CN110840437A - 学到的监测装置校正 - Google Patents
学到的监测装置校正 Download PDFInfo
- Publication number
- CN110840437A CN110840437A CN201910768174.5A CN201910768174A CN110840437A CN 110840437 A CN110840437 A CN 110840437A CN 201910768174 A CN201910768174 A CN 201910768174A CN 110840437 A CN110840437 A CN 110840437A
- Authority
- CN
- China
- Prior art keywords
- diagnostic
- network
- monitoring
- patient
- diagnostic algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012806 monitoring device Methods 0.000 title claims abstract description 5
- 238000012774 diagnostic algorithm Methods 0.000 claims abstract description 134
- 238000012544 monitoring process Methods 0.000 claims abstract description 109
- 238000012545 processing Methods 0.000 claims abstract description 107
- 238000012937 correction Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 59
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 13
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 9
- 239000008103 glucose Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 230000036772 blood pressure Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 206010003658 Atrial Fibrillation Diseases 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 4
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 102000004877 Insulin Human genes 0.000 description 2
- 108090001061 Insulin Proteins 0.000 description 2
- 206010067584 Type 1 diabetes mellitus Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 230000006793 arrhythmia Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 206010003668 atrial tachycardia Diseases 0.000 description 2
- 238000005194 fractionation Methods 0.000 description 2
- 229940125396 insulin Drugs 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000718 qrs complex Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 2
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- 208000031229 Cardiomyopathies Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002674 endoscopic surgery Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002357 laparoscopic surgery Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0006—ECG or EEG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14503—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue invasive, e.g. introduced into the body by a catheter or needle or using implanted sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/80—Responding to QoS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Computer Networks & Wireless Communication (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Cardiology (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Optics & Photonics (AREA)
- Business, Economics & Management (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Emergency Medicine (AREA)
- Pulmonology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Burglar Alarm Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明题为“学到的监测装置校正。”本文公开了用于医学规程的方法、设备和系统,并且所述方法、设备和系统包括监测和处理设备,所述监测和处理设备包括被配置为存储诊断算法的存储器、被配置为感测第一患者的患者数据的传感器、被配置为基于所述患者数据和所述诊断算法生成第一诊断结果的处理器。提供了本地计算装置,所述本地计算装置包括处理器并且被配置为经由第一网络接收所述第一诊断结果,接收包括对所述第一诊断结果的校正的第一校正指示并且经由第二网络传输所述第一校正指示。可提供远程计算装置,所述远程计算装置可被配置为生成基于所述第一校正指示而更新的更新诊断算法并且经由所述第二网络传输所述更新诊断算法。
Description
技术领域
本专利申请提供用于改善医疗装置规程的系统、设备和方法。
相关申请的交叉引用
本申请要求2018年8月20日提交的美国临时申请No.62/764,990的权益,该申请如同完整阐述般以引用方式并入。
背景技术
附接到患者或植入患者体内的医疗监测和处理设备可提供用于诊断和治疗患者经历的医学病症的有用信息。此类装置可诸如经由粘合剂成分附接到患者身体的表面。另选地,此类装置可处于患者体内(例如为可皮下植入的),并且可从患者体内采集数据。
附接到患者或插入患者体内的监测和处理设备可向外部装置提供数据和分析,这些外部装置可进而将数据和/或分析用于治疗目的。
发明内容
本文公开了用于医学规程的方法、设备和系统,并且这些方法、设备和系统包括监测和处理设备,该监测和处理设备包括被配置为存储诊断算法的存储器、被配置为感测第一患者的患者数据的传感器、被配置为基于患者数据和诊断算法生成第一诊断结果的处理器。监测和处理设备可以是外部设备或可植入设备。提供了本地计算装置,其可包括处理器并且被配置为经由第一网络接收第一诊断结果,接收包括对第一诊断结果的校正的第一校正指示并且经由第二网络传输第一校正指示。可提供远程计算装置,其可被配置为生成基于第一校正指示而更新的更新诊断算法并且经由第二网络传输更新诊断算法。更新诊断算法可由多个第二监测和处理设备接收,并且基于位置、预先确定的分组或基于患者的分组中的至少一者来选择所述多个第二监测和处理设备。
可基于第一校正指示和第二校正指示来生成更新诊断算法。可基于包括第一校正指示和第二校正指示的阈值数量的校正指示来更新更新诊断算法。第二校正指示可基于第二患者。诊断算法可包括第一权重,并且更新诊断算法可包括更新第一权重。
监测和处理设备传感器可被配置为使用耦接到监测和处理设备的一个或多个电极来感测患者数据。患者数据可包括心电图(ECG)信号。
第一网络可以是局域网(LAN),第二网络是广域网(WAN)。
可在第一监测和处理设备处感测第一患者的患者数据。监测和处理设备可以是外部设备或可植入设备。可基于患者数据和诊断算法来生成第一诊断结果。第一诊断结果可经由第一网络传输。可经由第一网络从本地计算装置接收更新诊断算法,并且更新诊断算法可至少基于包括对第一诊断结果的校正的第一校正指示并且由远程计算装置经由第二网络提供到本地计算装置。可基于更新诊断算法来生成第二诊断结果。
更新诊断算法可进一步基于第二校正指示。根据一个实施方案,可基于包括第一校正指示和第二校正指示的阈值数量的校正指示来更新更新诊断算法。第二校正指示可基于第二患者。诊断算法可包括第一权重,并且更新诊断算法可包括更新第一权重。
在监测装置处感测患者数据可包括使用耦接到监测和处理设备的一个或多个电极来感测患者数据。患者数据可包括心电图(ECG)信号。第一网络可以是局域网(LAN),第二网络是广域网(WAN)。
根据一个实施方案,第一监测和处理设备可包括被配置为感测第一患者的患者数据的传感器和被配置为经由第一网络传输患者数据的发射器。可提供本地计算装置,其可包括被配置为存储诊断算法的存储器和被配置为经由第一网络接收患者数据的处理器,基于患者数据和诊断算法生成第一诊断结果,接收包括对第一诊断结果的校正的第一校正指示并且经由第二网络传输第一校正指示。可提供远程计算装置,其可被配置为生成基于第一校正指示而更新的更新诊断算法并且经由第二网络传输更新诊断算法。
附图说明
通过结合附图以举例的方式给出的以下描述可得到更详细的理解,其中:
图1是用于基于校正指示来更新诊断算法的示例系统的框图;
图2是示例本地计算装置的框图;
图3A是生成更新诊断算法的示例方法的流程图;
图3B是生成更新诊断算法的另一示例方法的流程图;
图4是本地计算装置的示例显示器的示意图;
图5是用于基于针对多个患者的校正指示来更新诊断算法的示例系统的框图;
图6是计算环境的示例的系统示意图,该计算环境包括图1所示的远程计算系统;以及
图7是示例基于手势的输入的示意图。
具体实施方式
根据本发明所公开的主题的实施方案,监测和处理设备可附接到患者(诸如,心脏病患者)或植入患者体内,并且可监测患者的医学病症。由监测和处理设备响应于患者(例如,患者的心脏)生成的信号而采集的患者生物计量以及从患者数据导出的分析或诊断可无线地传输到本地计算装置(例如,计算机或移动设备)。可由监测和处理设备和/或本地计算装置分析患者生物计量,并且可基于该分析提供诊断结果。可通过使用诊断算法来确定诊断结果。
可经由本地计算装置将由诊断算法提供的诊断结果提供给医护专业人员。医护专业人员可确定诊断结果是不正确的、全部的还是部分的。医护专业人员可经由本地计算装置提供校正指示。例如,医护专业人员可确定心脏信号已被诊断算法错误地识别为指示心房纤颤。医护专业人员可确定心脏信号指示心房心动过速而不是心房纤颤。因此,医护专业人员可提供校正指示,该校正指示将诊断结果校正为心房心动过速而不是心房纤颤。
可将校正指示提供给远程计算装置,该远程计算装置可被配置为从不同的本地计算装置接收校正指示。远程计算装置可基于校正指示或多个校正指示来确定应当更新诊断算法。例如,远程计算装置可基于由远程计算装置接收的所述一个或多个校正指示来确定应当更新诊断算法内的一个或多个权重。远程计算装置可基于该确定来更新诊断算法,并且可向一个或多个本地计算装置和/或监测和处理设备提供更新诊断算法。
本文描述的实施方案提供用于远程监测各种生物计量患者活动(例如,心电图(ECG)信号、脑电图(EEG)信号、肌电图(EMG)信号、血压、温度和其他可测量生物计量)的系统、设备和方法,其用于与不同医疗形式(例如,ECG监测、压力监测、整形外科和疼痛管理治疗)一起使用以进行对各种疾病状态的治疗。
本文描述的实施方案包括一个或多个监测和处理设备,其连续地或周期性地监测患者生物计量(即,患者数据)并临时存储(例如,在缓冲存储器中)患者数据持续一定时间段(例如,1小时)。在检测到事件(例如,用户输入、检测到的心律失常、失去接触或连接)时,所述一个或多个监测和处理设备可以将在检测到的事件时以及在其之前和之后的一定时间段内的患者数据部分存储到非易失性存储器。根据一个实施方案,所述一个或多个监测和处理设备可基于诊断算法分析患者数据并基于该分析生成诊断结果。另外,所述一个或多个监测和处理设备可经由近程网络(例如,局域网(LAN)或个人局域网(PAN))将患者数据的部分无线地传送给与监测和处理设备同步通信的本地计算装置。本地计算装置可显示一个或多个诊断结果、患者数据的全部或部分以及与患者数据相关联的信息(例如,来自另一装置的附加信息等),并且经由远程网络(例如,广域网(WAN)、互联网、蜂窝网络)将患者数据、一个或多个诊断结果以及相关联的信息中的至少一些传送给远程计算系统。
图1是用于基于校正指示来更新诊断算法的示例系统100的框图。在图1所示的示例中,系统100包括与患者104相关联的患者生物计量监测和处理设备102、本地计算装置106、远程计算系统108、第一网络110和第二网络120。
根据一个实施方案,监测和处理设备102可处于患者体内的(例如,可皮下植入的)设备。监测和处理设备102可经由任何可适用方式插入患者体内,所述任何可适用方式包括口服注射、经由静脉或动脉的外科插入、内窥镜式手术或腹腔镜式手术。
根据一个实施方案,监测和处理设备102可以是处于患者外部的设备。例如,监测和处理设备102可包括可附接贴片(例如,附接到患者皮肤的贴片)。监测和处理设备102还可以包括血压袖带、体重秤、手镯或智能手表生物计量跟踪器、葡萄糖监测器、持续气道正压通气(CPAP)机或可提供与患者的健康或生物计量有关的输入的几乎任何设备。
根据一个实施方案,监测和处理设备102可以包括患者内部的部件和患者外部的部件。
在图1中示出了单个监测和处理设备102。然而,示例系统可包括多个患者生物计量监测和处理设备。患者生物计量监测和处理设备可以与一个或多个其他患者生物计量监测和处理设备通信。另外,监测和处理设备可与网络110通信。
一个或多个监测和处理设备102可采集患者数据(例如,电信号、血压、温度、血糖水平或其他生物计量数据),并且接收表示所采集的患者生物计量的患者生物计量数据和来自一个或多个其他监测和处理设备102的与采集的患者生物计量相关联的附加信息的至少一部分。附加信息可以是例如诊断信息和/或从诸如可穿戴设备的附加设备获得的附加信息。每个监测和处理设备102可处理数据,包括其自身所采集的患者数据以及从一个或多个其他监测和处理设备102接收的数据。一个或多个监测和处理设备102可基于存储在监测和处理设备102存储器中的诊断算法来分析患者数据,并基于分析提供一个或多个诊断结果。
在图1中,网络110是近程网络(例如,局域网(LAN)或个人局域网(PAN))的示例。可使用各种近程无线通信协议诸如蓝牙、Wi-Fi、Zigbee、Z波、近场通信(NFC)、超宽带、Zigbee或红外(IR)中的任一种经由近程网络110在监测和处理设备102与本地计算装置106之间发送信息。
网络120可以是有线网络、无线网络或包括一个或多个有线和无线网络。例如,网络120可以是远程网络(例如,广域网(WAN)、互联网或蜂窝网络)。可使用各种远程无线通信协议(例如,TCP/IP、HTTP、3G、4G/LTE或5G/新无线电)中的任一种经由网络120发送信息。
患者监测和处理设备102可包括患者生物计量传感器112、处理器114、存储器118和发射器-接收器(即,收发器)122。患者监测和处理设备102可以经由网络110连续地或周期性地监测、存储、处理和传送任何数量的各种患者生物计量。患者数据可被监测和传送以用于治疗任何数量的各种疾病,诸如心血管疾病(例如,心律失常、心肌病和冠状动脉疾病)和自身免疫疾病(例如,I型和II型糖尿病)。
患者生物计量传感器112可包括例如被配置为感测患者生物计量的一个或多个传感器。例如,患者生物计量传感器112可包括被配置为采集电信号(例如,心脏信号、脑信号或其他生物电信号)的一个或多个电极、温度传感器、血压传感器、血糖传感器、血氧传感器、pH传感器、加速度计和麦克风。患者生物计量传感器112可由电源(未示出)诸如电池和/或可充电电容器供电,该电源也可向监测和处理设备102的其他部件提供操作功率。电源可以是例如可通过射频(RF)能量进行研究的。
根据一个示例,监测和处理设备102可为连续葡萄糖监测器(CGM),用于连续监测患者的血糖水平,以提供用于治疗各种疾病诸如I型和II型糖尿病的连续基础。CGM可以包括皮下设置的电极,其可监测患者的组织间液中的血糖水平。例如,CGM可以是闭环系统的部件,其中血糖数据被发送到胰岛素泵以用于计算的胰岛素递送而无需用户干预。
收发器122可包括发射器和接收器。另选地,收发器122可以包括集成到单个设备中的发射器和接收器。收发器122可被配置为使用网络110来接收和传输信号。
处理器114可被配置为将数据诸如由患者生物计量传感器112采集的患者数据(例如,患者生物计量数据)存储在存储器118中并且经由收发器122的发射器跨网络110传送患者数据。来自一个或多个其他监测和处理设备102的数据也可由收发器122的接收器接收。
系统100的本地计算装置106可与监测和处理设备102通信,并且可被配置为用作通过第二网络120至远程计算系统108的网关。本地计算装置106可为例如智能电话、智能手表、平板电脑或被配置为经由网络与其他设备通信的其他便携式智能设备。另选地,本地计算装置106可以是固定或独立设备,诸如包括例如调制解调器和/或路由器能力的固定基站,使用可执行程序以经由PC的无线电模块在处理设备102与远程计算系统108之间传送信息的台式计算机或膝上型计算机或USB加密狗。可使用近程无线技术在本地计算装置106和患者生物计量监测和处理设备102之间传送患者数据。本地计算装置106可被配置为显示所采集的患者数据和与所采集的患者数据相关联的信息诸如诊断结果。
图2是图1的本地计算装置106的示例的框图。如上所述,本地计算装置106可以是移动设备(例如,智能电话、智能手表、平板电脑、或被配置成经由网络与其他设备通信的其他便携式智能设备)。另选地,本地计算装置106可以是固定设备(例如,包括例如调制解调器和/或路由器能力的固定基站、台式或膝上型计算机或其他专用独立设备)。如图2所示,本地计算装置106可以包括用户接口202、处理器204、网络接口206(例如,用于具有网络连接的移动设备或固定设备)、存储器208和收发器210中的一个或多个。
存储器208可被配置为存储诊断算法。处理器204可被配置为接收患者数据并基于存储在存储器208中的诊断算法提供诊断结果。尽管本文描述了单个诊断算法,但应当理解,可(例如,在存储器208中)存储多个诊断算法并(例如,由处理器204)使用所述多个诊断算法来提供一个或多个诊断结果。
用户界面202可为例如被配置为显示信息诸如患者生物计量、诊断结果和/或接收用户输入的触摸屏。处理器204可被配置为控制用户界面执行显示从图1的一个或多个监测和处理设备102接收的所监测的患者数据的应用程序。另选地或除此之外,处理器204还可被配置为向图1的传感器112提供指示。该指示可以是信号(例如,激活或唤醒信号、活动信号或不活动信号)、数据等。如本文进一步所述,图4示出了示例性用户界面202。
图3A是生成更新诊断算法的示例方法300的示意图。在方法300的310处,可在监测和处理设备处获得患者数据。监测和处理设备可与图1的监测和处理设备102相同或相似。患者数据可通过被配置为感测患者生物计量数据的一个或多个传感器(例如,传感器112)获得。可连续地或按预先确定或动态确定的时间间隔对患者数据进行采样。例如,可以5秒间隔对患者数据进行采样。又如,采样频率可基于患者病史来确定,使得可对更容易出现医学病症的患者使用较高的采样率,并且可对不太容易出现医学病症的患者使用较低的采样率。患者数据可存储在存储器(诸如图1的存储器118)中。
根据一个实施方案,可基于患者输入对患者数据进行采样。患者输入可包括经由本地计算装置的输入、语音命令、手势等。图7示出了基于手势的患者输入的示例,其中患者701或护理人员(未示出)可通过使用移动设备702执行运动703来启动对患者数据进行采样。移动设备702可包括一个或多个传感器,诸如加速度计,其可提供执行预先确定的手势的指示。可将预先确定的手势转换为输入以对患者数据进行采样,并且可经由图1的网络110向监测和处理设备提供输入信号。此外,移动设备702可被置于接收模式并且可被配置为从监测和处理设备接收数据。根据一个实施方案,可由移动设备702基于运动703以及移动设备702与监测和处理设备(图7中未示出)的接近度变化两者来生成输入信号。
在方法300的312处,可在监测和处理设备处分析患者数据。患者数据可由处理器诸如图1的处理器114分析。处理器可基于可存储在监测和处理设备存储器(诸如存储器118)中的诊断算法来分析患者数据。
处理器可基于诊断算法以任何可适用格式分析患者数据,诸如通过利用患者数据作为诊断算法的输入,然后将诊断算法的输出与预先确定和/或存储的诊断相匹配。因此,可确定与诊断算法的输出最接近地匹配的一个或多个诊断作为诊断结果。
另选地,处理器可通过将患者数据与对应于一个或多个诊断结果的已知数据进行比较来分析患者数据。因此,可识别对应于与患者数据最接近地匹配的一个或多个诊断的一个或多个已知数据,并且可确定所述一个或多个诊断作为诊断结果。
根据一个实施方案,处理器可从附加设备诸如图5的外部感测设备504接收附加数据,如本文进一步所公开的。作为简化示例,附加设备可以是将患者或环境温度读数提供为附加数据的温度计。附加数据可用作诊断算法的输入。
诊断算法可包括被配置为使得诊断算法能够确定诊断结果的权重。这些权重可使得诊断算法能够将患者数据与诊断匹配,并相应地提供诊断结果。作为简化示例,监测和处理设备可包括感测患者心脏的局部激动时间(LAT)值的电极。诊断算法可将给定的权重X应用于第一范围内的LAT值并将不同权重Y应用于第二范围内的LAT值。然后,诊断算法可将结果加权LAT值与已知诊断(例如,心房纤颤)的预标测值进行比较,以确定给定的患者数据是否对应于已知的诊断。如果加权LAT值对应于已知诊断的预标测值,则可提供已知诊断作为诊断结果。
诊断算法可在制造时或在将监测和处理设备放置在患者身上/体内时预先安装和/或存储在监测和处理设备存储器中。另选地,可在将诊断算法放置在患者身上/体内之后将其传输到监测和处理设备上。
由监测和处理设备的处理器确定的一个或多个诊断结果可经由局域网(诸如图1的网络110)传输。在方法300的314处,所述一个或多个诊断结果可由本地计算装置诸如图1和图2的本地计算装置106接收。根据一个实施方案,可在确定诊断结果时经由局域网将诊断结果推送至本地计算装置。例如,在确定和传输诊断结果时,可在本地计算装置106的用户界面202上提供通知。
根据一个实施方案,可基于患者输入将诊断结果传输至本地计算装置。患者输入可包括经由本地计算装置的输入、语音命令、手势等。图7示出了基于手势的患者输入的示例,其中患者701或护理人员(未示出)可通过使用移动设备702执行运动703来启动对诊断结果进行传送。移动设备702可包括一个或多个传感器,诸如加速度计,其可提供执行预先确定的手势的指示。可将预先确定的手势转换为指示监测和处理设备传输一个或多个诊断结果的输入信号,并且可经由图1的网络110向监测和处理设备提供输入信号。此外,移动设备702可被置于接收模式并且可被配置为从监测和处理设备接收数据。根据一个实施方案,可由移动设备702基于运动703以及移动设备702与监测和处理设备(图7中未示出)的接近度变化两者来生成输入信号。
接收诊断结果的本地计算装置可由医护专业人员诸如医师或医疗技术人员访问。另外,也可从本地计算装置处的监测和处理设备接收患者数据和/或患者数据的一部分或指示。图4示出了本地计算装置的示例用户界面202。患者数据401经由用户界面202提供,并且可连同诊断结果412以及一个或多个另选诊断414一起显示。
在方法300的316处,本地计算装置可接收基于在312处提供的诊断结果的校正指示。校正指示可由医护专业人员提供,或者可基于位于本地计算装置处的软件自动确定。医护专业人员或本地计算装置软件可基于一个或多个因素来提供校正指示,所述一个或多个因素诸如但不限于:患者数据(例如,图4的患者数据401)、患者病史、来自附加设备(例如,血压袖带、体重秤、手镯或智能手表生物计量跟踪器、葡萄糖监测器、CPAP机或可提供与患者的健康或生物计量有关的输入的任何设备)的数据和/或患者观察。
在方法300的316处接收到的校正指示可通过触摸输入、语音命令,经由附件(例如,键盘、鼠标等)、手势等来提供。例如,可通过使用计算机鼠标从图4的用户界面202中选择诊断414中的一个来提供校正指示。
如方法300的316处所示,可将校正指示提供给远程计算装置,诸如图1的远程计算装置106。图6中提供了对远程计算装置106的更详细描述。可经由广域网诸如图1的广域网120向远程计算装置提供校正指示。
远程计算装置可被配置为接收来自一个或多个本地计算装置的校正指示,如本文进一步所述。此外,诊断算法或诊断算法的版本可存储在远程计算装置处。
在过程300的步骤318处,远程计算装置可确定所接收的校正指示是否足以保证对诊断算法的改变。可基于一个或多个因素进行该确定,所述一个或多个因素诸如但不限于:校正指示的源(例如,第一源可比第二源进行更高加权)、所接收的类似校正指示的数量、所接收的类似校正指示的频率、校正诊断结果的频率、针对给定的诊断结果所接收的校正指示的频率、患者群体或位置。可基于预先确定或动态确定的阈值来进行该确定。例如,如果当向医护专业人员提供第一诊断结果时远程计算装置接收到阈值数量的校正指示,则以肯定方式触发318并执行320。继续该示例,如果校正指示不满足所接收的校正指示的阈值数量,则可不触发318并且方法300可循环回到310,并且可基于现有诊断算法来分析患者数据。
如果以肯定方式触发318,则可执行方法300的320。在320处,可至少基于校正指示来生成更新诊断算法。更新诊断算法可包括一个或多个更新权重。
另选地或除此之外,更新诊断算法可包括一个或多个更新变量,使得当确定诊断结果时使用患者数据的附加或不同的部分。可例如基于由外部感测设备(例如,图5的外部感测设备504)提供的附加数据来添加更新变量。例如,外部感测设备可提供高度数据,这些高度数据提供当接收到校正指示时所记录的海平面。当由在不同位置的多个不同外部感测设备指示的海平面指示高于阈值海平面的海平面时,可确定重复接收给定的校正指示。因此,可将基于高度的变量添加到诊断算法,使得如果有海平面读数或其他高度数据可用,则基于高度的变量是使用更新诊断算法来确定诊断结果中的因素。
可应用更新诊断算法,使得基于更新诊断算法分析的患者数据可提供与通过基于初始诊断算法分析相同的患者数据所提供的结果不同的结果(例如,诊断结果)。
在方法300的320处生成的更新诊断算法可存储在远程计算装置存储器中。根据一个实施方案,可将更新诊断算法提供给一个或多个监测和处理设备。当在320处更新诊断算法时,可将更新诊断算法提供给监测和处理设备。另选地,可在软件更新期间提供更新诊断算法。
图3A示出了包括基于存储在监测和处理设备处的诊断算法来分析患者数据的方法300。图3B为包括基于存储在本地计算装置处的诊断算法来分析患者数据的方法340的流程图。尽管不相同,由于方法300和方法340相似,因此省略了重叠的公开内容和示例。然而,应当理解,相对于图3A的方法300所提供的描述和示例也适用于图3B中所描述的方法340。
在方法340的350处,可在监测和处理设备处获得患者数据。患者数据可通过被配置为感测患者生物计量数据的一个或多个传感器获得。可连续地或按预先确定或动态确定的时间间隔对患者数据进行采样,并且可将患者数据存储在存储器(诸如图1的存储器118)中。所获得的患者数据可由监测和处理设备收发器(诸如图1的收发器122)传输,并且可由本地计算装置(诸如本地计算装置106)接收。患者数据可通过局域网110传输。根据一个实施方案,可基于患者输入对患者数据进行采样。患者输入可包括经由本地计算装置的输入、语音命令、手势等。图7示出了基于手势的患者输入的示例,如关于方法300的310所述。
在方法340的352处,可在本地计算装置处分析患者数据。患者数据可由处理器诸如图2的处理器204分析。处理器可基于可存储在本地计算装置存储器(诸如存储器208)中的诊断算法来分析患者数据。处理器可基于诊断算法以任何可适用格式(诸如关于方法300的312所述的那些格式)分析患者数据。
诊断算法可包括被配置为使得诊断算法能够确定诊断结果的权重。这些权重可使得诊断算法能够将患者数据与诊断匹配,并相应地提供诊断结果。诊断算法可在制造或初始配置本地计算装置时预先安装和/或存储在本地计算装置存储器中。另选地,诊断算法可作为应用程序安装、应用程序更新或诊断算法下载的一部分传输到本地计算装置上。
在方法340的354处,可经由本地计算装置(例如,经由图2的用户界面202)向医护专业人员提供由本地计算装置的处理器所确定的一个或多个诊断结果。另外,还可经由本地计算装置提供在方法340的350处由监测和处理设备获得的患者数据和/或患者数据的一部分或指示。图4示出了本地计算装置的示例用户界面202。患者数据401经由用户界面202提供,并且可连同诊断结果412以及一个或多个另选诊断414一起显示。
在方法300的356处,本地计算装置可接收基于在354处提供的诊断结果的校正指示。校正指示可由医护专业人员提供,或者可基于位于本地计算装置处的软件自动确定。医护专业人员或本地计算装置软件可基于一个或多个因素来提供校正指示,所述一个或多个因素诸如但不限于:患者数据(例如,图4的患者数据401)、患者病史、来自附加设备(例如,血压袖带、体重秤、手镯或智能手表生物计量跟踪器、葡萄糖监测器、CPAP机或可提供与患者的健康或生物计量有关的输入的任何设备)的数据和/或患者观察。
在方法340的356处接收到的校正指示可通过触摸输入、语音命令,经由附件(例如,键盘、鼠标)、手势等来提供。例如,可通过使用计算机鼠标从图4的用户界面202中选择诊断414中的一个来提供校正指示。
如方法340的356处所示,可将校正指示提供给远程计算装置,诸如图1和图6的远程计算装置106。可经由广域网诸如图1的广域网120向远程计算装置提供校正指示。
在方法300的358处,远程计算装置可确定所接收的校正指示是否足以保证对诊断算法的改变,如关于方法300的318所述。
如果以肯定方式触发358,则执行方法340的360。在360处,可至少基于校正指示来生成更新诊断算法,如关于方法300的320所述。
在方法340的360处生成的更新诊断算法可存储在远程计算装置存储器中。根据一个实施方案,可将更新诊断算法提供给一个或多个本地计算装置。当在360处更新诊断算法时,可将更新诊断算法提供给本地计算装置。另选地,可在软件更新、应用程序下载等期间提供更新诊断算法。
图5是包括多个患者的示例系统500的示意图。出于简化说明的目的,图5中的本地计算装置106被描述为固定设备,其可为例如医护专业人员计算机或移动设备,其可为例如医护专业人员可访问的移动电话。如上所述,本地计算装置106可为移动设备或固定设备。图5中的每个本地计算装置106可与和用户502a至502z中的一者相关联的可附接监测和处理设备102a以及可植入监测和处理设备102b通信。例如,可使用各种近程无线通信协议中的任一种经由无线通信信道520在本地计算装置106和相关联的监测和处理设备102a和102b中的每一个之间发送信息。无线通信信道520可以与图1的网络110相同或相似。
如图5所示,多个可附接监测和处理设备102a(例如,图1所示的监测和处理设备102)和/或多个可植入监测和处理设备102b(例如,皮下植入患者体内)可用于监测每个用户502的患者生物计量数据。图5所示的可附接监测和处理设备102a以及可植入监测和处理设备102b的数量仅是示例。可以使用任何数量的可附接监测和处理设备102a以及可植入监测和处理设备102b。图5所示的可附接监测和处理设备102a以及可植入监测和处理设备102b的位置也是示例性位置。
除了图5所示的监测和处理设备102a与监测和处理设备102b之外或作为其替代,外部感测设备504可任选地用于监测数据并且可经由无线通信信道520中的一者与相关联的本地计算装置106通信。尽管图5中示出了单个外部感测设备504,示例包括与相关联的移动设备通信的任何数量的外部感测设备504。
如图5所示,每个本地计算装置106可经由无线通信信道505连接到网络120(例如,互联网)。网络120也在图1中示出。云数据库512是图1的远程计算系统108的示例,并且还经由通信信道510连接到网络120。云数据库512可使用图6所示的计算环境600的一个或多个部件来实现。在一些情况下,云数据库512由公共云计算平台(诸如Amazon Web Services或Microsoft Azure)、混合云计算平台(诸如HP Enterprise OneSphere)或私有云计算平台实现。
云数据库512可包括机器学习系统诸如神经网络。机器学习系统可包括预先确定或动态更新的规则和阈值以用于更新一个或多个诊断算法,诸如相对于图3A和图3B所述。云数据库512可经由网络120的无线通信信道505接收来自本地计算装置106的校正指示。如本文所公开的,云数据库512可确定一个或多个校正指示是否足以保证对诊断算法的改变(例如,方法300的318和方法340的358)。
如果在云数据库512处生成更新诊断算法,则更新诊断算法可被存储在云数据库512的存储器(例如,图6的系统存储器630)中。另选地或除此之外,云数据库512可将更新诊断算法(例如,经由网络120)传输到一个或多个本地计算装置(例如,根据过程340)和/或监测和处理设备102(例如,根据过程300)。
根据本文所公开的实施方案的示例,来自图1的患者104的原始ECG信号可由监测和处理设备102的传感器112感测。监测和处理设备102的处理器114可被配置为识别ECG波形的分量,诸如P波、QRS复波、R波、Q波、T波和U波。这些分量可在初始噪声过滤(包括去除基线漂移)之后被识别。可使用存储在存储器118中的诊断算法来分析所识别的分量。可应用诊断算法来量化这些分量的相应值,诸如P波、QRS复波和T波、R波和Q波的相应幅值、间隔和/或持续时间,以及P-R间隔、Q-T间隔和S-T间隔的周期。可被量化的其他参数可包括所有波或部分波的斜率、分馏的缺失或存在,以及分馏值(如果存在的话)。
诊断算法可进一步将权重应用于被量化的值,并且可分析加权值以将基于所接收的ECG信号的诊断结果生成为输出。诊断结果可经由计算机提供给医护专业人员,并且医护专业人员可基于对也经由计算机提供给医护专业人员的原始ECG信号的审查来指示诊断结果不正确。因此,医护专业人员可提供校正指示,该校正指示可提供正确的诊断结果。
远程计算装置可接收校正指示并且可确定基于诊断算法的相同应用所接收的校正指示的数量超过阈值校正指示。因此,可更新诊断算法神经网络中包含的权重,使得接收类似ECG信号(如本示例中最初提供的那些)的更新诊断算法将产生不同的诊断结果。更新诊断算法可相应地提供给一个或多个本地计算装置和/或监测和处理设备。
根据一个实施方案,可将更新诊断算法提供给一组监测和处理设备(例如,过程300的320)和/或一组本地计算装置(例如,过程340的360)。接收更新诊断算法的该组监测和处理设备或本地计算装置(统称为分布组)可基于一个或多个因素来确定。如果初始将更新诊断算法分布到较小分布组产生成功的结果(例如,降低从较小分布组内接收的校正指示的数量),则分布组可扩展以包括附加的监视和处理设备或本地计算装置。分布组可基于对应的监测和处理设备或本地计算装置的位置、基于许可证设置、基于患者体积、基于本地法规和/或要求、基于随机选择等来确定。
根据一个示例,远程计算装置(例如,图1的远程计算装置108)可基于校正指示的阈值数量来生成更新诊断算法。远程计算装置可向100个随机选择的本地计算装置的分布组提供更新诊断算法。远程计算装置然后可监测从这100个随机选择的本地计算装置接收的校正指示。值得注意的是,远程计算装置可监测从这100个随机选择的本地计算装置接收的具体类型的校正指示,并将它们与导致更新诊断算法的校正指示进行比较。基于该监测,远程计算装置可确定更新诊断算法是否产生更理想的结果。例如,远程计算装置可确定更新诊断算法是否产生更少的校正指示。如果更新诊断算法产生更理想的结果,则可扩展分布组(例如,扩展至1000个随机选择的本地计算装置)。可重复监测和扩展步骤以进行多次迭代。
图6是与网络120通信的计算环境600的示例的系统图。在一些情况下,计算环境600被合并到公共云计算平台(诸如Amazon Web Services或Microsoft Azure)、混合云计算平台(诸如HP Enterprise OneSphere)或私有云计算平台。
如图6所示,计算环境600包括远程计算系统108(下文称为计算机系统),该远程计算系统是可在其上实现本文描述的实施方案的计算系统的一个示例。
远程计算系统108可以经由处理器620(其可以包括一个或多个处理器)执行各种功能。功能可以包括分析监测的患者生物计量和相关信息,并且根据医师确定的或算法驱动的阈值和参数提供(例如,经由显示器666)警报、附加信息或指令。如下面更详细描述的,远程计算系统108可以用于向医疗保健人员(例如,医师)提供患者信息仪表板(例如,经由显示器666),使得这种信息可以使医疗保健人员能够识别具有比其他人更多关键需求的患者并优先考虑其。
如图6所示,计算环境600可包括通信机构诸如总线621或用于在计算环境600内传送信息的其他通信机构。计算机系统600还包括与总线621联接以用于处理信息的一个或多个处理器620。处理器620可以包括一个或多个CPU、GPU或本领域中已知的任何其他处理器。
计算环境600还包括耦接到总线621的系统存储器630,用于存储将由处理器620执行的信息和指令。系统存储器630可包括一个或多个诊断算法,并且可包括一个或多个诊断算法的多个版本。系统存储器630可以包括以易失性和/或非易失性存储器形式的计算机可读存储介质,诸如只读系统存储器(ROM)631和/或随机存取存储器(RAM)632。系统存储器RAM 632可以包括其他动态存储设备(例如,动态RAM、静态RAM和同步DRAM)。系统存储器ROM631可以包括其他静态存储设备(例如,可编程ROM、可擦除PROM和电可擦除PROM)。此外,系统存储器630可以用于在处理器620执行指令期间存储临时变量或其他中间信息。基本输入/输出系统633(BIOS)可以包含用于在计算机系统610内的元件之间传送信息的例程(诸如在启动期间),其可以存储在系统存储器ROM 631中。RAM 632可以包含由处理器620可立即访问和/或当前正在操作的数据和/或程序模块。系统存储器630可以附加地包括例如操作系统634、应用程序635、其他程序模块636和程序数据637。
计算环境600还包括磁盘控制器640,该磁盘控制器耦接到总线621以控制用于存储信息和指令的一个或多个存储设备,诸如磁性硬盘641和可移除媒体驱动器642(例如,软盘驱动器、光盘驱动器、磁带驱动器和/或固态驱动器)。可以使用适当的设备接口(例如,小型计算机系统接口(SCSI)、集成设备电子器件(IDE)、通用串行总线(USB)或FireWire)将存储设备添加到计算机系统610。
计算环境600还可包括显示控制器665,其耦接到总线621以控制显示屏或显示器666,诸如阴极射线管(CRT)或液晶显示器(LCD),以用于向计算机用户显示信息。所示的计算机系统610包括用户输入接口660和一个或多个输入设备(诸如键盘662和指向设备661)以用于与计算机用户交互并向处理器620提供信息。例如,指向设备661可以是用于将方向信息和命令选择传送到处理器620并用于控制显示器666上的光标移动的鼠标、轨迹球或指向杆。显示器666可以提供触摸屏界面,该触摸屏界面可以允许输入以补充或替换由指向设备661和/或键盘662传送方向信息和命令选择。
计算环境600可响应于处理器620执行包含在存储器中的一个或多个指令的一个或多个序列而执行本文所述的功能和方法的一部分或每一者,诸如通过利用系统存储器630中的一个或多个诊断算法。此类指令可以从另一个计算机可读介质(诸如硬盘641或可移动介质驱动器642)读入系统存储器630。硬盘641可以包含由本文描述的实施方案使用的一个或多个数据存储和数据文件。可以加密数据存储内容和数据文件以改善安全性。还可以在多处理布置中采用处理器620以执行包含在系统存储器630中的一个或多个指令序列。在另选的实施方案中,可以使用硬连线电路代替软件指令或与软件指令组合。因此,实施方案不限于硬件电路和软件的任何特定组合。
如上所述,计算机系统610可以包括至少一个计算机可读介质或存储器,以用于保存根据本文描述的实施方案编程的指令并且用于包含本文描述的数据结构、表格、记录或其他数据。如本文所使用,术语计算机可读介质是指参与向处理器620提供指令以供执行的任何非暂时性有形介质。计算机可读介质可以采用许多形式,包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质的非限制性示例包括光盘、固态驱动器、磁盘和磁光盘,诸如硬盘641或可移除介质驱动器642。易失性介质的非限制性示例包括动态存储器(诸如系统存储器630)。传输介质的非限制性示例包括同轴电缆、铜线和光纤,包括构成总线621的导线。传输介质也可以采用声波或光波的形式,诸如在无线电波和红外数据通信期间生成的那些。
计算环境600还可包括联网环境,该联网环境使用与本地计算装置106和一个或多个其他设备诸如个人计算机(膝上型电脑或台式计算机)、移动设备(例如,患者移动设备)、服务器、路由器、网络PC、对等设备或其他公共网络节点的逻辑连接,并且通常包括以上相对于计算机系统610描述的多个或所有元件。当在联网环境中使用时,计算机系统610可以包括用于通过网络120(诸如互联网)建立通信的调制解调器672。调制解调器672可以经由网络接口670或经由另一适当的机制连接到系统总线621。
如图1和图6所示,网络120可以是本领域公知的任何网络或系统、包括互联网、内联网、局域网(LAN)、广域网(WAN)、城域网(MAN)、直接连接或连接系列、蜂窝电话网络、或者能够有助于计算机系统610与其他计算机(例如,本地计算装置106)之间的通信的任何其他网络或介质。
本文所述的任何功能和方法可在通用计算机、处理器或处理器核中实现。以举例的方式,合适的处理器包括通用处理器、专用处理器、常规处理器、数字信号处理器(DSP)、多个微处理器、与DSP核相关联的一个或多个微处理器、控制器、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)电路、任何其它类型的集成电路(IC)和/或状态机。可通过使用处理的硬件描述语言(HDL)指令和包括网络表的其他中间数据的结果(此类指令能够被存储在计算机可读介质上)配置制造过程来制造此类处理器。这种处理的结果可以是掩码作品(maskwork),其随后在半导体制造过程中用于制造实现本公开的特征的处理器。
本文所述的任何功能和方法可在并入非暂态计算机可读存储介质中的计算机程序、软件或固件中实现,由通用计算机或处理器执行。非暂态计算机可读存储介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、寄存器、高速缓冲存储器、半导体存储器装置、磁性介质(例如内部硬盘和可移动盘)、磁光介质以及光学介质(例如CD-ROM盘和数字多功能盘(DVD))。
应当理解,基于本文的公开内容,许多变型都是可能的。虽然在上文以特定组合描述了特征和元件,但是每个特征或元件可独自使用而无需其他特征和元件,或者在具有或不具有其他特征和元件的情况下以各种组合使用每个特征或元件。
Claims (20)
1.一种系统,包括:
第一监测和处理设备,包括:
存储器,所述存储器被配置为存储诊断算法,
传感器,所述传感器被配置为感测第一患者的患者数据,以及
处理器,所述处理器被配置为基于所述患者数据和所述诊断算法来生成第一诊断结果;
本地计算装置,所述本地计算装置包括处理器并且被配置为:
经由第一网络接收所述第一诊断结果,
接收包括对所述第一诊断结果的校正的第一校正指示,并且
经由第二网络传输所述第一校正指示;以及
远程计算装置,所述远程计算装置被配置为:
生成基于所述第一校正指示而更新的更新诊断算法;以及
经由所述第二网络传输所述更新诊断算法。
2.根据权利要求1所述的系统,其中基于所述第一校正指示和第二校正指示来生成所述更新诊断算法。
3.根据权利要求2所述的系统,其中基于包括所述第一校正指示和所述第二校正指示的阈值数量的校正指示来更新所述更新诊断算法。
4.根据权利要求2所述的系统,其中所述第二校正指示基于第二患者。
5.根据权利要求1所述的系统,其中所述诊断算法包括第一权重并且所述更新诊断算法包括更新第一权重。
6.根据权利要求1所述的系统,其中传感器被配置为使用耦接到所述监测和处理设备的一个或多个电极来感测所述患者数据。
7.根据权利要求1所述的系统,其中所述患者数据包括心电图(ECG)信号。
8.根据权利要求1所述的系统,其中所述监测和处理设备是外部设备或可植入设备中的一者。
9.根据权利要求1所述的系统,其中所述第一网络是局域网(LAN),并且所述第二网络是广域网(WAN)。
10.根据权利要求1所述的系统,其中所述更新诊断算法由多个第二监测和处理设备接收,并且基于位置、预先确定的分组或基于患者的分组中的至少一者来选择所述多个第二监测和处理设备。
11.一种方法,包括:
在第一监测和处理设备处感测第一患者的患者数据;
基于所述患者数据和诊断算法来生成第一诊断结果;
经由第一网络传输所述第一诊断结果;
经由所述第一网络从本地计算装置接收更新诊断算法,所述更新诊断算法至少基于包括对所述第一诊断结果的校正的第一校正指示并且由远程计算装置经由第二网络提供到所述本地计算装置;以及
基于所述更新诊断算法来生成第二诊断结果。
12.根据权利要求11所述的方法,其中所述更新诊断算法还基于第二校正指示。
13.根据权利要求12所述的方法,其中基于包括所述第一校正指示和所述第二校正指示的阈值数量的校正指示来更新所述更新诊断算法。
14.根据权利要求12所述的方法,其中所述第二校正指示基于第二患者。
15.根据权利要求11所述的方法,其中所述诊断算法包括第一权重并且所述更新诊断算法包括更新第一权重。
16.根据权利要求11所述的方法,其中在所述监测装置处感测患者数据包括使用耦接到所述监测和处理设备的一个或多个电极来感测所述患者数据。
17.根据权利要求11所述的方法,其中所述患者数据包括心电图(ECG)信号。
18.根据权利要求11所述的方法,其中所述监测和处理设备是外部设备或可植入设备中的一者。
19.根据权利要求11所述的方法,其中所述第一网络是局域网(LAN),并且所述第二网络是广域网(WAN)。
20.一种系统,包括:
第一监测和处理设备,包括:
传感器,所述传感器被配置为感测第一患者的患者数据,以及
发射器,所述发射器被配置为经由第一网络传输所述患者数据;
本地计算装置,包括:
存储器,所述存储器被配置为存储诊断算法,以及
处理器,所述处理器被配置为:
经由所述第一网络接收所述患者数据,
基于所述患者数据和所述诊断算法来生成第一诊断结果,
接收包括对所述第一诊断结果的校正的第一校正指示,并且
经由第二网络传输所述第一校正指示;以及
远程计算装置,所述远程计算装置被配置为:
生成基于所述第一校正指示而更新的更新诊断算法;并且
经由所述第二网络传输所述更新诊断算法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862764990P | 2018-08-20 | 2018-08-20 | |
US62/764990 | 2018-08-20 | ||
US16/541,772 US11534067B2 (en) | 2018-08-20 | 2019-08-15 | Learned monitoring device correction |
US16/541772 | 2019-08-15 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110840437A true CN110840437A (zh) | 2020-02-28 |
Family
ID=67659316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910768174.5A Pending CN110840437A (zh) | 2018-08-20 | 2019-08-20 | 学到的监测装置校正 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11534067B2 (zh) |
EP (1) | EP3614392A1 (zh) |
JP (1) | JP2020036882A (zh) |
CN (1) | CN110840437A (zh) |
AU (1) | AU2019219704A1 (zh) |
CA (1) | CA3052502A1 (zh) |
IL (1) | IL268754B2 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3895602A1 (en) * | 2020-04-14 | 2021-10-20 | Biosensors Beyond Borders Ltd | Patient data analysis method and system |
WO2022189138A1 (en) * | 2021-03-12 | 2022-09-15 | Biotronik Se & Co. Kg | Embedded app |
CN114978441A (zh) * | 2022-06-14 | 2022-08-30 | 四川禹明光电技术有限公司 | 一种用于光纤传感同步传输的监测校正系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170055863A1 (en) * | 2015-08-31 | 2017-03-02 | Eric Baumann | Electrocardiogram Device and Methods |
US20170265765A1 (en) * | 2016-03-16 | 2017-09-21 | Eric Baumann | Electrocardiogram Device and Methods |
CN107847158A (zh) * | 2015-03-31 | 2018-03-27 | 深圳市长桑技术有限公司 | 用于生理参数监测的系统和方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5995868A (en) | 1996-01-23 | 1999-11-30 | University Of Kansas | System for the prediction, rapid detection, warning, prevention, or control of changes in activity states in the brain of a subject |
WO2004034885A2 (en) | 2002-10-15 | 2004-04-29 | Medtronic Inc. | Signal quality monitoring and control for a medical device system |
US7941200B2 (en) | 2005-12-08 | 2011-05-10 | Roche Diagnostics Operations, Inc. | System and method for determining drug administration information |
JP2010086355A (ja) * | 2008-09-30 | 2010-04-15 | Fujifilm Corp | レポート統合装置、方法及びプログラム |
US20130338629A1 (en) | 2012-06-07 | 2013-12-19 | Medtronic Minimed, Inc. | Diabetes therapy management system for recommending basal pattern adjustments |
EP3016586B1 (en) | 2013-07-01 | 2020-06-17 | Mayo Foundation for Medical Education and Research | Advanced health monitoring system |
JP5677521B2 (ja) * | 2013-07-10 | 2015-02-25 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラムおよび記憶媒体 |
US10165125B2 (en) | 2017-03-02 | 2018-12-25 | Biosense Webster (Israel) Ltd. | Remote control and interaction with implanted devices |
WO2019092133A1 (en) * | 2017-11-09 | 2019-05-16 | Robert Bosch Gmbh | Vital signs monitoring system and method |
US10729346B2 (en) * | 2018-05-07 | 2020-08-04 | Pacesetter, Inc. | Method and system for second pass confirmation of detected cardiac arrhythmic patterns |
US11623102B2 (en) * | 2018-07-31 | 2023-04-11 | Medtronic, Inc. | Wearable defibrillation apparatus configured to apply a machine learning algorithm |
-
2019
- 2019-08-15 US US16/541,772 patent/US11534067B2/en active Active
- 2019-08-18 IL IL268754A patent/IL268754B2/en unknown
- 2019-08-19 AU AU2019219704A patent/AU2019219704A1/en not_active Abandoned
- 2019-08-19 EP EP19192363.0A patent/EP3614392A1/en active Pending
- 2019-08-19 JP JP2019149748A patent/JP2020036882A/ja active Pending
- 2019-08-20 CN CN201910768174.5A patent/CN110840437A/zh active Pending
- 2019-08-20 CA CA3052502A patent/CA3052502A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107847158A (zh) * | 2015-03-31 | 2018-03-27 | 深圳市长桑技术有限公司 | 用于生理参数监测的系统和方法 |
US20170055863A1 (en) * | 2015-08-31 | 2017-03-02 | Eric Baumann | Electrocardiogram Device and Methods |
US20170265765A1 (en) * | 2016-03-16 | 2017-09-21 | Eric Baumann | Electrocardiogram Device and Methods |
Also Published As
Publication number | Publication date |
---|---|
IL268754B1 (en) | 2023-05-01 |
CA3052502A1 (en) | 2020-02-20 |
IL268754B2 (en) | 2023-09-01 |
AU2019219704A1 (en) | 2020-03-05 |
US11534067B2 (en) | 2022-12-27 |
JP2020036882A (ja) | 2020-03-12 |
IL268754A (en) | 2020-02-27 |
EP3614392A1 (en) | 2020-02-26 |
US20200054214A1 (en) | 2020-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111148544B (zh) | 用于医疗警报管理的系统和方法 | |
US20200054292A1 (en) | Remote biometric monitoring and communication system | |
US11756681B2 (en) | Evaluation of post implantation patient status and medical device performance | |
JP2022531292A (ja) | 機械学習による不整脈検出の可視化 | |
US11534067B2 (en) | Learned monitoring device correction | |
US11622696B2 (en) | Method for improving heart rate estimates by combining multiple measurement modalities | |
US20210343017A1 (en) | Post operative implantation site monitoring and medical device performance | |
US20180203978A1 (en) | Machine-learning models for predicting decompensation risk | |
CN111356401A (zh) | 使用可穿戴传感器和云驻留分析来连续检测和监测心律失常 | |
EP3846678A1 (en) | Therapeutic space assessment | |
JP2007289540A (ja) | ストレスセンサシステム | |
CN116096293A (zh) | 双导联qt间期预测 | |
US20180286521A1 (en) | Peri-operative remote care monitoring system | |
US20220211332A1 (en) | Medical device system for monitoring patient health | |
CN116724361A (zh) | 基于睡眠活动的对患者健康状况变化的检测 | |
CN105326482B (zh) | 记录生理信号的方法和装置 | |
KR101464066B1 (ko) | 생체 정보 측정 장치 및 생체 정보 측정 방법 | |
Makki et al. | Acquiring and analyzing electrocardiograms via smartphone to detect cardiovascular abnormalities | |
KR102418544B1 (ko) | 생체 신호 측정 장치, 생체 신호 처리 장치 및 생체 신호 처리 장치의 동작 방법 | |
EP4230139A1 (en) | Medical data providing device, medical data providing method and computer program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |