CN115917667A - 用于肺部监测的装置和方法 - Google Patents
用于肺部监测的装置和方法 Download PDFInfo
- Publication number
- CN115917667A CN115917667A CN202180048419.2A CN202180048419A CN115917667A CN 115917667 A CN115917667 A CN 115917667A CN 202180048419 A CN202180048419 A CN 202180048419A CN 115917667 A CN115917667 A CN 115917667A
- Authority
- CN
- China
- Prior art keywords
- lung
- patient
- indication
- biomarker
- index
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000002685 pulmonary effect Effects 0.000 title claims description 31
- 238000012544 monitoring process Methods 0.000 title claims description 19
- 210000004072 lung Anatomy 0.000 claims abstract description 347
- 239000000090 biomarker Substances 0.000 claims abstract description 140
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000036541 health Effects 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 27
- 238000005259 measurement Methods 0.000 claims description 26
- 230000004044 response Effects 0.000 claims description 24
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 239000012530 fluid Substances 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000013178 mathematical model Methods 0.000 claims description 11
- 230000004199 lung function Effects 0.000 claims description 10
- 238000002604 ultrasonography Methods 0.000 claims description 6
- 230000005750 disease progression Effects 0.000 claims description 5
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 5
- 206010061818 Disease progression Diseases 0.000 claims description 4
- 239000007787 solid Substances 0.000 claims description 3
- 238000009530 blood pressure measurement Methods 0.000 claims 1
- 201000010099 disease Diseases 0.000 claims 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 1
- 230000008859 change Effects 0.000 description 30
- 230000015654 memory Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 14
- 230000003068 static effect Effects 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 8
- 230000003434 inspiratory effect Effects 0.000 description 6
- 210000002345 respiratory system Anatomy 0.000 description 6
- 239000002131 composite material Substances 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 238000011269 treatment regimen Methods 0.000 description 4
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 3
- 239000003570 air Substances 0.000 description 3
- 239000012080 ambient air Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 208000006673 asthma Diseases 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 208000019693 Lung disease Diseases 0.000 description 2
- 208000037656 Respiratory Sounds Diseases 0.000 description 2
- 206010047924 Wheezing Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003748 differential diagnosis Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 238000013125 spirometry Methods 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 206010006322 Breath holding Diseases 0.000 description 1
- 208000025721 COVID-19 Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000010412 Glaucoma Diseases 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 239000013566 allergen Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004177 elastic tissue Anatomy 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000005823 lung abnormality Effects 0.000 description 1
- 238000013123 lung function test Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008529 pathological progression Effects 0.000 description 1
- 244000144985 peep Species 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000009325 pulmonary function Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000003019 respiratory muscle Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000276 sedentary effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000003442 weekly effect Effects 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
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/085—Measuring impedance of respiratory organs or lung elasticity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/087—Measuring breath flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0515—Magnetic particle imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- External Artificial Organs (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Medicines Containing Material From Animals Or Micro-Organisms (AREA)
Abstract
一种装置可以监测或评估患者肺。该装置可以包括,控制电路,其被配置成处理来自患者数据的肺生物标志物。控制电路可以被配置成生成肺指数以表征患者肺,从而监测或评估患者肺。
Description
优先权申明
本专利申请要求Mona Eskandri于2020年5月8日提交的题为“METHOD FORPULMONARY MONITORING(用于肺部监测的方法)”的美国临时专利申请序列号63/022,221的权益,该申请的全部内容通过引用并入于此。
技术领域
在以下描述中,为了解释的目的,阐述了各种细节以便提供对一些示例性实施例的透彻理解。然而,对于本领域技术人员来说将明显的是,可以在没有这些具体细节的情况下或者在具有微小改变的情况下实践本主题。
本文档一般地但不作为限制地涉及肺部监测。
背景技术
本公开通常涉及一种利用肺材料属性的无创测量的用于肺健康的新诊断工具。这可以允许肺部监测,其可以是快速的、常规的、负担得起的,并且与获取患者的脉搏或测量血压一样可重复。
肺病是全世界死亡的主要原因,并且新的威胁出现在呼吸流行病、雾化和世界许多地方的日益增加的空气污染中。肺部检查的当前方法可能是不准确的、耗时的、并且不可访问的。结果,除非有症状,肺健康通常是不会被监测的,并且到那时损害就可以会是永久性的,并且退化可以是不可逆的。例如,COPD(慢性阻塞性肺病)患者在甚至接受他们的第一次肺活量测定测试之前就失去了他们肺功能的一半。
所有肺功能测试目前基于在吸气和呼气期间测量气流。传统流量测量设备(诸如肺活量计(测量空气呼出速度)和体积描记器(一种包围患者整个身体以记录压力和体积的大系统))的缺点可以包括延长的测试、不精确的客观测量和乏味的技术人员训练要求。此外,对于典型的医生诊所就诊(20-30分钟)来说,检查可能会太长,或者需要患者去实验室,而到该时间,症状可能就已经消退了。测试协议可能难以遵循和重复,尤其是对于儿童来说;甚至成年人也很少能再现他们自己的结果。更常见的是提供很少有意义数据的30秒峰值流量计检查。即使是客观的和洞察力很强的基于成像的非流动医学检查,诸如肺CT扫描(计算机断层摄影),特别是在压制COVID-19爆发时使用的,也是昂贵的并且不可广泛获取。
发明内容
考虑到上述问题,期望提供一种利用肺的基本科学现象粘弹性响应的方法,以在屏住吸气呼吸期间基于时间压力演变(诸如呼吸道压力随时间的变化或肺压力随时间的变化中的至少一个)来快速且常规地测量肺健康。
此外,该方法可以是能在医学上有变化的,使得能够实现早期检测、差异诊断和治疗评估。因此,本文公开的方法具有挽救生命、改善健康结果以及在诊断和治疗成本方面节省数十亿美元的潜力。
在一个示例中,公开的用于肺部监测的方法可以包括对来自屏住吸入呼吸的个体的压力演变的非流动测量结果。
在一个示例中,该方法可以用作一个标准筛选程序,类似于其它临床普遍和革命性的设备,例如血压袖带和青光眼眼压测量。此外,该方法可以通过基于非流动属性引入对肺健康的非侵入性、相对快速、客观且广泛可获取的评估来改变当前肺部保健叙述。
在一个示例中,粘弹性可以使用特征压力-时间(P-T)特征(诸如肺生物标志物)来评估肺健康,以对正常和异常肺功能进行分类,区分异常的类型,并且连续地监测疾病进展。总之,粘弹性可以使用肺生物标志物来评估肺健康,以对正常和异常肺功能进行分类,区分肺异常的类型,并且连续监测肺病进展。
根据一个示例性实施例,整个器官可以是患者或个体的整个肺(即,右肺和左肺,或者替代地,如果患者或个体仅具有一个肺,则仅一个肺)。
在一个示例性方法中,患者可以尽可能长地(例如,小于30秒)吸入并屏住呼吸以产生压力-时间(P-T)曲线,诸如使用用作与控制电路对接的实时压力计(压力计)的吹口(mouthpiece)210,所述控制电路诸如包括运行计算机软件的计算机器,以记录和存储测量结果,用于同时或稍后的分析。P-T曲线可以表征压力随时间的变化,诸如压力随时间的减小,其可以通过流变模型分析以生成肺生物标志物。流变模型,诸如概念上由离散元件(弹簧和阻尼器)组成,可被用于曲线拟合P-T曲线,诸如指数衰减P-T曲线。肺生物标志物可以包括P-T曲线的标志性特征,诸如峰值压力的指示、渐近压力的指示、分数舒张的指示、时间常数的指示、模型非线性程度的指示或固体对流体比例响应(例如,粘弹性响应)的指示中的至少一个。在一个示例中,肺生物标志物可以充当患者肺健康的指示,诸如一个或多个肺生物标志物随时间的变化可以提示肺状况的风险(或其存在),诸如在无症状患者中。
在一个示例性方法中,患者可以吸气并屏住呼吸,例如持续一段时间以测量压力演变。从压力演变测量结果获得的数据可以应用于建立的流变模型,以生成时间压力对时间(P-T)曲线的特性或标志性特征,诸如以允许比较健康控制(诸如“正常”肺)的特征与患病状态(诸如“异常”肺)。健康控制数据和患病状态数据的标志性特征之间的差异可被用于检测诸如异常肺状态。在一个示例中,本文公开的方法还可以扩展至附加患病状态,诸如以探索可能的差异诊断能力或用于疾病进展监测。
在一个示例中,当粘弹性的单个特性特征(例如,百分比压力舒张)可以在健康组织和模拟哮喘的暴露于灰尘的组织之间进行比较时,哮喘模型表现出显著降低的分数(或百分比压力)舒张,诸如指示组织中存在肺状况(例如,哮喘)。诸如峰值和渐近压力值、非线性度、时间常数和/或固体对流体比例响应的附加特征可以产生进一步的粘弹性度量,诸如允许用户在健康状态和患病状态之间进行比较,监测疾病进展,并且提供差异诊断。
本发明人已经认识到,除其他之外,在本领域中需要能够监测或评估患者肺的装置和方法。所述装置和方法可以包括控制电路,诸如能够运行软件,其被配置成处理来自患者数据的肺生物标志物。此外,控制电路可以被配置成生成肺指数,诸如表征患者肺的标志性特征以监测或评估患者肺。在一个示例中,肺指数可以至少部分地基于肺生物标志物,诸如表征患者肺。
本发明内容旨在提供本专利申请的主题的概述。并不意图提供本发明的排他性或详尽的解释。将详细描述包括进来以提供关于本专利申请的进一步信息。
附图说明
在不一定按比例绘制的附图中,相同的标号可以在不同的视图中描述类似的组件。具有不同字母后缀的相同标号可以表示类似组件的不同示例。附图通过示例而非限制的方式一般性地示出了本文档中所讨论的各种实施例。
图1示出一种装置的示例,诸如用于感测患者肺内的压力演进的指示。
图2示出包括可选的体积式充气机的一个示例性吹口。
图3示出一个示例性P-T曲线。
图4示出使用装置来监测患者的一个示例性方法,诸如监测患者的肺状况。
图5示出一个示例性计算机器。
具体实施方式
肺部监测可以被描述为一种跟踪患者肺的健康的方法,诸如通过跟踪、制图或检查肺功能随时间的性能中的至少一种。在一个示例中,肺部监测可被用于识别患者肺的生理参数的变化。患者肺的生理参数可以包括能够描述患者肺的特征的任何参数,诸如患者肺的粘弹性特征。生理参数的指示可以由患者数据表示,诸如用书面问卷从患者收集的数据或用传感器从患者测量的数据。
生理参数的变化可以指示肺状况的发作(诸如当生理参数的值偏离生理参数的“正常”患者值时)或患者肺功能的变化(诸如提示异常肺状况的进展)中的至少一个。在一个示例中,“正常”肺状况可以包括其中医疗专业人员将不推荐治疗干预的患者肺的状态,诸如基于患者肺的生理参数。在一个示例中,“异常”肺状况可以包括其中医疗专业人员将推荐治疗干预的患者肺部的状态,诸如基于患者肺的生理参数。在一个示例中,术语“肺状况”可以指“正常”或“异常”肺状况,诸如基于使用该术语的上下文。
在一个示例中,肺部监测可以包括肺状况的早期检测、肺状况的诊断或评估患者对治疗方案的响应(诸如针对肺状况)中的至少一个。在一个示例中,治疗方案可以包括干预,诸如将患者从毒素/过敏原环境中移开,以了解环境对患者的影响,诸如改善患者肺健康和减轻进一步的损害。
压力演变可被描述为一种变化,诸如患者呼吸道或患者肺中经历的压力随时间的变化。在一个示例中,压力演变还可以指时间压力演变、时间压力消散或时间压力舒张中的至少一个,如在患者呼吸道或患者肺的至少一部分中所经历的。压力演变可以被理解为组织的应力舒张响应,诸如肺对患者保持一段时间的吸气呼吸的应力舒张响应。压力演变响应可以包括诸如与患者肺部相关的生理参数的指示。在一个示例中,压力演变响应可以表征生理参数,诸如患者肺压力的变化或患者肺上的两个界标之间的距离(例如,位移)的变化中的至少一个。可以从患者数据获得压力演变响应的指示,诸如与利用传感器从患者感测到的生理参数有关的患者数据。在一个示例中,压力演变响应的指示可以与流体的动态(或流动)测量结果相关,诸如进入(例如,吸气)患者肺或离开(例如,呼气)患者肺部的流体流动。在一个示例中,压力演变的指示可以与流体的静态(或非流动)测量结果相关,诸如与来自屏住吸入呼吸(例如,屏住呼吸)的患者的压力演变相关联的指示。
呼吸可以包括一个生理过程,其中,诸如人类的有机体可以从环境中提取氧气,诸如通过将包括环境空气的气体混合物吸入到人类的肺中。在一个示例中,呼吸可以包括接收气息,诸如可以包括喘息动作。插叙你可以包括被动过程,诸如通过呼吸肌的放松或肺和胸腔的弹性反冲中的至少一个的组合的吸气或呼气中的至少一个。肺的体积可以规定患者可以在肺内接收的吸气体积(例如,吸入的呼吸),诸如吸气体积可以与肺组织的弹性或胸腔的体积中的至少一个相关。
图1示出了装置100的一个示例,诸如用于感测患者肺中的压力演变响应的指示。装置100可以包括控制电路120,以及可选地传感器130,其诸如利用连接器140连接到控制电路120。在一个示例中,装置100可以包括控制电路120,其被配置成接收患者数据,诸如与患者的生理参数相关的患者数据,包括来自患者的压力演变的指示,并且处理患者数据,诸如处理压力演变响应的指示以形成肺生物标志物。在一个示例中,装置100可以包括传感器130,诸如被配置成感测患者数据的传感器130,所述患者数据诸如患者肺的指示,包括来自患者的压力演变响应的指示,以及控制电路120,诸如被配置成接收和处理来自传感器130的压力演变的指示。
控制电路120可以促进和协调装置100的操作。在一个示例中,控制电路120可被耦合到传感器130,例如以与其机械或电连通中的至少一种方式耦合。在一个示例中,机械连通可以包括诸如其中传感器130可以附接到控制电路120的装置100。在一个示例中,电连通可以包括将由传感器130感测到的诸如表示压力演变响应的指示的患者数据,通过诸如连接器140传送到控制电路120。在一个示例中,连接器140可以包括有线连接或无线连接中的至少一种,有线连接诸如可以利用布线将患者数据从传感器130传送到控制电路120,无线连接诸如利用Wi-Fi或其他无线协议将数据从传感器130传送到控制电路120的电子硬件。
控制电路120可以包括诸如被配置成允许用户与装置100交互的输入设备512。在一个示例中,用户可以包括患者、患者护理者、健康专业人员或诸如计算机器500或数据存储设备的非人中的至少一个。
输入设备512可以被配置成接收患者数据。在一个示例中,输入设备512可以包括诸如被配置成从用户接收患者数据的图形用户界面(GUI),所述患者数据包括与基本系统功能(例如,装置100的启动/停止)、用户偏好的指示(诸如,装置100的操作期间的患者舒适水平)或患者健康历史的指示中的至少一个相关的信息。在一个示例中,输入设备512可以包括电子接口,诸如从被配置成同时感测来自患者的患者数据并将患者数据传送到输入设备512的传感器130或数据存储设备中的至少一个接收患者数据,诸如被配置成将先前从患者感测到的并存储在数据存储设备上的患者数据传送到控制电路120。
控制电路120可以包括处理模块,诸如可编程中央处理单元(CPU)。CPU可以执行指令,诸如一个或多个指令,以实现使用装置100的方法,诸如如本申请中其它地方所述的比较患者数据。在一个示例中,CPU可以是诸如计算机500的计算机器的组件。
CPU可以被配置成处理接收到的患者数据,诸如从输入设备512接收到的患者数据,以形成肺生物标志物的指示。肺生物标志物的指示可以包括组1肺生物标志物、组2肺生物标志物或组3肺生物标志物中的至少一个,所述组1肺生物标志物诸如患者健康历史的指示,所述组2肺生物标志物诸如患者肺的动态特性的指示,所述组3肺生物标志物诸如患者肺的粘弹性特性的指示。
CPU可以被配置成处理指示,诸如肺生物标志物的指示,或生成指数的指示,诸如被配置成表征患者肺的状态或状况的肺指数。肺指数可以包括诸如在本申请的其他地方描述的患者肺状况的复合指示。
控制电路120可以包括存储设备522以监测和记录患者数据,诸如肺生物标志物或肺指数中的至少一个的指示。患者数据可以在一段时间内由存储设备522监测和记录,诸如数秒、数分钟、数小时、数天、数年的时间段,或者患者的一生。
控制电路120可以包括电源,诸如以向装置100供应电能。在一个示例中,电源可以包括诸如锂离子电池的电池或变压器中的至少一个,诸如从壁装电源插座接收电力,以在指定的电压和电流下在装置100中使用。
生物标志物
生物的标志物(或生物标志物)可以包括指示器,诸如患者健康的主观或客观指示。在一个示例中,生物标志物可以包括患者肺健康的指示,诸如被选择为在选定时间点患者肺的健康状况的指示的肺生物标志物。肺生物标志物可以从以周期性间隔(诸如每天、每周、每月或每年间隔中的至少一种)从患者感测的患者数据处理。可以比较肺生物标志物,例如以监测患者肺状况或使得能够实现基于客观标准的患者诊断。在一个示例中,患者肺生物标志物可与患者数据比较,诸如患者肺生物标志物可与先前从同一患者收集的患者肺生物标志物数据或群体数据比较以监测肺状况的进展,诸如患者肺生物标志物可与从不同于患者的其他人收集的肺生物标志物数据比较,诸如以提供治疗方案的患者预后或用于公共健康评估的流行病学数据中的至少一种的指示。
肺生物标志物可以包括组1肺生物标志物,诸如患者的健康历史数据。健康历史数据可以通知患者健康评估,诸如以提供用于在延长的时间段内监测患者肺健康的背景。
健康历史可以包括客观诊断测量的指示,诸如以表征患者状况。客观诊断测量可以包括身高、体重、血氧水平或包括收缩压和舒张压的系统性血压中的至少一个。在一个示例中,客观诊断测量还可以包括与肺活量测定和成像的使用相关联的一个或多个度量的指示,诸如对包括COPD患者的患者分类、Tiffeneau-Pinelli指数(例如FEV1比)的指示、呼气末正压(例如PEEP)的指示、或患者呼吸潮气量的指示。
健康历史数据可以包括主观诊断测量的指示,诸如以表征患者状况。主观诊断测量可以包括至少一个患者抱怨,诸如关于过去或现在的一般健康状况或过去或现在的肺状况的患者陈述。在一个示例中,健康状况的陈述可以包括观察结果,诸如“呼吸急促”、“持续咳嗽”或“站立时的眩晕”。主观诊断测量可以包括患者抱怨的时序,诸如患者抱怨是否属于持续数小时或数天的急性事件,或持续数天、数周、数月或数年的慢性事件。主观诊断测量可以包括由诸如医学专业人员之类的另一个用户对患者的观察。在一个示例中,观察可以包括患者健康状况的现在式(present-sense)观察,诸如在体力活动期间观察到的患者“喘鸣”或“似乎疼痛”的用户观察。
健康历史数据可以例如通过患者回答的书面问卷或例如与健康专业人员的口头会谈中的至少一个来收集。
可以处理健康历史数据,诸如以准备用于进一步分析的数据。在一个示例中,健康历史数据可以存储为例如包括纸质记录的模拟格式或包括电子记录的数字格式中的至少一种。在一个示例中,健康历史数据可以被组织以使客观标度被应用于健康历史数据,以包括或用于另一度量,诸如肺指数度量。客观标度可以包括数值标度,诸如用于量化(或规范化)患者响应以与另一患者响应进行比较的数值标度。在一个示例中,包括由“1”、“2”、“3”、“4”和“5”描绘的数值标度可以应用于患者对“今天你感觉如何?”的问题的响应。例如,“感觉不好”的患者响应可以被分配值“1”,诸如以指示患者状况的下限,“感觉良好”的患者反应可以被分配值“5”,诸如以指示患者状况的上限,并且除了“感觉不好”或“感觉良好”之外的患者响应可以被分配“1”和“5”之间的值,诸如以相对于患者状况的下限和上限定位响应。
肺生物标志物可以包括组2肺生物标志物,诸如患者的动态肺特性。
动态肺特性可以包括肺的尺寸测量结果,其可以随时间而变化,诸如随患者呼吸而变化。动态肺特性可以包括患者肺位移的指示,诸如患者肺上的两个界标之间的位移变化的指示。肺界标可以包括在一段时间内可以诸如利用传感器130被监测(诸如定位或“跟踪”)的患者肺上的任何选定位置。在一个示例中,位移变化的指示可以包括距离变化的指示、速度变化的指示或加速度变化的指示中的至少一个。动态肺特性可以包括患者肺体积的指示,诸如患者肺上的两个或更多个界标之间的位移变化的指示。在一个示例中,体积变化的指示可以包括定义体积的两个或更多界标之间的距离变化的指示、两个或更多界标的速度变化的指示、或者两个或更多界标的加速度变化的指示中的至少一个。
动态肺特性可以诸如利用集成到传感器系统中的传感器130从患者收集或以其他方式接收。
传感器130可以包括压力传感器,例如压力传感器系统。在一个示例中,传感器可以包括诸如在本申请中的其他地方所描述的具有集成压力传感器的吹口210。压力传感器可以被配置成感测患者肺的指示,诸如患者肺中的压力演变的指示。在一个示例中,患者肺的指示可以包括压力-时间(或P-T)曲线,诸如与肺中的压力演变相关,该压力演变与压力的动态(或流动)测量结果(诸如在患者呼吸期间)或压力的静态(或非流动)测量结果(诸如与患者在一段时间内屏住呼吸相关)中的至少一个相关。
图2示出了一个示例性传感器130,诸如包括可选的体积式充气机215的吹口210。压力传感器可以包括在或附接到吹口210上,诸如感测患者口腔或呼吸道中的压力演变。在一个示例中,吹口210可以被配置或成形为诸如将压力传感器定位在患者口腔、呼吸道或肺中的选定位置处。
体积式充气机215可以可选地附接至吹口210,诸如将选定体积的空气引入患者呼吸道,诸如感测经受已知充气量的患者肺中的压力演变的指示。当患者体积吸气努力不足以感测患者肺内压力演变的指示时,体积式充气机215可以可选地与吹口210一起使用,诸如代用通气装置。体积式充气机215可以包括气囊220和安全阀240中的至少一个,所述气囊诸如封闭的膜,所述封闭的膜被配置成将由所述膜包围的体积230与周围大气分开。在一个示例中,体积式充气机215可以包括波纹管装置。在一个示例中,体积式充气机215可以定位成与患者的嘴连通,例如与吹口210连通,并且被压缩,诸如通过迫使流体从体积230进入患者肺,以提供正压通气并使患者的肺膨胀。患者肺的膨胀可以帮助感测患者数据,诸如患者肺中的压力演变的指示。在一个示例中,体积230中的流体可以包括气态流体,诸如环境空气或具有不同于环境空气的成分的流体中的至少一种,所述成分诸如被选择用于治疗患者肺或帮助感测患者肺中的压力演变的指示的成分。安全阀240可以被配置成在体积式充气机215的压缩期间关闭,诸如迫使流体进入患者肺,并且在体积式充气机215的稀疏(rarefaction)期间打开,诸如允许流体流入包括来自周围大气的体积230,诸如防止患者的负压通气。
传感器130可包括超声波传感器(诸如,与超声波检查术中的使用相关联的超声波传感器系统)或X射线传感器(诸如,与射线照相相关联的X射线传感器系统)中的至少一个。超声传感器或X射线传感器可被配置成感测患者数据,诸如包括患者肺上的两个界标之间的距离变化的肺位移的指示。位移的指示可以与肺中的压力演变相关,该压力演变与患者吸气或呼气期间的压力的动态(或流动)测量或压力的静态(或非流动)测量中的至少一个相关联。在一个示例中,肺位移的指示可以与其他信息组合,诸如患者肺弹性的估计,以估计肺压力相对于时间的变化,诸如生成P-T曲线或类似的度量。
传感器130可以包括MRI传感器,诸如与在医学成像中的使用相关联的MRI传感器系统。MRI传感器可以被配置成感测患者肺的指示,诸如包括患者肺上的两个界标之间的距离变化的位移的指示。位移的指示可以与肺中的压力演变相关,该压力演变与患者吸气或呼气期间的压力的动态(或流动)测量或压力的静态(或非流动)测量中的至少一个相关联。在一个示例中,位移的指示可以与其他信息组合,诸如患者肺弹性的估计,以估计肺压力相对于时间的变化,诸如生成P-T曲线或类似的度量,或肺体积相对于时间的变化。
可以处理动态肺特性数据,诸如准备用于进一步分析的数据。在一个示例中,动态肺特性数据可以诸如以包括纸质记录的模拟格式或包括电子记录的数字格式中的至少一种被存储到诸如存储设备522中。在一个示例中,动态肺特性数据可以是相关的,诸如动态肺特性数据可以被认为是肺的粘弹性特性的指示。例如,由于压力演变,诸如在屏住呼吸期间,患者肺上的两个界标之间的位移的指示,诸如位移变化,可以与患者肺的特性,诸如患者肺的粘弹性特性相关。在一个示例中,一个或多个动态肺特性可以被组织以包括或用于另一度量中,诸如肺指数度量。
肺生物标志物可以包括组3肺生物标志物,诸如患者肺的粘弹性特征。粘弹性特性可以描述组织的属性,例如弹性组织行为或粘性组织行为中的至少一个。在一个示例中,组3肺生物标志物可以包括粘弹性特性,诸如包括标志性粘弹性特征的患者肺粘弹性参数(PLVP)。
可以从患者收集患者数据,诸如表征患者生理参数。在一个示例中,可以通过调查来收集患者数据,诸如通过询问患者的问题并记录患者响应。
在一个示例中,可以利用如本申请中其他地方所描述的诸如利用集成到传感器系统中的传感器130的传感器130来收集患者数据。在一个示例中,传感器130可以包括压力传感器系统、超声系统、MRI系统或X射线系统中的至少一个。
用传感器130,诸如压力传感器系统收集的患者数据可以包括生理参数的指示,诸如在一段时间内在患者身上感测的与屏住呼吸相关的患者肺压力的变化的指示。在一个示例中,患者肺压力随时间的变化的指示可以包括压力对时间(或P-T)曲线。
图3示出了例如表示患者呼吸道中的压力演变的一个示例性P-T曲线。在一个示例中,水平轴可以表示时间,并且垂直轴可以表示压力,诸如肺压力幅度。P-T曲线可以由生理参数的指示来表征,诸如峰值压力310(或Pp)的指示、渐近压力312的指示、分数舒张314的指示、时间常数316的指示或模型非线性度318的指示中的至少一个。
患者数据可以用数学(或数学)模型“简化”或曲线拟合,诸如以生成一个或多个模型参数变量(MPV)的值来表征患者数据。数学模型可用于定义或描述肺生物标志物,诸如MPV值,以表征组2肺生物标志物或组3肺生物标志物中的至少一种。MPV可以包括数学模型中的变量,诸如可以定义曲线以曲线拟合患者数据的变量的值。在一个示例中,数学模型可以包括流变数学模型,流变数学模型包括分数标准线性实体模型、麦克斯韦模型或开尔文模型中的至少一个。在一个示例中,MPV值的指示可以代表PLVP的指示,例如患者肺粘弹性的指示。
在一个示例中,指数衰减模型,诸如由时间常数参数定义的线性一阶常微分方程,可被用在患者数据中。可以处理所收集的患者数据,或者以其他方式进行曲线拟合以近似“最佳拟合”曲线,以识别时间常数参数的值,诸如表征所收集的患者数据。在一个示例中,最佳拟合表征可以包括识别MPV的值,诸如被选择来诸如使用最小二乘误差度量来最小化数学模型与所收集的数据之间的误差的MPV。时间常数参数的值,诸如由将数学模型曲线拟合到所收集的患者数据而产生的,可以表示PLVP,诸如由指数衰减模型估计的患者肺粘弹性的指示。再次参考图3,诸如从指数衰减模型估计的PLVP可以包括患者肺的粘弹性特性,诸如表征“整体”或“整个器官”的粘弹性特征。
PLVP可以包括峰值压力(Pp)的指示,诸如P-T曲线中与患者屏住呼吸相关的吸气峰值压力。在一个示例中,诸如通过使用可选的体积式充气机215,可以为患者增加Pp。
PLVP可以包括患者肺的分数舒张的指示,诸如由P-T曲线中的信息形成的分数舒张的指示。分数舒张可包括比率,诸如峰值压力与选定渐近值的比率。在一个示例中,选定的渐近值可以包括来自P-T曲线的感测压力,诸如在峰值压力之后的选定时间。
分数舒张的指示可以受所检查的数据的影响,诸如分数舒张的指示值可以受曲线拟合期间所检查的P-T曲线的部分的影响。在一个示例中,可以在与P-T曲线测量相关联的选定时间(例如一个或多个选定时间)处估计分数舒张的指示值,以便获得在一个或多个选定时间处的分数舒张的指示值。例如,用户可以在峰值压力(Pp)之后1秒、Pp之后5秒、Pp之后10秒或Pp之后20秒中的至少一个选定时间估计分数舒张的指示的值,以表征患者肺用作肺生物标志物的指示。
PLVP可以包括患者肺的百分比舒张的指示,诸如分数舒张的百分比指示。在一个示例中,百分比舒张的值可以通过将分数舒张乘以100来形成,以便生成峰值压力对所选择的渐进值的百分比水平。
PLVP可以包括时间常数的指示,诸如与指数衰减模型相关联的时间常数。在一个示例中,数学模型,例如分数标准线性实体模型,可用于识别肺生物标志物的指示,诸如用“类实体”贡献度量和“类流体”贡献度量中的至少一种来表征患者P-T曲线。在一个示例中,贡献度量可以用标准指数模型来表征,诸如用包括基数、指数(例如,基数的幂)或系数(例如,应用于基数的增益)中的至少一个的模型参数描述的模型,其中,模型参数的值可被用作肺生物标志物的指示。
PLVP可以包括非线性的指示,诸如对于患者数据,其中,与线性数学模型相关的最小平方误差可以通过应用非线性数学模型来减小。在一个示例中,受所检查的数据影响的分数舒张的指示的示例(参见上文)可以由以非线性时间常数为特征的指数衰减模型来描述,诸如非线性的指示可以包括描述时间常数的非线性的度量。
肺指数
肺生物标志物,诸如一种或多种肺生物标志物,可以组合,诸如形成肺指数。肺指数可以包括复合指示器,诸如至少部分地一种或多种肺生物标志物的组合,与单独的组成肺生物标志物相比,所述肺生物标志物可以形成改进的监测或诊断工具,诸如以表征患者肺。
可以将一种或多种肺生物标志物收集到例如具有共同特性的一组肺生物标志物中。因此,可以使用适当分组的生物标志物集合,诸如由医学专业人员预测或诊断患者的潜在肺状况。
在一个示例中,组1肺生物标志物,诸如描述患者健康历史,可以被认为是肺状况的当前或滞后指示器中的至少一种。例如,诸如血氧水平的客观诊断测量或诸如当前健康状况的患者陈述的主观诊断测量可以指示诸如在具有肺状况的历史的患者中的肺状况的存在或进展。
在一个示例中,组2肺生物标志物,诸如描述患者肺的动态肺特性,可以被认为是肺状况的当前或前导指示器。在一些情况下,例如两个肺界标之间的肺位移的变化,或肺体积的变化,都可以发信号通知存在肺状况。例如,诸如由患者运动不耐受或利用传感器130对患者的直接测量所发信号通知的肺位移或肺体积的减小可以指示诸如在久坐患者中存在潜在的肺状况。
在一个示例中,组3肺生物标志物,诸如描述患者肺的粘弹性特征,可以被认为是肺状况的当前或前导指示器。在一些情况下,患者肺组织的粘弹性行为在分子水平上的微小变化可以预期肺状况的病理进展。例如,诸如与一般人群相比患者肺粘弹性的降低可以指示潜在的肺状况的存在,诸如在无症状患者中。
肺指数可以至少部分地包括肺生物标志物,诸如来自组1肺生物标志物、组2肺生物标志物或组3肺生物标志物中的至少一个的肺生物标志物。在一个示例中,肺指数可以至少部分地包括选自组1肺生物标志物和组2肺生物标志物中的每一个的肺生物标志物。在一个示例中,肺指数可以至少部分地包括选自组1肺生物标志物和组3肺生物标志物中的每一个的肺生物标志物。在一个示例中,肺指数可以至少部分地包括选自组2肺生物标志物和组3肺生物标志物中的每一个的肺生物标志物。在一个示例中,肺指数可以至少部分地包括选自组1肺生物标志物、组2肺生物标志物和组3肺生物标志物中的每一个的肺生物标志物。
方法
图4示出了使用诸如装置100的装置来监测患者,诸如监测患者的肺状况的一个示例性方法300。装置100可以包括控制电路120,诸如被配置成接收与患者相关的患者数据并处理所接收的患者数据的控制电路,诸如以形成肺生物标志物或肺指数中的至少一个。诸如示例性方法400的方法可以在诸如在计算机器500上实现的一个或多个数据结构或指令中实现。在一个示例中,患者数据可以包括生理参数的指示,诸如来自患者的肺生物标志物的指示,或患者健康历史的指示。
在405,可以诸如由医学专业人员接收患者以评估患者肺。接收患者可以包括检查患者以诸如针对肺状况筛查患者、诊断患者以诸如基于医学专业人员可用的数据来递送关于肺状况的概率的推荐、或者监测患者以诸如通过将当前患者数据(诸如当前肺指数得分的指示)与先前患者数据(诸如来自先前诊疗的肺指数得分的指示)进行比较来评估先前诊断的肺状况的进展中的至少一个。
在405,可以收集患者数据,诸如用作肺生物标志物。收集患者数据可以包括接收同期患者数据(诸如在接收患者时从患者收集的患者数据)或者接收存储的患者数据(例如在接收患者之前收集的患者数据)中的至少一个。
收集患者数据可以包括访问患者,诸如以从患者收集健康历史数据。在一个示例中,收集患者数据可以包括从患者收集组1肺生物标志物数据。
收集患者数据可以包括处理收集的健康历史数据,诸如以形成肺生物标志物。在一个示例中,处理可以包括将客观标度应用于健康历史数据,诸如1至5的数值标度,以形成肺生物标志物的指示。在一个示例中,处理健康历史数据可以包括形成肺指数,诸如至少部分地从肺生物标志物的指示来形成。
收集患者数据可以包括感测来自患者的动态肺特性的指示,诸如可以随时间变化的肺的尺寸测量结果。在一个示例中,收集患者数据可以包括从患者收集组2肺生物标志物数据。
收集患者数据可以包括处理来自患者的动态肺特性的指示,诸如以形成肺生物标志物。在一个示例中,处理患者数据可以包括诸如根据动态肺特性来估计肺生物标志物。在一个示例中,处理动态肺特性的指示可以包括将动态肺特性的指示,诸如由于屏住呼吸期间的压力演变而引起的患者肺上的两个界标之间的距离变化的指示,与患者肺的特性(诸如患者肺的粘弹性特性)相关联。在一个示例中,处理患者数据可以包括形成肺指数,诸如至少部分地根据动态肺特性的指示。
收集患者数据可以包括感测来自患者肺的粘弹性特性的指示,诸如以形成肺生物标志物。在一个示例中,收集患者数据可以包括从患者收集组3肺生物标志物数据。
收集患者数据可以包括处理来自患者肺的粘弹性特性的指示,诸如以形成肺生物标志物。在一个示例中,处理粘弹性特性的指示可以包括从数学模型生成模型参数变量(MPV),诸如以便估计肺生物标志物的指示。在一个示例中,MPV可以包括患者肺粘弹性参数(PLVP)。在一个示例中,处理患者数据可以包括诸如至少部分地从患者肺的粘弹性特性的指示来形成肺指数。
在415,可以比较患者数据,诸如以识别第一患者数据集和第二患者数据集之间的差异。比较患者数据可以允许用户,诸如医学专业人员,观察一个或多个肺生物标志物的变化,诸如以指示患者的肺状况的存在。
比较患者数据可以包括至少部分地基于一个或多个肺生物标志物形成度量,诸如复合度量,以表征患者肺状况。在一个示例中,复合度量可以包括肺指数,诸如选择的肺生物标志物中的至少一个或被配置成指示针对肺状况的患者风险的患者数据的布置,诸如指示肺状况的存在的增加或降低的风险。
比较患者数据可以包括比较来自同一患者的数据,以便形成肺指数的第一示例。在一个示例中,可以比较诸如在第一时间从患者收集的第一患者数据集和诸如在第二时间从患者收集的第二患者数据集,以便识别可以指示患者肺健康的一个或多个肺生物标志物的变化。例如,用户可以将诸如从患者在医学专业人员处先前就诊收集和处理的基线生物标志物值与诸如在与基线生物标志物值的比较同期的就诊期间收集和处理的后续生物标志物值进行比较,诸如以指示患者的肺状况的存在。
比较患者数据可以包括将患者数据集与“名义”患者数据集进行比较,诸如以便形成肺指数的第二示例。名义患者数据集可以包括复合患者数据集,诸如从流行病学数据形成的并且被配置成表示名义(或平均)患者的特性的数据集。在一个示例中,可以比较诸如从患者收集的第一患者数据集和诸如名义患者数据集的第二患者数据集,诸如以识别第一患者数据集相对于名义患者数据集的偏差,诸如以指示患者的肺状况的存在。
比较患者数据可以包括将数学运算应用于生物标志物,诸如患者数据集中的一个或多个生物标志物,诸如以形成肺指数的第三示例。在一个示例中,数学运算可以包括加法、减法、乘法、除法或运算组合中的至少一个。
个体肺生物标志物的检查,例如当前指示器(或组2肺生物标志物)或前导指示器(或组3肺生物标志物)中的至少一种的变化的独立检查,可以导致肺状况的无限发现(例如,弱信号),诸如当与肺生物标志物水平相比变化具有小的幅度时。然而,个体肺生物标志物的数学组合可以放大包含在当前和前导指示器的一个或多个指示内的信息,诸如以澄清肺状况的发现(例如,强信号)。在一个示例中,将组3肺生物标志物值(前导指示器)除以组2肺生物标志物值(当前指示器)可以产生比率,诸如第四肺指数的示例。例如,大于1的第四肺指数,诸如指示第一和第二组3肺生物标志物之间的差异大于第一和第二组2肺生物标志物之间的差异,可以指示肺状况的增加的风险,诸如无症状患者中的肺状况。
比较患者数据可以包括诊断患者肺状况,诸如在无症状患者中。使用诸如组3肺生物标志物前导指示器或诸如组2肺生物标志物或组1肺生物标志物的当前指示器中的至少一种可以改善患者的肺状况的诊断。将诸如来自临床试验的实验数据与诸如形成肺指数的一种或多种肺生物标志物的选定组合相关联可以帮助医学专业人员进行患者诊断,诸如区分第一疑似肺状况与第二疑似肺状况。在一个示例中,无症状患者的肺状况的诊断可以向患者提供选项,诸如开始治疗肺状况的治疗方案。
计算机器
图5示出了一个示例性机器500的框图,在该机器上可以执行本文所讨论的技术(例如,方法)中的任何一个或多个。在一个实施例中,装置100与机器500(例如,服务器机器)通信,该机器可以用于接收诸如来自传感器130的患者数据,处理患者数据,诸如形成肺生物标志物或肺指数中的至少一个,并且根据上下文数据执行经训练的模型并基于推断的意图移动提供运动控制。机器500可以是本地或远程计算机,或者是诸如智能电话、平板电脑或可穿戴设备的正在进行(OTG)设备中的处理节点。机器500可以作为独立设备操作或者可以连接(例如,联网)到其他机器。在一个实施例中,机器500可以直接与装置100耦合或集成。在一个联网部署中,机器500可以在服务器-客户端网络环境中作为服务器机器、客户端机器或两者来操作。在一个示例中,机器500可在对等(P2P)(或其它分布式)网络环境中充当对等机器。机器500可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、移动电话、web(网络)设备、网络路由器、交换机或网桥、或者能够执行指定该机器要采取的动作的指令(顺序的或以其他方式)的任何机器。此外,虽然仅示出了单个机器,但是术语“机器”还应被理解为包括单独地或联合地执行一组(或多组)指令以执行本文讨论的任何一个或多个方法的机器的任何集合,诸如云计算、软件即服务(SaaS)、其他计算机集群配置。
如本文所述的示例可以包括逻辑或多个组件或机制,或者可以由逻辑或多个组件或机制来操作。电路是以包括硬件(例如,简单电路、门、逻辑等)的有形实体实现的电路的集合。电路成员可以是随着时间和底层硬件可变性而灵活的。电路包括在操作时可以单独或组合地执行指定操作的成员。在一个示例中,电路的硬件可以被不变地设计为执行特定操作(例如,硬连线)。在一个示例中,电路的硬件可以包括可变地连接的物理组件(例如,执行单元、晶体管、简单电路等),包括物理地修改(例如,磁性地、电气地、不变质量粒子的可移动放置等)以编码特定操作的指令的计算机可读介质。在连接物理组件时,硬件组成部分的底层电特性被改变,例如从绝缘体到导体,反之亦然。指令使嵌入硬件(例如,执行单元或加载机制)能够经由可变连接而以硬件创建电路的成员,以在操作时执行特定操作的部分。因此,当设备正在操作时,计算机可读介质可通信地耦合到电路的其他组件。在一个示例中,任何物理组件可以在多于一个电路中的多于一个成员中使用。例如,在操作时,执行单元可在一个时间点在第一电路系统的第一电路中使用,并在不同时间由第一电路系统中的第二电路或由第二电路系统中的第三电路再用。
机器(例如,计算机系统)500可以包括硬件处理器502(例如,中央处理单元(CPU)、图形处理单元(GPU)、硬件处理器核或其任意组合)、主存储器504和静态存储器506,其中的一些或全部可以经由互链路(例如,总线)530彼此通信。机器500还可以包括显示单元510、诸如键盘、图形用户界面(GUI)或电子接口中的至少一个的输入设备512,诸如从传感器接收信号,以及用户界面(UI)导航设备514(例如,鼠标)。在一个示例中,显示单元510、输入设备512和UI导航设备514可以是触摸屏显示器。机器500可以另外包括存储设备(例如,驱动单元)522、信号生成设备518(例如,扬声器)、网络接口设备520和一个或多个传感器516,诸如传感器130、全球定位系统(GPS)传感器、罗盘、加速度计或其他传感器。在一个示例中,包括传感器130的传感器516可以包括诸如在本申请中的其他地方描述的可穿戴或不可穿戴传感器。机器500可以包括输出控制器528,例如串行(例如,通用串行总线(USB)、并行或其他有线或无线(例如,红外(IR)、近场通信(NFC)等)连接,以通信或控制一个或多个外围设备(例如,打印机、读卡器等)。
存储设备522可以包括机器可读介质508,其上存储有一个或多个数据结构或指令集524(例如,软件),其体现本文描述的技术或功能中的任何一个或多个或由本文描述的技术或功能中的任何一个或多个利用。指令524在其由机器500执行期间还可以完全或至少部分地驻留在主存储器504内、静态存储器506内或硬件处理器502内。在一个示例中,硬件处理器502、主存储器504、静态存储器506或存储设备516中的一个或任意组合可以构成机器可读介质。
虽然机器可读介质508被图示为一个单个介质,但是术语“机器可读介质”可以包括被配置成存储一个或多个指令524的单个介质或多个介质(例如,集中式或分布式数据库,或相关联的高速缓存和服务器)。
术语“机器可读介质”可以包括能够存储、编码或携带用于由机器500执行的指令并且使机器500执行本公开的技术中的任何一个或多个技术或者能够存储、编码或携带由这样的指令一起使用或与这样的指令相关联的数据结构的任何介质。非限制性机器可读介质示例可以包括固态存储器以及光和磁介质。在一个示例中,大容量机器可读介质包括具有多种颗粒的机器可读介质,所述多种颗粒具有不变(例如,静止)质量。因此,大容量机器可读介质不是瞬时传播信号。大容量机器可读介质的具体示例可以包括:非易失性存储器,诸如半导体存储器设备(例如,电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))及闪速存储器设备;磁盘,诸如内部硬盘和可移除盘;磁光盘;以及CD-ROM和DVD-ROM盘。
还可以利用多个传输协议(例如,帧中继、因特网协议(IP)、传输控制协议(TCP)、用户数据报协议(UDP)、超文本传输协议(HTTP)等)中的任何一个经由网络接口设备520使用传输介质通过包括互链路530的通信网络发送或接收指令524。示例性通信网络可以包括局域网(LAN)、广域网(WAN)、分组数据网络(例如,因特网)、移动电话网络(例如,蜂窝网络)、简易老式电话(POTS)网络和无线数据网络(例如,被称为的电气和电子工程师协会(IEEE)802.11标准族、被称为的IEEE 802.16标准族)、IEEE 802.15.X标准族,对等(P2P)网络,以及其他。在一个示例中,网络接口设备520可以包括一个或多个物理插孔(例如,以太网、同轴或电话插孔)或一个或多个天线以连接到通信网络526。在一个示例中,网络接口设备520可以包括多个天线,以使用单输入多输出(SIMO)、多输入多输出(MIMO)或多输入单输出(MISO)技术中的至少一个来进行无线通信。术语“传输介质”应当被认为包括能够存储、编码或携带用于由机器500执行的指令的任何无形介质,并且包括数字或模拟通信信号或有利于这样的软件的通信的其他无形介质。
本文描述的技术不限于任何特定硬件或软件配置;它们可以在任何计算、消费电子产品或处理环境中找到适用性。所述技术可以以硬件、软件、固件或其组合来实现,从而得到支持本文所述实施例的运行或执行的逻辑或电路。
对于模拟,程序代码可以使用硬件描述语言或另一功能描述语言来表示硬件,所述语言实质上提供了期望如何执行所设计的硬件的模型。程序代码可以是汇编或机器语言,或者可以被编译或解释的数据。此外,在本领域中,通常以一种或另一种形式将软件说成是采取动作或引起结果。这样的表达仅仅是陈述处理系统执行程序代码的一种简化方式,该处理系统使处理器执行动作或产生结果。
每个程序可以用高级过程、声明性或面向对象的编程语言来实现,以与处理系统通信。然而,如果需要,程序可以用汇编语言或机器语言来实现。在任何情况下,语言可以被编译或解释。
程序指令可以用于使利用指令编程的通用或专用处理系统执行这里描述的操作。替代地,操作可以由包含用于执行操作的硬连线逻辑的特定硬件组件来执行,或者由编程的计算机组件和定制硬件组件的任何组合来执行。本文所述的方法可作为计算机程序产品来提供,也可以被描述为计算机或机器可访问或可读介质,其可以包括其上存储有指令的一个或多个机器可访问存储介质,所述指令可用于对处理系统或其它电子设备进行编程以执行所述方法。
程序代码或指令可以存储在例如易失性或非易失性存储器中,诸如存储设备或相关联的机器可读或机器可访问介质,包括固态存储器、硬盘驱动器、软盘、光存储设备、磁带、闪速存储器、记忆棒、数字视频盘、数字多功能盘(DVD)等,以及更奇特的介质,例如机器可访问的生物状态保存存储装置。机器可读介质可以包括用于存储、发送或接收机器可读形式的信息的任何机制,并且介质可以包括有形介质,通过该有形介质可以传递对程序代码进行编码的电、光、声或其它形式的传播信号或载波,诸如天线、光纤、通信接口等。程序代码可以以分组、串行数据、并行数据、传播信号等的形式来传输,并且可以以压缩或加密格式来使用。
程序代码可以以在可编程机器上执行的程序来实现,所述可编程机器例如移动或固定计算机、个人数字助理、智能电话、移动因特网设备、机顶盒、蜂窝电话和寻呼机、消费电子设备(包括DVD播放器、个人录像机、个人视频播放器、卫星接收器、立体声接收器、有线TV接收器)和其它电子设备,其均包括处理器、处理器可读的易失性或非易失性存储器、至少一个输入设备或一个或多个输出设备。程序代码可以应用于使用输入设备输入的数据,以执行所描述的实施例并生成输出信息。输出信息可以被应用到一个或多个输出设备。本领域的普通技术人员应当理解,所公开的主题的实施例可以用各种计算机系统配置来实践,包括多处理器或多核处理器系统、小型计算机、大型计算机、以及实际上可以嵌入到任何设备中的普及型或微型计算机或处理器。所公开的主题的实施例还可以在分布式计算环境、云环境、对等或联网微服务中实践,其中,任务或其部分可以由通过通信网络链接的远程处理设备执行。
处理器子系统可以用于在机器可读或机器可访问介质上执行指令。处理器子系统可以包括一个或多个处理器,每个处理器具有一个或多个核。另外,处理器子系统可以被布置在一个或多个物理设备上。处理器子系统可以包括一个或多个专用处理器,诸如图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或固定功能处理器。
尽管操作可以被描述为顺序过程,但是一些操作实际上可以并行、同时或在分布式环境中执行,并且程序代码本地或远程存储以供单或多处理器机器访问。另外,在一些实施例中,可以重新排列操作的顺序,而不脱离所公开的主题的精神。程序代码可以由嵌入式控制器使用或与嵌入式控制器结合使用。
如本文所述,示例可以包括电路、逻辑或许多组件、模块或机构,或者可以在电路、逻辑或许多组件、模块或机构上操作。模块可以是通信地耦合到一个或多个处理器以便执行本文描述的操作的硬件、软件或固件。应当理解,模块或逻辑可以以硬件组件或设备、在一个或多个处理器上运行的软件或固件、或其组合来实现。模块可以是通过共享或传递数据而集成的不同且独立的组件,或者模块可以是单个模块的子组件,或者可以被分割在若干模块中。如结合附图中的流程图更全面地描述的,组件可以是在单个计算节点上运行或实现的、或者分布在并行、并发、顺序或组合运行的多个计算节点之间的进程。这样,模块可以是硬件模块,并且这样模块可以被认为是能够执行指定操作的有形实体,并且可以以某种方式配置或布置。在一个示例中,电路可以以指定的方式被布置(例如,内部地或相对于诸如其他电路的外部实体)为模块。在一个示例中,一个或多个计算机系统(例如,独立的客户端或服务器计算机系统)或一个或多个硬件处理器的整体或部分可以由固件或软件(例如,指令、应用部分或应用)配置为操作以执行指定操作的模块。在一个示例中,软件可以驻留在机器可读介质上。在一个示例中,当由模块的底层硬件执行时,软件使硬件执行指定的操作。因此,术语硬件模块应被理解为涵盖有形实体,即被物理地构造、具体地配置(例如,硬连线)或临时地(例如,暂时地)配置(例如,编程)为以指定方式操作或执行本文描述的任何操作的部分或全部的实体。考虑模块被临时配置的示例,每个模块不需要在任何一个时刻被实例化。例如,其中,模块包括通过使用软件配置、布置或适配的通用硬件处理器;通用硬件处理器可以在不同的时间被配置成各自不同的模块。软件可以相应地配置硬件处理器,例如,以在一个时刻构成特定模块,并且在不同的时刻构成不同的模块。模块也可以是软件或固件模块,其操作以执行本文描述的方法。
各种注释
以上描述包括了对附图的引用,附图形成详细描述的一部分。附图通过图示的方式示出了可以实践本发明的具体实施例。这些实施例在此也被称为“示例”。这样的示例可以包括除了所示出或描述的那些之外的要素。然而,本发明人还设想了其中仅提供了所示出或描述的那些要素的示例。此外,本发明人还考虑了使用针对特定示例(或其一个或多个方面)或针对本文所示或所述的其它示例(或其一个或多个方面)所示或所述的那些要素(或其一个或多个方面)的任何组合或排列的示例。
在本文档与通过引用并入本文的任何文档之间的出现用法不一致的情况下,请以本文档中的用法为准。
在本文档中,如在专利文档中常见的,术语“一”或“一个”被用于包括一个或多于一个,而与“至少一个”或“一个或多个”的任何其他示例或使用无关。在本文档中,术语“或”用于指非排他性的或,使得“A或B”包括了“A但不是B”、“B但不是A”以及“A和B”,除非另有说明。在本文档中,术语“包括”和“其中”用作相应术语“包含”和“在其中”的简单英语等价物。另外,在以下权利要求中,术语“包括”和“包含”是开放式的,即,包括除了在权利要求中的这一术语之后列出的那些要素之外的要素的系统、设备、制品、组合物、制剂或过程仍被视为落入该权利要求的范围内。此外,在以下权利要求中,术语“第一”、“第二”和“第三”等仅用作标记,并且不意图对其对象施加数值要求。
几何术语,诸如“平行”、“垂直”、“圆形”或“方形”,不是意图要求绝对的数学精度,除非上下文另有说明。相反,这样的几何术语允许由于制造或等效功能而引起的变化。例如,如果一个元件被描述为“圆形”或“大致圆形”,则不是精确圆形的组件(例如,稍微长椭圆形的组件或多边多边形的组件)仍然被本说明书涵盖。
本文描述的方法示例可以至少部分地由机器或计算机实现。一些示例可以包括编码有指令的计算机可读介质或机器可读介质,所述指令可操作以配置电子设备执行如以上示例中所描述的方法。这种方法的实现可以包括代码,诸如微代码、汇编语言代码、高级语言代码等。这种代码可以包括用于执行各种方法的计算机可读指令。该代码可以形成计算机程序产品的部分。此外,在一个示例中,代码可以诸如在执行期间或在其他时间被有形地存储在一个或多个易失性、非暂时性或非易失性有形计算机可读介质上。这些有形计算机可读介质的示例可以包括但不限于硬盘、可移除磁盘、可移除光盘(例如,光盘和数字视频盘)、磁带盒、存储卡或棒、随机存取存储器(RAM)、只读存储器(ROM)等。
上述描述旨在说明而非限制。例如,上述示例(或其一个或多个方面)可以彼此组合使用。例如,本领域的普通技术人员在阅读以上描述之后也可以使用其他实施例。提供了摘要以满足37C.F.R.§1.72(b)的要求,从而使读者可以快速确定技术公开的性质。它是在理解它不是用于解释或限制权利要求范围或含义的情况下提交的。此外,在以上详细描述中,各种特征可以被分组在一起以使本公开流线化。这不应被解释为意图未要求保护的公开特征对于任何权利要求是必要的。相反,发明主题可以在于少于特定公开实施例的所有特征。因此,以下权利要求特此作为示例或实施例被并入详细描述中,其中,每个权利要求独立地作为单独的实施例,并且预期这样的实施例可以以各种组合或置换彼此组合。本发明的范围应当参考所附权利要求以及这些权利要求所授权的等效物的全部范围来确定。
Claims (29)
1.一种评估患者肺的装置,包括:
控制电路,所述控制电路被配置成处理来自患者数据的肺生物标志物并且至少部分地基于所述肺生物标志物生成肺指数以表征所述患者肺。
2.根据权利要求1所述的装置,其中,所述肺生物标志物至少部分地包括包含患者健康历史的组1生物标志物、包含动态肺特性的组2生物标志物或包含所述患者肺的粘弹性特性的组3生物标志物中的至少一个。
3.根据权利要求2所述的装置,其中,所述肺生物标志物包括所述组3生物标志物的指示。
4.根据权利要求2所述的装置,其中,所述肺指数至少部分地包括选自组1生物标志物的至少一个生物标志物和选自组2生物标志物的至少一个生物标志物。
5.根据权利要求2所述的装置,其中,所述肺指数至少部分地包括选自组1生物标志物的至少一个生物标志物和选自组3生物标志物的至少一个生物标志物。
6.根据权利要求2所述的装置,其中,所述肺指数至少部分地包括选自所述组2生物标志物的至少一个生物标志物和选自所述组3生物标志物的至少一个生物标志物。
7.根据权利要求2所述的装置,其中,所述肺指数至少部分包括选自组1生物标志物的至少一个生物标志物、选自组2生物标志物的至少一个生物标志物和选自组3生物标志物的至少一个生物标志物。
8.根据权利要求1所述的装置,还包括传感器,所述传感器被配置成感测所述患者肺的指示。
9.根据权利要求8所述的装置,其中,所述患者肺的指示包括所述患者肺的粘弹性参数的指示。
10.根据权利要求8所述的装置,其中,所述传感器包括被配置成感测吸入呼吸的指示的压力传感器。
11.根据权利要求8所述的装置,其中,所述传感器包括超声波传感器,所述超声波传感器被配置成感测所述患者肺上的第一位置与所述患者肺上的第二位置之间的距离的指示。
12.根据权利要求8所述的装置,其中,所述传感器包括磁共振成像(MRI)系统,所述磁共振成像(MRI)系统被配置成感测所述患者肺上的第一位置与所述患者肺上的第二位置之间的距离的指示。
13.根据权利要求7所述的装置,其中,所述传感器包括X射线系统,所述X射线系统被配置成感测所述患者肺上的第一位置与所述患者肺上的第二位置之间的距离的指示。
14.根据权利要求1所述的装置,其中,所述控制电路包括中央处理单元(CPU),所述中央处理单元被配置成从数学模型形成所述肺生物标志物。
15.根据权利要求1所述的装置,其中,所述控制电路包括中央处理单元(CPU),所述中央处理单元被配置成至少部分地根据肺位移的指示来估计所述肺生物标志物。
16.一种用于肺部监测的方法,所述方法包括:
对来自屏住吸入呼吸的个体的压力演变的非流动测量。
17.根据权利要求16所述的方法,还包括:
基于所测量的压力演变确定所述个体的肺的健康状态,并且其中,所述个体的肺的健康状态包括正常肺功能和异常肺功能。
18.根据权利要求17所述的方法,其中,所述个体的肺的健康状态是异常肺功能,所述方法还包括:
确定不同类型的异常肺功能。
19.根据权利要求18所述的方法,还包括:
针对疾病进展而持续监测异常肺功能。
20.根据权利要求16所述的方法,其中,所述个体尽可能长时间地屏住呼吸。
21.根据权利要求16所述的方法,还包括:
利用流变模型从所记录的压力测量结果分析压力随时间的减小以生成肺生物标志物。
22.根据权利要求21所述的方法,其中,肺生物标志物包括峰值压力的指示、渐近压力的指示、分数舒张的指示、非线性度的指示、时间常数的指示、或固体与流体比例响应的指示中的至少一个。
23.根据权利要求22所述的方法,其中,所述肺生物标志物是疾病表现的生物标志物。
24.根据权利要求16所述的方法,其中,固定体积的空气的测量的压力演变是一种非流动肺属性的测量,所述非流动属性是定义为肺功能的时间(粘性)和伸展(弹性)依赖性的粘弹性。
25.一种评估患者肺的方法,包括:
接收患者以用于肺评估;以及
处理来自所述患者肺的第一指示的肺生物标志物以生成第一肺指数,从而在第一测量时间表征所述患者肺。
26.根据权利要求25所述的方法,包括处理来自所述患者肺的后续指示的所述肺生物标志物以生成后续肺指数,以在不同于所述第一测量时间的后续测量时间表征所述患者肺。
27.根据权利要求25所述的方法,包括将所述第一肺指数与所述后续肺指数进行比较,以检测所述第一肺指数与所述后续肺指数之间的差异。
28.根据权利要求25所述的方法,包括将第一后续肺指数与第二后续肺指数进行比较,以检测所述第一后续肺指数与所述第二后续肺指数之间的增量差异。
29.根据权利要求26所述的方法,包括基于所述第一肺指数和所述后续肺指数之间的差异诊断肺状况。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063022221P | 2020-05-08 | 2020-05-08 | |
US63/022221 | 2020-05-08 | ||
PCT/US2021/031306 WO2021226464A1 (en) | 2020-05-08 | 2021-05-07 | Apparatus and methods for pulmonary monitoring |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115917667A true CN115917667A (zh) | 2023-04-04 |
Family
ID=78468461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180048419.2A Pending CN115917667A (zh) | 2020-05-08 | 2021-05-07 | 用于肺部监测的装置和方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20230197262A1 (zh) |
EP (1) | EP4147250A4 (zh) |
JP (1) | JP2023524816A (zh) |
CN (1) | CN115917667A (zh) |
AU (1) | AU2021269051A1 (zh) |
BR (1) | BR112022021560A2 (zh) |
CA (1) | CA3176990A1 (zh) |
WO (1) | WO2021226464A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU6530800A (en) * | 1999-08-05 | 2001-03-05 | Broncus Technologies, Inc. | Methods and devices for creating collateral channels in the lungs |
US9347945B2 (en) * | 2005-12-22 | 2016-05-24 | Abbott Molecular Inc. | Methods and marker combinations for screening for predisposition to lung cancer |
US9211110B2 (en) * | 2013-03-15 | 2015-12-15 | The Regents Of The University Of Michigan | Lung ventillation measurements using ultrasound |
EP3019082A4 (en) * | 2013-07-09 | 2017-03-08 | Pulmone Advanced Medical Devices, Ltd. | Determining respiratory parameters |
US20170100059A1 (en) * | 2015-10-09 | 2017-04-13 | General Electric Company | Lung function monitoring |
CN110996781A (zh) * | 2017-06-07 | 2020-04-10 | 呼吸运动公司 | 呼吸容积监测器和呼吸机 |
-
2021
- 2021-05-07 BR BR112022021560A patent/BR112022021560A2/pt not_active Application Discontinuation
- 2021-05-07 WO PCT/US2021/031306 patent/WO2021226464A1/en unknown
- 2021-05-07 CA CA3176990A patent/CA3176990A1/en active Pending
- 2021-05-07 CN CN202180048419.2A patent/CN115917667A/zh active Pending
- 2021-05-07 JP JP2022567582A patent/JP2023524816A/ja active Pending
- 2021-05-07 US US17/922,478 patent/US20230197262A1/en active Pending
- 2021-05-07 EP EP21800242.6A patent/EP4147250A4/en active Pending
- 2021-05-07 AU AU2021269051A patent/AU2021269051A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4147250A1 (en) | 2023-03-15 |
AU2021269051A1 (en) | 2022-11-24 |
US20230197262A1 (en) | 2023-06-22 |
BR112022021560A2 (pt) | 2022-12-06 |
JP2023524816A (ja) | 2023-06-13 |
EP4147250A4 (en) | 2024-04-17 |
WO2021226464A1 (en) | 2021-11-11 |
CA3176990A1 (en) | 2021-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5519778B2 (ja) | 生体音検査装置、及び、生体音検査方法 | |
JP6185390B2 (ja) | 自動化された呼吸曲線の解析及び解釈 | |
JP2016526466A (ja) | 呼吸パラメータの決定 | |
Zubaydi et al. | MobSpiro: Mobile based spirometry for detecting COPD | |
CN108109697B (zh) | 一种基于呼气数学模型的肺功能测试系统及方法 | |
JP2006068533A (ja) | 超音波を用いた肺機能診断装置及びそれを用いた肺機能診断方法 | |
Kassem et al. | A smart spirometry device for asthma diagnosis | |
JP2023509632A (ja) | 呼気センサの測定方法及び装置 | |
Santos et al. | Feasibility of routine respiratory function testing in preschool children | |
CN116110585B (zh) | 一种用于慢性阻塞性肺炎的呼吸康复评估系统 | |
JP5739905B2 (ja) | Bodeインデックス測定 | |
US20230197262A1 (en) | Apparatus and methods for pulmonary monitoring | |
Agarwal et al. | Design and development of a low-cost spirometer with an embedded web server | |
Hasan et al. | Diagnosing COPD using mobile phones | |
Ionescu et al. | Analysis of the respiratory dynamics during normal breathing by means of pseudophase plots and pressure–volume loops | |
Mishra et al. | Peak Expiratory Flow Rate Measure among Community Dwelling Elderly Rural Population | |
JP2019088392A (ja) | 肺機能検査装置 | |
Bashir et al. | A comprehensive guide to pulmonary function tests for 1st-year medical students–Simplifying PFTS and their interpretation | |
Abufardeh | Improving Quality Control in Oscillometry: Repeatability, Efficiency, Feasibility and Accuracy | |
Chandel et al. | Vocal Capacity as a Surrogate for Vital Capacity in Patients with Interstitial Lung Disease | |
Hull et al. | Pulmonary function and exercise testing | |
Cooper et al. | Applied lung physiology | |
Sree Kumar | A study on Pulmonary Function Test in Diabetes Mellitus and Its correlation with duration of Diabetes Mellitus | |
WO2022058958A1 (en) | A portable device for screening of lung capacity | |
Schivo et al. | The Use of the Pulmonary Function Laboratory in Diagnosing Asthma |
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 |