JP5952490B2 - 患者の脳の電気活動を解析してこの患者の生理状態を特徴付ける方法および当該方法を適用した監視装置 - Google Patents

Description

本発明は、患者の脳の電気活動を解析してこの患者の生理状態を特徴付ける方法に関する。また、本発明は、この方法を適用した監視装置に関する。

特に、患者とこの患者が接続されている呼吸補助装置との間に起きうる不調和の検証に関する調査プログラムの一部として開発されてきたが、本発明の方法の範囲は、この特別な用途をはるかに超える。

実際、本発明の方法によって、生理状態の特徴付けを可能にするので、基準生理状態から逸脱した生理状態を検出することができる。したがって、この方法を用いて、特に、一定の精神生理状態（覚醒レベル、視覚認識など）もしくは感情状態（恐れ、喜びなど）の特定の認識期間を検出することができ、あるいは、例えば進行中の癲癇性発作などの病理学上の期間を検出することさえできる。さらに、必要であれば、この方法によって、予防または治療の介入を可能にするのに必要な警報信号を提供することができる。また、本発明の方法を用いて、睡眠中の異なる睡眠状態を差別化したり、または、麻酔において、おそらく物質の注入規則が自動制御されている麻酔下の睡眠状態を特徴付けたりすることができる。

人工呼吸補助は、例えば、重症の肺炎の場合などにおいて、呼吸器系の急性もしくは慢性の障害を緩和することを主要な目的とする人命救助法を構成する。人工呼吸補助は、インターフェイス（マスク、挿管チューブもしくは気管切開術カニューレ）による予め定められた量のガスの供給や気道の加圧などから構成される。いずれの場合も、様々な調整によってガスの流れを患者のニーズに適応させることができる。

人工呼吸補助は、手術棟（bloc ope'ratoire）において、蘇生において、治療介入後の監視室において、緊急時におけるフランス緊急蘇生移動サービス（Services Mobiles d'Urgence et de Re'animation：ＳＭＵＲ）の救急車においてさえ、または、家庭においてさえ、呼吸器不全の場合に非常に頻繁に使用される治療の手法である。人工呼吸補助は、フランスでは蘇生のため受け入れた患者の約２人につき１人、および、合衆国では住民１，０００人あたり２．７人の発生に、または、２０００年における１年あたり約２５万人の患者、および、２０２０年に予想される１年あたり６５万人の患者に関係する。これらの患者の３分の１は、４日間より長い間、通気される。

人工通気によって、生理的呼吸器補助効果の他に、呼吸困難などの呼吸器不全の主な症状が取り除かれる。このように、人工通気は、酸素供給を改善して二酸化炭素を排出するという二重の機能を実現して、患者の快適さを確実にしなければならない。これに失敗すると、人工通気は、全ての不適切な治療法と同様に、有害で医原性合併症の原因にさえなりうる。したがって、人工通気によって供給される援助は、患者のニーズに完全にマッチすることが最も重要である。後者（患者）は、人工通気を供給する通気装置と調和しなければならない。

呼吸器補助の生理的効果を監視する方式は、十分コード化されており、（通気装置の画面上に表示される物理量の測定値は）容易に使用できるが、患者／通気装置の調和を評価する方式は、感知の観点から考慮するとほとんどなく、ほとんどコード化されておらず、ほとんど使用されていない。これは、特に、蘇生では普通であるほとんど対話できない患者の間で真実である。論点は、患者と通気装置とがもはや調和していない状況を検出することである。これを不調和という。

この不調和は、患者にとって不快であるだけではなく、その人の未来にとって有害であると思われる。実際、患者のニーズに適合しない呼吸補助の供給は、人工通気の期間および蘇生における滞留の増大と、外傷後ストレス障害タイプの精神的問題とに関連付けられる。

日常の体験によって、臨床検査による不調和の検証は困難でほとんど行われていないことが示される。実際、この検証では、患者とこの患者の通気装置との両方の監視が求められる。実際、このタイプの現象の検出は、通気装置によって供給される気道における圧力および流速のプロット解析に一部依存する。多数の事象があり、さらにこれらの事象は同時に存在することがあるので、看護士が常に患者のベッドの傍にいることができない場合、これらの事象を探し出すことはより一層厄介である。

約２人の患者につき１人の患者が意識のある間に呼吸補助を受け入れるが、人工通気下の患者の検査中に、呼吸の不快さまたは呼吸困難についてはほとんど調べられない。言葉による表現は困難である。言葉を用いない表現（顔の表情の解析）は、多分有用であるが、その臨床的値は文書化されない。

このため、患者とこの患者の通気装置との間の不調和を検出する際、臨床診断ツールは、効率的でない。また、慢性的病状のため家庭で通気される患者（通気される患者の２０％は看護組織の外にいる）の間では、現場に看護士が常駐しておらず、これらは考慮されない。患者／通気装置の不調和に関連付けられる合併症の深刻さを鑑みて、この状況を検出可能なツールを有することによって、看護士に警告して看護士がこれらに対処することが必要であると思われる。

発明者の２人は、通気に関連する電子脳造影信号（signal e'lectro-ence'phalographique）（表面電極によって収集された脳の電気活動）の解析に基づく不調和検出システムを開発した。

こうして、仏国特許出願公開第２ ９０３ ３１４号明細書には、呼吸周期ごとに、吸入の開始を中心に拡張した測定間隔にわたって電子脳造影信号を測定することと、そして、いくつかの測定間隔にわたって測定された電子脳造影信号を平均することと、最後に、正当に取得され平均した信号を処理することによって、信号から患者と呼吸補助マシンとの間の任意の不調和を推定することと、を有する患者と呼吸補助マシンとの間の不調和を検出する装置および方法が記載されている。この方法は十分に満足できるものではない。実際、呼吸の不快または苦痛の状況は、患者の動きに関連付けられることが多く、これにより脳造影図における擬似の電気活動を引き起こすので、解釈が困難になる。また、本書に記載した検出方法では、必然的に、少なくとも６０〜８０回の呼吸周期にわたって電子脳造影信号を測定し平均することによって、不調和の有無について結論を出すことができる。ここで、６０〜８０回の呼吸周期は、平均で４〜５分に対応し、この間に不調和が存在すれば、患者は苦痛を感じている。患者と通気装置との間の不調和から生じる呼吸の不快または苦痛の状況において、この不調和を検出して早急にこれに対処することによって、患者とこの患者の通気装置との間の調和を取り戻すことができることは、重要である。

通気に関連した電子脳造影信号の悪影響の問題から開放されて、この信号をより高速に処理することを可能にするため、再び、仏国特許出願公開第２ ９６２ ３２２号明細書に、脳波解析装置および方法が記載されている。この方法は、患者の頭皮上に配置された複数の電極を介して脳造影図を収集することを有する。そして、収集された信号は、０．０３〜４０Ｈｚの周波数帯域においてフィルタリングされ、その電力が計算される。先行する吸入の信号の電力を基準期間の電力と比較することによって、システムが電力の減少を具体化したとき、不調和の現象を明白にすることができる。しかしながら、この文献に記載された上記方法は、十分に満足できるものではない。実際、この方法では、通気の吸入部分のみ考慮した解析が容認され、吐出フェーズは不調和の原因となりうるにも関わらず、この吐出フェーズは除外されている。また、この方法は、脳造影図の解析を同期させるのに通気を同時に記録しなければならない。

本発明の１つの目的は、患者の脳活動の解析からこの患者の生理状態を特徴付けることによって、患者のこのような状況、特に、患者が接続されている医療補助装置との不調和の状況の特定の状態を検出する方法、およびこの方法を適用した装置を提案することである。

この目的を達成するため、基準生理状態から逸脱した患者の生理状態を検出する方法が提案される。かかる方法は、Q個の周波数帯域のそれぞれにおいて、基準生理状態に対応する基準電極PR_q q∈［1…Q］を決定した後、
M個の時間区分において、n個の経路に沿ってp個の瞬間に患者の電子脳造影信号を測定することによって、m∈［1…M］に対してn×p個のサンプルを有するM個の測定行列X_mを生成するステップと、
それぞれの測定行列X_mをQ個の周波数帯域においてフィルタリングおよびセンタリングすることによって、M×Q個のフィルタリングされた測定行列X_m,qを取得し、次式（１）によってM×Q個の正規化空間共分散行列C_m,qを決定するステップと、

それぞれの時間区分mに関して、それぞれの正規化空間共分散行列C_m,qと基準電極PR_qとの間の距離d_m,qを決定し、距離d_m,qの関数として基準生理状態からの偏差e_mを決定するステップと、
基準生理状態からの偏差e_mのそれぞれを定められた閾値Sと比較するステップと、をループで反復する。

閾値Sを偏差の１つが超えた場合、患者の生理状態は基準生理状態に対して逸脱していると宣言される。

基準電極PR_qは、多数の方式で決定することができる。第１の実施態様によれば、この基準電極PR_qは、

これにより、それぞれの周波数帯域の基準電極PR_qは、対応する周波数帯域のすべてのプロトタイプPR_q,r r∈［1…R］を有する。そして、それぞれの正規化空間共分散行列C_m,qの基準電極への距離d_m,qは、次式（３）によって与えられ、

基準生理状態からの偏差は、次式（４）によって与えられる。

閾値Sは、

そして、それぞれの正規化空間共分散行列C_m,qと対応する基準電極との間の距離d_m,qは、対応する主測地曲線上における正規化空間共分散行列C_m,qのそれぞれの投影によって与えられる。基準生理状態からの偏差は、次式（５）によって与えられる。

本発明に係る方法で使用する行列間の距離は、次式（６）のリーマン距離に従って計算され、

これにより、電子脳造影測定値が、時間基準（仏国特許出願公開第２ ９０３ ３１４号明細書に記載されるように、この場合はスループット信号）に関連して述べられた電位の検証によって、または、（仏国特許出願公開第２ ９６２ ３２２号明細書に記載されるように）周波数スペクトルの解析によって活用される従来方法とは逆に、本発明に係る方法では、異なる電子脳造影信号の位相成分間における時間的関係の検証を優先する。同期方法を使用することによって、電子脳造影の記録中にアクティブな神経源の時空間分布について記述することができ、したがって、神経回路網の相互作用および特徴付けへの新しい手法を構成する。

また、本発明は、患者を監視することによって、この患者の基準生理状態から逸脱した生理状態を検出する装置に関する。この監視装置は、患者の電子脳造影信号を測定する測定手段と、正当に測定した信号から本発明に係る方法を実施するリアルタイム信号処理手段と、閾値のオーバーシュートに反応する反応手段と、を有する。

第１の変形例によれば、反応手段は、閾値のオーバーシュートに応答して警告信号を供給するのに適した警告装置を有する。

第２の変形例によれば、この反応手段は、患者が接続されている医療補助装置用のセットポイントジェネレータであって、該セットポイントジェネレータは、閾値のオーバーシュートに応答してセットポイントを変化させることによって、患者を基準生理状態へ戻すように医療補助装置の操作を補正するよう適応する、セットポイントジェネレータを有する。

患者を受け入れるベッドと、呼吸補助装置と、この呼吸補助装置を制御するのに使用される本発明に係る監視装置と、を有する医療ステーションの概略図である。 本発明に係る方法の図１の監視装置による一実施例を説明するフローチャートである。 基準生理状態を特徴付ける基準行列および閾値を決定する予備ステップを説明するフローチャートである。 本発明に係る方法の一実施例で逸脱した生理状態の検出を例示するグラフである。

本発明は、添付図面の図を参照する特定の実施例に関する以下の説明を鑑みることによって、より良く理解されるであろう。

本発明は、患者とこの患者が接続されている呼吸補助装置との間の不調和の検出への適用例を参照しながら詳細に説明される。本書では、不調和の事象において、患者の脳活動は、患者が呼吸補助装置と調和している基準生理状態と比較して補正されると想定する。

任意の認識作用は、空間的に分布されたいくつかの神経回路網間の連携の結果として生じる（Varela他、２００１年）。最近の進歩にも関わらず、現在、主な脳の画像技術（電子脳造影法、電磁式脳造影法、機能的磁気共鳴画像法およびポジションエミッション断層撮影法）によって、脳活性化のマップしか提供されず、脳活性化間の相互作用は直接考慮されない。

本発明は、神経グループ間の動的リンクは１つの周波数帯域における振動活動の同期によって現れるという仮定に基づく（Varela他、２００１年）。この同期に関する仮定は、動物において、微小電極による記録を介して取得された非常に多くの実験結果によって既に確認されている。ヒトにおいては、いくつかの検証によって、認識環境に関連して離れた領域間の同期の存在が示されている（Rodriguez他、１９９９年）。

脳活動の統合における同期の役割の仮定は、元来、１９７４年にミルナー（Milner）によって提案され、視覚シーンにおける前景／背景セグメンテーションの問題（le proble`me de la segmentation figure/fond dans une sce`ne）を解決するためのものである。ミルナーは、前景に対応する神経細胞は同期して放電する一方、背景をコード化する神経細胞はランダムに放電すると提案した。この結果、この仮定は、フリーマン（Freeman、１９７５年）によって取り上げられ、ウサギの嗅球に関する作業によって支持され、フォンデルマルスブルグ（Von der Marlsburg、１９８１年）によって支持された後、忘れ去られた。しかしながら、グレーおよびシンガー（GrayおよびSinger、１９８９年）が、ネコの視覚皮質において、帯域γ（３０〜７０Ｈｚ）で動物における同期振動を発見したことによって、再びこの考えへの興味を掻き立てた。この検証によって、視覚皮質の２つの神経細胞が、同じ物体に由来すると思われる刺激に応答して、４０Ｈｚの近傍の周波数において同相で放電することが示された。逆に、刺激が同じ物体に由来すると思われない場合、これらの神経細胞は、放電するが、同期しない。

これらの結果は、共振細胞集合体（Varela、１９９５年；Damasio、１９９０年；Llinas、Ribary他、１９９４年）という用語で表現することができる手法に当てはまる。任意の認識作用の出現は、強い相互接続によって連結された神経細胞の分布された部分集合（細胞集合体）の過渡的選択に対応する。相互接続のネットワークが非常に高密度であるため、脳は、ほぼ無限のこのタイプの集合体を含み、それぞれの神経細胞は、異なる瞬間に無数の集合体に属することができる。この選択は、集合体に属する異なる神経細胞を、特定の周波数帯域において高速に同期させて配置する（共振）ことによって行われる。この同期は、神経細胞を共振集合体において一時的に集合させることができる「接着剤」として作用し、これにより、認識作用に必要な神経統合が可能になる。

集合体の２つのレベルを区別することは、有用である。局所レベルでは、同一の皮質領域におけるマイクロ集合体の編成によって、同じ種類（視覚、聴覚）の情報を統合することができる。これらの局所リンクは、動物において近接した神経細胞間で観察される同期に対応する（Singer、１９９５年）。これらのマイクロ集合体は、次に、同期状態に入って離れた脳の領域を連結したマクロ集合体を形成することができる。これらのマクロ集合体は、複雑な認識作用において異種の処理の統合を行うことができる。

本発明は、これらの仮定を活用することによって、例えば、「補正された」呼吸の状況（研究所でシミュレーションされたり、または、病状もしくは人工呼吸補助の下でみられたりすることがある人工呼吸器による吸入圧力）などの異常な状況に関連する脳活動の変化を、基準活動もしくは生理状態と比較して認識することを目的とする。この状況を認識することによって、例えば、呼吸補助装置の操作の補正を指示して、通常の脳活動によって特徴付けられる快適な状況へ患者を戻すことができる。

本発明の一般的な環境を設定したので、次に、本発明に係る方法について詳述する。まず、図１を参照しながら本発明の原理について説明するが、この図には、患者１がベッド２に横たわり、マスク３を装着し、空気取り入れ口によって呼吸補助装置４に接続されている。この患者は、電子脳造影信号を測定するよう設計されたn個の電極を有するヘッドセット５を装着している。ヘッドセット５は、監視装置６、この場合は監視プログラムを実行する中央ユニット７を有するコンピュータに接続され、これにより電子脳造影測定値を受け取って処理し、これに応じて監視装置６が接続された呼吸補助装置用のセットポイント（consigne）を生成する。

監視装置は、図２に例示したリアルタイム監視アルゴリズムを実施し、これにより、患者の電子脳造影活動を恒久的に監視する本発明に係る方法を実施する。本発明に係る方法の利点は、監視サイクルが非常に短く、このため、監視装置が逸脱した生理状態の検出に高速で反応できることである。

この場合、この装置は、例えば、アラームを発信し、これにより看護している職員に警告するスピーカ８などの閾値のオーバーシュート（de'passement du seuil）の検出に反応する手段を有し、また、ケーブル９によって接続された呼吸補助装置４用のセットポイントを生成するようプログラムされる。

操作のため、監視装置６は、まず、例えば患者が呼吸の不快感を感じない快適な状態などの患者の基準生理状態を特徴付けなければならない。このため、図３に示すように、監視装置６は、患者の電子脳造影信号をリアルタイムで測定し、これによりM個の時間区分における測定を行う。

本実施例で使用されるプロトタイプPR_q,rの計算手順は、以下に記載されるが、それぞれの周波数帯域に適用される。この場合、この計算は、リーマン計量（me'trique riemannienne）に適応した動的スワームアルゴリズム（l'algorithme des nue'es dynamiques）（E.Diday、１９７１年）に依存する。実際、信号処理において、従来のフロベニウスノルム（norme classique de Frobenius）は、通常、共分散行列（定義により正定値のエルミート行列（matrices Hermitiennes））間の距離を定義するのに使用されることに留意されたい。この手法は、曲率０のノルムベクトル空間を前提とする。しかしながら、正定値のエルミート行列の空間は、むしろ負曲率を有する計量空間に関係する。本発明の環境において提案された手法は、共分散行列を操作するのにリーマン幾何学（ge'ome' trie Riemannienne）のツールを使用することが好ましい。この環境において、２つの行列間の距離は、これらのエルミート特性によって生成された空間における測地線に対応する。そして、共分散行列の平均は、従来と同様に算術平均に対応しないが、幾何平均に対応する。

この場合、本発明の特定の態様によれば、ここで使用する行列間の距離distは、下記のリーマン距離であり、P₁、P₂が２つの行列の場合、次式（８）の通りである。

１セットの行列のケルヒャー平均M_Rの計算は、高速に集束する勾配降下手順（Pennec他、２００６年）を使用して行うことができる。

演算子として次式（９）を使用する。
exp _CM (W) = CM ^1/2 exp (CM ^-1/2 W CM ^-1/2) CM ^1/2
log _CM (C) = CM ^1/2 log (CM ^-1/2 C CM ^-1/2) CM ^1/2 （９）

変形例として、閾値は、他の任意の方式で決定することができる。例えば、すべての正当に計算された距離の統計的平均は、３つの標準偏差によって増大されて閾値として保持されてもよい。

ここで、基準生理状態の特徴付けの予備ステップの実行が完了すると、監視装置６は、次のように、リアルタイムで患者の生理状態の監視を実施できることができる。

図２に示すように、監視装置６は、患者の電子脳造影信号をリアルタイムで測定し、これによりM個の時間区分における測定が行われる。

それぞれの測定によって、時間区分mの間にp個の瞬間で測定されたn個の信号の行列X_mが得られる。そして、監視装置６は、Q個の周波数帯域（好ましくは、５つの通常の周波数帯１〜４Ｈｚ、４〜８Ｈｚ、８〜１２Ｈｚ、１２〜２４Ｈｚおよび２４〜４８Ｈｚ）において、それぞれの測定行列X_mのフィルタリングおよびセンタリングを行うことによって、M×Q個のフィルタリングした測定行列X_m,qを取得する。

これらのフィルタリングされた測定行列から、M×Q個の正規化空間共分散行列C_m,qは、次式（１０）によって決定される。

監視装置は、時間区分mのそれぞれについて、次式（１１）によって、それぞれの基準生理状態からの偏差e_mを計算する。

正当に決定された偏差の１つが閾値Sより大きい場合、これは、患者の生理状態が基準生理状態から遠く離れているというサインである。

この場合、監視装置６は、呼吸補助装置４に送られるセットポイントを補正することによって、患者を基準生理状態に戻す方向へ操作を補正する。

図２の各ステップをループで反復することによって、患者を恒久的に監視することができる。

パラメータkは、時間勾配（plongement temporel）と呼ばれる。極端に言えば、単一の電子脳造影経路のみを使用して、本発明の環境において使用可能な信号を供給するn個の仮想経路を再構築するができる。また、２つの方法を混合して、それぞれからq個の仮想経路がr×q＝nとなるよう再構築されるr個の電子脳造影経路を用いて、空間時間勾配（plongement spatio-temporel）を取得することができる。

図４のグラフは、本願発明に係る装置による、呼吸器の圧力に従って脳造影を補正することによって誘導された患者の生理状態の識別検査を示す。

VSで参照される曲線部分は、基準として使用される自発的通気状況（situation de ventilation spontane'e）に対応する一方、負荷と記した曲線部分は、誘発された不調和に対応する。上側のグラフは、患者の基準状態と現在の生理状態との間の偏差であり、時間の関数としてプロットされている。

下側のグラフは、それぞれ、４、８、１２秒の移動ウィンドウ（fene^tres mobiles）にわたる異なる統合期間に関して、不調和状態を検出した結果である。２０００秒の総時間にわたって行った統合に従って分析された５００個のウィンドウ（０．６％）にわたる自発的通気状況において、多少の誤り警報が検出されたことが分かる。本願発明に係る方法を実施することによって、不調和の状況が明確に検出されることが分かる。

本発明は、単に記載された内容に限定されないが、逆に、特許請求の範囲によって規定される内容の範囲内の任意の変形例を包含する。

特に、本明細書において、監視装置は補助装置の外部にあるが、無論、監視装置は補助装置に組み込まれてもよい。

［参考文献］
DAMASIO, A.R.（１９９０年）「 Synchronous activation in multiple cortical regions : a mechanism for recall（複数の皮質領域における同期活性化、記憶のメカニズム」Semin. Neurosci.（神経科学セミナー）、 第２セクション第２８７〜２９７頁

DIDAY E.（１９７１年）「Une nouvelle methode en classification automatique et reconnaissance des formes : la methode des nuees dynamiques（A new method in automatic classification and recognition of shapes: the dynamic swarms method）（形状の自動分類および再認識における新しい方法）」Revue de Statistique Appliquee（応用統計学レビュー）、第ＸＩＸセクション（２）第１９〜３３頁

FREEMAN, W.J.（１９７５年）「Mass Action in the nervous system（神経系における集合作用）」Academic Press, New York（アカデミックプレス、ニューヨーク）

Fletcher T.、Conglin Lu、Stephen M. PizerおよびSarang C. Joshi（２００４年）「Principal geodesic analysis for the study of nonlinear statistics of shape（形状の非線形統計の検証のための主要測地解析）」IEEE Transactions on Medical Imaging（ＩＥＥＥ 医療画像におけるトランザクション）、第２３巻（８）第９９５頁、２００４年

GRAY, C.M.およびW. SINGER（１９８９年）「Stimulus-specific neuronal oscillations in orientation columns of cat visual cortex（ネコの視覚皮質の方位選択性コラムにおける刺激固有のニューロン振動）」Proc. Natl. Acad. Sci. USA（米国国立科学アカデミー議事録）、第８６巻（５）第１６９８〜１７０２頁

Lachaux J.-P.、Pezard L.、Garnero L.、Pelte C.、Renault B.、Varela F. J.およびMartinerie J.「Spatial Extension of Brain Activity Fools the Single-Channel Reconstruction of EEG Dynamics（脳活動の空間的拡張によってＥＥＧダイナミクスの単一チャネル再構築が欺かれる）」Human Brain Mapping（ヒトの脳のマッピング）、第５巻第２６〜４７頁（１９９７年）

LLINAS, R.、U. RIBARY他（１９９４年）「Content and context in temporal thalamocortical binding（時間的視床皮質結合における内容および環境）」、Buzsaki G. (編)「Temporal coding in the brain（脳における一時的符号化）」より、Berlin and Heidelberg（ベルリンおよびハイデルベルグ）、Springer-Verlag（シュプリンガー−フェアラーク社）、第２５１〜２７２頁

MILNER, P.M.（１９７４年）「A model for visual shape recognition（視覚形状認識のためのモデル」Psychol Rev.（心理学レビュー）、第８１巻第５２１〜５３５頁

MOAKHER M.（２００５年）「A differential geometric approach to the geometric mean of symmetric Positive-Definite matrices（対称の幾何平均への微分幾何学的手法 正定値行列」 SIAM J. Matrix Anal. Appl.（ＳＩＡＭジャーナル行列解析応用）、第２６巻第７３５〜７４７頁

PENNEC X.、FILLARD P.およびAYACHE N.（２００６年）「A Riemannian Framework for Tensor Computing（テンソル計算のためのリーマンフレームワーク」 Int’l J. Computer Vision（国際ジャーナルコンピュータビジョン）、第６６巻第４１〜６６頁

RODRIGUEZ E.、GEORGE N.、LACHAUX J.P.、MARTINERIE J.、RENAULT B. およびVARELA F.（１９９９年）「Perception shadow: long distance gamma band synchronization and desynchronization on the human scalp（知覚映像、ヒトの頭皮上の長距離ガンマ帯域同期および非同期）」Nature（ネイチャー）、第３９７巻第４３０〜４３３頁

RODRIGUEZ E.、JERBI K.、LACHAUX JP.およびMARTINERIE J.（２０１０年）「Brainweb 2.0 : the quest for synchrony in Ten years of Nature Reviews Neuroscience: insights from the highly cited（Ｂｒａｉｎｗｅｂ２．０ 十年間のニューロサイエンスのネイチャーレビューにおける同期の探索 頻繁に引用された論文からの洞察）」Nature Reviews Neuroscience（ニューロサイエンスのネイチャーレビュー）第１１巻第７１８〜７２６頁、第２０１頁

SINGER, W.（１９９５年）「Time as coding space in neocortical processing: a hypothesis（新皮質プロセシングにおけるコード化空間としての時間 仮説）」、Gazzaniga MS（編）、「The cognitive neurosciences（認識神経科学）」Cambridge, London（ケンブリッジ、ロンドン）より、The MIT Press（ＭＩＴプレス）第９１〜１０４頁

VARELA, F.J.（１９９５年）「Resonant cell assemblies: a new approach to cognitive function and neuronal synchrony（共振細胞集合体 認識機能およびニューロン性同期への新しい手法）」Biol. Res.（生物学リサーチ）第２８巻第８１〜９５頁

VARELA F.、LACHAUX J.P.、RODRIGUEZ E.およびMARTINERIE J.（２００１年）「The Brainweb: Phase synchronization and Large-scale integration（Ｂｒａｉｎｗｅｂ 位相同期および大規模集積）」Nature Rev Neurosci.（ニューロサイエンスのネイチャーレビュー）第２巻第２２９〜２３９頁

VON DER MARLSBURG, C.（１９８１年）「The correlation theory of brain function（脳機能の相関理論）」Internal Report81-2（内部報告書８１−２）、Max-Plank-Institut fu:r Biophysikalische Chemie（マックスプランク生物物理化学研究所）

Claims (13)

1. 基準生理状態から逸脱した患者の生理状態を検出するためのコンピュータ・システムであって、Q個の周波数帯域のそれぞれにおいて、前記基準生理状態を表す基準電極PR_q、q∈［1…Q］を決定した後、
   該コンピュータ・システムは、
   M個の時間区分において、n個の経路に沿ってp個の瞬間に患者の電子脳造影信号を測定することによって、m∈［1…M］に対してn×p個のサンプルを有するM個の測定行列X_mを生成するステップと、
   それぞれの測定行列X_mを前記Q個の周波数帯域においてフィルタリングおよびセンタリングすることによって、M×Q個のフィルタリングされた測定行列X_m,qを取得し、次式（１）によってM×Q個の正規化空間共分散行列を決定するステップと、
   

   

   
   それぞれの時間区分mに関して、それぞれの正規化空間共分散行列C_m,qと前記基準電極PR_qとの間の距離d_m,qを決定し、前記距離d_m,qの関数として前記基準生理状態からの偏差e_mを決定するステップと、
   前記基準生理状態からの偏差e_mのそれぞれを定められた閾値Sと比較するステップと、をループで反復して実行することを特徴とするコンピュータ・システム。
2. 前記測定するステップおよび前記計算するステップは、リアルタイムで行われる、請求項１に記載のコンピュータ・システム。
3. それぞれの基準電極PR_qは、
   

   

   
   請求項１に記載のコンピュータ・システム。
4. 前記閾値Sは、
   

   

   
   請求項３に記載のコンピュータ・システム。
5. それぞれの周波数帯域に関して、それぞれの正規化空間共分散行列と前記基準電極との間の前記距離d_m,qは、次式（３）によって決定される、請求項３に記載のコンピュータ・システム。
   

   
6. 

   
   請求項５に記載のコンピュータ・システム。
7. 

   
   請求項３に記載のコンピュータ・システム。
8. 

   
   請求項１〜７のいずれか一項に記載のコンピュータ・システム。
9. 前記測定行列を決定するのに使用される前記経路の少なくともいくつかの経路は、少なくとも１つの電子脳造影経路から時間勾配法によって再構築された仮想経路である、請求項１〜８のいずれか一項に記載のコンピュータ・システム。
10. 請求項１〜９のいずれか一項に記載のコンピュータ・システムを含む監視装置であって、
    患者の前記電子脳造影信号を測定する電子脳造影信号測定手段と、
    前記基準電極および前記閾値を決定する手段と、前記基準生理状態からの偏差を計算する手段と、を少なくとも有する、リアルタイム信号処理手段と、
    前記閾値のオーバーシュートに反応する反応手段と、を有する装置。
11. 前記反応手段は、前記閾値のオーバーシュートを警告する警告手段を有する、請求項１０に記載の装置。
12. 前記反応手段は、患者が接続されている医療補助装置用のセットポイントのジェネレータであって、前記閾値のオーバーシュートに応答して前記セットポイントを変化させることによって、患者を前記基準生理状態へ戻すよう前記医療補助装置の操作を補正するよう適応する、セットポイントのジェネレータを有する、請求項１０に記載の装置。
13. 請求項１０に記載の監視装置を有する医療補助装置。

Images