JP2023127086A - Pleural effusion estimation system, pleural effusion estimation device, intrathoracic estimation device, pleural effusion estimation method, and program - Google Patents
Pleural effusion estimation system, pleural effusion estimation device, intrathoracic estimation device, pleural effusion estimation method, and program Download PDFInfo
- Publication number
- JP2023127086A JP2023127086A JP2022030648A JP2022030648A JP2023127086A JP 2023127086 A JP2023127086 A JP 2023127086A JP 2022030648 A JP2022030648 A JP 2022030648A JP 2022030648 A JP2022030648 A JP 2022030648A JP 2023127086 A JP2023127086 A JP 2023127086A
- Authority
- JP
- Japan
- Prior art keywords
- pleural effusion
- estimation
- impedance
- unit
- impedance measurement
- 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.)
- Granted
Links
- 208000002151 Pleural effusion Diseases 0.000 title claims abstract description 236
- 238000000034 method Methods 0.000 title claims description 18
- 238000002847 impedance measurement Methods 0.000 claims abstract description 89
- 238000009825 accumulation Methods 0.000 claims description 56
- 229910052760 oxygen Inorganic materials 0.000 claims description 56
- 239000001301 oxygen Substances 0.000 claims description 56
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 54
- 210000000038 chest Anatomy 0.000 claims description 21
- 210000000115 thoracic cavity Anatomy 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 11
- 230000037396 body weight Effects 0.000 claims description 8
- 230000036772 blood pressure Effects 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000009534 blood test Methods 0.000 claims description 6
- 238000004820 blood count Methods 0.000 claims description 5
- 210000000265 leukocyte Anatomy 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 239000008280 blood Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 25
- 206010019280 Heart failures Diseases 0.000 description 24
- 208000024891 symptom Diseases 0.000 description 14
- 238000007477 logistic regression Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 239000012530 fluid Substances 0.000 description 9
- 210000004072 lung Anatomy 0.000 description 8
- 206010035664 Pneumonia Diseases 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 206010057190 Respiratory tract infections Diseases 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000008034 disappearance Effects 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 241000711573 Coronaviridae Species 0.000 description 2
- 210000003491 skin Anatomy 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000001099 axilla Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 210000001562 sternum Anatomy 0.000 description 1
- 210000004304 subcutaneous tissue Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 210000002417 xiphoid bone Anatomy 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
Description
本願発明は、胸水推定システム、胸水推定装置、胸腔内推定装置、及び胸水推定方法及びプログラムに関するものである。 The present invention relates to a pleural effusion estimation system, a pleural effusion estimation device, an intrathoracic cavity estimation device, and a pleural effusion estimation method and program.
肺炎や心不全を発症した場合は、胸腔内で肺の内外に水分が様々な割合で貯留する。肺炎の場合は、肺の中で炎症が生じることで血管から水分が浸出する。心不全の場合は、心臓の駆出力が落ちるために心臓の上流に位置する肺で水分が漏出することによるものである。 When a person develops pneumonia or heart failure, fluid accumulates in the thoracic cavity at varying rates inside and outside the lungs. In pneumonia, inflammation occurs in the lungs, causing fluid to seep out of the blood vessels. In the case of heart failure, fluid leaks from the lungs, which are located upstream of the heart, due to a decrease in the ejection force of the heart.
胸腔内の水分の貯留の診断には、一般に、ＣＴ画像又はレントゲン画像が用いられる。図１３は、（ａ）胸水貯留時と（ｂ）胸水消失時のレントゲン画像である。 CT images or X-ray images are generally used to diagnose fluid accumulation in the thoracic cavity. FIG. 13 shows X-ray images (a) at the time of pleural effusion and (b) at the time of disappearance of the pleural effusion.
また、心臓ペースメーカーを埋め込まれた患者の場合は、留置されたペースメーカーのリード線と本体間の抵抗値（胸郭インピーダンス）を測定することで肺の水分量をモニタリングし、心不全の状態を経時的に測定する胸部埋め込み型デバイスが知られている（非特許文献１及び２）。胸部埋め込み型デバイスは、図１３のように心不全を発症し肺に水が貯留すると、インピーダンスが低下するという相関関係を利用したものである。 In addition, in patients with an implanted cardiac pacemaker, the amount of water in the lungs can be monitored by measuring the resistance between the lead wire and the body of the implanted pacemaker (thoracic impedance), and the state of heart failure can be monitored over time. Chest implantable devices for measuring are known (Non-Patent Documents 1 and 2). The chest implantable device utilizes the correlation that impedance decreases when heart failure develops and water accumulates in the lungs, as shown in FIG.
しかしながら、胸部埋め込み型デバイスは、胸に埋め込むものであり、侵襲性の高さから患者に大きな負担を強いることとなる。それにもかかわらず、例えば、心不全の感度が条件を整えても60-70％に留まることが知られている。 However, chest implantable devices are implanted in the chest and are highly invasive, placing a heavy burden on the patient. Nevertheless, it is known that, for example, the sensitivity for heart failure remains at 60-70% even if conditions are met.
また、ＣＴ画像又はレントゲン画像による診断には、大型の装置が必要であり、医療現場にしか設置されておらず、医療機関への受診が必須となる。 Furthermore, diagnosis using CT images or X-ray images requires large-sized equipment, which is only installed at medical sites, and requires a visit to a medical institution.
さらに、新型コロナ感染症を始めとした重症呼吸器感染症は、感染者が検査場所まで移動する間においても周囲への感染リスクあることが問題となっている。そのため、本発明者は、どこでも簡易的に症状の増悪の兆候を把握できる機器が必要であると考えた。 Furthermore, with severe respiratory infections such as the new coronavirus, there is a risk of infecting those around you even while infected people are traveling to the testing site. Therefore, the inventors of the present invention believed that there is a need for a device that can easily detect signs of worsening of symptoms anywhere.
そこで、本願発明は、継続的かつ非侵襲的に胸腔内インピーダンス測定を可能とする胸水推定システム等を提供することを目的とする。 Therefore, an object of the present invention is to provide a pleural effusion estimation system and the like that enable continuous and non-invasive intrathoracic impedance measurement.
本願発明の第１の観点は、対象に貯留している胸水の有無又は貯留の程度を推定する胸水推定システムであって、前記対象の胸部に経皮的に接触する電極部と、前記電極部に交流電流を印加してインピーダンスを測定するインピーダンス測定部と、前記インピーダンス測定部により測定したインピーダンス測定値を用いて前記胸水の有無又は貯留の程度を推定する胸水推定部とを備える、胸水推定システム。 A first aspect of the present invention is a pleural effusion estimation system for estimating the presence or absence of pleural effusion in a subject or the degree of pleural effusion, the system comprising: an electrode part that percutaneously contacts the chest of the subject; A pleural effusion estimation system comprising: an impedance measurement unit that measures impedance by applying an alternating current to the impedance measurement unit; and a pleural effusion estimation unit that estimates the presence or absence of the pleural effusion or the degree of accumulation using the impedance measurement value measured by the impedance measurement unit. .
本願発明の第２の観点は、第１の観点の胸水推定システムであって、前記対象の前記インピーダンス測定値と、当該対象の胸水の有無又は貯留の程度とを記憶する記憶部と、前記記憶部に記憶された前記インピーダンス測定値と胸水の有無又は貯留の程度とを教師データとして用い、入力を前記インピーダンス測定値とし、出力を前記インピーダンス測定値の測定時における胸水の有無又は貯留の程度とする推定モデルを機械学習により生成するモデル生成部とをさらに備え、前記胸水推定部は、前記モデル生成部により生成された前記推定モデルを用いて、前記インピーダンス測定部により測定された前記インピーダンス測定値から前記対象の胸水の有無又は貯留の程度を推定する。 A second aspect of the present invention is the pleural effusion estimation system according to the first aspect, which includes a storage unit that stores the impedance measurement value of the object and the presence or absence of pleural effusion or the degree of accumulation of the object; The impedance measurement value and the presence or absence of pleural effusion or the degree of accumulation stored in the part are used as training data, the input is the impedance measurement value, and the output is the presence or absence of pleural effusion or the degree of accumulation at the time of measuring the impedance measurement value. a model generation unit that generates an estimated model by machine learning, the pleural effusion estimation unit using the estimated model generated by the model generation unit to calculate the impedance measurement value measured by the impedance measurement unit. The presence or absence of pleural effusion or the degree of accumulation in the subject is estimated from the above.
本願発明の第３の観点は、第１又は第２の観点の胸水推定システムであって、前記胸水推定部は、前記対象の胸囲又は身幅にも基づいて前記胸水の有無又は貯留の程度を推定する。 A third aspect of the present invention is the pleural effusion estimation system according to the first or second aspect, wherein the pleural effusion estimation unit estimates the presence or absence of the pleural effusion or the degree of accumulation based on the chest circumference or body width of the subject. do.
本願発明の第４の観点は、第３の観点の胸水推定システムであって、前記対象の前記胸囲、前記胸囲の二乗、前記身幅又は前記身幅の二乗を前記インピーダンス測定値で割った商であるインピーダンス指数と、当該対象の胸水の有無又は貯留の程度とを記憶する記憶部と、前記記憶部に記憶された前記インピーダンス指数と前記胸水の有無又は貯留の程度とを教師データとして用い、入力を前記インピーダンス指数とし、出力を前記インピーダンス測定値の測定時における胸水の有無又は貯留の程度とする推定モデルを機械学習により生成するモデル生成部とをさらに備え、前記胸水推定部は、前記モデル生成部により生成された前記推定モデルを用いて、前記インピーダンス測定部により測定された前記インピーダンス測定値を用いた前記インピーダンス指数から前記対象の胸水の有無又は貯留の程度を推定する。 A fourth aspect of the present invention is the pleural effusion estimation system according to the third aspect, in which the chest circumference of the subject, the square of the chest circumference, the body width, or the quotient of the square of the body width divided by the impedance measurement value. A storage unit that stores an impedance index and the presence or absence of pleural effusion or the degree of accumulation in the subject; and an input using the impedance index and the presence or absence of pleural effusion or the degree of accumulation stored in the storage unit as training data. The pleural effusion estimation section further includes a model generation section that uses machine learning to generate an estimation model in which the impedance index is the impedance index and the output is the presence or absence of pleural effusion or the degree of accumulation at the time of measuring the impedance measurement value, and the pleural effusion estimation section is configured to include the model generation section. Using the estimation model generated by the method, the presence or absence of pleural effusion or the degree of accumulation in the subject is estimated from the impedance index using the impedance measurement value measured by the impedance measurement unit.
本願発明の第５の観点は、第２から第４のいずれかの観点の胸水推定システムであって、前記モデル生成部は、さらに、酸素投与がないとした場合の酸素飽和度の仮想値を酸素投与下の酸素分圧を用いて推定した推定酸素飽和度も教師データとして用い、前記推定モデルは、さらに前記推定酸素飽和度も入力とする。 A fifth aspect of the present invention is the pleural effusion estimation system according to any one of the second to fourth aspects, wherein the model generation unit further generates a virtual value of oxygen saturation assuming no oxygen administration. The estimated oxygen saturation estimated using the oxygen partial pressure under oxygen administration is also used as training data, and the estimation model further receives the estimated oxygen saturation as input.
本願発明の第６の観点は、第２から第５のいずれかの観点の胸水推定システムであって、前記モデル生成部は、さらに脈拍数も教師データとして用い、前記推定モデルは、さらに脈拍数も入力とする。 A sixth aspect of the present invention is the pleural effusion estimation system according to any one of the second to fifth aspects, wherein the model generation unit further uses pulse rate as training data, and the estimation model further includes pulse rate. is also input.
本願発明の第７の観点は、第１から第６のいずれかの観点の胸水推定システムであって、前記インピーダンス測定部で印加する周波数は、２～５００ｋHzである。 A seventh aspect of the present invention is the pleural effusion estimation system according to any one of the first to sixth aspects, wherein the frequency applied by the impedance measuring section is 2 to 500 kHz.
本願発明の第８の観点は、第７の観点の胸水推定システムであって、前記インピーダンス測定値又は前記インピーダンス指数として、測定値からCole-Coleプロットを用いて推定される、周波数を０又は無限大に近づけた時の極限値を用いる。 An eighth aspect of the present invention is the pleural effusion estimation system according to the seventh aspect, wherein the impedance measurement value or the impedance index is a frequency estimated from the measured value using a Cole-Cole plot, which is 0 or infinite. Use the limit value when approaching the maximum value.
本願発明の第９の観点は、対象に貯留されている胸水の有無又は貯留の程度を推定する胸水推定装置であって、前記対象に経皮的に接触する電極部に交流電流を印加してインピーダンスを測定するインピーダンス測定部と、前記インピーダンス測定部により測定したインピーダンス測定値に基づいて前記胸水の有無又は貯留の程度を推定する胸水推定部とを備える、胸水推定装置である。 A ninth aspect of the present invention is a pleural effusion estimating device for estimating the presence or absence of pleural effusion in a subject or the degree of accumulation, the apparatus comprising: applying an alternating current to an electrode portion that is in percutaneous contact with the subject; A pleural effusion estimating device includes an impedance measurement unit that measures impedance, and a pleural effusion estimation unit that estimates the presence or absence of the pleural effusion or the degree of accumulation based on the impedance measurement value measured by the impedance measurement unit.
本願発明の第１０の観点は、対象の胸腔内の状態の推定を行う胸腔内推定装置であって、第９の観点の胸水推定部の推定結果に加えて、体重、血圧、血中酸素飽和度、又は、血液検査データである白血球数、γGTP値、Cre値、Na値、K値、若しくは、CRP値も用いて胸腔内の状態の推定を行う、胸腔内推定装置である。 A tenth aspect of the present invention is an intrathoracic cavity estimation device that estimates the intrathoracic state of a subject, and in addition to the estimation results of the pleural effusion estimator of the ninth aspect, body weight, blood pressure, blood oxygen saturation, etc. This is an intrathoracic cavity estimation device that estimates the intrathoracic state using blood test data such as white blood cell count, γGTP value, Cre value, Na value, K value, or CRP value.
本願発明の第１１の観点は、対象に貯留されている胸水の有無又は貯留の程度を推定する胸水推定システムを用いた胸水推定方法であって、前記胸水推定システムは、前記対象の胸部に経皮的に接触する電極部と、前記電極部に交流電流を印加してインピーダンスを測定するインピーダンス測定部と、前記インピーダンス測定部により測定したインピーダンス測定値を用いて前記胸水の有無又は貯留の程度を推定する胸水推定部と、前記インピーダンス測定部及び胸水推定部を制御する制御部とを備えるものであり、前記電極部を前記対象の胸部に経皮的に接触させる電極接触ステップと、前記制御部が、前記インピーダンス測定部に、前記電極部に交流電流を印加してインピーダンスを測定させるインピーダンス測定ステップと、前記制御部が、前記胸水推定部に、前記インピーダンス測定ステップにて測定したインピーダンス測定値を用いて前記胸水の有無又は貯留の程度を推定させる胸水推定ステップとを含む、胸水推定方法である。 An eleventh aspect of the present invention is a pleural effusion estimation method using a pleural effusion estimation system for estimating the presence or absence of pleural effusion in a subject or the degree of accumulation, the pleural effusion estimation system comprising: An electrode part that makes skin contact, an impedance measurement part that measures impedance by applying an alternating current to the electrode part, and an impedance measurement value measured by the impedance measurement part to determine the presence or absence of the pleural effusion or the degree of accumulation. a pleural effusion estimator for estimating the pleural effusion; and a control section for controlling the impedance measuring section and the pleural effusion estimating section; an impedance measuring step in which the impedance measuring section applies an alternating current to the electrode section to measure impedance; and the control section sends the impedance measurement value measured in the impedance measuring step to the pleural effusion estimating section. pleural effusion estimation step of estimating the presence or absence of the pleural effusion or the degree of accumulation using the pleural effusion estimation method.
本願発明の第１２の観点は、コンピュータに、第１１の観点の制御部として機能させるプログラムである。 A twelfth aspect of the present invention is a program that causes a computer to function as the control unit of the eleventh aspect.
本願発明の第１３の観点は、第１１の観点の胸水推定方法を用いた胸腔内推定方法であって、第１１の観点の胸水推定推定ステップに加えて、体重、血圧、又は、血液検査データである白血球数、γGTP値、Cre値、Na値、K値、若しくは、CRP値も用いて胸腔内の状態の推定を行う胸腔内推定ステップを含む、胸腔内推定方法である。 A thirteenth aspect of the present invention is an intrathoracic estimation method using the pleural effusion estimation method according to the eleventh aspect, in which, in addition to the step of estimating pleural effusion according to the eleventh aspect, body weight, blood pressure, or blood test data This intrathoracic estimation method includes an intrathoracic estimation step of estimating the intrathoracic state using the white blood cell count, γGTP value, Cre value, Na value, K value, or CRP value.
本願発明の各観点によれば、経時的かつ非侵襲的に対象の胸腔内インピーダンス測定を実施し、胸水の有無及び／又は貯留の程度を推定することが可能になる。 According to each aspect of the present invention, it becomes possible to measure the intrathoracic impedance of a subject non-invasively over time and estimate the presence or absence of pleural effusion and/or the degree of accumulation.
また、従来より胸水の貯留の診断に用いられているＣＴ装置又はレントゲン装置に比べ、本願発明の胸水推定システムは小型化及び軽量化が可能である。そのため、設置場所の自由度があがり、病院だけではなく、例えば患者宅や高齢者施設などにも設置可能である。しかも、電極部を指定箇所に貼付することで測定可能となる。そのため、どこでも簡易的、かつ非侵襲的に重症度や増悪の兆候を把握することが可能になる。 Furthermore, compared to CT devices or X-ray devices that have been conventionally used to diagnose pleural effusion accumulation, the pleural effusion estimation system of the present invention can be made smaller and lighter. Therefore, the degree of freedom in installation location is increased, and it can be installed not only in hospitals but also, for example, in patient's homes and facilities for the elderly. Furthermore, measurement is possible by pasting the electrode section on a designated location. Therefore, it becomes possible to easily and non-invasively grasp the severity and signs of exacerbation anywhere.
また、呼吸器感染症等で周囲への感染リスクが懸念される患者の肺炎・心不全の状態を継時的にかつ遠隔からオンラインでも把握可能となる。 It will also be possible to monitor the status of pneumonia and heart failure of patients with respiratory infections, etc., who are at risk of infecting their surroundings, over time and remotely online.
さらに、画像診断と異なり、肺内の状況を継時的に評価することが可能となる。このため、医療関係者だけでなく患者の家族や高齢者施設の関係者など医療従事者でない者にも状況理解が容易となる。結果として、患者宅や高齢者施設において受診や注意の必要性を把握することが容易となる。 Furthermore, unlike image diagnosis, it becomes possible to evaluate the situation inside the lungs over time. Therefore, the situation can be easily understood not only by medical personnel but also by non-medical personnel such as the patient's family and people involved in nursing care facilities. As a result, it becomes easy to understand the need for medical examination and caution at a patient's home or elderly care facility.
本願発明の第２の観点によれば、より容易に胸水の有無及び／又は貯留の程度を推定することが可能になる。 According to the second aspect of the present invention, it becomes possible to more easily estimate the presence or absence of pleural effusion and/or the degree of accumulation.
本願発明の第３及び第４の観点によれば、対象の体格を反映させることにより、さらに高精度に胸水の有無及び／又は貯留の程度を推定することが可能になる。 According to the third and fourth aspects of the present invention, by reflecting the subject's physique, it becomes possible to estimate the presence or absence of pleural effusion and/or the degree of accumulation with higher accuracy.
本願発明の第５及び第６の観点によれば、さらに高精度に胸水の有無及び／又は貯留の程度を推定することが可能になる。古くから経胸郭インピーダンスの計測による呼吸や循環動態の研究は行われてきた。しかしながら、インピーダンスを規定する因子は胸郭内水分量以外にも皮膚、皮下組織、脂肪量、肺の実質組織が存在し、精度の面から臨床応用は難しいとされ、十分に確立した測定手法はなかった。発明者が提案する測定周波数で測定することにより、インピーダンスを規定する因子に対する胸郭内水分量の影響が反映されやすくなり、さらに高精度に胸水の有無及び／又は貯留の程度を推定することが可能になる。 According to the fifth and sixth aspects of the present invention, it becomes possible to estimate the presence or absence of pleural effusion and/or the degree of accumulation with even higher accuracy. Research on respiration and hemodynamics has been conducted for a long time by measuring transthoracic impedance. However, factors that determine impedance include skin, subcutaneous tissue, fat mass, and parenchymal tissue in the lungs in addition to intrathoracic water content, making clinical application difficult due to accuracy, and there is no fully established measurement method. Ta. By measuring at the measurement frequency proposed by the inventor, the influence of intrathoracic water content on the factors that define impedance is more likely to be reflected, and the presence or absence of pleural effusion and/or the degree of accumulation can be estimated with higher accuracy. become.
以下、図面を参照して本願発明の実施形態を詳細に説明する。なお、本願発明の実施例は、以下に記載する内容に限定されるものではない。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. Note that the embodiments of the present invention are not limited to the contents described below.
図１は、実施例１に係る胸水推定システム１の概要を示すブロック図である。胸水推定システム１は、胸水推定装置２と、電極部３とを備える。胸水推定装置２は、インピーダンス測定部５と、胸水推定部７と、制御部９と、記憶部１１と、通信部１３、モデル生成部１５とを備える。 FIG. 1 is a block diagram showing an overview of a pleural effusion estimation system 1 according to a first embodiment. The pleural effusion estimation system 1 includes a pleural effusion estimation device 2 and an electrode section 3. The pleural effusion estimation device 2 includes an impedance measurement section 5, a pleural effusion estimation section 7, a control section 9, a storage section 11, a communication section 13, and a model generation section 15.
電極部３は、電流を印加するために対象の胸部に経皮的に接触させるものである。本実施例では、対象の胸部に貼付け可能な30mm×40mmの貼付面を有する電極パッドを複数用いた。インピーダンス測定部５は、電極間に交流電流を印加してインピーダンスを測定する。 The electrode section 3 is brought into percutaneous contact with the subject's chest in order to apply current. In this example, a plurality of electrode pads each having an attachment surface of 30 mm x 40 mm that can be attached to the subject's chest were used. The impedance measurement unit 5 applies an alternating current between electrodes to measure impedance.
胸水推定部７は、インピーダンス測定部により測定したインピーダンス測定値を用いて胸水の有無又は貯留の程度を推定する。具体的には、モデル生成部１５により生成された推定モデルを用いて、インピーダンス測定部５により測定されたインピーダンス測定値から対象の胸水の有無又は貯留の程度を推定する。 The pleural effusion estimating unit 7 estimates the presence or absence of pleural effusion or the degree of accumulation using the impedance measurement value measured by the impedance measuring unit. Specifically, the estimation model generated by the model generation unit 15 is used to estimate the presence or absence of pleural effusion in the subject or the degree of accumulation from the impedance measurement value measured by the impedance measurement unit 5.
制御部９は、インピーダンス測定部５を制御して、所定の周波数の交流を電極部３から印加させる。また、制御部９は、胸水推定部７を制御して、インピーダンス測定部５による測定結果に基づいて、対象の胸水の有無又は貯留の程度を推定させる。記憶部１１は、インピーダンス測定部５による測定結果、他の方法による胸水の有無又は貯留の程度の診断結果、モデル生成部１５により生成された推定モデル、及び／又は、胸水推定部７による推定結果を記憶する。 The control unit 9 controls the impedance measurement unit 5 to apply alternating current at a predetermined frequency from the electrode unit 3 . Further, the control unit 9 controls the pleural effusion estimating unit 7 to estimate the presence or absence of pleural effusion in the target or the degree of accumulation based on the measurement result by the impedance measurement unit 5. The storage unit 11 stores the measurement results by the impedance measurement unit 5, the diagnosis results of the presence or absence of pleural effusion or the degree of accumulation by other methods, the estimated model generated by the model generation unit 15, and/or the estimation results by the pleural effusion estimation unit 7. remember.
通信部１３は、インピーダンス測定部５による測定結果、胸水推定部７による推定結果、及び／又は、記憶部９が記憶した測定結果を通信する。 The communication unit 13 communicates the measurement results by the impedance measurement unit 5, the estimation results by the pleural effusion estimation unit 7, and/or the measurement results stored in the storage unit 9.
モデル生成部１５は、統計データの分析により、又は、教師データに基づく機械学習により、胸水の有無や胸水の貯留の程度を推定する推定モデルを生成する。 The model generation unit 15 generates an estimation model for estimating the presence or absence of pleural effusion and the degree of pleural effusion accumulation by analyzing statistical data or by machine learning based on teacher data.
図２は、実施例１に係る胸水推定システム１による推定モデルの概要を示す図である。モデル生成部１５は、記憶部１１に記憶されたインピーダンス測定値と胸水の有無又は貯留の程度とを教師データとして用い、入力をインピーダンス測定値とし、出力をインピーダンス測定値の測定時における胸水の有無又は貯留の程度とする推定モデルを機械学習により生成する。なお、教師データとして用いた貯留の程度とは、例えば、画像診断の結果から、「胸水が無い」、「軽症（胸水が１／３以下だけ貯留されている）」、「中等症以上（胸水が１／３より多い）」の三段階に分けたものである。 FIG. 2 is a diagram showing an outline of an estimation model by the pleural effusion estimation system 1 according to the first embodiment. The model generation unit 15 uses the impedance measurement value stored in the storage unit 11 and the presence or absence of pleural effusion or the degree of accumulation as training data, takes the input as the impedance measurement value, and outputs the presence or absence of pleural effusion at the time of measuring the impedance measurement value. Alternatively, an estimation model for the degree of storage is generated by machine learning. The degree of retention used as training data refers to, for example, "no pleural effusion", "mild disease (less than 1/3 of the pleural effusion has accumulated)", "moderate or more severe disease" (pleural effusion), based on the results of image diagnosis. It is divided into three stages: 1/3 or more).
図３は、胸水推定システムによるインピーダンスの測定結果を示す図である。胸腔内に水分が貯留した状態である心不全罹患者を対象とし、疾患の改善前後での胸腔インピーダンスを測定した。 FIG. 3 is a diagram showing the results of impedance measurement by the pleural effusion estimation system. Thoracic cavity impedance was measured before and after the disease had improved in patients with heart failure who had fluid accumulation in their thoracic cavity.
具体的な測定方法を下記に示す。まず、安静仰臥位の状態を15分以上保ったのちに、胸骨剣状突起から平行に腋窩中線との交点を電極板の貼付位置に設定し、アルコール面で表皮を清拭後に大きさ30mm×40mmで長方形の電極パッドを貼付した。そして、2～500ｋHzの範囲で交流電流を印加してインピーダンス測定を行った。なお、以下の「インピーダンス測定値」としては、測定値からCole-Coleプロットを用いて推定される、周波数を0に近づけた時の極限値を用いた。 A specific measurement method is shown below. First, after maintaining a resting supine position for at least 15 minutes, set the electrode plate attachment position parallel to the xiphoid process of the sternum and the midline of the axilla, and after wiping the epidermis with an alcohol surface, a 30 mm A rectangular electrode pad measuring 40 mm was attached. Then, impedance was measured by applying an alternating current in the range of 2 to 500 kHz. In addition, as the "impedance measurement value" below, the limit value when the frequency approaches 0, which is estimated from the measurement value using a Cole-Cole plot, was used.
心不全罹患者は、胸部X線単純写真やコンピュータ断層撮影（Computed Tomography以後CT）により胸腔内および肺内に水分貯留を認める。そこで、まず胸水貯留時に胸腔内インピーダンスを測定し、心不全が改善し胸腔内の水分貯留が改善した段階で再度測定を施行した。 In patients with heart failure, plain chest X-rays and computed tomography (CT) show fluid accumulation in the thoracic cavity and lungs. Therefore, we first measured the intrathoracic impedance during pleural effusion, and then measured it again when the heart failure had improved and the intrathoracic fluid accumulation had improved.
得られたインピーダンス測定値は、胸水貯留時と胸水消失時で有意差を認め、胸水消失時で平均値46.1（95％信頼区間42.05－50.12）で、胸水貯留時は平均値30.2（95％信頼区間26.82－33.55）であった。この結果より、インピーダンス測定値は心不全罹患時の胸腔内の分析に有用であることが分かった。 The obtained impedance measurements showed a significant difference between when pleural effusion occurred and when pleural effusion disappeared, with an average value of 46.1 (95% confidence interval 42.05-50.12) when pleural effusion disappeared, and an average value of 30.2 (95% confidence interval) when pleural effusion occurred. section 26.82-33.55). These results showed that impedance measurements are useful for intrathoracic analysis during heart failure.
図３に示すように、ｐ値は十分に小さいことから、胸水の有無によってインピーダンス測定値に有意な差があることが分かる。 As shown in FIG. 3, since the p value is sufficiently small, it can be seen that there is a significant difference in the impedance measurement value depending on the presence or absence of pleural effusion.
図４は、図３のインピーダンス測定値のロジスティック回帰分析の結果を示す図である。 FIG. 4 is a diagram showing the results of a logistic regression analysis of the impedance measurements of FIG. 3.
図４には、インピーダンス測定値から胸水の有無が予測される境界が曲線グラフで示されている。横軸はインピーダンス測定値（Ω）であり、縦軸は胸水有りである確率pとしてデータから得られる回帰式を当てはめたものである。具体的には、目的変数をロジットLogit(p)、回帰変数をC0, C1、説明変数をインピーダンス測定値として、ロジットZ = Logit(p) = C0 + C1×インピーダンス測定値と表される。また、ロジスティック曲線は、ｐ＝1/（1+e(-Z)）で表される。ｐの値が0.5を超えた場合は「胸水有り」、0.5未満であれば「胸水無し」と判定される。この曲線グラフと、実際に胸水の有無を確認した結果を混同行列として表１に示す。 FIG. 4 shows a curved line representing the boundary where the presence or absence of pleural effusion is predicted from the impedance measurement value. The horizontal axis is the impedance measurement value (Ω), and the vertical axis is the probability p of having a pleural effusion, which is obtained by applying the regression equation obtained from the data. Specifically, it is expressed as Logit Z = Logit(p) = C 0 + C 1 × impedance measurement value, where the objective variable is Logit(p), the regression variables are C0, C1, and the explanatory variables are impedance measurement values. . Further, the logistic curve is expressed as p=1/(1+e (-Z) ). If the p value exceeds 0.5, it is determined that there is a pleural effusion, and if it is less than 0.5, it is determined that there is no pleural effusion. This curve graph and the results of actually confirming the presence or absence of pleural effusion are shown in Table 1 as a confusion matrix.
100名の被験者において、胸水無しと予測されて実際に胸水が無かった人数が27人、胸水無しと予測されて実際には胸水が有った人数が9人、胸水有りと予測されて実際には胸水が無かった人数が14人、胸水有りと予測されて実際に胸水が有った人数が50人であった。このことから、感度は、50／（50+9）＝84.7％であった。全体での予測の正解率は、（27+50）／100＝77％であった。 Among 100 subjects, 27 people were predicted to have no pleural effusion but actually did not have pleural effusion, 9 people were predicted to have no pleural effusion but actually had pleural effusion, and 9 people predicted to have pleural effusion but actually did not have pleural effusion. There were 14 people who did not have pleural effusions, and 50 people who were expected to have pleural effusions but actually had pleural effusions. From this, the sensitivity was 50/(50+9)=84.7%. The overall prediction accuracy rate was (27+50)/100=77%.
一般に、胸部埋め込み型機器による心不全の感度が条件を整えても60-70％であることに鑑みると、医療現場以外で簡易的かつ非侵襲的に判断する手法としては十分に精度が実用に堪えるものといえる。 Considering that the sensitivity of heart failure using chest-implanted devices is generally 60-70% even under the right conditions, the accuracy is sufficient for practical use as a simple and non-invasive method of determining outside of medical settings. It can be said to be a thing.
実施例２に係る胸水推定システムは、基本的な構成は実施例１と同様である。 The basic configuration of the pleural effusion estimation system according to the second embodiment is the same as that of the first embodiment.
実施例２に係る胸水推定システムが備える記憶部は、インピーダンス測定部５による測定結果、対象の胸囲の二乗をインピーダンス測定値で割った商であるインピーダンス指数、他の方法による胸水の有無又は貯留の程度の診断結果、モデル生成部により生成された推定モデル、及び／又は、胸水推定部による推定結果を記憶する。 The storage unit included in the pleural effusion estimation system according to the second embodiment stores the measurement results by the impedance measurement unit 5, the impedance index which is the quotient of the square of the chest circumference of the subject divided by the impedance measurement value, and the presence or absence of pleural effusion or accumulation determined by other methods. A diagnosis result of the extent, an estimation model generated by the model generation unit, and/or an estimation result by the pleural effusion estimation unit are stored.
図５は、実施例２に係る胸水推定システムによる推定モデルの概要を示す図である。モデル生成部は、記憶部に記憶されたインピーダンス指数、及び、画像診断結果から得られた胸水の有無又は貯留の程度とを教師データとして用い、入力をインピーダンス指数とし、出力をインピーダンス測定値の測定時における胸水の有無とする推定モデルを機械学習により生成する。ここで、インピーダンス指数は、対象の胸囲又は身幅及びインピーダンス測定値を用いて指数値として算出した値である。 FIG. 5 is a diagram showing an outline of an estimation model by the pleural effusion estimation system according to the second embodiment. The model generation unit uses the impedance index stored in the storage unit and the presence or absence of pleural effusion or the degree of accumulation obtained from the image diagnosis results as training data, takes the input as the impedance index, and uses the output as the measurement of the impedance measurement value. A model for estimating the presence or absence of pleural effusion is generated by machine learning. Here, the impedance index is a value calculated as an index value using the subject's chest circumference or body width and the impedance measurement value.
胸水推定部は、モデル生成部により生成された推定モデルを用いて、インピーダンス測定部５により測定されたインピーダンス測定値を用いたインピーダンス指数から対象の胸水の有無又は貯留の程度を推定する。なお、以下の「インピーダンス指数」としては、測定値からCole-Coleプロットを用いて推定される、周波数を０に近づけた時の極限値を用いた。 The pleural effusion estimating unit estimates the presence or absence of pleural effusion or the degree of accumulation in the subject from an impedance index using the impedance measurement value measured by the impedance measurement unit 5 using the estimation model generated by the model generation unit. Note that, as the "impedance index" below, the limit value when the frequency is brought close to 0, which is estimated from the measured values using a Cole-Cole plot, was used.
また、インピーダンス指数、胸水の有無又は貯留の程度の他に、身体所見、血液検査の結果、過去のインピーダンス測定値、体表面積、及び／又は、胸郭比・浸潤影の有無・浸潤影の範囲等の画像診断結果を教師データとして用いることにより、さらに精度よく胸水の有無又は貯留の程度を推定可能となる。身体所見には、酸素飽和度、脈拍数、血圧値が含まれるものであってもよい。 In addition to the impedance index, the presence or absence of pleural effusion, or the degree of accumulation, physical findings, blood test results, past impedance measurements, body surface area, and/or thoracic ratio, presence or absence of infiltrative shadows, range of infiltrative shadows, etc. By using the image diagnosis results as training data, it becomes possible to estimate the presence or absence of pleural effusion or the degree of accumulation with higher accuracy. Physical findings may include oxygen saturation, pulse rate, and blood pressure values.
図６は、胸水の有無とインピーダンス指数との関係性を示す図である。胸腔内に水分が貯留した状態である心不全罹患者を対象とし、疾患の改善前後でのインピーダンスを測定し、対象の胸囲又は身幅の二乗をインピーダンス測定値で割った商としてインピーダンス指数を算出した。 FIG. 6 is a diagram showing the relationship between the presence or absence of pleural effusion and the impedance index. Impedance was measured before and after improvement of the disease in patients with heart failure who had fluid accumulation in their thoracic cavity, and the impedance index was calculated as the quotient of the square of the subject's chest circumference or body width divided by the measured impedance value.
具体的な測定方法は実施例１と同様である。 The specific measuring method is the same as in Example 1.
得られたインピーダンス指数は、胸水貯留時と胸水消失時で有意差があり、胸水消失時で平均値34.6（95％信頼区間29.17－40.13）で、胸水貯留時は平均値54.7（95％信頼区間50.14－59.28）であった。この結果より、インピーダンス指数は心不全罹患時の胸腔内の分析に有用であることが分かった。 There was a significant difference in the obtained impedance index between pleural effusion and disappearance, with an average value of 34.6 (95% confidence interval 29.17-40.13) when pleural effusion disappeared, and an average value of 54.7 (95% confidence interval) when pleural effusion occurred. 50.14-59.28). These results showed that the impedance index is useful for intrathoracic analysis during heart failure.
図７は、胸水推定システムによる図６のインピーダンス測定値のロジスティック回帰分析の結果を示す図である。この曲線グラフと、実際に胸水の有無を確認した結果を混同行列として表２に示す。 FIG. 7 is a diagram showing the results of a logistic regression analysis of the impedance measurements of FIG. 6 by the pleural effusion estimation system. This curve graph and the results of actually confirming the presence or absence of pleural effusion are shown in Table 2 as a confusion matrix.
１００名の被験者において、胸水無しと予測されて実際に胸水が無かった人数が２８人、胸水無しと予測されて実際には胸水が有った人数が１３人、胸水有りと予測されて実際には胸水が無かった人数が１３人、胸水有りと予測されて実際に胸水が有った人数が４６人であった。このことから、感度は、４６／（１３＋４６）＝７７．９％であった。全体の予測の正解率は、（２８＋４６）／１００＝７４％であった。 Among 100 subjects, 28 people who were predicted to have no pleural effusion actually did not have pleural effusion, 13 people who were predicted to have no pleural effusion actually had pleural effusion, and 13 people who were predicted to have pleural effusion but actually did not have pleural effusion. The number of people who did not have pleural effusion was 13, and the number of people who were predicted to have pleural effusion but actually had pleural effusion was 46. From this, the sensitivity was 46/(13+46)=77.9%. The overall prediction accuracy rate was (28+46)/100=74%.
インピーダンス指数を用いた分析でも、医療現場以外で簡易的に判断する手法としては十分に精度が実用に堪えるものといえる。 Analysis using the impedance index can be said to be sufficiently accurate for practical use as a method for simple judgment outside of medical settings.
実施例２では、対象の体格差を反映させることにより、実施例１よりもさらに幅広い対象者にも適切に胸水の有無を推定することが可能になる。 In the second embodiment, by reflecting the physical differences of the subjects, it becomes possible to appropriately estimate the presence or absence of pleural effusion even in a wider range of subjects than in the first embodiment.
本実施例に係る胸水推定システムは、基本的には実施例２に係る胸水推定システムと同様の構成である。ただし、実施例３では、インピーダンス指数として、対象の身幅をインピーダンス測定値で割った商を用いた。測定方法は、実施例１及び２と同様である。 The pleural effusion estimation system according to the present embodiment basically has the same configuration as the pleural effusion estimation system according to the second embodiment. However, in Example 3, the quotient obtained by dividing the subject's body width by the measured impedance value was used as the impedance index. The measurement method is the same as in Examples 1 and 2.
図８は、胸水の有無と別のインピーダンス指数との関係性を示す図である。得られたインピーダンス指数は、胸水貯留時と胸水消失時で有意差があり、胸水消失時で平均値1.02 （95％信頼区間 0.956-1.086）で、胸水貯留時は平均値0.576（95％信頼区間0.519－0.633）であった。この結果より、本実施例のインピーダンス指数も、心不全罹患時の胸腔内の分析に有用であることが分かった。 FIG. 8 is a diagram showing the relationship between the presence or absence of pleural effusion and another impedance index. There was a significant difference in the obtained impedance index between pleural effusion and disappearance, with an average value of 1.02 (95% confidence interval 0.956-1.086) when pleural effusion disappeared, and an average value of 0.576 (95% confidence interval) when pleural effusion occurred. 0.519-0.633). From this result, it was found that the impedance index of this example is also useful for analyzing the inside of the thoracic cavity when suffering from heart failure.
図９は、胸水推定システムによる図８のインピーダンス測定値のロジスティック回帰分析の結果を示す図である。この曲線グラフと、実際に胸水の有無を確認した結果を混同行列として表３に示す。 FIG. 9 is a diagram showing the results of a logistic regression analysis of the impedance measurements of FIG. 8 by the pleural effusion estimation system. This curve graph and the results of actually confirming the presence or absence of pleural effusion are shown in Table 3 as a confusion matrix.
195名の被験者において、胸水無しと予測されて実際に胸水が無かった人数が94人、胸水無しと予測されて実際には胸水が有った人数が20人、胸水有りと予測されて実際には胸水が無かった人数が16人、胸水有りと予測されて実際に胸水が有った人数が65人であった。このことから、感度は、65／（65+20）＝76.5%であった。全体の予測の正解率は、（65+94）／195＝81.5％であった。 Among the 195 subjects, 94 people who were predicted to have no pleural effusion actually had no pleural effusion, 20 people who were predicted to have no pleural effusion actually had pleural effusion, and 20 people who were predicted to have pleural effusion but actually did not have pleural effusion. The number of people who did not have pleural effusion was 16, and the number of people who were predicted to have pleural effusion but actually had pleural effusion was 65. From this, the sensitivity was 65/(65+20)=76.5%. The overall prediction accuracy rate was (65+94)/195=81.5%.
本実施例のインピーダンス指数を用いた分析でも、医療現場以外で簡易的に判断する手法としては十分に精度が実用に堪えるものといえる。 The analysis using the impedance index of this embodiment can also be said to have sufficient accuracy for practical use as a method for simple judgment outside of medical settings.
本実施例では、モデル生成部が、インピーダンス測定値又はインピーダンス指数に加えて、酸素飽和度を入力とする推定モデルを生成した。 In this example, the model generation unit generated an estimation model that uses oxygen saturation as input in addition to the impedance measurement value or impedance index.
ただし、一般的な酸素飽和度ではなく、本発明者が提案する「推定酸素飽和度」を以下のように求めて入力とした。 However, instead of the general oxygen saturation, the "estimated oxygen saturation" proposed by the present inventor was calculated as follows and was input.
表４に酸素飽和度―酸素分圧換算表の一部と、酸素流量に対する吸入酸素濃度の目安を記載して示す。まず、鼻カヌラ等で酸素投与されている対象者の測定された酸素飽和度をその時の酸素分圧に換算する。このとき、表４に例示した酸素飽和度―酸素分圧換算表（表４中のI）を参照する。得られた酸素分圧の値をAとする。次に、表４中のIIIを参照して、投与している酸素流量から対応する吸入酸素濃度Bを特定する。続いて、患者に投与されている推定酸素分圧として、C=A×0.21/Bを求める。ここで、0.21は大気中の酸素濃度である。最後に、算出された推定酸素分圧Cに対応する推定酸素飽和度を、酸素飽和度―酸素分圧換算表を参照して得る（表４中のII）。得られた推定酸素飽和度は、酸素投与がないとした場合の酸素飽和度の推定値に対応する。 Table 4 shows a part of the oxygen saturation/oxygen partial pressure conversion table and a guideline for the inspired oxygen concentration relative to the oxygen flow rate. First, the measured oxygen saturation of a subject receiving oxygen through a nasal cannula or the like is converted into the oxygen partial pressure at that time. At this time, refer to the oxygen saturation-oxygen partial pressure conversion table (I in Table 4) illustrated in Table 4. Let A be the value of the oxygen partial pressure obtained. Next, with reference to III in Table 4, the corresponding inspired oxygen concentration B is specified from the administered oxygen flow rate. Next, calculate C=A×0.21/B as the estimated partial pressure of oxygen being administered to the patient. Here, 0.21 is the oxygen concentration in the atmosphere. Finally, the estimated oxygen saturation corresponding to the calculated estimated oxygen partial pressure C is obtained with reference to the oxygen saturation-oxygen partial pressure conversion table (II in Table 4). The obtained estimated oxygen saturation corresponds to the estimated value of oxygen saturation in the case of no oxygen administration.
本発明に係る胸水推定システムは、上記の手順で酸素飽和度から推定酸素飽和度を得る推定酸素飽和度換算部を得るものであってもよい。 The pleural effusion estimation system according to the present invention may obtain an estimated oxygen saturation conversion unit that obtains estimated oxygen saturation from oxygen saturation using the above-described procedure.
具体例を述べる。酸素飽和度SpO2が96%で、鼻カヌラで2.0L/minの酸素を投与しているとする。このとき、表４のIを参照して、対応する酸素分圧は82Torrであることが分かる（A）。次に、吸入酸素流量が2.0L/minであるため、表４のIIIを参照して、吸入酸素濃度は28%と分かる（B）。したがって、C=82×0.21/0.28=61.5を算出する。最後に、表４のIIを参照して、推定酸素飽和度として91%を得る。 A specific example will be described. Assume that the oxygen saturation SpO2 is 96% and that 2.0 L/min of oxygen is being administered through the nasal cannula. At this time, referring to I in Table 4, it can be seen that the corresponding oxygen partial pressure is 82 Torr (A). Next, since the intake oxygen flow rate is 2.0 L/min, referring to III in Table 4, the intake oxygen concentration is found to be 28% (B). Therefore, calculate C=82×0.21/0.28=61.5. Finally, refer to II in Table 4 to obtain an estimated oxygen saturation of 91%.
本発明者は、通常の酸素飽和度を用いるよりも、本発明者が提案する推定酸素飽和度を用いることにより、推定モデルがより精度よく推定できることを見出した。 The present inventor has found that the estimation model can be estimated more accurately by using the estimated oxygen saturation proposed by the present inventor than by using the normal oxygen saturation.
本実施例では、モデル生成部が、インピーダンス測定値又はインピーダンス指数、及び、推定酸素飽和度に加えて、脈拍数を入力とする推定モデルを生成した。 In this example, the model generation unit generated an estimation model that uses the pulse rate as input in addition to the measured impedance value or impedance index and the estimated oxygen saturation level.
胸水が存在し又は貯留すると、血中の酸素飽和度が低下する。そのため、脈拍が異常に上がる傾向がある。したがって、脈拍数も入力とすることにより、推定モデルの推定精度をさらに向上させることが可能となる。 The presence or accumulation of pleural effusions decreases oxygen saturation in the blood. As a result, the pulse rate tends to increase abnormally. Therefore, by inputting the pulse rate as well, it is possible to further improve the estimation accuracy of the estimation model.
本実施例では、インピーダンス測定値又はインピーダンス指数、推定酸素飽和度、脈拍数を用いて多重ロジスティック回帰分析による予測を行った。具体的には、本実施例におけるロジスティック回帰式として、ロジットLogit(p)= C0+C1×（インピーダンス指数）+C2×（推定酸素飽和度[%]）+C3×（脈拍[bpm]）を用いる。 In this example, prediction was performed by multiple logistic regression analysis using the impedance measurement value or impedance index, estimated oxygen saturation, and pulse rate. Specifically, the logistic regression equation in this example is Logit(p) = C0 + C1 × (impedance index) + C2 × (estimated oxygen saturation [%]) + C3 × (pulse rate [bpm]). use
本実施例では、インピーダンス測定値又はインピーダンス指数、推定酸素飽和度、脈拍数に加えて、血液検査データ（白血球数、Na値、CRP値）を用いて多重ロジスティック回帰分析による予測を行った。具体的には、本実施例におけるロジスティック回帰式として、ロジットLogit(p)= C0+C1×R(インピーダンス)＋C2×CRP値＋C3×脈拍数－C4×推定酸素飽和度－C5×白血球数＋C6×Na値を用いた。 In this example, prediction was performed by multiple logistic regression analysis using blood test data (white blood cell count, Na value, CRP value) in addition to the impedance measurement value or impedance index, estimated oxygen saturation, and pulse rate. Specifically, the logistic regression equation in this example is Logit(p) = C0 + C1 × R (impedance) + C2 × CRP value + C3 × pulse rate - C4 × estimated oxygen saturation - C5 × white blood cell count + C6 × Na value was used.
本実施例による手法と、実際に胸水の有無を確認した結果を混同行列として表５に示す。 Table 5 shows the method according to this embodiment and the results of actually confirming the presence or absence of pleural effusion as a confusion matrix.
１８１名の被験者において、胸水無しと予測されて実際に胸水が無かった人数が９７人、胸水無しと予測されて実際には胸水が有った人数が１１人、胸水有りと予測されて実際には胸水が無かった人数が１０人、胸水有りと予測されて実際に胸水が有った人数が６３人であった。このことから、感度は、６３／（１１＋６３）＝８５．１％であった。全体の予測の正解率は、（９７＋６３）／１８１＝８８．３％であった。 Among the 181 subjects, 97 people who were predicted to have no pleural effusion actually had no pleural effusion, 11 people who were predicted to have no pleural effusion actually had pleural effusion, and 11 people who were predicted to have pleural effusion but actually did not have pleural effusion. There were 10 people who did not have pleural effusions, and 63 people who were predicted to have pleural effusions but actually had pleural effusions. From this, the sensitivity was 63/(11+63)=85.1%. The overall prediction accuracy rate was (97+63)/181=88.3%.
さらに、本実施例では、胸水の貯留の程度について、「兆候なし」「軽症」「中等症以上」の三段階に分けた分析結果について述べる。なお、本実施例では、インピーダンス指数として、被験者の身幅をインピーダンス測定値で割った商を用いた。 Furthermore, this example describes the analysis results of the degree of pleural effusion divided into three levels: "no symptoms," "mild symptoms," and "moderate or higher symptoms." In this example, the quotient obtained by dividing the subject's body width by the measured impedance value was used as the impedance index.
図１０は、三段階に分けた胸水の貯水の程度と、インピーダンス指数との関係性を示す図である。得られたインピーダンス指数は、三段階のそれぞれで有意差があり、胸水の「兆候なし」で平均値0.576（95％信頼区間 0.521-0.631）で、「軽症」では平均値0.890（95％信頼区間0.793－0.987）、「中等症以上」では平均値1.117（95％信頼区間1.034－1.199）であった。 FIG. 10 is a diagram showing the relationship between the degree of pleural effusion divided into three stages and the impedance index. The impedance index obtained had a significant difference in each of the three stages, with a mean value of 0.576 (95% confidence interval 0.521-0.631) for "no sign of pleural effusion" and a mean value of 0.890 (95% confidence interval) for "mild". 0.793-0.987), and the mean value for "moderate or higher" was 1.117 (95% confidence interval 1.034-1.199).
さらに、図１１及び図１２を参照して、本実施例の分析が胸水の貯留の程度の分析に有用であることを示す。図１１は、本実施例に係る胸水推定システムによる図１０のインピーダンス指数のロジスティック回帰分析の結果を示す図である。図１２は、本実施例の分析による受信者動作特性（ROC）分析の結果を示す図である。 Furthermore, with reference to FIGS. 11 and 12, it will be shown that the analysis of this example is useful for analyzing the degree of pleural effusion. FIG. 11 is a diagram showing the results of a logistic regression analysis of the impedance index of FIG. 10 by the pleural effusion estimation system according to the present example. FIG. 12 is a diagram showing the results of receiver operating characteristic (ROC) analysis according to the present embodiment.
図１１を参照して、「兆候なし」「軽症」「中等症以上」の三段階がきれいに分離されていることが示されている。また、図１２を参照して、受診者応答曲線のAUC(Area Under the Curve)は、「軽症」及び「中等症以上」に対応する曲線についてそれぞれ0.885、0.848と高い値を示した。 Referring to FIG. 11, it is shown that the three stages of "no symptoms," "mild symptoms," and "moderate or higher symptoms" are clearly separated. Further, referring to FIG. 12, the AUC (Area Under the Curve) of the patient response curves showed high values of 0.885 and 0.848 for the curves corresponding to "mild symptoms" and "moderate or higher symptoms," respectively.
以上の結果より、本実施例のインピーダンス指数を用いた分析は、胸水の貯留の程度の分析にも有用であることが示された。 From the above results, it was shown that the analysis using the impedance index of this example is also useful for analyzing the degree of pleural effusion accumulation.
なお、上記の実施例では、インピーダンス指数を、胸囲の二乗をインピーダンス測定値で割った商や、身幅をインピーダンス測定値で割った商として算出した。しかし、インピーダンス指数として、他の定義を行ってもよい。例えば、身幅の二乗をインピーダンス測定値で割った商や、胸囲をインピーダンス測定値で割った商としてもよい。 In the above example, the impedance index was calculated as the quotient of the square of the chest circumference divided by the measured impedance value or the quotient of the body width divided by the measured impedance value. However, other definitions may be used as the impedance index. For example, it may be a quotient obtained by dividing the square of the body width by the measured impedance value, or a quotient obtained by dividing the chest circumference by the measured impedance value.
また、モデル生成部は、体重や体重の変化も入力とする推定モデルを生成するものであってもよい。胸水が貯留する結果として、体重が３－４ｋｇ程度増える傾向にある。そのため、体重や体重の変化も入力とすることにより、推定モデルの推定精度をさらに向上させることが可能となる。 Further, the model generation unit may generate an estimation model that also receives body weight or changes in body weight as input. As a result of pleural effusion, body weight tends to increase by about 3-4 kg. Therefore, by inputting body weight and changes in body weight, it is possible to further improve the estimation accuracy of the estimation model.
また、モデル生成部は、血液検査データのうち、K値、γGTP値、Cre値も入力とする推定モデルを生成するものであってもよい。 Furthermore, the model generation unit may generate an estimation model that also receives as input the K value, γGTP value, and Cre value among the blood test data.
さらに、モデル生成部は、本実施例に記載したインピーダンス測定値等の項目の他にも、対象者の年齢等の項目も入力とする推定モデルを生成するものであってもよい。 Furthermore, the model generation unit may generate an estimation model that inputs items such as the subject's age in addition to the items such as the impedance measurement value described in this embodiment.
さらに、「インピーダンス測定値」又は「インピーダンス指数」として、測定値からCole-Coleプロットを用いて推定される、周波数を無限大に近づけた時の極限値を用いてもよい。 Further, as the "impedance measurement value" or "impedance index", a limit value when the frequency approaches infinity, which is estimated from the measurement value using a Cole-Cole plot, may be used.
さらに、胸水の有無又は貯留の程度と共に、血圧等を考慮することで心不全や肺炎といった症状の判定も容易となる。本発明は、これらの症状の判定を行う症状判定部をさらに備える症状判定システムとして捉えてもよい。 Furthermore, by considering blood pressure and the like as well as the presence or absence of pleural effusion or the degree of accumulation, it becomes easier to determine symptoms such as heart failure and pneumonia. The present invention may be regarded as a symptom determination system further including a symptom determination section that determines these symptoms.
例えば、高齢者では肺炎を契機として胸水が貯留する傾向がある。また、心不全の場合には、肺炎の場合よりもさらに胸水が貯留する傾向がある。そのため、胸水が存在し、又は、所定の程度以上であると推定される場合に、状態推定部が、肺炎又は心不全である旨の推定を行うものであってもよい。また、胸水がさらに多く貯留していると推定される場合に、状態推定部が、心不全である旨の推定を行うものであってもよい。 For example, elderly people tend to accumulate pleural effusions due to pneumonia. Furthermore, in cases of heart failure, pleural effusion tends to accumulate even more than in cases of pneumonia. Therefore, when it is estimated that pleural effusion is present or is at a predetermined level or higher, the condition estimating unit may estimate that the patient has pneumonia or heart failure. Furthermore, when it is estimated that a larger amount of pleural effusion has accumulated, the state estimating unit may estimate that the patient is suffering from heart failure.
また、心不全には、心臓の機能が低下することで血圧が異常に下がる場合がある。結果として胸水が溜まることになる。また、血圧が非常に高値のために生じるものもある。症状判定部は、胸水が存在し、又は、所定の程度以上である場合であって、かつ、血圧が正常の範囲ではなく異常値を示す場合に、心不全の確率が高いと判定するものであってもよい。 Furthermore, in heart failure, blood pressure may drop abnormally due to decreased heart function. As a result, pleural effusion builds up. Others are caused by very high blood pressure. The symptom determination unit determines that the probability of heart failure is high when pleural effusion is present or is at a predetermined level or higher, and when blood pressure is not in the normal range but shows an abnormal value. It's okay.
新型コロナ感染症のように、今後も新たな呼吸器感染症が出現する可能性は十分にある。そのため、肺内変化を継時的に、かつ、非侵襲的に評価できることは、今後一層求められると考えられる。 There is a strong possibility that new respiratory infections, like the new coronavirus, will continue to emerge. Therefore, it is thought that the ability to evaluate intrapulmonary changes over time and in a non-invasive manner will become even more desirable in the future.
１；胸水推定システム、２；胸水推定装置、３；電極部、５；インピーダンス測定部、７；胸水推定部、９；制御部、１１；記憶部、１３；通信部、１５；モデル生成部 1; Pleural effusion estimation system; 2; Pleural effusion estimation device; 3; Electrode unit; 5; Impedance measurement unit; 7; Pleural effusion estimation unit; 9; Control unit; 11; Storage unit; 13; Communication unit; 15; Model generation unit
Claims (12)
前記対象の胸部に経皮的に接触する電極部と、
前記電極部に交流電流を印加してインピーダンスを測定するインピーダンス測定部と、
前記インピーダンス測定部により測定したインピーダンス測定値を用いて前記胸水の有無又は貯留の程度を推定する胸水推定部とを備える、胸水推定システム。 A pleural effusion estimation system for estimating the presence or absence of pleural effusion in a subject or the degree of accumulation,
an electrode part that makes transcutaneous contact with the chest of the subject;
an impedance measuring section that measures impedance by applying an alternating current to the electrode section;
A pleural effusion estimation system, comprising: a pleural effusion estimating unit that estimates the presence or absence of the pleural effusion or the degree of accumulation using the impedance measurement value measured by the impedance measuring unit.
前記記憶部に記憶された前記インピーダンス測定値と胸水の有無又は貯留の程度とを教師データとして用い、入力を前記インピーダンス測定値とし、出力を前記インピーダンス測定値の測定時における胸水の有無又は貯留の程度とする推定モデルを機械学習により生成するモデル生成部とをさらに備え、
前記胸水推定部は、前記モデル生成部により生成された前記推定モデルを用いて、前記インピーダンス測定部により測定された前記インピーダンス測定値から前記対象の胸水の有無又は貯留の程度を推定する、請求項１に記載の胸水推定システム。 a storage unit that stores the impedance measurement value of the target and the presence or absence of pleural effusion or the degree of accumulation of the target;
The impedance measurement value and the presence or absence of pleural effusion or the degree of accumulation stored in the storage unit are used as training data, the input is the impedance measurement value, and the output is the presence or absence of pleural effusion or the degree of accumulation at the time of measuring the impedance measurement value. further comprising a model generation unit that generates an estimated model based on machine learning,
The pleural effusion estimating unit estimates the presence or absence of pleural effusion or the degree of accumulation in the target from the impedance measurement value measured by the impedance measurement unit using the estimation model generated by the model generation unit. The pleural effusion estimation system described in 1.
前記記憶部に記憶された前記インピーダンス指数と前記胸水の有無又は貯留の程度とを教師データとして用い、入力を前記インピーダンス指数とし、出力を前記インピーダンス測定値の測定時における胸水の有無又は貯留の程度とする推定モデルを機械学習により生成するモデル生成部とをさらに備え、
前記胸水推定部は、前記モデル生成部により生成された前記推定モデルを用いて、前記インピーダンス測定部により測定された前記インピーダンス測定値を用いた前記インピーダンス指数から前記対象の胸水の有無又は貯留の程度を推定する、請求項３に記載の胸水推定システム。 a storage unit that stores the chest circumference of the subject, the square of the chest circumference, the body width, or an impedance index that is the quotient of the square of the body width divided by the impedance measurement value, and the presence or absence of pleural effusion or the degree of accumulation of the subject; ,
The impedance index and the presence or absence of pleural effusion or the degree of accumulation stored in the storage unit are used as training data, the input is the impedance index, and the output is the presence or absence of pleural effusion or the degree of accumulation at the time of measuring the impedance measurement value. further comprising a model generation unit that generates an estimated model using machine learning,
The pleural effusion estimation unit uses the estimation model generated by the model generation unit to determine the presence or absence of pleural effusion or the degree of accumulation in the subject from the impedance index using the impedance measurement value measured by the impedance measurement unit. The pleural effusion estimation system according to claim 3, which estimates .
前記推定モデルは、さらに前記推定酸素飽和度も入力とする、請求項２から４のいずれかに記載の胸水推定システム。 The model generation unit further uses, as training data, an estimated oxygen saturation that is a virtual value of oxygen saturation assuming no oxygen administration using the oxygen partial pressure under oxygen administration,
The pleural effusion estimation system according to any one of claims 2 to 4, wherein the estimation model further receives the estimated oxygen saturation as an input.
前記推定モデルは、さらに脈拍数も入力とする、請求項２から５のいずれかに記載の胸水推定システム。 The model generation unit further uses pulse rate as training data,
The pleural effusion estimation system according to any one of claims 2 to 5, wherein the estimation model further receives pulse rate as an input.
前記対象に経皮的に接触する電極部に交流電流を印加してインピーダンスを測定するインピーダンス測定部と、
前記インピーダンス測定部により測定したインピーダンス測定値に基づいて前記胸水の有無又は貯留の程度を推定する胸水推定部とを備える、胸水推定装置。 A pleural effusion estimation device for estimating the presence or absence of pleural effusion in a subject or the degree of accumulation,
an impedance measurement unit that measures impedance by applying an alternating current to an electrode unit that contacts the target transcutaneously;
A pleural effusion estimation device, comprising: a pleural effusion estimation unit that estimates the presence or absence of the pleural effusion or the degree of accumulation based on the impedance measurement value measured by the impedance measurement unit.
請求項９記載の胸水推定部の推定結果に加えて、体重、血圧、血中酸素飽和度、又は、血液検査データである白血球数、γGTP値、Cre値、Na値、K値、若しくは、CRP値も用いて胸腔内の状態の推定を行う、胸腔内推定装置。 An intrathoracic cavity estimation device that estimates the state of the subject's intrathoracic cavity,
In addition to the estimation results of the pleural effusion estimation unit according to claim 9, body weight, blood pressure, blood oxygen saturation, or blood test data such as white blood cell count, γGTP value, Cre value, Na value, K value, or CRP. A thoracic cavity estimation device that estimates the state inside the thoracic cavity using values.
前記胸水推定システムは、
前記対象の胸部に経皮的に接触する電極部と、
前記電極部に交流電流を印加してインピーダンスを測定するインピーダンス測定部と、
前記インピーダンス測定部により測定したインピーダンス測定値を用いて前記胸水の有無又は貯留の程度を推定する胸水推定部と、
前記インピーダンス測定部及び胸水推定部を制御する制御部とを備えるものであり、
前記電極部を前記対象の胸部に経皮的に接触させる電極接触ステップと、
前記制御部が、前記インピーダンス測定部に、前記電極部に交流電流を印加してインピーダンスを測定させるインピーダンス測定ステップと、
前記制御部が、前記胸水推定部に、前記インピーダンス測定ステップにて測定したインピーダンス測定値を用いて前記胸水の有無又は貯留の程度を推定させる胸水推定ステップとを含む、胸水推定方法。 A pleural effusion estimation method using a pleural effusion estimation system that estimates the presence or absence of pleural effusion in a subject or the degree of accumulation,
The pleural effusion estimation system includes:
an electrode part that makes transcutaneous contact with the chest of the subject;
an impedance measuring section that measures impedance by applying an alternating current to the electrode section;
a pleural effusion estimation unit that estimates the presence or absence of the pleural effusion or the degree of accumulation using the impedance measurement value measured by the impedance measurement unit;
and a control unit that controls the impedance measurement unit and the pleural effusion estimation unit,
an electrode contacting step of percutaneously contacting the electrode part with the chest of the subject;
an impedance measurement step in which the control unit causes the impedance measurement unit to measure impedance by applying an alternating current to the electrode unit;
A pleural effusion estimation method, comprising: a pleural effusion estimation step in which the control unit causes the pleural effusion estimation unit to estimate the presence or absence of the pleural effusion or the degree of accumulation using the impedance measurement value measured in the impedance measurement step.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022030648A JP7085783B1 (en) | 2022-03-01 | 2022-03-01 | Pleural effusion estimation system, pleural effusion estimation device, intrathoracic estimation device, pleural effusion estimation method and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022030648A JP7085783B1 (en) | 2022-03-01 | 2022-03-01 | Pleural effusion estimation system, pleural effusion estimation device, intrathoracic estimation device, pleural effusion estimation method and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7085783B1 JP7085783B1 (en) | 2022-06-17 |
| JP2023127086A true JP2023127086A (en) | 2023-09-13 |
Family
ID=82057314
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022030648A Active JP7085783B1 (en) | 2022-03-01 | 2022-03-01 | Pleural effusion estimation system, pleural effusion estimation device, intrathoracic estimation device, pleural effusion estimation method and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7085783B1 (en) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS55110534A (en) * | 1979-02-19 | 1980-08-26 | Tokyo Shibaura Electric Co | Device for monitoring fluid in thoracic cavity |
| JP2001218748A (en) * | 2000-02-14 | 2001-08-14 | Sekisui Chem Co Ltd | Lung water amount display device |
| JP2009511217A (en) * | 2005-10-21 | 2009-03-19 | スクラバル，ファルコ | Apparatus and process for electrical measurement of body function and condition |
| WO2015129887A1 (en) * | 2014-02-28 | 2015-09-03 | 学校法人北里研究所 | Input device, fiber sheet, clothing, biometric information detection device |
| JP2016179187A (en) * | 2010-08-13 | 2016-10-13 | レスピラトリー・モーシヨン・インコーポレイテツド | Devices for respiratory variation monitoring by measurement of respiratory volumes, motion and variability |
| US20200046962A1 (en) * | 2018-08-10 | 2020-02-13 | West Affum Holdings Corp. | Wearable cardioverter defibrillator (wcd) with ecg preamp having active input capacitance balancing |
-
2022
- 2022-03-01 JP JP2022030648A patent/JP7085783B1/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS55110534A (en) * | 1979-02-19 | 1980-08-26 | Tokyo Shibaura Electric Co | Device for monitoring fluid in thoracic cavity |
| JP2001218748A (en) * | 2000-02-14 | 2001-08-14 | Sekisui Chem Co Ltd | Lung water amount display device |
| JP2009511217A (en) * | 2005-10-21 | 2009-03-19 | スクラバル，ファルコ | Apparatus and process for electrical measurement of body function and condition |
| JP2016179187A (en) * | 2010-08-13 | 2016-10-13 | レスピラトリー・モーシヨン・インコーポレイテツド | Devices for respiratory variation monitoring by measurement of respiratory volumes, motion and variability |
| WO2015129887A1 (en) * | 2014-02-28 | 2015-09-03 | 学校法人北里研究所 | Input device, fiber sheet, clothing, biometric information detection device |
| US20200046962A1 (en) * | 2018-08-10 | 2020-02-13 | West Affum Holdings Corp. | Wearable cardioverter defibrillator (wcd) with ecg preamp having active input capacitance balancing |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7085783B1 (en) | 2022-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Laghi et al. | Ultrasound and non-ultrasound imaging techniques in the assessment of diaphragmatic dysfunction | |
| US11103151B2 (en) | Deriving individual thoracic parameters of a subject | |
| JP4739753B2 (en) | Device for monitoring patients with congestive heart failure using bioimpedance technique | |
| Benditt | Esophageal and gastric pressure measurements | |
| Fromageot et al. | Supine fall in lung volumes in the assessment of diaphragmatic weakness in neuromuscular disorders | |
| US20110295127A1 (en) | Vibro-Acoustic Detection of Cardiac Conditions | |
| US20240172952A1 (en) | Heart failure indicator | |
| US20120016251A1 (en) | System for Respiration Data Processing and Characterization | |
| Harlaar et al. | Imaging of respiratory muscles in neuromuscular disease: a review | |
| Arad et al. | The detection of pleural effusion using a parametric EIT technique | |
| Noble et al. | Diuretic induced change in lung water assessed by electrical impedance tomography | |
| Milagro et al. | Nocturnal heart rate variability spectrum characterization in preschool children with asthmatic symptoms | |
| Chen et al. | Algorithms to qualify respiratory data collected during the transport of trauma patients | |
| US20210298683A1 (en) | Bed-based ballistocardiogram apparatus and method | |
| Roberts et al. | Does change in thoracic impedance measured via defibrillator electrode pads accurately detect ventilation breaths in children? | |
| JP7085783B1 (en) | Pleural effusion estimation system, pleural effusion estimation device, intrathoracic estimation device, pleural effusion estimation method and program | |
| JP2023169453A (en) | Pleural effusion estimation system, pleural effusion estimation device, thoracic cavity estimation device, pleural effusion estimation method, and program | |
| Balleza-Ordaz et al. | Tidal volume monitoring by a set of tetrapolar impedance measurements selected from the 16-electrodes arrangement used in electrical impedance tomography (EIT) technique. Calibration equations in a group of healthy males | |
| Cuba-Gyllensten et al. | Removing respiratory artefacts from transthoracic bioimpedance spectroscopy measurements | |
| JP7424423B1 (en) | Dynamic image analysis device, program and dynamic image analysis method | |
| Kirchner et al. | Heart failure monitoring with implantable defibrillators | |
| Poupard et al. | Use of thoracic impedance sensors to screen for sleep-disordered breathing in patients with cardiovascular disease | |
| US20230181851A1 (en) | Use of diaphragmatic ultrasound to determine patient-specific ventilator settings and optimize patient-ventilator asynchrony detection algorithms | |
| RU2415641C1 (en) | Method of evaluating cardiac ejaculation | |
| Schrover et al. | Determining the most suitable location for electrode placement to assess respiratory muscle activation with surface electromyography in COPD patients using chronic nocturnal non-invasive ventilation at home. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220315 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220315 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220513 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220524 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220531 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7085783 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |