JP2024513847A - ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測 - Google Patents
ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測 Download PDFInfo
- Publication number
- JP2024513847A JP2024513847A JP2023560548A JP2023560548A JP2024513847A JP 2024513847 A JP2024513847 A JP 2024513847A JP 2023560548 A JP2023560548 A JP 2023560548A JP 2023560548 A JP2023560548 A JP 2023560548A JP 2024513847 A JP2024513847 A JP 2024513847A
- Authority
- JP
- Japan
- Prior art keywords
- user
- pregnancy
- data
- baseline
- complications
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000035935 pregnancy Effects 0.000 title claims abstract description 338
- 208000002787 Pregnancy Complications Diseases 0.000 claims abstract description 349
- 208000012113 pregnancy disease Diseases 0.000 claims abstract description 265
- 230000036760 body temperature Effects 0.000 claims abstract description 215
- 238000000034 method Methods 0.000 claims abstract description 158
- 230000007958 sleep Effects 0.000 claims description 119
- 208000024891 symptom Diseases 0.000 claims description 53
- 230000015654 memory Effects 0.000 claims description 41
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 36
- 229910052760 oxygen Inorganic materials 0.000 claims description 36
- 239000001301 oxygen Substances 0.000 claims description 36
- 230000036387 respiratory rate Effects 0.000 claims description 34
- 239000008280 blood Substances 0.000 claims description 32
- 210000004369 blood Anatomy 0.000 claims description 32
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 32
- 230000000694 effects Effects 0.000 claims description 29
- 206010020772 Hypertension Diseases 0.000 claims description 25
- 201000011461 pre-eclampsia Diseases 0.000 claims description 22
- 238000012790 confirmation Methods 0.000 claims description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 15
- 208000004104 gestational diabetes Diseases 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 9
- 208000035475 disorder Diseases 0.000 claims description 9
- 206010070538 Gestational hypertension Diseases 0.000 claims description 8
- 230000001684 chronic effect Effects 0.000 claims description 7
- 208000002296 eclampsia Diseases 0.000 claims description 7
- 208000015181 infectious disease Diseases 0.000 claims description 7
- 230000011514 reflex Effects 0.000 claims description 7
- 230000003205 diastolic effect Effects 0.000 claims description 6
- 201000010099 disease Diseases 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 87
- 238000004891 communication Methods 0.000 description 44
- 230000033001 locomotion Effects 0.000 description 37
- 238000010586 diagram Methods 0.000 description 36
- 238000005259 measurement Methods 0.000 description 30
- 230000003287 optical effect Effects 0.000 description 30
- 230000008569 process Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 19
- 230000004044 response Effects 0.000 description 18
- 230000033764 rhythmic process Effects 0.000 description 17
- 238000005070 sampling Methods 0.000 description 16
- 230000008667 sleep stage Effects 0.000 description 14
- 239000000758 substrate Substances 0.000 description 12
- 208000036818 High risk pregnancy Diseases 0.000 description 11
- 230000002354 daily effect Effects 0.000 description 11
- 230000036541 health Effects 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 10
- 230000027288 circadian rhythm Effects 0.000 description 10
- 210000000707 wrist Anatomy 0.000 description 10
- 238000009529 body temperature measurement Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 9
- 230000035558 fertility Effects 0.000 description 9
- 230000027758 ovulation cycle Effects 0.000 description 9
- 238000011084 recovery Methods 0.000 description 8
- 230000008321 arterial blood flow Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000016087 ovulation Effects 0.000 description 6
- 206010013975 Dyspnoeas Diseases 0.000 description 5
- 206010041235 Snoring Diseases 0.000 description 5
- 229920000642 polymer Polymers 0.000 description 5
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 5
- 230000000284 resting effect Effects 0.000 description 5
- 208000008035 Back Pain Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000036757 core body temperature Effects 0.000 description 4
- 230000001631 hypertensive effect Effects 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000005186 women's health Effects 0.000 description 4
- 208000031636 Body Temperature Changes Diseases 0.000 description 3
- 206010061452 Complication of pregnancy Diseases 0.000 description 3
- 208000000059 Dyspnea Diseases 0.000 description 3
- 208000002193 Pain Diseases 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 235000019800 disodium phosphate Nutrition 0.000 description 3
- 210000003754 fetus Anatomy 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000002611 ovarian Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 231100000430 skin reaction Toxicity 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 208000025721 COVID-19 Diseases 0.000 description 2
- 206010008479 Chest Pain Diseases 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 206010061218 Inflammation Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 208000006673 asthma Diseases 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000000740 bleeding effect Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000001605 fetal effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003054 hormonal effect Effects 0.000 description 2
- 230000036512 infertility Effects 0.000 description 2
- 208000000509 infertility Diseases 0.000 description 2
- 231100000535 infertility Toxicity 0.000 description 2
- 230000004054 inflammatory process Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000006213 oxygenation reaction Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000004617 sleep duration Effects 0.000 description 2
- 230000003860 sleep quality Effects 0.000 description 2
- 230000009885 systemic effect Effects 0.000 description 2
- 230000000287 tissue oxygenation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 208000009206 Abruptio Placentae Diseases 0.000 description 1
- 208000031229 Cardiomyopathies Diseases 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 206010013082 Discomfort Diseases 0.000 description 1
- 208000001362 Fetal Growth Retardation Diseases 0.000 description 1
- 206010070531 Foetal growth restriction Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010019663 Hepatic failure Diseases 0.000 description 1
- 208000032382 Ischaemic stroke Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 208000019695 Migraine disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000000450 Pelvic Pain Diseases 0.000 description 1
- 239000004642 Polyimide Substances 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 208000005107 Premature Birth Diseases 0.000 description 1
- 208000010378 Pulmonary Embolism Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000008081 blood perfusion Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 208000030941 fetal growth restriction Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 208000024798 heartburn Diseases 0.000 description 1
- 230000028709 inflammatory response Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 208000007903 liver failure Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008774 maternal effect Effects 0.000 description 1
- 230000003821 menstrual periods Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 208000001797 obstructive sleep apnea Diseases 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000001734 parasympathetic effect Effects 0.000 description 1
- 210000001002 parasympathetic nervous system Anatomy 0.000 description 1
- 238000013186 photoplethysmography Methods 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 210000002826 placenta Anatomy 0.000 description 1
- 230000028742 placenta development Effects 0.000 description 1
- 201000008532 placental abruption Diseases 0.000 description 1
- 230000003169 placental effect Effects 0.000 description 1
- 229920001721 polyimide Polymers 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009933 reproductive health Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000008454 sleep-wake cycle Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000920 spermatogeneic effect Effects 0.000 description 1
- 208000002254 stillbirth Diseases 0.000 description 1
- 231100000537 stillbirth Toxicity 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 1
- 230000027285 ultradian rhythm Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0012—Ovulation-period determination
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4343—Pregnancy and labour monitoring, e.g. for labour onset detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0008—Temperature signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
-
- 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
- A61B5/4806—Sleep evaluation
-
- 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
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- 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
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- 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
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- 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
- A61B5/486—Bio-feedback
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6825—Hand
- A61B5/6826—Finger
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7435—Displaying user selection data, e.g. icons in a graphical user interface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0012—Ovulation-period determination
- A61B2010/0019—Ovulation-period determination based on measurement of temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0012—Ovulation-period determination
- A61B2010/0029—Ovulation-period determination based on time measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Gynecology & Obstetrics (AREA)
- Reproductive Health (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pregnancy & Childbirth (AREA)
- Human Computer Interaction (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
Abstract
妊娠合併症の識別と予測のための方法、システム及びデバイスを説明する。システムは、妊娠しているユーザに関連付けられ、かつ複数日にわたって収集される生理学的データを受信するように構成されてよく、生理学的データは、少なくとも体温データを含む。加えて、システムは、体温値の時系列を決定するように構成され得る。システムは、次いで、体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別し、ユーザの1つ以上の妊娠合併症の指標を検出し得る。システムは、1つ以上の妊娠合併症の指標を示す、ユーザデバイス上のグラフィカルユーザインタフェース上に表示するためのメッセージを生成し得る。
Description
相互参照
本出願は、2022年3月31日に出願された、「PREGNANCY -RELATED COMPLICATION IDENTIFICATION AND PREDICTION FROM WEARABLE-BASED PHYSIOLOGICAL DATA」と題する、Thigpen等による、米国非仮特許出願第17/710,095号の利益を主張し、これは、2021年4月1日に出願された、「WOMEN'S HEALTH TRACKING」と題する、Aschbacher等による、米国仮特許出願第63/169,314号の利益を主張し、この各々が、本出願人に譲渡され、参照により本明細書に明示的に援用される。
本出願は、2022年3月31日に出願された、「PREGNANCY -RELATED COMPLICATION IDENTIFICATION AND PREDICTION FROM WEARABLE-BASED PHYSIOLOGICAL DATA」と題する、Thigpen等による、米国非仮特許出願第17/710,095号の利益を主張し、これは、2021年4月1日に出願された、「WOMEN'S HEALTH TRACKING」と題する、Aschbacher等による、米国仮特許出願第63/169,314号の利益を主張し、この各々が、本出願人に譲渡され、参照により本明細書に明示的に援用される。
技術分野
以下は、ウェアラブルベースの生理学的データからの妊娠関連合併症(pregnancy-related complication)の識別と予測を含む、ウェアラブルデバイス及びデータ処理に関する。
以下は、ウェアラブルベースの生理学的データからの妊娠関連合併症(pregnancy-related complication)の識別と予測を含む、ウェアラブルデバイス及びデータ処理に関する。
いくつかのウェアラブルデバイスは、体温及び心拍数に関連付けられるデータをユーザから収集するように構成されることがある。例えばいくつかのウェアラブルデバイスは、リプロダクティブ・ヘルスに関連付けられる周期を検出するように構成されることがある。しかしながら、ウェアラブルデバイスによって実装される従来の周期検出技術は不十分である。
いくつかのウェアラブルデバイスは、体温データや心拍数データ等を含む、生理学的データをユーザから収集するように構成されることがある。取得された生理学的データは、ユーザの動きや、睡眠パターンのような他の活動を分析するために使用されることがある。多くのユーザは、睡眠パターン、活動及び全体的な身体的健康状態を含む、自身の身体的健康に関するより多くの洞察を望んでいる。特に、多くのユーザは、自身の月経周期、排卵、受精パターン及び妊娠を含む、女性の健康に関するより多くの洞察を望んでいる可能性がある。しかしながら、典型的な周期追跡又は女性のヘルスデバイス及びアプリケーションは、いくつかの理由から、ロバストな予測及び洞察を提供する能力を欠いている。
第1に、典型的な周期予測アプリケーションは、ユーザが、毎日離散的な時間にデバイスを用いて手動で自身の体温を測ることを要する。この単一の体温データポイントは、女性の健康周期パターン及び妊娠パターンを示す真の体温変化を正確に捕捉又は予測するための十分なコンテキストを提供しない可能性があり、ユーザの動き又は行為に対する測定デバイスの感度を考慮すると、正確に捕捉することが困難である可能性がある。第2に、ウェアラブルであるデバイス、あるいは1日を通してより頻繁にユーザの体温を測定するデバイスであっても、典型的なデバイス及びアプリケーションは、測定された体温と組み合わせて女性の周期及び妊娠パターンに対する生理学的寄与の完全なセットをより包括的に理解することができる、ユーザからの他の生理学的、行動的又はコンテキスト的入力を収集する能力を欠いている。
本開示の態様は、1つ以上の妊娠合併症の指標を識別及び予測するための技術を対象とする。特に、本開示のコンピューティングデバイスは、ユーザに関連付けられるウェアラブルデバイスから体温データを含む生理学的データを受信し、複数日にわたって取得された体温値の時系列を決定し得る。生理学的データは、妊娠しているユーザに関連付けられてよい。例えば本開示の態様は、体温値の時系列のグラフ表示から、ユーザの体温値の妊娠ベースラインに対する体温値の時系列の偏差のような、1つ以上の形態学的特徴を識別し得る。したがって、本開示の態様は、形態学的特徴(例えば偏差)を識別することに基づいて、ユーザの1つ以上の妊娠合併症の指標を検出し得る。そのような場合、1つ以上の妊娠合併症の指標は、ユーザの体温値の妊娠ベースラインから逸脱した体温値に関連付けられ得る。1つ以上の妊娠合併症の指標は、1つ以上の妊娠合併症が既に起こっていること、現在起こっていること、及び/又は1つ以上の妊娠合併症が将来起こると予測されることを検出する例であってよい。
いくつかの実装では、システムは、ユーザからの履歴体温データ及びユーザの妊娠ベースライン値を分析し、1つ以上の妊娠合併症の指標を識別し、ユーザの1つ以上の妊娠合併症を示す指標を生成し得る。ユーザは、システムによって示されるように、1つ以上の妊娠合併症が既に起こっているかどうかを確認してよく、システムは、このユーザ入力を予測機能(例えば将来の妊娠合併症を予測するための機械学習モデル)に組み込むことができる。システムはまた、体温時系列データをリアルタイムで分析し、体温データの時系列における1つ以上の形態学的特徴を識別したことに基づいて、及び/又はユーザの入力に基づいて、今後の妊娠合併症を予測し得る。
本開示の目的のために、用語「妊娠合併症」は、ユーザが妊娠中に経験する可能性がある健康状態又は問題を指すために使用され得る。1つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症、子癇、心血管代謝障害、妊娠糖尿病、感染症又はそれらの組合せを指すために使用され得る。ユーザの妊娠は、1つ以上の妊娠合併症が検出されるハイリスク妊娠と呼ばれることがある。
本開示のいくつかの態様は、ユーザが妊娠合併症の症状及び影響を経験する前の1つ以上の妊娠合併症の指標の検出を対象とする。しかしながら、本明細書に記載される技術はまた、ユーザが症状を示さないか又はユーザの症状に気づかない場合に、1つ以上の妊娠合併症を検出するためにも使用されてよい。いくつかの実装では、コンピューティングデバイスは、温度センサを使用して1つ以上の妊娠合併症の指標を識別し得る。そのような場合、コンピューティングデバイスは、ユーザがこれらのイベントにタグ付け又はラベル付けすることなく、1つ以上の妊娠合併症の遡及日を推定し得る。
従来のシステムでは、妊娠合併症は、血液検査、胎児ドップラ(fetal doppler)、超音波、及び/又は妊娠合併症が起こった後に臨床医によって実行されるルーチンのチェックアップ手順を使用することによって検出され得る。他の場合には、妊娠合併症は、ユーザが経験する症状(例えば出血、痛み、圧迫等)に基づいて検出されてよい。このような場合、妊娠合併症は発生後に検出され得るか、かつ/又は臨床医との予約時に確認され得る。場合によっては、妊娠の特定の週まで1つ以上の妊娠合併症が診断されないことがある。例えば子癇前症は妊娠20週以降まで診断されないことがあり、一方、妊娠糖尿病は妊娠24週以降まで検査及び/又は診断されないことがある。
本明細書で説明される技術は、ユーザの表面体温を連続的に測定するウェアラブルから取得される測定値と、(例えばPPG信号を介して)動脈血流のような血流から抽出される信号とに基づいて、ユーザから生理学的データを連続的に収集し得る。いくつかの実装では、コンピューティングデバイスは、昼夜を通じて連続的にユーザの体温をサンプリングし得る。夜間を通じて十分なレート(例えば1分当たり1サンプル)でサンプリングすることは、本明細書で説明される分析のための十分な体温データを提供し得る。
場合によっては、指での連続的な体温測定は、深部体温では明らかでない可能性のある体温変動(例えば小さな変動又は大きな変動)を捕捉することがある。例えば指での連続的な体温測定は、身体の他の場所での他の体温測定によっては、あるいはユーザが1日に1回手動で体温を測っていた場合には提供されない可能性がある追加の洞察を提供する、分毎又は時間毎の体温変動を捕捉し得る。したがって、コンピューティングデバイスによって収集されたデータは、ユーザが1つ以上の妊娠合併症を経験しているときを識別及び予測するために使用され得る。
本明細書に記載される技術は、様々な方法で、1つ以上の妊娠合併症の指標をユーザ、臨床医、不妊治療専門医、介護者又はこれらの組合せに通知し得る。例えばシステムは、1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェース(GUI)に表示するためのメッセージを生成し得る。そのような場合、システムは、検出された妊娠合併症をユーザや臨床医等に通知し、将来の妊娠合併症の推定される可能性をユーザに通知し、ユーザに推奨を行うこと等を行うために、ユーザデバイスのGUIにメッセージ又は他の通知を表示させることができる。いくつかの実装では、システムは、ユーザにタグ推奨を行ってよい。例えばシステムは、妊娠合併症の症状タグ(例えば背部痛、圧迫感、発熱等)を、個人化された方法でユーザに推奨し得る。
システムはまた、可能性のある妊娠合併症の検出/予測を行うために使用されるデータを示すグラフィクス又はテキストを含み得る。例えばGUIは、ユーザの妊娠ベースラインからの体温偏差に基づいて妊娠合併症の可能性の通知を表示してよい。場合によっては、GUIは、正常なベースラインからの心拍数の偏差、正常なベースラインからの呼吸数の偏差、正常なベースラインからの心拍数変動(HRV)の偏差又はそれらの組合せに基づいて、妊娠合併症の可能性の通知を表示してもよい。早期検出(例えばユーザが症状を経験する前)に基づいて、ユーザは、1つ以上の妊娠合併症に関連付けられる今後の症状の重症度を軽減し、1つ以上の妊娠合併症を一緒に有するリスクを制限するのに役立つ可能性のある早期の措置を講じることができる。
本開示の態様は、最初に、ウェアラブルデバイスを介したユーザからの生理学的データの収集をサポートするシステムのコンテキストで説明される。本開示の追加の態様は、例示的なタイミング図及び例示的なGUIのコンテキストにおいて説明される。本開示の態様は、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測に関連する装置図、システム図及びフローチャートによって更に図示され、それらを参照して説明される。
図1は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するシステム100の例を示す。システム100は、1人以上のユーザ102によって装着及び/又は操作され得る複数の電子デバイス(例えばウェアラブルデバイス104、ユーザデバイス106)を含む。システム100は、ネットワーク108及び1つ以上のサーバ110を更に含む。
電子デバイスは、ウェアラブルデバイス104(例えばリングウェアラブルデバイス、腕時計ウェアラブルデバイス等)、ユーザデバイス106(例えばスマートフォン、ラップトップ、タブレット)を含む、当技術分野で公知の任意の電子デバイスを含み得る。それぞれのユーザ102に関連付けられる電子デバイスは、以下の機能のうちの1つ以上:すなわち、1)生理学的データを測定することと、2)測定されたデータを記憶することと、3)そのデータを処理することと、4)処理されたデータに基づいて(例えばGUIを介して)ユーザ102に出力を提供することと、5)互いに及び/又は他のコンピューティングデバイスとデータを通信することと、のうちの1つ以上を含み得る。異なる電子デバイスが、これらの機能の1つ以上を実行してもよい。
例示的なウェアラブルデバイス104は、ユーザ102の指に装着されるように構成されたリングコンピューティングデバイス(以下、「リング」)、ユーザ102の手首に装着されるように構成された手首コンピューティングデバイス(例えばスマートウォッチ、フィットネスバンド又はブレスレット)及び/又は頭部装着コンピューティングデバイス(例えば眼鏡/ゴーグル)のようなウェアラブルコンピューティングデバイスを含み得る。ウェアラブルデバイス104はまた、頭部の周りのバンド(例えば額のヘッドバンド)、腕の周りのバンド(例えば前腕のバンド及び/又は上腕のバンド)及び/又は脚の周りのバンド(例えば大腿部又はふくらはぎのバンド)、耳の後ろ、脇の下等の他の位置に配置され得るバンド、ストラップ(例えばフレキシブル又は非フレキシブルバンド又はストラップ)、スティックオンセンサ等も含み得る。ウェアラブルデバイス104はまた、衣料品に取り付けられてもよく、あるいは衣類に含まれてもよい。例えばウェアラブルデバイス104は、衣服のポケット及び/又はポーチに含まれてもよい。別の例として、ウェアラブルデバイス104は、衣服にクリップ留め及び/又はピン留めされてもよく、あるいは他の方法でユーザ102の近くに維持されてもよい。例示的な衣料品には、帽子、シャツ、手袋、ズボン、靴下、上着(例えばジャケット)及び下着が含まれ得るが、これらに限定されない。いくつかの実装では、ウェアラブルデバイス104は、身体活動中に使用されるトレーニング/スポーツ用デバイスのような他のタイプのデバイスとともに含まれてもよい。例えばウェアラブルデバイス104は、自転車、スキー、テニスラケット、ゴルフクラブ及び/又はトレーニングウェイトに取り付けられてもよく、あるいはそれらに含まれてもよい。
本開示の多くは、リングウェアラブルデバイス104のコンテキストで説明され得る。したがって、用語「リング104」、「ウェアラブルデバイス104」及び同様の用語は、本明細書で特に明記しない限り、交換可能に使用され得る。しかしながら、本明細書では、本開示の態様は、他のウェアラブルデバイス(例えば腕時計ウェアラブルデバイス、ネックレスウェアラブルデバイス、ブレスレットウェアラブルデバイス、イヤリングウェアラブルデバイス、アンクレットウェアラブルデバイス等)を使用して実行されてもよいことが企図されているので、用語「リング104」の使用は、限定的なものとみなされるべきではない。
いくつかの態様では、ユーザデバイス106は、スマートフォン及びタブレットコンピューティングデバイスのようなハンドヘルドモバイルコンピューティングデバイスを含んでよい。ユーザデバイス106はまた、ラップトップ及びデスクトップコンピューティングデバイスのようなパーソナルコンピュータも含んでよい。他の例示的なユーザデバイス106は、(例えばインターネットを介して)他の電子デバイスと通信し得るサーバコンピューティングデバイスを含んでよい。いくつかの実装では、コンピューティングデバイスは、外部ウェアラブルコンピューティングデバイス(例えばホルターモニタ)のような医療デバイスを含んでよい。医療デバイスは、ペースメーカー及び電気除細動器のような植込み型医療デバイスも含んでよい。他の例示的なユーザデバイス106は、モノのインターネット(IoT)デバイス(例えばIoTデバイス)、スマートテレビ、スマートスピーカ、スマートディスプレイ(例えばビデオ通話ディスプレイ)、ハブ(例えば無線通信ハブ)、セキュリティシステム、スマートアプライアンス(例えばサーモスタット及び冷蔵庫)及びフィットネス機器のようなホームコンピューティングデバイスを含んでよい。
いくつかの電子デバイス(例えばウェアラブルデバイス104、ユーザデバイス106)は、フォトプレチスモグラフィ波形、連続皮膚温度、パルス波形、呼吸数、心拍数、心拍数変動(HRV、heart rate variability)、アクチグラフィ、ガルバニック皮膚反応、パルス酸素濃度及び/又は他の生理学的パラメータのような、それぞれのユーザ102の生理学的パラメータを測定し得る。生理学的パラメータを測定するいくつかの電子デバイスはまた、本明細書で説明される計算の一部/すべてを実行してもよい。いくつかの電子デバイスは、生理学的パラメータを測定しないことがあるが、本明細書で説明される計算の一部/すべてを実行することがある。例えばリング(例えばウェアラブルデバイス104)、モバイルデバイスアプリケーション又はサーバコンピューティングデバイスは、他のデバイスによって測定された、受信した生理学的データを処理することがある。
いくつかの実装では、ユーザ102は、複数の電子デバイスを操作し得るか又は複数の電子デバイスに関連付けられてよく、そのうちのいくつかが、生理学的パラメータを測定してよく、そのうちのいくつかが、測定された生理学的パラメータを処理してよい。いくつかの実装では、ユーザ102は、生理学的パラメータを測定するリング(例えばウェアラブルデバイス104)を有してもよい。ユーザ102は、ユーザデバイス106(例えばモバイルデバイス、スマートフォン)を有し得るか又はユーザデバイス106に関連付けられてもよく、ここで、ウェアラブルデバイス104及びユーザデバイス106は、互いに通信可能に結合される。場合によっては、ユーザデバイス106は、ウェアラブルデバイス104からデータを受信し、本明細書で説明される計算の一部/すべてを実行してよい。いくつかの実装では、ユーザデバイス106はまた、運動/活動パラメータのような、本明細書で説明される生理学的パラメータを測定してもよい。
例えば図1に示されるように、第1ユーザ102-a(ユーザ1)は、本明細書で説明されるように動作し得るウェアラブルデバイス104-a(例えばリング104-a)及びユーザデバイス106-aを操作し得るか、又はこれらに関連付けられてよい。この例では、ユーザ102-aに関連付けられるユーザデバイス106-aは、リング104によって測定された生理学的パラメータを処理/記憶し得る。比較すると、第2ユーザ102-b(ユーザ2)は、リング104-b、腕時計ウェアラブルデバイス104-c(例えば時計104-c)及びユーザデバイス106-bに関連付けられてよく、ここで、ユーザ102-bに関連付けられるユーザデバイス106-bは、リング104-b及び/又は時計104-cによって測定された生理学的パラメータを処理/記憶し得る。さらに、n番目のユーザ102-n(ユーザN)は、本明細書で説明される電子デバイスの構成(例えばリング104、ユーザデバイス106-n)に関連付けられてもよい。いくつかの態様では、ウェアラブルデバイス104(例えばリング104、時計104)及び他の電子デバイスは、Bluetooth(登録商標)、Wi-Fi及び他の無線プロトコルを介して、それぞれのユーザ102のユーザデバイス106に通信可能に結合されてもよい。
いくつかの実装では、システム100のリング104(例えばウェアラブルデバイス104)は、ユーザの指の中の動脈血流に基づいて、それぞれのユーザ102から生理学的データを収集するように構成され得る。特に、リング104は、ユーザの指の手のひら側で光を放出する1つ以上のLED(例えば赤色LED、緑色LED)を利用して、ユーザの指の中の動脈血流に基づいて生理学的データを収集してよい。いくつかの実装では、リング104は、緑色LEDと赤色LEDの両方の組合せを使用して生理学的データを取得してもよい。生理学的データは、これらに限定されないが、体温データ、加速度計データ(例えば動き/運動データ)、心拍数データ、HRVデータ、血中酸素濃度データ又はそれらの任意の組合せを含む、当技術分野で公知の任意の生理学的データを含み得る。
赤色LED及び緑色LEDは、異なる条件下(例えば明るい/暗い、活性/不活性)で身体の異なる部分などを介して生理学的データを取得するときに、それら自体の明確な利点を有することが見出されているので、緑色LEDと赤色LEDの両方の使用は、他の解決策に対していくつかの利点を提供し得る。例えば緑色LEDは、運動中により良好な性能を示すことが分かっている。さらに、リング104の周りに分散された複数のLED(例えば緑色LEDと赤色LED)を使用することは、腕時計ウェアラブルデバイス内など、互いに近接して配置されるLEDを利用するウェアラブルデバイスと比較して、優れた性能を示すことが分かっている。さらに、指の血管(例えば動脈、毛細血管)は、手首の血管と比較して、LEDを介してよりアクセスしやすい。特に、手首の動脈は手首の下部(例えば手首の手のひら側)に位置しており、これは、ウェアラブル時計デバイスや同様のデバイスが典型的に装着される手首の上部(例えば手首の手の甲側)では毛細血管のみがアクセス可能であることを意味する。このように、リング104内でLED及び他のセンサを利用することは、手首に装着されるウェアラブルデバイスと比較して優れた性能を示すことが分かっているが、これは、リング104が(毛細血管と比較して)動脈へのより大きなアクセスを有し、それによって、より強い信号及びより価値のある生理学的データをもたらすためである。
システム100の電子デバイス(例えばユーザデバイス106、ウェアラブルデバイス104)は、有線又は無線通信プロトコルを介して、1つ以上のサーバ110に通信可能に結合されてもよい。例えば図1に示されるように、電子デバイス(例えばユーザデバイス106)は、ネットワーク108を介して1つ以上のサーバ110に通信可能に結合されてもよい。ネットワーク108は、インターネットのような伝送制御プロトコル及びインターネットプロトコル(TCP/IP)を実装してよく、あるいは他のネットワーク108プロトコルを実装してもよい。ネットワーク108とそれぞれの電子デバイスとの間のネットワーク接続は、電子メール、ウェブ、テキストメッセージ、メール又はコンピュータネットワーク108内の任意の他の適切な形式の対話を介したデータの転送を容易にすることができる。例えばいくつかの実装では、第1ユーザ102-aに関連付けられるリング104-aは、ユーザデバイス106-aに通信可能に結合されてよく、ここで、ユーザデバイス106-aは、ネットワーク108を介してサーバ110に通信可能に結合される。追加又は代替的な場合において、ウェアラブルデバイス104(例えばリング104、時計104)は、ネットワーク108に直接通信可能に結合されてもよい。
システム100は、ユーザデバイス106と1つ以上のサーバ110との間でオンデマンドデータベースサービスを提供してもよい。場合によっては、サーバ110は、ネットワーク108を介してユーザデバイス106からデータを受信してよく、該データを記憶し、分析してもよい。同様に、サーバ110は、ネットワーク108を介してユーザデバイス106にデータを提供してもよい。場合によっては、サーバ110は、1つ以上のデータセンタに配置されてもよい。サーバ110は、データの記憶、管理及び処理のために使用されてもよい。いくつかの実装では、サーバ110は、ウェブブラウザを介してユーザデバイス106にウェブベースのインタフェースを提供してもよい。
いくつかの態様では、システム100は、ユーザ102が眠っている時間期間を検出し、ユーザ102が眠っている時間期間を1つ以上の睡眠段階に分類し得る(例えば睡眠段階分類)。例えば図1に示されるように、ユーザ102-aは、ウェアラブルデバイス104-a(例えばリング104-a)及びユーザデバイス106-aに関連付けられてよい。この例では、リング104-aは、体温、心拍数、HRV、呼吸数等を含む、ユーザ102-aに関連付けられる生理学的データを収集し得る。いくつかの態様において、リング104-aによって収集されたデータが、機械学習分類器に入力されてもよく、ここで、機械学習分類器は、ユーザ102-aが眠っている(眠っていた)時間期間を決定するように構成される。さらに、機械学習分類器は、覚醒睡眠段階、急速眼球運動(REM、rapid eye movement)睡眠段階、浅い睡眠段階(ノンレム(NREM))及び深い睡眠段階(NREM)を含む、異なる睡眠段階に時間期間を分類するように構成され得る。いくつかの態様では、分類された睡眠段階は、ユーザデバイス106-aのGUIを介してユーザ102-aに表示され得る。睡眠段階分類は、推奨される就寝時間や推奨される起床時間等のようなユーザの睡眠パターンに関するフィードバックをユーザ102-aに提供するために使用されてもよい。さらに、いくつかの実装では、本明細書で説明される睡眠段階分類技術は、睡眠スコア(Sleep Scores)や準備スコア(Readiness Scores,)等のような、それぞれのユーザについてのスコアを計算するために使用されてもよい。
いくつかの態様では、システム100は、概日リズム由来の特徴を利用して、生理学的データ収集、データ処理手順及び本明細書で説明される他の技術を更に改善し得る。概日リズム(circadian rhythm)という用語は、約24時間毎に繰り返す、個人の睡眠-覚醒周期を調節する自然の内部プロセスを指してよい。この点に関して、本明細書で説明される技術は、生理学的データ収集、分析及びデータ処理を改善するために概日リズム調整モデルを利用し得る。例えば概日リズム調整モデルは、ウェアラブルデバイス104-aを介してユーザ102から収集された生理学的データとともに機械学習分類器に入力されてよい。この例では、概日リズム調整モデルは、ユーザの自然な、約24時間の概日リズムを通じて収集された生理学的データを「重み付け」又は調整するように構成されてよい。いくつかの実装では、システムは、最初に「ベースライン」概日リズム調整モデルで開始してよく、各ユーザ102から収集された生理学的データを使用してベースラインモデルを修正し、それぞれのユーザ102毎に特有の、調整されて個別化された概日リズム調整モデルを生成してよい。
いくつかの態様では、システム100は、他の生体リズムを利用して、これらの他のリズムのフェーズによって、生理学的データの収集、分析及び処理を更に改善し得る。例えば週次リズムが、個人のベースラインデータ内で検出される場合、モデルは、週の曜日によってデータの「重み」を調整するように構成され得る。この方法によるモデルに対する調整を必要とする可能性のある生体リズムは:1)ウルトラディアン(1日のリズムよりも速く、睡眠状態における睡眠周期と、覚醒状態の間の測定された生理学的変数における1時間未満から数時間の周期性までの変動とを含む);2)概日リズム;3)仕事のスケジュールのように概日リズムの上に課せられることが示される非内因性の日次リズム;4)週次リズム、又は外因的に課せられる他の人工的な時間周期(例えば12日の「週」を有する仮想文化では、12日のリズムを使用することができる);5)女性では複数日の卵巣リズム、男性では精子形成リズム;6)月(lunar)のリズム(人工照明が少ない又はない状態で生活する人に関連する);及び7)季節的リズムを含む。
生体リズムは必ずしも定常的なリズムではない。例えば多くの女性は、複数周期にわたって卵巣周期の長さの変動性を経験し、ウルトラディアンリズムは、ユーザ内部であっても、日をまたがって正確に同じ時間又は周期性で発生するとは予想されない。したがって、生理学的データにおけるこれらのリズムの時間分解能を保持しながら、周波数組成を定量化するのに十分な信号処理技術を使用して、これらのリズムの検出を改善し、各リズムのフェーズを、測定される各瞬間に割り当て、それによって調整モデル及び時間間隔の比較を修正することができる。生体リズム-調整モデル及びパラメータは、個人又は個人のグループの動的な生理学的ベースラインをより正確に捕捉するために、必要に応じて線形又は非線形の組合せで追加されることができる。
いくつかの態様では、システム100のそれぞれのデバイスは、ウェアラブルデバイス104によって収集されたデータに基づく妊娠合併症の識別及び予測のための技術をサポートし得る。特に、図1に示されるシステム100は、ユーザ102の1つ以上の妊娠合併症の指標を検出し、ユーザ102に対応するユーザデバイス106に、1つ以上の妊娠合併症の指標を表示させるための技術をサポートし得る。1つ以上の妊娠合併症の指標は、1つ以上の妊娠合併症が既に起こっていることを検出すること、1つ以上の妊娠合併症が現在起こっていることを検出すること、及び/又は1つ以上の妊娠合併症が将来起こると予測されることの例であってよい。1つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症(preeclampsia)、子癇(eclampsia)、心血管代謝障害(cardiometabolic disorder)、妊娠糖尿病、感染症又はそれらの組合せを含み得る。
例えば図1に示されるように、ユーザ1(ユーザ102-a)は、ウェアラブルデバイス104-a(例えばリング104-a)及びユーザデバイス106-aに関連付けられ得る。この例では、リング104-aは、体温、心拍数、HRV、呼吸数等を含む、ユーザ102-aに関連付けられるデータを収集し得る。いくつかの態様では、リング104-aによって収集されたデータを使用して、ユーザ1が妊娠に伴う健康状態又は問題を経験している間の1つ以上の妊娠合併症の指標を検出し得る。1つ以上の妊娠合併症の指標を識別することは、リング104-a、ユーザ1に関連付けられるユーザデバイス106-a、1つ以上のサーバ110又はそれらの任意の組合せを含む、システム100の構成要素のいずれかによって実行され得る。1つ以上の妊娠合併症を識別及び/又は予測すると、システム100は、ユーザデバイス106のGUIに、1つ以上の妊娠合併症の指標を選択的に表示させ得る。このような場合、ユーザデバイス106は、ユーザ1、ユーザ2、ユーザN又はそれらの組合せに関連付けられてもよく、ここで、ユーザ2及びユーザNは、臨床医、介護者、ユーザ1に関連付けられるユーザ又はそれらの組合せの一例であってもよい。
いくつかの実装では、生理学的データ(例えば体温データを含む)を受信すると、システム100は、複数日にわたって得られる体温値の時系列を決定し得る。システム100は、体温値が、ユーザの体温値の妊娠ベースラインから逸脱することを識別し得る。本明細書でより詳細に説明されるように、妊娠ベースラインは、ベースライン又は平均体温、あるいは妊娠又は妊娠の特定のフェーズを通して測定されるユーザの通常の体温変化を指してよく、これは、ユーザの正常な又は非妊娠ベースラインとは異なることがある。そのような場合、システム100は、体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに基づいて、ユーザの1つ以上の妊娠合併症の指標を検出し得る。
いくつかの実装では、システム100は、検出された1つ以上の妊娠合併症の指標に基づいて、ユーザ1、ユーザ2及び/又はユーザNのためのアラート、メッセージ又は推奨を(例えばリング104-a、ユーザデバイス106-a又はその両方を介して)生成してよく、ここで、メッセージは、1つ以上の妊娠合併症のタイミングのような、検出された1つ以上の妊娠合併症の指標に関する洞察を提供し得る。場合によっては、メッセージは、1つ以上の妊娠合併症に関連付けられる症状、1つ以上の妊娠合併症に関連付けられる教育的ビデオ及び/又はテキスト(例えばコンテンツ)、1つ以上の妊娠合併症に関連付けられる症状を改善するための推奨、あるいはそれらの組合せに関する洞察を提供し得る。
上記以外の他の問題を追加的に又は代替的に解決するために、本開示の1つ以上の態様がシステム100において実装されてもよいことが当業者に理解されるべきである。さらに、本開示の態様は、本明細書で説明される「従来の」システム又はプロセスに技術的な改善を提供し得る。しかしながら、本明細書及び添付の図面は、本開示の態様を実装することから生じる例示的な技術的改善を含むものにすぎず、したがって、特許請求の範囲内で提供される技術的改善のすべてを表すものではない。
図2は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するシステム200の例を示す。システム200は、システム100を実装してよく、あるいはシステム100によって実装されてもよい。特に、システム200は、図1を参照して説明したような、リング104(例えばウェアラブルデバイス104)、ユーザデバイス106及びサーバ110の例を示す。
いくつかの態様では、リング104は、ユーザの指の周りに装着されるように構成されてよく、ユーザの指の周りに装着されたときに1つ以上のユーザの生理学的パラメータを決定し得る。例示的な測定及び決定は、ユーザの皮膚温度、パルス波形、呼吸数、心拍数、HRV、血中酸素レベル等を含み得るが、これらに限定されない。
システム200は、リング104と通信するユーザデバイス106(例えばスマートフォン)を更に含む。例えばリング104は、ユーザデバイス106と無線通信及び/又は有線通信を行ってよい。いくつかの実装では、リング104は、測定されて処理されたデータ(例えば体温データ、フォトプレチスモグラム(PPG)データ、運動/加速度計データ、リング入力データ等)をユーザデバイス106に送信し得る。ユーザデバイス106はまた、リング104ファームウェア/構成更新のようなデータをリング104に送信し得る。ユーザデバイス106は、データを処理し得る。いくつかの実装では、ユーザデバイス106は、処理及び/又は記憶のために、データをサーバ110に送信し得る。
リング104は、内側ハウジング205-a及び外側ハウジング205-bを含み得るハウジング205を含んでよい。いくつかの態様では、リング104のハウジング205は、これらに限定されないが、デバイスエレクトロニクス、電源(例えばバッテリ210及び/又はキャパシタ)、デバイスエレクトロニクス及び/又は電源を相互接続する1つ以上の基板(例えばプリント基板)等を含むリングの様々な構成要素を記憶するか、又は他の方法で含み得る。デバイスエレクトロニクスは、処理モジュール230-a、メモリ215、通信モジュール220-a、電力モジュール225等のようなデバイスモジュール(例えばハードウェア/ソフトウェア)を含んでよい。デバイスエレクトロニクスはまた、1つ以上のセンサも含んでよい。例示的なセンサは、1つ以上の温度センサ240、PPGセンサアセンブリ(例えばPPGシステム235)及び1つ以上の運動センサ245を含んでよい。
センサは、リング104のそれぞれの構成要素/モジュールと通信し、それぞれのセンサに関連付けられる信号を生成するように構成される、関連モジュール(図示せず)を含んでよい。いくつかの態様では、リング104の構成要素/モジュールの各々は、有線接続又は無線接続を介して互いに通信可能に結合されてもよい。さらに、リング104は、光センサ(例えばLED)、オキシメータ等を含む生理学的データをユーザから収集するように構成される、追加及び/又は代替のセンサ又は他の構成要素を含んでもよい。
図2を参照して図示され、説明されるリング104は、単に例示の目的のために提供される。このように、リング104は、図2に示される構成要素のような追加の又は代替の構成要素を含んでよい。本明細書で説明される機能性を提供する他のリング104が製造されてもよい。例えばより少ない構成要素(例えばセンサ)を有するリング104が製造されてもよい。特定の例では、単一の温度センサ240(又は他のセンサ)と、電源と、単一の温度センサ240(又は他のセンサ)を読み取るように構成されるデバイスエレクトロニクスとを有するリング104が製造されてもよい。別の具体例では、温度センサ240(又は他のセンサ)が、(例えばクランプ、バネ式クランプ等を使用して)ユーザの指に取り付けられてもよい。この場合、センサは、温度センサ240(又は他のセンサ)を読み取る手首装着型コンピューティングデバイスのような別のコンピューティングデバイスに配線されてもよい。他の例では、追加のセンサ及び処理機能を含むリング104が製造されてもよい。
ハウジング205は、1つ以上のハウジング205構成要素を含んでよい。ハウジング205は、外側ハウジング205-b構成要素(例えばシェル)と内側ハウジング205-a構成要素(例えばモールディング)を含んでよい。ハウジング205は、図2に明示的に図示されていない追加の構成要素(例えば追加の層)を含んでもよい。例えばいくつかの実装では、リング104は、デバイスエレクトロニクス及び他の導電性材料(例えば電気トレース)を外側ハウジング205(例えば金属製の外側ハウジング205-b)から電気的に絶縁する1つ以上の絶縁層を含んでもよい。ハウジング205は、デバイスエレクトロニクス、バッテリ210、基板及び他の構成要素のための構造的支持を提供し得る。例えばハウジング205は、デバイスエレクトロニクス、バッテリ210及び基板を圧力及び衝撃のような機械的な力から保護し得る。ハウジング205はまた、デバイスエレクトロニクス、バッテリ210及び基板を水及び/又は他の化学物質からも保護し得る。
外側ハウジング205-bは、1つ以上の材料から製造され得る。いくつかの実装では、外側ハウジング205-bは、比較的軽量で強度と耐摩耗性を提供し得るチタンのような金属を含んでよい。外側ハウジング205-bはまた、ポリマーのような他の材料から製造されてもよい。いくつかの実装では、外側ハウジング205-bは装飾的であるだけでなく、保護的であってもよい。
内側ハウジング205-aは、ユーザの指とインタフェースするように構成され得る。内側ハウジング205-aは、ポリマー(例えば医療グレードのポリマー)又は他の材料から形成されてもよい。いくつかの実装では、内側ハウジング205-aは透明であってもよい。例えば内側ハウジング205-aは、PPG発光ダイオード(LED)によって放出される光に対して透明であってもよい。いくつかの実装では、内側ハウジング205-aは、外側ハウジング205-bの上に成形されてもよい。例えば内側ハウジング205-aは、外側ハウジング205金属シェルに適合するように成形(例えば射出成形)されるポリマーを含んでもよい。
リング104は、1つ以上の基板(図示せず)を含んでもよい。デバイスエレクトロニクス及びバッテリ210が、1つ以上の基板上に含まれてもよい。例えばデバイスエレクトロニクス及びバッテリ210は、1つ以上の基板上に取り付けられてもよい。例示的な基板は、フレキシブルPCB(例えばポリイミド)のような1つ以上のプリント回路基板(PCB)を含んでよい。一部の実装では、エレクトロニクス/バッテリ210は、フレキシブルPCB上に表面実装型デバイス(例えば表面実装技術(SMT、surface-mount technology)デバイス)を含んでもよい。いくつかの実装では、1つ以上の基板(例えば1つ以上のフレキシブルPCB)は、デバイスエレクトロニクス間の電気通信を提供する電気トレースを含んでもよい。電気トレースはまた、バッテリ210をデバイスエレクトロニクスに接続してもよい。
デバイスエレクトロニクス、バッテリ210及び基板は、様々な方法でリング104内に配置されてもよい。いくつかの実装では、センサ(例えばPPGシステム235、温度センサ240、運動センサ245及び他のセンサ)がユーザの指の下側とインタフェースするように、デバイスエレクトロニクスを含む1つの基板が、リング104の下部(例えば下半分)に沿って取り付けられてよい。これらの実装では、バッテリ210は、リング104の上部に沿って(例えば別の基板上に)含まれてもよい。
リング104の様々な構成要素/モジュールは、リング104に含まれ得る機能性(例えば回路及び他の構成要素)を表す。モジュールは、本明細書のモジュールに起因する機能を生成することができるアナログ及び/又はデジタル回路を実装する任意の離散及び/又は集積電子回路構成要素を含んでよい。例えばモジュールは、アナログ回路(例えば増幅回路、フィルタリング回路、アナログ/デジタル変換回路及び/又は他の信号調整回路)を含んでもよい。モジュールはまた、デジタル回路(例えば組合せ論理回路又は逐次論理回路、メモリ回路等)も含んでよい。
リング104のメモリ215(メモリモジュール)は、ランダムアクセスメモリ(RAM)、読取専用メモリ(ROM)、不揮発性RAM(NVRAM)、電気的消去可能でプログラム可能なROM(EEPROM)、フラッシュメモリ又は任意の他のメモリデバイスのような、任意の揮発性、不揮発性、磁気的又は電気的媒体を含んでよい。メモリ215は、本明細書で説明されるデータのいずれかを記憶してよい。例えばメモリ215は、それぞれのセンサ及びPPGシステム235によって収集されたデータ(例えば運動データ、体温データ、PPGデータ)を記憶するように構成されてもよい。さらに、メモリ215は、1つ以上の処理回路によって実行されると、モジュールに、本明細書のモジュールに起因する様々な機能を実行させる命令を含んでもよい。本明細書で説明されるリング104のデバイスエレクトロニクスは、デバイスエレクトロニクスの一例にすぎない。したがって、デバイスエレクトロニクスを実装するために使用される電子構成要素のタイプは、設計的考慮事項に基づいて変化し得る。
本明細書で説明されるリング104のモジュールに起因する機能は、1つ以上のプロセッサ、ハードウェア、ファームウェア、ソフトウェア又はそれらの任意の組合せとして具現化されてよい。異なる特徴をモジュールとして描写することは、異なる機能的態様を強調するように意図されており、必ずしもそのようなモジュールが別個のハードウェア/ソフトウェア構成要素によって実現されなければならないことを暗示するものではない。むしろ、1つ以上のモジュールに関連付けられる機能性は、別個のハードウェア/ソフトウェア構成要素によって実行されてもよく、あるいは共通のハードウェア/ソフトウェア構成要素内に統合されてもよい。
リング104の処理モジュール230-aは、1つ以上のプロセッサ(例えば処理ユニット)、マイクロコントローラ、デジタル信号プロセッサ、システムオンチップ(SoC)及び/又は他の処理デバイスを含んでよい。処理モジュール230-aは、リング104に含まれるモジュールと通信する。例えば処理モジュール230-aは、センサのようなリング104のモジュール及び他の構成要素にデータを送信し/これらからデータを受信してもよい。本明細書で説明されるように、モジュールは、様々な回路構成要素によって実装されてもよい。したがって、モジュールは、回路(例えば通信回路及び電力回路)とも呼ばれることがある。
処理モジュール230-aは、メモリ215と通信し得る。メモリ215は、処理モジュール230-aによって実行されると、処理モジュール230-aに、該処理モジュール230-aに起因する様々な機能を実行させるためのコンピュータ読取可能命令を含んでもよい。いくつかの実装では、処理モジュール230-a(例えばマイクロコントローラ)は、通信モジュール220-a(例えば統合されたBluetooth(登録商標) Low Energyトランシーバ)及び/又は追加のオンボードメモリ215によって提供される通信機能のような、他のモジュールに関連付けられる追加の特徴を含んでもよい。
通信モジュール220-aは、ユーザデバイス106(例えばユーザデバイス106の通信モジュール220-b)との無線通信及び/又は有線通信を提供する回路を含んでもよい。いくつかの実装では、通信モジュール220-a、220-bは、Bluetooth回路及び/又はWi-Fi回路のような無線通信回路を含んでもよい。いくつかの実装では、通信モジュール220-a、220-bは、ユニバーサルシリアルバス(USB)通信回路のような有線通信回路を含むことができる。通信モジュール220-aを使用して、リング104及びユーザデバイス106は、互いに通信するように構成され得る。リングの処理モジュール230-aは、通信モジュール220-aを介してユーザデバイス106にデータを送信/ユーザデバイス106からデータを受信するように構成され得る。例示的なデータは、運動データ、体温データ、パルス波形、心拍数データ、HRVデータ、PPGデータ及びステータス更新(例えば充電ステータス、バッテリ充電レベル及び/又はリング104構成設定)を含み得るが、これらに限定されない。リングの処理モジュール230-aはまた、ユーザデバイス106から更新(例えばソフトウェア/ファームウェア更新)及びデータを受信するようにも構成されてもよい。
リング104は、バッテリ210(例えば再充電可能バッテリ210)を含んでよい。例示的なバッテリ210は、リチウムイオン又はリチウムポリマータイプのバッテリ210を含んでよいが、様々なバッテリ210の選択肢が可能である。バッテリ210は、無線で充電されてもよい。いくつかの実装では、リング104は、キャパシタのような、バッテリ210以外の電源を含んでもよい。電源(例えばバッテリ210又はキャパシタ)は、リング104の曲線に一致する湾曲した形状を有してもよい。いくつかの態様では、充電器又は他の電源は、リング104自体によって収集されたデータに加えて、データを収集するために使用され得るか、又はそれを補足する、追加のセンサを含んでもよい。さらに、リング104の充電器又は他の電源は、ユーザデバイス106として機能してよく、この場合、リング104の充電器又は他の電源は、リング104からデータを受信し、リング104から受信したデータを記憶及び/又は処理し、リング104とサーバ110との間でデータを通信するように構成され得る。
いくつかの態様では、リング104は、バッテリ210の充電を制御し得る電力モジュール225を含む。例えば電力モジュール225は、リング104とインタフェースしたときにバッテリ210を充電する、外部ワイヤレス充電器とインタフェースし得る。充電器は、リング104のデータ構造(datum structure)と嵌合して、104の充電中にリング104との特定の配向を生成するデータ構造を含んでもよい。電力モジュール225はまた、デバイスエレクトロニクスの電圧を調節し、デバイスエレクトロニクスへの電力出力を調節し、バッテリ210の充電状態を監視し得る。いくつかの実装では、バッテリ210は、高電流放電、104の充電中の過電圧及び104の放電中の不足電圧からバッテリ210を保護する、保護回路モジュール(PCM、protection circuit module)を含んでよい。電力モジュール225はまた、静電放電(ESD、electro-static discharge)保護も含んでよい。
1つ以上の温度センサ240は、処理モジュール230-aに電気的に結合されてもよい。温度センサ240は、該温度センサ240によって読み取られた又は感知された体温を示す体温信号(例えば体温データ)を生成するように構成されてもよい。処理モジュール230-aは、温度センサ240の位置におけるユーザの体温を決定し得る。例えばリング104において、温度センサ240によって生成された体温データは、ユーザの指におけるユーザの体温(例えば皮膚温度)を示してもよい。いくつかの実装では、温度センサ240は、ユーザの皮膚に接触してもよい。他の実装では、ハウジング205の一部(例えば内側ハウジング205-a)は、温度センサ240とユーザの皮膚との間にバリア(例えば薄い熱伝導性バリア)を形成してもよい。いくつかの実装では、ユーザの指に接触するように構成されるリング104の部分は、熱伝導性部分と断熱性部分を有してもよい。熱伝導性部分は、ユーザの指から温度センサ240に熱を伝導し得る。断熱性部分は、リング104の部分(例えば温度センサ240)を周囲温度から絶縁し得る。
いくつかの実装では、温度センサ240は、体温を決定するために、処理モジュール230-aが使用し得るデジタル信号(例えば体温データ)を生成し得る。別の例として、温度センサ240が受動センサを含む場合、処理モジュール230-a(又は温度センサ240モジュール)は、温度センサ240によって生成された電流/電圧を測定し、測定された電流/電圧に基づいて体温を決定し得る。例示的な温度センサ240は、負の温度係数(NTC、negative temperature coefficient)サーミスタのようなサーミスタ、あるいは抵抗器、トランジスタ、ダイオード及び/又は他の電気/電子構成要素を含む他のタイプのセンサを含んでよい。
処理モジュール230-aは、ユーザの体温を経時的にサンプリングし得る。例えば処理モジュール230-aは、サンプリングレートに従ってユーザの体温をサンプリングしてよい。例示的なサンプリングレートは、1秒当たり1サンプルを含んでよいが、処理モジュール230-aは、1秒当たり1サンプルよりも高い又は低い他のサンプリングレートで体温信号をサンプリングするように構成されてもよい。いくつかの実装では、処理モジュール230-aは、昼夜を通して継続的に、ユーザの体温をサンプリングし得る。一日を通して十分なレートで(例えば1秒に1サンプル、1分に1サンプル等)でサンプリングすることにより、本明細書で説明される分析のための十分な体温データを提供し得る。
処理モジュール230-aは、サンプリングされた体温データをメモリ215に記憶し得る。いくつかの実装では、処理モジュール230-aは、サンプリングした体温データを処理し得る。例えば処理モジュール230-aは、ある時間期間の平均体温値を決定し得る。一例では、処理モジュール230-aは、1分間に収集されたすべての体温値を合計し、1分間のサンプル数で割ることによって、1分間あたりの平均体温値を決定し得る。体温が1秒当たり1サンプルでサンプリングされる特定の例では、平均体温は、60秒で割った1分間のすべてのサンプリングされた体温の合計であってもよい。メモリ215は、経時的な平均体温値を記憶してよい。いくつかの実装では、メモリ215は、メモリ215を節約するために、サンプリングされた体温の代わりに、平均体温(例えば1分当たり1つ)を記憶してもよい。
メモリ215に記憶され得るサンプリングレートは、設定可能であり得る。いくつかの実装では、サンプリングレートは、昼夜を通して同じであってもよい。他の実装では、サンプリングレートは、昼/夜を通して変更されてもよい。いくつかの実装では、リング104は、生理学的変化を示さない体温の大きなスパイク(spike)(例えば熱いシャワーからの温度スパイク)のような体温読み取り値を、フィルタリング/拒否してもよい。いくつかの実装では、リング104は、104の運動中の過度の運動のような(例えば運動センサ245によって示されるような)、他の要因のために信頼できない可能性がある体温読み取り値をフィルタリング/拒否してもよい。
リング104(例えば通信モジュール)は、サンプリングされた体温データ及び/又は平均体温データを、記憶及び/又は更なる処理のためにユーザデバイス106に送信してもよい。ユーザデバイス106は、サンプリングされた体温データ及び/又は平均体温データを、記憶及び/又は更なる処理のためにサーバ110に転送してもよい。
リング104は、単一の温度センサ240を含むように示されているが、リング104は、ユーザの指の近くに内側ハウジング205-aに沿って配置されるような、1つ以上の位置に複数の温度センサ240を含んでもよい。いくつかの実装では、温度センサ240は、スタンドアロン温度センサ240であってよい。追加又は代替的に、1つ以上の温度センサ240は、加速度計及び/又はプロセッサのような他の構成要素とともに含まれてもよい(例えば他の構成要素とともにパッケージされてもよい)。
処理モジュール230-aは、単一の温度センサ240に関して説明したものと同様の方法で、複数の温度センサ240からデータを取得して処理してよい。例えば処理モジュール230は、複数の温度センサ240の各々から体温データを個別にサンプリングし、平均し、記憶し得る。他の例では、処理モジュール230-aは、異なるレートでセンサをサンプリングし、異なるセンサについて異なる値を平均化/記憶してもよい。いくつかの実装では、処理モジュール230-aは、指の異なる位置にある2つ以上の温度センサ240によって決定された2つ以上の体温の平均に基づいて、単一の体温を決定するように構成されてもよい。
リング104上の温度センサ240は、ユーザの指(例えば任意の指)における遠位体温を取得してもよい。例えばリング104上の1つ以上の温度センサ240は、指の下側から、あるいは指の異なる位置で、ユーザの体温を取得してもよい。いくつかの実装では、リング104は、遠位体温を(例えばサンプリングレートで)連続的に取得してもよい。本明細書では、指にあるリング104によって測定される遠位温度が説明されるが、他のデバイスは同じ/異なる位置で体温を測定してもよい。場合によっては、ユーザの指で測定された遠位体温は、ユーザの手首又は他の外部身体位置で測定された体温と異なることがある。加えて、ユーザの指で測定された遠位体温(例えば「シェル」体温)は、ユーザの深部体温とは異なることがある。このように、リング104は、身体の他の内部/外部位置では取得されない可能性がある有用な体温信号を提供し得る。場合によっては、指での連続的な体温測定は、深部体温では明らかでない可能性がある体温変動(例えば小さな変動又は大きな変動)を捕捉し得る。例えば指での連続的な体温測定は、身体の他の場所での他の体温測定によっては提供されない可能性がある追加の洞察を提供する、分毎又は時間毎の体温変動を捕捉し得る。
リング104は、PPGシステム235を含んでよい。PPGシステム235は、光を送信する1つ以上の光送信器を含んでよい。PPGシステム235は、1つ以上の光送信器によって送信された光を受信する1つ以上の光受信器も含んでよい。光受信器は、該光受信器によって受信した光の量を示す信号(以下、「PPG」信号とする)を生成し得る。光送信器は、ユーザの指の領域を照明し得る。PPGシステム235によって生成されるPPG信号は、照明された領域における血液の灌流を示し得る。例えばPPG信号は、ユーザの脈圧によって引き起こされる、照明された領域における血液量の変化を示し得る。処理モジュール230-aは、PPG信号をサンプリングし、PPG信号に基づいてユーザのパルス波形を決定し得る。処理モジュール230-aは、ユーザのパルス波形に基づいて、ユーザの呼吸速度、心拍数、HRV、酸素飽和度及び他の循環パラメータのような、様々な生理学的パラメータを決定し得る。
いくつかの実装では、PPGシステム235は、反射型PPGシステム235として構成されてもよく、この場合、光受信器は、ユーザの指の領域を通って反射される透過光を受信する。いくつかの実装では、PPGシステム235は、光がユーザの指の一部を通って光受信器に直接送信されるように、光送信器及び光受信器が互いに対向して配置される、透過型PPGシステム235として構成されてもよい。
PPGシステム235に含まれる送信器及び受信器の数及び比率は、変化してもよい。例示的な光送信器は、発光ダイオード(LED)を含んでよい。光送信器は、赤外線スペクトル及び/又は他のスペクトルの光を送信してよい。例示的な光受信器は、フォトセンサ、フォトトランジスタ及びフォトダイオードを含んでよいが、これらに限定されない。光受信器は、光送信器から受信した波長に応答してPPG信号を生成するように構成されてもよい。送信器と受信器の位置は変化してもよい。加えて、単一のデバイスが、反射型及び/又は透過型PPGシステム235を含んでもよい。
図2に示されるPPGシステム235は、いくつかの実装では、反射型PPGシステム235を含んでもよい。これらの実装では、PPGシステム235は、中央に配置された光受信器(例えばリング104の下部)と、光受信器の両側に配置された2つの光送信器とを含んでよい。この実装では、PPGシステム235(例えば光受信器)は、光送信器の一方又は両方から受信した光に基づいてPPG信号を生成し得る。他の実装では、1つ以上の光送信器及び/又は光受信器の他の配置、組合せ及び/又は構成が考えられる。
処理モジュール230-aは、光受信器によって生成されたPPG信号をサンプリングしながら、光を送信するように光送信器の一方又は両方を制御し得る。いくつかの実装では、処理モジュール230-aは、光受信器によって生成されたPPG信号をサンプリングしている間、より強い受信信号を有する光送信器に光を送信させ得る。例えば選択された光送信器は、PPG信号がサンプリングレート(例えば250Hz)でサンプリングされている間、連続的に光を放射し得る。
PPGシステム235によって生成されたPPG信号をサンプリングすることにより、「PPG」と呼ばれ得るパルス波形を得ることができる。パルス波形は、複数の心周期の血圧対時間を示し得る。パルス波形は、心周期を示すピークを含み得る。加えて、パルス波形は、呼吸数を決定するために使用され得る呼吸誘導変動(respiratory induced variation)を含んでもよい。いくつかの実装では、処理モジュール230-aは、パルス波形をメモリ215に記憶し得る。処理モジュール230-aは、パルス波形が生成されるときに、及び/又はメモリ215からのパルス波形を処理して、本明細書で説明されるユーザの生理学的パラメータを決定し得る。
処理モジュール230-aは、パルス波形に基づいてユーザの心拍数を決定し得る。例えば処理モジュール230-aは、パルス波形のピーク間の時間に基づいて心拍数(例えば1分あたりの拍動数)を決定し得る。ピーク間の時間は、拍動間隔(IBI、interbeat interval)と呼ばれることがある。処理モジュール230-aは、決定された心拍数の値とIBI値をメモリ215に記憶してよい。
処理モジュール230-aは、経時的にHRVを決定し得る。例えば処理モジュール230-aは、IBlの変動に基づいてHRVを決定してもよい。処理モジュール230-aは、メモリ215に経時的なHRV値を記憶してよい。さらに、処理モジュール230-aは、経時的にユーザの呼吸数を決定し得る。例えば処理モジュール230-aは、ある期間にわたるユーザのIBI値の周波数変調、振幅変調又はベースライン変調に基づいて、呼吸数を決定してもよい。呼吸数は、1分間当たりの呼吸で計算されてよく、あるいは別の呼吸数(例えば30秒当たりの呼吸)として計算されてもよい。処理モジュール230-aは、経時的なユーザの呼吸数の値をメモリ215に記憶してもよい。
リング104は、1つ以上の加速度計(例えば6-D加速度計)及び/又は1つ以上のジャイロスコープ(ジャイロ)のような1つ以上の運動センサ245を含み得る。運動センサ245は、センサの運動を示す運動信号を生成し得る。例えばリング104は、加速度計の加速度を示す加速度信号を生成する、1つ以上の加速度計を含んでよい。別の例として、リング104は、角運動(例えば角速度)及び/又は方位の変化を示すジャイロ信号を生成する、1つ以上のジャイロセンサを含んでよい。運動センサ245は、1つ以上のセンサパッケージに含まれてよい。例示的な加速度計/ジャイロセンサは、3つの垂直軸における角速度及び加速度を測定し得る、Bosch(登録商標) BMI160慣性微小電気機械システム(MEMS、micro electro-mechanical system)センサである。
処理モジュール230-aは、サンプリングレート(例えば50Hz)で運動信号をサンプリングし、サンプリングされた運動信号に基づいてリング104の運動を決定し得る。例えば処理モジュール230-aは、加速度信号をサンプリングしてリング104の加速度を決定してよい。別の例として、処理モジュール230-aは、ジャイロ信号をサンプリングして角運動を決定してよい。いくつかの実装では、処理モジュール230-aは、運動データをメモリ215に記憶してよい。運動データは、サンプリングされた運動データ、並びにサンプリングされた運動信号(例えば加速度及び角度値)に基づいて計算された運動データを含んでよい。
リング104は、本明細書で説明される様々なデータを記憶し得る。例えばリング104は、生のサンプリングされた体温データ及び計算された体温データ(例えば平均温度)のような体温データを記憶してよい。別の例として、リング104は、パルス波形や、パルス波形に基づいて計算されるデータ(例えば心拍数の値、IBI値、HRV値及び呼吸数の値)のようなPPG信号データを記憶してよい。リング104はまた、直線運動及び角運動を示すサンプリングされた運動データのような運動データも記憶してよい。
リング104又は他のコンピューティングデバイスは、サンプリング/計算された生理学的データに基づいて、追加の値を計算し、記憶し得る。例えば処理モジュール230は、睡眠メトリクス(例えば睡眠スコア)、活動メトリクス及び準備メトリクスのような、様々なメトリクスを計算して記憶してよい。いくつかの実装では、追加の値/メトリックは、「導出値(derived values)」と呼ばれることがある。リング104又は他のコンピューティング/ウェアラブルデバイスは、運動に関して様々な値/メトリクスを計算し得る。運動データの例示的な導出値は、運動カウント値、規則性値(regularity values)、強度値、タスクの代謝当量値(METs、metabolic equivalence of task values)及び方向値を含み得るが、これらに限定されない。運動カウント、規則性値、強度値及びMETsは、経時的なユーザの運動の量(例えば速度/加速度)を示し得る。方向値は、リング104がユーザの指に対してどのように向けられているか、及びリング104が左手に装着されているか右手に装着されているかを示し得る。
いくつかの実装では、運動カウント及び規則性値は、1つ以上の期間(例えば1つ以上の30秒から1分の期間)内の加速度ピークの数をカウントすることによって決定され得る。強度値は、運動の数及び運動の関連する強度(例えば加速度値)を示し得る。強度値は、関連する閾値加速度値に応じて、低、中及び高に分類されてよい。METsは、ある期間(例えば30秒)の間の運動の強度と、運動の規則性/不規則性と、異なる強度に関連付けられる運動の数とに基づいて決定され得る。
いくつかの実装では、処理モジュール230-aは、メモリ215に記憶されたデータを圧縮し得る。例えば処理モジュール230-aは、サンプリングされたデータに基づいて計算を行った後に、サンプリングされたデータを削除してもよい。別の例として、処理モジュール230-aは、記憶される値の数を減らすために、より長い期間にわたってデータを平均化してもよい。具体的な例では、1分間にわたるユーザの平均体温がメモリ215に記憶されている場合、処理モジュール230-aは、記憶のために5分間の平均体温を計算し、その後、その1分間の平均体温データを消去してもよい。処理モジュール230-aは、使用される/利用可能なメモリ215の総量、及び/又はリング104がデータをユーザデバイス106に最後に送信してからの経過時間のような様々な要因に基づいてデータを圧縮してよい。
ユーザの生理学的パラメータは、リング104に含まれるセンサによって測定され得るが、他のデバイスが、ユーザの生理学的パラメータを測定してもよい。例えばユーザの体温は、リング104に含まれる温度センサ240によって測定され得るが、他のデバイスがユーザの体温を測定してもよい。いくつかの例では、他のウェアラブルデバイス(例えば手首デバイス)は、ユーザの生理学的パラメータを測定するセンサを含んでもよい。加えて、外部医療デバイス(例えばウェアラブル医療デバイス)及び/又は植込み型医療デバイスのような医療デバイスが、ユーザの生理学的パラメータを測定することがある。任意のタイプのコンピューティングデバイス上の1つ以上のセンサを使用して、本明細書で説明される技術を実装してよい。
生理学的測定は、昼及び/又は夜を通して連続的に行われてもよい。いくつかの実装では、生理学的測定は、104の昼部分及び/又は夜の部分の間に行われてもよい。いくつかの実装では、生理学的測定は、ユーザが、活動状態、安静状態(resting state)及び/又は睡眠状態のような特定の状態にあると決定したことに応答して行われてもよい。例えばリング104は、よりクリーンな生理学的信号を取得するために、安静/睡眠状態で生理学的測定を行うことができる。一例では、リング104又は他のデバイス/システムは、ユーザが安静にしている及び/又は睡眠しているときを検出し、その検出された状態の生理学的パラメータ(例えば体温)を取得し得る。デバイス/システムは、本開示の技術を実装するために、ユーザが他の状態にあるときに、安静/睡眠生理学的データ及び/又は他のデータを使用してもよい。
いくつかの実装では、本明細書で前述したように、リング104は、データを収集、記憶及び/又は処理するように構成されてもよく、本明細書で説明されるデータのいずれかを、記憶及び/又は処理のためにユーザデバイス106に転送し得る。いくつかの態様では、ユーザデバイス106は、ウェアラブルアプリケーション250、オペレーティングシステム(OS)、ウェブブラウザアプリケーション(例えばウェブブラウザ280)、1つ以上の追加のアプリケーション及びGUI275を含む。ユーザデバイス106は、センサ、オーディオデバイス、触覚フィードバックデバイス等を含む他のモジュール及び構成要素を更に含んでもよい。ウェアラブルアプリケーション250は、ユーザデバイス106にインストールされ得るアプリケーション(例えば「app」)の例を含み得る。ウェアラブルアプリケーション250は、本明細書で説明されるように、リング104からデータを取得し、取得したデータを記憶し、取得したデータを処理するように構成され得る。例えばウェアラブルアプリケーション250は、ユーザインタフェース(UI)モジュール255と、取得モジュール260と、処理モジュール230-bと、通信モジュール220-bと、アプリケーションデータを記憶するように構成される記憶モジュール(例えばデータベース265)を含んでよい。
本明細書で説明される様々なデータ処理動作は、リング104、ユーザデバイス106、サーバ110又はそれらの任意の組合せによって実行され得る。例えば場合によっては、リング104によって収集されたデータは、前処理され、ユーザデバイス106に送信されてよい。この例では、ユーザデバイス106は、受信したデータに対して何らかのデータ処理動作を実行し得るか、データ処理のためにデータをサーバ110に送信し得るか、又はその両方を行ってよい。例えば場合によっては、ユーザデバイス106は、比較的低い処理能力を必要とする処理動作及び/又は比較的低いレイテンシを必要とする動作を実行することがあり、一方、ユーザデバイス106は、比較的高い処理能力を必要とする処理動作及び/又は比較的高いレイテンシを許容し得る動作を処理するために、データをサーバ110に送信することがある。
いくつかの態様では、システム200のリング104、ユーザデバイス106及びサーバ110は、ユーザの睡眠パターンを評価するように構成され得る。特に、システム200のそれぞれの構成要素は、リング104を介してユーザからデータを収集し、収集されたデータに基づいて、ユーザについての1つ以上のスコア(例えば睡眠スコア、準備スコア)を生成するために使用され得る。例えば本明細書において前述したように、システム200のリング104は、ユーザによって装着されて、ユーザから体温、心拍数、HRV等を含むデータを収集し得る。リング104によって収集されたデータは、所与の「睡眠日(sleep day)」について、ユーザの睡眠を評価するために、ユーザが眠っているときを決定するために使用されてもよい。いくつかの態様では、スコアは、第1睡眠日が第1スコアセットに関連付けられ、第2睡眠日が第2スコアセットに関連付けられるように、ユーザについて、それぞれの睡眠日毎に計算され得る。スコアは、それぞれの睡眠日の間にリング104によって収集されたデータに基づいて、それぞれの睡眠日毎に計算されてもよい。スコアは、睡眠スコア、準備スコア等を含むが、これらに限定されない。
場合によっては、「睡眠日」は、所与の睡眠日が、それぞれの暦日の真夜中から真夜中まで続くように、伝統的な暦日(calendar day)と整合してよい。他の場合には、睡眠日は、暦日に対してオフセットされてもよい。例えば睡眠日は、ある暦日の午後6:00(18:00)から次の暦日の午後6:00(18:00)まで続いてよい。この例では、午後6:00は「カットオフ時間」として機能してよく、この場合、午後6:00より前にユーザから収集されたデータは現在の睡眠日についてカウントされ、午後6:00より後にユーザから収集されたデータは次の睡眠日についてカウントされる。ほとんどの個人が夜に最も多く眠るという事実のために、暦日に対して睡眠日をオフセットすることにより、システム200は、ユーザの睡眠スケジュールと一致するような方法でユーザの睡眠パターンを評価することができる。場合によっては、それぞれのユーザが典型的に睡眠する時間の長さに睡眠日を整合させるように、ユーザは、暦日に対して睡眠日のタイミングを(例えばGUIを介して)選択的に調整することができる。
いくつかの実装では、それぞれの日毎のユーザの各総合スコア(例えば睡眠スコア、準備スコア)が、1つ以上の「寄与因子(contributors)」、「要因(factors)」又は「寄与要因(contributing factors)」に基づいて決定/計算され得る。例えばユーザの全体的な睡眠スコアは、総睡眠、効率、休息、レム睡眠、深い睡眠、レイテンシ、タイミング又はそれらの任意の組合せを含む一組の寄与因子のセットに基づいて計算され得る。睡眠スコアは、任意の量の寄与因子を含んでよい。「総睡眠」寄与因子は、睡眠日の全睡眠期間の合計を指してよい。「効率」寄与因子は、ベッドにいる間に起きている間に費やされる時間と比較した睡眠に費やされる時間のパーセンテージを反映してよく、睡眠日の長い睡眠期間(例えば主睡眠期間(primary sleep period))の効率平均を使用して、各睡眠期間の持続時間によって重み付けして、計算され得る。「休息」寄与因子は、ユーザの睡眠がどれほど安らかであるかを示してよく、睡眠日のすべての睡眠期間の平均を使用して、各期間の持続時間によって重み付けして、計算され得る。休息寄与因子は、「ウェイクアップカウント」(例えば異なる睡眠期間中に検出されたすべてのウェイクアップ(ユーザが、目が覚めたとき)の合計)、過剰な動き(excessive movement)、及び「ゴットアップカウント(got up count)」(例えば異なる睡眠期間中に検出されたすべてのゴットアップ(ユーザがベッドから起き上がったとき)の合計)に基づくことができる。
「レム睡眠」寄与因子は、レム睡眠を含む睡眠日のすべての睡眠期間にわたるレム睡眠持続時間の合計を指してよい。同様に、「深い睡眠」寄与因子は、深い睡眠を含む睡眠日のすべての睡眠期間にわたる深い睡眠持続時間の合計を指してよい。「レイテンシ」寄与因子は、ユーザが睡眠に入るのにかかる時間(例えば平均、中央値、最長)を意味してよく、睡眠日を通して長い睡眠期間の平均を使用して、各期間の持続時間及びそのような期間の数によって重み付けして、計算され得る(例えば所与の睡眠段階の統合は、それ自体の寄与因子であり得るか又は他の寄与因子を重み付けし得る)。最後に、「タイミング」寄与因子は、睡眠日及び/又は暦日内の睡眠期間の相対的タイミングを指してよく、睡眠日のすべての睡眠期間の平均を使用して、各期間の持続時間によって重み付けして、計算され得る。
別の例として、ユーザの全体的な準備スコアは、睡眠、睡眠バランス、心拍数、HRVバランス、回復指数、体温、活動、活動バランス又はそれらの任意の組合せを含む、一組の寄与因子に基づいて計算され得る。準備スコアは、任意の量の寄与因子を含んでよい。「睡眠」寄与因子は、睡眠日内のすべての睡眠期間の組み合わされた睡眠スコアを指してよい。「睡眠バランス」寄与因子は、睡眠日内のすべての睡眠期間の累積持続時間を指してよい。特に、睡眠バランスは、ユーザがある期間(例えば過去2週間)にわたって取得してきた睡眠が、ユーザのニーズとバランスが取れているかどうかをユーザに示すことができる。典型的に、成人が健康で注意力を維持し、精神的にも身体的にも最高のパフォーマンスを発揮するためには、一晩に7~9時間の睡眠が必要である。しかしながら、時にはよく眠れない夜があることは普通のことなので、睡眠バランスの寄与因子は長期的な睡眠パターンを考慮に入れて、各ユーザの睡眠ニーズが満たされているかどうかを判断する。「安静時心拍数」寄与因子は、睡眠日の最長睡眠期間(例えば主睡眠期間)からの最低心拍数及び/又は主睡眠期間後に生じるうたた寝(nap)からの最低心拍数を示し得る。
準備スコアの「寄与因子」(例えば要因、寄与要因)に関連して続けると、「HRVバランス」寄与因子は、主睡眠期間及び主睡眠期間後に起こるうたた寝からの最も高いHRV平均を示し得る。HRVバランス寄与因子は、第1期間(例えば2週間)にわたるユーザのHRV傾向を、なんらかのより長い第2期間(例えば3ヶ月)にわたる平均HRVと比較することによって、ユーザが自身の回復状態を追跡するのを助けることができる。「回復指数」寄与因子は、最長睡眠期間に基づいて計算されてもよい。回復指数は、夜間にユーザの安静時心拍数が安定するまでにかかる時間を測定する。非常に良好な回復の兆候は、ユーザの安静時心拍数が夜の前半、ユーザが起きる少なくとも6時間前に安定し、身体が翌日のために回復する時間を残すことである。「体温」寄与因子は、最長睡眠期間(例えば主睡眠期間)に基づいて、あるいは、うたた寝中のユーザの最高体温が最長期間中の最高体温よりも少なくとも0.5℃高い場合には最長睡眠期間後に生じるうたた寝に基づいて、計算され得る。いくつかの態様では、リングは、ユーザが眠っている間にユーザの体温を測定してよく、システム200は、ユーザのベースライン体温に対するユーザの平均体温を表示してよい。ユーザの体温が正常範囲の外にある場合(例えば明らかに0.0より上又は下)、体温寄与因子は強調表示されるか(例えば「要注意(Pay attention)」状態になる)又は他の方法でユーザにアラートを生成し得る。
いくつかの態様において、システム200は、妊娠合併症の識別及び予測のための技術をサポートし得る。特に、システム200のそれぞれの構成要素は、経時的なユーザの体温を表す時系列における体温が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに基づいて、1つ以上の妊娠合併症の指標を検出するために使用され得る。ユーザの1つ以上の妊娠合併症の指標は、システム200のリング104上の温度センサを利用することによって識別及び/又は予測され得る。場合によっては、妊娠合併症の指標は、体温値の妊娠ベースラインに対する経時的なユーザの体温を表す時系列における偏差のような1つ以上の形態学的特徴を識別し、時系列の偏差に対応する1つ以上の妊娠合併症の指標を検出することによって推定され得る。1つ以上の妊娠合併症の指標は、1つ以上の妊娠合併症が既に発生していること、現在発生していること、及び/又は1つ以上の妊娠合併症が将来発生すると予測されることを識別する例であってもよい。
例えば本明細書で前述したように、システム200のリング104は、ユーザによって装着されて、温度、心拍数、HRVデータ呼吸データ等を含むデータをユーザから収集し得る。システム200のリング104は、(例えばPPG信号を使用して)動脈血流から抽出される温度センサ及び測定値に基づいて、ユーザから生理学的データを収集し得る。生理学的データは、連続的に収集されてもよい。いくつかの実装では、処理モジュール230-aは、昼夜を通して連続的にユーザの体温をサンプリングしてよい。昼及び/又は夜を通じて十分なレートで(例えば1分当たり1サンプル)サンプリングすることにより、本明細書で説明される分析のための十分な体温データを提供し得る。いくつかの実装では、リング104は、(例えばサンプリングレートで)体温データを連続的に取得し得る。いくつかの例では、たとえ温度が連続的に収集されたとしても、システム200は、該システム200が収集したか又は他の方法で導出したユーザに関する他の情報(例えば睡眠段階、活動レベル、病気の発症等)を利用して、基礎となる生理学的現象の正確な表現である特定の日の代表体温を選択し得る。
対照的に、ユーザが毎日手動で体温を測定することを必要とするシステム、及び/又は体温を連続的に測定するが、ユーザに関する他のコンテキスト情報を欠いているシステムは、ユーザの月経周期予測及び/又は妊娠追跡のために不正確な又は一貫性のない体温値を選択する可能性があり、不正確な予測及び低下したユーザ体験につながる。対照的に、リング104によって収集されるデータは、ユーザの1つ以上の妊娠合併症の指標を正確に検出するために使用され得る。妊娠合併症の識別と予測及び関連技術は、図3を関連して更に示され、説明される。
図3は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するシステム300の例を示す。システム300は、システム100、システム200又はその両方を実装し得るか、又はこれらによって実装され得る。特に、システム300は、図1を参照して説明したような、リング104(例えばウェアラブルデバイス104)、ユーザデバイス106及びサーバ110の例を示す。
リング305は、本明細書で説明されるような他の形態の生理学的データの中でも、体温データ320、心拍数データ325、呼吸数データ330、HRVデータ335及びSpO2データ340(例えば血中酸素飽和度)を取得し得る。このような場合、リング305は、体温データ320、心拍数データ325、呼吸数データ330、HRVデータ335及びSpO2データ340をユーザデバイス310に送信してよい。体温データ320は、連続的な夜間体温データを含み得る。呼吸数データ330は、連続的な夜間呼吸数データを含み得る。場合によっては、複数のデバイスが生理学的データを取得してもよい。例えば第1コンピューティングデバイス(例えばユーザデバイス310)及び第2コンピューティングデバイス(例えばリング305)が、体温データ320、心拍数データ325、呼吸数データ330、HRVデータ335、SpO2データ340又はそれらの組合せを取得してもよい。
例えばリング305は、ユーザの体温データ320、呼吸数データ330、心拍数データ325、HRVデータ335、SpO2データ340(例えば血中酸素飽和度)、ガルバニック皮膚反応、アクチグラフィ、及び/又は他のユーザの生理学的データのようなユーザの生理学的データを取得し得る。例えばリング305は、生データを取得し、生データを日次粒度(daily granularity)の特徴に変換し得る。いくつかの実装では、異なる粒度の入力データが使用されてもよい。リング305は、更なる処理のために、モバイルデバイス(例えばユーザデバイス310)のような別のコンピューティングデバイスにデータを送信してよい。
例えばユーザデバイス310は、受信したデータに基づいて、1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。場合によっては、システム300は、体温データ320、呼吸数データ330、心拍数データ325、HRVデータ335、SpO2データ340、ガルバニック皮膚反応、活動、睡眠構造又はこれらの組合せに基づいて、1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。1つ以上の妊娠合併症の指標を識別及び/又は予測するために含めることができる追加の特徴は、呼吸数の傾き、心拍数の傾き及び特定の妊娠後期にわたる体温の傾き、妊娠後期のために調整された睡眠段階の割合、妊娠後期毎のSpO2レベル、及びタグ付けされた1つのホットエンコード(hot-encoded)された症状(例えば胸痛、呼吸困難)を含み得る。場合によっては、システム300は、どの特徴が妊娠合併症の有用な予測因子であるかを決定し得る。
システムは、リング305及びユーザデバイス310によって実装されてもよいが、本明細書で説明されるコンピューティングデバイスの任意の組合せは、システム300に起因する特徴を実装し得る。場合によっては、システムは、データを平滑化してもよい(例えば7日間の平滑化ウィンドウ又は他のウィンドウを使用して)。欠測値(Missing values)は補完されてよい(例えばpythonパッケージsktimeからのforecaster Impute法を使用する)
ユーザデバイス310-aは、リングアプリケーション345を含み得る。リングアプリケーション345は、少なくともモジュール350とアプリケーションデータ355を含み得る。場合によっては、アプリケーションデータ355は、ユーザの履歴体温パターン及び他のデータを含んでよい。他のデータは、体温データ320、心拍数データ325、呼吸数データ330、HRVデータ335、SpO2データ340又はそれらの組合せを含んでよい。
リングアプリケーション345は、予測及び/又は検出された1つ以上の妊娠合併症の指標をユーザに提示し得る。リングアプリケーション345は、データ処理を実行し得るアプリケーションデータ処理モジュールを含んでよい。例えばアプリケーションデータ処理モジュールは、システム300に帰属する機能を提供するモジュール350を含んでよい。例示的なモジュール350は、日次体温決定モジュール、時系列処理モジュール、妊娠合併症識別モジュール及び妊娠合併症予測モジュールを含んでもよい。
日次体温決定モジュールは、(例えば夜間を通して連続的に収集された一連の体温値からその日の代表体温値を選択することによって)毎日の体温値を決定し得る。時系列処理モジュールは、時系列データを処理して、複数の体温値が、体温値の妊娠ベースラインから逸脱していることを識別し得る。妊娠合併症識別モジュールは、処理された時系列データに基づいて、ユーザの1つ以上の妊娠合併症の指標を識別し得る。妊娠合併症予測モジュールは、処理された時系列データに基づいて、ユーザの1つ以上の妊娠合併症の指標を予測し得る。このような場合、システム300は、ユーザの生理学的データを(例えばリング305から)受信し、妊娠合併症が予測又は識別されたどうかの日次分類を出力し得る。リングアプリケーション345は、取得された体温データ、他の生理学的データ、妊娠追跡データ(例えばイベントデータ)及び妊娠合併症追跡データのようなアプリケーションデータ355を記憶してよい。
場合によっては、システム300は、ユーザの生理学的データ(例えば体温データ320)に基づいて、妊娠及び/又は妊娠合併症追跡データを生成し得る。妊娠及び/又は妊娠合併症追跡データは、ユーザの1つ以上の妊娠合併症の検出された指標を含んでよく、これは、分析期間(例えば数週間/数ヶ月の期間)にわたる取得されたユーザ体温データ(例えば毎日の体温データ320)に基づいて決定され得る。例えばシステム300は、ウェアラブルデバイス(例えばリング305)からユーザに関連付けられる生理学的データを受信してよい。生理学的データは、少なくとも体温データ320、心拍数データ325、呼吸数データ330、HRVデータ335、SpO2データ340又はこれらの組合せを含み得る。例えばシステム300は、分析期間(例えば複数日)にわたってユーザの生理学的データを取得する。そのような場合、システム300は、分析期間にわたってユーザの生理学的データを取得して処理し、ユーザの生理学的データの1つ以上の時系列を生成し得る。
場合によっては、システム300は、分析期間にわたって毎日のユーザ体温データ320を取得し得る。例えばシステム300は、毎日、単一の体温値を計算してよい。システム300は、昼間及び/又は夜間に複数の体温値を取得し、取得した体温値を処理して、単一の日次体温値を決定し得る。いくつかの実装では、システム300は、受信した体温データ320に基づいて、複数日にわたって取得された複数の体温値の時系列を決定してもよい。システム300は、図4を参照して更に示され、説明されるように、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱することを識別したことに基づいて、体温値の時系列における1つ以上の妊娠合併症の指標を検出し得る。
場合によっては、システム300は、複数日の少なくとも一部の間に、受信した呼吸数データ(例えば呼吸数データ330)がユーザの妊娠ベースライン呼吸数を超えると判断し得る。このような場合、システム300は、受信した呼吸数データがユーザの妊娠ベースライン呼吸数を超えると判断したことに応答して、1つ以上の妊娠合併症の指標を検出し得る。妊娠ベースライン呼吸数は、ベースライン又は平均呼吸数、あるいは妊娠又は妊娠の特定のフェーズを通して測定されるユーザの通常の呼吸数変動を指してよく、これはユーザの正常又は非妊娠ベースラインとは異なってよい。
いくつかの実装では、システム300は、複数日の少なくとも一部の間に、受信した血中酸素飽和度データ(例えばSpO2データ340)が、ユーザの妊娠ベースライン血中酸素飽和度よりも低いと判断し得る。そのような場合、システム300は、受信した血中酸素飽和度データ(例えばSpO2データ340)がユーザの妊娠ベースライン血中酸素飽和度よりも低いと判断したことに基づいて、1つ以上の妊娠合併症の指標を検出し得る。妊娠ベースライン(例えば体温、心拍数、呼吸数、HRV、SpO2等)は、システム300によって取得される履歴データ360に基づいて、ユーザに対して特有に調整され得る。例えばこれらの妊娠ベースラインは、生理学的パラメータのベースライン又は平均値、あるいはユーザの妊娠を通じての生理学的値の典型的な傾向を表してよく、これは、ユーザの正常又は非妊娠ベースラインとは異なることがある。場合によっては、妊娠ベースラインは、各生理学的パラメータについて、ユーザの妊娠を通じて(例えば妊娠の異なる段階に基づいて)異なってよい。場合によっては、妊娠ベースラインは、既知の標準、ユーザ間の平均、人口統計的に特有の、及び/又はユーザの以前の妊娠に基づくことがある。
場合によっては、1つ以上の生理学的測定値を組み合わせて、1つ以上の妊娠合併症の指標を検出し得る。このような場合、1つ以上の妊娠合併症の指標を識別することは、1つの生理学的測定値又は生理学的測定値の組合せ(例えば体温データ320、心拍数データ325、呼吸数データ330、HRVデータ335、SpO2データ340)に基づいてよい。例えばユーザのSpO2データ340は、ユーザの体温データ320と組み合わせて、1つ以上の妊娠合併症を特徴付け得るインジケータとなり得る。場合によっては、ユーザのSpO2データ340は、ユーザの体温データ320に照らして、1つ以上の妊娠合併症の指標を確認する(例えば妊娠合併症の確定的な指標又はより良好な予測を提供する)ことができる。例えばシステム300が、受信したSpO2データ340がユーザの妊娠ベースライン血中酸素飽和度よりも低く、受信した体温データ320がユーザの妊娠ベースライン体温よりも高いと判断した場合、システム300は、SpO2データ340又は体温データ320のうちの一方が妊娠ベースラインから逸脱している場合よりも高い精度及び精密さで、1つ以上の妊娠合併症の指標を検証又は検出し得る。
いくつかの例では、1つ以上の生理学的測定値を組み合わせて、検出された1つ以上の妊娠合併症の指標の可能性を反証するか又は低減し得る。そのような場合、システム300は、1つの生理学的測定値又は生理学的測定値の組合せに基づいて、1つ以上の妊娠合併症の指標を識別するための偽陽性を識別することがある。例えばシステム300が、受信した体温データ320はユーザの妊娠ベースライン体温よりも高いが、受信した呼吸数データ330は依然としてユーザの妊娠ベースライン呼吸数と一致すると判断する場合、システム300は、検出された1つ以上の妊娠合併症の指標は無効であるか、又は体温と呼吸数の両方がそれらの妊娠ベースラインから逸脱した場合よりも少なくとも可能性が低いと判断し得る。このような場合、システム300は、ユーザが病気、月経周期におけるホルモン変化等を経験している可能性があると判断し得る。
場合によっては、ユーザの生理学的データ(例えば体温データ320、心拍数データ325、呼吸数データ330、HRVデータ335、SpO2データ340又はこれらの組合せ)と組み合わせた、ユーザの記録された症状(例えばタグ)は、1つ以上の妊娠合併症の指標を特徴付け得るインジケータとなり得る。このような場合、ユーザの記録された症状は、ユーザの生理学的データに照らして、1つ以上の妊娠合併症の指標を確認する(例えば妊娠合併症の決定的な指標又はより良好な予測を提供する)ことができる。例えばシステム300が、受信した体温データ320がユーザの妊娠ベースライン体温よりも高いと判断し、システムが、妊娠合併症に関連付けられるユーザ入力(例えば出血、痛み、圧力等)に関連付けられるユーザ入力を受け取った場合、システムは、体温データ320のうちの1つが妊娠ベースラインから逸脱する場合又はユーザが妊娠合併症の症状を記録する場合よりも、より高い精度及び精密さで、1つ以上の妊娠合併症の指標を検証又は検出し得る。
いくつかの例では、システム300は、ユーザ入力、1つの生理学的測定値、生理学的測定値の組合せ又はそれらの組合せに基づいて、1つ以上の妊娠合併症の指標を識別するための偽陽性を識別することがある。例えばシステム300が、受信した心拍数データ325はユーザの妊娠ベースライン心拍数より大きいが、ユーザ入力はストレス、病気、不安、薬剤の変更等に関連付けられる症状を示すと判断する場合、システム300は、検出された1つ以上の妊娠合併症の指標が無効(例えば偽陽性)であると判断し得る。このような場合、システム300は、ユーザ入力を受信することに基づいて、ユーザが病気、ストレス、月経周期におけるホルモン変化等を経験している可能性があると判断し得る。
場合によっては、システム300は、睡眠の質だけでなく、ユーザの酸素レベルも測定し得る。システム300は、ユーザが状態に気づかないことがあるので、レベル及び睡眠の質をユーザに通知し得る。いくつかの実装では、システム300は、特定の症状に注意を払うか、又は医師に相談するように、ユーザにアラートを表示し得る。睡眠測定値をモニタリングすることによって、システム300は、頻繁な覚醒、睡眠の長さ、睡眠の持続時間、睡眠段階の割合及び全体的な睡眠効率を検出し得る。システム300は、これらの測定値をSpO2データ340と組み合わせ、関連するタグ(例えば呼吸困難、いびき、低エネルギ、休息できていない(unrested))を推奨するとともに、アクションを呼びかける(例えば「あなたの酸素レベルはいつもより低いですが、いびきに気づいていますか?不明な場合は、主治医に相談してください(Your oxygen levels are lower than usual, are you aware of snoring? If unsure, consult your physician)。」)。SpO2データ340を連続的に検出するシステム300の能力を使用して、健康なハイリスクの妊娠における典型的な酸素化プロファイルを確立し得る。システム300は、連続的に検出されたSpO2データ340を考慮する一方で、典型的な妊娠プロファイルからの偏差と同様に、ある人の以前の履歴からの偏差も考慮し、組織酸素化が閾値を下回り(例えばSpO2データ340<95%)、及び表面関連タグ(例えば胸痛、呼吸困難等)を下回ったときにユーザに警告し得る。
胎児に対する潜在的な悪影響を伴う妊娠合併症は、SpO2データ340のような酸素飽和度を検出するウェアラブル由来の信号(例えばリング由来の信号)を使用して検出されてよく、SpO2データ340は、酸素を運ばないヘモグロビンの量に対する血液中の酸素を運ぶヘモグロビンの量を反映する。子癇前症を含む多くの妊娠合併症は、血液及び組織の酸素供給の欠乏を伴う可能性があり、これは胎児に悪影響を及ぼす可能性がある。限定的な酸素化は睡眠時呼吸障害(sleep disordered breathing)に起因することがあり、軽度のいびきから閉塞性睡眠時無呼吸症候群までに及ぶことがある。妊娠初期から中期に起こるとき、睡眠時呼吸障害は、子癇前症や妊娠糖尿病のような妊娠合併症と関連付けられ、一方、分娩時(例えば出産)において、睡眠時呼吸障害は、心筋症、うっ血性心不全、肺塞栓症及び院内死亡のリスク増加に関連付けられる。喘息に罹患している女性又は以前にCOVID-19と診断された女性は、これらの有害な健結果のリスクが高い。場合によっては、システム300は、ユーザ入力データ又はシステム300によって以前に検出したデータに基づいて妊娠合併症を検出するときに、これらの状態(例えば喘息、又は以前にCOVID-19と診断されたこと)を考慮に入れてよい。
睡眠時呼吸障害を早期に診断して治療する能力は、妊娠及び出生の合併症を回避し、母子の安全性を向上させるのに役立つ可能性がある。一部の実施形態では、時系列モデルは、呼吸数及び/又はSpO2レベルが夜間に亜臨床又は臨床的に関連する閾値(例えば<93%)未満にディップするとき検出してよく、また、これらのメトリクスが閾値以下である回数又は合計分数をカウントしてもよい。これらのリスク指標は、アプリを介して、個人化されたメッセージウングを介してユーザに提供されてよく、あるいは妊娠合併症の可能性を予測するための機械学習モデルの機能となり得る。
正常妊娠では、胎盤の循環は、胎児の成長ニーズを満たすために、高流量かつ低抵抗であり得る。妊娠高血圧障害は、不十分な心血管適応を伴うことがあり、胎盤形成及び全身性炎症と関連する可能性がある。血管調節の効果は、炎症反応が活性化されたときの循環状態を推定するために使用されることがある。例えばPPG反射指数(PPG RI)は、1つ以上のデバイスによって使用されて、PPG波形における収縮期及び拡張期のピーク/変曲点のPPG振幅変化から導出することによって全身性炎症を測定し得る。高血圧障害のある女性は、より高いPPG RI値を示すことがある。
例えばシステム300は、生理学的データを受信したことに基づいて、フォトプレチスモグラフィ波形の収縮期及び拡張期変曲点のフォトプレチスモグラフィ振幅変化を計算し得る。場合によっては、システム300は、フォトプレチスモグラフィ振幅変化を計算したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ反射指数の値が妊娠ベースラインのフォトプレチスモグラフィ反射指数の値よりも大きいことを識別することがある。いくつかの実装では、シェイプレットを捕捉する時系列アルゴリズム(例えばpythonのsktime)を使用して、妊娠リスクを予測するPPG形態のそのような特徴的な態様を識別し得る。いくつかの実装では、インセプションタイム、長期短期記憶(LTSM)、又はゲート付き回帰型ユニット(GRU、gated recurrent units)のようなニューラルネットワークを使用してよく、あるいは辞書ベースのBOSS(bag of symbolic Fourier approximation (SFA) symbols)又はCBOSS(contractable bag of SFA symbols)、RISE又はROCKETのような時系列法を使用してよい。
場合によっては、連続的に測定されたPPG信号を使用して、妊娠糖尿病のような1つ以上の妊娠合併症を検出し得る。例えばシステム300は、PPG波形を唯一の入力として取り、0と1の間のスコアを提供してよく、スコアが高いほど、流行している妊娠糖尿病の可能性が高いことを示唆する。PPG波形は、21秒の持続時間を含んでよい。PPG波形は、100Hz又は120Hzのいずれかで収集されてよい。場合によっては、PPG波形は、他の予測子及び/又は併発疾患とは独立に、妊娠糖尿病を予測し得る。
システム300は、ユーザデバイス310-a、310-bのGUIに、1つ以上の妊娠合併症の指標を表示させ得る。場合によって、システム300は、GUIに時系列を表示させてもよい。システム300は、生理学的データ(例えば少なくとも体温データ320)、タグ付けされたイベント及び/又は図7を参照して本明細書で説明される他のGUI要素を含む、追跡GUIを生成してもよい。そのような場合、システム300は、妊娠追跡GUIに、排卵、月経期、妊娠、妊娠合併症等をレンダリングしてもよい。
システム300は、ユーザデバイス310-a又は310-b上のGUI上に表示するため、1つ以上の妊娠合併症の指標を示すメッセージ370を生成し得る。例えばシステム300(例えばユーザデバイス310-a又はサーバ315)は、予測及び/又は識別された1つ以上の妊娠合併症指標を示すメッセージ370を、ユーザデバイス310-bに送信してもよい。このような場合、ユーザデバイス310-bは、臨床医、不妊治療専門医(fertility specialist)、介護者、パートナー又はこれらの組合せに関連付けられてもよい。可能性のある妊娠合併症の検出は、体温データにおいて検出されたパターンを強調し、妊娠合併症に関する教育的リンクを提供する、ユーザへの個人化されたメッセージ370をトリガし得る。
いくつかの実装では、リングアプリケーション345は、1つ以上の妊娠合併症の指標をユーザに通知し、かつ/又は、アクティビティGUIで様々なタスクを実行するようにユーザに促してよい(prompt)。通知及びプロンプトは、テキスト、グラフィクス及び/又は他のユーザインタフェース要素を含んでよい。通知及びプロンプトは、識別及び/又は予測された1つ以上の妊娠合併症があるときなどに、リングアプリケーション345に含まれてよく、リングアプリケーション345は、通知及びプロンプトを表示してよい。ユーザデバイス310は、ホーム画面上の別個のウィンドウに通知及びプロンプトを表示してよく、かつ/又は他の画面上に(例えばホーム画面の一番上に)オーバーレイしてもよい。場合によっては、ユーザデバイス310は、モバイルデバイス、ユーザの時計デバイス又はその両方に通知及びプロンプトを表示してもよい。
いくつかの例では、システム300は、緩和アドバイスを提供し得る。そのような場合、システム300は、1つ以上の妊娠合併症の指標を確認又は反証するために取るべきステップに関する推奨を提供し得る。例えばシステム300が、ユーザの心拍数が妊娠のベースライン心拍数よりも上昇していると判断した場合、システム300は、数日間、1日に数回、瞑想及び/又は呼吸運動を行って、心拍数データ325を再評価し、心拍数データ325を再評価するようにユーザに促してよい。このような場合、システム300は、ユーザが1つ以上の妊娠合併症を経験しているかどうか、ユーザが不安の期間を経験しているかどうか、又はその両方を経験しているかどうかを判断するために、ユーザが緩和アドバイスを実行した後に生理学的データを受信し得る。
いくつかの実装では、ユーザデバイス310は、履歴ユーザデータを記憶し得る。場合によっては、履歴ユーザデータは履歴データ360を含んでよい。履歴データ360は、ユーザの履歴体温パターン、ユーザの履歴心拍数パターン、ユーザの履歴呼吸数パターン、ユーザの履歴HRVパターン、ユーザの履歴結集酸素飽和度、ユーザの履歴妊娠イベント(例えば受胎日、出産予定日等)又はそれらの組合せを含んでよい。履歴データ360は、最近の数ヶ月から選択されてもよい。履歴データ360は、ユーザの閾値(例えば妊娠ベースライン)を決定するため、妊娠合併症を予測するため、妊娠合併症を識別するため又はこれらの組合せのために、(例えばユーザデバイス310又はサーバ315によって)使用され得る。履歴データ360はサーバ315によって使用されてよい。履歴データ360を使用することにより、ユーザデバイス310及び/又はサーバ315は、ユーザの履歴データ360を考慮することによってGUIを個人化することができる。
このような場合、ユーザデバイス310は、履歴データ360をサーバ315に送信し得る。場合によっては、送信された履歴データ360は、リングアプリケーション345に記憶される履歴データと同じであってもよい。他の例では、履歴データ360は、リングアプリケーション345に記憶される履歴データとは異なっていてもよい。サーバ315は、履歴データ360を受信し得る。サーバ315は、履歴データ360をサーバデータ365に記憶してもよい。
いくつかの実装では、ユーザデバイス310及び/又はサーバ315はまた、ユーザ情報の例であり得る他のデータを受信して、記憶してもよい。ユーザ情報は、ユーザの年齢、体重、身長及び性別を含んでよいが、これらに限定されない。いくつかの実装では、ユーザ情報は、1つ以上の妊娠合併症を予測又は識別するための特徴として使用されてもよい。サーバデータ365は、ユーザ情報のような他のデータを含んでもよい。
いくつかの実装では、システム300は、異なるユーザのための1つ以上のユーザデバイス310を含んでもよい。例えばシステム300は、主ユーザのためのユーザデバイス310-aと、主ユーザに関連付けられる第2ユーザ302(例えばパートナー)のためのユーザデバイス310-bとを含んでよい。ユーザデバイス310は、異なるユーザの生理学的パラメータを測定し、異なるユーザのためのGUIを提供し、異なるユーザからのユーザ入力を受信し得る。いくつかの実装では、異なるユーザデバイス310は、生理学的情報を取得し、月経周期、卵巣周期、疾患、妊孕性及び/又は妊娠のような女性の健康に関連する出力を提供し得る。いくつかの実装では、ユーザデバイス310-bは、男性の疾患及び生殖能力(fertility)のような、第2ユーザ302に関連する生理学的情報を取得してもよい。
いくつかの実装では、システム300は、第2ユーザ302に関連情報を知らせるGUIを提供し得る。例えば第1ユーザと第2ユーザ302は、1つ以上のユーザデバイス310を介して、例えばサーバデバイス、モバイルデバイス又は他のデバイスを介して、互いに彼らの情報を共有することがある。いくつかの実装では、第2ユーザ302は、ユーザのアカウント(例えばユーザ名、ログイン情報等)及び/又は関連データのうちの1つ以上を互いに(例えば第1ユーザと)共有することがある。ユーザ間で情報を共有することにより、システム300は、第2ユーザ302が妊娠に関連する健康上の決定を行うのを支援し得る。いくつかの実装では、ユーザは、特定の情報を共有するように(例えばGUIにおいて)促されてもよい。例えばユーザは、GUIを使用して、彼女の妊娠情報を第2ユーザ302と共有することを選択してよい。このような場合、ユーザ及び第2ユーザ302は、彼らのそれぞれのユーザデバイス310上で通知を受信し得る。他の例では、第2ユーザ302は、通知又は他の共有の取り決めを介して、自身の情報(例えば疾患、妊娠データ等)をユーザに利用可能にし得る。このような場合、第2ユーザ302は、臨床医、不妊治療専門医、介護者、パートナー又はこれらの組合せの例であり得る。
図4は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するタイミング図400の例を示す。タイミング図400は、システム100、システム200、システム300又はそれらの組合せの態様を実装してよく、あるいはそれらによって実装されてもよい。例えばいくつかの実装では、タイミング図400は、図2に示されるように、ユーザデバイス106のGUI275を介してユーザに表示されてもよい。
いくつかの実装では、システムは、妊娠合併症を検出し得る。例示的な妊娠合併症は、様々な高血圧障害及び心血管代謝障害を含み得る。例示的な高血圧妊娠障害は、既存の慢性高血圧、妊娠高血圧、子癇前症及び子癇を含んでよい。これらの妊娠合併症は妊娠の6~10%に影響を及ぼす可能性があり、発作、卒中、肝不全及び腎不全、子宮内胎児発育遅延、早産、胎盤早期剥離及び死産のリスク増加と関連付けられることがある。場合によっては、高血圧妊娠障害は胎盤関連症候群(placenta-associated syndrome)である可能性があり、その重症度はおそらく追加の妊娠合併症を反映している。高血圧妊娠障害と同様に、心血管代謝障害は、妊娠の3~5%に影響を及ぼす一般的な妊娠合併症の総称であり、様々な母体及び胎児の合併症をもたらす。心血管代謝障害は、妊娠に先行して予め存在する可能性があり、あるいは妊娠中に発症することもあり、虚血性心疾患、脳卒中、2型糖尿病を含む。
1つ以上のデバイス(例えばウェアラブルデバイス)は、血液量、睡眠の質、体温及び心拍数における変化を伴う可能性がある一般的な妊娠合併症を検出することがある。場合によっては、ウェアラブルデバイス(例えばリング)は、昼夜の間に快適に装着されてよく、したがって、そうでなければ典型的には他のデバイスから利用可能でない広範な時系列データを用いて、病院設定の外部で継続的なモニタリングを可能にする。そのため、ウェアラブルデバイス(例えばリング)は、病院設定の外部では、ユーザにとってより高価で不便な可能性がある他のデバイスの代わりとして、又はこれと組み合わせて使用され得る。図4に示されるように、リングデバイスは、低周波HRV、心拍数、連続差の二乗平均平方根(RMSSD、Root Mean Square of the Successive Differences)HRV、体温等を含む、様々な信号を連続的にモニタ/取得し得る。
本明細書で更に詳細に説明されるように、システムは、妊娠ベースラインに対する偏差に基づいて1つ以上の妊娠合併症を識別及び予測するように構成され得る。タイミング図400は、健康な妊娠しているユーザと比較した、妊娠中に高血圧のあるユーザの生理学的データを表示し得る。いくつかの実装では、システムは、ユーザの妊娠期間を通してユーザをスクリーニングし、典型的な妊娠プロファイルからの偏差と同様に、ユーザ自身の以前の履歴からの偏差を考慮することによって、重度な症状の開始に先立って、高血圧、子癇前症、妊娠糖尿病及び感染症のような合併症を識別するのを助けるために使用され得る。例えばシステムは、医学的診断の前に子癇前症を検出することがあるが、子癇前症の診断は、最も早くて妊娠20週目である。
場合によっては、夜間を通したユーザの身体体温パターンが、妊娠合併症を特徴付け得るインジケータとなり得る。例えば夜間の皮膚温度が、妊娠合併症を識別及び/又は予測してよく、これにより、ユーザがハイリスクの妊娠を経験していることを示す。このように、タイミング図400-aは、ユーザの体温データと時間(例えば妊娠に対する複数の日にわたる)との間の関係を図示している。この点に関して、タイミング図400-aに示される破線の曲線は、「体温値405」を指すと理解されてよい。この点に関して、タイミング図400-aに示される実線の曲線は、「体温値の妊娠ベースライン410」を指すと理解されてよい。ユーザの体温値405及び体温値の妊娠ベースライン410は、ベースライン体温に対して相対的であってよい。場合によっては、体温値405は、妊娠中に高血圧を経験しているユーザの体温値を示してよい。
場合によっては、システム(例えばリング104、ユーザデバイス106、サーバ110)は、ウェアラブルデバイスから、ユーザに関連付けられる生理学的データを受信し得る。生理学的データは、少なくとも体温値405を含んでよい。システムは、受信した体温データに基づいて、複数日にわたって取得された体温値405の時系列を決定し得る。タイミング図400-aを参照すると、複数日は、少なくとも3ヶ月(例えば妊娠開始前の1ヶ月と妊娠開始後の2ヶ月)の例であってもよい。システムは、元の時系列体温データ(例えば体温値405)を処理して、1つ以上の妊娠合併症(例えば高血圧)を検出してよい。場合によっては、時系列は、システム内のユーザによってタグ付けされた複数のイベントを含むことがある。例えば時系列は、妊娠の指標415-aを含むことがある。場合によっては、妊娠の指標415-aは、システムによって連続的に収集された生理学的データに基づいて、ユーザ入力に基づいて又はその両方に基づいて、システムによって決定され得る。
体温値405は、ウェアラブルデバイスによって連続的に収集され得る。生理学的測定は、夜間を通じて連続的に行われてよい。例えばいくつかの実装では、リングは、毎日/睡眠日の全体にわたって1つ以上の測定周期に従って連続的に生理学的データ(例えば体温データ、METデータ、睡眠データ等)を取得するように構成されてよい。言い換えると、リングは、そのような測定を行うための「トリガ条件」に関係なく、ユーザから生理学的データを連続的に取得し得る。場合によっては、指での連続的な体温測定は、深部体温では明らかでない可能性のある体温変動(例えば小さな変動又は大きな変動)を捕捉することがある。例えば指での連続的な体温測定は、身体の他の場所での他の体温測定によっては、又はユーザが1日に1回手動で体温を測っていた場合には提供されない可能性がある、追加の洞察を提供する、分毎又は時間毎の体温変動を捕捉することがある。
いくつかの実装では、システムは、ユーザの相対体温を何日も観察し、妊娠合併症を示す可能性がある、第1部分420の間の妊娠ベースライン(例えば体温値の妊娠ベースライン410)に対する体温値405の減少をマークすることによって、1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。システムは、妊娠合併症を示す可能性がある、第2部分425の間の妊娠ベースライン(例えば体温値の妊娠ベースライン410)に対する体温値405の上昇をマークすることによって、1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。
1つ以上の妊娠合併症の指標は、少なくとも1日、複数日、1週間又は複数週間を含む期間(例えばタイムスパン)を含んでもよい。このような場合、1つ以上の妊娠合併症の指標は、開始日及び終了日を含んでよい。1つ以上の妊娠合併症の指標は、以前に発生した、現在発生している、及び/又は将来発生する可能性が高いと予測される、検出された妊娠合併症の例であってよい。
システムは、体温値405が、第1部分420の間にユーザの体温値の妊娠ベースライン410より低く、第2部分425の間にユーザの体温値の妊娠ベースライン410より高いことを識別したことに基づいて、体温値405の時系列における1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。第1部分は妊娠の最初の20日間を含んでよく、第2部分は妊娠の20日後を含んでよい。例えばシステムは、時系列を決定した後に体温値405を識別し、体温値の妊娠ベースライン410を識別し得る。システムは、体温値405が、第1部分420の間にユーザの体温値の妊娠ベースライン410より低く、第2部分425の間にユーザの体温値の妊娠ベースライン410より高いことを識別したことに応答して、ユーザの1つ以上の妊娠合併症の指標を検出し得る。
そのような場合、体温値405は、妊娠の指標415-aの後に、ユーザの体温値の妊娠ベースライン410から逸脱することがある。例えば妊娠の指標415-aを識別した後、システムは、体温値405が、体温値の妊娠ベースライン410からの逸脱している(例えばより小さいか又はより大きい)と判断し得る。システムは、時系列を決定したことに応答して、ユーザの体温値の妊娠ベースライン410に対する体温値405の時系列の偏差を計算し得る。偏差は、第1部分420の間のユーザの体温値の妊娠ベースライン410からの体温値405の減少と、第2部分425の間のユーザの体温値の妊娠ベースライン410からの体温値405の増加とを含んでよい。そのような場合、体温値405が体温値の妊娠ベースライン410から逸脱していることを識別することは、偏差を計算することに応答する。
場合によって、システムは、リングを介して収集されたユーザの体温値405の時系列を決定した後に、ユーザの体温の最大値及び/又は最小値を決定又は推定し得る。システムは、最大値及び/又は最小値を決定したことに基づいて、体温値405の時系列の1つ以上の正の傾き、負の傾き又はその両方を識別し得る。場合によっては、最大値と最小値の差を計算することにより、正の傾き、負の傾き又はその両方を決定してもよい。他の例では、体温値405の時系列の1つ以上の傾きを識別することは、元の時系列体温データ(例えば体温値405)の導関数を計算することに応答してもよい。
本明細書で更に詳細に説明されるように、システムは、月経周期、排卵、妊娠等を追跡するように構成されてもよい。場合によっては、夜間を通してのユーザの体温パターンが、妊娠合併症を特徴付けるインジケータとなり得る。例えば夜間の皮膚温度が、1つ以上の妊娠合併症の指標を識別することがある。このように、タイミング図400-aは、ユーザの体温データと時間(例えば複数の月にわたる)との間の関係を示す。
場合によっては、システムは、体温値405がユーザの体温値の妊娠ベースライン410から逸脱していることを識別したことに応答して、将来の妊娠合併症の可能性、ユーザが妊娠合併症を経験する可能性又はその両方を推定し得る。このような場合、システムは、1つ以上の妊娠合併症の指標を予測し、1つ以上の妊娠合併症の指標を検出し、又はその両方を行ってよい。
場合によっては、ユーザの心拍数パターンは、妊娠合併症を特徴付け得るインジケータとなり得る。例えばユーザの心拍数は、妊娠合併症を識別及び/又は予測することができ、それによって、ユーザがハイリスク妊娠を経験していることを示す。このように、タイミング図400-bは、ユーザの心拍数データと時間(例えば妊娠に関連する複数日にわたる)との間の関係を示す。この点に関して、タイミング図400-bに示される破線の曲線は、「心拍数値435」を指すと理解されてよい。この点に関して、タイミング図400-bに示された実線の曲線は、「心拍数値の妊娠ベースライン430」を指すと理解されてよい。ユーザの心拍数値435及び心拍数値の妊娠ベースライン430は、ベースライン心拍数に対して相対的であってもよい。場合によっては、心拍数値435は、妊娠中に高血圧を経験しているユーザの心拍数値を示してよい。
場合によっては、システム(例えばリング104、ユーザデバイス106、サーバ110)は、ウェアラブルデバイスから、ユーザに関連付けられる生理学的データを受信し得る。生理学的データは、少なくとも心拍数値435を含んでよい。システムは、受信した心拍数データに基づいて、複数日にわたって取得された心拍数値435の時系列を決定し得る。タイミング図400-bを参照すると、複数日は、少なくとも3ヶ月(例えば妊娠開始前の1ヶ月と妊娠開始後の2ヶ月)の例であってよい。システムは、1つ以上の妊娠合併症(例えば高血圧)の指標を検出するために、元の時系列心拍数データ(例えば心拍数値435)を処理し得る。場合によっては、時系列は、システム内のユーザによってタグ付けされた複数のイベントを含んでもよい。例えば時系列は、妊娠の指標415-bを含んでもよい。場合によっては、妊娠の指標415-bは、システムによって連続的に収集された生理学的データに基づいて、ユーザ入力に基づいて又はその両方に基づいて、システムによって決定されてもよい。
心拍数値435は、ウェアラブルデバイスによって連続的に収集され得る。生理学的測定は、日中及び/又は夜間を通じて連続的に行われてよい。例えばいくつかの実装では、リングは、毎日/睡眠日の全体にわたって1つ以上の測定周期に従って連続的に生理学的データ(例えば心拍数データ、METデータ、睡眠データ等)を取得するように構成されてよい。言い換えると、リングは、そのような測定を行うための「トリガ条件」に関係なく、ユーザから生理学的データを連続的に取得し得る。
いくつかの実装では、システムは、ユーザの相対心拍数を何日も観察し、妊娠合併症を示す可能性がある、妊娠ベースライン(例えば心拍数値の妊娠ベースライン430)に対する心拍数値435の増加をマークすることによって、1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。例えばシステムは、ユーザが妊娠6週目までにより高い心拍数を経験していると判断することがある。
システムは、心拍数値435が、ユーザの心拍数値の妊娠ベースライン430より高い(例えば超える)ことを識別したことに基づいて、心拍数値435の時系列における1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。例えばシステムは、時系列を決定した後に心拍数値435を識別し、心拍数値の妊娠ベースライン430を識別し得る。システムは、心拍数値435が、ユーザの心拍数値の妊娠ベースライン430より高いことを識別したことに応答して、ユーザの1つ以上の妊娠合併症の指標を検出し得る。
そのような場合、心拍数値435は、妊娠の指標415-bの後に、ユーザの心拍数値の妊娠ベースライン430から逸脱することがある。例えば妊娠の指標415-sを識別した後、システムは、心拍数値435が、心拍数値の妊娠ベースライン430から逸脱している(例えばより大きい)と判断し得る。システムは、時系列を決定したことに応答して、ユーザの心拍数値の妊娠ベースライン430に対する心拍数値435の時系列の偏差を計算し得る。偏差は、ユーザの心拍数値の妊娠ベースライン430からの心拍数値435の増加を含んでよい。そのような場合、心拍数値435が心拍数値の妊娠ベースライン430から逸脱していることを識別することは、偏差を計算することに応答する。
場合によって、システムは、リングを介して収集されたユーザの心拍数値435の時系列を決定した後に、ユーザの心拍数の最大値及び/又は最小値を決定又は推定し得る。システムは、最大値及び/又は最小値を決定したことに基づいて、心拍数値435の時系列の1つ以上の正の傾きを識別し得る。場合によっては、最大値と最小値の差を計算することにより、正の傾きを決定してもよい。他の例では、心拍数値435の時系列の1つ以上の傾きを識別することは、元の時系列心拍数データ(例えば心拍数値435)の導関数を計算することに応答してもよい。
本明細書で更に詳細に説明されるように、システムは、月経周期、排卵、妊娠等を追跡するように構成されてもよい。場合によっては、ユーザの心拍数パターンが、妊娠合併症を特徴付けるインジケータとなり得る。例えば心拍数が、1つ以上の妊娠合併症の指標を識別することがある。このように、タイミング図400-bは、ユーザの心拍数データと時間(例えば複数の月にわたる)との間の関係を示す。
場合によっては、システムは、心拍数値435がユーザの心拍数値の妊娠ベースライン430から逸脱していることを識別したことに応答して、将来の妊娠合併症の可能性、ユーザが妊娠合併症を経験する可能性又はその両方を推定し得る。このような場合、システムは、1つ以上の妊娠合併症の指標を予測し、1つ以上の妊娠合併症の指標を検出し、又はその両方を行ってよい。
場合によっては、ユーザのHRVパターンが、妊娠合併症を特徴付け得るインジケータとなり得る。例えばユーザのHRVが、妊娠合併症を識別及び/又は予測してよく、これにより、ユーザがハイリスクの妊娠を経験していることを示す。このように、タイミング図400-cは、ユーザのHRVデータと時間(例えば妊娠に対する複数の日にわたる)との間の関係を図示している。この点に関して、タイミング図400-cに示される破線の曲線は、「HRV値445」を指すと理解されてよい。この点に関して、タイミング図400-cに示される実線の曲線は、「HRV値の妊娠ベースライン440」を指すと理解されてよい。ユーザのHRV値445及びHRV値の妊娠ベースライン440は、ベースラインHRVに対して相対的であってよい。場合によっては、HRV値445は、妊娠中に高血圧を経験しているユーザのHRV値を示してよい。
場合によっては、システム(例えばリング104、ユーザデバイス106、サーバ110)は、ウェアラブルデバイスから、ユーザに関連付けられる生理学的データを受信し得る。生理学的データは、少なくともHRV値445を含んでよい。システムは、受信したHRVデータに基づいて、複数日にわたって取得されたHRV値445の時系列を決定し得る。タイミング図400-cを参照すると、複数日は、少なくとも3ヶ月(例えば妊娠開始前の1ヶ月と妊娠開始後の2ヶ月)の例であってもよい。システムは、元の時系列HRVデータ(例えばHRV値445)を処理して、1つ以上の妊娠合併症(例えば高血圧)を検出してよい。場合によっては、時系列は、システム内のユーザによってタグ付けされた複数のイベントを含むことがある。例えば時系列は、妊娠の指標415-cを含むことがある。場合によっては、妊娠の指標415-cは、システムによって連続的に収集された生理学的データに基づいて、ユーザ入力に基づいて又はその両方に基づいて、システムによって決定され得る。
HRV値445は、ウェアラブルデバイスによって連続的に収集され得る。生理学的測定は、夜間を通じて連続的に行われてよい。例えばいくつかの実装では、リングは、毎日/睡眠日の全体にわたって1つ以上の測定周期に従って連続的に生理学的データ(例えばHRVデータ、METデータ、睡眠データ等)を取得するように構成されてよい。言い換えると、リングは、そのような測定を行うための「トリガ条件」に関係なく、ユーザから生理学的データを連続的に取得し得る。
いくつかの実装では、システムは、ユーザの相対HRVを何日も観察し、妊娠合併症を示す可能性がある、妊娠ベースライン(例えばHRV値の妊娠ベースライン440)に対するHRV値445の減少をマークすることによって、1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。
システムは、HRV値445がユーザのHRV値の妊娠ベースライン440よりも低い(例えばより小さい)ことを識別することに基づいて、HRV値445の時系列における1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。例えばシステムは、時系列を決定した後にHRV値445を識別し、HRV値の妊娠ベースライン440を識別し得る。システムは、HRV値445がユーザのHRV値の妊娠ベースライン440よりも小さいことを識別することに応答して、ユーザの1つ以上の妊娠合併症の指標を検出し得る。
そのような場合、HRV値445は、妊娠の指標415-cの後に、ユーザのHRV値の妊娠ベースライン440から逸脱することがある。例えば妊娠の指標415-cを識別した後、システムは、HRV値445が、HRV値の妊娠ベースライン440からの逸脱している(例えばより小さい)と判断し得る。システムは、時系列を決定したことに応答して、ユーザのHRV値の妊娠ベースライン440に対するHRV値445の時系列の偏差を計算し得る。偏差は、ユーザのHRV値の妊娠ベースライン440からのHRV値445の減少を含んでよい。そのような場合、HRV値445がHRV値の妊娠ベースライン440から逸脱していることを識別することは、偏差を計算することに応答する。
場合によって、システムは、リングを介して収集されたユーザのHRV値445の時系列を決定した後に、ユーザのHRVの最大値及び/又は最小値を決定又は推定し得る。システムは、最大値及び/又は最小値を決定したことに基づいて、HRV値445の時系列の1つ以上の負の傾きを識別し得る。場合によっては、最大値と最小値の差を計算することにより、負の傾きを決定してもよい。他の例では、HRV値445の時系列の1つ以上の傾きを識別することは、元の時系列HRVデータ(例えばHRV値445)の導関数を計算することに応答してもよい。
本明細書で更に詳細に説明されるように、システムは、月経周期、排卵、妊娠等を追跡するように構成されてもよい。場合によっては、ユーザのHRVパターンが、妊娠合併症を特徴付けるインジケータとなり得る。例えばHRVが、1つ以上の妊娠合併症の指標を識別することがある。このように、タイミング図400-cは、ユーザのHRVデータと時間(例えば複数の月にわたる)との間の関係を示す。
場合によっては、システムは、HRV値445がユーザのHRV値の妊娠ベースライン440から逸脱していることを識別したことに応答して、将来の妊娠合併症の可能性、ユーザが妊娠合併症を経験する可能性又はその両方を推定し得る。このような場合、システムは、1つ以上の妊娠合併症の指標を予測し、1つ以上の妊娠合併症の指標を検出し、又はその両方を行ってよい。場合によっては、HRVデータは、低周波及び高周波構成要素を含み得る。高周波構成要素は副交感神経系の活動を反映し得る。低周波構成要素は交感神経と副交感神経の活動を反映し得る。
場合によっては、ユーザの低周波又は高周波のHRVパターンが、妊娠合併症を特徴付け得るインジケータとなり得る。例えばユーザの低周波又は高周波HRVは、妊娠合併症を識別及び/又は予測してよく、これにより、ユーザがハイリスク妊娠を経験していることを示す。このように、タイミング図400-dは、ユーザの低周波HRVデータと時間(例えば妊娠に対する複数日にわたる)との間の関係を図示している。この点に関して、タイミング図400-dに示される破線の曲線は、「低周波HRV値455」を指すと理解されてよい。この点に関して、タイミング図400-dに示される実線の曲線は、「低周波HRV値の妊娠ベースライン450」を指すと理解されてよい。ユーザの低周波HRV値455及び低周波HRV値の妊娠ベースライン450は、ベースラインの低周波HRVに対して相対的であってもよい。場合によっては、低周波HRV値455は、妊娠中に高血圧を経験しているユーザの低周波HRV値を示してよい。
場合によっては、システム(例えばリング104、ユーザデバイス106、サーバ110)は、ユーザに関連付けられる生理学的データをウェアラブルデバイスから受信することがある。生理学的データは、少なくとも低周波HRV値455を含んでよい。システムは、受信した低周波HRVデータ及び高周波HRVデータに基づいて、複数日にわたって取得された低周波HRV値455の時系列を決定し得る。タイミング図400-dを参照すると、複数日は、少なくとも3ヶ月(例えば妊娠開始前の1ヶ月と妊娠開始後の2ヶ月)の例であってよい。システムは、元の時系列低周波及び高周波HRVデータ(例えば低周波HRV値455を含む)を処理して、1つ以上の妊娠合併症(例えば高血圧)の指標を検出し得る。場合によっては、時系列は、システム内のユーザによってタグ付けされた複数のイベントを含んでよい。例えば時系列は、妊娠の指標415-dを含んでよい。場合によっては、妊娠の指標415-dは、システムによって連続的に収集された生理学的データに基づいて、ユーザ入力に基づいて又はその両方に基づいて、システムによって決定されてもよい。
低周波HRV値455は、ウェアラブルデバイスによって連続的に収集され得る。生理学的測定は、夜間を通じて連続的に行われてよい。例えばいくつかの実装では、リングは、毎日/睡眠日の全体にわたって1つ以上の測定周期に従って連続的に生理学的データ(例えば低周波及び高周波HRVデータ、METデータ、睡眠データ等)を取得するように構成されてよい。言い換えると、リングは、そのような測定を行うための「トリガ条件」に関係なく、ユーザから生理学的データを連続的に取得し得る。
いくつかの実装では、システムは、ユーザの相対低周波HRVを何日も観察し、妊娠合併症を示す可能性がある、妊娠ベースライン(例えば低周波HRV値の妊娠ベースライン450)に対する低周波HRV455の増加をマークすることによって、1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。
システムは、低周波HRV値455が、ユーザの低周波HRV値の妊娠ベースライン450より高い(例えば超える)ことを識別したことに基づいて、低周波HRV値455の時系列における1つ以上の妊娠合併症の指標を識別及び/又は予測し得る。例えばシステムは、時系列を決定した後に低周波HRV値455を識別し、低周波HRV値の妊娠ベースライン450を識別し得る。システムは、低周波HRV値455が、ユーザの低周波HRV値の妊娠ベースライン450より高いことを識別したことに応答して、ユーザの1つ以上の妊娠合併症の指標を検出し得る。
そのような場合、低周波HRV値455は、妊娠の指標415-dの後に、ユーザの低周波HRV値の妊娠ベースライン450から逸脱することがある。例えば妊娠の指標415-dを識別した後、システムは、低周波HRV値455が、低周波HRV値の妊娠ベースライン450から逸脱している(例えばより大きい)と判断し得る。システムは、時系列を決定したことに応答して、ユーザの低周波HRV値の妊娠ベースライン450に対する低周波HRV値455の時系列の偏差を計算し得る。偏差は、ユーザの低周波HRV値の妊娠ベースライン450からの低周波HRV値455の増加を含んでよい。そのような場合、低周波HRV値455が低周波HRV値の妊娠ベースライン450から逸脱していることを識別することは、偏差を計算することに応答する。
場合によって、システムは、リングを介して収集されたユーザの低周波HRV値455の時系列を決定した後に、ユーザの低周波HRVの最大値及び/又は最小値を決定又は推定し得る。システムは、最大値及び/又は最小値を決定したことに基づいて、低周波HRV値455の時系列の1つ以上の正の傾きを識別し得る。場合によっては、最大値と最小値の差を計算することにより、正の傾きを決定してもよい。他の例では低周波HRV値455の時系列の1つ以上の傾きを識別することは、元の時系列低周波HRVデータ(例えば低周波HRV値455)の導関数を計算することに応答してもよい。
本明細書で更に詳細に説明されるように、システムは、月経周期、排卵、妊娠等を追跡するように構成されてもよい。場合によっては、ユーザの低周波及び高周波HRVパターンが、妊娠合併症を特徴付け得るインジケータとなり得る。例えば低周波及び高周波HRVが、1つ以上の妊娠合併症の指標を識別することがある。このように、タイミング図400-dは、ユーザの低周波HRVデータと時間(例えば複数の月にわたる)との間の関係を示す。
場合によっては、システムは、低周波HRV値455がユーザの低周波HRV値の妊娠ベースライン450から逸脱していることを識別したことに応答して、将来の妊娠合併症の可能性、ユーザが妊娠合併症を経験する可能性又はその両方を推定し得る。このような場合、システムは、1つ以上の妊娠合併症の指標を予測し、1つ以上の妊娠合併症の指標を検出し、又はその両方を行ってよい。場合によっては、低周波HRV値455は、妊娠6週目までに変化(例えば増加)することがある。低周波及び高周波HRVについては、妊娠高血圧のあるユーザの値は、妊娠開始前には比較的正常に見えることがあるが(例えば妊娠の指標415-d)、妊娠の最初の40~60日後には正常値(例えば低周波HRV値の妊娠ベースライン450)から逸脱し始める。
図5は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するGUI500の一例を示す。GUI500は、システム100、システム200、システム300、タイミング図400又は任意のそれらの組合せの態様を実装してよく、あるいはそれらによって実装されてもよい。例えばGUI500は、ユーザ102に対応するユーザデバイス106(例えばユーザデバイス106-a、106-b、106-c)のGUI255の一例であってよい。
いくつかの例では、GUI500は、GUI500(例えば図2に示されるGUI255)を介してユーザに表示され得る一連のアプリケーションページ505を示してよい。システムのサーバは、ユーザデバイス(例えばモバイルデバイス)のGUI500に、ユーザが妊娠モードを起動し、(例えばアプリケーションページ505を介して)その妊娠を追跡したいかどうかの問い合わせを表示させてよい。そのような場合、システムは、ユーザデバイスのGUI500上で個人化された追跡経験を生成して、コンテキストタグ又はユーザ質問に基づいて、妊娠合併症のリスクを予測するか、又はユーザがハイリスク妊娠(例えば1つ以上の妊娠合併症を含む)を経験していることを検出し得る。
上記の例を続けると、ユーザの1つ以上の妊娠合併症の指標を検出する前に、ウェアラブルアプリケーションを開くと、ユーザにアプリケーションページが提示され得る。アプリケーションページ505は、妊娠モードを起動し、システムが妊娠を追跡することを可能にする。このような場合、アプリケーションページ505は、妊娠追跡アプリケーションに登録するようにユーザが招待される招待カードを表示してよい。アプリケーションページ505は、妊娠を追跡してよいかどうかを確かめるか、又は妊娠を追跡しない場合にはメッセージを閉じるように、ユーザにプロンプトを表示してよい。システムは、ユーザが妊娠の追跡にオプトインすることを選択するか又は妊娠の追跡にオプトアウトすることを選択するかの指示を受信し得る。
妊娠を追跡することに対して「はい」を選択すると、ユーザにはアプリケーションページ505が提示され得る。アプリケーションページ505は、妊娠を追跡するか主な理由を確かめるためにユーザにプロンプトを表示してもよい。このような場合、アプリケーションページ505は、妊娠を追跡する意図を確認するようにユーザに促してもよい。例えばシステムは、ユーザデバイスを介して、妊娠追跡システムの意図される用途の確認を受信し得る。
場合によっては、意図を確認すると、ユーザにアプリケーションページ505が提示され得る。アプリケーションページ505は、受胎日、出産予定日等を確かめるためのプロンプトをユーザに表示してよい。例えばシステムは、ユーザデバイスを介して、出産予定日の確認を受信してよい。場合によっては、アプリケーションページ505は、出産予定日が決まっていない可能性があるかどうかを示すプロンプトをユーザに表示してもよい。
場合によっては、出産予定日を確認すると、ユーザにアプリケーションページ505が提示され得る。アプリケーションページは、ユーザが、いずれかの妊娠関連合併症、いずれかの既存の医学的状態、妊娠を達成するために使用したいずれかの不妊治療、使用のいずれかの睡眠障害(例えばユーザがシフトワーカであるかどうか)等を経験しているかどうかを確かめるためのプロンプトをユーザに表示し得る。例えばシステムは、ユーザデバイスを介して、ユーザが、いずれかの妊娠関連合併症、いずれかの既存の医学的状態、妊娠を達成するために使用したいずれかの不妊治療、使用のいずれかの睡眠障害(例えばユーザがシフトワーカであるかどうか)等を経験しているかどうかの確認を受信し得る。確認を受信すると、ユーザにはGUI500が提示されてよく、GUI500は、アプリケーションページ505を参照して更に示され、説明され得る。
システムのサーバは、1つ以上の妊娠合併症の指標を示す、ユーザデバイス上のGUI500上に表示するためのメッセージを生成することができる。例えばシステムのサーバは、ユーザデバイス(例えばモバイルデバイス)のGUI500に、1つ以上の妊娠合併症の指標に関連付けられるメッセージ520を(例えばアプリケーションページ505を介して)表示させてもよい。このような場合、システムは、ユーザデバイスのGUI500上に1つ以上の妊娠合併症の指標を出力して、妊娠がハイリスク妊娠であること、ユーザが1つ以上の妊娠合併症のリスクを経験していること、及び/又は1つ以上の妊娠合併症が将来予測され得ることを示してよい。
上記の例を続けると、1つ以上の妊娠合併症の指標を検出すると、ウェアラブルアプリケーションを開く際に、ユーザにアプリケーションページ505が提示され得る。図5に示されるように、アプリケーションページ505は、メッセージ520を介して、1つ以上の妊娠合併症が予測及び/又は識別されたことの指標を表示し得る。このような場合、アプリケーションページ505は、ホームページ上にメッセージ520を含んでよい。ユーザの妊娠合併症が予測及び/又は識別される場合、本明細書で説明されるように、サーバは、メッセージ520をユーザに送信してよく、ここで、メッセージ520は、予測及び/又は識別された1つ以上の妊娠合併症に関連付けられる。場合によっては、サーバは、メッセージ520を、臨床医、不妊治療専門医、介護者、ユーザのパートナー又はこれらの組合せに送信してよい。このような場合、システムは、臨床医、不妊治療専門医、介護者、パートナー又はこれらの組合せに関連付けられるユーザデバイス上にアプリケーションページ505を提示してよい。
例えばユーザデバイスは、メッセージ520を受信してよく、該メッセージは、1つ以上の妊娠合併症が起こった時間間隔、1つ以上の妊娠合併症が起こると予測される時間期間、1つ以上の妊娠合併症に関連付けられる症状を入力する要求、1つ以上の妊娠合併症に関連付けられる教育コンテンツ、活動目標の調整されたセット、1つ以上の妊娠合併症に関連付けられる症状を改善するための推奨等を含んでよい。例えばメッセージ520は、1つ以上の妊娠合併症のリスクを示してよい。メッセージ520は、ユーザが、本明細書で前述したように、1つ以上の妊娠合併症の予測及び識別に基づいて異なるメッセージ520を受信し得るように、構成可能/カスタマイズ可能であり得る。
図5に示されるように、アプリケーションページ505は、アラート510を介して1つ以上の妊娠合併症の指標を表示し得る。ユーザは、アラート510を受信することがあり、該アラートは、1つ以上の妊娠合併症が起こったかどうかを確認するように、あるいは1つ以上の妊娠合併症が起こらなかった場合にアラート510を却下するように、ユーザに促してよい。このような場合、アプリケーションページ505は、ユーザに1つ以上の妊娠合併症を確認するか又は却下する(例えばシステムが1つ以上の妊娠合併症を正しく検出したかどうかを確認/否定し、かつ/又は1つ以上の妊娠合併症が臨床医により確認されたかどうかを確認/否定する)ように促すことができる。例えばシステムは、ユーザデバイスを介して、1つ以上の妊娠合併症の指標を検出したことに応答して、1つ以上の妊娠合併症の確認を受信し得る。
場合によっては、システムは、1つ以上の妊娠合併症、1つ以上の妊娠症状又はその両方の確認を受信することがある。例えば臨床医、不妊治療専門医又はユーザは、1つ以上の妊娠合併症の確認を入力し得る。このような場合、システムは、確認を受信したことに応答して、1つ以上の妊娠合併症の指標を検出し得る。
加えて、いくつかの実装では、アプリケーションページ505は、それぞれの日についてのユーザの1つ以上のスコア(例えば睡眠スコア、準備スコアなど)を表示し得る。さらに、場合によっては、予測及び/又は識別された1つ以上の妊娠合併症を使用して、ユーザに関連付けられる1つ以上のスコア(例えば睡眠スコア、準備スコア等)を更新(例えば修正)してもよい。すなわち、予測及び/又は識別された1つ以上の妊娠合併症に関連付けられるデータを使用して、後続の次の暦日についてユーザのスコアを更新してもよい。このような場合、システムは、アラート510を介してスコア更新をユーザに通知してよい。
場合によっては、準備スコアは、検出された1つ以上の妊娠合併症の指標に基づいて更新されてよい。そのような場合、準備スコアは、予測及び/又は識別された1つ以上の妊娠合併症に基づいて「要注意」をユーザに示してよい。ユーザについて準備スコアが変わる場合、システムは、症状が重い可能性があるユーザに対して回復モードを実装してよく、数日間の調整されたアクティビティと準備ガイダンスの恩恵を受け得る。他の例では、準備スコアは、睡眠スコアに基づいて更新されてもよい。しかしながら、システムは、ユーザが1つ以上の妊娠合併症を経験しているか、1つ以上の妊娠合併症を経験することが予測されることを決定してよく、準備スコア、睡眠スコア及び/又は活動スコアを調整して、1つ以上の妊娠合併症の影響をオフセットしてよい。
場合によっては、ユーザデバイスのGUI500を介してユーザに表示されるメッセージ520は、予測及び/又は識別された1つ以上の妊娠合併症が全体的なスコア(例えば全体的な準備スコア)及び/又は個々の寄与要因にどのように影響したかを示してよい。例えばメッセージは、「現在、身体に負担がかかっているようですが、気分が良ければ、軽度又は中強度の運動をすることは、身体が症状と戦うのに役立つ可能性があります(It looks like your body is under strain right now, but if you’re feeling ok, doing a light or medium intensity exercise can help your body battle the symptoms)」又は「回復メトリクスから、あなたの身体はまだ大丈夫であるように見えるので、軽い運動が症状の緩和に役立ちます。明日は良くなるといいですね!(From your recovery metrics it looks like your body is still doing ok, so some light activity can help relieve the symptoms. Hope you’ll feel better tomorrow!)」を示してもよい。1つ以上の妊娠合併症が予測及び/又は識別が検出された場合、メッセージ520は、ユーザの全体的な健康を改善するために、ユーザに提案を提供してもよい。例えばメッセージは、「本当に活力がないと感じているのであれば、今日は休息モードに切り替えてみませんか(“If you feel really low on energy, why not switch to rest mode for today)」又は「背中の痛みがあるので、吐き気を感じているので、今日は休息に専念してください(Since you have back pain, devote today for rest)」を示してもよい。そのような場合、ユーザに表示されるメッセージ520は、ユーザがライフスタイルを調整するのを助けるための、的を絞った洞察を提供することができる。
いくつかの実装は、システムは、アラート510又はメッセージ520を介して、妊娠中に、ユーザの測定値が異常である場合に、ユーザに通知し得る。例えばシステムは、PPG RIの増加を検出し、関連するタグを推奨し得る。いくつかの実装では、システムは、タグからの情報とユーザデータを組み合わせることがある。異常な測定値及び/又はユーザタグの検出に応答して、デバイスは、ユーザが休息したいとき、特定の症状に細心の注意を払いたいとき、又は医師に相談したいときにユーザに警告し得る。アプリケーションにおける複数の連続的な高品質信号とタグ付けされた症状との組合せは、典型的な妊娠プロファイルからの逸脱だけでなく、過去の履歴からの逸脱も考慮に入れる対話型アルゴリズムの基礎を提供し得る。アプリケーションを通じてユーザに表面化されるタグは、そうでなければユーザが典型的な妊娠の不快感(例えば背部痛、胸やけ、骨盤痛、倦怠感、呼吸困難及びいびき)と誤解する可能性がある、子癇前症の女性における夜間の血圧上昇の原因となる可能性がある特定の症状を認識させることがある。追加の通知は、「いびきの頻度が増加しているようですが、呼吸困難を経験していますか?主治医に確認する時期かもしれません。」、「あなたの低周波HRVは高いようです。今週はゆっくりして、スケジュールに休息時間を組み入れた方がいいかもしれません」又は「背中がずっと痛んでいますが、これについて理学療法士(PT)/カイロプラクターと話し合いましたか?」のような、更なる注意を必要とする信号を示してよい。
アプリケーションページ505は、グラフ表示515を介して、1つ以上の妊娠合併症の間にユーザが経験した体温、心拍数、HRV、呼吸数、睡眠データ等を含む、1つ以上のパラメータを示し得る。グラフ表示715は、図4を参照して説明したタイミング図400の例であってよい。そのような場合、システムは、ユーザデバイスのGUI500に、1つ以上の妊娠合併症の検出された指標に関連付けられるメッセージ520、アラート510又はグラフ表示515を表示させ得る。
例えばシステムは、グラフ表示515を介して、ユーザが自身の身体を理解し、医療を求めることについて情報に基づいた選択をすることができるように、「正常」と考えられる範囲の比較グラフに対するユーザの生理学的及び/又は症状データの傾向グラフをユーザに提供し得る。別の例では、システムは、ユーザが医師と自分の症状について話し合うことを考慮すべきときにユーザに警告し得る。いくつかの実装では、システムは、妊娠合併症及び/又は入院の予測されるリスクスコアを出力し得る。いくつかの実装では、医師によってハイリスク妊娠と定義された妊娠中のユーザは、「ハイリスク妊娠」モード/タグを起動/ラベル付けして、より感度の高い/保守的なアラート基準を起動することができる。
いくつかの実装では、高血圧症状に苦しむ女性は、アプリケーションにおいて高血圧モードを起動する能力を有してもよく、この場合、ユーザは容易に、関連する症状をモニタし、睡眠、休息、運動、酸素レベル、HRV及び妊娠の健康の間の関係を理解し得る。例えばユーザは、自分の体重増加をモニタし、医師の予約と検査結果を入力して、すべての妊娠関連データに便利にアクセスし追跡することができる。いくつかの実装では、睡眠スコア、準備スコア及び活動スコアは、ユーザのアプリケーションモードに最も適合するように修正されてもよい
場合によっては、ユーザは、ユーザ入力525を介して症状を記録してよい。例えばシステムは、1つ以上の妊娠合併症に関連付けられる症状(例えば頭痛、偏頭痛、痛み等)を記録するために、ユーザ入力(例えばタグ)を受信し得る。システムは、ユーザ履歴と、予測及び/又は識別された1つ以上の妊娠合併症とに基づいて、ユーザにタグを推奨し得る。場合によっては、システムは、以前のユーザ症状タグと1つ以上の妊娠合併症のタイミングとの間の相関関係に基づいて、ユーザデバイスのGUI500に、症状タグを表示させてもよい。
アプリケーションページ505はまた、予測及び/又は識別された1つ以上の妊娠合併症に関連付けられる洞察や推奨等を含むメッセージ520も含み得る。システムのサーバは、ユーザデバイスのGUI500に、予測及び/又は識別された1つ以上の妊娠合併症に関連付けられるメッセージ520を表示させ得る。ユーザデバイスは、メッセージ520を介して、予測及び/又は識別された1つ以上の妊娠合併症に関連付けられる推奨及び/又は情報を表示し得る。本明細書で以前に述べたように、正確に予測及び/又は識別された1つ以上の妊娠合併症は、ユーザの全体的な健康及び回復プロセスに有益であり得る。
いくつかの実装では、システムは、ユーザの予測及び/又は識別された1つ以上の妊娠合併症に関する追加の洞察を提供し得る。例えばアプリケーションページ505は、妊娠ベースラインに対する体温の偏差のようなユーザの予測及び/又は識別された1つ以上の妊娠合併症をもたらした、1つ以上の生理学的パラメータ(例えば寄与要因)を示してよい。言い換えると、システムは、予測及び/又は識別された1つ以上の妊娠合併症に関する何らかの情報又は他の洞察を提供するように構成され得る。個人化された洞察は、予測及び/又は識別された1つ以上の妊娠合併症を生成するために使用された、収集された生理学的データの側面(例えば生理学的データ内の寄与要因)を示し得る。
いくつかの実装では、システムは、分類器をトレーニングし(例えば機械学習分類器のための教師あり学習)、妊娠合併症決定及び/又は予測技術を改善するために、予測及び/又は識別された1つ以上の妊娠合併症に関するユーザ入力を受信するように構成され得る。例えばユーザデバイスは、ユーザ入力525を受信してよく、これらのユーザ入力525は次いで、分類器に入力されて、分類器をトレーニングし得る。例えばシステムは、ユーザのデータの最後の月を取り、ユーザが、妊娠の開始に対して、所与の時点でハイリスク妊娠(例えば1つ以上の合併症による)を示す確率に関して予測を行うために、トレーニングされたモデル(例えば分類器)を利用してもよい。いくつかの実装では、異なる深層学習表現(GRU、畳み込みニューラルネットワーク(CNN)、LSTMS、インセプションタイムニューラルネットワーク等)を使用して、予測のための生理学的データをより良好に表す埋め込みを導出することができる。
アプリケーションページ505上で1つ以上の妊娠合併症を予測及び/又は識別すると、GUI500は、ユーザがアプリケーションページ505を見ている現在の日付と、1つ以上の妊娠合併症娠が予測及び/又は識別される日を含む日付範囲、1つ以上の妊娠合併症娠が予測及び/又は識別される日を含む日付範囲を示し得るカレンダービューを表示し得る。例えば日付範囲は、破線構成を使用して暦日を囲んでよく、現在の日付は暦日を囲んでよく、1つ以上の妊娠合併症娠が予測される日が囲まれてもよい。カレンダービューはまた、現在の暦日と、ユーザの妊娠の日(例えばユーザが8週間妊娠していること)の指標とを含むメッセージを含んでもよい。
図6は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するデバイス605のブロック図600を示す。デバイス605は、入力モジュール610、出力モジュール615及びウェアラブルアプリケーション620を含んでよい。デバイス605はまた、プロセッサも含んでもよい。これらの構成要素の各々は、(例えば1つ以上のバスを介して)互いに通信し得る。
入力モジュール610は、様々な情報チャネル(例えば制御チャネル、データチャネル、疾患検出技術に関連する情報チャネル)に関連付けられるパケット、ユーザデータ、制御情報又はそれらの任意の組合せのような情報を受信するための手段を提供し得る。情報は、デバイス605の他の構成要素に渡されてもよい。入力モジュール610は、単一のアンテナ又は複数のアンテナのセットを利用してよい。
出力モジュール615は、デバイス605の他の構成要素によって生成された信号を送信するための手段を提供し得る。例えば出力モジュール615は、様々な情報チャネル(例えば制御チャネル、データチャネル、疾患検出技術に関連する情報チャネル)に関連付けられるパケット、ユーザデータ、制御情報又はそれらの任意の組合せのような情報を送信してよい。いくつかの例では、出力モジュール615は、トランシーバモジュール内の入力モジュール610と同じ場所に配置されてもよい。出力モジュール615は、単一のアンテナ又は複数のアンテナのセットを利用してよい。
例えばウェアラブルアプリケーション620は、データ取得構成要素625、体温データ構成要素630、偏差構成要素635、合併症構成要素640、ユーザインタフェース構成要素645又はこれらの任意の組合せを含んでもよい。いくつかの例では、ウェアラブルアプリケーション620又はその様々な構成要素は、入力モジュール610、出力モジュール615又はその両方を使用して又は他の方法でこれらと協力して、様々な動作(例えば受信、モニタ、送信)を実行するように構成されてもよい。例えばウェアラブルアプリケーション620は、入力モジュール610から情報を受信し、出力モジュール615に情報を送信し、あるいは入力モジュール610、出力モジュール615又はその両方と組み合わせて統合されて、情報を受信し、情報を送信し、又は本明細書で説明されるような様々な他の動作を実行してもよい。
データ取得構成要素625は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、生理学的データは、少なくとも体温データを含む。体温データ構成要素630は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定する手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。偏差構成要素635は、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。合併症構成要素640は、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの1つ以上の妊娠合併症の指標を検出するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。ユーザインタフェース構成要素645は、ユーザデバイスのグラフィカルユーザインタフェースに表示するための、1つ以上の妊娠合併症の指標を示すメッセージを生成するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。
図7は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するウェアラブルアプリケーション720のブロック図700を示す。ウェアラブルアプリケーション720は、本明細書で説明されるように、ウェアラブルアプリケーション又はウェアラブルアプリケーション620、あるいはその両方の態様の例であってもよい。ウェアラブルアプリケーション720又はその様々な構成要素は、本明細書で説明されるようなウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測の様々な態様を実行するための手段の例であり得る。例えばウェアラブルアプリケーション720は、データ取得構成要素725、体温データ構成要素730、偏差構成要素735、合併症構成要素740、ユーザインタフェース構成要素745又はそれらの任意の組合せを含んでもよい。これらの構成要素の各々は、直接的又は間接的に、互いに(例えば1つ以上のバスを介して)通信し得る。
データ取得構成要素725は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するための手段として構成されてよく、又は他の方法でこれをサポートしてもよく、生理学的データは、少なくとも体温データを含む。体温データ構成要素730は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するための手段として構成されてよく、又は他の方法でこれをサポートしてもよい。偏差構成要素735は、時系列を決定することに少なくとも部分的に基づいて、複数の体温値がユーザの体温値の妊娠ベースラインからの逸脱していることを識別するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。合併症構成要素740は、複数の体温値がユーザの体温値の妊娠ベースラインからの逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの1つ以上の妊娠合併症の指標を検出するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。ユーザインタフェース構成要素745は、1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。
いくつかの例では、偏差構成要素735は、時系列を決定したことに少なくとも部分的に基づいて、体温値の妊娠ベースラインに対する複数の体温値の時系列における偏差を計算するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、偏差は、時間の第1部分の間の体温値の妊娠ベースラインからの複数の体温値の減少と、第1部分に続く時間の第2部分の間の体温値の妊娠ベースラインからの複数の体温値の増加とを含み、複数の体温値が体温値の妊娠ベースラインから逸脱することを識別することは、偏差を計算することに少なくとも部分的に基づく。
いくつかの例では、データ取得構成要素725は、生理学的データを受信したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ波形の収縮期及び拡張期変曲点のフォトプレチスモグラフィ振幅変化を計算するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。いくつかの例では、データ取得構成要素725は、フォトプレチスモグラフィ振幅変化を計算したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ反射指数(reflection index)の値が妊娠ベースラインのフォトプレチスモグラフィ反射指数の値よりも大きいことを識別するための手段として構成されるか又は他の方法でこれをサポートしてもよい。
いくつかの例では、生理学的データは、心拍数データを更に含み、データ取得構成要素725は、複数日の少なくとも一部の間に、受信した心拍数データがユーザの妊娠ベースライン心拍数を超えることを決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、1つ以上の妊娠合併症の指標を検出することは、受信した心拍数データが、ユーザの妊娠ベースライン心拍数を超えることを決定することに少なくとも部分的に基づく。
いくつかの例では、生理学的データは、心拍数変動データを更に含み、データ取得構成要素725は、複数日の少なくとも一部の間に、受信した心拍数変動データがユーザの妊娠ベースライン心拍数変動より小さいことを決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、1つ以上の妊娠合併症の指標を検出することは、受信した心拍数変動データがユーザの妊娠ベースライン心拍数変動より小さいことを決定することに少なくとも部分的に基づく。
いくつかの例では、生理学的データは、低周波心拍数変動データを更に含み、データ取得構成要素725は、複数日の少なくとも一部の間、受信した低周波心拍数変動データが、ユーザの妊娠ベースラインの低周波心拍数変動を超えることを決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、1つ以上の妊娠合併症の指標を検出することは、受信した低周波心拍数変動データが、ユーザの妊娠ベースラインの低周波心拍数変動を超えることを決定することに少なくとも部分的に基づく。
いくつかの例では、生理学的データは、呼吸数データを更に含み、データ取得構成要素725は、複数日の少なくとも一部の間に、受信した呼吸数データがユーザの妊娠ベースライン呼吸数を超えることを決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、1つ以上の妊娠合併症の指標を検出することは、受信した呼吸数データが、ユーザの妊娠ベースライン呼吸数を超えることを決定することに少なくとも部分的に基づく。
いくつかの例では、生理学的データは、血中酸素飽和度データを更に含み、データ取得構成要素725は、複数日の少なくとも一部の間に、受信した血中酸素飽和度データが、ユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、1つ以上の妊娠合併症の指標を検出することは、受信した血中酸素飽和度データが、ユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定することに少なくとも部分的に基づく。
いくつかの例では、ユーザインタフェース構成要素745は、1つ以上の妊娠合併症、1つ以上の妊娠症状又はその両方の確認を受信するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、1つ以上の妊娠合併症の指標を検出することは、確認を受信することに少なくとも部分的に基づく。
いくつかの例では、体温データ構成要素730は、体温データを受け取ることに少なくとも部分的に基づいて、複数の体温値の各体温値を決定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、体温データは、連続的な夜間体温データを含む。
いくつかの例では、合併症構成要素740は、複数の体温値が体温値の妊娠ベースラインから逸脱することを識別したことに少なくとも部分的に基づいて、将来の妊娠合併症の可能性を推定するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。
いくつかの例では、合併症構成要素740は、1つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、ユーザに関連付けられる準備スコア、ユーザに関連付けられる活動スコア、ユーザに関連付けられる睡眠スコア又はそれらの組合せを更新するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。
いくつかの例では、ユーザインタフェース構成要素745は、1つ以上の妊娠合併症の指標を示すメッセージをユーザデバイスに送信するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、ユーザデバイスは臨床医、ユーザ又はその両方に関連付けられる。
いくつかの例では、ユーザインタフェース構成要素745は、1つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに妊娠合併症の症状タグを表示させるための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。
いくつかの例では、ユーザインタフェース構成要素745は、ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに、1つ以上の妊娠合併症の指標に関連付けられるメッセージを表示させるための手段として構成されてもよく、又は他の方法でこれをサポートしてもよい。
いくつかの例では、メッセージは、1つ以上の妊娠合併症が起こった時間間隔、1つ以上の妊娠合併症が起こると予測される時間間隔、1つ以上の妊娠合併症に関連付けられる症状を入力する要求、1つ以上の妊娠合併症に関連付けられる教育コンテンツ、睡眠目標の調整されたセット、活動目標の調整されたセット、1つ以上の妊娠合併症に関連付けられる症状を改善するための推奨、臨床医に相談するための推奨又はこれらの組合せを更に含む。
いくつかの例では、合併症構成要素740は、生理学的データを機械学習分類器に入力するための手段として構成されてもよく、又は他の方法でこれをサポートしてもよく、ここで、1つ以上の妊娠合併症の指標を検出することは、生理学的データを機械学習分類器に入力することに少なくとも部分的に基づく。
いくつかの例において、1つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症、子癇、心血管代謝障害、妊娠糖尿病、感染症又はそれらの組合せを含む。
いくつかの例では、ウェアラブルデバイスは、ウェアラブルリングデバイスを含む。
いくつかの例では、ウェアラブルデバイスは、動脈血流に基づいて、ユーザから生理学的データを収集する。
図8は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測するデバイス805を含むシステム800の図を示す。デバイス805は、本明細書で説明されるようなデバイス605の構成要素の一例であってもよく、あるいはその構成要素を含んでもよい。デバイス805は、本明細書で前述したようなユーザデバイス106の例を含んでよい。デバイス805は、ウェアラブルアプリケーション820、通信モジュール810、アンテナ815、ユーザインタフェース構成要素825、データベース(アプリケーションデータ)830、メモリ835及びプロセッサ840のような、ウェアラブルデバイス104及びサーバ110との通信を送受信するための構成要素を含む、双方向通信のための構成要素を含み得る。これらの構成要素は、電子的に通信しているか、又は他の方法で1つ以上のバス(例えばバス845)を介して(例えば動作的に、通信的に、機能的に、電子的に、電気的に)結合されていてもよい。
通信モジュール810は、アンテナ815を介して、デバイス805のための入力信号及び出力信号を管理し得る。通信モジュール810は、図2に示して説明したユーザデバイス106の通信モジュール220-bの一例を含んでよい。この点に関して、通信モジュール810は、図2に図示されるように、リング104及びサーバ110との通信を管理し得る。通信モジュール810は、デバイス805に統合されていない周辺機器も管理し得る。場合によっては、通信モジュール810は、外部周辺機器への物理的な接続又はポートを表してよい。場合によっては、通信モジュール810は、iOS(登録商標)、ANDROID(登録商標)、MS-DOS(登録商標)、MS-WINDOWS(登録商標)、OS/2(登録商標)、UNIX(登録商標)、LINUX(登録商標)又は別の既知のオペレーティングシステムのようなオペレーティングシステムを利用してよい。他の場合には、通信モジュール810は、ウェアラブルデバイス(例えばリング104)、モデム、キーボード、マウス、タッチスクリーン又は類似のデバイスを表すか又はそれらと対話してよい。場合によっては、通信モジュール810は、プロセッサ840の一部として実装されてもよい。いくつかの例では、ユーザは、通信モジュール810、ユーザインタフェース構成要素825を介して、あるいは通信モジュール810によって制御されるハードウェア構成要素を介して、デバイス805と対話してよい。
場合によっては、デバイス805は、単一のアンテナ815を含んでよい。しかしながら、他のいくつかの場合では、デバイス805は、2つ以上のアンテナ815を有してもよく、これらは、複数の無線伝送を同時に送信又は受信することができる。通信モジュール810は、1つ以上のアンテナ815を介して、本明細書で説明されるように、有線リンク又は無線リンクを介して、双方向に通信してよい。例えば通信モジュール810は、無線トランシーバを表してよく、別の無線トランシーバと双方向に通信してよい。通信モジュール810はまた、パケットを変調し、変調されたパケットを伝送のために1つ以上のアンテナ815に提供し、1つ以上のアンテナ815から受信されたパケットを復調するためのモデムも含んでよい。
ユーザインタフェース構成要素825は、データベース1030内のデータ記憶及び処理を管理し得る。場合によっては、ユーザは、ユーザインタフェース構成要素825と対話してもよい。他の場合には、ユーザインタフェース構成要素825は、ユーザ対話なしに自動的に動作してもよい。データベース1030は、単一のデータベース、分散データベース、複数の分散データベース、データストア、データレイク又は緊急バックアップデータベースの例であってよい。
メモリ1035は、RAM及びROMを含んでもよい。メモリ1035は、実行されると、プロセッサ840に本明細書で説明される様々な機能を実行させる命令を含む、コンピュータ読取可能でコンピュータ実行可能なソフトウェアを記憶し得る。場合によっては、メモリ1035は、他の中でも特に、周辺の構成要素又はデバイスとの対話のような基本的なハードウェア又はソフトウェア動作を制御し得る、BIOSを含んでよい。
プロセッサ840は、インテリジェントハードウェアデバイス(例えば汎用プロセッサ、DSP、CPU、マイクロコントローラ、ASIC、FPGA、プログラマブル論理デバイス、離散ゲート又はトランジスタ論理構成要素、離散ハードウェア構成要素、又はそれらの任意の組合せ)を含んでもよい。場合によっては、プロセッサ840は、メモリコントローラを使用してメモリアレイを動作させるように構成されてもよい。他の場合には、メモリコントローラはプロセッサ840に組み込まれてもよい。プロセッサ840は、メモリ835に記憶されたコンピュータ読取可能命令を実行して、様々な機能(例えば睡眠段階アルゴリズムのための方法及びシステムをサポートする機能又はタスク)を実行するように構成されてもよい。
例えばウェアラブルアプリケーション820は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するための手段として構成されてよく、又は他の方法でそのような手段をサポートしてよく、生理学的データは、少なくとも体温データを含む。ウェアラブルアプリケーション820は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するための手段として構成されてよく、又は他の方法でそのような手段をサポートしてよい。ウェアラブルアプリケーション820は、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別するための手段として構成されてよく、又は他の方法でこれをサポートしてもよい。ウェアラブルアプリケーション820は、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別したこと少なくとも部分的に基づいて、ユーザの1つ以上の妊娠合併症の指標を検出するための手段として構成されてよく、又は他の方法でこれをサポートしてもよい。ウェアラブルアプリケーション820は、1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するための手段として構成されてよく、又は他の方法でそのような手段をサポートしてもよい。
本明細書で説明される実施例に従ってウェアラブルアプリケーション820を含めるか又は構成することによって、デバイス805は、改善された通信信頼性、低減されたレイテンシ、低減された処理に関連する改善されたユーザ体験、低減された電力消費、通信リソースのより効率的な利用、デバイス間の改善された協調、より長いバッテリ寿命及び処理能力の改善された利用のための技術をサポートし得る。
ウェアラブルアプリケーション820は、アプリケーション(例えば「app」)、プログラム、ソフトウェア又は他の構成要素を含んでよく、これらは、リング104、サーバ110、他のユーザデバイス106等との通信を容易にするように構成される。例えばウェアラブルアプリケーション820は、リング104からデータ(例えば生理学的データ)を受信し、受信したデータに対して処理動作を実行し、サーバ110とデータを送受信し、ユーザ102にデータを提示させるように構成される、ユーザデバイス106上で実行可能なアプリケーションを含んでよい。
図9は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測する方法900を示すフローチャートである。方法900の動作は、本明細書で説明されるように、ユーザデバイス又はその構成要素によって実装されてよい。例えば方法900の動作は、図1から図8を参照して説明したようなユーザデバイスによって実行されてもよい。いくつかの例では、ユーザデバイスは、説明された機能を実行するようにユーザデバイスの機能要素を制御する命令のセットを実行してもよい。追加的又は代替的に、ユーザデバイスは、専用ハードウェアを使用して、説明された機能の態様を実行してもよい。
905において、本方法は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するステップを含んでよく、生理学的データは、少なくとも体温データを含む。905の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、905の動作の態様は、図7を参照して説明したように、データ取得構成要素725によって実行されてよい。
910において、本方法は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得される複数の体温値の時系列を決定するステップを含んでよい。910の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、910の動作の態様は、図7を参照して説明したように、体温データ構成要素730によって実行されてよい。
915において、本方法は、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップを含んでよい。915の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、915の動作の態様は、図7を参照して説明したように、偏差構成要素735によって実行されてよい。
920において、本方法は、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの1つ以上の妊娠合併症の指標を検出するステップを含んでよい。920の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、920の動作の態様は、図7を参照して説明したように、合併症構成要素740によって実行されてよい。
925において、本方法は、1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップを含んでよい。925の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、925の動作の態様は、図7を参照して説明したように、ユーザインタフェース構成要素745によって実行されてよい。
図10は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測する方法1000を示すフローチャートである。方法1000の動作は、本明細書で説明されるように、ユーザデバイス又はその構成要素によって実装されてよい。例えば方法1000の動作は、図1から図8を参照して説明したようなユーザデバイスによって実行されてもよい。いくつかの例では、ユーザデバイスは、説明された機能を実行するようにユーザデバイスの機能要素を制御する命令のセットを実行してもよい。追加的又は代替的に、ユーザデバイスは、専用ハードウェアを使用して、説明された機能の態様を実行してもよい。
1005において、本方法は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するステップを含んでよく、生理学的データは、少なくとも体温データを含む。1105の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、1105の動作の態様は、図7を参照して説明したように、データ取得構成要素725によって実行されてよい。
1010において、本方法は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得される複数の体温値の時系列を決定するステップを含んでよい。1010の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、1010の動作の態様は、図7を参照して説明したように、体温データ構成要素730によって実行されてよい。
1015において、本方法は、時系列を決定することに少なくとも部分的に基づいて、体温値の妊娠ベースラインに対する複数の体温値の時系列における偏差を計算するステップを含んでもよく、ここで、偏差は、時間の第1部分についての体温値の妊娠ベースラインからの複数の体温値の減少と、第1部分に続く時間の第2部分についての体温値の妊娠ベースラインからの複数の体温値の増加とを含み、複数の体温値が体温値の妊娠ベースラインから逸脱していることを識別することは、偏差を計算することに少なくとも部分的に基づいている。1015の動作は、本明細書に開示された例に従って実行されてもよい。いくつかの例では、1015の動作の態様は、図7を参照して説明したような偏差構成要素735によって実行されてもよい。
1020において、本方法は、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップを含んでよい。1020の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、1020の動作の態様は、図7を参照して説明したように、偏差構成要素735によって実行されてよい。
1025において、本方法は、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの1つ以上の妊娠合併症の指標を検出するステップを含んでよい。1025の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、1025の動作の態様は、図7を参照して説明したように、合併症構成要素740によって実行されてよい。
1030において、本方法は、1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップを含んでよい。1030の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、1030の動作の態様は、図7を参照して説明したように、ユーザインタフェース構成要素745によって実行されてよい。
図11は、本開示の態様による、ウェアラブルベースの生理学的データからの妊娠関連合併症の識別及び予測する方法1100を示すフローチャートである。方法1100の動作は、本明細書で説明されるように、ユーザデバイス又はその構成要素によって実装されてよい。例えば方法1100の動作は、図1から図8を参照して説明したようなユーザデバイスによって実行されてもよい。いくつかの例では、ユーザデバイスは、説明された機能を実行するようにユーザデバイスの機能要素を制御する命令のセットを実行してもよい。追加的又は代替的に、ユーザデバイスは、専用ハードウェアを使用して、説明された機能の態様を実行してもよい。
1105において、本方法は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受信するステップを含んでよく、生理学的データは、少なくとも体温データを含む。1115の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、1115の動作の態様は、図7を参照して説明したように、データ取得構成要素725によって実行されてよい。
1110において、本方法は、受信した体温データに少なくとも部分的に基づいて、複数日にわたって取得される複数の体温値の時系列を決定するステップを含んでよい。1110の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、1110の動作の態様は、図7を参照して説明したように、体温データ構成要素730によって実行されてよい。
1115において、本方法は、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップを含んでもよい。1115の動作は、本明細書に開示された例に従って実行されてもよい。いくつかの例では、1115の動作の態様は、図7を参照して説明したような偏差構成要素735によって実行されてもよい。
1120において、本方法は、1つ以上の妊娠合併症、1つ以上の妊娠症状又はその両方の確認を受信するステップを含んでよく、ここで、1つ以上の妊娠合併症の指標を検出することは、確認を受信することに少なくとも部分的に基づく。1120の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、1120の動作の態様は、図7を参照して説明したように、ユーザインタフェース構成要素745によって実行されてよい。
1125において、本方法は、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの1つ以上の妊娠合併症の指標を検出するステップを含んでよい。1125の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、1125の動作の態様は、図7を参照して説明したように、合併症構成要素740によって実行されてよい。
1130において、本方法は、1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップを含んでよい。1130の動作は、本明細書に開示される例に従って実行されてよい。いくつかの例では、1130の動作の態様は、図7を参照して説明したように、ユーザインタフェース構成要素745によって実行されてよい。
上記の方法は、可能な実装を説明しており、動作及びステップは、再配置又は他の方法で修正されてよく、他の実装も可能であることに留意されたい。さらに、上記の方法のうちの2つ以上からの態様を組み合わせてもよい。
方法を説明する。本方法は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取るステップであって、生理学的データは、少なくとも体温データを含むステップと、受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するステップと、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップと、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの1つ以上の妊娠合併症の指標を検出するステップと、1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップと、を含み得る。
装置を説明する。本装置は、プロセッサと、プロセッサに結合されたメモリと、メモリに記憶された命令を含み得る。命令は、プロセッサによって実行可能であり、本装置に、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取らせ、生理学的データは、少なくとも体温データを含み、受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定させ、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別させ、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの1つ以上の妊娠合併症の指標を検出させ、1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成させ得る。
別の装置を説明する。本装置は、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取るための手段であって、生理学的データは、少なくとも体温データを含む手段と、受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するための手段と、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別するための手段と、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの1つ以上の妊娠合併症の指標を検出するための手段と、1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するための手段とを含み得る。
非一時的コンピュータ読取可能媒体を説明する。コードは、プロセッサによって実行可能な命令であって、ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取り、生理学的データは、少なくとも体温データを含み、受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定し、時系列を決定したことに少なくとも部分的に基づいて、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別し、複数の体温値が、ユーザの体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、ユーザの1つ以上の妊娠合併症の指標を検出し、1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するための命令を含み得る。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、時系列を決定することに少なくとも部分的に基づいて、体温値の妊娠ベースラインに対する複数の体温値の時系列における偏差を計算するための動作、特徴、手段又は命令を更に含んでもよく、偏差は、時間の第1部分の間の体温値の妊娠ベースラインからの複数の体温値の減少と、第1部分に続く時間の第2部分の間の体温値の妊娠ベースラインからの複数の体温値の増加とを含み、複数の体温値がユーザの体温値の妊娠ベースラインから逸脱していることを識別することは、偏差を計算することに少なくとも部分的に基づいてよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、生理学的データを受信したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ波形の収縮期及び拡張期変曲点のフォトプレチスモグラフィ振幅変化を計算し、フォトプレチスモグラフィ振幅変化を計算したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ反射指数の値が妊娠ベースラインのフォトプレチスモグラフィ反射指数の値よりも大きいことを識別するための動作、特徴、手段又は命令を更に含んでもよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、生理学的データは心拍数データを更に含み、方法、装置及び非一時的コンピュータ読取可能媒体は、複数日の少なくとも一部の間に、受け取った心拍数データがユーザの妊娠ベースライン心拍数を超えることを決定するための動作、特徴、手段又は命令を更に含んでもよく、1つ以上の妊娠合併症の指標を検出することは、受け取った心拍数データがユーザの妊娠ベースライン心拍数を超えることを決定することに少なくとも部分的に基づいてよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、生理学的データは心拍数変動データを更に含み、方法、装置及び非一時的コンピュータ読取可能媒体は、複数日の少なくとも一部の間に、受け取った心拍数変動データが、ユーザの妊娠ベースライン心拍数変動より小さいことを決定するための動作、特徴、手段又は命令を更に含んでもよく、1つ以上の妊娠合併症の指標を検出するステップは、受け取った心拍数変動データがユーザの妊娠ベースライン心拍数変動より小さいことを決定することに少なくとも部分的に基づいてよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、生理学的データは低周波心拍数変動データを更に含み、方法、装置及び非一時的コンピュータ読取可能媒体は、複数日の少なくとも一部の間に、受け取った低周波心拍数変動データがユーザの妊娠ベースライン低周波心拍数変動を超えることを決定するための動作、特徴、手段又は命令を更に含んでもよく、1つ以上の妊娠合併症の指標を検出することは、受け取った低周波心拍数変動データがユーザの妊娠ベースライン低周波心拍数変動を超えることを決定することに少なくとも部分的に基づいてよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、生理学的データは呼吸数データを更に含み、方法、装置及び非一時的コンピュータ読取可能媒体は、複数日の少なくとも一部の間に、受け取った呼吸数データがユーザの妊娠ベースライン呼吸数を超えることを決定するための動作、特徴、手段又は命令を更に含んでもよく、1つ以上の妊娠合併症の指標を検出することは、受け取った呼吸数データがユーザの妊娠ベースライン呼吸数を超えることを決定することに少なくとも部分的に基づいてよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、生理学的データは血中酸素飽和度データを更に含み、方法、装置及び非一時的コンピュータ読取可能媒体は、複数日の少なくとも一部の間に、受け取った血中酸素飽和度データがユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定するための動作、特徴、手段又は命令を更に含んでもよく、1つ以上の妊娠合併症の指標を検出することは、受け取った血中酸素飽和度データが、ユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定することに少なくとも部分的に基づいてよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、1つ以上の妊娠合併症、1つ以上の妊娠症状又はその両方の確認を受け取るための動作、特徴、手段又は命令を更に含んでもよく、1つ以上の妊娠合併症の指標を検出することは、確認を受け取ることに少なくとも部分的に基づいてよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、体温データを受け取ることに少なくとも部分的に基づいて、複数の体温値の各体温値を決定するための動作、特徴、手段又は命令を更に含んでもよく、体温データは、連続的な夜間の体温データを含む。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、複数の体温値が体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、将来の妊娠合併症の可能性を推定するための動作、特徴、手段又は命令を更に含んでもよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、1つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、ユーザに関連付けられる準備スコア、ユーザに関連付けられる活動スコア、ユーザに関連付けられる睡眠スコア又はそれらの組合せを更新するための動作、特徴、手段又は命令を更に含んでもよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、1つ以上の妊娠合併症の指標を示すメッセージをユーザデバイスに送信するための動作、特徴、手段又は命令を更に含んでもよく、ユーザデバイスは臨床医、ユーザ又はその両方に関連付けられる。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、1つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに妊娠合併症の症状タグを表示させるための動作、特徴、手段又は命令を更に含んでもよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに、1つ以上の妊娠合併症の指標に関連付けられるメッセージを表示させるための動作、特徴、手段又は命令を更に含んでもよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、メッセージは、1つ以上の妊娠合併症が起こった時間間隔、1つ以上の妊娠合併症が起こると予測される時間間隔、1つ以上の妊娠合併症に関連付けられる症状を入力する要求、1つ以上の妊娠合併症に関連付けられる教育コンテンツ、睡眠目標の調整されたセット、活動目標の調整されたセット、1つ以上の妊娠合併症に関連付けられる症状を改善するための推奨、臨床医に相談するための推奨又はこれらの組合せを更に含む。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例は、生理学的データを機械学習分類器に入力するための動作、特徴、手段又は命令を更に含んでもよく、1つ以上の妊娠合併症の指標を検出することは、生理学的データを機械学習分類器に入力することに少なくとも部分的に基づいてよい。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、1つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症、子癇、心血管代謝障害、妊娠糖尿病、感染症又はこれらの組合せを含む。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、ウェアラブルデバイスは、ウェアラブルリングデバイスを含む。
本明細書で説明される方法、装置及び非一時的コンピュータ読取可能媒体のいくつかの例において、ウェアラブルデバイスは、動脈血流に基づいて、ユーザから生理学的データを収集する。
以下は、本開示の態様の概要を提供する:
態様1:ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取るステップであって、前記生理学的データは、少なくとも体温データを含むステップと;受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するステップと;前記時系列を決定したことに少なくとも部分的に基づいて、前記複数の体温値が、前記ユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップと;前記複数の体温値が、前記ユーザの体温値の前記妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、前記ユーザの1つ以上の妊娠合併症の指標を検出するステップと;前記1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップと;を含む、方法。
態様2:前記時系列を決定することに少なくとも部分的に基づいて、前記体温値の妊娠ベースラインに対する前記複数の体温値の前記時系列における偏差を計算するステップを更に含み、前記偏差は、時間の第1部分の間の前記体温値の妊娠ベースラインからの前記複数の体温値の減少と、前記第1部分に続く時間の第2部分の間の前記体温値の妊娠ベースラインからの前記複数の体温値の増加とを含み、前記複数の体温値が、前記ユーザの前記体温値の妊娠ベースラインから逸脱していることを識別するステップは、前記偏差を計算することに少なくとも部分的に基づく、態様1に記載の方法。
態様3:前記生理学的データを受信したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ波形の収縮期及び拡張期変曲点のフォトプレチスモグラフィ振幅変化を計算するステップと、前記フォトプレチスモグラフィ振幅変化を計算したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ反射指数の値が妊娠ベースラインのフォトプレチスモグラフィ反射指数の値よりも大きいことを識別するステップと、を更に含む態様1又は2に記載の方法。
態様4:前記生理学的データは心拍数データを更に含み、当該方法は、前記複数日の少なくとも一部の間に、受け取った心拍数データが前記ユーザの妊娠ベースライン心拍数を超えることを決定するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記受け取った心拍数データが前記ユーザの前記妊娠ベースライン心拍数を超えることを決定することに少なくとも部分的に基づく、態様1乃至3のいずれかに記載の方法。
態様5:前記生理学的データは心拍数変動データを更に含み、当該方法は、前記複数日の少なくとも一部の間に、受け取った心拍数変動データが、前記ユーザの妊娠ベースライン心拍数変動より小さいことを決定するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記受け取った心拍数変動データが前記ユーザの妊娠ベースライン心拍数変動より小さいことを決定することに少なくとも部分的に基づく、態様1乃至4のいずれかに記載の方法。
態様6:前記生理学的データは低周波心拍数変動データを更に含み、当該方法は、前記複数日の少なくとも一部の間に、受け取った低周波心拍数変動データが前記ユーザの妊娠ベースライン低周波心拍数変動を超えることを決定するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記受け取った低周波心拍数変動データが前記ユーザの前記妊娠ベースライン低周波心拍数変動を超えることを決定することに少なくとも部分的に基づく、態様1乃至5のいずれかに記載の方法。
態様7:前記生理学的データは呼吸数データを更に含み、当該方法は、前記複数日の少なくとも一部の間に、受け取った呼吸数データが前記ユーザの妊娠ベースライン呼吸数を超えることを決定するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記受け取った呼吸数データが前記ユーザの前記妊娠ベースライン呼吸数を超えることを決定することに少なくとも部分的に基づく、態様1乃至6のいずれかに記載の方法。
態様8:前記生理学的データは血中酸素飽和度データを更に含み、当該方法は、前記複数日の少なくとも一部の間に、受け取った血中酸素飽和度データが前記ユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記受け取った血中酸素飽和度データが、前記ユーザの前記妊娠ベースライン血中酸素飽和度よりも低いことを決定することに少なくとも部分的に基づく、態様1乃至7のいずれかに記載の方法。
態様9:前記1つ以上の妊娠合併症、1つ以上の妊娠症状又はその両方の確認を受け取るステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記確認を受け取ることに少なくとも部分的に基づく、態様1乃至8のいずれかに記載の方法。
態様10:前記体温データを受け取ることに少なくとも部分的に基づいて、前記複数の体温値の各体温値を決定するステップを更に含み、前記体温データは、連続的な夜間の体温データを含む、態様1乃至9のいずれかに記載の方法。
態様11:前記複数の体温値が前記体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、将来の妊娠合併症の可能性を推定するステップを更に含む、態様1乃至10のいずれかに記載の方法。
態様12:前記1つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、前記ユーザに関連付けられる準備スコア、前記ユーザに関連付けられる活動スコア、前記ユーザに関連付けられる睡眠スコア又はそれらの組合せを更新するステップを更に含む、態様1乃至11のいずれかに記載の方法。
態様13:前記1つ以上の妊娠合併症の指標を示すメッセージを前記ユーザデバイスに送信するステップを更に含み、前記ユーザデバイスは臨床医、前記ユーザ又はその両方に関連付けられる、態様1乃至12のいずれかに記載の方法。
態様14:前記1つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、前記ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに妊娠合併症の症状タグを表示させるステップを更に含む、態様1乃至13のいずれかに記載の方法。
態様15:前記ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに、前記1つ以上の妊娠合併症の指標に関連付けられるメッセージを表示させるステップを更に含む、態様1乃至14のいずれかに記載の方法。
態様16:前記メッセージは、前記1つ以上の妊娠合併症が起こった時間間隔、前記1つ以上の妊娠合併症が起こると予測される時間間隔、前記1つ以上の妊娠合併症に関連付けられる症状を入力する要求、前記1つ以上の妊娠合併症に関連付けられる教育コンテンツ、睡眠目標の調整されたセット、活動目標の調整されたセット、前記1つ以上の妊娠合併症に関連付けられる症状を改善するための推奨、臨床医に相談するための推奨又はこれらの組合せを更に含む、態様15に記載の方法。
態様17:前記生理学的データを機械学習分類器に入力するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記生理学的データを前記機械学習分類器に入力することに少なくとも部分的に基づく、態様1乃至16のいずれかに記載の方法。
態様18:前記1つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症、子癇、心血管代謝障害、妊娠糖尿病、感染症又はこれらの組合せを含む、態様1乃至17のいずれかに記載の方法。
態様19:前記ウェアラブルデバイスは、ウェアラブルリングデバイスを含む、態様1乃至18のいずれかに記載の方法。
態様20:前記ウェアラブルデバイスは、動脈血流に基づいて、前記ユーザから前記生理学的データを収集する、態様1乃至19のいずれかに記載の方法。
態様21:装置であって:プロセッサと;前記プロセッサに結合されたメモリと;前記メモリに記憶され、前記プロセッサによって実行可能であり、当該装置に、態様1乃至20のいずれかに記載の方法を実行させる命令と;を備える、装置。
態様22:態様1乃至20のいずれかに記載の方法を実行するための少なくとも1つの手段を備える装置。
態様23:コードを記憶する非一時的コンピュータ読取可能媒体であって、前記コードは、態様1乃至20のいずれかに記載の方法を実行するためにプロセッサによって実行可能な命令を備える、非一時的コンピュータ読取可能媒体。
添付図面に関連して、本明細書で説明される説明は、例示的な構成を記載しており、実装され得るか又は特許請求の範囲内にあるすべての例を表すものではない。本明細書で使用される「例示的」という用語は、「例、例示又は説明として機能する」ことを意味し、「好ましい」又は「他の例より有利である」ことを意味しない。詳細な説明は、記載される技術の理解を提供する目的のための特定の詳細を含む。しかしながら、これらの技術は、これらの特定の詳細なしに実施されてもよい。いくつかの例では、記載される例の概念を不明瞭にすることを避けるために、周知の構造及びデバイスがブロック図の形式で示されている。
添付の図面では、類似の構成要素又は特徴は、同じ参照ラベルを有することがある。さらに、同じタイプの様々な構成要素は、ハイフンによって参照ラベルの後に続き、類似の構成要素を区別する第2ラベルによって区別されることがある。明細書において第1参照ラベルのみが使用される場合、説明は、第2参照ラベルに関係なく、同じ第1参照ラベルを有する類似の構成要素の任意の1つに適用可能である。
本明細書で説明される情報及び信号は、様々な異なるテクノロジ及び技術のいずれかを使用して表されてもよい。例えば上記の説明を通して参照され得るデータ、命令、コマンド、情報、信号、ビット、シンボル及びチップは、電圧、電流、電磁波、磁場又は粒子、光学場又は粒子、あるいはそれらの任意の組合せによって表されてもよい。
本明細書の開示に関連して説明される様々な例示のブロック及びモジュールは、汎用プロセッサ、DSP、ASIC、FPGA又は他のプログラマブル論理デバイス、離散ゲート又はトランジスタ論理、離散ハードウェア構成要素、あるいは本明細書に説明される機能を実行するように設計されたそれらの任意の組合せで実装又は実行されてもよい。汎用プロセッサはマイクロプロセッサであってもよいが、代替的に、プロセッサは、任意の従来のプロセッサ、コントローラ、マイクロコントローラ又は状態マシンであってもよい。プロセッサはまた、コンピューティングデバイスの組合せ(例えばDSPとマイクロプロセッサの組合せ、複数のマイクロプロセッサ、DSPコアと関連する1つ以上のマイクロプロセッサ又は任意の他のそのような構成)として実装されてもよい。
本明細書で説明される機能は、ハードウェア、プロセッサによって実行されるソフトウェア、ファームウェア又はそれらの任意の組合せで実装されてよい。プロセッサによって実行されるソフトウェアで実装される場合、機能は、コンピュータ読取可能媒体上の1つ以上の命令又はコードとして記憶されるか又は伝送され得る。他の例及び実装は、本開示の範囲及び添付の特許請求の範囲内である。例えばソフトウェアの性質により、上述の機能は、プロセッサ、ハードウェア、ファームウェア、ハードワイヤリング又はこれらの任意の組合せによって実行されるソフトウェアを使用して実装することができる。機能を実装する特徴はまた、機能の一部が異なる物理的位置で実装されるように分散されることを含め、物理的に様々な位置に配置されてもよい。また、特許請求の範囲を含め、本明細書中で使用されるとき、項目のリスト(例えば「のうちの少なくとも1つ」又は「のうちの1つ以上」のような句が前にある項目のリスト)で使用される「又は(or)」は、例えばA、B、又はCのうちの少なくとも1つのリストが、A又はB又はC又はAB又はAC又はBC又はABC(すなわち、AとBとC)を意味するような包括的なリストを示す。また、本明細書で使用されるとき、「に基づいて」という句は、条件のクローズなセットを指すように解釈されないものとする。例えば「条件Aに基づいて」として記載される例示的なステップは、本開示の範囲から逸脱することなく、条件A及び条件Bの両方に基づいてもよい。言い換えると、本明細書で使用されるとき、「に基づいて」という句は、「少なくとも部分的に基づいて」という句と同じ方法で解釈されるものとする。
コンピュータ読取可能媒体は、非一時的コンピュータ記憶媒体と、ある場所から別の場所へのコンピュータプログラムの転送を容易にする任意の媒体を含む通信媒体との両方を含む。非一時的記憶媒体は、汎用又は専用コンピュータによってアクセスされ得る任意の利用可能な媒体であってよい。限定ではなく例として、非一時的コンピュータ読取可能媒体は、RAM、ROM、電気的消去可能なプログラム可能ROM(EEPROM)、コンパクトディスク(CD)ROM又は他の光ディスクストレージ、磁気ディスクストレージ又は他の磁気ストレージデバイス、あるいは命令又はデータ構造の形式で所望のプログラムコード手段を搬送又は記憶するために使用することができ、かつ汎用若しくは専用コンピュータ又は汎用若しくは専用プロセッサによってアクセスすることができる、任意の他の非一時的媒体を含むことができる。また、任意の接続は、適切には、コンピュータ読取可能媒体と呼ばれる。例えばソフトウェアが、同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者線(DSL)、又は赤外線や無線、マイクロ波のような無線技術を使用して、ウェブサイト、サーバ又は他のリモートソースから送信される場合、その同軸ケーブル、光ファイバケーブル、ツイストペア、DSL、又は赤外線や無線、マイクロ波のような無線技術は媒体の定義に含まれる。本明細書で使用されるときディスク(disk又はdisc)は、CD、レーザディスク、光ディスク、デジタル多用途ディスク(DVD)、フロッピーディスク及びブルーレイ(登録商標)ディスクを含むが、ここで、ディスク(disk)は通常、データを磁気的に再生し、一方、ディスク(disc)はレーザーを用いてデータを光学的に再生する。上記の組合せも、コンピュータ読取可能媒体の範囲内に含まれる。
本明細書における説明は、当業者が本開示を作成又は使用することを可能にするために提供される。本開示に対する様々な修正は、当業者には容易に明らかとなり、本明細書に定義される一般的な原理は、本開示の範囲から逸脱することなく、他の変形に適用され得る。したがって、本開示は、本明細書で説明される実施例及び設計に限定されず、本明細書に開示される原理及び新規な特徴と一致する最も広い範囲が与えられるべきである。
Claims (20)
- ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取るステップであって、前記生理学的データは、少なくとも体温データを含むステップと、
受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定するステップと、
前記時系列を決定したことに少なくとも部分的に基づいて、前記複数の体温値が、前記ユーザの体温値の妊娠ベースラインから逸脱していることを識別するステップと、
前記複数の体温値が、前記ユーザの体温値の前記妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、前記ユーザの1つ以上の妊娠合併症の指標を検出するステップと、
前記1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成するステップと、
を含む、方法。 - 前記時系列を決定したことに少なくとも部分的に基づいて、前記体温値の妊娠ベースラインに対する前記複数の体温値の前記時系列における偏差を計算するステップを更に含み、前記偏差は、時間の第1部分の間の前記体温値の妊娠ベースラインからの前記複数の体温値の減少と、前記第1部分に続く時間の第2部分の間の前記体温値の妊娠ベースラインからの前記複数の体温値の増加とを含み、前記複数の体温値が、前記ユーザの前記体温値の妊娠ベースラインから逸脱していることを識別するステップは、前記偏差を計算することに少なくとも部分的に基づく、
請求項1に記載の方法。 - 前記生理学的データを受信したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ波形の収縮期及び拡張期変曲点のフォトプレチスモグラフィ振幅変化を計算するステップと、
前記フォトプレチスモグラフィ振幅変化を計算したことに少なくとも部分的に基づいて、フォトプレチスモグラフィ反射指数の値が妊娠ベースラインのフォトプレチスモグラフィ反射指数の値よりも大きいことを識別するステップと、
を更に含む、請求項1に記載の方法。 - 前記生理学的データは心拍数データを更に含み、当該方法は、
前記複数日の少なくとも一部の間に、受け取った心拍数データが前記ユーザの妊娠ベースライン心拍数を超えることを決定するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記受け取った心拍数データが前記ユーザの前記妊娠ベースライン心拍数を超えることを決定することに少なくとも部分的に基づく、
請求項1に記載の方法。 - 前記生理学的データは心拍数変動データを更に含み、当該方法は、
前記複数日の少なくとも一部の間に、受け取った心拍数変動データが、前記ユーザの妊娠ベースライン心拍数変動より小さいことを決定するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記受け取った心拍数変動データが前記ユーザの妊娠ベースライン心拍数変動より小さいことを決定することに少なくとも部分的に基づく、
請求項1に記載の方法。 - 前記生理学的データは低周波心拍数変動データを更に含み、当該方法は、
前記複数日の少なくとも一部の間に、受け取った低周波心拍数変動データが前記ユーザの妊娠ベースライン低周波心拍数変動を超えることを決定するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記受け取った低周波心拍数変動データが前記ユーザの前記妊娠ベースライン低周波心拍数変動を超えることを決定することに少なくとも部分的に基づく、
請求項1に記載の方法。 - 前記生理学的データは呼吸数データを更に含み、当該方法は、
前記複数日の少なくとも一部の間に、受け取った呼吸数データが前記ユーザの妊娠ベースライン呼吸数を超えることを決定するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記受け取った呼吸数データが前記ユーザの前記妊娠ベースライン呼吸数を超えることを決定することに少なくとも部分的に基づく、
請求項1に記載の方法。 - 前記生理学的データは血中酸素飽和度データを更に含み、当該方法は、
前記複数日の少なくとも一部の間に、受け取った血中酸素飽和度データが前記ユーザの妊娠ベースライン血中酸素飽和度よりも低いことを決定するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記受け取った血中酸素飽和度データが、前記ユーザの前記妊娠ベースライン血中酸素飽和度よりも低いことを決定することに少なくとも部分的に基づく、
請求項1に記載の方法。 - 前記1つ以上の妊娠合併症、1つ以上の妊娠症状又はその両方の確認を受け取るステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記確認を受け取ることに少なくとも部分的に基づく、
請求項1に記載の方法。 - 前記体温データを受け取ったことに少なくとも部分的に基づいて、前記複数の体温値の各体温値を決定するステップを更に含み、前記体温データは、連続的な夜間の体温データを含む、
請求項1に記載の方法。 - 前記複数の体温値が前記体温値の妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、将来の妊娠合併症の可能性を推定するステップを更に含む、
請求項1に記載の方法。 - 前記1つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、前記ユーザに関連付けられる準備スコア、前記ユーザに関連付けられる活動スコア、前記ユーザに関連付けられる睡眠スコア又はそれらの組合せを更新するステップを更に含む、
請求項1に記載の方法。 - 前記1つ以上の妊娠合併症の指標を示すメッセージを前記ユーザデバイスに送信するステップを更に含み、前記ユーザデバイスは臨床医、前記ユーザ又はその両方に関連付けられる、
請求項1に記載の方法。 - 前記1つ以上の妊娠合併症の指標を検出したことに少なくとも部分的に基づいて、前記ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに妊娠合併症の症状タグを表示させるステップを更に含む、
請求項1に記載の方法。 - 前記ユーザに関連付けられるユーザデバイスのグラフィカルユーザインタフェースに、前記1つ以上の妊娠合併症の指標に関連付けられるメッセージを表示させるステップを更に含む、
請求項1に記載の方法。 - 前記メッセージは、前記1つ以上の妊娠合併症が起こった時間間隔、前記1つ以上の妊娠合併症が起こると予測される時間間隔、前記1つ以上の妊娠合併症に関連付けられる症状を入力する要求、前記1つ以上の妊娠合併症に関連付けられる教育コンテンツ、睡眠目標の調整されたセット、活動目標の調整されたセット、前記1つ以上の妊娠合併症に関連付けられる症状を改善するための推奨、臨床医に相談するための推奨又はこれらの組合せを更に含む、
請求項15に記載の方法。 - 前記生理学的データを機械学習分類器に入力するステップを更に含み、前記1つ以上の妊娠合併症の指標を検出するステップは、前記生理学的データを前記機械学習分類器に入力することに少なくとも部分的に基づく、
請求項1に記載の方法。 - 前記1つ以上の妊娠合併症は、既存の慢性高血圧、妊娠高血圧、子癇前症、子癇、心血管代謝障害、妊娠糖尿病、感染症又はこれらの組合せを含む、
請求項1に記載の方法。 - 装置であって、
プロセッサと、
前記プロセッサに結合されたメモリと、
前記メモリに記憶され、前記プロセッサによって実行可能な命令であって、当該装置に、
ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取らせ、前記生理学的データは、少なくとも体温データを含み、
受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定させ、
前記時系列を決定したことに少なくとも部分的に基づいて、前記複数の体温値が、前記ユーザの体温値の妊娠ベースラインから逸脱していることを識別させ、
前記複数の体温値が、前記ユーザの体温値の前記妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、前記ユーザの1つ以上の妊娠合併症の指標を検出させ、
前記1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成させる、
命令と、
を備える、装置。 - コードを記憶する非一時的コンピュータ読取可能媒体であって、前記コードは、プロセッサによって実行可能な命令であって、
ウェアラブルデバイスから、妊娠しているユーザに関連付けられる生理学的データを受け取り、前記生理学的データは、少なくとも体温データを含み、
受け取った体温データに少なくとも部分的に基づいて、複数日にわたって取得された複数の体温値の時系列を決定し、
前記時系列を決定したことに少なくとも部分的に基づいて、前記複数の体温値が、前記ユーザの体温値の妊娠ベースラインから逸脱していることを識別し、
前記複数の体温値が、前記ユーザの体温値の前記妊娠ベースラインから逸脱していることを識別したことに少なくとも部分的に基づいて、前記ユーザの1つ以上の妊娠合併症の指標を検出し、
前記1つ以上の妊娠合併症の指標を示す、ユーザデバイスのグラフィカルユーザインタフェースに表示するためのメッセージを生成する、
ための命令を含む、非一時的コンピュータ読取可能媒体。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163169314P | 2021-04-01 | 2021-04-01 | |
US63/169,314 | 2021-04-01 | ||
US17/710,095 | 2022-03-31 | ||
PCT/US2022/022909 WO2022212758A1 (en) | 2021-04-01 | 2022-03-31 | Pregnancy-related complication identification and prediction from wearable-based physiological data |
US17/710,095 US20220313148A1 (en) | 2021-04-01 | 2022-03-31 | Pregnancy-related complication identification and prediction from wearable-based physiological data |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2024513847A true JP2024513847A (ja) | 2024-03-27 |
Family
ID=83449717
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023560548A Pending JP2024513847A (ja) | 2021-04-01 | 2022-03-31 | ウェアラブルベースの生理学的データからの妊娠関連合併症の識別と予測 |
JP2023560365A Pending JP2024513829A (ja) | 2021-04-01 | 2022-03-31 | ウェアラブルベースの生理学的データからの流産の識別と予測 |
JP2023560364A Pending JP2024513828A (ja) | 2021-04-01 | 2022-03-31 | ウェアラブルベースの生理学的データからの陣痛開始と出生の識別及び予測 |
JP2023560359A Pending JP2024514496A (ja) | 2021-04-01 | 2022-03-31 | ウェアラブルベースの生理学的データからの妊娠検出 |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023560365A Pending JP2024513829A (ja) | 2021-04-01 | 2022-03-31 | ウェアラブルベースの生理学的データからの流産の識別と予測 |
JP2023560364A Pending JP2024513828A (ja) | 2021-04-01 | 2022-03-31 | ウェアラブルベースの生理学的データからの陣痛開始と出生の識別及び予測 |
JP2023560359A Pending JP2024514496A (ja) | 2021-04-01 | 2022-03-31 | ウェアラブルベースの生理学的データからの妊娠検出 |
Country Status (5)
Country | Link |
---|---|
US (7) | US20220313223A1 (ja) |
EP (6) | EP4312734A1 (ja) |
JP (4) | JP2024513847A (ja) |
AU (4) | AU2022252334A1 (ja) |
CA (4) | CA3215867A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3841960A1 (en) * | 2019-12-23 | 2021-06-30 | Koninklijke Philips N.V. | Optimizing sleep onset based on personalized exercise timing to adjust the circadian rhythm |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5373852A (en) * | 1993-06-25 | 1994-12-20 | The Regents Of The University Of California | Monitoring uterine contractions by radiotelemetric transmission |
US5813766A (en) * | 1997-08-12 | 1998-09-29 | Chen; Mei-Yen | Finger temperature indicating ring |
JP4487074B2 (ja) * | 2006-03-13 | 2010-06-23 | 国立大学法人信州大学 | 耳温測定による分娩監視装置 |
US20170224268A1 (en) * | 2016-02-10 | 2017-08-10 | Bloom Technologies NV | Systems and methods for detecting a labor condition |
WO2017079740A1 (en) * | 2015-11-05 | 2017-05-11 | Wayne State University | Kits and methods to distinguish false labor and true labor |
US11406832B2 (en) * | 2018-07-27 | 2022-08-09 | Medtronic, Inc. | Patient-intermediated therapy management |
EP3786977A1 (de) * | 2019-08-29 | 2021-03-03 | WPmed GbR | Computerimplementiertes verfahren und elektronisches system zur prognose eines entbindungszeitpunkts |
-
2022
- 2022-03-31 JP JP2023560548A patent/JP2024513847A/ja active Pending
- 2022-03-31 AU AU2022252334A patent/AU2022252334A1/en active Pending
- 2022-03-31 EP EP22720820.4A patent/EP4312734A1/en active Pending
- 2022-03-31 EP EP22720821.2A patent/EP4312735A1/en active Pending
- 2022-03-31 US US17/709,736 patent/US20220313223A1/en active Pending
- 2022-03-31 CA CA3215867A patent/CA3215867A1/en active Pending
- 2022-03-31 EP EP22720819.6A patent/EP4312733A1/en active Pending
- 2022-03-31 JP JP2023560365A patent/JP2024513829A/ja active Pending
- 2022-03-31 AU AU2022249148A patent/AU2022249148A1/en active Pending
- 2022-03-31 CA CA3215600A patent/CA3215600A1/en active Pending
- 2022-03-31 EP EP22720817.0A patent/EP4312798A1/en active Pending
- 2022-03-31 US US17/709,938 patent/US20220313146A1/en active Pending
- 2022-03-31 US US17/709,773 patent/US20220313224A1/en active Pending
- 2022-03-31 EP EP22720818.8A patent/EP4312724A2/en active Pending
- 2022-03-31 AU AU2022246658A patent/AU2022246658A1/en active Pending
- 2022-03-31 JP JP2023560364A patent/JP2024513828A/ja active Pending
- 2022-03-31 EP EP22718450.4A patent/EP4312797A1/en active Pending
- 2022-03-31 CA CA3215868A patent/CA3215868A1/en active Pending
- 2022-03-31 JP JP2023560359A patent/JP2024514496A/ja active Pending
- 2022-03-31 US US17/710,095 patent/US20220313148A1/en active Pending
- 2022-03-31 US US17/710,230 patent/US20220313149A1/en active Pending
- 2022-03-31 US US17/710,045 patent/US20220313147A1/en active Pending
- 2022-03-31 AU AU2022249147A patent/AU2022249147A1/en active Pending
- 2022-03-31 CA CA3215261A patent/CA3215261A1/en active Pending
- 2022-03-31 US US17/710,013 patent/US20220319690A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20220319690A1 (en) | 2022-10-06 |
US20220313147A1 (en) | 2022-10-06 |
EP4312735A1 (en) | 2024-02-07 |
AU2022252334A1 (en) | 2023-10-12 |
CA3215868A1 (en) | 2022-10-06 |
CA3215261A1 (en) | 2022-10-06 |
EP4312724A2 (en) | 2024-02-07 |
JP2024513828A (ja) | 2024-03-27 |
US20220313149A1 (en) | 2022-10-06 |
AU2022246658A1 (en) | 2023-10-12 |
EP4312797A1 (en) | 2024-02-07 |
AU2022249147A1 (en) | 2023-10-12 |
JP2024513829A (ja) | 2024-03-27 |
US20220313146A1 (en) | 2022-10-06 |
US20220313223A1 (en) | 2022-10-06 |
JP2024514496A (ja) | 2024-04-02 |
CA3215867A1 (en) | 2022-10-06 |
AU2022249148A1 (en) | 2023-10-12 |
US20220313224A1 (en) | 2022-10-06 |
EP4312798A1 (en) | 2024-02-07 |
EP4312733A1 (en) | 2024-02-07 |
CA3215600A1 (en) | 2022-10-06 |
US20220313148A1 (en) | 2022-10-06 |
EP4312734A1 (en) | 2024-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220313148A1 (en) | Pregnancy-related complication identification and prediction from wearable-based physiological data | |
US20220287622A1 (en) | Menstrual cycle tracking | |
WO2023034124A1 (en) | Techniques for predicting menstrual cycle onset | |
WO2022212744A2 (en) | Pregnancy detection from wearable-based physiological data | |
WO2022192684A1 (en) | Menstrual cycle tracking | |
US20240032836A1 (en) | Prenatal, perinatal, or postnatal mental or emotional distress identification and prediction | |
US20240071624A1 (en) | Techniques for identifying polycystic ovary syndrome and endometriosis from wearable-based physiological data | |
US20230061823A1 (en) | Techniques for predicting menstrual cycle onset | |
WO2022212758A1 (en) | Pregnancy-related complication identification and prediction from wearable-based physiological data | |
US20230084205A1 (en) | Techniques for menopause and hot flash detection and treatment | |
US20240041340A1 (en) | Cardiovascular health metric determination from wearable-based physiological data | |
WO2022212755A1 (en) | Miscarriage identification and prediction from wearable-based physiological data | |
JP2024513825A (ja) | ウェアラブルベースの生理学的データからの無排卵周期の検出 | |
WO2022212750A1 (en) | Labor onset and birth identification and prediction from wearable-based physiological data | |
JP2024514495A (ja) | ウェアラブルベースの生理学的データからの妊孕性予測 |