由操作者输入的数据、以及呼吸器设置参数信号42，确定可用神经网络82的哪个将确定呼吸器设置控制30的期望的水平设置。基于规则的前端96还将确定哪些输入被从通气数据输出信号75提取，并呈现给所选择的神经网络82。到呼吸器控制设置预测器模块94的输入包括来自通气数据输出信号75的呼吸器数据72、用户输入、以及来自呼吸器设置参数信号42的输入。基于规则的后端模块98的目的是，组织来自之前的模块、神经网络82、用户输入和通气数据输出信号中的通气数据72的信息，并且格式化所述信息，用于在可视显示器62上显示，以及用于向例如磁盘文件的外部存储器64的存储。

如同多数依据经验的建模技术一样，神经网络开发需要收集针对使用被适当地格式化的数据。特别地，如本领域所知，中间网络处理层的输入数据和/或输出可能在使用之前必须被归一化。已知的是把将被引入神经网络82中的数据转换成数字表达，以将数字表达的每个变换为预定范围内的数字，例如通过0与1之间的数字。由此，本发明的智能子系统优选地具有用于以下的装置：i）选择来自通气数据输出信号75的通气数据72的至少一部分以及呼吸器设置参数信号42的至少一部分；ii）将通气数据72的所选择的部分和呼吸器设置参数信号42的所选择的部分转换为数字表达；以及iii）将数字表达变换为预定范围内的数字。

在也可以被用于本发明的一种常规方法中，本发明的神经网络82可以包括预处理器83。预处理器83从处理子系统存储器48提取正确的数据，并且归一化每个变量，以确保到神经网络82的每个输入具有预定数值范围内的值。一旦数据被提取并归一化，神经网络82便被调用。根据本发明使用的数据归一化和其他格式化过程是本领域的技术人员已知的，并且将不被进一步详细讨论。

根据本发明的优选实施例，通过提供由医师作出的呼吸器控制设置评估和输入数据（例如对该医师可用的通气数据72、通气控制设置参数信号42和输出信号51），训练神经网络82。结果，所述评估与对应的输入测量和输入数据一起，被称为数据记录。所有可能对于多个不同病人是可用的数据记录，都包括数据集合。根据本发明，相应的数据集合被存储在存储器中，并且对于通过处理子系统40的使用来说是可用的，用于训练和诊断确定。

接下来将简要描述用于本发明的优选实施例的典型训练机制。通常，训练过程的细节很大程度上与通气监控系统的操作无关。实际上，所有所需的是，神经网络82能够被训练并且如果必要可被重新训练，使得其可以用于呼吸器20的控制30的期望的水平设置的可接受的准确确定。通常使用通过其他装置从病人12提取的数据，提前训练神经网络82。通过使用从训练数据获知的，神经网络82可将其应用到其他/新的病人P。

如本领域中所知的，过去已提出了种种技术，用于训练前馈神经网络。当前使用的多数技术是众所周知的误差反向传播方法的变型。这里不需要详细考虑该方法的细节。为了进一步参考和更多细节，读者可以转到由Rumelhardt等人在剑桥：MIT出版社（1986）第1和第2卷中的“ParallelDistributed Processing:Explorations in the Microstructure of Cognition”和“Explorations in Parallel Distributed Processing,A Handbook of Models,Programs,and Exercises”中提供的优秀的讨论，这里整体引入所述著作作为参考。

简要地说，在其最常见形式中，反向传播学习以三个步骤来执行：

1.向前传（forward pass）；

2.误差反向传播；以及

3.权重调整。

关于向前传步骤，根据本发明，可以从通气数据输出信号75和呼吸器设置参数信号42提取的单一数据记录，被提供给网络82的输入层84。该输入数据沿着链路87向前传播到隐藏层单元，该隐藏层单元计算加权和以及转换函数，如上文所述。同样，来自隐藏层单元的输出被沿着所述链路传播到输出层单元。输出层单元计算所述加权的和以及转换函数方程，以产生期望的呼吸器控制设置30。

在训练过程的以下步骤中，与数据记录相关的医师评估被变得可用。在该步骤，将神经网络82产生的呼吸器控制30的期望的水平设置的确定，与医师的评估比较。接下来，将误差信号作为医师的评估与神经网络82的确定之间的差来计算。如本领域中所知的，该误差通过一系列数学方程从输出单元传播回位于隐藏层86的处理单元。从而，神经网络输出中的任何误差被部分地指派给被结合以产生误差的处理单元。

如较早描述的那样，由位于隐藏层86和输出层88的处理单元产生的输出是其连接权重的数学函数。这些处理单元的输出中的误差可归因于连接权重的当前值中的误差。通过使用在之前的步骤所指派的误差，根据数学方程在反向传播学习方法的最后步骤中作出权重调整，用于减小或消除呼吸器设置控制30的期望的水平设置的神经网络确定中的误差。

在数据集合中的记录上重复执行所述向前传、误差反向传播和权重调整步骤。通过所述重复，在连接权重被稳定到至少局部地最小化整个数据集合上的确定误差的特定值时，完成神经网络82的训练。然而，如本领域的技术人员可以理解的，当被置于操作使用时，神经网络82可以，并优选地将会在操作使用期间，通过使用在处理子系统40的存储器中接收并存储的数据集，来继续训练自己（即适应其自己）。由于其在操作使用中持续学习，即训练，使得允许监控10的持续完善。进一步地，其允许与呼吸器20操作上所附到的特定病人P相关的合适呼吸器水平设置的确定的持续完善。

除反向传播训练外，在本发明的可替换实施例中可以使用不同的训练机制作出权重调整。例如，如本领域中所知的，在所有训练记录已被呈现给神经网络82之后，可以累积并应用所述权重调整。然而，应当强调的是，本发明不依赖于特定的训练机制。相反，优选的需求是，作为结果的神经网络82在其对呼吸器设置控制30的期望的水平设置的确定中，产生可接受的误差速率。

当处理系统40的智能子系统80完成呼吸器设置控制30的期望的水平设置的确定时，呼吸器设置控制30的期望的水平设置可以被显示在可视显示器62上，用于医师使用。所存储的通气数据输出信号75，特别是包含智能子系统80在确定控制30的期望的水平设置中使用的通气数据72的通气数据输出信号75的子集，可被提供给可视显示器62。同样，所存储的的呼吸器设置参数信号42和所存储的输出信号51可以以适当的格式显示在可视显示器62上。在这一点上，医师可以检查所述结果，以辅助她或他评估对呼吸器设置控制30的已建议的期望的水平设置的可取性。所显示的结果可以在打印机上打印（未示出），以创建病人状况的记录。另外，根据本发明的特定优选实施例，可以将所述结果传送给其他医师或经由接口（未示出），例如调制解调器或其它电子通信方法，连接到呼吸器监控系统10的计算机的系统用户。

另外，本发明的优选实施例提供一种实时呼吸器监控系统10和方法。实时操作一般需要输入数据被足够快地输入、处理和显示，以便为临床环境中的医师提供及时的反馈。在可替换实施例中，也可以使用离线数据处理方法。在典型的离线操作中，不进行立即响应医师的尝试。在这样的情况下，测量和会谈数据在过去的某个时间生成，并且被存储以供医师在适当的时间检索和处理。应当理解，尽管本发明的优选实施例使用实时方法，但可替换实施例可以在各个步骤中替换离线方法。

本发明的操作的优选方法包括步骤：接收至少一个指示呼吸器20的控制30的当前水平设置的呼吸器设置参数信号42，监控多个输出信号51以确定供应给病人P的通气支持的充足性，确定呼吸器设置控制30的期望的水平设置，以及将控制30的期望的水平设置显示给操作临床医生。

所接收的输出信号51可以包括从以下组中选出的多个信号：呼出的二氧化碳信号，其指示呼吸回路22内由病人P呼出的呼出气体的呼出二氧化碳（ExCO2）水平；流速信号，其指示呼吸回路22内病人P呼出的吸入/呼出气体的流速（V）；脉搏血氧计血红蛋白氧饱和（SpO2）信号，其指示病人P的氧饱和水平；压力（P）信号，其指示呼吸回路22内呼吸气体的压力；血压（BP）信号，其指示病人12的血压。输出信号51还可以包括指示病人P的核心体温的温度（T）信号、动脉血气PaO2信号、动脉血气PaCO2信号和/或动脉血气pH信号。

呼吸器设置参数信号42可以包括以下的至少一个：分钟通气（V_E）信号，其指示呼吸器20上设置的V_E水平；呼吸器呼吸频率（f）信号，其指示呼吸器20上设置的f水平；潮气量（V_T）信号，其指示呼吸器20上设置的V_T水平；呼吸气体流速（V）信号，其指示呼吸器20上设置的V水平；压力极限信号，其指示呼吸器20上设置的压力极限；呼吸工作（WOB)信号，其指示呼吸器20上设置的WOB水平；压力支持通气(PSV）信号，其指示呼吸器20上设置的PSV水平；呼气末正压（PEEP）信号，其指示呼吸器20上设置的PEEP水平；持续气道正压（CPAP）信号，其指示呼吸器20上设置的CPAP水平；以及吸入氧浓度（FIO2）信号，其指示呼吸器20上设置的FIO2水平。

例如，确定呼吸器20的呼吸器设置控制30的期望的水平设置的步骤可以包括步骤：在处理子系统40中由收到的输出信号51生成通气数据72；以及应用至少一部分所生成的通气数据72和呼吸器设置参数信号42到处理子系统40的神经网络82。如果希望，则输出信号51的至少一部分也可以作为通气数据72应用于神经网络82。

在可替换实例中，确定呼吸器20的控制30的期望的水平设置的步骤可以包括步骤：从在处理子系统40中收到的输出信号51生成通气数据72；在基于规则的前端96中将一组判决规则应用于至少一部分通气数据72和呼吸器设置参数信号42，以便分类所应用的那部分通气数据72和呼吸器设置参数信号42；选择将要使用的合适的神经网络82；以及将部分通气数据72和呼吸器设置参数信号42应用于所选择的神经网络82，所述神经网络82将用于确定呼吸器设置控制30的期望的水平设置。

可以以多种不同配置中的一种来实现本发明的呼吸器监控系统10。例如，呼吸器监控系统10可以被并入呼吸器20中。在可替换实例中，呼吸器监控系统10可以是操作上连接到呼吸器20的独立的监控器。

本发明的处理子系统40的实施例的实现在图7中示出。这里，处理子系统40包括处理器46（其优选地是微处理器）、存储器48、存储设备64、用于驱动显示器62、存储64和呼吸器20的控制器45、以及模数转换器（ADC）47（如果需要）。处理子系统40还包括神经网络82，该神经网络82可以例如被包含在神经网络板49中。ADC和神经网络板47、49是商业上可用的产品。还存在可选的输出板（未示出），用于连接到计算机网络和/或中央监控台。

ADC板47将从测量装置的传感器52的任何输出接收的模拟信号转换成可以由处理器46操作的数字输出。在可替换实施中，任何传感器52的输出都可经由例如串行RS232端口的数字输出，连接到处理器46。特定的实现由特定传感器52的输出特征来确定。处理器46应当包含这样的电路，所述电路将被编程用于在需要时执行数学函数，例如波形平均、放大、线性化、信号抑制、微分、积分、加、减、除和乘。处理器46还可以包含这样的电路，所述电路将被编程为在需要时执行神经/智能控制软件、神经网络学习软件和呼吸器控制软件。执行这些函数的电路或程序对于本领域技术人员是熟知的，并且其不构成本发明的一部分。处理器46执行作出计算、控制ADC和神经网络板47、49以及控制对显示器和存储设备62、64的输出、网络通信和呼吸器装置20的软件。

从呼吸护理的观点看，所述处理子系统的实例将包括建议的新的呼吸器设置，所述呼吸器设置基于基于规则的呼吸治疗和从传感器输入导出的参数的混合。例如，为了最优化病人努力，该系统可以使用病人潮气量和呼吸频率，并且还使用来自传感器的多种可能的数据（可能包括流量和压力传感器、脉搏血氧计/PPG、CO2传感器和血压信号），使用数学模型或神经网络来估计病人努力。另外，也可以使用这些相同的传感器来跟踪病人对其正在进行的呼吸努力的忍耐力。例如（但不限于）潮气量、峰值吸气流速、呼吸频率、脉搏和脉搏改变。

在一个实施例中，根据本发明，可以通过跟踪CO2传感器、病人死腔和心输出量（从CO2传感器和血气导出）和脉搏血氧计/PPG的改变，来执行通气的最优化。可以通过使用以下的任一个或其组合来跟踪充氧的改变和PEEP对心脏系统的影响，产生充氧的最优化：脉搏血氧计传感器/PPG、CO2传感器、气道压力和流量传感器以及血气。

神经网络板49的目的是实现神经/智能控制软件。如本领域技术人员可理解的，对于单独的神经网络板49的需求由主处理器46的计算能力来确定。随着近期微处理器速度的增长，可以不必具有单独的板49，因为这些功能的一些或全部可以由处理器46来处理。对于单独的板49的需求还由实现本发明的具体的平台来确定。

另外，尽管将处理子系统40的处理器46作为单一的微处理器来描述，但是应当理解，专用于单独功能的两个或更多微处理器可以被使用。例如，呼吸器20可以具有操作上耦合到监控系统10的处理子系统40的微处理器。在该方式下，监控系统20可以被并入模块化系统10中，其中，模块化系统10可以耦合到任何常规的微处理器控制的呼吸器20，用于监控由呼吸器20提供的通气支持。可替换地，如本领域技术人员可以理解并如图2B中所示的，本发明的监控系统10可以被并入微处理器控制的呼吸器10的设计中，其中，呼吸器10具有使用呼吸器20的微处理器的呼吸器监控系统的处理子系统40。另外，处理器46的功能可以由其它电路来实现，例如专用集成电路（ASIC）、数字逻辑电路、微控制器或数字信号处理器。

这里已经相当详细地描述了本发明，以便符合专利条例，并为本领域技术人员提供应用新的原理所需的信息，并在需要时构建和使用这些特定的部件。然而，应当理解，本发明可以由特定的不同的装置和设备来实现，并且可以实现关于设备的细节和操作过程的各种修改，而不脱离本发明的范围。进一步地，应当理解，尽管参考特定实施例的特定细节描述了本发明，但是这样的细节不应当被视为对本发明的范围的限制，除非他们被包括在所附的权利要求中。

Claims

1.一种呼吸支持监控系统，包括：

至少一个传感器，适于监控病人或监控耦合到病人的气道的呼吸回路，其中，每个传感器生成输出信号；

操作者接口，其生成至少一个操作者输入信号；

处理子系统，适于接收至少一个所述输出信号和/或至少一个操作者输入信号，其中，所述处理子系统具有处理器和存储器，所述处理器适于在存储在所述存储器中的程序的控制下运行，其中，所述处理子系统评估至少一个输出信号和/或至少一个操作者输入信号，以确定用于至少一个通气参数的期望的设置；其中，如果所述输出信号包括血液容积图信号和呼出二氧化碳ExCO2信号中的至少一个，则所述处理子系统能够准确地评估所述血液容积图信号和/或所述呼出二氧化碳ExCO2信号，以便建议用于呼气末正压PEEP信号的期望的设置以及吸入氧浓度FIO2的期望的设置，以在不牺牲心输出量的情况下最优化充氧。

2.根据权利要求1所述的呼吸支持监控系统，还包括操作上耦合到所述处理子系统的呼吸器，其中，所述呼吸器包括至少一个呼吸器设置控制，并且其中每个呼吸器设置控制控制所述至少一个通气参数，所述通气参数与从所述呼吸器向病人的气体供应相关。

3.根据权利要求2所述的呼吸支持监控系统，其中，呼吸器适于生成指示至少一个呼吸器设置控制的当前设置的呼吸器设置信号，并且其中，除所述至少一个输出信号和/或至少一个操作者输入信号之外，所述处理子系统评估所述呼吸器设置信号，以确定所述期望的设置。

4.根据权利要求3所述的呼吸支持监控系统，其中，所述处理子系统适于确定所述至少一个呼吸器设置控制的当前设置是否不同于所述期望的设置。

5.根据权利要求4所述的呼吸支持监控系统，还包括报警器，用于通知所述呼吸器的操作者至少一个所述呼吸器设置控制的设置不同于所述期望的设置。

6.根据权利要求4所述的呼吸支持监控系统，其中，至少一个所述呼吸器设置信号包括由以下组成的组中的至少一个：分钟通气V_E信号；呼吸器呼吸频率f信号；潮气量V_T信号；呼吸气体流速V信号；压力极限信号；病人呼吸努力信号；压力支持通气PSV信号；呼气末正压PEEP信号；持续气道正压CPAP信号；以及吸入氧浓度FIO2信号。

7.根据权利要求6所述的呼吸支持监控系统，其中，从由以下组成的组中选择所述病人呼吸努力信号：呼吸工作信号；呼吸能量信号；以及压力时间乘积。

8.根据权利要求6所述的呼吸支持监控系统，其中，所述处理子系统从对所述输出信号和/或操作者输入信号的评估中导出病人呼吸努力；并且其中，所述处理子系统评估所述病人呼吸努力和至少一个通气参数，以确定所述期望的设置。

9.根据权利要求8所述的呼吸支持监控系统，其中，所述呼吸器适于经由与病人的至少一个肺流体通信的呼吸回路向病人供应气体。

10.根据权利要求2、4至9中任一个所述的呼吸支持监控系统，其中，从由以下组成的组中选出所述呼吸器：重症护理呼吸器；运送用呼吸器；用于失眠者的呼吸支持设备；持续气道正压CPAP设备，以及用于危险环境的呼吸器。

11.根据权利要求2、4至9中任一个所述的呼吸支持监控系统，其中，所述呼吸器包括病人气道通路，其中，从声门上的气道设备选择所述病人气道通路。

12.根据权利要求11所述的呼吸支持监控系统，其中，从由以下组成的组选择所述声门上的气道设备：喉罩气道LMA、标准面罩、鼻导管、气管导管和环甲膜切开术导管。

13.根据权利要求12所述的呼吸支持监控系统，其中，所述气管导管包括气管内导管和气管切开术导管中的至少一个。

14.根据权利要求2、4至9中任一个所述的呼吸支持监控系统，其中，所述处理子系统能够在没有来自所述呼吸器的操作者的输入的情况下，选择并调整所述呼吸器设置控制的设置；并且其中，基于对所述至少一个输出信号和/或至少一个操作者输入信号的评估的结果，调整所述呼吸器设置控制的水平设置。

15.根据权利要求2、4至9中任一个所述的呼吸支持监控系统，还包括显示器，以向操作者呈现由所述处理子系统提供的信息。

16.根据权利要求15所述的呼吸支持监控系统，其中，所述处理子系统向显示器提供与至少一个所述期望的设置是否不同于呼吸器设置控制相关的信息。

17.根据权利要求15所述的呼吸支持监控系统，其中，所述处理子系统向显示器提供与所述期望的设置相关的信息。

18.根据权利要求1、2、4至9、16、17中任一个所述的呼吸支持监控系统，其中，所述输出信号包括由以下组成的组中的至少一个：呼出二氧化碳ExCO2信号，其指示所述呼吸回路内由病人呼出的呼出气体的呼出二氧化碳ExCO2水平；呼吸气体流速V信号，其指示所述呼吸回路内由病人呼出的吸入/呼出气体的流速V；脉搏血氧计信号，其提供指示病人的氧饱和水平的血红蛋白氧饱和SpO2信号，以及血液容积图信号两者；压力P信号，其指示所述呼吸回路内的呼吸气体的压力；血压BP信号，其指示病人的血压；以及温度T信号，其指示病人的核心体温。

19.根据权利要求18所述的呼吸支持监控系统，其中，脉搏血氧计被放置在病人的任何部分上。

20.根据权利要求18所述的呼吸支持监控系统，其中，从由以下组成的组中的至少一个导出所述血压BP信号：呼出二氧化碳ExCO2信号；血红蛋白氧饱和SpO2信号；动脉管路、血液容积图信号；脉搏传导时间/脉搏波速；以及脉搏压。

21.根据权利要求1、2、4至9、16、17、19、20中任一个所述的呼吸支持监控系统，其中，所述至少一个通气参数还包括由以下组成的组中的至少一个：病人的动脉血气PaO2水平；病人的动脉血气PaCO2水平；以及病人的动脉血气pH水平。

22.根据权利要求1、2、4至9、16、17、19、20中任一个所述的呼吸支持监控系统，其中，所述操作者输入信号包括由以下组成的组中的至少一个：病人标识信息；病人诊断信息；病人年龄；病人气道通路的类型和尺寸；病人身高；以及病人体重。

23.根据权利要求22所述的呼吸支持监控系统，其中，通过所述处理子系统来评估所述病人身高的操作者输入信号，以建议期望的设置。

24.根据权利要求1、2、4至9、16、17、19、20、23中任一个所述的呼吸支持监控系统，其中，所述处理子系统还包括智能子系统。

25.根据权利要求24所述的呼吸支持监控系统，其中，所述智能子系统包括至少一个神经网络。

26.根据权利要求24所述的呼吸支持监控系统，其中，所述智能子系统包括至少一个基于规则的模块。

27.根据权利要求24所述的呼吸支持监控系统，其中，所述智能子系统具有用于训练神经网络的装置。

28.根据权利要求1、2、4至9、16、17、19、20、23中任一个所述的呼吸支持监控系统，其中，所述处理子系统还包括特征提取子系统。

29.根据权利要求1、2、4至9、16、17、19、20、23中任一个所述的呼吸支持监控系统，其中，至少一个所述期望的设置最优化从由以下组成的组中选择的一个：病人通气、充氧和呼吸努力。

30.根据权利要求1、2、4至9、16、17、19、20、23中任一个所述的呼吸支持监控系统，其中，所述处理子系统能够评估输出信号和/或操作者输入信号的时间历史，用于确定所述期望的设置。