JP2024501977A - 輸液装置におけるバッテリ警報を生成するためのシステムおよび方法 - Google Patents

Abstract

輸液装置内の残バッテリ電圧または残容量を検出し、検出に基づいて警報を生成するためのシステムおよび方法が開示される。バッテリ寿命延長方法は、充電式バッテリからその電力を引き出す輸液装置を提供することを含む。輸液装置は、充電式バッテリからその電力を引き出し得る。さらに、輸液装置は、所定の時間間隔でリアルタイムで、電圧、所定の時間間隔中の電圧の変化、平均電流、温度、および充電式バッテリに関連付けられたバッテリガスゲージ集積回路（「ＩＣ」）によって報告された残電圧または残容量を含むセンサデータを受信する。改良されカスタマイズされたニューラルネットワークモデルは、センサデータを利用して、充電式バッテリの実際の残電圧または残容量の指標をリアルタイムで決定する。指標は、進行中の医療輸液治療を延長および／または緩和するために使用され得る。

Description

一般に、医療患者は、輸液ポンプを使用して、連続的な薬剤または設定された定期的間隔での薬剤の正確な静脈内（「ＩＶ」）送達を必要とするときがある。公知の輸液ポンプは、制御された流体薬剤または薬物輸液を提供し、流体は、薬剤／薬物濃度を治療マージン内に維持し、不必要な範囲または場合によっては毒性の範囲の外に維持する正確な速度で投与し得る。輸液ポンプは、制御可能な速度で患者に適切な薬剤／薬物送達を提供し、それは、頻繁な注意を必要としない。

輸液ポンプは、臨床現場の内外の両方で患者への静脈内治療の投与を容易にし得る。臨床現場以外では、医師は、多くの場合、患者が薬剤、薬物、または生理食塩水などの他の流体の定期的または連続的な静脈内投与を受けることを条件として、患者が実質的に通常の生活に戻ることができることを見出した。この種の投与を必要とする治療の種類の中に、抗生物質治療、化学療法、疼痛制御治療、栄養治療、および当業者に公知のいくつかの他の種類がある。多くの場合、患者は複数の毎日の治療を受ける。特定の医学的症状は、３０分から２時間などの比較的短期間にわたる溶液中の薬物の輸液を必要とする。これらの症状および他の症状は、患者が装着することができ、かつ所望の速度で薬剤の連続供給を投与することまたは予定された間隔で数回分の薬剤を提供し得るより一層軽量化された携帯型または移動式の輸液ポンプの開発を組的に促進してきた。

公知の輸液ポンプは、患者への送達のために、バルーンなどの可撓性容器からＩＶチューブ内に溶液を圧搾するエラストマーポンプを含む。代替的に、輸液ポンプは、溶液容器またはリザーバを加圧するばね式ポンプを含み得る。特定のポンプ設計は、溶液を排出するために圧力ローラによって圧搾される可撓性区画を含むカートリッジを利用する。さらに、公知の輸液ポンプは、流体容器から患者に流体を送達するためにＩＶチューブに圧力を加えるフィンガーアクチュエータまたはローラアクチュエータを有する蠕動ポンプを含む。

シリンジを利用した輸液ポンプも知られている。これらのシリンジポンプは、患者に流体を送達するためにシリンジのプランジャを移動させるために駆動機構を使用する。典型的に、これらの輸液ポンプは、シリンジアセンブリを受け取るように適合されたハウジングと、シリンジプランジャを移動させるように適合された駆動機構と、様々な動作制御部を有するポンプ制御ユニットとを含む。

ほとんどの公知の輸液システムは、システムがＡＣ電源に差し込まれていないとき、充電式バッテリを使用して電力を供給する。これらの充電式バッテリは、それらがバッテリガスゲージ集積回路（「ＩＣ」）を含むので、典型的に、「スマート」バッテリを含む。バッテリガスゲージＩＣは、残バッテリ電圧または残容量を含むバッテリの現在の状態に関するデータを提供する。バッテリガスゲージＩＣは、例えば、バッテリに出入りする総電荷を決定することによって、およびバッテリの内部インピーダンスを決定することによって、残バッテリ電圧または残容量を決定するためにバッテリセル電圧、温度、および電流を測定することもできる。バッテリの計算されたインピーダンスは、残バッテリ電圧または残容量を推定するために、バッテリガスゲージＩＣに記憶されたバッテリインピーダンスプロファイルと比較されることができる。しかしながら、この推定された残電圧または残容量は、バッテリガスゲージＩＣが知らない要因のために、しばしば誤っていることもある。

さらに、輸液システムの電力管理ソフトウェアは、バッテリガスゲージＩＣによって報告されたこの誤った残電圧または残容量を使用して、輸液システムの残ランタイム（「ランタイム残り」）を計算し得、残ランタイムは、バッテリが完全に切れるまでに輸液システムが患者に薬剤を送達し続けることができる時間量である。ランタイム残り値を使用して、「低」、「超低」、および「バッテリ切れ」バッテリ警報をいつ発出するべきかを決定し得る。しかしながら、バッテリガスゲージＩＣによって報告される残電圧値または残容量値は、本質的に不正確であり得るので、ランタイム残り値も不正確であり得る。これは、バッテリ電圧または容量が低レベルであることを示すバッテリ警報が不正確な時間に発出される状況につながり、バッテリ警報が発出された後に必要なだけ輸液ポンプを動作させることができない状況につながる。これは、輸液治療の予期せぬ中断などの望ましくない臨床転帰をもたらし得る。

これらの欠点を補償するために、輸液システムが所望の長さの時間にわたって動作できることを保証するために、計算されたランタイム残り値に時間のマージンが追加されることが多い。しかしながら、より典型的な状況では、この追加されたマージンは、バッテリにまだ電圧または容量が残っていることもある場合でも、システムをシャットダウンすることをしばしばもたらし得る。

したがって、残バッテリ電圧または残容量を検出し、それに基づいて警報を発出するためのより信頼性が高く正確な方法およびシステムが望まれている。

本開示は、残バッテリ電圧または残容量を検出し、検出に基づいて警報を生成するための新規かつ革新的な方法およびシステムを提供する。様々な実施形態において、開示される方法およびシステムを利用して残バッテリ電圧または残容量を検出および警報する装置は、輸液ポンプである。輸液ポンプは、患者に薬剤を送達するように構成された蠕動ポンプ、シリンジポンプ、または移動式ポンプを含み得る。装置は、様々な実施形態において、任意のタイプの医療装置、または充電式バッテリを有する任意の他の適切な装置であることを理解されたい。

開示される方法は、輸液装置によって実行されるソフトウェアを使用して残バッテリ電圧または残容量を監視し、残バッテリ電圧または残容量が所定の閾値を下回った場合（例えば、残バッテリ電圧または残容量が「低バッテリ」、「超低バッテリ」、または「バッテリ切れ」を示す場合）に警報を生成することを含む。ソフトウェアは、輸液装置のメモリに記憶された命令を含み得、輸液装置の１つ以上のプロセッサによって実行可能であり得る。さらに、輸液装置は、充電式バッテリからその電力を引き出し得、例えばセンサを経由して、充電式バッテリから様々なデータを受信し得る。一実施形態では、輸液装置は、リアルタイムで所定の時間間隔で、充電式バッテリの電圧、所定の時間間隔中の電圧の変化、充電式バッテリに関連付けられた平均電流、充電式バッテリの温度、および／または充電式バッテリに関連付けられたバッテリガスゲージ集積回路（「ＩＣ」）によって報告された残電圧または残容量を含む測定値を受信し得る。受信された測定値は、特徴ベクトルを生成するために使用し得る。

方法は、事前に訓練されたニューラルネットワークに特徴ベクトルを展開して、充電式バッテリの実際の残電圧または残容量を決定することをさらに含み得る。訓練されたニューラルネットワークは、複数の層（例えば、入力層、複数の隠れ層、および出力層）を通る複数の経路に関して計算された重み係数およびバイアスを備え得る。さらに、ニューラルネットワークは、既知の実際の残容量を有する基準データ（例えば、他の充電式バッテリからの上記の測定値）からの上記の測定値を備えている訓練データ組から訓練され得る。訓練されたニューラルネットワークに特徴ベクトルを展開した後、輸液装置は、所与の時間間隔で受信した測定値に基づいて、充電式バッテリの実際の残電圧または残容量の指標をリアルタイムで決定するように構成される。いくつかの態様では、実際の残電圧または残容量の指標は、実際の残電圧または残容量が、低バッテリ電圧または容量、超低バッテリ電圧または容量、および／またはバッテリ切れの電圧または容量に対する所定の閾値を満たすかどうかを示すことができる。輸液装置は、これらの閾値のうちの１つ以上の閾値が満たされた場合、警報を生成し得る。

人工ニューラルネットワークを通して残バッテリ電圧または残容量を決定し、それに応じて警報を生成することは、従来の方法より著しく正確で信頼性が高いことが示されている。したがって、本明細書に開示されるシステムおよび方法は、従来の方法を使用して見出される残バッテリ電圧または残容量の不正確なまたは誤った指示の影響を軽減するために費やされる時間および労力を低減する。開示される方法のさらなる利点は、信頼性を欠くバッテリ切れの指示の結果として輸液治療の中断が少なくなるので、患者の医療に対する改善を含む。

本明細書の開示に照らして、決して本開示を限定するものではないが、特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせることができる本開示の第１の態様では、輸液装置は、ガスゲージ集積回路（「ＩＣ」）を有する充電式バッテリと、１つ以上のプロセッサと、１つ以上のプロセッサによって実行されると、１つ以上の複数のプロセッサに、所定の時間間隔でリアルタイムで、充電式バッテリの電圧、所定の時間間隔中の電圧の変化、充電式バッテリに関連付けられた平均電流、充電式バッテリの温度、およびガスゲージＩＣによって報告された残電圧または残容量を含む測定値を受信させる命令を記憶しているメモリとを含む。１つ以上のプロセッサは、電圧、電圧の変化、平均電流、温度、ガスゲージＩＣによって報告された残電圧または残容量、および充電式バッテリの満充電電圧または満充電容量を備えている特徴ベクトルを生成し、訓練されたニューラルネットワークに特徴ベクトルを適用して、充電式バッテリの実際の残電圧または残容量を決定するようにも構成される。訓練されたニューラルネットワークは、複数の層を通る複数の経路を計算するための重み係数およびバイアスを備えている。１つ以上のプロセッサは、充電式バッテリの実際の残電圧または残容量が所定の閾値を下回る場合、充電式バッテリの実際の残電圧または残容量が所定の閾値を下回ることを示す警報をリアルタイムで生成するようにさらに構成される。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第２の態様によれば、所定の閾値は、低バッテリ状態に対応する第１の閾値、超低バッテリ状態に対応する第２の閾値、およびバッテリ切れ状態に対応する第３の閾値を含む。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第３の態様によれば、訓練されたニューラルネットワークは、特徴ベクトルを使用して、第１、第２、または第３の閾値のいずれかが満たされているかどうかを決定し、第１の閾値が達せられ、第２の閾値が達せられていない場合、警報の低バッテリ状態を示し、第１および第２の閾値が達せられ、第３の閾値が達せられていない場合、警報の超低バッテリ状態を示し、第１、第２、および第３の閾値が達せられている場合、警報のバッテリ切れ状態を示すように構成される。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第４の態様によれば、低バッテリ状態は、バッテリ切れ状態が達せられる前の３０分間に対応し、超低バッテリ状態は、バッテリ切れ状態が達せられる前の１５分間に対応する。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第５の態様によれば、バッテリ切れ状態は、充電式バッテリがバッテリ切れであり、もはや電力を供給することができなくなる前の３～４分間に対応する。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第６の態様によれば、１つ以上のプロセッサは、特徴ベクトルを生成し、５０ミリ秒ごと、１００ミリ秒ごと、５００ミリ秒ごと、１秒ごと、２秒ごと、５秒ごと、３０秒ごと、または１分ごとのうちの少なくとも１つを含む周期的な間隔で、訓練されたニューラルネットワークに特徴ベクトルをリアルタイムで適用するように構成される。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第７の態様によれば、１つ以上のプロセッサは、ネットワークを経由してサーバに警報を伝送するように構成される。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第８の態様によれば、１つ以上のプロセッサは、ユーザインターフェース上に警報の指示を表示するように構成される。

特に明記しない限り、本明細書に記載の任意の他の態様と組み合わせて使用し得る本開示の第９の態様によれば、輸液装置は、ガスゲージ集積回路（「ＩＣ」）を有する充電式バッテリと、ユーザインターフェースと、バッテリセンサと、１つ以上のプロセッサと、異なる充電式バッテリタイプのための複数の訓練されたニューラルネットワークおよび命令を記憶しているメモリとを含み、命令は、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに、充電式のタイプを示す情報をガスゲージＩＣから受信させ、かつガスゲージＩＣからの情報に基づいて、訓練されたニューラルネットワークのうちの１つを選択させる。１つ以上のプロセッサは、所定の時間間隔でリアルタイムで、バッテリセンサからの充電式バッテリの電圧、所定の時間間隔中の電圧の変化、バッテリセンサからの充電式バッテリに関連付けられた平均電流、バッテリセンサからの充電式バッテリの温度、およびガスゲージＩＣによって報告された残電圧または残容量を含む測定値を受信することまたは決定することのうちの少なくとも１つを行うようにも構成される。１つ以上のプロセッサは、電圧、電圧の変化、平均電流、温度、ガスゲージＩＣによって報告された残電圧または残容量、および充電式バッテリの満充電電圧または満充電容量を備えている特徴ベクトルを生成し、選択した訓練されたニューラルネットワークに特徴ベクトルを適用して、充電式バッテリの実際の残電圧または残容量を決定するようにさらに構成される。訓練されたニューラルネットワークは、複数の層を通る複数の経路を計算するための重み係数およびバイアスを備えている。１つ以上のプロセッサは、充電式バッテリの実際の残電圧または残容量が所定の閾値を下回る場合、充電式バッテリの実際の残電圧または残容量が所定の閾値を下回ることを示す警報をリアルタイムで生成するようにさらに構成される。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第１０の態様によれば、所定の閾値は、低バッテリ状態に対応する第１の閾値、超低バッテリ状態に対応する第２の閾値、およびバッテリ切れ状態に対応する第３の閾値を含む。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第１１の態様によれば、訓練されたニューラルネットワークは、特徴ベクトルを使用して、第１、第２、または第３の閾値のいずれかが満たされているかどうかを決定し、第１の閾値が達せられ、第２の閾値が達せられていない場合、警報のために低バッテリ状態を示し、第１および第２の閾値が達せられ、第３の閾値が達せられていない場合、警報のために超低バッテリ状態を示し、第１、第２、および第３の閾値が達せられている場合、警報のためにバッテリ切れ状態を示すように構成される。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第１２の態様によれば、１つ以上のプロセッサは、ネットワークを経由してサーバに警報を伝送するように構成される。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第１３の態様によれば、１つ以上のプロセッサは、ユーザインターフェース上に警報の指示を表示するように構成される。

特に明記しない限り、本明細書に記載の任意の他の態様と組み合わせて使用し得る本開示の第１４の態様によれば、輸液システムは、複数の訓練されたニューラルネットワークを生成するように構成されたサーバと、ネットワークを経由してサーバに通信可能に結合された輸液装置とを含む。輸液装置は、ガスゲージ集積回路（「ＩＣ」）を有する充電式バッテリと、１つ以上のプロセッサと、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに、サーバから少なくとも１つの訓練されたニューラルネットワークを受信させる命令を記憶しているメモリとを含む。受信した訓練されたニューラルネットワークは、複数の層を通る複数の経路を計算するための重み係数およびバイアスを備えている。１つ以上のプロセッサは、所定の時間間隔でリアルタイムで、充電式バッテリの電圧、所定の時間間隔中の電圧の変化、充電式バッテリに関連付けられた平均電流、充電式バッテリの温度、およびガスゲージＩＣによって報告された残電圧または残容量を含む測定値を受信するようにも構成される。１つ以上のプロセッサは、電圧、電圧の変化、平均電流、温度、ガスゲージＩＣによって報告された残電圧または残容量、および充電式バッテリの満充電電圧または満充電容量を備えている特徴ベクトルを生成し、受信した訓練されたニューラルネットワークに特徴ベクトルを適用して、充電式バッテリの実際の残電圧または残容量を決定し、かつ、充電式バッテリの実際の残電圧または残容量が所定の閾値を下回る場合、充電式バッテリの実際の残電圧または残容量が所定の閾値を下回ることを示す警報をリアルタイムで生成するようにさらに構成される。

特に明記しない限り、本明細書に記載の任意の他の態様と組み合わせて使用し得る本開示の第１５の態様によれば、サーバは、異なる充電式バッテリタイプのための複数の訓練されたニューラルネットワークを生成し、輸液装置の充電式バッテリタイプの指示を受信し、輸液装置において充電式バッテリタイプに対応する訓練されたニューラルネットワークを選択し、選択した訓練されたニューラルネットワークを輸液装置に伝送するように構成される。

特に明記しない限り、本明細書に記載の任意の他の態様と組み合わせて使用し得る本開示の第１６の態様によれば、サーバは、各充電式バッテリタイプに関して、基準バッテリの放電中に取得された複数の基準データの各々に関して、基準バッテリの基準電圧、所定の時間間隔中の基準電圧の変化、基準バッテリに関連付けられた基準平均電流、基準バッテリに関連付けられた基準温度、および基準バッテリに関連付けられたバッテリガスゲージ集積回路（「ＩＣ」）によって報告された基準残電圧または残容量を含む基準特徴ベクトルを生成するように構成される。サーバは、各充電式バッテリタイプに関して、複数の基準データの各々に関して、基準特徴ベクトルを実際の基準残電圧または残容量を示す対応する出力ベクトルに関連付け、関連付けられた基準特徴ベクトルを使用して、ニューラルネットワークのうちの１つを訓練して、充電式バッテリタイプの実際の残電圧または残容量を決定するようにも構成される。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第１７の態様によれば、所定の閾値は、低バッテリ状態に対応する第１の閾値、超低バッテリ状態に対応する第２の閾値、およびバッテリ切れ状態に対応する第３の閾値を含む。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第１８の態様によれば、受信した訓練されたニューラルネットワークは、特徴ベクトルを使用して、第１、第２、または第３の閾値のいずれかが満たされているかどうかを決定し、第１の閾値が達せられ、第２の閾値が達せられていない場合、警報のために低バッテリ状態を示し、第１および第２の閾値が達せられ、第３の閾値が達せられていない場合、警報のために超低バッテリ状態を示し、第１、第２、および第３の閾値が達せられている場合、警報のためにバッテリ切れ状態を示すように構成される。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第１９の態様によれば、１つ以上のプロセッサは、ネットワークを経由してサーバに警報を伝送するように構成される。

特に明記しない限り、本明細書にリストアップされた任意の他の態様と組み合わせて使用し得る本開示の第２０の態様によれば、１つ以上のプロセッサは、ユーザインターフェース上に警報の指示を表示するように構成される。

本開示の第２１の態様によれば、図１～図７のいずれか１つ以上の図に関連して開示される構造、機能、および代替例のいずれかは、図１～図７のいずれか１つ以上の図に関連して開示される任意の他の構造、機能、および代替例と組み合わせることができる。

したがって、本開示および上記の態様に照らして、本開示の利点は、訓練されたニューラルネットワークを使用して、バッテリがいつ低状態、超低状態、およびバッテリ切れ状態に達するかを決定するように構成された輸液システムを提供することである。

本開示の別の利点は、訓練されたニューラルネットワークを使用して、バッテリの内部ガスゲージを使用して残バッテリ電圧または残容量を測定することの不正確さを克服することである。

追加の特徴および利点は、以下の詳細な説明および図面に記載され、それらから明らかになるであろう。本明細書に記載の特徴および利点は、すべてを含むものではなく、特に、多くの追加の特徴および利点が、図面および説明を考慮すると当業者には明らかであろう。また、任意の特定の実施形態は、本明細書にリストアップされた利点のすべてを有する必要はなく、個々の有利な実施形態を別々に請求することが明確に企図される。さらに、本明細書で使用される言語は、主に読みやすさおよび説明目的のために選択されており、本発明の主題の範囲を限定するものではないことに留意されたい。

図１は、本開示の一実施形態による例示的な人工ニューラルネットワークを例示するフローチャートである。

図２は、本開示の一実施形態による残バッテリ電圧を検出し、それに基づいて警報を生成するために人工ニューラルネットワークを使用するための入力データ行列を例示する図である。

図３は、本開示の一実施形態による図２の入力データ行列の対応する目標ベクトルを示す図である。

図４は、本開示の一実施形態による残バッテリ電圧を検出し、それに関する警報を生成するためのニューラルネットワークを訓練するための例示的な方法を例示するフローチャートである。

図５は、本開示の一実施形態による残バッテリ電圧を検出し、それに関する警報を生成するために、訓練されたニューラルネットワークを適用するための例示的な方法を例示するフローチャートである。

図６は、本開示の例示的な実施形態による訓練されたニューラルネットワークを使用して図５の方法を実施するように構成された輸液装置の図である。

図７は、本開示の例示的な実施形態による図４に関連して説明した動作を実施するように構成された輸液システムの図である。

残バッテリ電圧を監視し、低い残電圧レベルまたは容量に関して警報を生成し、充電を提供することは、薬剤送達輸液システムのための重要な安全手段である。低い残バッテリレベルは、「低」、「超低」、および「バッテリ切れ」の残バッテリ電圧レベルを含み得、それらの各々は、検出された場合、警報をトリガし得る。各警報に関して、米国食品医薬品局（「ＦＤＡ」）の規制および製造業者の要件による輸液のための指定された残り時間があり得る。しかしながら、バッテリは異なる初期条件および放電特性の結果として変化し得るので、例えば残バッテリ容量の誤った測定に起因して、誤った警報が観察されることが多い。

本明細書では、ニューラルネットワークモデルを使用するバッテリ警報および残バッテリ電圧検出のための新規かつ非自明なシステムおよび方法が開示され、それは、公知のバッテリ警報および残バッテリ電圧検出システムを著しく改善し、輸液装置を患者にとってより安全にする。開示される方法は、バッテリ電圧のより正確で信頼性の高い報告の利点を組み合わせながら、残バッテリ電圧の不良指示を較正するために典型的に費やされる時間および労力を低減または排除する。開示される方法は、輸液治療中の中断が少ない結果として患者ケアも改善する。

図１は、本開示の例示的な実施形態による例示的な人工ニューラルネットワークを例示する流れ図である。本開示で利用される人工ニューラルネットワークは、入力層と、１つ以上の隠れ層と、出力層とを含む。入力層は、複数のバッテリパラメータに対応するノード（例えば、Ｘ_１、Ｘ_２、…、Ｘ_Ｎ）を含み得る。一実施形態では、６つのバッテリパラメータを使用され得、それは、６つの入力ノードを有するニューラルネットワーク構造をもたらし得る。各隠れ層は、最適化のための複数のノード（例えば、Ｚ_１、Ｚ_２、…、Ｚ_Ｍ）を含み得る。最適化は、順伝播、逆伝播、および重みおよびバイアスの較正によって行うことができる。一実施形態では、ニューラルネットワークは、最適化のための８つのノードを備えている単一の隠れ層を含み得る。出力層は、１つ以上の出力パラメータ（例えば、Ｙ_１、Ｙ_２、…、Ｙ_Ｋ）を生成し得る。一実施形態では、ニューラルネットワークモデルは、３つの出力ノードを含み得、３つの出力ノードは、「低」、「超低」、および「バッテリ切れ」の残バッテリ容量の指示を表す３つのそれぞれの出力パラメータに対応する。バッテリからの入力データが連続的であり、蓄積され得るので、出力データの３つの組は、１つのニューラルネットワークモデルに統合されることができる。

入力データは入力層で供給され得るが、各ノードは、例えば先行層のノードから、１つ以上の入力変数の組み合わせを受信し得る。例えば、隠れ層内のｊ番目のノードに関する入力の組み合わせａ_ｊは、以下の式として表すことができる：

ここで、ｊ＝１，…，Ｍであり、上付き文字（１）は、対応するパラメータがネットワークの第１の層にあることを示し、パラメータ
は重みであり、パラメータ
はバイアスである。非線形活性化関数ｈ（．）は、隠れ層の各ノードの出力（Ｚ_ｊ）を提供することができ、それは、以下のように表わされることができる：

シグモイド関数が、活性化関数として使用されることができ、それは、以下のように表されることができる：

さらに、各層は、ニューラルネットワーク関数全体を見つけるために、組み合わせられることができる：

したがって、ニューラルネットワークモデルは、入力変数の組｛ｘｉ｝から出力変数の組｛ｙ_ｋ｝への非線形関数を備えていることができる。一実施形態では、７つの入力変数および３つの出力変数が存在する。わずか２つの入力変数があり得、１２もの入力変数があり得る。

ｎ＝１，…，Ｎである入力ベクトルの組｛ｘｉ｝を対応する目標ベクトルの組｛ｔ_ｎ｝と一緒に備えている訓練組を所与とすると、ニューラルネットワークを訓練することは、平均二乗誤差（「ＭＳＥ」）法によって、損失関数とも呼ばれる誤差関数を最小化することを伴い得る。ニューラルネットワークの層の各々のノードを通した（例えば、入力層から出力層への）演算の最初の反復に関して、初期重み係数およびバイアスは、ランダムに選択および／または初期化される。次に、フィードフォワード計算により、損失は、以下の式を使用して計算されることができる：

損失が所定の許容差より大きい場合、次の反復が開始される前、重み係数が、修正されることができる。ニューラルネットワークモデルは、所定の許容差が達成された（例えば、損失が所定の許容差より低い）とき、訓練されたと見なされることができる。

演算効率を改善するために、誤差逆伝播法が、利用されることができる。例えば、図１のパラメータ
の最適化は、以下の式によって達成されることができる：

さらに、修正した
は、以下の式を使用して、確率的勾配降下最適化を使用することによって達成されることができる：

ここで、ηは、学習ステップサイズであり、
は、更新された重み係数である。所与のパラメータ
を最適化するための上記の方法は、次の反復を実施するために、すべてのパラメータに関して適用されることができる。

いくつかの実施形態では、残バッテリ電圧を検出し、それに関する警報を生成するためのニューラルネットワークモデルに関する逆伝播反復回数は、約５０００回の反復である。いくつかの実施形態では、反復回数は、モデルを「過剰訓練」する状況（モデルが特定の訓練データ組に対して過度に調整された状態になる状況）を防ぐために、５０００に制限される。

一実施形態では、以下の特徴が、ニューラルネットワークモデルのための入力データを取得および構築するために使用されることができる：タイムスタンプ（例えば、さらなる計算のため）；電圧の測定値（例えば、ニューラルネットワークモデルの入力値として直接使用されるために）；電流の測定値（例えば、入力データのさらなるフィルタリングのために）；温度の測定値（例えば、ニューラルネットワークモデルの入力値として直接使用されるために）；平均電流の測定値（例えば、ニューラルネットワークモデルの入力値として直接使用されるために）；残電圧（例えば、ニューラルネットワークモデルの入力値として直接使用されるために）；バッテリの満充電電圧（例えば、例えば、バッテリの健康状態を示すために、および／またはバッテリの寿命の指示を提供するために、ニューラルネットワークモデルの入力値として直接使用されるために）。

サンプルタイムスタンプが、一定の時間間隔（例えば、「デルタミリボルト毎秒」）にわたる電圧の変化の測定値を作成するために電圧と共に使用され得、電圧の変化の測定値は、ニューラルネットワークモデルの入力値として直接使用されることができる。電圧の変化は、経時的な変化率の感覚をニューラルネットワークモデルに提供するために使用され得る。

「電流」特徴は、充電式バッテリが充電モードから放電モードに切り替わるときを決定するために使用され得る。この切り替えを理解することは、この切り替えがサイクルの放電部分に主に関与するので、ニューラルネットワークモデルを構築するために重要であり得る。

データ組から充電モードサンプルを除外した後、「残電圧」特徴が、バッテリ切れになっている（例えば、「残電圧または残容量」が０または０に近い）点を見つけるために使用されることができる。この点から、低バッテリ、超低バッテリ、およびバッテリ切れの警報をいつ発出するべきかを表すために、追加の訓練フィールドが、追加されることができる。これらのサンプルは２分サイクルで収集されたので、いくつかの調整が、警報のタイミングをさらに改善するために行われることができる。

一実施形態では、「バッテリ切れ」を示す警報は、０残電圧点から４分前に発出され得る。「超低バッテリ」を示す警報は、「バッテリ切れ」の警報から１４分前に開始し得る。「低バッテリ」を示す警報は、「バッテリ切れ」の警報から３０分前に開始し得る。

上記を考慮すると、最終的な前処理された訓練データは、以下のフィールドを含み得るが、これらに限定されない：一定の時間間隔中の電圧の変化（例えば、デルタミリボルト毎秒）；平均電流；温度；残電圧；満充電電圧（例えば、バッテリの健康状態）；「低バッテリ」警報指示；「超低バッテリ」警報指示；および「バッテリ切れ」警報指示。以下でさらに説明するように、最初の６つのフィールドは、図２の対応する入力値の特徴を表し、最後の３つのフィールドは、図３に示す出力値の特徴を表す。

図２は、本開示の一実施形態による残バッテリ電圧を検出し、それに基づいて警報を生成するために人工ニューラルネットワークを使用するための入力データ行列を例示する図である。図２に示すように、６つの列は、輸液ポンプから周期的に、例えばリアルタイムで取り込まれることができる入力データの６つの特徴を表す。図２に示すように、Ｘ［ｉ，ｊ］は、電圧、時間間隔（例えば、１秒ごと）にわたる電圧の変化または差、平均電流、残バッテリ電圧（例えば、バッテリガスゲージＩＣによって計算される）、バッテリ温度、満充電電圧（バッテリの健康状態）を含む入力ベクトルである。これらの特徴に関する入力データは、所定の時間間隔（例えば、２分ごと）でサンプリングされ得る（例えば、センサを経由して受信される）。

図３は、本開示の一実施形態による図２の入力データ行列の対応する目標ベクトルを示す図である。図３に示すように、Ｙ［ｉ，ｊ］は、低バッテリ状態、超低バッテリ状態、およびバッテリ切れ状態を含むすべての目標ベクトルを表す。一実施形態では、Ｙ［ｉ，ｊ］は、それぞれの状態が偽である場合に０に等しくあり得るが、Ｙ［ｉ，ｊ］は、それぞれの状態が真である場合に１に等しくあり得る。

図４は、本開示の一実施形態による残バッテリ電圧を検出し、それに関する警報を生成するためのニューラルネットワークを訓練するための例示的な方法を例示するフローチャートである。ニューラルネットワークを訓練する例示的な方法では、基準特徴ベクトルが、複数の基準訓練データの各々のために受信されることができる。基準訓練データは、１つ以上の基準バッテリの放電中に取得し得る。追加的または代替的に、基準訓練データ組は、試験データ組の一部（例えば、半分）であり得る。各基準特徴ベクトルは、所定数の入力、例えば、基準バッテリの基準電圧；所定の時間間隔中の基準電圧の変化；基準バッテリに関連付けられた基準平均電流；基準バッテリに関連付けられた基準温度；および基準バッテリに関連付けられたバッテリガスゲージ集積回路（「ＩＣ」）によって報告された基準残電圧を備え得る。他の実施形態では、より少ない入力または追加の入力が、使用され得る。

図４に示す例では、各受信した基準ベクトルは６つの入力を含み得る。さらに、訓練方法は、基準特徴ベクトルに関して、対応する目標値ベクトル（「出力ベクトル」）を入力することを含み得る。前述のように、各目標値ベクトルは、対応する入力データの残バッテリ電圧の指標を提供し得る。例えば、目標値は、残バッテリ電圧が「低バッテリ」、「超低バッテリ」、または「バッテリ切れ」指示のための閾値を満たすかどうかを示し得る。基準特徴ベクトルは、それらの対応する出力ベクトルに関連付けられ得る。ニューラルネットワークモデルは、関連する基準特徴ベクトルを使用して訓練され、ニューラルネットワークモデルの各経路に関する重み係数およびバイアスを出力し得る。訓練は、ニューラルネットワークモデルの層を通るフィードフォワード伝搬、損失関数の計算、およびニューラルネットワークモデルの層を通る逆伝搬を含む反復プロセスを含み得る。しかしながら、最初の反復では、訓練方法は、重みおよびバイアスをランダムに生成することによって初期化し得る。誤差が最小化された後（例えば、損失が許容差レベル内にある）、訓練方法は、各経路のための重み係数およびバイアスを返すことができる。訓練されたニューラルネットワークに関連するこれらの重み係数およびバイアスは、例えば、図５に示すように訓練されたニューラルネットワークを適用することにおける使用のために記憶し得る。

図５は、本開示の一実施形態による残バッテリ電圧を検出し、それに関する警報を生成するために、訓練されたニューラルネットワークを適用するための例示的な方法を例示するフローチャートである。具体的に、図５は、リアルタイムのバッテリデータを用いたフィードフォワード演算を例示している。例えば、充電式バッテリによって電力供給されている輸液装置は、所定の時間間隔でリアルタイムで、充電式バッテリの電圧、所定の時間間隔中の電圧の変化、充電式バッテリに関連付けられた平均電流、充電式バッテリの温度、およびバッテリガスゲージ集積回路（「ＩＣ」）によって報告された残電圧または残容量を含む測定値を受信し得る。６タイプの入力データが、事前調整によって入力特徴ベクトルを形成するために使用され得る。輸液装置はまた、図４の訓練方法から記憶された重み係数およびバイアス（例えば、パラメータω_ｊｉおよびｂ_ｊ）を識別し、読み出し得る。６つの特徴入力ベクトルと記憶された重み係数およびバイアスとが、ニューラルネットワークに入力され、充電式バッテリの実際の残電圧または残容量の指標を生成し得る（例えば、充電式バッテリが「低バッテリ」、「超低バッテリ」、または「バッテリ切れ」状態であるかどうか）。ニューラルネットワークモデルの適用は、フィードフォワード演算を実施することと、隠れ層の各ノードにおける入力を演算することと、各ノードにおける活性化関数を演算することとを伴い得る。

いくつかの実施形態では、輸液装置は、既知のタイプのバッテリに基づいて、訓練されたニューラルネットワークと対応する重み係数／バイアスパラメータω_ｊｉおよびｂ_ｊとを選択する。これらの例では、バッテリガスゲージＩＣは、モデル番号、製造業者、バージョンなどを指定し得るバッテリのタイプの識別子を伝送し得る。輸液装置は、バッテリガスゲージＩＣからのバッテリ情報を使用して、対応する訓練されたニューラルネットワークおよび対応する重み係数／バイアスパラメータω_ｊｉおよびｂ_ｊを選択し、重み係数／バイアスパラメータω_ｊｉおよびｂ_ｊは、サーバにローカルまたはリモートで記憶され得る。

前述のように、本開示のシステムおよび方法は、バッテリの内部ガスゲージＩＣを使用して残バッテリ電圧または残容量を測定し、警告を生成することの不正確さを克服するのに役立つ。従来、これらの不正確さは、低バッテリまたは超低バッテリ警報が発出された後、必要な時間にわたって輸液が続くことを可能にするための十分なエネルギーを有することをバッテリが保証され得るように、計算されたランタイム残り値にマージンを追加する必要があった。本開示で論じるニューラルネットワークモデルを使用する望ましい結果は、このマージンの必要性を低減または排除することである。開示される残バッテリ電圧または残容量を検出し、それに関する警報を生成する方法は、輸液システムがバッテリ電源でより長い期間動作することを可能にする。この可能性を調べるために、以下の表に示すように、バッテリ警報時間データの既存のキャッシュが、分析された。

上記の表に示すように、演算が、開示される輸液システムで実装される既存のランタイム残りのアルゴリズムを複製するために、バッテリデータの組に追加された。この演算されたランタイム残り値を使用して、現在のアルゴリズムが低バッテリ、超低バッテリ、およびバッテリ切れの警報を発出するであろう時間をデータに追加した。これは、それらの警報を発出すべき理想的な時間と比較された。表内の強調表示されたセルは、警報を生成するための従来の方法、および警報を生成するための開示された方法が、低（３０分）、超低（１５分）、およびバッテリ切れ（３分）の警報をいつ発出するかを示している。

上記の表は、輸液システムで使用される従来の公知のアルゴリズムが、バッテリ警報を発出するときとそれらの警報が発出されるべき理想的な時間との間に有意差を有することを示している。例えば、従来の公知のアルゴリズムは、バッテリが空になる７８分前に低バッテリ警報を発出する。理想的な場合では、バッテリが空になるまでの時間が３３分（輸液のランタイム３０分、加えて、輸液システムが完全に停止する前に輸液システムが警報する追加の３分）に等しいとき、低バッテリ警報が発出されるであろう。これは、従来の公知のアルゴリズムに必要なマージンに起因して失われるバッテリにおける追加のランタイムの４５分である。

前述のように、開示されたニューラルネットワークモデルを利用する開示された方法がバッテリ警報を発出する時間は、理想的なアルゴリズムが発出する時間と非常に密接に関係付けられていた。したがって、開示された手法は、ほとんどの時間で、理想的な場合と一致すると見なされることができる。ニューラルネットワークを使用することにより、実行時間残りのマージンを減らすこと、したがって、長にバッテリにおけるランタイムを可能にすることができる。

（例示的な輸液システムおよび輸液装置）
図６は、本開示の例示的な実施形態による訓練されたニューラルネットワーク６０２を使用して図５の方法を実施するように構成された輸液装置６００の図である。輸液装置６００は、シリンジポンプ、移動式ポンプ、蠕動ポンプなどの輸液ポンプである。輸液装置６００は、支持のためのラック６０４に接続されている。

輸液装置６００は、ＩＶチューブ６０６を受け取るように構成されている。一例では、輸液装置６００のカバー６０８が開き、ＩＶチューブ６０６が挿入されることを可能にする。ＩＶチューブの第１の端部６０６ａは、輸液処置のための薬物、薬剤、または他の流体を保持する流体容器に流体結合される。ＩＶチューブの第２の端部６０６ｂは、静脈内接続を経由して患者に流体的に結合される。

輸液装置６００は、上述した１つ以上のパラメータなどのオペレータ入力（例えば、流量）を受信するためのユーザインターフェース６１０を含む。ユーザインターフェース６１０は、輸液処置の状態を含む情報と、「低」バッテリ警告、「超低」バッテリ警告、および「バッテリ切れ」バッテリ警告を含む低バッテリを示す警報／警告とも表示する。ユーザインターフェース６１０は、タッチスクリーンおよびキーパッドを含む。他の実施形態では、ユーザインターフェース６１０は、タッチスクリーンまたはキーパッドのみを含み得る。

図６の輸液装置６００は、プロセッサ６１２と、メモリ６１４と、通信モジュール６１６とも含む。１つのプロセッサ６１２が示されているが、輸液装置６００は複数のプロセッサを含み得る。プロセッサ６１２は、メモリ６１４に記憶された訓練されたニューラルネットワーク６０２（例えば、アルゴリズム）を実行するように構成されたコントローラ、論理デバイスなどを含む。プロセッサ６１２は、メモリ６１４に記憶された１つ以上の命令を実行するようにも構成され、命令は、プロセッサ６１２によって実行されると、輸液処置を提供するために本明細書に記載の動作をプロセッサ６１２に実施させる。メモリ６１４は、読み出し専用メモリ、フラッシュメモリ、ランダムアクセスメモリ、ハードディスクドライブ、固体ドライブなどを含む任意のメモリ装置を含む。

通信モジュール６１６は、インターネット、セルラネットワーク、および／または地域病院ネットワークなどのネットワークとの無線および／または有線通信のために構成される。通信モジュール６１６は、例えば、Ｗｉ－Ｆｉまたはイーサネット（登録商標）通信用に構成し得る。図示の例では、通信モジュール６１６は、ネットワークを経由してサーバまたは臨床医コンピュータから訓練されたニューラルネットワーク６０２（重み係数／バイアスパラメータω_ｊｉおよびｂ_ｊを含む）を受信するように構成される。他の例では、プロセッサ６１２は、ニューラルネットワーク６０２を訓練するために図５の方法を実施し得る。通信モジュール６１６は、実施される輸液処置を指定する１つ以上のパラメータも受信し得る。さらに、通信モジュール６１６は、低バッテリが検出されたとき、警告または警報メッセージをサーバに伝送し得る。

図６の輸液装置６００は、駆動機構６１８と、モータ６２０と、バッテリ／電力調整器６２２と、バッテリガスゲージＩＣ６２４とをさらに含む。駆動機構６１８とモータ６２０とは、一緒に、ポンピング機構を備えている。プロセッサ６１２は、モータ６２０に信号またはコマンドを伝送するように構成され、信号またはコマンドは、モータ６２０に特定の方向および速度で回転させるか、そうでなければ、動作させる。モータ６２０の駆動シャフトの移動または回転は、駆動機構６１８にＩＶチューブ６０６（または流体容器が輸液装置の内側に配置される代替の実施形態では流体容器）への力を作動させるか、そうでなければ、提供させる。駆動機構６１８は、輸液処置のために流体容器から患者に流体を送達するためにＩＶチューブ６０６に圧力を加えるフィンガーアクチュエータまたは回転アクチュエータを含み得る。駆動機構６１８およびモータ６２０は、０．１ミリリットル／時から１０００ミリリットル／時までの流体送達の正確な制御を提供するように集合的に構成される。

シリンジポンプの場合、駆動機構６１８は、シリンジのプランジャを押すピストンまたは他のアクチュエータを含み得る。いくつかの実施形態では、モータ６２０は、駆動ねじを回転させ得、駆動ねじは、駆動機構６１８がプランジャに力を加えることを引き起こす。

バッテリ／電力調整器６２２は、輸液装置６００に電力を供給するように構成される。電力調整器は、コンセントベースのＡＣ電力をＤＣ電力に変換する。バッテリは、一定のＤＣ電力を供給する。バッテリは、ＡＣ電力による充電式バッテリである。バッテリガスゲージＩＣ６２４は、バッテリ６２２に関する情報をプロセッサ６１２に伝送する。情報は、メモリ６１４から訓練されたニューラルネットワーク６０２を選択するために使用されるバッテリ６２２のタイプを含み得る。情報は、バッテリ６２２の残電圧／残容量も含む。情報は、充電式バッテリの電圧、所定の時間間隔中の電圧の変化、充電式バッテリに関連付けられた平均電流、および／または充電式バッテリの温度を含む測定値をさらに含み得る。

代替的に、プロセッサ６１２は、リアルタイムで所定の時間間隔で、充電式バッテリ６２２の電圧、所定の時間間隔中の電圧の変化、充電式バッテリに関連付けられた平均電流、および／または充電式バッテリの温度を含む測定値を決定または受信する。図５に関連して上述したように、プロセッサ６１２は、受信した情報を入力として訓練されたニューラルネットワーク６０２に適用し、バッテリ６２２の状態を示す出力を受信する。一般に、状態は、バッテリ６２２が十分に充電されていることを示す。しかしながら、訓練されたニューラルネットワーク６０２は、入力がそのバッテリ状態を示すとき、低バッテリ、超低バッテリ、またはバッテリ切れ状態を出力する。プロセッサ６１２は、低バッテリ、超低バッテリ、またはバッテリ切れ状態がいつ存在するかを示すために警報／警告を表示するように構成される。さらに、プロセッサ６１２は、通信モジュール６１６を使用してバッテリ警報／警告をネットワークに伝送する。

プロセッサ６１２は、充電式バッテリ６２２の電圧、所定の時間間隔中の電圧の変化、充電式バッテリに関連付けられた平均電流、および／または充電式バッテリの温度のうちの１つ以上を測定するための１つ以上のセンサ６２６を含み得る。他の例では、センサ６２６は、バッテリ６２２に近接して設けられ、プロセッサ６１２に通信可能に結合される。センサ６２６は、電圧計、電流計、および／または温度計を含み得る。場合によっては、電圧計および電流計はプロセッサ６１２と一体化され、その一方で、温度計がバッテリ６２２に近接して設けられ得る。

いくつかの実施形態では、プロセッサ６１２は、訓練されたニューラルネットワーク６０２から出力されたバッテリ状態を輸液処置のための残り時間と比較する。バッテリ状態が輸液処置が終了する時間になる前にバッテリが切れることを示す場合、プロセッサ６１２は、ユーザインターフェース６１０上に、および／または、ネットワークへの伝送のために、輸液処置が適切に完了しないであろうことを示すより顕著な警報を生成し得る。

プロセッサ６１２は、輸液処置中、および輸液処置が進行していないとき、バッテリ状態決定を実施することを理解されたい。従って、訓練されたニューラルネットワーク６０２は、バッテリ６２２が消費されている速さ（輸液処置が実施されているかどうかに対応する）を評価するために、経時的なバッテリ電圧の変化を使用する。プロセッサ６１２は、５０ミリ秒、１００ミリ秒、５００ミリ秒、１秒、２秒、５秒、３０秒、１分などの周期的な間隔でバッテリ状態決定を実施する。

バッテリ切れ状態は、ガスゲージＩＣ６２４がバッテリ６２２のさらなる消費を防止するバッテリ電圧に対応することも理解されたい。完全な消費によるバッテリの永続的な損傷を防止するために、ガスゲージＩＣ６２４は、バッテリ６２２が０．５ボルトまたは０．１ボルトなどの少なくともいくらかの電荷を有するとき、さらなる電流の消費を防止し得る。いくつかの実施形態では、プロセッサ６１２は、バッテリ切れ状態に達した後に輸液装置６００にフェイルセーフモードに入らせ得る。フェイルセーフモードは、輸液装置６００の制御された電源切断を含み得る。

図７は、本開示の例示的な実施形態による図４に関連して説明した動作を実施するように構成された輸液システム７００の図である。輸液システム７００は、図６の輸液装置６００を備えている。輸液システム７００は、任意のセルラ、広域、および／またはローカルエリアネットワークを含み得るネットワーク７０４を経由して輸液装置６００に接続されたサーバ７０２も含む。サーバ７０２は、健康情報システムの一部であり得、臨床医コンピュータを含み得る。

図示の例では、サーバ７０２は、上述の基準特徴ベクトルなどの基準訓練データ７０６を受信する。訓練データ７０６は、手動で取得されたデータからサーバ７０２に入力され得る。追加的または代替的に、訓練データ７０６は、輸液装置６００を含む１つ以上の輸液装置から受信され得る。

上述したように、サーバ７０２は、訓練データ７０６を使用して、バッテリのタイプのための１つ以上の訓練されたニューラルネットワーク６０２を作成するように構成される。サーバ７０２は、ネットワーク７０４を経由して輸液装置６００に訓練されたニューラルネットワーク６０２を伝送し得る。代替的に、サーバ７０２は、処置が開始される前に、（ガスゲージＩＣ６２４を経由して）輸液装置６００からバッテリのタイプ情報を受信し得る。サーバ７０２は、受信したバッテリ情報に一致または対応する訓練されたニューラルネットワーク６０２を選択し、選択した訓練されたニューラルネットワーク６０２（および重み係数／バイアスパラメータω_ｊｉおよびｂ_ｊ）をバッテリ状態検出のために輸液装置６００に伝送する。

（結論）
本明細書に記載の現在好ましい実施形態に対する様々な変更および修正が当業者には明らかであることを理解されたい。そのような変更および修正は、本主題の趣旨および範囲から逸脱することなく、かつその意図された利点を損なうことなく行うことができる。したがって、そのような変更および修正は、添付の特許請求の範囲によって網羅されることが意図されている。

Claims (20)

1. 輸液装置であって、前記輸液装置は、
   ガスゲージ集積回路（「ＩＣ」）を有する充電式バッテリと、
   １つ以上のプロセッサと、
   命令を記憶しているメモリと
   を備え、
   前記命令は、前記１つ以上のプロセッサによって実行されると、
   所定の時間間隔でリアルタイムで、測定値を受信することまたは決定することのうちの少なくとも１つを行うことであって、前記測定値は、
   前記充電式バッテリの電圧、
   前記所定の時間間隔中の前記電圧の変化、
   前記充電式バッテリに関連付けられた平均電流、
   前記充電式バッテリの温度、および
   前記ガスゲージＩＣによって報告された残電圧または残容量
   を備えている、ことと、
   前記電圧、前記電圧の前記変化、前記平均電流、前記温度、前記ガスゲージＩＣによって報告された前記残電圧または残容量、および前記充電式バッテリの満充電電圧または満充電容量を備えている特徴ベクトルを生成することと、
   訓練されたニューラルネットワークに前記特徴ベクトルを適用して、前記充電式バッテリの実際の残電圧または残容量を決定することであって、前記訓練されたニューラルネットワークは、複数の層を通る複数の経路を計算するための重み係数およびバイアスを備えている、ことと、
   前記充電式バッテリの前記実際の残電圧または残容量が所定の閾値を下回っている場合、前記充電式バッテリの前記実際の残電圧または残容量が前記所定の閾値を下回っていることを示す警報をリアルタイムで生成することと
   を前記１つ以上のプロセッサに行わせる、輸液装置。
2. 前記所定の閾値は、低バッテリ状態に対応する第１の閾値と、超低バッテリ状態に対応する第２の閾値と、バッテリ切れ状態に対応する第３の閾値とを含む、請求項１に記載の輸液装置。
3. 前記訓練されたニューラルネットワークは、
   前記特徴ベクトルを使用して、前記第１の閾値、前記第２の閾値、または前記第３の閾値のいずれかが満たされているかどうかを決定することと、
   前記第１の閾値が達せられ、前記第２の閾値が達せられていない場合、前記警報のために前記低バッテリ状態を示すことと、
   前記第１の閾値および前記第２の閾値が達せられ、前記第３の閾値が達せられていない場合、前記警報のために前記超低バッテリ状態を示すことと、
   前記第１の閾値、前記第２の閾値、および前記第３の閾値が達せられている場合、前記警報のために前記バッテリ切れ状態を示すことと
   を行うように構成されている、請求項２に記載の輸液装置。
4. 前記低バッテリ状態は、前記バッテリ切れ状態が達せられる前の３０分間に対応し、前記超低バッテリ状態は、前記バッテリ切れ状態が達せられる前の１５分間に対応する、請求項２または３に記載の輸液装置。
5. 前記バッテリ切れ状態は、前記充電式バッテリがバッテリ切れであり、もはや電力を供給することができなくなる前の３～４分間に対応する、請求項４に記載の輸液装置。
6. 前記１つ以上のプロセッサは、特徴ベクトルを生成し、５０ミリ秒ごと、１００ミリ秒ごと、５００ミリ秒ごと、１秒ごと、２秒ごと、５秒ごと、３０秒ごと、または１分ごとのうちの少なくとも１つを含む周期的な間隔で、前記訓練されたニューラルネットワークに前記特徴ベクトルをリアルタイムで適用するように構成されている、請求項１に記載の輸液装置。
7. 前記１つ以上のプロセッサは、ネットワークを経由してサーバに前記警報を伝送するように構成されている、請求項１に記載の輸液装置。
8. 前記１つ以上のプロセッサは、ユーザインターフェース上に前記警報の指示を表示するように構成されている、請求項１または７に記載の輸液装置。
9. 輸液装置であって、前記輸液装置は、
   ガスゲージ集積回路（「ＩＣ」）を有する充電式バッテリと、
   ユーザインターフェースと
   バッテリセンサと
   １つ以上のプロセッサと、
   異なる充電式バッテリタイプのための複数の訓練されたニューラルネットワークおよび命令を記憶しているメモリと
   を備え、
   前記命令は、前記１つ以上のプロセッサによって実行されると、
   前記ガスゲージＩＣから、前記充電式のタイプを示す情報を受信することと、
   前記ガスゲージＩＣからの前記情報に基づいて、前記訓練されたニューラルネットワークのうちの１つを選択することと、
   所定の時間間隔でリアルタイムで、測定値を受信することまたは決定することのうちの少なくとも１つを行うことであって、前記測定値は、
   前記バッテリセンサからの前記充電式バッテリの電圧、
   前記所定の時間間隔中の前記電圧の変化、
   前記バッテリセンサからの前記充電式バッテリに関連付けられた平均電流、
   前記バッテリセンサからの前記充電式バッテリの温度、および
   前記ガスゲージＩＣによって報告された残電圧または残容量
   を備えている、ことと、
   前記電圧、前記電圧の前記変化、前記平均電流、前記温度、前記ガスゲージＩＣによって報告された前記残電圧または残容量、および前記充電式バッテリの満充電電圧または満充電容量を備えている特徴ベクトルを生成することと、
   前記選択した訓練されたニューラルネットワークに前記特徴ベクトルを適用して、前記充電式バッテリの実際の残電圧または残容量を決定することであって、前記訓練されたニューラルネットワークは、複数の層を通る複数の経路を計算するための重み係数およびバイアスを備えている、ことと、
   前記充電式バッテリの前記実際の残電圧または残容量が所定の閾値を下回っている場合、前記充電式バッテリの前記実際の残電圧または残容量が前記所定の閾値を下回っていることを示す警報をリアルタイムで生成することと
   を前記１つ以上のプロセッサに行わせる、輸液装置。
10. 前記所定の閾値は、低バッテリ状態に対応する第１の閾値と、超低バッテリ状態に対応する第２の閾値と、バッテリ切れ状態に対応する第３の閾値とを含む、請求項９に記載の輸液装置。
11. 前記訓練されたニューラルネットワークは、
    前記特徴ベクトルを使用して、前記第１の閾値、前記第２の閾値、または前記第３の閾値のいずれかが満たされているかどうかを決定することと、
    前記第１の閾値が達せられ、前記第２の閾値が達せられていない場合、前記警報のために前記低バッテリ状態を示すことと、
    前記第１の閾値および前記第２の閾値が達せられ、前記第３の閾値が達せられていない場合、前記警報のために前記超低バッテリ状態を示すことと、
    前記第１の閾値、前記第２の閾値、および前記第３の閾値が達せられている場合、前記警報のために前記バッテリ切れ状態を示すことと
    を行うように構成されている、請求項１０に記載の輸液装置。
12. 前記１つ以上のプロセッサは、ネットワークを経由してサーバに前記警報を伝送するように構成されている、請求項９に記載の輸液装置。
13. 前記１つ以上のプロセッサは、前記ユーザインターフェース上に前記警報の指示を表示するように構成されている、請求項９または１２に記載の輸液装置。
14. 輸液システムであって、前記輸液システムは、
    複数の訓練されたニューラルネットワークを生成するように構成されたサーバと、
    ネットワークを経由して前記サーバに通信可能に結合された輸液装置と
    を備え、
    前記輸液装置は、
    ガスゲージ集積回路（「ＩＣ」）を有する充電式バッテリ、
    １つ以上のプロセッサ、および
    命令を記憶しているメモリ
    を備え、
    前記命令は、前記１つ以上のプロセッサによって実行されると、
    前記サーバから少なくとも１つの訓練されたニューラルネットワークを受信することであって、前記受信した訓練されたニューラルネットワークは、複数の層を通る複数の経路を計算するための重み係数およびバイアスを備えている、ことと、
    所定の時間間隔でリアルタイムで、測定値を受信することであって、前記測定値は、
    前記充電式バッテリの電圧、
    前記所定の時間間隔中の前記電圧の変化、
    前記充電式バッテリに関連付けられた平均電流、
    前記充電式バッテリの温度、および
    前記ガスゲージＩＣによって報告された残電圧または残容量
    を備えている、ことと、
    前記電圧、前記電圧の前記変化、前記平均電流、前記温度、前記ガスゲージＩＣによって報告された前記残電圧または残容量、および前記充電式バッテリの満充電電圧または満充電容量を備えている特徴ベクトルを生成することと、
    前記受信した訓練されたニューラルネットワークに前記特徴ベクトルを適用して、前記充電式バッテリの実際の残電圧または残容量を決定することと
    前記充電式バッテリの前記実際の残電圧または残容量が所定の閾値を下回っている場合、前記充電式バッテリの前記実際の残電圧または残容量が前記所定の閾値を下回っていることを示す警報をリアルタイムで生成することと
    を前記１つ以上のプロセッサに行わせる、輸液システム。
15. 前記サーバは、
    異なる充電式バッテリタイプのための前記複数の訓練されたニューラルネットワークを生成することと、
    前記輸液装置の充電式バッテリタイプの指示を受信することと、
    前記輸液装置における前記充電式バッテリタイプに対応する訓練されたニューラルネットワークを選択することと
    前記選択した訓練されたニューラルネットワークを前記輸液装置に伝送することと
    を行うように構成されている、請求項１４に記載の輸液システム。
16. 前記サーバは、各充電式バッテリタイプに関して、
    基準バッテリの放電中に取得された複数の基準データの各々に関して基準特徴ベクトルを生成することであって、前記基準特徴ベクトルは、
    基準バッテリの基準電圧、
    所定の時間間隔中の前記基準電圧の変化、
    前記基準バッテリに関連付けられた基準平均電流、
    前記基準バッテリに関連付けられた基準温度、および
    前記基準バッテリに関連付けられたバッテリガスゲージ集積回路（「ＩＣ」）によって報告された基準残電圧または残容量
    を備えている、ことと、
    前記複数の基準データの各々に関して、前記基準特徴ベクトルを実際の基準残電圧または残容量を示す対応する出力ベクトルに関連付けることと、
    前記関連付けられた基準特徴ベクトルを使用して前記ニューラルネットワークのうちの１つを訓練して、前記充電式バッテリタイプの前記実際の残電圧または残容量を決定することと
    を行うように構成されている、請求項１５に記載の輸液システム。
17. 前記所定の閾値は、低バッテリ状態に対応する第１の閾値と、超低バッテリ状態に対応する第２の閾値と、バッテリ切れ状態に対応する第３の閾値とを含む、請求項１４に記載の輸液システム。
18. 前記受信した訓練されたニューラルネットワークは、
    前記特徴ベクトルを使用して、前記第１の閾値、前記第２の閾値、または前記第３の閾値のいずれかが満たされているかどうかを決定することと、
    前記第１の閾値が達せられ、前記第２の閾値が達せられていない場合、前記警報のために前記低バッテリ状態を示すことと、
    前記第１の閾値および前記第２の閾値が達せられ、前記第３の閾値が達せられていない場合、前記警報のために前記超低バッテリ状態を示すことと、
    前記第１の閾値、前記第２の閾値、および前記第３の閾値が達せられている場合、前記警報のために前記バッテリ切れ状態を示すことと
    を行うように構成されている、請求項１７に記載の輸液システム。
19. 前記１つ以上のプロセッサは、前記ネットワークを経由してサーバに前記警報を伝送するように構成されている、請求項１４に記載の輸液システム。
20. 前記１つ以上のプロセッサは、前記ユーザインターフェース上に前記警報の指示を表示するように構成されている、請求項１４または１９に記載の輸液システム。