JP2022543082A - エネルギー使用量の監視によって患者の健康を分析するためのシステムおよび方法 - Google Patents
エネルギー使用量の監視によって患者の健康を分析するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2022543082A JP2022543082A JP2022506556A JP2022506556A JP2022543082A JP 2022543082 A JP2022543082 A JP 2022543082A JP 2022506556 A JP2022506556 A JP 2022506556A JP 2022506556 A JP2022506556 A JP 2022506556A JP 2022543082 A JP2022543082 A JP 2022543082A
- Authority
- JP
- Japan
- Prior art keywords
- energy
- data
- patient
- health
- devices
- 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
Images
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
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/10—The network having a local or delimited stationary reach
- H02J2310/12—The local stationary network supplying a household or a building
- H02J2310/14—The load or loads being home appliances
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/70—Load identification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/40—Display of information, e.g. of data or controls
Abstract
患者の健康のモニタリングのためのシステムおよび方法。エネルギー監視モジュールが、住居環境内の電気デバイスへの給電を行う電気パネルと通信する。このエネルギー監視モジュールは、電気デバイスによって消費されるエネルギーを監視するように動作可能である。データエネルギー分析エンジンは、上記エネルギー監視モジュールからのエネルギーデータ収集を一定期間にわたって行う。健康データ相関エンジンは、患者の健康状態を収集されたエネルギーデータに基づいて決定する。【選択図】図1
Description
優先権の主張
本出願は、2019年7月31日に出願された米国仮特許出願第62/881,024号の優先権と恩恵を主張する。本明細書中、同文献全体が本明細書に参照により組み込まれる。
本出願は、2019年7月31日に出願された米国仮特許出願第62/881,024号の優先権と恩恵を主張する。本明細書中、同文献全体が本明細書に参照により組み込まれる。
技術分野
本開示は、主に健康監視システムに関し、より詳細には、患者の健康の監視のための住居環境からのエネルギー使用量データの収集に関する。
本開示は、主に健康監視システムに関し、より詳細には、患者の健康の監視のための住居環境からのエネルギー使用量データの収集に関する。
多くの人々は、入院が不要な慢性疾患を有している。しかし、このような状態は、健康ケア専門家への訪問間において悪化する場合がある。例えば、呼吸疾患(例えば、喘息または慢性閉塞性肺疾患(COPD))の場合、一定期間にわたってより重篤になることが往々にしてある。喘息に起因して、喘鳴、胸の締め付け、息切れおよび咳などが生じ得る。喘息の原因は、吸気物質に対する過敏性であり得、その結果、気管支の収縮および締め付けに繋がる。患者の健康の監視を連続的に行うことができれば、このような状態の回避または治療をタイムリーに行うことが可能になる。特定の患者に対してホームヘルスケアプロバイダが割り当てられれば、チェックを毎日行うことができる。しかし、そのような人件費は、極めて高額になることが多い。さらに、多くの場合、そのような出費は不要である。一連のヘルスケアモニタを、患者が自宅において携行してもよい。しかし、このような監視デバイスは嵩高であり、患者は、このようなデバイスの正確な操作について責任を負う必要が多い。
このように、病院またはケア施設以外の設定において患者の健康を継続的に監視する勘弁な方法が無いため、予防のための技術または治療をタイムリーに適用することができていない。さらに、患者が状態悪化の発現に気づかない場合があり、その結果、健康ケア専門家への相談をし損ねる。健康状態が顕著に悪化して患者が治療を受けようとする頃までには、治療のコストおよび時間もより多く必要になっていることが多い。
自宅環境における健康状態の連続的監視をさらなる健康関連センサ無しに行うシステムが、必要とされている。健康に相関のある自宅からのエネルギーデータを利用するシステムも、必要とされている。ベースラインのエネルギー使用量データと、エネルギー使用量データおよび患者の健康状態の相関とを学習するシステムも、必要とされている。
本開示は、住居環境内の電気デバイスからのエネルギー使用量データを分析する健康監視システムに関する。本システムは、エネルギーデータを収集するエネルギー監視デバイスを用いる。このエネルギーデータの分析により、上記住居環境内の異なるデバイスについてエネルギー関連シグネチャを決定する。このような情報の分析により、個々の患者の自宅におけるデバイス(例えば、器具、照明、ケア用デバイス)の使用を追跡して「通常の」使用量を特徴付けし、この使用量を当該患者の健康状態と相関付け得る。本システムにより、健康リスクの発現を示し得るあらゆる「異常な」使用量の検出が可能になる。本システムにおいては、自宅環境において患者に取り付ける必要のある特殊なモニタは全く不要である。
1つの開示例は、住環境における患者の健康のモニタリングのためのシステムである。エネルギー監視モジュールは、住居環境内の複数の電気デバイスへの給電を行う電気パネルと通信する。このエネルギー監視モジュールは、上記複数の電気デバイスが消費するエネルギーを監視するように、動作可能である。データエネルギー分析エンジンは、上記エネルギー監視モジュールからのエネルギーデータ収集を一定期間にわたって行う。健康データ相関エンジンは、患者の健康状態を収集されたエネルギーデータに基づいて決定する。
上記例示的システムのさらなる実行において、上記健康状態は、上記患者の睡眠の質または持続時間の変化を含む。別の実行において、上記健康状態は、上記患者の食事または食欲の変化を含む。別の実行において、上記健康状態は、上記患者の肉体的活動または機敏性の変化を含む。別の実行において、上記複数のデバイスは、上記患者の治療のための治療デバイスを含む。別の実装形態は、この健康状態が呼吸状態である実装形態である。別の実行において、上記エネルギーデータは、電気使用量に基づいたパターンである。別の実行において、上記エネルギーデータは、上記複数のデバイスそれぞれが電源オンにされた時間を含む。別の実行において、上記エネルギーデータは、上記複数のデバイスそれぞれについての特定のデバイスシグネチャの決定を含む。別の実行において、上記特定のデバイスシグネチャは、機械学習から決定される。別の実行において、上記特定のデバイスシグネチャは、デバイスシグネチャのルールセットから決定される。別の実行において、上記健康状態と上記特定のデバイスシグネチャとの間の相関は、機械学習から決定される。別の実行において、上記エネルギーデータは、一定期間にわたる上記複数のデバイスの上記電気使用量の合計を含む。
別の例は、住環境における患者の健康のモニタリングのための方法である。上記住居環境における少なくとも1つのデバイスのエネルギー使用データは、収集される。エネルギー使用パターンが、上記エネルギー使用データから決定される。このエネルギー使用パターンは、上記患者の健康状態と相関付けられる。
上記例示的方法のさらなる実行において、上記健康状態は、上記患者の睡眠の質または持続時間の変化を含む。別の実行において、上記健康状態は、上記患者の食事または食欲の変化を含む。別の実行において、上記健康状態は、上記患者の肉体的活動または機敏性の変化を含む。別の実行において、上記デバイスは、上記患者の治療のための治療デバイスである。別の実装形態は、この健康状態が呼吸状態である実装形態である。別の実行において、上記エネルギー使用パターンは、電気使用量に基づいたパターンである。別の実行において、上記エネルギー使用パターンは、上記複数のデバイスそれぞれが電源オンにされた回数を含む。別の実行において、上記エネルギーデータは、上記複数のデバイスそれぞれについての特定のデバイスシグネチャの決定を含む。別の実行において、上記方法は、上記特定のデバイスシグネチャを機械学習から決定することを含む。別の実行において、上記方法は、上記特定のデバイスシグネチャをデバイスシグネチャのルールセットから決定することを含む。別の実行において、上記方法は、上記健康状態と特定のデバイスシグネチャとの間の相関を機械学習から決定することを含む。別の実行において、上記エネルギー使用パターンは、上記デバイスの一定期間にわたる上記電気使用量の合計を含む。
上記の要旨は、本開示の各実施形態または各態様を示すことを意図していない。すなわち、上記の要旨は、本明細書中に記載の新規の態様および特徴のうちいくつかの例を示すものに過ぎない。上記の特徴および利点ならび本開示の他の特徴および利点は、本発明の実行のための代表的な実施形態および態様の以下の詳細な説明を添付の図面および添付の特許請求の範囲と共に読めば、容易に明らかになる。
例示的実施形態に関する以降の説明を添付図面と併せて参照することにより、本開示に対する理解が深まるであろう。
本開示には、種々の変形および代替形態がある。図面に例示したいくつかの代表的な実施形態について、本明細書において以下に詳述する。ただし本発明は、開示された特定の形態に限定されることを意図してはいないものと理解すべきであり、本開示はむしろ、添付の請求項によって定義された本発明の精神および範囲内にあるすべての変形、均等物、および代替物を網羅するものである。
本発明は、数多くの異なる形態で具現化することできる。代表的な実施形態を図面に示しており、本明細書において以下に詳述する。本開示は、本開示の原理の一例または例示であり、本開示の広範な態様を、例示された実施形態に限定することを意図するものではない。そのため、例えば「要約」、「発明の概要」、「発明を実施するための形態」の各節で開示されていても、請求項に明記されていない要素や制限は、単独でも集合的にも、暗示、推論、または他の方法によって請求項に組み込むべきでない。本明細書中では、特に断りがない限り、単数形は複数形を含み、その逆もある。「~を含む」という語は、「~を含むがそれ(ら)に限定されない」を意味する。さらに、本明細書においては、「概ね」、「略」、「実質的に」、「約」といった近似を表す語を、例えば、「ちょうど」、「付近」、「前後」、「~の3~5%以内」、「許容可能な製造公差の範囲内」、またはそれらの任意の論理的な組み合わせを意味する目的で使用することできる。
本開示は、患者の自宅環境からのエネルギー使用量データの分析に基づいた健康監視システムに関連する。この健康監視システムにおいて、エネルギー使用量データの収集のために自宅の主電源へ連結されたエネルギー監視デバイスが用いられる。このエネルギー監視デバイスは、スマートエネルギーメータまたは別の種類の電量監視デバイスであり得、自宅設定において局所的または中央に据え付けられる。エネルギーモニタは、住居環境の電量履歴の追跡、処理、保存および通信のために用いられる。自宅内における特定のデバイスの電量シグネチャの決定のために、データが分析される。このような情報の分析により、このようなデバイス(例えば、器具、照明および治療デバイス(例えば、呼吸ケア用デバイス))の個々の患者の使用が追跡され得る。個々の患者による使用量を用いて、患者の健康状態と相関付けられた「通常の」使用量が特徴付けられる。エネルギーデータの継続的収集を用いて、患者の健康リスクの発現を示し得るあらゆる「異常な」使用量が検出され得る。
図1は、住居環境(例えば、患者110の自宅100)を示す。住居環境は、戸建て、アパート、または患者110と関連付けられた他の建物であり得る。自宅100は、外部電源へ接続される(例えば、電気接合部パネル120を通じて自宅100へ接続された電力線を提供する電気事業会社)。電気接合部パネルは、自宅100へ給電する主電源ケーブル122を含む。接合部120により、主電源からの電力が配線網124を通じて自宅100内の異なる部屋へ供給される。接合部120には、エネルギー使用量データを収集するエネルギーセンサモジュール130が取り付けられる。
本例において、エネルギーセンサモジュール130は、Sense monitor(登録商標)(製造元:Sense Labs Inc.、ケンブリッジMA)。エネルギーセンサモジュール130は、エネルギーデータを収集し、このデータを外部デバイス150(例えば、スマートフォンまたはコンピュータ)へ送信する。センサモジュール130は、2つのセンサ132および134を含む。これら2つのセンサ132および134は、変流器であり得、自宅100への給電を行う主電源ケーブル122の周囲にクランプされる。センサモジュール130は、エネルギーデータの無線伝送のためのアンテナ136も含む。本例において、センサモジュール130は、集中方式の中心として設定され、自宅100内の各電気デバイスからの電力を監視する。
本例において、センサモジュール130は、外部クライアントデバイス160(例えば、スマートフォンまたはタブレット)への無線リンクを含み得る。無線リンクは、当該技術分野で公知の任意の適切な無線接続技術を組み込み得る(例を非限定的に挙げると、Wi-Fi(IEEE 802.11)、Bluetooth(登録商標)、他の無線周波数、Infra-Red(IR)、GSM(登録商標)、CDMA、GPRS、3G、4G、W-CDMA、EDGEまたはDCDMA200および類似の技術)。一連の非集中的センサ(例えば、自宅内の各電気デバイス上のセンサ(デバイスに一体化されたものまたはモジュール型ユニット))が外部デバイスと共に用いられ得、その場合、外部デバイスは、センサモジュール130からのデータを含むデータ全てを収集し得、収集したデータを集約し得ることが理解されるべきである。加えて、異なるエネルギーセンサから、エネルギー使用についてのさらなるデータがセンサモジュール130へ提供され得る。例えば、自宅100内の特定の器具は、エネルギーデータの通信についてのプロトコル(例えば、「モノのインターネット」(IOT))を使用し得る。他のデバイス(例えば、NESTデバイスまたは自宅100内のデジタルアシスタント)は、特定のデバイスについての別個のエネルギーデータを収集し得、このデータをセンサモジュール130または外部デバイスへ送信し得る。
接合部パネル120は、異なる器具およびデバイス140、142、144、146、148、150、152および154への給電を行う。デバイス140、142、144、146、148、150、152および154は、個々のデバイスを表してもよいし、あるいは自宅100内のデバイスのグループを代表してもよい。デバイスおよび器具は、ホームケア治療デバイスを含み得る(例えば、CPAPデバイスまたはデバイス140によって示される呼吸治療デバイス)。これらの器具は、娯楽デバイス142、水ヒーター144、ガレージドアオープナー146、照明およびコンセント148、調理および保存デバイス150、暖房換気空調(HVAC)ユニット152、ならびに洗濯機および乾燥機154も含み得る。
エネルギーセンサモジュール130は、主電源線122から電気接合部120内へ給電される電力を監視する。エネルギーセンサモジュール130は、電流および電圧の変化からの数百万の読取値を毎秒毎に収集する。この高分解能データに基づいて、作動時における電流および電圧の固有の変化から電力を引き出しているのはデバイス140~154のうちどれなのかが、高度機械学習アルゴリズムにより特定され得る。例えば、従来の電球の有し得るシグネチャとして、フィラメントが加熱された後に安定化する際に大量の電力が引き出される点がある。電流および電圧は、相互に同相であるため、このシグネチャは、抵抗負荷として特徴付けられ得る。これと対照的に、マイクロ波のシグネチャは、マイクロ波のチャージアップ時における初期サージと、マグネトロンの活性化時における第2のサージとを含み得る。
本例において、収集されたエネルギーデータと、その結果得られた特定のデバイスエネルギーシグネチャとが、患者110によって操作され得る外部コンピューティングデバイス160によって生成されたユーザインターフェース上に表示され得る。遠隔外部デバイス160は、スマートフォンまたはタブレットなどのポータブルコンピューティングデバイスであり得、アプリケーションを実行して、モニタ130からのデータを収集しかつ分析する。遠隔外部デバイス160上におけるエネルギー監視の適用により、各デバイスの稼働回数および他の情報(例えば、エネルギー使用)が表示され得る。
図2は、健康監視システム200のブロック図である。健康監視システム200は、エネルギーセンサモジュール130によって収集されかつ外部コンピューティングデバイス160によって分析されたエネルギーデータを患者110の健康監視のために採用し得る。あるいは、システム200は、無線リンクを介してエネルギーセンサモジュール130からデータを直接収集し得、上記したエネルギー分析機能を行い得る。
健康監視システム200は、住居要素(例えば、照明、入口/出口、暖房/冷房、器具(例えば、冷蔵庫、洗濯機、食器洗浄機))ならびに他のサポート的家庭用物品(例えば、薬物送達デバイスおよび耐久医療機器)の使用、タイミングおよび電力使用順序を決定する。このようなデバイスの使用、時間および順序は、デバイス使用の日単位または週単位のパターンおよび患者110の活動パターンと相関付けられ得る。活動型の目標指向の電量使用に加えて、バックグラウンド型の常にオン状態の電流を測定して、住居の特性/プロファイルの推測を支援することができる(例えば、住宅種類、社会/経済的地位、およびインターネット接続などの機能の存在)。他の例を挙げると、住居環境の特性分析がある。例えば、セントラルヒーティングおよび空調を備えた住宅の特性は、セントラルヒーティングおよび空調を備えていない住宅の特性と異なる。アレルギーの季節においては、空調を使用している患者よりも、空調を使用していない患者に対しての影響が大きい場合がある。そのため、多様な文脈様態が、リスク推定において重要な入力となり得るか、または、特定の介入の成形または目標決定における支援となり得る。例えば、住宅の種類は、室内における空気汚染への露出に影響を持つため、このような種類は、喘息発現および罹患率に影響を及ぼし得る。
システム200は、エネルギーデータをエネルギーセンサモジュール130から収集し、このエネルギーデータをエネルギーデータ分類モジュール210を介して分類する。分類されたエネルギーデータは、エネルギーデータベース212中に保存される。システム200は、一連の使用インデックスパターンの確認および確立を行い、現在の疾患重症度、急性度および活動ならびに患者110の管理に関連してこれらのパターンの特徴付けおよび関連付けを患者分析エンジン220を介して行う。分析エンジン220は、エネルギーデータベース212および患者健康データベース214へ連結される。患者健康データベース214は、現在の健康状態を保存し、患者110の他の人口統計学的情報が、他の手段(例えば、調査、臨床検査、バイオマーカーおよび生理学的測定、薬局記録および他の情報)によって決定され得る。このような情報は、システム100からのアクセスが可能な多様な個々のデータベース内に収集および保存され得る。分析エンジン220は、患者の健康とエネルギー使用データとの間の関係を、エネルギー使用パターンと患者110の健康状態との間の相関を考慮に入れて決定する。
健康状態監視の一例として、患者の慢性(呼吸)疾患の状態の測定があり得る。このような疾患に関連する健康状態の変化を示す情報の利用により、患者に対する呼吸疾患の負担および管理についての予想情報が提供され得る。データベース214は、呼吸疾患を有する患者についての情報を含み得る。図2中の分析エンジン220は、建物の異なるフロア上の電気デバイスの使用に基づいた呼吸の監視を提供し得る。このような電気デバイスの使用は、弱化状態(第2のフロア上のデバイスの使用回数の低減)または(活動または動きの拡大によって示される)強化状態を示し得る。分析エンジン220は、治療デバイス(例えば、CPAPデバイス、酸素供給器または通風装置)の使用も監視し得る。分析エンジン220は、建物内の動きの頻度および速度または特定の機器(例えば、トレッドミル)の使用に基づいた肉体的活動の増減も推測し得る。患者の状態は、他の疾患または疾患可能性(例えば、転倒リスクまたは痴呆症)とも相関付けられ得る。
分析エンジン220は、エネルギー使用量を患者の健康状態と相関付けるための異なるアプローチを用い得る。1つのこのようなアプローチにおいて、一定期間にわたる電量使用(例えば、週単位または日単位の使用履歴)が分析される。よって、図1中のエネルギー監視モジュール130からの電気データ出力の分析は、定期的に(例えば、週単位または日単位で)行われ得る。図3Aは、1週間にわたってエネルギーモニタモジュールによって収集された家庭の電気使用データの例示的グラフである。図3Bは、1日にわたってエネルギーモニタモジュールによって収集された家庭の電気使用データの例示的グラフである。一定期間にわたって収集されたデータは、複数の方法で数学的に分析され得、これにより、パラメータ(例えば、合計ワット数、ピーク数、1日あたりのピーク数、ピークのタイミング、振幅)と、健康状態(例えば、個々の患者の疾患状態および障害)との関係を決定する。例えば、合計ワット数が有意に低下した場合、患者がベッドから出ていない緊急事態を示し得る。ピークのタイミングおよびピーク数は、挙動パターン(例えば、調理または他の日単位の慣習)を示し得る。このようなデータは、エネルギーデータ分類モジュール210によって分析され、結果は、分析エンジン220のためにデータベース212内に保存される。
第2のアプローチにおいては、図1に示す自宅100内の他の多数のデバイスに含まれる器具(例えば、食器洗浄機、洗濯機/乾燥機、電子レンジ、テレビジョンセットおよびコーヒーメーカー)の使用の個々の活動およびタイミング/順序が監視される。このようなデバイスが使用されるタイミングが、図4に示すように記録および表示され得る。図4は、異なる器具と、当該器具がオンにされた時間の長さとを示す例示的グラフィカルインターフェース400である。例示的インターフェース400において、総電力410が、一定期間にわたって表示される。一連のアイコン412、414、416、418および420は、異なるデバイスと、当該デバイスがオンにされた時間とを示す。インターフェース400の生成に用いられるデータが、エネルギー分析エンジン210によって決定され得、デバイスのタイミングの監視と、上記データおよび個々の患者110の健康の相関付けとのために分析エンジン220によって用いられ得る。この方法において、これらの器具と、自宅100の特定の部屋または領域とを相関付けることによっても、1つ以上の期間にわたる患者110の室内の動きの一般的かつ特定のトポグラフィが生成され得る。上記したように、呼吸疾患の場合、これは、活動増大に繋がる患者の改善または(使用および動きの低減によって示される)疾患重症度の悪化を示し得る。
他のエネルギー使用量分析方法が、健康状態との相関付けのために分析エンジン220によって用いられ得る。例えば、1つ以上のデバイスにわたる日中のエネルギー負荷合計または疾患プロファイルに適合する特定の集合。加えて、1つ以上のデバイスにわたる負荷のタイミングまたは疾患状態にとって重要な特に情報価値のあるデバイス集団。別の要素として、1日における活動頻度または多様なデバイスのタイミング(およびタイミング窓の考慮)があり得る。(例えば停電によって示されるように)電力が突然ゼロに降下した場合、分析エンジン220がトリガされて、(患者が一定の電気接続を必要とする任意の種類の薬物投与または治療を受けている場合に)当該患者の代わりに支援がリクエストされ得る。
分析エンジン220は、さらなるデータ入力について、使用の確率または患者のパターンの確率も決定し得る。例えば、患者の症状再燃または疾患状態の変化が発生したことが判明した場合、分析エンジン220は、当該患者のエネルギー使用様態がこれからどのように変化するか予測し得る。例えば、患者の疾患の症状再燃が発生した場合、当該患者が活動的になったり洗濯を行う可能性は低くなる。よって、特定のパターン(例えば、浴室の使用)の長期化または頻度の増加が予測され得る。患者に特有のこの疾患データを用いれば、分析エンジン220がエネルギー使用パターンの変化を検出し、介護者が既に知っている問題を介護者に通知するフィードバックループが回避され得る。
さらに、パターンにおいて逸脱があることが判明した場合、分析エンジン220は、疾患状態が変化した確率と、その結果に起因して患者に対して発生する影響の様態および詳細と、患者の継続的エネルギー使用とを決定し得る。例えば、患者の医療デバイスの使用について頻度が増加または長期化したことが分かった場合、そのような変化は症状再燃の発生の前兆を示し得るため、分析エンジン220は、検出をより容易に行うように準備を整える。分析エンジン220は、疾患状態の確率=Xであることを説明し得る。この確率は、日中に発生する電量使用プロファイルにおける出現イベントに基づいて更新される。このような予測は、当該患者と人口統計学的に類似する他の患者からのさらなるデータによって向上され得る。分析エンジン220は、協働データサービスからの情報も統合し得る(例えば、音声インターフェース、デジタルホームアシスタント、スマートプラグおよび接続された器具、カレンダー、コンピュータネットワーク、および患者110と関連付けられ得るかまたは自宅100内に設けられ得る携帯電話)。このようなデータは、サードパーティデータベース216を通じてアクセスされ得る。
第3のアプローチは、日単位の生活のルーチンに基づく。これらの生活のルーチンは、(日単位の生活の重要な機能ルーチン(特に、疾患または健康状態との関係が確立しているかまたは有効と思われるもの)と関連付けられた)複合電量および対象の使用シグネチャを通じて決定される。例えば、睡眠の質およびタイミングは、照明がオンおよびオフにされた時間と、水ヒーターが起動された時期と、キッチン器具が使用された時期とから決定され得る。このデータにより、分析エンジン220が覚醒および睡眠、昼間の睡眠のタイミング、睡眠時間の長さ、睡眠妨害レベル、ならびに患者の睡眠の質および持続時間の他のパラメータを直接的または間接的に検出または決定することが可能になる。デバイスエネルギーシグネチャによって決定され得る別のルーチンとして、患者の食事ルーチンがあり得る。本システムは、食事ルーチンの存在と不在との間の関係を決定し得る。この関係は、食欲、精神状態または機能能力の示唆または代理情報となり得る。例えば、朝食ルーチンにおいて図1中の調理器具150(例えば、コーヒーグラインダ、コーヒーメーカー/やかん、マイクロ波、トースター)の起動が検出された場合、疾患状態との対応関係が評価される。
日単位の生活の他の活動(ADL)が決定され得る。例えば、マクロモビリティイベントが決定され得る(例えば、ガレージドア起動を介した自宅の出入りまたは住宅用警報器の起動または起動解除)。ミクロモビリティ活動が、要素(例えば、意図される電気/器具活動を伴う部屋の数、および患者のベースインデックスと比較したときの変化度/規則性)に基づいて決定され得る。別の活動が、例えば温水ヒーターの起動および浴室照明の起動を通じて入浴が決定され得る。他の活動が決定され得る(例えば、器具負荷を介して直接的にまたは温水ヒーターからの負荷を介して間接的に行われる食器洗浄機および洗濯機乾燥機の監視)。
このデータは、特定の患者が援助無く生活する際の健康状態のインジケータとして用いられ得る。データは、患者が困難を感じている特定のタスクのインジケータとして用いられ得るため、援助ケアの注力が可能になる。データは、失禁または閉塞を示し得る。データは、一般的清浄性を示し得る。一般的清浄性は、感染または食品関連の病気などの他の問題に繋がり得る。データは、痴呆症の兆候を示し得る(例えば、衣類の洗濯回数が多すぎる、または食器洗浄機を繰り返し作動させる、または予期せぬ時間に自宅を出る)。データは、緊急事態のインジケータとして用いられ得る。例えば、デバイスのエネルギー使用量が通常よりも有意に低い場合、当該患者が意織不明であるかまたはもがいている可能性がある。データにより、(例えば、ガレージドアまたは住宅用警報器からのデータを介して)患者が住居環境内にいないことが決定され得、よって、分析エンジン220が日単位のパターンにおける逸脱を割り引くことが可能になる。
本システムにより、家庭用医療機器の監視および図1中のデバイス140などのデバイスを用いた治療の監視も可能になる。例えば、このような呼吸治療のためのデバイスは、ポータブル酸素濃縮器、非侵襲的通風装置、CPAPマシンおよびネブライザを含み得る。図1中のエネルギーモニタモジュール130が据え付けられると、異なる治療のためのデバイスの使用についてのデータの遠隔収集および受動的収集が可能になる。例えば、デバイス(例えば、ポータブル酸素濃縮器、非侵襲的通風装置、CPAPマシンおよびネブライザ)のエネルギーシグネチャが、呼吸ケアおよび治療のために監視され得る。
呼吸ケアおよび治療のためのこのような例において、治療医療機器(例えば、ネブライザまたは酸素濃縮器)の電圧/負荷シグネチャが監視される。デバイス(例えば、ネブライザ)が電源オンにされ、エアロゾル化された薬物投与の送達に用いられる場合、このイベントのタイミングおよびこのイベントの持続時間がエネルギーモニタモジュール130からキャプチャおよび保存される。これにより、実際の使用を規定の治療方式に照らして測定することにより、治療の遵守の評価が可能になる。さらに、使用の持続時間の計算により、薬物投与量の一定の推定値が推定され得る。緊急事態において薬物投与を噴霧する場合(例えば、アルブテロール)および他のデバイス(例えば、酸素または非侵襲的通気)の場合、頻度の測定および1日における使用時期から、リスクおよび障害の推定が得られる。
分析エンジン220は、バッテリー充電に起因する電圧シグネチャも調査し得、ポータブル実施形態(例えば、ネブライザおよびポータブル濃縮器)ならびに耐久型の機器(例えば、車いす)を有する重要な医療デバイスの定期的再充電を監視する。このような電圧シグネチャは、このようなデバイスの使用を示す。
システム200は、電気データを収集し、異なるデバイス上におけるエネルギー使用の個人ベースラインまたは全体的使用量を出力する。これらのベースラインの利用により、現在のデータを比較して、疾患状態、治療パターンまたは生活の質の変化を示唆する上記した個人ベースラインからの並び替え(単数または複数)を監視し得る。障害またはリスクの出現についてのこれらの信号は、肉体的活動および機敏性、睡眠の質または持続時間、食事および食欲、および他の生理学的に有意な要素の変化を示す信号を含み得る。上記の活動によって確立される通常のルーチンまたはこのようなルーチンのタイミングからの逸脱は、日単位の生活において監視される。
このような変化は、健康問題の出現または(呼吸困難の増大または症状再燃の危険性に起因する)日単位の生活の参加能力の低減を示唆し得る。他の家庭内インジケータ(例えば、ガレージドアの開閉)は、機敏性パターンの変化または社会的分離の増大を示唆し得る。システムからのデータは、ヘルスケアプロバイダによって治療の変更または変化の予期および予測的ケアの推奨のために用いられ得る。さらに、システムからのデータは、認可を受けたユーザおよび他のシステムに対して、逸脱、重症度/妨害の確実性の存在および性質について警告を発するために用いられ得る。
図5Aは、異なるデバイスからのエネルギー使用からのパターン認識の学習プロセスのパターンの例である。図5Aは、異なるデバイスのエネルギー使用からのエネルギーパターン510、512および514の収集を示す。これらのエネルギーパターンは、個々のデバイスからのエネルギーデータから入手され得る。パターン510、512および514は、異なる種類のデバイスA、BおよびC(516)によって特定され得る。本例において、個々のパターン510、512および514は、単一の線からの逸脱としてエネルギーモニタによって収集され得る。1つのデバイスは、デバイスのパターンを収集するときにオンにされ得、その後、このデバイスはオフにされる。パターン収集および特定のプロセスの一例として、双方向インターフェースがある。この双方向インターフェースにおいて、図1中のエネルギーセンサモジュール130などのモニタが、新規パターンの検出のたびに遠隔外部デバイス160を通じてユーザへクエリを発行する。アプリケーションは、既知のパターンのデータベースにアクセスして、デバイスの特定を提案し得る。アプリケーションは、特定のデバイスの識別情報を入力してこのパターンと関連付けることをユーザに依存し得る。全体的エネルギー消費トレース518は、特定のデバイスが使用される時期の特定のために、エネルギーパターン510、512および514と共に用いられ得る。このプロセスは、2次パターン認識のために用いられ得る。
図5Bは、全体的エネルギー使用からのデバイスの差異特定のために上記したプロセスにおいて学習されたパターンの使用の使用例である。エネルギー使用のベースラインパターン520が設けられる。ベースラインパターン520は、異なるデバイスからの全体的エネルギー使用を示す。ベースラインパターン520は、類似の期間わたる現在の使用量パターン522と比較される。ベースラインパターン520と、現在の使用量パターン522との比較は、差異特定524のために用いられ得る。本例において、ベースラインパターン520および522間の差異により、1つのデバイス(デバイスA)が現在の使用期間において使用されなかったことの決定が可能になる。
エネルギー使用量パターン(例えば、パターン510、512および514)は、機械学習によって決定され得る。このプロセスにより、患者が(据え付け開始時にデバイスを順次オンおよびオフにすることにより)自身のエネルギーデータを生成するあらゆる必要性が制限され得る。モニタ(例えば、図1中のエネルギー感知モジュール130)から得られたリアルタイムデータにより、機械学習プロセスを継続的に精緻化させることもでき得る。よって、機械学習プロセスによって生成されたモデルは、経時的に向上する。合成データ生成(例えば、無限の数の住居環境のシミュレーションのための異なる期間のためのデバイス信号のランダムな追加および実際の履歴データに類似するランダムノイズの追加)と、新規デバイス検出とにより、ディープラーニングモデルでしか可能にならない連続的向上が可能になる。機械学習によって生成されたモデルの代替例として、特定のデバイスのエネルギーパターンの特定のための固定されたルールセットがあり得る。
図6は、ルーチンのフロー図である。このルーチンは、例えば図1に示す電子デバイスに関連してエネルギー使用量パターンを学習し、学習されたモデルの適用により、エネルギーモニタからのライブエネルギーデータを分析する。学習ルーチンは、公的に利用可能なデータ610に依存する。このようなデータは、公的に利用可能な世帯エネルギー消費データセットを含み得る(例えば、基準エネルギー非集計データセット(REDD)およびGREEND電気エネルギーデータセット)。さらなるデータが、複数の患者からのエネルギー感知モジュール(例えば、図1中のエネルギー感知モジュール130)によって監視されるデバイスの母集団からのプロプラエタリソース612(例えば、収集およびライブフィードバック)から入手され得る。正規化および合成データ生成モジュール614は、公的データ610およびプロプラエタリデータ612を受信する。モジュール614は、または図データの正規化(例えば、器具ラベルの統一)を行い、生成において用いられる所望の頻度までアップサンプルまたはダウンサンプルする。次に、モジュール614は、合成データの生成を行い得る。この合成データの生成は、ランダムに選択された期間にわたってランダムに選択されたデバイスから合成世帯を生成し、全ての合成デバイス負荷およびいくつかの代表的ノイズレベルの付加によって世帯レベルの負荷時系列を生成することにより、行われる。生訓練データ616は、モジュール614から生成される。訓練およびチューニングモジュール618に対し、生訓練データ616が設けられる。訓練およびチューニングモジュール618は、エネルギー非集計620のために1組の訓練された機械学習モデルを生成する。
モデルが十分に高精度である場合、これらのモデルは、図2中の分析エンジン220によって用いられ得る。1組のライブセンサデータ630が、モニタ(例えば、図1中のエネルギー感知モジュール130)から連続的に収集される。ライブセンサデータは、訓練されたモデル(632)へ入力される。これらの訓練されたモデル(632)は、エネルギー分析エンジン210によって用いられる。エネルギー分析エンジン210は、これらの訓練されたモデルを用いて、受信されたセンサデータに基づいて異なるデバイスの使用を予測または分類する。各例示の公知のデバイスは、エネルギー使用640、642、644および646の予測を受信されたセンサデータに基づいて出力する別個の予測モジュールを有する。次に、エネルギー使用量の出力予測は、センサデータと関連付けられた特定の住居環境内におけるデバイスについて、使用量として出力される。さらなる未特定のセンサデータが、ノイズ(648)として分類され得る。このノイズデータを収集することにより、新規のデバイス検出モデル650が生成され得る。このようなモデルは、ノイズデータが十分に大きくかつ反復的である場合に生成され得る。このモデルは、訓練およびチューニングモジュール618によって生成される。新規のデバイスモデルは、プロプラエタリデータ612へ追加されて、既知のモデルのデバイスが更新され得る。
図7Aは、図6中のルーチンのための訓練データの表である。図7Aから分かるように、訓練データは、家宅ID、および現地日付および各エネルギー変化と関連付けられた時間を含む。入力データは、各時間における総電力使用である。出力データは、上記セット中の各デバイスの使用および対応する時間ならびにランダムノイズデータである。上記したように、訓練データを用いて、モデルを生成することと、異なるデバイスをデバイスのエネルギーパターンによって特定するための訓練およびチューニングモジュール618のための適切な重み付けを教示することとが行われる。
図7Bは、図7A中の表からの訓練データを用いた学習ルーチンのための訓練プロセスのフロー図である。このプロセスは、図6中のモデル620の精緻化のために訓練およびチューニングモジュール618によって用いられる。1組の生訓練データ710(例えば、図7A中に示す表中のデータ)が収集される。この訓練データは、1組の窓化されたサンプル712の生成のために用いられ、これにより、各サンプルは、世帯レベル負荷の複数の時間ステップを入力としてかつデバイスレベル負荷の現在の時間ステップまたは複数の時間ステップを出力として含む。例えば、所望の時間窓が5分間であり、および各時間ステップが30秒であり、目標が冷蔵庫使用における現在の時間ステップを予測することである場合、入力は、世帯レベル負荷の10個の時間ステップを含み、出力は、冷蔵庫負荷の現在の時間ステップのみを含む。特定の訓練窓のサイズは、ハイパーパラメータであり、性能最適化のためにチューニングされ得、デバイスシグネチャの持続時間に関連することが多い。例えば、やかんに最適な窓は2分間であり得、洗濯乾燥機に最適な窓は30分間であり得る。窓化されたサンプル712の利用により、異なる住居環境に関連する一連の区画714が生成される。これらは、サンプルから排除される合成住居環境を含み得る。これらの区画により、多数の異なる種類の住居環境およびデバイス組み合わせにわたる予測のためのモデルが得られるため、住居環境の一部を「サンプルから除外」して、性能の測定および最良のモデル構造の選択が可能になる。窓化されたサンプル712は、異なる区画内に出現する同一の住居環境を含まない異なる住居環境のランダムなサンプルに基づいて、k個の別個の住居環境(区画)グループに区画される。
ハイパーパラメータサンプラー716が、窓化されたサンプル712の窓および候補モデルアーキテクチャ718の供給パラメータ双方の決定のために用いられる。候補モデルアーキテクチャ718は、ニューラルネットワーク内に入力され、初期重みの割り当てのために用いられる。ニューラルネットワークの訓練プロセスにおいても、モデルアーキテクチャ718への区画716の入力を用いて、プロセスを繰り返し訓練およびバリデートする(720)。本例において、プロセスは、区画714全てではなく区画714のうちの1つを訓練する。プロセスにおいて、アウトオブサンプル区画についての性能をバリデートする。これを、区画714の各区画について繰り返す。初期アーキテクチャからの結果を、訓練データからの出力と照合してチェックして、予測精度を決定する。予測精度が十分に高い場合、モデルおよび対応する重みが生成のために送られる。予測精度の高さが不十分である場合、重みは調節され、プロセスは、調節されたモデルアーキテクチャと共に繰り返される。
図7Cは、1種のデバイス(例えば、食器洗浄機)のエネルギーパターンの出力のための例示的ニューラルネットプロセス750の簡単な図である。ニューラルネット752が、図7Bに記載のプロセスを用いて訓練される。集合体エネルギー信号760が、(対応する重み値をそれぞれ有する)一連の初期ノード770へ入力される。初期ノード770は、異なる重み値と共にノード772の隠れ層へ接続される。ノード772の記隠れ層の出力は、出力ノード774の層へ出力される。出力ノード774の出力は、単一のデバイス780(例えば、本例においては食器洗浄機)のエネルギー使用パターンを示す出力をフィルタリングする。ニューラルネット752のノードに対する重みは、サンプルの各バッチ後に更新されて、選択された計量法(例えば、平均平方誤差)を最小限にさせる。
図6中のルーチンにより異なるデバイスについてのエネルギー使用量データが生成された後、ルーチンが分析エンジン220によって実行されて、患者の健康状態の監視をエネルギー使用量データおよび他の入力に基づいて行う。例えば、監視対象となる治療デバイス(吸入器、CPAP、酸素供給器、通風装置)を有する患者の場合、予測される器具負荷に基づいた健康インジケータを健康データへリンクさせる訓練データセットが生成され得る。このデータは、日単位、週単位または月単位で集積され得る。個々のデバイストレンドまたはデバイストレンドの組み合わせにおける外れ値または異常値のインジケータが提供され得る。エンジンは、期間毎の変化を決定し得る(例えば、前週または以前の期間からの比較可能な週との間の差または比)。特定のデバイスへの給電タイミングも、健康状態の予測となり得る。
図8は、学習ルーチンのフロー図である。この学習ルーチンは、エネルギー使用量パターンを個々の患者の健康状態に関連して学習し、学習したモデルを適用してライブセンサデータを分析する。モニタ(例えば、図1中のエネルギー感知モジュール130および他の患者からのビッグデータ)から得られたリアルタイムデータにより、機械学習プロセスを継続的に精緻化させることもできる。よって、エネルギー使用量と、機械学習プロセスによって生成された健康状態とを相関付けるモデルが、経時的に向上する。機械学習によって生成されたモデルに対する代替例として、特定のデバイスのエネルギーパターンに基づいて健康状態を特定するための固定ルールセットがあり得る。
1組の訓練データ810が、訓練およびチューニングモジュール812へ入力される。この1組の訓練データは、デバイスのエネルギー使用量パターンおよび患者の健康状態の相関を含む。訓練およびチューニングモデル812は、健康変数814について訓練された機械学習モジュールを生成しかつ精緻化する。訓練されたモジュール814は、精度のために精緻化され、十分に高精度になった場合、健康816の予測のために生成モデルへ移動される。この訓練プロセスは、図7Bを参照して上記したものと同様である。
例示的なフィーチャエンジニアリングモジュール820は、予測されたデバイス負荷の時系列から新規入力フィーチャを生成する。これらの新規入力フィーチャは、特定の患者に対する占有者の健康特性のいくつかの入力に基づいた決定に最も関連する。例えば、現在の昼光照明の使用が前の週の同じ日よりも低い場合、緊急事態の医師訪問に繋がる深刻な健康問題の予測となり得、日中においてTV使用量が月ごとに増加している場合、活動および呼吸機能が(緩慢ではあるが)長期的に低下していることを予測し得る。全体的エネルギー使用830の1組のライブセンサデータは、図1中のエネルギー感知モジュール130などのモニタから連続的に収集される。このライブセンサデータは、図6中のプロセスによって決定された訓練されたモデル832へ入力される(例えば、分析エンジン220によって使用される予測640、642、644および646)。分析エンジン220は、受信されたセンサデータに基づいて異なるデバイスの使用を予測するための訓練されたモデルを用いる。各例示的な既知のデバイスは、受信されたセンサデータに基づいてエネルギー使用834の予測を出力する別個の予測モジュールを有する。次に、エネルギー使用量の出力予測が、センサデータと関連付けられた特定の住居環境内のデバイスの使用量として出力され、フィーチャエンジニアリングモジュール820へ提供される。タイムスタンプ836を用いた予測されるデバイスレベル負荷に関連するデータも、フィーチャエンジニアリングモジュール820へ提供される。このデータは、図6中のプロセスによって分析された後、エネルギーセンサモジュール(例えば、図1中のエネルギーセンサモジュール130)から入手される。他の監視対象としての健康入力データ838も、フィーチャエンジニアリングモジュール820へ提供される。例えば、関連データが、デバイス(例えば、CPAPデバイス、吸入器およびポータブル酸素濃縮器)から入手され得る。フィーチャエネルギーモジュール820からの出力データは、訓練された健康モデル816またはルールに基づいたシステム840へ入力されて、患者の健康状態を出力する。その結果得られた健康状態は、患者、ケアプロバイダまたは健康ケア専門家へ通信され得る(850)。
図6および図8の流れ図は、図1のエネルギーデータを収集および分析するための機械可読命令例を表している。本例において、機械可読命令は、以下によって実行されるアルゴリズムを含む:(a)プロセッサ;(b)コントローラ;および/または(c)1つ以上の他の適切な処理デバイス(単数または複数)。アルゴリズムは、有形媒体(例えば、フラッシュメモリ、CD-ROM、フロッピー(登録商標)ディスク、ハードドライブ、デジタルビデオ(バーサタイル)ディスク(DVD)または他のメモリデバイス)上に保存されたソフトウェア中に埋設され得る。しかし、当業者であれば、アルゴリズム全体および/またはその一部を、プロセッサ以外のデバイスによって実行しかつ/またはファームウェアまたは専用ハードウェア中に周知の様態で埋設してもよい(例えば、これは、特定用途向け集積回路[ASIC]、プログラマブル論理デバイス[PLD]、フィールドプログラマブル論理デバイス[FPLD]、フィールドプログラマブルゲートアレイ[FPGA]、個別論理によって実行され得る)ことを理解する。例えば、インターフェースのコンポーネントのうちいずれかまたは全てを、ソフトウェア、ハードウェアおよび/またはファームウェアによって実行することができる。また、フローチャートによって示される機械可読命令のうちいくつかまたは全てを手動で実行してもよい。さらに、例示的なアルゴリズムについて図6および図8中に示すフローチャートを参照して述べているが、当業者であれば、例示的な機械可読命令を実行するための他の多数の方法も用いられ得ることを容易に理解する。例えば、ブロックを実行する順序を変更しかつおよび/または記載のブロックのうちいくつかを変更、除去または組み合わせてもよい。
図9は、図1に示す自宅100のエネルギー監視を用いた患者からデータを入手するための例示的ヘルスケアシステム900のブロック図である。ヘルスケアシステム900は、データサーバ912、電子医療記録(EMR)サーバ914、健康または在宅医療プロバイダ(HCP)サーバ916、患者コンピューティングデバイス160、および図2の分析システム200を含む。患者コンピューティングデバイス160は、本例において患者110および自宅100に設置してあるエネルギーモニタ130と共に同一場所に設置される。システム900において、これらのエンティティは全て、広域ネットワーク930(例えば、インターネット)へ接続されかつ広域ネットワーク930を介して相互通信するように構成される。広域ネットワーク930への接続は、有線型であってもよいし、無線型であってもよい。EMRサーバ914、HCPサーバ916、およびデータサーバ912は全て、別の場所における別個のコンピューティングデバイス上において実行され得、あるいは、これらのエンティティのうち2つ以上の任意の部分的組合せが、同一コンピューティングデバイス上において共に実行され得る。
患者コンピューティングデバイス160が、広域ネットワーク930を経て、患者110とシステム900の遠隔所在エンティティとの間を仲介するように構成されている。上記したように、エネルギーモニタ130は、患者コンピューティングデバイス160の機能の一部または全てを包含し得、システム900内のサーバのうちいずれかと直接通信し得る。図9の例示的な具現例において、この仲介は、患者コンピューティングデバイス160上において実行するソフトウェアアプリケーションプログラム940により、達成される。患者プログラム940は、「患者アプリ」と称される専用アプリケーションであってもよいし、あるいは、健康プロバイダまたは在宅医療プロバイダによって提供されるウェブサイトと対話するウェブブラウザであってもよい。システム900は、各患者と関連付けられた他のエネルギーモニター(図示せず)を含み得、これらのエネルギーモニター(図示せず)は、それぞれの関連付けられたコンピューティングデバイスおよび(恐らくは他の患者と共に共有される)関連付けられたHCPサーバを有する各患者のくわと関連付けられる。システム900内の患者は全員、データサーバ912によって管理され得る。
上記したように、エネルギーモニタ130からのデータは、システム200を介して患者の健康と相関付けられ得る。システム200からの健康データは、システム700のその他のサーバ(例えば、データサーバ912)へ供給され得る。図2中の分析モジュール220により、上記した例示的技術のうちいずれかに基づいた患者の健康の分析が提供され得る。分析モジュール220からのその結果得られた健康分析は、サーバ912、914および916のうちいずれかによってアクセスされるデータベース950によってアクセスされ得る。
本例において、エネルギー監視デバイス130は、自宅100からのエネルギーデータを無線プロトコルを介して患者コンピューティングデバイス160へ送信するように構成され、患者コンピューティングデバイスは、このデータを患者プログラム940の一部として受信する。それから患者コンピューティングデバイス160は、プルオアプッシュ(pull or push)モデルに従って、エネルギーデータをデータサーバ912および/またはシステム200へ送信する。データサーバ912またはシステム200は、「プル」モデルに従って生理学的データをコンピューティングデバイス160から受信し得、これにより、コンピューティングデバイス160は、データサーバ912またはシステム200からのクエリに応答してエネルギーデータを送信する。あるいは、データサーバ912は、「プッシュ」モデルに従ってエネルギーデータを受信し得、これにより、コンピューティングデバイス160は、生理学的データをデータサーバ912またはシステム200へ送信する。上記したように、システム200は、データサーバ912にとって利用可能なこのようなエネルギーデータを、患者の健康状態データの生成に関連した分析のために作製し得る。さらに、データサーバ912は、データベース(例えば、データベース950)へアクセスして、収集データされた分析データを保存し得る。
患者コンピューティングデバイス160から受信されたデータは、システム900で患者110と一意に関連付けられるように、データサーバ912によって保存およびインデックス付けされる。この点に関し、図9では説明の都合上、1つの自宅100だけが示されているが、システム900は異なる患者らと関連付けられた異なる自宅の複数のエネルギー監視モジュールを含み得る。データサーバ912は、各患者または自宅について概要データを計算するように、構成され得る。データサーバ912は、患者コンピューティングデバイス160からデータを受信するようにも構成され得る(例えば、患者110が入力したデータ、患者についての挙動データ、または他の関連データ)。
EMRサーバ914は、電子医療記録(EMR)を含む(すなわち、患者110について特異的な電子医療記録(EMR)と、患者110と類似の疾患を有する患者からなるより大きな母集団に対して包括的な電子医療記録(EMR)との両方)。EMRは、電子健康記録(EHR)とも呼ばれ、典型的には、患者の医療履歴(例えば、前回の状態、治療、合併症および現在の状態)を含む。EMRサーバ914は、例えば患者110が前回治療を受けた病院に配置され得る。EMRサーバ914は、恐らくはデータサーバ912からのクエリ受信に応答してEMRデータをデータサーバ912へ送信するように構成される。
本例において、HCPサーバ916は、患者の呼吸治療について責任を負う健康/在宅医療プロバイダ(これは、個々のヘルスケア専門家または組織であり得る)と関連付けられる。HCPは、DMEまたはHME(国内/家庭用医療機材プロバイダ)とも呼ばれ得る。HCPサーバ916は、プロセス952を利用し、データサーバ912からのクエリ受信に応答して、患者110に関連するデータをデータサーバ912へ送信することができる。
いくつかの実装例において、データサーバ912は、HCPサーバ916と通信して、HCPの代行者(例えば、看護婦)への通知またはアクション推奨をトリガするかまたは多様な報告のサポートを行うように、構成される。実行されたアクションの詳細は、従事データの一部としてデータサーバ912によって保存される。
HCPサーバプロセス952は、30日などのコンプライアンス期間にわたって必要な治療または活動を指定するコンプライアンス規則に従って患者110を監視する能力を含み得る。概要データの後処理において、コンプライアンス規則の順守度を決定することにより、最近の数字が順守セッションであるかが決定され得る。このような後処理の結果を「コンプライアンスデータ」と呼ぶ。このような順守データは、吸入器および他の機構を含み得る治療をヘルスケアプロバイダが個別調整する際に、用いられ得る。他の関係者(例えば、支払人)は、患者に対して償還が存在し得るかを決定するために、順守データを用い得る。HCPサーバプロセス952は、他のヘルスケア機能を有し得る(例えば、多数の患者からのデータ収集に基づいた治療の全般的利用または有効度の決定)。プロセス952は、収集されたデータを通じて医療デバイスの有効性を決定することができ得る。例えば、患者がコンプライアントであるが改善していない場合、その治療が当該患者にとっては無効な治療ではないが製品が全体的に無効である可能性がある。さらに、特定の製品に対するコンプライアンスが低い場合、その製品に欠陥があり得るかまたはその製品の使用に問題があり得る(例えば、人間工学またはユーザインターフェース)ため、ヘルスケアエンティティに対して異なる医療デバイスの選択が奨励され得る。上記したように、データを地理的にリンクされたデータと相関付けることにより、特定の場所における集団発生または近隣の患者に基づいた患者の問題の確立の増加が決定され得る。例えば、高温または花粉数増加がきっかけとなって、特定の地域内の多数の類似の患者の特定の健康状態が発生し得る。
理解されるように、データサーバ912、EMRサーバ914、およびHCPサーバ916中のデータは、患者110に関連する機密データであることが多い。典型的には、機密データを別の当事者へ送る許可を患者110から提供する必要があることが多い。このような許可は、サーバ912、914、および916間のデータ転送に必要であり得る(ただし、このようなサーバが異なるエンティティによって操作されている場合)。
本出願で使用される「部品」、「モジュール」、「システム」などの用語は、ハードウェア(例えば、回路)、ハードウェアとソフトウェアの組み合わせ、ソフトウェア、または1つ以上の具体的な機能を有する動作機械に関するエンティティのいずれかであるコンピュータ関連エンティティを概して指す。例えば、部品は、プロセッサ(例えば、デジタル信号プロセッサ)上で実行される処理、プロセッサ、オブジェクト、実行可能ファイル、実行スレッド、プログラム、および/またはコンピュータであり得るが、これらに限定されない。例として、コントローラと、コントローラ上で動作するアプリケーションの両方が部品であり得る。1つ以上の部品が、プロセスおよび/または実行スレッド内に存在し得、ある部品が、1台のコンピュータ上でローカライズされたり、2台以上のコンピュータ間で分散されたりし得る。さらに、「デバイス」は、特別に設計されたハードウェア、具体的な機能の実行を可能にするソフトウェアの実行によって特殊化された被汎用化ハードウェア、コンピュータ可読媒体に記憶されたソフトウェア、またはこれらの組み合わせの形態をとることができる。
本明細書中に用いられる用語は、特定の実施形態を説明することのみを目的とし、本発明を限定的なものではない。本明細書で使用している単数形「a」、「an」、および「the」は、文脈から明らかな場合を除き、複数形も含むことが意図されている。さらに、発明を実施するための形態および特許請求の範囲において、「含む」、「有する」、またはそれらの活用形が使用されており、これらの用語は、「備える」という用語と同様に包括的であることが意図されている。
他に明記しない限り、本明細書中の全ての用語(技術用語および科学用語を含めて)は、当業者が一般的に理解するような意味と同じ意味を持つ。さらには、広く使用されている辞書で定義されているような用語は、当該技術分野の文脈における意味と一致するように解釈されるべきであり、本明細書で明示的に定義されている場合を除き、理想化された意味や過剰に形式的な意味で解釈されることはない。
以上、本発明の様々な実施形態について説明してきたが、それらは例示目的でのみ提示されており、限定ではないものと理解すべきである。本発明について、1つ以上の実装形態に関して例示および説明してきたが、本明細書および添付の図面を読み、理解する上で、等価の変更および修正が生じるか、他の当業者に公知であろう。加えて、本発明の特定の特徴は、いくつかの実装形態のうちの1つのみに関して開示されたかもしれないが、かかる特徴は、任意の所与または特定の用途に対して所望かつ有利となるように、他の実装形態の1つ以上の他の特徴と組み合わせられ得る。したがって、本発明の幅と範囲は、上記実施形態のいずれによっても制限されるべきでない。むしろ、本発明の範囲は、以下の請求項およびその均等物に従って定義されるべきである。
Claims (26)
- 患者の健康のモニタリングのためのシステムであって、
住居環境内の複数の電気デバイスへの給電を行う電気パネルと通信するエネルギー監視モジュールであって、前記エネルギー監視モジュールは、前記複数の電気デバイスが消費するエネルギーを監視するように動作可能である、エネルギー監視モジュールと、
前記エネルギー監視モジュールからのエネルギーデータ収集を一定期間にわたって行うデータエネルギー分析エンジンと、
患者の健康状態を収集されたエネルギーデータに基づいて決定する健康データ相関エンジンと、を含む、システム。 - 前記健康状態は、前記患者の睡眠の質または持続時間の変化を含む、請求項1に記載のシステム。
- 前記健康状態は、前記患者の食事または食欲の変化を含む、請求項1~2のいずれか一項に記載のシステム。
- 前記健康状態は、前記患者の肉体的活動または機敏性の変化を含む、請求項1~3のいずれか一項に記載のシステム。
- 前記複数のデバイスは、前記患者の治療のための治療デバイスを含む、請求項1~4のいずれか一項に記載のシステム。
- 前記健康状態は、呼吸状態である、請求項1~5のいずれか一項に記載のシステム。
- 前記エネルギーデータは、電気使用量に基づいたパターンである、請求項1~6のいずれか一項に記載のシステム。
- 前記エネルギーデータは、前記複数のデバイスそれぞれが電源オンにされた時間を含む、請求項1~7のいずれか一項に記載のシステム。
- 前記エネルギーデータは、前記複数のデバイスそれぞれについての特定のデバイスシグネチャの決定を含む、請求項8に記載のシステム。
- 前記特定のデバイスシグネチャは、機械学習から決定される、請求項9に記載のシステム。
- 前記特定のデバイスシグネチャは、デバイスシグネチャのルールセットから決定される、請求項9に記載のシステム。
- 前記健康状態と前記特定のデバイスシグネチャとの間の相関は、機械学習から決定される、請求項9に記載のシステム。
- 前記エネルギーデータは、一定期間にわたる前記複数のデバイスの電気使用量の合計を含む、請求項1~12のいずれか一項に記載のシステム。
- 住居環境における患者の健康のモニタリングのための方法であって、
前記住居環境における少なくとも1つのデバイスのエネルギー使用データを収集することと、
前記エネルギー使用データからエネルギー使用パターンを決定することと、
前記エネルギー使用パターンを前記患者の健康状態と相関付けることと、を含む、方法。 - 前記健康状態は、前記患者の睡眠の質または持続時間の変化を含む、請求項14に記載の方法。
- 前記健康状態は、前記患者の食事または食欲の変化を含む、請求項14~15のいずれか一項に記載の方法。
- 前記健康状態は、前記患者の肉体的活動または機敏性の変化を含む、請求項14~16のいずれか一項に記載の方法。
- 前記デバイスは、前記患者の治療のための治療デバイスである、請求項14~17のいずれか一項に記載の方法。
- 前記健康状態は、呼吸状態である、請求項14~18のいずれか一項に記載の方法。
- 前記エネルギー使用パターンは、電気使用量に基づいたパターンである、請求項14~19のいずれか一項に記載の方法。
- 前記エネルギー使用パターンは、複数の前記デバイスそれぞれが電源オンにされた回数を含む、請求項14~20のいずれか一項に記載の方法。
- 前記エネルギーデータは、複数の前記デバイスそれぞれについての特定のデバイスシグネチャの決定を含む、請求項21に記載の方法。
- 前記特定のデバイスシグネチャを機械学習から決定することをさらに含む、請求項22に記載の方法。
- 前記特定のデバイスシグネチャをデバイスシグネチャのルールセットから決定することをさらに含む、請求項22に記載の方法。
- 前記健康状態と特定のデバイスシグネチャとの間の相関を機械学習から決定することをさらに含む、請求項22に記載の方法。
- 前記エネルギー使用パターンは、前記デバイスの一定期間にわたる電気使用量の合計を含む、請求項14~25のいずれか一項に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962881024P | 2019-07-31 | 2019-07-31 | |
US62/881,024 | 2019-07-31 | ||
PCT/US2020/044584 WO2021022199A1 (en) | 2019-07-31 | 2020-07-31 | System and method for monitoring energy usage to analyze patient health |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022543082A true JP2022543082A (ja) | 2022-10-07 |
Family
ID=72088401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022506556A Pending JP2022543082A (ja) | 2019-07-31 | 2020-07-31 | エネルギー使用量の監視によって患者の健康を分析するためのシステムおよび方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220262517A1 (ja) |
EP (1) | EP4004947A1 (ja) |
JP (1) | JP2022543082A (ja) |
WO (1) | WO2021022199A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220199235A1 (en) * | 2020-12-22 | 2022-06-23 | International Business Machines Corporation | Multi-Sensor Platform for Health Monitoring |
US11893487B2 (en) | 2021-06-23 | 2024-02-06 | Oracle International Corporation | Trained models for discovering target device presence |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130076528A1 (en) * | 2011-09-27 | 2013-03-28 | General Electric Company | Health monitoring system utilizing service consumption data |
US20150134344A1 (en) * | 2013-11-13 | 2015-05-14 | State Farm Mutual Automobile Insurance Company | Personal Health Data Gathering for Incentive and Insurance Rating Purposes |
US9699529B1 (en) * | 2017-02-22 | 2017-07-04 | Sense Labs, Inc. | Identifying device state changes using power data and network data |
EP3930565A1 (en) * | 2019-02-26 | 2022-01-05 | Starkey Laboratories, Inc. | System and method for managing pharmacological therapeutics including a health monitoring device |
-
2020
- 2020-07-31 US US17/630,729 patent/US20220262517A1/en active Pending
- 2020-07-31 EP EP20757471.6A patent/EP4004947A1/en active Pending
- 2020-07-31 JP JP2022506556A patent/JP2022543082A/ja active Pending
- 2020-07-31 WO PCT/US2020/044584 patent/WO2021022199A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
EP4004947A1 (en) | 2022-06-01 |
US20220262517A1 (en) | 2022-08-18 |
WO2021022199A1 (en) | 2021-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11355227B2 (en) | Activity capability monitoring | |
Virone et al. | Behavioral patterns of older adults in assisted living | |
Dickerson et al. | Empath: a continuous remote emotional health monitoring system for depressive illness | |
Gokalp et al. | Monitoring activities of daily living of the elderly and the potential for its use in telecare and telehealth: a review | |
US20190167103A1 (en) | Integrated Sensor Network Methods and Systems | |
US11270799B2 (en) | In-home remote monitoring systems and methods for predicting health status decline | |
CN109843173B (zh) | 用于监测人的日常生活活动的系统和方法 | |
US20190180389A1 (en) | Analysing energy/utility usage | |
KR102494874B1 (ko) | 일상생활 능력정보 기반 치매 예측 방법 및 그 장치 | |
Yu et al. | A pilot study on a smart home for elders based on continuous in-home unobtrusive monitoring technology | |
JP2013078567A (ja) | 遠隔健康監視データを提供するための方法および関連するシステム | |
Kim et al. | IoT-based unobtrusive sensing for sleep quality monitoring and assessment | |
Doyle et al. | An integrated home-based self-management system to support the wellbeing of older adults | |
Dalal et al. | A Rule-Based Approach to the Analysis of Elders' Activity Data: Detection of Health and Possible Emergency Conditions. | |
JP2022543082A (ja) | エネルギー使用量の監視によって患者の健康を分析するためのシステムおよび方法 | |
Kim et al. | In-home monitoring technology for aging in place: scoping review | |
EP3807890B1 (en) | Monitoring a subject | |
Schinle et al. | Personalization of monitoring system parameters to support ambulatory care for dementia patients | |
JP2002024965A (ja) | 活動情報供給システムおよびサーバシステム | |
Piau et al. | Real-time detection of behavioral anomalies of older people using artificial intelligence (The 3-PEGASE Study): protocol for a real-life prospective trial | |
EP3280314A1 (en) | Monitoring liquid and/or food consumption of a person | |
Spyrou et al. | Cognitive game for OCD effects minimisation using IoT | |
Jakkula et al. | Identification of lifestyle behavior patterns with prediction of the happiness of an inhabitant in a smart home | |
Chalmers | Adaptive Health Monitoring Using Aggregated Energy Readings from Smart Meters | |
Yeh et al. | Application of Data Analysis in Wellness and Health Sensor Network Environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230726 |