JP2021504070A - 患者の健康に関連する側面を監視するシステム、センサ、および患者の健康に関連する側面を監視する方法 - Google Patents
患者の健康に関連する側面を監視するシステム、センサ、および患者の健康に関連する側面を監視する方法 Download PDFInfo
- Publication number
- JP2021504070A JP2021504070A JP2020545214A JP2020545214A JP2021504070A JP 2021504070 A JP2021504070 A JP 2021504070A JP 2020545214 A JP2020545214 A JP 2020545214A JP 2020545214 A JP2020545214 A JP 2020545214A JP 2021504070 A JP2021504070 A JP 2021504070A
- Authority
- JP
- Japan
- Prior art keywords
- patient
- data
- input signal
- machine learning
- log
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Classifications
-
- 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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1115—Monitoring leaving of a patient support, e.g. a bed or a wheelchair
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
- A61B5/747—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network in case of emergency, i.e. alerting emergency services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Business, Economics & Management (AREA)
- Physiology (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Neurology (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar, Positioning & Navigation (AREA)
- Psychiatry (AREA)
- Evolutionary Computation (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Neurosurgery (AREA)
- Databases & Information Systems (AREA)
- Critical Care (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
Abstract
【課題】 患者の望ましくない事象または状態を検出する方法が提供される。【解決手段】この方法は、患者が使用している環境を監視するように構成されたUWBレーダから、患者の動きを表す情報を含む第1の入力信号を受信することを含み得る。第1の入力信号から取り出したデータは、パターン認識モデルを用いて、第1の入力信号から取り出したデータのパターンを検出し、かつ、患者が関与する望ましくない事象または状態を示唆または予測するものとして分類するように処理される。パターンが患者の望ましくない事象または状態を示唆または予測するものとして分類される場合、アラームが発せられる。さらに、個別の患者の行動に基づいて最新のパターン認識モデルを作成するために、第1の入力信号から取り出され、かつ、望ましくない事象を示唆または予測するものとして分類されたパターンの検出に関連するデータのログによって、機械学習が可能になる。【選択図】図1
Description
[0001] 本開示は、動きを検知するためのUWB(超広帯域RF)技術に基づくシステムおよびセンサ、ならびに関連する方法を説明する。特に、本開示は、動きを検知するための、また、いくつかの実施形態において、異常が起きたときにより良好な検知を行うために、価値のある洞察のために患者の経時変化を追跡するために、ならびに、提供および記録したデータから患者の健康状態のパターンを見出すために、患者の正常の行動および状態に適応する(すなわち、患者にとって正常であることを学習する)ためのセンサ、システム、および方法を説明する。
[0002] 望ましくない状態を早期に検出することができるように、患者の健康に関する側面を監視することが望ましい。これは、そのような状態の発生および落下などのアクシデントを示す徴候を検出することを含むことができる。これらの問題に対処する多くのシステムは、不快感が生じる、または自由な動きの能力が低下することになる患者に取り付けられる必要があるセンサを含む。あるいは、離れたところで動作するセンサは不正確であり、特定のパラメータを検出することができず、またはプライバシーの問題に関連する。
[0003] 全世界的な平均寿命は、過去数十年にわたって劇的に伸びてきた。技術の発展および個人の衛生意識および栄養摂取に関する意識の高まりによって、人類は、より長く健康に生きている。結果として、急速な高齢化社会となっており、主流の在宅介護モデルおよび老人ホームは、介護を必要とする高齢者の人口増加に応じることができていない。実働できる看護師と、老人ホームの入居者のニーズとの隔たりが、加速度的に大きくなっている。Journal of Nursing Managementがまとめた予測に基づくと、不足は、2030年までにドイツ単独で看護師200,000人に到達すると見込まれている。また、2020年までに、欧州連合については看護師600,000人に達し、米国については看護師800,000人に達する。長期の介護施設、特に老人ホームは、すでに看護師不足に直面しているため、看護師へのプレッシャーは高まっており、介護専門家が不足していることが、より長い労働時間につながり、高齢者の介護の質を実質的に低下させている。さらに、英国およびアイルランドで実施された、いくつかの調査および本発明者らの独自の研究によって、夜間の介護に伴う他の深刻な問題が明らかになった。居住者の視点からは、主な問題として、検査のために繰り返される入室が引き起こす睡眠の妨害が含まれる。技術を有する従事者が少ないため、健康悪化の検出が遅れるおそれがある。夜間、検査と検査との間で数時間あく場合があり、これにより、深刻な落下や急病を検出するまでに数時間かかり、不要な損傷や苦痛を引き起こすおそれがある。看護師の視点からは、夜勤に伴う主な問題としては、非常に多い業務量、夜勤が引き起こす健康問題、および緊急時の技術のない従事者の雇用が含まれる。
[0004] WHOによれば、世界に5,000万人のてんかん患者がおり、そのうちの30%が自身の状態を制御できず、それゆえに持続的な介護および監視を必要としている。これは特に夜間、観察されていない状態で発作が起きるときに当てはまる。てんかんの不十分な治療は、負傷およびてんかんの突然死(SUDEP)−明らかな原因が無いままてんかん患者が死亡する状況−の確率の上昇に関連する。
[0005] 我々は、健康悪化の事象の見逃し防止、早期の疾患検出、呼吸困難の検出、てんかん性/非てんかん性発作の防止、検出、分類および傾向の監視、ならびに夜間またはベッドにいる時の落下検出のための、革新的な夜間監視(および判断支援)システムを開発した。我々の発明は、不要な入院を解消し、高齢者、慢性疾患の人々、および健康監視を必要とする他の人々を支援して優れた個人用介護を提供することに寄与する。我々の解決策は、機械学習と組み合わせたセンサの使用を通じて異常な事象を検出し、かつ、老人ホームや介護施設の介護者または自宅の親族に迅速にアラートを発する。
[0006] 発作についてのスクリーニングおよび監視の最も重要な方法は、蝸電図(EEG)であり、患者/人の頭皮に取り付けられた電極を用いて脳の電気信号活動を測定する。EEGの問題は、患者/人への取付けのために訓練された医療従事者を必要とすることであり、装置を着用する患者/人にとって非常に邪魔になることである。したがって、EEGは、ほとんどの場合、病院の環境でのみ使用される。てんかん患者を対象とする技術の他の既存の種類としては、着用型デバイス、カメラ、およびマットレスセンサが含まれる。着用型デバイスは、使用者にとって着用することが邪魔になり、カメラは、プライバシーの問題があり、かつ、厚いベッドのブランケットを通して見ることができず、マットレスセンサは、マットレスの厚さに左右され、かつ、機械的摩耗のために寿命が短い。カメラは、発作の検出において不可欠であり得るバイタルサイン検出することができない。2016年にSeizure40巻において発表されたA. Ulate-Campos、F. Coughlin、M. Gainza-Lein、I. Sanchez Fernandez、P. L. Pearl、T. Loddenkemperによる2016年「Automated seizure detection systems and their effectiveness for each type of seizure」からの研究論文では、市場で入手可能なデバイスを分析し、異なる種類の発作を対象とするいくつかのバイタルサインを使用者の邪魔にならずに測定できるデバイスに対するニーズが存在することを見出し、特に子供向けの夜間に使用する際に邪魔になる着用型デバイスを理由に、非着用型デバイスを使用することを推奨している。この論文によれば、豊富な証拠によって、精密な検出デバイスを実現するために、患者専用のアルゴリズムが非常に重要であることが確認されている。
[0007] 特に老人ホームおよび長期介護施設向けに設計された、健康パラメータの継続的な測定および高齢の患者の落下についての解決策は、非常に限られている。既存の解決策は、主に、着用型デバイス、マットレスセンサ、またはカメラに基づいている。
[0008] 着用型デバイスは、最もよく用いられている技術であるが、使用者に不快感を与えるものであり、その精度は不十分であり、バッテリ寿命が短い。さらに、この技術は、特に着用型デバイスを取り外し、再度の着用を忘れることがある痴ほうの高齢の患者によって不正確に使用されるおそれがあり、これが起きる可能性は高い。
[0009] マットレスセンサ、カメラ技術、および床のマットなどの非接触型デバイスに関して、不便さおよび精度が主な問題となる。特にマットレスセンサについて検討すると、このセンサは、マットレスセンサベッド全体を対象としていないため、患者はセンサの上または上方に直接に配置される必要があり、また、特にマットレスの厚さおよびセンサの再位置決めについて、いくつかの制約が存在する。また、着用型デバイスおよびマットレスセンサには、物理的摩耗が生じ、これによりデバイスの寿命が制限される。
[0010] さらに、これらのデバイスは、構成、設定、および制限が汎用的なものに類似しているため、十分な個人用の構成に欠けており、構成の任意選択事項は、検出およびアラームの閾値を定義することに制限されている。市場における現在の技術において、実際のパーソナライゼーションは利用可能ではない。したがって、邪魔にならない落下の監視を行うこと、落下が発生したときに介護者にアラートを発すること、落下を分析すること、および動き/行動の個人用の分析を通じて落下の防止に寄与することを可能にする機器に対するニーズが存在する。
[0011] 既存の解決策では、使用者に適用し、かつ、履歴データ分析を提供することで不要な健康悪化および入院を解消することができない。また、既存の解決策では、第三者センサが提供したデータを組み込むことができない。
[0012] 本発明は、すでに利用可能なシステムの欠点の少なくともいくつかを軽減することを図るものである。
[0013] 本発明の一態様によれば、患者の望ましくない事象または状態を検出する方法が提供される。この方法は、患者が使用している環境を監視するように構成されたUWBレーダから、患者の動きを表す情報を含む第1の入力信号を受信することを含む。受信した信号は、事前に処理されてよく、その後、第1の入力信号から取り出したデータは、パターン認識モデルを用いて、第1の入力信号から取り出したデータのパターンを検出し、かつ、患者が関与する望ましくない事象または状態を示唆または予測するものとして分類するように、処理されてよい。検出したパターンが患者の望ましくない事象または状態を示唆または予測するものとして分類される場合、アラームが発せられる。第1の入力信号から取り出され、かつ、望ましくない事象を示唆または予測するものとして分類されたパターンの検出に関連するデータのログが作成され、ログは、機械学習アルゴリズムを用いて周期的に処理されて最新のパターン認識モデルが作成され得る。
[0014] いくつかの実施形態によれば、パターン認識モデルは、UWBレーダから受信した入力信号に基づいて異常行動の検出を可能にする、事前訓練済みモデルである。この当初のパターン認識モデルは、同様の環境および同様の患者から得られた既存のデータに基づいて、同一または同様の機械学習アルゴリズムを用いて生成されていてよいが、特定の患者に関するデータからの機械学習に基づく更新によって、システムが個人の患者の行動に適応することが可能になる。
[0015] いくつかの実施形態において、訓練済みモデルは、てんかん性発作の発生および落下の少なくとも1つの検出を可能にするように特に訓練される。他の事象または状態も訓練され得る。
[0016] いくつかの実施形態によれば、ログは、経時変化を検出し、かつ、患者の病状の変化を取得するために、特定の患者に適応するように学習するだけでなく、長期の行動変化を追跡するように処理される。
[0017] 本発明は、追加センサを追加することによってさらに適応され得る。いくつかの実施形態において、上記方法は、少なくとも1つの追加センサから第2の入力信号を受信することと、第1の入力信号が処理され、かつ、監視される場合、第1の入力信号に第2の入力信号を含めることと、をさらに含む。
[0018] 少なくとも1つの追加センサは、マイクロホン、温度計、光検出器、空気質センサ、湿度計、VOCセンサ、気圧計、および心拍数センサからなる群から選択され得る。
[0019] 本発明のいくつかの実施形態において、第1の入力信号は、患者のバイタルサインを表す情報をさらに含む。
[0020] いくつかの実施形態において、パターン認識モデルを用いて受信および処理することは、UWBレーダを含む、またはUWBレーダに接続されたローカルデバイスにおいて行われる。
[0021] いくつかの実施形態において、機械学習アルゴリズムを用いてログを処理して最新のパターン認識モデルを作成することは、UWBレーダを含む、またはUWBレーダに接続されたローカルデバイスにおいて、機械学習モジュールによって行われる。
[0022] 機械学習アルゴリズムのローカルで実行する代わりに、または、それに加えて、機械学習アルゴリズムを用いてログを処理して最新のパターン認識モデルを作成することは、広域ネットワークを介してログデータをサーバベースのクラウドサービスへ送信することと、それに応答してサーバベースのクラウドサービスから最新のパターン認識モデルを受信することと、によっても行われ得る。異なる行動の種類、状態もしくは事象、長期の健康状態監視に対する短期の事象検出に関するセンサデータの異なる組合せ、または、これらの一部またはすべての組合せに関するパターン認識に各々が関連するいくつかのパターン認識モデルを維持するために(ローカルの、またはクラウドにおける)2つ以上の場所での機械学習が使用され得る。
[0023] 患者の動きを表す情報は、不規則な体動を表す情報を含み得る。これにより、当該発明は、広範囲の事象、状態、発作、および他の状況に関する広範囲の行動または動きを検出するようにパターン認識モデルを訓練することが可能になる。
[0024] いくつかの実施形態において、当該方法は、異常行動を検出すると、異常行動を、特定の事象または予測を示唆するものとして分類することと、分類の結果に基づいて、アラームを表すまたはアラームに関連するメッセージを選択することと、メッセージを指定受信者に送信または発行することと、を含む。
[0025] 本発明の別の態様によれば、望ましくない事象または状態を検出するために患者を監視するための装置が提供される。この装置は、UWBレーダからの第1の入力信号を含むセンサデータを受信するように構成されたプロセッサと、メモリと、メモリに格納されるとともに、プロセッサが、第1の入力信号から取り出されたデータのパターン認識処理を行い、また、UWBレーダの視界内で第1の入力信号から取り出されたデータのパターンを検出し、かつ、患者の望ましくない事象または状況を示唆または予測するものであると分類することを可能にする、パターン認識モデルと、通信インターフェースと、を備え得る。プロセッサは、パターンが患者の望ましくない事象または状態を示唆または予測するものとして分類される場合、通信インターフェースに対してアラームメッセージを送信し、第1の入力信号から取り出され、かつ、望ましくない事象を示唆または予測するものとして分類されたパターンの検出に関連するデータのログを作成し、機械学習アルゴリズムを用いてログを周期的に処理して最新のパターン認識モデルを作成するように構成され得る。
[0026] いくつかの実施形態によれば、当該デバイスは、機械学習モジュールをさらに備えてよく、プロセッサは、メモリ内のセグメントに含まれるパターンの分類の結果とともに、第1の入力信号から取り出されたデータのセグメントを格納することによってログを作成し、また、機械学習モジュールを用いてログを処理するように構成され得る。
[0027] さまざまな実施形態において、本発明のデバイスでは、機械学習モジュールは、メモリ内のソフトウェアモジュールとしてインストールされてよく、または、プロセッサによって制御された、独立したハードウェアコンポーネントとしてデバイス内にインストールされてよい。
[0028] いくつかの実施形態において、プロセッサは、セグメントに含まれたパターンの分類の結果とともに、第1の入力信号から取り出されたデータのセグメントをクラウドサービスに、クラウドサービスによって維持されるログに含めるために、送信することによってログを作成し、また、通信インターフェースを用いて広域ネットワークを介してログデータをサーバベースのクラウドサービスへ送信することと、それに応答してサーバベースのクラウドサービスから最新のパターン認識モデルを受信することと、によって機械学習アルゴリズムを用いてログを処理するように構成される。
[0036] 以下のさまざまな実施形態の説明において図面を参照し、ここで、同様の参照符号は同一または対応する要素を示す。図面は、特定の縮尺に従わずに描かれている。代わりに、特定の特徴は、縮尺の観点から誇張されるように、または、やや簡略化または模式化されて描かれることがあり、ここで、特定の従来の要素は、本発明の原理の理解に寄与しない詳細を図面に詰め込むではなく、当該原理の例証に資するべく省略されていることがある。
[0037] なお、特に説明しない限り、以下の同一の実施形態の一部分としてまとめて記載されているか否かに関わらず、異なる特徴または要素を、互いに組み合わせることができる。例示的な実施形態の特徴または要素は、本発明の範囲を限定的な一連の実施形態に限定するのではなく、本発明の理解を促進するために組み合わせられ、また、実質的に同一の機能を有する代替的な要素は、それぞれの実施形態で示す範囲で交換可能であると意図されているが、簡潔にするために、すべてのあり得る特徴の変形についての完全な説明を開示することは試みられていない。
[0038] さらに、当業者は、詳細な説明に含まれる細目の多くを必要とせずに本発明を実施できることを理解する。逆に、さまざまな実施についての説明を不必要に不明瞭にしないために、いくつかの周知の構造または機能を示さない、または詳細に説明しない場合がある。以下に提示する説明で使用する用語は、最も広範で妥当な態様で解釈されることが意図されているものの、本発明の特定の実施についての詳細な説明と組み合わせて使用される。
[0039] 本発明は、望ましくない状態および事象を可能な限り早く検出するために、患者の健康および活動を監視するためのデバイス、システム、および方法に関する。本発明は、さまざまな実施形態で実施されてよく、そのうちのいくつかの実施形態について本明細書で説明する。さまざまな実施形態において、本発明のシステムは、高齢者、病人、または経時的な監視を必要とする人々の監視のための(睡眠分析を目的とする)睡眠センサとして使用され得る。システムは、センサによって左右され、睡眠中の人を監視するために、当該人のベッド上方の天井、ナイトスタンドやベッド脇のテーブルの上、ベッドの足側、マットレスの下、ベッドの後ろの壁(ベッドの頭部の後ろの壁、頭上の壁、および体に向かった壁)、またはベッドの脇に物理的に配置され得る。
[0040] 本発明のデバイスまたはシステムは、ベッドでの姿勢およびベッドでの動きなどを監視するように構成される。患者の健康状態の経時変化が捉えられてよく、患者の監視、アラート/アラーム、生活様式の変更の勧め、薬剤の有効性評価などの根拠として使用することができる。加えて、より急の事象(例えば、発作や、患者がベッドから落下すること)が検出され得る。
[0041] デバイスと、介護者、アラームの中心施設、医療スタッフおよび/または親族との間での通信およびアラームを可能にするために、双方向通信が実施され得る。双方向通信は、患者による起動などの選択によって、または、アラーム/異常/通知の後に自動的に行われる。
[0042] 通信の信頼性を実現するために、1つの回線が故障した場合のフォールバックに対して二重の通信回線が使用され得る。必要な通信機能を提供するために使用され得る通信規格としては、GSM/3G/4G/LTEおよびローカルブロードバンド接続(Wi−Fi)が含まれる。
[0043] 以下の実施形態において、監視、検出、および測定され得るさまざまな状態および事象を説明する。ただし、本発明のシステムが監視および検出し得るもの、またはし得ないもののすべての可能な組合せを実際に説明することはできない。むしろ、本発明に係るシステムは、以下の任意の組合せを監視するように構成されてよく、それらのいくつかについて、例示的な実施形態を提示してさらに詳細に検討する。
[0044] 睡眠に関して、本発明のシステムは、睡眠の質、ベッドにいる時間、睡眠の段階および異なる睡眠段階にいる時間、睡眠に入る前の時間、および総睡眠時間のうちの1つ以上を監視するように構成され得る。
[0045] ベッドからの落下は、部屋での突然の変位を測定することによって検出され得る。
[0046] 呼吸は、呼吸率、呼吸速度(RPM)、呼吸変動、呼吸の短さ、狭窄音、異常呼吸、無呼吸、呼吸停止、および呼吸困難を測定または検出することによって監視され得る。
[0047] 心拍数が監視され得る。
[0048] 音の検出は、呼吸の問題を示唆し得る、呼吸音、いびき、呼吸全般、ならびに狭窄音および喘鳴音などの音を監視または検出するように使用され得る。叫び、悲鳴、苦痛を示す音、苦痛の叫び、ならびに助けを求める叫びが検出され得る。また、周囲の騒音(周囲の音)が検出および抑制され得る。
[0049] 患者の状態を監視または検出することに加えて、システムは、環境を監視し得る。周囲の音については既に言及しているが、患者の健康に関連し、それゆえに本発明のシステムによって監視され得る他の変数としては、空気湿度、温度、気圧、輝度、部屋の照明の色温度、空気質、およびVOCセンサが含まれる。
[0050] 本発明に係るシステムは、患者の「正常な」行動/活動等を学習および理解するので、経時的な検出または予測の精度を向上させ得る。
[0051] また、システムは、部屋での動きを検出し、かつ、部屋にいる人数を登録するように構成され得る。
[0052] また、システム自体の一部であるセンサを通じて直接提供された情報に加えて、本発明に係るシステムは、他のソースから追加の情報を受信するように構成され得る。これは、患者または介護者によってモバイルアプリケーションにログインすることと、第三者の機器によって測定または検出されることとを含み得る。
[0053] この追加の情報としては、食習慣、薬(患者が服薬したかどうか)、活動/トレーニング手段、加速度計、心電図(ECG)、筋電図(EMG)、メラノーマ/皮膚デバイス/アプリケーション、水和作用/脱水作用、血糖、体重、身体組成(生体インピーダンス)、血圧、酸素飽和(SpO2−PPG)、および皮膚電気活動(発汗測定)が含まれ得る。
[0054] 本発明に係るシステムは、アラームまたは通知を提供するように構成され得る。急の警告またはアラームは、親族および/または医療従事者などに送信され得る。アラームは、例えば、異なる種類の発作(例えば、てんかん性発作)、呼吸不全、ベッドからの落下、助けを求める叫び、または苦痛を示す音を検出する際に作動され得る。親族および/または医療従事者へのより緊急性の低い通知は、測定対象の患者の健康状態の変化(例えば、正常より少ない睡眠、通常より回数の多い発作、短期間での大幅な体重減少、服薬を守らないことなど)が起きたときに出され得る。これは、正常な状態からの変化を含む。
[0055] いくつかの実施形態において、加速度計は、ベッド内もしくはベッド上に取り付けられ、または患者に取り付けられる。
[0056] 本発明の一態様によると、親族または介護者は、関連する健康パラメータの簡潔な概要、およびこれらの健康パラメータの経時変化を提供するポータルにアクセスできる。これは、体重、睡眠の質、および活動/トレーニングなどの身体的測定値を含み得る。提示する他の情報は、在宅介護従事者による訪問回数、在宅介護従事者による記録、計画された活動、および使用した在宅介護用品(例えば、第三者のデバイス)である。
[0057] 関連する健康パラメータの簡潔な概要、およびこれらの健康パラメータの経時変化としては、体重、睡眠の質、身体活動/トレーニング、在宅介護従事者による訪問回数、ならびに在宅介護従事者による記録、および診察の予約などの計画された活動、トレーニングセッション、ならびに他の今後の活動、全身の良好な状態および健康状態を含み得る。ポータルは、患者が使用した追加の介護用品および第三者のデバイスについての、またはそれらからの情報をさらに含み得る。
[0058] 医療ポータルを通じて、より詳細な情報が提供され得る。このポータルにおいて、医療従事者(例えば、医者)は、より広範囲の情報、患者の健康状態、および患者や介護者が共有したい情報にアクセスすることができ得る。医療従事者は、患者の健康状態についての明確な概要をすぐに入手することができ、また、経時履歴、傾向、および定期データの統計比較を含む医療データにスムーズに接触できることが必要である。
[0059] 医療従事者にとっての医療ポータルは、患者の診断によって異なり得る。例えば、呼吸の問題を抱える患者にとって、処置を行う医者は、てんかんの患者に関連するデータ以外のデータを見たいと思うであろう。ポータルの表示は、患者がかかり得る病気の群に基づいて異なるデフォルトの構成を有し得る。
[0060] ポータルに表示されるデータは、個人情報、過去および現在の健康状態、ならびに身体補助具および身の回りの手伝いなどのデバイスおよび補助についての情報から選択されたデータの組合せを含み得る。身体補助具としては、歩行器、補聴器、医療器具、ならびに他の機械/電子器具を含んでよく、身の回りの手伝いとしては、医療看護師、アクティベータ(activator)、理学療法士、食品配達、社会化支援、保健師などを含み得る。ポータルは、看護師/医療介護提供者による訪問回数、コメント/記録/写真、女性の月経周期、患者が使用している薬に関する情報、(看護師/在宅医療提供者または家族/介護者から入力される)食習慣、例えば症状のログ記録のための写真共有および写真バンク/ライブラリ、症状のログ、日々の症状のログと症状の経時履歴の明確な考察、患者/医師の日誌、簡単なメッセージの送信の可能性、関連する健康パラメータの簡潔かつ詳細な考察およびこれらのパラメータの経時変化、傾向等、スパイクおよび最低水準、ならびに発症の回数に関する情報をさらに提供し得る。
[0061] ポータルの表示は、必要に基づいて適応させることができ、情報は、数字として、また、視覚情報とともに図で表現され得る。健康パラメータの比較によって、関係を理解し、かつ、患者の健康についての大局的な洞察を得ることができ得る。警告および通知は、パラメータが正常範囲から外れていたときを示し得る。ポータルは、システムが監視するパラメータ(例えば、睡眠の質、心拍数、心拍数変動、血圧、酸素飽和、活動/トレーニング、体重、発作、および重大な/重大でない発症)についての詳細な情報を提供し得る。
[0062] また、本発明の一実施形態は、てんかん性発作の検出を含む。この実施形態において、システムは、動きを分析し、かつ、発作を評価または検出するための音、呼吸、および心拍数データの組合せをさらに含み得る。システムは、経時的な傾向を観察し、スマートアルゴリズムおよび機械学習を使用して、発作のきっかけ(例えば、カフェイン、活動レベル(活動の不足、およびまたは過剰な活動))、服薬、服薬アドヒアランスなどその他多くのことを認識するために、経時的な考察および分析を含み得る。
[0063] 本発明の実施形態は、多くの異なるパラメータ(例えば、UWB、音声(マイクロホン)、空気湿度、温度、輝度、光温度、および空気質)についての測定センサを含む、多様なセンサおよび周辺デバイスを含み得る。
[0064] コンフィギュレーションおよびデバッギングを含む、使用者の通信インターフェースへのフィードバックは、スピーカ、ブルートゥース、Bluetooth低エネルギー(BLE)、Zigbee、Z−Wave、GSM/3G/4G、Apple HomeKit、Apple HealthKit、Apple ResearchKit、Wi−Fi、使用者へのフィードバック用のStatus−LED/照明/スクリーン、および赤外線を含み得る。
[0065] さらなる構成要素としては、マイクロコントローラ、電源、USBインターフェース、医療グレードのケーシング、バッテリ動作用のバッテリ、バッテリ管理技術、無線バッテリ充電、ならびに照明、温度制御などの第三者の建物/自宅オートメーション機器との統合を含み得る。
[0066] また、システムは、関連データ(例えば、薬の摂取、症状、身体活動(モバイルデバイスから入力または測定される)等、ならびに、患者と医療スタッフとのコミュニケーションおよび患者と介護者/親族とのコミュニケーション)をログ管理するためのアプリケーションを含み得る。加えて、システムは、関連データを患者および介護者/親族に提示するためのアプリケーションを含み得る。
[0067] そのようなアプリケーションは、症状のログ、およびデータ(例えば、薬の摂取、症状、身体活動(モバイルデバイスから入力または測定される)、女性の月経周期、活動データ、社会生活データ、気分、ストレスレベル(感じるストレスおよび測定されたコルチゾールレベル)、および血液検査データ)のログ記録のために写真および写真バンク/ライブラリを共有する方法を提供する。
[0068] また、いくつかの実施形態において、システムは、医療スタッフと患者と介護者/親族との間のコミュニケーションを提供し、または可能にし得る。加えて、システムは、明確かつ理解できる方法で、患者および介護者/親族に健康データへの洞察を与えるために、彼らに関連データを提示するように構成され得る。
[0069] 通知は、システムによって提供されてよく、通知には、ある期間にわたってデータを無事にログ管理したときのフィードバック、目標などに到達するときのフィードバック、(プラスおよびマイナスの)健康変化、医療従事者を見つけるときのアドバイス、ならびに、異常が発生したとき、またはデータが正常範囲から外れているときの健康上の通知が含まれる。
[0070] ローカルデバイスは、壁や天井に固定して設置するための(素早く外せる機能を有する)取付板を含み得る。調整可能なスタンドは、デバイスをナイトスタンドに配置する自由を使用者に与え得る。
[0071] デバイスは、電池駆動で動作している際は、完全に無線方式をとり得る。
[0072] 上述のとおり、デバイスは、以下に説明する複数の異なるセンサを有し得る。なお、本発明の多様な実施形態は、本明細書に記載のセンサの一部のみを含み得る。また、本開示に含まれない追加のセンサは、さまざまな実施形態に含まれ得る。
[0073] UWB(レーダ)は、動きを検出するように構成され得る。複数の環境センサ(温度、圧力、光など)は、追加のパラメータを検出するために使用され得る。呼吸は、胸郭の動きを認識することによって検出することができる。
[0074] 睡眠分析は、呼吸、ベッドでの動き、およびいくつかの実施形態において、音/音声を分析することによって、睡眠および睡眠のパターンを登録するデバイスを用いて行うことができる。そして、測定を分析することができ、緊急の状況を示唆し得る急激な変化と、より深刻度が低い事象との両方が認識される。したがって、短期データを考察する際には容易に検出されない経時変化を検出することができる。機械学習は、パターン認識および異常検出に対して適用され得る。
[0075] 第三者の機器は、患者の状況/状態をより綿密に分析するために、システムに接続することができる。例えば、薬剤ディスペンサを他のデータに接続および組み合わせて、服用量/薬剤/服用忘れの変化が、患者の症状、健康全般、良好な状態(well-being)、および睡眠の質にどのように影響を与えるかを理解することができる。別の例としては、身体活動が睡眠の質、健康、および症状に影響を与えるかを、そして与えないかを監視する活動トラッカーを追加することである。
[0076] 機械学習アルゴリズムは、デバイス(独立型センサ、または患者の状況をより良好に認識するための第三者の機器との組合せ)のデータを分析し、助言を提供し、症状/健康と他の要因との関係を示唆し、および/または洞察を測定データに取り入れるように適用され得る。
[0077] センサが記録した音声は、機械学習アルゴリズムを用いて分析し、正常呼吸、呼吸困難、苦痛、狭窄音、無呼吸、寝言、発語、いびきなどの音を認識することができる。急の状況/状態は、アラームを自動的に発する一方で、急性でない状況/状態は、(デバイスにおいてローカルで、またはオフサイトで/クラウドベースのバックエンドシステムにおいて)機械学習アルゴリズムでログ管理され、分析される。記録したデータは、信号処理を適用して未処理の形式で、または機械学習の適用後に、患者、介護者、親族、医療従事者等に提示することができる。
[0078] 患者の状態および関連する記録データは、経時的に追跡され、機械学習アルゴリズムによって継続的に評価される。アルゴリズムは、経時変化を追跡し、患者のデータから学習して経時的に精度を高める。
[0079] 異なる機械学習アルゴリズム、例えば、時系列分析、異常検出、分類、回帰、および深層学習アルゴリズムが適用されてよいが、これらに限定されない。また、主にシステムのバックエンド部分において、ビッグデータ分析、次元削減、およびクラスタリングアルゴリズムも適用され得る。機械学習アルゴリズムは、デバイスにおいてローカルに(エッジコンピューティング)、バックエンドシステムにおいて、または両方の組合せで、適用され得る。
[0080] センサからのデータは、2つの通信回線のどちらにも転送することができる。また、センサのステータスメッセージが送信されてよく、少なくとも1つの通信回線の稼働中に、センサエラー、通信問題等が転送される。この情報は、システムのプロバイダー、医療提供者、または他の関係者に送信され得る。
[0081] 本発明は、異なる種類の患者や使用者のニーズに応えるように構成され得る解決策を提供する。そのような使用者としては、高齢者、病人、慢性疾患の人々、乳児の監督者、競技者だけでなく、特定のニーズを持たないものの健康の側面を監視したい通常の消費者が含まれる。
[0082] そのように、本発明は、消費者市場、医療機関、病院、専門病院、および在宅医療サービスのニーズに応える、または当該ニーズに適応できる実施形態を含む。
[0083] 本発明に係るシステムの構成要素の概要およびその機能を提示してきたが、より詳細な説明を、例示的な実施形態の形式で以下に示す。実施形態の態様は添付の図面で示している。
[0084] 図1は、本発明に係る例示的なシステムの概略図である。この図は、センサ11が監視しているベッドの患者12を示し、センサ11は、呼吸および落下を含む動きを検出することが可能であり得るUWBセンサであってよい。センサ11は、クラウド9のバックエンドサービスと通信している。なお、この図において、ローカルの装置は、1つのセンサデバイスとして示されている。以下でさらに詳細に説明するとおり、ローカルデバイスは、部屋の中のいくつかのセンサと通信していてよい。
[0085] ローカルデバイス/センサ11とバックエンドクラウドサービス9との間の通信は、冗長性を含んでよく、すなわち、当該通信は、上述のとおり、異なる種類のいくつかの通信リンクを含み得る。
[0086] 患者は、携帯電話またはスマートフォン15を所持してよく、この携帯電話またはスマートフォン15も、クラウドサービス9と通信している。スマートフォン15は、例えば、食事、服薬、および活動に関するデータを入力するために、そしてクラウドサービス9から利用可能なデータにアクセスするために患者によって使用されてよく、あるいは、スマートフォン15内のセンサは、場所(GPS)、患者が歩いた距離等に関する補足情報を提供し得る。
[0087] また、患者の親族が行う必要があり得るクラウドサービス9からのデータへのアクセスを表すタブレットデバイス13と、情報を取得または入力するための医療従事者によるアクセスを意味するラップトップコンピューター14とが示されている。
[0088] ここで、ローカルデバイス11をさらに詳細に示す図2を参照する。
[0089] センサまたはローカルデバイス11は、二重の目的を有するマイクロホン1を含む、または当該マイクロホン11に接続されている。第一に、マイクロホン1は、患者から受信者への通信路として機能してよく、受信者が、センサを設置している部屋からの声または可聴のノイズを聴くことが可能になる。また、マイクロホン1によって、スピーカ2と組み合わせて、患者と受信者との間の音声通信(片方向通信、または双方向通信)が可能になる。
[0090] 第二に、マイクロホン1は、音声入力を音声苦痛監視システムに対して提供する。そして、アルゴリズム、信号処理、および機械学習が可聴の苦痛のサインを特定するために適用されてよく、これは、アラームを作動させ得る。
[0091] スピーカ2は、センサデバイス11からの音声フィードバックを配信するように構成され、受信者と通信するために使用される際に、音声通信のためのスピーカとして機能する。
[0092] Wi−Fi機能3は、デバイス11と、格納および/または処理のための他のローカルデバイスとの間の通信のために、および/または、バックエンドサーバ9と通信するためのローカルアクセスポイントに接続するために使用され得る。Wi−Fiが、デバイス構成または更新のために使用され得る。
[0093] BluetoothまたはBluetooth低エネルギー(BLE)4もまた、ローカルデバイス11において実装される通信機能であってよく、構成という目的のために、デバイス11とローカルタブレットまたは電話との間の通信のために使用され得る。Bluetooth4は、他のローカルデバイスと通信するために使用されてもよい。
[0094] ローカルストレージ5は、生データ、タイムスタンプ、イベント、センサ状態などのセンサデータの不揮発性データを格納するために使用され得る。このストレージは、通信経路の可用性によって、バックエンドサーバにアップロードする前にバッファとして作用することができる。
[0095] バッテリ6は、電池駆動の用途のために、または、デバイス11が電源コンセントに接続されるときに、電力停止中のバックアップ電力として使用され得る。
[0096] デバイス11は、物理的なボタンやタッチスクリーンなどの、指令や命令のユーザ入力を行うためのユーザインターフェースも含み得る。ユーザ入力は、オン/オフを含み得る。
[0097] 携帯電話8またはセルラー式の通信機能も、デバイス11の一部であり得る。この通信機能は、1つ以上のセルラー式規格(GSM、2G、2.5G、3G、4G、5Gなど)および将来の移動通信技術を実施し得る。当該デバイスは、ランドライン(PSTN)、IP、または他の電話技術も含み得る。この通信機能は、アラーム、アラート、および音声通信を受信するために使用され得る。アプリケーションは、センサ/デバイス状態の監視および履歴を可能にするために使用され得る。冗長性のために、通信を、二次通信チャネルを介して確立させることができる。国家非常事態番号を含む、複数の受信者のリストが使用され得る。二次通信チャネルは、Wi−Fiまたは二次モバイルネットワークを含む、任意の形態の通信回線を含むことができる。
[0098] 図中、この通信機能は、スマートフォンとして表されている。これは、本発明の限定事項として解釈されるべきではない。この通信機能は、通常、ローカルデバイス11内の1つ以上のモジュールとして実施され得る。ただし、このことはまた、外部デバイスを使用してこの通信機能を実施するという本発明の原理と合致し、この外部デバイスは、例えばBluetooth機能4を用いて、ケーブルによって、または無線方式で、ローカルデバイス11に接続され得る。外部通信デバイス8を使用するいくつかの実施形態において、患者のスマートフォン15は、この機能を実現するために使用され得る。
[0099] クラウドストレージおよびデータ処理9のバックエンドシステムは、データを分析するために使用される機械学習アルゴリズムを実施し得る。ここでは、他のソース(第三者の機器)からのデータをプラットフォームに統合することができる。クラウドベースのサービスは、ローカルデバイス11に接続されたセンサ、第三者のセンサ、他の情報源(例えば、手動でログ記録されたデータ)、または2つ以上のそのようなソースの組合せからのデータに基づいて、個人用の助言および説明を配信し得る。こうした助言または説明は、患者自身、介護者(医師、病院等)、および親族に対して提供され得る。
[0100] データ通信のための無線通信(例えば、Wi−Fi)は、必要に応じて移動通信に戻り得る。移動通信は、SMSやデータ伝送を介した、ステータスメッセ―ジのために使用され得る。
[0101] 上述のとおり、システムは、第三者の機器の接続を可能にし得る。そのような第三者の機器からのデータは、クラウドサービス9によってインポートされ、サービスに接続されたセンサおよびデバイスが提供したデータに統合され得る。
[0102] ローカルデバイス11は、上述のとおり、1つ以上のセンサを含んでよく、1つ以上のセンサに接続されてよく、または、その両方であってよい。本開示において、センサは、ローカルデバイス11の拡張機能または機能として説明され、データの起点および流れという目的のために、センサへの言及およびローカルデバイス11への言及が、カテゴリーの点で別々に解釈されることは意図されていない。
[0103] 監視対象の患者12は、動けない(ベッドに寝ている、床の上にいる、椅子等に座っている等)ことがあり、動ける(移動している、歩いている)こともある。
[0104] タブレット13、移動電話15、またはコンピュータ14は、センサおよびプラットフォームからのデータを提示するために使用され得る。上述のとおり、提示された情報は、睡眠という事象、睡眠の質、食事情報、医療情報、薬などを含み得る。
[0105] 図1を参照して説明したとおり、これらのデバイスは、ローカルで存在する必要はなく、クラウドサービス9、特に、医療提供者または専門家ではない介護者のヒューマンマシンインターフェース(HMI)にアクセスできる介護者、親族、医療従事者などに属してよい。コンピュータ14は、患者が共有のために選択するデータを表示する。
[0106] 図3は、本発明の原理と合致するローカルデバイス11の一実施形態のブロック図である。さまざまなブロックはハードウェアのモジュールを表しているが、それらのうちの少なくともいくつかは、モジュール自身に埋設されるソフトウェアモジュール、またはデバイスメモリに格納されるソフトウェアモジュールに依存することになる。なお、機能は、いくつかのハードウェアモジュールの間で分散され得ること、または、同一のハードウェアモジュールにおいて集約され得ることを認識されたい。また、一部の機能は、ローカルデバイス上ではなくクラウドサービス9のバックエンドにおいて実施され得る。
[0107] デバイス11は、マイクロコントローラ、システムオンチップ(SoC)、またはシングルボードコンピュータ301を含み、これは1つ以上のCPUまたはプロセッサコアを含み得る。マイクロコントローラ301は、デジタルシグナルプロセッサ(DSP)302、メモリ303、および機械学習モジュール304をさらに含んでよく、またはこれらに接続されてもよい。これらのモジュールは、マイクロコントローラ301に埋設されてよく、または、別々のモジュールであってもよい。機械学習モジュール304は、1つ以上の機械学習および人工知能アルゴリズムを実施し得る。いくつかの実施形態において、信号処理および/または機械学習の要件としては、これらのモジュールのうちの1つまたは両方が不要であることであり、また、信号処理および/または適応が、メモリ303に格納されたソフトウェアに基づいてマイクロコントローラ/CPU301によって処理され得ることである。その他の実施形態において、なんらかの信号処理または機械学習が、クラウド9において行われる。
[0108] マイクロコントローラ301は、通信モジュールにも接続される。この実施形態において、第1の通信モジュールは、ローカルデバイス11の近傍で他のデバイスとの無線通信を確立することが可能なBluetoothモジュール305である。Bluetooth低エネルギー(BLE)が、デバイス11の最初の構成またはその後の再構成のために、デバイスと移動電話/コンピュータとの間で使用され得る。
[0109] また、Wi−Fiモジュール306が設けられ得る。Wi−Fiは、デバイスとHUBやゲートとの間の、あるいは、MESHネットワークにおいて構成される場合のデバイスとデバイスとの間のローカル通信のために使用され得る。
[0110] 広域ネットワーク(WAN)または携帯電話ネットワークモジュール307が設けられてよく、Wi−Fi接続が得られない場合、またはWi−Fi接続がクラウドサービス9との接続を失う場合に用いられ得る代替的な無線通信機能(すなわち、フォールバック通信)を提供するように機能する。このモジュール307は、GSM、LTE、4G、5G、または他のそのような技術のうちの1つ以上を実施し得る。
[0111] 基本入力/出力モジュール308が、有線通信を提供し得る。これは、通常、イーサネットであるが、他の規格や技術も使用することができる。Power over Ethernet(PoE)は、デバイスから同一のインターフェース/ケーブルに電力を供給するために使用され得る。この通信インターフェースは、ローカル通信のための無線モジュールと同じ目的を果たしており、利用可能な場合に一次通信チャネルである。そのような場合、無線は、冗長性通信チャネルであり、バックアップとして機能する。
[0112] 超広帯域無線(UWB)センサ309は、患者が使用している環境を監視し、かつ、入力データをローカルデバイス11に提供するように構成される。いくつかの実施形態において、UWBセンサは、ローカルデバイス11の一部であり、さらに、マイクロコントローラ301と同じプリント回路基板上に搭載されてよい。ただし、本発明に従って、UWBセンサ309はローカルデバイス11の外側に設けられる。例えば、ローカルデバイス11は、ナイトスタンドやベッド脇のテーブルに配置されてよく、一方、UWBセンサ309は、壁や天井に設置されてよい。UWBセンサ309がローカルデバイス11の外側にある場合、これら2つは、例えばBluetoothモジュール305やI/Oモジュール308を使用して通信し得る。
[0113] 異なるUWBセンサが製品化されており、本発明と併用して使用され得る。例としては、ノルウェーの会社、Novelda AsのXethru X4およびXethru X2、ならびにイスラエルの会社、Vayyar Imaging Ltd.の代替物がある。(XethruおよびVayyarは、登録商標である。)いくつかのそのようなセンサ、例えば、Vayyarのセンサは、センサの位置、すなわち、センサ平面内の位置から方向を検出し、センサから対象への距離も検出する。これにより、存在および動きの3D表現を生成することができる。より高度に複雑なパターン検出モデルを開発し、更なる条件の検出やより高い精度での検出を可能にするために、本発明のいくつかの実施形態は、そのような3D入力に対して機械学習を利用する。
[0114] いくつかの実施形態において、UWBセンサ309は、1つ以上の環境センサ310によって補助される。これらは、デバイスが設置された部屋の温度を検知する温度計、部屋の照明の輝度および色温度を検出する光検出器、ならびに揮発性有機化合物(VOC)および/または炭酸ガス(CO2)の読取値を検出する大気センサを含み得る。他のセンサも恒久的にまたは断続的に接続されてよく、気圧を測定する気圧計、患者に接続された、心拍数や心拍数変動を測定する心拍センサ、睡眠センサマット、血圧センサ等が含まれる。
[0115] マイクロホン311が、声の苦痛(助けを求める叫び、悲鳴、叫び声等)、いびき、てんかん発作の徴候などを検出するために設けられ得る。音を検出、分類、または測定するために、DSPによって音声信号が処理され得る。
[0116] マイクロコントローラ301に埋設され得るローカルストレージ303、マイクロコントローラ301の外側のローカルストレージ303、または両方を使用して、オペレーティングシステム、機械学習アルゴリズム、および他の信号処理アルゴリズムを含む命令と、プロセッサコア、DSP302、および機械学習/AIモジュール304によって実行される他のソフトウェア命令との格納を行い、また、通信ドロップアウトなどの場合にデータのキャッシングおよび読取値の格納を行い得る。
[0117] スピーカ312は、可聴のアラームを発し、リモートデバイスとの通信を提供し、可聴のシステム音等を発するために使用され得る。スピーカ312は、デバイス11の内側であってよく、適切なコネクタを用いて外付けのスピーカがデバイス11に接続されてもよい。デバイス11は、必要なオーディオドライバ、デジタル・アナログ変換器およびアナログ・デジタル変換器などを含むことになる。図示していないが、それらは、マイクロコントローラ301の一部として、もしくは別個のモジュールとして実装されてよく、または両方を組み合わせてもよい。
[0118] UWBセンサ309は、ローカルデバイス11に埋設されるか、デバイスの外側に位置してデバイスと無線または有線通信を行うかに関わらず、ある領域、通常は患者が存在する部屋が適切に見えるように位置決めされる必要がある。想定される場所としては、患者のベッドの上方の天井、ベッドの頭側もしくは足側の壁、ベッド脇のテーブルもしくはナイトスタンドの上、または、マットレスの下もしくはベッドの下が含まれる。UWB信号は、ほとんどの家具を通過することができるので、直接の視線は必要条件ではない。したがって、その他の場所も想定される。
[0119] UWBセンサ309は、事象を検出することが可能であり、厳密に言えば、事象(例えば、動き、存在、不在、てんかん性発作、呼吸、脈拍数、およびベッドの中または周囲での患者の落下)を示唆する情報を搬送するレーダ信号を提供することが可能である。UWBセンサは、GHz範囲の電磁波を送出することによってこれらの事象を測定し、また、反射した帰還信号を処理して反射対象までの距離を計算する。
[0120] 本発明との併用で使用され得る別のUWBセンサが製品化されている。いくつかの実施形態において、UWBセンサは、電磁パルス生成、信号処理などのための2つ以上の送受信アンテナおよび電子機器を含む。UWBセンサの作動原理は、反射した電磁波の位相変調および周波数変調、ならびに送受信した電磁波の時間差によって、対象の動きの微細な変化を検出することである。これにより、存在、不在、距離、動き、呼吸(すなわち、胸部の動き)、および心拍数(胸部の小さい動き/振動)を検出することが可能になる。詳細は、送信信号の特徴および継続時間と、受信信号(レーダエコー)の信号処理との両方に関して、さまざまであり得る。これらは当該技術分野において周知であり、本発明自体の一部ではない。さまざまな方策が、信号の形状(狭帯域のベースバンドパルス、周波数掃引、周波数ジャンプ)に関して、また、パルスの放出頻度(サンプリング速度)に関して、レーダパルスについて選択され得る。毎秒10〜100のサンプルの範囲の任意の場所が適切であり得ると考えられるが、これは、システム全体の状況および他の特徴に基づいて調整され得る設計パラメータである。
[0121] 患者のバイタルサイン(主に心拍数および呼吸)のUWBセンサ測定を利用する原理は、当該技術分野において知られている。これらの方法によれば、UWBは、吸気および呼気、ならびに心拍が引き起こす患者の胸郭および心臓の動きを測定するために使用される。これらの動きは、小さく、かつ比較的規則正しく、また、ノイズおよび不規則な体動から容易に分離することができ、その後、高速フーリエ変換(FFT)を用いて分析することができる。
[0122] これらの方法は、当該技術分野において知られており、本明細書ではさらに詳細に説明しない。https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5336124/においてPMC(PubMed Central)、アメリカ国立医学図書館、アメリカ国立衛生研究所から入手可能な、Faheem KhanおよびSung Ho Choによる「A Detailed Algorithm for Vital Sign Monitoring of a Stationary/Non-Stationary Human through IR-UWB Radar」を参照し、その全体が参照により本明細書に援用される。
[0123] 次に図4を参照する。図4は、本発明の一実施形態に係る落下検出の原理を示している。上述した呼吸および心拍数の検出は、規則的な動き、自己相関技術の使用、および高調波の観察に基づいており、一方で、不規則な体動は望ましいものではなく、その影響は、例えば、不規則な体動の期間中のバイタルサイン測定値を排除することによって解消される必要がある。これとは反対に、本発明は、不規則な体動を特に監視することが可能であり、医療従事者や他の介護者の配慮を必要とする事象の検出または予測を行うためにそのような動きの検出および分類を行うことを意図している。
[0124] 図4に示した例は、ベッドから落下した人12の例である。この例では、ローカルデバイス11、または、少なくとも、ローカルデバイスの一部であるUWBセンサ、もしくはローカルデバイスに接続されたUWBセンサがベッドの上方に取り付けられ、患者の胸部d1に至る距離を測定する。患者12がベッドから落下すると、距離はd2まで増加する。ローカルデバイスは、訓練済みモデル(事前訓練済みモデルとしても知られている)を含むように構成されていてよく、このモデルは、同様の状況にある他の患者の観察を通じて得られた集積データに対して行われた機械学習を通じて作成されている。このモデルは、単に距離d1およびd2に基づくだけでなく、モデルの訓練に従ってパターンとして認識され得る、ベッドでの開始位置から床の上での最終位置までの測定距離の経過にも基づいて、落下を特定する能力を提供する。
[0125] 図5は、患者がベッドから落下したときにローカルデバイス11が生成した測定を示している。曲線は、センサから患者までの距離を表しており、当初この距離は、第1の期間501中の曲線によって示されている。その後、人がベッドから落下すると、信号が遷移期間502を進む。まず、おそらく患者が起き上がっていることにより、患者までの距離が減少する。その後、その人が落下すると、距離は、約1mから約2.7mまで突然に増加する。この遷移の後に、新たな安定期間503が始まり、ここで、患者は起き上がることができないことが明らかである。
[0126] なお、この例は端的であるように見受けられ、誤った結論を導く可能性は高くないものの、多くの状況は、それほど明確ではない。例を挙げると、実際に落下には、人がバランスを崩したり、ベッドから部分的に落下したり、床に滑り落ちたりなどの場合、検出することが難しい場合がある落下も含まれ、遷移により時間がかかり、はっきりした遷移により簡単に検出することができない場合がある。他の例としては、例えば患者が急いで座ったり、横になったりする場合に、落下ではないものの比較的はっきりした遷移を含む状況がある。さらに、患者は、例えば運動を行うために床の上に横になることがある。
[0127] 部屋自体の配置は、さらなる難題を生むおそれがある。
[0128] その結果、望ましくない事象に関連しない行動を無視する方法に適応し、学習することができ、かつ、実際の事象の検出および分類を向上させることができる機械学習アルゴリズムを用いて、理論および仮説に基づくモデルを用いることで可能となる結果よりも良好な結果を得ることができる。これは、本発明の原理に従って動作するデバイスまたはシステムがその能力を継続的に向上させて事象の解釈および予測を正確に行うことになることを意味し、この向上は経時的に継続するだけでなく、患者の健康状態のあらゆる変化に適合することになる。
[0129] この適応能力は、落下の検出に制限されない。というのは、本発明が有用であり得る場合に、落下の検出は、1つの可能な用途にすぎないからである。他の用途の場合としては、老人ホーム、介護施設などの患者の健康状態の監視が含まれる。各患者の部屋にはローカルデバイス11が設置されてよく、任意選択で、追加のセンサおよびデバイスを設けてよい。医療スタッフは、アクセスレベルによって、システムが作成または収集した患者に関連する情報にアクセスし得る。システムは、以下にさらに詳細に説明するとおり、各患者に関する全体の概要および詳細な情報を提供することが可能である。
[0130] また、システムは、住宅、高齢者介護施設などの患者の遠隔の健康監視のために使用され得る。
[0131] 健康関連の状態を伴う高齢者または患者の健康監視は、中心施設、家族、親族などにアラームを発する、任意選択の遠隔の警告/アラートを用いて自宅で行われ得る。そして、センサは、いくつかの部屋、特に、自宅での事故の高まるリスクが広範に占める、または当該リスクに関連する部屋に設置されてよく、寝室、居間、台所、および浴室が優先され得る。
[0132] ローカルデバイス11、または、クラウドサービス9での処理のためにセンサデータがローカルデバイス11からクラウドサービス9へ送信される実施形態におけるクラウドベースのサービスは、特定のモデルに基づいてデータを処理するように構成することができる。このモデルは、既知の特徴がセンサ入力において検出され、かつ、既知の事象または状態を表すものとして分類されるように、特徴の検出および分類の方法を含み得る。そのようなモデルの定義は、当該技術分野で知られている多数の特徴抽出アルゴリズムに基づき得る。いくつかの実施形態において、モデルは、患者の監視および事象の分類を通じて収集されたデータにして機械学習を用いて構築された事前訓練済みモデルである。モデルは、特定の事象を検出するように特に訓練されてよく、いくつかの特定の事象を以下に説明する。
[0133] 存在の検出は、患者が実際に部屋にいるかどうかを判断し得る。存在の検出を実施する実施形態は、さらに、患者がベッドにいるかどうか、患者がベッドにいた時間の長さ、またはベッドから出ていた時間の長さを監視し、患者が所定の時間ベッドにいた場合、またはいない場合にアラートのメッセージを送信し得る。ベッドから出ていること(またはベッドにいること)についてのアラートの時間フレームは調整可能であり、個人の要求および要件に左右され得る。さらに、アラートの時間フレームは、機械学習アルゴリズムによって自動的に調整され得る。例えば、システムは、監視対象の患者が、通常、毎晩5分間ベッドから出ていることを学習し、一晩に20分間ベッドにいないことは、アラームを作動させ得る異常であると判断し得る。
[0134] 落下の検出について説明してきたとおり、UWBセンサから居住者までの距離を分析することによって落下を検出するように構成される。システムは、例えば、距離、変化した距離の時間差、および患者の落下の速度を分析することによって、落下が遅いか速いかを検出し得る。さらに、システムは、患者が動いているか否か、床に横たわっている間に息をしているか、などを分析することによって、落下後の患者の健康状態を検出することが可能であり得る。
[0135] てんかん性発作および非てんかん性発作は、発作前、発作中、および発作後の動きパターンならびに患者のバイタルサインを分析することによって検出され得る。システムは、発作が検出された場合に、介護者にアラートを発するように構成されてよく、医療スタッフおよび介護者が適切な介護を患者に対して迅速に施すことが可能になる。発作を起こした患者に対する迅速な介護は、患者が受けるあらゆる起こり得る不必要なダメージを解消し、てんかんの突然死(SUDEP)の発生数を減少させるのに役立つことになる。SUDEPを引き起こす理由は完全には分かっていないが、患者が夜に発作を起こしたときの素早い対応は極めて重要であると考えられている。
[0136] 音声分析は、UWBレーダデータの処理を補足し得る。本発明の実施形態によって、ローカルデバイス11またはクラウド9での音声分析が、苦痛の音を検出することが可能になる。そのような苦痛の例としては、こもったもしくはかん高い助けを求める叫び、叫び声、いびき、発作中の患者による特異な音、または苦痛に関連し得る他の音を含み得る。機械学習をUWBレーダ入力と音声入力の組合せに適用することは、特定の患者に適応した発作の検出または予測についての改良モデルをシステムが作り出すことに役立ち得る。
[0137] 多くの高齢患者および病弱者は、長期にわたりベッドに寝たきりでいることによって、また、補助なしで体の向きを変えられないことによって引き起こされる褥瘡の問題を有している。そのような患者は、褥瘡を回避するために、適切な間隔でベッドの中で向きを変えるように医療スタッフの助けを必要とする。適切な訓練済みモデルによって、システムは、褥瘡のおそれがある患者の動きを分析し、患者が向きを変える必要があることを医療スタッフに知らせ得る。
[0138] 適切な訓練済みモデルは、睡眠中の動作および呼吸のパターンを分析することによって、患者の睡眠の質を分析するために使用され得る。これにより、異なる睡眠の段階と、患者が睡眠中に不快であったかどうかという点とについて、定量化を行うことが可能になる。
[0139] また、本発明は、監視対象の個人の呼吸パターンを分析することによって、呼吸困難、睡眠時無呼吸、過換気/低換気など(ただしこれらに限定されない)の呼吸の苦痛を検出するように構成され得る。同様に、本発明は、患者が日中または夜間にベッドで眠っているときに安静時の脈拍数から不整脈を検出するように構成され得る。
[0140] 健康状態の悪化の検出は、長期にわたる患者の監視に基づくことができる。本発明は、この機能を実施する実施形態において、患者の健康状態が悪化したときに医療スタッフや介護者にフィードバックを提供し得る。健康状態の悪化は、UWBセンサおよび他のセンサ/デバイスから収集したデータ、ならびに他の健康状態データ(例えば、既知の疾患、薬/薬の用法/用量、または患者のカルテに記載の他の関連情報)を分析することによって検出され得る。本システムにより、患者の健康状態の経過の概要を提供し、それによって健康状態の下降傾向があるかどうかを把握することが容易になり、したがって、医療スタッフおよび介護者が、不要な苦痛および入院を回避するための対策を開始することが可能になる。
[0141] 本発明により、患者の健康パターンを学習する高度機械学習を用いる個人用モデルの構築が可能になり、したがって、本発明は、汎用的なアルゴリズムを用いる場合と比較して、低下した健康状態を正確に検出することができる。そのようなモデルにより、事象の予測または検出を可能にするセンサデータ入力におけるパターンを検出することが可能になる。
[0142] さらに、不規則な体動(RBM)、バイタルサインの監視、他の種類のセンサおよびデバイス、ならびに2つ以上のセンサおよびデバイスからのデータの複合分析を組み合わせることで、システムが、患者の健康状態に対するより深い洞察を獲得し、かつ、広範囲の状態および事象の検出または予測のためにモデルを訓練することが可能になる。
[0143] 広範囲の状態および事象についての認識および予測モデルをインストールまたは作成する能力により、高い適応性を有し、かつ、個別の患者の要求を満たすように設定変更され得るシステムが提供される。適応は、患者の特定の要求を満たすように行うことができる。患者が落下しやすい場合、または落下の履歴がある場合、システムは、落下の検出に加えて、落下を防止するために調整することができる。例えば、機械学習に基づいて、システムは、患者がベッドから出ようとしている場合にアラートまたは警告を発するように、または、夜間に患者がベッドから出たことや通常の不在に関連する過去の事象に基づいて、患者がベッドから出ている時間の長さの時間フレームを調整するように、適応することができる。さらに、本発明によって、任意の患者の要求を満たすように任意の追加のセンサやデバイスを接続することが可能になる。本発明に係るシステムは、いくつかの実施形態において、高度な健康監視に向けて特定の患者の任意の特定の要求を対象とするように、任意の特定のシステムまたは第三者のセンサやデバイスに接続し、かつ、任意の特定のシステムまたは第三者のセンサやデバイスからデータを受信するように構成され得る。適用できるセンサやデバイスとしては、ECG(心電計)、EMG(筋電計)、EEG(脳波計)、SpO2(酸素飽和度)センサ、温度センサ、HRM(心拍計)、VOC(揮発性有機化合物)センサ、CO2センサ、または他の着用型もしくは非着用型監視デバイスが含まれるが、これらに限定されない。
[0144] クラウドサービス9は、本発明のいくつかの実施形態において、患者自身、医療従事者および介護者、ならびに親族への健康関連情報の配信を可能にするように構成され得る。患者の現在の状況および継続的な健康状態を継続的に監視することで、例えば、周知のウェブ技術(例えば、HTTP、HTML、XML、CSS、Javascript)等に基づいて、電話、タブレット、コンピュータ、および他の電子デバイス上の多数のインターフェースを介してアクセス可能および見ることが可能にすることができ、また、データ通信ネットワーク、通常、インターネットプロトコル(TCP/IP)を使用した広域ネットワーク、ならびにセルラーネットワークおよび他の利用可能な通信チャネルを介して配信することができる。患者の健康状態は、異なる層を使用してアクセス可能にすることができ、これにより、アクセス権によって異なる量の詳細情報に対してアクセスが提供される。
[0145] これを利用して、例えば、監視対象の患者の健康が悪化した場合、人が所定の時間より長くベッドから出ている場合、または落下または発作などの重大な事象が予測または検出される場合に、医療スタッフ、介護者、家族、保護者などにアラーム、アラート、または警告を提供してよい。アラーム、アラート、または警告は、異なる重症度レベルで提供されてよく、これにより、他のアラーム、アラート、または警告がシステム内に存在している場合に、介護者が優先順位を付けることが可能になる。アラーム、アラート、または警告は、専用のアプリケーションで、または、標準的なウェブブラウザを使用して、電話、タブレット、コンピュータ、または同様のデバイスに実装されたGUIに提示され得る。いくつかの実施形態において、システムは、介護を必要とする人を介護していることを証明する使用者によってアラーム、アラート、または警告が確認されることを求め得る。この人が介護を受け終わると、介護者は、アラーム、アラート、または警告を再設定し、システムは、アラーム、アラート、または警告がない通常の状態に戻る。いくつかの実施形態において、アラーム、アラート、および警告の定義は、以下のとおりである。アラームは、落下やてんかん性発作の検出などの健康状態の突然の変化が起きた場合に発せされる。アラートは、例えば、患者が風邪を引いた場合に患者が長期にわたって監視の強化を必要とするような既知の健康悪化の状態が起きているとき、または落下が発生した後に発せられる。警告は、所定の時間ベッドから出ているなどの患者の健康状態がはっきりしないという事象、または、患者が適切な薬を摂取または入手したことを登録してから長時間が経ったという事象をシステムが検出したときに発せられる。もちろん、システムが生成したメッセージを分類および優先順位付けする他の方法も、本発明の範囲内で実現可能である。
[0146] 図6は、本発明の実施形態において、いくつかのセンサからのセンサデータをどのように処理し利用することができるかについての例を示している。第1のセンサは、UWBレーダであってよく、継続的な領域の監視601を行う。工程602において、UWBレーダが受信した反射レーダ信号がフィルターにかけられ、前処理を受ける。このフィルタリングおよび前処理の正確な内容は、UWBレーダが送信したレーダ信号の形状または特徴、ならびに後続の信号処理の要件によって変化し得る。前処理および帯域通過フィルタリング中に用いられ得る技術としては、高速フーリエ変換、ウェーブレット変換、カルマン・フィルタリング、脱相関などが含まれる。前処理の最も重要な目的は、不要な人為現象を除去すること、およびノイズおよび自己相関を低減させることによって分類のための信号を準備することである。
[0147] 次の工程603において、フィルタリングおよび前処理を経た信号は、明確に定義されたデータフレームにおいてさらに処理を行うためのデータ、特に、訓練済みモデルに基づいた後続のパターン認識を促進するもの、を準備するためにセグメント化され得る。いくつかの実施形態において、ウィンドウ処理技術(例えば、スライディングウィンドウ)ならびに自動セグメンテーションのための機械学習技術の使用がこの工程において行われ得る。
[0148] 工程603のセグメンテーション処理の結果として得られるものは、定義済みのサイズまたは可変のサイズを有し得る個別のセグメントであり、かつ、重複したり重複しなかったりするセグメントである。自動セグメンテーションが用いられる場合、信号の特徴を使用して、同一の事象が引き起こす信号の性質を含むことを前提とするセグメントを作成する。例えば、図5を参照すると、502はそのようなセグメントである。工程604において、各データフレームは、任意の追加の前処理および特徴抽出を受ける。
[0149] 工程605において、1つ以上のセグメント、および、いくつかの実施形態において、既に抽出された特徴を用いて、上記セグメントが、ログ記録または警告、アラート、またはアラームの発行を保証する状態を示唆するとして分類され得る情報を含むかどうかを判断する。この分類は、上述したとおり、機械学習を通じて作成されたパターン認識モデルに基づき得る。いくつかの実施形態において、分類は、個別のセグメントに基づくだけでなく、セグメントの組合せにも基づく。例えば、セグメントは、患者が落下した可能性があることを意味すると思われるものとして分類され得る一方で、後続のセグメントは、患者が立ち上がったこと、依然として床の上にいるが動いていること、または依然として床の上にいるが動いてないことを示唆し得る。なお、パターン認識は、主に、センサデータに対して直接に働き、センサデータから既に抽出された高レベルの情報に対してではない(少なくとも排他的にではない)。これにより、本発明が訓練されて、広範囲の比較的捉えにくい行動パターンを、高レベルの状態変化(例えば、部屋に入る患者、ベッドに入っている時間、ベッドから出ている時間)についてだけでなく、検出することが可能になる。DSP前処理からの、またはあるパターン認識モデルからの特徴抽出によって取得される高レベル情報は、単独で、または他のデータと組み合わせて、入力として、別のパターン認識モデルに対して提供され得る。
[0150] 同様の工程シーケンスが、音声データに対して行われ得る。マイクロホンが、継続的な音の受信611を行う。記録された音は、音声フィルタリング612を受け、特に、背景ノイズを抑制することが重要となり得る。その後、音声信号が、音声データの好適なフレームを作成するために、工程613においてセグメント化される。フレームは、前処理および特徴抽出614を受けてよく、その後、工程615において分類が行われる。繰り返しになるが、分類は、機械学習に基づき得る。特徴抽出は、音声認識を含み得る。
[0151] 追加のセンサが存在する場合、対応する処理が、各センサに対して行われ得る。
[0152] それぞれのセンサからのセンサデータの個別の分類に続いて、センサデータは、センサ融合工程621において合成され得る。センサ融合は、データを正規化、基準化、再サンプル化して、異なる種類のセンサからのデータを合成して、融合データの並行処理を促進するために、追加の前処理を含み得る。この工程は、工程622で処理および分類を受けることができるセンサデータの融合ストリームを生成する。この工程は、同時にいくつかの種類のセンサからのデータを考慮することによって、向上した精度を得るために行われる。いくつかの実施形態において、処理および分類は、融合データに対してのみ行われ、この場合、工程605および615は省略される。
[0153] あるいは、センサ融合621は、センサデータそのものではなく、個別のセンサについての分類工程の結果を含むだけであり得る。例えば、融合されるデータは、工程605で検出したUWBセンサからの落下の示唆であり、工程615で検出したマイクロホンからの叫び声の示唆であり得る。いくつかの実施形態において、センサ融合621は、前処理されたセンサデータと、それぞれのセンサからの分類結果との両方を含む。
[0154] 工程622の処理は、個別のセンサからのデータに対して行われる分類を確認し、その分類を上書きし、または個別のセンサデータ分析から得られない分類という結果に帰することになり得る。この結果は、分類の正確さ、結果として得られるデータのさらなる詳細、および/または、測定値のより高い精度に、より高い信頼をおいている。最終的な分類の結果は、システムが、異常行動は検出されないと判断すること、異常行動が検出され、特定の事象を示唆または予測するものとして分類されると判断すること、または、異常行動が検出されるが特定の事象または予測に関連付けられないという意味で不明であると判断することである。後者は、別個の特定の事象として扱われ得る、特別な場合である(「何かに異常があるものの、意味が分からない」)。本発明のいくつかの実施形態において、異常とみなされない行動であっても分類される。例としては、「睡眠中」、「いびき」、「ベッドで体の向きを変える」等が含まれる。そのような事象の分類は、長期にわたる健康状態変化の追跡のために、また、訓練済みモデルの向上のために利用され得る。
[0155] 結果は、医療従事者、介護者、親族、または他の関係者に送信され得る出力623として配信され、または、今後の分析または今後の参照のためにログ記録され得る。
[0156] なお、さまざまな実施形態が図6に示す工程の部分集合のみを実施し得ることが理解されるはずである。例えば、少なくともすべてのセンサの種類についてではなく、セグメンテーション工程の前に、およびセグメンテーション工程に続いて、フィルタリングおよび前処理を行うことが必要であると考えない場合もある。さらに、図では、工程605および615において個別のセンサデータに対して分類が行われ、再び、工程621、622において合成センサデータまたは合成分類に対して行われる実施形態が示されている。これは、1つのセンサを伴う実施形態においては行われないことが容易に理解できるであろう。いくつかのセンサを伴う実施形態において、分類は、センサ融合の前に、センサ融合の後に、またはこれらの両方で行われ得る。
[0157] 次に図7を参照する。図7は、工程623の出力に続くさらなるデータ利用の例示的な実施形態を示している。これは、2つの分岐として示されており、一方の分岐はセンサデータの分類に用いる機械学習モデルのさらなる更新を表し、もう一方の分岐は、情報を求め得る人々への分類の結果の配信を表している。
[0158] 工程701において、センサデータおよび分類結果は、ログ702と、ポータル707とに転送される。ログ702は、ローカルデバイス11の一部であってよく、クラウドサービス9の一部であってもよい。もちろん、ローカルとクラウドの両方にログを維持することができる。工程702で十分な量のデータがログ記録されると、集積データが工程703において機械学習アルゴリズムに提供される。工程704において、機械学習アルゴリズムは、集積データから学習し、最新の訓練済みモデルを作成する。この最新の訓練済みモデルは、工程706での継続監視において使用され得るように、工程705で受信される。
[0159] 機械学習が、機械学習モジュール304を用いてデバイス11上でローカルで実施される場合、上述の工程は、デバイス11上で、メモリ303に格納されたログに対して行われる。ただし、いくつかの実施形態において、機械学習は、クラウドサービス9によるサービスとして提供される。その場合、転送工程701は、データをクラウドサービス9へ転送することを含み、ログ記録工程702は、クラウドサービス9の一部であるデータベースへのデータのログ記録を含み、機械学習は、クラウド9において行われ、最新のモデルは、工程705においてローカルデバイス11によって受信される。例えば、別々のセンサまたはセンサの組合せからのデータの分類についての別々のモデルを維持し、かつ、一部のモデルをローカルで、他のモデルをクラウドで更新することによって、ローカルベースの機械学習とクラウドベースの機械学習とを組み合わせることができる。
[0160] 機械学習は、個別のセンサが受信したデータおよび融合センサデータに対して、特定の事象の検出および長期傾向の作成に基づいて行われ得る。機械学習は、監督されてよく、監督されなくてもよく、または両方を組み合わせてもよい。システムによって利用され得る機械学習アルゴリズムとしては、時系列分析、異常検出、分類、回帰、深層学習アルゴリズム、ニューラルネットワーク、および進化型ニューラルネットワーク、ベイズの方法、カルマンフィルタ、またはそのような方法の組合せが含まれる。また、ビッグデータ分析、次元削減、およびクラスタリングアルゴリズムも適用され得る。なお、本開示および添付の特許請求の範囲という目的のために、機械学習は、受信センサデータ内の事象に関連するパターンの認識を可能にするモデルを維持し、かつ、経時的にそのようなセンサデータを受信することに基づいてモデルを適応させることをシステムに可能にさせるあらゆるアルゴリズムを含むことを意図している。
[0161] 図7の第2の分岐は、工程707でどのようにデータがポータルに受信されるかを示している。機械学習がクラウド9において行われる場合、工程701で行われるデータ転送から工程702のログおよび工程707のポータルは、1つであり、かつ同一のものを構成し得る。ただし、ポータルへの転送は、ログ記録と分かれていてよい。というのも、ログは、デバイス11に対してローカルに位置するからであり、または、データのログ記録および配信は、別々のデータセットを必要とするからである。ポータルは、例えば、上述したウェブ技術を使用してクラウド9が提供するデータ配信サービスであると見なすことができる。
[0162] データがポータルに受信されると、工程708において、医療従事者、介護者、または親族による行為が必要であるかどうかが判断される。必要でない場合、処理は、工程711に進むが、行為が必要である場合、工程709において、通知が、例えばアラートメッセージの形態で、勤務中の看護師に対して送信される。そのようなアラートメッセージは、システムが通常の状態に戻るために、受信者710によって確認される必要があり得る。そうでなければ、システムは、さらなるアラートメッセージを送信し、可聴のアラームを作動させ、または他の動作を行うように構成され得る。
[0163] 工程711において、受信した事象の分類およびアラートや他の通知が、患者のカルテに入力される。このカルテは、関係者が容易に理解することができる情報を含んでよく、また、文章、図表による表示、測定値などを記載してよい。このカルテの内容は、工程712においてアクセス権に基づいてシステムの使用者によりアクセス可能であり得る。アクセス権は、患者に対する使用者の役割、例えば、医者、看護師、介護者、または親族によって決まり得る。また、情報は、利用者に対して自動的に送信され得る。ここでいう利用者とは、特定の役割を有する人々であり、より正確には、特定の役割を有する人々が、目的のために設計されたアプリケーションを用いることなどによってログインを行い、何らかの情報の自動更新を要求したデバイスである。
[0164] 本開示において、患者という用語は、本発明の係るシステムが監視する人々を指すために使用されている。この用語は、そのような人が、任意の特定の種類の医療スタッフまたは施設の治療、権限、または看護を受けること、または、そのような人が、任意の特定の診断を受けたことを意味すると解釈されるべきではない。そうではなく、システムの使用者だけでなく、たとえ自宅にいる個人の居住者であり、監視を受ける人は、システムが検出または監視するように構成された種類の事象または状態潜在的を被る可能性がある人を包含する、と広く解釈されるべきである。
[0165] クラウドサービス9は、ローカルデバイス11からアクセス可能なサービスを提供する1つ以上のサーバコンピュータまたは同様のデバイスとして実現され得る。本開示という目的のために、これらのコンピュータまたはデバイスは、クラウドまたはクラウドサービスと総称されてきた。なお、これらのサーバは、同一の場所に設置する必要はなく、かつ、同一の法人が稼働する必要のない複数のデバイスの間で分散させられ得る。例えば、多数の同様のローカルデバイス11が老人ホームに設置されると、ローカルサーバまたはハブが、信号処理、パターン認識、または機械学習、ならびにローカルのアラームの作動という形態のいくつかの機能を提供し得る。さらに、遠隔設置されたサーバ(またはいくつかのサーバ)が、同様の機能を提供してよく、また、メッセージの配信、ウェブ発行、ならびに他の形態の情報の格納および供給を提供し得る。また、パターン認識モデルを再訓練または更新するために、製品化されている機械学習サービスを使用することができる。最後に、これらの任意選択事項(ローカルサーバ、クラウドバックエンド、および製品化されている機械学習プラットフォーム)は、同一のシステムで実施されてよく、タスクはそれらの間で分割されてよく、または、いくつかのサーバまたはオンラインサービスにわたって複製されてよい。結果として、本開示および請求項で使用されるクラウドサービスという用語は、少なくとも部分的にローカルデバイスから提供されるデータに対して上述の機能を行うサービスを包含することを意図しており、これは、サービスがローカルに設置されたサーバまたはハブに対して実行されるか、または、広域ネットワークを介してアクセス可能な1つ以上のサーバに対して実行されるかに関わらない。
[0166] センサの種類の選択、手入力の情報の組み込み、ならびに、第三者のセンサ(例えば、着用型デバイス)からのデータおよび外部からのデータ(天気、湿度、時刻、部屋で照明が点いていた時間、部屋でテレビが点いていた時間等)の組み込みに関する本発明の柔軟性により、パターン認識モデル(または複数のパターン認識モデル)の訓練を、これまでに監視および検出することができなかった広範囲の状態および事象に対して行うことが可能になる。
[0167] 例えば、手動で個人情報のログ記録を行うことによって、センサデータと、服薬(変化または服薬忘れ)、身体活動量、睡眠のパターンと質(測定したもの、または経験したもの)、就寝時間、ストレス、感情の状態、アルコール摂取、カフェイン摂取、刺激(ストロボ光、他の点滅光、コンピュータもしくはTV画面、反復する音、騒音)に対する感覚、ホルモンの変化、食事の変化、アレルギー、てんかん性発作の発生に伴う身体的または心理的苦痛または外傷、他の発作、不眠症、うつ病などの情報とを相関させることができ得る。これにより、望ましくない事象または状況のきっかけを特定し、そのようなきっかけを監視するパターン認識モデルを更新し、そして、望ましくない事象または状態が発生するリスクが高まったことを行動が示しているときにアラームまたは勧告を発することが可能になる。
[0168] 音は他のセンサが容易に検出できない情報を伝達するので、UWBと音の組合せは、ある事象の検出または予測をする上で特に有用であると考えられている。そのような情報は、呼吸関連の問題を示す苦しい呼吸、いびき、狭窄音、および喘鳴音、ならびに叫び声、悲鳴、および苦痛、叫び等を示す他の音に関連し得る。また、これは、例えば、てんかん性発作、他の発作、または他の病状に特有であり得る音も含む。センサ融合において動きと音を組み合わせることによって、従来のシステムを通じて利用可能でなかった能力が提供される。
[0169] 異なる種類のソースからのいくつかの種類のデータを組み合わせる能力、および個人の行動に基づいて訓練する本発明の能力によって、誤認アラームの数が減少することになり、それによって医療従事者のアラームによる疲労を防止することができる。
[0170] 異常行動を検出するだけでなく、正常な行動に基づいて追跡および学習する能力によって、二次的な事象または要求、すなわち、重大ではないものの注意を必要とする状況を検出することができる。例えば、ある一定の時間、特定の姿勢で寝ている患者を検出すると、介護者は、患者が褥瘡(床擦れ)を起こさないようにベッドで体の向きを変える必要があることを知らされ得る。これを実現できるのは、ベッドでの姿勢、ベッドでの動き、ならびに、個別の機械学習の結果としての、患者の褥瘡発症履歴に対するパターン認識の適応をシステムが検出し得るからである。
[0171] 手入力の登録は、クラウドサービス9と通信可能であり、かつ、必要なアクセス権を有するデバイスから行われ得る。これは、患者自身が一部の情報を入力してよく、他の情報は親族または介護者によって更新されてよく、一方で、一部の情報は医療従事者によってのみ入力または更新されてよいことを意味する。
[0172] 本発明は、それぞれの場所に設置したいくつかのデバイスを含むシステム、およびクラウドサービスと総称される1つ以上のローカルおよび/またはリモートサーバコンピュータの形態で提供され得る。
Claims (16)
- 患者の望ましくない事象または状態を検出する方法であって、
前記患者が使用している環境を監視するように構成されたUWBレーダから、前記患者の動きを表す情報を含む第1の入力信号を受信することと、
パターン認識モデルを使用して前記第1の入力信号から取り出したデータを処理して、前記第1の入力信号から取り出した前記データのパターンを検出し、かつ、前記患者が関与する望ましくない事象または状態を示唆または予測するものとして分類することと、
パターンが前記患者の望ましくない事象または状態を示唆または予測するものとして分類される場合、アラームを発することと、
前記第1の入力信号から取り出され、かつ、望ましくない事象を示唆または予測するものとして分類されたパターンの検出に関連するデータのログを作成することと、
機械学習アルゴリズムを用いて前記ログを周期的に処理して、最新のパターン認識モデルを作成することと、を含む、方法。 - 前記パターン認識モデルは、UWBレーダから受信した入力信号に基づいて異常行動の検出を可能にする、事前訓練済みモデルである、請求項1に記載の方法。
- 前記訓練済みモデルは、てんかん性発作の発生および落下の少なくとも1つの検出を可能にするように特に訓練される、請求項2に記載の方法。
- 前記ログは、経時変化を検出し、かつ、患者の病状の変化を取得するようにさらに処理される、請求項1〜3のいずれか一項に記載の方法。
- 少なくとも1つの追加センサから第2の入力信号を受信することと、
前記第1の入力信号が処理され、かつ、監視される場合、前記第1の入力信号に前記第2の入力信号を含めることと、をさらに含む、請求項1〜4のいずれか一項に記載の方法。 - 前記少なくとも1つの追加センサは、マイクロホン、温度計、光検出器、空気質センサ、湿度計、VOCセンサ、気圧計、および心拍数センサからなる群から選択される、請求項5に記載の方法。
- 前記第1の入力信号は、前記患者のバイタルサインを表す情報をさらに含む、請求項1〜6のいずれか一項に記載の方法。
- 前記パターン認識モデルを用いて受信および処理することは、前記UWBレーダを含む、または前記UWBレーダに接続されたローカルデバイスにおいて行われる、請求項1〜7のいずれか一項に記載の方法。
- 機械学習アルゴリズムを用いて前記ログを処理して最新のパターン認識モデルを作成することは、前記UWBレーダを含む、または前記UWBレーダに接続されたローカルデバイスにおいて、機械学習モジュールによって行われる、請求項1〜8のいずれか一項に記載の方法。
- 機械学習アルゴリズムを用いて前記ログを処理して最新のパターン認識モデルを作成することは、広域ネットワークを介してログデータをサーバベースのクラウドサービスへ送信することと、それに応答して前記サーバベースのクラウドサービスから前記最新のパターン認識モデルを受信することと、によって行われる、請求項1〜9のいずれか一項に記載の方法。
- 前記患者の動きを表す前記情報は、不規則な体動を表す情報を含む、請求項1〜10のいずれか一項に記載の方法。
- 異常行動を検出すると、
前記異常行動を、特定の事象または予測を示唆するものとして分類することと、
前記分類の結果に基づいて、前記アラームを表すまたは前記アラームに関連するメッセージを選択することと、
前記メッセージを指定受信者に送信または発行することと、を含む、請求項1〜11のいずれか一項に記載の方法。 - 望ましくない事象または状態を検出するために患者を監視する装置であって、
UWBレーダ(309)からの第1の入力信号を含むセンサデータを受信するように構成されたプロセッサ(301)と、
メモリ(303)と、
前記メモリ(303)に格納されるとともに、前記プロセッサ(301)が、前記第1の入力信号から取り出されたデータのパターン認識処理を行い、また、前記UWBレーダの視界内で前記第1の入力信号から取り出された前記データのパターンを検出し、かつ、患者の望ましくない事象または状況を示唆または予測するものであると分類することを可能にする、パターン認識モデルと、
通信インターフェースと、を備え、
前記プロセッサは、
パターンが前記患者の望ましくない事象または状態を示唆または予測するものとして分類される場合、前記通信インターフェースに対してアラームメッセージを送信し、
前記第1の入力信号から取り出され、かつ、望ましくない事象を示唆または予測するものとして分類されたパターンの検出に関連するデータのログを作成し、
機械学習アルゴリズムを用いて前記ログを周期的に処理して、最新のパターン認識モデルを作成するように構成される、デバイス。 - 機械学習モジュール(304)をさらに備え、前記プロセッサは、前記メモリ(303)内のセグメントに含まれるパターンの分類の結果とともに、前記第1の入力信号から取り出された前記データの前記セグメントを格納することによって前記ログを作成し、また、前記機械学習モジュールを用いて前記ログを処理するように構成される、請求項13に記載のデバイス。
- 前記機械学習モジュール(304)は、
前記メモリ(303)内のソフトウェアモジュールとしてインストールされる、または
前記プロセッサ(301)によって制御された、独立したハードウェアコンポーネントとして前記デバイス内にインストールされる、請求項14に記載のデバイス。 - 前記プロセッサ(301)は、セグメントに含まれたパターンの分類の結果とともに、前記第1の入力信号から取り出された前記データの前記セグメントをクラウドサービス(9)に、前記クラウドサービスによって維持されるログに含めるために、送信することによって前記ログを作成し、また、前記通信インターフェースを用いて広域ネットワークを介してログデータをサーバベースのクラウドサービスへ送信することと、それに応答して前記サーバベースのクラウドサービスから前記最新のパターン認識モデルを受信することと、によって機械学習アルゴリズムを用いて前記ログを処理するように構成される、請求項13に記載のデバイス。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762589431P | 2017-11-21 | 2017-11-21 | |
US62/589,431 | 2017-11-21 | ||
PCT/NO2018/050289 WO2019103620A2 (en) | 2017-11-21 | 2018-11-21 | System, sensor and method for monitoring health related aspects of a patient |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021504070A true JP2021504070A (ja) | 2021-02-15 |
Family
ID=66380107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020545214A Pending JP2021504070A (ja) | 2017-11-21 | 2018-11-21 | 患者の健康に関連する側面を監視するシステム、センサ、および患者の健康に関連する側面を監視する方法 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11883157B2 (ja) |
EP (1) | EP3714465A2 (ja) |
JP (1) | JP2021504070A (ja) |
AU (1) | AU2018370755A1 (ja) |
CA (1) | CA3083108A1 (ja) |
WO (1) | WO2019103620A2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102408306B1 (ko) * | 2021-12-30 | 2022-06-15 | 주식회사 누리온 | 인공지능 기반의 상황 감시 및 응급 호출 시스템 |
KR102645932B1 (ko) * | 2023-12-28 | 2024-03-11 | 이신원 | 홈케어 시스템 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11672464B2 (en) | 2015-10-27 | 2023-06-13 | Cardiologs Technologies Sas | Electrocardiogram processing system for delineation and classification |
US11826150B2 (en) | 2017-08-25 | 2023-11-28 | Koninklijke Philips N.V. | User interface for analysis of electrocardiograms |
US11170899B2 (en) | 2018-09-12 | 2021-11-09 | Computime Ltd. | Biometric data capturing and analysis using a hybrid sensing systems |
US10943137B2 (en) | 2018-09-12 | 2021-03-09 | Computime Ltd. | Biometric data capturing and analysis |
WO2020201969A1 (en) * | 2019-03-29 | 2020-10-08 | University Health Network | System and method for remote patient monitoring |
US11270799B2 (en) * | 2019-08-20 | 2022-03-08 | Vinya Intelligence Inc. | In-home remote monitoring systems and methods for predicting health status decline |
US20210059552A1 (en) * | 2019-09-02 | 2021-03-04 | National Chung-Shan Institute Of Science And Technology | Smart system and method for monitoring cognition status |
EP4026046A1 (en) * | 2019-09-04 | 2022-07-13 | Computime Ltd. | Biometric data capturing and analysis using a hybrid sensing system |
US11875659B2 (en) * | 2019-12-12 | 2024-01-16 | Google Llc | Privacy-preserving radar-based fall monitoring |
US11813075B2 (en) * | 2020-01-24 | 2023-11-14 | Hb Innovations, Inc. | Combinational output sleep system |
EP4107711A1 (en) * | 2020-02-17 | 2022-12-28 | Koninklijke Philips N.V. | System to secure health safety during charging of health wearable |
TWI772762B (zh) * | 2020-03-11 | 2022-08-01 | 范豪益 | 照護系統與自動照護方法 |
US11295602B2 (en) * | 2020-03-27 | 2022-04-05 | Wipro Limited | System and method for providing enhanced security of physical assets within a physical infrastructure |
CN111680607A (zh) * | 2020-06-03 | 2020-09-18 | 长春博立电子科技有限公司 | 基于视频分析的病房异常监测方法及系统 |
CN111786858B (zh) * | 2020-07-06 | 2022-04-15 | 三星(中国)半导体有限公司 | 诊断异常数据的方法、用户终端设备和云端服务器 |
US11678831B2 (en) | 2020-08-10 | 2023-06-20 | Cardiologs Technologies Sas | Electrocardiogram processing system for detecting and/or predicting cardiac events |
US20240006052A1 (en) * | 2020-09-25 | 2024-01-04 | Cornell University | System implementing generative adversarial network adapted to prediction in behavioral and/or physiological contexts |
CN116234497A (zh) * | 2020-09-30 | 2023-06-06 | 心道乐科技股份有限公司 | 用于检测和/或预测心脏事件的心电图处理系统 |
US20220108704A1 (en) * | 2020-10-06 | 2022-04-07 | Clanz Technology Ltd | Real-time detection and alert of mental and physical abuse and maltreatment in the caregiving environment through audio and the environment parameters |
KR102295045B1 (ko) * | 2021-03-03 | 2021-08-31 | 주식회사 누리온 | 게이트웨이 기반의 상황 모니터링 시스템 |
CA3211854A1 (en) * | 2021-03-04 | 2022-09-09 | Maricare Oy | Sensor and system for monitoring |
US20220328180A1 (en) * | 2021-04-09 | 2022-10-13 | Gustavo CHELLES | Patient fall monitoring system |
CN113671489B (zh) * | 2021-08-09 | 2023-10-17 | 珠海格力电器股份有限公司 | 状态提醒方法及装置、电子设备和计算机可读存储介质 |
US11770307B2 (en) | 2021-10-29 | 2023-09-26 | T-Mobile Usa, Inc. | Recommendation engine with machine learning for guided service management, such as for use with events related to telecommunications subscribers |
EP4271138A1 (en) * | 2022-04-26 | 2023-11-01 | Nxp B.V. | Lighting device and method of operation |
CN116687394B (zh) * | 2023-08-04 | 2023-10-20 | 亿慧云智能科技(深圳)股份有限公司 | 基于毫米波雷达的摔倒检测方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090048500A1 (en) * | 2005-04-20 | 2009-02-19 | Respimetrix, Inc. | Method for using a non-invasive cardiac and respiratory monitoring system |
JP2009528859A (ja) * | 2006-03-06 | 2009-08-13 | ワイヤレス 2000 アールエフ アンド ユーダブリュビー テクノロジーズ リミテッド | 超広帯域モニタリング・システムおよびアンテナ |
US20160377705A1 (en) * | 2015-06-29 | 2016-12-29 | Echocare Technologies Ltd. | Ultra-wide band antenna arrays and related methods in personal emergency response systems |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007143535A2 (en) * | 2006-06-01 | 2007-12-13 | Biancamed Ltd. | Apparatus, system, and method for monitoring physiological signs |
WO2016174662A1 (en) | 2015-04-27 | 2016-11-03 | Agt International Gmbh | Method of monitoring well-being of semi-independent persons and system thereof |
US20160345832A1 (en) | 2015-05-25 | 2016-12-01 | Wearless Tech Inc | System and method for monitoring biological status through contactless sensing |
US20180055384A1 (en) | 2016-08-26 | 2018-03-01 | Riot Solutions Pvt Ltd. | System and method for non-invasive health monitoring |
WO2018136402A2 (en) | 2017-01-18 | 2018-07-26 | Riot Solutions Inc. | Non intrusive intelligent elderly monitoring system |
-
2018
- 2018-11-21 CA CA3083108A patent/CA3083108A1/en active Pending
- 2018-11-21 EP EP18874991.5A patent/EP3714465A2/en active Pending
- 2018-11-21 US US16/765,730 patent/US11883157B2/en active Active
- 2018-11-21 JP JP2020545214A patent/JP2021504070A/ja active Pending
- 2018-11-21 AU AU2018370755A patent/AU2018370755A1/en not_active Abandoned
- 2018-11-21 WO PCT/NO2018/050289 patent/WO2019103620A2/en unknown
-
2023
- 2023-12-12 US US18/536,625 patent/US20240099607A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090048500A1 (en) * | 2005-04-20 | 2009-02-19 | Respimetrix, Inc. | Method for using a non-invasive cardiac and respiratory monitoring system |
JP2009528859A (ja) * | 2006-03-06 | 2009-08-13 | ワイヤレス 2000 アールエフ アンド ユーダブリュビー テクノロジーズ リミテッド | 超広帯域モニタリング・システムおよびアンテナ |
US20160377705A1 (en) * | 2015-06-29 | 2016-12-29 | Echocare Technologies Ltd. | Ultra-wide band antenna arrays and related methods in personal emergency response systems |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102408306B1 (ko) * | 2021-12-30 | 2022-06-15 | 주식회사 누리온 | 인공지능 기반의 상황 감시 및 응급 호출 시스템 |
KR102645932B1 (ko) * | 2023-12-28 | 2024-03-11 | 이신원 | 홈케어 시스템 |
Also Published As
Publication number | Publication date |
---|---|
WO2019103620A2 (en) | 2019-05-31 |
US20200289033A1 (en) | 2020-09-17 |
AU2018370755A1 (en) | 2020-07-02 |
CA3083108A1 (en) | 2019-05-31 |
WO2019103620A3 (en) | 2019-10-31 |
EP3714465A2 (en) | 2020-09-30 |
US20240099607A1 (en) | 2024-03-28 |
US11883157B2 (en) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240099607A1 (en) | System, sensor and method for monitoring health related aspects of a patient | |
Pham et al. | Delivering home healthcare through a cloud-based smart home environment (CoSHE) | |
El-Bendary et al. | Fall detection and prevention for the elderly: A review of trends and challenges | |
US9814425B2 (en) | Health monitoring appliance | |
US9820657B2 (en) | Mobile wireless appliance | |
US8968195B2 (en) | Health monitoring appliance | |
US8708903B2 (en) | Patient monitoring appliance | |
JP7355826B2 (ja) | プラットフォーム非依存のリアルタイム医療データ表示システム | |
US20150269825A1 (en) | Patient monitoring appliance | |
US20140052464A1 (en) | Method and system for remote patient monitoring | |
JP2020503102A (ja) | 非侵襲的に非接触で健康状態をモニタリングするためのシステム及び方法 | |
US20210398666A1 (en) | Systems, apparatus and methods for acquisition, storage, and analysis of health and environmental data | |
US11992330B2 (en) | Systems and methods for preventing sleep disturbance | |
Rajasekaran et al. | Elderly patient monitoring system using a wireless sensor network | |
EP4120891A1 (en) | Systems and methods for modeling sleep parameters for a subject | |
US20220122732A1 (en) | System and method for contactless monitoring and early prediction of a person | |
US20160174893A1 (en) | Apparatus and method for nighttime distress event monitoring | |
Magjarevic | Home care technologies for ambient assisted living | |
Sujin et al. | Public e-health network system using arduino controller | |
Ariani et al. | The development of cyber-physical system in health care industry | |
Aburukba et al. | Remote monitoring framework for elderly care home centers in UAE | |
Ribeiro | Sensor based sleep patterns and nocturnal activity analysis | |
Rohankumar et al. | A smart health care ecosystem | |
WO2022044201A1 (ja) | 見守り支援システムおよび見守り支援方法 | |
Talib et al. | Elderly condition monitoring and alert system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210830 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220808 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20221027 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230331 |