JP2017522059A - Ｃｐａｐ治療中の周期性呼吸の検出 - Google Patents

Abstract

周期性呼吸の発生を検出し評価するとともに、その評価に基づいてデバイスのユーザに対して与える治療を変更するための呼吸治療機械の改良。呼吸治療デバイスを使用して被験者の周期性呼吸を検出することは、適切な圧力治療が被験者に対して確実に施されるようにするとともに、被験者のための呼吸治療の進行中の適合性を判定するのに有用である。

Description

本発明は、一般に、閉塞性および／または中枢性睡眠障害の治療に使用されるタイプの呼吸治療機械の分野に関し、詳細には、周期性呼吸パターンが検出されたときのそのような睡眠障害の治療に関する。

「周期性呼吸」という用語は、複数の息からなる息のクラスタが、典型的には１分以内の期間の周期的パターンによる一回換気量の振幅の漸増および漸減を示すことにより、被験者が過呼吸と減呼吸との間で漸増性−漸減性パターンで揺れ動く呼吸パターンを説明する。１分より長い期間の周期的パターンは、典型的には、心臓の収縮または拡張機能に欠陥がある可能性が高いことを示す。より極端な例では、息のクラスタが、減呼吸ではなく無呼吸の期間によって分離され得る。周期性呼吸の減呼吸または無呼吸の事例は、閉塞性イベントおよび中枢性イベントの両方を含むことが多い。

成人の周期性呼吸の正確な原因の確証は得られていないが、その原因は、呼吸駆動の調整に伴うフィードバック制御の過剰なループ・ゲインに関連し得ると考えられている。成人では、周期性呼吸は異常であると考えられ、神経機能障害または心不全を有する被験者に関連付けられることが多い。

ＣＰＡＰ治療中、周期性呼吸がある場合に、被験者に対して与える治療を変更することが望ましいことがあるため、周期性呼吸の検出は非常に重要である。例えば、閉塞性無呼吸の検出に対する正常な反応は、無呼吸が消失するか、減呼吸に変わるまで、被験者に対して与える圧力を徐々に上昇させることであり得る。しかしながら、この圧力上昇が、実際には、周期性呼吸の呼吸パターンを悪化させるおそれがある。したがって、周期性呼吸が検出されたときに、デバイスにより与えられる治療を変更することが望ましいことがある。

現在の先行技術のデバイスは、周期性呼吸の検出はいくらか得意であるが、軽度の周期性呼吸と重度の周期性呼吸とを区別する感度および能力に欠ける。したがって、より高い感度で周期性呼吸を検出することができ、軽度の周期性呼吸と重度の周期性呼吸とを区別することができて、与えられる治療がそれに応じて調節され得るようにすることが望ましい。

呼吸治療デバイスを使用して被験者の周期性呼吸を検出することは、適切な圧力治療が被験者に確実に施されるようにするとともに、被験者のための呼吸治療の進行中の適合性を判定するのに有用である。周期性呼吸は、明白な、ほぼ機械的な律動パターンから、より視覚的に不明瞭で、自己相似がより少なく、それにもかかわらず、被験者にとって生物学的に重要であるパターンまでのパターンの範囲内に存在する。本発明の目的は、広範囲の周期性呼吸を検出する感度で、より明白でない辺縁の周期性呼吸から明白な「教科書的な」周期性呼吸までの周期性呼吸を検出すること、および周期性呼吸を複数の種類の重症度に分類することであり、これは、このパターンを示す被験者の傾向の全体的な重症度を判定する際にも有用である。

本発明の方法は、周期性呼吸パターンを検出するための多くの信号処理技法を使用する
。複数の呼吸の測度の解析的表現を計算するために、ヒルベルト変換が使用される。周期性呼吸の漸増性／漸減性信号の「瞬時の」不連続を除去するために、ランキング・フィルタが使用され、これにより、覚醒による同相の複数の不連続を通じた周期性呼吸の検出が可能となる。また、この方法は、検出された周期性呼吸の重症度（なし、軽度、中度、重度）を類別する。

その結果、既存の先行技術の方法よりも感度の高い、周期性呼吸を検出する方法が得られる。加えて、方法を実施する呼吸治療デバイスから構成された装置も提示され、この装置は、検出された周期性呼吸の、評価された重症度に基づいて、治療法を変更可能である。

一般化された周期性呼吸の一例を示す図。 チェーンストークス呼吸として分類される周期性呼吸の一例を示す図。 本発明の方法の流れ図。 本発明の方法の流れ図。 本発明の方法の流れ図。 本発明の方法の流れ図。 本発明の方法が実施されるタイプの呼吸治療機械のブロック図。 本発明の方法により発生する様々な中間波形を示す図。

本発明の方法は、一般に、図６に示されるタイプのＣＰＡＰまたはＢｉ−ＰＡＰ機械などの呼吸治療デバイスのファームウェアとして実装される。図６を参照すると、一般的な呼吸ガス送達システムが示される。呼吸ガス送達システムは、ローカル・メモリに格納された制御ソフトウェア／ファームウェア１２を有するプロセッサ１０を備える。モータ制御システム１４は、プロセッサ１０の制御下において送風機１６の速度を制御する。加圧された空気流を送達するために、流れ要素１８が患者インタフェース（図示せず）に接続される。質量流量センサ２０は、流れ要素１８を通る総流量（一回換気量）を感知し、圧力センサ２２はシステム圧力を検出する。流量センサ２０および圧力センサ２２の両方がプロセッサ１０にインタフェース接続して、患者の呼吸パターンに関するフィードバックを与える。インタフェース２４を使用することにより、患者および／または治療者がデバイスを制御することができる。

図２〜図５を参照して、周期性呼吸を検出する方法が説明される。図２を参照すると、プロセスの工程１において、ボックス１０１で、流量センサ２０からの総流量の生データがサンプリングされ、Ａ／Ｃ結合される。残留ＤＣ（バイアス流れおよび漏れによって存在する場合があり、次の信号処理工程を妨げる）を除去するために、バターワース二次ハイパス・フィルタが適用される。これにより、２５０Ｈｚでサンプリングされ、図２に「Ａ」のラベルが付けられた患者流量データを表す信号が得られる。患者流量データの例示的な波形は、図７の参照「Ａ」であり得る。

図２のプロセスの工程２では、患者流量信号が間引かれまたはダウンサンプリングされて、より解析処理に適した波形を作成する。例えば、２５０Ｈｚの波形は、３２Ｈｚにダウンサンプリングされ得る。ボックス２０１において、データはより低いレートでサンプリングされ、ボックス２０２において、追加のハイパス・フィルタが適用されて、存在し得る追加のＤＣを取り除く。

図２のプロセスの工程３において、呼吸信号が再びダウンサンプリングされ、２点アキュムレータ・フィルタによりフィルタリングされ、バターワース二次バンドパス・フィル
タが、正常な呼吸の上限および下限のレートでボックス３０１に適用される。本発明の好適な一実施形態において、ローパス・フィルタは１．２５Ｈｚのカットオフ周波数を有し、ハイパス・フィルタは０．２Ｈｚのカットオフ周波数を有する。これにより、図３に示されるプロセスの工程４に送られる信号Ｂが得られる。

図３に示されるプロセスの工程４において、真の呼吸が、信号Ｂを入力として利用して算出される。信号Ｂは、ボックス４０１において１６Ｈｚでダウンサンプリングされ、ヒルベルト変換がボックス４０２において適用される。ボックス４０２において適用されたヒルベルト変換は、呼吸のエンベロープを与え、呼吸自体のパワーを表す。この信号は、連続した一回換気量を表す。さらなるフィルタリングがボックス４０３において適用されることにより、真の呼吸パワーを表す信号が得られ、これはプロセスの工程５に対する入力として使用される。

同じく図３に示されるプロセスの工程５において、呼吸パワー信号は、４点アキュムレータを使用して再びダウンサンプリングされ、呼吸パワー・エンベロープは、７．５秒の移動平均により算出される。図３において「Ｃ」のラベルが付けられたこの信号の例は、図７に参照Ｃとして示され、呼吸の真の測度（Ｌ／分）を表す。プロセスの工程５において信号「Ｄ」も生成され、工程６の入力として使用される。

図４に示されるプロセスの工程６において、長期の呼吸基準信号として使用される第２の呼吸パワー信号を作成するために、信号「Ｄ」が使用される。信号は、ボックス６０１において再びダウンサンプリングされ、ボックス６０２においてフィルタリングされる。結果が図４において信号「Ｆ」で示され、この信号の一例が図７に参照「Ｆ」として示される。

プロセスの工程７において、予想される周期的な漸減および漸増サイクルの範囲内の一連のランキング・フィルタおよびさらなるバンドパス・フィルタリングを通じて、高速移動平均と低速移動平均との比が算出され、周期性呼吸の漸増／漸減サイクルを表す正規化振幅を有する（したがって、振幅に適応できる）信号が得られる。図４の工程７を参照すると、小さい移動平均がボックス７０１により計算され、工程６からの入力信号「Ｆ」として得る。高速移動平均は、プロセスの工程５により生成された信号Ｃを使用して、ボックス７０２により算出される。その比がボックス７０３において計算され、正規化振幅信号「Ｇ」を表し、これは工程８ａに対する入力として利用され、その例が図７に参照「Ｇ」として示される。この信号は、患者流量信号Ａの漸増性および漸減性パターンを正弦状波形として表す。正弦状波形の存在は、周期性呼吸の期間を表す。信号「Ａ」で示される正常呼吸の期間中に正弦状波形が消えることが図７から見て取れる。

図４にも示す工程８ａにおいて、真の漸増および漸減パワーが、ボックス８０１におけるヒルベルト変換の適用により、正規化振幅信号「Ｇ」のエンベロープとして算出される。この信号は図４の信号「Ｈ」として示され、この信号の例が図７に参照「Ｈ」として示される。信号「Ｈ」は、周期性呼吸の重症度を算出するためのプロセスの工程９に対する入力として使用される。この信号の値が大きいほど、周期性呼吸の重症度が高いことに留意されたい。

図５にも示されるプロセスの工程８ｂにおいて、移動周期変動の計算が、周期的な規則性の解析的表現を作成するために、信号「Ｇ」に対する正規化振幅について行われる。これは、図７に信号「Ｉ」として示され、信号「Ｇ」の正弦状波形と真の正弦波形とのゼロ交差における変動を表す。一般に、この数が小さいほど、周期性呼吸は規則的である。

図５にも示されるプロセスの工程９において、２つの入力信号、すなわち漸増性−漸減
性エンベロープ信号「Ｈ」と漸増性−漸減性ゼロ交差変動信号「Ｉ」とが、周期性呼吸の４つの程度（すなわち、なし、軽度、中度、および重度）により入力を分類する、最小距離の統計的分類技法に対して入力される。プロセスの最終出力信号が、図７に信号「Ｊ」として示される。この特定の場合には、図７に信号「Ａ」として示される患者流量データの期間中に、アルゴリズムが周期性呼吸を中度として評価し、規則的な呼吸は、周期性呼吸成分がないものとして記録される。

周期性呼吸の重症度の評価の計算は、信号「Ｈ」（漸増性−漸減性エンベロープ）および信号「Ｉ」（漸増性−漸減性ゼロ交差変動）を入力として使用する。これらの信号の各々について、周期性呼吸の重症度の４つの分類の各々を表す値の帯域が定義される。数学的モデルを経験的データに適合させるための統計的方法である最小距離の推定技法を使用して、信号ＨおよびＩからの各データ点の帰属関係が解析される。アルゴリズムは、信号ＨおよびＩの帯域を定義する値を変化させることにより微調整され得る。一般に、漸増性−漸減性エンベロープ（信号Ｈ）の値が大きく、漸増性−漸減性ゼロ交差変動（信号Ｉ）が小さいほど、重度であり、かつ／または周期性呼吸がある可能性が高くなる。

出願人は、提示されるアルゴリズムが１分のサイクルで最適化されることに着目する。しかしながら、これは、信号に適用されるフィルタリングのパラメータを変動させることによって容易に変化され得る。また、本発明の好適な実施形態において、バターワース二次フィルタが全体を通じて使用されるが、適切な結果を生じさせるその他のタイプのフィルタが使用されてもよいことに留意されたい。加えて、周期性呼吸の状況の大部分をつかむために、フィルタのカットオフ値が選択されている。

また、呼吸治療機械として実施される本発明の一部として、治療圧力は、周期性呼吸の検出に基づいて変動され得る。例えば、周期性呼吸が軽度であると判定され、呼吸イベントが検出される場合には、機械は、圧力を上昇させることによって呼吸イベントに対応することができない。したがって、例えば圧力変化の決定を行うときである閉塞性無呼吸の検出時に、周期性呼吸もある場合には、圧力の上昇は実装されなくてよい。周期性呼吸が中度または重度に移行するイベントでは、治療圧力は、最小の期間そこでとどまれば、低下され得る。圧力上昇が周期性呼吸を悪化させ得ることが知られているからである。周期性呼吸があるかないかに基づいて治療圧力を変更する実際の方法は、所望の成果に基づいて微調整され得る。しかしながら、治療圧力を変化させるか変化させないかの決定は、その決定に対する入力として、周期性呼吸があるかないかを利用する。

プロセスの特定の実施形態が本明細書に記載されているが、以下の特許請求の範囲により表される本発明の範囲内にある多くの実施が可能であることが、当業者により理解されるべきである。

Claims (10)

1. 呼吸治療デバイスであって、
   ａ．送風機と、
   ｂ．プロセッサと、
   ｃ．前記プロセッサの制御下において前記送風機の速度を制御するためのモータ制御部品と、
   ｄ．前記送風機からの空気の総流量を感知するための流量感知要素と、
   ｅ．前記プロセッサにより実行され、以下の機能、すなわち、
   ｉ．流量データを前記流量感知要素から収集する工程、
   ｉｉ．前記デバイスのユーザにおける周期性呼吸のパターンを検出するために、前記流量データを解析する工程、
   ｉｉｉ．前記周期性呼吸の重症度を評価する工程、および
   ｉｖ．前記周期性呼吸の評価された前記重症度に基づいて、前記ユーザに対して与える治療を変更する工程を行うソフトウェアと
   を備える、呼吸治療デバイス。
2. 前記解析する工程が、
   ａ．前記流量データから患者流量信号を導き出す工程と、
   ｂ．前記患者流量信号のパワー・エンベロープを計算する工程と、
   ｃ．前記患者流量信号の前記パワー・エンベロープの高速移動平均と低速移動平均との比を計算することにより、患者流量データの漸増および漸減サイクルを表す正規化振幅信号を得る工程と、
   ｄ．前記正規化振幅信号のパワー・エンベロープを計算する工程と、
   ｅ．前記正規化振幅信号のゼロ交差変動を表す信号を計算する工程と、
   ｆ．前記正規化振幅信号の前記パワー・エンベロープと前記正規化振幅信号の前記ゼロ交差変動を表す前記信号とを、前記周期性呼吸の重症度を評価する前記工程に対する入力として使用する工程とをさらに含む、請求項１に記載の呼吸治療デバイス。
3. 前記患者流量信号の前記パワー・エンベロープと前記正規化振幅の前記パワー・エンベロープとが、ヒルベルト変換を使用して計算される、請求項２に記載の呼吸治療デバイス。
4. 前記流量データから患者流量信号を導き出す前記工程が、
   ａ．前記流量感知要素から受信される前記流量データをダウンサンプリングする工程と、
   ｂ．ハイパス・フィルタを適用して、バイアス流れを表す前記流量データのＤＣ成分を取り除く工程とをさらに含む、請求項２に記載の呼吸治療デバイス。
5. 前記ハイパス・フィルタが二次バターワースフィルタである、請求項３に記載の呼吸治療デバイス。
6. 前記周期性呼吸の重症度を評価する前記工程が、
   ａ．重症度の各分類について、前記正規化振幅信号の前記パワー・エンベロープの範囲と前記正規化振幅信号の前記ゼロ交差変動を表す前記信号の範囲とを定義する工程と、
   ｂ．前記分類の各々における、前記正規化振幅信号の前記パワー・エンベロープと前記正規化振幅信号の前記ゼロ交差変動を表す前記信号との帰属関係に基づいて、前記評価を時間の関数として計算する工程とをさらに含む、請求項２に記載の呼吸治療デバイス。
7. 前記分類における前記帰属関係が、統計的解析を使用して計算される、請求項６に記載
   の呼吸治療デバイス。
8. 前記統計的解析が、最小距離の推定アルゴリズムを利用する、請求項７に記載の呼吸治療デバイス。
9. 前記ユーザに対して与えられる治療を変更する前記工程が、無呼吸イベントが検出されたときに圧力の上昇を中止する工程を含む、請求項２に記載の呼吸治療デバイス。
10. 前記ユーザに対して与えられる治療を変更する前記工程が、周期性呼吸の持続期間が検出されたときに、圧力を低下させる工程を含む、請求項２に記載の呼吸治療デバイス。