FI20197064A1 - Välikorvatulehduksen multimodaalinen mittaus ja seuranta tekoälyn avulla - Google Patents

Välikorvatulehduksen multimodaalinen mittaus ja seuranta tekoälyn avulla Download PDF

Info

Publication number
FI20197064A1
FI20197064A1 FI20197064A FI20197064A FI20197064A1 FI 20197064 A1 FI20197064 A1 FI 20197064A1 FI 20197064 A FI20197064 A FI 20197064A FI 20197064 A FI20197064 A FI 20197064A FI 20197064 A1 FI20197064 A1 FI 20197064A1
Authority
FI
Finland
Prior art keywords
measurement
artificial intelligence
data
patient
ear
Prior art date
Application number
FI20197064A
Other languages
English (en)
Swedish (sv)
Inventor
Manne Hannula
Esko Alasaarela
Pentti Kuronen
Tuomas Holma
Original Assignee
Otometri Oy
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Otometri Oy filed Critical Otometri Oy
Priority to FI20197064A priority Critical patent/FI20197064A1/fi
Priority to PCT/FI2020/000007 priority patent/WO2020208291A1/en
Publication of FI20197064A1 publication Critical patent/FI20197064A1/fi

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A61B1/000096—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope using artificial intelligence
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00011—Operational features of endoscopes characterised by signal transmission
    • A61B1/00016—Operational features of endoscopes characterised by signal transmission using wireless means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/227—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor for ears, i.e. otoscopes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/12—Audiometering
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A61B5/6815—Ear
    • A61B5/6817—Ear canal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4416—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to combined acquisition of different diagnostic modalities, e.g. combination of ultrasound and X-ray acquisitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/58—Testing, adjusting or calibrating the diagnostic device
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/465—Displaying means of special interest adapted to display user selection data, e.g. icons or menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Evolutionary Computation (AREA)
  • Physiology (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Psychiatry (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Otolaryngology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Quality & Reliability (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)

Abstract

Keksintö esittää välikorvatulehduksen diagnosointiin ja seurantaan tarkoitetun menetelmän ja järjestelyn, jossa potilaan korvasta mitataan dataa akustisen reflektometrian periaatteella, optisella videokuvauksella ja muilla tunnetuilla mittausmenetelmillä. Data mitataan mobiililaitteeseen (30) liitetyllä mittapäällä (20) ja lähetetään pilvipalvelimeen käsiteltäväksi oppivalla tekoälyjärjestelmällä (10), joka käsittää tekoälyprosessorin (12), algoritmi-generaattorin (1 3), potilastietokannan (16) ja anonyymin referenssitietokannan (17). Oppiminen perustuu uusien mittaustulosten lisäämiseen referenssitietokantaan lääkärin diagnoosilla varustettuna ja käyttäjiltä jälkimittauksena kerättävään tietoaineistoon.

Description

Välikorvatulehduksen multimodaalinen mittaus- ja seuranta tekoälyn avulla
Keksinnön kohteena on välikorvatulehduksen indikoimisessa ja kliinisen tilan mit- taamisessa sekä paranemisprosessin seurannassa käytettävä menetelmä. Kek- sintö kohdistuu myös välikorvatulehduksen mittaus- ja seurantajärjestelyyn, järjes- — telyssä hyödynnettävään palvelimeen sekä mittauksessa ja seurannassa käytettä- vään laitteeseen ja tietokoneohjelmaan.
Äkillinen välikorvatulehdus (Otitis media acuta) on yleinen pienten lasten tauti.
Akuutti muoto voi myös kroonistua ja muodostaa välikorvaan ja korvalokerostoon pitkittyvää tulehdusprosessia (välikorvan ja korvalokeroston tulehdus) tai liima- = maista eritettä, jolloin puhutaan liimakorvasta. Välikorvatulehdusta sairastavat yleensä 1—3-vuotiaat. Yli 90 % niistä ilmenee alle 5-vuotiailla. Tärkeimmät altista- vat tekijät ovat hengitystieinfektiot. Limakalvojen turpoaminen ja kohonnut li- maneritys ahtauttavat korvatorvea (paineentasauskanava välikorvasta nieluun), mikä synnyttää nenänielussa oleville bakteereille ja viruksille otolliset olosuhteet — altistaen tulehdukselle välikorvassa. Korvatorvi voi mennä kokonaan lukkoon, jol- loin välikorvaonteloon syntyy painetta, mikä voi alentaa tärykalvon vapaata liikku- mista ja tuntua korvan ”lukkiutumiselta”. Sama tunne voi syntyä myös, jos korva- käytävään erittyy vahamaista vaikkua niin paljon, että se estää tärykalvon vapaan liikkumisen. Välikorvaan kehittyvä neste saattaa myös kertyä välikorvaan ja aiheut- — taa tärykalvon liikkeen vaikeutumista sekä lukkiutumisen tunnetta.
Välikorvatulehduksen toteaminen kotioloissa perustuu oireisiin, jotka ovat yleensä hengitystieinfektioon liittyvä yskä, kuumeilu ja korvakipu. Kuume nousee vain nel- jäsosalla potilaista, korvakipua esiintyy n. 75 %:lla. Osalla myös kuulo heikkenee — akuutin tilanteen aikana. Isot lapset voivat kertoa kipuoireistaan mutta pienillä lap- = silla se on pääteltävä itkusta, levottomuudesta ja korvien koskettelusta. Välikorva- 5 tulehduksen toteaminen ei kotioloissa eikä edes lääkärin vastaanotolla ole help- = poa. Erityisen pulmallista kotioloissa on päättää tarvitaanko lääkärissäkäyntiä.
E 30 — Lääkärin vastaanotolla ns. kultainen standardi välikorvan tulehduksen tutkimisessa + on tärykalvon tilan tarkastaminen visuaalisesti suppilon kautta riittävällä valaistuk-
S sella sekä todentaa tärykalvon liikeherkkyys painetta tuottavan palkeen avulla hy- 2 vin valaistuna. Puhjennut tarykalvo ja sen ulkopuolelle vuotava erite ovat selva
N merkki välikorvatulehduksesta. Myös tärykalvon punoitus, sameus tai läpi kuultava — erite antavat kokeneelle lääkärille lisäviitteitä välikorvan tilanteen arvioimiseksi. Tä- rykalvon punoitus voi johtua muistakin syistä kuin välikorvantulehduksesta. Diag-
noosin tekeminen vaatii kokemusta ja lääkärin koulutusta Myös lääkärille monet korvakipupotilaat ovat jääneet rajatapauksiksi, jolloin herkkyys turhien antibiootti- kuurien määräämiseen on perinteisesti ollut liian korkea, kun potilaalla ei ole ollut kivun esiintymistä lukuun ottamatta juuri muita oireita eikä lääkärillä keinoja arvioi- da taudin etenemistä riittävin kontrollein. Välikorvatulehdus on vaatinut perintei- sesti jalkitarkastuksen muutaman viikon kuluttua sairauden alkamisesta. Tarkas- tuksen pois jättämisen on katsottu jättävän mahdollisuuden tulehduksen kroonis- tumiseen sekä esimerkiksi liimakorvan syntymiseen. — Välikorvatulehdukset aiheuttavat terveydenhuollolle suuria kustannuksia ja kuor- mittavat lääkäreiden vastaanottoja kohtuuttomasti etenkin hengitystieinfektioaalto- jen esiintyessä alueen päiväkodeissa ja kouluissa. On arvioitu, että suurin osa, jo- pa 70 %, nykyisistä antibioottikuureista voitaisiin jättää ottamatta, jos uskallettaisiin luottaa elimistön luonnolliseen paranemisprosessiin. Tämä edellyttäisi keinoa, jolla — välikorvatulehdukset pystyttäisiin tarkemmin diagnosoimaan ja niiden sairauspro- sessia seuraamaan myös kotioloissa. Yksin Suomessa tämä tarkoittaisi vuosita- solla kymmenien miljoonien euron säästöjä ja maailmanlaajuisena vastaava po- tentiaali on valtaisa. Säästöpotentiaali suurenee edelleen, kun otetaan huomioon lasten korvatulehduksista johtuvat työstä poissaolot ja lasten kuljettaminen lääkä- rin vastaanotolle.
Välikorvatulehduksen mittaamiseen ja seurantaan tarvitaan siten uusia menetel- miä ja välineitä, etenkin kotioloissa käytettäviksi sopivia.
On korostettava että erilaiset itsediagnostiikan ja -hoidon menetelmät tulevat ole- maan megatrendi tulevaisuudessa, ehkä nopeammin kuin uskotaankaan. >
N Välikorvatulehdusten mittaamiseen ja seurantaan käytetään erilaisia menetelmiä 3 joko yksinään tai yhdisteltynä. Näitä ovat visuaaliseen havaintoon perustuva oto-
O 30 — skooppi sekä siihen kytketty ilmapalje (ilmanpainetta käyttävä tympanometri), ää-
I nirauta, akustiseen reflektometriaan perustuvat laitteet ja ultraäänikaikuihin perus- - tuvat laitteet. Lisäksi tunnetaan infrapunasäteilyyn perustuvia korvakuumemittarei- 3 ta.
O
> 35 — Esimerkkeinä optiseen videokameraan perustuvista otoskoopeista mainittakoon patentit US 5,363,839 ja US 5,919,130 sekä hakemukset US 20110152621, US 20150351620 ja US 20150065803A1. Esimerkkeinä ilmanpainetta käyttävistä tympanometrikeksinnöistä mainittakoon US 4,688,582 ja US5792072. Taajuus-
pyyhkäisyä käyttävää tympanometriaa on kuvailtu artikkelissa Michelle R. Petrak,
PhD, CCC-A, Tympanometry Beyond 226 Hz - What's Different in Babies? (No- vember 18, 2002, audiologyonline.com)
Esimerkkeinä akustiseen reflektometriaan perustuvista keksinnöistä mainittakoon patentit US 4,601,295, US 5,699,809 ja US 5,594,174. Esimerkkeinä ultraääni- kaikuihin perustuvista keksinnöistä mainittakoon patentti US 7,632,232 ja hake- mus US 20170014053A1. Esimerkkinä korvakuumemittaripatenteista mainittakoon
US 6,435,711. Esimerkkeinä edellisiä menetelmiä yhdistelevistä keksinnöistä mai- — nittakoon US 8,858,430, hakemus US 20030171655A1 ja US 6,126,614.
Välikorvatulehduksen automaattista analyysiä otoskoopin kuvien perusteella on esitetty esimerkiksi patentissa US 9,445,713, jossa kuva tärykalvosta otetaan mo- biilipuhelimeen asennetulla lisälaitteella ja kuvan analysointi suoritetaan kuvantun- — nistustekniikalla mobiilipuhelimessa.
Tekoäly ja pilvipalvelut ovat uusia teknologioita, jotka ovat tulossa lääketieteelli- seen diagnostiikkaan ja hoidon seurantaan. Niitä sovelletaan myös tässä keksin- nössä innovatiivisella tavalla, koska tähänastiset järjestelyt eivät ole ratkaisseet — edellä esitettyä ongelmaa kotona tapahtuvassa välikorvatulehduksen mittaamises- sa ja seurannassa.
Keksinnön tavoitteena on esittää menetelmä ja järjestely, jossa yhdistetään inno- vatiivinen datan multimodaalinen mittaaminen ja kerääminen potilaiden välikorva- — tulehduksista sekä tekoälyä soveltava oppiva järjestelmä, jossa mittausdatasta voidaan arvioida välikorvatulehduksen tilaa käyttämällä referenssidatana paitsi po- > tilaan omaa mittaus/analysointi-historiaa myös muista samankaltaisista potilasta-
N pauksista tallennettua mittaus/analysointi-historiaa. =
O 30 — Keksinnön mukaiselle välikorvatulehduksen mittaus- ja seurantamenetelmälle on
I tunnusomaista, ettå menetelmässä mitataan korvakäytävän kautta taudin välikor- - vassa ja/tai tärykalvolla aiheuttamia muutoksia multimodaalisesti akustisilla (myös 3 ultraäänellä), optisilla, elektronisilla ja/tai kemiallisilla sensoreilla ja että mittaustu- o loksia käsitellään tietoverkossa toimivalla oppivalla tekoälyllä siten, että niitä verra- > 35 — taan samanlaisilta potilailta kerätyn vertailuaineiston arvoihin ja että vertailuaineis- toa kartutetaan tallentamalla siihen uusia mittaustuloksista lääkärin tai muun asi- antuntijatahon määrittelemän diagnoosin kera.
Keksinnön tavoitteet saavutetaan välikorvatulehduksen mittaus- ja seurantajärjes- telyllä, jossa on — välineet akustisten signaalien ja/tai ultraäänen lähettämiseen korvaan ja kaikujen vastaanottamiseen ja/tai — välineitä tärykalvon optiseen kuvaamiseen ja värianalyysiin, tärykalvon lämpöti- lan mittaamiseen, tärykalvon eritteiden kemialliseen määrittelyyn ja/tai tärykalvon liikkuvuuden mittaamiseen ilmanpainepulssin avulla tai akusto-optisesti strobo- skooppikuvauksella, — välineet mittaustulosten digitointiin, pakkaamiseen ja lähettämiseen tietoverk- — koon, — välineet mittaustulosten tallentamiseen ja prosessointiin tietoverkossa tekoälyllä, joka vertailee mittaustuloksia isosta potilasjoukosta kerättyyn vertailuaineistoon, ja etsii mittaustuloksista ja niiden muutoksista samankaltaisuuksia ja erilaisuuksia ja päättelee niiden perusteella taudin tilan, —— välineet edellä mainitun oppivan tekoälyn toiminnan parantamiseen tallentamalla vertailuaineistoon uusia mittaustuloksia varustettuna lääkärin tai muun asiantunti- jatahon määrittelemällä diagnoosilla, ja — välineet taudin tilaa tai etenemistä kuvaavien tulosten esittämiseen mobiililait- teella.
Keksinnön mukaiselle palvelimelle, jota hyödynnetään välikorvatulehduksen mit- taamisessa ja seurannassa, on tunnusomaista, että palvelin käsittää: — ohjelmakoodin akustiseen reflektometriaan perustuvien signaalien lähettämiseen käyttäjän mobiililaitteelle ja vastaanottamiseen käyttäjän mobiililaitteelta, —ohjelmakoodit muiden korvatutkimuksissa käytettävien laitteiden mittaustulosten vastaanottamiseen, > — ohjelmakoodin mittaustulosten tallentamiseen ja prosessointiin sellaisen tekoäly-
N yksikön ja sellaisten algoritmien avulla, jotka vertailevat mittaustuloksia isosta poti- 3 lasjoukosta kerättyyn vertailuaineistoon, ja etsivät mittaustuloksista ja niiden muu-
O 30 —toksista samankaltaisuuksia ja erilaisuuksia ja pystyvät niiden perusteella päätte-
I lemään taudin tilan, - — ohjelmakoodin edellä mainitun oppivan tekoäly-yksikön ja algoritmien paranta- 3 miseen tallentamalla vertailuaineistoon uusia mittaustuloksia varustettuna lääkärin o tai muun asiantuntijatahon määrittelemällä diagnoosilla, ja > 35 — ohjelmakoodin taudin tilaa tai etenemistä kuvaavien tulosten lähettämiseen esi- tettäväksi mobiililaitteella.
Lisäksi keksinnön mukaiselle järjestelylle ja palvelimelle on tunnusomaista se, että potilaista tallennettavat tiedot tallennetaan kahteen erilliseen tietokantaan: 1) poti- lastietokantaan, josta potilasta koskevat tunnistettavissa olevat tiedot voidaan hel- posti tietoturvamääräysten mukaisesti ja potilaan niin vaatiessa poistaa tai siirtää 5 — potilaan tai hänen uskotun asiainhoitajansa vaatimaan kohteeseen, ja 2) anonyy- miin tietokantaan, johon tallennetaan tekoäly-yksikön opettamisessa tarvittavat tiedot, joista tunnistamiseen liittyvät tiedot on määräysten mukaisesti poistettu.
Keksinnön eräitä edullisia suoritusmuotoja on esitetty epäitsenäisissä patenttivaa- — timuksissa. Mainittakoon, että tekoälyn kykyä määritellä taudin tilaa tai sen etene- mistä voidaan parantaa myös ilman lääkärin tai muun asiantuntijatahon määritte- lemää diagnoosiakin siten, että potilaiden tilaa seurataan keräämällä dataa käyttä- jien myöhemmistä mittauksista ja arvioimalla taudin tilan muutoksista, kuinka hyvin arvio osui oikeaan ja hienosäätämällä algoritmeja jälkikäteen niin, että arvio olisi osunut vielä paremmin. Näin tekoäly-yksikkö voi oppia ilman määriteltyä diag- noosiakin, vaikkakin viiveellä.
Keksinnön etuna on se, että välikorvantulehdusta voidaan arvioida ja seurata koti- oloissa mobiililaitteella, johon liitetään pienikokoinen mittapää ja jota on kohtuulli- sen helppo kenen tahansa oppia käyttämään. Kuitenkin keksinnön mukainen op- piva tekoälyjärjestelmä mahdollistaa monissa tapauksissa luotettavan diagnoosin tekemisen ja tilanteen luokittelun ainakin sen suhteen tarvitaanko lääkärissä käyn- tiä. Järjestely antaa myöskin mahdollisuuden käyttää vaivattomasti etälääkäripal- velua lisäarviointia vaativissa tapauksissa.
Lisäksi keksinnön etuna on se, että sen antama tautitilan vakavuuden määrittely > tarkentuu automaattisesti sitä mukaa, kun suoritettujen mittausten määrä kasvaa,
N etenkin sellaisten, joihin lääkäri tai muu asiantuntijataho tekee määrittelynsä ja an- 3 taa hoito-ohjeensa.
O 30
I Edelleen keksinnön etuna on se, että lääkärissäkäyntien määrä ja antibioottihoito- - jen tarve laskee, mitkä ovat merkittäviä kansantaloudellisia ja hoidollisia etuja. 3 o Seuraavassa keksintöä selostetaan yksityiskohtaisesti. Selostuksessa viitataan > 35 — oheisiin piirustuksiin, joissa kuva 1a — esittää keksinnön erään suoritusmuodon mukaisen laitejärjestelyn vali- korvatulehduksen mittaamisesta ja seurannasta,
kuva 1b — esittää esimerkinomaisesti vaiheittain keksinnönmukaisessa mittaus- ja seurantamenetelmässä suoritettavat päätoiminnot, kuva 2a esittää keksinnön erään suoritusmuodon mukaisen välikorvatulehdus- mittarin mittapään rakennetta, kuva2b € esittää esimerkinomaisesti vaiheittain keksinnönmukaisessa mittapaas- sä mittaustapahtuman aikana suoritettavat toiminnot, kuva 2c — esittää esimerkinomaisesti akusto-optiseen stroboskooppimittaukseen soveltuvan mittapään toimintaperiaatetta, kuva 3 — esittää keksinnön mukaisen välikorvatulehduksen mittaus- ja seuranta- järjestelyn mobiililaitteessa toimivan käyttöliittymän eri toimintavaiheita, kuva 4 — esittää keksinnön mukaisen välikorvatulehduksen mittausjärjestelyä etäällä hyödyntävän lääkärin käyttöliittymää ja käyttöliittymässä suoritet- tavia toimintoja, ja kuva 5 — esittää esimerkinomaisesti vaiheittain keksinnönmukaisessa mittaus- ja seurantajärjestelyssä tekoälyn opettamisessa ja tietokannoissa suoritet- tavia toimintoja.
Seuraavassa selityksessä olevat suoritusmuodot ovat esimerkinomaisia ja alan ammattilainen voi toteuttaa keksinnön perusajatuksen myös jollain muulla kuin se- lityksessä kuvatulla tavalla. Vaikka selityksessä voidaan viitata erääseen suori- —tusmuotoon tai suoritusmuotoihin useissa paikoissa, niin tämä ei merkitse sitä, että viittaus kohdistuisi vain yhteen kuvattuun suoritusmuotoon, tai että kuvattu piirre o olisi käyttökelpoinen vain yhdessä kuvatussa suoritusmuodossa. Kahden tai use- > amman suoritusmuodon yksittäiset piirteet voidaan yhdistää ja näin aikaansaada x uusia keksinnön suoritusmuotoja. oO 25 > Kuva 1a esittää karkeasti keksinnön mukaista mittausjärjestelyä, joka käsittää in- = ternetin 1 pilvijärjestelmässä 10 sijaitsevat oppivan tekoäly-yksikön 11 ja tietokan- 3 tayksikön 15, potilaan 2 korvaan työnnettävän mittapään 20, käyttäjän 3 mobii-
S lialustalla 30 toimivan käyttöliittymän 31 avulla käytettävän sovelluksen 32 ja etääl-
D 30 la toimivan lääkärin 4 mobiilialustalla 40 toimivan käyttöliittymän 41 avulla käytet-
N tävän sovelluksen 42. Pilvijärjestelmässä 10 sijaitseva tekoäly-yksikkö 11 käsittää edullisesti mittausdataa käsittelevän tekoälyprosessorin 12 ja oppivia laskenta- algoritmeja generoivan algoritmigeneraattorin 13. Tietokantayksikkö 15 on jaettu kahteen osioon: potilaiden personoituja tietoja käsitellään potilastietokannassa 16 ja kaikkien (tai mahdollisimman monien) potilaiden personoimattomia tietoja ano- nyymitietokannassa 17. —Keksinnön mukaisen mittausjärjestelyn käyttöä on esimerkinomaisesti hahmoteltu kuvassa 1b. Vaiheessa 101 mittapää liitetään mobiililaitteeseen 30 joko langalli- sesti kuuloke- tai yleisliitäntään tai langattomasti esimerkiksi bluetooth- tai NFC- yhteydellä. Vaiheessa 102 mobiililaitteen 30 käyttöliittymässä 31 avataan keksin- nönmukaista toimintoa suorittava sovellus 32 ja aktivoidaan toimintaan. Vaiheessa 103 sovellus suorittaa mittausjärjestelyn kalibroinnin, ellei muistista löydy mainin- taa, että se on jo suoritettu tälle mittapää-mobiililaite-yhdistelmälle, eikä kalibroin- nista ole kulunut määriteltyä ajanjaksoa pitempää aikaa. Vaiheessa 104 käyttäjä asettelee mittapään kärjen potilaan vasemman (tai oikean) korvakäytävän suulle ja vaiheessa 105 klikkaa vasemman korvan käynnistysmerkkiä mobiililaitteen 30 — käyttöliittymässä 31. Vaiheessa 106 käyttäjä odottaa, kunnes mittapää 20 on mo- biililaitteen 30 sovelluksen 32 ohjaamana suorittanut mittaustapahtuman ja sovel- lus 32 on vastaanottanut mittausdatan. Tarvittaessa vaiheen 107 kautta käyttäjä seuraavaksi palaa takaisin vaiheeseen 104 ja suorittaa mittaustapahtuman vaiheet 104,105 ja 106 myös oikealle (tai vastaavasti vasemmalle) korvalle. Vaiheessa 108 käyttäjä saa pilvijärjestelmässä 10 automaattisesti prosessoidun raportin mo- biililaitteen 30 käyttöliittymään 31, josta hän näkee erikseen vasemman ja oikean korvan kunnon sekä numeroarvona (esimerkiksi asteikolla O — 100, jossa pienet arvot tarkoittavat sairasta ja suuret arvot tervettä korvaa) että värikoodina (esimer- kiksi väreillä vihreä-keltainen-punainen, jossa vihreä korvalehden kuva tarkoittaa — tervettä ja punainen sairasta korvaa ja keltainen on rajatapaus). Seuraavaksi 109 käyttäjä valitsee jatkon saamansa raportin perusteella. Mikäli raportti näyttää vih- > reää, käyttäjä lopettaa vaiheessa 110 mittaustapahtuman ja tiedot tallentuvat sekä
N potilastietokantaan 16 että anonyymitietokantaan 17. Vaiheessa 111 käyttäjä 3 ot- 3 taa yhteyden hoitavaan lääkäriin 4, jos raportti on antanut siihen aihetta (punai-
O 30 nen). Vaiheessa 120 etäällä toimiva lääkäri 4 hakee potilastietokannasta 16 poti-
I laan 2 tiedot ja mittausraportit omassa mobiililaitteessaan 40 toimivan sovelluksen - 42 avulla käyttöliittymälleen 41 ja tekee johtopäätökset sekä vaiheessa 121 ryhtyy 3 tarvittaviin toimenpiteisiin, joita ovat esimerkiksi potilaan kutsuminen vastaanotolle, o lääkemääräyksen ja ohjeiden antaminen tai käyttäjän rauhoittaminen ”ei vakavaa” > 35 — -viestillä. Vaiheessa 122 lääkäri lähettää anonyymitietokantaan 17 tiedot taudin laadusta, tilasta ja syistä sekä mahdollisesta antibioottikuurista ja muista hoitotoi- menpiteistä, joiden perusteella vaiheessa 123 tekoäly-yksikön 11 algoritmi-
generaattori 13 tarkentaa tekoälyprosessorin 12 käyttämiä algoritmeja. Tämän jäl- keen vaiheessa 124 tapahtuma päättyy myös lääkärin osalta.
Eräässä keksinnön edistyneessä suoritusmuodossa tekoäly-yksikkö 11 lähettää asetetun ajan (esimerkiksi 4 — 6 viikon) kuluttua) käyttäjän mobiililaitteeseen 30 viestin, jossa pyydetään mittaamaan potilaan korvat vielä uudelleen. Viestissä ky- sytään tietoja myös potilaan tervehtymisen edistymisestä, mahdollisista antibiootti- kuureista ja muista hoitotoimenpiteistä. Tekoäly-yksikkö 11 liittää nämä tiedot poti- lastietokantaan 16 käytettäväksi opetusdatana ko. potilaan henkilökohtaisesti rää- — tälöityjen algoritmien tarkentamiseen mutta myös anonymisoituna opetusdatana anonyymitietokantaan 17 käytettäväksi yleisten algoritmien tarkentamiseen algo- ritmigeneraattorissa 13.
Kuva 2a esittää kaaviomaisesti keksinnön mukaisessa järjestelyssä käytettävää — mittapäätä 20. Mittapää liitetään mobiililaitteeseen 30 joko kaapelilla 21 tai langat- tomasti bluetooth-linkillä, NFC-linkillä tai muulla langattomalla yhteydellä. Elektro- niikkapaketti 22 sisältää kaiken mittapään 20 tarvitseman elektroniikan ja se toimii myös käyttötehon jakajana eri sensoriratkaisuille. Käyttötehon tarvitsema energia tulee joko kaapelia 21 pitkin mobiililaitteelta tai mittapäähän 20 sijoitettavasta akusta, jota ei ole piirretty erikseen kuvaan näkyviin ja jonka lataaminen tapahtuu tunnetuilla tekniikoilla.
Kaiutin 23 tarvitaan akustisen reflektometrin heräteäänen synnyttämiseen, mikro- foni 24 korvasta heijastuvien kaikuäänien vastaanottamiseen. Kammio 25 mitoite- — taan reflektometriamittauksen vaatimalla mitoituksella, jossa kammio 25 toimii yh- dessä soviteputken 26, korvakäytävän 27 ja välikorvan 28 kanssa resonaattorina, > jossa kaiuttimesta 23 lähtevät eri taajuiset ääniherätteet heijastuvat akustiikan la-
N kien mukaisesti takaisin tärykalvosta 29 ja välikorvan 27 takapinnoista. Heijastei- 3 den keskinäiset paikat ja voimakkuudet riippuvat paitsi korvan yksilöllisestä raken-
Oo 30 — teesta myös tärykalvon 29 vapaudesta liikkua. Jos tärykalvo on tulehtunut ja/tai jos
I sen sisäpinnalla on limaa, ovat nämä heijasteet erilaisia kuin terveen, vapaasti liik- - kuvan, tärykalvon tapauksessa. Heijastuminen riippuu myös ääniaaltojen taajuu- 3 desta, joten mittaus kannattaa tehda useilla eri taajuuksilla.
O
> 35 — Kuvan 2a mittapää 20 käsittää myös muita korvan tutkimiseen soveltuvia sensorei- ta. Pienikokoinen videokamera 201 tuottaa kuvaa tärykalvosta pienikokoisen edul- lisesti kameran objektiivin ympärille kiertyvän valonlähteen 202 valaisemana. Va- laisu voidaan vaihtoehtoisesti viedä lähemmäksi tärykalvoa sijoittamalla valoläh-
teet 202 soviteputken 26 suulle tai viemällä valo valokuidulla korvakäytävään 27 saakka. Kameran kuvakennolla 203 voi olla yksi tai useampi infrapunaherkkä sen- sori tärykalvon lämpötilan mittaamiseen tai mittapään kärjen läheisyydessä voi olla erillinen infrapunasensori 204 tai useampia lämpötilan mittaamista varten. Myös muita sensoreita voidaan mittapään sisälle lisätä, esimerkkinä painesensori, jos mittapäähän yhdistetään tympanometrissa käytettävä ilmanpainepulssin syöttävä lisälaite.
Kuva 2b esittää keksinnönmukaisessa mittapäässä mittaustapahtuman aikana — suoritettavat toiminnot vaiheittain. Akustinen reflektometriamittaus käynnistyy vai- heessa 221. Tätä ennen mittapää 20 on liitetty mobiililaitteeseen 30, tarvittaessa on suoritettu kalibrointi 103, jossa seuraavassa kuvattu mittaus (vaiheet 222-225) on suoritettu mittapään 20 soviteputki 26 ilmassa (siis ei korvaan työnnettynä), ja jonka jälkeen mittaustoiminto on käynnistetty 105 (kuvassa 1b). Vaiheessa 222 — mobiililaite 30 yhteistyössä tekoäly-yksikön 11 kanssa muodostaa portaittaisen he- rätesignaalin, jossa on peräkkäin lyhyet jaksot signaaleja alkaen matalista taa- juuksista (esim. 500 Hz) ja jatkuen korkeisiin taajuuksiin (esim. 5000 Hz). Mitta- pään 20 elektroniikka 22 vahvistaa signaalia ja syöttää kaiuttimelle 23, jolloin kor- vaan menee tuo akustinen herätesignaali. Ääniaallot heijastuvat tärykalvosta 29 ja — välikorvan 28 takapinnoista ja vastaanotetaan mikrofonilla 24 (vaihe 223). Näin mi- tattu data soveltuu analysoitavaksi taajuusspektrin muodossa. Vaihtoehtoisesti akustinen herätesignaali voi olla yksi tai useampi eri taajuuksilla värähtelevä purs- ti, joiden eri pinnoista heijastuvat ääniaallot vastaanotetaan mikrofonilla 24. Näin mitattu data soveltuu analysoitavaksi verhokäyrinä, joista tekoäly-yksikössä pyri- — tään löytämään tärykalvolta ja välikorvan pinnoista heijastuvien kaikujen paikkoja ja voimakkuuksia. Tämän jälkeen mitatut signaalit muunnetaan digitaaliseksi ja > pakataan (vaihe 224) mobiililaitteessa 30 ja lähetetään (vaihe 225) pilvijärjestel-
N män 10 käsiteltäväksi, minkä jälkeen mittaus on akustisen reflektometrian osalta 3 valmis (vaihe 226).
O 30
I Mittaus jatkuu optisella tekniikalla (vaihe 230), jolloin mobiililaitteen näytölle ilmes- - tyy videokuva korvakäytävästä. Käyttöliittymä 31 pyytää liikuttelemaan mittapäätä 3 20 niin, että tärykalvo 29 tulee kokonaan näkyviin mobiililaitteen 30 kuvapinnalle o (vaihe 232). Mobiililaitteessa on keksinnön edullisessa toteutusmuodossa ohjelma, > 35 joka tunnistaa tärykalvon kuvan ja ottaa sarjan kuvia tai videopätkiä sellaisina het- kinä, jolloin tärykalvo on edullisesti näkyvissä kuvissa. Vaihtoehtoisesti käyttäjä klikkaa kuvat tai videopätkät mobiililaitteen käyttöliittymässä olevaa painikekuvaa käyttäen (vaihe 233). Tämän jälkeen mobiililaite lähettää kuvat tekoälyn käsiteltä-
väksi (vaihe 234), jonka jälkeen optinen osuus mittausvaiheesta on valmis (vaihe 235).
Optisen tutkimuksen vaiheeseen voidaan lisätä myös tympanometriassa käytettä- va ilmanpainepulssi, joka johdetaan erillistä putkea (ei piirretty kuvaan 2a) pitkin mittapään sisälle ja pulssin aiheuttama liike tärykalvossa videokuvataan.
Lämpötilan mittaus käynnistyy seuraavaksi (vaihe 240). Keksinnön yksinkertaises- sa toteutusmuodossa lämpötila luetaan infrapunasensorilta 204, joka on kohdistet- — tu korvakäytävään siten, että mittaustulos tulee tärykalvon 29 pinnalta. Mittaus voidaan myös yhdistää optiseen vaiheeseen siten, että lämpötilan mittaus tapah- tuu kameran ollessa kohdistettuna kuvaamaan koko tärykalvo, jolloin voidaan varmistua, että mittausarvo tulee tärykalvon pinnasta. Mittaustulos lähetetään te- koäly-yksikölle 11 vaiheessa 241, minkä jälkeen mittaus todetaan suoritetuksi — (vaihe 242). Yksi tai useampi lämpötilasensori voi olla myös kameran kuvaken- nossa 203, edullisesti sen keskialueella, jolloin erillistä infrapunasensoria ei tarvita, ja lämpötilan mittaus yhdistyy optiseen tärykalvon tutkimiseen.
Keksinnön mukaiseen mittapäähän 20 voidaan liittää monia muitakin sensoreita, —- joiden käytön vaiheet jatkuvat edellä kuvatun kaltaisesti (vaihe 250). Vaiheessa 260 mittaustapahtuma todetaan päättyneeksi ja voidaan jäädä odottamaan pilvijär- jestelmän 10 analysoinnin tuloksia (vaihe 106 kuvassa 1b).
Kuva 2c esittää keksinnön erästä suoritusmuotoa, joka perustuu akusto-optiseen — stroboskooppimittaukseen. Siinä optista kuvausta käytetään paitsi normaaliin vi- deokuvaukseen myös akustisen mittauksen yhteydessä siten, että tärykalvoa 29 > valaisevan valolähteen 202 valo pulssitetaan akustiseen värähtelyyn synkronoi-
N den. Stroboskooppiperiaatteen mukaisesti valon pulssitus tapahtuu 1 — 10 hertsiä 3 (esimerkiksi 3 hertsiä) akustista värähtelyä alemmalla tai ylemmällä taajuudella,
O 30 — jolloin tärykalvosta 29 muodostuva videokuva näyttää tärykalvon värähtelyn hidas-
I tettuna tuohon erotustaajuuteen (esimerkiksi edellä mainittuun 3 hertsiin). Tässä - keksinnön suoritusmuodossa on edullista sijoittaa yksi tai useampi juovitettua tai 3 laikutettua valoa 209 säteilevä valolähde 210 lähelle tärykalvoa 29 korvakäytävän o 27 reunaosaan (useamman valolähteen tapauksessa reunaosiin eri puolille korva- > 35 — käytävää), jotta vinosta tuleva juovitettu tai laikutettu valo näkyy värähtelevässä tä- rykalvossa sen pinnan suuntaisesti liikkuvana juovituksena tai laikutuksena. Vi- deokamera 201 tallentaa tämän näkymän.
Tässä keksinnön suoritusmuodossa voidaan edullisesti sijoittaa kaksi eriväristä pulssitettua ja juovitettua tai laikutettua valolähdettä vastakkaisille sivuille korva- käytävään, jolloin tärykalvon pinnasta saadaan hidastettu värähtelevä videokuva, jossa nuo värit värähtelyn eri vaiheissa, tärykalvon lähestyessä valolähdettä ja loi- —tontuessa siitä, vuoroin osuvat päällekkäin ja vuoroin lomittuvat vierekkäin. Siten esimerkiksi sinistä ja keltaista valoa käyttämällä tärykalvon pinnalla näkyy esimer- kiksi edellä mainittua 3 hertsin erotustaajuutta käytettäessä juovitus tai laikutus, jonka kuvio sykkii 3 hertsin taajuudella sinisenä, keltaisena ja vihreänä, mikä tuot- taa korostetun näkymän tärykalvon liikkuvuudesta sen pinnan eri osissa. Hidaste- tusta värähtelyvideosta tärykalvon liikkuvuutta voidaan mitata paikan funktiona, mikä on hyödyllinen tieto määritettäessä mahdollisen liman olemassa oloa ja mää- rää välikorvassa. Tässä keksinnön suoritusmuodossa valolähteitä voi olla kaksi tai useampia ja ne voidaan sijoittaa eri puolille korvakäytävää mutta myös samalle si- vulle eri etäisyyksille tärykalvosta. Näin tärykalvosta syntyvä hidastettua videoku- — vaa voidaan säätää ja optimoida. Tällä keksinnön suoritusmuodolla tärykalvon liik- kuvuutta voidaan tarkastella myös visuaalisesti reaaliaikaisena joko mobiililaitteen näytöltä tai tarkoitukseen sopivalla linssiyhdistelmällä suoraan tärykalvon pinnalta.
Tässä keksinnön suoritusmuodossa akustiset herätejaksot ovat edullisesti pitem- — piä (esimerkiksi 1 — 5 sekuntia), jotta kultakin akustiselta taajuudelta saadaan riit- tävästi optista hidastettua videota tärykalvon liikkeistä. Videon tallentaminen useal- la eri akustisella taajuudella antaa lisäinformaatiota tärykalvon kunnon, välikorvan paine-eron ja mahdollisen liman mittaamiseen.
Kuva 3 esittää keksinnön mukaisen välikorvatulehduksen mittaus- ja seurantajär- jestelyn käyttäjän 3 mobiililaitteessa 30 toimivan käyttöliittymän 31 eri toimintavai- > heita. Mobiililaitteen näyttöruudulla keksinnön mukainen sovellus 32 näkyy yhtenä
N sovelluksena muiden joukossa. Sitä klikkaamalla avautuu tervetulotoivotuksen 3 ruutu 320, jossa käyttäjälle voidaan kertoa mm. uutisia 321 tuotteesta ja palvelusta
O 30 — sekä uusista sovellusversioista. Kaikkien ruutujen vasemmassa yläkulmassa on
I nuoli-taaksepäin —painike 323, jolla päästään edelliseen ruutuun ja oikeassa ylä- - kulmassa nuoli-eteenpäin —painike 324, jolla päästään seuraavaan ruutuun, jos 3 siellä on jo käyty menossa olevan mittaustapahtuman aikana. Mittaukseen siirry- o tään klikkaamalla START-painiketta 322, jolloin avautuu potilaanvalitsemisruutu > 35 330. Siinä tapauksessa, ettei käytössä olevaa mobiililaite-mittapää-yhdistelmää ole vielä kalibroitu tai kalibroinnista on kulunut määriteltyä ajanjaksoa pitempi aika, suorittaa mobiililaite 30 kalibroinnin yhteistyössä tekoälyjärjestelmän kanssa kuvan esittämällä tavalla (vaiheet 511-521), minkä jälkeen jatketaan välittömästi mitta- ustapahtumaan.
Potilaanvalitsemisruudussa 330 (esimerkiksi jos perheessä on useita lapsia) klika- 5 taan käsillä olevan potilaan painiketta 331. Jos potilas on uusi, klikataan NEW- painiketta 332, jolloin avautuu potilaan henkilö- ja taustatietojen syöttöruutu ja siel- tä palattaessa uuden potilaan nimi ilmestyy valittavien potilaiden listaan 331. Jos potilaita on paljon, lista muuttuu ylös-alas-skrollattavaksi. Potilaan nimeä klikatta- essa avautuu kyseisen potilaan mittausruutu 340. Potilaan nimeä kaksoisklikatta- essa (tai pitkään painettaessa) avautuu ruutu, josta kaikki potilaan henkilötiedot, diagnoosit ja mittausdata voidaan ladata omalle mobiililaitteelle ja/tai poistaa ko- konaan potilastietokannasta 16. Mittausdatasta jää tekoäly-yksikön 11 opettami- seen käytetty anonyymi data anonyymitietokantaan 17. Tämä toiminto noudattaa kunkin maan tietoturvalainsäädäntöä.
Potilaan mittausruudulla 340 näkyy potilaan nimi, joka näkyy tästä eteenpäin kai- kissa ruuduissa. Seuraavaksi mittapää 20 asetetaan potilaan oikeaan (tai vasem- paan) korvaan ja ruudulta klikataan oikean korvan kuvaketta 341 (tai vastaavasti vasemman kuvaketta 342). Korvat voidaan mitata kummassa järjestyksessä ta- — hansa tai vain toinen korva voidaan mitata. Jos jompikumpi halutaan jättää mit- taamatta klikataan ko. korvan kuvakkeen SKIP-painiketta 343 tai 344, jolloin mitta- us jatkuu automaattisesti jäljellä olevan korvan mittaukseen.
Mittaustapahtuma käsittää kaikkien mittapäässä olevien sensoreiden mittaukset kuvan 2b mukaisesti ja saattaa siksi kestää hetken, jonka aikana mittapäätä pide- tään korvassa liikkumattomana. Tässä vaiheessa ruudun 340 päälle avautuu vi- > deokameran 201 antama kuva korvakäytävästä ja ohjeikkuna, joka pyytää liikutte-
N lemaan mittapäätä 20 siten, että kuvassa näkyy tärykalvo 29 kokonaisuudessaan. 3 Kun mittaustapahtuma on valmis, data on siirretty prosessoitavaksi tekoäly-
O 30 — yksikölle 11 ja sieltä on saatu takaisin raportti, avautuu mobiililaitteeseen 30 kysei-
I sen potilaan kyseistä korvaa vastaava tulosruutu 350. Ruudulla näkyy kyseisen korvan kuvake 351, jonka väri kertoo korvan kunnon: vihreä tarkoittaa tervettä, 3 punainen tulehtunutta ja keltainen rajatapausta. Kuvakkeen keskellä näkyy valo- o kuva tai pyörii videopätkä tärykalvosta 352. Ruudulla näkyy myös tärykalvon läm- > 35 — pötila 353 ja mahdollisia muiden sensorien mittaustuloksia 354. Jos korvaa on mi- tattu aiemmin, näkyy ruudulla historiatietoja kuvaava käyrä 355 siltä ajalta, jona tautia on seurattu. Historiatiedot näkyvät päivittäisinä arvoina esimerkiksi asteikolla 0—100, jossa suuret arvot ovat sijoittuvat punaiseksi värjättyyn yläosaan, pienet arvot vihreäksi värjättyyn alaosaan ja keskisuuret arvot keltaiseksi värjättyyn kes- kiosaan. Historiaruudun yläreunassa on mittauspäivän ilmoittava tagi 356, jota voidaan siirrellä aiempien mittausten tulosten (esim. lämpötila 353, tärykalvon ku- va 352) vertailemiseksi.
Nuoli-taaksepäin painikkeella 323 tai NEXT-painikkeella 357 siirrytään mittaamaan toista korvaa, josta saadaan tulosruutu 360, joka on vastaava kuin tulosruutu 350.
Tästä jatketaan NEXT-painikkeella 361 raporttiruutuun 370. — Raporttiruudussa 370 näkyvät molempien korvien viimeiset mittaustulokset ja tä- hänastinen päivittäinen historia molemmille korville. Oikean korvan tulokset näky- vät ruudun vasemmassa laidassa ja vasemman tulokset oikeassa laidassa, jotta näkymä vastaa luonnollista tilannetta, jossa potilas ja katsoja ovat kasvotusten.
Raporttiruudussa 370 korvien kuvakkeiden 371 ja 372, värit (punainen-keltainen- — vihreä) antavat nopean tilannekuvan korvien kunnosta. Kummankin kuvakkeen 371 ja 372 keskellä on videokameran 201 ottama valokuva tai lyhyt jatkuvasti tois- tuva videopätkä ko. tärykalvosta. Lämpötila-arvot 373 ja 374 näyttävät menossa olevan mittausjakson minimi- ja maksimiarvot. Historiakäyrät 375 ja 376 kertovat ko. mittausjakson päivittäiset kuntoarviot kuten tulosruuduissa 350 ja 360. Mitta- — uspäivä-tageja 377 siirtelemällä saadaan ko. päivien mittaustiedot ja tärykalvoku- vat näkyviin raportin yläreunaan. Lisäksi raporttiruudussa 370 on sanallisen rapor- tin ikkuna 378, jossa näkyvät mm. lääkärin kirjoittamat kommentit ja tekoälyn ge- neroimat tekstit. Lääkärin kommenteissa voi olla personoitua oheistietoa tulosten tulkintaan. Tekoälyn kommenteissa voi esimerkiksi olla tietoa mittauksen epävar- —muudesta (jos esimerkiksi tärykalvokuva on huonolaatuinen) tai oudolla tavalla poikkeavista mittaustuloksista. Raporttiruudusta 370 siirrytään NEXT-painikkeella > 379 viestintäruutuun 380. & 3 Viestintäruudussa 380 voidaan valita viestin lähettäminen joko omalle lääkärille
O 30 — klikkaamalla ko. kuvaa 381 tai valitsemalla joku toinen lääkäri OTHER-
I painikkeesta 382 avautuvasta listasta. Viesti sisältää automaattisesti raportin 370 - tiedot mutta käyttäjä voi halutessaan kirjoittaa myös omat huomautuksensa tai ter- 3 veisensä viesti-ikkunaan 383. Viesti lähetetään SEND-painikkeella 385, jolloin o avautuu kuittausruutu 390, josta sovellus voidaan sulkea CLOSE-painikkeella 391 > 35 tai palata alkuun RETURN-painikkeella 392. Viestin voi jättää lähettämättä klik- kaamalla NO-painiketta 384, jolloin avautuu vastaava kuittausruutu tekstillä MES-
SAGE NOT SEND.
Kuva 4 esittää keksinnön mukaisen välikorvatulehduksen mittaus- ja seurantajär- jestelyn lääkärin 4 mobiililaitteessa 40 toimivan käyttöliittymän 41 eri toimintavai- heita. Mobiililaitteen näyttöruudulla keksinnön mukainen sovellus 42 näkyy yhtenä sovelluksena muiden joukossa. Sitä klikkaamalla avautuu tervetulotoivotuksen ruutu 420, jossa käyttäjälle voidaan kertoa mm. uutisia 421 tuotteesta ja palvelusta sekä uusista sovellusversioista. Kaikkien ruutujen vasemmassa yläkulmassa on nuoli-taaksepäin -painike 423, jolla päästään edelliseen ruutuun ja oikeassa ylä- kulmassa nuoli-eteenpäin -painike 424, jolla päästään seuraavaan ruutuun, jos siellä on jo käyty menossa olevan käyttötapahtuman aikana. Raporttien tarkaste- — luun siirrytään klikkaamalla START-painiketta 422, jolloin avautuu potilasjonoruutu 430.
Potilasjonoruudussa 430 klikataan jotakuta jonossa olevan potilaan painiketta lis- tassa 431. Jos potilaita on paljon potilasjonoruudussa 430, lista muuttuu ylös-alas- — skrollattavaksi. Kunkin potilaan kohdalla on Urgent-merkki 434, joka palaa ja/tai vilkuu riippuen siitä, miten kiireellistä toimintaa kyseisen potilaan tila vaatii. Tieto kiireellisyydestä tulee keksinnön mukaisen järjestelyn tekoäly-yksiköstä 10 potilas- tietokannan 16 kautta.
Jos potilas on uusi, klikataan NEW-painiketta 432, jolloin avautuu potilaan henkilö- ja taustatietojen syöttöruutu ja sieltä palattaessa uuden potilaan nimi ilmestyy valit- tavien potilaiden listaan 431. Uusia potilaita saattaa jonossa olla useampiakin yhtä aikaa. Uusien potilaiden hyväksymistä varten voidaan järjestää myös erillinen tie- tojen kysely ja syöttötapahtuma potilaan ja lääkärin välille, mihin toimenpiteeseen — liittyy potilastietojärjestelmän pääsyoikeuksien myöntämistapahtuma ja laskutus- sopimus. Yksinkertaisimmillaan uuden potilaan hyväksyminen tapahtuu vain tieto- > jen vaihtona käyttäjän 3 ja potilastietokannan 16 sekä lääkärin 4 ja potilastietokan-
N nan 16 välillä.
S o 30 Potilaan nimeä potilaslistassa 431 klikattaessa avautuu kyseisen potilaan raportti-
I ruutu 440. a 3 Raporttiruudussa 440 näkyvät molempien korvien viimeiset mittaustulokset ja tä- o hänastinen päivittäinen historia molemmille korville. Oikean korvan tulokset näky- > 35 vat ruudun vasemmassa laidassa ja vasemman tulokset oikeassa laidassa, jotta näkymä vastaa luonnollista tilannetta, jossa potilas ja katsoja ovat kasvotusten.
Raporttiruudussa 440 korvien kuvakkeiden 441 ja 442, värit (punainen-keltainen- vihreä) antavat nopean tilannekuvan korvien kunnosta. Kummankin kuvakkeen
441 ja 442 keskellä on videokameran 201 ottama valokuva, toistuva kuvasarja tai lyhyt jatkuvasti toistuva videopätkä ko. tärykalvosta (esimerkiksi tympanometrivi- deo ilmanpainepulssin aiheuttamasta tärykalvon liikkeestä). Lämpötila-arvot 443 ja 444 näyttävät menossa olevan mittausjakson minimi- ja maksimiarvot. Histo- —riakäyrät 445 ja 446 kertovat ko. mittausjakson päivittäiset kuntoarviot. Mittauspäi- vä-tageja 447 siirtelemällä saadaan ko. päivien mittaustiedot ja tärykalvokuvat nä- kyviin raportin yläosaan. Lisäksi raporttiruudussa 440 on sanallisen raportin ikkuna 448, jossa näkyvät mm. lääkärin kirjoittamat kommentit ja tekoälyn generoimat tekstit. Lääkärin näkemä raporttiruutu 440 on olennaisesti samanlainen kuin käyt- — täjän näkemä raporttiruutu 370. Raporttiruudusta 440 lääkäri voi FULL REPORT - painikkeella 449 siirtyä yksityiskohtaisempaan, lääkärille tärkeää, tietoa sisältä- vään Full report -ruutuun 450.
Full report -ruudussa 450 esille voidaan ottaa oikeaan korvaan 451 tai vasempaan — korvaan 452 liittyviä mittaus- ja analyysikäyriä, jotka voivat sisältää alkuperäisiä mittaustuloksia, valo- ja videokuvia tärykalvosta sekä ajan funktiona kehittyneitä käyriä. Mittauspäivä-tagia 453 siirtelemällä ilmestyy diagnoosi-ikkunaan 454 kus- sakin vaiheessa tehty diagnoosi tai muita päätelmiä taudin laadusta ja etenemi- sestä. Lisäksi mittauspäivä-tagia 453 siirtelemällä ilmestyy toimenpide-ikkunaan 455 kussakin vaiheessa tehdyt toimenpiteet, esimerkiksi aloitetut lääkekuurit, täry- kalvon puhkaisut, putkitukset jne. Näiden Full report -tietojen perusteella lääkäri voi kirjoittaa viestiruutuun 456 raporttinsa tilanteesta ja lähettää SEND-painikkeella 457 käyttäjälle 3 näkymään hänen raporttiruudussaan 370 viesti-ikkunassa 378.
Edullisessa tapauksessa lääkärin raportti on ainakin osittain strukturoitu siten, että — tekoäly pystyy sitä lukemaan ja ymmärtämään yksikäsitteisesti. Tätä varten osa raportoinnista voi olla vastaamista tekoälyn esittämiin kysymyksiin potilaan tilasta > ja/tai sairauden etenemisestä, siten että tietoja voidaan käyttää tekoälyn algoritmi-
N en tarkentamiseen tulevia saman kaltaisia tapauksia varten. =
O 30 — Lähetettyään raportin käyttäjälle lääkärille avautuu kuittausruutu 460 raportin on- z nistuneesta lähettämisestä 461. Samalla lääkäriltä kysytään, saako tiedot lähettää = myös tekoälyn opetuskäyttöön 462. NOT YET -painikkeella 463 lääkäri voi ohittaa 3 opetusaineiston lähettämisen. Klikkaamalla SEND-painiketta 464 tiedoista poiste- o taan potilasta yksilöivät tiedot ja loput tiedoista lähetetään anonyymiin tietokantaan > 35 15 tekoäly-yksikön 11 opetusaineistoksi. Molemmilla painikkeilla 463 ja 464 siirry- tään kiitosruutuun 470, johon voi sisältyä mainontaa 471 ja josta sovelluksen voi sulkea CLOSE-painikkeella 472 tai voi palata jatkamaan seuraavan potilaan käsit- telyyn RETURN-painikkeella 473.
Kun käyttäjä 3 lähettää viestintäruudustaan 380 viestin lääkärille 4 potilaan 2 kor- van ollessa kipeänä klikkaamalla SEND-painiketta 385, avautuu lääkärille viestin- täruutu 480, josta lääkäri näkee kuka potilaista on kysymyksessä 481 ja kiireelli- syysmerkistd 482 kuinka kiireellisestä vastausta tilanne vaatii. ANSWER- painikkeella 483 hän voi siirtyä välittömästi ko. potilaan raporttiruutuun 440 ja teh- dä tarvittavat tulkinnat, päätökset ja toimenpiteet. REMIND LATER -painikkeella 484 potilaan nimi lisätään potilasjonoruudun 430 listan 431 viimeiseksi.
Kuva 5 esittää keksinnön mukaisen mittaus- ja seurantajärjestelyn tekoäly-yksikön 11 ja tietokantayksikön 15 eri toimintavaiheita ja niiden liittymistä käyttäjän 3 mo- biiliin käyttöliittymään 31 ja lääkärin 4 mobiiliin käyttöliittymään 41. Mobiilien käyt- töliittyymien tapahtumat on järjestelty Mobile Ul -sarakkeeseen 501, tekoälyproses- sorin tapahtumat Al processor -sarakkeeseen 502, potilastietokannan tapahtumat
Patient DB -sarakkeeseen 503, laskenta-algoritmeja generoivan prosessorin ta- pahtumat Algorithm generator -sarakkeeseen 504 ja anonyymin tietokannan ta- pahtumat Anonyme DB -sarakkeeseen 505.
Mittaus käynnistetään mobiililaitteelta 30 START-painikkeella 322 (vaihe 102 ku- vassa 1b) Aluksi mobiililaite käynnistää käytössä olevan mobiililaite-mittapää- yhdistelmän kalibroinnin (vaihe 511) ja tarkistaa potilastietokannasta, onko kalib- rointi jo tehty ja voimassa (vaihe 512). Jos kalibrointi on kunnossa (vaihe 514) hy- pätään kalibrointivaiheen yli suoraan korvan mittaamisvaiheeseen 522. Jos kalib- rointi ei ole voimassa (tarkistus vaiheessa 513) lähettää potilastietokanta 16 kalib- —roinnissa käytettävän signaalin generointiin tarvittavan datan mobiililaitteelle 30, joka muuntaa datan kalibroinnin herätesignaaliksi (vaihe 515) ja syöttää sen mitta- > päähän 20, jota pidetään kalibroinnin ajan ilmassa. Mittapää vastaanottaa mitta-
N pään mikrofonin mittaaman vastesignaalin (vaihe 516) ja lähettää sen tekoälypro- 3 sessorille analysoitavaksi. Tekoälyprosessori 12 määrittelee tässä mobiililaite-
O 30 — mittapää-yhdistelmässä (30, 20) tarvittavat, mm. taajuus- ja viivevasteisiin liittyvät,
I korjausparametrit (vaihe 517) ja tallentaa ne potilastietokantaan 16 kyseessä ole- = van käyttäjän tietoihin. Samalla korjaustieto menee myös algoritmigeneraattorille 3 13, joka tekee tekoälyn laskenta-algoritmeihin vastaavat korjaukset (vaihe 519) ja o tallentaa korjatut algoritmit (vaihe 520). Näin kalibrointivaihe 521 päättyy ja siirry- > 35 — tään mittausvaiheeseen 522. Korjausparametreja voidaan hyödyntää esimerkiksi siten, että varsinaisessa mittauksessa käytettävä varsinaisten mittausten herä- tesignaali (vaihe 524) valitaan niin, että se tuottaa korvakäytävään olennaisesti samanlaisen akustisen herätteen (vaihe 525) riippumatta mittapään 20 ja mobiili-
laitteen 30 muodostaman kokonaisuuden akustisesta ja elektronisesta taajuus- ja viivevasteesta. Kalibrointimittauksessa syntyvä data voidaan hyödyntää myös te- koäly-yksikössä 11 mittaustuloksia käsittelevän prosessin (vaihe 528) algoritmien hienosäädössä (vaihe 519) siten, että kalibrointimittauksen antama data toimii ver- — tailutoiminnoissa yhtenä referenssidatana.
Mittausvaiheessa eri mittaukset suoritetaan peräkkäin ensin toiselle korvalle ja sit- ten toiselle. Aluksi valitaan potilas ruudussa 330 ja ruudun 340 avauduttua valitaan korva, jolla aloitetaan, mittapää 20 työnnetään korvaan ja akustinen reflektomet- — riamittaus käynnistetään (vaihe 523, kuvassa 2b vaihe 221) klikkaamalla kysy- myksessä olevan korvan kuvaketta 341 tai 342. Mobiililaite 30 kutsuu potilastieto- kannasta herätesignaalin datan (vaihe 524) muuntaa datan signaaliksi, lähettää sen korvassa olevalle mittapäälle (vaihe 525) ja vastaanottaa korvasta tulevan kaikusignaalin (vaihe 526) sekä prosessoi signaalin digitaaliseen muotoon, paketoi ja lähettää tekoälylle tutkittavaksi (vaihe 527). Tekoälyprosessori 12 prosessoi da- tan käyttäen voimassaolevia algoritmeja (vaihe 528) ja tallentaa tuloksen potilas- tietokantaan 16 (vaihe 529).
Seuraavaksi mobiililaite 30 käynnistää optisen mittauksen (vaihe 530). Mittapään 20 ollessa edelleen korvassa mobillilaitteen näytölle avautuu videokameran 201 etsinkuva ja sen ohessa ohjeet, jotka kehottavat käyttäjää suuntaamaan mittapää- tä (vaihe 531) niin, että tärykalvo tulee etsinkuvaan näkyville. Kun tärykalvo on edustavasti näkyvillä ottaa videokamera automaattisesti videopätkän tai useita vi- deopätkiä ja still-kuvia tärykalvosta (vaihe 532), prosessoi, rajaa, paketoi ja lähet- tää (vaihe 533) ne tekoälylle analysoitavaksi. Tekoäly analysoi tärykalvokuvat ja — videot käyttäen algoritmeja, joilla se mm. vertaa kuvia eri tautitiloista anonyymiin > tietokantaan tallennettuihin tyypillisiin kuviin, laskee niistä väri- ja kuvioparametreja
N käyttäen erilaisia hahmontunnistusmenetelmiä ja vertaa niitä anonyymiin tietokan- 3 taan tallennettuihin referenssiparametreihin. Analyysin tulokset tallennetaan poti-
O 30 — lastietokantaan (vaihe 535). = - Käytettäessä kuvassa 2c esitettyä stroboskooppi-periaatetta käyttävää mittapäätä, 3 toistetaan optisen kuvan suuntaus (vaihe 531) uudelleen niin, että tärykalvo saa- o daan edullisesti etsinkuvaan näkyville. Tämän jälkeen toistetaan vaiheet 522 — 529 > 35 — siten, että akustisen reflektometriamittauksen ohella videokamera 201 ja valoläh- teet 204 suorittavat kuvassa 2c ja sen selityksessä kuvatut toiminnot samanaikai- sesti herätesignaaliin synkronoituna vaiheissa 525 ja 526. Vaiheessa 527 paketoi- daan kaikusignaalin tuottaman datan lisäksi hidastetun videokuvan data ja lähete-
tään tekoäly-yksikölle 11, joka käynnistää datan analysointiin osoitetut algoritmit (vaihe 528) ja tallentaa tulokset (vaihe 529). Tämän jälkeen jatketaan vaiheeseen 540.
Seuraavaksi mobiililaite 30 käynnistää lämpötilan mittauksen (vaihe 540), suorittaa sen infrapunasensorin 204 avulla, joka on suunnattu siten, että se osoittaa tärykal- von suuntaan optisen kuvan ollessa edustavasti näkyvissä edellisessä vaiheessa.
Käytännössä lämpötilan mittaus (vaihe 541) ajoitetaankin tapahtumaan heti opti- sen kuvauksen jälkeen tai sen kuluessa, jolloin mittauksen kohdistaminen onnistuu — parhaiten. Tulos lähetetään tekoälyn analysoitavaksi (vaihe 542) ja tulos tallenne- taan potilastietokantaan (vaihe 543).
Tämän jälkeen suoritetaan muut käytössä olevat mittaukset (vaiheet 545 ja 546), niiden tulokset lähetetään tekoälylle analysoitavaksi (vaihe 547) ja tallennetaan — potilastietokantaan (vaihe 548).
Kun kaikki ohjelmaan sisällytetyt mittaukset on suoritettu siirretään mittapää toi- seen korvaan (vaihe 549) ja edellä esitetty tapahtumaketju toistetaan vaiheesta 522 alkaen. Tämän jälkeen korvien mittaukset on suoritettu (550), mittapää voi- daan ottaa pois korvasta ja jäädään odottamaan raporttia. Vaihtoehtoisesti, kuten on esitetty kuvassa 3 ruuduissa 350 ja 360, tekoäly voidaan asettaa suorittamaan seuraavissa vaiheissa esitetyn raportin prosessoinnin erikseen kummallekin kor- valle, jolloin kysymyksessä olevan korvan raportti voidaan nähdä heti mittauksen valmistuttua ennen seuraavan korvan mittausta.
Raportin generointi käynnistyy vaiheesta 560 ja valmistuu vaiheessa 569. Teko- > älyprosessori 12 hakee kysymyksessä olevan potilaan (562) mittaus- ja analysoin-
N titulokset, myös historian, (vaihe 561) potilastietokannasta 16, tälle potilaalle esi- 3 merkiksi tautihistorian perusteella valikoidun referenssidatan (vaihe 564) anonyy-
O 30 — mitietokannasta 17 ja tälle tapaukselle aiemmin tarkennetut ja tallennetut algoritmit z (vaihe 566) algoritmigeneraattorilta 13. Seuraavaksi tekoälyprosessori 12 soveltaa - algoritmeja (vaihe 567) referenssidatan ja potilaan mittaushistoriadatan kanssa 3 tämänkertaisiin mittaus- ja kuvaustuloksiin ja prosessoi niistä raportin (vaihe 568) o ja lähettää sen käyttäjän 3 mobiililaitteelle 30. > 35
Käyttäjä 3 näkee raportin (vaihe 569) ja tuloksen mukaan joko toteaa tilanteen hy- väksi eikä lähetä raporttia lääkärille 4 tai toteaa tilanteen pahaksi ja lähettää rapor- tin (vaihe 570) omilla kommenteillaan varustettuna lääkärille.
Laatikossa 580 olevat tapahtumat tapahtuvat lääkärin 4 mobiililaitteessa 40. Lää- käri vastaanottaa ilmoituksen raportin saapumisesta ja siirtyy joko heti tai myö- hemmin tutkimaan raporttia. Hän analysoi taudin tilanteen, tekee diagnoosin ja — suunnittelee toimenpiteet (vaihe 571), jotka hän kirjaa raporttiin ja lähettää takaisin käyttäjälle (vaihe 572). Lisäksi hän halutessaan lähettää raportin myös tekoälyn opettamiseksi (vaihe 573) kyseisen kaltaisia tilanteita varten. Opetusdata (vaihe 574) tallentuu anonyymiin tietokantaan 17, josta algoritmigeneraattori poimii 13 sen ja tarkentaa algoritmeja (vaihe 575) sen mukaan. Tarkennetut algoritmit tallen- — tuvat (vaihe 576) ja ovat seuraavilla kerroilla käytettävissä.
Keksinnön edistyneessä suoritusmuodossa, jossa käyttäjältä pyydetään jälkikä- teen palautetta potilaan tervehtymisestä, datan analysointivaiheessa 567 tekoäly analysoi mittausdatan laadun ja mittaustapahtuman eheyden (molemmat korvat — mitattu ja oleelliset mittaukset, ainakin akustinen ja lämpötila, suoritettu) ja asettaa tuloksen perusteella opetuskäyttöön kelvolliset mittaustapahtumat jälkitarkastuslis- talle. Tällöin tekoäly-yksikkö 11 lähettää asetetun ajan, esimerkiksi 6 viikon, kulut- tua käyttäjän mobiililaitteeseen 30 viestin, jossa käyttäjää pyydetään mittaamaan potilaan korvat vielä uudelleen. Viestissä kysytään tietoja myös potilaan tervehty- — misen edistymisestä, mahdollisista antibioottikuureista ja muista hoitotoimenpiteis- tä. Tekoäly-yksikkö 11 liittää nämä tiedot potilastietokantaan 16 käytettäväksi ope- tusdatana ko. potilaan henkilökohtaisesti räätälöityjen algoritmien tarkentamiseen mutta myös anonymisoituna opetusdatana anonyymitietokantaan 17 käytettäväksi yleisten algoritmien tarkentamiseen algoritmigeneraattorissa 13.
Tekoäly-yksikkö 11 voidaan ohjelmoida käyttämään mittaustulosten prosessoin- > nissa esimerkiksi hahmontunnistukseen perustuvaa mittaustulosten luokittelua
N (classification) tai klusterointia (clustering) ja taudin tilan/muutosten laskentaa 3 luokkien perusteella. Luokittelu voi tapahtua esimerkiksi kNN-menetelmällä (k
O 30 Nearest Neighbour), jossa mittaustulosta verrataan vertailuaineistoon etsimällä k
I kpl lähimpiä naapureita, jotka tarkoittavat lähinnä samankaltaisia tapauksia. Naa- - purit valitaan laskemalla mittaustulosta kuvaavan pisteen etäisyyttä M- 3 dimensioisessa vektoriavaruudessa muista mittaustuloksia kuvaavista pisteistä, o missä M on mittaustuloksista saatavien piirteiden lukumäärä. Dimensioina voidaan > 35 — käyttää mittaustuloksista irrotettuja piirteitä, kuten akustisen heijasteen vasteita eri taajuuksilla, akustisen vasteen tai ultraäänikaiun verhokäyrän arvoja eri ajan het- kinä (esimerkiksi heijaste tärykalvosta, heijaste välikorvan takaseinästä), tärykal- von värin lukuarvoksi koodattua arvoa, tärykalvon liikkeen amplitudia tärykalvon keskellä ja erikseen sen alaosassa, tärykalvon lämpötilan arvoa, kemiallisen antu- rin antamaa mittausarvoa yms. Myös lääkärin tai muun asiantuntijatahon antama diagnoosi ja käyttäjän jälkitarkastusmittauksen yhteydessä antamat tiedot käyte- tyistä hoidoista ja paranemisen kuusta voidaan koodata piirteiksi, joita algoritmi voi — käyttää dimensioina ko. vektoriavaruudessa. Lisäksi piirteille voidaan määritellä yksilöidyt painokertoimet, joita säätämällä algoritmia voidaan hienovirittää.
Muitakin tekoälyteknologiassa käytettyjä hahmontunnistus- ja klusterointimenetel- miä voidaan soveltaa keksinnönmukaisessa välikorvatulehduksen mittaus- ja seu- — rantajärjestelmässä.
Tekoäly-yksikkö 11 voidaan ohjelmoida suorittamaan mittaustulosten prosessointi myös SOM-neuroverkolla (Self-Organazing Map). SOM-neuroverkossa tilastolliset yhteydet moniulotteisen sisään syötettävän datajoukon alkioiden välillä muunne- — taan yksinkertaisiksi geometrisiksi suhteiksi.
SOM-neuroverkkoa päivitetään seuraavalla algoritmilla (1): [Ix(t) - miCti)ll = minä] x(t) - Mitt (1) missä x(te) on SOM-neuroverkon vastaanottama moniulotteinen datavektori ja milt.) on keinotekoinen neuroni eli painovektori. Aika ilmaistaan muuttujalla fx.
Painovektorin päivityssääntönä voidaan käyttää kaavoja (2) ja (3):
Mi(tker) = Mite) + a(t)[<(te) — mite], IE Ne (2) >
N miltei) = mi(t), muulloin. (3)
S o 30 Parametri a on "unohdustermi", jonka suuruudesta riippuu, kuinka paljon jää päivi- z tyksessä vanhasta neuronin arvosta jäljelle. Se myös kontrolloi verkon stabiilisuut- = ta. N on topologinen naapurusto eli joukko neuroneita, jotka ovat verkossa lähin- 3 nä minimioperaation toteuttavaa neuronia.
O
> 35 — Kartan päivityssääntö tarkoittaa sitä, että datavektoria x lähimpiä neuroneita m; siirretään kohti datavektoria x. Näin ollen SOM-neuroverkon neuronit oppivat ja/tai virittyvät vastaanottamiensa tulosuureiden kautta. Opetusalgoritmien tehtävänä on toteuttaa päivitystoimia siten että neuroverkon älykkyys kasvaa.
Keksinnön mukaisessa mittaus- ja seurantajärjestelmässä SOM-neuroverkko oppii tai opetetaan tuntemaan mitattavien korvien akustisia heijasteita, esimerkiksi nii- den verhokäyriä ja/tai taajuusspektrejä, ja vertailemaan niitä samasta korvasta ai- emmin tallennettuihin ja muista samaan kategoriaan kuuluvista korvista tallennet- tuihin akustisiin heijasteisiin. Lisäksi neuroverkkoon voidaan ottaa mukaan para- metreiksi optisia kuvia/videoita tärykalvosta, tärykalvon liikkeen amplitudit tärykal- von keskeltä ja erikseen sen alaosasta, lämpötilamittauksia ym. mittaustuloksia eri sensoreista ja lääkärin tai muun asiantuntijatahon määrittelemän diagnoosin piir- — teitä ja käyttäjän jälkitarkastusmittauksen yhteydessä antamia tietoja käytetyistä hoidoista ja paranemisen kuusta samalla tavoin kuin hahmontunnistusmenetel- missä.
Neuroverkon oppiminen tapahtuu automaattisesti siten, että se päivittää algoritmi- aan osittain tai täysin itseohjautuvasti. Neuroverkon opetusrutiinille voidaan tarvit- taessa antaa merkittävästi vapauksia valita perusteorioiltaan erilaisia menetelmiä oppimisen toteuttamiseksi. Tämän oppimisen tuloksia tulee kuitenkin havainnoida ja hallita. Tätä varten opetusrutiiniin voidaan sisällyttää sisäinen validointivaihe, jonka tehtävänä on varmistaa käytettävissä olevan datan perusteella se, että eh- — dotettu uusi neuroverkko toimii riittävän hyvällä suorituskyvyllä. Tässä sovelletta- vat validointimenetelmät voivat olla esimerkiksi leave-one-out- tai leave-N-out- tyyppisiä, joissa opetusaineistosta jätetään osa pois, ja verkon oppiminen varmis- tetaan soveltuvilla tilastomenetelmillä opetusaineiston ulkopuolelle jätetyn datan perusteella. Validointimenetelmät voivat olla myös regressiopohjaisia. Niissä esi- — merkiksi neuroverkon toivotun vasteen ja sen tuottaman vasteen välistä yhteyttä tarkastellaan regressionanalyysillä tavanomaisten parametrien avulla käyttäen kor-
D relaatiokerrointa. Suorituskykyparametrina voi toimia myös sovelluskohtainen
N määritelmä esimerkiksi välikorvatulehdusdiagnoosin sensitiivisyydestä tai spesifi- 3 syydestä käytettävissä olevan datan laajuudessa. Monimutkaisissa tapauksissa
O 30 —neuroverkon oppimista voidaan kontrolloida myös siten, että neuroverkon opetus-
I prosessi tuottaa jatkuvasti ehdolle vaihtoehtoja uudeksi, aiempaan verrattuna pa- - remmaksi, neuroverkoksi ja esittelee niitä vastaavat suorituskykyparametrit. Mikäli 3 tilanne on liian monimutkainen koneen pääteltäväksi, voidaan tässä vaiheessa o pyytää myös neuroverkon oppimista monitoroivaa asiantuntijahenkilöä päättä- > 35 — mään ehdolla olevista paras vaihtoehto. Tämän joko koneen tai ihmisen tekemän päätöksen jälkeen valittu neuroverkko otetaan käyttöön.
Neuroverkon oppimisen kontrolloimista varten voidaan kullakin ajanhetkellä käy- tössä olleen neuroverkon toimintaperiaate dokumentoida. Lähtökohtaisesti tämä tapahtuu tallentamalla muistiin sovelluksen käytössä olleet neuroverkot kullakin ajanhetkellä. Tämän lisäksi voidaan tallentaa muistiin ihmiselle ymmärrettävässä muodossa oleva tulkintaraportti, joka kuvaa kyseisen neuroverkon suorituskyvyn ja toimintaperiaatteen sillä hetkellä käytössä olleen datan valossa. Tämä raportti voi sisältää myös kuvauksen siitä, millä periaatteella kyseinen uusi neuroverkko valit- tiin käyttöön edellisen seuraajaksi. Tämä ajan kuluessa kertyvä neuroverkon do- kumentaatio voi myös toimia palautteena neuroverkon päivityskriteerien automa- — tisoinnissa. Käytännössä neuroverkon päivittäminen suorituskykyisemmäksi tar- koittaa sitä, että tekoäly-yksikön 11 algoritmeja tarkennetaan vertailuaineiston kart- tumisen myötä siten, että tarkennetut algoritmit testataan ennen käyttöönottoa ai- emmin mitatulla datalla ja hyväksytään otettavaksi käyttöön vain, jos ne antavat paremman osuvuuden taudin laadun, tilan ja syiden arviointiin.
Sama periaate voidaan tehdä muillakin neuroverkkoperiaatteilla kuin SOM:lla, esimerkiksi feedforward-neuroverkoilla (single-layer perceptron, multi-layer per- ceptron, deep neural networks), ja niiden lukuisilla variaatiolla ja alalajeilla. Myös esimerkiksi geneettisiä algoritmeja ja sumeaa logiikkaa voidaan hyödyntää peri- — aatteen toteuttamiseksi. Neuroverkkojen toteutus ja/tai opetusrutiinit voidaan tehdä joko ohjelmakoodeilla (SW) tai elektroniikalla (HW). Jos toteutuksessa käytetään tehokkaita HW-pohjaisia menetelmiä (tarvittaessa myös rinnakkaisprosessointia), tämä nopeuttaa datan käsittelyä ja lisää keinovalikoimaa tunnistaa datasta piirteitä massiviisissa laskennoissa, joissa SW-ratkaisun teho ei riittäisi.
Erilaisia neuroverkkoratkaisuja voidaan sijoittaa algoritmigeneraattoriin 13 ja oh- > jelmoida tekoäly-yksikkö 11 valitsemaan tilanteesta riippuen käyttöön parhaan
N suorituskyvyn omaava neuroverkkoperiaate. Valikoimassa voi olla mukana myös 3 eri hahmontunnistusmenetelmiä, jolloin tekoäly-yksikkö 11 voi soveltaa tilanteesta
O 30 — riippuen neurolaskentaa tai hahmontunnistusta tai niiden yhdistelmää. = - Neuroverkkolaskenta voidaan ohjelmoida toimimaan erikseen kullekin mittausta- 3 valle, kuten akustiselle reflektometrialle, optisille tarykalvokuville, akusto-optiselle o stroboskooppikuvaukselle, ultraäänimittauksille, tympanometriavideoille, lämpöti- > 35 — lalle, kemiallisille mittauksille ym. Lopuksi näistä saaduille tuloksille voidaan käyt- tää neuroverkkolaskentaa yhdistämään kaikki tulokset yhdeksi taudin tilan ja sen muutoksen arvoksi, joista taudin tila näytetään mobiililaitteen näytöllä vihreänä, keltaisena tai punaisena korvan kuvana.
Edellä on kuvattu eräitä keksinnön mukaisen menetelmän ja laitteen edullisia suo- ritusmuotoja. Keksintö ei rajoitu juuri kuvattuihin ratkaisuihin, vaan keksinnöllistä ajatusta voidaan soveltaa lukuisilla tavoilla patenttivaatimusten asettamissa rajois- sa. oO
O
N
<+ <Q
O
I a a +
O
O
N o
O
N

Claims (19)

Patenttivaatimukset
1. — Välikorvatulehdusten mittaus- ja seurantajärjestely, jossa mitataan korvakäy- tävän kautta taudin välikorvassa ja/tai tärykalvolla aiheuttamia muutoksia mobiili- laitteeseen (30) langallisesti tai langattomasti liitettävällä potilaan korvakäytävään — työnnettävällä mittapäällä (20), tunnettu siitä, että se käsittää — välineet akustisten signaalien lähettämiseen korvaan ja kaikujen vastaanot- tamiseen ja — välineet optisten signaalien lähettämiseen korvaan ja tärykalvolta heijastuvan videokuvan vastaanottamiseen ja — välineet lämpötilan mittaamiseen tärykalvon pinnasta infrapunasensorin avul- la sekä — välineet mittaustulosten digitointiin, pakkaamiseen ja lähettämiseen tieto- verkkoon; — välineet mittaustulosten tallentamiseen verkossa toimivaan potilastietokan- taan (16); — välineet mittaustulosten prosessointiin tietoverkossa toimivalla oppivalla te- koäly-yksiköllä (11) käsittäen edellä mainitun potilastietokannan (16) lisäksi tekoälyprosessorin (12), algoritmigeneraattorin (13) ja anonyymin tietokan- nan (17); — ohjelmakoodivälineet edellä mainitussa tekoäly-yksikössä (11), jotka vertaile- vat akustisia, optisia ja lämpötilan mittaustuloksia tekoälyprosessorissa (12) isosta potilasjoukosta anonyymitietokantaan (17) kerättyyn vertailuaineis- toon; käyttämällä algoritmigeneraattorin muodostamia opetettuja algoritme- ja; etsien mittaustuloksista ja niiden muutoksista samankaltaisuuksia ja eri- laisuuksia; ja päättelemällä niiden perusteella taudin tilan; o — ohjelmakoodivälineet edellä mainittujen algoritmien opettamiseen anonyymi- > tietokantaan (17) kerättävällä uudella mittausdatalla, joka varustetaan lää- x kärin tai muun asiantuntijatahon määrittelemällä lääketieteellisellä tiedolla oO taudin laadusta, tilasta ja syistä sekä määrättävistä hoitotoimenpiteistä; > 30 — ohjelmakoodivälineet edellä mainittujen algoritmien opettamiseen potilastie- = tokantaan (16) jälkiseurantana 1-3 kuukauden aikana käyttäjältä kerattaval- 3 lä mittausdatalla, joka varustetaan käyttäjältä kerättävillä tiedoilla käytetyis- S tä hoitotoimenpiteistä ja paranemisen edistymisestä, ja D — ohjelmakoodivälineet prosessoinnin tuloksena syntyvien taudin tilaa kuvaavi- N 35 en tulosten lähettämiseen ja esittämiseen mobiililaitteella.
2. Patenttivaatimuksen 1 mukainen välikorvatulehduksen mittaus- ja seuranta- järjestely, tunnettu siitä, että se käsittää lisäksi tekoäly-yksikköön (11) ja mobiili- laitteeseen (30) sijoitetut — ohjelmakoodivälineet mittapään (20) ja mobiililaitteen (30) muodostaman mit- tausvälineen akustisen mittauksen kalibrointiin siten, että sillä suoritetaan ennen varsinaista korvasta tapahtuvaa mittausta vähintään yksi kalibrointi- mittaus (513 — 518) mittapään ollessa vapaasti ilmassa, ja että mittaustulos lähetetään tekoäly-yksikköön (11) sekä — ohjelmakoodivälineet kalibrointimittauksesta saatavan datan hyödyntämiseen varsinaisten mittausten akustisen herätesignaalin (524) valinnassa niin, että varsinaisiin mittauksiin käytettävä herätesignaali tuottaa korvakäytävään olennaisesti samanlaisen akustisen herätteen (525) riippumatta mittapään (20) ja mobiililaitteen (30) muodostaman kokonaisuuden akustisesta ja elektronisesta taajuus- ja viivevasteesta.
3. Patenttivaatimuksen 2 mukainen välikorvatulehduksen mittaus- ja seuranta- järjestely, tunnettu siitä, että kalibrointimittauksessa syntyvä data hyödynnetään tekoäly-yksikössä (11) mittaustuloksia käsittelevän prosessin (528) algoritmien hienosäädössä (519) siten, että kalibrointimittauksen antama data toimii vertailu- — toiminnoissa yhtenä referenssidatana.
4. Patenttivaatimuksen 1, 2 tai 3 mukainen välikorvatulehduksen mittaus- ja seurantajärjestely, tunnettu siitä, että mittauksessa käytetään portaittaista akustis- ta herätesignaalia, jossa on peräkkäin lyhyet jaksot alkaen matalista taajuuksista — (esim. 500 Hz) ja jatkuen korkeisiin taajuuksiin (esim. 5000 Hz) ja että tarykalvolta (29) ja välikorvan (28) takapinnoista heijastuneet ääniaallot digitoidaan, lähetetään > tekoäly-yksikköön (11), jossa ne analysoidaan taajuusspektrinä. &
3 5. Patenttivaatimuksen 1, 2 tai 3 mukainen välikorvatulehduksen mittaus- ja O 30 — seurantajärjestely, tunnettu siitä, että mittauksessa käytetään yhtä tai useaa I (esim. viittä) eri taajuuksilla värähtelevää akustisia herätesignaali-pursketta, joiden - tärykalvolta (29) ja välikorvan (28) takapinnoista heijastuneet kaiut digitoidaan ajan 3 funktiona ja lähetetään tekoäly-yksikköön (11), jossa niitä analysoidaan verho- o käyrinä ja niiden verhokäyristä tunnistetaan eri pinnoista heijastuvien kaikujen > 35 — paikkoja ja voimakkuuksia.
6. Patenttivaatimuksen 1, 2, 3, 4 tai 5 mukainen välikorvantulehduksen mittaus- ja seurantajärjestely, tunnettu siitä, että siinä suoritetaan akustisen, optisen ja lämpötilan mittauksen lisäksi tai yhden tai useamman sijaan yhdistetty akusto- optinen stroboskooppimittaus, jossa samanaikaisesti akustisen herätteen aikana tärykalvoa valaistaan vinosta suunnasta juovitetulla tai täplitetyllä valolla, joka on pulssitettu akustisen herätteen taajuudesta poikkeavalla taajuudella (taajuusero esimerkiksi 1 — 3 hertsiä), ja samanaikaisesti tärykalvon pinnassa näkyvää pinnan suuntaisesti hidastettuna värähtelevää juovitusta tai täplitystä kuvataan videoka- meralla, ja saadusta videokuvasta tunnistetaan valon tulokulman perusteella pai- kan funktiona tärykalvon liikelaajuudet, joita käytetään tekoäly-yksikössä mittaus- tuloksina.
7. Patenttivaatimuksen 6 mukainen välikorvantulehduksen mittaus- ja seuranta- järjestely, tunnettu siitä, että tärykalvoa vinosta suunnasta valaisevia valolähteitä on kaksi tai useampia, ja ne säteilevät eri värisiä valoja eri suunnista niin, että tä- rykalvon värähdellessä niiden valot osuvat vuoroin päällekkäin ja vuoroin lomittain — riippuen tärykalvon hetkellisestä etäisyydestä valolähteistä; aiheuttaen näin vaih- tuvavärisen hidastetun videokuvan tärykalvosta.
8. Patenttivaatimuksen 1 — 6 tai / mukainen välikorvatulehduksen mittaus- ja seurantajärjestely, tunnettu siitä, että mittaustulosten prosessoinnissa käytetään — itseohjautuvaa SOM-neuroverkkoa, jonka datavektorin alkioina käytetään tä- rykalvolta ja välikorvan takapinnoista eri taajuuksilla mitattuja äänivasteita ja jota opetetaan vertailemaan eri taajuisia äänivasteita anonyymiin tietokan- taan (17) tallennetun vertailuaineiston äänivasteisiin, tai — hahmontunnistusta kNN-menetelmällä, jossa eri taajuiset äänivasteet muo- dostavat esimerkiksi 50-dimensioisen vektoriavaruuden, jossa käsiteltävää mittaustulosta vertaillaan anonyymiin tietokantaan (17) tallennettuun vertai- > luaineistoon etsimällä sieltä esimerkiksi kymmenen (k=10) lähinnä saman- N laista tapausta ja luokittelemalla käsillä oleva tapaus sen mukaan mihin 3 luokkaan suurin osa noista kymmenestä tapauksesta kuuluu. O 30
I
9. Patenttivaatimuksen 8 mukainen välikorvatulehduksen mittaus- ja seuranta- - järjestely, tunnettu siitä, että mittaustulosten prosessoinnissa käytetään lisäksi 3 — itseohjautuvaa SOM-neuroverkkoa, jonka datavektorin alkioina käytetään ta- o rykalvolta kuvatusta optisesta videokuvasta irrotettuja piirteitä, kuten täry- > 35 kalvon väri sen keskiosassa, alaosassa ja muissa valituissa näytepisteissä sekä värin tasaisuus eri kohdissa tärykalvolla, ja jota opetetaan näiden piir- teiden avulla vertailemaan videokuvaa anonyymiin tietokantaan (17) tallen- netun vertailuaineiston videokuviin, tai
— hahmontunnistusta kNN-menetelmällä, jossa tärykalvolta kuvatusta optisesta videokuvasta irrotetut piirteet muodostavat esimerkiksi 50-dimensioisen vektoriavaruuden, jossa käsiteltävää mittaustulosta vertaillaan anonyymiin tietokantaan (17) tallennettuun vertailuaineistoon etsimällä sieltä esimerkik- si kymmenen (k=10) lähinnä samanlaista tapausta ja luokittelemalla käsillä oleva tapaus sen mukaan mihin luokkaan suurin osa noista kymmenestä tapauksesta kuuluu.
10. Patenttivaatimuksen 6, 7, 8 tai 9 mukainen välikorvatulehduksen mittaus- ja — seurantajärjestely, tunnettu siitä, että mittaustulosten prosessoinnissa käytetään lisäksi — itseohjautuvaa SOM-neuroverkkoa, jonka datavektorin alkioina käytetään tä- rykalvolta kuvatusta akusto-optisesta stroboskooppisesta videokuvasta irro- tettuja piirteitä, kuten tärykalvon liikelaajuus sen keskiosassa, alaosassa ja muissa valituissa näytepisteissä sekä liikkeen tasaisuus eri kohdissa täry- kalvolla, ja jota opetetaan näiden piirteiden avulla vertailemaan akusto- optista stroboskooppista videokuvaa anonyymiin tietokantaan (17) tallenne- tun vertailuaineiston vastaaviin videokuviin, tai — hahmontunnistusta kNN-menetelmällä, jossa tärykalvolta kuvatusta akusto- optisesta stroboskooppisesta videokuvasta irrotetut piirteet muodostavat esimerkiksi 50-dimensioisen vektoriavaruuden, jossa käsiteltävää mittaustu- losta vertaillaan anonyymiin tietokantaan (17) tallennettuun vertailuaineis- toon etsimällä sieltä esimerkiksi kymmenen (k=10) lähinnä samanlaista ta- pausta ja luokittelemalla käsillä oleva tapaus sen mukaan mihin luokkaan suurin osa noista kymmenestä tapauksesta kuuluu. D
11. Jonkin patenttivaatimuksen 1 — 10 mukainen välikorvatulehduksen mittaus- ja N seurantajärjestely, tunnettu siitä, että se käsittää lisäksi 3 — välineet ainakin yhteen seuraavista tunnetuista toiminnoista: O 30 - tärykalvon eritteiden kemialliseen määrittelyyn, I - tärykalvon liikkuvuuden mittaamiseen ilmanpainepulssin avulla ja - - tärykalvon ja välikorvan mittaamiseen ultraäänikaikujen avulla se- 3 kä o — ohjelmakoodivälineet edellä mainittujen toimintojen tuottamien mittaustulos- > 35 ten liittämiseksi mukaan tekoäly-yksikössä (11) tapahtuvaan datan proses- sointiin tuottamaan ja tarkentamaan taudin tilaa ja sen muutosta kuvaavia tuloksia.
12. Jonkin patenttivaatimuksen 1 - 11 mukainen välikorvatulehduksen mittaus- ja seurantajärjestely, tunnettu siitä, että se käsittää myös — ohjelmakoodi- ja käyttöliittymävälineet mittaustulosten, taudin tilaa ja sen muutoksia kuvaavien tulosten, optisten kuvien ja videokuvien ja kirjoitettu- 5 jen lausuntojen esittämiseen mobiililaitteessa ja lähettämiseen käyttäjälle ja hoitavalle lääkärille tai muulle asiantuntijataholle, — ohjelmakoodi- ja käyttöliittymävälineet mobiililaitteeseen, joilla lääkäri tai muu asiantuntijataho voi määritellä taudin laadun, tilan ja aiheuttajat sekä annet- tavat hoitotoimenpiteet kustakin potilastapauksesta ja lähettää tiedot poti- lastietokannan (16) lisäksi anonyymitietokantaan (17) tekoälyn opettamista varten.
13. Jonkin patenttivaatimusten 1 - 12 mukainen välikorvatulehduksen mittaus- ja seurantajärjestely, tunnettu siitä, että se käsittää myös — ohjelmakoodi- ja käyttöliittymävälineet potilaan henkilötietojen, mittaustulos- ten, taudin tilaa ja sen muutoksia kuvaavien tulosten, optisten kuvien, vi- deokuvien, akusto-optisten stroboskooppisten videokuvien ja kirjoitettujen lausuntojen lataamiseen mobiililaitteen muistiin tai johonkin käyttäjän valit- semaan muistiyksikköön, ja — ohjelmakoodi- ja käyttöliittymävälineet mobiililaitteeseen, joilla käyttäjä voi poistaa haluamansa tiedot potilastietokannasta (16).
14. Menetelmä lasten ja aikuisten välikorvatulehdusten vakavuuden mittaami- seen ja seurantaan, jossa menetelmässä mitataan korvakäytävän kautta taudin — välikorvassa tai tärykalvolla aiheuttamia muutoksia tunnetuilla akustisilla, optisilla, elektronisilla ja/tai kemiallisilla sensoreilla, tunnettu siitä, että menetelmässä mit- > taustuloksia käsitellään tietoverkossa toimivalla oppivalla tekoäly-yksiköllä (11) si- N ten, että niitä verrataan algoritmigeneraattorin (13) ylläpitämiä opetettuja algorit- 3 meja käyttävällä tekoälyprosessorilla (12) O 30 — samanlaisilta potilailta anonyymiin tietokantaan (17) kerätyn vertailuaineiston I arvoihin ja että vertailuaineistoa kartutetaan tallentamalla siihen uusia mit- - taustuloksia anonymisoituina ja varustamalla ne lääkärin tai jonkin muun 3 asiantuntijatahon määrittelemällä lääketieteellisellä tiedolla taudin laadusta, > tilasta ja syistä sekä määrättävistä hoitotoimenpiteistä, ja/tai O N 35 — samoilta potilailta potilastietokantaan (16) jälkiseurantana 1-3 kuukauden ai- kana käyttäjältä kerättävällä mittausdatalla, joka varustetaan käyttäjältä ke- rättävillä tiedoilla käytetyistä hoitotoimenpiteistä ja paranemisen edistymi-
sestä, ja jotka tiedot siirretään anonymisoituina myös anonyymitietokantaan (17) käytettäväksi muiden samanlaisten potilastapausten analysoinnissa, ja että — algoritmeja tarkennetaan vertailuaineiston karttumisen myötä siten, että tar- kennetut algoritmit testataan ennen käyttöönottoa aiemmin mitatulla datalla ja hyväksytään otettavaksi käyttöön vain, jos ne antavat paremman osu- vuuden taudin laadun, tilan ja syiden arviointiin.
15. Patenttivaatimuksen 14 mukainen menetelmä, tunnettu siitä, että tekoälyllä tehtävä vertailu perustuu hahmontunnistusmenetelmiin tai neuroverkkolaskentaan tai niiden yhdistelmään.
16. Patenttivaatimuksen 14 tai 15 mukainen menetelmä, tunnettu siitä, että te- koäly-yksiköllä (11) suoritettava laskenta tehdään ensin kullekin erityyppiselle mit- tausdatalle (akustinen, optinen, ultraääni, lämpötila, kemiallinen, jne.) erikseen ja lopuksi niistä saatavat tulokset yhdistetään valittavilla painokertoimilla painotettui-
na.
17. Patenttivaatimuksen 16 mukainen menetelmä, tunnettu siitä, että yhdistetty lopputulos ilmaistaan väreillä, joista vihreä tarkoittaa tervettä korvaa, punainen tar- koittaa sairasta korvaa ja keltainen tarkoittaa tarkkailua vaativaa korvaa.
18. Patenttivaatimuksen 14, 15, 16 tai 17 mukainen menetelmä, tunnettu siitä, — että vertailuaineistona käytetään myös potilaan omaa aiempaa mittausaineistoa.
19. Pilvipalvelin välikorvatulehduksen mittaukseen ja seurantaan, joka käsittää välineet > — mittaustapahtuman ohjaamiseen, N — mittaustulosten tallentamiseen verkossa toimivaan potilastietokantaan (16), 3 25 — mittaustulosten prosessointiin tietoverkossa toimivalla oppivalla tekoäly- O yksiköllä (11), käsittäen edellä mainitun potilastietokannan (16) lisäksi I - tekoälyprosessorin (12), - - algoritmigeneraattorin (13) ja 3 - anonyymin tietokannan (17), sekä o 30 — ohjelmakoodin akustiseen reflektometriaan perustuvien signaalien lähettämi- > seen käyttäjän mobiililaitteelle ja vastaanottamiseen käyttäjän mobiililait- teelta ja — ohjelmakoodin optiseen videokuvaukseen perustuvan mittauksen suorittami- selle
— ohjelmakoodit muiden korvatutkimuksissa käytettävien laitteiden mittaustu- losten vastaanottamiseen tunnettu siitä, että pilvipalvelin (10) käsittää lisäksi — ohjelmakoodin mittaustulosten tallentamiseen ja prosessointiin sellaisten al- goritmien avulla, jotka vertailevat mittaustuloksia tekoälyprosessorissa (12) isosta potilasjoukosta anonyymitietokantaan (17) kerättyyn vertailuaineis- toon käyttämällä algoritmigeneraattorin (13) muodostamia opetettuja algo- ritmeja, ja etsivät mittaustuloksista ja niiden muutoksista samankaltaisuuk- sia ja erilaisuuksia ja päättelevät niiden perusteella taudin tilan,
— ohjelmakoodin edellä mainittujen algoritmien opettamiseen anonyymitieto- kantaan (17) kerättävällä uudella mittausdatalla, joka varustetaan lääkärin tai muun asiantuntijatahon määrittelemällä lääketieteellisellä tiedolla taudin laadusta, tilasta ja syistä sekä määrättävistä hoitotoimenpiteistä, ja/tai
— ohjelmakoodin edellä mainittujen algoritmien opettamiseen samoilta potilailta potilastietokantaan (16) jälkiseurantana 1-3 kuukauden aikana käyttäjältä kerättävällä mittausdatalla, joka varustetaan käyttäjältä kerättävillä tiedoilla käytetyistä hoitotoimenpiteistä ja paranemisen edistymisestä, ja jotka tiedot siirretään anonymisoituina myös anonyymitietokantaan (17) käytettäväksi muiden samanlaisten potilastapausten analysoinnissa, ja
— ohjelmakoodin prosessoinnin tuloksena syntyvien taudin tilaa tai sen muutos- ta kuvaavien tulosten lähettämiseen ja esittämiseen mobiililaitteella.
oO O N <+ <Q O I a a < O O N o O N
FI20197064A 2019-04-10 2019-04-10 Välikorvatulehduksen multimodaalinen mittaus ja seuranta tekoälyn avulla FI20197064A1 (fi)

Priority Applications (2)

Application Number Priority Date Filing Date Title
FI20197064A FI20197064A1 (fi) 2019-04-10 2019-04-10 Välikorvatulehduksen multimodaalinen mittaus ja seuranta tekoälyn avulla
PCT/FI2020/000007 WO2020208291A1 (en) 2019-04-10 2020-04-07 Multimodal measuring and tracking of middle ear otitis by artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
FI20197064A FI20197064A1 (fi) 2019-04-10 2019-04-10 Välikorvatulehduksen multimodaalinen mittaus ja seuranta tekoälyn avulla

Publications (1)

Publication Number Publication Date
FI20197064A1 true FI20197064A1 (fi) 2020-10-11

Family

ID=72750440

Family Applications (1)

Application Number Title Priority Date Filing Date
FI20197064A FI20197064A1 (fi) 2019-04-10 2019-04-10 Välikorvatulehduksen multimodaalinen mittaus ja seuranta tekoälyn avulla

Country Status (2)

Country Link
FI (1) FI20197064A1 (fi)
WO (1) WO2020208291A1 (fi)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220161047A1 (en) * 2020-11-23 2022-05-26 RayBalance, Inc. Systems and methods for photobiomodulation

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2909801A4 (en) * 2012-10-19 2016-07-27 Inc Medpod MODULAR CLINIC SYSTEMS COMPATIBLE WITH TELEMEDICINE AND MEDICAL DIAGNOSTIC ASSISTANCE
US9867528B1 (en) * 2013-08-26 2018-01-16 The Board Of Trustees Of The University Of Illinois Quantitative pneumatic otoscopy using coherent light ranging techniques
WO2015035229A2 (en) * 2013-09-05 2015-03-12 Cellscope, Inc. Apparatuses and methods for mobile imaging and analysis
WO2016183389A1 (en) * 2015-05-12 2016-11-17 Ryan Boucher Devices, methods, and systems for acquiring medical diagnostic information and provision of telehealth services
CN117058418A (zh) * 2016-09-02 2023-11-14 俄亥俄州创新基金会 对鼓膜病理进行分类的系统、方法和计算机程序产品
CN207755252U (zh) * 2017-09-11 2018-08-24 合肥德易电子有限公司 一种智能无线内镜摄像光源系统

Also Published As

Publication number Publication date
WO2020208291A1 (en) 2020-10-15

Similar Documents

Publication Publication Date Title
KR102199020B1 (ko) 천장형 인공지능 건강 모니터링 장치 및 이를 이용한 원격 의료 진단 방법
US11191432B2 (en) Wearable health monitoring system
US20230389827A1 (en) Autonomous diagnosis of ear diseases from biomarker data
EP3776586A1 (en) Managing respiratory conditions based on sounds of the respiratory system
US20110176106A1 (en) Portable eye monitoring device and methods for using the same
US20170007126A1 (en) System for conducting a remote physical examination
JP6450085B2 (ja) 健康状態検査装置
CN111182832A (zh) 诊断性听力健康系统中的声音干扰评估及其使用方法
Sahyoun et al. ParkNosis: Diagnosing Parkinson's disease using mobile phones
CN112289397A (zh) 一种听力检查和助听器验配效果评估综合管理系统
JP2023510582A (ja) 大腸鏡検査前処理を評価するためのシステムと方法
JP2006254948A (ja) 健康管理支援システム
WO2021140670A1 (ja) 情報伝達装置および情報伝達方法
FI20197064A1 (fi) Välikorvatulehduksen multimodaalinen mittaus ja seuranta tekoälyn avulla
WO2008033010A1 (en) Device and method for positioning recording means for recording images relative to an object
US20220122726A1 (en) A system and method for medical diagnosis support
CN110148110B (zh) 一种自发性眼震智能诊断系统
JP7037110B2 (ja) 眼科情報処理プログラム、および眼科情報処理方法
WO2020161710A1 (en) A system and method for cluster based medical diagnosis support
KR102595644B1 (ko) 소아 청력 예측 인공지능 시스템
CN112617896B (zh) 远程胎心监测系统
Aswini et al. For Effective, Earlier and Simplified Diagnosis of Retinopathy of Prematurity (RoP), a Probe through Digital Image Processing Algorithm in B-Scan
US20220354421A1 (en) Tooth analysis server, tooth analysis terminal, and tooth analysis program
Nissi Artificial intelligence in studying and evaluation of otitis media by acoustic reflectometry
JP6829126B2 (ja) 眼科システム

Legal Events

Date Code Title Description
FD Application lapsed