FI126095B - Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi - Google Patents

Description

Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi

Keksinnön kohteena on menetelmä sairauskohtausten ennustamiseksi tai havaitsemiseksi. Menetelmän suorittamiseksi henkilö kantaa mukanaan non-invasiivista monitorointilaitetta, jolla kerätään tietoja henkilön liikemotoriikas-ta ja/tai fysiologisista ominaisuuksista.

Patenttijulkaisusta US 2010/0145236 AI tunnetaan järjestelmä ja laite liikunnallisten häiriöiden jatkuvaa monitorointia varten. Laitteella voidaan monitoroida useista kohdista samanaikaisesti ja verrata monitorointituloksia tietyn sairauden motorisiin tyyppioireisiin.

Keksinnön tarkoituksena on saada aikaan menetelmä, joka mahdollistaa sairauskohtausten monipuolisen havainnoinnin helppokäyttöisellä mukana kuljetettavalle monitorointilaitteella. Tämä tarkoitus saavutetaan esillä olevan keksinnön mukaisella järjestelyllä sairauskohtausten ennustamiseksi tai havaitsemiseksi, joka käsittää mukana kannettavan non-invasiivisen monitorointilaitteen, jolla kerätään tietoja henkilön liikemotoriikasta ja/tai fysiologisista ominaisuuksista, välineet muodostaa kerättyjen monitorointitietojen pitkäaikaisen seurannan perusteella liikkeiden ja/tai fysiologisten ominaisuuksien piirteistä henkilökohtainen vertailumain ja välineet analysoida kerätyn datan muutoksia suhteessa henkilökohtaiseen vertailumaihin, ja tuottaa hälytys ainakin, kun ero henkilökohtaiseen vertailumaihin ylittää ennalta määrätyn rajan. Keksinnön mukaiselle järjestelylle on tunnusomaista, että se sisältää edelleen välineet päivittää vertailumaina jatkuvasti ja välineet verrata vertailumallin päivitettyä versiota historiaan, jolloin vertailumallin muutoksista verrattuna aiempiin vertailumalleihin voidaan havaita hitaasti tapahtuvat muutokset, ja se, että se on sovitettu tunnistamaan monitoroinnista saadusta datasta ainakin valveilla olon ja uniajan, ja muodostamaan molemmille erikseen vertailu mallit, eli valveilla olon henkilökohtaisen vertailumallin ja uniajan henkilökohtaisen vertailumal-lin.

Edelleen tämä tarkoitus saavutetaan esillä olevan keksinnön mukaisella ohjelmistotuotteella sairauskohtausten ennustamiseksi tai havaitsemiseksi, joka ohjelmistotuote käsittää välineet lukea kannettavan non-invasiivisen monitoroi nti laitteen tuottamaa tietoa henkilön liikemotoriikasta ja/tai fysiologisista ominaisuuksista, välineet muodostaa kerättyjen monitorointitietojen pitkäaikaisen seurannan perusteella liikkeiden ja/tai fysiologisten ominaisuuksien piirteistä henkilökohtainen vertailumain ja välineet analysoida kerätyn datan muutoksia suhteessa henkilökohtaiseen vertailumaihin, ja tuottaa hälytys ainakin, kun ero henkilökohtaiseen vertailumaihin ylittää ennalta määrätyn rajan. Keksinnön mukaiselle ohjelmistotuotteelle on tunnusomaista, että se sisältää edelleen välineet päivittää vertailumailla jatkuvasti ja verrata vertai-lumallin päivitettyä versiota historiaan, jolloin vertailumallin muutoksista verrattuna aiempiin vertailumalleihin voidaan havaita hitaasti tapahtuvat muutokset, ja että se on sovitettu tunnistamaan monitoroinnista saadusta datasta ainakin valveilla olon ja uniajan, ja muodostamaan molemmille erikseen ver-tailumallit, eli valveillaolon henkilökohtaisen vertailumallin ja uniajan henkilökohtaisen vertailumallin.

Keksinnön edullisia suoritusmuotoja on esitelty epäitsenäisissä patenttivaatimuksissa.

Oheisissa piirustuksissa

Kuvio 1 esittää kaaviollisesti tyypillistä signaalia, joka perustuu liikeantu-reilta saatavan raakadatan minuuttikeskiarvoihin. Signaalissa erottuu selvästi valvetilan ja unitilan liikeaktiivisuuksien ero. Mitä suurempi tämä ero on, sitä parempi on yö/päivärytmi. Kuvan vaaka-akselilla on tunnit yhden vuorokauden ajalta.

Kuvio 2 esittää vuokaaviona menetelmän olennaisimmat vaiheet.

Menetelmä toteutetaan edullisesti ranteessa pidettävällä monitorointilaitteel-la, joka käsittää antureita liikkeiden ja/tai fysiologisten ominaisuuksien havaitsemiseksi, muistin antureilta kerätyn raakadatan tallentamiseksi, ohjel-maohjatun prosessorin, ohjelman/algoritmit, joka/jotka ohjaavat prosessorin tuottamaan henkilökohtaisen vertailumallin kerätystä raakadatasta sen pitkäaikaisseurannan perusteella. Lisäksi sama monitorointilaite sisältää ohjelman/algoritmit, joka/jotka ohjaavat prosessorin havaitsemaan ja analysoimaan muutokset henkilökohtaisesta vertailumallista. Monitorointilaite on ohjelmoitu antamaan hälytys halutulle taholle kun muutos henkilökohtaisesta vertailumallista ylittää ennalta määrätyn rajan tai korreloi tietyn toisen vertailumallin kanssa, joka edustaa tietyn sairauden motorisia tai fysiologisia tyyp-pioireita. Kyseeseen tulevat esimerkiksi epilepsia ja diabeteksen liittyvä shokki. Tyypillistä monitoroitaville sairauskohtaustyypeille on se, että niihin liittyy muuttunut liiketila, joka on mittauksin havaittavissa. Kohtaukseen liittyvän liikkeen piirteet (esim. amplitudi ja/tai taajuus) eroavat ko. henkilön normaalin liikkumisen piirteistä.

Tunnusomaista keksinnön mukaiselle ratkaisulle on se, että ensin havaitaan henkilön normaalin liikkumisen piirteet, joista pitkäaikaisseurannan avulla muodostetaan henkilökohtainen vertailumain (baseline pattern). Sitten haetaan mitattavasta liikesignaalista piirteitä, jotka poikkeavat muodostetusta vertailumallista. Poikkeava piirre voi olla joko etukäteen mallinnettu tai kohtaukseen liittyvä piirre voidaan tunnistaa erikseen jokaiselle käyttäjälle. Menetelmä on siis adaptiivinen. Kun liikesignaalista laskettu piirre tai piirteet ylittävät ennalta määrätyn kynnysarvon, tunnistetaan poikkeavuus henkilökohtaisesta vertailumallista. Tämä indikoi sairauskohtausta tai sairauskohtauksen riskin kasvamista. Jos halutaan minimoida väärät hälytykset, viedään tunnistusraja lähelle mitattujen kohtausten keskimääräisiä rajoja. Jos halutaan varmistaa, että kaikki mahdolliset kohtaukset havaitaan, viedään tunnis-tusrajat lähelle normaaliliikkeen parametrejä.

Vertailumailla päivitetään tai voidaan päivittää jatkuvasti monitoroinnista saatavalla datalla, jota käytetään myös vertailumallista poikkeavien piirteiden havaitsemiseen siten, että havaittua poikkeamaa, joka ylittää hälytysrajan tai muun ennalta määrätyn rajan, ei käytetä päivitykseen.

Monitoroinnista saatavasta datasta tunnistetaan helposti valveillaolo ja uniai-ka. Näille molemmille muodostetaan erikseen vertailu ma Uit, eli valveillaolon vertailumain ja uniajan vertailumain. Nämä noudattavat tyypillisesti henkilökohtaista yö- ja päivärytmiä. Tällöin sairauskohtaukset voidaan havaita selektiivisesti myös pelkästään liikemotoriikasta kerättyjen tietojen avulla, mahdollisesti yhdistettynä ihon kosteusmittaukseen ja lämpötilan mittaukseen. Myös pulssia voidaan mitata kuuntelemalla tai sähköisesti. Lisäksi on mahdollista käyttää useita langattomia mukana kannettavia anturilaitteita, jotka edullisesti pakkaavat mittausdataa ja esikäsittelevät sen ennen lähetystä. Näin voidaan normaalisti lähettää vain muutostieto ja kuittauksia samana jatkuvasta tilasta. Näin voidaan saavuttaa siedettävän pitkä akkukesto ja yhden anturilaitteen vikaantuminen ei estä muuta toimintaa. Tiedot voidaan esimerkiksi ensin kerätä ranteessa olevaan anturilaitteeseen tai kaikki anturi laitteet voivat kommunikoida itsenäisesti tukiaseman kanssa. Mikäli tiedot kerätään ensin rannelaitteeseen, se voi käyttää muiden anturien tietoja hälytyksiin myös itsenäisesti, tai rannelaite voi samalla toimia myös esimerkiksi tavallisena pulssimittarina tai juoksu matka mittarina nilkkaan tai kenkään kiinnitetyn kiihtyvyysanturin avulla, ja samaan aikaan käyttää muiden anturien dataa keksinnön mukaisesti.

Edullisesti vertailumallin päivitettyä versiota verrataan historiaan, jolloin voidaan havaita muutoksia potilaan aktiviteetissa, motoriikassa tai muissa mitattavissa olevissa suureissa. Esimerkiksi voidaan havaita hitaasti tapahtuva motoriikan heikkeneminen tai esimerkiksi raajojen verenkiertohäiriöiden eteneminen pidemmän ajan kuluessa. Tällöin siis opetettua mallia verrataan vanhoihin mittauksiin ainakin viikkojen, mielellään kuukausien tai vuosien pää hän. Tällöin voidaan verrata hyvin helposti esimerkiksi unirytmin tai liikunnan määrän kehitystä myös esimerkiksi kuntoilu- tai urheiluvalmennuksen tukena.

Monitorointilaite on tyypillisesti ranteessa pidettävä laite, jolloin se on helppokäyttöinen eikä vaikeuta henkilön tavanomaista elämää. Monitorointilait-teen adaptaatio voidaan suorittaa erityisessä opetustilassa, jossa tunnistetaan sekä normaaliliiketilalle että kohtaukselle tyypillisiä piirteitä. Adaptiivi-suus voi olla jatkuvaa, jolloin tunnistuksen tarkkuutta saadaan parannettua. Monitorointilaite lähettää hälytyksen ja muita tietoja radiolinkillä tukiasemalle. Monitorointilaitteeseen on edullisesti integroitu myös manuaalihälytystoi-minto. Mittausanturi on esim. 3D kiihtyvyysanturi. Voidaan käyttää yhtä tai useampaa erityyppistä kiihtyvyysanturia (dynaamiset ja staattiset kiihtyvyysanturit), lisäksi voidaan käyttää 6D-anturia, jolloin tunnistetaan myös kaikki kiertoliikkeet. Näin voidaan suhteellisen luotettavasti tunnistaa esimerkiksi auton ajoillanne ohjauspyörää käytettäessä, ja myös ajajan vireystasoa voidaan mitata esimerkiksi pieniä korjausliikkeitä ja nopeusvaihteluita (eli ajoneuvon pitkittäissuuntaista kiihtyvyyttä) seuraamalla. Lisäksi voidaan mitata myös lämpötilaa ja ihon kosteutta. Menetelmässä voidaan käyttää kiinteää tukiasemaa tai mobiilia tukiasemaa. Hälytystiedon mukana voidaan lähettää henkilön tai tukiaseman paikkatietoa. Monitorointilaite voi lähettää tiedot myös suoraan mobiiliverkossa tai muissa kiinteissä verkoissa. Tukiasemana voidaan käyttää esimerkiksi mobiilia päätelaitetta, kuten matkapuhelinta tai tiedonsiirtoyhteydellä varustettua pientä mukana kannettavaa tietokonetta, esimerkiksi tablettilaitetta, johon on asennettu sopiva ohjelmaväline, ja jossa on tarvittavat tietoliikenneyhteydet, esimerkiksi 3G-internet ja Bluetooth-yhteys mittaus- ja hälytysdataa varten.

Edellä selostetut toimenpiteet aina hälytyspäätökseen asti voidaan siis tehdä mukana kannettavassa monitorointilaitteessa. Tällöin tukiaseman tehtäväksi jää välittää yleinen aktiivisuustaso ja hälytykset haluttuun kohteeseen.

Seuraavassa selostetaan keksinnön toteutusesimerkki epilepsiakohtauksen tunnistamiseksi huoneistossa olevan kiinteän tukiaseman yhteydessä: liikettä mitataan 3D kiihtyvyysanturilla ja monitorointilaite on kel-lonomainen laite, jota pidetään ranteessa monitorointilaite on kytketty 869 MHz radiolinkillä, joka on samanlainen kuin turvapuhelimissa, tukiasemaan. Voidaan käyttää myös muita tiedonsiirtotapoja, kuten Bluetooth, WLAN, jolloin voidaan käyttää tukiasemana älypuhelinta, johon on ladattu sopiva ohjelmisto. Mahdollisten lisäanturilaitteiden tiedonsiirtoon voidaan käyttää ANT+ tiedonsiirtoa, jolloin voidaan käyttää myös kolmansien osapuolten valmiita antureita, esimerkiksi pulssia mittaavaa rintapantaa.

Tukiaseman on vastaavalla 869 MHz radiolinkillä yhteydessä mobiilipu- helimeen, johon sisältyy paikannusominaisuus. tukiasema lähettää tiedot palvelimelle, jonne kerätään tarvittavat tiedot henkilöstä.

Poikkeavan tilan tunnistus tapahtuu siten, että ensin monitorointilaite kerää henkilön liiketilasta tietoa esim. noin 2 viikon jaksolta erikseen yö-ja päiväajalta. Kerätyn tiedon perusteella lasketaan normaali liikkeen piirteet: taajuussisältö ja eri taajuuksien amplitudit. Näistä tiedoista muodostetaan normeerattu vektori, joka kuvaa henkilön normaalia liikettä. Tallennetaan normaaliliikkeestä esim. 10 kpl erilaisia tyypillisiä vektoreita, jotka muodostavat henkilökohtaisen vertailumallin. Kerätään tiedot myös kohtausten ajalta ja lasketaan näistä piirrevektori, joka kuvaa kohtaukseen liittyvää liiketilaa kohtauksen tunnistustilassa lasketaan etäisyyttä vertailumallin vektorien ja kohtausvektorin välille.

Kun ennalta määrätty kynnysarvo ylitetään, annetaan hälytys.

Tukiasema voi olla myös mukana kuljetettava mobiililaite. Tällöin tukiasema voi olla esimerkiksi älypuhelin tai mobiili-internetillä tai muulla tiedonsiirtoyhteydellä varustettu tablettitietokone tai vastaava, jolloin anturi voi toimia suo raan bluetooth-linkin kautta tukiasemalle, ja tukiasema voi hälyttää mobiilin internetin tai puhelinverkon avulla. Tukiasema voi olla myös esimerkiksi erillinen laite, jossa on esimerkiksi 869 MHz radiolinkki anturilaitetta ja mahdollista sisäpuhelinta varten, ja joka käyttää hälytyksen edelleen lähettämiseksi langallista tai langatonta yhteyttä matkapuhelimeen tai mobiiliin internettiin.

Muutoksen tunnistus ja päätös hälytyksen lähettämisestä tehdään erikseen eri vaiheissa. Kriteerejä hälytyksen muodostamiselle ovat esim. muutoksen suuruus ja miten kauan poikkeava tila esiintyy. Nämä kriteerit voivat olla henkilökohtaisia.

Kriteerejä voidaan muuttaa aktiivisuustiedon perusteella siten, että hälytysra-jaa voidaan laskea aktiivisuustiedon perusteella esimerkiksi opettamalla jälkikäteen järjestelmä reagoimaan eri aktiivisuussignaalityyppeihin eri tavoin. Esimerkiksi voidaan opettaa järjestelmä tunnistamaan autolla tai muulla kulkuneuvolla ajo, saunominen, käyttäjän liikuntaharrastukset ja vastaavat tilanteet, joissa on syytä muuttaa hälytyskriteerejä turvallisuuden takia tai virhe-hälytysten välttämiseksi. Tällöin käyttäjän mittausdatan historiatietoa verrataan hänen kertomaan päiväohjelmaan jälkikäteen, ja siitä tunnistetaan esimerkiksi autolla ajo, jonka aikana mahdollinen sairaskohtaus on vaarallisempi kuin muulloin ja kohtausriskistä voidaan siksi varoittaa herkemmin. Samoin esimerkiksi havaitusta nukahtamisriskistä tai tarkkaavaisuuden laskusta voidaan hälyttää, mikäli henkilön ranteen liike- ja värähtelypatternit viittaavat ohjauspyörän käyttöön ja auton moottorin värähtelyihin samaan aikaan. Tällöin henkilön ei tarvitse ilmoittaa järjestelmälle ajoneuvon käytöstä, vaan ajoneuvon ohjauslaitteiden käyttö voidaan tunnistaa pelkästään ranteen kiih-tyvyysmittauksista. Tarkkaavaisuutta voidaan seurata esimerkiksi 6D-mittaamalla ohjauspyörän käytön hienomotoriikkaa ja nopeuden ja suunnan vaihteluita ajon aikana, jolloin terävät harvoin tapahtuvat ohjausreaktiot kertovat tarkkaavaisuuden laskusta (tai esimerkiksi humalatilasta), samoin ohjauksen herpaantuminen ja samaan aikaan tapahtuva nopeuden tasainen muutos viittaa yleensä jo tapahtuneeseen nukahtamiseen.

Yleensä aktiviteettien liikepiirteiden opettamisella voidaan parantaa järjestelmän selektiivisettä ja luotettavuutta, lisäksi hoitohenkilökunnalle aktiviteettien tunnistamisesta on apua dataa tulkittaessa ja käytettäessä sitä potilaan seurantaan.

Liikepiirteitä tunnistettaessa voidaan luoda eri aikaväleille piirrevektoreita siten, että lyhintä tutkittavaa verrattavaa ajanjaksoa edustaa mitattavan suureen taajuudesta johtuva jakson pituus ja sairautta indikoivan ilmiön havaitsemiseen tarvittava vektorin pituus käsiteltäessä sen hetkistä aktiviteettitilaa vastaavaa mittausdataa. Tällöin näytetaajuuden on oltava ainakin kaksi kertaa mitattavan suureen taajuinen, ja aikatason näytevektorin pituus riittävä luotettavan piirteen tunnistuksen tekemiseksi. Näitä lyhyen ajan mittausvek-toreista voidaan irrottaa piirteitä, esimerkiksi aktiviteetin keskimääräinen intensiteetti ja merkittävin taajuus, ja näistä ensimmäisistä lyhyen ajanjakson vektoreista irrotetuista piirteistä voidaan edelleen koota pidempiä ajanjaksoja kuvaavia vektoreita, joiden avulla voidaan seurata vuorokausirytmiä ja aktiivisuutta tuntien tai muutaman päivän aikana. Edelleen pidemmän ajanjakson vektoreista voidaan irrottaa piirteitä, esimerkiksi unen ja valveen aikamäärät, unen syvyyttä ja yhtenäisyyttä kuvaavia tilastoarvoja. Näitä kolmansia vektoreita käytetään edelleen elämäntapojen ja uniryhmin ja aktiivisuuden seurantaan pidemmällä aikavälillä. Itse mittalaitteen keräämä data voidaan tallentaa myös kokonaisuudessaan, jolloin kaikki yllämainitut vektorit voidaan luoda myös alusta alkaen jälkikäteen. Mittalaite voi toisaalta lähettää vain esikäsi-teltyjä ensimmäisistä vektoreista laskeutuja irrotettuja piirteitä, tai voidaan käyttää jotain sopivaa häviöllistä tai häviötöntä datanpakkausmenetelmää siirrettävän ja tallennettavan datamäärän vähentämiseen.

Claims (10)

1. Järjestely sairauskohtausten ennustamiseksi tai havaitsemiseksi, joka käsittää mukana kannettavan non-invasiivisen monitorointilaitteen, jolla kerätään tietoja henkilön liikemotoriikasta ja/tai fysiologisista ominaisuuksista, välineet muodostaa kerättyjen monitorointitietojen pitkäaikaisen seurannan perusteella liikkeiden ja/tai fysiologisten ominaisuuksien piirteistä henkilökohtainen vertailumain, välineet analysoida kerätyn datan muutoksia suhteessa henkilökohtaiseen vertailumaihin, ja tuottaa hälytys ainakin, kun ero henkilökohtaiseen vertailumaihin ylittää ennalta määrätyn rajan, tunnettu siitä, että järjestely sisältää edelleen välineet päivittää vertailumailla jatkuvasti ja välineet verrata vertailumallin päivitettyä versiota historiaan, jolloin vertailumaan muutoksista verrattuna aiempiin vertailumalleihin voidaan havaita hitaasti tapahtuvat muutokset, ja siitä, että järjestely on sovitettu tunnistamaan monitoroinnista saadusta datasta ainakin valveilla olon ja uniajan, ja muodostamaan molemmille erikseen vertailu ma Uit, eli valveillaolon henkilökohtaisen vertailumallin ja uniajan henkilökohtaisen vertailumallin.

2. Patenttivaatimuksen 1 mukainen järjestely, joka käsittää välineet vertailu-mallin päivittämiseksi jatkuvasti monitoroinnista saatavalla datalla, jota käytetään myös vertailumallista poikkeavien piirteiden havaitsemiseen siten, että havaittua poikkeamaa, joka ylittää hälytysrajan tai muun ennalta määrätyn rajan, ei käytetä päivitykseen.

3. Jonkin patenttivaatimuksen 1-2 mukainen järjestely, joka on sovitettu vertaamaan monitoroinnista saatavaa dataa yhtä aikaa henkilökohtaiseen vertailumaihin ja ainakin yhteen ennalta määrättyyn toiseen malliin, joka edustaa tietyn sairauskohtauksen motorisia tyyppioireita tai fysiologisten ominaisuuksien muutoksia.

4. Jonkin patenttivaatimuksen 1-3 mukainen järjestely, joka käsittää ranteessa kannettavan monitorointilaitteen.

5. Jonkin patenttivaatimuksen 1-4 mukainen järjestely, joka on sovitettu seuraamaan monitorointilaitteen liikkeitä 3D tai 6D kiihtyvyysanturilla tai -antureilla.

6. Jonkin patenttivaatimuksen 1-5 mukainen järjestely, joka on sovitettu laskemaan vertailumain normaaliliikkeiden taajuussisällön ja/tai taajuuksien amplitudien perusteella.

7. Patenttivaatimuksen 6 mukainen järjestely, joka on sovitettu muodostamaan taajuus- ja amplituditiedoista vektorin, joka kuvaa henkilön normaalia liikettä, ja tallentamaan normaaliliikkeestä useita erilaisia tyypillisiä vektoreita, ja/tai keräämään tiedot myös kohtausten ajalta ja laskemaan näistä piir-revektori, joka kuvaa kohtauksiin liittyvää liiketilaa ja sovitettu tunnistamaan kohtaus laskemalla etäisyyttä normaalivektorien ja kohtausvektorin välillä.

8. Patenttivaatimuksen 7 mukainen järjestely, jonka tuottamat vektorit käsittää aikasarjan mittausdataa tai niistä edelleen laskettuja tunnuspiirteitä esimerkiksi taajuustason esityksenä, korrelaatioarvoja tai tunnettujen hahmontunnistus- ja signaalinkäsittelymenetelmien, kuten itseorganisoituva piirre-kartta (SOM), avulla luotuja luokitteluarvoja.

9. Patenttivaatimuksen 1 mukainen järjestely, joka on sovitettu havainnoimaan ja analysoimaan suhteessa henkilökohtaiseen vertailumaihin käyttäen korrelaatiomenetelmää tai tunnettuja hahmontunnistus- ja signaalinkäsittelymenetelmiä kuten itseorganisoituvaa piirrekarttaa (SOM).

10. Ohjelmistotuote sairauskohtausten ennustamiseksi tai havaitsemiseksi, joka ohjelmistotuote käsittää: välineet lukea kannettavan non-invasiivisen monitorointilaitteen tuottamaa tietoa henkilön liikemotoriikasta ja/tai fysiologisista ominaisuuksista, välineet muodostaa kerättyjen monitorointitietojen pitkäaikaisen seurannan perusteella liikkeiden ja/tai fysiologisten ominaisuuksien piirteistä henkilökohtainen vertailumain, välineet analysoida kerätyn datan muutoksia suhteessa henkilökohtaiseen vertailumaihin, ja tuottaa hälytys ainakin, kun ero henkilökohtaiseen vertailumaihin ylittää ennalta määrätyn rajan, tunnettu siitä, että ohjelmistotuote sisältää edelleen välineet päivittää vertailumailla jatkuvasti ja verrata vertailumallin päivitettyä versiota historiaan, jolloin ver-tailumallin muutoksista verrattuna aiempiin vertailumalleihin voidaan havaita hitaasti tapahtuvat muutokset ja siitä, että ohjelmistotuote on sovitettu tunnistamaan monitoroinnista saadusta datasta ainakin valveilla olon ja uniajan, ja muodostamaan molemmille erikseen vertailu ma II it, eli valveillaolon henkilökohtaisen vertailumallin ja uniajan henkilökohtaisen vertailumallin. Patentkrav