CN105279362A - 个人健康监视系统 - Google Patents

Abstract

本发明提供一种个人健康监视系统。一种个人健康监视设备包括：存储器，用于采集并且存储来自个体的属性；以及处理器，用于量化每个属性以指示该属性的正常范围，并且用于测量与该正常范围的偏差。该处理器进一步使用测量的偏差来计算个体的健康状况。显示该结果以指示个体的健康状况。

Description

个人健康监视系统

相关申请的交叉引用

本申请是2014年1月16日提交的、名称为“PersonalHealthMonitoringSystem”的美国专利申请No.14/156,582的部分继续申请，并且是2013年6月3日提交的、名称为“PersonalHealthMonitoringSystem”的美国专利申请No.13/908,661的部分继续申请，这两个申请都根据U.S.C.§119(e)要求了2013年2月15日提交的、名称为“PersonalHealthMonitoringSystem”的美国临时申请No.61/850,507的权益，将这几个申请的全部公开内容明确并入本文以供参考。

技术领域

本公开概括而言涉及个人健康监视系统并且更具体而言涉及使用设备或系统监视个人的生理情况或属性并且使用该信息进行诊断、预测和/或给出关于用户健康状况的建议。

背景技术

用于监视个体的各种生理情况的系统是相当普通的。当前可用的一种该系统包括可佩戴健康监视系统，其包括与远距离医学系统集成的传感器。对于该系统，各种传感器附接到个体，并且将创建的感测数据发送到电话。在电话处采集数据之后，该数据随后被发送到远程服务器，在该远程服务器处医生和训练有素的内科医生能够分析该数据。相似类型的系统已被运动员用于测量他们在训练期间的物理属性。并且，这些系统采集该感测数据并且随后将信息发送到平板电脑或计算机以对数据进行分析。有时候，用电话将该数据发送到平板电脑或计算机。然而，在这些类型的系统中，测量的是用户的表现而不是用户的健康和健康状况。

需要一种集成到蜂窝手机或具有蜂窝或因特网通信的平板电脑中的健康监视系统，其允许用户采集种类繁多的数据，包括各种生理情况，并且分析该数据以便确定用户的健康状况。其后，一旦出现需求，就可以使用蜂窝通信特征将采集的数据、分析或其他信息发送给治疗内科医生以用于进一步的评估。该类型的系统不仅由于每个人当前都使用他们的蜂窝电话或平板电脑用于各种其他应用而方便实用，而且还由于其将允许用户维持对个人的个体数据的控制和安全而非常有益。结果，通过避免不必要的医生出诊，可以节约大量的时间和金钱。

发明内容

本发明涉及一种个人健康监视设备，其可以是蜂窝电话或具有因特网连接的平板电脑。该设备包括用于采集并且存储从个体采集的或者关于个体的各种物理和环境属性的值的存储器。该设备进一步包括用于以指示每个属性的基准线和正常范围的方式来量化该属性的处理器。在识别出基准线和正常范围之后，识别与该基准线和/或正常范围的偏差。这些偏差然后用于指示可能的症状，该可能的症状指示个体的健康状况。将这些症状与已知的疾病症状进行比较以确定该个体是否具有已知的疾病。这些比较的结果可以在显示器上显示给该个体。如果该个体希望发送该结果给训练有素的医疗人员，则他或她可以使用因特网或蜂窝通信发送结果或导致那些结果的属性。在一些情况下，该个人健康监视系统可以包括一个或多个专家引擎和/或健康预测模块，其可以使用个人数据(包括个人属性数据、环境数据、基准线和正常范围数据、偏差数据等等)来执行健康诊断(例如识别用户的当前健康情况)或者预测未来的健康问题(例如预测癫痫发作的开始)。专家引擎和/或预测模块可以使用通过使用个人和环境数据所产生的一个或多个模型，其中这些模型确定或反映在个人的身体中检测到的各种循环，例如血液循环、氧循环、食物循环、泌尿循环、呼吸循环等等，和/或反映所检测到的各种物理和/或环境参数与健康问题或健康情况之间的高相关关系。这些模型可以基于新采集的数据而周期性地创建和修改以反映用户身体的当前运行或状态，并且可以用于执行健康诊断和预测分析。

附图说明

图1是个人健康监视系统的图，该个人健康监视系统能够从不同的来源采集并且存储表示用户的个人属性的数据，以使用处理器分析该属性以确定并且显示该用户的健康状况结果。

图2示出了电话或平板电脑的显示器，该显示器显示为了监视用户的健康而可以选择的功能。

图3显示了监视设备可能向用户询问的一系列健康评估问题的实例，以基于那些答案采集关于用户的体重和血压的额外的信息以及一些计算结果如身体质量指数和总体血压评估。

图4显示了用于向用户询问关于用户的医疗历史的一系列问题的实例。

图5示出了电话或平板电脑的另一个显示器，该显示器显示为了监视用户的健康而可以选择的功能。

图6显示了用于示出属性(如24小时时间段的用户血压)的测量值的图。

图7A显示了用于示出属性(如30天时间段的用户血压)的基准线的测量值和趋势的图。

图7B显示了用于示出属性(如5年时间段的用户血压)的基准线的测量值和趋势的图，用于显示用户为了降低该用户的血压而服用的药物的效用。

图8示出了电话或平板电脑的另一个显示器，该显示器显示作为对用户血压的历史分析而由健康监视系统生成的用户可能希望考虑的推荐。

图9A和9B是示出了用于分析用户的测量属性以确定用户的健康状况的过程的流程图。

图10示出了具有专家引擎的另一个个人健康监视系统的方块图，其中该专家引擎用于执行诊断和预测模块以使用个人健康模型预测未来的健康问题。

图11示出了使用来自多个人员的数据进行操作的基于云的个人健康系统。

图12示出了使用来自多个人员的数据/统计执行个人健康问题的预测分析的例程的流程图，其可以在图11的系统中实现。

具体实施方式

一种个体健康监视系统操作来采集和处理与个体的健康有关的数据并且操作来执行个人健康诊断或情况分析以及预测未来的个人健康问题。该个体健康监视系统优选地集成在蜂窝电话中以便个人使用，但是也可以以任何其他类型的计算/存储设备(如笔记本电脑、单独的个人监视设备、基于云的系统，等等)来实现。虽然显示并且描述了蜂窝电话作为优选实施方式，但是可以构想使用具有蜂窝通信能力或者因特网接入的平板电脑或类似的计算设备。概括而言，电话或平板电脑包括或具有到大型数据库的通路，该大型数据库用于存储从任意数量的个人感测设备或个人输入设备采集的所有数据或一些数据，所述个人感测设备或个人输入设备用于采集与个体的物理属性有关的数据，并且电话或平板电脑包括可以被用户调用(或自动地)来评价所采集的数据以确定个体的健康状况的软件应用。分析的结果可以包括当前个人健康问题的诊断、用于预测可能的未来健康问题、情况或关注的预测的健康分析、提供对改善个体健康的建议或推荐等，这些中的所有或其任意部分可以显示在电话或平板电脑的显示屏幕上。取决于分析的结果，用户可以选择使用标准蜂窝通信或任何因特网访问特征，将这些结果和/或用于生成这些结果的数据发送给治疗内科医生。在许多情况下，数据库还可以存储在执行个人健康诊断或预测时有用的信息，例如包括关于由用户服用的处方(或其他)药物的信息数据以及它们的已知副作用，通常已知的诊断数据，例如病或疾病症状、之前检测到的诊断情况等等，并且该数据可以通过使用蜂窝或因特网连接来访问或获取并且用于诊断个人健康问题或预测未来的个人健康情况。作为该系统的优选特征的一个实例，个体的被监视的物理属性可以用于确定是否由于服用药物而导致存在不希望的副作用，以及在这种情况下，系统可以产生警告，该警告被提供给用户。

优选地，从感测设备无线地采集个人健康数据，并且可以使用典型的有线连接，如使用USB、法尔接口或任何其他通信协议的那些有线连接，从感测设备直接下载该数据。该个人健康监视系统可用于以连续模式采集被连续采集或上传的个体数据，或者可以以周期性模式从能够采集并且有可能存储信息的感测设备周期性地采集数据。还可以由用户例如使用键盘、鼠标和输入屏、使用语音识别软件的语音输入系统等，手动地输入信息。在一个实例中，通常由医生提供的并且需要由用户填写的典型的问卷可以用作用于采集个人信息的手段。

用于存储该信息的数据库应当足够大以存储关于个体的物理属性的大量数据，并且应当包括与许多物理属性(如体温、血压、湿度、ECG、呼吸、血糖、心跳、用药、过去的药物等等)中的至少一个有关或者指示这些物理属性中的至少一个的数据，但是优选地可以包括许多个。优选地，该数据与创建和/或采集数据的时间关联地存储，以提供该数据的时间线。当需要新鲜数据来合适地分析个体的健康状况时，这一特征允许估计数据的历史时间线以及识别并且通知个体。使用该数据，可以识别对于该人员唯一的正常基准线和正常范围数据。可以将特定属性的正常基准线计算为该日的平均测量值、30日的时间段上的平均测量值或者给定属性的任意其他药物可接受范围。与基准线的可接受的偏差或范围可以取决于对于该特定属性将什么视为正常的而改变。例如，每个人的平均、正常或中值体温都是不同的。如本领域熟练技术人员所认识到的，一个人的正常基准线或范围不一定是另一个人的正常基准线或范围。这同样适用于血压、心率、呼吸、血糖等等。此外，系统可以检测或确定基准线和范围的趋势并且可以对这些趋势或者使用这些趋势执行分析。例如取决于当日时间、年龄等，血压往往走向不同方向。例如，在早晨，血压通常最高。此外，随着人们变老，特别是如果人们具有高血压家族史，则血压往往向上走向。理解这些正常范围和趋势可能对于诊断个人的健康状况以及理解如何根据需要适当地开药物处方非常重要。加之，通过监视基准线、范围和趋势，用户(和/或用户的医生)可以监视正在服用的或者规定的药物的类型和/或剂量的效用。此外，如本领域熟练技术人员将认识到的，其他应用也是有可能的。例如，该健康监视系统可以用于工作在有毒环境中的那些人，在这种情况下，可以监视与暴露于那些毒素相关的健康影响。

还可以优选地存储额外的信息以通过包括诸如个人医疗历史的信息，如果有可能的话包括家族医疗历史和个人医疗历史，来进一步辅助个人健康状况的分析。也可以由个体输入对于个体唯一的额外的信息，以形成更完整的数据集合。例如关于食物消耗的信息、血型、锻炼信息、睡眠信息、体重、处方/药物(当前和过去)、身体排液等等。可以以这样一种方式格式化该信息以使其能够被用于分析数据的应用根据需要容易地访问和读取并且完全可搜索。例如，能够搜索并且回看当前和过去处方可能对于确定新药物的兼容性而言是至关重要的。

该系统的其中一个益处是通过使用该系统的人工智能，当选择健康状况应用时该系统可以发现、查询个体或自动地识别症状，而不是让个体自己去认识该系统。通常个体不知道或者明白他或她应该把什么症状识别为是重要的。另一个优点在于通过提供医疗警报或者疾病早期检测或可能甚至包括对当前或新药物的反应的有害情况，该系统可以有效地用作个人医生的辅助。个人健康监视系统还可以检测用户何时忘了服用规定的药物并且警告用户。通常，系统可以使得个体能够监视他或她自己的健康并且仅当存在需要时才咨询医生。可以消除许多非必要的访问医生。此外，通过将所有数据集中化在个人设备如蜂窝电话或平板电脑上，可以保持信息私密、安全并且处于个体的控制之下。如果个体希望共享该信息，则蜂窝或因特网通信特征提供方便的方式来与治疗内科医生共享信息或数据。例如，如果患者具有高血压并且处方即将用尽，则代替进行预约以重新填写，个人可以利用由他的内科医生许可的设备监视他自己的血压并且将所采集的数据发送给内科医生，该内科医生然后可以许可合适的剂量并且直接在药房更新或改变处方。内科医生和患者都节省了相当大量的时间，这导致患者的成本节省。这种情况仅仅是本文所述的个人健康监视设备/系统的实用性和益处的一个实例。当然，本领域的熟练技术人员将明白或者预想到通过使用该设备/系统在健康护理业中可以取得的时间和金钱节省的许多其他这种实例。

现在参考图1，显示了电话10的示意图，其中，数据从不同的来源发送到电话10。如上所述，设想可以使用平板电脑或类似的计算和显示设备或者配置为实现本文所述的个人健康监视系统的独立的、可穿戴的设备来代替电话。该设备优选地具有蜂窝通信特征，以允许使用因特网连接9与治疗内科医生8共享采集的信息或者包括因特网或其他无线(或有线)通信系统以使得能够访问或获取数据。如图所示，电话10包括高容量存储器模块12，用于存储大量个体数据。该数据优选地盖有时间戳或者指向采集该数据的时间。虽然图1显示了用于存储个体数据的内部存储器模块12，但是本领域的熟练技术人员将明白可以使用连接到电话或平板电脑10的可插入的闪存卡、Sim卡或类似的高容量存储器11来存储该数据。此外，可以使用通常称为云技术13的技术来远程地存储数据，云技术通常用于使用常规蜂窝或因特网技术存储数据并且随后通过由用户选择软件应用来调用数据以评价所采集的数据以确定个体的健康状况。或者，用于评价所采集的数据的人工智能可以存储和实现在云13内，该软件可以周期性地处理数据并且发送该评价的结果给用户的电话或平板电脑10。为了助于大数据的存储，许多不同的已知类型的数据压缩技术都可使用并且这种数据压缩技术是本领域的熟练技术人员公知的。例如，无损压缩和有损压缩技术可以并且长期被使用以避免存储不必要的信息并且因而增加可用的存储器的容量。类似地，当在时间线上丢失数据时存在用于帮助外推数据的其他已知技术，并且这些数据外推或内插技术可以用于辅助分析个体的健康状况的当前数据，如本领域熟练技术人员所明白的。

从用于采集与个体的生理情况或属性相关联的数据的至少一个传感器，优选地多个传感器14，采集数据。随着时间采集的信息的类型越多，则对所采集的数据进行数据挖掘以创建基准线、范围、趋势、诊断、预后等等的时机越好。例如，呼吸、血压、体温、胆固醇、血糖、血氧、心跳(和/或心率)、肺噪、体重、用药等等是设想的参数的一些实例。本领域熟练技术人员将明白许多其他可能。传感器14可以通过马甲、臂带、腕带、踝带等等方式中的一种或多种，位于个体用户中或者与个体用户关联。这些设备中的许多是很容易得到的。例如，BestBuy当前正在推销和销售许多用于感测和监视个体生理情况的无线设备。一种该设备是无线活动和睡眠追踪器。另一个设备是“BodyMedia-FitLinkArmband”，其测量燃烧的卡路里、体温、步子和流汗、睡眠质量等等并且本质上是无线的。还有别家销售用于测量血压和血糖的监视器。传感器14也可以侵入到个体中，如心房脉冲产生器或其他设备，其可以例如传送药物给个体。在优选实施方式中，数据由感测设备14采集并且无线地发射到数据存储模块(11、12和/或13)。然而，数据可以经由电线如USB缆线从感测设备14发送到电话或平板电脑10中的数据模块12。在每种情况中，存储与数据的采集关联的时间。

由于每个个体是唯一的，所以从其他来源采集相关数据也是优选的。如图1中所示，包括家族和个人16的医疗历史的数据也是优选的。还可以提供关于个体的额外的信息。例如，还可以提供关于个体的食物消耗、日常锻炼、睡眠习惯、体重、药物的信息18。DNA信息20在未来也可能是重要的信息以便正确地分析数据并且可以被包括在其中。还设想从身体的不同区域取得病毒的样本以用于分析。随着健康状况程序的开发，本领域熟练技术人员将理解，可能需要并且采集其他数据。换句话说，随着用于分析数据的人工智能提高以检测个人的健康状况，额外的数据或以新方式采集的数据可能对于完成分析而言是必要的并且被设想用于本文描述的系统。

在优选实施方式中，电话或平板电脑10的处理器22用于启动应用，该应用访问来自存储器模块(11和/或12)或云13的数据并且使用采集的数据来执行计算，以取决于所选择的或者在监视用户健康的背景下连续操作的健康或健康状况程序，评估用户的健康或健康状况。然而，第二处理器可能被提供并且专用于这些应用。作为可能提供的该类型应用的一个实例，一个可能包括关于个人的血压的健康状况的通用诊断应用以确定是否存在高血压的问题以指示心脏病发作、中风、心力衰竭、肾病、压力等等。类似地，可以提供一种应用以评估个体的血糖以识别具有糖尿病的问题。由于血糖可能在一天中波动，所以理解个人的随着时间的血糖水平在许多诊断中是重要的。还可以确定和分析关于以上情况的趋势以及各种其他健康情况(如好和坏胆固醇)的趋势。通用的健康评估、警告、建议和推荐可以被提供并且是这些应用的益处中的一些。本领域熟练技术人员将理解，虽然实例中是监视血压和血糖水平，但是来自各种不同数据集合的所有数据(血压、体温、心率等等)可以并且应该用于个体的分析和诊断。换句话说，个体的分析不限于仅仅寻找给定个人属性的数据集合。用于评估个体的健康状况的大量其他医疗应用也是可能的并且在此处不叙述，并且本领域熟练技术人员可以开发许多这种应用以提供给电话或平板电脑10或者被电话或平板电脑10下载，并且以上述任一方式来使用。所产生的分析和与这些应用的交互可以显示在在电话或平板电脑10上通常可用的交互式显示器24上并且可以以许多有用的并且创造性的方式来显示。用于显示正常范围、基准线、趋势或用于显示数据的统计数据是可能的。也可以显示彩色警告、警报或建议。声音提醒也是可能的。此外，可以创建并且显示表格，以用于向个体询问更多信息以完成数据集合以供分析。应该清楚，该个人健康监视系统可以存储并且允许用户评估许多不同专家医疗应用，从而调节当前可用的医疗知识的价值以评价并且诊断数据以确定个体的健康状况。

参考图2-7，显示了电话或平板电脑10的一些示例性截屏并且用于示出用户可以如何：选择可能被下载并且存储在他的手机上的多个潜在健康评估应用中的一个，被询问以输入信息，以及查看用于显示评估的分析的结果的显示器。本领域熟练技术人员将理解，可以由用户存储并且选择许多其他类型的应用，可以向用户问问题以助于确定用户的健康状况，并且显示器可以用于显示不同参数、趋势等等。作为可以被存储并且选择的应用的一个实例，图2使用用户的电话或平板电脑的交互式屏幕显示了通用的健康评估程序26。选择该应用将导致向用户询问信息。如图3中所显示并且说明的，询问可以请求或包括用户的性别28、年龄30、身高32和体重34。该信息然后可以用于计算用户的身体质量指数36。可以询问额外的信息，如血压，其包括收缩值38和舒张值40。基于该信息，可以将健康指示42自动地显示为高血压、正常血压或低血压，以指示个体的健康状况。虽然该实例展示了用户可以如何被询问以输入关于用户的血压测量结果的信息，但是可以无线地或通过电线将该信息从如上所推荐的一个或多个测量设备发射到电话。如已经叙述并且如本领域熟练技术人员所明白的，可以使用平板电脑等设备代替电话来执行通用健康评估。

现在参考图4，还可以询问医疗历史。作为一个实例，显示了通过交互式地将对勾放在所显示的适当条目附近来请用户提供关于他的医疗历史的信息的表格44。本领域熟练技术人员将明白可以从用户获得无穷数量的医疗历史信息以助于用户的健康状况的医疗评估。这些表格可以以无穷种形式来排列和显示。当前表格显示了可以打勾的空间，其使得用户能够选择可以应用于该个人的过去医疗问题或当前情况，如，仅举几个可能的实例而言，以前的心脏病发作、糖尿病、高胆固醇、冠状动脉疾病、周围性血管病、家族心脏病史、中风和吸烟等等。

转到图5，用户可以从(图2中显示的)电话或平板电脑10上所显示的主菜单中选择应用，以显示各种健康监视器应用，如图5中所示的血压46、血糖48、日常锻炼50和其他52。如本领域熟练技术人员将明白的，存在各种可以由用户创建、存储和选择的健康监视器应用，并且图5中所示的应用仅仅是可以由用户安装和选择的多种健康监视应用的实例。许多其他应用也是可能的并且被设想到。作为一个示例，用户可以选择血压应用46。基于关于测量血压的历史信息，可以显示图形，该图形向用户显示他或她的如图6中所示的过去24小时的血压、如图7A中所示的过去30天的血压或者任意其他希望范围的血压。提供图7B以说明用户服用药物来降低血压的结果和效用。可替换地，本领域熟练技术人员将明白该健康设备/系统可用于测量对有毒环境中暴露于化学品的用户的影响。可以类似地监视用户的属性。

除了如图所示地显示图形，用于显示该信息的图表或其他方式也是可能的并且将被本领域熟练技术人员明白。取决于血压数据的结果，个人健康监视系统可以将建议提供给用户以用于改善用户血压的结果，如图8中所示。这些建议可以包括诸如让用户减轻一些体重、增加他或她的日常物理活动、改善用户的膳食(包括用户应该避免或在他们的膳食中包括食物的类型的推荐)、限制他或她的盐或酒精摄入或者看医生以得到关于他或她的血压或药物的推荐之类的事情。取决于采集和分析的数据，各种其他建议和推荐是可能的并且将被本领域熟练技术人员明白。此外，健康监视应用可以通过使用从个体的其他测量生理属性采集的历史数据，进一步精炼这些推荐或建议。例如，该应用可以将这些建议或推荐消减到一个或两个以便用户考虑和遵循。这就是该概念的益处之一。通过从一个个体唯一地采集数据，可以基于该数据，根据个体的需要量身定做推荐或建议。例如，该用户可以具有健康膳食并且具有大的体型，对他们的唯一推荐可能是咨询他们的医生。如果唯一的推荐或建议是看内科医生，则可以使用对于大多数蜂窝电话或平板电脑很常见的邮件或因特网特征将该结论中产生的信息发送给内科医生。通过这种方式，医生可以在用户到访前查看该数据，可以决定不需要到访或者应当延迟到访，或者可以决定存在问题因此应当立即安排到访，或者应当在到访前执行一些检测，等等。

现在参考图9A和9B，下文说明该系统可以如何分析信息以显示健康监视系统可以如何缩小疾病的可能起因或者诊断疾病。开始，用户可以选择健康评估按钮来开始分析(56)。该过程中的第一步是查看测量参数并且识别与每个测量参数的基准线或范围的偏差(58)。做出确定以查看该数据是否是当前的以及是否足以提供相当准确的基准线和范围测量值。以此为例，假设存在足够的时间段上的数据采集以确定每个测量参数的可靠的正常基准和范围。还假设存在足够的数据以提供这些参数的趋势。提供可靠的趋势、基准线和范围测量值所需要的历史数据的实际数量取决于正在测量或考虑的参数。可替换地，可以使用医疗可接受的基准线和范围。系统优选地具有默认值，该默认值可以识别测量信息何时足够地当前用于任意评价(60)。否则，识别需要更新的属性(62)并且用户决定是继续进行还是在前进之前采集必要数据(64、66)。例如，如果血压是数月的时间段之前取得的，则可以向用户做出在接下来数天内取得几个血压读数的推荐，以提供更当前的数据用于评价。如果其中一个参数是胆固醇，则数个月采集一次的数据可能足以提供合理的数据量来确定基准线测量值。在优选实施方式中，该系统将识别何时需要新数据来用可靠的数据更新系统，以甚至在用户请求健康评价之前来评价健康并且向用户发送消息或者通知用户需要新数据。该系统可以通过当这些参数非当前时提供这些参数的加权值来解决该选择。

如图所示，用户具有利用略微过时的数据或完全不用数据来进行该分析的选择。当无数据时，数据不完整时或者当数据过时时，医疗可接收的范围如120/80血压可用于完成分析。对于用户决定继续分析的情况而言，优选地在分析结束时向用户提供推荐以采集更多关于特定参数的更多数据以便更准确的分析。

可以通过将与基准线和/或正常范围的偏差识别为正常、略高、高、略低、低或者通过设置调整值(如在正常和高之间的1到10以及类似地在正常和低之间的-1到-10)来调整该偏差，以归类或分类该偏差(68)。用于调整、归类或分类与正常值的偏差的其他方式是有可能的。对于本实例，假设当前测量的参数指示血压是低的、体温是正常的、心率是有点高的、呼吸是正常的、体重是有点低的，氧饱和水平是正常的并且葡萄糖是高的。此时，系统可以访问已知疾病、病症、病痛的库，以将他们的已知症状与识别的分类参数进行比较，以识别可能导致用户具有糟糕健康的候选项的可能的匹配(80)。如果可能性列表很大，则可能有必要进行更多的调查(72)。一般在利用有限数量的测量参数时，将需要更多信息。然而如果找到匹配，则可以警告用户(74)并且可以提供可能的治疗的列表(76)。附加地或可替换地，包括数据和结果的该信息可以发送给医生(78)。如果在72处没有找到匹配，则需要更多信息来完成分析。

接下来，访问关于个人和家族历史的信息库(在方块80)。考虑诸如用户正在服用的药物及其可能的副作用之类的事情，以确定该副作用是否将导致由测量参数指示的一些或全部情况(82)。类似地，考虑其他历史情况，如种族、性别、年龄、过去医疗历史、以前疾病、以前手术、酒精使用、吸烟习惯、体育活动、规定膳食、过敏反应等等。对于本实例，假设用户具有体重过大的历史并且他的去年的葡萄糖趋势持续在高端游走。基于以前的分析，当与测量参数结合并且与已知疾病、病症、病痛的已知症状比较时，这些因素看起来是重要的因素(84)。如果识别了匹配，则警告用户(86)，并且可以提供可能的治疗的列表(88)。同样地，用户具有将所有或一些信息发送给他的医生的选项(90)。如果没找到匹配，将需要更多信息来继续该分析(84)。

为了助于缩小疾病，优选地向用户询问一系列问题(92)。这些问题可以是在你为了疾病而首次拜访医生的办公室时被问到的典型的问题，但是也可以包括其他问题。这些问题可以包括诸如是否有任何疼痛？疼痛的位置在哪里？疼痛从1到10的刻度的程度？是否有任何皮疹？疾病发作来得迅速还是缓慢？是否有充血？是否有咳嗽、头痛、疲劳、焦躁之类的事情？通常，典型的问题涉及头部、皮肤、呼吸、心肺、肌肉、泌尿和神经系统。对于本实例，用户注意到需要增加排尿。

基于该系列问题连同当前参数测量值、个人和家庭历史和问题，可以确定初步诊断并且做出推荐或者可以询问进一步的问题(94)。例如关于用户是否吃饭正常，是否过度饥饿、过度口渴、疼痛等等的问题。在用户回答该问题之后，做出关于症状与已知疾病是否存在匹配的确定(96)。如果不存在，则系统可以执行进一步的询问(92、94)。对于这种情况，假设存在过度饥饿和口渴。这些症状当与以上数据结合时有助于缩小分析并且将建议与糖尿病、尿路感染或可能需要医生注意的其他紊乱相关的健康问题。警告用户(98)，并且识别可能的治疗(100)。该诊断的分析和基准可以被下载然后使用电话或平板电脑的电子邮件或因特网特征发送给用户的医生(102)。如果诊断表明没什么威胁，如着凉或流感，则可以建议普通治疗或柜台药物。在所有情况中，优选的实施方式是健康系统识别健康问题的可能的起因、这些起因的症状和/或可能的治疗的列表。在没有找到匹配的情况中，则可以使用户注意多个最接近的匹配，例如前五个匹配连同它们的症状和普通治疗(104)。此外，可以向用户显示关于可以助于识别疾病的测试类型的推荐(106)。然后可以将所有这些结果发送给医生(108)。

以上实例仅仅是说明性的并且本文描述的个人健康监视器系统不限于找出或诊断疾病，并且还可以寻找处方和非处方药物的副作用。该系统还可以寻找组合药物的冲突或效用并且警告用户。在这种情况下，数据模块优选地包括这样一种库，该库包括用户正在服用的药物的已知的副作用的至少一个列表，使得其可以与测量参数进行比较以寻找这些副作用并且如果检测到这些副作用中的一些则向用户询问问题以获得更多信息。例如，可以向用户询问与上面描述的类似或者特别针对所指示的药物的副作用的问题。如果问题涉及对于用户正在服用的当前药物的可能的反应，则可以将警告连同该药物的已知的副作用给予用户。用户因此可以使用该系统的电子邮件或因特网能力发送该信息给他或她的医生。

图10示出了具有专家引擎102的个人健康监视系统100的另一个实例的方块图，其中专家引擎102用于执行诊断和预测模块103，诊断和预测模块103用于更全面地预测可能的未来健康问题或情况。具体而言，个人健康监视系统100包括输入单元104、数据库106和控制器/CPU108，以及一个或多个专家引擎102和一个或多个预测模块103。输入单元104可以包括各种传感器110或者可以附接到各种传感器110，传感器110测量与身体有关的参数或物理参数，并且可以包括例如体温传感器、脉搏率或心跳传感器、步伐监视器、血糖(葡萄糖)水平传感器、二氧化碳传感器、呼吸传感器或者检测或测量用户身体的任何部分的物理参数的任何其他类型的传感器，包括结合图1的系统所描述的任何传感器。输入单元104还可以包括周围环境传感器112，如花粉传感器、温度传感器、湿度传感器、烟雾传感器、辐射传感器，等等。环境传感器112可以测量或检测与用户所处于的环境相关联的任何环境参数。此外，输入单元104包括全球定位系统(GPS)单元114或其他定位检测单元，以使用例如全球定位信号、蜂窝电话塔定位信号等检测用户在任意特定时间的位置。此外，输入单元104可以包括其他数据输入源或者可以附接到其他数据输入源，如因特网连接116、无线电话连接118等，并且可以通过这些通信连接访问存储在其他位置的其他类型的数据，如特定位置的温度、花粉统计、湿度、降雨、烟雾等等、与医疗情况或疾病相关联的症状、已知的药物相互作用等等。这些类型的输入可以与GPS传感器114相关联或者与GPS传感器114一起使用来确定或断定与用户在任意特定时间的位置相关联的环境参数，如用户在任意特定时间的位置的环境温度、花粉统计、烟雾水平等等。当特定类型的环境传感器不能用作传感器112的一部分时，这些输入尤其有用。更进一步地，输入单元104可以包括用户输入/输出设备122，如显示屏、麦克风/扬声器、语音输入单元(包括将语音或口令转换为数据以存储供用户使用的语音识别单元)、键盘、鼠标、跟踪器或其他用户操作的数据输入机制。这些设备可以用于使得用户能够响应于设备100显示的或以其他方式提供的问题、表格、提示(例如语音或显示屏提示)来输入数据。

类似的，如图10中所示，数据库106存储由系统100采集和/或确定的各种类型的数据或者以其他方式由系统100使用的数据，来以健康诊断和健康预测的形式执行个人健康监视。如所指示的，数据库106可以以诊断、趋势、基准线、与基准线的偏差等等形式来存储输入系统104采集的所有和任意数据以及系统100的其他组件产生的数据。如图10中所示，数据库106可以存储由系统100经由输入系统104测量或采集的个人物理数据106A，例如血压；氧饱和度；胆固醇；体重；体温；葡萄糖水平；药物、食物和/或液体摄入数据；运动数据；睡眠数据；年龄；性别；医疗历史；过敏史；药物、食物和其他反应；家族医疗历史数据；等等。此外，数据库106可以为用户存储周围或环境数据，如环境温度、湿度、花粉统计、GPS数据等等，该数据可以经由传感器112、GPS单元114，经由因特网或电话连接116、118等中的任意一种来获得。进一步地，数据库106可以存储诊断数据106C，包括任意数量的可能的病或疾病的病和疾病症状、效果、标记等等。例如，单核细胞增多症的症状可以包括疲劳、总感觉不舒服(萎靡)、喉咙疼、对抗生素使用没有反应的链球菌喉咙、发烧、颈部和腋窝淋巴结肿胀、扁桃体肿胀、头疼、皮疹、脾脏软肿胀。此外，对于这种疾病，数据库106C可以存储病毒具有大约4到6周的潜伏期，对于儿童这个潜伏期可能更短，并且诸如发烧和喉咙疼之类的症状通常会在几周内减轻，但是疲劳、淋巴结变大以及脾脏肿胀可能会多持续几周。

通过类似的方式，数据库106C可以将病毒性肺炎的症状存储为低烧、发冷、肌肉疼痛、疲劳、颈部淋巴结变大、胸部疼痛、喉咙痛以及通常仅带出少量粘液的咳嗽。数据库106C可以将细菌性肺炎症状存储为高烧、带有深绿色或铁锈色粘液的咳嗽、气短、呼吸促迫、随着深呼吸变得更糟糕的尖锐胸痛、腹痛、严重疲劳、发冷、重汗以及意识模糊。

作为另一个实例，数据库106C可以存储与肺病/呼吸问题和石棉接触有关的症状或情况。概括而言，石棉是一组具有细小的微观纤维的矿物。由于这些纤维耐热、耐火、耐化学品，并且不导电，所以石棉已被开采并且广泛用于建筑、汽车和其他工业。如果包含石棉的产品破损，微小的纤维将释放到空气中，并且当呼吸进石棉时，它们可能会陷入到肺里，并且在那里停留很多年。随着时间推移，这些纤维可能累积并且导致严重的呼吸问题。

此外，数据库106C可以存储肺癌症状，如咳嗽(例如不会消除或变为慢性的“吸烟者的咳嗽”的顽固性咳嗽，如咳嗽更多或更疼、咳血、咳血色或铁锈色痰(唾液或痰液))；呼吸困难，包括气短、哮喘或呼吸杂音(称为喘鸣)；食欲不振，这有可能导致无意识的体重降低；疲劳(例如感觉虚弱或过度疲倦)；循环感染，如支气管炎或肺炎；以及流感症状，如高烧、头疼、疲倦/虚弱、干咳、喉咙疼痛、流鼻涕、身体或肌肉疼、腹泻和呕吐(对儿童更常见)。

此外，数据库106C可以存储弯曲杆菌感染(即，食物中毒)的标志或症状。通常，弯曲杆菌是一种引起严重腹泻的细菌。通常通过污染的食物、水或未经高温消毒的牛奶的摄入，或者通过与被感染的婴儿、宠物或野生动物的接触而传播。数据库106C可以存储弯曲杆菌的症状，包括腹泻(有时带血)；恶心和呕吐；腹部疼痛和/或绞痛；心神不宁(通常不舒服)和发烧。

数据库106C可以存储肾结石的症状，包括背部和体侧或者下腹部的尖锐疼痛，这种疼痛朝着腹股沟或睾丸移动；不能找到舒服的位置；在地上踱步；恶心和呕吐，伴随着持续的侧面疼痛；尿血；以及频繁尿急。并且，有时还存在感染，并且可能造成发烧和发冷、尿痛和尿混浊或恶臭的额外症状。

当然，这些只是各种病和疾病的症状的少量集合，并且还可以存储或者替代地存储任何其他数量的病、疾病和情况的症状。此外，可以理解，许多这些症状的指示不能直接测量，因此必须由用户手工输入或者经由语音输入机制、经由询问和回答屏幕或者经由允许用户勾选当前观察到的症状的弹出窗口来输入。此外，专家系统102或者预测模块103可以在执行诊断或预测时询问当前或过去观察到的情况。

数据库106还可以存储治疗数据106D，包括病、疾病或其他医疗情况(例如包括为了治疗病、疾病和其他个人医疗情况(例如肌肉、头、胃、骨头等的疼痛)所使用的已知的药物的名称、剂量、副作用等)的过程、救济方法和其他治疗。数据库106D还可以存储药物和食物相互作用。进一步的，数据库106可以存储与个人健康监视系统100本身为用户做出的诊断和预测106E相关的数据以及作为该过程的一部分所产生的任何数据。例如，数据库106E可以存储由专家引擎102或健康预测器模块103做出的之前确定的诊断、疾病、医学预测、推荐等，如下面更详细描述的。类似的，如针对图1的配置所指示的，数据库106可以存储上述任何和所有参数的时间数据，如何时采取或接收每种测量或输入数据、与之前的病、疾病、症状数据(如果比数据涉及的时间更晚输入的话)等相关联的时间、饮食和/或药物摄入的时间，等等。此外，可以理解，存储在数据库106中的数据可以是各种类型的数据，包括定量数据(例如温度、血压测量值等等)以及定性数据(好/坏、在1到10范围上的疼痛级别等等)。

此外，如图10中所示，专家系统102连接到处理器或控制器单元108，二者都可以使用数据库106中存储的和/或输入系统104提供的任何数据。专家系统102可以是任何类型的专家系统，包括基于规则的系统或基于模型的系统。具体而言，专家系统102可以实现为神经网络系统或者使用神经网络系统来实现、实现为偏最小二乘法(PLS)系统、模型预测控制系统、主成分分析系统、回归系统等等。概括而言，专家系统102可以是使用训练模型(如神经网络模型、MPC模型、回归模型等等)的基于模型的系统，其对一组训练数据(如数据库106中存储的数据)进行操作以产生模型，并且该模型可以被其后用来基于输入到并存储在系统100中的新数据来执行诊断。模型可以随着时间推移使用新或更近的数据来重新训练以更新模型。此外，专家引擎102可以使用数据库106中存储的模型和数据来执行诊断，并且额外的可以使用从存储或输入的数据所推导的数据，包括趋势数据、基准线数据、最新测量的数据、中值或平均值(或其他统计)数据、与趋势或基准线数据的改变或偏差，或者已经被普遍接受或认为是普通参数的数据等，其可以由控制器108针对任何给定时间或时间段计算得到。概括而言，专家引擎102可以基于关于用户和用户的环境、摄入、输出等的输入数据，使用模型库109中产生和存储的一个或多个模型来对用户的身体的操作进行建模。

此外，如图10中所示，专家引擎102可以使用反馈或更新环路130来精炼或微调其执行的分析。具体而言，专家引擎102可以确定需要更好的、更近的或者新的类型的数据来执行更完整的分析或诊断，并且可以经由更新环路130来获取该数据。具体而言，专家引擎102可以在做出诊断时，确定某些输入数据过期或者不可用，并且可以使用更新环路130来获取该数据并且基于新数据来重算或精炼该分析。具体而言，更新环路130可以查询输入系统104以获取关于任意希望的数据输入的更多或更新的数据，如新的胆固醇测量值、血压测量值等等。更新环路130可以请求用户经由一个或多个输入设备122输入所要求的数据，可以将适当的传感器110或112用于该新数据，可以经由因特网连接116或电话连接118访问服务器或其他外部数据存储设备来获取所要求的数据(其可以是周围环境数据、新的疾病症状集合，等等)。此外，更新环路130可以包括观察到的情况方块132，其可以提供专家引擎102所需要的、关于所观察到的情况的更多信息。例如，方块132可以从用户确定用户是否具有专家引擎102进一步精炼诊断可能需要的、但是还没有为其采集数据或没有为其采集最近的数据的一个或多个症状。方块132例如可以询问用户以回答关于某些情况存在或不存在的一个或多个问题(例如用户是否经历盗汗、皮肤干燥、头疼等)。方块132可以命令用户采取额外的措施或采集额外的数据，可以使得用户执行一个或多个动作然后取得额外的数据，或者可以使得用户按照特定顺序执行一系列动作以获取新的或更新的数据(如使得用户深呼吸、喝水等)。当然，方块132可以通过用户输入设备104询问用户，或者可以以其他方式获取这些数据并且将所更新的或新数据提供回专家引擎102，以供执行进一步诊断时使用。

进一步的，如上所述，系统100可以包括健康预测模块103，其可以用于预测未来的健康情况或问题。与用于诊断当前健康情况的专家引擎102不同，方块103可以分析数据库106内的数据以确定可以用于预测未来情况的趋势或循环。例如，方块103可以包括数据处理单元，其处理数据库106内的数据以观察指示健康问题或与健康问题相关的趋势或循环。例如，预测方块103的数据处理单元可以确定在未来的一个或多个时间处用户的血糖水平和头疼是否有关联。在该实例中，预测方块103的数据处理单元可以处理存储在数据库106中的个人健康数据以寻找各种不同参数在相同或不同时间的强关联或正关联。在该实例中，方块103可以确定血糖水平高于某个量将会导致大约10小时后的头疼。方块103的数据处理单元在做出这一确定或认识到这一因素之后，可以将规则(或模型)存储在数据库109中以供未来做出健康预测时使用。方块103的预测单元还可以使用这些规则来预测未来的健康问题，如检测血糖水平何时高于特定范围并且基于所存储的规则或模型告诉用户该用户很可能在大约10小时后会头疼。预测方块103可以附加地使用数据库106中的数据来推荐用于防止或最小化健康情况的动作(例如告诉用户服用止疼药、维生素等等)以降低该情况或最小化该情况实际发生的可能性。当然，方块103可以将预测和所推荐的动作存储在数据库106中并且在未来的时间进一步分析该数据以查看所推荐的动作是否减低或消除了问题或健康问题，并且可以使用该进一步的数据用于下一次预测或推荐过程。

当然，方块103的各个部分可以由处理器或控制器108在后台周期性地执行或者以连续方式执行以测试和确定所存储的数据中的关联，从而产生预测规则以用于进行预测。为了确定关联，方块103的数据处理单元可以选择存储在数据库106中的各种不同组或类型的数据来测试该关联，可以选择或使用任意不同数目的数据或数据组合，并且可以改变与不同类型的数据相关联的时滞或时间循环来确定可能的高相关数据以供进行预测使用。此外，方块103的数据处理单元可以选择或改变数据组(各种不同的参数组合)和/或这些数据组之间的时滞以在以系统方式、以随机方式或者以半随机方式进行分析时使用。进一步的，方块103的数据处理单元可以改变使用各种数据参数的时间段(例如一天、一个月、一个小时、5分钟等等)和在每次关联确定时使用的数据的量。方块103的数据处理单元可以使用原始数据，或者可以在各种时间段上对所存储的数据的原始数据进行预先处理并且对所处理的或统计数据进行操作，例如平均值、中值、标准差等等。方块103还可以对所检测到的基准线、正常值、趋势和与这些值的偏差进行操作。可以理解，方块103可以以任何形式测试数据参数的组合或者可以组合数据参数(包括物理参数、周围数据参数、食物摄取参数、诊断参数，等等)，分析只受到数据库106中存在的数据的量或者可以通过数据输入单元104访问的数据的量的限制。

虽然已经将方块103描述为基于所检测到的数据中的关联进行预测，但是方块103可以以任意希望的形式确定或执行关联分析。例如，方块103可以使用一个或多个数据模型(如数据库109中存储的模型中的任一个)，包括神经网络模型、PLS模型、MPC模型或其他数据模型，并且在做出关联确定时可以运行主成分分析、回归分析等。

概括而言，可以理解，专家引擎102(在做出诊断确定时)和预测模块103(在做出预测分析时)产生或使用(使用存储在数据库106中的个人健康数据确定的)一个或多个模型，该模型对用户身体的反应或操作进行建模。换句话说，这些模型被创建以对用户身体中存在的各种循环进行建模或预测，如血糖循环、氧吸收循环、食物循环、药物反应循环等。这种循环可以存在于数据库106中存储的任意两个或更多个参数之间以及任意参数或参数组与健康问题或健康情况之间，并且概括而言，确定有意义的循环所涉及的参数以及这些参数之间的、限定了参数之间的有意义的和关联关系的最相关的一个或多个时滞是非常重要的。此外，这些模型(或循环)将在用户的身体随着时间改变而改变(变老、暴露于不同环境、疾病等等，吃药、改变锻炼或食物摄入习惯，等等)时发生改变，并且因此模型应当更新以反映用户身体或环境的改变。此外，专家引擎102和预测模块103所产生和/或使用的一个或多个模型是专门定制的并且反映正在被建模的特定用户的个人模型(并且可能随着用户不同而显著不同)。因此这些模型更准确并且对该用户来说更有预测性，尤其是当为该用户采集的数据越来越多时，并且模型可以基于新采集的数据而被精炼、调整或重新生成。

在一种情况下，预测模块103可以根据当前情况和趋势预测未来的健康情况。为此，预测模块103可以查看参数的时间关系(例如锻炼与体温升高之间的关系)、可以将当前观察到的情况(随时间)与参数变化(随时间)进行比较、可以使用参数的趋势和参数之间的已知关系来预测未来的情况(例如通过产生和运行封装有这些关系的模型)，等等。此外，系统100可以使用或允许数据的口头输入而不是要求例如经由键盘的数据人工输入。这种口头输入可以使得用户能够容易地输入所消耗的食物/饮料的类型和特征、消耗的时间和量、排出的废物(以及时间和近似量)、例如以天气、感觉到的痛或疼痛的形式的观察到的情况、用户何时感觉恶心，等等。

作为一个实例，模块103可以测量或确定诸如葡萄糖、血压、可以用来测量或检测呼吸道紊乱的氧饱和度(O₂)、胆固醇、体重、睡眠、消耗、心率、体温、年龄，等等之类的事物。作为另一个实例，预测模块103可以确定某些数据参数和健康事件之间的相关或最相关的时滞，以确定身体循环或对身体循环进行建模。例如，用户可以测量向用户身体引入了浓缩氧时的O₂水平，并且模块103可以确定开始在四肢(如用户的手指或脚趾)出现更高的O₂水平时的时滞。在这种情况下，模块103可以测量O₂升高的量和升高的时间段(即，O₂的升高和引入之间的时滞)。这里，峰值时间可以表示用户身体的O₂循环。在其他情况下，模块103可以测量体温的升高和心率之间的时滞、血液中胆固醇升高与肉类消耗之间的时滞、血糖水平升高或降低与肉类消耗之间的时滞、水消耗与体温/O₂/心率等之间的时滞。模块103还可以使用所确定的因果关系或循环来找到关系或找到事件起因。这样模块103可以找到血压和心率、血流量、抵抗力、锻炼、脉搏率、胆固醇、体重(升高或降低)、gfr(肾小球滤过率)、体温、葡萄糖耐受性、肾脏疾病(诊断)等之间的关系。此外，模块103可以找到胆固醇水平(或其改变)与血压、心脏病(例如如果用户已经被诊断为具有心脏病或者具有心脏病家族史)、甘油三酯、糖尿病(例如如果用户已经被诊断为具有糖尿或者具有糖尿病家族史)、睾酮、雌激素、维生素摄入等等之间的关系。模块103可以找到所有或任意所采集的数据参数之间的关系，这些关系之间随着时间的趋势可能非常重要。此外，模块103可以使用所识别的关系和/或趋势来诊断、预测或创建趋势，以创建所有已知关系与健康状态的索引，等等。

作为另一个实例，模块103可以使用先行指标来执行健康预测。具体而言，模块103可以搜索数据库106或其中的参数以获取健康情况(如头痛、胃疼、癫痫发作等等)并且找到哪些数据参数或数据参数组与其以某种方式相关联，以及与该关联相关的最相关时间延迟。模块103例如可以针对健康事件对该数据参数运行聚类分析和/或多元线性回归分析，以确定最相关的先行指标(例如与健康事件相关或相关联的参数、相关参数的数据值以及与相关参数和健康事件相关联的时滞)，从而确定个人的健康事件的一个或多个先行指标。其后，模块103可以构建模型用于寻找这些先行指标，并且预测未来的基于所确定的时滞的时间或者与所确定的时滞相一致的时间的健康事件。此外，健康预测模块103的输出可以用作专家系统102的输入以使得专家系统102基于所预测的情况执行诊断。

在另一种情况下，预测模块103可以预测通常需要在实验室中或者使用外部测试来测量的身体参数(例如血糖水平)。在这种情况下，模块103可以使用回归分析、主成分分析等等来找到与实验室测量的值(假设对于与所存储的数据相关的时间的实验室测量的值被提供给系统100)最相关的一组参数(例如存储在数据库106中的物理和/或环境参数)。其后，模块103可以创建反映这些关系或关联的模型，并且可以使用该模型基于没有执行测量或实验室测量的最近的物理和/或环境数据集合来预测只能在实验室中或者经由外部测试来测量的参数。通过这种方式，预测模块103可以操作来预测实际上只能在实验室或者使用外部测试来测量的物理参数，并且可以将预测值提供给专家引擎102，可以使用预测值用于其他预测或模型，等等。这种系统例如可以用于预测个人(例如有糖尿病的人)的血糖水平以减轻用户必须每天执行的血液测试的数量。

如图10中所示，系统100可以包括推荐方块150，其可以使用方块102和103输出的诊断或未来健康预测以及存储在数据库106中的数据来推荐要由用户采取的一个或多个行动。推荐单元或方块150例如可以搜索数据库106以获得治疗方法、药物或其他推荐以缓和、最小化或治疗所检测到的情况(诊断)、预测的情况，等等。推荐方块150在做出推荐时可以考虑其他信息，如用户正在服用的其他药物、过敏史、家族史或者用户的其他物理情况(例如高血压、高胆固醇等等)，以选择或选出要给用户做出哪种推荐。因此，例如，如果用户被预测具有头疼或者具有身体疼，但是对布洛芬过敏，则推荐单元150可以推荐阿司匹林或者泰勒诺而不是布洛芬，即使阿司匹林和泰勒诺通常没有布洛芬有效。此外，推荐单元150可以使用预测方块140产生的关系或规则来做出推荐，例如如果根据方块103过去的检测，用户对阿司匹林的反应比布洛芬更好，推荐单元150可以推荐阿司匹林用于预测到的头疼。

如图10中所示，系统100还包括输出方块160，其可以获取专家引擎102输出的诊断或者预测模块103产生的预测情况，和/或推荐单元150提供的推荐，并且基于其来执行一些动作。例如，输出方块160可以经由输出设备(例如显示屏、文本消息、电子邮件、语音系统等等)，向用户显示或以其他方式提供预测、诊断或推荐。进一步的，如上所示，方块160可以根据用户的设置或指定，向医生、治疗师、药房等提供该诊断或预测的健康问题，甚至推荐的动作。该信息可以以任何希望的方式发送，例如经由电子邮件、文本消息、个人登录医生诊所的账户，等等。进一步的，输出单元160可以执行一些与显示的或提供的输出相关的动作，如提醒用户及时服用规定的药物、检查血糖水平、吃或喝某些东西以防止糖尿病事件的发生，等等。概括而言，希望输出单元160在一些情况下提供示出诊断或预测的健康问题或者与诊断或预测的健康问题相关联的相关参数的图、图形或者图表。这种图例如可以示出两个或更多个参数之间的关系、与健康问题有关的一个或多个数据参数的正常范围和当前值，或者任何其他类型的使得与情况有关的数据可以理解的图或图表。这些图或图表的形式例如可以为平行图、蜘蛛图、群集图等等，当然还可以使用其他类型的图、图表和图形。这种图和图表可以用于被提供给医生以使得医生能够快速理解系统100所确定的分析、预测或诊断背后的原因。

注意，系统100还可以包括数据处理器或清理器170，其用于清理、过滤、预先处理等在数据库106中采集和存储的数据。具体而言，清理预测模块130所使用的和专家引擎102中的数据以保证预测和诊断的准确性非常重要。数据清理器170可以使用多种已知的技术中的任一种来清理数据，包括过滤数据、移除离群数据、分析数据以保证其尽可能准确，等等。具体而言，数据清理器170可以分析该数据以查看数据是否都相同，是否具有类似或重复的模式等，任一情况都可以指示数据还不够准确。具体而言，在一些情况下，如当用户被要求人工输入数据时，有可能用户可能编造数据或试着回忆数据。在许多情况下，当这样做时，用户可能会输入相同数字的数据(尽管该数字不准确)、可能重复数据模式，等等。这些模式可以指示数据不够可靠来用来做出预测或检测模式或关联，并且因此数据清理器170可以使得单元102、103、150等不考虑该数据。进一步的，数据清理器170可以分析与数据被首次存储在数据库106中时相关联的时间戳，以确定数据是否与该数据所相关的时间相对同时地或同步地输入，或者该数据是否输入地晚得多(指示该数据可能不那么可靠)。进一步，数据清理器170可以将缺少足够的数据测量值的数据流识别为不可靠的并且可以消除该数据或将该数据标记为不可靠的或者在预测或诊断分析中存疑的。进一步的，数据清理器170可以使用外推(基于某种类型的直线或曲线或者使用任何已知的外推算法)或者使用内插来填充缺少的数据。类似的，数据清理器170可以使用上述因素中的一些或全部以及数据来源(例如数据是来自传感器还是由用户手动输入)来给该数据分配可靠性因子。此后，预测单元103和专家引擎102可以使用该可靠性因子来评估或估计诊断或预测的可靠性，来确定在预测或关联分析或诊断中使用哪些数据，等等。

虽然这里将个人健康监视系统100已经描述为集成到电话、平板电脑或其他个人计算设备中的独立单元，但是这里描述的个人健康监视系统100的一些或大多数特征可以以分布式形式实现，如在服务器(或者在云中)结合个人计算设备来实现。例如，上述输入和显示特征可以在个人计算设备中实现，如电话或平板电脑，而预测模块103、专家引擎102、数据库106、推荐单元150和数据清理器170中的任意或所有都可以实现在经由有线或无线连接与该个人计算设备相连的一个或多个服务器或其他计算设备中。概括而言，这些特征通常是计算昂贵的或者存储器密集的，可以实现在服务器内的高功率处理器/存储器中，其可以与个人计算设备通信以访问或获取新数据并且向用户提供输出(例如推荐)。在这种情况下，个人计算设备和一个或多个服务器将使用标准或已知的通信接口经由通信网络进行通信。

图11示出了基于云的个人健康监视系统200，其与多个不同的人或个人健康监视器通信并且对其提供支持。具体而言，图11的系统200包括云(或其他方式的远程)服务器或服务器网络202，服务器或服务器网络202包括处理器204和数据存储单元206。服务器或服务器网络202存储多个不同的人或用户中的每一个的个人健康监视数据(例如由图1-10的个人健康监视系统采集、产生或存储的上述数据中的任何一些或全部)。类似的，服务器网络202可以存储和在处理器202上实现(执行)上述结合图1-10描述的各种不同的诊断、预测、推荐和数据清理模块中的任何一些或全部，包括专家引擎102、预测模块103、推荐模块150等等。这些来源可以被具有个人设备210a-210n的各个用户共享，以基于存储在数据库206a-206n中的那些用户的个人数据来为每个用户执行个人健康监视。用户210a-210n中的每一个可以具有个人设备，如电话、膝上型电脑等等，其包括输入机制，如与图10的输入单元104相关联的输入设备中的一些或全部，并且可以包括任意数量的输出设备，如显示设备、文本消息或电子邮件例程、语音产生设备、报警设备等等。设备210a-210n经由位于设备210a-210n和服务器网络202中的通信接口215与服务器网络202通信(优选地无线通信)。通信接口215可以使用任意希望的或已知的通信协议，包括HTTP、基于因特网的协议、蜂窝数据协议等等，来实现任何希望类型的通信。

虽然图11的系统200示出了大多数个人健康监视处理是在服务器网络202处执行的，但是这些处理中的一些或全部可以在设备210a-210n中实现(设备210a-210n中的每一个包括处理器)以例如执行数据采集、数据清理、预测分析、诊断分析等等。此外，对于不同的设备210a-210n，这些类型的数据处理的不同部分可以取决于设备210a-210n的处理能力和存储器容量、用户偏好等等以不同方式划分。类似的，根据需要，用户可以将其个人数据存储在设备210a-210n中的一个中并且将该数据发送给服务器网络202以在需要时进行处理，从而更加机密地保持个人数据(因为其不会永久存储在服务器网络202中)。

重要的是，使用图11的系统，通过使用来自多个用户的数据执行诊断、规则或关联检测以及预测分析反馈，整个个人健康监视系统200的诊断和预测能力可以相对于单个系统(如图10的)提高。也就是说，预测和关联分析例程可以扫描多个人的时间序列数据来寻找趋势、基准线、关联、时间延迟等，并且可以基于该数据的组合或者使用来自多个人的数据产生规则或预测关联。在一些情况下，来自单个人的数据对于确定或检测参数值和预测的健康问题或诊断情况之间的特定关系或关联来说可能不够全面。然而，分析来自多个人的数据可以提供更全面的数据以基于该数据来检测这种关联。此外，针对一个人检测到的关联和从而确定的规则或预测结果可以用于其他人，或者可以对其他人的数据进行测试以确定这些规则、关系、关联和/或时间延迟是否更普遍地适用(即，是否适用于其他人)。结果是，多个人的更多数据的可用性使得服务器网络202处的预测和诊断例程更加精确，能够检测适用于多个人的规则或关联，能够确定或缩小各个输入和输出参数(健康问题)之间的时间关系，等等。

图12示出了可以例如在图11的服务器网络202处使用来基于来自多个不同人的数据在服务器处执行诊断和预测检测的例程300。具体而言，方块302向大量人的数据库存储这些人中的每个人的已知的医疗情况或已知的医疗情况集合以及医疗数据、个人数据、环境数据等等。已知的医疗情况可以由用户自身识别(例如自己报告的情况)或者可以是由那些人的个人健康监视系统确定或预测的情况。本质上，方块302存储每个人都具有个人健康监视系统的一组人的所有数据。然而，有可能数据库302中的一些人不具有个人健康监视系统，而是这些人的数据来自其他来源。

在方块304处，例程(如专家引擎或其他情况或预测模型搜索引擎)识别或选择一个医疗情况或医疗情况组合以进行分析。此外，方块304然后识别具有所选择的医疗情况或医疗情况组合的人(或者这些人的数据)。接下来，方块306将方块304中识别的每个人的数据进行比较或分析以找出数据中的相似性，包括相似的关联、时间延迟、范围等等。方块308可以用于分析或检测数据集合之间的特定时间关联以确定来自不同参数的数据相对于该一个或多个医疗情况相关联的时间延迟的典型值或范围。方块306和308的输出可以存储为规则、模型或关系(关联)以用于其他例程的预测或诊断分析。

其后，如方块310所指示的，服务器网络202或各个个人健康监视设备210处的预测例程可以搜索个人的数据(对于未显示为具有该医疗情况或医疗情况集合的个人)以确定各个数据参数之间的关系或关联(包括时间延迟)是否匹配或符合方块306和308所识别的关系、关联和时间延迟。如果是，则方块310可以确定个人可能具有该医疗情况或医疗情况组合。其后，方块312可以发送消息给那个人的个人健康监视系统或设备210以向该人通知该可能的情况或情况组合。

当然，图11的系统200可以以许多其他方式分析和处理来自多个人的数据以识别通常适用的参数和时间延迟关系以用于执行关于个人的健康或健康情况的诊断和预测。

进一步的，应当理解，本文描述的个人健康监视系统可以有利地用于帮助医生诊断病人的问题或健康障碍、测试药物的有效性、提供持续关怀或治疗等。在一些情况下，例如，医生可以向用户提供一个包括这里描述的个人健康监视系统的工具包以使得病人能够采集数据并且接收初步诊断以帮助或辅助医生对病人进行诊断。类似的，个人健康监视系统可以给予医生关于药物或治疗机制的疗效的更新的和实时的信息，以使得医生能够更好地诊断未知的情况或治疗已知的健康情况。

虽然参考优选实施方式具体显示并且描述了本发明，但是本领域熟练技术人员将理解在不脱离本发明的精神和范围的前提下可以在其中做出形式和细节的各种改变。例如，本领域熟练技术人员将理解从可以随着时间测量的个体参数的日益增长的列表积聚大量数据可能导致任意分析结果的显著改善。此外，本领域熟练技术人员应该明白图9A、9B和12中的流程图仅仅用于说明个人健康的确定。存在许多可用于分析数据的数学工具，如主成分分析，其可以是对数据执行以识别导致特定疾病的贡献参数(属性)。如本领域熟练技术人员将明白的，主成分分析可用于查看来自各种参数的原数据，以确定导致该具体结果的重要贡献因素是什么。当数据正在被用户采集并且调用时，可以在处理器后台运行该分析。在识别重要贡献参数之后，主成分分析然后可以致力于更精细或更有限的参数集合，以验证分析。在系统具有关于该用户的足够的数据的情况中，系统可以从问题、疾病、病症或病痛开始并且随后使用该分析来寻找贡献起因。本领域熟练技术人员将明白，许多可用的数学工具可以类似地适用于和用于所采集的数据以发现用户的各种情况的根本起因和效果。例如，各种数学模型当前正在用于过程控制工业中并且可以类似地适用并且用于预测特定情况的到来，如冷疱疹、感冒、心脏病、糖尿病等等。进一步地，本领域技术人员可以理解，该个人健康监视系统可以用于监视宠物或驯养的动物的健康和健康状况。

Claims (20)

1.一种用于监视个体的健康状况的方法，包括以下步骤：

从用于检测个体的物理属性的至少一个传感器采集数据到移动计算设备的存储器中，其中，所述数据表示所述物理属性；

实现基于模型的专家引擎以分析表示所述物理属性的数据以确定与所述个体相关的医疗诊断；以及

经由用户接口提供所述医疗诊断。

2.如权利要求1所述的方法，其中实现所述基于模型的专家引擎包括：使用处理器来使用所采集的数据的一部分来训练所述基于模型的专家引擎的模型。

3.如权利要求1所述的方法，其中实现所述基于模型的专家引擎包括：使用所述专家引擎内的神经网络模型、模型预测控制模型、偏最小二乘法模型或回归模型中的一种。

4.如权利要求1所述的方法，还包括：在所述专家引擎中在使用表示所述物理属性的数据之前清理表示所述物理属性的所述数据。

5.如权利要求1所述的方法，还包括：使用表示所述物理属性的所述数据来确定所述个体中的一个或多个身体循环的模型。

6.如权利要求5所述的方法，还包括：在处理器上使用所述模型来预测所述个体的未来健康情况。

7.如权利要求1所述的方法，还包括：使用处理器基于表示所述物理属性的所述数据来确定各种不同物理属性与健康情况之间的关联，并且使用所述关联来预测所述个体的未来健康情况。

8.如权利要求7所述的方法，其中确定各种不同物理属性与健康情况之间的关联包括：确定与所述关联相关联的一个或多个时间延迟。

9.如权利要求1所述的方法，其中实现所述专家引擎包括：执行反馈环路，在所述反馈环路中，所述专家引擎获取表示一个或多个物理属性或健康情况的进一步数据，以确定所述医疗诊断。

10.一种个人健康监视设备，包括：

存储器模块，其能够存储表示个体的多个属性的数据，其中所述数据具有与其相关联的时间参数以识别与所述数据相关联的时间；

处理器；

存储在所述存储器模块中的数据处理模块，其可在所述处理器上操作以基于表示所述个体的所述多个属性的数据来检测各种不同物理属性与健康情况之间的关联；

存储在所述存储器中的预测模块，其可在所述处理器上操作以使用所检测到的各种不同物理属性与健康情况之间的关联来确定健康诊断或者预测所述个体的未来健康情况；以及

输出设备，其提供所述诊断或者所预测的所述个体的未来健康情况的指示。

11.如权利要求10所述的个人健康监视系统，其中所述预测模块包括专家引擎，所述专家引擎使用模型来确定所述个体的健康诊断，并且其中所述数据处理模块开发所述模型以供专家引擎使用。

12.如权利要求11所述的个人健康监视系统，其中所述数据处理模块在所述处理器上操作以使用所存储的数据的一部分来训练所述专家引擎的模型。

13.如权利要求10所述的个人健康监视系统，还包括数据清理模块，所述数据清理模块在所述数据处理模块使用所存储的数据之前对所存储的数据进行清理。

14.如权利要求10所述的个人健康监视系统，其中所述数据处理模块使用所存储的数据来确定所述个体中的一个或多个身体循环的模型。

15.如权利要求14所述的个人健康监视系统，其中所述预测模块使用所述模型来预测所述个体的未来健康情况。

16.如权利要求10所述的个人健康监视系统，其中所述数据处理模块在所述处理器上操作以确定所存储的数据内的各种不同物理属性与健康情况之间的关联，并且其中所述预测模块使用所述关联来预测所述个体的未来健康情况。

17.如权利要求16所述的个人健康监视系统，其中所述数据处理模块确定与所述关联相关联的一个或多个时间延迟。

18.一种用于监视个体的健康状况的方法，包括以下步骤：

从用于检测个体的物理属性的至少一个传感器采集数据；

将所述个体的所述物理属性的数据存储在计算设备的存储器中；

在处理器上实现数据处理模块以分析表示所述物理属性的数据以基于表示所述物理属性的所述数据来确定各种不同物理属性与健康情况之间的一个或多个关联；

使用所述关联来预测所述个体的未来健康情况；以及

经由用户接口提供所预测的所述个体的未来健康情况的指示。

19.如权利要求18所述的方法，其中实现所述数据处理模块以确定所述关联包括：使用表示所述物理属性的数据来确定所述个体中的一个或多个身体循环的模型。

20.如权利要求18所述的方法，其中确定各种不同物理属性与健康情况之间的关联包括：确定与所述关联相关联的一个或多个时间延迟。