CN115003217A - 确定患者自行拔管可能性 - Google Patents

Abstract

本发明公开了一种用于监测插管患者(104)的计算机实现方法，该方法包括：从与插管患者相关联的一个或多个传感器(110、112)，接收与插管患者有关的数据；基于所接收的数据，确定插管患者的自行拔管可能性；以及响应于确定自行拔管可能性大于所限定的阈值，生成警报信号。

Description

确定患者自行拔管可能性

技术领域

本发明涉及确定插管患者将自行拔管的可能性。

背景技术

当患者不能自行呼吸时，可以在重症监护室中使用机械通气。广泛使用的机械通气技术是侵入性通气，其通过气管造口术或气管内导管提供到患者下气道的通路。除机械通气过程期间的通气管理外，拔管(即，取出导管)被视为成功治疗的关键成分。如果需要在拔管后重新插管，可能会对患者恢复造成不良影响。不良反应包括患者需要较长时间的机械通气、住院时间长度延长和/或诸如医院性肺炎之类的其他医学并发症的风险增加。

计划拔管是指按照医疗团队的计划，在完善的手术后，取消对患者的机械通气并且取出患者的气管内导管。然而，计划外拔管(无论是由于医院人员对气管内导管的不当操作而导致的意外拔管，还是由于患者的动作而导致的故意拔管)都是重症监护室中相对频繁的事件。

包括患者自行拔管在内的预防计划外拔管需要医疗团队定期监测患者。对于临床机构而言，由医疗团队的成员对患者进行连续的床边在场监测或甚至远程监测是个主要挑战。已知存在确定患者何时已经从他们的气道移除导管(即，执行自行拔管)的系统，但是这样的系统仅能够在自行拔管事件之后向医务人员报警。因此，期望能够确定插管患者在自行拔管事件发生之前将自行拔管的可能性。

发明内容

正在进行辅助通气的患者可能需要气管内导管以便使得他们能够呼吸。与试图取出气管内导管的患者相关联的若干个可能的负面后果包括辅助通气所需的时间长度增加、住院时间延长、和/或诸如医院性肺炎之类的其他医学并发症的风险增加。因此，对于使患者的健康最大化和使与患者护理相关联的资源和费用最小化而言，预测患者何时将取出其气管内导管或自行拔管很重要。本文中所公开的各实施例提供了一种机构，该机构使得能够做出这样的预测，使得在认为自行拔管事件可能发生的情况下可以采取适当动作。

根据第一方面，本发明提供了一种用于监测插管患者的计算机实现方法，该方法包括：从与插管患者相关联的一个或多个传感器，接收与插管患者有关的数据；基于所接收的数据，确定插管患者的自行拔管可能性；以及响应于确定自行拔管可能性大于所限定的阈值，生成警报信号。

本公开的实施例允许监测患者，并且在无需来自医疗专业人员的必要输入的情况下连续确定患者移除其气管内导管的可能性，直到已经生成指示患者自行拔管可能性已经超过预定阈值的警报。有利地，与监测插管患者的不适迹象相反，本公开允许医疗专业人员从事其他职责，从而减少医疗专业人员的时间上的压力，并且允许他们从事需要紧急护理的其他潜在危重患者。在没有本公开的情况下，如果别处需要医疗专业人员，诸如参加紧急救援情况，则他们可能不能评估插管的患者是否可能自行拔管。本公开的另一优点在于，与医疗专业人员进行主观评估相反，可以定量评估患者不适，因此评估患者自行拔管可能性，这可以提高患者抢占自行拔管的可靠性。改善患者监测和患者抢占自行拔管的可靠性，从而可以改善患者诊疗结果，这会导致例如辅助通气所需的时间更少、住院时间更短和/或住院费用更低。

在一些实施例中，确定插管患者自行拔管可能性可以包括：分析插管患者的面部表情；以及基于所述分析，确定插管患者的特定面部表情指示增加的自行拔管可能性。

在一些实施例中，确定插管患者自行插管的可能性可以包括：测量插管患者的运动和/或在插管中所使用的用具件的运动；以及响应于确定所测量的运动超过所限定的移动阈值，确定所测量的运动指示增加的自行拔管可能性。

在一些实施例中，测量插管患者的运动可以包括测量插管患者的以下各项中的一项或多项的运动：手、臂、脚、腿、头和躯干。

在一些实施例中，确定插管患者的自行拔管可能性可以包括：将所接收的数据作为输入提供给经训练的预测模型，其中预测模型被训练，以基于输入数据来确定自行拔管可能性。

在一些实施例中，确定插管患者的拔管的可能性可以包括：应用规则集合，该规则集合使得所接收的数据与自行拔管可能性相关。

在一些实施例中，计算机实现方法可以包括：将所生成的警报信号递送给医疗专业人员。

在一些实施例中，确定插管患者的自行拔管可能性可以包括：确定插管患者正在经历一定程度的不适。

在一些实施例中，与插管患者有关的数据可以包括：患者的图像数据、指示患者的运动和/或在插管中所使用的用具件的运动的数据、指示患者所发出的声音的数据、和/或患者的生理数据。

根据第二方面，本发明提供了一种计算机程序产品，包括非暂态计算机可读介质，该计算机可读介质具有包含在其中的计算机可读代码，该计算机可读代码被配置为使得在由合适计算机或处理器执行时，使得计算机或处理器执行本文中所公开的方法的步骤。

根据第三方面，本发明提供了一种用于监测插管患者的系统，该系统包括与插管患者相关联的一个或多个传感器以及处理器，该处理器被配置成：从一个或多个传感器，接收与插管患者有关的数据；基于所接收的数据，确定插管患者自行拔管可能性；以及响应于确定自行拔管可能性大于所限定的阈值，生成警报信号。

在一些实施例中，与插管患者相关联的一个或多个传感器可以包括一个或多个相机，该一个或多个相机被配置为捕获插管患者的图像。

在一些实施例中，与插管患者相关联的一个或多个传感器可以包括一个或多个可佩戴传感器、麦克风、和/或被配置为测量插管患者的生理数据的一个或多个传感器。

在一些实施例中，一个或多个传感器可以包括以下各项中的一项或多项：加速度计、磁力计、氧饱和度传感器、二氧化碳分析传感器、心率传感器、血压传感器、心电图ECG传感器和温度计。

在一些实施例中，系统可以包括存储设备，该存储设备与一个或多个传感器和处理器通信，其中存储设备被配置为存储从一个或多个传感器接收的数据。

参考以下所描述的实施例，本发明的这些和其他方面将变得显而易见。

附图说明

为了更好地理解本发明并且为了更清楚地示出如何实现本发明，现在，仅通过示例参考附图，其中

图1是插管患者的示例的示意图；

图2是插管患者的手的示例的示意图；

图3是用于监测插管患者的计算机实现方法的示例的流程图；

图4是与患者的各个身体部位相对应的模拟骨骼的示例的图示；

图5是用于监测插管患者的计算机实现方法的示例的流程图；

图6是与处理器通信的非暂态计算机可读介质的示例的示意图；

图7是用于监测插管患者的系统的示例的示意图；以及

图8是用于监测插管患者的系统的另一示例的示意图。

具体实施方式

本公开涉及用于监测患者并且具体地用于监测插管患者的方法和系统。本文中所公开的方法和系统还可以用于同时监测两个或更多个患者。患者可以在诸如医院之类的护理环境中进行插管。患者可能在无法自行呼吸时进行插管，因此需要辅助通气。机械通气是一种类型的辅助通气。辅助通气可以通过气管内导管施用，该气管内导管经由他们的嘴或鼻子放入他们的气管中。这两种方法都能够将诸如含氧气体之类的气体供应输送到患者的下气道。

已知接受辅助通气的插管患者会感到不适，插管会导致患者躁动和/或激动。患者正在经历不适的指示可以包括患者身体的各个部分的移动，诸如他们的头、臂、手、腿、脚和/或躯干。患者正在经历不适的其他指示可以包括其面部表情的变化、患者所发出的声音和/或与患者有关的生理数据的改变，诸如使用医疗用具件测量的数据。已经确定，与感觉舒适的插管患者相比，经受高程度不适的插管患者更有可能尝试取出插管本身。因此，插管患者的不适迹象可以指示即将发生自行拔管事件的可能性增加。

本文中所公开的实施例提供了一种机构，通过该机构，与插管患者相关联或有关的数据可以被采集、分析并用于确定插管患者将试图从他或她的气道移除导管或自行拔管的可能性。如果确定患者可能尝试取出导管，则可以采取适当动作来防止自行拔管尝试和/或使患者感到舒适，从而降低自行拔管的可能性。例如，可以生成警报并且将其发送给医疗专业人员，警告他们患者正在经历较高程度的不适，并且指示存在除非采取动作否则患者将试图移除导管的强烈可能性。

为了评估患者是否正在经历不适，可以使用一个或多个传感器和/或检测器来监测患者，该一个或多个传感器和/或检测器包括例如以下各项中的一项或多项：相机、加速度计、磁力计、氧饱和度传感器、二氧化碳分析传感器、心率传感器、血压传感器、心电图(ECG)传感器、温度计和麦克风。可以使用相机分析患者的面部表情及其头、一个或多个臂、一个或多个手、一个或多个脚和/或躯干的运动。还可以设想，诸如上文所提及的传感器之类的多个传感器的组合可以用于监测患者。由传感器获取的数据可以被称为传感器数据。

传感器数据可以单独或组合使用以确定患者不适程度。在插管患者试图从他们的气道移除气管导管之前，患者可能表现出不适的迹象或指示，例如，心率改变、心率变异性、温度改变、特定面部表情和/或身体部位的运动。与患者相关联的传感器可以用于获取指示这些不适迹象中的一个或多个的数据，并且所获取的数据可以作为模型的输入来提供，以便确定患者将自行拔管的可能性。一个这样的模型可以是基于规则的模型。基于规则的模型可以采用基于规则的分类器来确定患者自行拔管的可能性。规则的示例包括：如果患者的头通过特定运动(例如，根据患者头的滚动、俯仰和/或偏转或位移的测量结果)移动超过所限定的阈值、或如果患者将手移动到他们的躯干和头之间的位置，则增大自行拔管可能性。在其他示例中，规则可以基于患者的身体部位的运动的模式和/或频率；例如，如果患者在所限定的时间段内从一侧到另一侧反复移动他们的头。在其他示例中，可以使用经训练的预测模型来确定自行拔管的可能性。经训练的预测模型的示例包括经训练的神经网络，诸如卷积神经网络、决策树、支持向量机(SVM)等。

除了用于预测患者自行拔管的可能性之外，传感器数据可以更一般地用于创建患者舒适度指示符。

如果患者自行拔管的预测可能性超过预定阈值，则可以生成警报信号。警报信号可以包括例如数据信号或指令，该数据信号或指令可以用于发出警报，或形成要递送给医疗专业人员的消息的数据。在一些示例中，警报可以包括患者自行拔管的可能性和预测患者自行拔管发生的时间。

参考附图，图1是在诸如医院之类的护理环境中躺在床106上的插管患者104的图示100。患者104正在进行辅助通气，由此经由气管内导管108向患者进行气体供应。气体供应由气瓶(未示出)提供。用于捕获图像的设备(诸如成像传感器或成像设备(例如，相机)110)可以用于通过捕获患者的一系列图像(例如，视频流)来监测患者104。例如，成像设备110可以安装在墙壁或天花板上，以在床和患者104的长度上进行俯瞰。根据图像，可以确定或标识患者104的面部表情、和/或可以检测患者身体部位的运动。在一些示例中，可以使用两个或更多个成像设备来监测患者104。可佩戴传感器112可以附着到患者104、并且用于测量与患者有关的数据，诸如患者的身体部位的运动、患者所发出的声音和/或与患者有关的生理数据。在一些示例中，两个或更多个可佩戴传感器可以附接到患者104的身体。两个或更多个可佩戴传感器可以附接到患者104的相同身体部位或不同身体部位。

处理器102可以被配置为从传感器110、112接收传感器数据。处理器102可以用于处理传感器数据，以便确定患者104自行拔管的预测可能性。处理器102可以是独立部件，即，传感器110、112的独立部件，或可以形成传感器中的一个传感器的整体部分。如果处理器102是与传感器110、112分开的部件，则处理器可以位于与患者104相同的房间中，与患者相同的建筑物中，诸如服务器室或其他现场位置；或位于远程位置，从而实现基于云的计算功能。传感器数据可以经由有线或无线连接传输到处理器102。可替代地，传感器110、112中的一个或多个传感器可以具有集成在其中的处理器102，该处理器102可以支持板载边缘计算，从而使得能够在传感器的位置处对传感器数据进行处理。患者104自行拔管的预测可能性和/或患者舒适度指示符可以显示在患者监测器114上和/或存储在患者的医疗记录中。

成像设备110可以包括例如图像捕获设备、相机、视频相机、或在软件控制下可以被定向(例如，在多个患者处)的摇摄-倾斜-变焦(PTZ)相机，该PTZ相机又可以包括一个或多个图像传感器，诸如互补金属氧化物半导体(CMOS)或电荷耦合器件(CCD)。成像设备110可以为壁装式，位于用具件(诸如患者104躺在其上的床106、患者监测器114或连接到患者的气管内导管108)上。成像设备110能够同时监测单个患者104或多个患者。优选地，成像设备110的视场将包括患者104的至少一部分，并且优选地包括整个患者。可以采用成像设备110的阵列。

处理器102可以将计算机视觉算法应用于从成像设备110收集的传感器数据，以确定例如患者104的面部表情。如使用计算机视觉算法确定的、患者104的面部表情可以用作基于规则的模型和/或经训练的预测模型(如上文所简要提及的并且下文所更详细地讨论的)的输入，以确定患者自行拔管的可能性。

可以使用各种类型的可佩戴传感器来采集与患者104有关的数据，包括例如加速度计、磁力计、氧饱和度传感器、二氧化碳分析传感器、心率传感器、血压传感器、心电图(ECG)传感器和温度计。

在一些实施例中，加速度计可以用于测量加速力。加速度计可以位于例如患者104的身体部位上，诸如他们的头、臂、手、脚或躯干，或可以位于与患者相关联的气管内导管108上。可以使用加速度计测量结果来确定它所附接到的患者104的身体部位的运动。患者104的身体部位的运动的改变可以指示患者的不适程度的改变。在一些情况下，例如，运动的模式、频率和/或幅度可以与患者104的不适程度相关联。例如，使用位于与患者104相关联的气管内导管108上的加速度计检测的运动可以指示患者正在移动他们的头或正在拉动导管。较高程度的不适可能与患者104将其头从一侧快速移动到另一侧相关联，而较低程度的不适可能与患者保持其头相对不动相关联。

在一些实施例中，一个或多个可佩戴传感器112可以包括磁力计，该磁力计是测量特定位置处的磁场的方向、强度和改变的设备。磁力计可以与陀螺仪和/或加速度计组合使用，以便确定例如设备的力和/或方位。在一些示例中，可以在惯性测量单元内采用磁力计。如使用磁力计和/或惯性测量单元所测量的力的测量结果和/或方位的改变可以指示患者104的运动，因此指示患者的不适程度。

在一些实施例中，可以使用氧饱和度传感器来测量患者104的氧饱和度。可以使用例如脉搏血氧计来测量患者104的氧饱和度。脉搏血氧定量法可以以侵入式方式或非侵入式方式执行。例如，非侵入式脉搏血氧计可以附接到患者104的手指。特别高或低的氧饱和度或氧饱和度的突然改变可能指示患者104正在经历较高程度的不适，因此可能更可能自行拔管。

在一些实施例中，二氧化碳分析传感器可以用于确定患者104的呼吸中的二氧化碳浓度。二氧化碳分析传感器可以位于与患者104相关联的气管内导管108上。特别地，患者呼吸中的高水平或低水平的二氧化碳、或二氧化碳水平的突然改变可能指示患者104正在经历较高程度的不适，因此可能更可能自行拔管。

在一些实施例中，心率传感器可以用于测量患者104的心率，并且可以位于患者的身体上，诸如他们的臂、手、脚或躯干。脉搏血氧计可以用于测量患者104的心率。患者104的心率可能与患者的不适程度相关联。例如，患者104的心率的相对增加可以指示患者正在经历程度相对增加的不适。

在一些实施例中，血压传感器可以用于测量患者104的血压，并且可以位于患者的身体上，诸如臂上。例如，患者104的血压的增加可以指示患者的不适程度的增加，因此指示患者将自行拔管的可能性增加。

在一些实施例中，心电图(ECG)传感器可以用于测量患者104的心脏随时间的电活动。电极可以附接到患者104的身体，诸如臂、手、腿、脚和/或躯干。ECG传感器测量可以用于测量诸如患者104的心率、心搏间间隔和/或心率变异性之类的参数的改变。这些参数可以与患者104的情绪和/或身体状态相关联，因此可以与患者的不适程度相关联。

在一些实施例中，可以使用温度计来测量患者104的温度，诸如皮肤的温度、或患者耳朵或嘴的内部的温度。患者104的温度改变可以指示患者的不适程度的改变。例如，患者104的温度增加可能与不适程度增加相关联，而温度降低可能与不适程度降低相关联。

在一些实施例中，麦克风可以用于测量患者104所发出的声音。麦克风可以形成成像设备110的一部分，或可以是单独的部件，其位于例如位于其中正在治疗患者104的房间内的用具件(诸如床106、患者监测器114等)上。患者104所生成的声音(诸如语音、呜咽或由患者的声道生成的其他声音)可以指示患者的不适程度。例如，如果患者104正在呜咽，则该声音可能与患者的不适程度的增加相关联。类似地，还可以检测与患者运动相关联的声音，并且可以指示患者不适。

由传感器110或可佩戴传感器112中的任一个确定的患者104的不适程度可以用于预测患者将自行拔管的可能性。在一些实施例中，来自多个传感器的数据可以在算法上融合，以便预测患者自行拔管可能性。

图2是患者104的手202(手202在图1中不可见)的图示200，该图示200示出了各种传感器的示例位置。一个或多个可佩戴传感器112可以附接到患者104的手202，并且用于测量手202的运动和/或患者的生理数据。在图2所示的示例中，脉搏血氧计附接到患者的手指，并且运动传感器(例如，包括加速度计和/或磁力计)附接到患者的手的背部。在一些示例中，加速度计可以与脉搏血氧计集成。

图3是用于监测插管患者104的计算机实现方法300的示例的流程图。方法300的步骤302包括：从与插管患者104相关联的一个或多个传感器110、112，接收与插管患者相关联的数据。与插管患者104有关的数据的示例可以包括患者的图像数据、指示患者的运动和/或在插管中所使用的用具件的运动的数据、指示患者所发出的声音的数据、和/或患者的生理数据。患者104可以使用诸如上文所讨论的传感器和监测技术之类的传感器和监测技术而被监测。方法300的步骤304包括：基于所接收的数据，确定插管患者自行拔管可能性，如下文关于图4所更详细地讨论的。方法300的步骤306包括：响应于确定自行拔管可能性大于所限定的阈值，生成警报信号。

步骤304基于所接收的数据来确定插管患者104的自行拔管可能性，即，插管患者将自行拔管可能性。步骤304在患者104移除他们的气管内导管(即，自行拔管)之前执行，以便确定患者在自行拔管事件发生之前将自行拔管的可能性。在一些示例中，确定插管患者104自行拔管可能性可以包括：应用规则的集合，该规则集合使得所接收的数据与自行拔管可能性相关。在一些示例中，确定插管患者104的自行拔管可能性可以包括：将所接收的数据作为输入而将其提供给经训练的预测模型，其中预测模型被训练以基于输入数据来确定自行拔管可能性。基于规则的分类器的输入和/或经训练的预测模型的输入可以包括患者104的头、臂、手、腿或躯干的运动程度或速率，患者面部表情的指示，或示出面部表情的图像，或来自传感器110、112的任何其他测量结果。诸如处理器102之类的处理器可以使用基于规则的分类器或经训练的预测模型来执行步骤304，以便确定患者104自行拔管的可能性。

在一些实施例中，可以以从0到1范围内的值的形式提供自行拔管的可能性，使得0值对应于未被预测为自行拔管的患者，而1值对应于被预测为自行拔管的患者。例如，0.5的自行拔管的可能性可以对应于患者将自行拔管的50％的预测概率。在其他示例中，自行拔管可能性可以作为百分比提供、或以某种其他形式(例如，以文本方式(例如，描述方式)、或以图形方式作为图像或视觉指示提供。

在一些实施例中，基于所接收的数据确定插管患者104的自行拔管可能性(步骤304)可以包括：确定患者在预定时间内自行拔管可能性。例如，患者自行拔管的可能性可以是患者104将随时间(诸如在接下来的5分钟、30分钟、60分钟等中)变化而自行拔管的概率，其中该概率范围为0％和100％之间。可以以任何时间间隔计算患者自行拔管的可能性。例如，可以在随后的30分钟时间段内针对每一分钟，确定患者自行拔管的可能性。在其他示例中，可以在随后的30分钟时间段内以每5分钟的间隔，确定患者自行拔管的可能性。在一些示例中，确定预测发生患者自行拔管的时间或时间段。

在一些实施例中，测量插管患者的运动可以包括测量插管患者的以下各项中的一项或多项的运动：手、臂、脚、腿、头和躯干。参考图4对如何测量一些身体部位的运动的示例进行讨论。图4图示了对应于患者104的各个身体部位402的模拟骨骼404的示例。如图4所示，可以使用成像设备110(图4中未示出)和/或一个或多个可佩戴传感器112来监测患者104的身体部位的运动。来自成像设备110和/或可佩戴传感器112的传感器数据可以由处理器(诸如处理器102(未示出))接收。处理器可以用于运行称为“骨骼跟踪器”的程序或应用，该程序和应用可以用于确定患者104的身体部位或关节(诸如患者104的头、臂、手、腿、躯干、手、腕、肘、肩和/或颈)的移动。例如，通过将从成像设备110和/或可佩戴传感器112获得的传感器数据输入到骨骼跟踪器中，可以跟踪患者104的身体部位的移动。骨架跟踪器可以在患者的图像内标识患者104的一个或多个身体部位402，和/或可佩戴传感器可以与患者的身体部位相关联。骨架跟踪器可以用于确定身体部位的位置如何随时间改变。例如，通过量化身体部位的位置在患者的连续传感器测量结果之间的改变，骨架跟踪器可以确定患者104的身体部位的移动。图4图示了对应于患者104的各个身体部位402的模拟骨骼404的示例。

在一些实施例中，患者104的身体部位的位置的改变、和/或患者的身体部位的移动速度的改变可以与患者不适程度的增加相关联，因此与自行拔管可能性相关联。因此，在一些实施例中，确定插管患者104自行拔管可能性可以包括：确定插管患者正在经历一定程度的不适。例如，患者104的躯干的运动可以指示患者移动到直立位置，这可以与患者自行拔管可能性的增加相关联。作为另一示例，如果患者104将手移向他们的头，对自行拔管可能性的贡献可以从例如0增加到0.3。作为另一示例，如果观察到患者104将手移向其头，并且该移动所花费的时间在所限定的持续时间(例如，一秒)以下，则对患者自行拔管可能性的贡献可以从0.3增加到0.4。作为另一示例，如果患者104将手移向他们的头并同时将他们的头从一侧移到另一侧，对自行拔管可能性的贡献可以从0.3增加到0.5。在其他示例中，患者104自行拔管可能性可以基于患者的头、臂、手、腿、脚和/或躯干的移动或移动的组合。除了来自所检测的患者104的一个或多个部位的运动的可能性改变之外，还可以同时分析来自其他传感器的数据，并且这样的数据也可以影响自行拔管的可能性。

在一些实施例中，患者头的滚动、俯仰和/或偏转移动或患者104头的位移的测量结果可以用于确定患者自行拔管的可能性。例如，如果观察到患者104的头的俯仰改变超过15度，则自行拔管可能性可以增加例如0.1的量。在一些示例中，通过测量患者的头位置/方位的改变的频率，可以确定患者104自行拔管的可能性。例如，患者104从一侧到另一侧快速滚动其头可能会处于大量不适，因此可能更有可能试图自行拔管。

在一些实施例中，患者104的头的滚动、俯仰和/或偏转的改变需要在最小阈值时间内改变最小阈值量，以实现患者自行拔管可能性的改变。例如，如果在1秒的时间段内观察到患者104的头的俯仰改变超过5度，则患者自行拔管的可能性可能会增加。相反，如果患者104的头的滚动、俯仰和/或偏转相对缓慢地改变，例如，在1秒内改变小于5度，则可以假设移动与不适程度的改变无关，因此，患者自行拔管的可能性可以保持不变。滚动、俯仰和/或偏转的快速改变可以指示患者104的摇晃或震颤运动。滚动、俯仰和/或偏转的快速改变可能与患者不适程度的增加相关联，因此与患者自行拔管的可能性增加相关联。例如，如果观察到患者104的头的滚动在所限定的时间段(例如，10秒)内反复增加和减少超过所限定的阈值(例如，10度)，则患者可以将他们的头从一侧快速移动到另一侧。与相对不动的患者相比，患者104的震颤或摇晃运动可以被指定为患者自行拔管的可能性更高。

在一些实施例中，患者104的身体部位的移动可能必须在自行拔管可能性的改变发生改变之前满足最小阈值距离。例如，只有当患者将手移动到患者的躯干和头之间的位置时，患者104自行拔管的可能性才会发生改变；这种运动可以指示患者将他们的手移向他们的气管内导管以便将其拉出。相反，如果患者将手移动到其躯干以下的位置，则生可能性不会发改变，或甚至可能性会降低。

应当领会，本文中所讨论的示例可能性值仅仅是示例，并且各种传感器测量结果的实际效果可以根据特定测量的预期效果来选择。

在一些实施例中，患者104的面部表情可以用于确定患者自行拔管的可能性。通过分析患者的面部标志，诸如一只或多只眼睛、一个或多个眉毛、鼻子和/或嘴的部分或全部，可以确定患者104的面部表情。面部标志中的一个或多个面部标志的位置改变可以指示患者的运动，因此指示患者的不适。面部标志的位置改变可以通过比较患者104的两个图像来确定，其中这两个图像在不同的时间点拍摄。患者104的图像可以对应于在时间上相邻拍摄的图像，或可替代地，可以使用患者104的参考图像，诸如当患者首次入院时。例如，如果患者104看起来微笑，则自行拔管的可能性可能降低。作为另一示例，如果患者看起来眉头紧锁，则自行拔管可能性可能增加。例如，为了确定患者104看起来是微笑还是眉头紧锁，可以分析患者的嘴、并且将其与患者的较早图像进行比较。作为另一示例，可以分析患者104的一只或多只眼睛。患者自行拔管的较低可能性可能与眼睛闭合的患者有关，而患者自行拔管的较高可能性可能与眼睛睁开的患者有关。例如，患者自行拔管的相对较高的可能性可能与眼睛和嘴都睁开的患者有关。

在一些实施例中，通过将患者面部的图像与(例如，数据库中的)已知面部表情集合进行比较，可以确定患者104的面部表情。例如，这种数据库可以存储在可由执行分析的处理器访问的存储介质中。在其他示例中，可以使用经训练的预测模型或分类器来确定患者104的面部表情。在这样的示例中，患者面部的图像可以作为输入而被提供给经训练的模型，并且经训练的模型可以提供其所考虑的基于该图像的最可能的面部表情(例如，微笑、眉头紧锁、哭泣)作为输出。

在一些实施例中，可以在基于规则的分类器和/或机器学习模型中使用疼痛值、恐惧值和/或舒适值。例如，通过将机器学习模型应用于数据集，可以创建分类器，该数据集包括对应于一个或多个患者的传感器数据110、112以及患者不适的自报告程度。在一些示例中，面部表情分类器可以被输入到分类器中，其中患者的面部表情可以指示患者104的疼痛、恐惧和/或舒适的程度。这些值分别量化患者的疼痛、恐惧和舒适程度，这些程度可以表达为0与1之间的数字、百分比或某一其他形式，诸如以文字形式(例如，描述方式)或以图形方式表达为图像或视觉指示。患者的疼痛、恐惧和/或舒适的程度的值可以转化为患者104的不适程度，并且因此可以用于确定患者将自行拔管的可能性。例如，大于0.4的疼痛值可以对应于0.2的自行拔管可能性。大于0.4的疼痛值结合大于0.4的恐惧值可以对应于0.3的自行拔管可能性。疼痛、恐惧和/或舒适值可以与患者104的其他测量相组合，诸如患者头的滚动、俯仰和/或偏转运动。例如，大于0.4的疼痛值结合大于0.4的恐惧值、以及大于40度的患者的头的滚动可以对应于0.6的自行拔管可能性。在一些示例中，患者104的头位置的改变频率可以与患者的不适程度相关联。

在一些实施例中，确定插管患者104自行拔管可能性的步骤包括：确定患者在预定时间内自行拔管的可能性。因此，患者自行拔管的可能性可以被计算为时间的函数。例如，可以以任何时间间隔(诸如在随后的5分钟、30分钟、60分钟时间段内的每一分钟中等)确定患者自行拔管的可能性。在一些实施例中，可以通过收集诸如图像数据110之类的传感器数据并且将传感器数据分类成例如如下的六个类别来执行对神经网络的训练：正在经历疼痛、并非正在经历疼痛、正在经历恐惧、并非正在经历恐惧、正在舒适和/或并非正在经历舒适。可替代地或附加地，可以向传感器数据指派疼痛、恐惧和/或舒适的值，诸如百分比。例如，100％的疼痛值可以对应于患者104处于痛苦中(即，最大疼痛)，而0％的值可以对应于患者完全没有疼痛(即，最小疼痛)。

在一些实施例中，与患者104相关联的呼吸机装置的位置可以与患者不适程度相关联，因此与患者自行拔管的可能性相关联。例如，与患者104相关联的气管内导管108的位置可以指示患者头的移动。如果气管内导管的位置在预定阈值时间内的改变超过预定阈值距离，则患者自行拔管的可能性可能增加。在其他示例中，可以分析与患者104相关联的气管内导管108的气道适配器的位置和/或连接器的位置以确定患者不适的程度。例如，显著移动(例如，超过所限定的量的移动、或在所限定的时间段内超过所限定的量的移动)可以指示患者不适。标记可以放置在气管内导管108上，以便于相机110跟踪气管内导管。

来自成像设备110和/或可佩戴传感器112的传感器数据可以由处理器(诸如处理器102)分析，以确定传感器数据内的时间模式。可以使用例如频域分析来确定时间模式。可以使用所有传感器数据110、112来执行时间模式分析。可替代地，可以将传感器数据110、112分成特定时间窗口，诸如10秒窗口、20秒窗口等，并且对落入这些时间窗口中的每个时间窗口内的传感器数据执行时间模式分析。

在一些实施例中，来自一个或多个成像设备110、和/或一个或多个可佩戴传感器112的传感器数据可以被存储在存储介质上，以用于随后的检查和/或分析。所存储的传感器数据可以用作训练数据来对机器学习模型进行训练。

传感器测量110、112可以输入到经训练的预测模型中。类似于基于规则的模型，经训练的预测模型可以分析与患者104相关联的传感器测量结果，以确定患者的不适程度，因此确定患者自行拔管的可能性。可以使用一系列患者图像来训练经训练的预测模型，以便量化各种患者表达，诸如正在经历一系列不适程度的患者。

图5是用于监测插管患者104的计算机实现方法500的示例的流程图。方法500可以包括上述方法300的一个或多个步骤。插管患者104可以使用诸如如上文所讨论的传感器和监测技术之类的传感器和监测技术而被监测。如上文所指出的，方法300的步骤302包括：从与插管患者104相关联的一个或多个传感器110、112，接收与插管患者有关的数据。所接收的数据可以包括例如插管患者104的图像，并且可以用于方法500的步骤。

在一些实施例中，方法500可以包括步骤502和步骤504，步骤502包括：分析插管患者104的面部表情，步骤504包括：基于所述分析，确定插管患者的特定面部表情指示增加的自行拔管可能性。可以使用先前所描述的技术中的任一技术来确定患者104的面部表情。

在一些实施例中，方法500可以包括步骤506和步骤508，步骤506包括：测量插管患者的运动和/或在插管中所使用的用具件的运动，步骤508包括：响应于确定所测量的运动超过所限定的移动阈值，确定所测量的移动指示增加的自行拔管可能性。

如上文所指出的，方法300的步骤304包括：基于所接收的数据(即，基于分析步骤502和504和/或步骤506和508)，确定插管患者104自行拔管可能性。如上文所指出的，步骤306包括：响应于确定自行拔管可能性大于所限定的阈值，生成警报信号。

在一些实施例中，方法500还可以包括：在步骤510处，将所生成的警报信号递送到医疗专业人员。例如，可听警报可以发出声音以警告附近的医疗专业人员，或警告消息可以发送到医疗专业人员的便携式通信设备或发送到中央监测站。一旦被警告，医疗专业人员就可以采取适当动作来防止患者移除他们的管子、和/或使患者平静或舒适，以便减少自行拔管可能性。可以使用先前所描述的技术中的任一技术来执行测量并分析患者104的面部表情和/或运动。

本发明的一个方面涉及一种计算机程序产品。图6是与处理器602通信的非暂态计算机可读介质604的示意图。计算机可读介质604具有包含在其中的计算机可读代码606，该计算机可读代码被配置为使得在由合适计算机或处理器602执行时，使得计算机或处理器执行诸如如上所述的方法300和/或方法500之类的方法的步骤。处理器602可以形成诸如台式计算机、膝上型计算机等之类的计算设备的一部分或可由其访问，或可以包括可经由云计算环境访问的服务器。

图7是用于监测插管患者104的系统700的示例的示意图。该系统包括与插管患者相关联的一个或多个传感器110、112以及处理器702。处理器702与一个或多个传感器110、112通信。在一些实施例中，处理器702可以被配置为操作或控制传感器110、112和/或一个或多个其他部件。处理器702被配置为从一个或多个传感器110、112接收与插管患者有关的数据。处理器702还被配置为基于所接收的数据来确定插管患者104自行拔管的可能性。可以使用本文中所描述的技术进行确定。响应于确定自行拔管可能性大于所限定的阈值，处理器702可以被配置为生成警报信号。警报信号可以例如递送到医疗专业人员，从而可以采取适当动作。

在一些实施例中，与插管患者104相关联的一个或多个传感器110、112可以包括一个或多个相机，该一个或多个相机被配置为捕获插管患者的图像。在其他示例中，传感器110、112可以包括本文中所描述的其他类型的传感器中的一个或多个传感器。

在一些实施例中，与插管患者104相关联的一个或多个传感器110、112可以包括一个或多个可佩戴传感器、麦克风、和/或被配置为测量插管患者的生理数据的一个或多个传感器。所获取的数据可以被递送到处理器702以供分析。

在一些实施例中，一个或多个传感器110、112可以包括以下各项中的一项或多项：加速度计、磁力计、氧饱和度传感器、二氧化碳分析传感器、心率传感器、血压传感器、心电图(ECG)传感器和温度计。来自这样的传感器的数据可以指示插管患者正在经历疼痛和/或不适，因此可以指示患者更可能试图移除他们的气管导管。

图8是用于监测插管患者104的系统800的示例的示意图。在一些示例中，系统800可以包括与插管患者104相关联的一个或多个传感器110、112、处理器702、以及与一个或多个传感器和处理器通信的存储设备802。存储设备802可以被配置为存储从一个或多个传感器110、112接收的数据。所存储的数据可以由处理器702在稍后的时间使用，例如，用于分析各个片段或数据、和/或对要在本文中所公开的方法中使用的预测模型进行训练。另外，可以存储所计算的自行拔管可能性用于审查/审计目的。

处理器102、602、702可以包括一个或多个处理器、处理单元、多核处理器或模块，该一个或多个处理器、处理单元、多核处理器或模块被配置或被编程为以本文中所描述的方式来控制系统700、800的部件。在特定实现方式中，处理器102、602、702可以包括多个软件和/或硬件模块，该多个软件和/或硬件模块各自被配置为执行或用于执行本文中所描述的方法的各个步骤或多个步骤。

如本文中所使用的术语“模块”旨在包括硬件部件(诸如处理器或被配置为执行特定功能的处理器部件)或软件部件(诸如当由处理器执行时具有特定功能的指令数据集合)。

应当领会，本发明的实施例也适用于计算机程序，特别适用于将本发明付诸实践的载体上或中的计算机程序。该程序可以采用源代码、目标代码、代码中间源和目标代码的形式，诸如采用部分编译的形式或采用适合于在根据本发明的实施例的方法的实现方式中使用的任何其他形式。还应当领会，这种程序可以具有许多不同的体系架构设计。例如，实现根据本发明的方法或系统的功能的程序代码可以被细分为一个或多个子例程。在这些子例程之间分配功能的许多不同方式对于本领域技术人员而言是显而易见的。子例程可以一起存储在一个可执行文件中以形成自包含程序。这样的可执行文件可以包括计算机可执行指令，例如，处理器指令和/或解释器指令(例如，Java解释器指令)。可替代地，一个或多个或所有子例程可以存储在至少一个外部库文件中，并且例如在运行时与主程序静态或动态链接。主程序包含对至少一个子例程的至少一个调用。子例程还可以包括对彼此的函数调用。涉及计算机程序产品的实施例包括对应于本文中所阐述的方法中的至少一个方法的每个处理阶段的计算机可执行指令。这些指令可以细分成子例程和/或存储在可以静态或动态链接的一个或多个文件中。涉及计算机程序产品的另一实施例包括对应于本文中所阐述的系统和/或产品中的至少一个系统和/或产品的每个器件的计算机可执行指令。这些指令可以细分成子例程和/或存储在可以静态或动态链接的一个或多个文件中。

计算机程序的载体可以是能够承载该程序的任何实体或设备。例如，载体可以包括数据存储装置，诸如ROM(例如，CDROM或半导体ROM)或磁记录介质(例如，硬盘)。更进一步地，载体可以是诸如电或光信号之类的可传输载体，该可传输载体可以经由电缆或光缆或通过无线电或其他手段来传送。当程序包含在这样的信号中时，载体可以由这样的电缆或其他设备或器件构成。可替代地，载体可以是其中嵌入了程序的集成电路，该集成电路适于执行相关方法或在执行相关方法时使用。

通过研究附图、公开内容和所附权利要求，本领域技术人员在实践所要求保护的本发明时可以理解和实现所公开的实施例的变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中所述的若干项的功能。在相互不同的从属权利要求中叙述某些措施的事实并不表示不能有利地使用这些措施的组合。计算机程序可以存储/分布在适当的介质上，诸如与其他硬件一起提供或作为其他硬件的一部分提供的光存储介质或固态介质，而且还可以以其他形式(诸如经由因特网或其他有线或无线电信系统)分布。权利要求中的任何附图标记不应解释为限制范围。

Claims (15)

1.一种用于监测插管患者的计算机实现方法，所述方法包括：

从与所述插管患者相关联的一个或多个传感器，接收与所述插管患者有关的数据；

基于所接收的数据，确定所述插管患者的自行拔管可能性；以及

响应于确定所述自行拔管可能性大于所限定的阈值，生成警报信号。

2.根据权利要求1所述的计算机实现方法，其中确定所述插管患者的所述自行拔管可能性包括：

分析所述插管患者的面部表情；以及

基于所述分析，确定所述插管患者的特定面部表情指示增加的自行拔管可能性。

3.根据权利要求1或2所述的计算机实现方法，其中确定所述插管患者的所述自行拔管可能性包括：

测量所述插管患者的运动和/或所述插管中所使用的用具件的运动；以及

响应于确定所测量的运动超过所限定的运动阈值，确定所测量的运动指示增加的自行拔管可能性。

4.根据权利要求3所述的计算机实现方法，其中测量所述插管患者的运动包括测量所述插管患者的以下各项中的一项或多项的运动：手、臂、脚、腿、头和躯干。

5.根据前述权利要求中任一项所述的计算机实现方法，其中确定所述插管患者的所述自行拔管可能性包括：

将所接收的数据作为输入提供给经训练的预测模型；

其中所述预测模型被训练，以基于所述输入数据来确定所述自行拔管可能性。

6.根据前述权利要求中任一项所述的计算机实现方法，其中确定所述插管患者的所述自行拔管可能性包括：应用规则集合，所述规则集合使得所接收的数据与自行拔管可能性相关。

7.根据前述权利要求中任一项所述的计算机实现方法，还包括：

将所生成的警报信号递送到医疗专业人员。

8.根据前述权利要求中任一项所述的计算机实现方法，其中确定所述插管患者的所述自行拔管可能性包括：确定所述插管患者正在经历一定程度的不适。

9.根据前述权利要求中任一项所述的计算机实现方法，其中与所述插管患者相关的所述数据包括：所述患者的图像数据、指示所述患者的运动的数据和/或在所述插管中所使用的用具件的运动的数据、指示所述患者所发出的声音的数据、和/或所述患者的生理数据。

10.一种计算机程序产品，包括非暂态计算机可读介质，所述计算机可读介质具有包含在其中的计算机可读代码，所述计算机可读代码被配置为使得在由合适的计算机或处理器执行时，使得所述计算机或处理器执行根据前述权利要求中任一项所述的方法。

11.一种用于监测插管患者的系统，所述系统包括：

一个或多个传感器，与所述插管患者相关联；以及

处理器，所述处理器被配置为：

从所述一个或多个传感器，接收与所述插管患者有关的数据；

基于所接收的数据，确定所述插管患者的自行拔管可能性；以及

响应于确定所述自行拔管可能性大于所限定的阈值，生成警报信号。

12.根据权利要求11所述的系统，其中与所述插管患者相关联的所述一个或多个传感器包括一个或多个相机，所述一个或多个相机被配置为捕获所述插管患者的图像。

13.根据权利要求11或12所述的系统，其中与所述插管患者相关联的所述一个或多个传感器包括一个或多个可佩戴传感器、麦克风、和/或被配置为测量所述插管患者的生理数据的一个或多个传感器。

14.根据权利要求13所述的系统，其中所述一个或多个传感器包括以下各项中的一项或多项：加速度计、磁力计、氧饱和度传感器、二氧化碳分析传感器、心率传感器、血压传感器、心电图ECG传感器和温度计。

15.根据权利要求11至14中任一项所述的系统，还包括：

存储设备，与所述一个或多个传感器和所述处理器通信；

其中所述存储设备被配置为存储从所述一个或多个传感器接收的数据。

Images