DE202020005639U1

DE202020005639U1 - Personalisierung von Modellen der künstlichen Intelligenz für die Analyse von Herzrhythmen

Info

Publication number: DE202020005639U1
Application number: DE202020005639.1U
Authority: DE
Original assignee: Medtronic Inc
Current assignee: Medtronic Inc
Priority date: 2019-05-06
Filing date: 2020-04-23
Publication date: 2021-11-23
Anticipated expiration: 2030-04-24
Also published as: JP7558196B2; CN113795195A; JP2022531302A; US11633159B2; EP3965648A1; US20230248319A1; KR20220006070A; AU2020268734A1; WO2020226904A1; US20200352522A1

Abstract

Rechensystem, das Folgendes umfasst:ein Speichermedium, das so konfiguriert ist, dass es einen kardialen Elektrogrammstreifen (EGM) für einen betreffenden Patienten speichert; undeine Verarbeitungsschaltung, die für Folgendes konfiguriert ist:Anwenden eines ersten neuronalen Netzwerks aus Herzrhythmus-Klassifikatoren (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe, wobei:der erste CRC an Trainings-EGM-Streifen aus einer ersten Population trainiert wird, die eine Vielzahl von Patienten einschließt,der erste CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten über einen Aspekt des Herzrhythmus des betreffenden Patienten erzeugt;Anwenden eines zweiten CRC mit dem Segment des kardialen EGM-Streifens als Eingabe, wobei:der zweite CRC eine Version des ersten CRC ist, der an Trainings-EGM-Streifen aus einer zweiten Population trainiert wird, die kleiner ist als die erste Population,der zweite CRC, basierend auf dem Segment des kardialen EGM-Streifens, zweite Daten bezüglich des Aspekts des Herzrhythmus des betreffenden Patienten erzeugt; undAusgabedaten auf der Grundlage der ersten und zweiten Daten erzeugt werden.

Description

GEBIET
Diese Offenbarung bezieht sich im Allgemeinen auf die Überwachung des Gesundheitszustandes und im Besonderen auf die Überwachung der Gesundheit des Herzens.
STAND DER TECHNIK
Eine bösartige Tachyarrhythmie, zum Beispiel Kammerflimmern, ist eine unkoordinierte Kontraktion des Herzmuskels der Herzkammern und ist die am häufigsten identifizierte Arrhythmie bei Patienten mit Herzstillstand. Hält diese Arrhythmie länger als ein paar Sekunden an, kann sie zu einem kardiogenen Schock und zur Unterbrechung des effektiven Blutkreislaufs führen. Folglich kann der plötzliche Herztod (SCD) innerhalb weniger Minuten eintreten.
Eine implantierte oder nicht implantierte medizinische Vorrichtung kann das Herz eines Patienten auf Herzrhythmusstörungen überwachen. Ein Benutzer, wie beispielsweise ein Arzt, kann die von der medizinischen Vorrichtung erzeugten Daten auf das Auftreten von Herzrhythmusstörungen, z. B. atriale oder ventrikuläre Tachyarrhythmien oder Asystolie, überprüfen. Der Benutzer kann anhand des Auftretens der Herzrhythmusstörungen einen medizinischen Zustand des Patienten diagnostizieren.
KURZDARSTELLUNG
Die Offenbarung beschreibt im Allgemeinen Techniken zur Personalisierung von Modellen der künstlichen Intelligenz (KI), die Herzrhythmen eines Patienten analysieren, oder zur Spezialisierung von KI-Modellen für eine Patientenkohorte. Wie in dieser Offenbarung erörtert, kann ein Rechensystem einen kardialen Elektrogrammstreifen (EGM), z. B. Daten, die eine Folge von Werten der kardialen EGM-Wellenform über einen bestimmten Zeitraum darstellen, für einen bestimmten Patienten erhalten. Zusätzlich kann das Rechensystem einen ersten Herzrhythmus-Klassifikator (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe anwenden. Der erste CRC wird an kardialen EGM-Streifen aus einer ersten Population trainiert. Der erste CRC erzeugt erste Daten über einen Aspekt des Herzrhythmus des betreffenden Patienten. Das Rechensystem kann auch einen zweiten CRC mit dem Segment des kardialen EGM-Streifens als Eingabe anwenden. Der zweite CRC wird mit kardialen EGM-Streifen aus einer kleineren, zweiten Population trainiert. Der zweite CRC erzeugt zweite Daten über den Aspekt des Herzrhythmus des betreffenden Patienten. Das System kann Ausgabedaten erzeugen, die auf den ersten und/oder zweiten Daten basieren.
In einem Aspekt beschreibt diese Offenbarung ein Verfahren, das Folgendes umfasst: Erhalten eines kardialen Elektrogrammstreifens (EGM) für einen bestimmten Patienten durch ein Computersystem; Anwenden eines ersten neuronalen Netzwerks zur Herzrhythmusklassifizierung (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe durch das Computersystem, wobei: der erste CRC an Trainings-EGM-Streifen aus einer ersten Population trainiert wird, die eine Vielzahl von Patienten einschließt, der erste CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten in Bezug auf einen Aspekt eines Herzrhythmus des betreffenden Patienten erzeugt; Anwenden eines zweiten CRC mit dem Segment des kardialen EGM-Streifens als Eingabe durch das Computersystem, wobei: der zweite CRC eine Version des ersten CRC ist, die auf Trainings-EGM-Streifen aus einer zweiten Population trainiert wird, die kleiner ist als die erste Population, wobei der zweite CRC auf der Basis des Segments des kardialen EGM-Streifens zweite Daten bezüglich des Aspekts des Herzrhythmus des betreffenden Patienten erzeugt; und Erzeugen von Ausgabedaten durch das Rechensystem auf der Basis der ersten Daten und der zweiten Daten.
Ein weiterer Aspekt dieser Offenbarung ist ein Verfahren, das Folgendes umfasst: Erhalten eines kardialen EGM-Streifens für einen bestimmten Patienten durch ein Rechensystem; Anwenden eines speziellen Herzrhythmusklassifikators (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe durch das Rechensystem, wobei: der spezielle CRC auf Trainings-EGM-Streifen des betreffenden Patienten trainiert wird, und der spezielle CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten bezüglich eines Aspekts eines Herzrhythmus des betreffenden Patienten erzeugt; Erzeugen von Ausgabedaten durch das Rechensystem auf der Grundlage der ersten Daten und historischer Daten, die durch den speziellen CRC auf der Grundlage früherer kardialer EGM-Streifen des betreffenden Patienten erzeugt wurden.
Ein weiterer Aspekt dieser Offenbarung ist ein Rechensystem, das eine Verarbeitungsschaltung und ein Speichermedium umfasst, wobei die Rechenvorrichtung so konfiguriert ist, dass sie diese Verfahren durchführen kann. In einem anderen Aspekt beschreibt diese Offenbarung ein computerlesbares Datenspeichermedium, auf dem Anweisungen gespeichert sind, die, wenn sie ausgeführt werden, ein Rechensystem veranlassen, diese Verfahren durchzuführen.
In einem anderen Aspekt beschreibt diese Offenbarung ein Rechensystem, das Folgendes umfasst: ein Speichersystem, das so konfiguriert ist, dass es einen kardialen Elektrogrammstreifen (EGM) für einen bestimmten Patienten speichert; und eine Verarbeitungsschaltung, die so konfiguriert ist, dass sie: ein neuronales Netzwerk eines Herzrhythmus-Klassifikators (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe anwendet, wobei: der erste CRC auf kardialen EGM-Streifen aus einer ersten Population, die eine Vielzahl von Patienten einschließt, trainiert wird, der erste CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten bezüglich eines Aspekts eines Herzrhythmus des betreffenden Patienten erzeugt; einen zweiten CRC mit dem Segment des kardialen EGM-Streifens als Eingabe anwendet, wobei: der zweite CRC eine Version des ersten CRC ist, die auf Trainings-EGM-Streifen aus einer zweiten Population, die kleiner als die erste Population ist, trainiert wird, der zweite CRC auf der Grundlage des Segments des kardialen EGM-Streifens zweite Daten bezüglich des Aspekts des Herzrhythmus des betreffenden Patienten erzeugt; und Ausgabedaten auf der Grundlage der ersten Daten und der zweiten Daten erzeugt.
In einem anderen Aspekt beschreibt diese Offenbarung ein computerlesbares Datenspeichermedium mit darauf gespeicherten Anweisungen, die, wenn sie ausgeführt werden, ein Rechensystem veranlassen: einen kardialen Elektrogrammstreifen (EGM) für einen bestimmten Patienten zu erhalten; ein neuronales Netzwerk eines Herzrhythmus-Klassifikators (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe anzuwenden, wobei: der erste CRC auf kardialen EGM-Streifen aus einer ersten Population, die eine Vielzahl von Patienten einschließt, trainiert wird, der erste CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten bezüglich eines Aspekts eines Herzrhythmus des betreffenden Patienten erzeugt; einen zweiten CRC mit dem Segment des kardialen EGM-Streifens als Eingabe anzuwenden, wobei: der zweite CRC eine Version des ersten CRC ist, die auf Trainings-EGM-Streifen aus einer zweiten Population, die kleiner als die erste Population ist, trainiert wird, der zweite CRC auf der Grundlage des Segments des kardialen EGM-Streifens zweite Daten bezüglich des Aspekts des Herzrhythmus des betreffenden Patienten erzeugt; und Ausgabedaten auf der Grundlage der ersten Daten und der zweiten Daten zu erzeugen.
Diese Zusammenfassung soll einen Überblick über den in dieser Offenbarung beschriebenen Gegenstand bereitstellen. Es ist nicht beabsichtigt, eine ausschließliche oder erschöpfende Erklärung der Einrichtungen und Verfahren bereitzustellen, die in den beigefügten Zeichnungen und der nachstehenden Beschreibung im Einzelnen beschrieben sind. Weitere Einzelheiten zu einem oder mehreren Beispielen sind in den beigefügten Zeichnungen und in der nachstehenden Beschreibung aufgeführt.
Figurenliste

1 ist ein Blockdiagramm, das ein System zur Analyse eines oder mehrerer Aspekte eines Herzrhythmus eines Patienten gemäß den Techniken der Offenbarung veranschaulicht.
2 ist ein Konzeptdiagramm, das eine implantierbare medizinische Vorrichtung (IMD) und die Sonden des Systems von 1 näher veranschaulicht.
3 ist ein Blockdiagramm einer beispielhaften implantierbaren medizinischen Vorrichtung gemäß den Techniken der Offenbarung.
4 ist ein Blockdiagramm, das eine beispielhafte Rechenvorrichtung veranschaulicht, die gemäß einer oder mehrerer Techniken der vorliegenden Offenbarung betrieben wird.
5 ist ein Flussdiagramm, das einen beispielhaften Betrieb gemäß den Techniken der Offenbarung veranschaulicht.
6 ist ein konzeptionelles Diagramm, das ein Beispiel veranschaulicht, bei dem ein allgemeiner Herzrhythmus-Klassifikator (CRC) gemäß den Techniken dieser Offenbarung auf der Grundlage von Herzelektrogrammen (EGM) eines einzelnen Patienten aktualisiert wird.
7 ist ein konzeptionelles Diagramm, das ein Beispiel veranschaulicht, in dem ein Rechensystem einen allgemeinen CRC und einen kohortenbasierten CRC gemäß den Techniken der vorliegenden Offenbarung anwendet.
8 ist ein Flussdiagramm, das einen beispielhaften Betrieb veranschaulicht, bei dem ein Rechensystem einen allgemeinen CRC, einen kohortenbasierten CRC und einen speziellen CRC gemäß den Techniken dieser Offenbarung anwendet.
9 ist ein Flussdiagramm, das einen beispielhaften Betrieb zum Training eines speziellen CRC gemäß den Techniken dieser Offenbarung veranschaulicht.
10 ist ein Flussdiagramm, das einen beispielhaften Betrieb zur Erzeugung von personalisierten Ausgabedaten gemäß den Techniken dieser Offenbarung veranschaulicht.
11 ist ein konzeptionelles Diagramm, das ein Beispiel veranschaulicht, bei dem ein Rechensystem gemäß den Techniken dieser Offenbarung personalisierte Ausgabedaten erzeugt.

Gleiche Bezugszeichen beziehen sich auf gleiche Elemente in den Figuren und der Beschreibung.
DETAILLIERTE BESCHREIBUNG
1 ist ein Blockdiagramm, das ein System 10 zur Analyse eines oder mehrerer Aspekte eines Herzrhythmus eines Patienten 14 gemäß den Techniken der Offenbarung veranschaulicht. Das System 10 schließt eine medizinische Vorrichtung 16 ein. Ein Beispiel für eine solche medizinische Vorrichtung ist eine implantierbare medizinische Vorrichtung (IMD), wie in 1 dargestellt. Wie in 1 am Beispiel des Systems 10 veranschaulicht, kann es sich bei der medizinischen Vorrichtung 16 in einigen Fällen beispielsweise um einen implantierbaren Monitor, einen implantierbaren Herzschrittmacher, einen implantierbaren Kardioverter/Defibrillator (ICD) oder einen Herzschrittmacher/Kardioverter/Defibrillator handeln. In einigen Beispielen handelt es sich bei der medizinischen Vorrichtung 16 um eine nicht-implantierbare medizinische Vorrichtung, wie beispielsweise einen nicht-implantierbaren kardialen Monitor (z. B. einen Holter-Monitor).
Im Beispiel von 1 ist die medizinische Vorrichtung 16 mit den Sonden 18, 20 und 22 verbunden und kommunikativ mit der externen Vorrichtung 27 gekoppelt, die wiederum über das Kommunikationsnetzwerk 25 mit dem Rechensystem 24 kommunikativ gekoppelt ist. Die medizinische Vorrichtung 16 erfasst elektrische Signale, die mit der Depolarisation und Repolarisation des Herzens 12 einhergehen, z. B. ein Herzelektrogramm (EGM), über Elektroden an einer oder mehreren Sonden 18, 20 und 22 oder am Gehäuse der medizinischen Vorrichtung 16. Die medizinische Vorrichtung 16 kann auch eine Therapie in Form von elektrischen Signalen an das Herz 12 über Elektroden abgeben, die an einer oder mehreren Sonden 18, 20 und 22 oder einem Gehäuse der medizinischen Vorrichtung 16 geführt werden. Die Therapie kann aus Stimulation, Kardioversion und/oder Defibrillationsimpulsen bestehen. Die medizinische Vorrichtung 16 kann kardiale EGM-Signale überwachen, die von Elektroden an den Sonden 18, 20 oder 22 gesammelt werden, und auf der Grundlage des kardialen EGM-Signals Herzrhythmusstörungen diagnostizieren und behandeln.
In einigen Beispielen schließt die medizinische Vorrichtung 16 eine Schaltung für die Kommunikation 17 ein, die jede geeignete Schaltung, Firmware, Software oder eine beliebige Kombination davon für die Kommunikation mit einer anderen Vorrichtung, wie der externen Vorrichtung 27 von 1, einschließt. Die Kommunikationsschaltung 17 kann beispielsweise einen oder mehrere Prozessoren, Arbeitsspeicher, drahtlose Funkgeräte, Antennen, Sender, Empfänger, Modulations- und Demodulationsschaltungen, Filter, Verstärker oder dergleichen für die Hochfrequenzkommunikation mit anderen Vorrichtungen wie dem Rechensystem 24 einschließen. Die medizinische Vorrichtung 16 kann eine Schaltung 17 verwenden, um Downlink-Daten zur Steuerung eines oder mehrerer Betriebe der medizinischen Vorrichtung 16 zu empfangen und/oder Uplink-Daten an eine externe Vorrichtung 27 zu senden.
Die Sonden 18, 20, 22 erstrecken sich in das Herz 12 des Patienten 14, um die elektrische Aktivität des Herzens 12 zu erfassen und/oder das Herz 12 elektrisch zu stimulieren. In dem in 1 dargestellten Beispiel erstreckt sich die rechtsventrikuläre (RV) Sonde 18 durch eine oder mehrere Venen (nicht dargestellt), die obere Hohlvene (nicht dargestellt) und den rechten Atrium 26 und in den rechten Ventrikel 28. Die linksventrikuläre (LV) Sonde 20 erstreckt sich durch eine oder mehrere Venen, die Vena cava, den rechten Atrium 26 und in den Koronarsinus 30 zu einer Region, die an die freie Wand des linken Ventrikels 32 des Herzens 12 angrenzt. Die rechtsatriale (RA) Sonde 22 erstreckt sich durch eine oder mehrere Venen und die Vena cava in den rechten Atrium 26 des Herzens 12.
Das System 10 in 1 stellt eine medizinische Vorrichtung 16 dar, doch können die Techniken der Offenbarung auch auf andere Arten von medizinischen Vorrichtungen angewendet werden, die nicht unbedingt implantierbar sind. Eine medizinische Vorrichtung gemäß den Techniken der Offenbarung kann zum Beispiel eine tragbare medizinische Vorrichtung oder „intelligente“ Kleidung, die vom Patienten 14 getragen wird, einschließen. Eine solche medizinische Vorrichtung kann zum Beispiel die Form einer Armbanduhr haben, die vom Patienten 14 getragen wird, oder eine Schaltung, die auf dem Patienten 14 verklebt wird. In einem anderen Beispiel kann eine medizinische Vorrichtung, wie hierin beschrieben, eine externe Vorrichtung mit implantierbaren Elektroden einschließen.
In einigen Beispielen hat die externe Vorrichtung 27 die Form eines externen Programmiergeräts oder einer mobilen Vorrichtung, wie beispielsweise ein Mobiltelefon, ein „intelligentes“ Telefon, ein Laptop, ein Tablet-Computer, ein persönlicher digitaler Assistent (PDA) usw. In einigen Beispielen ist die externe Vorrichtung 27 ein CareLink™ Monitor, der von Medtronic, Inc. erhältlich ist. Ein Benutzer, wie beispielsweise ein Arzt, Techniker, Chirurg, Elektrophysiologe oder ein anderer Mediziner, kann mit der externen Vorrichtung 27 interagieren, um physiologische oder diagnostische Informationen von der medizinischen Vorrichtung 16 abzurufen. Ein Benutzer, wie beispielsweise der Patient 14 oder ein Arzt, wie vorstehend beschrieben, kann auch mit der externen Vorrichtung 27 interagieren, um die medizinische Vorrichtung 16 zu programmieren, z. B. um Werte für Betriebsparameter der medizinischen Vorrichtung 16 auszuwählen oder anzupassen. Die externe Vorrichtung 27 kann eine Verarbeitungsschaltung, einen Arbeitsspeicher, eine Benutzerschnittstelle und eine Kommunikationsschaltung einschließen, die in der Lage ist, Informationen an die medizinische Vorrichtung 16 und das Rechensystem 24 zu übertragen und von diesen zu empfangen.
In einigen Beispielen hat das Rechensystem 24 die Form einer tragbaren Rechenvorrichtung, einer Computerarbeitsstation, eines Servers oder einer anderen vernetzten Rechenvorrichtung, eines Smartphones, eines Tablets oder eines externen Programmiergeräts, das eine Benutzerschnittstelle einschließt, um einem Benutzer Informationen zu präsentieren und Eingaben von ihm zu empfangen. In einigen Beispielen kann das Rechensystem 24 eine oder mehrere Vorrichtungen einschließen, die ein maschinelles Lernsystem implementieren, wie beispielsweise ein neuronales Netzwerk, ein Deep-Learning-System oder eine andere Art von maschinellem Lernsystem. Ein Benutzer, wie beispielsweise ein Arzt, Techniker, Chirurg, Elektrophysiologe oder ein anderer Mediziner, kann mit dem Rechensystem 24 interagieren, um physiologische oder diagnostische Informationen von der medizinischen Vorrichtung 16 abzurufen. Ein Benutzer kann auch mit dem Rechensystem 24 interagieren, um die medizinische Vorrichtung 16 zu programmieren, z. B. um Werte für die Betriebsparameter der IMD auszuwählen. Das Rechensystem 24 kann einen Prozessor einschließen, der so konfiguriert ist, dass er kardiale EGM (oder Segmente davon) und/oder andere erfasste Signale auswertet, die von der medizinischen Vorrichtung 16 an das Rechensystem 24 übertragen werden.
Das Netzwerk 25 kann eine oder mehrere Rechenvorrichtungen (nicht dargestellt) einschließen, wie beispielsweise einen oder mehrere Non-Edge-Switches, Router, Hubs, Gateways, Sicherheitsvorrichtungen wie Firewalls, Erkennungs- und/oder Verhinderungsvorrichtungen für Eindringlinge, Server, Computerendgeräte, Laptops, Drucker, Datenbanken, drahtlose mobile Vorrichtungen wie Mobiltelefone oder persönliche digitale Assistenten, drahtlose Zugangspunkte, Brücken, Kabelmodems, Anwendungsbeschleuniger oder andere Netzwerkvorrichtungen. Das Netzwerk 25 kann eines oder mehrere von Dienstleistern verwaltete Netzwerke einschließen und somit Teil einer groß angelegten öffentlichen Netzwerkinfrastruktur, z. B. des Internets, sein. Das Netzwerk 25 kann Rechnervorrichtungen wie dem Rechensystem 24 und der medizinischen Vorrichtung 16 den Zugriff auf das Internet bereitstellen und einen Kommunikationsrahmen schaffen, der es den Rechnervorrichtungen ermöglicht, miteinander zu kommunizieren. In einigen Beispielen kann das Netzwerk 25 ein privates Netzwerk sein, das einen Kommunikationsrahmen bereitstellt, der es dem Rechensystem 24, der medizinischen Vorrichtung 16 und der EMR-Datenbank 66 ermöglicht, miteinander zu kommunizieren, aber das Rechensystem 24, die medizinische Vorrichtung 16 und die EMR-Datenbank 66 zu Sicherheitszwecken von externen Vorrichtungen isoliert. In einigen Beispielen ist die Kommunikation zwischen dem Rechensystem 24, der medizinischen Vorrichtung 16 und der EMR-Datenbank 66 verschlüsselt.
Die externe Vorrichtung 27 und das Rechensystem 24 können über das Netzwerk 25 drahtlos oder nicht drahtlos kommunizieren, wobei alle in der Fachwelt bekannten Techniken eingesetzt werden können. In einigen Beispielen ist das Rechensystem 24 eine entfernte Vorrichtung, die mit der externen Vorrichtung 27 über eine Zwischenvorrichtung kommuniziert, die sich im Netzwerk 25 befindet, wie beispielsweise ein lokaler Zugriffspunkt, ein drahtloser Router oder ein Gateway. Während im Beispiel von 1 die externe Vorrichtung 27 und das Rechensystem 24 über das Netzwerk 25 kommunizieren, kommunizieren in einigen Beispielen die externe Vorrichtung 27 und das Rechensystem 24 direkt miteinander. Beispiele für Kommunikationstechniken können zum Beispiel die Kommunikation nach den Protokollen Bluetooth® oder BLE einschließen. Andere Kommunikationstechniken sind ebenfalls denkbar. Das Rechensystem 24 kann auch mit einer oder mehreren anderen externen Vorrichtungen kommunizieren, wobei eine Reihe bekannter Kommunikationstechniken, sowohl drahtgebunden als auch drahtlos, zum Einsatz kommen.
In der EMR-Datenbank 66 werden die EMR-Daten des Patienten 14 gespeichert. Die EMR-Datenbank 66 kann eine Verarbeitungsschaltung und ein oder mehrere Speichermedien einschließen (z. B. Direktzugriffsspeicher (RAM), Nur-Lese-Speicher (ROM), programmierbarer Nur-Lese-Speicher (PROM), löschbarer programmierbarer Nur-Lese-Speicher (EPROM), elektronisch löschbarer programmierbarer Nur-Lese-Speicher (EEPROM) oder Flash-Speicher). In einigen Beispielen ist die EMR-Datenbank 66 ein Cloud-Rechensystem. In einigen Beispielen sind die Funktionen der EMR-Datenbank 66 auf eine Reihe von Rechensystemen verteilt.
In einem Beispiel empfängt das Rechensystem 24 Patientendaten, die von der medizinischen Vorrichtung 16 des Patienten 14 gesammelt wurden. In einigen Beispielen schließen die Patientendaten physiologische Daten für Patient 14 ein, wie beispielsweise ein oder mehrere Aktivitätsniveaus von Patient 14, eine Herzrate von Patient 14, eine Körperhaltung von Patient 14, ein Herzelektrogramm von Patient 14, einen Blutdruck von Patient 14, eine Pulslaufzeit des Patienten 14, eine Atmungsrate des Patienten 14, einen Hypopnoe-Index oder eine Apnoe des Patienten 14, Beschleunigungsmesserdaten für Patient 14, Merkmale, die aus Beschleunigungsmesserdaten des Patienten 14 abgeleitet werden, wie beispielsweise Aktivitätszahlen, Körperhaltung, statistische Kontrollprozessvariablen usw., ein Roh-Elektromyogramm von Patient 14, ein oder mehrere aus einem Roh-Elektromyogramm oder einem kardialen EGM von Patient 14 abgeleitete Merkmale, wie beispielsweise Herzfrequenzvariabilität, T-Wellen-Alternans, QRS-Morphologie usw., Intervalldaten und aus Intervalldaten abgeleitete Merkmale, Herztöne, Kaliumspiegel, glykämischer Index, eine Temperatur von Patient 14, oder sämtliche aus den vorgenannten parametrischen Daten ableitbaren Daten oder jede andere Art von parametrischen Patientendaten. In einigen Beispielen kann die medizinische Vorrichtung 16 oder eine andere Vorrichtung automatisch die parametrischen Patientendaten erzeugen, indem sie Informationen von einem oder mehreren Sensoren verarbeitet. Beispielsweise kann die medizinische Vorrichtung 16 über einen oder mehrere Sensoren bestimmen, dass der Patient 14 gestürzt ist, dass der Patient 14 gebrechlich ist oder an einer Krankheit leidet oder dass der Patient 14 an Schlafapnoe leidet.
In einigen Beispielen schließen die Patientendaten Umgebungsdaten ein, wie beispielsweise Messungen der Luftqualität, des Niveaus von Ozon, der Partikelzahl oder der Verschmutzungswerte in der Nähe des Patienten 14, der Umgebungstemperatur oder der Tageslichtstunden. In einigen Beispielen kann eine der medizinischen Vorrichtungen oder eine externe Vorrichtung 27 über einen oder mehrere Sensoren die Umgebungsdaten erfassen. In einem anderen Beispiel werden die Umgebungsdaten von der externen Vorrichtung 27 über eine Anwendung, wie beispielsweise eine Wetteranwendung, die auf der externen Vorrichtung 27 ausgeführt wird, empfangen und über das Netzwerk 25 in das Rechensystem 24 hochgeladen. In einem anderen Beispiel sammelt das Rechensystem 24 die Umgebungsdaten direkt von einer Cloud-Dienstleistung, die über ortsbezogene Daten für den Patienten 14 verfügt.
In einigen Beispielen schließen die Patientendaten Patientensymptomdaten ein, die vom Patienten 14 über eine externe Vorrichtung, wie die externe Vorrichtung 27, hochgeladen werden. Beispielsweise kann der Patient 14 die Daten zu den Symptomen des Patienten über eine auf einem Smartphone ausgeführte Anwendung hochladen. In einigen Beispielen kann der Patient 14 die Patientensymptomdaten über eine Benutzerschnittstelle (in 1 nicht dargestellt) hochladen, wie beispielsweise über einen Touchscreen, eine Tastatur, eine grafische Benutzerschnittstelle, Sprachbefehle usw.
In einigen Beispielen schließen die Patientendaten vorrichtungsbezogene Daten ein, wie beispielsweise eine oder mehrere Impedanzen einer oder mehrerer Elektroden der medizinischen Vorrichtung, eine Auswahl von Elektroden, einen Zeitplan für die Verabreichung von Wirkstoffen für die medizinische Vorrichtung, eine Historie der an den Patienten abgegebenen elektrischen Schrittmachertherapie oder Diagnosedaten für die medizinische Vorrichtung. In einigen Beispielen ist die medizinische Vorrichtung, die die Patientendaten sammelt, eine IMD. In anderen Beispielen handelt es sich bei der medizinischen Vorrichtung, die die Patientendaten sammelt, um eine andere Art von Patientenvorrichtung, wie beispielsweise eine tragbare medizinische Vorrichtung oder eine mobile Vorrichtung (z. B. ein Smartphone) des Patienten 14. In einigen Beispielen empfängt das Rechensystem 24 die Patientendaten in regelmäßigen Abständen, z. B. täglich.
In einigen Beispielen empfängt das Rechensystem 24 ferner EMR-Daten für den Patienten 14 aus der EMR-Datenbank 66. Die EMR-Daten können als eine weitere Form von Patientendaten betrachtet werden. In einigen Beispielen können die in der EMR-Datenbank 66 gespeicherten EMR-Daten viele verschiedene Arten von historischen medizinischen Informationen über den Patienten 14 einschließen. So kann die EMR-Datenbank 66 beispielsweise eine Historie der Medikamente des Patienten, eine Historie der chirurgischen Eingriffe des Patienten, eine Historie der Krankenhausaufenthalte des Patienten, Kaliumwerte des Patienten im Laufe der Zeit, ein oder mehrere Labortestergebnisse für den Patienten 14, eine kardiovaskuläre Historie des Patienten 14 oder Komorbiditäten des Patienten 14 wie Vorhofflimmern, Herzinsuffizienz oder Diabetes speichern.
Das Rechensystem 24 kann ein kardiales EGM-Überwachungssystem implementieren, das bei der Behandlung chronischer Herzkrankheiten hilfreich sein kann. Zur Implementierung des kardialen EGM-Überwachungssystems kann das Rechensystem 24 Techniken der künstlichen Intelligenz (KI) anwenden, um Patientendaten, wie kardiale EGM-Daten, zu analysieren. KI-Techniken können beispielsweise Deep Learning oder andere maschinelle Lerntechniken einschließen. Neuronale Netzwerk-Algorithmen sind ein Beispiel für Deep-Learning-Algorithmen.
Die von der medizinischen Vorrichtung 16, der externen Vorrichtung 27 oder dem Rechensystem 24 angewandten KI-Techniken können Daten über einen oder mehrere Aspekte des Herzrhythmus des Patienten 14 erzeugen. Die KI-Techniken können beispielsweise das Auftreten von Herzrhythmusstörungen zumindest teilweise anhand von EGM-Streifen identifizieren, die aus einer oder mehreren medizinischen Vorrichtungen, wie der medizinischen Vorrichtung 16, erhalten wurden. Ein kardialer EGM-Streifen umfasst Daten, die den Herzrhythmus eines Patienten in einer zusammenhängenden Zeitspanne (z. B. 30 Sekunden, 45 Sekunden usw.) darstellen. Ein kardialer EGM-Streifen kann eine Reihe von Mustern umfassen, die eine Wellenform des Herzrhythmus darstellen. Ein Benutzer (z. B. ein Techniker, Arzt, Patient, medizinisches Fachpersonal oder eine andere Art von Benutzer) kann die erkannten Herzrhythmusstörungen zu Diagnosezwecken oder im Rahmen der laufenden Betreuung des Patienten 14 überprüfen. Zusätzlich zu den kardialen EGM-Streifen können die KI-Techniken eine oder mehrere andere Arten von Daten zum Erkennen des Auftretens von Herzrhythmusstörungen verwenden, wie beispielsweise Informationen aus einem elektronischen medizinischen Eintrag des Patienten 14.
Signalverarbeitungstechniken und Heuristiken, die auf Metriken angewendet werden, die aus der Verarbeitung kardialer EGM-Streifen extrahiert werden, wurden bereits in Niedrigleistungsumgebungen implementiert, um Herzrhythmusstörungen zu erkennen, Einträge von EGM-Daten auszulösen und für andere Zwecke. Die KI-Algorithmen können solche bereits implementierten Techniken ergänzen oder ersetzen. Vorteilhafterweise ist es bei der Verwendung von KI-Algorithmen nicht notwendig, Merkmale und Signalverarbeitungstechniken manuell zu entwickeln, um das Auftreten von Herzrhythmusstörungen oder andere Aspekte eines Herzrhythmus des Patienten 14 zu identifizieren. Vielmehr könnten die KI-Algorithmen in der Lage sein, aus Populationsdaten zu lernen und zu darstellenden Modellen dafür zu werden, wie sich Herzkrankheiten in Populationen manifestieren. Die KI-Algorithmen können im Laufe der Zeit verbessert werden (z. B. durch die Implementierung von Strategien wie Verstärkungslemen, Rest-Lernen, Transfer-Lernen usw.).
Die KI-Algorithmen können so trainiert werden, dass sie einen oder mehrere Aspekte des Herzrhythmus des Patienten 14 identifizieren, die in einem bestimmten kardialen EGM-Streifen von Interesse sind, indem sie ein Herzrhythmusklassifizierungsmodell anwenden, das darauf trainiert wurde, solche Aspekte des Herzrhythmus des Patienten 14 zu identifizieren. Die Aspekte des Herzrhythmus des Patienten 14 können verschiedene Herzrhythmusstörungen, Orte solcher Herzrhythmusstörungen innerhalb eines oder mehrerer kardialer EGM-Streifen, die den Zeitpunkt des Auftretens der Arrhythmie widerspiegeln, morphologische Aspekte des Auftretens von Herzrhythmusstörungen usw. einschließen. Das Herzrhythmusklassifizierungsmodell kann anhand von EGM-Streifen aus einer Population von Probanden und, in einigen Beispielen, anderen Daten trainiert werden.
Diese Offenbarung beschreibt Techniken zur Personalisierung von Herzrhythmusklassifizierungsmodellen. In dieser Offenbarung werden zum Beispiel Techniken zum Training von Herzrhythmusklassifizierungsmodellen für kleinere Patientenkohorten beschrieben. Diese Offenbarung beschreibt auch Techniken zum Training von Herzrhythmusklassifizierungsmodellen für einzelne Patienten. Die Personalisierung von Herzrhythmusklassifizierungsmodellen kann es dem Benutzer ermöglichen, die kardialen EGM-Einträge des Patienten 14 im Kontext einer besser darstellenden Population oder im Vergleich zur Vorgeschichte des Patienten 14 zu analysieren. Dies kann es dem Benutzer ermöglichen, Entscheidungen zu treffen, die besser auf den jeweiligen Patienten zugeschnitten sind. Wie an anderer Stelle in dieser Offenbarung ausführlich beschrieben, können solche Techniken eingesetzt werden, um den Leistungsverbrauch und/oder die Bandbreitennutzung der medizinischen Vorrichtung 16 und/oder der externen Vorrichtung 27 zu verringern.
In einem Beispiel dieser Offenbarung kann ein KI-System einen kardialen EGM-Streifen für Patient 14 (d. h. einen bestimmten Patienten) erhalten. Das KI-System ist ein Rechensystem, das einen Arbeitsspeicher und eine oder mehrere Verarbeitungsschaltungen umfasst. Im Kontext von 1 kann das KI-System eine medizinische Vorrichtung 16, ein Rechensystem 24, eine externe Vorrichtung 27 oder eine andere Vorrichtung oder ein System von Vorrichtungen sein. Wenn in dieser Offenbarung also von Aktionen des KI-Systems die Rede ist, kann dies für Aktionen gelten, die von jeder dieser Vorrichtungen ausgeführt werden, sofern nicht anders angegeben.
Zusätzlich kann das KI-System einen ersten Herzrhythmus-Klassifikator (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe anwenden. Ein CRC ist ein Beispiel für ein Herzrhythmusklassifizierungsmodell, das als neuronales Netzwerk oder eine andere Art von Deep-Learning-Technologie implementiert werden kann. Das Segment des kardialen EGM-Streifens kann den gesamten kardialen EGM-Streifen oder ein Untersegment des kardialen EGM-Streifens einschließen. In einigen Beispielen schließt die Eingabe in den CRC zusätzlich zu dem Segment des kardialen EGM-Streifens auch Daten ein, wie beispielsweise die Daten in der EMR-Datenbank 66.
Der erste CRC wird an kardialen EGM-Streifen aus einer ersten Population trainiert. In die erste Population ist eine Vielzahl von Patienten eingeschlossen. In einigen Beispielen schließt die erste Population alle Patienten ein, deren kardiale EGM-Daten vom Rechensystem 24 oder einer Unterpopulation davon überwacht werden. In einigen Fällen, in denen das Rechensystem 24 ein globales oder regionales Überwachungssystem implementiert, kann die erste Population viele Tausende oder sogar Millionen von Patienten einschließen. Da der erste CRC unter Verwendung einer solchen Population trainiert wird, kann in dieser Offenbarung der erste CRC als allgemeiner CRC bezeichnet werden. Das Training einer CRC auf der Basis von kardialen EGM-Streifen kann für das Training der CRC auf der Basis von Segmenten der kardialen EGM-Streifen gelten.
Wenn das KI-System den ersten CRC auf das Segment des kardialen EGM-Streifens anwendet, erzeugt der erste CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten zu einem Aspekt des Herzrhythmus des Patienten 14. Das erste CRC kann zum Beispiel als neuronales Netzwerk mit einer Eingabeschicht, einer Ausgabeschicht und einer oder mehreren versteckten Schichten zwischen der Eingabeschicht und der Ausgabeschicht implementiert werden. Die Eingangsschicht kann ein Eingabeneuron für jeden Musterwert des Segments des kardialen EGM-Streifens einschließen. Die Ausgangsschicht kann ein Ausgangsneuron einschließen, das jeder Herzrhythmusstörung in einem Satz von einer oder mehreren Herzrhythmusstörungen entspricht. Wenn das KI-System den ersten CRC auf das Segment des kardialen EGM-Streifens anwendet, erhalten die Eingabeneuronen die Musterwerte aus dem Segment, die verborgenen Schichten verarbeiten die Musterwerte, und die Ausgabeneuronen können Werte angeben, die angeben, ob das Segment ein Auftreten der entsprechenden Herzrhythmusstörung darstellt oder nicht.
Das KI-System kann darüber hinaus in diesem Beispiel einen zweiten CRC mit dem Segment des kardialen EGM-Streifens als Eingabe anwenden. Der zweite CRC ist eine Version des ersten CRC, der an Trainings-EGM-Streifen aus einer zweiten Population trainiert wird. Die zweite Population ist kleiner als die erste Population. In einigen Beispielen kann die zweite Population beispielsweise nur aus dem Patienten 14 bestehen. In anderen Beispielen kann die zweite Population eine Kohorte von Patienten sein, die eine oder mehrere Eigenschaften mit Patient 14 gemeinsam haben. Solche Eigenschaften können Diagnose- oder Verfahrenscodes, implantierte medizinische Vorrichtungen, Alter, Geschlecht, Tabakkonsum, Komorbiditäten, Geschlecht, Größe usw. einschließen. In einigen Beispielen schließt die erste Population die zweite Population ein. In anderen Beispielen schließt die erste Population die zweite Population nicht ein. Da der zweite CRC mit einer kleineren Population als die erste Population trainiert wird, kann diese Offenbarung den zweiten CRC als speziellen CRC bezeichnen. Wenn das KI-System den speziellen CRC auf das Segment des kardialen EGM-Streifens anwendet, erzeugt der spezielle CRC auf der Grundlage des Segments des kardialen EGM-Streifens zweite Daten über den Aspekt des Herzrhythmustyps.
Abgesehen davon, dass der spezielle CRC mit anderen Trainingsdaten trainiert wird, kann er auf die gleiche Art und Weise implementiert werden wie der allgemeine CRC. In einem Beispiel, in dem der allgemeine CRC und der spezialisierte CRC als neuronale Netzwerke implementiert sind, können der allgemeine CRC und der spezielle CRC die gleiche Anzahl und Anordnung von Neuronen aufweisen. In diesem Beispiel können sich jedoch die Parameter (z. B. Gewichte der Eingaben in die Neuronen, Bias-Werte usw.) der neuronalen Netzwerke des allgemeinen CRC und des speziellen CRC unterscheiden. In anderen Beispielen kann der spezielle CRC auf eine andere Art und Weise implementiert werden als der allgemeine CRC. So kann das spezielle CRC beispielsweise mehr oder weniger Schichten, Neuronen usw. einschließen als das allgemeine CRC.
Das KI-System kann auf der Grundlage der ersten Daten und/oder der zweiten Daten Ausgabedaten erzeugen. Das KI-System kann die Ausgabedaten auf eine oder mehrere verschiedene Arten erzeugen. Das KI-System kann beispielsweise Ausgabedaten in Form von Grafiken, Diagrammen, Listen, Tabellen oder anderen Datenanordnungen erzeugen, die es einem Benutzer (z. B. dem Patienten, einem Arzt, einem Techniker für die Gesundheitsüberwachung, einem Familienmitglied usw.) erzeugen, um eine oder mehrere Arten von Daten zu einem oder mehreren Aspekten des Herzrhythmus des Patienten 14 zu überprüfen und/oder zu vergleichen. In einem solchen Beispiel, in dem die ersten Daten eine Angabe dahingehend umfassen, ob das Segment des kardialen EGM-Streifens ein Auftreten einer kardialen Arrhythmie darstellt, und die zweiten Daten eine Angabe dahingehend umfassen, ob das Segment des kardialen EGM-Streifens ein Auftreten der kardialen Arrhythmie darstellt, kann das KI-System solche Angaben sammeln und verarbeiten, um ein Balkendiagramm zu erzeugen, das die Anzahl des Auftretens der kardialen Arrhythmie, die durch den allgemeinen CRC identifiziert wurde, und die Anzahl des Auftretens der kardialen Arrhythmie, die durch den speziellen CRC identifiziert wurde, vergleicht.
In einigen Beispielen, in denen das KI-System in der medizinischen Vorrichtung 16 implementiert ist, kann die medizinische Vorrichtung 16 den kardialen EGM-Streifen an die externe Vorrichtung 27 senden, wenn der allgemeine CRC bestimmt, dass ein Segment des kardialen EGM-Streifens ein Auftreten einer Herzrhythmusstörung darstellt. In einigen Beispielen kann die externe Vorrichtung 27 dann den kardialen EGM-Streifen über das Netzwerk 25 an das Rechensystem 24 senden. So kann der kardiale EGM-Streifen zur Überprüfung und weiteren Verarbeitung durch das Rechensystem 24, die externe Vorrichtung 27 und/oder deren Benutzer zur Verfügung stehen. Da der allgemeine CRC jedoch auf der Grundlage der ersten Population und nicht speziell für Patient 14 trainiert wurde, kann der allgemeine CRC im Vergleich zum speziellen CRC zu wenige Auftreten von Herzrhythmusstörungen in Segmenten der EGM-Streifen von Patient 14 identifizieren. Würde die medizinische Vorrichtung 16 also nur den allgemeinen CRC anwenden, würde die medizinische Vorrichtung 16 möglicherweise keine kardialen EGM-Streifen an die externe Vorrichtung 27 senden, obwohl die kardialen EGM-Streifen potenzielle Auftreten der Herzrhythmusstörung darstellen. In diesem Beispiel kann die medizinische Vorrichtung 16 jedoch durch Anwendung des speziellen CRC zusätzliche kardiale EGM-Streifen identifizieren, die das Auftreten von Herzrhythmusstörungen darstellen können. Die medizinische Vorrichtung 16 kann dann die zusätzlichen kardialen EGM-Streifen an die externe Vorrichtung 27 senden. Dieser Prozess kann den Leistungsverbrauch der medizinischen Vorrichtung 16 und die Netzwerkbandbreite schonen, da er die Übertragung aller kardialen EGM-Streifen überflüssig macht, damit die externe Vorrichtung 27 und/oder das Rechensystem 24 auf die kardialen EGM-Streifen zugreifen kann, die das Auftreten von Herzrhythmusstörungen darstellen, die nicht durch den allgemeinen CRC identifiziert wurden. Ähnliche Überlegungen können für Beispiele gelten, bei denen das KI-System durch eine externe Vorrichtung 27 implementiert wird und die externe Vorrichtung 27 kardiale EGM-Streifen an das Rechensystem 24 überträgt.
In einigen Beispielen, in denen das KI-System in der medizinischen Vorrichtung 16 implementiert ist, kann der allgemeine CRC das Auftreten von Herzrhythmusstörungen in den Segmenten der EGM-Streifen von Patient 14 im Vergleich zum speziellen CRC übermäßig identifizieren. In einem solchen Beispiel kann die medizinische Vorrichtung 16 in einer Konfiguration einen kardialen EGM-Streifen nur dann an die externe Vorrichtung 27 übertragen, wenn sowohl der allgemeine CRC als auch der spezielle CRC bestimmen, dass der kardiale EGM-Streifen ein Auftreten der Herzrhythmusstörung darstellt. Dadurch kann die von der medizinischen Vorrichtung 16 übertragene Datenmenge reduziert werden, wodurch Leistung gespart und der Bandbreitenverbrauch verringert wird. Ähnliche Überlegungen können für Beispiele gelten, bei denen das KI-System durch eine externe Vorrichtung 27 implementiert wird und die externe Vorrichtung 27 kardiale EGM-Streifen an das Rechensystem 24 überträgt.
Darüber hinaus ist das KI-System in einigen Beispielen in der medizinischen Vorrichtung 16 und der externen Vorrichtung 27 implementiert. In diesem Beispiel kann beispielsweise die medizinische Vorrichtung 16 den allgemeinen CRC implementieren. In diesem Beispiel kann die medizinische Vorrichtung 16 an die externe Vorrichtung 27 kardiale EGM-Streifen übertragen, die durch den allgemeinen CRC bestimmt werden, um das Auftreten einer Herzrhythmusstörung darzustellen. Außerdem kann in diesem Beispiel die externe Vorrichtung 27 den speziellen CRC auf die von der medizinischen Vorrichtung 16 erhaltenen kardialen EGM-Streifen anwenden. In diesem Beispiel kann die externe Vorrichtung 27 in einigen Modi diejenigen der empfangenen kardialen EGM-Streifen an das Rechensystem 24 übertragen, die von dem speziellen CRC bestimmt wurden, um das Auftreten der Herzrhythmusstörung darzustellen. Dadurch kann der Bandbreitenverbrauch, der der Übertragung der EGM-Streifen zugeordnet ist, an das Rechensystem 24 über das Netzwerk 25 reduziert werden.
2 veranschaulicht die medizinische Vorrichtung 16 und die Sonden 18, 20, 22 des Systems 10 von 1 im Detail. In dem veranschaulichten Beispiel befinden sich die bipolaren Elektroden 40 und 42 in der Nähe eines distalen Endes der Sonde 18 und die bipolaren Elektroden 48 und 50 in der Nähe eines distalen Endes der Sonde 22. Darüber hinaus befinden sich vier Elektroden 44, 45, 46 und 47 in der Nähe des distalen Endes der Sonde 20. Die Sonde 20 kann als quadrapolare LV-Sonde bezeichnet werden. In anderen Beispielen kann die Sonde 20 mehr oder weniger Elektroden einschließen. In einigen Beispielen umfasst die LV-Sonde 20 segmentierte Elektroden, z. B. bei denen jede der Vielzahl von longitudinalen Elektrodenpositionen der Sonde, wie die Positionen der Elektroden 44, 45, 46 und 47, eine Vielzahl diskreter Elektroden einschließt, die an entsprechenden Umfangspositionen um den Umfang der Sonde herum angeordnet sind.
In dem veranschaulichten Beispiel haben die Elektroden 40 und 44-48 die Form von Ringelektroden, und die Elektroden 42 und 50 können die Form von ausfahrbaren Helixspitzen-Elektroden haben, die in isolierenden Elektrodenköpfen 53 bzw. 56 versenkbar angebracht sind. Die Sonden 18 und 22 schließen auch längliche Elektroden 62 bzw. 64 ein, die die Form einer Spule haben können. In einigen Beispielen ist jede der Elektroden 40, 42, 44-48, 50, 62 und 64 elektrisch mit einem entsprechenden Stromleiter innerhalb des Sondenkörpers der zugeordneten Sonde 18, 20, 22 gekoppelt und dadurch mit der Schaltung innerhalb der medizinischen Vorrichtung 16 verbunden.
In einigen Beispielen schließt die medizinische Vorrichtung 16 eine oder mehrere Gehäuseelektroden ein, wie die in 2 veranschaulichte Gehäuseelektrode 4, die einstückig mit einer Außenoberfläche des hermetisch verschlossenen Gehäuses 8 der medizinischen Vorrichtung 16 ausgebildet oder anderweitig mit dem Gehäuse 8 gekoppelt sein kann. In einigen Beispielen wird die Gehäuseelektrode 4 durch einen nicht isolierten Abschnitt eines nach außen gerichteten Abschnitts des Gehäuses 8 der medizinischen Vorrichtung 16 definiert. Andere Unterteilungen zwischen isolierten und nicht isolierten Abschnitten des Gehäuses 8 können verwendet werden, um zwei oder mehr Gehäuseelektroden zu definieren. In einigen Beispielen umfasst eine Gehäuseelektrode im Wesentlichen das gesamte Gehäuse 8.
Das Gehäuse 8 umschließt eine Signalerzeugungsschaltung zur Erzeugung von therapeutischen Stimulationsimpulsen, wie beispielsweise Herzschrittmacher-, Kardioversions- und Defibrillationsimpulsen, sowie eine Erfassungslogik zur Erfassung der elektrischen Signale, die mit der Depolarisation und Repolarisation des Herzens 12 einhergehen. Das Gehäuse 8 kann auch einen Arbeitsspeicher zur Speicherung der erfassten elektrischen Signale umschließen. Das Gehäuse 8 kann auch eine Schaltung 17 für die Kommunikation zwischen der medizinischen Vorrichtung 16 und dem Rechensystem 24 umschließen.
Die medizinische Vorrichtung 16 erfasst über die Elektroden 4, 40, 42, 44-48, 50, 62 und 64 die elektrischen Signale, die mit der Depolarisation und Repolarisation des Herzens 12 einhergehen. Die medizinische Vorrichtung 16 kann solche elektrischen Signale über eine beliebige bipolare Kombination von Elektroden 40, 42, 44-48, 50, 62 und 64 erfassen. Darüber hinaus kann jede der Elektroden 40, 42, 44-48, 50, 62 und 64 für die unipolare Erfassung in Verbindung mit der Gehäuseelektrode 4 verwendet werden.
Die veranschaulichten Zahlen und Konfigurationen der Sonden 18, 20 und 22 und der Elektroden sind lediglich Beispiele. Andere Konfigurationen, d. h. Anzahl und Position der Sonden und Elektroden, sind möglich. In einigen Beispielen kann das System 10 eine zusätzliche Sonde oder ein Sondensegment mit einer oder mehreren Elektroden einschließen, die an verschiedenen Orten im kardiovaskulären System positioniert sind, um den Patienten 14 zu erfassen und/oder eine Therapie zu verabreichen. Das System 10 kann beispielsweise anstelle oder zusätzlich zu den interkardialen Sonden 18, 20 und 22 eine oder mehrere epikardiale oder extravaskuläre (z. B. subkutane oder substernale) Sonden einschließen, die nicht innerhalb des Herzens 12 positioniert sind.
Die medizinische Vorrichtung 16 kann Patientendaten an das Rechensystem 24 senden (z. B. über eine externe Vorrichtung 27). Die Patientendaten können Daten einschließen, die auf den von den Elektroden 4, 40, 42, 44-48, 50, 62 und/oder 64 erkannten elektrischen Signalen basieren. So kann beispielsweise die medizinische Vorrichtung 16 kardiale EGM-Daten erfassen und an das Rechensystem 24 senden. Gemäß den Techniken dieser Offenbarung kann das Rechensystem 24 die Patientendaten verwenden, um Wahrscheinlichkeitswerte zu bestimmen, die die Wahrscheinlichkeit angeben, dass der Patient 14 ein Auftreten von einer oder mehreren Herzrhythmusstörungen erlebt hat.
Obwohl hierin im Zusammenhang mit einer beispielhaften medizinischen Vorrichtung 16 beschrieben, die eine therapeutische elektrische Stimulation bereitstellt, können die hierin offenbarten Techniken auch bei anderen Arten von Vorrichtungen verwendet werden. Die Techniken können beispielsweise mit einem extrakardialen Defibrillator implementiert werden, der mit Elektroden außerhalb des kardiovaskulären Systems gekoppelt ist, mit einem Transkatheter-Schrittmacher, der für die Implantation innerhalb des Herzens konfiguriert ist, wie dem Micra™ Transkatheter-Schrittmachersystem, das im Handel von Medtronic PLC in Dublin, Irland, erhältlich ist, mit einem einsetzbaren kardialen Monitor, wie dem Reveal LINQ ™ ICM, ebenfalls im Handel erhältlich von Medtronic PLC, einem Neurostimulator, einer Vorrichtung zur Verabreichung von Wirkstoffen, einer tragbaren Vorrichtung wie einem tragbaren Kardioverter-Defibrillator, einem Fitness-Tracker oder einer anderen tragbaren Vorrichtung, einer mobilen Vorrichtung wie einem Mobiltelefon, einem „intelligenten“ Telefon, einem Laptop, einem Tablet-Computer, einem persönlichen digitalen Assistenten (PDA) oder „intelligenter“ Kleidung wie einer „intelligenten“ Brille oder einer „intelligenten“ Uhr.
3 ist ein Blockdiagramm einer beispielhaften medizinischen Vorrichtung 16 gemäß den Techniken der Offenbarung. In dem veranschaulichten Beispiel schließt die medizinische Vorrichtung 16 eine Verarbeitungsschaltung 58, einen Arbeitsspeicher 59, eine Kommunikationsschaltung 17, eine Erfassungsschaltung 50, eine Therapieabgabeschaltung 52, Sensoren 57 und eine Leistungsquelle 54 ein. Der Arbeitsspeicher 59 schließt computerlesbare Anweisungen ein, die bei Ausführung durch die Verarbeitungsschaltung 58 die medizinische Vorrichtung 16 und die Verarbeitungsschaltung 58 veranlassen, verschiedene Funktionen auszuführen, die der medizinischen Vorrichtung 16 und der Verarbeitungsschaltung 58 hierin zugeordnet sind (z. B. kurzfristige Vorhersage von Herzrhythmusstörungen, Durchführung von Therapien, wie beispielsweise Anti-Tachykardie-Stimulation, Bradykardie-Stimulation und Post-Schock-Stimulationstherapie usw.). Der Arbeitsspeicher 59 kann jedes flüchtige, nicht flüchtige, magnetische, optische oder elektrische Medium einschließen, wie beispielsweise einen Speicher mit wahlfreiem Zugriff (RAM), einen Festwertspeicher (ROM), ein nicht flüchtiges RAM (NVRAM), ein elektrisch löschbares programmierbares ROM (EEPROM), einen Flash-Speicher oder ein anderes digitales oder analoges Medium.
Die Verarbeitungsschaltung 58 kann einen oder mehrere Mikroprozessoren, eine Steuerung, einen digitalen Signalprozessor (DSP), eine anwendungsspezifische integrierte Schaltung (ASIC), ein feldprogrammierbares Gate-Array (FPGA) oder eine gleichwertige diskrete oder analoge Logikschaltung einschließen. In einigen Beispielen kann die Verarbeitungsschaltung 58 mehrfache Komponenten einschließen, wie beispielsweise eine beliebige Kombination aus einem oder mehreren Mikroprozessoren, einer oder mehreren Steuerungen, einem oder mehreren DSP, einem oder mehreren ASIC oder einem oder mehreren FPGA sowie anderen diskreten oder integrierten logischen Schaltungen. Die der Verarbeitungsschaltung 58 zugewiesenen Funktionen können als Software, Firmware, Hardware oder eine beliebige Kombination davon ausgeführt werden.
Die Verarbeitungsschaltung 58 steuert die Schaltung 52 zur Abgabe der Stimulationstherapie an das Herz 5 entsprechend den Therapieparametern, die im Arbeitsspeicher 59 gespeichert sein können. Die Verarbeitungsschaltung 58 kann zum Beispiel die Therapieabgabeschaltungen 52 so steuern, dass sie elektrische Impulse mit den durch die Therapieparameter festgelegten Amplituden, Impulsbreiten, Frequenzen oder Elektrodenpolaritäten abgibt. Auf diese Art und Weise kann die Therapieabgabeschaltung 52 über die Elektroden 34 und 40 Stimulationsimpulse (z. B. ATP-Impulse, Bradykardie-Stimulationsimpulse oder Post-Schock-Stimulationstherapie) an das Herz 5 abgeben. In einigen Beispielen kann die Therapieabgabeschaltung 52 eine Schrittmacherstimulation, z. B. eine ATP-Therapie, eine Bradykardie-Therapie oder eine Post-Schock-Schrittmachertherapie, in Form von elektrischen Spannungs- oder Stromimpulsen abgeben. In anderen Beispielen kann die Schaltung 52 eine oder mehrere dieser Stimulationsarten in Form von anderen Signalen wie Sinuswellen, Rechteckwellen oder anderen im Wesentlichen zeitkontinuierlichen Signalen liefern.
Die Therapieabgabeschaltung 52 ist elektrisch mit den Elektroden 34 und 40 gekoppelt, die sich auf dem Gehäuse der medizinischen Vorrichtung 16 befinden. Obwohl die medizinische Vorrichtung 16 nur zwei Elektroden einschließen kann, z. B. die Elektroden 34 und 40, kann die medizinische Vorrichtung 16 in anderen Beispielen drei oder mehr Elektroden verwenden. Die medizinische Vorrichtung 16 kann eine beliebige Kombination von Elektroden verwenden, um eine Therapie durchzuführen und/oder elektrische Signale des Patienten 14 zu erkennen. In einigen Beispielen schließt die Therapieabgabeschaltung 52 eine Ladeschaltung, einen oder mehrere Impulsgeneratoren, Kondensatoren, Transformatoren, Schaltmodule und/oder andere Komponenten ein, die in der Lage sind, Energie zu erzeugen und/oder zu speichern, um sie als Schrittmachertherapie, kardiale Resynchronisationstherapie, andere Therapie oder eine Kombination von Therapien abzugeben. In einigen Beispielen gibt die Therapieabgabeschaltung 52 die Therapie in Form von einem oder mehreren elektrischen Impulsen entsprechend einem oder mehreren Therapieparametersätzen ab, die eine Amplitude, eine Frequenz, eine Spannung oder einen Strom der Therapie oder andere Parameter der Therapie definieren.
Die Erfassungsschaltung 50 überwacht Signale von einer oder mehreren Kombinationen (auch als Vektoren bezeichnet) von zwei oder mehr Elektroden aus den Elektroden 4, 40, 42, 44-48, 50, 62 (2) und 64 (2), um die elektrische Aktivität des Herzens 12, die Impedanz oder andere elektrische Phänomene zu überwachen. In einigen Beispielen schließt die Erfassungsschaltung 50 eine oder mehrere analoge Komponenten, digitale Komponenten oder eine Kombination davon ein. In einigen Beispielen schließt die Erfassungsschaltung 50 einen oder mehrere Erfassungsverstärker, Komparatoren, Filter, Gleichrichter, Schwellenwertdetektoren, Analog-Digital-Wandler (ADC) oder dergleichen ein. In einigen Beispielen wandelt die Erfassungsschaltung 50 die erfassten Signale in digitale Form um und stellt die digitalen Signale der Verarbeitungsschaltung 58 zur Verarbeitung oder Analyse bereit. In einem Beispiel verstärkt die Erfassungsschaltung 50 die Signale der Elektroden 4, 40, 42, 44-48, 50, 62 und 64 und wandelt die verstärkten Signale mit Hilfe eines ADC in digitale Mehrbit-Signale um.
In einigen Beispielen führt die Erfassungsschaltung 50 eine Erfassung des Herzelektrogramms durch, um die Herzfrequenzen oder die Herzfrequenzvariabilität zu bestimmen oder um Arrhythmien (z. B. Tachyarrhythmien oder Bradykardie) zu erkennen oder um andere Parameter oder Ereignisse aus dem Herzelektrogramm zu erfassen. Die Erfassungsschaltung 50 kann auch eine Schalterschaltung einschließen, um auszuwählen, welche der verfügbaren Elektroden (und welche Elektrodenpolarität) zur Erfassung der Herzaktivität verwendet werden, je nachdem, welche Elektrodenkombination oder welcher Elektrodenvektor in der betreffenden Erfassungskonfiguration verwendet wird. Die Verarbeitungsschaltung 58 kann die Schalterschaltung steuern, um die Elektroden, die als Erfassungselektroden fungieren, und deren Polarität auszuwählen. Die Erfassungsschaltung 50 kann einen oder mehrere Erkennungskanäle einschließen, von denen jeder mit einer ausgewählten Elektrodenkonfiguration zur Erkennung von Herzsignalen über diese Elektrodenkonfiguration gekoppelt sein kann. In einigen Beispielen vergleicht die Erfassungsschaltung 50 die verarbeiteten Signale mit einem Schwellenwert, um das Vorhandensein atrialer oder ventrikulärer Depolarisationen zu erkennen und der Verarbeitungsschaltung 58 das Vorhandensein der atrialen Depolarisation (z. B. P-Wellen) oder ventrikulären Depolarisationen (z. B. R-Wellen) anzugeben. Die Erfassungsschaltung 50 kann einen oder mehrere Verstärker oder andere Schaltungen zum Vergleich der Amplitude des Herzelektrogramms mit einem Schwellenwert umfassen, der einstellbar sein kann.
Die Verarbeitungsschaltung 58 kann ein Timing- und Steuermodul einschließen, das als Hardware, Firmware, Software oder eine beliebige Kombination davon ausgeführt werden kann. Das Timing- und Steuermodul kann eine spezielle, von anderen Komponenten der Verarbeitungsschaltung 58 getrennte Hardwareschaltung, wie beispielsweise einen Mikroprozessor, oder ein Softwaremodul umfassen, das von einer Komponente der Verarbeitungsschaltung 58 ausgeführt wird, die ein Mikroprozessor oder ein ASIC sein kann. Das Timing- und Steuermodul kann programmierbare Zähler implementieren. Wenn die medizinische Vorrichtung 16 so konfiguriert ist, dass sie Bradykardie-Stimulationsimpulse erzeugt und an das Herz 12 abgibt, können solche Zähler die grundlegenden Zeitintervalle, die DDD, VVI, DVI, VDD, AAI, DDI, DDDR, VVIR, DVIR, VDDR, AAIR, DDIR und anderen Stimulationsmodi zugeordnet sind, steuern.
In einigen Beispielen implementiert die Verarbeitungsschaltung 58 der medizinischen Vorrichtung 16 das KI-System 300. Beispielsweise kann die Verarbeitungsschaltung 58 einen allgemeinen CRC und/oder einen speziellen CRC auf kardiale EGM-Streifen anwenden, wie an anderer Stelle in dieser Offenbarung beschrieben. Die Verarbeitungsschaltung 58 kann das KI-System 300 mit Hilfe einer speziellen Schaltung oder durch Ausführung von Softwareanweisungen implementieren, die auf einem computerlesbaren Medium, wie beispielsweise dem Arbeitsspeicher 59, gespeichert sind. Die Erfassungsschaltung 50 kann auf der Grundlage der von den Elektroden 4, 40, 42, 44-48, 50, 62 und 64 empfangenen Daten kardiale EGM-Streifen erzeugen. Die Kommunikationsschaltung 17 kann kardiale EGM-Streifen und/oder andere Daten an die externe Vorrichtung 27 übertragen.
Der Arbeitsspeicher 59 kann so konfiguriert werden, dass er eine Vielzahl von Betriebsparametern, Therapieparametern, erfassten und erkannten Daten sowie alle anderen Informationen im Zusammenhang mit der Therapie und Behandlung des Patienten 14 speichert. Im Beispiel von 3 können im Arbeitsspeicher 59 erfasste kardiale EGM, die z. B. erkannten oder vorhergesagten Arrhythmien zugeordnet sind, und Therapieparameter gespeichert werden, die die von der Therapieabgabeschaltung 52 bereitgestellte Therapie definieren. In anderen Beispielen kann der Arbeitsspeicher 59 als vorübergehender Puffer für die Speicherung von Daten dienen, bis diese in das Rechensystem 24 hochgeladen werden können.
Die Kommunikationsschaltung 17 schließt jede geeignete Schaltung, Firmware, Software oder eine beliebige Kombination davon für die Kommunikation mit einer anderen Vorrichtung ein, wie beispielsweise mit dem Rechensystem 24 über das Netzwerk 25 von 1. Die Kommunikationsschaltung 17 kann beispielsweise eine oder mehrere Antennen, Modulations- und Demodulationsschaltungen, Filter, Verstärker oder dergleichen für die Hochfrequenzkommunikation mit anderen Vorrichtungen, wie mit dem Rechensystem 24 über das Netzwerk 25, einschließen. Unter der Kontrolle der Verarbeitungsschaltung 58 kann die Kommunikationsschaltung 17 mit Hilfe einer Antenne, die intern und/oder extern sein kann, Downlink-Telemetriedaten vom Rechensystem 24 empfangen und Uplink-Telemetriedaten an dieses senden. Die Verarbeitungsschaltung 58 kann die an das Rechensystem 24 zu übertragenden Daten und die Steuersignale für die Telemetrieschaltung innerhalb der Kommunikationsschaltung 17 bereitstellen, z. B. über einen Adress-/Datenbus. In einigen Beispielen kann die Kommunikationsschaltung 17 die empfangenen Daten der Verarbeitungsschaltung 58 über einen Multiplexer bereitstellen.
Die Leistungsquelle 54 kann jede Art von Vorrichtung sein, die so konfiguriert ist, dass sie eine Ladung für den Betrieb der Schaltung der medizinischen Vorrichtung 16 hält. Die Leistungsquelle 54 kann als wiederaufladbare oder nicht wiederaufladbare Batterie bereitgestellt werden. In einem anderen Beispiel kann die Leistungsquelle 54 ein Energiespeichersystem aufnehmen, das elektrische Energie aus der Bewegung der medizinischen Vorrichtung 16 im Patienten 14 speichert.
Gemäß den Techniken der Offenbarung sammelt die medizinische Vorrichtung 16 über die Erfassungsschaltung 50 und/oder die Sensoren 57 die Patientendaten des Patienten 14. Die Sensoren 57 können einen oder mehrere Sensoren einschließen, wie beispielsweise einen oder mehrere Beschleunigungsmesser, Drucksensoren, optische Sensoren für die O2-Sättigung usw. In einigen Beispielen schließen die Patientendaten eines oder mehrere der folgenden Elemente ein: ein Aktivitätsniveau des Patienten 14, eine Herzfrequenz des Patienten 14, eine Körperhaltung des Patienten 14, ein Herzelektrogramm des Patienten 14 (z. B. kardiale EGM-Streifen des Patienten 14), einen Blutdruck des Patienten 14, Beschleunigungsmesserdaten des Patienten 14 oder andere Arten von parametrischen Patientendaten. Die medizinische Vorrichtung 16 lädt über die Kommunikationsschaltung 17 die parametrischen Daten des Patienten über das Netzwerk 25 in das Rechensystem 24 hoch. In einigen Beispielen lädt die medizinische Vorrichtung 16 die parametrischen Daten des Patienten täglich in das Rechensystem 24 hoch. In einigen Beispielen schließen die parametrischen Patientendaten einen oder mehrere Werte ein, die Durchschnittsmessungen des Patienten 14 über einen längeren Zeitraum darstellen (z. B. etwa 24 Stunden bis etwa 48 Stunden). Beispielsweise können eine oder mehrere andere Vorrichtungen, wie eine tragbare medizinische Vorrichtung oder eine mobile Vorrichtung (z. B. ein Smartphone) des Patienten 14, die parametrischen Daten des Patienten sammeln und die parametrischen Daten des Patienten auf die externe Vorrichtung 27 und/oder das Rechensystem 24 hochladen.
Die hierin beschriebenen Techniken zur kurzfristigen Vorhersage von Herzrhythmusstörungen können auch bei anderen Arten von Vorrichtungen eingesetzt werden, obwohl sie im Zusammenhang mit der medizinischen Vorrichtung 16 beschrieben werden, die eine therapeutische elektrische Stimulation bereitstellt. Die Techniken können beispielsweise mit einem Transkatheter-Schrittmacher, der für die Implantation innerhalb des Herzens konfiguriert ist, wie dem Micra™ Transkatheter-Schrittmachersystem, das im Handel von Medtronic PLC in Dublin, Irland, erhältlich ist, mit einem einsetzbaren kardialen Monitor, wie dem Reveal LINQ ™ICM, ebenfalls im Handel erhältlich von Medtronic PLC, einem Neurostimulator, einer Vorrichtung zur Verabreichung von Wirkstoffen, einer tragbaren Vorrichtung wie einem tragbaren Kardioverter-Defibrillator, einem Fitness-Tracker oder einer anderen tragbaren Vorrichtung, einer mobilen Vorrichtung wie einem Mobiltelefon, einem „intelligenten“ Telefon, einem Laptop, einem Tablet-Computer, einem persönlichen digitalen Assistenten (PDA) oder „intelligenter“ Kleidung wie einer „intelligenten“ Brille oder einer „intelligenten“ Uhr.
4 ist ein Blockdiagramm, das ein beispielhaftes Rechensystem 24 veranschaulicht, das gemäß einer oder mehrerer Techniken der vorliegenden Offenbarung betrieben wird. In einem Beispiel schließt das Rechensystem 24 eine Verarbeitungsschaltung 402 zur Ausführung von Prozessen 424 ein, die das Überwachungssystem 450 oder andere hierin beschriebene Anwendungen einschließen. Obwohl in 4 als eigenständiges Rechensystem 24 dargestellt ist, kann das Rechensystem 24 eine beliebige Komponente oder ein beliebiges System sein, das eine Verarbeitungsschaltung oder eine andere geeignete Rechnerumgebung für die Ausführung von Computersoftwareanweisungen einschließt, und muss beispielsweise nicht unbedingt eines oder mehrere der in 4 dargestellten Elemente einschließen (z. B. die Kommunikationsschaltung 406; und in einigen Beispielen müssen Komponenten wie die Speichervorrichtung(en) 408 nicht gemeinsam mit anderen Komponenten angeordnet sein oder sich im selben Gehäuse befinden). In einigen Beispielen kann das Rechensystem 24 ein über eine Vielzahl von Vorrichtungen verteiltes Cloud-Rechensystem sein.
Wie im Beispiel von 4 dargestellt, schließt das Rechensystem 24 eine Verarbeitungsschaltung 402, eine oder mehrere Eingabevorrichtungen 404, eine Kommunikationsschaltung 406, ein oder mehrere Ausgabevorrichtungen 412, eine oder mehrere Speichervorrichtungen 408 und eine oder mehrere Benutzerschnittstellen(UI)-Vorrichtungen 410 ein. Das Rechensystem 24 schließt in einem Beispiel ferner eine oder mehrere Anwendung(en) 424 wie das Überwachungssystem 450 und das Betriebssystem 416 ein, die vom Rechensystem 24 ausgeführt werden können. Jede der Komponenten 402, 404, 406, 408, 410 und 412 ist für die Kommunikation zwischen den Komponenten gekoppelt (physisch, kommunikativ und/oder im Betrieb). In einigen Beispielen können die Kommunikationskanäle 414 einen Systembus, eine Netzwerkverbindung, eine prozessübergreifende Kommunikationsdatenstruktur oder ein anderes Verfahren zur Datenübertragung einschließen. Beispielsweise können die Komponenten 402, 404, 406, 408, 410 und 412 über einen oder mehrere Kommunikationskanäle 414 gekoppelt sein.
Die Verarbeitungsschaltung 402 ist in einem Beispiel so konfiguriert, dass sie Funktionalität und/oder Prozessanweisungen zur Ausführung innerhalb des Rechensystems 24 implementiert. So kann die Verarbeitungsschaltung 402 beispielsweise in der Lage sein, in der Vorrichtung 408 gespeicherte Anweisungen zu verarbeiten. Die Verarbeitungsschaltung 402 kann beispielsweise einen oder mehrere Mikroprozessoren, eine Steuerung, einen digitalen Signalprozessor (DSP), eine anwendungsspezifische integrierte Schaltung (ASIC), ein feldprogrammierbares Gate-Array (FPGA) oder gleichwertige diskrete oder integrierte logische Schaltungen einschließen.
Eine oder mehrere Speichervorrichtungen 408 können so konfiguriert werden, dass sie während des Betriebs Informationen im Rechensystem 24 speichern. Die Speichervorrichtung 408 wird in einigen Beispielen als ein computerlesbares Speichermedium beschrieben. In einigen Beispielen ist die Speichervorrichtung 408 ein temporärer Arbeitsspeicher, was bedeutet, dass der Hauptzweck der Speichervorrichtung 408 nicht die langfristige Speicherung ist. Die Speichervorrichtung 408 wird in einigen Beispielen als flüchtiger Speicher beschrieben, was bedeutet, dass die Speichervorrichtung 408 den gespeicherten Inhalt nicht beibehält, wenn der Computer ausgeschaltet ist. Beispiele für flüchtige Arbeitsspeicher schließen Speicher mit wahlfreiem Zugriff (RAM), dynamische Speicher mit wahlfreiem Zugriff (DRAM), statische Speicher mit wahlfreiem Zugriff (SRAM) und andere in der Technik bekannte Formen flüchtiger Speicher ein. In einigen Beispielen wird die Speichervorrichtung 408 verwendet, um Programmanweisungen zur Ausführung durch die Verarbeitungsschaltung 402 zu speichern. Die Speichervorrichtung 408 wird in einem Beispiel von Software oder Anwendungen 424, die auf dem Rechensystem 24 laufen, verwendet, um während der Programmausführung Informationen vorübergehend zu speichern.
Speichervorrichtungen 408 schließen in einigen Beispielen auch ein oder mehrere computerlesbare Speichermedien ein. Speichervorrichtungen 408 können so konfiguriert werden, dass sie größere Mengen an Informationen speichern können als flüchtige Arbeitsspeicher. Speichervorrichtungen 408 können ferner für die langfristige Speicherung von Informationen konfiguriert werden. In einigen Beispielen schließen die Speichervorrichtungen 408 nichtflüchtige Speicherelemente ein. Beispiele für solche nichtflüchtigen Speicherelemente schließen magnetische Festplatten, optische Platten, Disketten, Flash-Speicher oder Formen von elektrisch programmierbaren Speichern (EPROM) oder elektrisch löschbaren und programmierbaren (EEPROM) Speichern ein.
In einigen Beispielen schließt das Rechensystem 24 auch die Kommunikationsschaltung 406 ein. Das Rechensystem 24 nutzt in einem Beispiel die Kommunikationsschaltung 406 zur Kommunikation mit externen Vorrichtungen, wie der medizinischen Vorrichtung 16 und der EMR-Datenbank 66 von 1. Die Kommunikationsschaltung 406 kann eine Netzwerkschnittstellenkarte einschließen, wie beispielsweise eine Ethernet-Karte, einen optischen Sendeempfänger, einen Funkfrequenz-Sendeempfänger oder jede andere Art von Vorrichtung, die Informationen senden und empfangen kann. Andere Beispiele für solche Netzwerkschnittstellen können 3G-, 4G-, 5G- und WI-FI™-Funkgeräte einschließen.
Das Rechensystem 24 schließt in einem Beispiel auch eine oder mehrere Benutzerschnittstellenvorrichtungen 410 ein. Benutzerschnittstellenvorrichtungen 410 sind in einigen Beispielen so konfiguriert, dass sie Eingaben eines Benutzers durch taktiles, Audio- oder Videofeedback empfangen. Beispiele für Benutzerschnittstellenvorrichtungen 410 schließen eine anwesenheitsempfindliche Anzeige, eine Maus, eine Tastatur, ein sprachgesteuertes System, eine Videokamera, ein Mikrofon oder jede andere Art von Vorrichtung zum Erkennen eines Benutzerbefehls ein. In einigen Beispielen schließt eine anwesenheitsempfindliche Anzeige einen berührungsempfindlichen Bildschirm ein.
In das Rechensystem 24 können auch eine oder mehrere Ausgabevorrichtungen 412 eingeschlossen werden. In einigen Beispielen ist die Ausgabevorrichtung 412 so konfiguriert, dass sie einem Benutzer taktile, Audio- oder Videostimuli bereitstellt. Die Ausgabevorrichtung 412 schließt in einem Beispiel eine anwesenheitsempfindliche Anzeige, eine Soundkarte, eine Videografikkarte oder jede andere Art von Vorrichtung zur Umwandlung eines Signals in eine geeignete, für Menschen oder Maschinen verständliche Form ein. In einigen Beispielen schließen die Ausgabevorrichtung(en) 412 eine Display-Vorrichtung ein. Weitere Beispiele für Ausgabevorrichtungen 412 schließen einen Lautsprecher, einen Monitor mit Kathodenstrahlröhre (CRT), eine Flüssigkristallanzeige (LCD) oder jede andere Art von Vorrichtung ein, die eine verständliche Ausgabe für einen Benutzer erzeugen kann.
Das Rechensystem 24 kann das Betriebssystem 416 einschließen. Das Betriebssystem 416 steuert in einigen Beispielen den Betrieb der Komponenten des Rechensystems 24. So erleichtert das Betriebssystem 416 in einem Beispiel die Kommunikation einer oder mehrerer Anwendungen 424 und des Überwachungssystems 450 mit der Verarbeitungsschaltung 402, der Kommunikationsschaltung 406, der Speichervorrichtung 408, der Eingabevorrichtung 404, den Benutzerschnittstellenvorrichtungen 410 und der Ausgabevorrichtung 412.
Die Anwendung 422 kann auch Programmanweisungen und/oder Daten einschließen, die vom Rechensystem 24 ausgeführt werden können. Die vom Rechensystem 24 ausführbare(n) Beispielanwendung(en) 422 können das Überwachungssystem 450 einschließen. Andere, nicht dargestellte Zusatzanwendungen können alternativ oder zusätzlich eingeschlossen werden, um andere hierin beschriebene Funktionen bereitzustellen, und werden der Einfachheit halber nicht dargestellt.
Gemäß den Techniken der Offenbarung schließen die Anwendungen 424 ein Überwachungssystem 450 ein. Das Überwachungssystem 450 kann so konfiguriert sein, dass es Patientendaten empfängt, die Patientendaten auswertet und Ausgabedaten erzeugt. In einem Beispiel kann das Überwachungssystem 450 beispielsweise Benachrichtigungen erzeugen, wenn das Überwachungssystem 450 bestimmt, dass der Patient 14 (1) wahrscheinlich eine oder mehrere Herzrhythmusstörungen erlitten hat, die zu einer oder mehreren Herzrhythmusstörungen gehören. In einem anderen Beispiel kann das Überwachungssystem 450 ein oder mehrere Diagramme erzeugen, die Änderungen eines oder mehrerer Aspekte des Herzrhythmus des Patienten 14 anzeigen.
Wie im Beispiel von 4 dargestellt, kann das Überwachungssystem 450 in einigen Beispielen ein KI-System 451 implementieren, das einen oder mehrere CRC einschließt. Im Beispiel von 4 kann das Überwachungssystem 450 die CRC 452A bis CRC 452N (zusammen „CRC 452“) einschließen. Die CRC 452 können einen allgemeinen CRC und einen oder mehrere spezielle CRC einschließen. Obwohl sich die folgende Erörterung von CRC auf CRC 452 und das KI-System 451 bezieht, kann die folgende Erörterung auch für CRC und KI-Systeme gelten, die in anderen Vorrichtungen oder Systemen als dem Rechensystem 24 implementiert sind, wie beispielsweise in der medizinischen Vorrichtung 16 oder der externen Vorrichtung 27 oder einer Kombination davon.
In einigen Beispielen wird jeder der CRC 452 mit einem oder mehreren neuronalen Netzwerken, Deep-Learning-Systemen oder anderen Arten von überwachten oder nicht überwachten maschinellen Lernsystemen implementiert. So kann ein CRC beispielsweise durch ein neuronales Netzwerk mit Vorwärtskopplung, ein neuronales Netzwerk mit radialer Basisfunktion, ein rekurrentes neuronales Netzwerk, ein modulares oder zugeordnetes neuronales Netzwerk implementiert werden. In einigen Beispielen trainiert das KI-System 451 die CRC 452 mit Patientendaten, einschließlich kardialer EGM-Streifen, für verschiedene Populationen von Patienten auf Daten zu einem oder mehreren Aspekten eines Herzrhythmus der Patienten in den Populationen. In einigen Beispielen kann das KI-System 451, nachdem es ein CRC mit Patientendaten für eine Population von Patienten vortrainiert hat, das maschinelle Lernmodell ferner mit Patientendaten trainieren, die spezifisch für den Patienten 14 oder eine kleinere Kohorte von Patienten sind.
In einigen Beispielen trainiert das KI-System 451 einen CRC mit den Patientendaten für eine Population von Patienten, bestimmt eine Fehlerrate des CRC und gibt die Fehlerrate dann an den CRC zurück, damit der CRC seine Vorhersagen auf der Grundlage der Fehlerrate aktualisieren kann. In einigen Beispielen kann die Fehlerrate den Unterschieden zwischen den vom CRC auf der Basis von Eingabedaten bestimmten Ausgabedaten und den vormarkierten Ausgabedaten für dieselben Eingabedaten entsprechen. In einigen Beispielen kann das KI-System 451 eine Fehlerfunktion verwenden, um die Fehlerrate zu bestimmen. Die Implementierung der Fehlerfunktion kann mit Hilfe von Signalverarbeitungstechniken und Heuristiken erfolgen, wie sie üblicherweise zum Erkennen von Herzrhythmusstörungen verwendet werden. In einigen Beispielen kann das Überwachungssystem 450 von einem Benutzer (z. B. dem Patienten 14, einem Arzt oder einer anderen Person) ein Feedback erhalten, das angibt, ob bei dem Patienten 14 innerhalb eines bestimmten Zeitraums eine erkannte Herzrhythmusstörung aufgetreten ist. In einigen Beispielen kann das Überwachungssystem 450 von der medizinischen Vorrichtung 16 eine Nachricht empfangen, die angibt, dass die medizinische Vorrichtung 16 das Auftreten einer Herzrhythmusstörung bei Patient 14 erkannt hat (oder nicht erkannt hat). In einigen Beispielen kann das Überwachungssystem 450 den v auf andere Art und Weise erhalten, wie beispielsweise durch periodische Überprüfung der EMR-Daten, um zu bestimmen, ob eine Herzrhythmusstörung aufgetreten ist. Das Überwachungssystem 450 kann den CRC mit dem Feedback aktualisieren. So kann der Trainingsprozess iterativ erfolgen, um die vom CRC erzeugten Daten schrittweise zu verbessern, indem aus den in der Vergangenheit vom CRC erzeugten richtigen und falschen Daten „gelernt“ wird. Ferner kann der Trainingsprozess zur weiteren Feinabstimmung eines CRC verwendet werden, der anhand von populationsbasierten Daten trainiert wurde, um genauere Daten für eine bestimmte Person zu erzeugen. In einigen Beispielen kann das Personal einer Überwachungsdienstleistung das Feedback bereitstellen.
In einigen Beispielen wird jeder der CRC 452 mit Hilfe eines neuronalen Netzwerks implementiert. Das neuronale Netzwerk kann eine Eingabeschicht, eine Ausgabeschicht und eine oder mehrere versteckte Schichten zwischen der Eingabeschicht und der Ausgabeschicht einschließen. Jede Schicht des neuronalen Netzes schließt ein oder mehrere künstliche Neuronen ein, die in dieser Offenbarung einfach als Neuronen bezeichnet werden. Die Eingabeschicht des neuronalen Netzwerks schließt eine Vielzahl von Eingabeneuronen ein. Die Eingabeschicht kann ein separates Eingabeneuron für jeden Musterwert eines Segments eines kardialen EGM-Streifens einschließen. In einigen Beispielen kann das Segment mit dem kardialen EGM-Streifen übereinstimmen. In anderen Beispielen kann das Segment ein Untersegment des kardialen EGM-Streifens sein. In einem Beispiel, in dem der kardiale EGM-Streifen Muster umfasst, die 45 Sekunden eines Herzrhythmus des Patienten 14 darstellen, kann das Segment beispielsweise Muster umfassen, die die ersten 10 Sekunden des kardialen EGM-Streifens darstellen.
Das KI-System 451 kann überlappende Segmente kardialer EGM-Streifen für ein CRC bereitstellen. Das KI-System 451 kann zum Beispiel ein Segment bereitstellen, das Muster umfasst, die die Sekunden 0 bis 10 eines kardialen EGM-Streifens darstellen, dann ein Segment bereitstellen, das Muster umfasst, die die Sekunden 5 bis 15 des kardialen EGM-Streifens darstellen, dann ein Segment bereitstellen, das Muster umfasst, die die Sekunden 10 bis 20 des kardialen EGM-Streifens darstellen, und so weiter. In einigen Beispielen kann das Rechensystem 24 ein Segment bereitstellen, das sich über zwei oder mehr kardiale EGM-Streifen erstreckt.
In einigen Beispielen ist jeder der CRC 452 ein faltungsbasiertes neuronales Netzwerk (CNN). So kann in einem Beispiel auf eine Eingabeschicht des vorstehend beschriebenen Typs eine Faltungsschicht folgen. Ein erstes Neuron der Faltungsschicht kann Eingaben von einer ersten Gruppe von Neuronen der Eingabeschicht erhalten, die aus einer bestimmten Anzahl von aufeinanderfolgenden Neuronen der Eingabeschicht besteht; ein zweites Neuron der Faltungsschicht kann Eingaben von einer zweiten Gruppe von Neuronen der Eingabeschicht empfangen, die aus der gleichen gegebenen Anzahl von aufeinanderfolgenden Neuronen der Eingabeschicht bestehen, aber um eine Schrittlänge von dem ersten Neuron der Eingabeschicht der ersten Gruppe von Neuronen der Eingabeschicht versetzt sind; ein drittes Neuron der Faltungsschicht kann Eingaben von einer dritten Gruppe von Eingabeneuronen der Schicht empfangen, die aus der gleichen eingestellten Zahl von aufeinanderfolgenden Eingabeneuronen der Schicht besteht, aber um die Schrittlänge vom ersten Eingabeneuron der zweiten Gruppe von Eingabeneuronen der Schicht versetzt ist; und so weiter. Die vorgegebene Anzahl der aufeinanderfolgenden Eingabeneuronen und die Schrittlänge sind verschiedene Hyperparameter des CNN. Auf die Faltungsschicht können eine oder mehrere vollständig verbundene verborgene Schichten folgen. Die Implementierung der CRC 452 als CNN kann die Leistung der CRC 452 erhöhen.
In einigen Beispielen dieser Offenbarung kann jeder der CRC 452 für jede jeweilige Herzrhythmusstörung eines Satzes von einer oder mehreren Herzrhythmusstörungen Daten erzeugen, die angeben, ob ein oder mehrere Auftreten der jeweiligen Herzrhythmusstörung in einem Segment eines kardialen EGM-Streifens dargestellt sind. In einem Beispiel stellt eine verborgene Schicht des CRC Eingangsdaten für die Ausgangsschicht des CRC bereit. Für jede jeweilige Herzrhythmusstörung aus dem Satz von Herzrhythmusstörungen schließt die Ausgabeschicht des CRC ein separates Ausgabeneuron ein, das der jeweiligen Herzrhythmusstörung entspricht. Das Ausgabeneuron, das der jeweiligen Herzrhythmusstörung entspricht, erhält Eingabedaten von einem einzelnen Neuron in der verborgenen Schicht des CRC, das ebenfalls der jeweiligen Herzrhythmusstörung entspricht. Die von dem Neuron der verborgenen Schicht erzeugten Daten, die der jeweiligen Herzrhythmusstörung entsprechen, umfassen einen Wahrscheinlichkeitswert, der die Wahrscheinlichkeit angibt, dass das Auftreten der Herzrhythmusstörung in dem Segment des kardialen EGM-Streifens stattgefunden hat. Eine Aktivierungsfunktion der Ausgabeneuronen kann eine Schwellenwertfunktion auf die Wahrscheinlichkeitswerte anwenden, die von den Neuronen der verborgenen Schicht erzeugt werden. Für jedes Ausgabeneuron kann die Schwellenwertfunktion das Ausgabeneuron veranlassen, einen ersten Wert (z. B. 1) zu erzeugen, wenn der dem Ausgabeneuron bereitgestellte Wahrscheinlichkeitswert größer als ein Schwellenwert ist, und einen zweiten Wert (z. B. 0) zu erzeugen, wenn der dem Ausgabeneuron bereitgestellte Wahrscheinlichkeitswert kleiner als der gleiche Schwellenwert ist.
Darüber hinaus kann das KI-System 451 die von der verborgenen Schicht erzeugten Wahrscheinlichkeitswerte verwenden, um festzustellen, wo in einem EGM-Streifen Herzrhythmusstörungen aufgetreten sind. Beispielsweise kann, wie vorstehend erwähnt, ein kardialer EGM-Streifen in Segmente unterteilt werden, und das KI-System 451 stellt die Segmente den CRC 452 als Eingabe bereit. Indem das KI-System 451 bestimmt, welches Segment des kardialen EGM-Streifens den höchsten Wahrscheinlichkeitswert für eine Herzrhythmusstörung aufweist, kann es bestimmen, welches Segment am wahrscheinlichsten das Auftreten der Herzrhythmusstörung darstellt.
Wie an anderer Stelle in dieser Offenbarung erwähnt, kann die den CRC 452 bereitgestellte Eingabe zusätzlich zu den Segmenten der kardialen EGM-Streifen auch Patientendaten einschließen. In einigen Beispielen können die Patientendaten zusätzlich Daten über den physiologischen Zustand des Patienten einschließen (z. B. physiologische Zustände des Patienten wie Aktivität, Körperhaltung, Atmung usw.), die auch von der medizinischen Vorrichtung 16 erfasst werden können. Patientendaten, die verschiedenen physiologischen Bedingungen entsprechen (z. B. Ruhe, Nachtruhe, Nachtruhe mit hohem Haltungswinkel usw.), können als zusätzliche Parameter für das Modelltraining oder als Eingabedaten für CRC 452 verwendet werden. Die Verwendung solcher Daten kann das KI-System in die Lage versetzen, das Auftreten von Herzrhythmusstörungen bei anderen Krankheiten zu erkennen (z. B. kann ein empfindliches Modell für Tachykardie in Ruhe zur Überwachung von Patienten mit Herzinsuffizienz (HF) verwendet werden; ein Modell für Bradykardie bei Aktivität kann zur Überwachung von Patienten auf chronotrope Inkompetenz verwendet werden). In einigen Beispielen empfängt das Überwachungssystem 450 über die Kommunikationsschaltung 406 die EMR-Daten für den Patienten 14 aus der EMR-Datenbank 66. In einigen Beispielen können die in der EMR-Datenbank 66 gespeicherten EMR-Daten viele verschiedene Arten von historischen medizinischen Informationen über den Patienten 14 einschließen. In der EMR-Datenbank 66 kann beispielsweise eine Historie der Medikamente des Patienten, eine Historie der chirurgischen Eingriffe des Patienten, eine Historie der Krankenhausaufenthalte des Patienten, der Kaliumspiegel des Patienten im Laufe der Zeit oder ein oder mehrere Labortestergebnisse für den Patienten usw. gespeichert werden. Die EMR-Daten können Teil der Patientendaten sein, die als Eingabe für einen oder mehrere der CRC 452 verwendet werden.
In einigen Beispielen konvertiert jeder der CRC 452 die Patientendaten in einen oder mehrere Vektoren und Tensoren (z. B. mehrdimensionale Arrays), die die Patientendaten darstellen. Die CRC 452 können mathematische Betriebe auf einen oder mehrere Vektoren und Tensoren anwenden, um eine mathematische Darstellung der Patientendaten zu erzeugen. Die CRC 452 können unterschiedliche Gewichtungen bestimmen, die den identifizierten Beziehungen zwischen den Patientendaten und dem Auftreten der Herzrhythmusstörung entsprechen. Die CRC 452 können die verschiedenen Gewichtungen auf die Patientendaten anwenden, um die Wahrscheinlichkeitswerte zu erzeugen.
5 ist ein Flussdiagramm, das einen beispielhaften Betrieb gemäß den Techniken der Offenbarung veranschaulicht. Der Einfachheit halber wird 5 im Zusammenhang mit 1 beschrieben. Die Flussdiagramme in dieser Offenbarung sind als Beispiele dargestellt. Andere Beispiele gemäß den Techniken dieser Offenbarung können mehr, weniger oder andere Aktionen einschließen, oder die Aktionen können in unterschiedlicher Reihenfolge oder parallel durchgeführt werden. Der Betrieb von 5 kann von einem KI-System durchgeführt werden, das in einer oder mehreren medizinischen Vorrichtungen 16, einem Rechensystem 24, einer externen Vorrichtung 27 und/oder anderen Vorrichtungen implementiert ist.
Im Beispiel von 5 kann das KI-System einen kardialen EGM-Streifen für Patient 14 (d. h. einen bestimmten Patienten) erhalten (500). Das KI-System kann den kardialen EGM-Streifen für den Patienten 14 auf eine oder mehrere von verschiedenen Arten erhalten. In einem Beispiel, in dem das Rechensystem 24 das KI-System implementiert, kann das Rechensystem 24 den kardialen EGM-Streifen für den Patienten 14 von der medizinischen Vorrichtung 16 erhalten (z. B. über die externe Vorrichtung 27 und das Netzwerk 25). In einigen Beispielen, in denen das KI-System in der medizinischen Vorrichtung 16 implementiert ist, kann das KI-System den kardialen EGM-Streifen erhalten, indem es den kardialen EGM-Streifen auf der Grundlage von Daten von Elektroden erzeugt. In einigen Beispielen kann das KI-System den kardialen EGM-Streifen für den betreffenden Patienten aus einer Datenbank (z. B. der EMR-Datenbank 66) erhalten, in der ein oder mehrere kardiale EGM-Streifen für den betreffenden Patienten gespeichert sind. Weitere Beispiele für das Erhalten von kardialen EGM-Streifen sind an anderer Stelle in dieser Offenbarung beschrieben.
Ferner kann das KI-System im Beispiel von 5 eine erste CRC (d. h. eine allgemeine CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe anwenden (502). Der erste CRC wird an kardialen EGM-Streifen aus einer ersten Population trainiert. In einigen Beispielen schließt die erste Population alle Patienten ein, deren kardiale EGM-Daten vom Rechensystem 24 überwacht werden. Wenn das KI-System den ersten CRC anwendet, erzeugt der erste CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten zu einem Aspekt des Herzrhythmus des Patienten 14.
In einigen Beispielen ist der Aspekt des Herzrhythmus des betreffenden Patienten ein Auftreten einer Herzrhythmusstörung im Herzrhythmus des betreffenden Patienten. In solchen Beispielen können die ersten Daten Daten einschließen, die angeben, ob das Segment des kardialen EGM-Streifens ein oder mehrere Ereignisse einer oder mehrerer Herzrhythmusstörungen darstellt. Die ersten Daten können beispielsweise auf einer ersten Wahrscheinlichkeit beruhen, dass das Segment des kardialen EGM-Streifens mindestens ein Auftreten der Herzrhythmusstörung darstellt. In einigen Beispielen können die ersten Daten für jede Herzrhythmusstörung eines Satzes von einer oder mehreren Herzrhythmusstörungen einen Konfidenzwert einschließen, der das Niveau des Vertrauens angibt, dass ein Auftreten der Herzrhythmusstörung in dem kardialen EGM-Streifen dargestellt wird. Die Konfidenzwerte können Ausgabewerte von Neuronen in einer versteckten Schicht vor der Ausgabeschicht sein. In einigen Beispielen können die ersten Ausgabedaten Zeitdaten einschließen, die angeben, wo im kardialen EGM-Streifen eine oder mehrere Herzrhythmusstörungen auftraten.
Zusätzlich kann das KI-System einen zweiten CRC (d. h. einen speziellen CRC) mit dem Segment des kardialen EGM-Streifens als Eingabe anwenden (504). Der zweite CRC ist eine Version des ersten CRC, die auf den Trainings-EGM-Streifen aus einer zweiten Population trainiert wird, die kleiner ist als die erste Population. In einigen Beispielen kann die zweite Population beispielsweise nur aus dem Patienten 14 bestehen. In anderen Beispielen kann die zweite Population eine Kohorte von Patienten sein, wie beispielsweise eine Kohorte von Patienten, die eine oder mehrere Eigenschaften mit Patient 14 teilen. Die Eigenschaften können beispielsweise die Diagnose der Patientenkohorte und den Patienten 14 einschließen. Wenn das KI-System den zweiten CRC anwendet, kann der zweite CRC auf der Grundlage des Segments des kardialen EGM-Streifens zweite Daten über den Herzrhythmustyp erzeugen. Die zweiten Daten können dieselben Arten von Daten einschließen wie die ersten Daten. Die zweiten Daten basieren beispielsweise auf einer zweiten Wahrscheinlichkeit, dass das Segment des kardialen EGM-Streifens mindestens ein Auftreten der Herzrhythmusstörung darstellt.
Das KI-System kann Ausgabedaten erzeugen, die auf mindestens einem der ersten und zweiten Daten basieren (506). In einigen Beispielen kann das Rechensystem 24 die Ausgabedaten über eine grafische Benutzerschnittstelle, eine Sprachschnittstelle, eine Webseite oder in anderer Form darstellen. In einigen Beispielen können die Ausgabedaten eine Benachrichtigung oder Nachricht umfassen, wie beispielsweise eine E-Mail-Nachricht, eine Textnachricht, eine In-App-Benachrichtigung, eine Sofortnachricht, eine Voicemail-Nachricht oder eine andere Art von Nachricht.
In einigen Beispielen kann das KI-System eine Dashboard-Schnittstelle zur Anzeige ausgeben. Die Dashboard-Schnittstelle ist eine Art grafische Benutzerschnittstelle, die die Ausgabedaten einschließt. Die Dashboard-Schnittstelle kann Listen, Diagramme, Sparklines, Balkendiagramme, Tabellen oder andere Arten von Daten einschließen, die dazu dienen, eine oder mehrere Arten von Informationen über die Herzrhythmen des Patienten 14 auf intuitive Art und Weise zu vermitteln.
In einem Beispiel geben die ersten Daten an, ob der allgemeine CRC das Auftreten einer bestimmten Herzrhythmusstörung in einem Segment des kardialen EGM-Streifens identifiziert hat. In diesem Beispiel kann die Dashboard-Schnittstelle Ausgabedaten in Form eines ersten Balkens in einem Balkendiagramm einschließen, dessen Größe proportional zur Anzahl des Auftretens der bestimmten Herzrhythmusstörung ist, die durch den allgemeinen CRC identifiziert wurde. Ebenso können die zweiten Daten in einigen Beispielen angeben, ob das spezielle CRC ein Auftreten der bestimmten Herzrhythmusstörung in dem Segment des kardialen EGM-Streifens identifiziert hat. In diesem Beispiel kann das Balkendiagramm einen zweiten Balken einschließen, dessen Größe proportional zur Anzahl der Auftreten der speziellen Herzrhythmusstörung ist, die von dem speziellen CRC identifiziert wurde. Auf diese Art und Weise kann das Balkendiagramm einen Vergleich der Anzahl des Auftretens der bestimmten Arrhythmie ermöglichen, die von den ersten und zweiten CRC identifiziert wurden.
In einem Beispiel ist der Aspekt des Herzrhythmus des betreffenden Patienten ein morphologischer Aspekt des Auftretens einer Herzrhythmusstörung, die im Herzrhythmus des Patienten 14 auftritt. In diesem Beispiel können die ersten Daten erste Daten über den morphologischen Aspekt des Auftretens der Herzrhythmusstörung umfassen, die in dem Segment des kardialen EGM-Streifens dargestellt ist. Zusätzlich können die zweiten Daten in diesem Beispiel zweite Daten bezüglich des morphologischen Aspekts des Auftretens der Herzrhythmusstörung umfassen, die in dem Segment des kardialen EGM-Streifens dargestellt sind. Die Ausgabedaten können Daten umfassen, die die ersten Daten bezüglich des morphologischen Aspekts des Auftretens und die zweiten Daten bezüglich des morphologischen Aspekts des Auftretens vergleichen. Die Ausgabedaten können zum Beispiel ein Diagramm einschließen, das die Differenz zwischen den ersten Daten bezüglich des morphologischen Aspekts des Auftretens und den zweiten Daten bezüglich des morphologischen Aspekts des Auftretens zeigt.
In einem anderen Beispiel, in dem die ersten Daten und die zweiten Daten angeben, ob die allgemeinen und spezialisierten CRC ein Auftreten einer Herzrhythmusstörung in einem Segment eines kardialen EGM-Streifens identifiziert haben, kann die Dashboard-Schnittstelle Sparklines einschließen, die die Häufigkeit des Auftretens der Herzrhythmusstörung im Zeitverlauf angeben. Es sind viele andere Beispiele für Ausgabedaten möglich, wie beispielsweise die in den an anderer Stelle in dieser Offenbarung bereitgestellten Beispielen beschriebenen Datentypen.
In einigen Beispielen kann das KI-System zweite Ausgabedaten erzeugen, die auf einem Vergleich der zweiten Daten mit historischen Daten beruhen, die von dem speziellen CRC auf der Grundlage früherer kardialer EGM-Streifen des betreffenden Patienten erzeugt wurden. So kann das KI-System beispielsweise Daten erzeugen, die Trends im Hinblick auf den Herzrhythmus des Patienten 14 angeben. In einem Beispiel kann das KI-System die Anzahl der Auftretens einer Herzrhythmusstörung, wie sie von der zweiten, speziellen CRC identifiziert wurde, während jedes Zeitraums (z. B. jeden Tages) zählen und die Zählungen in Form einer Tabelle oder eines Diagramms darstellen.
Das KI-System kann die Ausgabedaten einem oder mehreren Arten von Benutzern zur Verfügung stellen. Beispielsweise kann das KI-System die Ausgabedaten dem Patienten 14, einem Gesundheitsdienstleister des Patienten 14, einem Benutzer einer Organisation zur Überwachung des Gesundheitswesens oder einer anderen Art von Person bereitstellen.
6 ist ein konzeptionelles Diagramm, das ein Beispiel veranschaulicht, bei dem ein allgemeiner CRC 602 gemäß den Techniken dieser Offenbarung auf der Grundlage kardialer EGM eines einzelnen Patienten aktualisiert wird. Der allgemeine CRC 602 wird auf der Basis von kardialen EGM-Streifen einer ersten Population trainiert und kann ferner auf der Basis von kardialen EGM-Streifen eines bestimmten Patienten trainiert werden, um einen speziellen CRC 604 für den bestimmten Patienten zu erzeugen. In einem Beispiel, in dem der allgemeine CRC 602 trainiert wird, um Daten zu einem oder mehreren Aspekten von Herzrhythmusstörungen zu erzeugen, die in den Herzrhythmen von Patienten auftreten, kann das KI-System ferner den allgemeinen CRC 602 auf der Grundlage von Herz-EGM-Streifen des Patienten 14 trainieren, um Daten zu dem einen oder den mehreren Aspekten von Herzrhythmusstörungen zu erzeugen, die im Herzrhythmus des Patienten 14 auftreten. Wenn das KI-System mit der Überwachung des Patienten 14 beginnt, kann der spezielle CRC 604 also der gleiche sein wie der allgemeine CRC 602. Im Laufe der Zeit kann das KI-System jedoch den speziellen CRC 604 für Patient 14 auf der Grundlage von Patientendaten (z. B. EGM-Streifen) für Patient 14 selektiv neu trainieren. Das Rechensystem 24 kann beispielsweise einen Rückverfolgungsalgorithmus anwenden, um Parameter (z. B. Gewichtswerte, Vorspannungswerte usw.) zu aktualisieren, die den Schichten der Neuronen im speziellen CRC 604 für den Patienten 14 zugeordnet sind. 9, die an anderer Stelle in dieser Offenbarung ausführlicher beschrieben wird, ist ein Flussdiagramm, das einen beispielhaften Betrieb für das Training spezialisierter CRC veranschaulicht.
Wie im Beispiel von 6 dargestellt, kann das KI-System einen kardialen EGM-Streifen 600 des Patienten 14 erhalten. Darüber hinaus kann das KI-System den allgemeinen CRC 602 und den speziellen CRC 604 mit einem Segment des kardialen EGM-Streifens 600 als Eingabe anwenden. Im Beispiel von 6 identifizieren der allgemeine CRC 602 und der spezielle CRC 604 das Auftreten einer oder mehrerer Herzrhythmusstörungen in den durch kardiale EGM-Streifen dargestellten Herzrhythmen. Im Beispiel von 6 sind die identifizierten Herzrhythmusstörungen mit Ovalen 606 gekennzeichnet. Wie in 6 dargestellt, kann der allgemeine CRC 602 drei Herzrhythmusstörungen identifizieren, wenn Segmente des EGM-Streifens 600 als Eingabe für den allgemeinen CRC 602 bereitgestellt werden. Wie im Beispiel von 6 dargestellt, kann der spezielle CRC 604 jedoch vier Fälle von Herzrhythmusstörungen identifizieren, wenn die Segmente des EGM-Streifens 600 als Eingabe für den speziellen CRC 604 bereitgestellt werden. Der spezielle CRC 604 kann in der Lage sein, das zusätzliche Auftreten zu identifizieren, weil sich die morphologischen Aspekte des Auftretens einer bestimmten Herzrhythmusstörung beim Patienten 14 in gewisser Art und Weise von den morphologischen Aspekten des Auftretens der bestimmten Herzrhythmusstörung in der allgemeinen Population, auf die der spezielle CRC 602 trainiert ist, unterscheiden können.
Darüber hinaus kann das KI-System, wie im Beispiel von 6 dargestellt, verschiedene Arten von Ausgabedaten erzeugen, die auf Daten beruhen, die von dem allgemeinen CRC 602 und dem speziellen CRC 604 erzeugt werden. Das KI-System kann zum Beispiel Ausgabedaten erzeugen, die personalisierte Erkennungen für das Auftreten von Herzrhythmusstörungen angeben.
In einigen Beispielen kann das KI-System Ausgabedaten erzeugen, die einen Vergleich eines morphologischen Attributs eines von einem speziellen CRC 604 erkannten Auftretens einer Herzrhythmusstörung mit einem morphologischen Attribut von zuvor von einem speziellen CRC 604 erkannten Auftretensfällen der Herzrhythmusstörung angeben. In diesem Beispiel kann das KI-System beispielsweise spezielle CRC 604 auf Segmente von EGM-Streifen des Patienten 14 anwenden, um das Auftreten einer oder mehrerer Herzrhythmusstörungen zu identifizieren. Die morphologischen Attribute können beispielsweise die QRS-Breite, die Anzahl der eindeutigen Morphologien der vorzeitigen ventrikulären Kontraktion (PVC), die mittlere Herzrate der erkannten Arrhythmie, die P-R-Intervalle usw. einschließen. Außerdem kann das KI-System Werte für ein morphologisches Attribut der identifizierten Herzrhythmusstörungen erzeugen. Das KI-System kann dann die Werte für das morphologische Attribut der identifizierten Auftreten der Herzrhythmusstörungen verwenden, um Vergleichsdaten zu erzeugen, die es einem Benutzer ermöglichen, die Werte für das morphologische Attribut der identifizierten Auftreten der Herzrhythmusstörungen zu vergleichen.
Wenn es sich bei der Herzrhythmusstörung beispielsweise um Vorhofflimmern handelt, kann das morphologische Attribut die zeitliche Dauer oder die ventrikuläre Rate während des Vorhofflimmerns sein, die beim Auftreten von Vorhofflimmern auftritt. In diesem Beispiel kann das KI-System spezielle CRC 604 auf Segmente von kardialen EGM-Streifen des Patienten 14 anwenden, um das Auftreten von Vorhofflimmern zu identifizieren. Darüber hinaus kann das KI-System in diesem Beispiel für jedes identifizierte Auftreten von Vorhofflimmern einen Zeitdauerwert bestimmen, der die zeitliche Dauer des identifizierten Auftretens von Vorhofflimmern angibt. In diesem Beispiel kann das KI-System die bestimmten Zeitdauerwerte verwenden, um Vergleichsdaten zu erzeugen. In diesem Beispiel können die Vergleichsdaten zum Beispiel ein Liniendiagramm einschließen, das einen Trend der bestimmten Zeitdauerwerte anzeigt. In einigen Beispielen können die Vergleichsdaten die bestimmten Zeitdauerwerte auflisten.
In einigen Beispielen kann das KI-System Ausgabedaten erzeugen, die personalisierte Trends für Patient 14 angeben. In einem Beispiel kann das KI-System beispielsweise Ausgabedaten erzeugen, die zeitliche Veränderungen morphologischer Attribute beim Auftreten von Herzrhythmusstörungen, die durch speziellen CRC 604 identifiziert wurden, sowie zeitliche Veränderungen der Häufigkeit des Auftretens von Herzrhythmusstörungen, die durch speziellen CRC 604 identifiziert wurden, anzeigen, und so weiter.
In einigen Beispielen kann das KI-System den allgemeinen CRC 602 und den speziellen CRC 604 auf Segmente desselben Satzes von kardialen EGM-Streifen des Patienten 14 anwenden, um das Auftreten einer oder mehrerer Herzrhythmusstörungen zu identifizieren. So kann das KI-System einen ersten Satz von Auftreten durch Anwendung des allgemeinen CRC 602 und einen zweiten Satz von Auftreten durch Anwendung des speziellen CRC 604 identifizieren. In diesem Beispiel kann das Rechensystem 24 Vergleichsdaten auf der Grundlage des ersten und des zweiten Satzes von Auftreten erzeugen. In einigen Beispielen können die Vergleichsdaten dazu dienen, den Wert der Verwendung des speziellen CRC 604 hervorzuheben, indem sie einen Vergleich der Anzahl der Auftreten in der ersten Gruppe von Auftreten und der zweiten Gruppe von Auftreten bereitstellen.
In einigen Beispielen kann das KI-System eine Analyse eines morphologischen Attributs des Auftretens einer Herzrhythmusstörung, die durch den speziellen CRC 604 identifiziert wurde, und des morphologischen Attributs des Auftretens der Herzrhythmusstörung, die durch den allgemeinen CRC 602 identifiziert wurde, durchführen. In einem Beispiel kann das KI-System einen ersten Satz von Herzrhythmusstörungen identifizieren, indem es den allgemeinen CRC 602 auf Segmente eines Satzes kardialer EGM-Streifen des Patienten 14 anwendet. In diesem Beispiel kann das KI-System einen zweiten Satz von Herzrhythmusstörungen identifizieren, indem es den speziellen CRC 604 auf die Segmente desselben Satzes von kardialen EGM-Streifen des Patienten 14 anwendet. Darüber hinaus kann das KI-System in diesem Beispiel einen ersten Satz von Werten für ein morphologisches Attribut des Auftretens der Herzrhythmusstörung erzeugen, die durch den allgemeinen CRC 602 identifiziert wurde. In ähnlicher Art und Weise kann das KI-System in diesem Beispiel einen zweiten Satz von Werten für das morphologische Attribut des Auftretens der Herzrhythmusstörungen erzeugen. Das KI-System kann dann Vergleichsdaten erzeugen, die es einem Benutzer ermöglichen, die Werte für das morphologische Attribut in den von den allgemeinen CRC 602 und den speziellen CRC 604 identifizierten Auftreten der Herzrhythmusstörung zu vergleichen. Außerdem können die Vergleichsdaten Daten einschließen, die einen Wert des morphologischen Attributs des Auftretens der Herzrhythmusstörung bei Mitgliedern der allgemeinen Population angeben.
7 ist ein konzeptionelles Diagramm, das ein Beispiel veranschaulicht, in dem das Rechensystem 24 gemäß den Techniken dieser Offenbarung einen allgemeinen CRC 700 und einen kohortenbasierten speziellen CRC 702 anwendet. Ähnlich wie im Beispiel von 6 kann das Rechensystem 24 einen kardialen EGM-Streifen 704 des Patienten 14 erhalten.
Im Beispiel von 7 werden nicht die Daten aller Patienten einer Population (z. B. einer Population von Patienten, die vom Monitoringsystem 450 (4) überwacht werden) trainiert, sondern eine Reihe von speziellen CRC, wie beispielsweise der kohortenbasierte CRC 702, auf der Basis bestimmter Patientenkohorten. Die Patientenkohorten können auf verschiedene Art und Weise definiert werden. Beispielsweise kann eine Patientenkohorte auf der Basis von Diagnose- und Verfahrenscodes definiert werden, wie sie in der 10. Revision der Internationalen statistischen Klassifikation der Krankheiten und verwandter Gesundheitsprobleme (ICD-10) und in den CPT-Codes (Current Procedural Technology) definiert sind. In diesem Beispiel kann der kohortenbasierte CRC 702 auf der Grundlage von Segmenten von EGM-Streifen und, in einigen Beispielen, anderen Patientendaten einer ausgewählten Gruppe von Patienten trainiert werden, die alle eine ICD-10- und/oder CPT-Code-Historie in ihren medizinischen Einträgen teilen. So können die von kohortenbasierten CRC 702 erzeugten Daten die Physiologie der ausgewählten Patientengruppe widerspiegeln.
Das KI-System kann Ausgabedaten erzeugen, die es einem Benutzer ermöglichen, zwei oder mehr Daten über den Patienten 14, Daten über eine Patientenkohorte und/oder Daten über die Population, auf der der allgemeine CRC 700 trainiert wurde, zu vergleichen. So kann das KI-System beispielsweise Ausgabedaten eines der in 6 beschriebenen Typen in Bezug auf einen einzelnen Patienten erzeugen, wobei der einzelne Patient durch eine Kohorte ersetzt wird.
In einigen Beispielen kann das KI-System auch einen speziellen CRC für einen einzelnen Patienten (z. B. Patient 14) anwenden. So kann das KI-System Ausgabedaten erzeugen, die es einem Benutzer ermöglichen können, die Daten des Einzelnen mit den Daten zu vergleichen, die von den allgemeinen CRC 700 und den kohortenbasierten CRC 702 erzeugt wurden, so dass ein Benutzer die Daten des Einzelnen sowohl mit der allgemeinen Population als auch mit anderen Personen mit ähnlichen Diagnosen und Verfahrensverläufen vergleichen kann.
In einigen Beispielen kann das KI-System auf der Grundlage der von einer Vielzahl von kohortenbasierten CRC erzeugten Daten und der von einem personalisierten CRC für einen einzelnen Patienten erzeugten Daten bestimmen, welches der kohortenbasierten CRC Daten erzeugt, die den von dem personalisierten CRC für den einzelnen Patienten erzeugten Daten am ähnlichsten sind. Das KI-System kann beispielsweise den mittleren quadratischen Fehler, die Summe der absoluten Differenzen oder andere Metriken zur Bestimmung der Ähnlichkeit zwischen Daten, die von einem kohortenbasierten CRC erzeugt wurden, und Daten, die vom personalisierten CRC für den einzelnen Patienten erzeugt wurden, berechnen. Auf diese Art und Weise kann das KI-System bestimmen, welcher der kohortenbasierten CRC (und damit welche der Patientenkohorten) dem einzelnen Patienten am ähnlichsten ist. Dies kann eine bessere Zuordnung zwischen dem einzelnen Patienten und einer Patientenkohorte ermöglichen als allgemeine demografische Informationen. Das KI-System kann zum Beispiel bestimmen, dass ein Patient Mitte 50 ist, aber ein Herzfrequenzprofil hat, das dem einer Person von Mitte 40 entspricht. In einigen Beispielen kann das KI-System eine Antwort erzeugen, wenn es bestimmt, dass der einzelne Patient besser einer bestimmten Patientenkohorte zugeordnet wird als einer Patientenkohorte, die dem einzelnen Patienten derzeit zugeordnet ist.
8 ist ein Flussdiagramm, das einen beispielhaften Betrieb veranschaulicht, bei dem ein Rechensystem einen allgemeinen CRC, einen kohortenbasierten CRC und einen speziellen CRC gemäß den Techniken dieser Offenbarung anwendet. Im Beispiel von 8 kann das KI-System einen kardialen EGM-Streifen für Patient 14 (d. h. einen bestimmten Patienten) erhalten (800). Zusätzlich kann das KI-System einen ersten CRC (z. B. einen allgemeinen CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe anwenden (802). Der erste CRC wird an EGM-Streifen aus einer ersten Population trainiert. Der erste CRC erzeugt die ersten Daten. Das KI-System kann den ersten CRC in der gleichen Art und Weise anwenden, wie dies für die Aktion (502) in 5 beschrieben ist.
Darüber hinaus kann das KI-System im Beispiel von 8 einen zweiten CRC (z. B. einen kohortenbasierten CRC) mit dem Segment des kardialen EGM-Streifens als Eingabe anwenden (804). Der zweite CRC wird an EGM-Streifen aus einer zweiten Population, wie beispielsweise einer Patientenkohorte, trainiert. Der zweite CRC erzeugt zweite Daten. Zusätzlich kann das KI-System im Beispiel von 8 einen dritten CRC (z. B. einen speziellen CRC für Patient 14) mit dem Segment des kardialen EGM-Streifens als Eingabe (806) anwenden. Der dritte CRC wird auf EGM-Streifen von Patient 14 trainiert. Der dritte CRC erzeugt die dritten Daten. In einigen Beispielen ist der dritte CRC eine Version des ersten CRC, der auf der Basis der Trainings-EGM-Streifen aus der ersten Population trainiert wird und ferner nur auf der Basis der Trainings-EGM-Streifen von Patient 14 trainiert wird.
Das KI-System kann Ausgabedaten erzeugen, die auf mindestens dem ersten, zweiten und dritten Daten basieren (808). Das KI-System kann zum Beispiel Ausgabedaten erzeugen, die Diagramme, Grafiken und andere Datentypen einschließen, die die an anderer Stelle in dieser Offenbarung beschriebenen Vergleiche und anderes ermöglichen.
9 ist ein Flussdiagramm, das einen beispielhaften Betrieb zum Training eines speziellen CRC gemäß den Techniken dieser Offenbarung veranschaulicht. Im Beispiel von 9 kann das KI-System einen allgemeinen CRC trainieren, der auf Segmenten von EGM-Streifen für Patienten in einer ersten Population (900) basiert. Das KI-System kann den allgemeinen CRC gemäß einem der an anderer Stelle in dieser Offenbarung bereitgestellten Beispiele trainieren. Außerdem kann das KI-System einen speziellen CRC erzeugen. So kann das KI-System beispielsweise den speziellen CRC erzeugen, indem es eine Instanz des ersten CRC auf der Grundlage von (z. B. nur) kardialen EGM-Streifen aus der zweiten Population trainiert. Das KI-System kann Aktionen (902)-(910) durchführen, um den speziellen CRC zu erzeugen.
Darüber hinaus kann das KI-System im Beispiel von 9 den allgemeinen CRC auf ein betreffendes Segment eines kardialen EGM-Streifens aus einer zweiten Population anwenden, um einen ersten Ausgabevektor für das betreffende Segment des kardialen EGM-Streifens zu erzeugen (902). Die zweite Population kann kleiner sein als die erste Population. Die zweite Population kann beispielsweise auf einen einzelnen Patienten oder eine Patientenkohorte beschränkt sein. Ein Ausgabevektor ist ein Vektor von Elementen, wie beispielsweise numerischen oder booleschen Werten, die von einem CRC erzeugt werden. Zusätzlich kann das KI-System im Beispiel von 9 einen speziellen CRC auf das betreffende Segment des kardialen EGM-Streifens anwenden, um einen zweiten Ausgabevektor für das betreffende Segment des kardialen EGM-Streifens zu erzeugen (904).
Als nächstes kann das KI-System bestimmen, ob der zweite Ausgabevektor für das betreffende Segment des kardialen EGM-Streifens genauer ist als der erste Ausgabevektor für das betreffende Segment des kardialen EGM-Streifens (906). Das KI-System kann diese Bestimmung auf eine oder mehrere Arten vornehmen. In einem Beispiel schließen der erste Ausgabevektor und der zweite Ausgabevektor Wahrscheinlichkeitswerte ein, die angeben, mit welcher Wahrscheinlichkeit das betreffende Segment des kardialen EGM-Streifens das Auftreten von Herzrhythmusstörungen einschließt. In diesem Beispiel kann das KI-System die von dem allgemeinen CRC und dem speziellen CRC erzeugten Wahrscheinlichkeitswerte vergleichen. In diesem Beispiel ist es vorteilhaft, eine höhere Wahrscheinlichkeit für das Vorhandensein einer Herzrhythmusstörung per menschlicher Überprüfung und einen niedrigeren Wahrscheinlichkeitswert für das Fehlen einer Herzrhythmusstörung per menschlicher Überprüfung zu haben. Das KI-System kann die Ausgabevektoren auch mit einem annotierten Datensatz vergleichen, um die Gesamtgenauigkeit zu ermitteln (z. B. auf der Grundlage von Sensitivität und Spezifität).
Als Antwort auf die Bestimmung, dass der zweite Ausgabevektor genauer ist als der erste Ausgabevektor (Zweig „JA“ von 906), kann das KI-System die Parameter des speziellen CRC aktualisieren (908). Das KI-System kann zum Beispiel eine Fehlerfunktion anwenden, die einen Fehler zwischen einem erwarteten Ausgabevektor des speziellen CRC und einem tatsächlichen Ausgabevektor des speziellen CRC berechnet. In diesem Beispiel kann das KI-System diese Fehlerfunktion in einem Rückverfolgungsalgorithmus verwenden, um die Parameter des speziellen CRC zu aktualisieren.
Nach der Aktualisierung der Parameter des speziellen CRC oder als Antwort auf die Bestimmung, dass der zweite Ausgabevektor nicht genauer ist als der erste Ausgabevektor (Zweig „NEIN“ von 906), kann das KI-System bestimmen, ob es noch verbleibende Segmente des kardialen EGM-Streifens oder verbleibende EGM-Streifen für die zweite Population gibt (910). Wenn es ein oder mehrere verbleibende Segmente des kardialen EGM-Streifens oder verbleibende EGM-Streifen für die zweite Population gibt (Zweig „JA“ von 910), kann das KI-System die Aktionen 902-910 mit einem anderen Segment oder EGM-Streifen für die zweite Population als dem betreffenden Segment und/oder kardialen EGM-Streifen wiederholen. Andernfalls (Zweig „NEIN“ von 910) kann der Betrieb von 9 beendet werden.
Das Training des speziellen CRC kann dazu beitragen, dass die Genauigkeit der Ausgabevektoren, die durch den speziellen CRC erzeugt werden, nicht schlechter ist als die Genauigkeit der Ausgabevektoren, die durch den allgemeinen CRC erzeugt werden. Außerdem kann das Training der speziellen CRC auf diese Art und Weise effizienter sein und weniger Rechenressourcen verbrauchen als das Training der speziellen CRC auf allen Segmenten der EGM-Streifen.
In einigen Beispielen ist das KI-System so konfiguriert, dass es einen Prozess zum Trainieren des speziellen CRC als Antwort auf eine Angabe einer entsprechende Benutzereingabe durchführt. So kann das KI-System beispielsweise eine Benutzereingabe erhalten, die angibt, dass das KI-System den speziellen CRC auf der Grundlage eines bestimmten kardialen EGM-Streifens trainieren soll.
10 ist ein Flussdiagramm, das einen beispielhaften Betrieb zur Erzeugung von personalisierten Ausgabedaten gemäß den Techniken dieser Offenbarung veranschaulicht. Im Beispiel von 10 kann das KI-System einen kardialen EGM-Streifen für einen bestimmten Patienten (1000) erhalten. Zusätzlich kann das KI-System einen personalisierten CRC mit einem Segment des kardialen EGM-Streifens als Eingabe (1002) anwenden. Im Beispiel von 10 wird der spezielle CRC an Trainings-EGM-Streifen des betreffenden Patienten trainiert. Der spezielle CRC erzeugt auf der Basis des Segments des kardialen EGM-Streifens erste Daten zu einem Aspekt des Herzrhythmus des betreffenden Patienten. Der Aspekt des Herzrhythmus kann eine Herzrhythmusstörung, ein morphologischer Aspekt eines Herzrhythmus, ein R-R-Intervall des betreffenden Patienten oder ein anderer Aspekt des Herzrhythmus des betreffenden Patienten sein.
Darüber hinaus erzeugt das KI-System im Beispiel von 10 Ausgabedaten auf der Grundlage der ersten Daten und historischer Daten, die von dem speziellen CRC auf der Grundlage früherer kardialer EGM-Streifen des betreffenden Patienten erzeugt wurden (1004). Im Beispiel von 10 ist der spezielle CRC also nicht notwendigerweise trainiert oder basiert anderweitig auf Trainingsdaten aus einer größeren Population. Vielmehr kann der spezielle CRC nur auf der Grundlage von Trainingsdaten für den betreffenden Patienten trainiert werden. In einigen Beispielen geben die Ausgabedaten einen Trend des Herzrhythmusaspekts des betreffenden Patienten an. In einigen Beispielen stammt der kardiale EGM-Streifen von nach einem Ereignis und jeder der früheren kardialen EGM-Streifen von vor dem Ereignis. In diesem Beispiel umfassen die Ausgabedaten einen Vergleich des Aspekts des Herzrhythmus des betreffenden Patienten vor und nach dem Ereignis. Beispiele für Ereignisse können die Implantation einer medizinischen Vorrichtung, ein chirurgischer Eingriff, eine Änderung der Medikamenteneinnahme durch den betreffenden Patienten, das Auftreten einer neuen Herzrhythmusstörung und so weiter einschließen.
11 ist ein konzeptionelles Diagramm, das ein Beispiel veranschaulicht, bei dem ein Rechensystem gemäß den Techniken dieser Offenbarung personalisierte Ausgabedaten erzeugt. 11 entspricht dem beispielhaften Betrieb von 10. Im Beispiel von 11 wird für jeden Patienten ein Arrhythmiemuster-Wörterbuch konstruiert, das ausschließlich auf den Daten des einzelnen Patienten basiert. Alle Daten eines einzelnen Patienten werden verwendet, um ein neuronales Netzwerk zu trainieren, das die Herzrhythmusstörungen und normalen Rhythmen, die in der Vorgeschichte des Patienten auftreten, bewertet. Im Gegensatz zu einem Standardklassifikator ist diese Art von personalisiertem CRC möglicherweise nicht die beste, um ungünstige Bedingungen zu kennzeichnen. Ungünstige Bedingungen können besser durch einen allgemeineren CRC identifiziert werden. Der personalisierte CRC kann jedoch wertvoll sein, wenn es darum geht, langfristige Daten für einen einzelnen Patienten in einem Trend zu erfassen.
Die Ausgaben des personalisierten CRC können für einen oder mehrere verschiedene Zwecke verwendet werden. Die Ergebnisse des personalisierten CRC können zum Beispiel dazu verwendet werden, Veränderungen gegenüber der Ausgangssituation des Patienten zu bewerten und in einem Trend zu erfassen. In diesem Beispiel kann das KI-System beispielsweise Ausgabedaten erzeugen, die Trends in Bezug auf einen oder mehrere Aspekte eines Herzrhythmus des Patienten 14 ab einem Zeitpunkt nach der Implantation einer Überwachungsvorrichtung in den Patienten 14 (z. B. medizinische Vorrichtung 16) angeben. In diesem Beispiel können der eine oder die mehreren Aspekte des Herzrhythmus die R-R-Intervalle über einen bestimmten Zeitraum (z. B. 1 Woche), die Häufigkeit des Auftretens einer bestimmten Herzrhythmusstörung usw. einschließen.
In einem anderen Beispiel können die Ergebnisse des personalisierten CRC verwendet werden, um Veränderungen in einem oder mehreren morphologischen Aspekten der erfassten Herzrhythmusstörungen im Vergleich zu den morphologischen Aspekten der zuvor erkannten Herzrhythmusstörungen zu erkennen und zu bewerten. Die Ergebnisse des personalisierten CRC können beispielsweise zum Erkennen und zur Verfolgung von Veränderungen der durchschnittlichen Linienlänge von vorzeitigen ventrikulären Kontraktionen (PVCs) verwendet werden. In einem anderen Beispiel kann die Ausgabe des personalisierten CRC Änderungen in den Patientendaten in Abhängigkeit von Änderungen der Medikamente oder neu durchgeführten Verfahren veranschaulichen.
Ein personalisierter CRC, der auf den Daten eines einzelnen Probanden trainiert wurde, könnte auch so konzipiert sein, dass er im Vergleich zu größeren Populationsmodellen einen geringeren Rechenaufwand (Hardware und Software) erfordert und daher auf kleineren Hardwareplattformen wie mobilen Vorrichtungen und implantierter Hardware laufen könnte. Wenn zum Beispiel die zugrunde liegende Modellarchitektur für den allgemeinen und den personalisierten CRC gleich ist (z. B. ein neuronales Netzwerk mit 50 Schichten), können die Modellgewichte für die ersten Schichten für beide Modelle ähnlich sein. Allerdings können die Modellgewichte der letzten Schichten allein für den personalisierten CRC für diese Patientenkohorte trainiert werden. Was die Implementierung betrifft, so können, wenn sowohl der allgemeine CRC als auch der personalisierte CRC gemeinsame Berechnungen aufweisen, die den anfänglichen Schichten des neuronalen Netzwerks entsprechen, diese Werte aus dem allgemeinen CRC können in den personalisierten CRC übernommen werden (anstatt ihre Berechnung zu wiederholen), und der personalisierte CRC kann einen kleineren Satz von Berechnungen aufweisen, die nur den letzten paar Schichten des neuronalen Netzwerks entsprechen.
In einigen Beispielen schließen die Techniken der Offenbarung ein System ein, das Mittel zur Durchführung aller hierin beschriebenen Verfahren umfasst. In einigen Beispielen schließen die Techniken der Offenbarung ein computerlesbares Medium ein, das Anweisungen umfasst, die die Verarbeitungsschaltung veranlassen, jedes hierin beschriebene Verfahren durchzuführen.
Es folgt eine nicht einschränkende Liste von Beispielen, die gemäß einer oder mehrerer Techniken dieser Offenbarung sind.
Beispiel 1A. Ein Verfahren, das Folgendes umfasst: Erhalten eines kardialen Elektrogrammstreifens (EGM) für einen bestimmten Patienten durch ein Computersystem; Anwenden eines ersten neuronalen Netzwerks zur Herzrhythmusklassifizierung (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe durch das Computersystem, wobei: der erste CRC an Trainings-EGM-Streifen aus einer ersten Population trainiert wird, die eine Vielzahl von Patienten einschließt, der erste CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten in Bezug auf einen Aspekt eines Herzrhythmus des betreffenden Patienten erzeugt; Anwenden eines zweiten CRC mit dem Segment des kardialen EGM-Streifens als Eingabe durch das Computersystem, wobei: der zweite CRC eine Version des ersten CRC ist, die auf Trainings-EGM-Streifen aus einer zweiten Population trainiert wird, die kleiner ist als die erste Population, wobei der zweite CRC auf der Basis des Segments des kardialen EGM-Streifens zweite Daten bezüglich des Aspekts des Herzrhythmus des betreffenden Patienten erzeugt; und Erzeugen von Ausgabedaten durch das Rechensystem auf der Basis der ersten Daten und der zweiten Daten.
Beispiel 2A. Das Verfahren nach Anspruch 1A, wobei die zweite Population aus dem betreffenden Patienten besteht.
Beispiel 3A. Das Verfahren nach Anspruch 1A, wobei die zweite Population eine Kohorte von Patienten ist, die eine oder mehrere Eigenschaften mit dem betreffenden Patienten teilen.
Beispiel 4A. Das Verfahren nach Anspruch 3A, wobei die eine oder mehreren Eigenschaften eine Diagnose der Patientenkohorte und des betreffenden Patienten einschließen.
Beispiel 5A. Das Verfahren nach Anspruch 3A, wobei: das Verfahren ferner das Anwenden eines dritten CRC durch das Rechensystem mit dem kardialen EGM-Streifen als Eingabe umfasst, wobei: der dritte CRC eine Version des ersten CRC ist, die auf der Basis der Trainings-EGM-Streifen des Herzens aus der ersten Population trainiert wird und ferner nur auf der Basis von Trainings-EGM-Streifen des betreffenden Patienten trainiert wird, und der dritte CRC auf der Basis des Segments des EGM-Streifens des Herzens dritte Daten erzeugt, die den Aspekt des Herzrhythmus des betreffenden Patienten betreffen, und das Erzeugen der Ausgabedaten das Erzeugen der Ausgabedaten auf der Basis der ersten Daten, der zweiten Daten und der dritten Daten umfasst.
Beispiel 6A. Das Verfahren nach Anspruch 1A, wobei: der Aspekt des Herzrhythmus des betreffenden Patienten ein Auftreten eines Auftretens einer Herzrhythmusstörung im Herzrhythmus des betreffenden Patienten ist, die ersten Daten auf einer ersten Wahrscheinlichkeit beruhen, dass das Segment des kardialen EGM-Streifens mindestens ein Auftreten der Herzrhythmusstörung darstellt, und die zweiten Daten auf einer zweiten Wahrscheinlichkeit beruhen, dass das Segment des kardialen EGM-Streifens mindestens ein Auftreten der Herzrhythmusstörung darstellt.
Beispiel 7A. Das Verfahren nach Anspruch 1A, wobei: der Aspekt des Herzrhythmus des betreffenden Patienten ein morphologischer Aspekt des Auftretens einer Herzrhythmusstörung ist, die im Herzrhythmus des betreffenden Patienten auftritt, die ersten Daten erste Daten bezüglich des morphologischen Aspekts eines Auftretens der Herzrhythmusstörung umfassen, die in dem Segment des kardialen EGM-Streifens dargestellt sind, die zweiten Daten zweite Daten bezüglich des morphologischen Aspekts des Auftretens der Herzarrhythmie umfassen, die in dem Segment des kardialen EGM-Streifens dargestellt sind, und die Ausgabedaten Daten umfassen, die die ersten Daten bezüglich des morphologischen Aspekts des Auftretens und die zweiten Daten bezüglich des morphologischen Aspekts des Auftretens vergleichen.
Beispiel 8A. Das Verfahren nach einem der Ansprüche 1A-7A, das ferner Folgendes umfasst: Erzeugen zweiter Ausgabedaten auf der Grundlage eines Vergleichs der zweiten Daten mit historischen Daten, die von dem zweiten CRC auf der Grundlage früherer kardialer EGM-Streifen des betreffenden Patienten erzeugt wurden.
Beispiel 9A. Das Verfahren nach einem der Ansprüche 1A-8A, wobei: der erste CRC einen Ausgabevektor erzeugt, und das Verfahren ferner das Erzeugen des zweiten CRC durch das Rechensystem umfasst, indem eine Instanz des ersten CRC nur auf der Grundlage von kardialen EGM-Streifen aus der zweiten Population trainiert wird, wobei das Erzeugen des zweiten CRC für jedes jeweilige Segment jedes jeweiligen kardialen EGM-Streifens aus der zweiten Population Folgendes umfasst: Anwenden, durch das Rechensystem, des ersten CRC auf das jeweilige Segment des jeweiligen kardialen EGM-Streifens, um einen ersten Ausgabevektor für den jeweiligen kardialen EGM-Streifen zu erzeugen; Anwenden, durch das Rechensystem, des zweiten CRC auf das jeweilige Segment des jeweiligen kardialen EGM-Streifens, um einen zweiten Ausgabevektor für den jeweiligen kardialen EGM-Streifen zu erzeugen; Bestimmen, durch das Rechensystem, ob der zweite Ausgabevektor für das jeweilige Segment des jeweiligen kardialen EGM-Streifens genauer ist als der erste Ausgabevektor für den jeweiligen kardialen EGM-Streifen; Aktualisieren von Parametern des zweiten CRC durch das Rechensystem, basierend darauf, ob der zweite Ausgabevektor für den kardialen EGM-Streifen genauer ist als der erste Ausgabevektor für den jeweiligen kardialen EGM-Streifen, wobei: das Rechensystem so konfiguriert ist, dass es die Parameter des zweiten CRC aktualisiert, wenn der zweite Ausgabevektor für den kardialen EGM-Streifen genauer ist als der erste Ausgabevektor für den jeweiligen kardialen EGM-Streifen, und das Rechensystem so konfiguriert ist, dass es die Parameter des zweiten CRC nicht aktualisiert, wenn der zweite Ausgabevektor für den kardialen EGM-Streifen nicht genauer ist als der erste Ausgabevektor für den jeweiligen kardialen EGM-Streifen.
Beispiel 1B. Ein Verfahren, das Folgendes umfasst: Erhalten eines kardialen EGM-Streifens für einen bestimmten Patienten durch ein Rechensystem; Anwenden eines speziellen Herzrhythmusklassifikators (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe durch das Computersystem, wobei: der spezielle CRC auf Trainings-EGM-Streifen des betreffenden Patienten trainiert wird, und der spezielle CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten bezüglich eines Aspekts eines Herzrhythmus des betreffenden Patienten erzeugt; Erzeugen von Ausgabedaten durch das Rechensystem auf der Grundlage der ersten Daten und historischer Daten, die durch den speziellen CRC auf der Grundlage früherer kardialer EGM-Streifen des betreffenden Patienten erzeugt wurden.
Beispiel 2B. Das Verfahren nach Anspruch 1B, wobei die Ausgabedaten einen Trend des Aspekts des Herzrhythmus des betreffenden Patienten angeben.
Beispiel 3B. Das Verfahren nach Anspruch 2B, wobei der Aspekt des Herzrhythmus ein R-R-Intervall des betreffenden Patienten ist.
Beispiel 4B. Das Verfahren nach Anspruch 2B, wobei der Aspekt des Herzrhythmus ein R-R-Intervall des betreffenden Patienten ist.
Beispiel 5B. Das Verfahren nach Anspruch 4B, wobei der Aspekt des Herzrhythmus ein morphologischer Aspekt der Herzrhythmusstörung des betreffenden Patienten ist.
Beispiel 6B. Das Verfahren nach Anspruch 2B, wobei: der kardiale EGM-Streifen von nach einem Ereignis stammt und jeder der früheren kardialen EGM-Streifen von vor dem Ereignis stammt, und die Ausgabedaten einen Vergleich des Aspekts des Herzrhythmus des betreffenden Patienten vor und nach dem Ereignis umfassen.
Beispiel 7B. Das Verfahren nach Anspruch 6B, wobei das Ereignis eines der folgenden ist: Implantation einer medizinischen Vorrichtung, ein chirurgischer Eingriff, eine Änderung der vom betreffenden Patienten eingenommenen Medikamente oder das Auftreten einer neuen Herzrhythmusstörung.
Beispiel 1C. Ein Rechensystem, das eine Verarbeitungsschaltung und ein Speichermedium umfasst, wobei die Rechenvorrichtung so konfiguriert ist, dass sie die Verfahren nach einem der Ansprüche 1A-7B ausführt.
Beispiel 2C. Ein computerlesbares Datenspeichermedium mit darauf gespeicherten Anweisungen, die, wenn sie ausgeführt werden, ein Rechensystem veranlassen, die Verfahren nach einem der Ansprüche 1A-7B durchzuführen.
Beispiel 3C. Ein Verfahren wie in der Spezifikation beschrieben.
Es ist zu verstehen, dass verschiedene Aspekte und Beispiele, die hierin offenbart werden, in anderen Kombinationen als den in der Beschreibung und den begleitenden Zeichnungen speziell dargestellten Kombinationen kombiniert werden können. Es versteht sich auch, dass je nach Beispiel bestimmte Aktionen oder Ereignisse eines der hierin beschriebenen Prozesse oder Verfahren in einer anderen Reihenfolge ausgeführt, hinzugefügt, zusammengeführt oder ganz weggelassen werden können (z. B. alle beschriebenen Aktionen oder Ereignisse sind möglicherweise nicht erforderlich, um die Techniken auszuführen). Auch wenn bestimmte Aspekte dieser Offenbarung aus Gründen der Klarheit als von einem einzigen Modul, einer einzigen Einheit oder einer einzigen Schaltung ausgeführt beschrieben werden, kann die Technik dieser Offenbarung auch von einer Kombination von Einheiten, Modulen oder Schaltungen ausgeführt werden, die zum Beispiel einer medizinischen Vorrichtung zugeordnet sind.
In einem oder mehreren Beispielen können die beschriebenen Techniken in Hardware, Software, Firmware oder einer Kombination davon implementiert werden. Bei einer Implementierung in Software können die Funktionen als eine oder mehrere Anweisungen oder Codes auf einem computerlesbaren Medium gespeichert und von einer hardwarebasierten Verarbeitungseinheit ausgeführt werden. Computerlesbare Medien können nicht-transitorische computerlesbare Medien einschließen, was einem greifbaren Medium wie einem Datenspeichermedium entspricht (z. B. RAM, ROM, EEPROM, Flash-Speicher oder jedes andere Medium, das zum Speichern von gewünschtem Programmcode in Form von Anweisungen oder Datenstrukturen verwendet werden kann und auf das ein Computer zugreifen kann).
Die Anweisungen können von einem oder mehreren Prozessoren ausgeführt werden, wie beispielsweise einem oder mehreren digitalen Signalprozessoren (DSP), Allzweck-Mikroprozessoren, anwendungsspezifischen integrierten Schaltkreisen (ASIC), feldprogrammierbaren Logik-Arrays (FPGA) oder anderen gleichwertigen integrierten oder diskreten Schaltungen. Dementsprechend kann sich der Begriff „Prozessor“ oder „Verarbeitungsschaltung“, wie hierin verwendet, auf jede der vorgenannten Strukturen oder jede andere physische Struktur beziehen, die für die Implementierung der beschriebenen Verfahren geeignet ist. Die Techniken könnten auch vollständig in einer oder mehreren Schaltungen oder Logikelementen implementiert werden.
Es wurden verschiedene Beispiele beschrieben. Diese und andere Beispiele fallen in den Umfang der folgenden Ansprüche.

Claims

Rechensystem, das Folgendes umfasst: ein Speichermedium, das so konfiguriert ist, dass es einen kardialen Elektrogrammstreifen (EGM) für einen betreffenden Patienten speichert; und eine Verarbeitungsschaltung, die für Folgendes konfiguriert ist: Anwenden eines ersten neuronalen Netzwerks aus Herzrhythmus-Klassifikatoren (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe, wobei: der erste CRC an Trainings-EGM-Streifen aus einer ersten Population trainiert wird, die eine Vielzahl von Patienten einschließt, der erste CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten über einen Aspekt des Herzrhythmus des betreffenden Patienten erzeugt; Anwenden eines zweiten CRC mit dem Segment des kardialen EGM-Streifens als Eingabe, wobei: der zweite CRC eine Version des ersten CRC ist, der an Trainings-EGM-Streifen aus einer zweiten Population trainiert wird, die kleiner ist als die erste Population, der zweite CRC, basierend auf dem Segment des kardialen EGM-Streifens, zweite Daten bezüglich des Aspekts des Herzrhythmus des betreffenden Patienten erzeugt; und Ausgabedaten auf der Grundlage der ersten und zweiten Daten erzeugt werden.
Rechensystem nach Anspruch 1, wobei die zweite Population aus dem betreffenden Patienten besteht.
Rechensystem nach Anspruch 1, wobei die zweite Population eine Kohorte von Patienten ist, die eine oder mehrere Eigenschaften mit dem betreffenden Patienten teilen.
Rechensystem nach Anspruch 3, wobei die eine oder mehreren Eigenschaften eine Diagnose der Patientenkohorte und des betreffenden Patienten einschließen.
Rechensystem nach Anspruch 3 oder 4, wobei: die Verarbeitungsschaltung ferner so konfiguriert ist, dass sie einen dritten CRC mit dem kardialen EGM-Streifen als Eingabe anwendet, wobei: der dritte CRC eine Version des ersten CRC ist, der auf der Basis der kardialen Trainings-EGM-Streifen aus der ersten Population trainiert und ferner nur auf der Basis der kardialen Trainings-EGM-Streifen des betreffenden Patienten trainiert wird, und der dritte CRC, basierend auf dem Segment des kardialen EGM-Streifens, dritte Daten bezüglich des Aspekts des Herzrhythmus des betreffenden Patienten erzeugt; und die Verarbeitungsschaltung so konfiguriert ist, dass die Verarbeitungsschaltung als Teil der Erzeugung der Ausgabedaten die Ausgabedaten auf der Grundlage der ersten Daten, der zweiten Daten und der dritten Daten erzeugt.
Rechensystem nach einem der Ansprüche 1-4, wobei: der Aspekt des Herzrhythmus des betreffenden Patienten ein Auftreten einer Herzrhythmusstörung im Herzrhythmus des betreffenden Patienten ist, die ersten Daten auf einer ersten Wahrscheinlichkeit beruhen, dass das Segment des kardialen EGM-Streifens mindestens ein Auftreten der Herzrhythmusstörung darstellt, und die zweiten Daten beispielsweise auf einer zweiten Wahrscheinlichkeit basieren, dass das Segment des kardialen EGM-Streifens mindestens ein Auftreten der Herzrhythmusstörung darstellt.
Rechensystem nach einem der Ansprüche 1-4, wobei: der Aspekt des Herzrhythmus des betreffenden Patienten ein morphologischer Aspekt des Auftretens einer Herzrhythmusstörung ist, die im Herzrhythmus des betreffenden Patienten auftritt, die ersten Daten erste Daten bezüglich des morphologischen Aspekts eines Auftretens der Herzrhythmusstörung umfassen, die in dem Segment des kardialen EGM-Streifens dargestellt ist, die zweiten Daten zweite Daten bezüglich des morphologischen Aspekts des Auftretens der Herzrhythmusstörung umfassen, die in dem Segment des kardialen EGM-Streifens dargestellt ist, und die Ausgabedaten Daten umfassen, die die ersten Daten bezüglich des morphologischen Aspekts des Auftretens und die zweiten Daten bezüglich des morphologischen Aspekts des Auftretens vergleichen.
Rechensystem nach einem der Ansprüche 1-4, wobei die Verarbeitungsschaltung ferner so konfiguriert ist, dass es: zweite Ausgangsdaten, basierend auf der Grundlage eines Vergleichs der zweiten Daten mit historischen Daten erzeugt, die vom zweiten CRC auf der Grundlage früherer kardialer EGM-Streifen des betreffenden Patienten erzeugt wurden.
Rechensystem nach einem der Ansprüche 1-4, wobei: der erste CRC einen Ausgabevektor erzeugt, und das Rechensystem ferner so konfiguriert ist, dass es den zweiten CRC erzeugt, indem es eine Instanz des ersten CRC nur auf der Grundlage von kardialen EGM-Streifen aus der zweiten Population trainiert, wobei die Verarbeitungsschaltung so konfiguriert ist, dass als Teil der Erzeugung des zweiten CRC die Verarbeitungsschaltung für jedes jeweilige Segment jedes jeweiligen kardialen EGM-Streifens aus der zweiten Population: den ersten CRC auf das jeweilige Segment des jeweiligen kardialen EGM-Streifens anwendet, um einen ersten Ausgabevektor für den jeweiligen kardialen EGM-Streifen zu erzeugen; den zweiten CRC auf das jeweilige Segment des jeweiligen kardialen EGM-Streifens anwendet, um einen zweiten Ausgabevektor für den jeweiligen kardialen EGM-Streifen zu erzeugen; den zweiten Ausgabevektor für das jeweilige Segment des jeweiligen kardialen EGM-Streifens bestimmt, der genauer ist als der erste Ausgabevektor für den jeweiligen kardialen EGM-Streifen; die Parameter des zweiten CRC aktualisiert, basierend darauf, ob der zweite Ausgabevektor für den kardialen EGM-Streifen genauer ist als der erste Ausgabevektor für den jeweiligen kardialen EGM-Streifen, wobei: die Verarbeitungsschaltung so konfiguriert ist, dass sie die Parameter des zweiten CRC aktualisiert, wenn der zweite Ausgabevektor für den kardialen EGM-Streifen genauer ist als der erste Ausgabevektor für den jeweiligen kardialen EGM-Streifen, und die Verarbeitungsschaltung so konfiguriert ist, dass sie die Parameter des zweiten CRC nicht aktualisiert, wenn der zweite Ausgabevektor für den kardialen EGM-Streifen nicht genauer ist als der erste Ausgabevektor für den jeweiligen kardialen EGM-Streifen.
Computerlesbares Datenspeichermedium mit darauf gespeicherten Anweisungen, die, wenn sie ausgeführt werden, ein Rechensystem zu Folgendem veranlassen: Erhalten eines kardialen Elektrogrammstreifens (EGM) für einen betreffenden Patienten; Anwenden eines ersten neuronalen Netzwerks aus Herzrhythmus-Klassifikatoren (CRC) mit einem Segment des kardialen EGM-Streifens als Eingabe, wobei: der erste CRC an Trainings-EGM-Streifen aus einer ersten Population trainiert wird, die eine Vielzahl von Patienten einschließt, der erste CRC auf der Grundlage des Segments des kardialen EGM-Streifens erste Daten über einen Aspekt des Herzrhythmus des betreffenden Patienten erzeugt; Anwenden eines zweiten CRC mit dem Segment des kardialen EGM-Streifens als Eingabe, wobei: der zweite CRC eine Version des ersten CRC ist, der an Trainings-EGM-Streifen aus einer zweiten Population trainiert wird, die kleiner ist als die erste Population, der zweite CRC, basierend auf dem Segment des kardialen EGM-Streifens, zweite Daten bezüglich des Aspekts des Herzrhythmus des betreffenden Patienten erzeugt; und Ausgabedaten auf der Grundlage der ersten und zweiten Daten erzeugt werden.