JP7160832B2

JP7160832B2 - 非侵襲的血圧測定

Info

Publication number: JP7160832B2
Application number: JP2019555759A
Authority: JP
Inventors: カセム，アーマド
Original assignee: アトコアメディカルピーティーワイリミテッド
Priority date: 2017-04-13
Filing date: 2018-04-03
Publication date: 2022-10-25
Anticipated expiration: 2038-04-03
Also published as: US20180296104A1; CA3057762A1; CN110709006A; EP3609393A1; EP3609393A4; CN110709006B; AU2018252273A1; AU2018252273B2; WO2018189622A1; JP2020516389A; US20220296113A1

Description

本発明は、オシロメトリックモードで動作する上腕カフを使用することなく、非侵襲的に収縮期血圧及び拡張期血圧を測定することに関係する。本発明は、その最大値及び最小値が患者の収縮期血圧（ＳＰ）及び拡張期血圧（ＤＰ）を正確に推定するように波形のスケーリングされたバージョンの形状に基づき非侵襲的動脈脈波形（ｐｕｌｓｅｗａｖｅｆｏｒｍ）を較正することに関する。或いは、ＳＰ及びＤＰを決定する代わりに、本発明は、最適、正常、正常高値（ｈｉｇｈｎｏｒｍａｌ）、及び高血圧のグレード等、患者のＳＰ及びＤＰが認定されると予想される臨床的分類を決定する。

動脈圧は、動脈及び心臓の負荷を反映する、心血管系の状態を示す臨床的に重要な指標であり、心血管イベント及び疾患の早期の独立した予測マーカーである。しかし、動脈間血圧を正確に測定するためには、圧力センサを有するカテーテルを動脈の内側に挿入するための侵襲的処置が必要とされる。結果として、非侵襲的方法が、末梢上腕動脈の圧力を推定するために創造された。

上腕動脈内の圧力を推定するための最も初期の非侵襲的方法のうちの１つは聴診法であり、これには、上腕動脈が閉塞する（すなわち、血流がなくなる）まで、患者の上腕及び上腕動脈の周囲に巻き付けたカフを膨らませる必要がある。次に、カフは徐々にしぼみ、聴診器を介して検出することができる「拍動（ｔｈｕｍｐｉｎｇ）」音と共に血液が流れ始める。最初の「拍動」音は、カフ圧が患者の収縮期圧（心臓駆出の間の最大の圧力）に等しい場合に発生し、最後の「拍動」音は、カフ圧が患者の拡張期圧（心臓充満の間の最小の圧力）に等しい場合に発生しているはずである。

何十年もの間、聴診法は臨床的高血圧診断に使用され、非侵襲的血圧測定の標準となっていた。しかし、測定された圧力値の精度は、オペレータの急性的な心音の検出に依存し、オペレータがカフをしぼませる速度にも依存した。聴診法の精度はオペレータに依存するため、カフの膨張又は収縮の間に上腕カフによって測定される振動性脈動を検出することに基づき、自動化された方法が確立された。脈振動の高さは、カフ圧が収縮期圧から収縮期圧より下に減る場合に増加し、振動の高さは、カフ圧が拡張期圧を超えて拡張期圧より下に減る場合に減少する。この概念に基づき、現在の「オシロメトリック」装置は、異なるアルゴリズムを適用して、収縮期圧及び拡張期圧に関連する振動高を検出する。

オシロメトリックカフ装置は、当技術分野において非侵襲的血圧装置又はＮＩＢＰ装置と呼ばれることが多くある。臨床的使用が承認されるために、ＮＩＢＰ装置は、（試験における全対象の決定に対する平均誤差が、「８ｍｍＨｇを超えない標準偏差で５．０ｍｍＨｇを超えるものではない」ことを記載する）非特許文献１に基づき、標準的な聴診法に対する同等性を示さなければならない。従って、収縮期圧及び拡張期圧に対する聴診法との平均的な差が５ｍｍＨｇ以下であり、且つ、標準偏差が８ｍｍＨｇ以下であれば、いかなるオシロメトリックカフ装置も、有効性要件を満たすことができる。これは、認可されたオシロメトリック装置が、一部のデータポイントに対して２０ｍｍＨｇを超える値に達する標準的な聴診法との差を登録し得るということを意味している。

オシロメトリック自動化血圧装置は、長年にわたり臨床診療において標準であり、心血管リスクを評価するために医学研究においても使用されてきた。非侵襲的血圧（ＮＩＢＰ）測定は、心血管疾患のリスクがある母集団の割合を同定するけれども、大きなグループが、リスクがあるかもしれないけれども、リスクがあるとはＮＩＢＰ測定によって同定されない。主な理由は、装置によって、収縮期圧及び拡張期圧を検出するための適切性アルゴリズムは異なるために、測定される血圧は異なるＮＩＢＰ装置間でばらつくためである。さらに、侵襲的圧力値と比較した場合、ＮＩＢＰ装置は収縮期圧を過小評価し、拡張期圧を過大評価することが示されてきた（非特許文献２；非特許文献３；非特許文献４；を参照されたい）。従って、侵襲的に上腕圧力を測定することはゴールドスタンダードであるため、侵襲的圧力をより厳密に推定し、カフＮＩＢＰ装置に固有の誤差を克服する非侵襲的測定は、血圧測定の分野及びその臨床的重要性においてかなりの改善になるであろう。

第一に、上記のように、最大の許容可能な誤差の標準偏差（非特許文献１を参照されたい）が、統計学的に認可されたＮＩＢＰカフ装置に対して８ｍｍＨｇで、装置は、母集団の約２０～３０％において１０ｍｍＨｇ以上の誤差を有し得る。この比較的高い誤差の範囲は、心血管リスクを有する一部の対象が健康であると分類され、一部が、実際にリスクがあると分類されるべき場合に健康であると分類されることを意味している。

第二に、侵襲的圧力データは、カフＮＩＢＰと侵襲的上腕動脈ＳＰ及びＤＰとの差が、典型的には、研究対象母集団の大部分において１５ｍｍＨｇを超えるであろう高い平均誤差又は高い誤差の標準偏差のいずれかを有するということを示してきた（上述の非特許文献３及び非特許文献４を参照されたい）。これらの誤差は、臨床診療においてＮＩＢＰの信頼性を著しく低下させている。

第三に、カフＮＩＢＰ装置によって、カフ振動性脈拍からＳＰ及びＤＰを検出するために使用するアルゴリズムは異なり、カフＮＩＢＰの非信頼性に加算されるＮＩＢＰ装置の測定値間のばらつきが結果として生じる。

第四に、血圧及び心拍数が代謝による身体の要求に基づき連続的に調整されるとすれば、血圧及び心拍数は一定ではなく、拍動ごとに変化し得る。心電図装置を用いた心拍数のような、拍動ごとの血圧の連続的なモニタリングは、迅速な医療スタッフの反応を可能にする血圧における突然の変化を即座に検出する能力等、有用な血圧変動評価ツールを提供するであろう。心電図を提供する心拍数モニターのように、拍動ごとの血圧をモニターする装置は臨床的に貴重になる。しかし、ＳＰ及びＤＰを測定するのに約３０秒から２分かかるカフＮＩＢＰ測定は、拍動ごとに連続的に血圧を測定しない。さらに、血圧は、カフＮＩＢＰ期間の血圧測定の間に変化し、不正確な血圧値が生じる可能性がある。

第五に、オシロメトリックカフＮＩＢＰ装置は、ＳＰにおいてカフを膨らませ、わずかの間、上腕動脈を閉塞させ且つ血流を止めることを必要とし、患者に不快感を与え得る。カフＮＩＢＰ装置は低リスクの装置であるけれども、そのような不便さも、装置が測定を試みている血圧に影響を及ぼす可能性がある。

結果として、カフが閉塞して上腕動脈血流を乱すという不便さもなく連続的な血圧測定を提供するために、カフＮＩＢＰを使用することなくＳＰ及びＤＰを推定する試みがなされてきた。最も一般的な方法（非特許文献５；非特許文献６；非特許文献７；非特許文献８）のうちの１つは、２つの同時測定された動脈拍動間の、又は、同時に測定されたＥＣＧ信号と動脈拍動との間の脈波伝播速度（ＰＷＶ）又は脈波伝達時間（ＰＴＴ）を測定することによってＳＰ及びＤＰを検出している。これらの方法は、ＰＴＴから計算される脈波伝播速度が圧力に関連するという事実に基づいている。従って、ＰＴＴを測定することによって、血圧を推定又は検出することができる。しかし、この方法は、ＰＴＴと血圧との関係が変化と関連しているため、異なる患者又は異なる患者の姿勢のようないかなる設定においても第１のＰＴＴ測定に対してカフＮＩＢＰ装置を用いた較正を必要とする。較正後、最初のＰＴＴはＳＰ値及びＤＰ値に関連づけられ、その後のＰＴＴのいかなる変化も血圧の変化に関連する。この方法は、依然として、異なる患者又は異なる患者の姿勢に対して等、異なる設定で使用されるごとにカフＮＩＢＰを必要とし、これは、この方法が完全にはカフレスではないということを意味する。この方法の別の問題は、異なる位置での２つの信号の同時記録を必要とすることであり、これは、２つの動脈位置にセンサを有することの不便さはもちろんのこと、記録の正確さを保証するためにハードウエア設計の複雑さを増加させる。

１回の動脈拍動記録からＳＰ及びＤＰを推定する別の方法が、Ｂａｒｕｃｈ（特許文献１）によって提案された。この方法は、記録された橈骨動脈脈拍から３つのピークを分解し、次に同定することから成る。この方法は、ピーク間の時間をＳＰ及びＤＰに関連づける。そのような方法を実行することは、ＰＴＴ方法が直面するのと同じ問題、すなわち、較正又は方法の個別化の必要性に直面する。Ｂａｒｕｃｈによる方法は、動脈拍動記録におけるピーク間の時間とＳＰ及びＤＰとの直線関係が集団内の異なる対象間で異なることを同定した。Ｂａｒｕｃｈによる解決策は、性別、身長、疾患状態、フィットネス、又は／及び、患者のプロフィールにおけるいかなる他のパラメータにも基づき異なる直線関係を有することである。この方法をこのように個別化することは非現実的であり、患者のプロフィールはＳＰ及びＤＰの主な抑止力になるため、脈拍からのＳＰ及びＤＰの検出を冗長にする。

Ｌａｄｉｎｇ等（特許文献２）による別の方法は、ＳＰ－ＤＰに等しい脈圧ＰＰ、及び末梢動脈（例えば、上腕、橈骨、又は指）における脈拍に関連する断面積の拡張の変化からの平均圧力を推定する。この方法は第一に、異なる静水圧（手を下した状態及び心臓レベルまで手を上げた状態）における末梢動脈拡張脈拍の２つの測定値を記録して、記録された動脈面積拡張の変化と既知の静水圧に関する圧力との関係を決定することを必要とする。この手技は、較正の一形態である。この方法はまた、動脈拡張脈拍の拡張期部分に指数関数的減衰曲線をフィットさせて、ＰＰ及び圧力変換係数に対する拡張の最初の値を推定する。

Ｌａｄｉｎｇ等の方法は、その実用的な一般的実行に影響を及ぼす以下の問題に苦しむ。第一に、いかなる測定の前に、静水圧及び脈拍に関連した動脈拡張のレベルの複数の測定が行われる必要がある。第二に、方法が正確であるためには、測定は、複数のセンサ、すなわち、動脈拡張脈拍を記録するためのセンサ及び静水圧を記録するための上昇センサを必要とする。この方法はまた、その精度に影響を与える他の問題にも苦しむ。この方法は、脈拍に関連する動脈拡張の量の測定を必要とするが、この方法は、多くのセンサ信号が直接的な動脈拡張脈拍を測定しないが、仮定された動脈拡張と圧力との線形関係、その結果、推定されたＳＰ及びＤＰの精度に影響を与える全て可変である流量、圧力、及び体積の組み合わせを測定するということに取り組むことができない。

Ｕ．Ｓ．８，１００，８３５Ｂ２Ｕ．Ｓ．ＰａｔｅｎｔＡｐｐｌｉｃａｔｉｏｎＵＳ２０１５／０３２７７８６Ａ１Ｕ．Ｓ．ＰａｔｅｎｔＮｏ５，２６５，０１１Ｕ．Ｓ．ＰａｔｅｎｔＮｏ．９，３１４，１７０

ｔｈｅＡｍｅｒｉｃａｎＮａｔｉｏｎａｌＳｔａｎｄａｒｄｆｏｒＮｏｎ－ＩｎｖａｓｉｖｅＡｕｔｏｍａｔｅｄＢｌｏｏｄＰｒｅｓｓｕｒｅＤｅｖｉｃｅｓ，ＡＮＳＩ／ＡＡＭＩ／ＩＳＯ８１０６０－２：２００９，"Ｎｏｎ－ｉｎｖａｓｉｖｅｓｐｈｙｇｍｏｍａｎｏｍｅｔｅｒｓ－Ｐａｒｔ２：Ｃｌｉｎｉｃａｌｖａｌｉｄａｔｉｏｎｏｆａｕｔｏｍａｔｅｄｍｅａｓｕｒｅｍｅｎｔｔｙｐｅ，" Ｓｅｃｔｉｏｎ５．２．４．１．２Ｐａｒｔａ－Ｃｒｉｔｅｒｉｏｎ１，ｐａｇｅ２０Ｓｈａｒｍａｎｅｔａｌ．，"Ｖａｌｉｄａｔｉｏｎｏｆｎｏｎ－ｉｎｖａｓｉｖｅｃｅｎｔｒａｌｂｌｏｏｄｐｒｅｓｓｕｒｅｄｅｖｉｃｅｓ：ＡｒｔｅｒｙＳｏｃｉｅｔｙｔａｓｋｆｏｒｃｅｃｏｎｓｅｎｓｕｓｓｔａｔｅｍｅｎｔｏｎｐｒｏｔｏｃｏｌｓｔａｎｄａｒｄｉｚａｔｉｏｎ"，ＥｕｒｏｐｅａｎＨｅａｒｔＪｏｕｒｎａｌ（２０１７）０，１－１０Ｃｌｏｕｄｅｔａｌ．，"ＥｓｔｉｍａｔｉｏｎｏｆｃｅｎｔｒａｌａｏｒｔｉｃｐｒｅｓｓｕｒｅｂｙＳｐｈｙｇｍｏＣｏｒ（ＲｅｇｉｓｔｅｒｅｄＴｒａｄｅｍａｒｋ）ｒｅｑｕｉｒｅｓｉｎｔｒａ－ａｒｔｅｒｉａｌｐｅｒｉｐｈｅｒａｌ"，ＣｌｉｎｉｃａｌＳｃｉｅｎｃｅ（２００３）１０５，２１９－２２５Ｓｈｏｊｉｅｔａｌ．，"Ｉｎｖａｓｉｖｅｖａｌｉｄａｔｉｏｎｏｆａｎｏｖｅｌｂｒａｃｈｉａｌｃｕｆｆ－ｂａｓｅｄｏｓｃｉｌｌｏｍｅｔｒｉｃｄｅｖｉｃｅ（ＳｐｈｙｇｍｏＣｏｒＸＣＥＬ）ｆｏｒｍｅａｓｕｒｉｎｇｃｅｎｔｒａｌｂｌｏｏｄｐｒｅｓｓｕｒｅ"，ＪｏｕｒｎａｌｏｆＨｙｐｅｒｔｅｎｓｉｏｎ２０１６，３４Ｍａｓｅｅｔａｌ．，ＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｏｃａｒｄｉｏｌｏｇｙ２０１１－４４ｐｐ２０１－２０７Ｃｈｅｎｅｔａｌ．，ＡｎｎａｌｓｏｆＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ２０１２，Ｖｏｌ．４０，Ｎｏ．４，ｐｐ．８７１－８８２Ｚｈｅｎｇｅｔａｌ．，ＪＭｅｄＳｙｓｔ２０１６，４０：１９５Ｆｕｋｅｅｔａｌ．，Ｚｈｅｎｇｅｔａｌ．，ａｎｄＳｏｌａｅｔａｌ．，３５ｔｈＡｎｎｕａｌＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｆｔｈｅＩＥＥＥＥＭＢＳ２０１３ＪｕｌｙＷ．ＮｉｃｈｏｌｓａｎｄＭ．Ｏ’Ｒｏｕｒｋｅ，"ＭｃＤｏｎａｌｄ’ｓＢｌｏｏｄＦｌｏｗｉｎＡｒｔｅｒｉｅｓ：Ｔｈｅｏｒｅｔｉｃａｌ，ＥｘｐｅｒｉｍｅｎｔａｌａｎｄＣｌｉｎｉｃａｌＰｒｉｎｃｉｐｌｅｓ"，５ｔｈＥｄｉｔｉｏｎＣｈｏｂａｎｉａｎＡ．ｅｔａｌ"ＳｅｖｅｎｔｈＲｅｐｏｒｔｏｆｔｈｅＪｏｉｎｔＮａｔｉｏｎａｌＣｏｍｍｉｔｔｅｅｏｎＰｒｅｖｅｎｔｉｏｎ，Ｄｅｔｅｃｔｉｏｎ，Ｅｖａｌｕａｔｉｏｎ，ａｎｄＴｒｅａｔｍｅｎｔｏｆＨｉｇｈＢｌｏｏｄＰｒｅｓｓｕｒｅ" Ｈｙｐｅｒｔｅｎｓｉｏｎ２００３；４２：１２０６－１２５２ＭａｎｃｉａＧｅｔａｌ"ＴｈｅｔａｓｋｆｏｒｃｅｆｏｒｔｈｅｍａｎａｇｅｍｅｎｔｏｆａｒｔｅｒｉａｌｈｙｐｅｒｔｅｎｓｉｏｎｏｆｔｈｅＥｕｒｏｐｅａｎＳｏｃｉｅｔｙｏｆＨｙｐｅｒｔｅｎｓｉｏｎ" ＥｕｒｏｐｅａｎＨｅａｒｔＪｏｕｒｎａｌ２００７；２８：１４６２－１５３６

本発明は、ＳＰ及びＤＰ又は高血圧（ＤＰ／ＳＰ）クラスを推定するために、単一の高忠実度で非侵襲的な未較正の末梢又は中心動脈圧力又は圧力関連脈波形を必要とするため、従来技術から区別される。本発明は、手技又はカフＮＩＰＢ較正を必要とせず、非侵襲的な波形測定からＳＰ及びＤＰを計算する又は高血圧（ＤＰ／ＳＰ）クラスを決定することができる。

一態様では、本発明は、患者の収縮期血圧及び拡張期血圧を非侵襲的に測定する方法に関係し、これは、オシロメトリックモードで動作する現在の上腕カフＮＩＢＰ装置が直面する欠点を回避する。

本発明のこの態様を実行するために、波形の心血管特徴を保存するのに十分な忠実度を有した未較正の脈波形が、非侵襲的に感知及び記録される。脈波形は、本発明の実施形態に応じて末梢位置又は中心位置で感知することができる。脈波形という用語は、圧脈波形も、上腕カフからの容積変位波形（ｖｏｌｕｍｅｔｒｉｃｄｉｓｐｌａｃｅｍｅｎｔｗａｖｅｆｏｒｍ）等の圧力関連脈波形も意味するように本明細書において使用される。脈波形は、橈骨動脈、上腕動脈、指のような末梢動脈又は頸動脈等の中心動脈においてトノメーター、プレチスモグラフ、バイオインピーダンスセンサ、フォトダイオードセンサ、ＲＦセンサ、又はソナードプラセンサ等の非侵襲的センサを使用して測定することができる。これに関して、本発明は、ＳＰ及びＤＰを正確に測定するためのカフレス解決策の能力を提供する。一方、本発明は、上腕容積変位波形を記録するためにカフと共に使用することもできる。

次に、記録された未較正の脈波形は、スケーリングされる波形の振幅が固定値に設定されるようにスケーリングされる。例えば、波形の最小値をＭｎ＝０に設定することができ、波形のピークをＭｘ＝１００に設定することができる。幾つかのデータサイクルにわたって取られた平均波形は、望ましくは、スケーリングに先立つ未較正の波形として使用される。

次に、スケーリングされた波形は、スケーリングされた波形内の１つ又は複数の心血管特徴に基づき較正される。この較正は、非侵襲的に記録された未較正のスケーリングされた波形を、スケーリングされた波形内の心血管特徴に基づき収集されたデータに正確に相関させるアルゴリズムによって実行される。本発明の一部の実施形態では、アルゴリズムは、波形を侵襲的に収集されたデータに相関させ、本発明の他の実施形態では、アルゴリズムは、波形を非侵襲的に収集されたデータ（例えば、従来の上腕血圧カフ装置を用いて収集されたもの）に相関させる。自己回帰モデルのような線形モデル又は／及び非線形システム同定のような非線形モデル、及び決定木又はサポートベクターマシンのような機械学習法が、本発明を実行する能力を持つアルゴリズムを開発するために使用される。較正は、ＤＰ及びＳＰが、場合に応じて侵襲的に又は非侵襲的に（例えば、従来の上腕血圧カフ装置で）直接測定されたかのように、較正された波形の最小値がＤＰを正確に推定し、較正された波形のピークが、ＳＰを正確に推定するように、波形の振幅をシフト及びスケーリングすることができる。従って、患者のＳＰは較正された波形の最大値として推定され、患者のＤＰは較正された波形の最小値として推定される。

別の態様では、本発明は、患者の血圧の状態を提供する方法に関係する。より具体的には、当該方法は、オシロメトリックモードで動作する現在の上腕カフＮＩＢＰ装置が直面する欠点を回避する技術をここでも用いて、患者の高血圧（ＳＰ／ＤＰ）分類（例えば、最適、正常、正常高値、グレードＩのＨＴ、グレードＩＩのＨＴ）を同定する。本発明のこの態様を実行するために、波形の心血管特徴を保存するのに十分な忠実度を有した未較正の脈波形が、上述のように非侵襲的に感知及び記録される。ここでも、脈波形は、本発明の実施形態に応じて末梢位置又は中心位置で感知することができる。脈波形は、橈骨動脈、上腕動脈、指のような末梢動脈又は頸動脈等の中心動脈においてトノメーター、プレチスモグラフ、バイオインピーダンスセンサ、フォトダイオードセンサ、ＲＦセンサ、又はソナードプラセンサ等の非侵襲的センサを使用して測定することができる。本発明のこの態様を実行する際には、カフを使用して上腕容積変位波形を記録することができるけれども、本発明のこの態様は、同様に、カフレス解決策の能力を提供する。

ここでも、記録された未較正の脈波形は、次に、スケーリングされる波形の振幅が固定値に設定されるようにスケーリングされる。例えば、波形の最小値をＭｎ＝０に設定することができ、波形のピークをＭｘ＝１００に設定することができる。幾つかのデータサイクルにわたって取られた平均波形は、望ましくは、スケーリングに先立つ未較正の波形として使用される。

プロセスにおけるこの時点で、本発明のこの態様による方法は、本発明の第１の態様による方法とは異なる。本発明のこの態様を実行する場合、パラメータ値が、スケーリングされた波形の１つ又は複数の心血管特徴について決定される。分類アルゴリズムは、スケーリングされた波形の１つ又は複数の心血管特徴について決定されたパラメータ値を、複数の高血圧分類（例えば、最適、正常、正常高値、グレードＩのＨＴ、グレードＩＩのＨＴ）と相関させる。自己回帰モデルのような線形モデル又は／及び非線形システム同定のような非線形モデル、及び決定木又はサポートベクターマシンのような機械学習法が、分類アルゴリズムを開発するために使用される。従って、複数の高血圧分類のうちの１つが、分類アルゴリズムを使用して、スケーリングされた波形から決定された１つ又は複数の心血管特徴のパラメータ値に基づき選択され、さらに、選択された高血圧分類は、見るために表示される。

本発明は、デジタル信号プロセッサ及びモニターを有するコンピュータを使用して実行することができ、全体的に又は部分的に、ＳＰ及びＤＰ又は高血圧分類のいずれかを連続的且つ正確に測定することができるウェアラブルデバイスとして実行することもできる。

一般に、非侵襲的な末梢（例えば、上腕、橈骨、又は指）又は中心（例えば、頸動脈）動脈の脈波形を記録すること、設定値を用いて波形を再スケーリングすること、スケーリングされた波形から心血管関連特徴を検出すること、心血管特徴の値にアルゴリズムを適用して、スケーリングされた波形から較正された波形を計算するためにどの方程式を使用すべきかを選択すること、スケーリングされた波形に選択した方程式を適用すること、及び、それぞれＳＰ及びＤＰとして、出力された較正された波形の最大値及び最小値を検出することを含む、本発明の一実施形態の実行の概略図である。一般に、非侵襲的な末梢（例えば、上腕、橈骨、又は指）又は中心（例えば、頸動脈）動脈の脈波形を記録すること、設定値を用いて波形を再スケーリングすること、スケーリングされた波形から心血管関連特徴を検出すること、及び、患者のＳＰ及びＤＰが認定されると予想される臨床分類（最適、正常、正常高値、及び高血圧のグレード等）を決定するアルゴリズムを心血管特徴の値に適用することを含む、本発明の別の実施形態の実行の概略図である。設定値Ｍｘ及びＭｎを用いてスケーリングされた末梢動脈又は中心動脈の脈波形に対して決定された較正方程式の形態を示した図である。較正方程式は、最大値及び最小値がそれぞれ直接測定されたＳＰ及びＤＰに正確に相当する較正された波形を生成する。非侵襲的な末梢動脈脈波形の一部の心血管関連特徴を例示した図であり（これらの特徴の一部は、特許文献３において詳述されており）、これらの特徴は、末梢動脈における脈波形を測定するために非侵襲的センサを使用した図１及び２において例示された本発明の実施形態を実行する際に使用される。非侵襲的な中心動脈脈波形の一部の心血管関連特徴を例示した図である（これらの特徴の一部は、特許文献３において詳述されている）。心血管関連特徴は、頸動脈における脈波形を測定するために非侵襲的センサを使用した図１及び２において例示された本発明の実施形態を実行する際に使用される。スケーリングされた波形の心血管特徴の値に基づき、スケーリングされた波形に適用するための適切な較正方程式を選択する決定木の一例を示した図である。スケーリングされた波形の心血管特徴の値に基づき、患者のＳＰ及びＤＰが認定されると予想される、最適、正常、正常高値、及び高血圧のグレード等の適切な臨床分類を選択する決定木の一例を示した図である。

図１は、本発明の第１の実施形態に従って構成されたシステム１００を示している。この実施形態は、動脈脈波形を非侵襲的に記録するためにセンサ１０２を必要とする。脈波形という用語は、上述したように、圧脈波形だけでなく、容積変位波形等の他の脈波形も含む。図１は、頸動脈等の中心位置、又は、上腕動脈若しくは橈骨動脈又は指の中等の末梢位置にて非侵襲的脈波形を測定することができるということを示している。トノメーター、プレチスモグラフ、バイオインピーダンス、ドップラセンサ、又は上腕カフ装置等、様々な非侵襲的センサ１０２を使用して、（指、橈骨動脈、又は上腕動脈のような）末梢動脈又は（頸動脈のような）中心動脈から非侵襲的圧力又は圧力関連動脈脈波形を記録することができる。

本発明の目的のうちの１つは、オシロメトリックモードで動作するＮＩＢＰカフ装置を用いてＳＰ及びＤＰを測定することを回避することであるが、カフ装置は、参照により本明細書において援用するＱａｓｅｍの特許文献４において記載されているように、高忠実度の上腕容積変位波形を捕捉するために本発明に従って使用することができる。

センサ１０２は、トノメーター、プレチスモグラフ、バイオインピーダンス、フォトダイオードセンサ、ＲＦセンサ、又はドップラセンサ等のウェアラブルセンサであってもよく、これは、末梢動脈又は中心動脈からの非侵襲的な圧力又は圧力関連動脈脈波形を記録するということが熟考される。

Ａ／Ｄ＆ＤＳＰユニット１０４を通って、記録されたアナログ信号は、デジタル信号に変換され、適したハイパスフィルタ、ローパスフィルタ、バンドパスフィルタ、又はこれらのフィルタの組み合わせを適用することによってデジタル処理され、心血管関連特徴が保存された高忠実度の未較正の波形１０６が生成される。

別の実施形態では、センサ１０２は、特定の量の時間（例えば、５又は１０秒等）の連続パルスを記録し、ＤＳＰユニットが、（２）パルスの列をデジタルデータに変換し、ハイパス、ローパス、バンドパスフィルタ、又はこれらのフィルタの組み合わせでデータをフィルタにかけ、次に、（３）パルス全てを平均して、心血管関連特徴が保存された単一の平均脈波形が得られる。

１つの代替案において、センサ１０２は、非侵襲的な収縮期圧及び拡張期圧（それぞれＮＩＳＰ及びＮＩＤＰ）を測定し、カフが一定の圧力（ＮＩＤＰ未満、ＮＩＤＰとＮＩＳＰの間、又はＮＩＳＰ以上）まで膨らませられる間に生のオシロメトリックカフ波形を記録するＮＩＢＰカフ装置であり得る。ＮＩＢＰカフユニットからの生の信号は、デジタル信号プロセッサ１０４に送られ、デジタル信号プロセッサは、心血管波形特徴が保存されるのを確実にするように信号をフィルタにかけ、処理のために波形をデジタルデータに変換する。上述のように、生のカフ波形は、ハイパスフィルタ及びローパスフィルタ又はバンドパスフィルタを通して処理され、心血管関連特徴が保存された未較正の上腕カフ波形が生成される。この波形は、上腕カフ容積変位波形であり、患者の上腕圧力波形に存在する心血管特徴を含有及び保存する。膨張したカフの圧力は、記録される波形の形状に影響を及ぼすことになり、従って、以下に論じる較正方程式を決定するために収集されたデータに対するカフの膨張と一致する範囲までカフを膨らませることが重要である。特に、形状は、患者のＤＰより下、ＤＰとＳＰの間、又はＳＰより上までカフを膨らませるかどうかに応じて著しく変化する。例えば、較正方程式が、試験集団に対して拡張期圧以下で膨らませたカフで収集されたデータに基づき決定される場合、生の上腕（容積変位）波形は、患者の拡張期圧以下で膨らませたカフを用いて収集されるべきである。境界効果を回避するために、膨らませたカフの圧力は、患者のＤＰと比較して１０％以上の差を有することが好ましい。試験集団に対してＤＰとＳＰの間に膨らませたカフで収集されたデータに基づき再較正方程式が決定される場合にはＤＰとＳＰの両方に関して、又は、試験集団に対してＳＰより上に膨らませたカフで収集されたデータに基づき較正方程式が決定される場合にはＳＰに関して、同様の考慮が適用される。トノメーターのような圧力センサを使用して捕捉された非侵襲的な波形１０６は、あまりフィルタリングを必要としない場合があるということがあり得る。一方、上腕カフ装置を使用して生の未較正の波形を捕捉する場合には、かなりのフィルタリングが必要とされる場合がある。生のカフ波形のフィルタリングは、特定のカフ装置、ＮＩＳＰ又はＮＩＤＰに対するカフ圧、及び使用されるＮＩＢＰユニットに依存するけれども、例証的な実施形態におけるフィルタリングは、３０から４０Ｈｚのカットオフ周波数を有するローパスフィルタを使用し、０．７から１Ｈｚのパス周波数を有するハイパスフィルタは、フット（ｆｏｏｔ）、第１の収縮期ピーク、第２の収縮期ピーク、及び切痕（ｉｎｃｉｓｕｒａ）を含む心血管特徴がデータ内に保存される生の波形を捕捉するのに適していることが見出されている。ローパスフィルタの目的は、生理学的機能に関連する容積、圧力、又は流量の信号周波数を保存し、電源ノイズ等の環境的推論に関連するノイズを除去することである。ローパスカットオフ周波数の選択は、圧力、容積、又は流量の波形における全ての生理学的特徴が、２５Ｈｚの信号スペクトル内にあるという事実に基づく（非特許文献９における図２６．２１を参照されたい）。ハイパスフィルタの目的は、腕の動き、呼吸効果、又は圧力に反応した管及びカフのコンプライアンスの結果として生じるアーチファクトノイズに関連する低周波数を除去することである。信号基線変動を引き起こし、信号形状を減衰させ得るこれらの低周波数アーチファクトは、通常、１Ｈｚ未満であり、従って、ハイパスフィルタは周波数を通過させる。－３ｄＢのパスバンドリップル又はストップバンドリップルを有するチェビシェフ型フィルタとして実行することができるいずれのフィルタも、組み合わせて０．７から４０Ｈｚの全ての周波数を通過させる１つのバンドパスフィルタにすることができる。

図１におけるブロック１０４の後の動作は、好ましくは、デジタル信号プロセッサ１０４又は他のコンピューティングデバイスにおいても実行される。しかし、生の波形の取得に関連して論じられる電子フィルタは、アナログ若しくはデジタル、又はその組み合わせであり得る。

ブロック１０８は、未較正の末梢（又は中心）波形１０６を、その最大値及び最小値が、Ｍｘ＝１００及びＭｎ＝０等の任意の数であり得る予め設定されたスケーリング値Ｍｘ及びＭｎに等しく設定されるように再スケーリングするソフトウェアを表している。その結果は、心血管特徴が保存されたスケーリングされた波形１１０である。

ブロック１１２は、スケーリングされた脈波形１１０が、スケーリングされた波形１１０の同定された心血管特徴に対するパラメータ値を検出するためのアルゴリズムに入力されていることを描いている。これらの心血管特徴の一部は、特許文献３に記載されており、図４（スケーリングされた末梢波形）及び図５（スケーリングされた中心波形）に関連して以下に記載される。アルゴリズム１１２は、特許文献３に記載されているような微分法、ウェーブレット法、又は任意の他の適した方法を使用して、心血管特徴を検出することができる。ブロック１１２からの検出された特徴はアルゴリズム１１４に対する入力であり、アルゴリズム１１４は、スケーリングされた波形を較正するために幾つかの較正方程式ｆ_ｉ（ｘ）１１６のうちの１つを選択し、（心血管特徴を検出するために使用されるセンサ１０２及びアルゴリズム１１４が、末梢波形又は中心波形に特異的であるかどうかに応じて末梢又は中心である）較正された波形１２０が結果として生じる。アルゴリズム１１４は、スケーリングされた波形１１０を、その最小値が患者の動脈ＤＰに相当し、その最大値が患者の動脈ＳＰに相当するようにシフト及び／又はスケーリングする。図６及び３において例示されている選択アルゴリズム１１４及び較正方程式ｆ_ｉ（ｘ）１１６は、以下においてより詳細に説明される。図１におけるブロック１１８は、較正された脈波形１２０を生成するために、選択された較正方程式ｆ_ｉ（ｘ）１１６がスケーリングされた波形１１０に適用されるということを示している。上述のように、選択された較正方程式１１６は、センサ１０２が非侵襲的波形を測定する位置に対して、その最大値及び最小値がそれぞれ侵襲的又は非侵襲的に測定されたＳＰ及びＤＰの推定値である較正された波形１２０を生成する。ブロック１２２は、ソフトウェアが、ＳＰ及びＤＰの値を推定するために、較正された波形１２０から最大値及び最小値を検出するということを示している。上述のように、本発明の目的は、これらのＳＰ及びＤＰの値のために、侵襲的又は非侵襲的に測定されるＳＰ及びＤＰを厳密に推定することである。

本発明を使用して測定されるＳＰ値及びＤＰ値は、波形を較正するために使用することもできる。例えば、現在の方法は、未較正の容積変位波形を捕捉するために上腕カフと共に使用することができ、その最小値が患者のＤＰを正確に推定し、その最大値が患者のＳＰを正確に推定するように波形を較正する。較正誤差なしで、伝達関数法を、必要に応じて、較正された上腕波形に適用して、重大な較正誤差なしで中心大動脈波形を正確に決定することができる。

図２は、本発明の第２の実施形態に従って構成されたシステム２００を示している。図２において示されているシステム２００の多くの態様が、図１において示されているシステム１００と同じであるか又は類似している。図１と同じ構成要素について、同じ参照番号が図２において使用されている。一般に、図２におけるシステム２００の作動方法は、それぞれのシステム１００、２００が、スケーリングされた波形１１０における心血管特徴に対するパラメータ値を検出する場合に図１においても図２においてもブロック１１２によって同定される処理ステップを通じ、図１におけるシステム１００の作動に類似している。プロセスのこの時点で、図２において示されているシステム２００は、図１において示されているシステム１００からそれる。図２では、ブロック１１２からの検出された特徴は、ＡｍｅｒｉｃａｎＨｅａｒｔａｓｓｏｃｉａｔｉｏｎ及びＥｕｒｏｐｅａｎＳｏｃｉｅｔｙｏｆＨｙｐｅｒｔｅｎｓｉｏｎの分類に基づき、最適、正常、正常高値、グレードＩの高血圧、及びグレードＩＩの高血圧等、患者のＳＰ及びＤＰが認定されると予想される臨床分類２１６を決定する分類アルゴリズム２１４に入力される（非特許文献１０及び非特許文献１１）。分類アルゴリズム２１４は、以下において図７に関してより詳細に記載される。

図１において示されている実施形態の較正方程式１１８及び図２において示されている分類アルゴリズム２１４は、非侵襲的な未較正の収集されたデータを、侵襲的又は非侵襲的に測定された動脈圧データと比較することによって決定することができる。未較正の非侵襲的な末梢動脈又は中心動脈波形のデータが、（年齢、身長、体重、性別に関して）母集団を代表する群における侵襲的又は非侵襲的に測定されたＳＰ値及びＤＰ値の記録と共に収集されている。それぞれ橈骨、指、上腕、及び頸動脈にて行われた測定に対して、非侵襲的な未較正の動脈波形と、侵襲的又は非侵襲的に測定された圧力値とを比較することができる。それぞれのケースにおけるデータを使用して、スケーリングされた脈波形１１０からＳＰ及びＤＰを計算するのに適した較正方程式を確立することができる（ブロック１１８）。

図３を参照すると、システム同定の方法を使用して、提案された較正方程式３０２の係数を確立することができる。この例証的な実施形態では、較正方程式の形態は、線形及び非線形成分を構成する非線形シグモイド関数である。一般に、非侵襲的な未較正の収集された波形データは、フィルタにかけられ、スケーリングされ、ここで、Ｍｘ及びＭｎは、スケーリングされた非侵襲的な波形の最大値及び最小値に相当する。スケーリングされた非侵襲的な未較正の波形データは、提案された較正方程式３０２に対する入力３００である。それぞれの動脈に対する較正された波形３０４は、その最大値及び最小値が、それぞれ（侵襲的又は非侵襲的に）測定されたＳＰ及びＤＰに等しく、提案された較正方程式３０２の出力である。収集されたデータからの既知の入力３００及び出力３０４を考慮に入れると、未知の係数を有する較正方程式３０２が提案される。次に、係数は、方程式の出力と血圧測定に対して収集されたデータとの差が最小になるように推定される。較正方程式は、理論的には、線形若しくは非線形、又は両方のタイプの組み合わせであり得るが、非線形成分を使用すると、より正確な結果が得られることが分かっている。

この例では、提案された較正方程式３０２の形態は線形及び非線形部分を有し、以下のように表すことができ、

式中、
ｙ（ｔ）は、時間ｔにおける出力波形であり、
Ｐ_ｉ，Ｂ_ｉ，Ｃ_ｉは、各方程式ｉに対する係数の行列であり、さらに、
ａ_ｉ，ｄ_ｉは、スカラー（定数）である。

式[１]におけるベクトルＸは、以下のように表すことができる遅延の入力値及び出力値のベクトルであり、

式中、
ｕ（ｔ）は、時間ｔにおける入力波形であり、
ｕ（ｔ－１）は、時間ｔ－１における入力波形であり、
ｕ（ｔ－ｎａ）は、時間ｔ－ｎａにおける入力波形であり、
ｙ（ｔ－１）は、時間ｔ－１における出力波形であり、
ｙ（ｔ－ｎｂ）は、時間ｔ－ｎｂにおける入力波形であり、さらに、
ｎａ，ｎｂは、それぞれ入力信号及び出力信号に対する遅延点の数である。

式[１]において、ｆ（）は、この例では、以下の式

として表されるシグモイド関数である非線形関数である。

どのようにして式が機能するかを例示するために、ｎａ及びｎｂは１に等しいと仮定され、次に、式［１］のベクトルＸは、

になり、従って、

である。

次に、式［４］から［７］を式［１］に代入すると、次のようになる。

システム同定の目的は、推定された出力３０４と（侵襲的又は非侵襲的に）測定された圧力データとの差を最小化することによって、係数行列Ｐ_ｉ，Ｂ_ｉ，Ｃ_ｉ及び定数ａ_ｉ，ｄ_ｉを推定することである。

母集団の試料から収集された（侵襲的又は非侵襲的に）測定された圧力データにおいてシステム同定方法を適用することによって、例えば、母集団において実行することができる５つの異なる較正方程式ｆ_ｉ（ｘ）１１６（図１を参照されたい）が結果として生じ得る。言い換えると、図３における提案された較正方程式３０２の最終形態は、システム１００にプログラムされる較正方程式ｆ_ｉ（ｘ）１１６に相当し、実際には、システムが末梢波形又は中心波形を検出するように設計されているかどうかに応じて、末梢又は中心のＳＰ及びＤＰを検出するために使用される。提案された較正方程式３０２の最終形態は、入力３００及び出力３０４の波形データの異なるグループ分けに対して決定され、このグループ分けは、システム同定方法を適用することによって決定された波形特徴パラメータに基づく。図１において示されている実施形態では、選択アルゴリズム１１４は、例えば、波形特徴に基づきどの較正方程式ｆ_ｉ（ｘ）１１６を使用するべきかを決定する決定木であり得る。

入力波形は、未較正の非侵襲的な波形のスケーリングされたバージョンであるけれども、較正方程式を決定する方法は、その最小値が患者の（侵襲的又は非侵襲的に）測定されたＤＰについて収集されたデータと相関し、その最大値が患者の（侵襲的又は非侵襲的に）測定されたＳＰについて収集されたデータと相関するように、較正方程式ｆ_ｉ（ｘ）が、波形をシフトし、波形の振幅をスケーリングする能力を結果としてもたらす。言い換えると、機械学習又は深層学習の技術を使用することによって、測定されたＳＰ及びＤＰに関する正確な情報が、患者の未較正のスケーリングされた非侵襲的な波形の形状から抽出される。

図４は、スケーリングされた末梢脈波形１１０の心血管関連特徴を記載している。これらの特徴の一部は、例えば、特許文献３に記載されている。非侵襲的な波形が、中心波形又は頸動脈波形とは区別される末梢脈波形である場合の、これらの特徴に関係するパラメータに対する値が、図１において示されている実施形態の選択アルゴリズム１１４及び図２において示されている実施形態の分類アルゴリズム２１４への入力として使用される。これらの特徴は、（特許文献３に記載されているように）微分法又はウェーブレット分析のような時間又は周波数における任意の他の適した数学的方法を介して検出することができる。選択アルゴリズム１１４又は分類アルゴリズム２１４によって使用することができる例証的な特徴には、例えば、図４において記載されているように、ＡＩｘ、ＡＵＣｓ／ＡＵＣｄ、Ｐ１、Ｐ２、Ｔ１、Ｔ２、及びＥＤが含まれる。同様にスケーリングされた末梢波形から検出することができる心拍数、心周期、及び収縮期立ち上がりの勾配のような他の特徴も、アルゴリズムへの入力として使用することができる。

図５は、スケーリングされた中心（例えば、頸動脈等）圧力波形の心血管関連特徴を記載しており、その一部は特許文献３に記載されている。非侵襲的な波形が、末梢脈波形とは区別される中心脈波形又は頸動脈波形である場合の、これらの特徴に関係するパラメータに対する値が、図１において示されている実施形態の選択アルゴリズム１１４及び図２において示されている実施形態の分類アルゴリズム２１４への入力として使用される。これらの特徴は、（特許文献３に記載されているように）微分法又はウェーブレット分析のような時間又は周波数における任意の他の適した数学的方法を介して検出することができる。選択アルゴリズム１１４又は分類アルゴリズム２１４によって使用することができる例証的な特徴には、例えば、図４において記載されているように、ＡＩｘ、ＡＵＣｓ／ＡＵＣｄ、Ｔ１、Ｔ２、及びＥＤが含まれる。同様にスケーリングされた中心波形から検出することができる心拍数、心周期、及び収縮期立ち上がりの勾配のような他の特徴も、アルゴリズムへの入力として使用することができる。

スケーリングされた波形の心血管関連特徴に基づき、未較正の動脈波形からＳＰ及びＤＰを推定するための適切な方程式を選択する選択アルゴリズム１１４は、決定木、サポートベクターマシン、線形及び非線形回帰、及びニューラルネットワークのような異なる機械学習法を使用して開発することができる。結果として生じるアルゴリズム１１４に対して、波形の特徴は入力であり、一方、スケーリングされた未較正の動脈波形からＳＰ及びＤＰを推定するための較正方程式１１６は出力である。上述のように、波形特徴を含む母集団を表す既知のデータが、較正方程式１１６及び選択アルゴリズム１１４に発展させるように使用されるため、これは可能である。

図６は、検出又は計算された波形特徴又はパラメータに基づき適した較正方程式１１６を選択するために使用される、決定木の形態の１つの例証的な選択アルゴリズム１１４を例示している。較正方程式１１６は、図６においてＥｑ１、Ｅｑ２、Ｅｑ３、Ｅｑ４、及びＥｑ５とラベルされている。選択された較正方程式（Ｅｑ１、Ｅｑ２、Ｅｑ３、Ｅｑ４、又はＥｑ５）を使用して、波形特徴に関係するパラメータ値に基づき、スケーリングされた未較正の動脈波形からＳＰ及びＤＰが推定される。図６において、ブロック１１２は、脈波形特徴１１３が、非侵襲的に未較正の記録された脈波形１１０のスケーリングされたバージョンから検出又は計算されるということを示している。上述のように、適した特徴検出方法のブロック１１２は、微分法又は時間又は周波数領域における他の数学的方法を含む。波形特徴１１３に関係する検出又は算出された値は、決定木１１４への入力であり、決定木１１４は、この例では、図１における選択アルゴリズム１１４として機能する。決定木１１４は、検出又は計算された波形特徴の値に従って、使用する較正方程式Ｅｑ１、Ｅｑ２、Ｅｑ３、Ｅｑ４、又はＥｑ５を決める。具体的には、図６において、５つの較正方程式（Ｅｑ１、Ｅｑ２、Ｅｑ３、Ｅｑ４、又はＥｑ５）のうち１つが、ＡＩｘ、ＥＤ、心拍数（ＨＲ）、及びＡＵＣｓに対するＡＵＣｄの割合比（ｐｅｒｃｅｎｔａｇｅｒａｔｉｏ）の値に基づき選択される。図６において同定されている閾値は例示的であり、データ分析に基づき推定されているが、さらなるデータ収集及び分析が、修正値を結果としてもたらし得る。他の例では、決定木においてより多くの分岐を伴って、より多くの波形特徴を使用することができる。また、波形特徴を、サポートベクターマシン、線形及び非線形回帰、及びニューラルネットワークのような適切な較正方程式と相関させる他のアルゴリズムも、選択アルゴリズムとして使用することができる。

図７は、図２において示されている実施形態に関係するものであり、図１における実施形態のような選択アルゴリズム１１４及び較正方程式２１６の代わりに分類アルゴリズム２１４が使用されている。分類アルゴリズム２１４は、記録された波形の心血管関連特徴に基づき、スケーリングされた未較正の動脈波形１１０から、（ＡｍｅｒｉｃａｎＨｅａｒｔＡｓｓｏｃｉａｔｉｏｎ及びＥｕｒｏｐｅａｎＳｏｃｉｅｔｙｏｆＨｙｐｅｒｔｅｎｓｉｏｎによって分類されているような）高血圧（ＳＰ／ＤＰ）クラスを検出するために開発される。分類アルゴリズム２１４は、決定木、サポートベクターマシン、線形及び非線形回帰、及びニューラルネットワークのような機械学習法を使用する。波形特徴は入力であり、一方、ＳＰ／ＤＰクラスは出力である。上述したように、波形特徴を含む母集団を表す既知のデータが、ＳＰ／ＤＰ分類との相関に発展させるように使用されるため、これは可能である。

図７は、末梢又は中心波形における心血管波形特徴について検出又は計算されたパラメータ値に基づき適したＳＰ／ＤＰ分類を選択するために使用される決定木の形態の１つの例証的な分類アルゴリズム１１４を例示している。図７において同定されている閾値は例示的であり、データ分析に基づき推定されているが、さらなるデータ収集及び分析が、修正値を結果としてもたらし得る。図７において、ＳＰ／ＤＰ分類は：最適［ＳＰ／ＤＰ＜１２０／８０ｍｍＨｇ］、正常［１２０／８０≦ＳＰ／ＤＰ＜１３０／８５］、正常高値［１３０／８５≦ＳＰ／ＤＰ＜１４０／９０］、グレードＩの高血圧［１４０／９０≦ＳＰ／ＤＰ＜１６０／１００］、及びグレードＩ／ＩＩの高血圧［１６０／１００≦ＳＰ／ＤＰ］である。図７におけるブロック２１２は、微分法又は時間又は周波数領域における他の適した数学的方法のような検出方法を使用して、非侵襲的に未較正の記録されたスケーリングされた波形から脈波形特徴が検出されるということを示している。検出された波形特徴１１３に対する値は、同定された波形特徴の値に従って患者に対するＳＰ／ＤＰクラスを選択する決定木２１４への入力である。この例では、選択は、ＡＩｘ、ＥＤ、心拍数（ＨＲ）、及びＡＵＣｄに対するＡＵＣｄの割合比の値に基づく。ＡＵＣｄに対するＡＵＣｄの割合比の値は、高血圧を有するとして患者を分類するべきかどうかを決定するために第１段階において使用される。その場合、オーグメンテーションインデックスＡＩｘの値が、高血圧がグレードＩ又はグレードＩＩであるかどうかを決定するために使用される。高血圧を有するとして患者を分類するべきではない場合、第１の収縮期ピークの時間の値によって、正常又は最適と対比して正常高値として患者を分類するべきかどうかが決定される。正常又は最適として患者を分類するべきである場合、駆出期間ＥＤの値によって、正常又は最適として患者を分類するべきであるかどうかが決定される。他の例は、決定木のより多くの分岐を伴ってより多くの波形特徴を使用してもよい。サポートベクターマシン、線形及び非線形回帰、及びニューラルネットワークのような、波形特徴をＳＰ／ＤＰクラスと相関させる他のアルゴリズムも使用することができる。

上述したように、図６及び図７における決定木は、例示的であることを意味する。さらに、侵襲的なＳＰ及びＤＰ又は高血圧分類をそれぞれ正確に推定するために、システムに対して図６及び７に示されるものよりも、決定木の構造はより複雑である必要があり得ると予想される。

Claims

患者の収縮期血圧及び拡張期血圧を非侵襲的に測定する方法であって、
複数の較正方程式を提供するステップであり、前記複数の較正方程式のそれぞれが、スケーリングされた動脈波形を表すデータを入力するように、及び、較正される動脈波形を表すデータを出力するように構成され、前記スケーリングされた動脈波形の振幅は、固定値に設定される、ステップと、
非侵襲的センサを使用して、未較正の動脈波形を非侵襲的に感知及び記録するステップであり、前記未較正の動脈波形は、前記動脈波形の心血管特徴が保存されるのを確実にするために、前記動脈波形からアーチファクト及び／又はノイズを除去するようにフィルタをかけられる、ステップと、
記録された前記未較正の動脈波形をスケーリングするステップであり、スケーリングされた動脈波形の振幅が、前記複数の較正方程式を決定するために使用される前記固定値に設定されるように行われる、ステップと、
前記スケーリングされた動脈波形の心血管特徴に関係する１つ又は複数のパラメータに対する値を決定するステップと、
前記スケーリングされた動脈波形から決定された心血管特徴に関係する１つ又は複数のパラメータの決定された値に基づき、前記複数の較正方程式の１つを選択するステップと、
前記スケーリングされた動脈波形における１つ又は複数の心血管特徴に基づき、前記スケーリングされた動脈波形に前記選択された較正方程式を適用して、前記スケーリングされた動脈波形を較正するステップと、
前記患者の収縮期末梢血圧を、較正された前記動脈波形の最大値として推定し、前記患者の末梢拡張期血圧を、前記較正された動脈波形の最小値として推定するステップと、
を含む方法。
動脈波形データが、母集団における対象から既定の動脈位置において、前記患者に対する未較正の動脈波形を表すデータを記録するために提供されたのと同じタイプの非侵襲的センサを用いて得られ、前記動脈波形データは、フィルタをかけられ且つ固定値にスケーリングされ、次に、前記スケーリングされた動脈波形の心血管特徴が測定され、
同時に、動脈波形データが、前記母集団における対象から同じ既定の動脈位置において侵襲的血圧モニタリング機器を用いて得られ、
前記複数の較正方程式は、前記スケーリングされた動脈波形データを、前記侵襲的血圧モニタリング機器を用いて得られた前記動脈波形データと比較することによって決定され、さらに、前記スケーリングされた動脈波形の心血管特徴に関係する１つ又は複数のパラメータのグループ分けごとに決定される、請求項１に記載の方法。
決定された１つ又は複数の心血管パラメータは、オーグメンテーションインデックス、駆出期間、及び、収縮期の間の前記スケーリングされた動脈波形の曲線下面積によって割られる拡張期の間の前記スケーリングされた動脈波形の曲線下面積の比を含む、請求項２に記載の方法。
前記較正方程式は、決定木を使用して選択される、請求項２に記載の方法。
前記スケーリングされた動脈波形は、スケーリングされた未較正の非侵襲的な動脈波形であり、前記侵襲的血圧モニタリング機器を用いて得られた動脈波形データは、収縮期血圧及び拡張期血圧のデータを含む侵襲的に測定された動脈波形データである、請求項２に記載の方法。
前記複数の較正方程式は、線形成分及び非線形成分を含む、請求項１に記載の方法。
前記複数の較正方程式のそれぞれが、以下の式

の形態であり、
ｙ（ｔ）は、時間ｔにおける出力波形であり、
Ｐ_ｉは、再較正方程式ｉに対する係数のｎａ＋ｎｂ＋１×１の行列であり、
Ｂ_ｉは、再較正方程式ｉに対する係数のｎａ＋ｎｂ＋１×ｎａ＋ｎｂ＋１の正方行列であり、
Ｃ_ｉは、再較正方程式ｉに対する係数のｎａ＋ｎｂ＋１×１の行列であり、
ｎａ，ｎｂは、それぞれ入力信号及び出力信号に対する遅延点の数であり、
ａ_ｉ，ｄ_ｉは、再較正方程式ｉに対するスカラー（定数）であり、
ｕ（ｔ）は、時間ｔにおける入力波形であり、
ｕ（ｔ－１）は、時間ｔ－１における入力波形であり、
ｕ（ｔ－ｎａ）は、時間ｔ－ｎａにおける入力波形であり、
ｙ（ｔ－１）は、時間ｔ－１における出力波形であり、
ｙ（ｔ－ｎｂ）は、時間ｔ－ｎｂにおける出力波形であり、
ｆ（）は、非線形シグモイド関数である、請求項６に記載の方法。
非侵襲的に感知及び記録される前記未較正の動脈波形は、末梢波形であり、前記非侵襲的センサは、ウェアラブルプレチスモグラフセンサである、請求項１乃至７のいずれか一項に記載の方法。
非侵襲的に感知及び記録される前記未較正の動脈波形は、上腕カフ容積変位波形である、請求項１乃至７のいずれか一項に記載の方法。
非侵襲的に感知及び記録される前記未較正の動脈波形は、頸動脈波形である、請求項１乃至７のいずれか一項に記載の方法。
前記未較正の動脈波形を非侵襲的に感知及び記録するステップであり、前記未較正の動脈波形は、前記動脈波形の心血管特徴が保存されるのを確実にするために、前記動脈波形からアーチファクト及び／又はノイズを除去するようにフィルタをかけられる、ステップは、前記非侵襲的センサからの生の信号にフィルタをかけることを含み、前記フィルタをかけることは、３０Ｈｚから４０Ｈｚの範囲のカットオフ周波数を有するローパスフィルタ、及び、０．７から１．０Ｈｚの範囲のカットオフ周波数を有するハイパスフィルタの使用を含む、請求項１乃至１０のいずれか一項に記載の方法。