DE102022126729A1

DE102022126729A1 - Verfahren und systeme zur überwachung des pulmonalarteriendrucks und der kardialen synchronisation

Info

Publication number: DE102022126729A1
Application number: DE102022126729.6A
Authority: DE
Inventors: John Maidens; Ling Guo; Subramaniam Venkatraman; Connor Landgraf
Original assignee: Eko Devices Inc
Current assignee: Eko Devices Inc
Priority date: 2021-11-02
Filing date: 2022-10-13
Publication date: 2023-05-04
Also published as: US20230134653A1; GB2613451A; GB202215427D0

Abstract

Es werden verschiedene Verfahren und Systeme zum Überwachen eines Pulmonalarteriendrucks und einer kardialen Synchronisation eines Individuums bereitgestellt. In einem Beispiel beinhaltet ein Verfahren: Erfassen von wenigstens einem von Elektrokardiogramm(EKG)-Daten (412), Phonokardiogramm(PKG)-Daten (408) und Seismokardiogramm(SKG)-Daten (410) von einem Individuum über ein digitales Stethoskop (100), Eingeben (310) von einem oder mehreren der EKG-Daten (412), der PKG-Daten (408) und der SKG-Daten (410) in einen Algorithmus (416) für maschinelles Lernen und Schätzen (318) von wenigstens einem von einem Pulmonalarteriendruck (420) und einer kardialen Synchronisation (418) des Individuums unter Verwendung des Algorithmus (416) für maschinelles Lernen. Auf diese Weise können der Pulmonalarteriendruck und die kardiale Synchronisation unter Verwendung von künstlicher Intelligenz und Eingaben geschätzt werden, die auf nicht invasive Weise durch das digitale Stethoskop gemessen werden, wodurch sich Herzinsuffizienz und pulmonale Hypertension einfacher und zuverlässiger erkennen und überwachen lassen.

Description

GEBIET
Die vorliegende Beschreibung betrifft allgemein medizinische Vorrichtungen, die nicht invasive Überwachung nutzen.
HINTERGRUND/KURZD ABSTELLUNG
Herzinsuffizienz ist eine Hauptursache für Morbidität und Mortalität. Sie ist die häufigste Ursache für Krankenhauseinweisungen und eine wesentliche wirtschaftliche Belastung. Eine frühe Erkennung und Einleitung der Behandlung sowie sorgfältige Überwachung und Anpassung der Behandlung sind wünschenswert für eine Reduzierung der Krankheitslast.
Pulmonale Hypertension ist ein Syndrom, das erhöhten Druck im Lungenblutkreislauf beschreibt und ist definiert als ein mittlerer Pulmonalarteriendruck von über 20 mmHg im Ruhezustand, gemessen durch invasive rechte Herzkatheterisierung. Pulmonale Hypertension ist eine häufige Komorbidität bei Herzinsuffizienz, kann jedoch auch andere Ursachen haben. Ungeachtet der Ursache ist die Prognose bei pulmonaler Hypertension ohne frühes Eingreifen schlecht und sie geht mit vermehrten Krankenhauseinweisungen und erhöhter Mortalität einher.
Die Diagnose von Herzinsuffizienz und pulmonaler Hypertension ist schwierig, da körperliche Symptome wie Atemnot häufig nicht spezifisch sind. Patienten, die solche Symptome aufweisen, werden zunächst durch Notärzte oder Allgemeinärzte mit einer schlechteren Diagnosegenauigkeit als geschulte Kardiologen untersucht. Eine Überweisung in die Echokardiographie wird zur weiteren Beurteilung verwendet. Echokardiographie ist ein nicht invasives Werkzeug zum Feststellen von Herzinsuffizienz und pulmonaler Hypertension, erkennt jedoch nicht jede Art von Herzinsuffizienz (z. B. Herzinsuffizienz mit erhaltener Ejektionsfraktion) und stellt keine pulmonale Hypertension fest (hierfür kommt invasive Herzkatheterisierung zur Anwendung). Auch ist sie teuer, und der Erfolg der Diagnose kann von der bedienenden Person abhängen. Daher ist ein schnelles und nicht invasives Untersuchungswerkzeug für Herzinsuffizienz und pulmonale Hypertension in einer Krankenversorgungsumgebung, das von minimal geschultem Personal benutzt werden kann, ein nicht erfüllter klinischer Bedarf für die frühe Erkennung und Behandlung von Risikopatienten.
In einem Beispiel können die oben beschriebenen Probleme durch ein Verfahren angegangen werden, umfassend: Erfassen von wenigstens einem von Elektrokardiogramm(EKG)-Daten, Phonokardiogramm(PKG)-Daten und Seismokardiogramm(SKG)-Daten von einem Individuum über ein digitales Stethoskop, Eingeben von einem oder mehreren der EKG-Daten, der PKG-Daten und der SKG-Daten in einen Algorithmus für maschinelles Lernen und Schätzen von wenigstens einem von einem Pulmonalarteriendruck und einer kardialen Synchronisation des Individuums unter Verwendung des Algorithmus für maschinelles Lernen. Auf diese Weise können der Pulmonalarteriendruck und die kardiale Synchronie unter Verwendung von künstlicher Intelligenz und Eingaben geschätzt werden, die auf nicht invasive Weise durch das digitale Stethoskop gemessen werden, wodurch sich Herzinsuffizienz und pulmonale Hypertension einfacher und zuverlässiger erkennen und überwachen lassen. Auf diese Weise können positive Resultate für den Patienten gesteigert und die Belastung des Gesundheitssystems und des Patienten reduziert werden.
Es versteht sich, dass die vorangehende Kurzdarstellung bereitgestellt ist, um in vereinfachter Form eine Auswahl an Konzepten vorzustellen, die in der detaillierten Beschreibung näher beschrieben sind. Sie ist nicht dazu gedacht, wichtige oder wesentliche Merkmale des beanspruchten Gegenstands zu nennen, dessen Umfang einzig durch die Ansprüche im Anschluss an die detaillierte Beschreibung definiert ist. Des Weiteren ist der beanspruchte Gegenstand nicht auf Implementierungen beschränkt, die vorstehend oder in einem beliebigen Teil dieser Offenbarung angeführte Nachteile beseitigen.
Figurenliste
Die vorliegende Offenbarung wird beim Lesen der folgenden Beschreibung von nicht einschränkenden Ausführungsformen unter Bezugnahme auf die beigefügten Zeichnungen besser verständlich, wobei im Folgenden:

1A eine perspektivische Vorderansicht eines beispielhaften elektronischen Stethoskops zeigt.
1B eine perspektivische Rückansicht der beispielhaften Überwachungsvorrichtung von 1A zeigt.
2 eine schematische Darstellung eines Inneren eines elektrischen Stethoskops und eines Inneren einer externen Rechenvorrichtung zeigt, die beide miteinander kommunizieren.
3 ein Ablaufdiagramm eines Verfahrens zum Schätzen und Überwachen von Pulmonalarteriendruck und kardialer Synchronisation auf Grundlage von Signalen zeigt, die von einem elektronischen Stethoskop ausgegeben werden.
4 schematisch ein Blockdiagramm eines Algorithmus auf Grund von maschinellem Lernen zum Bestimmen und Überwachen von Herzinsuffizienz und pulmonaler Hypertension zeigt.

DETAILLIERTE BESCHREIBUNG
Die folgende Beschreibung betrifft Systeme und Verfahren für digitale Gesundheitsüberwachung, wie z. B. unter Verwendung des in 1A und 1B gezeigten elektronischen Stethoskops, das hierin auch als digitales Stethoskop bezeichnet wird. In einigen Beispielen kann das elektronische Stethoskop mit einer externen Rechenvorrichtung, wie etwa in 2 gezeigt, in Kommunikationsverbindung stehen, um aufgezeichnete physiologische Daten zum Verarbeiten an der externen Rechenvorrichtung zu übertragen. Die physiologischen Daten können zum Beispiel Elektrokardiogramm(EKG)-Daten, Seismokardiogramm(SKG)-Daten und/oder Phonokardiogramm(PKG)-Daten beinhalten und können von einem Algorithmus für maschinelles Lernen verwendet werden, um Pulmonalarteriendruck und kardiale Synchronisation zu bestimmen, wie etwa gemäß dem Verfahren aus 3. Der Pulmonalarteriendruck und kardiale Synchronisation können weiter verwendet werden, um Herzinsuffizienz und pulmonale Hypertension zu erkennen und/oder zu überwachen, wie etwa im Blockdiagramm aus 4 veranschaulicht.
Bezugnehmend auf die Figuren zeigt 1A eine Draufsicht auf ein elektronisches Stethoskop 100 mit einem Gehäuse 105, das Sensoren und Steuerschaltkreise umschließt. Das elektronische Stethoskop 100 kann hier auch als digitales Stethoskop bezeichnet werden. Die Form und Auslegung des Gehäuses 105 kann den Komfort eines Individuums während der Überwachung eines Zustands oder einer Bedingung des Individuums ermöglichen. Zusätzlich kann die Form und Auslegung des Gehäuses 105 einen sicheren Sitz an einer Vielfalt von Patientenkörpertypen und -formen ermöglichen, um den Kontakt des Sensors und mit einer angemessenen Sensorgeometrie zu erhöhen.
Das elektronische Stethoskop 100 kann einen oder mehrere Sensoren umfassen. In einigen Beispielen umfasst das elektronische Stethoskop 100 mindestens drei Sensoren (z. B. Sensormodalitäten). Die Sensoren können verschiedene Arten von Sensoren sein, wie etwa EKG-Sensoren, Audiosensoren, Temperatursensoren, Drucksensoren, Vibrationssensoren, Kraftsensoren, Atmungsüberwachungsvorrichtungen oder -sensoren (z. B. eine Vorrichtung, ein Vorrichtungsteil oder ein Sensor, die bzw. der eine Atemfrequenz messen kann), Herzfrequenzmonitore oder -sensoren, intrathorakale Impedanzmonitore oder -sensoren (z. B. eine Vorrichtung, ein Vorrichtungsteil oder ein Sensor, die bzw. der in der Lage ist, eine intrathorakale Impedanz zu messen), Beschleunigungsmesser und/oder andere Arten von Sensoren. Die Sensoren können Teil des elektronischen Stethoskops 100 sein. In anderen Beispielen können die Sensoren an das elektronische Stethoskop 100 gekoppelt oder anderweitig konfiguriert sein, um in Kombination mit diesem verwendet zu werden.
Das elektronische Stethoskop 100 umfasst einen elektrischen Sensor 110 einer ersten Sensormodalität und einen Audiosensor 112 einer zweiten Sensormodalität, die an einer Außenseite des Gehäuses 105 positioniert sind. In dem veranschaulichten Beispiel umfasst der elektrische Sensor 110 eine erste Elektrode 110A und eine zweite Elektrode 110B, doch sind andere Anzahlen von Elektroden möglich. Beispielsweise kann der elektrische Sensor 110 vier Elektroden beinhalten. Beispielsweise können die erste Elektrode 110A und die zweite Elektrode 110B EKG-Wandlerelektroden sein, die elektrische Signale von einem Patienten messen können, die aus einer Depolarisation des Herzmuskels während eines Herzschlags resultieren. In dem veranschaulichten Beispiel enthalten die erste Elektrode 110A und die zweite Elektrode 11 0B Kontaktpads zum Erlangen von EKG-Daten, weshalb der elektrische Sensor 110 ein EKG-Sensor sein kann.
Zusätzlich oder alternativ können die erste Elektrode 110A und die zweite Elektrode 110B eine Strominjektionselektrode bzw. eine Spannungsmesselektrode für intrathorakale Impedanzmessungen umfassen. Beispielsweise kann sowohl die erste Elektrode 110A als auch die zweite Elektrode 110B verwendet werden, um sowohl Elektrokardiogramm(EKG)-Daten als auch Daten der intrathorakalen Impedanz zu messen. Das Messen der intrathorakalen Impedanz kann Informationen über ein Vorhandensein oder die Menge einer Flüssigkeit in der Lunge des Individuums bereitstellen. Beispielsweise kann die intrathorakale Impedanz abnehmen, wenn eine Menge einer Flüssigkeit in der Lunge zunimmt. Der Grund dafür kann sein, dass die Flüssigkeit elektrischen Strom leiten kann. Daten, die unter Verwendung von intrathorakalen Impedanzsensoren gesammelt werden, können Einblicke und Informationen über den Zustand der Lunge des Individuums bereitstellen und potenzielle Anzeichen einer Dekompensation, eines Lungenödems oder eines beliebigen Zustands oder einer Erkrankung des Individuums identifizieren, der bzw. die mit dem Vorhandensein von Flüssigkeit in der Lunge korreliert. Zum Beispiel sind aufgrund von Flüssigkeitsansammlungen in der Lunge Röcheln, Knistern und Rhonchi oft in Lungengeräuschen zu hören. Daher kann die intrathorakale Impedanzmessung in Verbindung mit Lungengeräuschen verwendet werden, die von dem Audiosensor 112 erlangt werden, um ein gemeinsames Maß für die Flüssigkeitsretention bereitzustellen.
Der Audiosensor 112 kann eine Oberfläche zum Erlangen von Audiodaten umfassen. Der Audiosensor 112 kann eine oder mehrere Mikrofoneinheiten zum Sammeln von Audiodaten beinhalten, die hier auch als Phonokardiogramm(PKG)-Daten bezeichnet werden. Der Audiosensor 112 kann Längswellen (z. B. Oszillationen) der Brustwand des Individuums erfassen, die vom Herzen des Individuums ausgehen. Beispielsweise kann der Audiosensor 112 Oszillationen höherer Frequenz (z. B. über 20 Hz) erfassen.
Es versteht sich, dass zusätzliche Sensormodalitäten innerhalb des Gehäuses 105 positioniert sein können, wie z. B. ein Beschleunigungsmesser 150. Der Beschleunigungsmesser 150 kann einen dreiachsigen Beschleunigungsmesser umfassen, der Informationen über die Ausrichtung und Bewegung des elektronischen Stethoskops 100 bereitstellen kann. Der Beschleunigungsmesser 150 kann starr an einer Oberfläche innerhalb des elektronischen Stethoskops 100 befestigt sein, so dass sich der Beschleunigungsmesser 150 nicht unabhängig von dem elektronischen Stethoskop 100 als Ganzes bewegt. Ferner kann der Beschleunigungsmesser 150 dazu verwendet werden, Seismokardiogramm(SKG)-Daten aufzuzeichnen, die Oszillationen niedrigerer Frequenz (z. B. unter 50 Hz) der Brustwand des Individuums entsprechen. Ferner kann der Beschleunigungsmesser 150 sowohl Längs- als auch Queroszillationen erfassen. Somit kann der Audiosensor 112 Brustlängsoszillationen höherer Frequenz, die vom Herzen ausgehen, erfassen, während der Beschleunigungsmesser 150 Längs- und Queroszillationen niedrigerer Frequenz erfassen kann, die vom Herzen ausgehen.
Das elektronische Stethoskop 100 kann zusätzlich Benutzersteuerelemente wie eine Taste 114 umfassen. Die Taste 114 kann die Intensität eines an einen Benutzer zu übertragenden überwachten Signals steuern. Die Taste 114 kann ein positives Ende und ein negatives Ende umfassen, derart, dass beim Drücken des positiven Endes (z. B. eines ersten Endes) der Taste eine Signalamplitude erhöht wird und beim Drücken eines negativen Endes (z. B. eines zweiten Endes gegenüber dem ersten Ende) der Taste die Signalamplitude verringert wird. Die Signalamplitude kann eine Lautstärke eines verstärkten Audiosignals umfassen. Das Audiosignal kann drahtlos an einen Ohrhörer eines Benutzers (z. B. einer medizinischen Fachkraft) oder an eine andere verbundene elektronische Vorrichtung übertragen werden.
1B zeigt eine Unteransicht des elektronischen Stethoskops 100. Das elektronische Stethoskop 100 kann zusätzliche Benutzersteuerelemente wie eine Taste 120 umfassen. In einigen Beispielen kann die Taste 120 verwendet werden, um die Messung von Daten durch das elektronische Stethoskop 100 anzuhalten und zu starten. Die Taste 120 kann von einem Benutzer betätigt werden. Es kann möglich sein, die Messung anzuhalten oder zu starten, ohne die Taste 120 zu betätigen, wie beispielsweise durch Steuern der Erfassung durch eine Rechenvorrichtung, wie hierin mit besonderem Bezug auf 2 ausgeführt wird.
Das elektronische Stethoskop 100 kann verwendet werden, um EKG-Daten, PKG-Daten, SKG-Daten, Daten zur intrathorakalen Impedanz und/oder Ausrichtungsdaten einer Vielzahl unterschiedlicher Stellen oder Teile eines Körpers des Individuums zu sammeln, wie z. B. Positionen an und/oder um Herz, Lunge, eine Vene oder eine Arterie des Individuums. In einigen Beispielen kann das elektronische Stethoskop 100 ferner mehr Sensoren umfassen, wie etwa an beliebiger Stelle hierin aufgeführte Sensoren, die verwendet werden können, um Daten von verschiedenen Teilen des Körpers des Individuums zu sammeln. Die Datenerfassung kann durchgeführt werden, indem das elektronische Stethoskop 100 oder der eine oder die mehreren Sensoren an verschiedenen Positionen benachbart zum Körper des Individuums platziert werden (z. B. in Kontakt mit dem Körper, im Körper oder entfernt vom Körper) und das elektronische Stethoskop 100 verwendet wird, um an jeder von mindestens einer Teilmenge der verschiedenen Positionen zu geeigneten Zeitpunkten und/oder Intervallen von geeigneter Dauer eine oder mehrere Messungen vorzunehmen (z. B. Sammeln von EKG-Daten, PKG-Daten, SKG-Daten, Daten zur intrathorakalen Impedanz, Ausrichtungs- und Bewegungsdaten oder eine beliebige andere Art von Daten).
Das elektronische Stethoskop 100 kann mobil sein. Beispielsweise kann das elektronische Stethoskop 100 von einem Punkt zum anderen bewegbar sein. Das elektronische Stethoskop 100 kann dazu konfiguriert sein, am Körper des Individuums platziert und von diesem entfernt zu werden. Beispielsweise kann das elektronische Stethoskop 100 am Körper des Individuums an einer Stelle in der Nähe eines Herzens, einer Lunge oder eines Darms des Individuums platziert werden. Das elektronische Stethoskop 100 ist möglicherweise nicht in den Körper des Individuums implantierbar. Das elektronische Stethoskop 100 kann ausreichend leicht sein, sodass es leicht von einem Ort zum anderen transportiert werden kann. Beispielsweise kann das elektronische Stethoskop 100 zwischen 0,5 Pfund und 10 Pfund wiegen. Als weiteres Beispiel kann das elektronische Stethoskop 100 weniger als 0,5 Pfund wiegen.
Das elektronische Stethoskop 100 kann ausreichend bemessen sein, sodass es leicht von einem Ort zum anderen transportiert werden kann. Das elektronische Stethoskop 100 kann in der Hand gehalten werden und kann somit so bemessen sein, dass es in eine Hand passt. Beispielsweise kann das elektronische Stethoskop 100 eine Außenabmessung zwischen etwa 0,25 Zoll und etwa 12 Zoll umfassen. In einem anderen Beispiel kann die Außenabmessung weniger als 0,25 Zoll betragen.
Bezug nehmend auf 2 zeigt diese eine schematische Darstellung eines Inneren eines elektrischen Stethoskops 200 und eines Inneren einer externen Rechenvorrichtung 202, die mit dem elektronischen Stethoskop 200 kommuniziert. Beispielsweise kann das elektronische Stethoskop 200 das in den 1A und 1B gezeigte elektronische Stethoskop 100 sein oder kann eine ähnliche Überwachungsvorrichtung sein, die zum Aufzeichnen verschiedener physiologischer Daten und zum Kommunizieren mit anderen elektronischen Vorrichtungen wie etwa der externen Rechenvorrichtung 202 in der Lage ist. Als ein weiteres Beispiel kann die externe Rechenvorrichtung 202 ein Desktop-Computer, ein Laptop-Computer, ein Mobiltelefon, ein Tablet oder eine andere Vorrichtung sein, die eine Anzeige beinhaltet und zum Kommunizieren mit anderen elektrischen Vorrichtungen in der Lage ist.
Das elektronische Stethoskop 200 kann elektrische Komponenten umfassen, die dazu konfiguriert sind, den Betrieb der verschiedenen Sensoren zu steuern. Beispielsweise kann das elektronische Stethoskop 200 Vorrichtungen zum Speichern von Daten (z. B. Festplatte oder Speicher), zum Übertragen von Daten, zum Umwandeln analoger Daten in digitale Daten, zum Bereitstellen von Informationen über die Funktionen der Überwachungsvorrichtung, zum Steuern verschiedener Aspekte der Datenerfassung usw. umfassen. Das elektronische Stethoskop 200 kann einen Mikroprozessor oder eine Mikroprozessoreinheit (microprocessing unit - MPU) 205 umfassen, die auch als ein Prozessor 205 bezeichnet wird. Der Prozessor 205 kann mit einem Speicher 210 wirkverbunden sein. Der Prozessor 205 kann eine Folge von maschinenlesbaren Anweisungen ausführen, die in einem Programm oder einer Software verkörpert sein können. Die Anweisungen können an den Prozessor 205 gerichtet werden, der anschließend die Verfahren oder Teile der Verfahren der vorliegenden Offenbarung implementieren kann. Die von einer Maschine lesbaren (z. B. ausführbaren) Anweisungen können zum Beispiel im Speicher 210 gespeichert sein, bei dem es sich um einen Nur-Lese- oder transitorischen Speicher handeln kann. Die verschiedenen Komponenten (die Sensoren, die Mikroprozessoren, der Speicher usw.) können durch eine Batterie 215 mit Strom versorgt werden. Die Batterie 215 kann an Ladeschaltkreise gekoppelt sein, die drahtlose Ladeschaltkreise sein können.
Das elektronische Stethoskop 200 kann Daten an die externe Rechenvorrichtung 202 (z. B. eine Rechenvorrichtung, die sich außerhalb des elektronischen Stethoskops 200 befindet), eine andere Rechenvorrichtung und/oder an ein Netzwerk (z. B. an die Cloud) übertragen. Das elektronische Stethoskop 200 kann einen Transceiver 220 umfassen, wie beispielsweise einen drahtlosen Transceiver, um Daten an die Rechenvorrichtung zu übertragen. Das elektronische Stethoskop 200 kann mit dem Internet und/oder einem Mobilfunkdatennetz verbunden sein. Der Transceiver 220 kann einen Bluetooth-Transceiver, ein Wi-Fi-Funkvorrichtung usw. umfassen. Verschiedene drahtlose Kommunikationsprotokolle können verwendet werden, um Daten zu übermitteln, darunter Wi-Fi, Bluetooth oder Nahfeldkommunikations(near field communication - NFC)-Protokoll.
Das elektronische Stethoskop 200 kann Daten (z. B. EKG-Daten, PKG-Daten, SKG-Daten und/oder Daten von einer beliebigen Kombination des einen oder der mehreren Sensoren und/oder beliebiger der Sensormodalitäten) lokal auf dem elektronischen Stethoskop 200 speichern. In einem Beispiel können die Daten lokal im Speicher 210 (z. B. Nur-Lese-Speicher, Direktzugriffsspeicher, Flash-Speicher) oder einer Festplatte gespeichert werden. Medien des „Speicher“-Typs beinhalten beliebige oder alle greifbaren Speicher der Computer, Prozessoren oder dergleichen, oder zugehörige Module derselben, wie etwa verschiedene Halbleiterspeicher, Magnetbandlaufwerke, Disklaufwerke und dergleichen, die zu einem beliebigen Zeitpunkt nichttransitorischen Speicher für die Softwareprogrammierung bereitstellen können.
Das elektronische Stethoskop 200 beinhaltet eine Sensoreinheit 230. Die Sensoreinheit 230 kann ein EKG-Wandlerpaket 234 umfassen, das einen elektrischen Sensor (z. B. den in 1A gezeigten elektrischen Sensor 110) und einen Analog-Digital-Wandler (analog-to-digital converter - ADC) zum Digitalisieren von EKG-Signalen umfasst, die von den EKG-Elektroden erfasst werden. Die EKG-Daten können Ein-Kanal-EKG-Daten umfassen. Ein-Kanal-EKG-Daten können von einer Elektrode, die eine Masse sein kann, und einer anderen Elektrode, die eine Signalelektrode sein kann, erlangt werden. Eine Spannungsdifferenz zwischen den Leitungen kann analoge EKG-Signaldaten umfassen. EKG-Daten können als Spannung in Abhängigkeit von der Zeit aufgezeichnet werden. Alternativ können die EKG-Daten Drei-Kanal-EKG-Daten umfassen. In noch anderen Beispielen können die EKG-Daten über mehr als drei Kanäle erlangt werden (z. B. Fünf-Kanal-EKG-Daten). Beispielsweise können die EKG-Elektroden zwischen 1 und 12 Leitungen aufweisen, die jeweils unterschiedliche Vektoren der elektrischen Polarisation des Herzens erfassen. Somit können die EKG-Elektroden je nach Anzahl der Leitungen zwischen 1 und 12 unterschiedliche Vektoren der elektrischen Polarisation des Herzens erfassen.
In einigen Beispielen können die EKG-Daten Brusthöhlen-, Lungen- und/oder intrathorakale Impedanzmessdaten umfassen. Die elektrischen Daten können EKG-Daten umfassen, die von einem Herzen, einer Lunge oder einem anderen Organ eines Individuums gemessen werden. Die elektrischen Daten können Impedanzdaten umfassen, die von einer Lunge oder einem intrathorakalen Bereich eines Individuums gemessen werden (z. B. intrathorakale Impedanzdaten). Die elektrischen Daten können EKG-Daten umfassen, die von einem Darm oder einem anderen Organ eines Individuums gemessen werden.
Die Sensoreinheit 230 beinhaltet zusätzlich ein Audiowandlerpaket 232 und einen Beschleunigungsmesser 236, der ähnlich oder gleich wie der in 1A gezeigte Beschleunigungsmesser 150 sein kann. Das Audiowandlerpaket 232 kann einen Analog-Digital-Wandler beinhalten, um Audiosignale zu digitalisieren, die von dem Audiosensor erfasst werden. Das Audiowandlerpaket 232 kann verwendet werden, um während einer Auskultationsuntersuchung physiologische Geräusche von Herz, Lunge, Magen usw. eines Patienten aufzuzeichnen.
Das elektronische Stethoskop 200 kann über eine Kommunikationsverbindung 240 mit der externen Rechenvorrichtung 202 in Kommunikation stehen. Die Kommunikationsverbindung 240 kann eine Bluetooth-Verbindung, Internetverbindung, Funkverbindung oder eine andere Art von Verbindung sein, die es ermöglicht, dass Daten zwischen dem elektronischen Stethoskop 200 und der externen Rechenvorrichtung 202 übertragen werden. Beispielsweise kann das elektronische Stethoskop 200 unter Verwendung des Audiowandlerpakets 232 physiologische Geräusche aufzeichnen, woraufhin der Transceiver 220 die physiologischen Daten über die Kommunikationsverbindung 240 an die externe Rechenvorrichtung 202 senden kann. Die externe Rechenvorrichtung 202 kann dann die Daten durch einen Transceiver 212 empfangen. Der Transceiver 212 kann einen Bluetooth-Transceiver, ein Wi-Fi-Radio usw. umfassen.
Die externe Rechenvorrichtung 202 kann auch eine Benutzerschnittstelle 214, einen Prozessor 204, einen Speicher 206 (z. B. Nur-Lese-Speicher, Direktzugriffsspeicher, Flash-Speicher) und eine Batterie 208 beinhalten, ist aber nicht darauf beschränkt. Die Batterie 208 kann die verschiedenen Komponenten (die Benutzerschnittstelle 214, den Speicher 206 usw.) mit Strom versorgen. Die Batterie 208 kann an Drahtlosladeschaltkreise gekoppelt sein oder unter Verwendung eines Ladekabels aufgeladen werden. Der Prozessor 204 kann einen Mikroprozessor oder eine MPU umfassen. Der Prozessor 204 kann mit einem Speicher 206 wirkverbunden sein. Der Prozessor 204 kann eine Folge von maschinenlesbaren Anweisungen ausführen, die in einem Programm oder einer Software verkörpert sein können. Die Anweisungen können an den Prozessor 204 gerichtet werden, der daraufhin Verfahren oder Komponenten von Verfahren der vorliegenden Offenbarung umsetzen kann, wie etwa ein Verfahren zum Schätzen von Pulmonalarteriendruck und kardialer Synchronie und anhand dessen einen Herzinsuffizienz-/pulmonalen Hypertensionsstatus, wie unter Bezugnahme auf 3 beschrieben werden soll. Zum Beispiel kann der Speicher 206 ein Modell 226 (oder einen Algorithmus) für maschinelles Lernen beinhalten, das darin gespeichert ist, oder der Zugriff auf das Modell für maschinelles Lernen kann über ein Netz (z. B. über die Cloud) erfolgen. Das Modell 226 für maschinelles Lernen kann Daten empfangen, die von dem elektronischen Stethoskop 200 (z. B. über die Kommunikationsverbindung 240) an die externe Rechenvorrichtung 202 übertragen werden, die empfangenen Daten verarbeiten und den geschätzte Pulmonalarteriendruck und die geschätzte kardiale Synchronie ausgeben, wie in Bezug auf 4 erörtert werden soll.
Die Benutzerschnittstelle 214 kann eine Anzeige beinhalten, die Daten zeigt, die von dem elektronischen Stethoskop 200 gesammelt und übertragen wurden. Beispielsweise kann die Anzeige dem Benutzer eine Form einer EKG-Wellenform zeigen. Als ein weiteres Beispiel kann die Anzeige die Ausgaben des Modells 226 für maschinelles Lernen sowie weitere Parameter zeigen, die anhand von Entscheidungslogik bestimmt werden, die im Speicher 206 gespeichert ist oder auf die der Prozessor 204 in anderer Weise zugreift. Zum Beispiel kann die Anzeige den geschätzten Pulmonalarteriendruck, die kardiale Synchronie, einen pulmonalen Hypertensionsstatus und einen Herzinsuffizienzstatus zeigen. Zusätzlich kann die Benutzerschnittstelle 214 Eingabevorrichtungen beinhalten, die es dem Benutzer ermöglicht, mit der externen Rechenvorrichtung 202 zu interagieren, wie beispielsweise durch einen Berührungsbildschirm oder andere Verfahren. Beispielsweise kann der Benutzer über die Benutzerschnittstelle 214 der externen Rechenvorrichtung 202 einen Aufzeichnungsstatus des elektronischen Stethoskops 200 in Echtzeit steuern. Der Begriff „Echtzeit“, wie er hier verwendet wird, bezieht sich auf einen Prozess, der ohne absichtliche Verzögerung ausgeführt wird. Beispielsweise kann sich „Echtzeit“ auf eine Reaktionszeit von weniger als oder gleich etwa 1 Sekunde, einer Zehntelsekunde, einer Hundertstelsekunde, einer Millisekunde oder weniger beziehen. In einigen Beispielen kann sich „Echtzeit“ auf die gleichzeitige oder im Wesentlichen gleichzeitige Erzeugung, Verarbeitung und Übertragung von Daten beziehen.
Die externe Rechenvorrichtung 202 kann auch Daten von anderen Überwachungseinrichtungen und Sensoren zusätzlich zu dem elektronischen Stethoskop empfangen, die in 2 schematisch als ein erster Sensor 242, ein zweiter Sensor 244 und ein dritter Sensor 246 dargestellt sind. Obwohl drei Sensoren gezeigt sind, kann die externe Rechenvorrichtung 202 Informationen von mehr oder weniger als drei Sensoren zusätzlich zu dem elektronischen Stethoskop 200 empfangen. Der erste Sensor 242 kann eine Waage sein, der zweite Sensor 244 kann ein Pulsoximeter sein und der dritte Sensor 246 kann ein Blutdruckmessgerät sein. Einer von dem ersten Sensor 242, zweiten Sensor 244 und dritten Sensor 246 kann zusätzlich oder alternativ ein Aktivitätsmessgerät und ein Atmungsmessgerät beinhalten. Als noch weiteres Beispiel kann die externe Rechenvorrichtung 202 demografische Patienteninformationen und/oder eine Krankengeschichte des Patienten empfangen, die über die Benutzerschnittstelle 214 eingegeben werden, durch den Transceiver 212 in Kommunikationsverbindung mit einem entfernten Server abgerufen werden und/oder im Speicher 206 gespeichert sein können.
Bezug nehmend auf 3 zeigt diese ein Beispielverfahren 300 zum Schätzen und Überwachen von Pulmonalarteriendruck und kardialer Synchronisation und damit eines Herzinsuffizienzstatus und eines pulmonalen Hypertensionsstatus auf Grundlage von Signalen, die von einem digitalen Stethoskop ausgegeben werden. Zum Beispiel kann es sich bei dem digitalen Stethoskop um das elektronische Stethoskop 100 aus 1A-1B handeln. Wenigstens ein Teil des Verfahrens 300 kann auf einer Rechenvorrichtung ausgeführt werden, die sich außerhalb des digitalen Stethoskops befindet, wie z. B. der in 2 gezeigten externen Rechenvorrichtung 202. Das Verfahren 300 kann von einem oder mehreren Prozessoren während einer Herzuntersuchung ausgeführt werden, einschließlich eines Prozessors der Rechenvorrichtung (z. B. des Prozessors 204 aus 2), basierend auf Anweisungen, die in einem Speicher gespeichert sind, der an jeden von dem einen oder den mehreren Prozessoren wirkgekoppelt ist (z. B. dem Speicher 206 aus 2), und in Verbindung mit Signalen, die von elektronischen Komponenten des digitalen Stethoskops empfangen werden. Die Rechenvorrichtung kann ein Desktop- oder Laptop-Computer, ein Mobiltelefon, ein Tablet oder eine andere Rechenvorrichtung sein, die fähig ist, sich mit anderen elektronischen Vorrichtungen einschließlich des digitalen Stethoskops zu verbinden. Darüber hinaus kann das Verfahren 300 als Teil einer Softwareanwendung ausgeführt werden, die in der Rechenvorrichtung gespeichert ist und es einem Benutzer ermöglicht, drahtlos von der Rechenvorrichtung eine Schnittstelle mit dem digitalen Stethoskop herzustellen.
Bei 302 beinhaltet das Verfahren 300 das Erfassen zeitlich synchronisierter Oszillationsdaten und elektrischer Daten von einem Individuum über das digitale Stethoskop. Die zeitlich synchronisierten Oszillationsdaten und elektrischen Daten stellen Ansichten zur mechanischen und elektrischen Aktivierung des Herzens des Individuums bereit. Die Rechenvorrichtung kann sich zum Erfassen dieser Daten mit dem digitalen Stethoskop über eine drahtlose Verbindung wie etwa Bluetooth, Wi-Fi, Funk usw. verbinden. Alternativ kann sich die Rechenvorrichtung über eine kabelgebundene Verbindung wie etwa Ethernet, universeller serieller Bus (USB) usw. mit dem digitalen Stethoskop verbinden. Die Verbindung kann die Rechenvorrichtung und das digitale Stethoskop in elektronische Kommunikation miteinander versetzen. Beispielsweise kann das digitale Stethoskop Daten an die Rechenvorrichtung übertragen. Als weiteres Beispiel kann die Rechenvorrichtung Befehle an das digitale Stethoskop übertragen, wie etwa einen Befehl, mit der Datenerfassung zu beginnen. Außerdem kann es sich bei der Rechenvorrichtung um eine erste Rechenvorrichtung handeln, die mit einer zweiten Rechenvorrichtung verbunden ist, die von der ersten Rechenvorrichtung entfernt sein kann. Als ein Beispiel kann die zweite Rechenvorrichtung in einem Cloud-Rechennetz enthalten sein.
Während der Herzuntersuchung kann das digitale Stethoskop durch den Benutzer an einer gewünschten Aufzeichnungsstelle am Individuum angeordnet werden. Der Benutzer kann ein Arzt oder das Individuum sein. In einigen Beispielen kann die Rechenvorrichtung Platzierungsanweisungen oder andere Anweisungen für die Herzuntersuchung bereitstellen, zum Beispiel über eine Benutzerschnittstelle.
Das Erfassen der zeitlich synchronisierten Oszillationsdaten und elektrischen Daten von dem Individuum über das digitale Stethoskop beinhaltet das Erfassen von Oszillationen niedrigerer Frequenz über einen Beschleunigungsmesser des digitalen Stethoskops als SKG-Daten, wie bei 304 angegeben. Der Beschleunigungsmesser umfasst einen Drei-Achsen-Beschleunigungsmesser wie etwa den in Bezug auf 1A vorgestellten Beschleunigungsmesser 150. Wie bereits erwähnt, können die Oszillationen niedrigerer Frequenz Längs- und Queroszillationen umfassen, die kleiner als 50 Hz sind. Beispielsweise können die Oszillationen Bewegungen der Brustwand des Individuums entsprechen, die vom Herzen ausgehen, wie in S3- und S4-Herztönen und geteilten S2-Herztönen zu beobachten ist.
Das Erfassen der zeitlich synchronisierten Oszillationsdaten und elektrischen Daten von dem Individuum über das digitale Stethoskop beinhaltet ferner das Erfassen von Oszillationen höherer Frequenz über ein Mikrofon des digitalen Stethoskops als PKG-Daten, wie bei 306 angegeben. Das Mikrofon kann beispielsweise der in Bezug auf 1A vorgestellte Audiosensor 112 sein. Die Oszillationen höherer Frequenz können Längsoszillationen umfassen, die vom Herzen ausgehen und größer als 20 Hz sind. Somit können Längsoszillationen in einem Bereich von etwa 20 Hz und 50 Hz sowohl durch den Beschleunigungsmesser als auch das Mikrofon erfasst werden. Durch das Erfassen sowohl der SKG-Daten niedrigerer Frequenz als auch der PKG-Daten höherer Frequenz können Oszillationen über einen Frequenzbereich von 1 Hz bis höher als 2 kHz erlangt werden. Auf diese Weise erhöht sich die Wahrscheinlichkeit, dass Oszillationen von kardialen Pathologien erfasst werden.
Das Erfassen der zeitlich synchronisierten Oszillationsdaten und elektrischen Daten von dem Individuum über das digitale Stethoskop beinhaltet das Erfassen von elektrischen Daten über EKG-Elektroden des digitalen Stethoskops als EKG-Daten, wie bei 308 angegeben. Beispielsweise können die EKG-Elektroden in einem elektrischen Sensor des digitalen Stethoskops enthalten sein, wie etwa dem elektrischen Sensor 110, der in Bezug auf 1A vorgestellt wurde. Die EKG-Daten erfassen elektrische Aktivität von etwa 0 Hz bis 250 Hz, was die elektrische Aktivierung des Herzens misst. Ferner können die EKG-Daten zumindest in einigen Beispielen Ein-Kanal-EKG-Daten oder Drei-Kanal-EKG-Daten sein. In anderen Beispielen können die EKG-Daten durch mehr als drei Leitungen erfasst werden, etwa 12-Kanal-EKG-Daten. Jede Leitung stellt andere Vektoren elektrischer Polarisation des Herzens bereit.
Bei 310 beinhaltet das Verfahren 300 das Eingeben der SKG-Daten, PKG-Daten und/oder EKG-Daten in ein Modell für maschinelles Lernen für Pulmonalarteriendruck und kardiale Synchronisation. Der Pulmonalarteriendruck wird in der Regel durch invasive rechte Herzkatheterisierung gemessen und kann zum Feststellen pulmonaler Hypertension verwendet werden, die ein Symptom ist, das als ein mittlerer Pulmonalarteriendruck von mindestens 20 mmHg im Ruhezustand definiert ist. Die kardiale Synchronie (oder Synchronisation) wird in der Regel mittels nicht invasiver, aber umfangreicher echokardiografischer Bildgebung und Untersuchung durch einen kompetenten Kardiologen bestimmt und betrifft eine elektrische Welle des Herzens einer mechanischen Welle des Herzens. Beispielsweise können kardiale elektrische und mechanische Dyssynchronie ein Symptom von Herzinsuffizienz sein. Somit kann das Bereitstellen eines Modells für maschinelles Lernen für Pulmonalarteriendruck und kardiale Synchronie, das nicht invasiv gemessene SKG-Daten, PKG-Daten und EKG-Daten von einem digitalen Handstethoskop verwendet, ein schnelles, kostengünstiges und zuverlässiges Verfahren des Ermittelns und Überwachens von Parametern im Zusammenhang mit Herzinsuffizienz und pulmonaler Hypertension bei minimaler Benutzerschulung bereitstellen.
Als ein Beispiel umfasst das Eingeben der SKG-Daten, der PKG-Daten und/oder der EKG-Daten in das Modell für maschinelles Lernen für Pulmonalarteriendruck und kardiale Synchronie Eingeben der SKG-Daten und der PKG-Daten als ein kombiniertes Oszillationssignal in das Modell für maschinelles Lernen, wie wahlweise bei 312 angegeben ist. Als ein weiteres Beispiel umfasst das Eingeben der SKG-Daten, der PKG-Daten und/oder der EKG-Daten in das Modell für maschinelles Lernen für Pulmonalarteriendruck und kardiale Synchronie Eingeben der SKG-Daten und der PKG-Daten als unabhängige Datenströme in das Modell für maschinelles Lernen, wie wahlweise bei 314 angegeben ist. Das kombinierte Oszillationssignal und das elektrische Signal können somit als zwei Eingaben in das Modell für maschinelles Lernen eingegeben werden. Alternativ kann jeder der Sensoren (z. B. der Beschleunigungsmesser, das Mikrofon und der elektrische Sensor) einen unabhängigen Datenstrom an das Modell für maschinelles Lernen bereitstellen, sodass die drei Achsen der Beschleunigung, die Audiodaten und die EKG-Daten unabhängige Eingaben bilden.
Es versteht sich, dass das Modell für maschinelles Lernen in einigen Beispielen nur die Oszillationsdaten (z. B. die SKG-Daten und/oder die PKG-Daten) oder nur die elektrischen Daten als Eingabe verwenden kann. Beispielsweise können Daten weggelassen werden, wenn sie nicht verfügbar oder von schlechter Qualität sind. Als ein veranschaulichendes Beispiel können die EKG-Daten nicht verfügbar sein, wenn das digitale Stethoskop nicht in direktem Kontakt mit der Haut des Individuums ist, etwa wenn das digitale Stethoskop über Kleidung benutzt wird. Allerdings kann das Eingeben sowohl der Oszillationsdaten als auch der elektrischen Daten eine Genauigkeit der Ausgabe des Modells für maschinelles Lernen für Pulmonalarteriendruck und kardiale Synchronie erhöhen. Ferner kann das Modell für maschinelles Lernen die einzelnen Datenströme unabhängig analysieren oder die Informationen aus den Oszillationsdaten und den elektrischen Daten kombinieren.
Bei 316 beinhaltet das Verfahren 300 wahlweise das Eingeben von Positionen des Beschleunigungsmessers, des Mikrofons und der EKG-Elektroden in das Modell für maschinelles Lernen. Beschleunigungsmesser, Mikrofone und EKG-Elektroden können an unterschiedlichen Stellen an der Brustwand platziert werden, um unterschiedliche Ansichten der mechanischen und elektrischen Aktivierung des Herzens bereitzustellen. Somit kann die relative Positionierung dieser Sensoren in Bezug auf das Herz auch in das Modell für maschinelles Lernen eingegeben werden. Ein Herzgeräusch beispielsweise, das im oberen linken Rand des Brustbeinkörpers festgestellt wird, stellt eine andere Information als ein Herzgeräusch am Apex des Herzens bereit.
Der Beschleunigungsmesser und das Mikron können auch Eingaben von Lungengeräuschen und etwaigen darin erkannten Abnormalitäten bereitstellen. Die Lungengeräusche können durch das Modell für maschinelles Lernen identifiziert und von den Herzgeräuschen getrennt werden. Zum Beispiel kann ein Frequenzgehalt der SKG-Daten und der PKG-Daten ausgewertet werden, um Lungengeräusche in Abgrenzung zu Herzgeräuschen zu identifizieren. Die Kenntnis der Position der Sensoren kann ebenfalls Informationen dazu bereitstellen, ob damit gerechnet wird, dass der Sensor vor allem Herzgeräusche oder Lungengeräusche erfasst. Abnormalitäten in Lungengeräuschen können auf eine Flüssigkeitsansammlung hinweisen, die zu Veränderungen des Pulmonalarteriendrucks und der kardialen Synchronisation führen können. Ferner kann das Modell für maschinelles Lernen in den PKG-Daten und SKG-Daten Lungenoszillationen von Herzoszillationen unterscheiden, etwa durch das Identifizieren bestimmter Audiocharakteristiken in den Lungenoszillationen, die auf Röcheln, Knistern, Rhonchi, Husten oder andere Lungengeräusche hinweisen, die mit Lungenleiden in Verbindung stehen können.
In einigen Beispielen kann die Position des digitalen Stethoskops in Bezug auf das Herz vom Benutzer (z. B. über die Benutzerschnittstelle) eingegeben werden. Ferner kann eine Ausrichtung des digitalen Stethoskops auf Grundlage von Messungen des Beschleunigungsmessers bestimmt werden. Insbesondere kann die Ausrichtung berechnet werden, während sich das digitale Stethoskop nicht bewegt. Beispielsweise können der eine oder die mehreren Prozessoren einen Winkel des digitalen Stethoskops an jeder der drei Achsen des Beschleunigungsmessers in Bezug auf einen dreidimensionalen Weltkoordinatenrahmen auf Grundlage von Beschleunigung durch die an jeder der drei Achsen gemessenen Schwerkraft bestimmen, und dieser Winkel kann die Ausrichtung angeben. Die vom Benutzer eingegebenen Informationen können zusätzlich zu der bestimmten Ausrichtung für eine Annäherung an die Position der einzelnen Sensoren in Bezug auf das Herz verwendet werden.
Ferner kann das Eingeben der Positionen des Beschleunigungsmessers, des Mikrofons und der EKG-Elektroden außerdem das Eingeben der relativen Positionierung der einzelnen Sensoren in Bezug aufeinander zusätzlich zur anatomischen Position der Sensoren am Individuum in Bezug auf das Herz beinhalten. Beispielsweise kann der Beschleunigungsmesser in einem festen Abstand vom Mikrofon angeordnet sein (z. B. durch die Geometrie des digitalen Stethoskops fixiert sein), weshalb der Beschleunigungsmesser Oszillationen in dem festen Abstand vom Mikrofon erfassen kann, was bewirken kann, dass das Mikrofon und der Beschleunigungsmesser dieselbe mechanische Aktivität des Herzens auf unterschiedliche Weise erfassen.
Bei 318 beinhaltet das Verfahren 300 das Schätzen des Pulmonalarteriendrucks und/oder der kardialen Synchronie über das Modell für maschinelles Lernen auf Grundlage der empfangenen Eingaben. Beispielsweise kann das Modell für maschinelles Lernen unter Verwendung von Eingaben von dem digitalen Stethoskop zusammen mit entsprechenden invasiv gemessenen Ergebnissen für Pulmonalarteriendruck und echokardiografische Bildung trainiert werden. Das Modell für maschinelles Lernen kann eins oder beide von Pulmonalarteriendruck und kardialer Synchronie schätzen. Beispielsweise kann das Modell für maschinelles Lernen ein erstes Modell zum Bestimmen des Pulmonalarteriendrucks und ein zweites Modell zum Bestimmen der kardialen Synchronie verwenden. Außerdem kann das Modell für maschinelles Lernen in weiteren Beispielen zusätzliche Merkmale schätzen oder erkennen, die auf Herzpathologien hinweisen können, wie etwa Ejektionsfraktion, Vorliegen eines S3-Herzgeräuschs, Vorliegen eines Herzgeräuschs usw., oder auf Lungenpathologien, wie etwa Röcheln, Knistern, Rhonchi, Husten usw.
Bei 320 beinhaltet das Verfahren 300 das Bestimmen eines Herzinsuffizienzstatus und/oder eines Status pulmonaler Hypertension des Individuums auf Grundlage des geschätzten Pulmonalarteriendrucks und/oder der geschätzten kardialen Synchronie mittels einer Entscheidungslogik. Beispielsweise kann die Entscheidungslogik den geschätzten Pulmonalarteriendrucks und die geschätzte kardiale Synchronie (sowie etwaige andere erkannte Merkmale wie Herzgeräusche, identifizierte Lungengeräusche usw.) empfangen, die von dem Modell für maschinelles Lernen ausgegeben werden und beide analoge Metriken mit einer Größe sind. Die Entscheidungslogik kann zum Beispiel Fuzzy-Logik oder einen regelbasierten Ansatz verwenden, um den Herzinsuffizienzstatus und/oder eines Status pulmonaler Hypertension des Individuums auf Grundlage der Größe jeder Metrik gemäß klinischen Leitlinien zu bestimmen, wie nachstehend ausgeführt wird.
Das Verfahren 300 beinhaltet wahlweise das Eingeben von Signalen von weiteren Sensoren, die das Individuum überwachen, und/oder demografischen Informationen des Individuums in die Entscheidungslogik, wie bei 322 angegeben. Beispielsweise können die medizinischen Informationen eine Krankengeschichte des Individuums beinhalten, darunter Vitalzeichen, eine familiäre Krankengeschichte, eine Medikamentengeschichte und derzeitige oder frühere Symptome und Krankheiten. Die demografischen Informationen können Alter, Rasse, Ethnie, Geschlecht usw. beinhalten. Beispielsweise können Herzkrankheiten in einigen Demografien vorherrschender sein als in anderen, weshalb die Entscheidungslogik die zusätzlichen Informationen nutzen kann, um die Diagnosegenauigkeit der Ausgabe zu erhöhen. Die Krankengeschichte und/oder die demografischen Informationen können in die Rechenvorrichtung eingegeben werden (z. B. über die Benutzerschnittstelle der Rechenvorrichtung) und/oder durch Zugreifen auf eine elektronische Krankenakte erlangt werden.
Der Herzinsuffizienzstatus kann eins oder mehrere von einem Vorliegen oder Nichtvorliegen der Herzinsuffizienz, einem Risikopunktwert oder einer Risikoklassifikation der Herzinsuffizienz, einem Schweregradpunktwert oder einer Schweregradklassifikation der Herzinsuffizienz und einen Herzinsuffizienzuntertyp beinhalten. Ebenso kann der Status pulmonaler Hypertension eins oder mehrere von einem Vorliegen oder Nichtvorliegen der pulmonalen Hypertension, einem Risikopunktwert oder einer Risikoklassifikation der pulmonalen Hypertension, einem Schweregradpunktwert oder einer Schweregradklassifikation der pulmonalen Hypertension und einen Untertyp der pulmonalen Hypertension beinhalten. Wenn das Verfahren 300 zum Überwachen von Änderungen einer zugrundeliegenden Herzpathologie verwendet wird, kann die Entscheidungslogik Änderungen der zugrundeliegenden Erkrankungen auf Grundlage von Änderungen des Herzinsuffizienzstatus und/oder des Status der pulmonalen Hypertension herleiten.
Als ein Beispiel kann die Entscheidungslogik eine Herzinsuffizienzbewertungsfunktion nutzen, die Parameter, die eine Wahrscheinlichkeit von Herzinsuffizienz erhöhen, mit Parametern abwägt, die eine Wahrscheinlichkeit von Herzinsuffizienz senken, um einen Herzinsuffizienzgesamtpunktwert zu bestimmen. Wenn die Entscheidungslogik das Nichtvorliegen von Herzinsuffizienz feststellt, kann der Herzinsuffizienzpunktwert das Individuum ferner als ein geringes Risiko für das Entstehen von Herzinsuffizienz, ein moderates Risiko für das Entstehen von Herzinsuffizienz und ein hohes Risiko für das Entstehen von Herzinsuffizienz aufweisend klassifizieren. Wenn Herzinsuffizienz erkannt wird, kann die Entscheidungslogik ebenso einen Untertyp, eine Klasse und/oder einen Schweregrad der Herzinsuffizienz identifizieren. Untertypen von Herzinsuffizienz können Herzinsuffizienz mit reduzierter Ejektionsfraktion (HFrEF), Herzinsuffizienz mit erhaltener Ejektionsfraktion (HFpEF), linksseitige Herzinsuffizienz, rechtsseitige Herzinsuffizienz, systolische Dysfunktion, diastolische Dysfunktion, Herzinsuffizienz der Klasse I der New York Heart Association (NYHA), Herzinsuffizienz der NYHA-Klasse II, Herzinsuffizienz der NYHA-Klasse III, Herzinsuffizienz der NYHA-Klasse IV, Herzinsuffizienz der Stufe A, Herzinsuffizienz der Stufe B, Herzinsuffizienz der Stufe C, Herzinsuffizienz der Stufe D, kompensierte Herzinsuffizienz und dekompensierte Herzinsuffizienz beinhalten.
Als weiteres Beispiel kann die Entscheidungslogik das Vorliegen oder Nichtvorliegen von pulmonaler Hypertension angeben, indem sie den geschätzten Pulmonalarteriendruck, der von dem Modell für maschinelles Lernen ausgegeben wurde, mit einem Schwellenwert für pulmonale Hypertension vergleicht. Der Schwellenwert für pulmonale Hypertension kann zum Beispiel etwa 20 mmHg betragen, wobei oberhalb davon das Vorliegen von pulmonaler Hypertension angezeigt wird. Die Entscheidungslogik kann ferner einen Untertyp und/oder Schweregrad der pulmonalen Hypertension klassifizieren. Die Schweregradklassifikationen können beispielsweise keine pulmonale Hypertension, milde pulmonale Hypertension, moderate pulmonale Hypertension und schwere pulmonale Hypertension beinhalten, die jeweils einem anderen Bereich von Pulmonalarteriendruck entsprechen. Die Untertypen von pulmonaler Hypertension können Pulmonalarterienhypertension (PAH), pulmonale Hypertension aufgrund einer Erkrankung des linken Herzens, pulmonale Hypertension aufgrund einer Lungenkrankheit und/oder Hypoxie, chronische thromboembolische pulmonale Hypertension (CTEPH) und pulmonale Hypertension mit unklaren Mehrfaktorenmechanismen beinhalten.
In einigen Ausführungsformen kann die Entscheidungslogik auch einen Zustand der Lunge des Individuums aufgrund der identifizierten Lungengeräusche bestimmen. Beispielsweise kann die Entscheidungslogik vorprogrammierte Kriterien zum Beurteilen von Lungenleiden beinhalten. Als veranschaulichendes Beispiel kann Röcheln mit Allergien, Bronchitis, Emphysem, chronischer obstruktiver Lungenerkrankung (COPD), Lungenentzündung und anderen Krankheiten in Verbindung stehen, während Knistern durch Lungenentzündung, Herzkrankheit, Bronchitis, COPD und andere Erkrankungen verursacht werden kann. Die Entscheidungslogik kann die identifizierten Lungengeräusche sowie etwaige zusätzliche Informationen zu Krankengeschichte und Demografie verwenden, um zwischen Erkrankungen und Krankheiten mit ähnlichen Symptomen zu unterscheiden. Die bestimmte Erkrankung der Lungen kann ein oder mehrere vermutete oder mögliche Lungenleiden beinhalten, wenn die Entscheidungslogik nicht in der Lage ist, eine einzelne mögliche zugrundeliegende Erkrankung zu unterscheiden.
Bei 324 beinhaltet das Verfahren 300 das Ausgeben des Pulmonalarteriendrucks, der kardialen Synchronie, des Herzinsuffizienzstatus und/oder des Status pulmonaler Hypertension des Individuums. Der Pulmonalarteriendruck, die kardiale Synchronie, der Herzinsuffizienzstatus und/oder der Status pulmonaler Hypertension des Individuums können zum Beispiel an die Benutzerschnittstelle der Rechenvorrichtung ausgegeben werden. Der Pulmonalarteriendruck, die kardiale Synchronie, der Herzinsuffizienzstatus und/oder der Status pulmonaler Hypertension des Individuums können zusätzlich oder alternativ an die elektronische Krankenakte des Individuums ausgegeben werden. Beliebige oder alle von einem Vorhandensein oder Nichtvorhandensein jeder Erkrankung (z. B. Herzinsuffizienz und pulmonale Hypertension), ein Risikopunktwert der Erkrankung, ein Schweregrad der Erkrankung und ein Untertyp der Erkrankung können ausgegeben werden, wie oben erörtert und in 4 weiter veranschaulicht. Wenn das Verfahren 300 zum Überwachen einer bekannten Erkrankung oder eines bekannten Risikos verwendet wird, kann das Verfahren 300 zusätzlich das Ausgeben einer Änderung der Erkrankung oder des Risikomaßes beinhalten. Wenn Lungengeräusche bewertet werden, beinhaltet das Verfahren 300 auch das Ausgeben der Erkrankung der Lunge des Individuums.
Bei 326 beinhaltet das Verfahren 300 wahlweise das Bestimmen einer empfohlenen Anschlussmaßnahme auf Grundlage des Pulmonalarteriendrucks, der kardialen Synchronie, des Herzinsuffizienzstatus und/oder des Status pulmonaler Hypertension des Individuums. Beispielsweise kann die Entscheidungslogik eine empfohlene Untersuchung oder Verfahrensweise bestimmen, um die Diagnose der pulmonalen Hypertension oder der Herzinsuffizienz zu bestätigen, etwa Bildgebungsverfahrensweisen oder andere Diagnoseprüfungen. Als weiteres Beispiel kann die Entscheidungslogik Empfehlungen für Behandlungen oder Änderungen der Lebensgewohnheiten des Individuums zur Besprechung mit dem Arzt ausgeben. Die empfohlene Anschlussmaßnahme kann zum Beispiel von dem Schweregrad oder Typ der erkannten pulmonalen Hypertension oder Herzinsuffizienz abhängen. Als veranschaulichendes Beispiel kann die empfohlene Anschlussmaßnahme Leitlinien für eine salzarme Ernährung beinhalten, sowohl wenn pulmonale Hypertension vorliegt als auch dann, wenn das Individuum ein moderates bis hohes Risiko für pulmonale Hypertension aufweist. Als weiteres Beispiel kann die empfohlene Anschlussmaßnahme mögliche Anpassungen der Behandlung auf Grundlage der bestimmten Änderung der Erkrankung oder Risikostufe beinhalten, wenn das Verfahren 300 zum Überwachen des Individuums im Zeitverlauf verwendet wird.
Bei 328 beinhaltet das Verfahren 300 wahlweise das Ausgeben der empfohlenen Anschlussmaßnahme. Die empfohlene Anschlussmaßnahme kann beispielsweise über die Benutzerschnittstelle der Rechenvorrichtung ausgegeben werden, etwa über eine visuelle Nachricht. Als weiteres Beispiel kann die empfohlene Anschlussmaßnahme an die elektronische Krankenakte des Individuums ausgegeben werden, auf die der Arzt und/oder das Individuum (z. B. über ein Patientenportal) Zugriff haben kann. Als noch weiteres Beispiel kann die empfohlene Anschlussmaßnahme mittels einer sicheren Nachricht an den Arzt und/oder das Individuum gesendet werden. Das Verfahren 300 kann dann enden.
Auf diese Weise können Herzinsuffizienz und pulmonale Hypertension erkannt und/oder im Zeitverlauf verfolgt werden. Beispielsweise kann der Arzt das digitale Stethoskop verwenden, während er das Individuum untersucht, und den Pulmonalarteriendruck, die kardiale Synchronie, den Herzinsuffizienzstatus und/oder den Status pulmonaler Hypertension des Individuums, die durch das Verfahren ausgegeben werden, zusammen mit anderen Informationen aus der Untersuchung verwenden, um einen Behandlungsplan zu erstellen und zu entscheiden, ob der Patient zur weiteren Diagnoseprüfung überwiesen werden soll. Als weiteres Beispiel kann das Individuum bereits mit Herzinsuffizienz/pulmonaler Hypertension diagnostiziert worden sein (oder ein bekanntes Risiko dafür aufweisen) und das digitale Stethoskop verwenden, um seine eigenen PKG-Daten, SKG-Daten und EKG-Daten aufzuzeichnen und eine Ausgabe zu erlangen, die eine Änderung des Pulmonalarteriendrucks, der kardialen Synchronie und/oder des Status der Herzinsuffizienz/der pulmonalen Hypertension angibt. In einigen Ausführungsformen können die Ergebnisse ferner automatisch an den Arzt übermittelt werden, damit der Arzt entscheiden kann, ob eine weitere Untersuchung des Individuums gewünscht wird.
Als Nächstes zeigt 4 schematisch einen Algorithmus 400 zu Identifizieren und Überwachen von Herzinsuffizienz und pulmonaler Hypertension eines Patienten, wie etwa gemäß dem Verfahren 300 aus 3. Zum Beispiel kann der Algorithmus 400 durch eine Rechenvorrichtung ausgeführt werden, die in elektronischer Kommunikationsverbindung mit einem digitalen Stethoskop steht, wie etwa die externe Rechenvorrichtung 202 und das elektronische Stethoskop 200 aus 2. Ein Mikrofon 402, ein Beschleunigungsmesser 404 und Elektroden 406 des digitalen Stethoskops erfassen zeitlich synchronisierte Daten vom Patienten. Insbesondere erfasst das Mikrofon 402 PKG-Daten 408, der Beschleunigungsmesser 404 erfasst SKG-Daten 410 und die Elektroden 406 erfassen EKG-Daten 412. Diese Daten werden in ein Modell 416 für maschinelles Lernen eingegeben. In einigen Ausführungsformen werden die PKG-Daten 408 und die SKG-Daten 410 zu einem einzelnen Oszillationsdatenstrom 414 kombiniert und dann in das Modell 416 für maschinelles Lernen eingegeben. In anderen Ausführungsformen werden die PKG-Daten 408 und die SKG-Daten 410 als separate Eingaben in das Modell 416 für maschinelles Lernen eingespeist.
Das Modell 416 für maschinelles Lernen verarbeitete die eingegeben Daten und gibt eine kardiale Synchronie 418 und einen Pulmonalarterien(PA)-Druck 420 aus. Die kardiale Synchronie 418 und der PA-Druck 420 werden weiter in eine Entscheidungslogik 425 eingegeben. Die Entscheidungslogik 425 kann Fuzzy-Logik oder regelbasierte Logik verwenden, die gemäß klinisch relevanten Werten für kardiale Synchronie und Pulmonalarteriendruck für unterschiedliche Zustände von Herzinsuffizienz und pulmonaler Hypertension programmiert ist. In einigen Ausführungsformen kann die Entscheidungslogik 425 zusätzliche Patientendaten 421 empfangen. Die zusätzlichen Patientendaten 421 können beliebige oder alle von demografischen Patienteninformationen, einer Krankengeschichte des Patienten und Ausgaben von weiteren Sensoren und Überwachungseinrichtungen beinhalten, die von den Sensoren des digitalen Stethoskops separat sein können. Beispielsweise kann die Entscheidungslogik 425 weitere Patientendaten von einem oder mehreren von einer Waage, einem Aktivitätsüberwachungsgerät, einem Blutdruckmessgerät, einem Pulsoximeter und einem Atmungsmessgerät empfangen.
Die Entscheidungslogik 425 gibt einen Herzinsuffizienzstatus 422 und einen Status 432 der pulmonalen Hypertension des Patienten aus. Der Herzinsuffizienzstatus 422 kann beliebige oder alle von einem Vorhandensein-/Nichtvorhandensein-Indikator 424, einem Risikopunktwert 426, einem Schweregrad 428 und einem Untertyp 430 der Herzinsuffizienz beinhalten. Ebenso kann der Status 432 der pulmonalen Hypertension beliebige oder alle von einem Vorhandensein-/Nichtvorhandensein-Indikator 434, einem Risikopunktwert 436, einem Schweregrad 438 und einem Untertyp 440 der pulmonalen Hypertension beinhalten. Diese Ausgaben können dem Patienten und/oder einem behandelnden Arzt mitgeteilt werden, wie etwa oben in Bezug auf 3 erörtert.
Auf diese Weise wird ein Ansatz zur nicht invasiven Bestimmung von kardialer Synchronie und einem Pulmonalarteriendruck eines Individuums auf Grundlage von Signalen bereitgestellt, die über ein digitales Stethoskop erlangt werden. Der Pulmonalarteriendruck und die kardiale Synchronie können ferner verwendet werden, um einen Herzinsuffizienzstatus und einen Status der pulmonalen Hypertension des Individuums zu bestimmen. Herzinsuffizienz und pulmonale Hypertension können auf diese Weise kostengünstiger, schneller und zuverlässiger erkannt und überwacht werden. Auch kann das Unwohlsein des Patienten während der Erkennung und Überwachung aufgrund der schnellen und nicht invasiven Schätzung der kardialen Synchronie und des Pulmonalarteriendrucks reduziert werden. Durch die frühe Identifizierung und Überwachung von Personen mit pulmonaler Hypertension und Herzinsuffizienz oder einem Risiko dafür können die Ergebnisse für Patienten unter reduzierter Belastung des Anbieters verbessert und die Kosten gesenkt werden.
Die technische Wirkung des Schätzens kardialer Synchronie und des Pulmonalarteriendrucks über ein Modell für maschinelles Lernen auf Grundlage von PKG-Daten, SKG-Daten und/oder EKG-Daten, die von einem digitalen Stethoskop empfangen werden, liegt darin, dass der Zeit- und Kostenaufwand der Diagnose von Herzinsuffizienz und pulmonaler Hypertension gesenkt werden kann, während eine Genauigkeit der Diagnose und der Patientenkomforts während der Diagnose erhöht werden.
Die Offenbarung unterstützt auch ein Verfahren, umfassend: Erfassen von wenigstens einem von Elektrokardiogramm(EKG)-Daten, Phonokardiogramm(PKG)-Daten und Seismokardiogramm(SKG)-Daten von einem Individuum über ein digitales Stethoskop, Eingeben von einem oder mehreren der EKG-Daten, der PKG-Daten und der SKG-Daten in einen Algorithmus für maschinelles Lernen und Schätzen von wenigstens einem von einem Pulmonalarteriendruck und einer kardialen Synchronisation des Individuums unter Verwendung des Algorithmus für maschinelles Lernen. In einem ersten Beispiel des Verfahrens umfassen die PKG-Daten Oszillationen höherer Frequenz, die von einem Herzen des Individuums erzeugt und durch ein Mikrofon des digitalen Stethoskops erfasst werden, und die SKG-Daten umfassen Oszillationen niedrigerer Frequenz, die von dem Herzen des Individuums erzeugt und durch einen Beschleunigungsmesser des digitalen Stethoskops erfasst werden. In einem zweiten Beispiel des Verfahrens, das wahlweise das erste Beispiel beinhaltet, ist der Beschleunigungsmesser ein Drei-Achsen-Beschleunigungsmesser, der dazu konfiguriert ist, sowohl Quer- als auch Längsoszillationen zu erfassen, die vom Herzen des Individuums erzeugt werden. In einem dritten Beispiel des Verfahrens, das wahlweise eins oder beide von dem ersten und zweiten Beispiel beinhaltet, wird eine jeweilige relative Positionierung des Mikrofons und des Beschleunigungsmessers in Bezug aufeinander und auf das Herz in den Algorithmus für maschinelles Lernen eingegeben. In einem vierten Beispiel des Verfahrens, das wahlweise eins oder mehrere von dem ersten bis dritten Beispiel beinhaltet, umfasst das Verfahren ferner: Unterscheiden von Lungenoszillationen von Herzoszillationen mittels des Algorithmus für maschinelles Lernen auf Grundlage von einem oder mehreren von einem Frequenzgehalt der PKG-Daten und der SKG-Daten und der relativen Positionierung des Mikrofons und des Beschleunigungsmessers in Bezug aufeinander und auf das Herz, und Ausgeben eines Zustands der Lunge des Individuums auf Grundlage der unterschiedenen Lungenoszillationen. In einem fünften Beispiel des Verfahrens, das wahlweise eins oder mehrere von dem ersten bis vierten Beispiel beinhaltet, empfängt der Algorithmus für maschinelles Lernen die PKG-Daten von dem Mikrofon und die SKG-Daten von dem Beschleunigungsmesser als separate Eingaben. In einem sechsten Beispiel des Verfahrens, das wahlweise eins oder mehrere von dem ersten bis fünften Beispiel beinhaltet, werden die Oszillationen höherer Frequenz, die von dem Herzen des Individuums erzeugt und durch das Mikrofon des digitalen Stethoskops erfasst werden, und die Oszillationen niedrigerer Frequenz, die von dem Herzen des Individuums erzeugt und durch den Beschleunigungsmesser des digitalen Stethoskops erfasst werden, zu einem einzelnen Oszillationsdatenstrom zur Eingabe in den Algorithmus für maschinelles Lernen kombiniert. In einem siebten Beispiel des Verfahrens, das wahlweise eins oder mehrere von dem ersten bis sechsten Beispiel beinhaltet, umfassen die EKG-Daten 1 bis 12 unterschiedliche Vektoren von elektrischer Polarisation des Herzens Individuums, die durch 1 bis 12 EKG-Leitungen erfasst werden. In einem achten Beispiel des Verfahrens, das wahlweise eins oder mehrere von dem ersten bis siebten Beispiel beinhaltet, werden die EKG-Daten, die PKG-Daten und die SKG-Daten zeitlich synchronisiert. In einem neunten Beispiel des Verfahrens, das wahlweise eins oder mehrere von dem ersten bis achten Beispiel beinhaltet, umfasst das Verfahren ferner: Ausgeben eines Untertyps von Herzinsuffizienz, eines Schweregrads von Herzinsuffizienz oder eines Risikopunktwerts von Herzinsuffizienz des Individuums wenigstens auf Grundlage des Pulmonalarteriendrucks und der kardialen Synchronisation des Individuums, die durch den Algorithmus für maschinelles Lernen geschätzt werden. In einem zehnten Beispiel des Verfahrens, das wahlweise eins oder mehrere von dem ersten bis neunten Beispiel beinhaltet, umfasst das Verfahren ferner: Ausgeben eines Untertyps von pulmonaler Hypertension, eines Schweregrads von pulmonaler Hypertension oder eines Risikopunktwerts von pulmonaler Hypertension des Individuums wenigstens auf Grundlage des Pulmonalarteriendrucks und der kardialen Synchronisation des Individuums, die durch den Algorithmus für maschinelles Lernen geschätzt werden. In einem elften Beispiel des Verfahrens, das wahlweise eins oder mehrere von dem ersten bis zehnten Beispiel beinhaltet, umfasst das Verfahren ferner: Verfolgen von Änderungen in wenigstens einem von dem geschätzten Pulmonalarteriendruck und der geschätzten kardialen Synchronisation des Individuums im Zeitverlauf und Ableiten von Änderungen eines zugrundeliegenden Zustands des Individuums im Verlauf der Zeit auf Grundlage der verfolgten Änderungen in wenigstens einem von dem geschätzten Pulmonalarteriendruck und der geschätzten kardialen Synchronisation des Individuums.
Die Offenbarung unterstützt auch ein Verfahren, umfassend: Erfassen von Elektrokardiogramm(EKG)-Daten, Phonokardiogramm(PKG)-Daten und Seismokardiogramm(SKG)-Daten von einem Individuum über ein digitales Stethoskop, Eingeben von wenigstens einem von den EKG-Daten, den PKG-Daten und den SKG-Daten in einen Algorithmus für maschinelles Lernen, Eingeben von Signalen von wenigstens einem von einer Waage, einem Blutdruckmessgerät, einem Atmungsmessgerät und einem Pulsoximeter in den Algorithmus für maschinelles Lernen und Ausgeben von wenigstens einem von einem geschätzten Pulmonalarteriendruck und einer geschätzten kardialen Synchronie des Individuums aus dem Algorithmus für maschinelles Lernen und Ausgeben eines Zustands des Individuums, die auf Grundlage von wenigstens einem von einem geschätzten Pulmonalarteriendruck und einer geschätzten kardialen Synchronie bestimmt wurde. In einem ersten Beispiel des Verfahrens umfasst der Zustand des Individuums wenigstens eins von einem Vorhandensein oder Nichtvorhandensein von Herzinsuffizienz, einem Risikopunktwert der Herzinsuffizienz, einem Untertyp der Herzinsuffizienz und einem Schweregrad der Herzinsuffizienz. In einem zweiten Beispiel des Verfahrens, das wahlweise das erste Beispiel umfasst, umfasst der Zustand des Individuums wenigstens eins von einem Vorhandensein oder Nichtvorhandensein von pulmonaler Hypertension, einem Risikopunktwert der pulmonalen Hypertension, einem Untertyp der pulmonalen Hypertension und einem Schweregrad der pulmonalen Hypertension.
Die Offenbarung unterstützt auch ein System zum Durchführen einer Herzuntersuchung, umfassend: ein digitales Stethoskop und einen Prozessor, der an einen Speicher wirkgekoppelt ist, welcher Anweisungen speichert, die bei Ausführung durch den Prozessor den Prozessor veranlassen zum: Erfassen von Längsbrustoszillationen, Querbrustoszillationen und elektrischen Signalen eines Herzen über das digitale Stethoskop, Eingeben der Längsbrustoszillationen, der Querbrustoszillationen und der elektrischen Signale des Herzen in ein Modell für maschinelles Lernen und Bestimmen eines Vorhandenseins oder Nichtvorhandenseins von Herzpathologie auf Grundlage von Ausgaben des Modells für maschinelles Lernen. In einem ersten Beispiel des Systems umfasst das digitale Stethoskop ein Mikrofon, einen Elektrokardiogramm(EKG)-Sensor und einen Beschleunigungsmesser. In einem zweiten Beispiel des Systems, das wahlweise das erste Beispiel beinhaltet, werden die Längsbrustoszillationen durch wenigstens eins von dem Mikrofon und dem Beschleunigungsmesser erfasst, die Querbrustoszillationen werden von dem Beschleunigungsmesser erfasst und die elektrischen Signale werden von dem EKG-Sensor erfasst. In einem dritten Beispiel des Systems, das wahlweise eins oder beide von dem ersten und zweiten Beispiel beinhaltet, umfasst die Herzpathologie wenigstens eins von pulmonaler Hypertension, Herzkrankheit, Herzinsuffizienz, systolischer Dysfunktion und diastolischer Dysfunktion und beinhaltet ferner eine Stufe oder Klasse der Herzpathologie. In einem vierten Beispiel des Systems, das wahlweise eins oder mehrere von dem ersten bis dritten Beispiel beinhaltet, umfasst das System ferner: eine Benutzerschnittstelle, und wobei der Speicher ferner Anweisungen speichert, die bei Ausführung durch den Prozessor den Prozessor veranlassen zum: Ausgeben des Vorhandenseins oder Nichtvorhandenseins der Herzpathologie an die Benutzerschnittstelle, Bestimmen einer empfohlenen Anschlussmaßnahme auf Grundlage des Vorhandenseins der Herzpathologie und Ausgeben der empfohlenen Anschlussmaßnahme an die Benutzerschnittstelle.
Im hier verwendeten Sinne ist ein Element oder Schritt, das bzw. der im Singular genannt wird und dem das Wort „ein“ oder „eine“ vorangestellt ist, so zu verstehen, dass es bzw. er die Mehrzahl der Elemente oder Schritte nicht ausschließt, es sei denn, ein solcher Ausschluss wird ausdrücklich angegeben. Darüber hinaus sollen Bezugnahmen auf „eine Ausführungsform“ der vorliegenden Erfindung nicht dahingehend interpretiert werden, dass sie die Existenz zusätzlicher Ausführungsformen ausschließen, die ebenfalls die genannten Merkmale enthalten. Darüber hinaus können, sofern nicht ausdrücklich anders angegeben, Ausführungsformen, die ein Element oder mehrere Elemente mit einer bestimmten Eigenschaft „umfassen“, „beinhalten“ oder „aufweisen“, zusätzliche Elemente umfassen, die diese Eigenschaft nicht aufweisen. Die Begriffe „einschließlich“ und „in dem/der/denen“ werden als verständliche Äquivalente der jeweiligen Begriffe „umfassend“ und „wobei“ verwendet. Darüber hinaus werden die Begriffe „erster“, „zweiter“ und „dritter“ usw. lediglich als Bezeichnungen verwendet und sollen ihren Objekten keine numerischen Anforderungen oder eine bestimmte Positionsreihenfolge auferlegen.
Diese schriftliche Beschreibung verwendet Beispiele, um die Erfindung zu offenbaren, einschließlich des besten Weges der Ausführung, und auch, um es einem Durchschnittsfachmann auf dem Gebiet zu ermöglichen, die Erfindung auszuführen, einschließlich der Herstellung und Verwendung von Vorrichtungen oder Systemen und der Durchführung darin enthaltener Verfahren. Der patentfähige Umfang der Erfindung wird durch die Ansprüche definiert und kann andere Beispiele umfassen, die für den Durchschnittsfachmann auf der Hand liegen. Solche anderen Beispiele gelten als in den Umfang der Ansprüche fallend, wenn sie strukturelle Elemente aufweisen, die sich nicht vom Wortlaut der Ansprüche unterscheiden, oder wenn sie äquivalente strukturelle Elemente mit unwesentlichen Unterschieden zum Wortlaut der Ansprüche enthalten.

Claims

Verfahren, umfassend: Erfassen (302) von wenigstens einem von Elektrokardiogramm(EKG)-Daten (412), Phonokardiogramm(PKG)-Daten (408) und Seismokardiogramm(SKG)-Daten (410) von einem Individuum über ein digitales Stethoskop (100); Eingeben (310) von einem oder mehreren der EKG-Daten (412), der PKG-Daten (408) und der SKG-Daten (410) in einem Algorithmus (416) für maschinelles Lernen; und Schätzen (318) von wenigstens einem von einem Pulmonalarteriendruck (420) und einer kardialen Synchronisation (418) des Individuums unter Verwendung des Algorithmus (416) für maschinelles Lernen.
Verfahren nach Anspruch 1, wobei die PKG-Daten (408) Oszillationen höherer Frequenz umfassen, die von einem Herzen des Individuums erzeugt und durch ein Mikrofon (112) des digitalen Stethoskops (100) erfasst werden, und die SKG-Daten (410) Oszillationen niedrigerer Frequenz umfassen, die von dem Herzen des Individuums erzeugt und durch einen Beschleunigungsmesser (150) des digitalen Stethoskops (100) erfasst werden.
Verfahren nach Anspruch 2, wobei der Beschleunigungsmesser (150) ein Drei-Achsen-Beschleunigungsmesser (150) ist, der dazu konfiguriert ist, sowohl Quer- als auch Längsoszillationen zu erfassen, die vom Herzen des Individuums erzeugt werden.
Verfahren nach Anspruch 2, wobei eine jeweilige relative Positionierung des Mikrofons (112) und des Beschleunigungsmessers (150) in Bezug aufeinander und auf das Herz in den Algorithmus (416) für maschinelles Lernen eingegeben wird.
Verfahren nach Anspruch 4, ferner umfassend: Unterscheiden von Lungenoszillationen von Herzoszillationen mittels des Algorithmus (416) für maschinelles Lernen auf Grundlage von einem oder mehreren von einem Frequenzgehalt der PKG-Daten (408) und der SKG-Daten (410) und der relativen Positionierung des Mikrofons (112) und des Beschleunigungsmessers (150) in Bezug aufeinander und auf das Herz; und Ausgeben eines Zustands der Lunge des Individuums auf Grundlage der unterschiedenen Lungenoszillationen.
Verfahren nach Anspruch 2, wobei der Algorithmus (416) für maschinelles Lernen die PKG-Daten (408) von dem Mikrofon (112) und die SKG-Daten (410) von dem Beschleunigungsmesser (150) als separate Eingaben empfängt.
Verfahren nach Anspruch 2, wobei die Oszillationen höherer Frequenz, die von dem Herzen des Individuums erzeugt und durch das Mikrofon (112) des digitalen Stethoskops (100) erfasst werden, und die Oszillationen niedrigerer Frequenz, die von dem Herzen des Individuums erzeugt und durch den Beschleunigungsmesser (150) des digitalen Stethoskops (100) erfasst werden, zu einem einzelnen Oszillationsdatenstrom (414) zur Eingabe in den Algorithmus (416) für maschinelles Lernen kombiniert werden.
Verfahren nach Anspruch 1, wobei die EKG-Daten (412) 1 bis 12 unterschiedliche Vektoren elektrischer Polarisation des Herzens des Individuums umfassen, die von 1 bis 12 EKG-Leitungen erfasst werden.
Verfahren nach Anspruch 1, wobei die EKG-Daten (412), die PKG-Daten (408) und die SKG-Daten (410) zeitlich synchronisiert werden.
Verfahren nach Anspruch 1, ferner umfassend: Ausgeben (324) eines Untertyps (430) von Herzinsuffizienz, eines Schweregrads (428) von Herzinsuffizienz oder eines Risikopunktwerts (426) von Herzinsuffizienz des Individuums wenigstens auf Grundlage des Pulmonalarteriendrucks (420) und der kardialen Synchronisation (418) des Individuums, die durch den Algorithmus (416) für maschinelles Lernen geschätzt werden.
Verfahren nach Anspruch 1, ferner umfassend: Ausgeben (324) eines Untertyps (440) von pulmonaler Hypertension, eines Schweregrads (438) von pulmonaler Hypertension oder eines Risikopunktwerts (436) von pulmonaler Hypertension des Individuums wenigstens auf Grundlage des Pulmonalarteriendrucks (420) und der kardialen Synchronisation (418) des Individuums, die durch den Algorithmus (416) für maschinelles Lernen geschätzt werden.
Verfahren nach Anspruch 1, ferner umfassend: Verfolgen von Änderungen in wenigstens einem von dem geschätzten Pulmonalarteriendruck (420) und der geschätzten kardialen Synchronisation (418) des Individuums im Zeitverlauf; und Ableiten von Änderungen eines zugrundeliegenden Zustands des Individuums im Verlauf der Zeit auf Grundlage der verfolgten Änderungen in wenigstens einem von dem geschätzten Pulmonalarteriendruck (420) und der geschätzten kardialen Synchronisation (418) des Individuums.
System zum Durchführen einer Herzuntersuchung, umfassend: ein digitales Stethoskop (100); und einen Prozessor (204), der an einen Speicher (206) wirkgekoppelt ist, in dem Anweisungen gespeichert sind, die, wenn sie von dem Prozessor (204) ausgeführt werden, den Prozessor (204) veranlassen zum: Erfassen (302) von Längsbrustoszillationen, Querbrustoszillationen und elektrischen Signalen eines Herzens über das digitale Stethoskop (100); Eingeben (310) der Längsbrustoszillationen, der Querbrustoszillationen und der elektrischen Signale des Herzens in ein Modell (416) für maschinelles Lernen; und Bestimmen (320) eines Vorhandenseins oder Nichtvorhandenseins von Herzpathologie auf Grundlage von Ausgaben des Modells (416) für maschinelles Lernen.
System nach Anspruch 13, wobei das digitale Stethoskop (100) ein Mikrofon (112), einen Elektrokardiogramm(EKG)-Sensor (110) und einen Beschleunigungsmesser (150) umfasst und wobei die Längsbrustoszillationen durch wenigstens eins von dem Mikrofon (112) und dem Beschleunigungsmesser (150) erfasst werden, die Querbrustoszillationen von dem Beschleunigungsmesser (150) erfasst werden und die elektrischen Signale von dem EKG-Sensor (110) erfasst werden.
System nach Anspruch 13, ferner umfassend eine Benutzerschnittstelle (214) und wobei der Speicher (206) weitere Anweisungen beinhaltet, die, wenn sie durch den Prozessor (204) ausgeführt werden, den Prozessor (204) veranlassen zum: Ausgeben (324) des Vorhandenseins oder Nichtvorhandenseins der Herzpathologie an die Benutzerschnittstelle (214), wobei die Herzpathologie wenigstens eins von pulmonaler Hypertension, Herzkrankheit, Herzinsuffizienz, systolischer Dysfunktion und diastolischer Dysfunktion umfasst und ferner eine Stufe oder Klasse der Herzpathologie beinhaltet; Bestimmen (326) einer empfohlenen Anschlussmaßnahme auf Grundlage des Vorhandenseins der Herzpathologie; und Ausgeben (328) der empfohlenen Anschlussmaßnahme an die Benutzerschnittstelle (214).