JP2024519354A - 睡眠障害イベントを検出するための方法および装置 - Google Patents

Abstract

睡眠障害イベントを検出する装置および方法。この装置は、１つまたは複数のセンサによって生成された１つまたは複数の生理学的信号にアクセスするように構成され得る。この装置は、１つまたは複数の生理学的信号から睡眠障害イベントを示唆するシードイベントを検出するように構成され得る。この装置は、検出されたシードイベントに関連付けられた１つまたは複数の生理学的信号の部分内のパターンを示す特徴を計算するように構成され得る。この装置は、シードイベントのパターンを示す計算された特徴を分類器に適用するように構成され得る。分類器は、睡眠障害イベントの学習された反復パターンに対する計算された特徴の適合度を計算するように訓練され得る。この装置は、分類器によって決定された計算された適合度に基づいて、シードイベントに対応する睡眠障害イベント（複数可）の識別を出力するように構成され得る。【選択図】図２

Description

（関連出願の相互参照）
本願は、２０２１年５月１２日に提出された欧州特許出願第２１１７３５６２．６号の利益を主張しており、その開示内容は引用することにより本明細書の一部をなすものとする。

本技術は、一般に、呼吸器関連障害などの障害のスクリーニング、検出、診断、監視、治療、予防、および改善のうちの１つまたは複数に関する。本技術はまた、医療デバイスまたは装置、およびそれらの使用にも関する。いくつかの実装形態では、本技術は、たとえば中枢性または閉塞性無呼吸を含む睡眠呼吸障害のような睡眠障害イベントのスクリーニング、検出診断、監視、治療、予防および／または改善にも関する。

（療法）
このような疾病を治療または改善するために、様々な療法が用いられてきた。さらに、その他の点では呼吸障害の発症を防止するために健常人がそのような治療をうまく利用する場合がある。

経鼻持続的気道陽圧換気（ＣＰＡＰ）療法は閉塞性睡眠時無呼吸症候群（ＯＳＡ）の治療に使用されている。その作用機構としては、持続的気道陽圧が、空気圧スプリントとして作用するとともに、軟口蓋および舌を押して後口咽頭壁へ前進または後退させることによって上気道の閉鎖を防止し得る。

高流量療法（ＨＦＴ）は、密閉された患者インターフェース内の気道陽圧に依存するのではなく、大気に対して明らかに開放されている可能性のある密閉されていない患者インターフェースを通って患者の気道入口（複数可）付近に空気を治療流量で送達することに依存する。高流量療法はＯＳＡ、ＣＳＲ、およびＣＯＰＤの治療に用いられている。一般的な呼吸流量に対して、高い流量で気道に送られる空気は、患者解剖学的デッドスペースを洗い流し、再呼吸されるＣＯ_２の量を減少させて、ガス交換の効率を向上させる。高流量療法は呼吸圧療法と組み合わせて用いることができる。

非侵襲的換気（ＮＩＶ）は、上気道を通じて換気補助を患者へ提供して、呼吸機能の一部または全体を行うことにより患者の深呼吸の補助および／または身体中の適切な酸素レベルの維持を提供する。ＮＩＶは、非侵襲的な患者インターフェースを介して提供される。ＮＩＶは、ＣＳＲ、ＯＨＳ、ＣＯＰＤ、ＮＭＤ、および胸壁障害の治療に使用されている。

（診断・治療システム）
これらの治療は、治療システムまたはデバイスによって提供され得る。このようなシステムおよびデバイスは、状態を治療せずに診断するために使用することもできる。

治療システムは、高流量療法デバイス（ＨＦＴデバイス）などの呼吸流量療法デバイスまたは呼吸圧療法デバイス（ＲＰＴデバイス）などの呼吸療法デバイス（ＲＴデバイス）と、空気回路と、加湿器と、患者インターフェースとを含むことができる。

（患者インターフェース）
患者インターフェースは、たとえば呼吸可能なガスの流れを提供することによって、呼吸装置をそのユーザにインターフェースするために使用され得る。呼吸可能なガスの流れは、マスクを介してユーザの鼻および／または口に、チューブを介して口に、または気管切開チューブを介してユーザの気管に提供され得る。適用される治療によっては、患者インターフェースは、たとえば患者の顔の一部とシールを形成することによって周囲圧力と十分に異なる圧力、たとえば、周囲圧力に対して約１０ｃｍＨ_２Ｏの陽圧でガス送達を促進し、治療を効果的に実行し得る。酸素送達などの他の治療形態の場合、患者インターフェースは、約１０ｃｍＨ_２Ｏの陽圧で気道へのガス供給の送達を促進するのに十分な密封性を含まないことがある。

（呼吸圧力療法（ＲＰＴ）デバイス）
空気圧発生器は、広範な用途（たとえば、工業規模の換気システム）において公知である。しかし、医療用途の空気圧発生器には、医療デバイスの信頼性、サイズ、重量の要件など、より一般化された空気圧発生器では満たされない特定の要件がある。加えて、さらに、医療用に設計されたデバイスであっても、快適さ、騒音、使いやすさ、有効性、サイズ、重量、製造可能性、コスト、信頼性のうちの１つまたは複数を含む欠点がある場合がある。

睡眠呼吸障害の治療に使用される既知のＲＰＴデバイスの１つは、ＲｅｓＭｅｄによって製造されたＳ９ＳｌｅｅｐＴｈｅｒａｐｙＳｙｓｔｅｍであり、ＣＰＡＰ療法を証明している。ＲＰＴデバイスの別の例は、ベンチレータである。ＲｅｓＭｅｄ Ｓｔｅｌｌａｒ（登録商標）シリーズの成人用および小児用ベンチレータなどのベンチレータは、ＮＭＤ、ＯＨＳ、ＣＯＰＤなど（ただしこれらに限定されない）の多くの症状を治療するために、さまざまな患者に侵襲的および非侵襲的な非依存性換気療法を提供できる。

ＲＰＴデバイスは、通常、モータ駆動のブロワーや圧縮ガスリザーバなどの圧力発生器を備え、患者の気道に加圧空気を供給するように構成されている。ＲＰＴデバイスの出口は、空気回路を介して上記したような患者インターフェースに接続される。

ユーザの健康を監視するだけでなく、症状やトリガ、薬物への反応など、ユーザ自身の生活の質を改善する方法を理解するのに役立つシステムが、依然として必要とされるかもしれない。

加えて、システムは、ユーザの状況に関連付けられた可能な限り多くのデータにアクセスし、処理できることが望ましい。この点で、システムが、患者がベッドにいるときだけでなく、昼夜を問わず可能な限り患者を監視できることも望ましい。

（スクリーニング、診断、監視システム）
スクリーニングと診断は一般に、その兆候や症状から疾患を特定することを指す。スクリーニングでは通常、患者の障害がさらなる調査を必要とするほど重度であるかどうかなど、真偽の結果が得られるが、診断によって臨床的に実用的な情報が得られる場合もある。スクリーニングや診断は一回限りのプロセスになることが多いが、病気の進行を監視することは無期限に続けることができる。スクリーニング／診断システムの中には、スクリーニング／診断のみに適用されるものもあれば、監視にも適用されるものもある。

ポリソムノグラフィー（ＰＳＧ）は、心肺障害の診断／監視のための従来のシステムであり、通常、システムの適用には専門の臨床スタッフが関与する。ＰＳＧでは通常、脳波検査（ＥＥＧ）、心電検査（ＥＣＧ）、眼電検査（ＥＯＧ）、筋電図検査（ＥＭＧ）などのさまざまな生体信号を記録するために、人に１５～２０個の接触センサを配置する。睡眠呼吸障害のＰＳＧには、診療所で患者を２泊観察し、１泊の純粋な診断と２泊目の臨床医による治療パラメータの滴定が含まれる。臨床専門家は、ＰＳＧ信号の視覚的観察に基づいて患者を適切に診断または監視できる場合がある。ただし、場合によっては、臨床専門家が利用できない場合や、臨床専門家が負担できない場合がある。そのため、ＰＳＧはコストが高く、利便性も低い。特に、在宅診断／監視には適さない。

睡眠分析の分野では、閉塞性無呼吸、中枢性無呼吸、閉塞性低呼吸、中枢性低呼吸、呼吸努力関連覚醒（ＲＥＲＡｓ）などの睡眠障害イベントのスコアリングまたは検出は、通常、脳波（ＥＥＧ）による脳の監視、眼電計（ＥＯＧ）による眼球運動の監視、筋電計（ＥＭＧ）による筋活動または骨格筋活動の監視、心電図（ＥＣＧ）による心拍数の監視、呼吸気流の監視などの様々な身体機能が監視されるこのような睡眠ポリグラフィーによって達成される。ゴールドスタンダードとされているにもかかわらず、この技術にはいくつかの欠点がある。第１に、テスト自体には入院治療や在宅環境での医療専門家によるセットアップが必要になる場合がある。第２に、検査の解釈は完全に自動化されていないことが多く、睡眠検査技師が記録された信号を手動で分析する必要があるため、スコアリング者間のばらつきが生じる。第３に、この検査は、複雑な配線と全体的なオーバーヘッドにより人の睡眠を妨げ、仰向けの睡眠時間、入眠、睡眠中の覚醒などの臨床パラメータに影響を与える可能性がある。第４に、睡眠時無呼吸症候群などの睡眠障害は夜間変動が大きいことが知られており、現在の診断システムは臨床上の欠点、利便性の欠如、検査あたりの費用が高いため、複数夜にわたる研究には適していない。

他の便利な家庭用スクリーニング／診断／監視システムは、鼻カニューレ、圧力センサ、処理デバイス、および記録装置を含む。鼻カニューレは、患者の呼吸をできるだけ妨げないように、患者の鼻孔にわずかに非侵襲的に挿入するように構成された２つの中空の開口突起を含むデバイスである。中空突起は、Ｙ字管を介して圧力センサと流体連通する。圧力センサは、患者の鼻孔入口の圧力（鼻圧）を表すデータ信号を提供する。鼻圧信号は、鼻圧信号の形状が鼻流量信号に匹敵するという点で、密閉鼻マスクとインラインの流量トランスデューサによって生成される鼻流量信号の十分な代用であることが示されている。処理デバイスは、患者の状態を監視するためにＳＤＢイベントを検出および分類するために、圧力センサからの鼻圧信号をリアルタイムまたはほぼリアルタイムで分析するように構成され得る。スクリーニングや診断には同様の分析が必要になることがあるが、リアルタイムまたはリアルタイムに近いとは限らない。したがって、記録手段は、フィルタ／診断目的のために、後で処理デバイスによるオフラインまたは「バッチ」分析のために、圧力センサからの鼻圧信号を記録するように構成される。

最近では、光電脈波（ＰＰＧ）による測定に基づく別の技術を使用して、睡眠イベントのスコアリングも実行されている。１つまたは複数の波長のＰＰＧ測定は、末梢血管拡張または血管収縮を示す末梢動脈緊張度の変化をモニターし、酸素飽和度（ＳｐＯ_２）を導出し、脈拍数を導出することを可能にする。たとえば、末梢動脈緊張度（ＰＡＴ）の変化から睡眠イベントの発生を導出することを可能にするシステムの有利な実施形態が、ＥＰ３５９３７０７ Ａ１に開示されている。このシステムおよびシステムで使用される測定技術は、睡眠中の被験者への影響や妨害を最小限に抑えながら、睡眠障害イベントの検出を可能にし、これは睡眠ポリグラフィーに比べて大きな利点である。

睡眠ポリグラフィーでもＰＡＴベースのアプローチでも、睡眠障害イベントのスコアリングは一般に、多くの生理学的現象の同時発生に基づいている。睡眠ポリグラフィーにおいて、たとえば、気流の減少または欠乏、ＥＥＧによって検出可能な覚醒、ＳｐＯ_２グラフの低下によって検出される酸素飽和度低下、後にベースラインに戻る場合に、１つまたは複数の現象が同時に出現するとき、そのイベントを呼吸関連睡眠障害イベントに限定することができ、呼吸イベントとも呼ばれる。これらの現象のそれぞれについて、閾値は、たとえば米国睡眠医学会（ＡＡＳＭ）によって決定されており、この閾値を上回るか下回るかの測定は、呼吸イベントの表示に限定され得る。ＰＡＴベースの方法では、酸素飽和度低下、心拍数増加、および／またはＰＡＴ増加の同時発生が呼吸イベントの指標とみなされる。

現在のアプローチに関連付けられた問題は、たとえば測定値の１つがその特徴の事前定義された閾値に達しない場合など、一部の睡眠障害イベントがスコアリングプロセスで見逃される可能性があることである。同様に、スコアリングプロセスは、睡眠障害イベントの偽陽性検出を引き起こす可能性がある。さらに、ＰＡＴベースのデバイスや心肺ポリグラフィーデバイスなどの家庭用睡眠テストデバイスは、ポリグラフィー（たとえば、気流やＥＥＧ）からのゴールド標準信号を特別に利用していないため、睡眠障害イベントの検出において暗黙的に不利である。これは、代替信号パターンから呼吸イベントを推論しなければならないからである。

ＳＤＢの状態に関する認識を高め、および／またはＳＤＢの治療を促進するのに役立つような、費用対効果のある、またはより容易に入手可能なスクリーニングまたは監視ツールを提供するための改善が必要である。このような信頼性の高いコスト効率の高いスクリーニング装置、たとえば家庭用のスクリーニング装置を実現することは、依然としてかなりの技術的課題である。したがって、本技術のいくつかのバージョンの目的は、上述の問題の１つまたは複数を解決するか少なくとも軽減することである。したがって、本発明は、睡眠障害イベントを比較的高い精度で検出するための改善された方法および装置を提供することを目的とする。

本技術は、呼吸器疾患のスクリーニング、監視、診断、改善、治療、または予防に使用される、改善された快適性、コスト、有効性、使いやすさ、および製造可能性のうちの１つまたは複数を有する医療デバイスを提供することを目的とする。

本技術のいくつかの実装形態は、睡眠障害イベントを検出するためのプロセッサ実装方法を含んでもよい。この方法は、１つまたは複数のセンサによって生成された複数の生理学的信号にアクセスするステップを含んでもよい。この方法は、睡眠障害イベントを示唆するシードイベントを複数の生理学的信号から検出するステップを含んでもよい。この方法は、検出されたシードイベントに関連付けられた複数の生理学的信号の部分内のパターンを示す特徴を計算するステップを含んでもよい。この方法は、シードイベントのパターンを示す計算された特徴を分類器に適用するステップを含んでもよい。分類器は、計算された特徴が睡眠障害イベントの学習パターンにどの程度適合するかを計算するために、たとえば機械学習分類アルゴリズムを用いて訓練され得る。この方法は、分類器によって決定された計算された適合度に基づいて、シードイベントに対応する１つまたは複数の睡眠障害イベントの識別情報を出力するステップを含んでもよい。

いくつかの実装形態では、分類器は、機械学習分類器、決定木モデル、機械学習分類器モデル、論理回帰分類器モデル、ニューラルネットワーク、ナイーブベイズ分類器モデル、およびサポートベクターマシンのうちの１つまたは複数であってもよい。複数の生理学的信号は、末梢動脈緊張度（ＰＡＴ）信号と、酸素飽和度信号、脈拍数信号、呼吸努力信号、運動信号、および気流信号（たとえば、流量信号）のうちの１つまたは複数とを含んでもよい。いくつかの実装形態では、シードイベントの各シードイベントは、末梢動脈緊張度（ＰＡＴ）信号におけるベースラインからの振幅の低下、酸素飽和度（ＳｐＯ_２）信号における酸素の飽和度低下、脈拍数（ＰＲ）信号におけるベースラインからの振幅の増加、呼吸努力信号におけるベースラインからの振幅の変化（たとえば増加または減少）、および空気流量信号におけるベースラインからの振幅の変化（たとえば増加または減少）のうちの１つまたは複数を含んでもよい。パターンは、形態学的パターンを含んでもよい。パターンは、時間的パターンを含んでもよい。

いくつかの実装形態では、計算された特徴の特徴は、シードイベントの継続時間、シードイベントの継続時間、シードイベントの強度、シードイベントの導出された勾配または傾き、シードイベント付近の変化する傾きから派生した形態学的非対称性、シードイベントの深さ、シードイベントの信号振幅の分散、シードイベントの信号振幅の平均値、シードイベントのスキューの度合い、シードイベントの形態学的形状の特徴付けのうちの１つまたは複数を含んでもよい。計算された特徴のうちの１つまたは複数の特徴は、シードイベントの決定された開始点、シードイベントの決定された終了点、最高強度または最低強度の決定された点、およびシードイベントの決定された特徴点のうちの１つまたは複数を含んでもよい。検出されたシードイベントは、複数の生理学的信号のうちの第１信号の第１シードイベントと、複数の生理学的信号のうちの第２信号の第２シードイベントとを含んでもよい。第２信号は、第１信号とは異なる生理学的信号であってもよく、計算された特徴のうちの１つまたは複数の特徴は、第１シードイベントおよび第２シードイベントを特徴付けてもよい。たとえば、計算された特徴のうちの１つまたは複数の特徴は、第２シードイベントに関連して第１シードイベントを特徴付けてもよい。このような特徴づけは、たとえば、１つの生理学的信号からの１つのシードイベントを、異なる生理学的信号からの別のシードイベントと比較するなど、１つの生理学的信号からの１つのシードイベントと、異なる生理学的信号からの別のシードイベントとを関連付けるために使用されてもよい。第２シードイベントに関連して第１シードイベントの計算された特徴を特徴付ける１つまたは複数の特徴は、（ａ）非飽和の最下点がピーク脈拍数の増加および／またはＰＡＴ信号振幅の低下に続く、または先行する時間量、および／または（ｂ）脈拍数（ＰＲ）サージの検出されたピークとＰＡＴ信号の減少谷との間の時間差を含む。

検出されたシードイベントは、第１信号の第３シードイベントを含んでもよく、計算された特徴のうちの１つまたは複数の特徴は、第１シードイベントおよび第３シードイベントを特徴付けてもよい。たとえば、計算された特徴のうちの１つまたは複数の特徴は、第３シードイベントに関連して第１シードイベントを特徴付けてもよい。このような特徴づけは、たとえば、シードイベントを生理学的信号に関連付けるために使用されてもよい。任意に、第１シードイベントおよび第３シードイベントは、隣接する一対のシードイベントであってもよい。いくつかの実装形態では、第１シードイベントおよび第３シードイベントの計算された特徴を特徴付ける１つまたは複数の特徴は、（ａ）第１シードイベントと第３シードイベントとの間の持続時間、（ｂ）第１シードイベントと第３シードイベントとの間の期間の計算の安定性、（ｃ）第１シードイベントと第３シードイベントの計算された安定性を含んでもよい。継続時間の計算は、第１シードイベントおよび第３シードイベントのそれぞれにおいて特徴点を検出することと、検出された特徴点に関連付けられた間隔に基づいて継続時間を決定することとを含んでもよい。検出された特徴点は、局所的な振幅最小値および局所的な振幅最大値のうちの１つまたは複数を含んでもよい。計算された安定性は、複数のシードイベントから導出されてもよく、深さ、平均値、および分散のうちの１つまたは複数を含んでもよく、および／または、たとえばイベント深さであり得る安定性を含んでもよい。

いくつかの実装形態では、検出されたシードイベントは、第２信号の第４シードイベントを含んでもよく、計算された特徴のうちの１つまたは複数の特徴は、（ａ）第１信号の第１シードイベントおよび第３シードイベント、ならびに（ｂ）第２信号の第２シードイベントおよび第４シードイベントを特徴付けてもよい。たとえば、計算された特徴のうちの１つまたは複数の特徴は、（ａ）第１の信号の第１のシードイベントおよび第３のシードイベントを、（ｂ）第２の信号の第２のシードイベントおよび第４のシードイベントに関連して特徴付けてもよい。このような特徴付けは、たとえば、異なる生理学的信号からのシードイベントのシーケンスの重複を検出するなど、ある生理学的信号のシードイベントを別の異なる生理学的信号のシードイベントと関連付けるのに役立ち得る。たとえば、（ａ）第１信号の第１シードイベントおよび第３シードイベント、ならびに（ｂ）第２シードイベントおよび第２信号の第４シードイベントの計算された特徴を特徴付ける１つまたは複数の特徴は、（ａ）検出されたＰＲ信号のシードイベントの脈拍数（ＰＲ）ピーク、および（ｂ）末梢動脈緊張度（ＰＡＴ）がＰＡＴ信号のシードイベントの谷の最小点までの減少との時間的対応を含んでもよい。

いくつかの実装形態では、方法は、１つまたは複数のプロセッサによって実装された検出によって検出された少なくとも１つのシードイベントの選択に対するユーザインターフェース上のユーザ入力に応答して、フィードバックとして識別情報の出力を生成するステップをさらに含んでもよい。この方法は、出力または適用に基づいて呼吸療法装置の動作を制御するための信号を生成するステップとをさらに含んでもよい。生成、１つまたは複数の睡眠障害イベントの識別情報をリモートコンピューティングシステムまたはサーバに送信することを含んでもよい。生成は、ネットワーク通信リンクを介して呼吸療法装置に信号を送信することを含んでもよい。

本技術のいくつかの実装は、少なくとも１つのプロセッサと、プロセッサ制御命令を含む少なくとも１つのメモリとを含んでもよいコントローラを含んでもよい。少なくとも１つのメモリおよびプロセッサ制御命令は、少なくとも１つのプロセッサを利用して、本明細書で説明される方法のいずれか１つまたは複数の態様を含む方法をコントローラに実行させるように構成され得る。

本技術のいくつかの実装には、睡眠障害イベントを検出するための装置が含まれ得る。この装置は、１つまたは複数のセンサを含んでもよい。この装置は、コントローラを含んでもよい。コントローラは、１つまたは複数のプロセッサと、プロセッサ制御命令を含む少なくとも１つのメモリとを含んでもよい。コントローラは、１つまたは複数のセンサによって生成された複数の生理学的信号にアクセスするように構成され得る。コントローラは、複数の生理学的信号から睡眠障害イベントを示唆するシードイベントを検出するように構成され得る。コントローラは、検出されたシードイベントに関連付けられた複数の生理学的信号の部分内のパターンを示す特徴を計算するように構成され得る。コントローラは、シードイベントのパターンを示す計算特徴を分類器に適用するように構成され得る。分類器は、睡眠障害イベントの学習されたパターンに対する計算された特徴の適合度を計算するように訓練され得る。コントローラは、分類器によって決定された計算された適合度に基づいて、シードイベントに対応する１つまたは複数の睡眠障害イベントの識別情報を 出力するように構成され得る。

本技術のいくつかの実装は、１つまたは複数のプロセッサによって実行されるときに、本明細書で説明される方法のいずれか１つまたは複数の態様を含む方法を実行するためのプロセッサ実行可能命令を含むプロセッサ読み取り可能な記憶媒体を含んでもよい。

本技術のいくつかの実装は、１つまたは複数のプロセッサによって実行されたときに、１つまたは複数のプロセッサに睡眠障害イベントを検出させるプロセッサ実行可能命令を記憶納したプロセッサ読み取り可能な媒体を含んでもよい。プロセッサ実行可能命令は、１つまたは複数のセンサによって生成された複数の生理学的信号にアクセスする命令を含んでもよい。プロセッサ実行可能命令は、複数の生理学的信号から睡眠障害イベントを示唆するシードイベントを検出する命令を含んでもよい。プロセッサ実行可能命令は、検出されたシードイベントに関連付けられた複数の生理学的信号の部分内のパターンを示す特徴を計算する命令を含んでもよい。プロセッサ実行可能命令は、シードイベントのパターンを示す計算特徴を分類器に適用する命令を含み、分類器は、睡眠障害イベントの学習パターンに対する計算特徴の適合度を計算するように訓練される。プロセッサ実行可能命令は、分類器によって決定された計算された適合度に基づいて、シードイベントに対応する１つまたは複数の睡眠障害イベントの識別情報を出力する命令を含んでもよい。

いくつかの実装形態では、プロセッサ実行可能命令は、出力またはアプリケーションに基づいて呼吸療法装置の動作を制御するための信号を生成する命令をさらに含んでもよい。制御動作は、呼吸療法装置のブロアの圧力または流量療法を制御することを含んでもよい。

本技術のいくつかの実装は、本明細書で説明される任意のプロセッサ読み取り可能な媒体にアクセスすることができるサーバを含んでもよい。サーバは、プロセッサ読み取り可能な媒体のプロセッサ実行可能命令をネットワークを介して処理デバイスにダウンロードするための要求を受信するように構成され得る。

本技術の一部の実装には、処理デバイスが含まれてもよい。処理デバイスは、１つまたは複数のプロセッサと、（ａ）本明細書に記載のプロセッサ読み取り可能な媒体と、を含み、または（ｂ）本明細書に記載のサーバを利用してプロセッサ実行可能命令にアクセスするように構成され得る。処理デバイスは、呼吸療法装置であってもよい。処理デバイスは、圧力療法または流量療法を生成するように構成され得る。

本技術のいくつかの実装は、本明細書に記載の任意のプロセッサ読み取り可能な媒体にサーバがアクセスする方法を含んでもよい。サーバの方法は、ネットワークを介して、プロセッサ読み取り可能な媒体のプロセッサ実行可能命令を電子処理デバイスにダウンロードするための要求をサーバで受信するステップを含んでもよい。サーバの方法は、要求に応答してプロセッサ実行可能命令を電子処理デバイスに送信するステップを含んでもよい。

本技術のいくつかの実装は、睡眠障害呼吸イベントを検出するための１つまたは複数のプロセッサの方法を含んでもよい。この方法は、１つまたは複数のプロセッサを用いて、本明細書に記載された任意のプロセッサ読み取り可能な媒体にアクセスするステップを含んでもよい。この方法は、１つまたは複数のプロセッサにおいて、プロセッサ読み取り可能な媒体のプロセッサ実行可能命令を実行するステップを含んでもよい。

もちろん、上記態様の一部は、本技術の下位態様を形成し得る。また、下位態様および／または態様のうち多様なものを多様な方式で組み合わせることができ、本技術のさらなる態様または下位態様も構成され得る。

この技術の他の特徴は、以下の詳細な説明、要約書、図面、および特許請求の範囲に含まれる情報を考慮すれば明らかになる。

添付図面の添付図面では、本技術が限定的ではなく例示的に説明されており、ここで、同じ参照符号は、類似の要素を表し、以下を含む。
経時的な複数の生理学的信号を示す第１概略グラフを示す。 経時的な複数の生理学的信号を示す第２概略グラフを示す。 本技術による方法の一実装形態を示す図２の第２概略グラフを示す。 経時的な複数の生理学的信号を示す第３概略グラフを示す。 経時的な複数の生理学的信号を示す第４の概略グラフを示す。 本技術の実装に適した患者上の指センサ装置の例を示す。 図６Ａのセンサ装置など、本技術の例示的な実装に従って様々なステップを実行するのに適した例示的なコンピューティングシステムまたは処理デバイスを示す。 たとえば、本技術のシステムにおける、本技術の睡眠障害イベントを検出するための方法を有する１つまたは複数のプロセッサの処理例である。 たとえば、本技術のシステムにおける、本技術の睡眠障害イベントを検出するための方法の１つまたは複数のプロセッサの別の例示的なプロセスである。 本技術による例示的なシステムを示す図である。患者インターフェース３０００を装着した患者１０００は、ＲＰＴデバイス４０００から圧縮空気の供給を受ける。ＲＰＴデバイス４０００からの空気は、加湿器５０００内で加湿され、空気回路４１７０を通って患者１０００に送られる。同床者１１００も図示される。 鼻マスク３０００を装着した患者１０００に使用中のＲＰＴデバイス４０００を示す。 フルフェイスマスク３０００を装着した患者１０００に使用中のＲＰＴデバイス４０００を示す。 鼻マスクの形態の非侵襲的患者インターフェース３０００の例を示す。 本技術の一形態によるＲＰＴデバイス４０００を示す。 本技術の一形態によるＲＰＴデバイス４０００の空気圧回路の概略図を示す。上流と下流の方向を示している。 本技術の一態様によるＲＰＴデバイス４０００の電気コンポーネントの概略図を示す。 本技術の一態様によるＲＰＴデバイス４０００に実装されるアルゴリズム４３００の概略図を示す。図１０Ｄにおいて、実線の矢印は、たとえば電子信号を介した実際の情報の流れを示す。 本技術の一態様による、図１０Ｄの療法エンジンモジュール４３２０によって実行される方法４５００を示すフローチャートである。 加湿器５０００を示している。

本技術をさらに詳細に説明する前に、本技術は本明細書に記載の特定の例に限定されず、変更される可能性があることを理解されたい。本開示中に用いられる用語は、本明細書中に論じられている特定の例のみを説明する目的のためのものであり、限定的なものではないことも理解されるべきである。

以下の記載は、１つまたは複数の共通の特性および／または特徴を共有し得る多様な例に関連して提供される。任意の一例の１つまたは複数の特徴は、別の例または他の例の１つまたは複数の特徴と組み合わせられ得ることが理解されるべきである。加えて、任意の例における任意の単一の特徴または特徴の組み合わせがさらなる例を構成し得る。

例示的な実装形態では、プロセッサ実装プロセスまたはコンピュータ実装プロセスが睡眠障害イベントを検出する。この方法は、当業者に知られている睡眠障害イベントへのポインタを含むことができる少なくとも１つの生理学的信号を取得することと、睡眠障害イベントを示唆するシードイベントを少なくとも１つの生理学的信号から識別することと、シードイベントの少なくとも一部においてパターンを決定することと、パターンに対するシードイベントの適合度を決定することと、決定された適合度に基づいて睡眠障害イベントを検出することとを含んでもよい。このような方法の様々な態様は、図１～図５のグラフに関連して考慮することができる。

たとえば、図１は、時間の経過に伴う複数の生理学的信号の例を表す第１概略グラフを示しており、その任意の１つまたは複数が本技術で利用され得る。このグラフにおいて、生理的信号は、酸素飽和度（ＳｐＯ_２）信号１、ＰＡＴ信号２、脈拍数信号３、四肢活動信号４である。ＰＡＴ信号またはＰＡＴ測定は、動脈張力の変化を反映した脈動性動脈血容量の変化の測定であり、たとえば、患者の指先に空気圧センサまたは光センサを装着することにより測定されてもよい。脈拍数信号は、当業者に知られている多くの異なる方法で取得されてもよい酸素飽和度（ＳｐＯ_２）は、たとえば、患者の指、鼻孔、手首、耳たぶに取り付けられるパルスオキシメータにより測定されてもよい。酸素飽和度、ＰＡＴ、および脈拍数信号１、２、３は、たとえば、ＥＰ３、５９３、７０７、または米国特許出願公開番号２０２０／００１５７３７に開示されているデバイスなど、指先における動脈脈動容積変化を測定することによって、たとえば、単一のデバイスによる測定によって導き出されてもよく、その開示のすべては、参照によって本明細書に組み込まれている。このようなデバイスは、ＰＡＴ信号、ＳｐＯ_２信号、および脈拍信号を導出することができるフォトプレチスモグラフィー（ＰＰＧ）、好ましくは２波長フォトプレチスモグラフィーを実行するように構成され得る。図６Ａは、このような指センサ装置の一例を示す図である。しかしながら、測定は、本明細書に記載された任意のデバイスのような別個のデバイスによって測定することもできる。

活動信号４は、たとえば、患者の腕または脚に接続された加速度計のようなモーションセンサまたは非接触センサ（たとえば、ＲＦモーションセンサまたはソナーベースセンサ）から導出することができる。たとえば、ＲＦセンサの無線周波数（ＲＦ）トランシーバをセンシングデバイスの非接触部分として使用することができる。このようなＲＦセンシングデバイスは、本明細書に記載された処理装置と統合または結合することができ、名称が「距離ゲート無線周波数生理センサ」で、２０１３年７月１８日に提出された米国特許出願公開番号２０１４／００２４９１７、２０１７年８月１６日に出願され、名称が「デジタル無線周波数動き検出センサ」の国際特許出願ＰＣＴ／ＥＰ２０１７／０７０７７３号、および２０１６年８月１６日に提出され、名称が「デジタル距離ゲート無線周波数センサ」の米国特許出願公開番号２０１８／０２３９０１４に記載された任意の技術およびセンサコンポーネントを用いて実現することができ、それぞれの公開は参照によってここに組み込まれている。ソナーベースのセンサは、たとえば、マイクロホンおよびスピーカによって実現される処理デバイスであってもよく、たとえば、２０１７年９月１９日に提出された米国特許出願公開番号２０２１／０２７５０５６または２０１９年１１月１９日に提出された米国特許出願公開番号２０２２／０００７９６５に記載された処理デバイスのいずれかであり、その開示のすべては参照によってここに組み込まれている。手足の動きは、たとえば患者の腕または脚に接続された加速度計から得ることができる。睡眠解析では、指先や手首に接続するように構成されたデバイスの方が、頭部や胸部に接続されたデバイスよりも優れている場合がある。後者のデバイスは自然な睡眠を妨げ、結果に影響を与える可能性があるからである。他のセンサや生理信号も実現できる。

生理学的信号の所与の組み合わせの選択は、たとえば、識別される必要がある睡眠障害イベントのタイプによって、または、信号の取得が人間の睡眠に与える潜在的な影響によって決定され得る。当業者が理解するように、生理学的信号のより多くの組み合わせが可能である。たとえば、呼吸努力信号と気流信号のいずれも実現することができる。呼吸努力は、特に、加速度計、生体インピーダンス測定、またはインダクタンスプレチスモグラフィーベルトから導き出すことができる。気流は、患者の鼻孔に取り付けられる圧力センサ、流量センサ、または気温センサによる測定値から導き出すことができ、これも当業者には既知である。一般に、このような信号は、共通の時間範囲内で得られる。このような共通の時間範囲は、複数の生理学的信号の測定がすべて同じ継続時間を持つ必要があること、またはすべてが同じタイミングで開始および停止する必要があることを意味しない。「共通の時間範囲」とは、生理学的信号が、複数の信号について同一または同一の時間範囲を含み、かつ、共通の時間範囲がシードイベントを含むように、少なくとも部分的に時間的に重複する必要があることを意味する。

従来の方法では、酸素信号１の飽和度において観測されるＳｐＯ_２の低下の大きさを、主として、たとえばＡＡＳＭによって設定された閾値と比較して、ＳｐＯ_２の低下が睡眠障害イベントとして評価できるか否かを決定する。同様の手順が、ＰＡＴ信号２のＰＡＴ振幅の低下、またはそれぞれの信号３と４の脈拍数と活動スパイクに使用される。これら４つの指標のすべてまたは複数が潜在的な睡眠障害イベントを指す場合、従来の手法は、単一の無呼吸または睡眠障害イベントが検出されたと結論する。睡眠障害イベントを検出するためのこれらの従来技術の方法では、生理学的信号中の睡眠障害イベントの潜在的指標は、生理学的信号の残りの部分からのコンテキスト情報を考慮することなく、主に個別に処理される、すなわち個別に閾値と比較される。この点で、従来技術のアルゴリズムは、図１に示されるように、所定の閾値を下回るＳｐＯ_２、所定の閾値を下回るＰＡＴ振幅、所定の閾値を上回る脈拍数スパイク、および所定の閾値を上回る四肢活動スパイクの同時発生５が観察されるように、組み合わせて多かれ少なかれ一致するインジケータの閾値とすることができる。

従来の方法とは異なり、本技術の実装は、所与の信号内および／または複数の信号にまたがるイベントを識別するためのパターン識別など、このような信号のより大きなコンテキストを考慮する。たとえば、共通の時間範囲にわたる複数の生理学的信号を表す第２の概略グラフを示す。生理学的信号は、第１グラフのように、酸素飽和度（ＳｐＯ_２）信号１、ＰＡＴ信号２、脈拍数信号３、四肢活動信号４を含む。１つの方法、たとえば１つまたは複数のプロセッサによって実現される方法では、本技術によれば、これらの生理学的信号または前述の生理学的信号のいずれか、たとえばＳｐＯ_２信号１のみ、またはこれらの信号の少なくとも２つ以上の任意の組み合わせを評価して睡眠障害イベントを検出することができる。この方法によれば、睡眠障害イベントを示唆するシードイベント６が選択される。シードイベント６は、たとえば、酸素飽和度低下７、ＰＡＴ信号振幅のベースラインからの低下８、脈拍信号振幅のベースラインからの増加９、呼吸努力信号振幅のベースラインからの低下１０、四肢活動の増加１０、または睡眠障害イベントの標識となり得る任意の他の既知の生理学的信号のうちの１つまたは複数の検出とすることができる。シードイベント６は、睡眠障害イベントのみを示唆しているが、それらは別の潜在的な原因を有する可能性があるので、必ずしも睡眠障害イベントを指し示していない。

したがって、シードイベントは、たとえば、ベースラインからのＰＡＴ信号振幅の低下、酸素飽和度低下、ベースラインからの脈拍数信号振幅の増加、ベースラインからの呼吸努力信号振幅の低下、ベースラインからの気流信号振幅の低下、およびベースラインからの四肢活動の増加のうちの少なくとも１つであることができる。これらのシードイベントは、睡眠障害イベントを示唆し、睡眠障害イベントの兆候または症状である可能性があるが、必ずしも睡眠障害イベントと関連していないことを意味する。言い換えれば、シードイベントは、睡眠障害イベントに関連しているとは評価されてもよいが、必ずしも評価されていないイベントである。他の生理学的信号が取得されると、シードイベントは、その信号に応じて異なるように定義され得る。

任意に、１つの生理学的信号からのシードイベントは、通常、他の生理学的信号（複数可）からの同様のタイミングのシードイベントと関連付けられてもよく、複数の生理学的信号の共通の時間フレーム内の１組の関連付けられたシードイベント（たとえば、各信号からの１つ）が、候補呼吸イベントの示唆とみなされ得る。共通の時間スケールの関連付けられたシードイベントのセットの例は、ＰＡＴ信号の振幅減少、脈拍数信号の増加、および運動信号の活動カウントの増加と時間的に一致するＰＰＧ信号の非飽和シードイベントであり得る。

無呼吸イベント、いびき、ＲＥＲＡ病などの呼吸関連の睡眠障害イベント、または自発的な自律覚醒などの非呼吸関連の睡眠障害イベントであってもよい睡眠障害イベントは、一般に比較的一定の間隔でグループ化または連続的に発生することが観察されてきた。このコンテキスト情報は本技術を利用することができる。スコアリングが従来技術のスコアリングの単純に予め定められた閾値に依存することが少なくなるので、データ中で識別されたパターンとの適合度に少なくとも部分的に基づいてイベントを睡眠障害イベントに限定することにより、睡眠障害イベント検出の精度を向上させることができる。従来技術では、睡眠障害イベントは、通常、単一のイベントまたは時間的分離に基づいて分析され、単一の測定値または１つまたは複数の生理学的信号のうち、同時に発生する２つ以上のイベントが所定の閾値よりも高いか低いかを決定して、イベントのコンテキストを見ることなく、そのイベントを睡眠障害イベントとして特定する。このような単一イベント方法の結果として、睡眠障害イベントは、たとえば、睡眠障害イベントに関連付けられた少なくとも１つのシードイベントが、そのような閾値をちょうど下回っているかまたは上回っている場合に、見落とされている可能性がある。シードイベントが睡眠障害に関連付けられたか否かを限定する場合、従来技術とは異なり、本方法は単に各シードイベントを所定の閾値と比較するだけではない。本方法はまた、データセット全体を考慮して測定データ内のパターンを決定し、次いで、シードイベントが睡眠障害イベントに関連付けられたかどうかの同定にこのパターンを組み込むことができ、これにより、睡眠障害イベントの検出において、本技術が従来技術の方法よりも高い精度を達成することが可能となる。

したがって、プロセスの次のステップでは、従来技術の方法とは異なり、パターン、たとえば繰り返しパターンまたは実質的に規則的なパターンが、生理学的信号中で選択されたシードイベント（複数可）６を含む各信号の少なくとも一部（複数可）内で決定される。すなわち、各シードイベントの近傍の信号を表す特定の部分（たとえば、サンプル）（たとえば、その開始から終了までの不飽和期間を表す信号のサンプル）は、たとえば、１つまたは複数のパターンが存在するか否かを評価するために、および／または複数のシードイベントによって共有されるか否かを評価するために、特定の部分を有する１つまたは複数の特徴を決定または計算することによって、さらに評価される。これらのパターンは、形態学的パターン、すなわち生理学的信号の表現の形状に関連し、シードイベントの強度に対応する信号の振幅、または信号中のシードイベントの近傍の勾配変化（たとえば、増加または減少）の傾き、スキュー、または形態学的非対称性に関連付けられたことができる。

たとえば、ＳｐＯ_２信号の形態的特徴のこの種ベースの決定は、たとえば、不飽和の長さ、不飽和の深さ、および不飽和と再飽和位相との間の傾斜非対称性などを含むことができる。信号形態に関するシードベースの特徴は、他の生理学的信号（複数可）のシードイベント関連部分からも決定または計算することができる。したがって、形態学的パターンの決定は、各シードイベントの近傍の形態（たとえば、信号の時間的変化）の特性として機能する数値（複数可）を提供する信号処理および特性信号データサンプルおよび／または統計関数を使用して、シードイベントの形態の特性を提供する特性の決定を含むことができる。追加的に、および／または、代替的に、上記パターンを決定または計算するプロセスは、任意に、シードイベントの特徴（複数可）を特徴付けるために使用され得る、最高または最低強度の点を計算または決定すること、および／またはシードイベントの他の任意の特徴点を決定することを含むことができる。

これにより、パターンは形態学的パターンを含むことができる。形態学的パターンは、たとえば、取得された信号におけるシードイベントの表現の典型的な形状特徴に関連付けられてもよい。たとえば、ＳｐＯ_２低下は、比較的ゆっくりとした低下と、比較的急な通常の上昇とを示すことができる。このようなパターンの決定は、たとえば、シードイベントの継続時間を決定すること、シードイベントの強度を決定すること、シードイベントの形態的非対称性を決定すること、および／またはシードイベントの形態的形状を特徴付けることのうちの少なくとも１つを含むことができる。テンプレート形態は、たとえば、時間的に隣接する、または時間的に間隔をおいて配置された複数のシードイベントから導出することができる。次に、シードイベントの表現の形状特徴をテンプレートと比較することができる。パターンを決定することは、パターンを特徴付けることができる、たとえば、平均的な形態的非対称性または実質的に規則的なパターン内のシードイベントの平均サイズのような、パターンの形状を特徴付けることができる形状特徴のような、パターンの特徴を決定することも含むことができる。

また、パターンは、たとえば図３または図４を参照して説明される時間的パターンを含むことができる。このような時間依存パターンは、たとえばＳｐＯ_２信号１およびＰＡＴ信号２において特によく識別されるが、他の生理学的信号においても存在する。したがって、プロセスは、各シードイベントの近傍の信号の特定の部分（たとえば、サンプル）を表す時間的特徴に関するシードベースの決定をさらに含み、たとえば、信号処理と、各シードイベントの近傍の特徴の時間的パターンを特徴付ける数値（複数可）を提供する特徴的信号データサンプルおよび／または統計関数とを使用することができる。

したがって、パターンは、所定の間隔でシードイベントを繰り返すような時間的パターンを含むことができる。したがって、このようなパターンの決定は、シードイベントの開始点を決定すること、シードイベントの終了点を決定すること、最も強度の高い点または最も強度の低い点を決定すること、および／またはシードイベントの他の任意の特徴点を決定することのうちの少なくとも１つを含むことができる。このようにして、時間的パターンは、たとえば、シードイベントの始点間、またはシードイベントの終点間の時間差において、シードイベントの繰り返しにおいて識別され得る。取得された信号における極大値または極小値の間の時間的距離または時間差も、実質的に規則的な時間的パターンを示し得る。パターンの導出には、たとえば、隣接するシードイベント間の（正規化された）差の四分位範囲を含む特徴を決定することも含めることができる。パターンを決定することは、パターンを特徴付けることができるパターン特徴、たとえば時間的特徴を決定すること、たとえば、繰り返しパターンにおける複数のイベントを決定することも含むことができる。パターンの決定は、たとえば標準偏差または任意の他の既知のパラメータを使用して、実質的に規則的なパターンによって表されるイベントの特徴点間の周期的な安定性または変動性を決定することによって、実質的に規則的なパターンの品質を決定することも含むことができる。このような時間的パターン特徴は、同じ信号の隣接するイベントなどのシードイベントの、またはシードイベント間の時間的順序付け情報を提供するために計算または決定され得る。さらに、このような時間的パターン（複数可）は、異なる生理学的信号のシードイベントにまたがって、またはシードイベントに関する時間的な位置合わせ情報を提供するために計算または決定することができる。

たとえば、共通の時間フレーム内のシードイベントのセット（たとえば、信号ごとに１つ）について、プロセスは、複数の異なる生理学的信号からのシードイベントの信号特徴を特徴付けるために相対的に並置された時間的な位置合わせを決定することができる。たとえば、このプロセスは、脈拍数（ＰＲ）信号の増加およびＰＡＴ信号の振幅の低下のピークの後または前に、ＳｐＯ_２信号の非飽和最下点がどのくらいの時間（たとえば、何秒）であるかを決定することができる。脈拍数（ＰＲ）サージピークとＰＡＴ減少谷の間の時間的な位置合わせの程度も重要な時間的特徴であり、完全な位置合わせは交感神経活性化であり、通常呼吸イベントの終末付近で発生する自律覚醒の重要な指標であるからである。

別の例として、異なる信号からの２つのシードイベントは、その前に末梢酸素飽和度の漸次低下があり、その後に酸素飽和度の最低値および酸素飽和度の急激な上昇がある場合に、たとえば、シードイベントの脈拍数スパイクの最高点を含む信号の特徴の時間的特徴が、他のシードイベントの最低ＰＡＴ信号振幅の時間的特徴と一致するとき、時間的に位置合わせされたパターンであると考えることができる。異なる信号におけるシードイベントの開始間の時間差は、比較的一定であることが判明する。シードイベント間の順序は人によって異なることがあるが、所与の患者に対して比較的一定に保たれることがある。他の特徴は、複数の生理学的信号からのシードイベントをセットにグループ化するステップ、たとえば、生理学的信号の局所的な最小値または最大値、特にＰＡＴ信号の前の酸素飽和度低下の局所的な最小値および／または脈拍数の局所的な最小値または最大値の実質的な時間的位置合わせに介入することができる。シードイベントの同時発生におけるパターンの別の例は、流量減少イベントの終わりに向けたＰＡＴ信号および／または脈拍数の極小値の検出であり得る。

さらなる例として、時間的（および／または形態学的）パターンは、同じ生理学的信号のシードイベントに関して評価され得る。したがって、プロセスは、たとえば、隣接するシードイベントのペアまたは複数のペアを有する順序付け関連特徴を決定することができる。本技術のプロセスのさらなる態様を示す図２の第２概略グラフを示す。この点で、反復パターンまたは時間的パターン（たとえば、１つの信号のシードイベントについて、同じ信号の別のシードイベント（たとえば、隣接ペア）への時間順序付けのような実質的に規則的な時間的パターン）を決定するプロセスは、たとえば、シードイベント６の振幅の局所的な最小値または最大値のような特徴点６ｓを決定すること、および後続するシードイベントの後続特徴点６ｅを決定することによって、後続するシードイベント６間の継続時間または時間範囲６ｄを含む特徴を決定することを含むことができる。このプロセスは、１つまたは複数の生理学的信号の中でそれぞれ実行されてもよい。このような処理は、呼吸イベントおよびその関連付けられたシードイベントペアが、反復するシードイベントまたはその信号特性の反復に関して、順序どおりに発生する傾向がある場合に役立つことができる。

加えて、このような各シーケンス（たとえば、第１および第２シードイベントが隣接するシードイベントであるなど、第１シードイベントの近傍および第２シードイベントの近傍で開始および終了する生理学的信号の一部）をさらに特徴付けるために、プロセスは、複数のシードイベント（たとえば、信号の隣接するペア）に関連付けられた各シーケンスについて、前述のパターン評価に関して考慮され得る追加のシーケンシング関連特徴を決定することができる。たとえば、プロセスは、周期または周期間の各隣接するシードイベントペアの周期を特徴付けるために、各隣接するシードイベントペアの周期の安定性に基づいて特徴を決定することができる。隣接するシードイベントのペア（複数可）間の生理学的信号のような安定性は、たとえば分散などの１つまたは複数の統計関数によって特徴付けられ得る。たとえば、各シードイベントの深さなど、シードイベントの特徴に関する分散または他の安定性を決定することによって計算される。同様に、プロセスは、他の統計関数、たとえば、平均的なイベント形態を計算することによって、シーケンス内のシードイベントをさらに特徴付けることができる。加えて、このプロセスは、シードイベントの近傍間の信号サンプル数の平均値を特徴として評価することができる。同様に、プロセスは、たとえば、シードイベントの近傍の信号サンプルのイベント形態の安定性を計算することによって、シーケンス内のシードイベントの安定性を特徴付けることができる。非常に類似した形態を有する反復性の高い（すなわち、安定性の高い周期を有する）シードイベントのシーケンスは、呼吸イベントのシーケンスに関連付けられた可能性が高いと考えられる。さらに、シーケンスに関するパターンの計算された特徴は、隣接するシードイベント間の（正規化された）差の４分位範囲であってもよい。

このような信号の各シーケンスの評価は、他のシーケンス（たとえば、他の生理学的信号からの複数のシードイベントに関連付けられたシーケンス、たとえば、隣接するペアまたは複数の隣接するペアのシードイベント）と関連してシーケンスを特徴付ける追加の特徴（たとえば、時間的パターンに関連付けられた時間的特徴）を決定または計算または決定することによって拡張することができる。このプロセスは、異なる生理学的信号シーケンス（たとえば、時間的に重複するシーケンス）の関係を特徴付ける情報を提供する。この点で、異なるシードイベント信号タイプのこのようなシーケンス間の同期には豊富な情報が含まれている。たとえば、すべてのＰＲピークがＰＡＴシーケンスのＰＡＴ減少イベントの谷に完全に位置合わせされたＰＲシーケンスは、これらのシーケンス内のすべてのシードイベントが（一連の）呼吸イベントの表現である可能性が高い。これらの特徴は、時間的な位置合わせを確認するために、異なる信号（たとえば、ＰＲ、ＰＡＴ、およびアクティビティシーケンス）内のシードイベントの特徴点のタイミングを含むことができる。同様に、この特徴（複数可）は、非飽和最下点が通常、他の信号の変化タイミングを非常に体系的に追跡するので、他の信号のシーケンスに対するＰＰＧ信号のシードイベントのシーケンスの位置合わせ遅延を特徴付けることができる。

たとえば、結合矩形１１によって示されるように、図３に示される生理学的信号１、２、３、４中の複数のシードイベントは、同様のイベント継続時間６ｄに基づいて、それぞれの生理学的信号１、２、３、４中にグループ化または結合されている。シードイベントまたはシードイベントに結合されたこれらのシーケンスは、睡眠障害イベントの繰り返しを示すことができる。追加的、および／または、代替的二、単一の生理学的信号内でのシードイベント６の結合のために、プロセスは、複数の異なる生理学的信号からのシードイベントのシーケンスを位置合わせ／相関シーケンスのセット１２に関連付ける特徴をさらに決定し、セット１２にグループ化されたシードイベントは、同じ睡眠障害イベントを示す。言い換えれば、これらのセットは、異なる生理学的信号のシードイベントのセットであり、これらのセットは、同じ時間範囲にわたるシードイベントを含み、同じ睡眠障害イベントを示すことができる。より視覚的に説明すると、セット１２は、異なる信号からのシードイベントの「垂直」グループまたは関連付けられたシーケンスであるが、前述のシードイベントの結合は、単一信号の関連付けられたシードイベントである「水平」に行われる。シードイベントをセットにグループ化することは、セットのシードイベントの同時発生における実質的に規則的なパターンを決定することを含むことができる。たとえば、シードイベントの中央値の継続時間または開始時間は、異なる生理学的信号において類似していてもよい。図３では、そのようなシードイベントのセット１２が示されている。

したがって、少なくとも１つのシードイベントに関連付けられた前述の決定／計算された特徴（たとえば、前述のパターンを示すシードイベント、異なる信号からの位置合わせ／相関シードイベント、各信号からのシードイベントのシーケンス、および／または異なる信号からのシードイベントの位置合わせ／相関シーケンスからの時間的および／または形態的特徴）の任意の組み合わせを利用することは、次に、分類器（たとえば、機械学習分類器によって生成された、規則ベースモデルまたは決定木などの訓練モデル）または他の機械学習アルゴリズムなどの１つまたは複数のデジタルプロセッサ（複数可）内の処理アルゴリズムに、たとえば、（たとえば、そのような特徴の特徴ベクトルまたは他のデータ構造内で）組み合わせて適用することができる。分類器またはそのような分類器からの訓練モデルのような機械学習分類器は、特定のシードイベントが睡眠障害イベントを示すか否かを決定するために、特定のシードイベントと既知の睡眠障害イベント関連パターンの特徴とに関連付けられたパターン関連特徴（たとえば、データ構造または前述の時間的特徴および／または形態的特徴のような前述の特徴の集合）との間の適合度、たとえば確率を決定するように構成され得る。言い換えれば、パターンに基づいて、分類器は、シードイベントの１つまたは複数のセットが呼吸関連の睡眠障害イベントに関連付けられ、別のセットが非呼吸関連の睡眠障害イベントに関連付けられ得ることを決定することができる。分類器（複数可）、たとえばそのモデルは、決定木分類器またはモデル、機械学習分類器またはモデル、論理回帰分類器またはモデル、ニューラルネットワーク、ナイーブベイズ分類器またはモデル、およびサポートベクトルマシンなどのいずれか１つまたは複数であってもよい。したがって、決定された適合度（複数可）は、たとえば、適合度の活性化値（複数可）または客観的な適合メトリック（複数可）を含んでもよく、入力フィーチャの値に適用されたときの１つまたは複数の活性化関数の出力計算（複数可）、および／または、たとえば、識別情報（複数可）（たとえば、呼吸イベントまたは非呼吸イベント）を確認するために１つまたは複数の閾値と比較することができるフィーチャとパターンとの類似性を決定する確率値（複数可）の計算を含むことができる。

任意に、複数の分類器を実装することができる。たとえば、第１分類器は、シードイベントに関連付けられた複数の生理学的信号から予め記述されたシードイベントの順序付け相関パターン評価を実行するように訓練されてもよく、第２分類器は、シードイベントのシーケンスから呼吸関連睡眠障害イベントに関連付けられたシードイベント、または非呼吸関連睡眠障害イベントに関連付けられたシードイベントを検出するように訓練されてもよい。呼吸関連睡眠障害イベントと非呼吸関連睡眠障害イベントとの間の区別は、たとえば、パターンおよびシーケンス自体の特定の特徴に基づくことができる。たとえば、シードイベント（非呼吸関連睡眠障害イベント）の周期的四肢運動シーケンスは、酸素飽和度低下を有さず、後続イベントの間に比較的短い時間を有する。代替的に、単一の分類器は、グループ化ステップを実行するように訓練され、その後、検出ステップを実行することができる。分類器はまた、シードイベントをセットにグループ化することなく検出ステップを実行するように訓練されてもよい。分類器は、たとえば、臨床試験からのマーカーデータセットによって訓練されていてもよい。代替的に、分類器は、上記のいずれかの特徴の閾値に基づく規則ベースのシステムとして訓練され、または開発されてもよい。分類器は、ニューラルネットワーク、決定木、またはサポートベクトルマシンなど、任意の既知の分類器とすることができる。

このようにして、特定のシードイベントは、たとえば生理学的信号におけるシードイベントの実質的に規則的な継続時間に基づいて、前述のパターン（たとえば前述の特徴）との決定された適合度に基づいて処理アルゴリズムによって選択され、睡眠障害イベントの検出として適合度の有意性に基づいて選択され、したがって、ＰＰＧに基づいて感知可能な家庭研究デバイスに関する検出技術のような、先行する検出技術を改善するために、比較的高い信頼度で睡眠障害イベントを検出することができる。分類器は、検出のための規則のセットを設計して入力することによって訓練または開発することができる。これらの規則は、たとえば、１つまたは複数の測定の閾値に基づく規則を含むことができる。これらの規則は、時間および／または形態学的パターンに関連付けられた１つまたは複数の決定値に基づく規則をさらに含むことができる。たとえば、分類器は、シードイベントの特徴、シードイベントがパターン（たとえば、実質的に規則的なパターン）にどの程度適合するか、およびパターンの特徴に関連付けられた情報を入力として使用することができる。いくつかの実装形態では、分類器は、以前の測定に基づくタグデータを使用して訓練することもできる。訓練データセットは、たとえば臨床試験の経験データから構築することができ、この臨床試験の経験データは、睡眠障害イベントの位置が、手動またはコンピュータ支援のスコアリングによってスコアリングまたは注釈付けされ、シードイベントがそれに関連付けられ得る。代替的にまたは追加的に、訓練データセットは、たとえば、手動またはコンピュータ支援スコアリングによって、シードイベントが睡眠障害イベントに属するまたは属さないとマークされた臨床試験の経験データから構築することができる。

このような改良されたプロセスは、図４および図５を参照して考慮することができる。図４は、経時的な複数の生理学的信号を表す第３概略グラフを示す。前述の図と同様に、これらのフラグは、酸素飽和度（ＳｐＯ_２）信号１、ＰＡＴ信号２、脈拍数信号３、および四肢活動信号４を含む、共通の時間範囲にわたる複数の生理学的信号を表す。ＳｐＯ_２信号１では、酸素７，７ａの５つの飽和度低下を識別することができ、これは５つのサブイベントとして選択することができる。従来技術の方法では、これらのイベントが睡眠障害イベントに関連しているかどうかを決定するために、これらの不飽和の振幅が決定され、閾値と比較される。現在のグラフでは、以前のベースラインからわずか２％の差しかないため、酸素７ａの最初の飽和度低下は失格となる可能性がある。しかしながら、本技術による例示的なプロセスでは、たとえば、飽和度低下の開始および／またはシードイベントの継続時間における実質的に規則的なパターンに関する特徴は、酸素飽和度低下値が比較的小さいにもかかわらず、無呼吸などの睡眠障害イベントを確実に検出することにつながる。さらに、シードイベントを異なる生理学的信号の間で上記シードイベントのグループ（たとえば、シーケンス）にグループ化するための特徴を評価するプロセスは、そのグループのシードイベントの同時発生に実質的に規則的なパターン、特にベースラインからのＰＡＴ信号振幅の低下８ａ、ベースラインからの脈拍数信号振幅の増加９ａ、および四肢活動の増加１０ａが存在するので、検出の信頼性を強化する。

図５は、経時的な複数の生理学的信号１、２、３、４を表す第４の概略グラフを示す。同様に、ＳｐＯ_２信号１において、酸素７ｂ、７ｃ、７ｄの３つの飽和度低下を区別することができ、これは睡眠障害イベントを潜在的に示す３つのシードイベントとして選択することができる。従来の方法では、これらの不飽和の大きさが決定され、閾値と比較される。全ての酸素飽和度低下イベント７ｃ、７ｄ、７ｂは閾値を超えるので、この方法は睡眠障害イベントが検出されたと決定する。しかしながら、本技術のプロセスでは、実質的に規則的なパターンに関する特徴は、シードイベントの少なくとも一部において評価されることになる。これは、酸素飽和度低下信号１であってもパターン認識が困難であり、飽和度低下信号７ｂ，７ｃ，７ｄの全体形状が異なるため、困難である（従って、適合度が低い、またはわずかであるという結果になる）。他の生理学的信号２、３、および４では、ＰＡＴ振幅の低下、脈拍数のスパイク、または四肢の活動のスパイクがいくつかあるにもかかわらず、実質的に規則的なパターンが存在しないように見えるので、状況はなお説得力がある。したがって、本技術の例示的なプロセスは、睡眠障害イベントが検出されず、不飽和化が人為的および／または睡眠障害イベント以外の別の理由による可能性があることを示す。

したがって、このようなプロセスのいくつかの実装形態では、装置は、少なくとも１つのシードイベントを選択するシステムへの入力に応答して、たとえば、このようなシステムのユーザインターフェースに選択が入力された場合に、睡眠障害イベントの検出または未検出に関するフィードバックを生成するように構成され得る。これに応答して、プロセスは、シードイベントが睡眠障害イベント（たとえば、睡眠障害呼吸イベント）の原因として認識されていないこと、たとえば、「基本規則に欠けるパターン」であることを示す指示を出力することができる。フィードバックは、好ましくは自然言語で提示することができる。たとえば、正のフィードバックは、「低い飽和度低下であるが、規則的なパターンとの高い適合性に基づく検出」を含むことができ、このようなプロセスに適用される場合、これは図４に記載された生理学的信号に適用され得る。

これに関して、本方法は、少なくとも１つのシードイベントの選択による、睡眠障害イベントの検出または非検出に関するフィードバックを含むことができる。フィードバックは自然言語で提示することができる。フィードバックは、たとえば、シードイベントが睡眠障害イベントに関連していると評価されるか、または睡眠障害イベントに関連していないと評価される理由に関する情報を含むことができる。この情報は、たとえば、決定木分類器に基づくことができる。したがって、以下の追加例は、たとえば、フィードバックを符号化文として画面上に表示することができる決定木分類器の推論例と考えることもできる。

（例）呼吸に関連付けられた睡眠障害イベントは、たとえば検出された場合があり、フィードバックは、「このイベントに関連付けられた酸素飽和度低下が３％未満であっても、比較的大きな時間的および形態的類似性を有する飽和度低下イベントのシーケンスの一部である」などの情報を含むことができる。隣接する２つの酸素飽和度低下は、このシーケンスの一部であり、平均３％を超える。隣接する６つの酸素飽和度低下は、このシーケンスの一部であり、平均３．５％を超える。飽和度低下は、非常に類似した周期性を持つ脈拍数スパイクおよびＰＡＴ減少シーケンスとかなり重なり合う。

（例）たとえば、呼吸に関連付けられた睡眠障害イベントが検出されてもよく、フィードバックは、「このイベントに関連付けられた酸素飽和度低下は、比較的大きな時間的および形態的類似性を有する一連の酸素飽和度低下イベントの一部である」などの情報を含むことができる。隣接する２つの酸素飽和度低下は、このシーケンスの一部であり、平均３％を超える。隣接する６つの酸素飽和度低下は、このシーケンスの一部であり、平均３．５％を超える。このイベント周辺の四肢の動きは非常に低い」と指摘した。

（例）シードイベントが睡眠障害イベントに関連付けられたように選択または保持されていない場合、フィードバックは、「隣接する２つの酸素飽和度低下が平均３％より大きく、隣接する６つの酸素飽和度低下が平均３．５％より大きくても、その位置の周囲には肢の動きが多すぎ、周囲の酸素飽和度低下は時間的および形態的に低い類似性を有する」などの情報を含むことができる。

もちろん、そのようなフィードバック情報の言語または表現は、本出願の場合と同じである必要はない。しかしながら、「時間的および形態的類似性」とは、シードイベントにおけるパターンの適合度を意味することは、当業者にとって明らかであろう。この情報を提示する他の方法も可能である。

前述の例で示されたように、睡眠障害イベントを検出するための本方法は、単一または複数の生理学的信号に基づいて睡眠障害イベントの検出の精度を向上させることができる。なぜなら、このプロセスは、従来技術の方法で行われていたように、孤立したシードイベントの閾値に基づく決定木のみに依存するのではなく、実質的に規則的なパターンなどのパターンを決定し、パターンへの適合度を決定するという形で、単一のシードイベントに関するコンテキスト情報に依存しているからである。

この点で、先に説明された本技術のこのような方法は、図７および図８のシステムプロセスフロー図に関連してさらに考慮され得る。図７では、プロセス７００は７１０で開始することができる。７１０において、１つまたは複数のプロセッサは、１つまたは複数のセンサによって生成された１つまたは複数の生理学的信号、たとえば、本明細書に記載された任意の１つまたは複数の信号およびセンサ、たとえば、ＰＡＴ信号を含むセンサにアクセスまたは受信することができる。７２０において、１つまたは複数のプロセッサは、１つまたは複数の生理学的信号から睡眠障害イベントを示唆するシードイベントを検出することができる。７３０において、１つまたは複数のプロセッサは、検出されたシードイベントに関連付けられた１つまたは複数の生理学的信号の部分内のパターンまたは反復パターンを示す特徴を計算することができる。７４０において、１つまたは複数のプロセッサは、シードイベントパターンを示す計算特徴を処理アルゴリズム（たとえば、機械学習分類器または他の分類器、またはハードコード処理または決定木のような決定論的処理）に適用することができる。処理アルゴリズムは、計算された特徴が睡眠障害イベントの学習パターンにどの程度適合するかを計算するために訓練され得る。７５０において、１つまたは複数のプロセッサは、処理アルゴリズムによって決定された計算された適合度に基づいて、シードイベントに対応する１つまたは複数の睡眠障害イベントの識別情報（たとえば、スコア）を出力することができる。代替的に、７６０で、システムの１つまたは複数のプロセッサが、出力識別および／または適用に基づいて、出力を生成することができる。このような出力は、たとえば、本明細書でさらに詳細に説明される動作または治療動作などの呼吸治療動作を有する設定、または設定（たとえば、圧力または流量設定）のための制御信号などの信号を含むことができる。たとえば、信号は、任意に、１つまたは複数のプロセッサから、たとえば、通信ネットワーク（たとえば、インターネット）および／または他の中間デバイス（複数可）（たとえば、１つまたは複数のサーバ）を介して、呼吸療法デバイスに送信され得る。

このようなプロセスの例は、図８のフローチャートに関連してさらに考慮することができる。図７と同様に、プロセス８００の８２０において、１つまたは複数のプロセッサは、１つまたは複数の生理学的信号から睡眠障害イベントを示唆するシードイベントを検出することができる。８２２において、１つまたは複数のプロセッサは、位置合わせされたまたは関連付けられた信号シードイベントのセット、たとえば各信号から１つを選択することができ、各イベントおよび／または関連付けられたこれらのシードイベントの１つまたは複数の特徴を計算または決定することができる。８２４において、１つまたは複数のプロセッサは、シードイベントの１つまたは複数のシーケンスセットを選択することができ、１つまたは複数のシーケンス関連パターン特徴を計算または決定することができる。８２６において、１つまたは複数のプロセッサは、シードイベントのシーケンスセットの１つまたは複数の位置合わせされたセットまたは関連付けられたセットを選択してもよく、重複するシーケンス関連パターン特徴を計算または決定することができる。８３０において、１つまたは複数のプロセッサは、その後、シードイベントおよびシーケンスから前述のパターン関連特徴をマージすることができる。８４０において、次いで、１つまたは複数のプロセッサが、上述のいずれか１つまたは複数の分類器アルゴリズムなどの分類器アルゴリズムに特徴を適用することによって、マージされた特徴を利用して睡眠障害イベントをスコアリングすることができる。スコアに基づくさらなる出力は、前述したように生成されてもよい。

図６Ｂは、本明細書に記載されたセンサ装置、たとえば図６Ａのフィンガーセンサ装置を利用して、本技術の記載例に従って、これらのうちのいずれか１つまたは複数のプロセスまたはいずれか１つまたは複数のステップ（複数可）を実行することを可能にする回路を含む適切なコンピューティングシステム６００を示している。コンピューティングシステム６００は、一般に、適切な汎用コンピュータとして形成されてもよく、バス６１０と、プロセッサ６０２と、ローカルメモリ６０４と、１つまたは複数の任意の入力インターフェース６１４と、１つまたは複数の任意の出力インターフェース６１６と、通信インターフェース６１２と、記憶素子インターフェース６０６と、１つまたは複数の記憶素子６０８とを含んでもよい。バス６１０は、コンピューティングシステム６００のコンポーネント間での通信を可能にする１つまたは複数のコンダクタを備えてもよい。プロセッサ６０２は、プログラミング命令を解釈および実行する任意のタイプの従来のプロセッサまたはマイクロプロセッサを含んでもよい。ローカルメモリ６０４は、プロセッサ６０２によって実行される情報および命令を記憶するランダムアクセスメモリ（ＲＡＭ）や、別のタイプの動的記憶デバイス、および／またはプロセッサ６０２によって使用される静的情報および命令を記憶する読み取り専用メモリ（ＲＯＭ）、または別のタイプの静的記憶デバイスを含んでもよい。入力インターフェース６１４は、オペレータまたはユーザがコンピューティングデバイス６００に情報を入力することを可能にする、キーボード６２０、マウス６３０、ペン、音声認識および／または生体認証機構、カメラなどの１つまたは複数の従来の機構を含んでもよい。出力インターフェース８１６は、オペレータまたはユーザに情報を出力するための１つまたは複数の機構、たとえば、ディスプレイ６４０などを含んでもよい。通信インターフェース６１２は、コンピューティングシステム６００が、他のコンピューティングデバイス６８１、６８２、６８３などの他のデバイスおよび／またはシステムと通信することを可能にする１つまたは複数のイーサネットインターフェースなど、トランシーバに類似したメカニズムを含んでもよい。コンピューティングシステム６００の通信インターフェース６１２は、ローカルエリアネットワーク（ＬＡＮ）または広域ネットワーク（ＷＡＮ）、たとえばインターネットを介して、そのような別のコンピューティングシステムに接続されてもよい。記憶素子インターフェース６０６は、シリアルアドバンストテクノロジーアタッチメント（ＳＡＴＡ）インターフェースまたは小型コンピュータシステムインターフェース（ＳＣＳＩ）などの記憶インターフェースを含み、バス６１０を１つまたは複数の記憶素子６０８、たとえばＳＡＴＡディスクドライブなどの１つまたは複数のローカルディスクなどの記憶素子６０８に接続し、これらの記憶素子６０８へのおよび／またはこれらの記憶素子６０８からのデータの読み取りおよび書き込みを制御してもよい。上記の記憶素子６０８（複数可）はローカルディスクとして説明されているが、一般には、リムーバブル磁気ディスク、ＣＤまたはＤＶＤなどの光記憶媒体、‐ＲＯＭディスク、ソリッドステートドライブ、フラッシュメモリカードなどの任意の他の適切なコンピュータ読取可能な媒体を使用し得る。

本願で使用されるように、「回路」という用語は、以下の１つまたは複数またはすべてを指してもよい。
（ａ）アナログおよび／またはデジタル回路のみでの実装などのハードウェアのみの回路実装、
（ｂ）ハードウェア回路とソフトウェアの組み合わせ、たとえば、（適用可能な）（ｉ）アナログおよび／またはデジタルハードウェア回路（複数可）とソフトウェア／ファームウェアの組合せ、および

（ｉｉ）ソフトウェアを備えたハードウェアプロセッサ（複数可）の部分（携帯電話やサーバなどの装置に様々な機能を実行させるために協働するデジタルシグナルプロセッサ（複数可）、ソフトウェア、およびメモリを含む）、および

（ｃ）動作するためにソフトウェア（たとえばファームウェア）を必要とするが、ソフトウェアが動作するために必要でない場合に存在しない可能性がある、マイクロプロセッサまたはマイクロプロセッサの一部などのハードウェア回路および／またはプロセッサ。

この回路に関する定義は、任意の請求項を含む本願におけるこの用語のすべての使用に適用される。さらなる例として、本願で使用されるように、回路という用語は、また、ハードウェア回路のみ、またはプロセッサ（または複数のプロセッサ）のみ、若しくはハードウェア回路またはプロセッサの一部とその（またはそれらの）付随するソフトウェアおよび／またはファームウェアの実装をカバーする。回路という用語はまた、たとえば、特定の請求項の要素に適用可能である場合には、モバイルデバイスのベースバンド集積回路またはプロセッサ集積回路、またはサーバ、セルラーネットワークデバイス、または他のコンピューティングまたはネットワークデバイスにおける同様の集積回路を含む。

したがって、上記のいずれかの処理を実現することができる処理デバイスは、集積チップ、メモリおよび／または他の制御命令、データまたは情報記憶媒体を含むことができる。たとえば、本明細書に記載された評価／信号処理方法のいずれかを含むプログラミング命令は、特定用途向集積チップ（ＡＳＩＣ）を形成するために、デバイスまたは装置のメモリ内の集積チップ上に符号化され得る。このようなプロセスを有するこのような命令は、適切なプロセッサ読み取り可能な媒体（複数可）、データ記憶媒体、またはメモリを使用して、または代替的にソフトウェアまたはファームウェアとしてロードすることもできる。あるいは、このような処理命令は、たとえば、ネットワーク（たとえば、インターネット）を介してサーバから処理デバイスにダウンロードされてもよく、処理デバイスは、命令が実行されたときに、スクリーニング、監視デバイスおよび／または療法デバイスとして機能する。

したがって、そのような処理デバイス、たとえばサーバは、前述のセンサにリンクされ、および／またはこれらのセンサからこれらの信号を表すデータを受信するインターフェースのような複数のコンポーネントを含むことができる。他のコンポーネントに加えて、処理デバイスは、プロセッサ（複数可）、任意のディスプレイインターフェース、任意のユーザ制御／入力インターフェース、および本明細書で説明される処理方法／モジュールを有する処理命令などのメモリ／データメモリ３１２を含むことができる。１つまたは複数のセンサは、処理デバイスと一体的にまたは動作可能に結合され得る。たとえば、センサ（複数可）は、有線または無線リンク（たとえば、ブルートゥース、Ｗｉ－Ｆｉ等）を介して、処理デバイスと一体化されてもよいし、処理デバイスと結合されてもよい。したがって、処理デバイスは、データ通信インターフェースを含むことができる。いくつかの実装形態では、本技術のシステムはサーバを含むことができる。サーバは、前述のプロセスのいずれかのプロセッサ制御命令を含む、本明細書に記載されたプロセッサ読み取り可能な媒体（複数可）またはデータ記憶媒体（複数可）のいずれかにアクセスするように構成されてもよい。サーバは、プロセッサ読み取り可能な媒体のプロセッサ実行可能命令を、ネットワークを介してこれらの処理デバイスにダウンロードするための要求を受信するように構成され得る。いくつかの実装形態では、処理デバイスは、スマートフォン、タブレット、または他のスマートデバイス、または他のコンピューティングデバイスであってもよい。処理デバイスは、処理を提供するためにブロアのコントローラを使用する、本明細書に記載された呼吸処理デバイスなどの呼吸処理デバイスとすることができる。

（４．１ 任意のサンプル処理システム）
前述したように、一形態では、本技法は、呼吸障害を処置および／または監視するための装置またはデバイスを含むことができ、それは、図６の前述のコンピューティングシステムとして使用または通信するために、前述のいずれかのプロセスに関連し、および／または構成され得る。この装置またはデバイスは、患者インターフェース３０００に通じる空気回路４１７０を介して患者１０００に加圧空気流を供給するためのＲＰＴデバイス４０００などの呼吸療法デバイス（ＲＴ）であってもよい。空気の流れは、圧力制御（呼吸圧療法の場合）または流量制御（高流量療法ＨＦＴなどの流量療法の場合）することができる。したがって、ＲＰＴデバイスは、たとえば、患者の呼吸器系とシールされたシールを使用しない患者インターフェースを使用する場合に、流量療法デバイスとして機能するように構成されてもよい。以下の説明では、図８～図１１を参照してＲＴまたはＲＰＴデバイスを考えることができる。

（４．２ 患者インターフェース）
本技術の一態様による非侵襲的患者インターフェース３０００は、シール形成構造３１００、プレナムチャンバ３２００、位置決めおよび安定化構造３３００、通気部３４００、空気回路４１７０に接続するための接続ポート３６００、および前額支持部３７００のいずれかの機能的態様を任意に含むことができる。いくつかの形態では、機能的態様は、１つまたは複数の物理コンポーネントによって提供されることができる。いくつかの形態では、１つの物理コンポーネントは、１つまたは複数の機能的態様を提供することができる。使用時、シール形成構造３１００は、気道への加圧空気の供給を容易にするために、患者の気道への入口を囲むように配置される。

（４．３ ＲＰＴデバイス）
本技術の一態様によるＲＰＴデバイス４０００は、機械および空気圧コンポーネント４１００、電子コンポーネント４２００を備え、１つまたは複数のアルゴリズム４３００を実行するようにプログラムされている。ＲＰＴデバイス４０００は、上部４０１２および下部４０１４の２つの部分として形成された外部ハウジング４０１０を有してもよい。さらに、外部ハウジング４０１０は、１つまたは複数のパネル（複数可）４０１５を含んでもよい。ＲＰＴデバイス４０００は、ＲＰＴデバイス４０００の１つまたは複数の内部コンポーネントを支持するシャーシ４０１６を備え得る。ＲＰＴデバイス４０００は、ハンドル４０１８を含むことができる。

ＲＰＴデバイス４０００の空気圧経路は、たとえば、空気入口フィルタ４１１２、入口マフラー４１２２、加圧空気を供給することができる圧力発生器４１４０（たとえば、ブロワー４１４２）、出口マフラー４１２４、および圧力センサ４２７２および流量センサ４２７４のような１つまたは複数のセンサ４２７０を含んでもよい。

１つまたは複数の空気経路項目は、空気圧ブロック４０２０と呼ばれる移動可能な一体構造内に配置することができる。空気圧ブロック４０２０は、外部ハウジング４０１０内に配置されてもよい。一形態において、空気圧ブロック４０２０は、シャーシ４０１６によって支持されるか、またはシャーシ４０１６の一部として形成される。

ＲＰＴデバイス４０００は、電源４２１０と、１つまたは複数の入力デバイス４２２０と、中央コントローラ４２３０と、治療デバイスコントローラ４２４０と、圧力発生器４１４０と、１つまたは複数の保護回路４２５０と、メモリ４２６０と、トランスデューサ４２７０と、データ通信インターフェース４２８０と、１つまたは複数の出力デバイス４２９０とを有することができる。電子コンポーネント４２００は、単一のプリント回路基板アセンブリ（ＰＣＢＡ）４２０２上に装着され得る。代替形態において、ＲＰＴデバイス４０００は、２つ以上のＰＣＢＡ４２０２を含み得る。

（４．３．１ ＲＰＴデバイスの機械コンポーネントおよび空気圧式のコンポーネント）
ＲＰＴデバイス４０００は、全体的なユニットにおいて、以下の１つまたは複数のコンポーネントを含むことができる。別の形態では、以下のコンポーネントのうちの１つまたは複数を、それぞれ独立したユニットとして配置することができる。

（４．３．１．１ 空気フィルタ（複数可））
本技術の一形態によるＲＰＴデバイス４０００は、空気フィルタ４１１０または複数の空気フィルタ４１１０を含むことができる。

一形態では、空気入口フィルタ４１１２は、圧力発生器４１４０の上流で空気圧経路の始点に位置する。

一形態では、空気出口フィルタ４１１４、たとえば抗菌フィルタは、空気圧ブロック４０２０の出口と患者インターフェース３０００との間に位置する。

（４．３．１．２ マフラー（複数可））
本技術の一形態によるＲＰＴデバイス４０００は、マフラー４１２０または複数のマフラー４１２０を含むことができる。

本技術の一形態では、入口マフラー４１２２は、圧力発生器４１４０の上流の空気圧経路内に配置されている。

本技術の一形態では、出口マフラー４１２４は、圧力発生器４１４０と患者インターフェース３０００との間の空気圧経路内に配置される。

（４．３．１．３ 圧力発生器）
本技術の一形態では、圧縮空気を供給するための圧力発生器４１４０は、制御可能なブロワー４１４２である。たとえば、ブロワー４１４２は、渦巻きハウジング内に収容された１つまたは複数のインペラを有するブラシレスＤＣモータ４１４４を含んでもよい。圧力発生器４１４０は、約４ｃｍｈ_２Ｏから約２０ｃｍｈ_２Ｏの範囲、または他の形態では最大約３０ｃｍＨ_２Ｏ内の陽圧で、たとえば約１２０リットル／分の空気供給または空気流を発生させることができ、または、たとえば約１２０リットル／分の空気流を発生させることができる。

圧力発生器４１４０は、治療デバイスコントローラ４２４０の制御下にある。

他の形態では、圧力発生器４１４０は、ピストン駆動ポンプ、高圧源（たとえば、圧縮空気容器）に接続された圧力調整器、またはベローズとすることができる。

（４．３．１．４ トランスデューサ（複数可））
トランスデューサは、ＲＰＴデバイスの内部であってもよく、ＲＰＴデバイスの外部であってもよく、たとえば図６Ａに示すような指センサデバイスを含む、先に説明した指ＰＰＧセンサまたはＰＡＴセンシング装置であってもよい。外部センサは、たとえば、空気回路上に配置されてもよく、あるいは、患者インターフェースなどの空気回路の一部を形成してもよい。外部トランスデューサは、ＲＰＴデバイスにデータを送信または転送するドップラーレーダモーションセンサのような非接触センサの形態であってもよい。

本技術の一形態では、１つまたは複数のセンサ４２７０は、圧力発生器４１４０の上流および／または下流に配置される。１つまたは複数のトランスデューサ４２７０は、空気流れのその点において、流量、圧力または温度などの空気流の対応する属性を表すデータを生成するように構成され、配置される。

本技術の一形態では、１つまたは複数のセンサ４２７０は、患者インターフェース３０００の近傍に配置される。

一形態では、トランスデューサ４２７０からの信号は、たとえば、低域通過、高域通過、または帯域通過によってフィルタリングされることができる。

（４．３．１．５ スピルバック防止バルブ）
本技術の一形態では、スピルバック防止バルブ４１６０は、加湿器５０００と空気圧ブロック４０２０との間に配置される。スピルバック防止バルブは、水が加湿器５０００からたとえばモータ４１４４に上流に流れる危険性を低減するように構成され、配置されている。

（４．３．１．６ 空気回路）
本技術の一態様による空気回路４１７０は、使用時に空気流が空気圧ブロック４０２０および患者インターフェース３０００のような２つのコンポーネントの間を移動することを可能にするように構成および配置された導管またはチューブである。

（４．３．１．７ 酸素送達）
本技術の一形態では、補充酸素４１８０は、空気回路４１７０および／または患者インターフェース３０００へ、空気圧ブロック４０２０の上流などの空気圧経路内の１つまたは複数の点に送達される。

（４．３．２ ＲＰＴデバイスの電子コンポーネント）
（４．３．２．１ 電源）
本技術の一形態では、電源４２１０は、ＲＰＴデバイス４０００の外部ハウジング４０１０の内部に配置される。本技術の別の形態では、電源４２１０は、ＲＰＴデバイス４０００の外部ハウジング４０１０の外部に配置される。

本技術の一形態では、電源４２１０は、ＲＰＴデバイス４０００にのみ電力を供給する。本技術の別の形態では、電源４２１０は、ＲＰＴデバイス４０００および加湿器５０００の両方に電力を供給する。

（４．３．２．２ 入力デバイス）
本技術の一形態では、ＲＰＴデバイス４０００は、人がデバイスと対話することを可能にするボタン、スイッチ、またはターンテーブルの形態の１つまたは複数の入力デバイス４２２０を含む。ボタン、スイッチまたはダイヤルは、タッチスクリーンを介してアクセスすることが可能な物理的デバイスまたはソフトウェアデバイスであり得る。ボタン、スイッチ、またはターンテーブルは、一形態で外部ハウジング４０１０に物理的に接続されてもよく、または別の形態で中央コントローラ４２３０に電気的に接続された受信機と無線通信することができる。

一形態では、入力デバイス４２２０は、人間が値および／またはメニューオプションを選択することを可能にするように構成および配置されてもよい。

（４．３．２．３ 中央コントローラ）
本技術の一形態では、中央コントローラ４２３０は、ＲＰＴデバイス４０００を制御するように適合されたプロセッサ、たとえばｘ８６ ＩＮＴＥＬプロセッサである。

本技術の別の形態に従ってＲＰＴデバイス４０００を制御するのに適した中央コントローラ４２３０は、ＡＲＭ ＨｏｌｄｉｎｇｓからのＡＲＭ Ｃｏｒｔｅｘ－Ｍプロセッサに基づくプロセッサを含む。たとえば、ＳＴマイクロエレクトロニクスのＳＴＭ３２シリーズマイクロコントローラを使用することができる。

本技術の別の代替形態によれば、ＲＰＴデバイス４０００を制御するように適合された別の中央コントローラ４２３０は、ＡＲＭ９ベースの３２ビットＲＩＳＣ ＣＰＵシリーズから選択されたメンバを含む。たとえば、ＳＴマイクロエレクトロニクス社のＳＴＲ９シリーズマイクロコントローラを用いることができる。

本技術のいくつかの代替形態では、１６ビットＲＩＳＣ ＣＰＵは、ＲＰＴデバイス４０００の中央コントローラ４２３０として機能することができる。たとえば、テキサスインスツルメンツ製ＭＳＰ４３０シリーズマイクロコントローラのプロセッサを使用することができる。

本技術の別の形態では、中央コントローラ４２３０は、専用の電子回路である。別の形態では、中央コントローラ４２３０は特定用途向け集積回路（ＡＳＩＣ）である。別の形態では、中央コントローラ４２３０は、ディスクリート電子部品を含む。

中央コントローラ４２３０は、１つまたは複数のセンサ４２７０、１つまたは複数の入力デバイス４２２０、および加湿器５０００から入力信号（複数可）を受信するように構成されている。

中央コントローラ４２３０は、出力デバイス４２９０、治療デバイスコントローラ４２４０、データ通信インターフェース４２８０、および加湿器５０００のうちの１つまたは複数に出力信号（複数可）を供給するように構成される。

本技術のいくつかの形態では、中央コントローラ４２３０は、本明細書で説明された１つまたは複数の方法、たとえば、メモリ４２６０または本明細書で説明された他のメモリなどの非一時的なコンピュータ可読記憶媒体に記憶されたコンピュータプログラムとして表される１つまたは複数のアルゴリズム４３００を実装するように構成される。本技術のいくつかの形態では、前述したように、中央コントローラ４２３０は、ＲＰＴデバイス４０００と統合されてもよい。しかしながら、本技術のいくつかの形態では、いくつかの方法は、前述のサーバのようなリモートデバイスまたはサーバによって実行されてもよい。たとえば、リモート装置またはサーバは、たとえば呼吸関連イベントを検出し、記憶されたデータ（たとえば、本明細書に記載された任意のセンサから）を分析することによって、人工呼吸器または他のＲＴデバイスに送信するための制御設定をタイプ別に識別することによって決定することができる。

中央コントローラ４２３０は、様々なセンサ４２７０、データ通信インターフェース４２８０、メモリ４２６０、および他のデバイスと相互作用する単一のコントローラを含むことができるが、コントローラ４２３０の機能は、複数のコントローラに分散されてもよい。したがって、ここで使用されている用語「セントラル」は、アーキテクチャを他のデバイスを制御する単一のコントローラやプロセッサに限定することを意味しない。たとえば、代替アーキテクチャは、１つまたは複数のコントローラまたはプロセッサを含む分散コントローラアーキテクチャを含むことができ、これは、任意に、本明細書に記載された任意の方法を実施するためのような、先に記載されたフィンガーセンサと直接または間接的に電子的（有線または無線）に通信することができるか、またはフィンガーセンサと通信するサーバを含むことができる。これは、たとえば、いくつかのアルゴリズム４３００を実行する別個のローカル（すなわち、ＲＰＴデバイス４０００内）、またはいくつかのアルゴリズムを記憶する１つまたは複数のローカルまたはリモートメモリを実行するリモート位置コントローラを含むことができる。さらに、コンピュータプログラムとして表現される場合、アルゴリズムは、高度な人間読み取り可能なコード（たとえばＣ＋＋、Ｖｉｓｕａｌ Ｂａｓｉｃ、他のオブジェクト指向言語など）または低レベル／マシンレベル命令（アセンブラ、Ｖｅｒｉｌｏｇなど）を含むことができる。アルゴリズム（複数可）の機能に応じて、このようなコードまたは命令は、たとえばＡＳＩＣまたはＤＳＰのようなコントローラに書き込むことができ、またはＤＳＰまたは汎用プロセッサに移植されたランタイム実行可能ファイルであり、アルゴリズム（複数可）に必要なタスクを実行するために特別にプログラムされ得る。

（４．３．２．４ 時計）
ＲＰＴデバイス４０００は、中央コントローラ４２３０に接続された時計４２３２を含むことができる。

（４．３．２．５ 治療デバイスコントローラ）
本技術の一形態では、治療デバイスコントローラ４２４０は、中央コントローラ４２３０によって実行されるアルゴリズム４３００の一部を形成する療法制御モジュール４３３０である。

本技術の一形態において、治療デバイスコントローラ４２４０は、専用モータ制御集積回路である。たとえば、一形態では、ＯＮＳＥＭＩによって製造されたＭＣ３３０３５ブラシレスＤＣモータコントローラが使用される。

（４．３．２．６ 保護回路）
本技術によるＲＰＴデバイス４０００は、１つまたは複数の保護回路４２５０を含むことができる。

本技術による保護回路４２５０の一形態は、電気的保護回路である。

本技術による保護回路４２５０の一形態は、温度または圧力安全回路である。

（４．３．２．７ メモリ）
本技術の一形態によれば、ＲＰＴデバイス４０００は、不揮発性メモリなどのメモリ４２６０を含む。いくつかの形態では、メモリ４２６０は、バッテリ駆動のスタティックＲＡＭを含むことができる。いくつかの形態では、メモリ４２６０は、揮発性ＲＡＭを含むことができる。

メモリ４２６０は、ＰＣＢＡ ４２０２上に常駐することができる。メモリ４２６０は、ＥＥＰＲＯＭまたはＮＡＮＤフラッシュメモリの形態とすることができる。

追加的にまたは代替的に、ＲＰＴデバイス４０００は、取り外し可能な形態のメモリ４２６０、たとえばセキュアデジタル（ＳＤ）規格に従って作られたメモリカードを含む。

本技術の一形態では、メモリ４２６０、たとえば、先に説明されたメモリの１つは、本明細書で説明された１つまたは複数の方法を表すコンピュータプログラム命令、たとえば、１つまたは複数のアルゴリズム４３００を記憶する、非一時的なコンピュータ読み取り可能な記憶媒体として動作する。

（４．３．２．８ トランスデューサ）
トランスデューサは、ＲＰＴデバイス４０００の内部にあってもよく、ＲＰＴデバイス４０００の外部にあってもよい。外部センサは、空気回路４１７０上に配置されてもよいし、空気回路４１７０の一部を形成してもよく、たとえば、患者インターフェース３０００にある。外部トランスデューサは、データをＲＰＴデバイス４０００に送信または転送するドップラーレーダモーションセンサのような非接触センサの形態とすることができる。

（４．３．２．８．１ 流量）
本技術による流量センサ４２７４は、ＳＥＮＳＩＲＩＯＮのＳＤＰ６００シリーズのような差圧センサに基づくことができる。差圧センサは、空気回路と流体連通し、各圧力センサの１つは、流量制限要素の対応する第１および第２点に接続される。

一例では、中央コントローラ４２３０は、流量センサ４２７４から総流量Ｑｔを表す信号を受信する。

（４．３．２．８．２ 圧力）
本技術による圧力センサ４２７２は、空気圧経路と流体連通する位置に配置されている。適切な圧力センサ４２７２の例は、ＨＯＮＥＹＷＥＬＬ ＡＳＤＸシリーズのセンサである。他の適切な圧力センサは、ＧＥのＮＰＡシリーズのセンサである。

使用時には、圧力センサ４２７２からの信号が中央コントローラ４２３０によって受信される。一形態では、圧力センサ４２７２からの信号は、中央コントローラ４２３０によって受信される前にフィルタリングされる。

（４．３．２．８．３ モータ速度）
本技術の一形態では、モータ速度センサ４２７６は、モータ４１４４および／またはブロワー４１４２の回転速度を決定するために使用される。モータ速度センサ４２７６からのモータ速度信号は、治療デバイスコントローラ４２４０に供給されることができる。モータ速度センサ４２７６は、たとえば、ホール効果センサのような速度センサであってもよい。

（４．３．２．９ データ通信システム）
本技術の一形態では、データ通信インターフェース４２８０が提供され、中央コントローラ４２３０に接続される。データ通信インターフェース４２８０は、リモート外部通信ネットワーク４２８２および／またはローカル外部通信ネットワーク４２８４に接続することができる。リモート外部通信ネットワーク４２８２は、リモート外部デバイス４２８６に接続することができる。ローカル外部通信ネットワーク４２８４は、ローカル外部デバイス４２８８に接続することができる。

一形態では、データ通信インターフェース４２８０は、中央コントローラ４２３０の一部である。別の形態では、データ通信インターフェース４２８０は、中央コントローラ４２３０から分離され、集積回路またはプロセッサを含むことができる。

一形態では、リモート外部通信ネットワーク４２８２はインターネットである。データ通信インターフェース４２８０は、有線通信（たとえば、イーサネットまたは光ファイバを介した）または無線プロトコル（たとえば、ＣＤＭＡ、ＧＳＭ、ＬＴＥ）を使用してインターネットに接続することができる。

一形態では、ローカル外部通信ネットワーク４２８４は、ブルートゥースまたは消費者赤外線プロトコルなどの１つまたは複数の通信規格を利用し、本明細書で説明する任意のセンサと任意に通信することができる。

一形態では、リモート外部デバイス４２８６は、本明細書で説明されるように、ネットワークに接続されたコンピュータおよび／またはサーバのクラスタなどの１つまたは複数のコンピュータである。一形態では、リモート外部デバイス４２８６は、物理コンピュータではなく仮想コンピュータであってもよい。いずれの場合も、このようなリモート外部デバイス４２８６は、適切に許可された者（たとえば、臨床医）によってアクセスされることができる。

ローカル外部デバイス４２８８は、パーソナルコンピュータ、携帯電話、タブレット、またはリモートコントローラであってもよい。

（４．３．２．１０ 出力デバイス（オプションのディスプレイ、アラートを含む））
本技術による出力デバイス４２９０は、視覚、聴覚および触覚ユニットのうちの１つまたは複数の形態をとることができる。ビジュアルディスプレイは、液晶ディスプレイ（ＬＣＤ）または発光ダイオード（ＬＥＤ）ディスプレイであることができる。

（４．３．２．１０．１ ディスプレイドライバ）
ディスプレイドライバ４２９２は、ディスプレイ４２９４に表示されることを意図した文字、記号、または画像を入力として受け取り、それらをディスプレイ４２９４に表示させるコマンドに変換する。

（４．３．２．１０．２ ディスプレイ）
ディスプレイ４２９４は、ディスプレイドライバ４２９２から受信したコマンドに応答して、文字、記号または画像を視覚的に表示するように構成される。たとえば、ディスプレイ４２９４は８セグメントディスプレイとすることができ、この場合、ディスプレイドライバ４２９２は、各文字または記号（たとえば数字「０」）を、特定の文字または記号を表示するために８つの対応するセグメントがアクティブ化されているかどうかを示す８つの論理信号に変換する。

（４．３．３ ＲＰＴデバイスアルゴリズム）
（４．３．３．１ 前処理モジュール）
本技術に係る前処理モジュール４３１０は、センサ４２７０（たとえば、流量センサ４２７４または圧力センサ４２７２）から生データを入力として受け取り、１つまたは複数の処理ステップを実行して、他のモジュール（たとえば、療法エンジンモジュール４３２０）への入力として使用される１つまたは複数の出力値を計算する。

本技術の一形態において、出力値は、インターフェース圧力Ｐｍ、呼吸流量Ｑｒ、及びリーク流量Ｑｌを含む。

本技術の様々な形態において、前処理モジュール４３１０は、圧力補償４３１２、換気流量推定４３１４、リーク流量推定４３１６、呼吸流量推定４３１７、換気量決定４３１１、目標換気量決定４３１３、呼吸レート推定４３１８、およびバックアップレート決定４３１９のアルゴリズムのうちの１つまたは複数を備える。

（４．３．３．１．１ 圧力補償）
本技術の一形態では、圧力補償アルゴリズム４３１２は、空気圧ブロック４０２０の出口付近の空気圧経路内の圧力を示す信号を入力として受信する。次いで、圧力補償アルゴリズム４３１２は、推定された圧力Ｐｍを出力として患者インターフェース３０００に提供する。

（４．３．３．１．２ 換気流量推定アルゴリズム）
本技術の一形態では、換気流量推定アルゴリズム４３１４は、圧力補償アルゴリズム４３１２から患者インターフェース３０００における推定圧力Ｐｍを入力として受け取り、患者インターフェース３０００における通気部３４００から空気の換気流量Ｑｖを推定する。

（４．３．３．１．３ リーク流量推定アルゴリズム）
本技術の一形態では、リーク流量推定アルゴリズム４３１６は、総流量Ｑｔ、および換気流量Ｑｖを入力として受け取り、リーク流量Ｑｌの推定値を出力として提供する。一形態では、リーク流量推定アルゴリズムは、いくつかの呼吸サイクルを含むのに十分な長さの時間（たとえば１０ｓ）にわたる総流量Ｑｔと換気流量Ｑｖとの差の平均値を計算することによってリーク流量Ｑｌを推定する。

一形態では、リーク流量推定アルゴリズム４３１６は、患者インターフェース３０００内の総流量Ｑｔ、換気流量Ｑｖおよび推定圧力Ｐｍを入力として受け取り、リークコンダクタンスを計算することによりリーク流量Ｑｌを推定し、リーク流量Ｑｌがリークコンダクタンスおよび圧力Ｐｍの関数であると決定する。リークコンダクタンスは、総流量Ｑｔと通気流量Ｑｖとの差に等しい低通過フィルタリングされた非通気流量の商、及び圧力 Ｐｍの低通過フィルタリング平方根として計算され、低通過フィルタ時定数は、例えば約１０秒の数回の呼吸サイクルを含むのに十分な長さの値を有する。リーク流量Ｑｌは、リークコンダクタンスと圧力、Ｐｍの積の関数として推定することができる。

（４．３．３．１．４ 呼吸流量推定アルゴリズム）
本技術の一形態では、呼吸流量推定アルゴリズム４３１７は、総流量Ｑｔ、換気流量Ｑｖ、およびリーク流量Ｑｌを入力として受け取り、換気流量Ｑｖおよびリーク流量Ｑｌを総流量Ｑｔから差し引くことによって、患者に対する空気呼吸流量Ｑｒを推定する。

本技術の他の形態では、呼吸流量推定アルゴリズム４３１７は、呼吸流量Ｑｒの代理としての値を提供する。呼吸流量の代替として考えられるものには、
－患者の胸部の呼吸運動１０００、
－圧力発生器４１４０によって引き出された電流、
－圧力発生器４１４０のモータ速度、
－患者の経胸部インピーダンス１０００が含まれる。

呼吸流量プロキシ値は、たとえば、モータ速度センサ４２７６のようなＲＰＴデバイス４０００内のセンサ４２７０、または呼吸運動センサまたは経胸部インピーダンスセンサのようなＲＰＴデバイス４０００外のセンサによって提供されることができる。

（４．３．３．１．５ 換気量決定アルゴリズム）
本技術の一形態では、換気量決定アルゴリズム４３１１は、呼吸流量Ｑｒを入力として受け取り、現在の患者の換気量を示す測定値Ｖｅｎｔを決定する。

いくつかの実装形態では、換気量決定アルゴリズム４３１１は、実際の患者の換気量Ｖｅｎｔの推定値である換気量の測定値を決定する。

１つのこのような実装形態では、換気量Ｖｅｎｔの測定値は、呼吸流量絶対値Ｑｒの半分であり、任意に、０．１１Ｈｚのコーナー周波数を有する２次ベジェローパスフィルタのようなローパスフィルタによってフィルタリングされる。

１つのこのような実装形態では、換気量Ｖｅｎｔの測定値は、肺胞全体の換気量（すなわち、非解剖学的デッドスペース換気量）の推定である。これには解剖学的デッドスペースの推定が必要である。解剖学的デッドスペースの良好な予測指標として、患者の身長（または重度の骨格奇形の場合の腕の広がり）を用いることができる。総肺胞換気量は、たとえば上記のように決定された実際の患者換気量の測定値から、推定された解剖学的死腔と推定された自発呼吸数Ｒｓの積を引いたものに等しい。

他の実装形態では、換気量決定アルゴリズム４３１１は、実際の患者換気に実質的に比例する換気Ｖｅｎｔの測定値を決定する。そのような一実施形態では、推定サイクル吸気区間のピーク呼吸流量Ｑｐｅａｋを実現する。このプログラムおよび呼吸流量Ｑｒのサンプリングを含む他の多くのプログラムは、流量波形の形状があまり変化しないことを前提として、換気量にほぼ比例した測定値を生成する（ここでは、時間的および振幅的に正規化された呼吸の流量波形が類似している場合、両呼吸の形状は類似しているとみなされる）。単純な例としては、正の呼吸流量の中央値、呼吸流量の絶対値の中央値、流量の標準偏差がある。正の係数を使用した呼吸流量の絶対値の統計の任意の次数統計の任意の線形結合、さらには正と負の両方の係数を使用したものでも、換気量にほぼ比例する。他の例は、吸気部の中間ＫＫ比（時間）における呼吸流速の平均値であり、０＜Ｋ＜１である。流速波形の形状が変化しなければ、換気量に正確に比例する測定値は任意の数になる。

他の形態では、換気量決定アルゴリズム４３１１は、換気流量Ｑｒに基づくのではなく、酸素飽和度（ＳａＯ_２）または二酸化炭素分圧（ＰＣＯ_２）のような、患者１０００に接続された適切なセンサから得られる、現在の患者の換気のエージェントである換気の測定値Ｖｅｎｔを決定する。

（４．３．３．１．６ 目標換気量決定アルゴリズム）
本技術の一形態では、中央コントローラ４２３０は、現在の換気の測定値Ｖｅｎｔを入力とし、換気測定の目標値Ｖｔｇｔを決定するための１つまたは複数の目標換気量決定アルゴリズム４３２８を実行する。

本技術のいくつかの形態では、目標換気量決定アルゴリズム４３２８は存在せず、目標値Ｖｔｇｔは、たとえば、ＲＰＴデバイス４０００の構成中にハードコードすることによって、または入力デバイス４２２０を介して手動入力することによって予め定められる。

本技術の他の形態、たとえば、適応サーボ換気（ＡＳＶ）療法（後述）では、目標換気量決定アルゴリズム４３１３は、患者１０００の典型的な最近の換気量を示す値Ｖｔｙｐから目標換気量Ｖｔｇｔを計算する。

適応サーボ換気療法のいくつかの形態では、目標換気Ｖｔｇｔは、典型的な最近の換気量Ｖｔｙｐの高い割合として計算されるが、典型的な最近の換気量Ｖｔｙｐよりも小さい。このような高い割合は、（８０％、１００％）、（８５％、９５％）、（８７％、９２％）の範囲内である可能性がある。

他の形態の適応サーボ換気では、目標換気Ｖｔｇｔは、典型的な最近の換気Ｖｔｙｐよりもわずかに大きい単位倍数として計算される。

典型的な最近の換気Ｖｔｙｐは、ある所定の時間スケールにおける複数の時間的瞬間における現在の換気Ｖｅｎｔの分布が集合する傾向にある値、すなわち、最近の履歴における現在の換気の集中傾向の尺度である。目標換気量決定アルゴリズム４３１３の１つの実装形態では、最近の履歴は数分のオーダーであるが、いずれの場合もＣｈｅｙｎｅ－Ｓｔｏｋｅｓの上昇下降サイクルの時間スケールよりも長くなければならない。目標換気量決定アルゴリズム４３１３は、現在の換気Ｖｅｎｔの測定から典型的な最近の換気Ｖｔｙｐを決定するために、様々な公知の集中傾向の測定のいずれかを使用することができる。このような測定の１つは、現在の換気Ｖｅｎｔの測定に対するローパスフィルタの出力であり、時定数は１００秒に等しい。

（４．３．３．１．７ 呼吸流量推定）
本技術の一形態では、呼吸流量推定アルゴリズム４３１８は、患者１０００の呼吸流量Ｑｒを入力として受け取り、患者の自発呼吸流量Ｒｓの推定値を生成する。

呼吸速度推定アルゴリズム４３１８は、患者１０００の自発呼吸中、すなわち、ＲＰＴデバイス４０００が「予備呼吸」を送達しないとき（後述）の自発呼吸速度Ｒｓを推定することができる。本技術のいくつかの形態では、呼吸流量推定アルゴリズム４３１８は、自発的な呼吸努力をより反映する可能性が高いため、サーボアシスト（圧力サポートから最小圧力サポートを引いたものとして定義される）の低い期間における呼吸流量を、１つの実施において４ｃｍＨ_２Ｏよりも小さい値で推定する。

本技術のいくつかの形態では、呼吸流量推定アルゴリズム４３１８は、睡眠呼吸中の呼吸流量を推定する。なぜなら、これらの間の呼吸流量は、覚醒中の呼吸流量と実質的に異なることがあるからである。不安は通常、睡眠時よりも高い呼吸数を引き起こす。患者が自分の呼吸プロセスに集中している間は、通常、通常の覚醒時または睡眠時の呼吸数よりも低い呼吸数になる。ＷＯ ２０１１／００６１９９として開示されている特許出願番号ＰＣＴ／ＡＵ２０１０／０００８９４は、本明細書に参照として導入されており、呼吸流量Ｑｒから覚醒呼吸の周期を識別するために使用され得る。

本技術のいくつかの形態では、呼吸流量推定アルゴリズム４３１８は、関心のある期間における呼吸持続時間Ｔｔｏｔの集中傾向の様々なよく知られた統計的測定値の１つの逆数として、自発呼吸流量Ｒｓを推定する。このような測定では、例外値を拒否するか、少なくとも例外値に対して頑健であることが望ましい。ランク付けされた呼吸持続時間のうち、低い方と高い方のＫの割合が廃棄された平均値をトリミングし、残りの呼吸持続時間から平均値を計算するメトリックは、異常値に対してロバストである。たとえば、Ｋが０．２５の場合、これは呼吸持続時間Ｔｔｏｔの上下４分位数を捨てることに相当する。中央値は集中傾向を示すもう１つの確実な尺度であるが、分布が強い二峰性である場合には満足のいく結果が得られない場合がある。単純平均は外れ値の影響を受けやすいものの、集中傾向の尺度として使用することもできる。あり得ない呼吸数（たとえば、４５呼吸／分を超える、または６呼吸／分未満）に対応する連続する時間間隔が平均計算から異常値として除外される、初期間隔フィルタリング位相が使用されてもよい。単独でまたはインターバルフィルタリングと組み合わせて使用することができる他のフィルタリング機構は、Ｎ個の連続した自発呼吸シーケンスに属さない任意の呼吸を排除することであり、ここで、Ｎはある小さな整数（たとえば、３）であり、連続した自発呼吸シーケンスの初期および後期呼吸、たとえば４個の呼吸シーケンスの最初および最後の呼吸を排除することである。後者のメカニズムの基本的な原理は、一連の自発呼吸の最初と最後の呼吸、および一般的な初期と後期の呼吸が非典型的である可能性があるということである。たとえば、最初の自発呼吸は覚醒の結果であり、最後の自発呼吸は呼吸駆動力が低下し、予備呼吸が自発呼吸シーケンスを終了させるため、より長くなる可能性がある。

本技術のいくつかの形態では、呼吸流量推定アルゴリズム４３１８は、初期推定期間を使用して自発呼吸流量Ｒｓの初期推定を行い、療法エンジンモジュール４３２０における後続の処理の開始を可能にし、その後、統計的ロバスト性を向上させるために、初期推定期間よりも長い推定期間を使用して自発呼吸流量Ｒｓの推定を連続的に更新する。たとえば、推定された初期期間は、２０分間の適切な自発呼吸であってもよいが、推定された期間は、その後、ある最大持続時間、たとえば８時間まで徐々に増加してもよい。この推定は、セッションが進むにつれて応答時間が徐々に長くなる（より正確には角周波数が徐々に低くなる）呼吸持続時間に関するローパスフィルタを使用する代わりに、呼吸持続時間に関するローパスフィルタを使用することができる。

いくつかの形態では、トリミング平均値のような、適切に処理された集中傾向の短期（たとえば、１０分）の測定値を適切なローパスフィルタに入力して、時間スケールまたはそれ以上の時間スケールで変化する推定Ｒｓを与えることができる。その利点は、数時間または数日にわたる呼吸持続時間データの移動ウィンドウ上でトリミング平均値を計算する必要がある場合に生じる可能性のある大量の呼吸持続時間データを保存および処理する必要がないことである。

本技術のいくつかの形態では、短時間、特に一呼吸内で測定された呼吸数は、上述の集中傾向測定における呼吸持続時間の代わりに使用されてもよく、実質的に類似しているが異なる結果を与える。

（４．３．３．１．８ バックアップレート決定）
本技術の一形態では、バックアップレート決定アルゴリズム４３１９は、呼吸レート推定アルゴリズム４３１８によって提供された自発呼吸レート推定Ｒｓを入力として受け取り、「バックアップレート」Ｒｂを返す。バックアップレートＲｂは、ＲＰＴデバイス４０００が、有意な自発呼吸努力なしに患者１０００に予備呼吸を送達する、すなわち換気サポートを提供し続ける速度である。

前処理モジュール４３１０の一形態では、バックアップレート決定アルゴリズム４３１９は存在せず、バックアップレートＲｂは、たとえば入力デバイス４２２０を介してＲＰＴデバイス４０００に手動で提供されるか、ＲＰＴデバイス４０００の構成時にハードコードされる。

適応バックアップレートと呼ばれる形態において、バックアップレート決定アルゴリズム４３１９は、自発呼吸レートＲｂの関数としてバックアップレートＲｓを決定する。一実装形態では、この関数は、バックアップレートＲｂを自発呼吸流量Ｒｓから定数、たとえば毎分２呼吸を差し引いた値として決定する。別の実装形態では、この関数は、バックアップレートＲｂを、自発呼吸流量Ｒｓにわずかに１未満の定数を乗じたものとして決定する。

可変バックアップレートと呼ばれる形態では、バックアップレート決定アルゴリズム４３１９は、時間の関数としてバックアップレートＲｂを決定する。バックアップレートＲｂは、持続予定バックアップレート（ＳＴＢＲ）と呼ばれる最終目標バックアップレートの一部である自発バックアップレート（ＳＢＲ）と呼ばれる値に初期化される。分数には、３分の２、４分の３、または１未満のその他の正の値を指定できる。ＳＢＲは、直近の吸気が自発的である（たとえば、開存トリガ）呼吸。ＳＴＢＲは、事前に決定することもできるし（たとえば、上述のように手動入力またはハードコーディングによって）、または１５ｂｐｍなどの典型的な呼吸数に設定することもできる。バックアップレートＲｂは、前回の自発呼吸から時間の経過とともにＳＢＲからＳＴＢＲに向かって増加する。増加は、一連のステップのような所定のプロファイル、または連続した線形プロファイルに依存することができる。所定間隔後にバックアップレートＲｂがＳＴＢＲに到達するようにプロファイルを選択する。この間隔は、たとえば３０秒の時間単位で測定することができ、あるいは、たとえば５回の呼吸のように患者の呼吸に関して測定することができる。

可変バックアップレートのいくつかの形態では、バックアップレートＲｂがＳＢＲからＳＴＢＲに向かって増加する所定の間隔は、現在の換気の十分性の関数であってもよい。換気測定のための目標値Ｖｔｇｔが存在するサーボ換気に適した実装形態では、現在の換気測定Ｖｅｎｔが目標換気Ｖｔｇｔよりも小さいため、待機速度はＳＴＢＲにより速く近づく。

適応可変バックアップレートと呼ばれる可変バックアップレートの一形態において、バックアップレート決定アルゴリズム４３１９は、呼吸レート推定アルゴリズム４３１８によって提供される現在推定されている自発呼吸レートＲｓの関数および時間の関数として、バックアップレートＲｂを決定する。可変バックアップレート決定の場合のように、適応的可変バックアップレート決定は、ＳＢＲからＳＴＢＲへのバックアップレートＲｂを、現在の換気適正度の関数となり得る所定の間隔で増加させる。ＳＴＢＲは標準呼吸流量、たとえば１５ｂｐｍに初期化することができる。呼吸流量推定アルゴリズム４３１８から自発呼吸流量Ｒｓの信頼性のある推定値が得られると、ＳＴＢＲは、現在推定されている自発呼吸流量Ｒｓにある定数を乗算するように設定することができる。ＳＢＲは、可変バックアップレートなど、ＳＴＢＲの一部に設定できる。一形態では、推定された自発呼吸数Ｒｓの初期の間、分数、たとえば３分の２は、呼吸数が比較的低い患者の時々の長い呼吸持続時間、たとえば１分間に１２回の呼吸に対応するために、０．５５のような低い値に設定することができる。

いくつかの形態では、ＳＴＢＲを得るために現在の推定自発呼吸数Ｒｓに乗算される定数は、無呼吸中により積極的な換気を提供するために、１よりわずかに大きく、たとえば１．１であってもよく、これは短時間の無呼吸では望ましいことがある。この定数は、特に患者の努力を戻した際の患者との再同期の困難が特定の患者において問題であることが判明した場合には、１より若干低い、たとえば０．８であってもよい。バックアップ率が低いほど、呼気停止を延長することで再同期を容易にすることができ、その期間中に再同期が頻繁に行われる。

（４．３．３．２ 療法エンジンモジュール）
本技術の一形態では、療法エンジンモジュール４３２０は、患者インターフェース３０００内の圧力Ｐｍ、患者の空気呼吸流量Ｑｒ、および自己呼吸速度の推定値Ｒｓのうちの１つまたは複数を入力として受け取り、１つまたは複数の治療パラメータを出力として提供する。様々な形態で、療法エンジンモジュール４３２０は、位相決定４３２１、波形決定４３２２、吸気流量制限決定４３２４、無呼吸／低呼吸決定４３２５、いびき検出４３２６、気道開存決定４３２７、および治療パラメータ決定４３２９のうちの１つまたは複数のアルゴリズムを含み、たとえば前述した中枢性および閉塞性タイプ決定を含む。

（４．３．３．２．１ 位相決定アルゴリズム）
本技術の一形態では、位相決定アルゴリズム４３２１は、入力として呼吸流量Ｑｒを示す信号を受信し、出力として患者１０００の現在の呼吸周期の位相Φを提供する。

離散位相決定として知られるいくつかの形式では、位相出力Φは離散変数である。離散位相決定の一実装形態は、自発的な吸息および呼息の開始をそれぞれ検出すると、吸息または呼息の値、たとえばそれぞれ０および０．５回転で表される値を有する２値位相出力Φを提供する。「トリガ」および「ループ」のＲＰＴデバイス４０００は、トリガおよびループポイントがそれぞれ呼気から吸気へ、吸気から呼気へと位相が変化する瞬間であるため、離散位相決定を効率的に行うことができる。２値位相決定の一実施形態では、位相出力Φは、呼吸流量Ｑｒが正の閾値を超える値を有する場合には、０の離散値に決定され（したがって、ＲＰＴデバイス４０００を「トリガ」する）、呼吸流量Ｑｒが負の閾値よりも負の値を有する場合には、０．５回転の離散値に決定される（したがって、ＲＰＴデバイス４０００を「サイクル」する）。

離散位相決定の別の実装形態は、吸息、吸息中休止、呼息のうちの１つの値を有する３値位相出力Φを提供する。

連続位相決定と呼ばれる他の形態では、位相出力Φは、０から１回転または０から２πラジアン変化のような連続変数である。連続位相決定を行うＲＰＴデバイス４０００は、連続位相がそれぞれ０回転と０．５回転になったときにトリガしてループさせることができる。連続位相決定の一実装形態では、呼吸流速Ｑｒのファジィ論理解析を用いて位相Φｉの連続値を決定する。この実装形態で決定される連続位相値は、一般に「ファジィ位相」と呼ばれる。ファジィ位相決定アルゴリズム４３２１の一実装形態では、呼吸流量Ｑｒに以下の規則が適用される。
１．１．呼吸流量がゼロで急激に増加した場合、位相は０回転となる。
２．２．呼吸流量が大正で安定していれば、位相は０．２５回転とする。
３．３．呼吸流量がゼロで急速に低下する場合、位相は０．５回転とする。
４．４．呼吸流量が大きく安定していれば、位相は０．７５ｒｐｍとする。
５．５．呼吸流量がゼロで安定しており、呼吸流量の５秒ローパスフィルタリングされた絶対値が大きい場合、位相は０．９ｒｐｍである。
６．６．呼吸流量が正であり、位相が呼気である場合、位相は０回転である。
７．７．呼吸流量が負であり、位相が吸気である場合、位相は０．５回転である。
８．８．呼吸流量の５秒ローパスフィルタリングされた絶対値が大きい場合、位相は患者の呼吸流量に等しい定常速度で増加し、２０秒の時定数でローパスフィルタリングされる。

各規則の出力は、その規則の結果である位相と、その規則が真である曖昧さの程度である大きさとを有するベクトルとして表現することができる。呼吸流量は、「大」、「安定」等のぼやけ具合である。適切なメンバーシップ関数によって決定される。規則の結果はベクトルとして表され、図心などのいくつかの関数によって結合される。この組み合わせでは、規則の重みは等しくてもよく、異なっていてもよい。

連続相決定の別の実装形態では、吸気時間Ｔｉおよび呼気時間Ｔｅが最初に呼吸流量Ｑｒから推定される。そして、前回のトリガ時刻から経過した吸気時間Ｔｉの割合の半分、または０．５回転に前回のサイクル時刻から経過した呼気時間Ｔｅの割合の半分（近い方）に位相Φを決定する。

圧力支援換気療法に適した本技術のいくつかの形態では（後述する）、位相決定アルゴリズム４３２１は、呼吸流量Ｑｒが無呼吸時のように有意でない場合にもトリガされるように構成されている。その結果、ＲＰＴデバイス４０００は、患者１０００が自発的な呼吸努力をしていない場合に「予備呼吸」を提供する。自発／タイミング（Ｓ／Ｔ）パターンと呼ばれるこの形態では、位相決定アルゴリズム４３２１は、バックアップレート決定アルゴリズム４３１９によって提供されるバックアップレートＲｂを利用することができる。

「ファジィ位相」を使用する位相決定アルゴリズム４３２１は、バックアップレートＲｂを使用して、ファジィ位相規則に「運動量」規則を含めることにより、Ｓ／Ｔパターンを実現することができる。運動量規則は、呼吸流量Ｑｒの特徴が他の規則によって連続位相を前進させない場合に、バックアップレートＲｂで連続位相を呼気から吸気へ前進させるように作用する。一実装形態では、換気Ｖｅｎｔ（以下に記載）の測定値が換気（以下に記載）の目標値Ｖｔｇｔよりもはるかに低いほど、組み合わせにおける運動量規則の重みが高くなる。しかし、（目標換気と比較して）軽度から中等度の換気不足に応答した圧力支持の急激な増加により、換気は目標換気に非常に近いものとなる可能性がある。換気が目標に近づくと、所望運動量規則は低い重みを与えられ、それ以外の時間（患者が中枢性無呼吸でない場合）には、患者が呼吸流量よりも著しく低い速度で呼吸することを可能にし、さらに高い速度で呼吸するようにベンチレータによって不必要に促されることはない。しかし、換気量が目標換気量よりも低いが目標換気量に近い値を超えているときに、運動量ルールに低い重み付けが与えられると、バックアップ速度を大幅に下回る速度での比較的高圧のサポートで適切な換気が容易に達成される可能性がある。予備呼吸は、目標呼吸を低い圧力のサポートで送達することを可能にするので、より高い速度で送達することが望ましい。これは多くの理由から理想的であり、その重要な理由の１つはマスクリークの低減である。

要約すると、Ｓ／Ｔパターンを実装するファジィ位相決定アルゴリズム４３２１では、バックアップレートＲｂを含む運動量規則の重みを選択する際に、重みが高すぎると、患者がバックアップレートによって「押されている」と感じる可能性があるというジレンマが存在する。低すぎると、圧力の支持が大きすぎる可能性がある。したがって、上述した運動量規則に依存しないＳ／Ｔパターンを実現する方法を提供することが望ましい。

位相決定アルゴリズム４３２１（離散的または運動量規則のない連続的な）は、スケジュールバックアップと呼ばれる方法で、バックアップレートＲｂを使用してＳ／Ｔパターンを実装することができる。スケジュールバックアップは、たとえば上述したように、呼吸流量Ｑｒを監視することによって、位相決定アルゴリズム４３２１が自発的な呼吸努力による吸気開始を検出しようと試みることによって達成され得る。位相決定アルゴリズム４３２１は、持続時間がバックアップレートＲｂの逆数（バックアップタイミング閾値と呼ばれる間隔）に等しい最後のトリガ時刻以降の期間内に自発呼吸努力による吸気開始が検出されない場合には、位相出力Φを吸気値に設定する（これによりＲＰＴデバイス４０００をトリガする）。ＲＰＴデバイス４０００がトリガされて予備呼吸の送出が開始されると、位相決定アルゴリズム４３２１は、呼吸流量Ｑｒを監視するなどして自発的な呼気の開始の検出を試み、これに基づいて、位相出力Φを呼気の値に設定する（したがってＲＰＴデバイス４０００を循環させる）。

上記の可変バックアップレート方式の場合のように、ＳＢＲからＳＴＢＲへのバックアップレートＲｂが時間とともに増加すると、バックアップタイミング閾値が長くなり始め、徐々に短くなる。すなわち、ＲＰＴデバイス４０００は、最初はあまり警戒しておらず、より多くの予備呼吸が伝達されるにつれて、自発呼吸努力の欠如に対して次第に警戒するようになる。このようなＲＰＴデバイス４０００は、患者が標準よりも低い速度で呼吸することを好む場合、必要に応じて予備呼吸を提供している間に、患者に「押されて歩いている」と感じさせる可能性が低い。

上記の適応可変バックアップレートシステムのように、可変バックアップレートシステムのＳＴＢＲが患者の推定自発呼吸レートＲｓに適合する場合、予備呼吸は、患者自身の最近の自発呼吸努力に適合するレートで行われる。

（４．３．３．２．２ 波形決定アルゴリズム）
本技術の一形態では、療法制御モジュール４３３０は、圧力発生器４１４０を制御して、波形テンプレートΠ（Φ）に従って患者の呼吸サイクルの位相Φの関数として変化する治療圧力Ｐｔを提供する。

本技術の一形態では、波形決定アルゴリズム４３２２は、治療パラメータ決定アルゴリズム４３２９によって使用される位相値Φの領域上の範囲［０、１］の値を有する波形テンプレートΠ（Φ）を提供する。

一形態では、離散または連続値の位相に適用され、波形テンプレートΠ（Φ）は、０．５回転未満の位相値に対して値が１であり、０．５回転以上の位相値に対して値が０である方形波テンプレートである。連続値位相に適した形態では、波形テンプレートΠ（Φ）は、２つの滑らかに湾曲した部分、すなわち、滑らかに湾曲した部分（たとえば、立上りコサイン）０から１への位相値は０．５回転まで上昇し、滑らかなベンド（たとえば、０．５回転を超える位相値の場合は指数的に）は１から０へ減衰する。この「滑らかで快適」波形テンプレートの一例は、「シャークフィン」波形テンプレートであり、上昇は上昇の余弦であり、滑らかな減衰は準指数的である（したがって、Φが１回転に近づくと、Πの限界はちょうどゼロになる）。

本技術のいくつかの形態では、波形決定アルゴリズム４３２２は、ＲＰＴデバイスの設定に従って、波形テンプレートライブラリから波形テンプレートΠ（Φ）を選択する。ライブラリ内の各波形テンプレートΠ（Φ）は、位相値Πに対する値Φのルックアップテーブルとして提供することができる。他の形態では、波形決定アルゴリズム４３２２は、波形テンプレートΠ（Φ）を「動的に」計算するために、所定の関数形式（１つまたは複数のパラメータ（たとえば、指数曲線部分の時定数）によってパラメータ化されることがある）を使用する。機能的形態のパラメータは、予め定められたものであってもよいし、患者１０００の現在の状態に依存していてもよい。

本技術のいくつかの形態では、吸息（Φ＝０回転）または呼息（Φ＝０．５回転）の離散的２値位相に適用され、波形決定アルゴリズム４３２２は、波形テンプレートΠ「動的」を、直近のトリガの瞬間以降に測定された離散位相Φおよび時間ｔの関数として計算する。このような形態の１つでは、波形決定アルゴリズム４３２２は、波形テンプレートΠ（Φ，ｔ）を、次のように２つの部分（吸気および呼気）として計算する。

ここで、Π_ｉ（ｔ）およびΠ_ｅ（ｔ）は、波形テンプレートΠ（Φ，ｔ）の呼気・吸気部でありＴｉは吸息時間である。一形態では、波形テンプレートの吸気部Π_ｉ（ｔ）は、立ち上がり時間によってパラメータ化された０から１への滑らかな立ち上がりであり、波形テンプレートの呼気部Π_ｅ（ｔ）は、立ち下がり時間によってパラメータ化された１から０への滑らかな立ち下がりである。

（４．３．３．２．３ 吸気流量制限決定）
本技術の一形態では、プロセッサは、吸気流量制限（部分的な閉塞）を検出するための１つまたは複数のアルゴリズム４３２４を実行する。

一形態では、吸気流量制限決定アルゴリズム４３２４は、呼吸流量信号Ｑｒを入力として受け取り、呼吸の吸気部分が吸気流量制限を示す程度の尺度を出力として提供する。

本技術の一形態では、各呼吸の吸気部分は、各瞬間に推定された位相Φに基づいて識別される。たとえば、呼吸の吸気部は、位相Φが０．５以下の呼吸流量値である。時点を表す多数の等間隔の点（たとえば、６５個）が、各呼吸の吸気流量時間曲線に沿って補間器によって補間される。次に、点によって記述される曲線は、変化する呼吸数と深さの影響を除去するために、単位の長さ（期間／期間）と単位の面積を持つようにスケーラーによってスケーリングされまる。次に、スケーリングされた呼吸は、コンパレーターで、正常な障害のない呼吸を表す事前に保存されたテンプレートと比較される。このテンプレートからの吸気中にいつでも所定の閾値（通常は１比例単位）を超えて逸脱した呼吸、たとえば、咳、ため息、嚥下、げっぷに起因すると試験要素によって決定された呼吸は拒否される。拒否されていないデータについては、最初のいくつかの吸気イベントの最初のこのようなスケーリング点の移動平均値が中央コントローラ４２３０によって計算される。このような２番目の点では、これが同じ吸気イベントで繰り返され、以下のように続く。したがって、たとえば、６５個のスケーリングされたデータ点が中央コントローラ４２３０によって生成され、先行するいくつかの吸気イベント、たとえば３つのイベントの移動平均を表す。連続的に更新される（例えば６５個）点の値の移動平均値を以下「スケーリング流量」と呼び、Ｑｓ（ｔ）と特定する。あるいは、移動平均値の代わりに単一の吸気イベントを使用してもよい。

スケーリング流量から、部分閉塞の決定に関連付けられた２つの形状因子を算出することができる。

形状係数１は、全体（たとえば６５個）のスケーリング流量点の平均に対する、中間（たとえば３２個）のスケーリン流量点の平均の比率である。この比率が１を超えると呼吸は正常とみなされる。比率が１以下の場合、呼吸閉塞とみなされる。約１．１７の比率は、部分的閉塞と無閉塞呼吸との間の閾値として用いられ、典型的な患者において十分な酸素化を維持することを可能にする閉塞の程度と等価である。

形状係数２は、単位スケーリング流量からの２乗平均偏差として計算され、中間値（たとえば３２）点を超えるものとする。約０．２単位の２乗平均偏差は正常とされている。２乗平均偏差がゼロであることは、完全に流量が制限された呼吸であると考えられる。２乗平均偏差がゼロに近づくほど、呼吸はより多くの流量制限を受ける。

形状係数１と２は、代替として使用することも、組み合わせて使用することもできる。本技術の他の形態では、サンプリング点、呼吸点、および中間点の数は、上記と異なることができる。また、閾値は、説明された閾値とは異なるものであってもよい。

（４．３．３．２．４ 無呼吸と低呼吸の決定）
本技術の一形態では、中央コントローラ４２３０は、無呼吸および／または呼吸不足を検出するための１つまたは複数のアルゴリズム４３２５を実行する。

一形態では、無呼吸／低呼吸決定アルゴリズム４３２５は、呼吸流量信号Ｑｒを入力として受け取り、無呼吸または低呼吸が検出されたことを示すフラグを出力として提供する。

一形態では、呼吸流量Ｑｒの関数が、所定の時間にわたって流量閾値を下回った場合に、無呼吸が検出されたといえる。この関数は、ピーク流量、相対的短期平均流量、または相対的短期平均とピーク流量の中間値流量、たとえばＲＭＳ流量を決定することができる。流量閾値は、流量の比較的長期の尺度である場合がある。

一態様では、呼吸流量Ｑｒの関数が、所定の時間にわたって第２流量閾値を下回った場合、低呼吸が検出されたといえる。この関数は、ピーク流量、相対的短期平均流量、または相対的短期平均とピーク流量の中間値流量、たとえばＲＭＳ流量を決定することができる。第２流量閾値は、流量の比較的長期的な尺度であってもよい。第２流量閾値は、無呼吸を検出するための流量閾値よりも大きい。

一形態では、このような呼吸イベントは、前述の指センサＰＰＧに基づくタイプ検出に少なくとも部分的に基づいて中枢性または閉塞性として特徴付けられ得る。

（４．３．３．２．５ いびき検出）
本技術の一形態では、中央コントローラ４２３０は、いびきの程度を決定するために１つまたは複数のいびき決定アルゴリズム４３２６を実行する。

一形態では、いびき決定アルゴリズム４３２６は、呼吸流量信号Ｑｒを入力として受け取り、いびきの存在の程度の尺度を出力として提供する。

いびき決定アルゴリズム４３２６は、３０～３００Ｈｚの範囲における流量信号の強度を決定するステップを含むことができる。さらに、いびき決定アルゴリズム４３２６は、呼吸流量信号Ｑｒをフィルタリングして、背景雑音、たとえば、ブロワーからのシステム内の空気流の音を低減するステップを含み得る。

（４．３．３．２．６ 気道開存度決定）
本技術の一形態では、中央コントローラ４２３０は、気道開存の程度を決定するために、１つまたは複数の気道開存度決定アルゴリズム４３２７を実行する。

一形態では、気道開存度決定アルゴリズム４３２７は、呼吸流量信号Ｑｒを入力として受け取り、約０．７５Ｈｚおよび約３Ｈｚの周波数範囲における信号の電力を決定する。この周波数範囲内にピークが出現すると気道が開いていることを示す。ピークの欠損は気道閉鎖を示すものと考えられる。

一形態では、ピークを求める周波数範囲は、治療圧力Ｐｔにおける小さな強制振動の周波数である。一実装形態では、強制発振の周波数は２Ｈｚであり、振幅は約１ｃｍＨ_２Ｏである。

一形態では、気道開存度決定アルゴリズム４３２７は、呼吸流量信号Ｑｒを入力として受け取り、心原性信号の有無を決定する。心原性信号の欠損は気道閉鎖の徴候と考えられる。

（４．３．３．２．７ 治療パラメータの決定）
本技術のいくつかの形態では、中央コントローラ４２３０は、療法エンジンモジュール４３２０内の１つまたは複数の他のアルゴリズムによって返された値を使用して、１つまたは複数の治療パラメータを決定するための１つまたは複数の治療パラメータ決定アルゴリズム４３２９を実行する。

本技術の一形態では、治療パラメータは、瞬間的な治療圧力Ｐｔである。この形態の一実装形態では、治療パラメータ決定アルゴリズム４３２９は、式を使用して治療圧力Ｐｔを決定する。

ここで、
－Ａは振幅であり、
－Φは位相の現在値であり、
－Π（Φ）は、位相の現在値Φにおける波形テンプレート値（０から１の範囲）であり、
－Ｐ_０は、ベース圧力である。

波形決定アルゴリズム４３２２が、位相Φによってインデックスされた値のルックアップテーブルとして波形テンプレートΠ（Φ）を提供する場合、治療パラメータ決定アルゴリズム４３２９は、位相決定アルゴリズム４３２１によって返された位相の現在の値Φに最も近いルックアップテーブルエントリを位置付けるか、位相の現在の値Φを横切る２つのエントリの間を補間することによって、式（１）を適用する。

後述するように選択された呼吸圧治療パターンに応じて、治療パラメータ決定アルゴリズム４３２９により、振幅Ａおよびベース圧力Ｐ_０の値を以下のように設定することができる。

（４．３．３．３ 療法制御モジュール）
本技術の一態様に係る療法制御モジュール４３３０は、療法エンジンモジュール４３２０の治療パラメータ決定アルゴリズム４３２９から治療パラメータを入力として受け取り、圧力発生器４１４０を制御して、治療パラメータに従ってガス流を送出する。

本技術の一形態において、治療パラメータは、治療圧力Ｐｔであり、療法制御モジュール４３３０は、患者インターフェース３０００におけるインターフェース圧力Ｐｍが治療圧力Ｐｔと等しい空気流れを送達するように圧力発生器４１４０を制御する。

（４．３．３．４ 障害状態の検出）
本技術の一形態では、プロセッサは、故障状態を検出するための１つまたは複数の方法４３４０を実行する。１つまたは複数の方法によって検出される障害状態は、以下の少なくとも１つを含むことができる：
－ 電源障害（電源がないか、電源が不足している）
－ トランスデューサの故障検出
－ コンポーネントの存在を検出できないこと
－ 作業パラメータが推奨範囲を超えていること（たとえば、圧力、流量、温度、ＰａＯ_２）
－ テストアラームは検出可能なアラーム信号を生成できないこと

障害状態が検出されると、対応するアルゴリズムは次の１つまたは複数によって障害の存在を通知する。
音声、視覚、及び／又は動的（振動など）アラームの開始
－ 外部デバイスへのメッセージの送信
－ イベントロギング

（４．４ 加湿器）
本技術の一形態において、周囲空気に対して患者へ送達される空気またはガスの絶対湿度を変更するための加湿器５０００（たとえば、図１０に示すようなもの）が提供される。典型的には、加湿器５０００は、患者の気道に送られる前に、絶対湿度を上昇させ、空気流の温度を（周囲の空気と比較して）上昇させるために使用される。

（４．５ 用語）
本開示の目的のために、本技術のいくつかの形態では、以下の１つまたは複数の定義を適用することができる。本技術の他の形態では、代替定義を適用することができる。

（４．５．１ 一般）
空気：本技術の特定の形態において、空気は大気を意味し得、本技術の他の形態において、空気は、他の呼吸可能なガスの組み合わせ（例えば、酸素を豊富に含む大気）を意味し得る。

呼吸圧療法（ＲＰＴ）：空気は、通常は大気に対して陽の治療圧力で気道の入口に供給される。

持続的気道陽圧（ＣＰＡＰ）療法：治療圧力が患者の呼吸サイクルを通じてほぼ一定である呼吸圧療法。いくつかの形態において、気道への入口における圧力は、呼息時において若干上昇し、吸息時において若干低下する。いくつかの形態において、圧力は、患者の異なる呼吸サイクル間において変動する（たとえば、部分的な上気道閉塞の兆候の検出に応答して増加され、部分的な上気道閉塞の通知の不在時において低減される）。

患者：呼吸状態に苦しむか否かにかかわらず、人である。

自動的な気道陽圧（ＡＰＡＰ）療法：ＳＤＢ発症の兆候の存在または不在に応じて、たとえば、呼吸間に最小限界と最大限界との間で治療圧力を自動的に調節することが可能なＣＰＡＰ療法。

（４．５．２ 呼吸サイクルの側面）
無呼吸：一部の定義によれば、流量が一定期間、たとえば１０秒間にわたって所定の閾値を下回ると、無呼吸が発生したと言われる。閉塞性無呼吸とは、患者の労作にもかかわらず、何らかの気道閉塞により空気の流れが許されないときに発生すると言われる。中枢性無呼吸とは、気道が開通しているにも関わらず呼吸努力の低下または呼吸努力の不在に起因して無呼吸が検出された状態を指すと言われる。

呼吸数：患者の自発呼吸のレートであり、通常は１分あたりの呼吸数で測定される。

デューティサイクル：吸息時間Ｔｉが合計呼吸時間Ｔｔｏｔに対する比である。

努力（呼吸）：自発的に呼吸する人が呼吸をしようとする作業である。

呼吸サイクルの呼気部分：呼気流れの開始から吸気流れの開始までの期間。

流量制限：流量制限は、患者の労力の増加が対応する流量の増加をもたらさない患者の呼吸における事態と見なされる。呼吸サイクルの吸気部分において流量制限が発生した場合、当該流量制限は吸気流量制限と称することができる。呼吸サイクルの呼気部分において流れ制限が発生した場合、当該流れ制限は呼気流れ制限と称することができる。

低呼吸：流量は減少するが、停止するわけではない。一形態において、閾値速度を下回った流れ低下が継続期間にわたって続いた場合、呼吸低下が発生したと言われる。成人の一形態において以下のうちいずれかが発生した場合、呼吸低下と見なされ得る。
（ｉ）患者呼吸の３０％の低下が少なくとも１０秒＋関連付けられた４％の飽和度低下、または、

（ｉｉ）少なくとも１０秒間の患者呼吸の減少（ただし５０％未満）、および関連付けられた少なくとも３％の不飽和化または興奮。

呼吸サイクルの吸気部分：吸気流れの開始から呼気流れの開始までの期間が、呼吸サイクルの吸気部分としてとられる。

開存度（気道）：気道が開いている程度、または気道が開いている範囲である。患者気道が開いている。気道開存は、たとえば、開存状態であると、イチ（１）の値に定量化され、閉じている（閉塞）状態であると、ゼロ（０）の値に定量化され得る。

呼気終末陽圧（ＰＥＥＰ）：呼気の終末に存在する肺における大気以上の圧力である。

ピーク流量（Ｑピーク）：呼吸流量波形の吸気部分中の流量の最大値である。

呼吸流量、患者気流レート、呼吸気流レート（Ｑｒ）：これらの用語は、「真の呼吸流量」または「真の呼吸流量」とは異なり、ＲＰＴデバイスによる呼吸流量の推定値を指すと理解され得る。「真の呼吸流量」または「真の呼吸流量」は、患者が経験した実際の呼吸流量であり、通常は１分あたりのリットルで表される。

一回換気量（Ｖｔ）：余分な労力が加えられていない場合に、通常の呼吸中に吸い込まれ、または吐き出される空気の体積である。

（吸息）時間（Ｔｉ）：呼吸流量波形の吸気部分の継続期間。

（呼息）時間（Ｔｅ）：呼吸流量波形の呼気部分の継続期間。

（合計）時間（Ｔｔｏｔ）：呼吸流量波形の一つの吸気部分の開始と呼吸流量波形の次の吸気部分の開始との間の合計継続期間。

上気道閉塞（ＵＡＯ）：部分的な上気道閉塞および合計上気道閉塞両方を含む。これは、流量が、上気道を横切る圧力差が増加する（スターリング抵抗の挙動）につれてわずかに増加するか、または更に減少する可能性もある流量制限の状態に関連付けられ得る。

換気（Ｖｅｎｔ）：患者の呼吸器系によって行われるガス交換率の測定。換気の測定は、単位時間あたりの吸気および呼気流のうち片方または双方を含み得る。１分あたりの体積で表されると、この量は「分間換気」と呼ばれることが多い。分換気量は単純に体積として表されることがあり、１分あたりの体積として理解される。

（４．５．３ ＲＰＴデバイスパラメータ）
流量：単位時間あたりに送出される空気の瞬時の量（または質量）。流量および通気は単位時間当たりの体積または質量寸法が同じであるが、流量はより短い時間で測定される。患者呼吸の例では、患者呼吸周期の吸気部分については流量が名目上プラスになることがあり、したがって患者呼吸周期の呼気部分についてはマイナスになることがある。場合によっては、流量について言及した場合、スカラー量（すなわち、大きさのみを有する量）を指す。他の場合において、流量について言及した場合、ベクトル量（すなわち、大きさおよび方向両方を持つ量）を指す。Ｑのシンボルに流量が付与される。「流量」は単に「流れ」と呼ばれることがある。総流量Ｑｔは、ＲＰＴデバイスを出た空気の流量である。換気流量Ｑｖは、空気が排気口から出て呼気ガスを排出する流量である。リーク流量Ｑｌ，は、患者インターフェースシステムまたは他の場所からのリークの流量である。呼吸流量Ｑｒは、患者の呼吸系に空気が入る流量である。

リーク：「リーク」という用語は、意図しない空気流れとしてとられる。一例において、マスクと患者の顔との間の不完全なシールの結果として、リークが発生し得る。別の実施例において、リークは、周囲に対する回りエルボーにおいて発生し得る。

圧力：単位面積あたりの力。圧力は、ｃｍＨ_２Ｏ、ｇ－ｆ／ｃｍ^２、ヘクトパスカルを含む一連の単位で表すことができる。１ｃｍＨ_２Ｏは、１ｇ－ｆ／ｃｍ^２であり、約０．９８ヘクトパスカルである。本明細書では、別段の記載がない限り、圧力は、ｃｍＨ_２Ｏの単位で与えられる。患者インターフェースにおける圧力にはＰｍの符号が付され、マスク圧力Ｐｍが現時点で達成すべき目標値を示す治療圧力にはＰｔの符号が付されている。

（４．５．４ ベンチレータの用語）
アダプティブサーボベンチレータ（ＡＳＶ）：固定ではなく、変更可能な目標換気を有するサーボベンチレータである。変更可能な目標換気は、患者の一部の特性、たとえば、患者の呼吸特性から学ぶことができる。

バックアップレート：自発呼吸労力によってトリガされないと、ベンチレータが患者に提供する最小呼吸数（典型的には１分あたりの呼吸数）を設定する、ベンチレータのパラメータである。

サイクルされる：ベンチレータの吸気期の終了である。ベンチレータが、自発的に呼吸する患者に呼吸を送達する場合、呼吸サイクルの吸気部分の終末に、ベンチレータは、呼吸を送達するのを止めるためにサイクルされると言われる。

呼気気道陽圧（ＥＰＡＰ）：呼吸内で変化する圧力が加えられて、ベンチレータが所定の時間に達成しようとする所望のインターフェース圧力を生成するベース圧力である。

呼気末圧（ＥＥＰ）：ベンチレータが呼気の呼気部分の終末に達成しようとする所望のインターフェース圧力である。Φ＝１の場合に、呼気の終末に圧力波形テンプレートΠ（Φ）がゼロ、すなわちΠ（Φ）＝０とされると、ＥＥＰはＥＰＡＰに等しい。

吸気気道陽圧（ＩＰＡＰ）：ベンチレータが呼吸の吸気部分において達成しようとする最大の所望のインターフェース圧力である。

圧力サポート：ベンチレータの吸気中の圧力がベンチレータの呼気中の圧力よりも上昇したことを示す数値であり、一般に吸気中の最大値とベース圧力との間の圧力の差を意味する（たとえば、ＰＳ＝ＩＰＡＰ－ＥＰＡＰ）。一部の状況で、圧力サポートは、ベンチレータが実際に達成する差ではなく、それが達成しようとする差を意味する。

サーボベンチレータ：患者換気を測定し、目標換気を有し、患者換気を目標換気に向かわせるために圧力サポートのレベルを調整するベンチレータである。

サーボ支援：圧力サポートから最小圧力サポートを差し引く。

自発／時限式（Ｓ／Ｔ）：自発的に呼吸する患者の呼吸の開始を検出しようとするベンチレータまたは他の装置のパターンである。もしデバイスが所定の期間内に呼吸を検出できない場合、デバイスは自動的に呼吸の送達を開始する。

スイング：圧力支持に相当する用語である。

トリガされる：ベンチレータが、自発的に呼吸する患者に呼吸用空気を送達する場合、それが患者の労力によって呼吸サイクルの呼吸部分の開始時にトリガされてそうすると言われる。

典型的な最近の換気量：典型的な最近の換気量Ｖｔｙｐは、ある所定のタイムスケールにわたる最近の換気量測定値がその周囲に集中する傾向がある値、つまり、最近の履歴にわたる換気量測定値の集中傾向の測定値である。

ベンチレータ：患者が呼吸動作の一部または全てを行い際に圧力補助を提供する機械的デバイス。

（４．５．５ 呼吸器系の構造）
横隔膜：胸腔の底部にまたがる筋肉のシート。横隔膜は、心臓、肺、肋骨を収容する胸腔を腹腔から分離する。横隔膜が収縮すると、胸腔の容積が増大して、空気が肺内へ引き込まれる。

喉頭：喉頭または発声器は、声帯を収容すると共に、咽頭の下部（下咽頭）を気管と接続する。

肺：人間の呼吸器。肺の伝導領域は、気管、気管支、細気管支および終末細気管支を含む。呼吸領域は呼吸細気管支、肺胞導管および肺胞を含む。

鼻腔：鼻腔（ｎａｓａｌ ｃａｖｉｔｙ）（または鼻腔（ｎａｓａｌ ｆｏｓｓａ））は、顔面の中央の鼻の上後にある大きい空気充填空間である。鼻腔は、鼻中隔と呼ばれる垂直ひれによって２つに分けられる。鼻腔の両側には、鼻甲介（ｃｏｎｃｈａｅ）（単数形「ｃｏｎｃｈａ」）または鼻甲介（ｔｕｒｂｉｎａｔｅ）と呼ばれる３つの水平な延出部がある。鼻腔の前方には、背部が後鼻孔を介して鼻咽頭へと一体化する鼻がある。

咽頭：鼻腔の直下、食道と喉頭の上に位置する喉の一部。咽頭は通常、上咽頭（ｅｐｉｐｈａｒｙｎｘ）（咽頭の鼻の部分）、中咽頭（ｍｅｓｏｐｈａｒｙｎｘ）（咽頭の口の部分）、下咽頭（ｈｙｐｏｐｈａｒｙｎｘ）の３つの部分に分けられる。

（４．６ 他の注意事項）
本特許文献の開示の一部には、著作権保護された資料が含まれている。著作権所有者は、何者かが本特許文書または本特許開示を複写しても、特許庁の特許ファイルまたは記録に記載される目的のものであれば異論は無いが、その他の目的については全ての著作権を保持する。

他に文脈から明確に分かる場合および一定の範囲の値が提供されていない限り、下限の単位の１／１０、当該範囲の上限と下限の間、および記載の範囲の他の任意の記載の値または介入値に対する各介入値は本技術に包含されることが理解される。介在する範囲内に独立して含まれ得る、これらの介在する範囲の上限および下限も、記載した範囲内で任意の具体的に除外されている限度を条件として、本技術内に包含される。記載した範囲が限度のうち一方または両方を含む場合、それらの含まれている制限のうち一方または両方を除外する範囲も、本技術に含まれる。

さらに、値（単数または複数）が本技術の一部として実装されるものとして本明細書に記載されている場合、別段の記載がない限り、このような値は近似値であり得、このような値は、実際的な技術的実装形態において許容または要求され得る程度まで、任意の適切な有効桁に利用し得ることが理解される。

別段の規定がない限り、本明細書において使用される全ての技術用語および科学用語は、本技術が属する分野の当業者が一般的に理解する意味と同じ意味を有する。本明細書中に記載の方法および材料に類似するかまたは等しい任意の方法および材料を本技術の実践または試験において用いることが可能であるが、限られた数の例示的方法および材料が本明細書中に記載される。

特定の材料がコンポーネントの構築に好適に用いられるものとして記載されているが、特性が類似する明白な代替的材料が代替物として用いられる。さらに、それとは反対に記載無き限り、本明細書中に記載される任意および全てのコンポーネントは、製造可能なものとして理解されるため、集合的にまたは別個に製造され得る。

本明細書中および添付の特許請求の範囲において用いられるように、単数形である「１つ（ａ）」、「１つ（ａｎ）」および「該（ｔｈｅ）」は、文脈から明らかにそうでないことが示されない限り、その複数の均等物を含む点に留意されたい。

本明細書中に記載される公開文献は全て、これらの公開文献の対象である方法および／または材料の開示および記載、参考のために援用される。本明細書中に記載の公開文献は、本願の出願日前のその開示内容のみのために提供するものである。本明細書中のいずれも、本技術が従来の発明によりそのような刊行物に先行する権利を有しないという自白として解釈されるべきではない。また、提供された発行日が実際の発行日と異なる場合があり、個別に確認する必要がある場合がある。

さらに、本開示を解釈する際には、すべての用語は文脈に沿った最も広く合理的な方法で解釈されるべきである。「含む（ｃｏｍｐｒｉｓｅｓ）」および「含む（ｃｏｍｐｒｉｓｉｎｇ）」という用語は、要素、コンポーネントまたはステップを非排他的な意味合いで指すものとして解釈されるべきであり、記載の要素、コンポーネントまたはステップが明記されていない他の要素、コンポーネントまたはステップと共に存在、利用または結合され得ることを示す。

詳細な説明において用いられる見出しは、読者の便宜のためのものであり、本開示または特許請求の範囲全体において見受けられる内容を制限するために用いられるべきではない。これらの見出しは、特許請求の範囲または特許請求の範囲の制限の範囲の解釈において用いられるべきではない。

本明細書中の技術について、特定の実施例を参照して述べてきたが、これらの実施例は本技術の原理および用途を例示したものに過ぎないことが理解されるべきである。いくつかの場合において、用語および記号は、本技術の実施に不要な特定の詳細を示し得る。たとえば、「第１」および「第２」という用語が用いられてもよいが、別に定めがない限り、これらの用語は、任意の順序を示すことを意図しておらず、別個の要素を区別するために利用され得る。さらに、方法論におけるプロセスステップは、順序で説明または例示されてもよいが、このような順序付けは必要とされない。当業者であれば、このような順序が変更可能でありかつ／またはその様態を同時にまたはさらに同期的に行うことが可能であることを認識する。

よって、本技術の意図および範囲から逸脱することなく、例示的な実施例において多数の変更例が可能であり、また、他の配置構成が考案され得ることが理解されるべきである。

特定の実装形態を参照して本発明を説明してきたが、本発明は上述した例示的な実装形態の細部に限定されるものではなく、本発明がその範囲を逸脱することなく様々な変更や修正を加えて具現化することができることは、当業者には明らかであろう。したがって、本実装形態は、あらゆる点において例示的であり、制限的ではないと考えられ、本発明の範囲は、前述の説明によってではなく、添付の請求項によって示され、したがって、請求項の意味および同等性の範囲内に入るすべての変更は、本発明に包含されることを意図する。言い換えれば、基本的な基礎原理の範囲内にあり、その本質的な属性がこの特許出願で主張されている、あらゆる変更、変形、または同等物がカバーされるものと企図されている。さらに、本特許出願の読者は、「含む（ｃｏｍｐｒｉｓｉｎｇ）」または「含む（ｃｏｍｐｒｉｓｅ）」という用語が他の要素またはステップを排除するものではなく、「１つ（ａ）」または「１つ（ａｎ）」という用語が複数を排除するものではなく、コンピュータシステム、プロセッサ、または別の集積ユニットなどの単一の要素が特許請求の範囲に列挙されたいくつかの手段の機能を実現し得ることを理解する。特許請求の範囲におけるいかなる参照符号は、関連付けられたそれぞれの請求項を限定するものと解釈してはならない。「第１」、「第２」、「第３」、「ａ」、「ｂ」、「ｃ」などの用語は、明細書または特許請求の範囲で使用される場合、同様の要素またはステップを区別するために導入されるものであり、必ずしも順序または時系列を説明するものではない。同様に、「上部」、「下部」、「上」、「下」などの用語は、説明のために導入されるものであり、必ずしも相対的な位置を示すものではない。このように使用される用語が、適切な状況下で交換可能であり、本発明の実装形態は、他のシーケンスで、または上記で説明または図示されたものとは異なる向きで、本発明に従って動作可能であることは理解されるべきである。

（本技術の他の例）
以下の段落は、本明細書で説明される技術の例をさらに示す。
（例１） 睡眠障害イベントを検出するためのコンピュータ実装方法であって、
－少なくとも１つの生理学的信号を取得するステップと、
－睡眠障害イベントを示すイベントを、少なくとも１つの生理学的信号シードから識別するステップと、
－シードイベントの少なくとも一部内の実質的に規則的なパターンを決定するステップと、
－シードイベントが実質的に規則的なパターンにどの程度適合するかを決定するステップと、
－決定された適合度に基づいてシードイベントを選択することによって睡眠障害イベントを検出するステップと、を含む。

（例２） 例１に記載の方法であって、少なくとも１つの生理学的信号は、ＰＡＴ信号、酸素飽和度信号、脈拍数信号、呼吸努力信号、および気流信号のうちの少なくとも１つである。

（例３） 上記のいずれかの例に記載の方法であって、シードイベントは、ベースラインからのＰＡＴ信号振幅の低下、酸素飽和度低下、ベースラインからの脈拍数信号振幅の増加、ベースラインからの呼吸努力信号振幅の低下、およびベースラインからの気流信号振幅の低下のうちの少なくとも１つである。

（例４） 上記のいずれか例に記載の方法であって、実質的に規則的なパターンは、実質的に規則的な形態学的パターンを含む。

（例５） 上記のいずれかの例に記載の方法であって、実質的に規則的なパターンは、実質的に規則的な時間的パターンを含む。

（例６） 上記のいずれかの例に記載の方法であって、実質的に規則的なパターンを決定するステップおよび適合度を決定するステップは、シードイベントの継続時間を決定するステップ、シードイベントの強度を決定するステップ、形態的非対称性を導出するステップ、および／またはシードイベントの形態的形状を特徴付けるステップのうちの少なくとも１つを含む。

（例７） 上記のいずれかの例に記載の方法であって、実質的に規則的なターンを決定するステップおよび適合度を決定するステップは、シードイベントの開始点を決定するステップと、シードイベントの終了点を決定するステップと、最も強度の高い点または最も強度の低い点を決定するステップと、および／またはシードイベントの他の任意の特徴点を決定するステップとのうちの少なくとも１つを含む。

（例８） 上記のいずれかの例に記載の方法であって、睡眠障害イベントを検出するステップは、検出のために訓練または開発された分類器を使用することを含む。

（例９） 上記のいずれかの例に記載の方法であって、シードイベントを含む共通の時間範囲にわたって複数の生理学的信号が取得される。

（例１０） 上記のいずれかの例に記載の方法であって、複数の生理学的信号からのシードイベントをセットにグループ化するステップをさらに含み、セットにグループ化されたシードイベントは、同一の睡眠障害イベントを示し、セットにシードイベントをグループ化するステップは、セットにおけるシードイベントの同時発生における実質的に規則的なパターンを決定するステップを含む。

（例１１） 例８および例１０に記載の方法であって、分類器は、シードイベントのセット内で呼吸関連睡眠障害イベントまたは非呼吸関連睡眠障害イベントを検出するように構成される。

（例１２） 上記のいずれかの例に記載の方法であって、睡眠障害イベントの検出を、少なくとも１つのシードイベントを選択することによってフィードバックするステップをさらに含み、フィードバックは、好ましくは自然言語で提示される。

（例１３） コントローラであって、少なくとも１つのプロセッサと、コンピュータプログラムコードを含む少なくとも１つのメモリとを含み、少なくとも１つのプロセッサを利用して、上記例１～１２のいずれかに記載の方法をコントローラに実行させるように構成されている。

（例１４） コンピュータプログラム製品は、プログラムがコンピュータ上で実行されているときに、前述の例１～１２のいずれかに記載の方法を実行するためのコンピュータ実行可能命令を含む。

（例１５） コンピュータ読み取り可能な記憶媒体であって、プログラムがコンピュータ上で実行されているときに、前述の例１～１２のいずれかに記載の方法を実行するためのコンピュータ実行可能命令を含む。

Claims (34)

1. １つまたは複数のセンサによって生成された複数の生理学的信号にアクセスするステップと、
   前記睡眠障害イベントを示唆するシードイベントを前記複数の生理学的信号から検出するステップと、
   前記検出されたシードイベントに関連付けられた前記複数の生理学的信号の部分内のパターンを示す特徴を計算するステップと、
   前記シードイベントのパターンを示す計算された特徴を分類器に適用するステップであって、前記分類器は、前記睡眠障害イベントの学習されたパターンに対する計算された特徴の適合度を計算するように訓練される、ステップと、
   前記分類器によって決定された計算された適合度に基づいて、前記シードイベントに対応する１つまたは複数の睡眠障害イベントの識別情報を出力するステップと
   を含む、睡眠障害イベントを検出するためのプロセッサ実装方法。
2. 前記分類器は、機械学習分類器、決定木モデル、機械学習分類器モデル、論理回帰分類器モデル、ニューラルネットワーク、ナイーブベイズ分類器モデル、およびサポートベクターマシンのうちの１つまたは複数を含む、請求項１に記載の方法。
3. 前記複数の生理学的信号は、末梢動脈緊張度（ＰＡＴ）信号と、酸素飽和度信号、脈拍数信号、呼吸努力信号、運動信号および気流信号のうちの１つまたは複数と、を含む、請求項１～２のいずれか１項に記載の方法。
4. 前記シードイベントの各々は、末梢動脈緊張度（ＰＡＴ）信号におけるベースラインからの振幅の低下、酸素飽和度（ＳｐＯ２）信号における酸素飽和度の低下、脈拍数（ＰＲ）信号におけるベースラインからの振幅の増加、呼吸努力信号におけるベースラインからの振幅の変化、空気流量信号におけるベースラインからの振幅の変化のうちの１つまたは複数を含む、請求項１～３のいずれか１項に記載の方法。
5. 前記パターンは形態学的パターンを含む、請求項１～４のいずれか１項に記載の方法。
6. 前記パターンは、時間的パターンを含む、請求項１～５のいずれか１項に記載の方法。
7. 前記計算された特徴のうちの１つの特徴は、シードイベントの継続時間、シードイベントの強度、前記シードイベントの導出された勾配または傾き、シードイベント付近の変化する傾きから派生した形態学的非対称性、前記シードイベントの深さ、前記シードイベントの信号振幅の分散、前記シードイベントの信号振幅の平均値、前記シードイベントのスキューの度合い、前記シードイベントの形態学的形状の特徴付けのうちの１つまたは複数を含む、請求項１～６のいずれか１項に記載の方法。
8. 前記計算された特徴のうちの１つまたは複数の特徴は、前記シードイベントの決定された開始点、前記シードイベントの決定された終了点、最高強度または最低強度の決定された点、および前記シードイベントの決定された特徴点のうちの１つまたは複数を含む、請求項１～７のいずれか１項に記載の方法。
9. 前記検出されたシードイベントは、前記複数の生理学的信号のうちの第１信号の第１シードイベントと、前記複数の生理学的信号のうちの第２信号の第２シードイベントとを含み、前記第２信号は、前記第１信号とは異なる生理学的信号であり、前記計算された特徴のうちの１つまたは複数の特徴は、前記第１シードイベントおよび前記第２シードイベントを特徴付ける、請求項１～８のいずれか１項に記載の方法。
10. 前記第１シードイベントおよび前記第２シードイベントを特徴付ける前記計算された特徴のうちの１つまたは複数の特徴は、（ａ）非飽和の最下点がピーク脈拍数の増加および／またはＰＡＴ信号振幅の低下に続く、または先行する時間量、および／または（ｂ）検出された脈拍数（ＰＲ）サージピークとＰＡＴ信号の減少谷との間の時間差を含む、請求項９に記載の方法。
11. 前記検出されたシードイベントは、前記第１信号の第３シードイベントを含み、前記計算された特徴のうちの１つまたは複数の特徴は、前記第１シードイベントおよび前記第３シードイベントを特徴付ける、請求項９に記載の方法。
12. 前記第１シードイベントおよび前記第３シードイベントは、隣接する一対のシードイベントを含む、請求項１１に記載の方法。
13. 前記第１シードイベントおよび前記第３シードイベントを特徴付ける前記計算された特徴のうちの１つまたは複数の特徴は、（ａ）前記第１シードイベントと前記第３シードイベントとの間の持続時間、（ｂ）前記第１シードイベントと前記第３シードイベントとの間の期間の計算された安定性、（ｃ）前記第１シードイベントと前記第３シードイベントの計算された安定性を含む、請求項１１～１２のいずれか１項に記載の方法。
14. 前記継続時間を計算することは、前記第１シードイベントおよび第３シードイベントのそれぞれにおける特徴点を検出することと、前記検出された特徴点に関連付けられた間隔に基づいて前記継続時間を決定することとを含む、請求項１３に記載の方法。
15. 前記検出された特徴点は、局所的な振幅最小値および局所的な振幅最大値のうちの１つまたは複数を含む、請求項１４に記載の方法。
16. 前記計算された安定性は、複数のシードイベントから導出され、深さ、平均値、および分散のうちの１つまたは複数を含む、請求項１３～１５のいずれか１項に記載の方法。
17. 前記検出されたシードイベントは、前記第２信号の第４シードイベントを含み、前記計算された特徴のうちの１つまたは複数の特徴は、（ａ）前記第１信号の前記第１シードイベントおよび前記第３シードイベント、ならびに（ｂ）前記第２信号の前記第２シードイベントおよび前記第４シードイベントを特徴付ける、請求項１１に記載の方法。
18. （ａ）前記第１信号の前記第１シードイベントおよび前記第３シードイベント、ならびに（ｂ）前記第２信号の前記第２シードイベントおよび前記第４シードイベントを特徴付ける前記計算された特徴のうちの１つまたは複数の特徴は、（ａ）ＰＲ信号のシードイベントの検出された脈拍数（ＰＲ）のピーク、および（ｂ）末梢動脈緊張度（ＰＡＴ）のＰＡＴ信号のシードイベントの谷の最小点までの減少との時間的対応を含む、請求項１７に記載の方法。
19. １つまたは複数のプロセッサによって実施される検出によって検出された少なくとも１つのシードイベントの選択に対するユーザインターフェース上のユーザ入力に応答して、フィードバックとして識別情報の出力を生成するステップをさらに含む、請求項１～１８のいずれか１項に記載の方法。
20. 出力または適用に基づいて呼吸療法装置の動作を制御するための信号を生成するステップをさらに含む、請求項１～１９のいずれか１項に記載の方法。
21. 前記生成は、前記１つまたは複数の睡眠障害イベントの識別情報をリモートコンピューティングシステムまたはサーバに送信することを含む、請求項２０に記載の方法。
22. 前記生成は、ネットワーク通信リンクを介して前記信号を前記呼吸療法装置に送信することを含む、請求項２０～２１のいずれか１項に記載の方法。
23. 少なくとも１つのプロセッサと、プロセッサ制御命令を含む少なくとも１つのメモリとを備えるコントローラであって、前記少なくとも１つのメモリおよび前記プロセッサ制御命令は、前記少なくとも１つのプロセッサと共に、請求項１～２２のいずれか１項に記載の方法を前記コントローラに実行させるように構成されている、コントローラ。
24. １つまたは複数のセンサと、
    １つまたは複数のプロセッサと、プロセッサ制御命令を含む少なくとも１つのメモリとを備えるコントローラと、を含み、
    前記コントローラは、
    １つまたは複数のセンサによって生成された複数の生理学的信号にアクセスし、
    前記睡眠障害イベントを示唆するシードイベントを前記複数の生理学的信号から検出し、
    前記検出されたシードイベントに関連付けられた複数の生理学的信号の部分内のパターンを示す特徴を計算し、
    前記シードイベントのパターンを示す計算された特徴を分類器に適用し、前記分類器は、前記睡眠障害イベントの学習されたパターンに対する計算された特徴の適合度を計算するように訓練され、および
    前記分類器によって決定された計算された適合度に基づいて、シードイベントに対応する１つまたは複数の睡眠障害イベントの識別情報を出力するように構成されている、睡眠障害イベントを検出するための装置。
25. １つまたは複数のプロセッサによって実行されると、請求項１～２２のいずれかに記載の方法を実行するためのプロセッサ実行可能命令を含む、プロセッサ読み取り可能な記憶媒体。
26. １つまたは複数のプロセッサによって実行されたときに、睡眠障害イベントを前記１つまたは複数のプロセッサに検出させるプロセッサ実行可能命令を記憶したプロセッサ読み取り可能な媒体であって、前記プロセッサ実行可能命令は、
    １つまたは複数のセンサによって生成された複数の生理学的信号にアクセスする命令と、
    前記睡眠障害イベントを示唆するシードイベントを前記複数の生理学的信号から検出する命令と、
    前記検出されたシードイベントに関連付けられた複数の生理学的信号の部分内のパターンを示す特徴を計算する命令と、
    前記シードイベントのパターンを示す計算された特徴を分類器に適用する命令であって、前記分類器は、前記睡眠障害イベントの学習されたパターンに対する計算された特徴の適合度を計算するように訓練される、命令と、
    前記分類器によって決定された計算された適合度に基づいて、シードイベントに対応する１つまたは複数の睡眠障害イベントの識別情報を出力する命令と
    を含む、プロセッサ読み取り可能な媒体。
27. 前記プロセッサ実行可能命令は、前記出力または適用に基づいて呼吸療法装置の動作を制御するための信号を生成するための命令をさらに含む、請求項２６に記載のプロセッサ読み取り可能な媒体。
28. 前記制御動作は、前記呼吸療法装置のブロアの圧力療法または流量療法を制御することを含む、請求項２７に記載のプロセッサ読み取り可能な媒体。
29. 請求項２５～２８のいずれか１項に記載のプロセッサ読み取り可能な媒体のサーバにアクセス可能なサーバであって、ネットワークを介して、前記プロセッサ読み取り可能な媒体のプロセッサ実行可能命令を処理デバイスにダウンロードするための要求を受信するように構成されている、サーバ。
30. １つまたは複数のプロセッサと、（ａ）請求項２５～２８のいずれか１項に記載のプロセッサ読み取り可能な媒体と、を含み、または（ｂ）請求項２９のサーバを利用してプロセッサ実行可能命令にアクセスするように構成されている、処理デバイス。
31. 呼吸療法装置である請求項３０に記載の処理デバイス。
32. 圧力療法または流量療法を生成するように構成されている、請求項３１に記載の処理デバイス。
33. サーバが請求項２５～２８のいずれか１項に記載のプロセッサ読み取り可能な媒体にアクセスする方法であって、ネットワークを介して前記プロセッサ読み取り可能な媒体のプロセッサ実行可能命令を電子処理デバイスにダウンロードする要求を前記サーバで受信するステップと、前記要求に応答して、前記プロセッサ実行可能命令を前記電子処理デバイスに送信するステップと、を含む、方法。
34. 睡眠障害呼吸イベントを検出するための１つまたは複数のプロセッサのための方法であって、
    前記１つまたは複数のプロセッサを使用して、請求項２５～２８のいずれか１項に記載のプロセッサ読み取り可能な媒体にアクセスするステップと、
    前記プロセッサ読み取り可能な媒体のプロセッサ実行可能命令を前記１つまたは複数のプロセッサで実行するステップと、を含む、方法。