JP2024512405A - 表皮下水分測定を使用した深部組織損傷の診断及び治療のための方法 - Google Patents

表皮下水分測定を使用した深部組織損傷の診断及び治療のための方法 Download PDF

Info

Publication number
JP2024512405A
JP2024512405A JP2023555416A JP2023555416A JP2024512405A JP 2024512405 A JP2024512405 A JP 2024512405A JP 2023555416 A JP2023555416 A JP 2023555416A JP 2023555416 A JP2023555416 A JP 2023555416A JP 2024512405 A JP2024512405 A JP 2024512405A
Authority
JP
Japan
Prior art keywords
sem
dti
sem delta
delta values
patient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2023555416A
Other languages
English (en)
Inventor
マーティン、エフ．バーンズ
ビグネシュ、マニー、アイアー
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bruin Biometrics LLC
Original Assignee
Bruin Biometrics LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bruin Biometrics LLC filed Critical Bruin Biometrics LLC
Publication of JP2024512405A publication Critical patent/JP2024512405A/ja
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4875—Hydration status, fluid retention of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Dermatology (AREA)
  • Fuzzy Systems (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Probability & Statistics with Applications (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本開示は、患者の表皮下水分を測定して、臨床的介入のために深部組織損傷を決定するための方法、装置、及びコンピュータ可読媒体を提供する。本開示はまた、深部組織損傷を検出及び予測するための方法も提供する。本開示は、深部組織損傷の予防措置及び治療を含む、適切な臨床的介入を決定するための方法を更に提供する。

Description

関連出願の相互参照
本出願は、２０２１年３月９日に出願された米国仮出願第６３／１５８，７１３号、及び２０２２年３月３日に出願された米国仮出願第６３／３１６，２１８号の利益を主張し、これらの各々の全体が、参照によって本明細書に組み込まれる。
本開示は、患者の表皮下水分を測定して、臨床的介入のために損傷した組織を決定するためのシステム、装置、及びコンピュータ可読媒体を提供する。本開示は、損傷した組織を決定するための方法も提供する。本開示は、深部組織損傷に対する予防措置及び治療を含む、適切な臨床的介入を決定するための方法を更に提供する。
皮膚は、ヒトの身体において最も大きい器官であり、様々な種類の損傷（ｄａｍａｇｅ）及び損傷（ｉｎｊｕｒｙ）にさらされやすい。皮膚及びその周辺組織が外圧及び機械力を再分配することができないと、褥瘡（圧迫損傷又は床擦れとしても知られる）が形成され得る。褥瘡は、救急及び長期治療の環境の両方にわたって、国際的に重大な健康及び経済的懸念を提起している。褥瘡は、米国内で毎年約２５０万人、欧州でも同等数の人に影響を及ぼしている。長期治療及び重症治療の環境では、高齢及び寝たきりの患者の最大で２５％が褥瘡を発症する。毎年約６０，０００人の米国内患者が、褥瘡からの感染及び他の合併症により死亡している。
ほとんどの褥瘡は、圧迫する組織が少なく、血管網内の圧力勾配が変化する骨ばった隆起上に発生する。褥瘡は、皮膚が無傷のままであるが骨ばった隆起の上に赤く見え得る初期ステージ（ステージ１）から、組織が壊れ、骨、腱又は筋肉が露出される最終ステージ（ステージ４）までの範囲の４つのステージのうちの１つに分類される。褥瘡の４つのステージに加えて、深部組織損傷（ＤＴＩ）又は深部組織圧迫損傷（ＤＴＰＩ）として知られる独自の形態の潰瘍も存在する。例えば、ｎｐｉａｐ．ｃｏｍ（２００４）で入手可能な「Ｄｅｅｐ Ｔｉｓｓｕｅ Ｉｎｊｕｒｙ」、Ｎａｔｉｏｎａｌ Ｐｒｅｓｓｕｒｅ Ｕｌｃｅｒ Ａｄｖｉｓｏｒｙ Ｐａｎｅｌ（ＮＰＵＡＰ）Ｗｈｉｔｅ Ｐａｐｅｒを参照されたい。ＤＴＩは、無傷の皮膚の下の皮下組織への圧力関連の損傷である。これらの損傷は、深いあざの外観を有し、骨ばった隆起の隣の筋層で開始され、表皮層に向かって外向きに発達する。ＤＴＩの病因に起因して、ＤＴＩを上記の４つのステージのうちのいずれか１つに正確に分類することは、多くの場合、困難である。ＤＴＩはまた、比較的短期間で発症し、多くの場合、ステージ３及びステージ４の潰瘍に急速に悪化し得る。
現在、ＤＴＩは、下層の軟組織の損傷に起因する変色した無傷の皮膚又は血液を含んでいる水疱の紫色又は栗色の局所化されたエリアの目視検査を通じて診断される。したがって、ＤＴＩは、濃い肌色を有する個体において検出することが困難であり得る。更に、ＤＴＩの目視検査はまた、損傷の真のかつ危険な潜在性を表さないステージ１又はステージ２の潰瘍下における誤分類につながり得る。
適時かつ効果的な様式で褥瘡を治療するためには、臨床医は、ＤＴＩの存在を精密に識別し、それを潰瘍の初期段階から区別することができる必要がある。しかしながら、褥瘡を検出するための現在の基準は目視検査によるものであり、これは、主観的であり、信頼性がなく、時機を失し、具体性を欠く。
本開示は、深部組織損傷（ＤＴＩ）を検出するためのシステム、装置、及び方法を提供し、それらを含む。ある態様では、本開示は、１）深部組織損傷（ＤＴＩ）を、それが患者の皮膚上で視認可能になる前に検出するための方法であって、ａ）所定の頻度で患者の皮膚上の場所におけるＳＥＭデルタ値のセットを取得することと、ｂ）取得されたセットのＳＥＭデルタ値の各々に所定の重みを適用することと、ｃ）Ｎ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算することと、ｄ）Ｍ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算することと、ｅ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を所定の閾値と比較することと、ｆ）差が所定の閾値を超えるときに、患者の皮膚上の場所にＤＴＩが存在すると決定することと、を含む、方法を提供する。ある態様では、取得されたＳＥＭデルタ値のセットは、少なくとも５つのＳＥＭデルタ値を含み、ＳＥＭデルタ値は、各々が１日間隔でとられている。ある態様では、所定の重みは、０～２の範囲内である。ある態様では、所定の重みは、時間とともに単調に増加する。ある態様では、Ｎ＞Ｍである。ある態様では、Ｎが４であり、Ｍが２である。ある態様では、所定の閾値は、０～１の範囲内の実数である。ある態様では、最も新しいＳＥＭデルタ値は、Ｋ個の最も新しいＳＥＭデルタ値の線形外挿によって取得される。ある態様では、Ｋは、３である。ある態様では、所定の閾値は、０．７である。ある態様では、患者の皮膚上の場所は、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される。
本開示はまた、深部組織損傷（ＤＴＩ）を、損傷が患者の皮膚上で視認可能になる前に検出するためのニューラルネットワークを訓練するためのコンピュータ実装方法であって、ａ）ＤＴＩと診断されている第１の複数の患者の各患者について、表皮下水分（ＳＥＭ）デルタ値の第１のセットを、ＤＴＩの形成前かつ形成まで、所定の頻度で患者の皮膚上の場所で取得することと、ｂ）ＤＴＩと診断されていない第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットを、所定の頻度で患者の皮膚上の同じ場所で取得することと、ｃ）取得されたＳＥＭデルタ値の第１のセット及び第２のセットのＳＥＭデルタ値の各々に重みのセットを適用することと、ｄ）第１の複数の患者及び第２の複数の患者の全ての患者の重み付きＳＥＭデルタ値の第１のセット及び重み付けＳＥＭデルタ値の第２のセットを含む、訓練セットを作成することと、ｅ）訓練セットを使用してニューラルネットワークを訓練することと、を含む、コンピュータ実装方法を提供する。ある態様では、訓練されたニューラルネットワークは、ＤＴＩの形成前の各時点に対する最適化された重みを含む、最適化された重みのセットを出力し、最適化された重みが、時間とともに単調に増加する。ある態様では、方法は、ａ）第１の複数の患者及び第２の複数の患者の各患者について、ｉ）ＳＥＭデルタ値のセット内のＮ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算するステップと、ｉｉ）ＳＥＭデルタ値のセット内のＭ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算するステップと、ｉｉｉ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差分値を計算するステップと、ｉｖ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を閾値と比較するステップと、ｂ）第１の複数の患者における差分値の第１のセット、及び第２の複数の患者における差分値の第２のセットを含む訓練セットを作成するステップと、ｃ）訓練セットを使用してニューラルネットワークを訓練するステップと、を更に含む。ある態様では、所定の頻度は、１日１回である。ある態様では、ＳＥＭデルタ値の第１のセット及び第２のセットは、少なくとも６つのＳＥＭデルタ値を含み、ＳＥＭデルタ値は、各々が１日間隔でとられている。ある態様では、Ｎ＋Ｍ＝６である。ある態様では、Ｎ＝４、かつＭ＝２である。ある態様では、患者の皮膚上の場所は、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される。
本開示はまた、深部組織損傷（ＤＴＩ）を、損傷が患者の皮膚上で視認可能になる前に検出するためのニューラルネットワークを訓練するためのコンピュータ実装方法であって、ａ）ＤＴＩを経験する第１の複数の患者の各患者について、表皮下水分（ＳＥＭ）デルタ値の第１のセットを、ＤＴＩの形成前かつ形成まで、所定の頻度で患者の皮膚上の場所で取得することと、ｂ）ＤＴＩを経験しない第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットを、所定の頻度で患者の皮膚上の同じ場所で取得することと、ｃ）取得されたＳＥＭデルタ値の第１のセット及び第２のセットのＳＥＭデルタ値の各々に重みのセットを適用することと、ｄ）第１の複数の患者及び第２の複数の患者の各患者について、ｉ）ＳＥＭデルタ値のセット内のＮ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算することと、ｉｉ）ＳＥＭデルタ値のセット内のＭ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算することと、ｉｉｉ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差分値を計算することと、ｉｖ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を閾値と比較することと、ｅ）第１の複数の患者における差分値の第１のセット、及び第２の複数の患者における差分値の第２のセットを含む、訓練セットを作成することと、ｆ）訓練セットを使用してニューラルネットワークを訓練することと、を含む、コンピュータ実装方法を提供する。ある態様では、訓練されたニューラルネットワークは、ａ）ＤＴＩの形成前の各時点に対する最適化された重みを含む、最適化された重みのセットであって、最適化された重みが、時間とともに単調に増加する、最適化された重みのセットと、ｂ）最適化された閾値と、ｃ）Ｎの値と、ｄ）Ｍの値と、を出力する。ある態様では、所定の頻度は、１日１回である。ある態様では、ＳＥＭデルタ値の第１のセット及び第２のセットは、少なくとも６つのＳＥＭデルタ値を含み、ＳＥＭデルタ値は、各々が１日間隔でとられている。ある態様では、Ｎ＋Ｍ＝６である。ある態様では、Ｎ＝４、かつＭ＝２である。ある態様では、患者の皮膚上の場所は、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される。ある態様では、最適化された重みのセット及び最適化された閾値は、深部組織損傷の発生を予測するために使用される。
本開示は、ＤＴＩ組織を識別するための非一時的コンピュータ可読媒体を提供し、かつそれを含む。非一時的コンピュータ可読媒体は、そこに記憶された命令を含み得、命令が、プロセッサ上で実行されたとき、ａ）所定の頻度で患者の皮膚上の場所におけるＳＥＭデルタ値のセットを取得するステップと、ｂ）取得されたセットのＳＥＭデルタ値の各々に所定の重みを適用するステップと、ｃ）Ｎ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算するステップと、ｄ）Ｍ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算するステップと、ｅ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を所定の閾値と比較するステップと、ｆ）差が所定の閾値を超えるときに、患者の皮膚上の場所にＤＴＩが存在すると決定するステップと、を実施し得る。ある態様では、取得されたＳＥＭデルタ値のセットは、少なくとも５つのＳＥＭデルタ値を含み、ＳＥＭデルタ値は、各々が１日間隔でとられている。ある態様では、所定の重みは、０～２の範囲内である。ある態様では、所定の重みは、時間とともに単調に増加する。ある態様では、Ｎ＞Ｍである。ある態様では、Ｎが４であり、Ｍが２である。ある態様では、所定の閾値は、０～１の範囲内の実数である。ある態様では、最も新しいＳＥＭデルタ値は、Ｋ個の最も新しいＳＥＭデルタ値の線形外挿によって取得される。ある態様では、Ｋは、３である。ある態様では、所定の閾値は、０．７である。ある態様では、患者の皮膚上の場所は、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される。
本開示は、ＤＴＩ組織を識別するための非一時的コンピュータ可読媒体を提供し、かつそれを含む。非一時的コンピュータ可読媒体は、そこに記憶された命令を含み得、命令が、プロセッサ上で実行されたとき、ａ）ＤＴＩと診断されている第１の複数の患者の各患者について、表皮下水分（ＳＥＭ）デルタ値の第１のセットを、ＤＴＩの形成前かつ形成まで、所定の頻度で患者の皮膚上の場所で取得するステップと、ｂ）ＤＴＩと診断されていない第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットを、所定の頻度で患者の皮膚上の同じ場所で取得するステップと、ｃ）取得されたＳＥＭデルタ値の第１のセット及び第２のセットのＳＥＭデルタ値の各々に重みのセットを適用するステップと、ｄ）第１の複数の患者及び第２の複数の患者の全ての患者の重み付きＳＥＭデルタ値の第１のセット及び重み付けＳＥＭデルタ値の第２のセットを含む訓練セットを作成するステップと、ｅ）訓練セットを使用してニューラルネットワークを訓練するステップと、を実施し得る。ある態様では、訓練されたニューラルネットワークは、ＤＴＩの形成前の各時点に対する最適化された重みを含む、最適化された重みのセットを出力し、最適化された重みが、時間とともに単調に増加する。ある態様では、方法は、ａ）第１の複数の患者及び第２の複数の患者の各患者について、ｉ）ＳＥＭデルタ値のセット内のＮ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算するステップと、ｉｉ）ＳＥＭデルタ値のセット内のＭ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算するステップと、ｉｉｉ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差分値を計算するステップと、ｉｖ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を閾値と比較するステップと、ｂ）第１の複数の患者における差分値の第１のセット、及び第２の複数の患者における差分値の第２のセットを含む訓練セットを作成するステップと、ｃ）訓練セットを使用してニューラルネットワークを訓練するステップと、を更に含む。ある態様では、所定の頻度は、１日１回である。ある態様では、ＳＥＭデルタ値の第１のセット及び第２のセットは、少なくとも６つのＳＥＭデルタ値を含み、ＳＥＭデルタ値は、各々が１日間隔でとられている。ある態様では、Ｎ＋Ｍ＝６である。ある態様では、Ｎ＝４、かつＭ＝２である。ある態様では、患者の皮膚上の場所は、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される。
本開示は、ＤＴＩ組織を識別するための非一時的コンピュータ可読媒体を提供し、かつそれを含む。非一時的コンピュータ可読媒体は、そこに記憶された命令を含み得、命令が、プロセッサ上で実行されたとき、ａ）ＤＴＩを経験する第１の複数の患者の各患者について、表皮下水分（ＳＥＭ）デルタ値の第１のセットを、ＤＴＩの形成前かつ形成まで、所定の頻度で患者の皮膚上の場所で取得するステップと、ｂ）ＤＴＩを経験しない第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットを、所定の頻度で患者の皮膚上の同じ場所で取得するステップと、ｃ）取得されたＳＥＭデルタ値の第１のセット及び第２のセットのＳＥＭデルタ値の各々に重みのセットを適用するステップと、ｄ）第１の複数の患者及び第２の複数の患者の各患者について、ｉ）ＳＥＭデルタ値のセット内のＮ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算するステップと、ｉｉ）ＳＥＭデルタ値のセット内のＭ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算するステップと、ｉｉｉ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差分値を計算するステップと、ｉｖ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を閾値と比較するステップと、ｅ）第１の複数の患者における差分値の第１のセット、及び第２の複数の患者における差分値の第２のセットを含む訓練セットを作成するステップと、ｆ）訓練セットを使用してニューラルネットワークを訓練するステップと、を実施し得る。ある態様では、訓練されたニューラルネットワークは、ａ）ＤＴＩの形成前の各時点に対する最適化された重みを含む、最適化された重みのセットであって、最適化された重みが、時間とともに単調に増加する、最適化された重みのセットと、ｂ）最適化された閾値と、ｃ）Ｎの値と、ｄ）Ｍの値と、を出力する。ある態様では、所定の頻度は、１日１回である。ある態様では、ＳＥＭデルタ値の第１のセット及び第２のセットは、少なくとも６つのＳＥＭデルタ値を含み、ＳＥＭデルタ値は、各々が１日間隔でとられている。ある態様では、Ｎ＋Ｍ＝６である。ある態様では、Ｎ＝４、かつＭ＝２である。ある態様では、患者の皮膚上の場所は、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される。ある態様では、最適化された重みのセット及び最適化された閾値は、深部組織損傷の発生を予測するために使用される。
本開示は、深部組織損傷（ＤＴＩ）を予測するためのコンピュータ実装方法であって、入力デバイスを介して、患者と関連付けられた複数の表皮下水分（ＳＥＭ）デルタ値を受信することと、プロセッサを介して、複数のＳＥＭデルタ値を訓練されたモデルに自動的に入力して、確率値を受信することであって、モデルは、患者がＤＴＩを発症することの将来の発生に対応する確率値を予測するように構成され、モデルが、患者のセットからのＳＥＭデルタデータを含む訓練データのセットに基づいて訓練される、受信することと、出力デバイスを介して、確率値に基づいて、患者がＤＴＩを発症することの将来の発生の予測を出力することと、を含む、方法を提供し、かつそれを含む。ある態様では、モデルを訓練することは、入力デバイスを介して、訓練データのセットを受信するステップであって、訓練データのセットが、１）患者のセットと関連付けられた複数の表皮下水分（ＳＥＭ）デルタ値、及び２）閾値であって、患者のセット内の各患者が、既知の深部組織損傷（ＤＴＩ）ステータスを有し、閾値が、０～１の数である、閾値を含む、受信するステップと、プロセッサを介して、訓練データを最適化アルゴリズムに自動的に入力して、複数の最適な重み値を受信するステップと、プロセッサを介して、複数の最適な重み値を用いてモデルを自動的に更新するステップと、を含む。ある態様では、最適化アルゴリズムは、０～２の複数の増加する乱数を複数の重み値として生成することと、訓練データ及び複数の重み値をモデルに入力して、患者のセットと関連付けられた予測された深部組織損傷（ＤＴＩ）ステータスのセットを受信することと、予測されたＤＴＩステータスを、患者のセットと関連付けられた既知のＤＴＩステータスと比較することと、比較に基づいて、真陽性率（ＴＰＲ）及び偽陽性率（ＦＰＲ）を計算することであって、ＴＰＲが、患者のセットにおける、予測されたＤＴＩステータスがそれらの既知のＤＴＩステータスと一致する患者のパーセンテージとして計算され、ＦＰＲが、患者のセットにおける、予測されたＤＴＩステータスがそれらの既知のＤＴＩステータスと一致しない患者のパーセンテージとして計算される、計算することと、反復数として所定の回数にわたってステップａ）～ｄ）を繰り返すことと、反復からの全ての計算されたＴＰＲ及びＦＰＲから最適なＴＰＲ及びＦＰＲを識別することと、識別された最適なＴＰＲ及びＦＰＲと関連付けられた複数の最適な重み値を出力することと、を行うように構成されている。ある態様では、複数のＳＥＭデルタ値は、深部組織損傷（ＤＴＩ）を予測する日の前の所定の日数からのＳＥＭデルタ読み取り値を含む。ある態様では、最適なＴＰＲ及びＦＰＲを識別することは、１－ＴＰＲ＋ＦＰＲの目的関数を最小化することと、ＴＰＲ＞＞ＦＰＲの制約を満たすことと、を含む。ある態様では、入力デバイスは、ＳＥＭスキャナである。ある態様では、ＳＥＭスキャナは、ケーブル又は無線技術によってコンピュータに接続される。ある態様では、ＤＴＩは、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される場所で発生する。
本開示は、患者の深部組織損傷（ＤＴＩ）のリスクを評価するための方法であって、患者と関連付けられた複数の表皮下水分（ＳＥＭ）デルタ値を受信することと、複数のＳＥＭデルタ値を訓練されたモデルに入力して、確率値を受信することであって、モデルは、患者がＤＴＩを発症することの将来の発生に対応する確率値を予測するように構成され、モデルが、患者のセットのＳＥＭデルタデータを含む訓練データのセットに基づいて訓練される、受信することと、確率値に基づいて、患者の将来のＤＴＩの発生の可能性の予測を出力することと、予測された将来のＤＴＩの発生の可能性に基づいて、患者がＤＴＩを発症するリスクを評価することと、を含む、方法を提供し、かつそれを含む。ある態様では、予測された将来の発生は、ＤＴＩなし、ＤＴＩの可能性が低い、ＤＴＩの可能性が高い、又はＤＴＩが疑われるとして分類される。ある態様では、方法は、ＤＴＩの評価されたリスクに基づいて、患者に対する介入を選択することを更に含む。ある態様では、介入は、圧力を低減すること、患者を再配置すること、患者の支持表面を変更すること、低摩擦パッド付きマットレスを提供すること、シリコンパッドを提供すること、踵ブーツを提供すること、創傷を洗浄及び包帯すること、損傷した組織を除去すること、局所クリームを塗布すること、バリアクリームを塗布すること、神経筋刺激を適用すること、薬物投与、及び手術のうちの少なくとも１つを含む。ある態様では、ＤＴＩは、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される場所で発生する。ある態様では、方法は、方法を実施することからのレポートを生成又は更新することを更に含む。ある態様では、方法は、患者又は臨床医にレポートを伝達することを更に含む。ある態様では、方法は、レポートを非一時的コンピュータ可読記憶媒体に記憶することを更に含む。ある態様では、方法は、レポートをコンピュータディスプレイ上に表示することを更に含む。
本開示は、デバイスの１つ以上のプロセッサによる実行のための１つ以上のプログラムを備える、非一時的コンピュータ可読記憶媒体であって、１つ以上のプログラムが、命令を含み、命令が、１つ以上のプロセッサによって実行されたときに、デバイスに上記の実施形態のうちのいずれか１つの方法を実施させる、非一時的コンピュータ可読記憶媒体を提供し、かつそれを含む。ある態様では、非一時的コンピュータ可読記憶媒体は、上記の実施形態のうちのいずれか１つの方法を実施することから生成されたレポートを更に含む。
本開示は、電子デバイスであって、１つ以上のプロセッサと、メモリと、１つ以上のプログラムと、を備え、１つ以上のプログラムが、命令を含み、命令が、１つ以上のプロセッサによって実行されたときに、デバイスに上記の実施形態のうちのいずれか１つの方法を実施させる、電子デバイスを提供し、かつそれを含む。ある態様では、電子デバイスは、上記の実施形態のうちのいずれか１つの方法を実施することから生成されたレポートを提示するための１つ以上のディスプレイを更に備える。
本開示のいくつかの態様は、単なる例として、添付の図面を参照して本明細書において説明される。ここで、図面を詳細に具体的に参照すると、示される詳細は、例としてであり、本開示の実施形態の例示的な考察の目的のためであることが強調される。この点に関して、図面とともに解釈される説明は、本開示の態様がどのように実施され得るかを当業者に明らかにする。
１つの同軸電極を備える、本開示による例示的な装置。 潜在的なＤＴＩを検出するために、ＳＥＭデルタ値を測定するための本開示による例示的な装置を使用する例示的な方法の例示。 ＤＴＩと診断された患者（左）及びＤＴＩと診断されなかった患者（右）からとられたサンプルＳＥＭデルタ値。 本開示による、ＤＴＩを検出するための例示的な方法の例示。 患者からとられたサンプルＳＥＭデルタ値。 処理のためのデータを分割する例示的なやり方。 本開示による、ＤＴＩを予測するための例示的な方法を例示するフローチャート。 本開示による、重みを最適化するための例示的な方法を例示するフローチャート。 本開示による、サンプルの最適化された重み及び閾値。 本開示による、ＤＴＩの形成を予測するための例示的な方法。 本開示による、例示的な予測及び検出方法の結果。 本開示のある態様による例示的なシステム。
この説明は、本開示が実装され得る全ての異なる方法、又は本開示に追加され得る全ての特徴の、詳細な列記であることを意図していない。例えば、一実施形態に関して図解された特長が、他の実施形態に組み込まれる場合があり、特定の実施形態に関して図解された特長が、その実施形態から削除される場合がある。したがって、本開示は、本開示のいくつかの実施形態において、本明細書に記載される任意の特徴又は特徴の組み合わせが除外又は省略され得ることを企図する。加えて、本明細書で示唆される様々な実施形態への変更及び追加は、本開示を踏まえて当業者には明らかになり、それらは、本開示から逸脱しない。他の例では、周知の構造、インターフェース、及びプロセスは、本発明を不必要に不明瞭にしないために詳細に示されていない。本明細書のいかなる部分も、本発明の全範囲のいかなる部分の否定をもたらすと解釈されることを意図されていない。したがって、以下の説明は、本開示のいくつかの特定の実施形態を例示することを意図し、その全ての再配列、組み合わせ、及び変更を徹底的に指定しない。
別途定義されない限り、本明細書で使用される全ての技術用語及び科学用語は、本開示が属する技術分野の当業者によって一般に理解されるものと同じ意味を有する。本明細書における本開示の説明で使用されている用語は、単に特定の実施形態を説明する目的のためであり、本開示を制限することを意図していない。
本明細書で引用されている全ての刊行物、特許出願、特許、及び他の参考文献は、参照文献が提示されている文及び／又は段落に関する教示に対して、それらの全体が参照により組み込まれる。本明細書で採用されている技法への言及は、当業者に明らかになるであろうそれらの技法の変形又は同等の技法の代用を含む、当技術分野において一般的に理解されている技法を指すことが意図されている。
文脈が別途示さない限り、本明細書に記載されている本開示の様々な特徴は、任意の組み合わせで使用することができることが具体的に意図されている。更に、本開示はまた、本開示のいくつかの実施形態において、本明細書に記載される任意の特徴又は特徴の組み合わせが除外又は省略され得ることを企図する。
本明細書に開示されている方法は、説明された方法を達成するための１つ以上のステップ又は行動を含む。方法のステップ及び／又は行動は、本発明の範囲から逸脱することなく互いに交換されてもよい。換言すれば、ステップ又は行為の特定の順序が実施形態の適切な動作のために必要とされない限り、特定のステップ及び／又は行為の順序及び／又は使用は、本発明の範囲から逸脱することなく修正され得る。
本開示及び添付の特許請求の範囲の説明で使用される場合、単数形「ａ」、「ａｎ」、及び「ｔｈｅ」は、文脈が明示的に別途示さない限り、複数形も含むことが意図されている。
本明細書で使用される場合、「及び／又は」は、関連する列挙された項目のうちの１つ以上のありとあらゆる可能な組み合わせ、並びに別の方法（「又は」）で解釈される場合は組み合わせの欠如を指し、かつそれらを包含する。
長さ、周波数、又はＳＥＭデルタ値などの測定可能な値を指すときに本明細書で使用される場合、「約」及び「およそ」という用語は、指定された量の±２０％、±１０％、±５％、±１％、±０．５％、又は±０．１％ほどの変動を包含するように意図される。
本明細書で使用される場合、「ＸとＹとの間」及び「約ＸとＹとの間」などの句は、Ｘ及びＹを含むと解釈されるべきである。本明細書で使用される場合、「約ＸとＹとの間」などの句は、「約Ｘと約Ｙとの間」を意味し、「約ＸからＹ」などの句は、「約Ｘから約Ｙ」を意味する。
本明細書で使用される場合、「例示的」という用語は、本明細書では、例、実例、又は例示として役立つことを意味するために使用される。任意の態様又は「例示的な」として説明される態様は、必ずしも他の態様又は態様よりも好ましい又は有利であると解釈されるべきではなく、当業者に既知の均等な構造及び技術を排除することを意味するものでもない。むしろ、単語の例示的な使用は、具体的な様式で概念を提示することを意図しており、開示された主題はそのような例によって限定されない。
本明細書で使用される場合、「表皮下水分」又は「ＳＥＭ」という用語は、表皮下の皮膚組織内の水分の量を指す。ＳＥＭは、細胞内及び細胞外流体を含み得る。理論に拘束されることなく、皮膚組織が損傷したとき、損傷した部位の炎症が血管を拡張させ、皮膚組織内への血流を増加させ得る。血管透過性の増加もあり、流体、タンパク質、及び白血球が循環から皮膚組織損傷部位に移動することを可能にする。損傷した部位への流体、細胞、及び他の物質の激しい流入は、腫脹及び発赤をもたらし、損傷した皮膚組織におけるＳＥＭの量を増加させる。アポトーシス及びネクローシスのようなプロセスもまた、損傷した領域内の流体の量を増加させ得る。ＳＥＭは、例えば、バイオキャパシタンスの測定によって測定され得る。いくつかの態様では、本明細書に説明される方法は、組織におけるＳＥＭ値を取得するステップを含む。いくつかの態様では、本明細書に説明される方法は、皮膚におけるＳＥＭ値を取得するステップを含む。いくつかの態様では、本明細書に説明される方法は、皮膚の表皮下層におけるＳＥＭ値を取得するステップを含む。いくつかの態様では、本明細書に説明される方法は、組織中のＳＥＭデルタ値を取得するステップを含む。いくつかの態様では、本明細書に説明される方法は、皮膚におけるＳＥＭデルタ値を取得するステップを含む。いくつかの態様では、本明細書に説明される方法は、組織におけるＳＥＭ値のセットを取得するステップを含む。いくつかの態様では、本明細書に説明される方法は、皮膚におけるＳＥＭ値のセットを取得するステップを含む。いくつかの態様では、本明細書に説明される方法は、組織におけるＳＥＭデルタ値のセットを取得するステップを含む。いくつかの態様では、本明細書に説明される方法は、皮膚におけるＳＥＭデルタ値のセットを取得するステップを含む。いくつかの態様では、ＳＥＭデルタ値のセットは、異なる時間にとられた複数のＳＥＭデルタ値を含む。いくつかの態様では、ＳＥＭデルタ値のセットは、同時にとられた複数のＳＥＭデルタ値を含む。
本明細書で使用される場合、「ＳＥＭデルタ値」又は「ＳＥＭ－Δ値」は、同じ組織場所で、又は組織場所に関係なくほぼ同時に取得されたＳＥＭ測定値から導出された２つの値の間の計算された差を指す。
ある態様では、２つの値の各々は、他方とほぼ同時に取得されたＳＥＭ測定値である。ある態様では、２つの値の各々は、ほぼ同時に取得された複数のＳＥＭ測定値のサブセットから決定された平均値である。ある態様では、２つの値は、ほぼ同時に取得された複数のＳＥＭ測定値から決定されたＳＥＭ測定値及び平均値である。ある態様では、２つの値は、ほぼ同時に取得された最大ＳＥＭ測定値及びＳＥＭ測定値である。ある態様では、２つの値は、ほぼ同時に取得された複数のＳＥＭ測定値から決定された最大ＳＥＭ測定値及び平均値である。ある態様では、２つの値は、ほぼ同時に取得された複数のＳＥＭ測定値から決定された最大ＳＥＭ測定値及び最小ＳＥＭ測定値である。
ある態様では、２つの値の各々は、同じ組織場所で取得されたＳＥＭ測定値である。ある態様では、２つの値の各々は、同じ組織場所で取得された複数のＳＥＭ測定値のサブセットから決定された平均ＳＥＭ値である。ある態様では、２つの値は、ＳＥＭ測定値であり、同じ組織場所で取得された複数のＳＥＭ測定値から決定された平均値である。ある態様では、２つの値は、同じ組織場所で取得された最大ＳＥＭ測定値及びＳＥＭ測定値である。ある態様では、２つの値は、同じ組織場所で取得された複数のＳＥＭ測定値から決定された最大ＳＥＭ測定値及び平均値である。ある態様では、２つの値は、同じ組織場所で取得された複数のＳＥＭ測定値から決定された最大ＳＥＭ測定値及び最小ＳＥＭ測定値である。ある態様では、同じ組織場所で取得された２つのＳＥＭ測定値は、組織上の空間的に別個の場所でとられた測定値である。ある態様では、同じ組織場所で取得された２つのＳＥＭ測定値は、組織上の重複する場所でとられた測定値である。ある態様では、組織場所は、限定されるものではないが、胸骨、仙骨、踵、肩甲骨、肘、耳、又は他の肉質組織を含む、解剖学的部位を中心とする。ある態様では、同じ組織場所で複数のＳＥＭ測定値を取得することは、解剖学的場所及びその周りで測定を行うことを含む。ある態様では、同じ組織場所で複数のＳＥＭ測定値を取得することは、測定マップに基づいて、解剖学的場所及びその周りで測定を行うことを含む。例示的な測定マップは、例えば、米国特許出願第１７／５９１，１３９号又は米国特許第９，７６３，５９６号に見出され得、それらの全体が本明細書に組み込まれる。
ある態様では、平均ＳＥＭ値は、解剖学的部位を取り囲む各空間場所でほぼ同時に測定されたいくつかのＳＥＭ値について決定される。ある態様では、ＳＥＭデルタ値は、ほぼ同時に解剖学的部位の周りで測定された最大平均ＳＥＭ値と平均ＳＥＭ値の各々との間の差である。ある態様では、ＳＥＭデルタ値は、ほぼ同時に解剖学的部位の周りで測定された最大平均ＳＥＭ値と最小平均ＳＥＭ値との間の差である。ある態様では、「ＳＥＭデルタ値」はまた、異なる時間に同じ組織場所の周りで取得された測定値から導出された２つの値の間の計算された差を指し得る。ある態様では、２つの測定値は、それらが約１０時間以下の間隔、約８時間以下の間隔、約６時間以下の間隔、約５時間以下の間隔、約４時間以下の間隔、約３時間以下の間隔、約２時間以下の間隔、又は約１時間以下の間隔でとられるとき、ほぼ同時に取得される。
本明細書で使用される場合、「組織バイオキャパシタンス」という用語は、間質腔に蓄積する流体の増加したレベルに基づいて初期組織損傷を検出するための生物物理学的マーカーを指す。理論に拘束されることなく、組織内の流体含有量が大きいほど、バイオキャパシタンス値が高くなる。いくつかの態様では、本明細書に説明される方法は、組織中のバイオキャパシタンスを測定するステップを含む。いくつかの態様では、本明細書に説明される方法は、皮膚のバイオキャパシタンスを測定するステップを含む。いくつかの態様では、本明細書に説明される方法で測定されたバイオキャパシタンスは、組織におけるＳＥＭと線形に変化する。いくつかの態様では、本明細書に説明される方法で測定されたバイオキャパシタンスは、組織におけるＳＥＭと非線形に変化する。
本明細書で使用される場合、「システム」は、互いに有線又は無線通信しているデバイスの集合であってもよい。
本明細書で使用される場合、「調査する」は、患者の皮膚に貫通するための高周波エネルギーの使用を指す。
本明細書で使用される場合、「患者」は、ヒト又は動物対象であってもよい。
本明細書で使用される場合、「重み」は、ＳＥＭデルタ値の分布におけるその相対的重要性を表現するためにＳＥＭデルタ値に割り当てられた数値係数である。理論に拘束されることなく、重みは、現在と比較して異なる日におけるＳＥＭ測定の寄与を調整し得る。
本明細書で使用される場合、「ニューラルネットワーク」は、計算に対するコネクショニズムアプローチに基づいて、情報処理のために数学的又は計算モデルを使用する、人工ニューロン又はノードを含む人工ニューラルネットワークである。ニューラルネットワークは、例示的な入力－出力ペアに基づいて、入力を出力にマッピングする関数の教師あり学習を実施し得る。例示的な入力－出力ペアは、「訓練セット」としてニューラルネットワークに与えられ得る。
本明細書で使用される場合、「電極センサ」は、電気的特性を検出する電極である。ある態様では、電極センサは、１つの電極を備える。ある態様では、電極センサは、２つの電極を備える。ある態様では、電極センサは、同軸構成に配置された２つの電極を備える。ある態様では、電極センサは、互いに近接して配置された２つの電極を備える。
本明細書で使用される場合、状態又は疾患に関して、「予防」又は「予防すること」は、患者に発現する前に状態若しくは疾患を発症するリスクを低減するか、又は一旦発症した状態若しくは疾患の進行を遅らせ、停止させるためのアプローチである。予防アプローチは、限定されるものではないが、迅速かつ適切な管理が開始され得るように、疾患の初期段階で疾患を識別すること、その発現前の状態又は疾患になりやすい組織を保護すること、疾患の結果を低減又は最小化すること、及びそれらの組み合わせを含む。ある態様では、ＤＴＩは、ＤＴＩが形成されないとき、予防される。ある態様では、ＤＴＩは、形成されたＤＴＩが悪化しないとき、予防される。
本明細書で使用される場合、状態又は疾患に関して「治療」又は「治療すること」は、好ましくは、状態又は疾患が患者に出現した後の臨床結果を含む、有益又は所望の結果を取得するためのアプローチである。疾患に関する有益な又は所望の結果は、限定されるものではないが、疾患と関連付けられた状態を改善すること、疾患を治癒すること、疾患の重症度を低減すること、疾患の進行を遅延させること、疾患と関連付けられた１つ以上の症状を緩和すること、疾患に罹患している者の生活の質を向上させること、生存を延長すること、及びそれらの組み合わせのうちの１つ以上を含む。同様に、本開示の目的のために、疾患に関する有益な又は所望の結果は、限定されるものではないが、状態を改善すること、疾患を治癒すること、状態の重症度を低減すること、状態の進行を遅延させること、状態と関連付けられた１つ以上の症状を緩和すること、状態に罹患している者の生活の質を向上させること、生存を延長すること、及びそれらの組み合わせのうちの１つ以上を含む。
本開示による例示的な装置は、図１Ａ及び図１Ｂに示される。これらは、表皮下水分を測定するための装置の例であることが理解されるであろう。いくつかの実施形態では、本開示による装置は、ハンドヘルドデバイス、ポータブルデバイス、有線デバイス、無線デバイス、又はヒト患者の一部を測定するために固定されるデバイスであり得る。Ｓａｒｒａｆｚａｄｅｈらの米国特許第９，２２０，４５５号及び米国特許第９，３９８，８７９号、並びにＴｏｎａｒらの米国特許第１０，１８２，７４０号は、異なるＳＥＭスキャン装置を対象としている。米国特許第９，２２０，４５５号、米国特許第９，３９８，８７９号、及び同第１０，１８２，７４０号の全ては、それらの全体が参照によって本明細書に組み込まれる。
検出の方法
ある態様では、本開示は、深部組織損傷（ＤＴＩ）を、それが患者の皮膚上で視認可能になる前に検出するための方法であって、ａ）所定の頻度で患者の皮膚上の場所におけるＳＥＭデルタ値のセットを取得することと、ｂ）取得されたセットのＳＥＭデルタ値の各々に所定の重みを適用することと、ｃ）Ｎ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算することと、ｄ）Ｍ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算することと、ｅ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を所定の閾値と比較することと、ｆ）差が所定の閾値を超えるときに、患者の皮膚上の場所にＤＴＩが存在すると決定することと、を含む、方法を提供する。ある態様では、取得されたＳＥＭデルタ値のセットは、少なくとも５つのＳＥＭデルタ値を含み、ＳＥＭデルタ値は、各々が１日間隔でとられている。ある態様では、所定の重みは、０～２の範囲内である。ある態様では、所定の重みは、時間とともに単調に増加する。ある態様では、Ｎ＞Ｍである。ある態様では、Ｎが４であり、Ｍが２である。ある態様では、所定の閾値は、０～１の範囲内の実数である。ある態様では、最も新しいＳＥＭデルタ値は、Ｋ個の最も新しいＳＥＭデルタ値の線形外挿によって取得される。ある態様では、Ｋは、３である。ある態様では、所定の閾値は、０．７である。
ある態様では、ＳＥＭデルタ値のセットは、異なる時間に取得された複数のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、所定の頻度で取得された複数のＳＥＭデルタ値を含む。ある態様では、所定の頻度は、月１回、２週間ごとに１回、週１回、５日ごとに１回、４日ごとに１回、３日ごとに１回、２日ごとに１回、１日１回、２４時間ごとに１回、２３時間ごとに１回、２２時間ごとに１回、２１時間ごとに１回、１９時間ごとに１回、１８時間ごとに１回、１７時間ごとに１回、１６時間ごとに１回、１５時間ごとに１回、１４時間ごとに１回、１３時間ごとに１回、１２時間ごとに１回、１１時間ごとに１回、１０時間ごとに１回、９時間ごとに１回、８時間ごとに１回、７時間ごとに１回、６時間ごとに１回、５時間ごとに１回、４時間ごとに１回、３時間ごとに１回、２時間ごとに１回、１時間ごとに１回、６０分ごとに１回、３０分ごとに１回、１５分ごとに１回、１０分ごとに１回、５分ごとに１回、２分ごとに１回である。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された１０個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された９個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された８個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された７個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された６個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された５個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された４個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された３個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された２個のＳＥＭデルタ値を含む。
ある態様では、重みのセットは、ＳＥＭデルタ値のセット内の各ＳＥＭデルタ値に適用される。ある態様では、重みのセットは、予め決定されている。ある態様では、第１の所定の重みは、ＳＥＭデルタ値のセット内の第１のＳＥＭデルタ値に適用される。ある態様では、第２の所定の重みは、ＳＥＭデルタ値のセット内の第２のＳＥＭデルタ値に適用される。ある態様では、ＳＥＭデルタ値のセット内のＳＥＭデルタ値に適用される所定の重みは、現在の時間と比較して、ＳＥＭデルタ値が取得される時間によって決定される。ある態様では、より大きい重みは、より早い時点で取得されたＳＥＭデルタ値よりも、より最近取得されたＳＥＭデルタ値に適用される。ある態様では、より最近取得されたＳＥＭデルタ値と比較して、より小さい重みは、より早い時間に取得されたＳＥＭデルタ値に適用される。ある態様では、所定の重みは、時間とともに単調に増加する。ある態様では、所定の重みは、０～２の範囲内である。ある態様では、所定の重みは、約２、約１．９、約１．８、約１．７、約１．６、約１．５、約１．４、約１．３、約１．２、約１．１、約１．０、約０．９、約０．８、約０．７、約０．６、約０．５、約０．４、約０．３、約０．２、約０．１、又は約０．０である。ある態様では、所定の重みは、教師あり学習アルゴリズムの結果から取得される。ある態様では、所定の重みは、教師なし学習アルゴリズムの結果から取得される。
ある態様では、平均ＳＥＭデルタ値は、ＳＥＭデルタ値のセットから計算される。ある態様では、平均ＳＥＭデルタ値は、ＳＥＭデルタ値のサブセットから計算される。ある態様では、第１の平均ＳＥＭデルタ値は、Ｎ個の最も古い重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、Ｍ個の最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、５つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、４つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、２つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、３つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、３つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、２つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、４つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、１つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、５つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の５つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、２つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の４つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、３つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の３つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、４つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の２つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、５つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、Ｎ＋Ｍ＝３である。ある態様では、Ｎ＋Ｍ＝４である。ある態様では、Ｎ＋Ｍ＝５である。ある態様では、Ｎ＋Ｍ＝６である。ある態様では、Ｎ＋Ｍ＝７である。ある態様では、Ｎ＋Ｍ＝８である。ある態様では、Ｎ＋Ｍ＝９である。ある態様では、Ｎ＋Ｍ＝１０である。ある態様では、Ｎ＝１、２、３、４、５、６、７、８、９、又は１０である。ある態様では、Ｍ＝１、２、３、４、５、６、７、８、９、又は１０である。ある態様では、患者と関連付けられた複数のＳＥＭデルタ値は、リスク評価の前の所定の時間間隔にわたって周期的に取得される。ある態様では、リスク評価の前の所定の時間間隔は、１日、２日、３日、４日、５日、６日、７日、８日、９日、又は１０日である。
ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差が計算される。ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差は、所定の閾値と比較される。ある態様では、所定の閾値は、ゼロである。ある態様では、所定の閾値は、正の値である。ある態様では、所定の閾値は、負の値である。ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の正の差は、深部組織損傷を示す。ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の正ではないか、又はゼロの差は、深部組織損傷がないことを示す。ある態様では、最も新しいＳＥＭデルタ値の平均と最も古いＳＥＭデルタ値の平均との間の正の差は、深部組織損傷を示す。ある態様では、最も新しいＳＥＭデルタ値の平均と最も古いＳＥＭデルタ値の平均との間の正ではないか、又はゼロの差は、深部組織損傷がないことを示す。ある態様では、所定の閾値は、０～１の範囲内の実数である。ある態様では、所定の閾値は、約０．１、約０．２、約０．３、約０．４、約０．５、約０．６、約０．７、約０．８、約０．９、約１．０である。ある態様では、ＤＴＩは、差が所定の閾値を超えるときに、患者の皮膚上の場所に存在すると決定される。
訓練の方法
ある態様では、本開示は、深部組織損傷（ＤＴＩ）を、損傷が患者の皮膚上で視認可能になる前に検出するためのニューラルネットワークを訓練するためのコンピュータ実装方法であって、ａ）ＤＴＩと診断されている第１の複数の患者の各患者について、表皮下水分（ＳＥＭ）デルタ値の第１のセットを、ＤＴＩの形成前かつ形成まで、所定の頻度で患者の皮膚上の場所で取得することと、ｂ）ＤＴＩと診断されていない第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットを、所定の頻度で患者の皮膚上の同じ場所で取得することと、ｃ）取得されたＳＥＭデルタ値の第１のセット及び第２のセットのＳＥＭデルタ値の各々に重みのセットを適用することと、ｄ）第１の複数の患者及び第２の複数の患者の全ての患者の重み付きＳＥＭデルタ値の第１のセット及び重み付けＳＥＭデルタ値の第２のセットを含む、訓練セットを作成することと、ｅ）訓練セットを使用してニューラルネットワークを訓練することと、を含む、コンピュータ実装方法を提供する。
ある態様では、ニューラルネットワークは、単層ニューラルネットワークである。ある態様では、ニューラルネットワークは、多層ニューラルネットワークである。ある態様では、ニューラルネットワークは、少なくとも１つの隠れ層、少なくとも２つの隠れ層、少なくとも３つの隠れ層、少なくとも４つの隠れ層、又は少なくとも５つの隠れ層を含む。ある態様では、ニューラルネットワークは、教師あり学習アルゴリズムを使用する。ある態様では、ニューラルネットワークは、教師なし学習アルゴリズムを使用する。
ある態様では、第１の複数の患者は、ＤＴＩと診断されている。ある態様では、第１の複数の患者の各患者について、ＳＥＭデルタ値の第１のセットが、患者の皮膚上の場所で取得される。ある態様では、ＳＥＭデルタ値の第１のセットは、ＤＴＩの形成の前かつ形成まで、所定の頻度で取得される。ある態様では、第２の複数の患者は、ＤＴＩと診断されていない。ある態様では、第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットが、患者の皮膚上の場所で取得される。ある態様では、ＳＥＭデルタ値の第２のセットは、ＳＥＭデルタ値の第１のセットと同じ所定の頻度で取得される。ある態様では、ＳＥＭデルタ値のセットは、異なる時間に取得された複数のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、所定の頻度で取得された複数のＳＥＭデルタ値を含む。ある態様では、所定の頻度は、月１回、２週間ごとに１回、週１回、５日ごとに１回、４日ごとに１回、３日ごとに１回、２日ごとに１回、１日１回、２４時間ごとに１回、２３時間ごとに１回、２２時間ごとに１回、２１時間ごとに１回、１９時間ごとに１回、１８時間ごとに１回、１７時間ごとに１回、１６時間ごとに１回、１５時間ごとに１回、１４時間ごとに１回、１３時間ごとに１回、１２時間ごとに１回、１１時間ごとに１回、１０時間ごとに１回、９時間ごとに１回、８時間ごとに１回、７時間ごとに１回、６時間ごとに１回、５時間ごとに１回、４時間ごとに１回、３時間ごとに１回、２時間ごとに１回、１時間ごとに１回、６０分ごとに１回、３０分ごとに１回、１５分ごとに１回、１０分ごとに１回、５分ごとに１回、２分ごとに１回、１分ごとに１回、又は３０秒ごとに１回である。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された１０個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された９個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された８個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された７個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された６個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された５個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された４個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された３個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された２個のＳＥＭデルタ値を含む。ある態様では、患者の皮膚上の場所は、限定されるものではないが、踵、膝、肘、仙骨、大腿、後頭部、肩、背骨の付け根、臀部、足指、耳、腰、脚、又は胸郭を含む、ＤＴＩを発症するリスクのあるエリアである。
ある態様では、重みのセットは、ＳＥＭデルタ値のセット内の各ＳＥＭデルタ値に適用される。ある態様では、重みのセットは、ランダムである。ある態様では、第１のランダムな重みは、ＳＥＭデルタ値のセット内の第１のＳＥＭデルタ値に適用される。ある態様では、第２のランダムな重みは、ＳＥＭデルタ値のセット内の第２のＳＥＭデルタ値に適用される。ある態様では、ＳＥＭデルタ値のセット内のＳＥＭデルタ値に適用されるランダムな重みは、現在の時間と比較して、ＳＥＭデルタ値が取得される時間によって決定される。ある態様では、より大きいランダムな重みは、より早い時点で取得されたＳＥＭデルタ値よりも、より最近取得されたＳＥＭデルタ値に適用される。ある態様では、より最近取得されたＳＥＭデルタ値と比較して、より小さいランダムな重みは、より早い時間に取得されたＳＥＭデルタ値に適用される。ある態様では、ランダムな重みは、時間とともに単調に増加する。
ある態様では、第１の複数の患者及び第２の複数の患者の全ての患者の重み付きＳＥＭデルタ値の第１のセット及び重み付けＳＥＭデルタ値の第２のセットを含む訓練セットが作成される。ある態様では、訓練セットを使用してニューラルネットワークが訓練される。
ある態様では、方法は、ａ）第１の複数の患者及び第２の複数の患者の各患者について、ｉ）ＳＥＭデルタ値のセット内のＮ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算することと、ｉｉ）ＳＥＭデルタ値のセット内のＭ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算することと、ｉｉｉ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差分値を計算することと、ｉｖ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を閾値と比較することと、ｂ）第１の複数の患者における差分値の第１のセット、及び第２の複数の患者における差分値の第２のセットを含む、訓練セットを作成することと、ｃ）訓練セットを使用してニューラルネットワークを訓練することと、を更に含む。
ある態様では、平均ＳＥＭデルタ値は、ＳＥＭデルタ値のセットから計算される。ある態様では、平均ＳＥＭデルタ値は、ＳＥＭデルタ値のサブセットから計算される。ある態様では、第１の平均ＳＥＭデルタ値は、Ｎ個の最も古い重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、Ｍ個の最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、５つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、４つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、２つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、３つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、３つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、２つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、４つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、１つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、５つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の５つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、２つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の４つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、３つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の３つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、４つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の２つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、５つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、患者と関連付けられた複数のＳＥＭデルタ値は、リスク評価の前の所定の時間間隔にわたって周期的に取得される。ある態様では、リスク評価の前の所定の時間間隔は、１日、２日、３日、４日、５日、６日、７日、８日、９日、又は１０日である。
ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差が計算される。ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差は、閾値と比較される。ある態様では、閾値は、ゼロである。ある態様では、閾値は、正の値である。ある態様では、閾値は、負の値である。ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の正の差は、深部組織損傷を示す。ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の正ではないか、又はゼロの差は、深部組織損傷がないことを示す。ある態様では、最も新しいＳＥＭデルタ値の平均と最も古いＳＥＭデルタ値の平均との間の正の差は、深部組織損傷を示す。ある態様では、最も新しいＳＥＭデルタ値の平均と最も古いＳＥＭデルタ値の平均との間の正ではないか、又はゼロの差は、深部組織損傷がないことを示す。ある態様では、閾値は、０～１の範囲内の実数である。ある態様では、閾値は、約０．１、約０．２、約０．３、約０．４、約０．５、約０．６、約０．７、約０．８、約０．９、約１．０である。ある態様では、ＤＴＩは、差が所定の閾値を超えるときに、患者の皮膚上の場所に存在すると決定される。
ある態様では、第１の複数の患者における差分値の第１のセット、及び第２の複数の患者における差分値の第２のセットを含む訓練セットが作成される。ある態様では、訓練セットを使用してニューラルネットワークが訓練される。
ある態様では、訓練されたニューラルネットワークは、ＤＴＩの形成前の各時点に対する最適化された重みを含む、最適化された重みのセットを出力する。ある態様では、最適化された重みは、時間とともに単調に増加する。ある態様では、最適化された重みは、０～２の範囲内である。ある態様では、最適化された重みは、約２、約１．９、約１．８、約１．７、約１．６、約１．５、約１．４、約１．３、約１．２、約１．１、約１．０、約０．９、約０．８、約０．７、約０．６、約０．５、約０．４、約０．３、約０．２、約０．１、又は約０．０である。ある態様では、訓練されたニューラルネットワークは、最適化された閾値を出力する。ある態様では、最適化された閾値は、約０．１、約０．２、約０．３、約０．４、約０．５、約０．６、約０．７、約０．８、約０．９、約１．０である。
ある態様では、本開示は、深部組織損傷（ＤＴＩ）を、損傷が患者の皮膚上で視認可能になる前に検出するためのニューラルネットワークを訓練するためのコンピュータ実装方法であって、ａ）ＤＴＩを経験する第１の複数の患者の各患者について、表皮下水分（ＳＥＭ）デルタ値の第１のセットを、ＤＴＩの形成前かつ形成まで、所定の頻度で患者の皮膚上の場所で取得することと、ｂ）ＤＴＩを経験しない第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットを、所定の頻度で患者の皮膚上の同じ場所で取得することと、ｃ）取得されたＳＥＭデルタ値の第１のセット及び第２のセットのＳＥＭデルタ値の各々に重みのセットを適用することと、ｄ）第１の複数の患者及び第２の複数の患者の各患者について、ｉ）ＳＥＭデルタ値のセット内のＮ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算することと、ｉｉ）ＳＥＭデルタ値のセット内のＭ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算することと、ｉｉｉ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差分値を計算することと、ｉｖ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を閾値と比較することと、ｅ）第１の複数の患者における差分値の第１のセット、及び第２の複数の患者における差分値の第２のセットを含む、訓練セットを作成することと、ｆ）訓練セットを使用してニューラルネットワークを訓練することと、を含む、コンピュータ実装方法を提供する。
ある態様では、ニューラルネットワークは、単層ニューラルネットワークである。ある態様では、ニューラルネットワークは、多層ニューラルネットワークである。ある態様では、ニューラルネットワークは、少なくとも１つの隠れ層、少なくとも２つの隠れ層、少なくとも３つの隠れ層、少なくとも４つの隠れ層、又は少なくとも５つの隠れ層を含む。ある態様では、ニューラルネットワークは、教師あり学習アルゴリズムを使用する。ある態様では、ニューラルネットワークは、教師なし学習アルゴリズムを使用する。
ある態様では、第１の複数の患者は、ＤＴＩと診断されている。ある態様では、第１の複数の患者の各患者について、ＳＥＭデルタ値の第１のセットが、患者の皮膚上の場所で取得される。ある態様では、ＳＥＭデルタ値の第１のセットは、ＤＴＩの形成の前かつ形成までの所定の頻度で取得される。ある態様では、第２の複数の患者は、ＤＴＩと診断されていない。ある態様では、第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットが、患者の皮膚上の場所で取得される。ある態様では、ＳＥＭデルタ値の第２のセットは、ＳＥＭデルタ値の第１のセットと同じ所定の頻度で取得される。ある態様では、ＳＥＭデルタ値のセットは、異なる時間に取得された複数のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、所定の頻度で取得された複数のＳＥＭデルタ値を含む。ある態様では、所定の頻度は、月１回、２週間ごとに１回、週１回、５日ごとに１回、４日ごとに１回、３日ごとに１回、２日ごとに１回、１日１回、２４時間ごとに１回、２３時間ごとに１回、２２時間ごとに１回、２１時間ごとに１回、１９時間ごとに１回、１８時間ごとに１回、１７時間ごとに１回、１６時間ごとに１回、１５時間ごとに１回、１４時間ごとに１回、１３時間ごとに１回、１２時間ごとに１回、１１時間ごとに１回、１０時間ごとに１回、９時間ごとに１回、８時間ごとに１回、７時間ごとに１回、６時間ごとに１回、５時間ごとに１回、４時間ごとに１回、３時間ごとに１回、２時間ごとに１回、１時間ごとに１回、６０分ごとに１回、３０分ごとに１回、１５分ごとに１回、１０分ごとに１回、５分ごとに１回、２分ごとに１回である。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された１０個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された９個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された８個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された７個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された６個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された５個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された４個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された３個のＳＥＭデルタ値を含む。ある態様では、ＳＥＭデルタ値のセットは、２４時間ごとに１回取得された２個のＳＥＭデルタ値を含む。ある態様では、患者の皮膚上の場所は、限定されるものではないが、踵、膝、肘、仙骨、大腿、後頭部、肩、背骨の付け根、臀部、足指、耳、腰、脚、又は胸郭を含む、ＤＴＩを発症するリスクのあるエリアである。
ある態様では、重みのセットは、ＳＥＭデルタ値のセット内の各ＳＥＭデルタ値に適用される。ある態様では、重みのセットは、ランダムである。ある態様では、第１のランダムな重みは、ＳＥＭデルタ値のセット内の第１のＳＥＭデルタ値に適用される。ある態様では、第２のランダムな重みは、ＳＥＭデルタ値のセット内の第２のＳＥＭデルタ値に適用される。ある態様では、ＳＥＭデルタ値のセット内のＳＥＭデルタ値に適用されるランダムな重みは、現在の時間と比較して、ＳＥＭデルタ値が取得される時間によって決定される。ある態様では、より大きいランダムな重みは、より早い時点で取得されたＳＥＭデルタ値よりも、より最近取得されたＳＥＭデルタ値に適用される。ある態様では、より最近取得されたＳＥＭデルタ値と比較して、より小さいランダムな重みは、より早い時間に取得されたＳＥＭデルタ値に適用される。ある態様では、ランダムな重みは、時間とともに単調に増加する。
ある態様では、第１の複数の患者及び第２の複数の患者の全ての患者の重み付きＳＥＭデルタ値の第１のセット及び重み付けＳＥＭデルタ値の第２のセットを含む訓練セットが作成される。ある態様では、訓練セットを使用してニューラルネットワークが訓練される。
ある態様では、平均ＳＥＭデルタ値は、ＳＥＭデルタ値のセットから計算される。ある態様では、平均ＳＥＭデルタ値は、ＳＥＭデルタ値のサブセットから計算される。ある態様では、第１の平均ＳＥＭデルタ値は、Ｎ個の最も古い重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、Ｍ個の最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、５つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、４つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、２つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、３つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、３つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、２つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、４つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第１の平均ＳＥＭデルタ値は、１つの最も古い重み付きＳＥＭデルタ値から計算され、第２の平均ＳＥＭデルタ値は、５つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の５つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、２つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の４つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、３つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の３つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、４つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の２つの最も新しい重み付きＳＥＭデルタ値から計算される。ある態様では、第２の平均ＳＥＭデルタ値は、５つの最も新しい重み付きＳＥＭデルタ値から計算され、第１の平均ＳＥＭデルタ値は、次の最も新しい重み付きＳＥＭデルタ値から計算される。
ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差が計算される。ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差は、閾値と比較される。ある態様では、閾値は、ゼロである。ある態様では、閾値は、正の値である。ある態様では、閾値は、負の値である。ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の正の差は、深部組織損傷を示す。ある態様では、第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の正ではないか、又はゼロの差は、深部組織損傷がないことを示す。ある態様では、最も新しいＳＥＭデルタ値の平均と最も古いＳＥＭデルタ値の平均との間の正の差は、深部組織損傷を示す。ある態様では、最も新しいＳＥＭデルタ値の平均と最も古いＳＥＭデルタ値の平均との間の正ではないか、又はゼロの差は、深部組織損傷がないことを示す。ある態様では、閾値は、０～１の範囲内の実数である。ある態様では、閾値は、約０．１、約０．２、約０．３、約０．４、約０．５、約０．６、約０．７、約０．８、約０．９、約１．０である。ある態様では、ＤＴＩは、差が所定の閾値を超えるときに、患者の皮膚上の場所に存在すると決定される。
ある態様では、第１の複数の患者における差分値の第１のセット、及び第２の複数の患者における差分値の第２のセットを含む訓練セットが作成される。ある態様では、訓練セットを使用してニューラルネットワークが訓練される。
ある態様では、訓練されたニューラルネットワークは、ａ）ＤＴＩの形成前の各時点に対する最適化された重みを含む、最適化された重みのセットであって、最適化された重みが、時間とともに単調に増加する、最適化された重みのセットと、ｂ）最適化された閾値と、ｃ）Ｎの値と、ｄ）Ｍの値と、を出力する。ある態様では、最適化された重みのセット及び最適化された閾値は、深部組織損傷の発生を予測するために使用される。ある態様では、最適化された重みは、時間とともに単調に増加する。ある態様では、最適化された重みは、０～２の範囲内である。ある態様では、最適化された重みは、約２、約１．９、約１．８、約１．７、約１．６、約１．５、約１．４、約１．３、約１．２、約１．１、約１．０、約０．９、約０．８、約０．７、約０．６、約０．５、約０．４、約０．３、約０．２、約０．１、又は約０．０である。ある態様では、訓練されたニューラルネットワークは、最適化された閾値を出力する。ある態様では、最適化された閾値は、約０．１、約０．２、約０．３、約０．４、約０．５、約０．６、約０．７、約０．８、約０．９、約１．０である。ある態様では、Ｎ＋Ｍ＝３である。ある態様では、Ｎ＋Ｍ＝４である。ある態様では、Ｎ＋Ｍ＝５である。ある態様では、Ｎ＋Ｍ＝６である。ある態様では、Ｎ＋Ｍ＝７である。ある態様では、Ｎ＋Ｍ＝８である。ある態様では、Ｎ＋Ｍ＝９である。ある態様では、Ｎ＋Ｍ＝１０である。ある態様では、Ｎ＝１、２、３、４、５、６、７、８、９、又は１０である。ある態様では、Ｍ＝１、２、３、４、５、６、７、８、９、又は１０である。
ある態様では、最適化された重みのセット及び最適化された閾値は、深部組織損傷の発生を予測するために使用される。
コンピュータ可読媒体（ソフトウェア）
本開示の上述の方法のうちのいずれかは、非一時的コンピュータ可読記憶媒体又はコンピュータ可読媒体（ＣＲＭ）に記録された命令のセットとして指定されるコンピュータプログラムプロセスとして実装され得る。
ある態様では、本開示は、デバイスの１つ以上のプロセッサによる実行のための１つ以上のプログラムを備える、非一時的コンピュータ可読記憶媒体であって、１つ以上のプログラムが、命令を含み、命令が、１つ以上のプロセッサによって実行されたときに、デバイスに本明細書に開示される方法のうちのいずれかを実施させる、非一時的コンピュータ可読記憶媒体を提供する。
また本明細書に提供されるのは、本明細書に開示される方法のうちのいずれかを実施することから生成されたレポートを含む、非一時的コンピュータ可読記憶媒体である。
コンピュータ可読記憶媒体の例としては、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、読み出し専用コンパクトディスク（ＣＤ－ＲＯＭ）、記録可能コンパクトディスク（ＣＤ－Ｒ）、書き換え可能コンパクトディスク（ＣＤ－ＲＷ）、読み出し専用デジタル多用途ディスク（例えば、ＤＶＤ－ＲＯＭ、デュアル層ＤＶＤ－ＲＯＭ）、様々な記録可能／書き換え可能ＤＶＤ（例えば、ＤＶＤ－ＲＡＭ、ＤＶＤ－ＲＷ、ＤＶＤ＋ＲＷなど）、フラッシュメモリ（例えば、ＳＤカード、ミニＳＤカード、マイクロＳＤカードなど）、磁気及び／又はソリッドステートハードドライブ、超高密度光ディスク、任意の他の光学若しくは磁気媒体、並びにフロッピーディスクが挙げられる。いくつかの実施形態では、コンピュータ可読記憶媒体は、ソリッドステートデバイス、ハードディスク、ＣＤ－ＲＯＭ、又は任意の他の不揮発性コンピュータ可読記憶媒体である。
コンピュータ可読記憶媒体は、少なくとも１つの処理ユニットによって実行可能であり、かつ様々な動作を実施するための命令のセットを含む、コンピュータ実行可能命令のセット（例えば、「コンピュータプログラム」）を記憶し得る。
コンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト、又はコードとしても知られる）は、コンパイルされる言語又は解釈される言語、宣言的又は手続き的言語を含む任意の形態のプログラミング言語で記述され得、それは、スタンドアロンプログラムとして、あるいはモジュール、コンポーネント、若しくはサブルーチン、オブジェクト、又はコンピューティング環境において使用に好適な他のコンポーネントを含む、任意の形式で展開され得る。コンピュータプログラムは、必要ではないが、ファイルシステムにおけるファイルに対応し得る。プログラムは、他のプログラム若しくはデータ（例えば、マークアップ言語文書に記憶された１つ以上のスクリプト）を保持するファイルの一部分に、問題のプログラム専用の単一のファイルに、又は複数のコーディネートされたファイル（例えば、１つ以上のモジュール、サブプログラム、又はコードの一部分を記憶するファイル）に記憶され得る。コンピュータプログラムは、１つのサイトに位置するか、又は複数のサイトにわたって分散され、かつ通信ネットワークによって相互接続される１つのコンピュータ又は複数のコンピュータ上で実行されるように展開され得る。コンピュータプログラム又はコンピュータコードの例としては、コンパイラによって生成されるなどのマシンコード、及びインタプリタを使用してコンピュータ、電子部品、又はマイクロプロセッサによって実行されるより高レベルのコードを含むファイルが挙げられる。
いくつかの実施形態では、本開示の複数のソフトウェアの態様は、本開示の別個のソフトウェアの態様を残しながら、より大きいプログラムの下位部分として実装され得る。いくつかの実装では、複数のソフトウェア態様はまた、別個のプログラムとして実装され得る。本明細書に説明されるソフトウェア態様を一緒に実装する別個のプログラムの任意の組み合わせは、主題の開示の範囲内にある。いくつかの実装では、ソフトウェアプログラムは、１つ以上の電子システム上で動作するようにインストールされたとき、ソフトウェアプログラムの動作を実行及び実施する１つ以上の特定の機械実装を定義する。
本開示は、ＤＴＩ組織を識別するための非一時的コンピュータ可読媒体を提供し、かつそれを含む。非一時的コンピュータ可読媒体は、そこに記憶された命令を含み得、命令が、プロセッサ上で実行されたとき、ａ）所定の頻度で患者の皮膚上の場所におけるＳＥＭデルタ値のセットを取得するステップと、ｂ）取得されたセットのＳＥＭデルタ値の各々に所定の重みを適用するステップと、ｃ）Ｎ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算するステップと、ｄ）Ｍ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算するステップと、ｅ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を所定の閾値と比較するステップと、ｆ）差が所定の閾値を超えるときに、患者の皮膚上の場所にＤＴＩが存在すると決定するステップと、を実施し得る。ある態様では、取得されたＳＥＭデルタ値のセットは、少なくとも５つのＳＥＭデルタ値を含み、ＳＥＭデルタ値は、各々が１日間隔でとられている。ある態様では、所定の重みは、０～２の範囲内である。ある態様では、所定の重みは、時間とともに単調に増加する。ある態様では、Ｎ＞Ｍである。ある態様では、Ｎが４であり、Ｍが２である。ある態様では、所定の閾値は、０～１の範囲内の実数である。ある態様では、最も新しいＳＥＭデルタ値は、Ｋ個の最も新しいＳＥＭデルタ値の線形外挿によって取得される。ある態様では、Ｋは、３である。ある態様では、所定の閾値は、０．７である。ある態様では、患者の皮膚上の場所は、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される。
本開示は、ＤＴＩ組織を識別するための非一時的コンピュータ可読媒体を提供し、かつそれを含む。非一時的コンピュータ可読媒体は、そこに記憶された命令を含み得、命令が、プロセッサ上で実行されたとき、ａ）ＤＴＩと診断されている第１の複数の患者の各患者について、表皮下水分（ＳＥＭ）デルタ値の第１のセットを、ＤＴＩの形成前かつ形成まで、所定の頻度で患者の皮膚上の場所で取得するステップと、ｂ）ＤＴＩと診断されていない第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットを、所定の頻度で患者の皮膚上の同じ場所で取得するステップと、ｃ）取得されたＳＥＭデルタ値の第１のセット及び第２のセットのＳＥＭデルタ値の各々に重みのセットを適用するステップと、ｄ）第１の複数の患者及び第２の複数の患者の全ての患者の重み付きＳＥＭデルタ値の第１のセット及び重み付けＳＥＭデルタ値の第２のセットを含む訓練セットを作成するステップと、ｅ）訓練セットを使用してニューラルネットワークを訓練するステップと、を実施し得る。ある態様では、訓練されたニューラルネットワークは、ＤＴＩの形成前の各時点に対する最適化された重みを含む、最適化された重みのセットを出力し、最適化された重みが、時間とともに単調に増加する。ある態様では、方法は、ａ）第１の複数の患者及び第２の複数の患者の各患者について、ｉ）ＳＥＭデルタ値のセット内のＮ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算するステップと、ｉｉ）ＳＥＭデルタ値のセット内のＭ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算するステップと、ｉｉｉ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差分値を計算するステップと、ｉｖ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を閾値と比較するステップと、ｂ）第１の複数の患者における差分値の第１のセット、及び第２の複数の患者における差分値の第２のセットを含む訓練セットを作成するステップと、ｃ）訓練セットを使用してニューラルネットワークを訓練するステップと、を更に含む。ある態様では、所定の頻度は、１日１回である。ある態様では、ＳＥＭデルタ値の第１のセット及び第２のセットは、少なくとも６つのＳＥＭデルタ値を含み、ＳＥＭデルタ値は、各々が１日間隔でとられている。ある態様では、Ｎ＋Ｍ＝６である。ある態様では、Ｎ＝４、かつＭ＝２である。ある態様では、患者の皮膚上の場所は、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される。
本開示は、ＤＴＩ組織を識別するための非一時的コンピュータ可読媒体を提供し、かつそれを含む。非一時的コンピュータ可読媒体は、そこに記憶された命令を含み得、命令が、プロセッサ上で実行されたとき、ａ）ＤＴＩを経験する第１の複数の患者の各患者について、表皮下水分（ＳＥＭ）デルタ値の第１のセットを、ＤＴＩの形成前かつ形成まで、所定の頻度で患者の皮膚上の場所で取得するステップと、ｂ）ＤＴＩを経験しない第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットを、所定の頻度で患者の皮膚上の同じ場所で取得するステップと、ｃ）取得されたＳＥＭデルタ値の第１のセット及び第２のセットのＳＥＭデルタ値の各々に重みのセットを適用するステップと、ｄ）第１の複数の患者及び第２の複数の患者の各患者について、ｉ）ＳＥＭデルタ値のセット内のＮ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算するステップと、ｉｉ）ＳＥＭデルタ値のセット内のＭ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算するステップと、ｉｉｉ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差分値を計算するステップと、ｉｖ）第１の平均ＳＥＭデルタ値と第２の平均ＳＥＭデルタ値との間の差を閾値と比較するステップと、ｅ）第１の複数の患者における差分値の第１のセット、及び第２の複数の患者における差分値の第２のセットを含む訓練セットを作成するステップと、ｆ）訓練セットを使用してニューラルネットワークを訓練するステップと、を実施し得る。ある態様では、訓練されたニューラルネットワークは、ａ）ＤＴＩの形成前の各時点に対する最適化された重みを含む、最適化された重みのセットであって、最適化された重みが、時間とともに単調に増加する、最適化された重みのセットと、ｂ）最適化された閾値と、ｃ）Ｎの値と、ｄ）Ｍの値と、を出力する。ある態様では、所定の頻度は、１日１回である。ある態様では、ＳＥＭデルタ値の第１のセット及び第２のセットが、少なくとも６つのＳＥＭデルタ値を含み、ＳＥＭデルタ値は、各々が１日間隔でとられている。ある態様では、Ｎ＋Ｍ＝６である。ある態様では、Ｎ＝４、かつＭ＝２である。ある態様では、患者の皮膚上の場所は、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される。ある態様では、最適化された重みのセット及び最適化された閾値は、深部組織損傷の発生を予測するために使用される。
ある態様では、患者の皮膚上の場所は、骨ばった隆起であり得る。ある態様では、患者の皮膚上の場所は、胸骨、仙骨、踵、肩甲骨、肘、耳、又は他の肉質組織である。ある態様では、１つのＳＥＭ値は、解剖学的部位で測定される。ある態様では、患者の皮膚上の場所における平均ＳＥＭ値は、その場所で測定された２、３、４、５、６、７、８、９、１０個以上のＳＥＭ値から取得される。
システム
上述の方法及び本開示のデバイスのうちのいずれかは、システム、又はデバイスの集合体で実装され得る。
本開示は、ＤＴＩを予測するためのシステムを提供する。ある態様では、システムは、限定されるものではないが、米国特許第９，３９８，８７９号に説明されているものを含む、ＳＥＭ測定を行うことができるデバイスを備える。ある態様では、システムは、限定されるものではないが、米国特許第１０，１８２，７４０号に説明されているものを含む、ＳＥＭ測定を行うことができるデバイスを備える。米国特許第９，３９８，８７９号及び同第１０，１８２，７４０号の両方は、それらの全体が参照により本明細書に組み込まれる。ある態様では、システムは、限定されるものではないが、ＳＥＭ Ｓｃａｎｎｅｒ Ｍｏｄｅｌ ２００（Ｂｒｕｉｎ Ｂｉｏｍｅｔｒｉｃｓ、ＬＬＣ、Ｌｏｓ Ａｎｇｅｌｅｓ、ＣＡ）を含む、ＳＥＭ測定を行うことができるデバイスを備える。ある態様では、システムは、バイオキャパシタンス測定を行うことができるデバイスを備える。ある態様では、システムは、本明細書に説明される方法を実施するように構成されている。ある態様では、システムは、プロセッサを備える。ある態様では、システムは、非一時的コンピュータ可読媒体であって、プロセッサに電気的に結合されており、非一時的コンピュータ可読媒体上に記憶された命令を含み、命令が、プロセッサ上で実行されたときに、本明細書に説明される方法のステップを実施する。
ある態様では、システムは、ＳＥＭ測定又はバイオキャパシタンス測定を行うことができるデバイスを備え、デバイスは、カバーレイを備える。ある態様では、カバーレイは、銅箔に接着されたポリイミドフィルムの両面銅被覆積層体及び全ポリイミド複合体であってもよい。ある態様では、カバーレイは、Ｐｙｒａｌｕｘ ５ ｍｉｌ ＦＲ０１５０を含み得る。理論によって限定されないが、このカバーレイの使用は、皮膚表面上に自然に存在する寄生電荷が、ＳＥＭ測定の正確度及び精度と干渉することを回避し得る。
ある態様では、本明細書に開示される方法は、１つ以上の電子デバイスで実施され、１つ以上の電子デバイスは、１つ以上のプロセッサと、メモリと、１つ以上のプログラムと、を含み、１つ以上のプログラムは、命令を含み、命令は、１つ以上のプロセッサによって実行されたときに、デバイスに上記の実施形態のうちのいずれか１つの方法を実施させる。デバイスの例は、限定されるものではないが、コンピュータ、タブレットパーソナルコンピュータ、パーソナルデジタルアシスタント、及び携帯電話を更に含む。
いくつかの実施形態では、電子デバイスは、１つ以上のディスプレイを更に含み得る。いくつかの実施形態では、電子デバイスは、上記の実施形態のうちのいずれか１つの方法を実施することから生成されたレポートを提示するための１つ以上のディスプレイを含む。
いくつかの実施形態では、電子デバイスは、サーバコンピュータ、クライアントコンピュータ、パーソナルコンピュータ（ＰＣ）、ユーザデバイス、タブレットＰＣ、ラップトップコンピュータ、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話、又はその機械によって講じられるべき措置を指定する、順次若しくは別様の命令のセットを実行することができる任意の機械であり得る。いくつかの実施形態では、電子デバイスは、キーボード及びポインティングデバイス、タッチデバイス、バーコードスキャナ、ディスプレイデバイス、及びネットワークデバイスを更に含み得る。
ユーザとの対話を提供するために、本明細書に説明される主題の実装は、ユーザに情報を表示するための本明細書に説明されるディスプレイデバイスと、仮想又は物理キーボードと、ユーザがコンピュータに入力を提供することができるフィンガ、ペンシル、マウス、又はトラックボールなどのポインティングデバイスと、を有するコンピュータ上で実装され得る。他の種類のデバイスは、ユーザとの対話を提供するためにも使用され得、例えば、ユーザに提供されるフィードバックは、視覚フィードバック、聴覚フィードバック、又は触覚フィードバックなどの、任意の形態の感覚フィードバックであり得、ユーザからの入力は、音響、速度、又は触覚入力を含む任意の形態で受信され得る。
図９は、一実施形態による例示的なシステム９００を例示する。ある態様では、システム９００は、ネットワークに接続されたホストコンピュータを含む。ある態様では、システム９００は、クライアントコンピュータ又はサーバを含む。ある態様では、システム９００は、パーソナルコンピュータ、ワークステーション、サーバ、又は携帯電話若しくはタブレットなどのハンドヘルドコンピューティングデバイス（ポータブル電子デバイス）などの、任意の好適なタイプのマイクロプロセッサベースのデバイスを含み得る。図９に示されるように、ある態様では、システム９００は、プロセッサ９１０、入力デバイス９２０、出力デバイス９３０、記憶媒体９４０、及び通信デバイス９６０のうちの１つ以上を備える。入力デバイス９２０及び出力デバイス９３０は、一般に、上記のものに対応し得、コンピュータと接続可能であるか、又はコンピュータと統合され得る。
ある態様では、入力デバイス９２０は、タッチスクリーン、キーボード若しくはキーパッド、マウス、又は音声認識デバイスなどの、入力を提供する任意の好適なデバイスである。ある態様では、入力デバイス９２０は、ＳＥＭ測定デバイスである。ある態様では、出力デバイス９３０は、ディスプレイ、タッチスクリーン、触覚デバイス、又はスピーカなどの、出力を提供する好適なデバイスである。
ある態様では、記憶装置９４０は、限定されるものではないが、ＲＡＭ、ＲＯＭ、キャッシュ、ハードドライブ、及びリムーバブルストレージディスクを含む、電気、磁気、又は光メモリなどの、記憶装置を提供する任意の好適なデバイスである。ある態様では、通信デバイス９６０は、限定されるものではないが、ネットワークインターフェースチップ又はデバイス、ルータ、無線カード、及びＢｌｕｅｔｏｏｔｈ信号エミッタ及びレシーバを含む、ネットワークを介して信号を送信及び受信することができる任意の好適なデバイスを含む。ある態様では、システム９００の構成要素は、限定されるものではないが、物理バス、有線、無線、Ｂｌｕｅｔｏｏｔｈ接続、赤外線、及び無線信号を含む、任意の好適な様式で個々に接続される。
ある態様では、記憶装置９４０に記憶され、かつプロセッサ９１０によって実行され得るソフトウェア９５０は、例えば、本開示の機能性を具現化する（例えば、上記に説明されたデバイスにおいて具現化される）プログラミングを含む。ある態様では、ソフトウェア９５０は、命令実行システム、装置、又はデバイスからソフトウェアと関連付けられた命令をフェッチし、かつ命令を実行し得る、上記に説明されたものなどの、命令実行システム、装置、又はデバイスによって、又はそれらに関連して使用するために、任意の非一時的コンピュータ可読記憶媒体内に記憶及び／又は転送される。ある態様では、コンピュータ可読記憶媒体は、命令実行システム、装置、又はデバイスによって、又はそれらと関連して使用するためのプログラミングを収容又は記憶し得る、記憶装置９４０などの任意の媒体である。
ある態様では、ソフトウェア９５０は、命令実行システム、装置、又はデバイスからソフトウェアと関連付けられた命令をフェッチし、かつ命令を実行し得る、本明細書に説明されたものなどの、命令実行システム、装置、又はデバイスによって、又はそれらと併せて使用するために、任意の転送媒体内で伝播され得る。ある態様では、転送媒体は、命令実行システム、装置、又はデバイスによって、又はそれらと関連して使用するためのプログラミングを通信、伝播、又はトランスポートし得る任意の媒体である。転送可読媒体は、限定されるものではないが、電子、磁気、光学、電磁又は赤外線の有線又は無線伝播媒体を含み得る。
ある態様では、システム９００は、任意の好適なタイプの相互接続された通信システムであるネットワークに接続され得る。ある態様では、ネットワークは、任意の好適な通信プロトコルを実装し得、任意の好適なセキュリティプロトコルによって保護され得る。ある態様では、ネットワークは、限定されるものではないが、無線ネットワーク接続、Ｔ１又はＴ３回線、ケーブルネットワーク、ＤＳＬ、及び電話回線を含む、ネットワーク信号の送信及び受信を実装し得る任意の好適な構成のネットワークリンクを備える。
ある態様では、システム９００は、ネットワーク上で動作するのに好適なオペレーティングシステムを実装する。ある態様では、ソフトウェア９５０は、限定されるものではないが、Ｃ、Ｃ＋＋、Ｊａｖａ、又はＰｙｔｈｏｎを含む、任意の好適なプログラミング言語で記述される。ある態様では、本開示の機能性を具現化するアプリケーションソフトウェアは、例えば、クライアント／サーバ配置で、又はウェブベースのアプリケーション若しくはウェブサービスとしてウェブブラウザを通じてなどの、異なる構成で展開され得る。
ＤＴＩ形成を予防及び治療する方法
本開示による方法は、患者におけるＤＴＩ形成を予防し得る。これらの予防方法は、本明細書に説明される方法に基づいて、ＤＴＩの診断前に患者に適用され得る。ある態様では、少なくとも５つのＳＥＭデルタ測定値は、本開示による装置を使用して、患者の皮膚の場所の周りで取得され得る。ある態様では、線形補間は、最も新しいＳＥＭデルタ値の値を取得するために使用される。ある態様では、直接測定は、最も新しいＳＥＭデルタ値の値を取得するために使用される。ある態様では、本明細書に開示される方法は、患者の皮膚の場所に深部組織損傷があるかどうかを決定するために使用される。ある態様では、本明細書に開示される方法が、その場所に深部組織損傷があると決定した場合、予防措置が講じられる。ある態様では、患者の皮膚上の場所は、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される。
ある態様では、ＤＴＩ形成に対する予防措置は、患者の入院時、外科的処置の直後、患者の退院前、又は上述の任意の組み合わせで患者に対して実施され得る。外科的処置は、侵襲的又は非侵襲的であり得るが、患者は、例えば、少なくとも１時間などのある程度の期間、同じ位置に留まることを必要とし得る。
ある態様では、予防措置は、少なくとも２時間ごとに患者を回転及び再配置させること、パッドで骨ばった隆起を保護すること、特定の回転及び再配置スケジュールを設定すること、側臥位のための楔デバイスを提供すること、圧力再分配支持表面を提供すること、水分、栄養、摩擦、及び剪断を管理すること、骨ばった隆起の圧力を低減すること、体重の小さいシフトを含む回転の頻度を増加させること、２時間ごとにＳＥＭレベルを再評価すること、及びそれらの任意の組み合わせからなる群から選択され得る。
本開示による方法は、本明細書に説明される方法によって検出される患者のＰＩを治療するために使用され得る。これらの治療方法は、本明細書に説明される方法に基づいて、ＤＴＩの検出後に患者に適用され得る。ある態様では、少なくとも５つのＳＥＭデルタ測定値は、本開示による装置を使用して、患者の皮膚の場所の周りで取得される。ある態様では、線形補間は、最も新しいＳＥＭデルタ値の値を取得するために使用される。ある態様では、直接測定は、最も新しいＳＥＭデルタ値の値を取得するために使用される。ある態様では、本明細書に開示される方法は、患者の皮膚の場所に深部組織損傷があるかどうかを決定するために使用される。ある態様では、本明細書に開示される方法が、その場所に深部組織損傷があると決定した場合、治療方法が実施される。
本開示による方法は、既存のＤＴＩを治療し得る。ある態様では、治療方法は、皮膚を保護すること、過度の圧力点を除去すること、滲出液を管理すること、損傷した皮膚を閉じて再成長させること、創傷を清潔に保つこと、創傷サイズを低減すること、及びそれらの任意の組み合わせからなる群から選択される。
ここまでは本発明を一般的に記載してきたが、本発明は、以下の実施例の参照を通して、より容易に理解され、該実施例は、図解によって提供されており、特定されない限り本開示を限定することを意図していない。
実施例１：踵にＤＴＩのある患者及びＤＴＩのない患者のＳＥＭデルタ値を取得すること
圧力損傷を発症する増加したリスクのある皮膚及び組織を有する患者のＳＥＭデルタ値を測定するために、盲検化臨床試験が行われる。ＳＥＭデルタ値は、１日１回の頻度で、経時的に患者において踵上で測定される。患者は、深部組織損傷（ＤＴＩ）について毎日視覚的に評価される。図２Ａに示されるように、患者データは、ＤＴＩと診断された患者（左パネル）と、まだＤＴＩと診断されていない患者（右パネル）との２つのグループに分類される。ＤＴＩと診断された患者について、診断に至るまでの５日間のＳＥＭデルタ値データが、診断日に整列される（日数を診断日（０日目）に整列させた）。図２Ｂに示されるように、患者からのデータは、ＤＴＩの形成を検出及び予測するための分類アルゴリズムを構築するために使用される。
実施例２：最も新しいＳＥＭデルタ値と最も古いＳＥＭデルタ値とを平均すること
図３に示されるように、ＤＴＩの形成前の日における平均ＳＥＭデルタ値は、前の日における平均ＳＥＭデルタ値よりも大きい。一方、ＤＴＩが診断されていないとき、平均ＳＥＭデルタ値は、全ての日で同様である。
したがって、ＤＴＩの診断の直前の日及び診断の直前ではない日の平均ＳＥＭデルタ値が分類の基準として使用され得る。特に、次の不等式が分類するために使用される：
平均（ＳＥＭデルタｌａｓｔ＿ｄａｙｓ）－平均（ＳＥＭデルタｆｉｒｓｔ＿ｄａｙｓ）＞０
平均（ＳＥＭデルタｌａｓｔ＿ｄａｙｓ）－平均（ＳＥＭデルタｆｉｒｓｔ＿ｄａｙｓ）＞閾値
取得されたＳＥＭデルタ値が上記の不等式を満たすとき、モデルは、ＤＴＩが形成されると仮定する。次いで、これは、真陽性率（ＴＰＲ）及び偽陽性率（ＦＰＲ）を決定するために、ＤＴＩが診断されるかどうかの実際のデータと比較される。
図４に示されるように、６つのデータ点が存在するとき、最も新しいデータ（最後の日）及び最も古いデータ（最初の日）を決定するためにデータを分割する５つの考えられるやり方がある。最も新しいＳＥＭデルタ値（又は最後の日）は、最も新しい日、最も新しい２日、最も新しい３日、最も新しい４日、及び最も新しい５日の平均とすることができる。逆に、最も古いＳＥＭデルタ値（又は最初の日）は、最も古い日、最も古い２日、最も古い３日、最も古い４日、及び最も古い５日の平均とすることができる。
最高の真陽性率及び最低の偽陽性率によって決定される最良の分類は、４つの最も古い（最初の日）ＳＥＭデルタ値を有する２つの最も新しい（最後の日）ＳＥＭデルタ値を使用して達成される。
実施例３：重み及び閾値を決定すること
平均ＳＥＭデルタ値を計算する前に、日数に、結果に対する各サンプリング日の異なる影響を表す単調に増加する重み（ｗｉ）が割り当てられる。したがって、不等式は、次のようになる：
平均（ｗｄａｙ（ｉ）×ＳＥＭデルタｄａｙ（ｉ））－平均（ｗｄａｙ（ｊ）×ＳＥＭデルタｄａｙ（ｊ））＞閾値
図７に示されるように、式中、ｉ＝最後の日、ｊ＝最初の日である。
最適化アルゴリズムは、真陽性率及び偽陽性率によって決定されるように、最良の分類性能を提供する重みの最適なセットを見つけるために使用される。特に、アルゴリズムは、ＴＰＲ＞＞ＦＰＲという制約で（１－ＴＰＲ＋ＦＰＲ）→０に最小化しようとした。図５は、アルゴリズムのステップのフローチャートを図示するが、一方で、図６は、最良の分類結果をもたらす重み及び閾値を示す。
実施例４：ＤＴＩの形成を予測すること
実施例３から取得された最適化された重み及び閾値が、方法の予測能力を評価するために使用される。５日間のＳＥＭデルタ値では、６番目の日（０日目）のデータは、３日前からのデータの線形補間を使用して予測される。図７に示されるように、ＳＥＭデルタ値は、適宜重み付けされ、不等式を計算するために使用される。
実施例５：ＤＴＩの検出及び予測
方法は、９０％の真陽性率かつ２１％の偽陽性率で、７９％の正確度でＤＴＩを検出することができる。方法はまた、８０％の真陽性率かつ２３％の偽陽性率で、７７％の正確度でＤＴＩの形成を予測することができる。
本発明は、特定の実施形態に関して説明されてきたが、本発明の範囲から逸脱することなく、様々な変更が行われ得、及び同等物がその要素に対して置き換えられ得ることを当業者は理解するであろう。更に、本発明の範囲から逸脱することなく、本発明の教示に対する特定の状況又は材料に対して多くの変更が行われ得る。
したがって、本発明は、本発明を実施するために企図される最良の形態として開示される特定の実施形態に限定されず、本発明は、添付の請求項の範囲及び趣旨内に該当する全ての実施形態を含むことが意図される。
実施例６：仙骨でＤＴＩを有する患者と有しない患者とのＳＥＭデルタ値を取得すること
圧力損傷を発症する増加したリスクのある皮膚及び組織を有する患者のＳＥＭデルタ値を測定するために、盲検化臨床試験が行われる。ＳＥＭデルタ値は、１日１回の頻度で、経時的に患者において仙骨で測定される。患者は、深部組織損傷（ＤＴＩ）について毎日視覚的に評価される。患者データは、ＤＴＩと診断された患者と、まだＤＴＩと診断されていない患者との２つのグループに分類される。ＤＴＩと診断された患者について、診断に至るまでの日におけるＳＥＭデルタ値データが、０日目である診断日と整列される。図２Ｂに示されるように、ＤＴＩが疑われる患者からのデータ（表１）は、ＤＴＩの形成を検出及び予測するための分類アルゴリズムを構築するために使用される。
Figure 2024512405000002

Claims (70)

  1. 深部組織損傷（ＤＴＩ）を、それが患者の皮膚上で視認可能になる前に検出するための方法であって、
    ａ）所定の頻度で前記患者の皮膚上の場所における表皮下水分（ＳＥＭ）デルタ値のセットを取得することと、
    ｂ）前記取得されたセットの前記ＳＥＭデルタ値の各々に所定の重みを適用することと、
    ｃ）Ｎ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算することと、
    ｄ）Ｍ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算することと、
    ｅ）前記第１の平均ＳＥＭデルタ値と前記第２の平均ＳＥＭデルタ値との間の差を所定の閾値と比較することと、
    ｆ）前記差が前記所定の閾値を超えるときに、前記患者の皮膚上の前記場所にＤＴＩが存在すると決定することと、を含む、方法。
  2. 前記取得されたＳＥＭデルタ値のセットが、少なくとも５つのＳＥＭデルタ値を含み、前記ＳＥＭデルタ値は、各々が１日間隔でとられている、請求項１に記載の方法。
  3. 前記所定の頻度が、１日１回である、請求項１又は２に記載の方法。
  4. 前記所定の重みが、０～２の範囲内である、請求項１～３のいずれか一項に記載の方法。
  5. 前記所定の重みが、時間とともに単調に増加する、請求項１～４のいずれか一項に記載の方法。
  6. Ｎ＞Ｍである、請求項１～５のいずれか一項に記載の方法。
  7. Ｎが４であり、Ｍが２である、請求項１～６のいずれか一項に記載の方法。
  8. 前記所定の閾値が、０～１の範囲内の実数である、請求項１～４のいずれか一項に記載の方法。
  9. 前記最も新しいＳＥＭデルタ値が、Ｋ個の最も新しいＳＥＭデルタ値の線形外挿によって取得される、請求項１～８のいずれか一項に記載の方法。
  10. Ｋが３である、請求項９に記載の方法。
  11. 前記所定の閾値が、０．７である、請求項１～１０のいずれか一項に記載の方法。
  12. 前記患者の皮膚上の前記場所が、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される、請求項１～１１のいずれか一項に記載の方法。
  13. 深部組織損傷（ＤＴＩ）を、前記損傷が患者の皮膚上で視認可能になる前に検出するためのニューラルネットワークを訓練するためのコンピュータ実装方法であって、
    ａ）ＤＴＩと診断されている第１の複数の患者の各患者について、表皮下水分（ＳＥＭ）デルタ値の第１のセットを、前記ＤＴＩの形成前かつ形成まで、所定の頻度で前記患者の皮膚上の場所で取得することと、
    ｂ）ＤＴＩと診断されていない第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットを、前記所定の頻度で前記患者の皮膚上の同じ場所で取得することと、
    ｃ）前記取得されたＳＥＭデルタ値の第１のセット及び第２のセットの前記ＳＥＭデルタ値の各々に重みのセットを適用することと、
    ｄ）前記第１の複数の患者及び第２の複数の患者の全ての患者の前記重み付きＳＥＭデルタ値の第１のセット及び前記重み付けＳＥＭデルタ値の第２のセットを含む、訓練セットを作成することと、
    ｅ）前記訓練セットを使用して前記ニューラルネットワークを訓練することと、を含む、コンピュータ実装方法。
  14. 前記訓練されたニューラルネットワークが、ＤＴＩの前記形成前の各時点に対する最適化された重みを含む、最適化された重みのセットを出力し、前記最適化された重みが、時間とともに単調に増加する、請求項１３に記載の方法。
  15. ａ）前記第１の複数の患者及び第２の複数の患者の各患者について、
    ｉ）前記ＳＥＭデルタ値のセット内のＮ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算することと、
    ｉｉ）前記ＳＥＭデルタ値のセット内のＭ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算することと、
    ｉｉｉ）前記第１の平均ＳＥＭデルタ値と前記第２の平均ＳＥＭデルタ値との間の差分値を計算することと、
    ｉｖ）前記第１の平均ＳＥＭデルタ値と前記第２の平均ＳＥＭデルタ値との間の前記差を閾値と比較することと、
    ｂ）前記第１の複数の患者における差分値の第１のセット、及び前記第２の複数の患者における差分値の第２のセットを含む、訓練セットを作成することと、
    ｃ）前記訓練セットを使用して前記ニューラルネットワークを訓練することと、を含む、請求項１３又は１４に記載の方法。
  16. 前記所定の頻度が、１日１回である、請求項１３～１５のいずれか一項に記載の方法。
  17. 前記ＳＥＭデルタ値の第１のセット及び第２のセットが、少なくとも６つのＳＥＭデルタ値を含み、前記ＳＥＭデルタ値は、各々が１日間隔でとられている、請求項１３～１６のいずれか一項に記載の方法。
  18. Ｎ＋Ｍ＝６である、請求項１５～１７のいずれか一項に記載の方法。
  19. Ｎ＝４、かつＭ＝２である、請求項１５～１８のいずれか一項に記載の方法。
  20. 前記患者の皮膚上の前記場所が、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される、請求項１３～１９のいずれか一項に記載の方法。
  21. 深部組織損傷（ＤＴＩ）を、前記損傷が患者の皮膚上で視認可能になる前に検出するためのニューラルネットワークを訓練するためのコンピュータ実装方法であって、
    ａ）ＤＴＩを経験する第１の複数の患者の各患者について、表皮下水分（ＳＥＭ）デルタ値の第１のセットを、前記ＤＴＩの形成前かつ形成まで、所定の頻度で前記患者の皮膚上の場所で取得することと、
    ｂ）ＤＴＩを経験しない第２の複数の患者の各患者について、ＳＥＭデルタ値の第２のセットを、前記所定の頻度で前記患者の皮膚上の同じ場所で取得することと、
    ｃ）前記取得されたＳＥＭデルタ値の第１のセット及び第２のセットの前記ＳＥＭデルタ値の各々に重みのセットを適用することと、
    ｄ）前記第１の複数の患者及び第２の複数の患者の各患者について、
    ｉ）前記ＳＥＭデルタ値のセット内のＮ個の最も古い重み付きＳＥＭデルタ値の第１の平均ＳＥＭデルタ値を計算することと、
    ｉｉ）前記ＳＥＭデルタ値のセット内のＭ個の最も新しい重み付きＳＥＭデルタ値の第２の平均ＳＥＭデルタ値を計算することと、
    ｉｉｉ）前記第１の平均ＳＥＭデルタ値と前記第２の平均ＳＥＭデルタ値との間の差分値を計算することと、
    ｉｖ）前記第１の平均ＳＥＭデルタ値と前記第２の平均ＳＥＭデルタ値との間の前記差を閾値と比較することと、
    ｅ）前記第１の複数の患者における差分値の第１のセット、及び前記第２の複数の患者における差分値の第２のセットを含む、訓練セットを作成することと、
    ｆ）前記訓練セットを使用して前記ニューラルネットワークを訓練することと、を含む、コンピュータ実装方法。
  22. 前記訓練されたニューラルネットワークが、
    ａ）ＤＴＩの前記形成前の各時点に対する最適化された重みを含む、最適化された重みのセットであって、前記最適化された重みが、時間とともに単調に増加する、最適化された重みのセットと、
    ｂ）最適化された閾値と、
    ｃ）前記Ｎの値と、
    ｄ）前記Ｍの値と、を出力する、請求項２１に記載の方法。
  23. 前記所定の頻度が、１日１回である、請求項２１又は２２に記載の方法。
  24. 前記ＳＥＭデルタ値の第１のセット及び第２のセットが、少なくとも６つのＳＥＭ値を含み、前記ＳＥＭデルタ値は、各々が１日間隔でとられている、請求項２１～２３のいずれか一項に記載の方法。
  25. Ｎ＋Ｍ＝６である、請求項２１～２４のいずれか一項に記載の方法。
  26. Ｎ＝４、かつＭ＝２である、請求項２１～２５のいずれか一項に記載の方法。
  27. 前記最適化された重みのセット及び前記最適化された閾値が、深部組織損傷の発生を予測するために使用される、請求項２２～２６のいずれか一項に記載の方法。
  28. 前記患者の皮膚上の前記場所が、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される、請求項２１～２７のいずれか一項に記載の方法。
  29. 患者における深部組織損傷（ＤＴＩ）を予測するためのコンピュータ実装方法であって、
    ａ）入力デバイスを介して、前記患者と関連付けられた複数の表皮下水分（ＳＥＭ）デルタ値を受信することと、
    ｂ）プロセッサを介して、前記複数のＳＥＭデルタ値を訓練されたモデルに自動的に入力することであって、
    前記訓練されたモデルは、前記患者がＤＴＩを発症する可能性に対応する確率値を計算するように構成されており、
    前記訓練されたモデルが、患者のセットからのＳＥＭデルタデータを含む訓練データのセットに基づいて訓練される、入力することと、
    ｃ）出力デバイスを介して、前記確率値に基づいて、前記患者がＤＴＩを発症する可能性の予測を出力することと、を含む、コンピュータ実装方法。
  30. 前記訓練されたモデルが、
    ａ）訓練データのセットを受信することであって、前記訓練データのセットが、
    １）患者のセットと関連付けられた複数のＳＥＭデルタ値であって、前記患者のセット内の各患者が、既知のＤＴＩステータスを有する、複数のＳＥＭデルタ値、及び
    ２）０～１の数である閾値を含む、ことと、
    ｂ）前記訓練データを最適化アルゴリズムに自動的に入力して、複数の最適な重み値を受信することと、
    ｃ）前記複数の最適な重み値を用いて前記訓練されたモデルを自動的に更新することと、を含むステップを実施することによって訓練される、請求項２９に記載の方法。
  31. 前記最適化アルゴリズムが、
    ａ）０～２の複数の昇順乱数を複数の重み値として生成することと、
    ｂ）前記訓練データ及び前記複数の重み値を前記訓練されたモデルに入力して、前記患者のセットと関連付けられた予測されたＤＴＩステータスのセットを受信することと、
    ｃ）前記予測されたＤＴＩステータスを、前記患者のセットと関連付けられた前記既知のＤＴＩステータスと比較することと、
    ｄ）前記比較に基づいて、真陽性率（ＴＰＲ）及び偽陽性率（ＦＰＲ）を計算することであって、前記ＴＰＲが、前記患者のセットにおける、予測されたＤＴＩステータスがそれらの既知のＤＴＩステータスと一致する患者のパーセンテージとして計算され、前記ＦＰＲが、前記患者のセットにおける、予測されたＤＴＩステータスがそれらの既知のＤＴＩステータスと一致しない患者のパーセンテージとして計算される、ことと、
    ｅ）所定の反復数にわたってステップａ）～ｄ）を繰り返して、複数のＴＰＲ及びＦＰＲを取得することと、
    ｆ）前記反復から最適なＴＰＲ及びＦＰＲを識別することと、
    ｇ）前記最適なＴＰＲ及びＦＰＲと関連付けられた前記最適な複数の重み値を出力することと、を行うように構成されている、請求項３０に記載の方法。
  32. 前記複数のＳＥＭデルタ値が、前記予測の前の所定の日数からのＳＥＭデルタ値を含む、請求項２９～３１のいずれか一項に記載の方法。
  33. 前記最適なＴＰＲ及びＦＰＲを識別することが、１－ＴＰＲ＋ＦＰＲの目的関数を最小化することと、ＴＰＲ＞＞ＦＰＲの制約を満たすことと、を含む、請求項２９～３２のいずれか一項に記載の方法。
  34. 前記入力デバイスが、ＳＥＭスキャナである、請求項２９～３３のいずれか一項に記載の方法。
  35. 前記ＳＥＭスキャナが、ケーブルによって、又は無線技術によって、コンピュータに接続されている、請求項３４に記載の方法。
  36. 患者の深部組織損傷（ＤＴＩ）のリスクを評価するための方法であって、
    ａ）前記患者と関連付けられた複数の表皮下水分（ＳＥＭ）デルタ値を取得することと、
    ｂ）前記複数のＳＥＭデルタ値を訓練されたモデルに入力して、確率値を受信することであって、
    前記訓練されたモデルは、前記患者がＤＴＩを発症する可能性に対応する確率値を計算するように構成されており、
    前記訓練されたモデルが、患者のセットからのＳＥＭデルタ値を含む訓練データのセットに基づいて訓練される、ことと、
    ｃ）前記確率値に基づいて、前記患者がＤＴＩを発症するリスクを評価することと、を含む、方法。
  37. 前記患者がＤＴＩを発症する前記リスクが、ＤＴＩなし、ＤＴＩの可能性が低い、ＤＴＩの可能性が高い、又はＤＴＩが疑われるとして分類される、請求項３６に記載の方法。
  38. ＤＴＩの前記評価されたリスクに基づいて、前記患者に対する介入を選択することを更に含む、請求項３７に記載の方法。
  39. 前記選択された介入が、圧力を低減すること、創傷を洗浄及び包帯すること、損傷した組織を除去すること、薬物投与、及び手術からなる群から選択される、請求項３８に記載の方法。
  40. 前記介入が、圧力を低減すること、前記患者を再配置すること、前記患者の支持表面を変更すること、低摩擦パッド付きマットレスを提供すること、シリコンパッドを提供すること、踵ブーツを提供すること、創傷を洗浄及び包帯すること、損傷した組織を除去すること、局所クリームを塗布すること、バリアクリームを塗布すること、神経筋刺激を適用すること、薬物投与、及び手術のうちの少なくとも１つを含む、請求項３８又は３９に記載の方法。
  41. 前記ＤＴＩが、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、及び踵からなる群から選択される場所で発生する、請求項３６～４０のいずれか一項に記載の方法。
  42. 前記患者と関連付けられた前記複数のＳＥＭデルタ値が、前記リスク評価の前の所定の時間間隔にわたって周期的に取得される、請求項３６～４１のいずれか一項に記載の方法。
  43. 前記所定の時間間隔が、６日である、請求項４２に記載の方法。
  44. 前記患者と関連付けられた前記複数のＳＥＭデルタ値が、前記リスク評価の前の６日間、１日１回取得される、請求項３６～４３のいずれか一項に記載の方法。
  45. 前記リスクを前記患者又は臨床医に伝達することを更に含む、請求項４４に記載の方法。
  46. ＰＩの前記評価されたリスクに基づいて、前記患者に対する治療を選択することを更に含む、請求項３６～４５のいずれか一項に記載の方法。
  47. 前記選択された治療を前記患者又は臨床医に伝達することを更に含む、請求項３６～４６のいずれか一項に記載の方法。
  48. デバイスの１つ以上のプロセッサによる実行のための１つ以上のプログラムを備える、非一時的コンピュータ可読記憶媒体であって、前記１つ以上のプログラムが、命令を含み、前記命令が、前記１つ以上のプロセッサによって実行されたときに、前記デバイスに請求項１３～４７のいずれか一項に記載の方法を実施させる、非一時的コンピュータ可読記憶媒体。
  49. 請求項１３～４７のいずれか一項に記載の方法を実施することから生成されたレポートを含む、非一時的コンピュータ可読記憶媒体。
  50. 電子デバイスであって、１つ以上のプロセッサと、メモリと、１つ以上のプログラムと、を備え、前記１つ以上のプログラムが、命令を含み、前記命令が、前記１つ以上のプロセッサによって実行されたときに、前記デバイスに請求項１３～４７のいずれか一項に記載の方法を実施させる、電子デバイス。
  51. 請求項１３～４７のいずれか一項に記載の方法を実施することから生成されたレポートを提示するための１つ以上のディスプレイを更に備える、請求項４８に記載の電子デバイス。
  52. 深部組織損傷（ＤＴＩ）を予測するためのシステムであって、
    ａ）表皮下水分（ＳＥＭ）測定を行うように構成されたＳＥＭスキャナと、
    ｂ）前記ＳＥＭスキャナに電気的に結合されており、かつ前記ＳＥＭ測定を受信するように構成されたプロセッサと、
    ｃ）非一時的コンピュータ可読媒体であって、前記プロセッサに電気的に結合されており、そこに記憶された命令を含み、前記命令が、前記プロセッサ上で実行されたときに、
    ｉ）前記ＳＥＭ測定から複数のＳＥＭデルタ値を計算するステップと、
    ｉｉ）プロセッサを介して、前記複数のＳＥＭデルタ値を訓練されたモデルに自動的に入力して、確率値を受信するステップであって、前記訓練されたモデルは、患者がＤＴＩを発症することの将来の発生に対応する確率値を予測するように構成され、前記訓練されたモデルが、患者のセットと関連付けられた複数のＳＥＭデルタ値を含む訓練データのセットに基づいて訓練される、ステップと、
    ｉｉｉ）出力デバイスを介して、前記確率値に基づいて、前記患者がＤＴＩを発症することの将来の発生の予測を出力するステップと、を実施する、非一時的コンピュータ可読媒体と、を備える、システム。
  53. 前記訓練されたモデルを訓練することが、
    ａ）入力デバイスを介して、前記訓練データのセットを受信することであって、前記訓練データのセットが、
    ｉ）患者のセットと関連付けられた複数のＳＥＭデルタ値、及び
    ｉｉ）閾値であって、前記患者のセット内の各患者が、既知のＤＴＩステータスを有し、前記閾値が、０～１の数である、閾値を含む、ことと、
    ｂ）プロセッサを介して、前記訓練データを最適化アルゴリズムに自動的に入力して、複数の最適な重み値を受信することと、
    ｃ）プロセッサを介して、前記複数の最適な重み値を用いて前記訓練されたモデルを自動的に更新することと、を含む、請求項５２に記載のシステム。
  54. 前記最適化アルゴリズムが、
    ａ）０～２の複数の昇順乱数を複数の重み値として生成することと、
    ｂ）前記訓練データ及び前記複数の重み値を前記モデルに入力して、前記患者のセットと関連付けられた予測されたＤＴＩステータスのセットを受信することと、
    ｃ）前記予測されたＤＴＩステータスを、前記患者のセットと関連付けられた前記既知のＤＴＩステータスと比較することと、
    ｄ）前記比較に基づいて、真陽性率（ＴＰＲ）及び偽陽性率（ＦＰＲ）を計算することであって、前記ＴＰＲが、前記患者のセットにおける、予測されたＤＴＩステータスがそれらの既知のＤＴＩステータスと一致する患者のパーセンテージとして計算され、前記ＦＰＲが、前記患者のセットにおける、予測されたＤＴＩステータスがそれらの既知のＤＴＩステータスと一致しない患者のパーセンテージとして計算される、ことと、
    ｅ）反復数として所定の回数にわたってステップａ）～ｄ）を繰り返すことと、
    ｆ）反復からの全ての計算されたＴＰＲ及びＦＰＲから最適なＴＰＲ及びＦＰＲを識別することと、
    ｇ）前記識別された最適なＴＰＲ及びＦＰＲと関連付けられた前記複数の最適な重み値を出力することと、を行うように構成されている、請求項５３に記載のシステム。
  55. 前記複数のＳＥＭデルタ値が、ＰＩを予測する日の前の所定の日数からのＳＥＭデルタ値を含む、請求項５４に記載のシステム。
  56. 最適なＴＰＲ及びＦＰＲを識別することが、１－ＴＰＲ＋ＦＰＲの目的関数を最小化することと、ＴＰＲ＞＞ＦＰＲの制約を満たすことと、を含む、請求項５４又は５５に記載のシステム。
  57. 前記入力デバイスが、前記ＳＥＭスキャナである、請求項５３～５６のいずれか一項に記載のシステム。
  58. 前記入力デバイスが、データベース又はコンピュータである、請求項５３～５７のいずれか一項に記載のシステム。
  59. 前記ＤＴＩが、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される場所で発生する、請求項５２～５８のいずれか一項に記載のシステム。
  60. 前記患者がＤＴＩを発症することの前記将来の発生の前記予測が、ＤＴＩを発症する可能性が高く、かつＰＩを発症する可能性が低いことを含む、請求項５２～５９のいずれか一項に記載のシステム。
  61. 深部組織損傷（ＤＴＩ）のリスクを評価するためのシステムであって、
    ａ）表皮下水分（ＳＥＭ）測定を行うように構成されたＳＥＭスキャナと、
    ｂ）前記ＳＥＭスキャナに電気的に結合されており、かつ前記ＳＥＭ測定を受信するように構成されたプロセッサと、
    ｃ）非一時的コンピュータ可読媒体であって、前記プロセッサに電気的に結合されており、そこに記憶された命令を含み、前記命令が、前記プロセッサ上で実行されたときに、
    ｉ）前記ＳＥＭ測定から複数のＳＥＭデルタ値を計算するステップと、
    ｉｉ）前記プロセッサを介して、前記複数のＳＥＭデルタ値を訓練されたモデルに自動的に入力して、確率値を受信するステップであって、前記訓練されたモデルは、患者がＤＴＩを発症することの将来の発生に対応する確率値を予測するように構成され、前記訓練されたモデルが、患者のセットと関連付けられた複数のＳＥＭデルタ値を含む訓練データのセットに基づいて訓練される、ステップと、
    ｄ）出力デバイスを介して、前記確率値に基づいて、ＤＴＩの将来の発生の可能性を出力するステップと、を実施する、非一時的コンピュータ可読媒体と、を備える、システム。
  62. 前記ＤＴＩの将来の発生の可能性が、ＤＴＩなし、ＤＴＩの可能性が低い、ＤＴＩの可能性が高い、又はＰＩが疑われるとして分類される、請求項６１に記載のシステム。
  63. 前記ＤＴＩの将来の発生の可能性が、ＰＩを発症する計算された確率である、請求項６１又は６２に記載のシステム。
  64. 前記非一時的コンピュータ可読媒体が、
    ａ）前記プロセッサを介して、前記ＤＴＩの将来の発生の可能性に基づいて、前記患者に対する治療を選択するステップと、
    ｂ）前記出力デバイスを介して、前記選択された治療の通知を出力するステップと、を更に実施する、請求項６１～６３のいずれか一項に記載のシステム。
  65. 前記選択された治療が、圧力を低減すること、創傷を洗浄及び包帯すること、損傷した組織を除去すること、薬物投与、及び手術からなる群から選択される、請求項６１～６４のいずれか一項に記載のシステム。
  66. 前記ＤＴＩが、深部組織圧迫損傷（ＤＴＰＩ）である、請求項６１～６５のいずれか一項に記載のシステム。
  67. 前記ＤＴＩが、後頭部、仙骨、肩、肘、下背部、尾骨、臀部、腰、内膝、踵、及びそれらの組み合わせからなる群から選択される場所で発生する、請求項６１～６６のいずれか一項に記載のシステム。
  68. 前記非一時的コンピュータ可読媒体が、リスクを評価する前記方法を実施することからのレポートを生成又は更新するステップと、前記レポートを記憶するステップと、を更に実施する、請求項６１～６７のいずれか一項に記載のシステム。
  69. 前記レポートを前記患者又は臨床医に伝達することを更に含む、請求項６１～６８のいずれか一項に記載のシステム。
  70. 前記出力デバイスが、コンピュータディスプレイである、請求項６１～６９のいずれか一項に記載の方法。
JP2023555416A 2021-03-09 2022-03-08 表皮下水分測定を使用した深部組織損傷の診断及び治療のための方法 Pending JP2024512405A (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202163158713P 2021-03-09 2021-03-09
US63/158,713 2021-03-09
US202263316218P 2022-03-03 2022-03-03
US63/316,218 2022-03-03
PCT/US2022/019338 WO2022192254A1 (en) 2021-03-09 2022-03-08 Method for diagnosis and treatment of deep tissue injury using sub-epidermal moisture measurements

Publications (1)

Publication Number Publication Date
JP2024512405A true JP2024512405A (ja) 2024-03-19

Family

ID=83194432

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023555416A Pending JP2024512405A (ja) 2021-03-09 2022-03-08 表皮下水分測定を使用した深部組織損傷の診断及び治療のための方法

Country Status (11)

Country Link
US (1) US20220287584A1 (ja)
EP (1) EP4304458A1 (ja)
JP (1) JP2024512405A (ja)
KR (1) KR20230154260A (ja)
AU (1) AU2022234555A1 (ja)
BR (1) BR112023018220A2 (ja)
CA (1) CA3212487A1 (ja)
GB (1) GB2621719A (ja)
IL (1) IL305699A (ja)
MX (1) MX2023010635A (ja)
WO (1) WO2022192254A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR122021016044B1 (pt) 2010-05-08 2022-07-19 Bruin Biometrics, Llc Aparelho para detecção de umidade subepidérmica (sem)
CA2982249C (en) 2015-04-24 2019-12-31 Bruin Biometrics, Llc Apparatus and methods for determining damaged tissue using sub-epidermal moisture measurements
EP3515306A4 (en) 2017-02-03 2020-03-11 Bruin Biometrics, LLC MEASURING SENSITIVITY TO DIABETIC FOOT ULCERS
GB2584226B (en) 2018-02-09 2022-06-22 Bruin Biometrics Llc Detection of tissue damage
CN113169488B (zh) 2018-10-11 2023-10-31 布鲁恩生物有限责任公司 具有一次性元件的装置
US11642075B2 (en) 2021-02-03 2023-05-09 Bruin Biometrics, Llc Methods of treating deep and early-stage pressure induced tissue damage

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10729357B2 (en) * 2010-04-22 2020-08-04 Leaf Healthcare, Inc. Systems and methods for generating and/or adjusting a repositioning schedule for a person
PL3277368T3 (pl) * 2015-03-31 2021-01-25 Oncosec Medical Incorporated Układy do ulepszonej elektroporacji opartej na wykrywaniu tkanek
KR20180050684A (ko) * 2015-09-05 2018-05-15 노바 사우쓰이스턴 유니버시티 기계적 변형, 전단, 마찰 및/또는 압력의 장기적인 적용으로 인한 초기 조직 손상의 탐지
CN111315286B (zh) * 2017-11-16 2023-05-26 布鲁恩生物有限责任公司 使用表皮下水分值对压力性溃疡进行战略治疗

Also Published As

Publication number Publication date
AU2022234555A1 (en) 2023-09-21
KR20230154260A (ko) 2023-11-07
GB2621719A (en) 2024-02-21
BR112023018220A2 (pt) 2023-11-28
IL305699A (en) 2023-11-01
GB202315208D0 (en) 2023-11-15
EP4304458A1 (en) 2024-01-17
MX2023010635A (es) 2023-11-28
WO2022192254A1 (en) 2022-09-15
CA3212487A1 (en) 2022-09-15
US20220287584A1 (en) 2022-09-15

Similar Documents

Publication Publication Date Title
JP2024512405A (ja) 表皮下水分測定を使用した深部組織損傷の診断及び治療のための方法
Finlayson et al. Identifying risk factors and protective factors for venous leg ulcer recurrence using a theoretical approach: a longitudinal study
Prandoni et al. Below-knee elastic compression stockings to prevent the post-thrombotic syndrome: a randomized, controlled trial
McInnes et al. Support surfaces for pressure ulcer prevention
McDermott et al. Functional decline in peripheral arterial disease: associations with the ankle brachial index and leg symptoms
Linder-Ganz et al. Mechanical compression-induced pressure sores in rat hindlimb: muscle stiffness, histology, and computational models
Armer et al. A comparison of four diagnostic criteria for lymphedema in a post-breast cancer population
Kottner et al. Weight and pressure ulcer occurrence: a secondary data analysis
Fearmonti et al. The modified Patient and Observer Scar Assessment Scale: a novel approach to defining pathologic and nonpathologic scarring
Bade et al. Predicting poor physical performance after total knee arthroplasty
McGinnis et al. Pressure‐relieving devices for treating heel pressure ulcers
Chaboyer et al. Oedema as a predictor of the incidence of new pressure injuries in adults in any care setting: a systematic review and meta-analysis
US20230240592A1 (en) Methods of Treating Deep and Early-Stage Pressure Induced Tissue Damage
JP2019200788A (ja) 将来の骨量を予測する方法、情報処理装置、及びコンピュータプログラム
Cheng et al. Risk factors and the potential of nomogram for predicting hospital‐acquired pressure injuries
Taghipoor et al. Factors associated with pressure ulcers in patients with complete or sensory-only preserved spinal cord injury: is there any difference between traumatic and nontraumatic causes?
Mościcka et al. Subjective and objective assessment of patients’ compression therapy skills as a predicator of ulcer recurrence
McInnes et al. Support surfaces for treating pressure injury: a Cochrane systematic review
CN117119949A (zh) 使用表皮下水分测量来诊断和治疗深部组织损伤的方法
Yi et al. Assessing the efficacy of the early rehabilitation pathway in combination with morita therapy after hip and knee arthroplasty
Noorsyawala et al. PEDIS Classification in Diabetic Foot Ulcers Patients
Greenwood et al. Pressure‐relieving devices for preventing heel pressure ulcers
Venkatachalam et al. Fatal pulmonary embolism following conservatively managed tendo achilles rupture—a case report
Gefen Innovations and Emerging Technologies in Wound Care
Moda Vitoriano Budri Pressure ulcer risk assessment: risk factors and risk screening in older persons–a validation study