JP2011514200A - 生理学データの形態フィーチャ解析のシステム及び方法 - Google Patents

Abstract

【課題】生理学データの形態学的フィーチャに対する検出及び解析を提供すること。
【解決手段】生理学データ形態を解析するシステム及び方法は第１の生理学データ源を含む。形態学的セグメント検出モジュールは、第１の生理学データ源から第１の生理学データを受け取ると共に、第１の生理学データに関する少なくとも１つの形態学的セグメントを特定するような少なくとも１つのアルゴリズムを適用している。セグメントフィーチャランク付けモジュールは、特定した形態学的セグメントの少なくとも１つに対して、少なくとも１つのセグメントフィーチャを特定し該少なくとも１つのセグメントフィーチャの重篤度のランク付けを生成するような少なくとも１つのアルゴリズムを適用している。
【選択図】図１

Description

本開示は生理学データ解析の分野に関する。本開示はより具体的には、生理学データの形態学的フィーチャの検出及び解析に関する。

生理学データに対する自動解析や半自動解析は、医学研究と臨床研究用途の両方で使用される重要なツールである。自動解析では、生理学データに対して１つまたは複数のアルゴリズムを適用し生理学データに対するコンピュータ生成の判読及び／または解析を作成している。半自動解析も生理学データに対して１つまたは複数のアルゴリズムを適用し生理学データに対するコンピュータ生成の判読や解析を作成するのは同様であるが、そのコンピュータ生成の判読が次いで臨床医に対して提示され、臨床医はその判読を吟味し自身のデータ吟味及び対話式処理における判断に従ってコンピュータ画面上でこれを編集する。

典型的には生理学データの解析は、生理学データの間隔関連のフィーチャ（すなわち、生理学データ中のフィーチャ間またはイベント間のタイミング）と生理学データ中のフィーチャの形態（すなわち、生理学データ中におけるフィーチャの形状や幾何学構成）のいずれかを観察することによって実施することができる。自動式や半自動式生理学データ解析の用途の大部分は、間隔関連の生理学データ特性に注目している、これは検出及び解析についてより主観性が高いフィーチャ形態と比べてこれらの特性が特定及び定量化がより容易であることによる。フィーチャ形態の検出及び記述のためのアルゴリズムが存在しているものの、これらのアルゴリズムは途方もなく多くの数のパラメータからなる出力を生成することが多く、また典型的にはこれらのパラメータの各々は整数や浮動小数点値などの連続値として表現されている。

欧州特許出願公開第ＥＰ １３０４０７２Ａ号

したがって、形態学的パラメータの絶対数が多いこと並びにこれらのパラメータの各々の表記の連続的性格のために、データフィーチャ形態の解析に半自動式生理学データ解析技法を使用することは困難となる。

本明細書では、生理学データの形態学的フィーチャに対するコンピュータ化アルゴリズムと吟味する医師の間での対話式解析のためのシステムを開示する。一実施形態では本システムは、生理学データ源から生理学データを受け取り該生理学データの少なくとも１つの形態学的セグメントを適用している形態学的セグメント検出モジュールを含む。本システムはさらに、特定した形態学的セグメントの少なくとも１つに対して少なくとも１つのアルゴリズムを適用し、少なくとも１つのセグメントフィーチャを特定し該少なくとも１つのセグメントフィーチャの重篤度のランク付けを生成しているセグメントフィーチャランク付けモジュールを含む。

さらに本明細書では、生理学データ形態の解析方法を開示している。本方法は、生理学データを受け取るステップと、生理学データの少なくとも１つの形態学的セグメントを特定するステップと、を含む。本方法はさらに、特定した各形態学的セグメントの少なくとも１つのフィーチャを特定するステップと、特定した各フィーチャごとにフィーチャランク付けを決定するステップと、を含む。

生理学データの形態学的フィーチャの解析のためのシステムの一実施形態を表した図である。 心電計（ＥＣＧ）データのＰ波セグメントの形態学的フィーチャを提示した実施形態を表した図である。 心電計（ＥＣＧ）データのＰ波セグメントの形態学的フィーチャを提示した実施形態を表した図である。 ＥＣＧデータのＱＲＳセグメントの形態学的フィーチャを表した図である。 ＥＣＧデータのＱＲＳセグメントの形態学的フィーチャを表した図である。 ＥＣＧデータのＴ波セグメントの形態学的フィーチャを表した図である。 ＥＣＧデータのＴ波セグメントの形態学的フィーチャを表した図である。 生理学データ形態を解析する方法の一実施形態における各ステップを表した流れ図である。 臨床医による吟味及び編集を可能にさせるための生理学データ形態解析の下位方法の一実施形態における各ステップを表した流れ図である。 ＥＣＧデータの組を比較するための生理学データ形態解析の下位方法の一実施形態における各ステップを表した流れ図である。 データマイニング解析を実行するための生理学データ形態解析の下位方法の一実施形態における各ステップを表した流れ図である。

生理学データの形態学的フィーチャの検出及び解析は、医学診断用途と臨床研究用途の両方において重要なツールである。こうした用途の１つは、本明細書において例示的な意味で使用することにする心電計データ（ＥＣＧ）の解析であるが、筋電図（ＥＭＧ）や脳波図（ＥＥＧ）（ただし、これらに限らない）など別のタイプの生理学データについても、本明細書に開示したシステム及び方法の実施形態により支援することができる。

図１は、生理学データに対する形態学フィーチャ解析のためのシステム１０の一実施形態を表している。より具体的にはこの生理学データはＥＣＧデータである。このＥＣＧデータはＥＣＧデータ源１２により提供される。ＥＣＧデータ源１２は、患者（図示せず）に接続されると共に患者からＥＣＧデータを収集する心電計１４とすることがある。別法としてＥＣＧデータ源１２は１人または複数人の患者から別の時点で収集してデータベース内に格納しておくことができる履歴ＥＣＧデータを埋め込んだＥＣＧデータベース１６とすることがある。

ＥＣＧデータ源１２からのＥＣＧデータは形態学的セグメント検出モジュール１８に送られる。形態学的セグメント検出モジュール１８はＥＣＧデータを受け取りこのＥＣＧデータに対して少なくとも１つのアルゴリズムを適用する。少なくとも１つのアルゴリズムを適用した結果、ＥＣＧデータの少なくとも１つの形態学的セグメントが特定される。ＥＣＧデータ内で特定されることがある形態学的セグメントは、Ｐ波、ＱＲＳ群、ＳＴ間隔、Ｔ波またはＵ波を含むことがある。別の生理学データを解析する代替的実施形態では、解析中の生理学データに固有の様々な形態学的セグメントを検出し得ることが理解されよう。形態学的セグメント検出モジュール１８により適用されるアルゴリズムは、ＥＣＧセグメントのそれぞれを特定する一連の形態記述子を含むことがある。これらの記述子はセグメントの各々を特定するためのパターン認識技法と連携して使用されることがある。

本明細書に開示した幾つかの実施形態はデータを処理するために本明細書に開示した１つまたは複数のアルゴリズムを適用する１つまたは複数のコンピュータを利用することがある。少なくとも１つのコンピュータにより適用されるこれらのアルゴリズムの技術的効果は、そのデータが提示する形態学的セグメント及びセグメントフィーチャを特定すると共に該特定したセグメントフィーチャのランク付けを生成し、生理学的信号に関するコンピュータ決定による解析に対する臨床医による吟味及び編集を簡便にすることである。

次いで、ＥＣＧデータは検出したセグメントと一緒にセグメントフィーチャランク付けモジュール２０に送られる。セグメントフィーチャランク付けモジュール２０は、ＥＣＧデータに関する特定した形態学的セグメントの少なくとも１つに対して少なくとも１つのアルゴリズム適用する。特定した形態学的セグメントの少なくとも１つに対して少なくとも１つのアルゴリズムを適用することによって、少なくとも１つのセグメントフィーチャの重篤度のランク付けが生成される。特定した形態学的セグメントの各々は、多数のセグメントフィーチャに分解され、これらを用いて形態学的セグメントを記述することができる。これらのフィーチャの各々は、臨床的に重要となり得る潜在的なセグメント形態を反映することがある。形態学的セグメント内におけるフィーチャの存在を定量化するためにはファジークラスター化技法が用いられることがある。これらのフィーチャランク付けは、検出したあらゆるセグメントフィーチャに関する重篤度ランク付けの生成のためなど離散的な重篤度レベルを得るように定量化されることがある。

一実施形態ではその離散的な重篤度レベルは、数値０、１、２及び３で表した４つのレベルを含むことがある。これらの重篤度レベルランク付けは、ある具体的なセグメントフィーチャの有無に関して、無し、中程度、明瞭及び重大のランク付けと一致することがある。これらのセグメントフィーチャのベースライン分布の統計解析から各フィーチャごとの重篤度レベルが生成される。このベースライン分布は、１つまたは複数のデータベースの一部分として１つの大きなＥＣＧデータプールから収集されることがある。このベースライン分布から、クラスター化及び／またはファジーロジックグループ化技法を適用して離散的な重篤度レベルを生成することができる。

本明細書に開示した生理学データ解析システム１０の実施形態は、特定したセグメントフィーチャに関して形態学的セグメント検出モジュール１８及びセグメントフィーチャランク付けモジュール２０によって実行される離散的な重篤度レベルの特定によって容易となるような具体的な用途を目的とした特異的な要素を含むことがある。

システム１０の一実施形態は、ＥＣＧデータをランク付けしたセグメントフィーチャと一緒にＥＣＧディスプレイ２４に送っている臨床医吟味／編集サブシステム２２を含むことがある。ＥＣＧデータと特定した各セグメントフィーチャごとに特定した離散的な重篤度レベルとは、臨床医に対して提示される。図２ａ〜４ｂは、ＥＣＧデータと離散的なセグメントフィーチャ重篤度レベルとの表示に関する例示的な実施形態である。図１に示すようにＥＣＧディスプレイ２４には入力デバイス２６が接続されている。ＥＣＧデータ並びに各形態学的セグメントごとのランク付けセグメントフィーチャの表示を吟味する臨床医は、形態学的セグメントを選択すると共にセグメントフィーチャのいずれかまたは全部に関するコンピュータ決定の離散的な重篤度レベルを調整することがある。臨床医により実施されるランク付けレベルに対する調整は、追加のセグメントフィーチャの特定や偽陽性のセグメントフィーチャの排除を含むことがある。セグメントフィーチャランク付けレベルが臨床医により修正された後、そのＥＣＧデータ及び修正済みのセグメントフィーチャランク付けがＥＣＧデータベース２８内に格納されることがあり、あるいは新たに修正された形態学フィーチャを判読及び分類に対する新たな解析に使用することが可能である。ＥＣＧデータベース２８は、様々なコンピュータ端末及びコンピュータデバイスを病院内にある１つまたは複数の中央サーバー及び／またはディジタルデータ記憶装置に接続しているより大きな病院情報ネットワーク（図示せず）に接続されることがある。

図２ａ及び２ｂは、ＥＣＧディスプレイ２４が表示することがあるＥＣＧデータ及びセグメントフィーチャランク付けの提示の例示的な実施形態を表している。図２ａ及び２ｂは、ＥＣＧディスプレイ２４により表示させるグラフィカルユーザインタフェース３０として具現化されることがある。ＧＵＩ３０の各々は複数の形態学的セグメントのそれぞれに関連付けされた複数のタブ３２を有することがある。「Ｐ」タブ３２がハイライトされているため、ここではＰ波形態学的セグメントがＧＵＩ３０の目下の表示の関心対象であることが分かる。ＥＣＧデータ３４がＧＵＩ３０の一部として表示されかつＰ波形態学的セグメント３６がハイライトされており、これにより当該形態学的セグメントが目下吟味中であることが分かる。

ＧＵＩ３０のセグメントフィーチャランク付け領域３８は、形態学的セグメント内で特定され得る複数のセグメントフィーチャに関する指示を含む。セグメントフィーチャに関する例示的な一覧には、Ｍｉｓｓｉｎｇ４０、Ｂｉｐｈａｓｉｃ４２、Ｓｈａｒｐ４４、Ｌｏｎｇ ＰＲ及びＳｈｏｒｔ ＰＲ４８（ただし、これらに限らない）を含むことがある。セグメントフィーチャランク付け領域３８はさらに、セグメントフィーチャがその域内でランク付けされるような複数の離散的レベル５０を含む。離散的レベル５０は、中程度レベルの「＋」、明瞭なフィーチャの「＋＋」及び非常に重大なフィーチャの「＋＋＋」を含むことがある。この方式ではセグメントフィーチャのそれぞれは、提示されるか提示されないかで指示されており、提示がある場合は次いでそのフィーチャの重篤度の離散的レベルも同様に提示される。

図２ａでは、ＥＣＧデータ３４のＰ波３６がＬｏｎｇ ＰＲフィーチャを呈している。コンピュータ実現のアルゴリズムによってこのフィーチャが明瞭区分に属するとされると、Ｌｏｎｇ ＰＲセグメントフィーチャの下にあるハイライトされた「＋＋」の円によってこれが指摘されることになる。吟味する臨床医がこのＥＣＧデータを吟味しＰ波だけが中程度にＬｏｎｇ ＰＲを呈していると判定した場合、臨床医はＰ波タブを選択し次いでＬｏｎｇ ＰＲ４６セグメントフィーチャに関して「中程度」重篤度レベルを選択することがある。この修正は追加の任意の修正と共に、ＥＣＧデータに関連した新たな形態学的セグメントフィーチャ解析として保存されることがある。同様に図２ｂは別のＥＣＧデータ５２を表しているが、このＰ波３６はＥＣＧデータ５２でも依然としてハイライトされたままである。ハイライトされるＰ波３６は存在しないため、「非常に重大」すなわち「＋＋＋」のレベルにあるハイライトされた円が「Ｍｉｓｓｉｎｇ」セグメントフィーチャに含められる。

臨床医は、ＥＣＧデータに関して特定した形態学的セグメントのそれぞれを吟味することが可能である。一実施形態では、異なる形態学的セグメントにその各々が関連付けされている多様なタブ３２を選択することによってこれが実行される。図３ａ及び３ｂはそれぞれ、「ＱＲＳ」タブ３２が選択されているＧＵＩ３０を表している。異なるセグメントフィーチャが心拍サイクル内の脱分極過程（ｄｅｐｏｌａｒｉｚａｔｉｏｎ ｐｒｏｃｅｓｓ）としてＱＲＳ群に関連付けされており、したがってセグメントフィーチャランク付け領域３８はその各々がＱＲＳ群に関連付けされた多様な新たなセグメントフィーチャを表示しており、これらのセグメントフィーチャは、Ｑ−ｗａｖｅ５４、ｄｅｌｔａ５６、ｒＳＲ’５８、ｎｏｔｃｈ６０、ｆｌａｔ６２及びｗｉｄｅ ＱＲＳ６４を含むことがある。

図３ａでは、ＧＵＩ３０内に表示されたＥＣＧデータ６６はハイライトされたＱＲＳ群６８を有する。ＱＲＳ群６８は、「中程度」（「＋」）のｎｏｔｃｈフィーチャ６０と「非常に重大」（「＋＋＋」）のＷｉｄｅフィーチャ６４の両方を呈している。離散的なフィーチャランク付けレベルに関連付けされる適正な円をハイライトすることによってこれらが示されている。

図３ｂでもさらに、ＱＲＳ群７２が依然としてハイライトされたＥＣＧデータ７０を表している。この例では、ＱＲＳ群７２は「非常に重大」なＱ−ｗａｖｅフィーチャを呈している。セグメントフィーチャランク付け領域３８の場合と同様に、「非常に重大」セグメントフィーチャランク付けに関連付けされた円をハイライトすることによってこれが指示される。図２を参照しながら記載したように、臨床医はＥＣＧデータに対する以前のアルゴリズム適用に関する出力を調整するために、図３ａまたは３ｂの場合と同様にＥＣＧデータの提示及びコンピュータ特定のランク付けレベルを吟味し、セグメントフィーチャランク付け領域３８内に表示されたセグメントフィーチャランク付けレベルを修正することがある。臨床医による修正はいずれも、吟味しようとする後の臨床医が後の時点でまた離れた箇所にいてもこれを利用できるようにＥＣＧデータベース２８に保存しておくことができる。

さらに図４ａ及び４ｂはそれぞれ、「Ｔ−Ｕ波」タブ３２が選択された状態にあるＧＵＩ３０を表しており、「Ｔ−Ｕ波」タブ３２はＳＴセグメントと一緒になって心拍サイクルの再分極過程全体をカバーしている。ＱＲＳ群やＰ波と異なりＴ波には異なるセグメントフィーチャが関連付けされており、したがってセグメントフィーチャランク付け領域３８はその各々がＴ波に関連付けされた多様な新たなセグメントフィーチャを表示している。Ｔ波に関連付けされたセグメントフィーチャは、ｎｏｔｃｈ８２、ｆｌａｔｎｅｓｓ８４、ｕｎｓｙｍｍｅｔｒｉｃａｌ８６、Ｕ８８、ｉｎｖｅｒｓｅ９０及びｂｉｐｈａｓｉｃ９２を含むことがある。

図４ａでは、ＧＵＩ３０内に表示されたＥＣＧデータ９４はＴ波９５がハイライトされている。Ｔ波９５だけが「中程度」（「＋」）のＵフィーチャ８８を呈している。Ｕフィーチャ８８の下にある（「＋」）の円をハイライトすることによって適正な離散的なフィーチャレベルを指示している。ＥＣＧデータ９４のこのセグメントに関して特定された異常な形態学フィーチャは他に存在しない。

図４ｂでもさらに、Ｔ波９６が依然としてハイライトされたＥＣＧデータ９８を表している。この例では、形態学的フィーチャ解析アルゴリズムによってＴ波９６が特定されており、ＥＣＧデータ９４内に「明瞭」なｎｏｔｃｈ８２、ｆｌａｔｎｅｓｓ８４及びｕｎｓｙｍｍｅｔｒｉｃａｌ８６の各フィーチャ並びに同じ「中程度」のＵフィーチャ８８が呈されている。しかしＥＣＧデータ９４とＥＣＧデータ９８を比較することによって、Ｔ波９５はＴ波９６と非常に異なって見えるようになる。実際にＧＵＩ３０が提示したＥＣＧ９８を吟味したときに臨床医は、ＥＣＧデータ９８のＴ波９６がｕｎｓｙｍｍｅｔｒｉｃａｌフィーチャ８６がコンピュータ決定の「明瞭」レベルではなく「非常に重大」なｕｎｓｙｍｍｅｔｒｉｃａｌフィーチャを呈していると判定することがある。臨床医は次いで、Ｔ波セグメント９６を選択し、ｕｎｓｙｍｍｅｔｒｉｃａｌフィーチャ８６のランク付けレベルを臨床医がより適正であると判定したレベルに変更することができる。

同様に臨床医はＥＣＧデータ９４をＥＣＧデータ９８と比較して吟味したときに、Ｔ波９５だけが「中程度」のｕｎｓｙｍｍｅｔｒｉｃａｌフィーチャ８６を提示していると判定することがある。臨床医はこの時点で、Ｔ波９５セグメントを選択し、当該フィーチャが「中程度」だけに特定されるようにｕｎｓｙｍｍｅｔｒｉｃａｌフィーチャ８６に関するセグメントフィーチャランク付けを変更することがある。臨床医が実施した修正はいずれも、吟味しようとする後の臨床医が後の時点でまた離れた箇所にいてもこれを利用できるようにＥＣＧデータベース２８に保存しておくことができる。

臨床的に重要な所定の形態学的フィーチャのそれぞれごとに形態学的フィーチャ解析を複数の離散的レベルとして提示することによって、ＥＣＧデータに対する臨床医の吟味がこれらのフィーチャに集中される。これが臨床医が自動システムにより生成し得る大量の形態学的フィーチャデータを抽出する支援となり、したがって臨床医は自らの臨床的意見を自動式形態学的フィーチャ解析の結果に有効に反映させることが可能となる。ＥＣＧデータに関する自動解析と臨床医解析の両方をこのように組み合わせることによって、より正確な形態学的フィーチャ解析が得られ、自動システムの長所とその結果に対する臨床医の吟味及び修正を活用することができる。

臨床医は、ＳＴセグメントやＴ−Ｕセグメントを含むその他の形態学的セグメントの各々に移行するためにはＧＵＩ３０のいずれかのタブ３２を選択することがあることが理解されよう。これらの別のセグメントタブが選択されると、選択した形態学的セグメントの内部やこれに個別に関連付けされたセグメントフィーチャを含むような同様のセグメントフィーチャランク付け領域３８が立ち上げられる。さらに、選択した形態学的セグメントはＥＣＧデータのディスプレイ上のセグメントフィーチャランク付け領域３８の下側でハイライトされることになる。

生理学データ解析システム１０の臨床医吟味／編集サブシステム２２は吟味をする臨床医に対して、間隔ベースの生理学データ解析に関してすでに利用可能であるものと同様に、ＥＣＧデータに対するアルゴリズムの適用により実行したＥＣＧデータの解析や判読を吟味し修正する能力を提供する。これによれば、臨床医はアルゴリズム解析による支援を受けるだけでなくアルゴリズム特定による偽陽性と修正を考慮に入れた出力の調整が可能であるため、ＥＣＧデータの最終的な解析品質の向上が促進される。

図１に戻ると、セグメントフィーチャランク付けモジュール２０のＥＣＧ比較器サブシステム６７は、ランク付けしたセグメントフィーチャを伴ったＥＣＧデータをＥＣＧ比較モジュール６９に提供する。ＥＣＧ比較モジュール６９はＥＣＧデータベース７１に接続されている。ＥＣＧデータベース７１は、ランク付けしたフィーチャを含んだ第２のＥＣＧデータをＥＣＧ比較モジュール６９に提供する。ＥＣＧ比較モジュール６８は、第１のＥＣＧデータと第２のＥＣＧデータの間の類似性及び差異に関する指示となる比較出力７３を生成する。

ＥＣＧ比較モジュール６９の一実施形態では、ＥＣＧ比較モジュール６９は第１のＥＣＧデータと第２のＥＣＧデータの間でフィーチャランク付けの各々を比較し、第１のＥＣＧデータと第２のＥＣＧデータの間の類似性及び差異を決定する。

さらに別の実施形態では第１のＥＣＧデータと第２のＥＣＧデータの間の比較は、離散的なセグメントフィーチャレベルのそれぞれに１つの数値を与えると共にセグメントフィーチャのそれぞれに関するレベル同士の差を見出している距離計測法を用いて実施することができる。単純な距離計測法の１つでは、こうした差のそれぞれを２乗して総和をとっている。この和の平方根は２つのＥＣＧ信号間の全体差の指標であり、またこれはこのアルゴリズムの適用により容易に実現することができる。さらに、同様の第１のＥＣＧデータと第２のＥＣＧデータの間の比較を提供するためには別の方法及び／またはアルゴリズムが使用されることもあることを理解されたい。これらの代替的方法及び／または技法は本開示の趣旨域内にあると見なされる。

生理学データ解析システム１０のデータマイニングサブシステム７４は、セグメントフィーチャランク付けモジュール２０からのランク付けしたセグメントフィーチャを伴ったＥＣＧデータを用いて改良型のデータマイニングシステム７４を作成する。ＥＣＧデータベースポピュレータ（ｐｏｐｕｌａｔｏｒ）７６はセグメントフィーチャランク付けモジュール２０から、ランク付けしたセグメントフィーチャを伴ったＥＣＧデータを受け取る。ＥＣＧデータベースポピュレータ７６は各セグメントフィーチャごとのセグメントフィーチャ及びランク付けレベルを基準としてＥＣＧデータをソートする。このソート済みのＥＣＧデータは次いで、ＥＣＧデータベース７８内に格納され、ここでソート済みＥＣＧデータは各セグメントフィーチャ及びそのランク付け重篤度レベルに従ってＥＣＧデータを表形式としたルックアップテーブルとして格納されることがある。形態学フィーチャベースのデータベースサーチエンジンは、先ず形態インデックスサーバーを生成することによって構築することができる。データマイニングモジュール８０は、特定のセグメントフィーチャ及び／またはセグメントフィーチャレベルを非常に高速でサーチするためにインデックスサーバーにアクセスすることがある。これによってＥＣＧデータのうちの指定のセグメントフィーチャ及び／または指定のフィーチャレベルを呈するすべてのデータを含む非常に特異的なデータ組の簡単かつ高速の取り出しが可能となる。

したがってデータマイニングシステム７４によれば、取得したデータ組に適用できるデータマイニング技法の適用を強化するように形態学ベースの区分済みＥＣＧデータ組が容易に収集できるという点において以前のデータマイニングシステムに対する改善が可能となる。

本開示では生理学データ解析システム１０の構成要素を記述するためにモジュールという用語を使用してきたことを理解すべきである。本開示ではこのモジュールという用語を、入力を受け取り出力を生成するようなハードウェア、ソフトウェアまたはファームウェアのいずれかの形で実現されるあるシステムに関する論理構成要素を指し示すために使用している。

本明細書ではさらに、図５ａ〜ｄに表したような生理学データ形態を解析する方法についても開示している。本方法は図５ａにおいて第１の生理学データを受け取るステップであるステップ１００で開始される。上述のように第１の生理学データは、生理学データのデータベースに由来することや、患者監視デバイスを用いて患者から記録されることがある。次にステップ１０２において、第１の生理学データ内の形態学的セグメントが特定される。このことは、解析しようとする生理学データのタイプに特有の形態学的セグメントを特定するなど第１の生理学データに対して１つまたは複数のアルゴリズムを適用することによって実施されることがある。ステップ１０４では、特定した形態学的セグメントから少なくとも１つのセグメントフィーチャを特定するために各形態学的セグメントが解析される。セグメントフィーチャは、１つまたは複数の形態学的セグメントに生じ得る共通のまたは特徴的なフィーチャとすることがある。これらのセグメントフィーチャは、具体的な生理学的リスクまたは条件を示すまたはこれらに相互関連することがある。

ステップ１０４で少なくとも１つのセグメントフィーチャを特定し終えた後、ステップ１０６において特定したセグメントフィーチャに関する重篤度レベルが決定される。特定したセグメントフィーチャに関する重篤度レベルは、特定したセグメントフィーチャの重篤度がそれに基づいてランク付けされている離散的数のレベルによって表現されることがある。特定したセグメントフィーチャの各々に関する重篤度レベルは、その特定したセグメントフィーチャが当該セグメントフィーチャに関する指定のベースライン水準から乖離している程度に基づいて決定されることがある。このベースラインは例示的な生理学データに対する解析から算定されることがある。

特定したセグメントフィーチャに関してステップ１０６で決定した重篤度レベルと第１の生理学データとの組み合わせは、基準点２００で示したような多様な代替的下位方法の適用において利用することができる。これらの下位方法は、生理学データ２１０に対する臨床医の吟味及び修正、第１の生理学データと別の生理学データ２２０の間の逐次比較、及びデータマイニングの適用２３０を含むことがある。

図５ｂを参照すると、生理学データに対する解析及び判読のための臨床医吟味／修正の下位方法２１０の一実施形態について表している。参照番号２００における（ステップ１０６からの）生理学データ及び決定したセグメントフィーチャレベルは、ステップ１０８において臨床医に提示される。次に臨床医は生理学データ及び決定されたセグメントフィーチャレベルを吟味する。生理学データ及びセグメントフィーチャレベルの吟味の際に臨床医が決定されたセグメントフィーチャレベルのうちの１つまたは幾つかについて生理学データの特徴付けが不正確であると感じた場合、ステップ１１０において少なくとも１つのセグメントフィーチャレベルに対する修正が臨床医により入力されまたこれをシステムが受け取ることがある。決定されたセグメントフィーチャレベルに対するステップ１１０における修正によって臨床医は、セグメントフィーチャレベルから次に来る任意の生理学的解析の確度を高めることができる。修正されたセグメントフィーチャレベルはステップ１１４において保存しておき、他の臨床医が保存済みの修正セグメントフィーチャレベルが格納してある媒体にアクセスしてこれを取り出しかつ利用できるようにしている。

図５ｃを参照すると、データ比較の下位方法２２０の代替的な一実施形態を表している。参照番号２００における（ステップ１０６からの）特定したセグメントフィーチャに関して決定された重篤度レベルと第１の生理学データとはステップ１１８において、ステップ１１６で受け取った特定したセグメントフィーチャ及びレベルを伴った第２の生理学データと比較される。第１及び第２の生理学データに関するステップ１１８における比較は、特定したセグメントフィーチャの各々に関する決定されたレベルのみに基づいて第１と第２の生理学データを比較する技法や、生理学データのその他のセグメントフィーチャに関するその他のレベルと組み合わせてデータを比較する技法を含むことがある。より具体的には、ステップ１１８の比較は離散的レベルとセグメントフィーチャの間の「距離」を計算するような２乗和技法を用いて実行されることがある。最後に、ステップ１１８での比較結果によって、ステップ１２０において第１と第２の生理学データの間の比較を示す出力が生成される。ステップ１２０で生成する出力によって、第１と第２の生理学データの間の類似性に関する定量的比較を提供することができる。

最後の図５ｄはデータマイニングの下位方法２３０を表している。参照番号２００における（ステップ１０６からの）生理学データ及び特定したセグメントフィーチャに関する決定された重篤度レベルは、特定したセグメントフィーチャ及びセグメントフィーチャレベルを基準としてステップ１２２においてソートされる。次いでステップ１２４においてこのソート済みの生理学データを用いて、生理学データがセグメントフィーチャ及びレベルに従ってソートされて格納された１つのデータベースが作成される。これによれば、特定された形態学的セグメントフィーチャを基準とするだけではなく、特定したセグメントフィーチャの各々の相対的な重篤度レベルに関しても生理学データがグループ化されかつ編成されているようなデータベースを作成することができる。

ステップ１２６では、ステップ１２４で作成されたデータベースから指定のセグメントフィーチャ及びレベルの生理学データを含むようなデータ組が取り出される。ステップ１２４で作成したデータベース内における生理学データの編成及びグループ化によって、ステップ１２６におけるこうした極めて特異的なデータ組の取り出しが容易になる。ステップ１２６で取り出されたデータ組は次いで、形態学フィーチャベースのインデックスサーバーを構築するためにステップ１２８において使用されることがある。形態学ベースのインデックスサーバーは、ＥＣＧデータ組のそれぞれと一緒に格納された特定された形態学的セグメントフィーチャのいずれかに基づいたＥＣＧデータ組に対する選択及び／または逐次順序付けを可能とするようなルックアップテーブルの形態で製作されることがある。しかし、データ編成及びインデックスサーバー構造に関しては、形態学フィーチャベースのインデックスサーバーと連携して別の方式も使用できることを理解されたい。

最後にステップ１３０において、ステップ１２８で作成されたインデックスサーバーを用いたデータマイニング技法が適用される。データマイニング技法の適用は、インデックスサーバー内の特定したセグメントフィーチャ及びセグメントフィーチャレベルによる生理学データの編成及びグループ化のためにステップ１２８で構築したインデックスサーバーから容易に取り出し得る特殊なデータ組によって容易にすることができる。したがってステップ１３０で適用されるデータマイニング技法によれば、形態学フィーチャベースのインデックスサーバーの利用を通じて得られる効率性のためにより高速かつより正確な結果を得ることができる。

本明細書に開示したシステム及び方法が特に重要となる具体的な分野の１つは医薬品の心臓安全試験の分野である。医薬品心臓安全試験の要件が高くなるに連れて、これらの試験ではＥＣＧデータ間隔タイミングを観察するだけでなくＥＣＧの形態変化も観察するようなより高度な解析技法が必要となることがある、これはＥＣＧ形態学解析を含めることにより単純なＥＣＧ間隔計測だけのときと比べて重大な薬剤誘導性の不整脈に関するより高い相関性を得ることができることによる。したがって、臨床医がＥＣＧデータと一連のコンピュータ決定のセグメントフィーチャ及びセグメントフィーチャ重篤度レベルを吟味し、コンピュータ決定のレベルに関してその確度をチェックし、かつ臨床医自身のＥＣＧデータ判読により決定されたレベルを修正することが可能であるような技法によれば、コンピュータ導出によるセグメントフィーチャレベルに人間が注釈して得られたＥＣＧデータにより、コンピュータや臨床医が単独で決定する場合と比べてより正確性が高まるという点において恩恵が得られることになろう。

この記載では、本発明（最適の形態を含む）を開示するため、並びに当業者による本発明の製作及び使用を可能にするために例を使用している。本発明の特許性のある範囲は本特許請求の範囲によって規定していると共に、当業者により行われる別の例を含むことができる。こうした別の例は、本特許請求の範囲の文字表記と異ならない構造要素を有する場合や、本特許請求の範囲の文字表記と実質的に差がない等価的な要素を有する場合があるが、本特許請求の範囲の域内にあるように意図したものである。

様々な代替物や実施形態が添付の特許請求の範囲の趣旨域内にあるものと考えられ、特に本発明と見なし得る主題を具体的に指摘しかつ明白に特許請求している。

１０ 生理学データ解析システム
１２ ＥＣＧデータ源
１４ 心電計
１６ ＥＣＧデータベース
１８ 形態学的セグメント検出モジュール
２０ セグメントフィーチャランク付けモジュール
２２ 臨床医吟味／編集サブシステム
２４ ＥＣＧディスプレイ
２６ 入力デバイス
２８ ＥＣＧデータベース
３０ グラフィカルユーザインタフェース
３２ タブ
３４ ＥＣＧデータ
３６ 形態学的セグメント
３８ セグメントフィーチャランク付け領域
４０ Ｍｉｓｓｉｎｇ
４２ Ｂｉｐｈａｓｉｃ
４４ Ｓｈａｒｐ
４６ Ｌｏｎｇ ＰＲ
４８ Ｓｈｏｒｔ ＰＲ
５０ 離散的レベル
５２ ＥＣＧデータ
５４ Ｑ−ｗａｖｅ
５６ ｄｅｌｔａ
５８ ｒＳＲ’
６０ ｎｏｔｃｈ
６２ ｆｌａｔ
６４ ｗｉｄｅ ＱＲＳ
６６ ＥＣＧデータ
６７ ＥＣＧ比較器サブシステム
６８ ＱＲＳ群
６９ ＥＣＧ比較モジュール
７０ ＥＣＧデータ
７１ ＥＣＧデータベース
７２ ＱＲＳ群
７３ 比較出力
７４ データマイニングサブシステム
７６ ＥＣＧデータベースポピュレータ
７８ ＥＣＧデータベース
８０ データマイニングモジュール
８２ ｎｏｔｃｈ
８４ ｆｌａｔｎｅｓｓ
８６ ｕｎｓｙｍｍｅｔｒｉｃａｌ
８８ Ｕ
９０ ｉｎｖｅｒｓｅ
９２ Ｂｉｐｈａｓｉｃ
９４ ＥＣＧデータ
９５ Ｔ波
９６ Ｔ波
９８ ＥＣＧデータ

Claims (20)

1. 生理学データの形態学的フィーチャの解析のためのシステムであって、
   第１の生理学データ源と、
   第１の生理学データ源から第１の生理学データを受け取ると共に、該第１の生理学データの少なくとも１つの形態学的セグメントを特定するような少なくとも１つのアルゴリズムを適用している形態学的セグメント検出モジュールと、
   特定した形態学的セグメントの少なくとも１つに対して、少なくとも１つのセグメントフィーチャを特定し該少なくとも１つのセグメントフィーチャの重篤度の第１のランク付けを生成するような少なくとも１つのアルゴリズムを適用しているセグメントフィーチャランク付けモジュールと、
   を備える解析システム。
2. 第１の生理学データ並びに少なくとも１つのセグメントフィーチャの重篤度の第１のランク付けを受け取り該第１の生理学データ並びに第１のランク付けを臨床医に対して提示するディスプレイと、
   臨床医から、第１のランク付けの選択並びに第１の生理学データに関する臨床医の判読に従った第１のランク付けに対する修正を受け取るように動作可能な入力デバイスと、
   修正した第１のランク付けを格納している記憶デバイスと、
   をさらに備える請求項１に記載のシステム。
3. それ自身に関する少なくとも１つのセグメントフィーチャの重篤度の少なくとも１つの第２のランク付けを含んだ第２の生理学データを含む第２の生理学データ源と、
   第２の生理学データ源からの第２の生理学データとセグメントフィーチャランク付けモジュールからの第１の生理学データとを受け取っており、第１の生理学データを第２の生理学データと比較し該比較結果を示す出力を生成するような少なくとも１つのアルゴリズムを適用している生理学的比較モジュールと、
   をさらに備える請求項１に記載のシステム。
4. 生理学的比較モジュールにより適用される前記少なくとも１つのアルゴリズムは第１の生理学データの第１のランク付けと第２の生理学データの第２のランク付けの間の比較を提供する２乗和アルゴリズムを含む、請求項３に記載のシステム。
5. 第１の生理学データ及び第１のランク付けを受け取る生理学データベースポピュレータと、
   複数の生理学データ及び複数のセグメントフィーチャランク付けを含む生理学データベースであって、第１の生理学データを複数の生理学データ内にかつ第１のランク付けを複数のセグメントフィーチャランク付け内に格納している生理学データベースと、をさらに備えており、
   該第１の生理学データは第１のランク付けに従って生理学データベース内に格納されている、請求項１に記載のシステム。
6. 前記複数の生理学データは、複数のセグメントフィーチャランク付けに従ったルックアップテーブルとして生理学データベース内に格納されている、請求項５に記載のシステム。
7. 複数のセグメントフィーチャランク付けに従って格納された複数の生理学データがその組内のすべての生理学データが１つの指定のセグメントフィーチャランク付けを含むようなデータ組としてアクセスを受け得るように生理学データベースに対して接続されたデータマイニングモジュールをさらに備える請求項６に記載のシステム。
8. 前記第１の生理学データ源は患者からの生理学的信号を計測する患者モニターである、請求項１に記載のシステム。
9. 前記第１の生理学データ源は格納された生理学データからなるデータベースである、請求項１に記載のシステム。
10. 心電計（ＥＣＧ）データの形態を解析するためのシステムであって、
    第１のＥＣＧデータ源と、
    第１のＥＣＧデータ源から第１のＥＣＧデータを受け取ると共に、該第１のＥＣＧデータの少なくとも１つの形態学的セグメントを検出するような少なくとも１つのアルゴリズムを適用している形態学的セグメント検出モジュールと、
    少なくとも１つの検出形態学的セグメントに対して、少なくとも１つのセグメントフィーチャを特定し該少なくとも１つのセグメントフィーチャの重篤度の第１のランク付けを生成するような少なくとも１つのアルゴリズムを適用しているセグメントフィーチャランク付けモジュールと、
    を備える解析システム。
11. 第１のＥＣＧデータ及び第１のランク付けを受け取ると共に臨床医に対して該第１のＥＣＧデータ及び第１のランク付けを提示するディスプレイと、
    ディスプレイ上で第１のランク付けの吟味をする際に臨床医から、第１のランク付けの選択並びに第１のＥＣＧデータに関する臨床医の判読に従った第１のランク付けに対する修正を受け取るように動作可能な入力デバイスと
    修正した第１のランク付けを格納している記憶デバイスと、
    をさらに備える請求項１０に記載のシステム。
12. 少なくとも１つの第２のランク付けを含んだ第２のＥＣＧデータを含む第２のＥＣＧデータ源と、
    第２のＥＣＧデータ源からの第２のＥＣＧデータとセグメントフィーチャランク付けモジュールからの第１のＥＣＧデータとを受け取っており、第１のＥＣＧデータを第２のＥＣＧデータと比較し該比較結果を示す出力を生成するような少なくとも１つのアルゴリズムを適用しているＥＣＧ比較モジュールと、
    をさらに備える請求項１０に記載のシステム。
13. 前記出力は、第１の生理学データの第１のランク付けと第２の生理学データの第２のランク付けの間の差を含むハイパー距離である、請求項１２に記載のシステム。
14. 第１のＥＣＧデータ及び第１のランク付けを受け取るＥＣＧデータベースポピュレータと、
    複数のＥＣＧデータ及び複数のセグメントフィーチャランク付けを含んだＥＣＧデータベースであって、第１のＥＣＧデータを複数のＥＣＧデータの一部として格納しかつ第１のランク付けを複数のセグメントフィーチャランク付けの一部として格納しており、第１のＥＣＧデータは第１のランク付けに従ってその内部に格納されているＥＣＧデータベースと、
    複数のＥＣＧデータがその組内のすべてのＥＣＧデータが１つの指定のセグメントフィーチャランク付けを含むようなデータ組としてアクセスを受け得るようにＥＣＧデータベースに対して接続されたデータマイニングモジュールと、
    をさらに備える請求項１０に記載のシステム。
15. 生理学データ形態を解析する方法であって、
    第１の生理学データを受け取るステップと、
    第１の生理学データの少なくとも１つの形態学的セグメントを特定するステップと、
    特定した各形態学的セグメントの少なくとも１つのセグメントフィーチャを特定するステップと、
    特定した各セグメントフィーチャに関するセグメントフィーチャ重篤度レベルを決定するステップと、
    を含む方法。
16. 前記第１の生理学データは心電計（ＥＣＧ）データである、請求項１５に記載の方法。
17. ＥＣＧデータを提示するステップと、
    少なくとも１つのセグメントフィーチャ重篤度レベルを提示するステップと、
    少なくとも１つのセグメントフィーチャ重篤度レベルに対する修正を受け取るステップと、
    修正したセグメントフィーチャ重篤度レベルを保存するステップと、
    をさらに含む請求項１６に記載の方法。
18. 少なくとも１つの特定したセグメントフィーチャ及び少なくとも１つの決定されたセグメントフィーチャ重篤度レベルを有する第２のＥＣＧデータを受け取るステップと、
    特定したセグメントフィーチャ及び決定されたセグメントフィーチャ重篤度レベルに基づいて第１のＥＣＧデータと第２のＥＣＧデータを比較するステップと、
    第１のＥＣＧデータと第２のＥＣＧデータの間の比較結果を示す出力を生成するステップと、
    をさらに含む請求項１６に記載の方法。
19. 特定された少なくとも１つのセグメントフィーチャ及び決定されたセグメントフィーチャ重篤度レベルに従ってＥＣＧデータをグループ化するステップと、
    ＥＣＧデータが配置されたグループに従ってＥＣＧデータを格納してデータベースを作成するステップと、
    をさらに含む請求項１６に記載の方法。
20. 前記データベースから指定のセグメントフィーチャ及びセグメントフィーチャ重篤度レベルを含む複数のＥＣＧデータを備えたデータ組を取り出すステップと、
    取り出したデータ組に対して少なくとも１つのデータマイニング技法を適用するステップと、
    をさらに含む請求項１９に記載の方法。

Images