JP2012502771A - 非代償性うっ血性心不全の検出 - Google Patents

Abstract

ある例では、患者に関する生理的情報が、取得され、ファジーロジックメンバーシップ関数の第１のセットにマッピングされうる。また、症状状態が、第１のファジーロジック推論を使用して、生理的情報のマッピングから導出されうる。ある例では、症状状態が、ファジーロジックメンバーシップ関数の第２のセットにマッピングされうる。また、疾患状態が、第２のファジーロジック推論を使用して、ファジーロジックメンバーシップ関数の第２のセットに対する症状状態のマッピングからを導出されうる。

Description

優先権の利益は、その出願が参照により本明細書に組み込まれる、２００８年９月２２日に出願された米国仮出願シリアル番号第６１／０９８，８５８号に対して主張される。

身体は、人の健康を維持するために共に働くシステムのグループであると考えられうる。たとえば、循環系は、種々の器官に酸素と栄養素を与えることができうる。心臓は、循環系の中心的な器官であると考えられうる。心臓の左部分は、酸素化された血液を肺から取出し、それを身体の他の部分に供給しうる。身体は、酸素化された血液を代謝サイクルの一部として使用しうる。代謝サイクルは、器官または筋肉組織にエネルギーを提供しながら、血液を部分的に脱酸素化しうる。心臓の右部分は、その後、こうして脱酸素化された血液を肺に戻し、肺内で、血液が再び酸素化されうる。

米国仮出願番号第６１／０９８，８５８号

種々の生理的状態が、信号の機械的または電気的挙動に影響を及ぼしうる。心不全(heart failure)（「ＨＦ」）などの疾患は、心臓のポンピング能力または効率を減少させう
る。うっ血性心不全が進行するにつれて、心臓の減少したポンピング能力または効率は、浮腫（体液の貯留）、体重増加、息切れ、低い運動耐容能、睡眠関連問題などの他の望ましくない症状をもたらし、最終的には死をもたらしうる。

ある例では、患者に関する生理的情報が、取得され、ファジーロジックメンバーシップ関数の第１のセットにマッピングされうる。また、症状状態(symptom status)が、第１のファジーロジック推論を使用して、生理的情報のマッピングから導出されうる。ある例では、症状状態が、ファジーロジックメンバーシップ関数の第２のセットにマッピングされうる。また、疾患状態が、第２のファジーロジック推論を使用して、ファジーロジックメンバーシップ関数の第２のセットに対する症状状態のマッピングからを導出されうる。

例１では、システムは、患者に関する生理的情報を取得するように構成された生理的モニタと、生理的モニタに結合され、患者に関する生理的情報を受信するように構成されたプロセッサとを備え、プロセッサは、第１のファジーロジック推論を使用して生理的情報から症状状態を導出するように構成された第１のファジーロジック推論モジュールを含む症状状態検出器と、症状状態検出器に結合された疾患状態検出器とを備え、疾患状態検出器は、第２のファジーロジック推論を使用して症状状態から疾患状態を導出するように構成された第２のファジーロジック推論モジュールを含む。

例２では、例１の疾患状態検出器は、任意選択で、非代償性心不全状態を検出するように構成される。
例３では、例１または例２の任意の一方または両方の例のシステムは、任意選択で、心拍数、呼吸数、呼吸タイミング、血圧、肺一回換気量、身体活動レベル、体重、胸腔内インピーダンス、心音タイミング、または心音マグニチュードの少なくとも１つから導出さ
れる情報を取得するように構成された生理的モニタを含む。

例４では、例１〜３の任意の１つまたは複数の例のシステムは、任意選択で、生理的モニタに結合された生理的センサを含み、生理的センサは、任意選択で、体重計、心電図センサ、呼吸センサ、心音センサ、血圧センサ、加速度計、または胸腔内インピーダンスセンサの少なくとも１つを含む。

例５では、例４の生理的センサは、任意選択で、埋め込み型生理的センサまたは外部生理的センサの少なくとも一方を含む。
例６では、例２〜５の任意の１つまたは複数の例のシステムは、任意選択で、プロセッサに結合されたディスプレイを含み、ディスプレイは、症状状態または非代償性心不全状態の少なくとも一方をユーザに報告するように構成される。

例７では、例６のディスプレイは、任意選択で、非代償性心不全状態が急性非代償性心不全の発生を指示するとき、ユーザに警報を提供するように構成される。
例８では、例１〜７の任意の１つまたは複数の例のシステムは、任意選択で、プロセッサに結合されたユーザ入力を含み、ユーザ入力は、息切れ、異常な疲労感、異常な疼痛、異常な膨満感、慢性の咳、食欲減退、または睡眠時における特別な枕についての必要性の少なくとも１つを、患者が経験したかどうかを含む質問に応答して、ユーザから生理的情報の少なくとも一部を受信するように構成される。

例９では、例１〜８の任意の１つまたは複数の例の症状状態検出器は、任意選択で、呼吸困難スコア、水分過負荷指数、左室充満圧指数、疲労指数、または心拍出量指数の少なくとも１つを含む症状状態を導出するように構成される。

例１０では、例１〜９の任意の１つまたは複数の例のプロセッサは、任意選択で、少なくとも１つの生理的センサが、信頼性がないか、利用可能でないかに関する情報を使用して少なくとも１つのルールを選択するように構成されたファジーロジックルール選択器を含み、第１のファジーロジック推論モジュールは、任意選択で、少なくとも１つの選択されたルールに応答してかつ少なくとも１つの選択されたルールを使用して症状状態を導出するように構成される。

例１１では、例１〜１０の任意の１つまたは複数の例の症状状態検出器は、任意選択で、生理的情報をファジーロジックメンバーシップ関数の第１のセットにマッピングするように構成され、また、マッピングされた生理的情報を第１のファジーロジック推論モジュールに提供するように構成され、疾患状態検出器は、任意選択で、症状状態をファジーロジックメンバーシップ関数の第２のセットにマッピングするように構成され、また、マッピングされた症状状態情報を第２のファジーロジック推論モジュールに提供するように構成される。

例１２では、例１〜１１の任意の１つまたは複数の例のファジーロジックメンバーシップ関数の第１または第２のセットは、任意選択で、言語学用語によってカテゴリ化された少なくとも１つのメンバーシップ関数を含み、症状状態検出器または疾患状態検出器の少なくとも一方は、任意選択で、言語学用語を使用して、生理的情報または症状状態をそれぞれの第１または第２のファジーロジックメンバーシップ関数にマッピングするように構成される。

例１３では、例１〜１２の任意の１つまたは複数の例の言語学用語は、任意選択で、「非常に低い(very low)」、「低い(low)」、「中程度(medium)」、「高い(high)」、また
は「非常に高い(very high)」のうちの少なくとも１つを含む。

例１４では、例１２および１３の任意の１つまたは複数の例の症状状態検出器または疾患状態検出器の少なくとも一方は、任意選択で、言語学用語を使用して、ベースラインからの変化の程度によって生理的情報または症状状態の少なくとも一方を分類するように構成される。

例１５では、例１２〜１４の任意の１つまたは複数の例の症状状態検出器または疾患状態検出器の少なくとも一方は、任意選択で、言語学用語を使用して、変化率によって生理的情報または症状状態の少なくとも一方を分類するように構成される。

例１６では、例１〜１５の任意の１つまたは複数の例の第１または第２のファジーロジック推論モジュールの少なくとも一方は、任意選択で、履歴患者データから取得される情報に基づいて少なくとも１つのルールを使用するように構成される。

例１７では、方法は、患者に関する生理的情報を取得すること、生理的情報をファジーロジックメンバーシップ関数の第１のセットにマッピングすること、第１のファジーロジック推論を使用して、ファジーロジックメンバーシップ関数の第１のセットに対する生理的情報のマッピングから症状状態を導出すること、症状状態をファジーロジックメンバーシップ関数の第２のセットにマッピングすること、および、第２のファジーロジック推論を使用して、ファジーロジックメンバーシップ関数の第２のセットに対する症状状態の前記マッピングから疾患状態を導出することを含む。

例１８では、例１７の疾患状態を導出することは、任意選択で、非代償性心不全状態を導出することを含む。
例１９では、例１７または１８の任意の１つまたは複数の例の生理的情報を取得することは、任意選択で、埋め込み型生理的センサまたは外部生理的センサの少なくとも一方を監視することを含む。

例２０では、例１７〜１９の任意の１つまたは複数の例の生理的情報を取得することは、任意選択で、心拍数、呼吸数、呼吸タイミング、血圧、肺一回換気量、身体活動レベル、体重、胸腔内インピーダンス、心音タイミング、または心音マグニチュードの少なくとも１つから導出される情報を取得することを含む。

例２１では、例１７〜２０の任意の１つまたは複数の例の第１のファジーロジック推論を使用して症状状態を前記導出することは、任意選択で、少なくとも１つの生理的センサが、信頼性がないか、利用可能でないかに関する情報を使用してルールを選択すること、および、選択されたルールを使用して症状状態を導出することを含む。

例２２では、例１７〜２１の任意の１つまたは複数の例の方法は、任意選択で、
生理的情報の少なくとも一部についてユーザに質問することであって、質問は、前記患者が、息切れを経験したか、異常な疲労感を経験したか、異常な疼痛を経験したか、異常な膨満感 を経験したか、慢性の咳を経験したか、食欲減退を経験したか、または睡眠時
における特別な枕についての必要性を経験したかの少なくとも１つを含む、質問すること、および、生理的情報の少なくとも一部を含むユーザ応答を受信することを含む。

例２３では、例１７〜２２の任意の１つまたは複数の例の症状状態を導出することは、任意選択で、呼吸困難スコア、水分過負荷指数、左室充満圧指数、疲労指数、または心拍出量指数の少なくとも１つを導出することを含む。

例２４では、例１７〜２３の任意の１つまたは複数の例の方法は、任意選択で、症状状
態または非代償性心不全状態の少なくとも一方をユーザに表示することを含む。
例２５では、例１７〜２４の任意の１つまたは複数の例の方法は、任意選択で、非代償性心不全状態が急性非代償性心不全の発生を指示するとき、ユーザに警報を提供することを含む。

例２６では、例１７〜２５の任意の１つまたは複数の例の方法は、任意選択で、言語学用語によって、ファジーロジックメンバーシップ関数の第１または第２のセットに含まれる少なくとも１つのメンバーシップ関数をカテゴリ化することを含む。

例２７では、例２６の言語学用語は、任意選択で、非常に低い、低い、中程度、高い、または非常に高い、のうちの少なくとも１つを含む。
例２８では、例２６または２７の任意の一方または両方の例の方法は、任意選択で、言語学用語を使用して、ベースラインからの変化の程度によって生理的情報または症状状態の少なくとも一方を分類することを含む。

例２９では、例２６〜２８の任意の１つまたは複数の例の方法は、任意選択で、言語学用語を使用して、変化率によって生理的情報または症状状態の少なくとも一方を分類することを含む。

例３０では、例１７〜２９の任意の１つまたは複数の例の第１または第２のファジーロジック推論モジュールの一方を使用することは、任意選択で、履歴患者データから取得される情報に基づいて少なくとも１つのルールを使用することを含む。
本概要は、本特許出願の主題の概要を提供することを意図される。本発明の排他的なまたは網羅的な説明を提供することは意図されない。詳細な説明は、本特許出願に関するさらなる情報を提供するために含まれる。

必ずしも一定比例尺に従って描かれていない図面では、同じ数字は、異なる図において同じコンポーネントを述べる可能性がある。異なる添え字を有する同じ数字は、同様のコンポーネントの異なる例を示す可能性がある。図面は、一般に、本文書で論じる種々の実施形態を、制限としてではなく例として示す。

１つまたは複数の疾患の状態を検出するシステムの実施例を一般的に示す図である。 １つまたは複数の疾患の状態を検出するシステムの実施例を一般的に示す図である。 １つまたは複数の疾患の状態を検出するシステムの実施例を一般的に示す図である。 第１および第２のファジーロジック推論を使用して生理的情報から疾患状態を導出する方法の実施例を一般的に示す図である。 ファジーロジック推論を実施する方法の実施例を一般的に示す図である。 生理的情報の１つまたは複数のソースと、１つまたは複数の症状についての症状状態と、１つまたは複数の疾患についての疾患状態との間の関係の実施例を一般的に示す図である。 ２つの入力変数と１つの出力変数との間の関係を示す表面プロットの実施例を一般的に示す図である。 入力変数と、言語学用語によってカテゴリ化された複数のファジーロジックメンバーシップ関数との間の関係を示すマップの実施例を一般的に示す図である。 ファジーロジック推論を使用して出力値を導出する方法の実施例を一般的に示す図である。

一実施例では、１つまたは複数のシステムまたは方法は、患者の心不全悪化状態を予測するため種々の生理的パラメータを監視するために使用されうる。ＨＦ関連症状の突然の悪化は、急性非代償性心不全(acute heart failure decompensation)（「ＡＨＦＤ」）と呼ばれうる。心不全を病む人は、時として、生理的状態のこうした変化に気付かない可能性がある。自動警告または警報生成システムまたは方法は、悪化状態または他の重大な疾患事象の早期識別を補助しうる。ＨＦの処置は、その後始動されるかまたは修正されうる。処置は、薬理学的治療、（たとえば、心臓律動管理デバイスなどの埋め込み型デバイスを使用する）心臓再同期治療、（たとえば、１つまたは複数のセンサを通した）生理的監視、または同様なものを始動することまたは修正することを含みうる。心不全悪化の早期検出は、入院の頻度または長さを減少させうる、生活の質を改善しうる、またはヘルスケアコストを低減しうる。

１つまたは複数のセンサあるいは質問票などの生理的情報の複数のソースを使用することが、ＡＨＦＤの発生を検出するかまたは予測することの精度または特異度を増加させうることを、本発明者等はとりわけ認識した。センサまたは質問の数が増加するにつれて、患者、臨床医、または介護者のための実行可能な要約になるようにこうした情報を組合せることが問題となりうる。１つまたは複数のセンサなどの複数のセンサから取得される生理的情報の解析を簡略化するか、または、こうした生理的情報から１つまたは複数の症状を導出するために、ファジーロジック推論が使用されうることを、本発明者等は同様に認識した。「カスケード(cascaded)」ファジーロジック手法を使用することが、１つまたは複数の症状についての症状状態すなわち重症度(severity)に関する中間情報を臨床医に提供すると共に、１つまたは複数の疾患（たとえば、心不全、糖尿病、あるいは１つまたは複数の他の疾患）についての総合疾患状態を記述しうることを、本発明者等は同様に認識した。ある実施例では、カスケードファジーロジック手法は、１つまたは複数の症状の状態から１つまたは複数の疾患についての状態を導出するために第２のファジーロジック推論を使用することを含みうる。ある実施例では、１つまたは複数の推論された症状の状態（たとえば、所見(description)または重症度degree of severityまたは他の状態）は、
臨床医、患者、または臨床診断における他のユーザによって一般的に使用される１つまたは複数の状態を含みうる。いくつかの実施例では、臨床医、患者、または他のユーザは、１つまたは複数の症状の状態と１つまたは複数の疾患の状態の両方を記述するために、平易な言語（たとえば、言語学用語）を使用してより直観的な形態で実行可能な要約情報を提供されうる。

図１は、１つまたは複数の疾患の状態を検出するシステム１００の実施例を一般的に示す。この実施例では、システム１００は、生理的モニタ１０４およびプロセッサ１０２を含みうる。ある実施例では、生理的モニタ１０４は、患者（または他の人）に関する生理的情報を取得する、検知する、または検出するように構成されうる。

ある実施例では、プロセッサ１０２は、生理的モニタ１０４に通信可能に結合し、生理的モニタ１０４から生理的情報を受信するように構成されうる。いくつかの実施例では、プロセッサ１０２は、症状状態検出器１０６および疾患状態検出器１１０を含みうる。ある実施例では、症状状態検出器１０６は、１つまたは複数のセンサから取得される生理的情報から１つまたは複数の症状についての状態を導出するように構成された第１のファジーロジック推論モジュール１０８Ａを含みうる。ある実施例では、疾患状態検出器１１０は、１つまたは複数の症状についての状態から１つまたは複数の疾患についての状態を導出するように構成された第２のファジーロジック推論モジュール１０８Ｂを含みうる。他の実施例では、３層以上のカスケードファジーロジック推論または２層未満のカスケードファジーロジック推論が行われうる。ある実施例では、１つまたは複数のセンサは、生理
的モニタ１０４に通信可能に結合されうる。また、１つまたは複数のセンサは、ファジーロジック推論を使用して、患者または他の人に関する生理的情報を検出する、確定する、または受信しうる。

図２は、１つまたは複数の疾患についての状態を検出するシステム２００の実施例を一般的に示す。この実施例では、システム２００は、プロセッサ１０２に通信可能に結合された生理的モニタ１０４を含みうる。ある実施例では、システム２００は、ディスプレイ２０６およびユーザ入力２０４を含みうる。この実施例では、ディスプレイ２０６およびユーザ入力２０４は、プロセッサ１０２に通信可能に結合されうる。ある実施例では、１つまたは複数のディスプレイ（たとえば、ディスプレイ２０６）あるいは１つまたは複数のユーザ入力（たとえば、ユーザ入力２０４）は、生理的モニタ１０４またはプロセッサ１０２に通信可能に結合されうる。

図２の実施例では、生理的モニタ１０４は、体重センサ２１０（たとえば、患者の外部の体重計）、心電図（「ＥＣＧ」）センサ２１２、呼吸センサ２１４、心音センサ２１６、血圧センサ２１８（たとえば、血圧カフまたは埋め込み型センサ）、加速度計２２０（たとえば、圧電センサあるいは１つまたは複数の他の加速度または位置センサ）、または胸腔内インピーダンス（「Ｚ」）センサ２２２、あるいは１つまたは複数の他のセンサ（たとえば、埋め込み型のまたは外部の血液グルコースモニタ）などの１つまたは複数のセンサに結合されうる、または、１つまたは複数のセンサを含みうる。

ある実施例では、１つまたは複数のディスプレイ（たとえば、ディスプレイ２０６）は、１つまたは複数の症状の状態あるいは１つまたは複数の疾患の状態をユーザに報告するように構成されうる。いくつかの実施例では、１つまたは複数の症状または疾患の状態は、電子通信（たとえば、ディスプレイ上のメッセージ、電子メールメッセージ、オーディオアラーム、電話メッセージ、ユーザアクセス可能なワールドワイドウェブアプリケーションなど）を介してユーザに送出されうる。いくつかの実施例では、１つまたは複数の症状または疾患の状態は、警告、警報、アラームとして、長期継続的(chronic)すなわち日
常連続的(ambulatory)報告として、あるいは、１つまたは複数の他の形態で送出されうる。ある実施例では、１つまたは複数のセンサに関する生理的情報は、ユーザに報告されうる。また、生理的情報は、１つまたは複数のデータ値、１つまたは複数の傾向、１つまたは複数の統計量（センサデータの最大、最小、移動平均、重み付き平均、メジアン、ミーン(mean)、または別の中心傾向）、あるいは、１つまたは複数の他の形態の要約情報を含みうる。

ある実施例では、プロセッサ１０２は、ファジーロジックルール選択器２０８を含みうる。いくつかの実施例では、ファジーロジックルール選択器２０８は、生理的モニタ１０４によって提供される情報を使用して、１つまたは複数のファジーロジック推論あるいは１つまたは複数の他のファジーロジックルール（たとえば、Ｍａｍｄａｎｉ型方法またはＳｕｇｅｎｏ型方法または別の方法を使用して確立された１つまたは複数のルールまたはファジーセットのルールシステム）を選択するように構成されうる。ある実施例では、１つまたは複数のセンサが、信頼性がないかまたは利用可能でない場合、ファジーロジックルール選択器２０８は、１つまたは複数の症状の状態を導出するため、抜けているかまたは不正確な生理的情報を使用することを回避するために、１つまたは複数のファジーロジック推論またはルールを選択するように構成されうる。

ある実施例では、ディスプレイ２０６は、ユーザに質問を表示するように構成されうる。いくつかの実施例では、質問は、息切れ、異常な疲労感、異常な疼痛、異常な膨満感、慢性の咳、食欲減退、または睡眠時における特別な枕についての必要性の少なくとも１つを、患者が経験したかどうか、あるいは、１つまたは複数の他の患者またはユーザの質問
の１つまたは複数を含みうる。また、ユーザ入力２０４は、質問に応答してユーザから生理的情報の少なくとも一部を受信するように構成されうる。

いくつかの実施例では、プロセッサ１０２、生理的モニタ１０４、ディスプレイ２０６、ユーザ入力２０４、あるいは１つまたは複数のセンサは、コンピュータサーバ、パーソナルコンピュータ（たとえば、埋め込み型医療デバイスと通信状態で使用するための医師プログラマ組立体）、外部患者監視組立体（たとえば、人の家庭に位置するベッドサイドモニタ）、あるいは、１つまたは複数の他の外部医療デバイスなどの、外部組立体のコンポーネント(component)、部分(portion)、または一部(part)でありうる。いくつかの実施例では、プロセッサ１０２、生理的モニタ１０４、あるいは１つまたは複数のセンサは、埋め込み型医療デバイス（ＩＭＤ」）などの埋め込み型組立体のコンポーネント、部分、または一部でありうる。

図３は、１つまたは複数の疾患または症状の状態を検出するシステム３００の実施例を一般的に示す。いくつかの実施例では、システム３００は、埋め込み型センサ３０８に通信可能に結合された埋め込み型生理的モニタ３０４を含みうるか、または、システム３００は、外部生理的モニタ３０６に通信可能に結合された外部センサ３１０を含みうる。ある実施例では、１つまたは複数の埋め込み型センサ（たとえば、埋め込み型センサ３０８）あるいは埋め込み型生理的モニタ３０４は、ＩＭＤのコンポーネント、部分、または一部でありうる。ある実施例では、ＩＭＤは、心臓律動管理(cardiac rhythm management)
（「ＣＲＭ」）デバイスを含み、心臓再同期治療送出回路、ペーシング回路、または頻脈性不整脈治療（たとえば、抗頻脈性不整脈ペーシングまたは徐細動ショック）回路の１つまたは複数を含みうる。ある実施例では、１つまたは複数のさらなるセンサ組立体（たとえば、血管内圧力センサ）は、人３１２内に埋め込まれ、埋め込み型生理的(physical)モニタ３０４あるいは１つまたは複数の他の埋め込み型または外部デバイスと通信しうる。いくつかの実施例では、ＩＭＤ組立体は、プロセッサ１０２、１つまたは複数のセンサ（たとえば、埋め込み型センサ３０８）、埋め込み型生理的モニタ３０４、あるいは、１つまたは複数の他のコンポーネント、部分、またはモジュールを含みうる。図３の実施例では、埋め込み型センサ３０８は、１つまたは複数のリード線を介して心臓３０２に結合され、血圧センサ、胸腔内インピーダンスセンサ、（たとえば、呼吸数、呼吸タイミング、肺一回換気量、毎分換気量、あるいは１つまたは複数の他の呼吸パラメータを検知することが可能な）呼吸センサ、（たとえば、心音を検出するための）音響センサ、活動レベルセンサ（たとえば、人の身体活動を検出する加速度計）、心電図センサ、あるいは、１つまたは複数の他の埋め込み型センサの１つまたは複数を含みうる。

図４は、第１および第２のファジーロジック推論を使用して生理的情報から疾患状態を導出する方法４００の実施例を一般的に示す。４１０にて、患者に関する生理的情報が、（たとえば、埋め込み型生理的モニタ３０４、埋め込み型センサ３０８、外部センサ３１０、または外部生理的モニタ３０６を使用して）１つまたは複数の埋め込み型または外部センサを監視することなどによって取得されうる。４２０にて、生理的情報が、ファジーロジック(fuzzy logic)（「ＦＬ」）メンバーシップ関数の第１のセットにマッピングさ
れうる。ある実施例では、生理的情報が、１つまたは複数のセンサまたは質問から取得されうる。４３０にて、第１のファジーロジック推論が使用されて、生理的情報のマッピングを使用して１つまたは複数の症状の状態が導出されうる。４４０にて、１つまたは複数の症状の、結果得られる状態が、ファジーロジックメンバーシップ関数の第２のセットにマッピングされうる。４５０にて、第２のファジーロジック推論が使用されて、１つまたは複数の症状のマッピングを使用して１つまたは複数の疾患の状態が導出されうる。

いくつかの実施例では、ファジーロジックメンバーシップ関数の第１または第２のセットは、１つまたは複数のデータ値、１つまたは複数の傾向（たとえば、変化の方向、変化
率、移動平均、メジアン、ミーン(mean)、あるいは他の中心傾向）、１つまたは複数の事象の計数、平均などのベースライン値からの変化の程度、または他の傾向）、データの母集団の分散の１つまたは複数の尺度（たとえば、分散、標準偏差、または他の尺度）、あるいは他の情報（たとえば、ブール値などの質問に対する応答）によって定義されうる。

図５は、ファジーロジック推論を実施する方法５００の実施例を一般的に示す。５１０にて、１つまたは複数の入力（たとえば、１つまたは複数のセンサからの生理的情報、１つまたは複数の症状の状態、あるいは他の情報）が「ファジー化されfuzzified」うる。
１つまたは複数の入力をファジー化することは、１つまたは複数の入力からの情報（たとえば、１つまたは複数のデータ値、傾向など）を、１つまたは複数のメンバーシップ関数によって記述される１つまたは複数の入力ファジーセットに割当てることを含みうる。図５では、５２０にて、エキスパートまたは履歴患者データが、知識ベースになるように組合されうる。いくつかの実施例では、知識ベースは、１つまたは複数のルールのセットに変換されうる。ある実施例では、１つまたは複数のルールは、１つまたは複数のファジー化された入力（たとえば、入力ファジーセット）を、１つまたは複数のファジー演算子（たとえば、ファジー「ＡＮＤ」、ファジー「ＯＲ」、あるいは１つまたは複数の他の演算子）を使用して１つまたは複数の出力ファジーセットに関連付けうる。図５の実施例では、５３０にて、１つまたは複数のルールは、１つまたは複数のファジー化された入力に網羅的に適用されうる。５４０にて、１つまたは複数のルールの適用から得られる１つまたは複数の出力ファジーセットは、１つまたは複数の出力関数を含みうる。また、結果得られる出力関数は、集約され（「非ファジー化され(defuzzified)」）うる。ある実施例で
は、集約方法は、最大、総和、または他の演算子を使用して、集約関数になるように１つまたは複数の出力ファジーセット（たとえば、１つまたは複数の出力関数）が組合されうる。いくつかの実施例では、１つまたは複数の出力ファジーセットを非ファジー化することは、出力として数値を提供しうる。ある実施例では、１つまたは複数のファジーロジック推論からの１つまたは複数の数値出力は、別の異なるファジーロジック推論に対する入力として使用されうる。

いくつかの実施例では、ルールのセットは。ニューラルネットワークを使用することによって、Ｍａｍｄａｎｉ型方法（たとえば、図９）と同様の方法を使用することによって、Ｓｕｇｅｎｏ型方法と同様の方法を使用することによって、または１つまたは複数の他の方法を使用することによってなどで、試行錯誤によって定義されうる。Ｓｕｇｅｎｏ型方法では、１つまたは複数の出力ファジーセットは、線形または定出力関数を含みうる。Ｓｕｇｅｎｏ型方法は、Ｍａｍｄａｎｉ型方法に比較して、５４０にける非ファジー化について必要とされる計算量を低減しうる（たとえば、積分は、集約関数に関するセントロイド計算のために使用され、Ｓｕｇｅｎｏの方法を使用してより簡単になりうる）。Ｍａｍｄａｎｉ型方法（たとえば、図９）では、１つまたは複数の出力ファジーセットは、線形または定出力関数を含む必要がない。

図６は、生理的情報６１０の１つまたは複数のソースと、１つまたは複数の症状６２０についての症状状態と、１つまたは複数の疾患６３０についての疾患状態との間の関係を示す図６００を一般的に示す。この実施例では、生理的情報６１０は、１つまたは複数のセンサから得られ、心拍数情報、呼吸数情報、呼吸タイミング情報、血圧情報、肺一回換気量情報（たとえば、毎分換気量）、身体活動レベル情報、運動耐容能情報（たとえば、身体活動に対する患者の応答）、体重情報、（たとえば、水分の蓄積を評価するため、呼吸関連パラメータを監視するため、または心臓関連パラメータを監視するための）胸腔内インピーダンス情報、心音タイミング情報、心音マグニチュード情報（たとえば、Ｓ３心音マグニチュード）、または他の情報（たとえば、生理的情報に関するユーザ質問に対する応答）を含みうる。ある実施例では、１つまたは複数の症状６２０についての症状状態は、症状状態に相当する指数、メトリック、または他の尺度を含みうる。いくつかの実施
例では、指数、メトリック、または他の尺度は、（たとえば、息切れの重症度を等級付けする）呼吸困難スコア、（たとえば、「湿潤性(wetness)」、肺浮腫または水分貯留に伴
う別の症状の重症度を等級付けする）水分過負荷指数、（たとえば、運耐容能の認識レベル、身体活動を実施することについての容易さ、あるいは、持久力または疲労の他の尺度を等級付けする）疲労指数、または（たとえば、左室駆出率、左室ポンピング圧、ポンピング圧の時間微分、または他の値を等級付けする）心拍出量指数、あるいは、別の指数、メトリック、または尺度を含みうる。いくつかの実施例では、指数、メトリック、または尺度の１つまたは複数は、１つまたは複数のデータ値、１つまたは複数の傾向、１つまたは複数の統計量（最大、最小、移動平均、重み付き平均、メジアン、ミーン(mean)、または別の中心傾向）、１つまたは複数の変化率、あるいは、他の情報を含みうる。いくつかの実施例では、１つまたは複数の症状６２０についての症状状態は、さらに細分されうる、または、１つまたは複数のサブカテゴリを参照しうる。たとえば、呼吸困難は、運動時呼吸困難（たとえば、身体活動中の息切れ）、安静時呼吸困難、夜間発作性呼吸困難（たとえば、夜間または睡眠中の一過性の息切れまたは努力呼吸）、起座呼吸（たとえば、人が直立しているか、寝ているかに応じた息切れまたは努力呼吸）、不安時呼吸困難、あるいは、呼吸困難の１つまたは複数の他の細分またはサブカテゴリの１つまたは複数を含みうる。同様に、いくつかの実施例では、水分過負荷指数または体重変化などの他の症状は、肺浮腫、全身性浮腫、末梢性浮腫、正の体重変化、負の体重変化などを含みうる。ある実施例では、肺浮腫の発生を含む症状状態（たとえば、肺または気管内への異常な水分貯留に関連する水分過負荷指数）は、図２に示す胸腔内インピーダンスセンサ２２２からの生理的情報６１０を使用することなどによって導出されうる。ある実施例では、運動耐容能の程度を含む症状状態は、（たとえば、図２に示す加速度計２２０を使用することによって）身体活動に対する生理反応（「ＰＲＡ」）を監視することによって、また、（（たとえば、呼吸数情報を検知するために）たとえば、図２に示す）対応する呼吸センサ２１４または（（たとえば、心拍数情報を検知するために）たとえば、図２に示す）ＥＣＧセンサ２１２を監視することによって導出されうる。

いくつかの実施例では、第１のファジーロジック推論、第１のニューラルネットワーク、「クリスプ(crisp)」ブーリアンルールの第１のセット、あるいは１つまたは複数の他
の意思決定技法が使用されて、生理的情報６１０を使用して、１つまたは複数の症状６２０についての症状状態が導出されうる。いくつかの実施例では、第２のファジーロジック推論、第２のニューラルネットワーク、「クリスプ」ブーリアンルールの第２のセット、あるいは１つまたは複数の他の意思決定技法が使用されて、（たとえば、カスケード方式で）１つまたは複数の症状６２０についての症状状態を使用して、１つまたは複数の疾患６３０ついての疾患状態が導出されうる。いくつかの実施例では、１つまたは複数の疾患６３０についての疾患状態は、急性非代償性心不全状態の発生などの心不全（「ＨＦ」）疾患状態または他の疾患状態（たとえば、糖尿病）を含みうる。

図７は、胸腔内インピーダンスの減少７０２および体重の減少７０４などの２つの入力変数、と、水分過負荷指数７０６などの出力変数との間の関係を示す表面プロット７００の実施例を一般的に示す。ある実施例では、症状状態は、水分過負荷指数７０６を含み、胸腔内インピーダンスの減少７０２および体重の減少７０４を含む生理的情報を、ファジーロジックメンバーシップ関数の第１のセットにマッピングすることを使用して第１のファジーロジック推論を使用して導出されうる。この実施例では、表面プロット７００に含まれる情報は、ファジーロジックルールのセットに含まれうる（たとえば、第１のファジーロジック推論は、表面プロット７００を記述するデータ値のセットを含むルックアップテーブルを使用して代わりに導出される結果と実質的に同様な結果を提供しうる）。ある実施例では、水分過負荷指数７０６は、１つまたは複数のさらなる入力に依存しうる。いくつかの実施例では、入力の数が多くなると、次元の問題が生じうる。マッピングまたはファジーロジック推論を実施するときに使用される処理および記憶が、水分過負荷指数の
テーブルルップアップを実施するときに使用される処理および記憶より少なくなりうること、および、処理および記憶の利益が、入力の数が増加するにつれて増加しうることを、本発明者等は、とりわけ認識した。

いくつかの実施例では、１つまたは複数の他の表面プロットに対する１つまたは複数の入力は、１つまたは複数の症状についての状態を含み、結果得られる出力は、１つまたは複数の疾患についての疾患状態を含みうる。いくつかの実施例では、表面プロットの１つまたは複数は、テンプレートとして使用されて、（たとえば、一人または複数人の患者から、経時的に一人の患者から、または別のソースから取得される、実験データ、観測データ、または履歴データに基づいて）ファジーロジックルールまたはメンバーシップ関数のセットが、訓練されうる、定義されうる、開発されうる、生成されうる、修正されうる、またはその他の方法で影響を与えられうる。

図８は、入力変数８０２と、言語学用語によってカテゴリ化された複数のファジーロジックメンバーシップ関数との間の関係を示すマップ８００の実施例を一般的に示す。いくつかの実施例では、１つまたは複数のメンバーシップ関数が、定義されることができ、オーバラップする必要がない。図８の実施例では、メンバーシップ関数は、「非常に低い(very low)」関数８０６Ａ、「低い(low)」関数８０６Ｂ、「中程度の(medium)」関数８０
６Ｃ、「高い(high)」関数８０６Ｄ、および「非常に高い(very high)」関数８０６Ｅを
含みうる。いくつかの実施例では、１つまたは複数のメンバーシップ関数は、入力変数８０２の値にわたって一定または線形でありうる。ある実施例では、生理的情報（たとえば、１つまたは複数のセンサからのデータ値）は、ファジーロジックメンバーシップ関数の第１のセットにマッピングされうる（たとえば、マップ８００または何か他のマッピング）。ある実施例では、１つまたは複数の症状の状態は、ファジーロジックメンバーシップ関数の第２のセットにマッピングされうる（たとえば、マップ８００または何か他のマッピング）。

いくつかの実施例では、１つまたは複数の出力関数（たとえば、図５で論じられる）は、マップ８００に示すメンバーシップ関数と同様に、または、１つまたは複数の他のメンバーシップ関数に関して論じた１つまたは複数の他の実施例に従って定義されうる。いくつかの実施例では、１つまたは複数のファジーロジックルールは、１つまたは複数の入力変数（たとえば、入力変数８０２）を１つまたは複数の出力関数に関連付けうる。例証的な実施例では、表面プロット７００をテンプレートとして使用して、ファジーロジックルールのセットが、（たとえば、水分過負荷指数７０６に関する情報を含む）出力関数のファジーセットから入力関数の２つのファジーセット（たとえば、胸腔内インピーダンスの減少７０２は、マップ８００などのファジーロジックメンバーシップ関数のセットにマッピングされ、体重の増加７０４は、ファジーロジックメンバーシップ関数の異なるセットにマッピングされうる）へ定義されうる。この実施例では、胸腔内インピーダンスの減少７０２がゼロ（たとえば、減少なし）であり、かつ、体重の増加７０４がゼロ（たとえば、増加なし）である場合、水分過負荷指数７０６は、ゼロとして読取られ(read off)うる。この実施例では、マッピング後に、胸腔内インピーダンスの減少７０２は、「非常に低い」関数８０６Ａのメンバーであり、体重の増加７０４は、「非常に低い」関数８０６Ａのメンバーでありうる。結果得られる出力関数は、テンプレートに従い、「非常に低い」出力関数８０６Ａにマッピングしうる。この実施例では、ファジーロジックルールは、「胸腔内インピーダンスの減少が非常に低く、かつ、体重増加が非常に低い場合、水分過負荷指数は非常に低い」と述べる言語学用語で相応して定義されうる。いくつかの実施例では、胸腔内インピーダンスの減少７０２の値、体重の増加７０４の値、または他の値は、１つだけのメンバーシップ関数のメンバーである必要はない。例証的な実施例では、胸腔内インピーダンスの減少７０２は、「高い」関数８０６Ｄと「非常に高い」関数８０６Ｅの両方のメンバーでありうる（たとえば、入力変数８０２の値は、両方のメンバーシップ
関数の非ゼロ部分の下で２つのメンバーシップ関数にマッピングされうる）。この実施例と対照的に、１つまたは複数のファジーロジックルールの代わりに、「クリスプ」ブーリアンルールが使用された場合、胸腔内インピーダンスの減少７０２は、１つだけの言語学的記述（たとえば、「非常に高い」または「高い」であるが、「非常に高い」と「高い」の両方ではない）を割当てられうる。

図９は、第１のファジーロジック推論モジュール１０８Ａか、第２のファジーロジック推論モジュール１０８Ｂか、あるいは１つまたは複数の他のモジュールを含むプロセッサ１０２を使用することなどによって、ファジーロジック推論を使用して出力値を導出する方法９００の実施例を一般的に示す。この実施例では、２つの入力変数および３つのルールが使用されうる。他の実施例では、他の数の入力変数またはルールが使用されうる。この実施例では、ルールは、「第１の入力が低いか、または、第２の入力が低い場合、出力が低い」などの第１のルール、「第１の入力が中程度である場合、出力が中程度である」などの第２のルール、および「第１の入力が高いか、または、第２の入力が高い場合、出力が高い」などの第３のルールとして言語学形態で記述されうる。この実施例では、第２のルールは、第２の入力に対する依存性を持たない。いくつかの実施例では、１つまたは複数のルール、入力、または出力値が使用されうる。

図９の実施例では、９００にて、第１および第２の入力のファジー化が、（たとえば、図５または図８に示す１つまたは複数のメンバーシップ関数に対するマッピングを介して、または、１つまたは複数の他の技法を使用して）実施されうる。この実施例では、１つまたは複数のファジーロジックルールは全て、１つまたは複数の入力の全てに網羅的に適用されうる。いくつかの実施形態では、１つまたは複数の入力値は、１つまたは複数のファジーメンバーシップ関数のゼロ値領域に相当しうる。これらの実施例では、１つまたは複数の入力値は、１つまたは複数のファジーメンバーシップ関数の「非メンバー(non-member)」と呼ばれうる。ある実施例では、９０３にて、第１、第２、および第３のルールは、マッピングされた入力変数に適用されうる。この実施例では、ファジー「ＯＲ」演算子は、第１および第２の入力がそのメンバーであるメンバーシップ関数のセットの最大をとることによって実施されうる。この実施例では、第１のルール（たとえば、図９の実施例の第１行）を適用するときに、２つのメンバーシップ関数の最大をとることは、「低い」という結果に相当する出力関数でありうる。こうした結果は、「後件(consequence)」と
呼ばれうる、また、第１および第２の入力がメンバーであるメンバーシップ関数のセットは、「前件(antecedent)」と呼ばれうる。この実施例では、第２および第３のルールが適用されうる。また、９０３にて、ファジーロジックルールを適用することの結果は、１つまたは複数の出力関数のセットでありうる。この実施例では、９１１Ａにて、第１の入力値は、「低い」ファジーロジックメンバーシップ関数に交差しうる、９１１Ｂにて、第１の入力値は、「中程度の」ファジーロジックメンバーシップ関数に交差しうる、また、９１２にて、第２の入力値は、「高い」ファジーロジックメンバーシップ関数に交差しうる。いくつかの実施例では、１つまたは複数の他のファジーロジック演算子が使用されうる（たとえば、「ＡＮＤ」のファジーロジック演算子は、１つまたは複数のメンバーシップ関数のセットの最少をとりうる、または、何らかの他の演算子が使用されうる）。

いくつかの実施例では、ファジーロジックメンバーシップ関数の１つまたは複数の値あるいは他の値は、出力関数の１つまたは複数を修正するために使用されうる。１つまたは複数の出力関数のこの修正は、「示唆(implication)」と呼ばれうる。図９の実施例では
、９０５にて、示唆は、１つまたは複数の出力関数をトランケートするために、９１１Ａ、９１１Ｂ、または９１２などで、交差部においてメンバーシップ関数の最大値を使用して実施されうる。いくつかの実施例では、１つまたは複数の示唆は、出力関数をトランケートするかまたはスケーリングするため、または、出力関数に別の演算を実施するために、第１または第２の入力あるいはファジーロジックメンバーシップ関数の１つまたは複数
の値を使用しうる。

ある実施例では、９０５にて、（もしあれば）示唆後に、出力関数は、１つまたは複数の集約関数に集約されうる。９０７にて、単一集約関数は、値９０９を確定するために非ファジー化されうる。ある実施例では、値は、ユーザに報告するため、あるいは、別の異なるファジーロジック推論または他の意思決定スキームで使用するために、１つまたは複数のメンバーシップ関数の第２のセットにマッピングされうる。ある実施例では、セントロイド計算が、集約関数から値９０９を導出するために使用されうる。ある実施例では、集約関数を非ファジー化することは、セントロイド、二等分線、最大（たとえば、絶対最大、局所最大、あるいは１つまたは複数の他の極値）を確定すること、あるいは、１つまあ複数の他の方法を含みうる。

いくつかの実施例では、図９の方法は、１つまたは複数のセンサから生理的情報を、１つまたは複数のセンサから取得される生理的情報から１つまたは複数の症状の状態を、１つまたは複数の症状についての以前に導出された状態からの１つまたは複数の疾患の状態を導出するために、あるいは、疾患状態の確定に関連する１つまたは複数の他の推論のために使用されうる。いくつかの実施例では、１つまたは複数の結果得られる値（たとえば、値９０９）または傾向、ファジーロジックメンバーシップ関数の１つまたは複数のセット、１つまたは複数の出力関数、１つまたは複数の集約関数、「クリスプ」またはファジー化された生理的情報、またはファジーロジック推論方法からの他の情報は、１つまたは複数のユーザに対して、報告されうる、表示されうる、通信されうる、あるいは、警報、警告、またはアラームを生成するときに使用されうる。いくつかの実施例では、１つまたは複数のセンサからの生理的情報の状態の傾向（たとえば、（毎日あるいは１つまたは複数の他の間隔にわたって）経時的に測定される１つまたは複数の値のプロット、あるいは、１つまたは複数の他のパラメータに関するプロット）１つまたは複数の症状の状態、あるいは、１つまたは複数の疾患の状態は、１つまたは複数のユーザに対して、報告されうる、表示されうる、通信されうる、あるいは、警報、警告、またはアラームを生成するときに使用されうる。
追加事項
上述した説明は、詳細な説明の一部を形成する添付図面に対する参照を含む。図面は、例証として、本発明が実施されうる特定の実施形態を示す。これらの実施形態はまた、本明細書で「実施例(example)」とも呼ばれる。こうした実施例は、示し述べた要素以外の
要素を含みうる。しかし、本発明者等は、示し述べる要素だけがそこで提供される実施例も想定する。

本文書で参照される全ての出版物、特許、および特許文書は、参照により個々に組込まれるかのように、参照によりその全体が本明細書に組込まれる。本文書と、参照により組込まれる文書との間に矛盾する使用法がある場合、組込まれる参照（複数可）における使用法は、本文書の使用法を補助するものと考えられるべきである。すなわち、両立しない矛盾については、本文書における使用法が規制する。

本文書において、用語「ある(a)」または「ある(an)」は、特許文書で一般的であるよ
うに、「少なくとも１つ(at least one)」または「１つまたは複数(one or more)」の任
意の他の例または使用と独立に、１つまたは２つ以上を含むために使用される。本文書では、用語「または(or)」は、非排他的なまたは(or)を指すのに使用される。したがって、別途指示されない限り、「ＡまたはＢ」は「ＡであるがＢではない」、「ＢであるがＡではない」および「ＡおよびＢ」を含む。添付特許請求の範囲では、用語「含む(including)」および「そこで(in which)」は、それぞれの用語「備える(comprising)」および「そ
こで(wherein)」の平易な英語の等価物として使用される。同様に、添付特許請求の範囲
では、用語「含む(including)」および「備える(comprising)」は、無制限(pen-ended)で
ある、すなわち、特許請求項においてこうした用語の後に挙げられる要素以外の要素を含むシステム、デバイス、製品またはプロセスは、依然として特許請求項の範囲内に入ると考えられる。さらに、添付特許請求の範囲では、用語「第１の(first)」、「第２の(second)」および「第３の(third)」などは、単にラベルとして使用され、その物体に対して数値要件を課すことを意図されない。
本明細書で述べる方法の実施例は、少なくとも部分的に、機械実施式であるかまたはコンピュータ実施式でありうる。一部の実施例は、上記実施例で述べた方法を実施するよう電子デバイスを構成するように働く命令をエンコードされるコンピュータ可読媒体または機械可読媒体を含みうる。こうした方法の実施態様は、マイクロコード、アセンブリ言語コード、高レベル言語コード、または同様なものなどのコードを含みうる。こうしたコードは、種々の方法を実施するためのコンピュータ可読命令を含みうる。コードは、コンピュータプログラム製品の所定部分を形成してもよい。さらに、コードは、実行中、または、他の時点で、１つまたは複数の揮発性または不揮発性コンピュータ可読媒体上に目に見える形で格納されてもよい。これらのコンピュータ可読媒体は、ハードディスク、取外し可能磁気ディスク、取外し可能光ディスク（たとえば、コンパクトディスクおよびデジタルビデオディスク）、磁気カセット、メモリカードまたはスティック、ランダムアクセスメモリ（ＲＡＭ）、読取り専用メモリ（ＲＯＭ）、ならびに同様なものを含むが、それに限定されなくてもよい。

先の説明は、例証的であり、制限的でないことを意図される。たとえば、上述した実施例（あるいはその１つまたは複数の態様）は、互いに組合せて使用されてもよい。先の説明を検討すると、他の実施形態が当業者などによって使用されうる。要約は、読者が技術的開示の特質を迅速に確認することを可能にするために、３７Ｃ．Ｆ．Ｒ．§１．７２（ｂ）に対応するように提供される。要約は、特許請求項の範囲または意味を解釈するかまたは制限するために使用されることがないという理解と共に提出される。同様に、上記詳細な説明では、種々の特徴は、開示を簡素化するために共にグループ化されてもよい。このことは、未請求の開示特徴が、任意の特許請求項に必須であることを意図するものとして解釈されるべきでない。むしろ、本発明の主題は、特定の開示される実施形態の全ての特徴より少ない特徴に存在する可能性がある。そのため、添付特許請求項は、詳細な説明に組込まれ、各請求項は、別個の実施形態として自分自身を主張する。本発明の範囲は、添付特許請求の範囲を参照して、添付特許請求の範囲が権利を与えられる均等物の全範囲と共に確定されるべきである。

Claims (30)

1. システムであって、
   患者に関する生理的情報を取得するように構成された生理的モニタと、
   前記生理的モニタに結合され、前記患者に関する前記生理的情報を受信するように構成されたプロセッサとを備え、前記プロセッサは、
   第１のファジーロジック推論を使用して前記生理的情報から症状状態を導出するように構成された第１のファジーロジック推論モジュールを含む症状状態検出器と、
   前記症状状態検出器に結合された疾患状態検出器とを備え、前記疾患状態検出器は、第２のファジーロジック推論を使用して前記症状状態から疾患状態を導出するように構成された第２のファジーロジック推論モジュールを含むシステム。
2. 前記疾患状態検出器は、非代償性心不全状態を検出するように構成される請求項１に記載のシステム。
3. 前記生理的モニタは、心拍数、呼吸数、呼吸タイミング、血圧、肺一回換気量、身体活動レベル、体重、胸腔内インピーダンス、心音タイミング、または心音マグニチュードの少なくとも１つから導出される情報を取得するように構成される請求項１から２のいずれか１項に記載のシステム。
4. 前記生理的モニタに結合された生理的センサを備え、前記生理的センサは、体重計、心電図センサ、呼吸センサ、心音センサ、血圧センサ、加速度計、または胸腔内インピーダンスセンサの少なくとも１つを含む請求項１から３のいずれか１項に記載のシステム。
5. 前記生理的センサは、埋め込み型生理的センサまたは外部生理的センサの少なくとも一方を備える請求項４に記載のシステム。
6. 前記プロセッサに結合されたディスプレイを備え、前記ディスプレイは、症状状態または非代償性心不全状態の少なくとも一方をユーザに報告するように構成される請求項２から５のいずれか１項に記載のシステム。
7. 前記ディスプレイは、非代償性心不全状態が急性非代償性心不全の発生を指示するとき、ユーザに警報を提供するように構成される請求項６に記載のシステム。
8. 前記プロセッサに結合されたユーザ入力を備え、前記ユーザ入力は、息切れ、異常な疲労感、異常な疼痛、異常な膨満感、慢性の咳、食欲減退、または睡眠時における特別な枕についての必要性の少なくとも１つを、前記患者が経験したかどうかを含む質問に応答して、ユーザから前記生理的情報の少なくとも一部を受信するように構成される請求項１から７のいずれか１項に記載のシステム。
9. 前記症状状態検出器は、呼吸困難スコア、水分過負荷指数、左室充満圧指数、疲労指数、または心拍出量指数の少なくとも１つを含む症状状態を導出するように構成される請求項１から８のいずれか１項に記載のシステム。
10. 前記プロセッサは、少なくとも１つの生理的センサが、信頼性がないか、利用可能でないかに関する情報を使用して少なくとも１つのルールを選択するように構成されたファジーロジックルール選択器を備え、
    前記第１のファジーロジック推論モジュールは、前記少なくとも１つの選択されたルールに応答してかつ前記少なくとも１つの選択されたルールを使用して前記症状状態を導出するように構成される請求項１から９のいずれか１項に記載のシステム。
11. 前記症状状態検出器は、前記生理的情報をファジーロジックメンバーシップ関数の第１のセットにマッピングするように構成され、また、前記マッピングされた生理的情報を前記第１のファジーロジック推論モジュールに提供するように構成され、
    前記疾患状態検出器は、前記症状状態をファジーロジックメンバーシップ関数の第２のセットにマッピングするように構成され、また、前記マッピングされた症状状態情報を前記第２のファジーロジック推論モジュールに提供するように構成される請求項１から１０のいずれか１項に記載のシステム。
12. ファジーロジックメンバーシップ関数の前記第１または第２のセット内に含まれる少なくとも１つのメンバーシップ関数は、言語学用語によってカテゴリ化され、前記症状状態検出器または前記疾患状態検出器の少なくとも一方は、前記言語学用語を使用して、前記生理的情報または前記症状状態を前記それぞれの第１または第２のファジーロジックメンバーシップ関数にマッピングするように構成される請求項１から１１のいずれか１項に記載のシステム。
13. 前記言語学用語は、非常に低い、低い、中程度の、高い、または非常に高い、のうちの少なくとも１つを含む請求項１２に記載のシステム。
14. 前記症状状態検出器または前記疾患状態検出器の少なくとも一方は、前記言語学用語を使用して、ベースラインからの変化の程度によって前記生理的情報または前記症状状態の少なくとも一方を分類するように構成される請求項１２から１３のいずれか１項に記載のシステム。
15. 前記症状状態検出器または前記疾患状態検出器の少なくとも一方は、前記言語学用語を使用して、変化率によって前記生理的情報または前記症状状態の少なくとも一方を分類するように構成される請求項１２から１４のいずれか１項に記載のシステム。
16. 前記第１または第２のファジーロジック推論モジュールの少なくとも一方は、履歴患者データから取得される情報に基づいて少なくとも１つのルールを使用するように構成される請求項１から１５のいずれか１項に記載のシステム。
17. 患者に関する生理的情報を取得するステップと、
    前記生理的情報をファジーロジックメンバーシップ関数の第１のセットにマッピングするステップと、
    第１のファジーロジック推論を使用して、ファジーロジックメンバーシップ関数の前記第１のセットに対する前記生理的情報の前記マッピングから症状状態を導出するステップと、
    前記症状状態をファジーロジックメンバーシップ関数の第２のセットにマッピングするステップと、
    第２のファジーロジック推論を使用して、ファジーロジックメンバーシップ関数の前記第２のセットに対する前記症状状態の前記マッピングから疾患状態を導出するステップとを備える方法。
18. 前記疾患状態を前記導出するステップは、非代償性心不全状態を導出することを含む請求項１７に記載の方法。
19. 前記生理的情報を前記取得するステップは、埋め込み型生理的センサまたは外部生理的センサの少なくとも一方を監視することを含む請求項１７または１８のいずれか１項に記載の方法。
20. 前記生理的情報を前記取得するステップは、心拍数、呼吸数、呼吸タイミング、血圧、肺一回換気量、身体活動レベル、体重、胸腔内インピーダンス、心音タイミング、または心音マグニチュードの少なくとも１つから導出される情報を取得することを含む請求項１７から１９のいずれか１項に記載の方法。
21. 前記第１のファジーロジック推論を使用して前記症状状態を前記導出するステップは、
    少なくとも１つの生理的センサが、信頼性がないか、利用可能でないかに関する情報を使用してルールを選択するステップと、
    前記選択されたルールを使用して前記症状状態を導出するステップとを備える、請求項１７から２０のいずれか１項に記載の方法。
22. 前記生理的情報の少なくとも一部についてユーザに質問するステップとにおいて、質問は、前記患者が、息切れを経験したか、異常な疲労感を経験したか、異常な疼痛を経験したか、異常な膨満感を経験したか、慢性の咳を経験したか、食欲減退を経験したか、または睡眠時における特別な枕についての必要性を経験したかの少なくとも１つを含む、質問するステップと、
    前記生理的情報の少なくとも一部を含むユーザ応答を受信するステップとをさらに備える請求項１７から２１のいずれか１項に記載の方法。
23. 前記症状状態を前記導出するステップは、呼吸困難スコア、水分過負荷指数、左室充満圧指数、疲労指数、または心拍出量指数の少なくとも１つを導出することを含む請求項１７から２２のいずれか１項に記載の方法。
24. 前記症状状態または前記非代償性心不全状態の少なくとも一方をユーザに表示することを含む請求項１７から２３のいずれか１項に記載の方法。
25. 前記非代償性心不全状態が急性非代償性心不全の発生を指示するとき、ユーザに警報を提供することを含む請求項１７から２４のいずれか１項に記載の方法。
26. 言語学用語によって、ファジーロジックメンバーシップ関数の前記第１または第２のセットに含まれる少なくとも１つのメンバーシップ関数をカテゴリ化することを含む請求項１７から２５のいずれか１項に記載の方法。
27. 前記言語学用語は、非常に低い、低い、中程度、高い、または非常に高い、のうちの少なくとも１つを含む請求項２６に記載の方法。
28. 前記言語学用語を使用して、ベースラインからの変化の程度によって前記生理的情報または前記症状状態の少なくとも一方を分類することを含む請求項２６から２７のいずれか１項に記載の方法。
29. 前記言語学用語を使用して、変化率によって前記生理的情報または前記症状状態の少なくとも一方を分類することを含む請求項２６から２８のいずれか１項に記載の方法。
30. 前記第１または第２のファジーロジック推論の一方を前記使用することは、履歴患者データから取得される情報に基づいて少なくとも１つのルールを使用することを含む請求項２６から２９のいずれか１項に記載の方法。

Images