JP7232240B2 - 予測スコア情報のコンテキスト化された患者固有表現 - Google Patents

Description

以下は、一般に患者モニタリング技術、電子患者モニタ技術、電子臨床意思決定支援技術及び関連技術に関する。

従来、患者モニタは患者のバイタルサインデータを表示する。例えば多機能患者モニタは、心電計（ＥＣＧ）トレンドライン、心拍数、呼吸数及び／若しくはトレンドライン、血中酸素飽和度（ＳｐＯ_２）値及び／若しくはトレンドライン、血圧値及び／若しくはトレンドライン、カプノグラフィトレンドライン並びに／又は呼気終末二酸化炭素（ｅｔＣＯ_２）レベル等のうちの１つ以上といったバイタルサインデータを表示する。このような患者モニタは、膨大な量の患者データを提供し、そこから、医師、看護師又は他の医療専門家が患者の状態を評価することができる。

しかし、このような患者モニタの難しさは、様々なバイタルサインを解釈するために、具体的には患者モニタによって提供されるバイタルサインデータの組み合わせを解釈するために、医療専門家が臨床専門知識を持っている必要がある点である。更に、解釈には、患者の病歴及び／又は患者の最新の検査結果（例えば動脈血液ガス（ＡＢＧ）、全血球数（ＷＢＣ）データ等）といった患者モニタによってキャプチャ及び表示されない追加情報が必要となる場合や、当該追加情報から恩恵を受ける場合がある。医療専門家の臨床的専門技術や知識が不十分であったり（例えば最新の検査結果を知らない）、患者モニタによって提示される膨大な量の情報を適切に分析する時間が不十分であったりすると、患者の医学的状態は、患者モニタによって提示されるデータに基づいて不正確に評価されてしまう可能性がある。

患者モニタによって提示されるデータの解釈の時間的制約は、医学的状態が悪化するリアルタイムのリスクを追跡することが望まれる手術又は他の介入医療処置中に特に問題になる可能性がある。例えば画像誘導治療（ｉＧＴ）処置中に、誘導画像のコントラストを高めるための静脈造影剤の投与は、造影剤による腎障害の可能性とのバランスを取る必要がある。腎障害のこのリスクは、患者の病歴（例えば糖尿病患者は造影剤により誘発される腎障害のリスクが高い）や血圧といった因子に依存する。関連情報を総合してｉＧＴ処置中の腎臓リスクを評価することは、難しい作業である。

患者モニタリングの既知の改良点は、リスク推定ツールを患者モニタに組み込んだことである。例えばノモグラムが提供される。ノモグラムは、ノモグラムへの特定の入力（バイタルサイン等）が与えられた場合に状態が悪化するリスクをグラフで表す。電子形式では、ノモグラムは、同等のコンピュータ処理に置換されて、入力が与えられた場合の状態悪化の発現リスクを計算することができる。リスク推定ツールは、バイタルサイン又はその他の入力の組み合わせが、患者の状態が悪化するリスクに及ぼす総合的な影響を簡潔に示すことができる。

以下に、新規かつ改良されたシステム及び方法を開示する。

開示される１つの態様では、患者モニタリングデバイスはディスプレイを含む。処理ハードウェアは、電子プロセッサと、患者モニタリング方法を行うように電子プロセッサによって読取り可能及び実行可能な命令と視覚化テンプレートデータベースとを格納する非一時的記憶媒体とを含む。患者モニタリング方法は、リスク予測関数の１つ以上の既知の変数について患者値を取得するステップと、患者値が分からないリスク予測関数の１つ以上の未知の変数を決定し、１つ以上の未知の変数がとることのできる値として少なくとも１つの超平面を定義するステップと、１つ以上の既知の変数について取得された患者値を使用して、少なくとも１つの超平面にわたってリスク予測関数の値を計算するステップと、リスク予測関数及び１つ以上の未知の変数を含むテンプレート選択インデックスを使用して、視覚化テンプレートデータベースから視覚化テンプレートを選択するステップと、視覚化テンプレートを使用して、少なくとも１つの超平面にわたって計算されたリスク予測関数の値の視覚化をディスプレイに表示するステップとを含む。

別の開示される態様では、患者モニタリング方法が開示される。ベッドサイド又は手術用患者モニタにおいて、リスク予測関数の１つ以上の既知の変数について患者値が取得される。電子プロセッサを含む処理ハードウェアを使用して、患者値が分かっていないリスク予測関数の１つ以上の未知の変数が決定され、１つ以上の未知の変数がとることのできる値として少なくとも１つの超平面が定義される。処理ハードウェアを使用して、１つ以上の既知の変数について取得した患者値を使用して、少なくとも１つの超平面にわたってリスク予測関数の値が計算される。ベッドサイド又は手術用患者モニタのディスプレイに、少なくとも１つの超平面にわたって計算されたリスク予測関数の値の視覚化が表示される。

別の開示される態様では、放射線撮像コンポーネント及び手術用ディスプレイを含む画像誘導治療（ｉＧＴ）デバイスを含む患者モニタリングデバイスが開示される。処理ハードウェアは、電子プロセッサと、リスク予測関数の値を計算し、患者モニタリング方法を行うように電子プロセッサによって読取り可能及び実行可能な命令を格納する非一時的記憶媒体とを含む。この患者モニタリング方法は、ｉＧＴデバイスの手術用ディスプレイに、ｉＧＴデバイスの放射線撮像コンポーネントを使用して取得した患者の画像を表示するステップと、リスク予測関数の１つ以上の既知の変数について患者値を取得するステップと、患者値が分からないリスク予測関数の１つ以上の未知の変数を決定し、１つ以上の未知の変数がとることのできる値として少なくとも１つの超平面を定義するステップと、１つ以上の既知の変数について取得した患者値を使用して、少なくとも１つの超平面にわたってリスク予測関数の値を計算するステップと、ｉＧＴデバイスの手術用ディスプレイに、少なくとも１つの超平面にわたって計算されたリスク予測関数の値の視覚化を表示するステップとを含む。

１つの利点は、患者の状態が悪化するリスクを評価するリスク推定ツールを含む患者モニタリングデバイスが提供される点にあり、このリスク推定ツールは入力データの欠落に対応する。

別の利点は、未知の個別のオプション（例えばある治療オプションが採用されたかどうか）の影響に関する情報を提供するリスク推定ツールが提供される点にある。

別の利点は、未知の連続的なオプションの影響に関する情報を提供する、例えば医薬品の投薬量がリスクに影響する程度に関するガイダンスを提供するリスク推定ツールが提供される点にある。

別の利点は、患者の状態が悪化するリスクのコンパクトなグラフィック表現が提供される点にある。

もう１つの利点は、入力データの欠落の影響も示すリスクのコンパクトなグラフィック表現が提供される点にある。

別の利点は、画像誘導治療（ｉＧＴ）処置中に患者が急性腎障害（ＡＫＩ）を発症するリスクを推定するリスク推定ツールが提供される点にある。ＡＫＩリスク推定ツールには、１つ以上の前述の利点がある。

本開示を読み、理解すれば当業者には明らかとなるように、所与の実施形態は、前述の利点のいずれも提供しない若しくは１つ、２つ以上若しくはすべての特徴を提供するか、及び／又は、他の利点を提供することができる。

本発明は、様々なコンポーネント及びコンポーネントの構成、また、様々なステップ及びステップの構成の形を取ってよい。図面は、好適な実施形態を例示するに過ぎず、本発明を限定するものと解釈されるべきではない。

図１は、リスク推定ツールを有する患者モニタを含む患者モニタリングデバイスを図示する。 図２は、図１の患者モニタリングデバイスによって行われるリスク推定プロセスを図示する。 図３は、図２のプロセスによって生成されたグラフィカルユーザインターフェース（ＧＵＩ）リスク推定提示を提供する外科用ディスプレイを備えたＸ線ベースの画像誘導治療（ｉＧＴ）デバイスを含む患者モニタリングデバイスを図示する。ＧＵＩリスク推定提示は、患者がＸ線ベースのｉＧＴデバイスによってモニタリングされている間に行われる介入処置中に患者が急性腎障害（ＡＫＩ）を発症するリスクを表す。

本明細書において認識されるように、リスク推定ツールの難しさは、リスク推定ツールが特定の入力を必要とするリスク予測関数を採用することにある。例えば外科処置中に急性腎障害（ＡＫＩ）を発症するリスクを推定するＡＫＩリスク推定ツールは、次の入力変数、即ち、低血圧、大動脈内バルーンポンプ（ｉＡＢＰ）の術中使用、慢性心不全、年齢、貧血、糖尿病、造影剤量及び糸球体ろ過率（ｅＧＦＲ、腎機能の指標）の推定値を必要とする。これらの変数のうち、低血圧、ｉＡＢＰ、慢性心不全、貧血及び糖尿病は、患者にこれらの状態があるかどうか（又はｉＡＢＰが使用されているかどうか）を表すバイナリ変数である。年齢、造影剤量及びｅＧＦＲ変数はそれぞれ数値をとる。ＡＫＩモデルは、これらの入力パラメータの状態に基づいて、介入処置の実行中に介入計画及び／又は検討のためにオペレータに表示することができるパーセンテージリスクスコア又はリスクスコアカテゴリ（低／中／高）を生成する。薬物の過剰摂取や放射線の過剰照射といった他の有害事象に対しても、同様のリスク推定手法が開発されている。リスクモデルは、入力された健康状態変数に基づいて特定の事象を予測するようにデザインされた予測ツールの１タイプである。予測ツールは、医療処置の前及び／又はその中に使用することができる。予測ツールはまた、検討された医療処置又は治療オプションのリスク／有効性を比較検討するためにも使用することができる。

一般的に、予測ツールの入力変数は、静的変数又は動的変数に分類することができる。静的変数は既知の変数であり、予測ツールの使用及び目的に現実的である時間枠内で大きく変化することは考えられない。例としては糖尿病及び年齢が挙げられる。動的変数は既知になる変数であり、及び／又は、予測ツールの使用及び目的に現実的である時間枠内で大きく変化する。例としては造影剤量が挙げられる。医療処置のコンテキスト（例えば冠動脈介入中にＡＫＩを発症する可能性を推定するためにＡＫＩリスク推定ツールが使用される）では、現実的な時間枠には、処置に至る計画段階と処置自体の継続時間とが適切に含まれる。このコンテキストでは、第３のカテゴリの入力変数、つまり、未知の変数を区別することができる。この変数は、関連の時間枠の前も、その間も未知のままである。

予測ツールが静的変数に完全に依存する場合、当該静的変数は、医療処置の前に取得及び使用して、予測リスクを導出することができる。しかし、多くのリスク推定ツールは、動的変数及び／又は未知の変数に依存する。この場合、リスク推定ツールは、使用不可であるか、又は、未知の変数の値について「最良の推測」推定値をとることによって初めて使用することができる。このような推定値には、合理的な根拠がない場合や、大幅にエラーが発生する可能性が高い場合がある。このようなリスク推定ツールを使用して推定されたリスクに基づいて下された医学的決定も疑わしく、最適でない決定につながる可能性がある。更に、未知の入力変数の「最良の推測」推定値が合理的な推定値である場合でも、このアプローチは有害事象の予測リスクの単一の（推定）データポイントを提供する。未知の変数が医療従事者によって制御可能である場合、リスク予測ツールが、未知（であるが制御可能な）変数に様々な値を選択した場合の影響に関する情報を提供することが有益である。

本明細書に開示される実施形態では、リスク予測ツールは、リスク予測関数の１つ以上の既知の変数の患者値を取得することにより動作する。このデータ収集プロセスでは、リスク予測関数の１つ以上の未知の変数が決定される。この変数の患者値は分かっていない。少なくとも１つの超平面が、上記１つ以上の未知の変数がとることのできる値として定義され、リスク予測関数の値が、１つ以上の既知の変数について取得した患者値を使用して、少なくとも１つの超平面にわたって計算される。視覚化テンプレートが、リスク予測関数と１つ以上の未知の変数とを含むテンプレート選択インデックスを使用して、視覚化テンプレートのデータベースから選択される。少なくとも１つの超平面にわたって計算されたリスク予測関数の値は、視覚化テンプレートを使用して表示される。

改良リスク予測ツールのこのアプローチは、本明細書でなされた様々な洞察を前提としている。第一に、リスク予測関数のすべての入力変数によって定義される空間は通常非常に大きいが、可能性のある未知の変数の集合は非常に小さい。前述のＡＫＩリスク予測ツールを使用すると、低血圧、ｉＡＢＰ、慢性心不全、年齢、貧血、糖尿病、造影剤量及びｅＧＦＲの８つの入力変数がある。これらの８つの変数がとりうる値は多く、５つのバイナリ変数（低血圧、ｉＡＢＰ、慢性心不全、貧血、糖尿病）には２^５＝３２通りの組み合わせがあり、これらの３２通りの組み合わせのそれぞれについて、残りの３つの数値変数（年齢、造影剤量、ｅＧＦＲ）は、これらの値に使用される粒度又は解像度に応じて、数十、数百又はそれ以上の値を取ることができる。

一方、未知の変数の総数は８以下であり、現実的な状況では２又は３以下である可能性がある。ＡＫＩリスク予測ツールの例では、低血圧、慢性心不全、年齢、貧血及び糖尿病が、例えば電子患者記録又は健康診断書から取得されて、既知の値を持つ可能性が高い。したがって、未知の変数の総数は、最大で３つ、即ち、ｉＡＢＰ、造影剤量及びｅＧＦＲである可能性が高い。これらの変数の１つ又は２つが先験的に分かっている場合（例えば外科医はこの患者が心疾患のためにｉＡＢＰを持っている必要があるという処置前の決定を行う、及び／又は、特定の造影剤量が使用される必要があると処置前に決定する）、未知の変数の数が適切に削減される。

前述の例のように、３つの未知の変数に対して、２つの超平面が定義される。即ち、１つはｉＡＢＰ＝「ｆａｌｓｅ」の超平面、もう１つはｉＡＢＰ＝「ｔｒｕｅ」の超平面である。各超平面は、残りの２つの未知の変数（造影剤量及びｅＧＦＲ）がとることのできる値の集合として定義される。１つ以上の既知の変数について取得した患者値（及び各超平面の適切なｉＡＢＰ値）を使用して、これら２つの超平面にわたってＡＫＩリスク予測関数の値を計算することが計算上実行可能である。視覚化もまた実行可能であり、これは、対応する視覚化テンプレート、つまり、３つすべての未知の変数の１つのテンプレート、２つの未知の変数の３つの可能な組み合わせの３つのテンプレート及び１つの未知の変数の３つの可能な組み合わせ（全部で７つのテンプレート）を有することができる、提示する必要がある可能な視覚化の小さな空間があるからである。１つ又は２つの他のバイナリ変数（例えば低血圧）も現実的に未知である場合、これは、単にテンプレートの数が２倍になる。

したがって、特定のリスク予測関数と特定の患者の状況で遭遇する未知の変数の特定の集合とのためにデザインされた視覚化を計算して表示することは計算上実行可能である。これは、リスク予測関数及び未知の変数を含む選択インデックスによってそれぞれインデックス付けされる視覚化テンプレートの（制限された）集合を提供することによって行われる。任意選択的に、視覚化テンプレートは、他の情報によってインデックス付けされてもよい。例えば異なる形式を使用して提供される異なる視覚化テンプレートがあってよい。例えば１つは外科処置中の使用に合わせられ、もう１つは重症管理室での一般患者のモニタリング用に合わせられる。

図１を参照すると、例示的な例において、リスク予測ツールは、患者モニタの一部であり、ディスプレイ１０を含むベッドサイド又は手術用患者モニタ８に組み込まれている。患者モニタは更に、電子プロセッサ及び非一時的記憶媒体を含む処理ハードウェア１２を含む。電子プロセッサは、非限定的な例示として、ベッドサイド又は手術用患者モニタ８のマイクロプロセッサ若しくはマイクロコントローラや、メモリ、グラフィック処理ユニット等といった補助電子機器を含んでよく、院内電子ネットワーク及び／若しくはインターネットを介してベッドサイド又は手術用患者モニタ８が動作可能に接続されるリモートサーバコンピュータを含んでよく、及び／又は、画像誘導治療（ｉＧＴ）デバイスのコンピュータ若しくは他の処理電子機器等を含んでよい。同様に、非一時的記憶媒体は、ベッドサイド又は手術用患者モニタ８の内部にあっても、及び／又は、動作可能に接続されたサーバコンピュータ、ｉＧＴデバイス等に駐在してもよい。非一時的記憶媒体は、ハードディスクドライブ、ＲＡＩＤ若しくは他の磁気記憶媒体、光ディスク若しくは他の光学記憶媒体、ソリッドステートドライブ若しくは他の電子記憶媒体及び／又はこれらの様々な組み合わせを含んでよい。図１に、処理ハードウェア１２を図示する。なお、処理ハードウェア１２は、非一時的記憶媒体に格納され、本明細書に開示される動作を行うように電子プロセッサによって読取り可能かつ実行可能である命令として実現されることを理解されたい。非一時的記憶媒体はまた、開示される動作においてアクセス及び使用される様々なデータ構造（例えばデータ配列、視覚化テンプレート等）も保存する。

例示するベッドサイド又は手術用患者モニタ８は、例えば例示的な心電図（ＥＣＧ）又は他の心臓モニタ１４、血圧センサ１６（例えば血圧カフ、動脈血圧モニタ等）、酸素飽和度（ＳｐＯ_２）と任意選択的に心拍数も測定するパルスオキシメータ１８等である１つ以上のバイタルサインセンサからバイタルサインデータを受信するように動作可能に接続される。実際の使用において、バイタルサインセンサ１４、１６、１８は、その病状がベッドサイド又は手術用患者モニタ８によってモニタリングされている患者に接続される。モニタ８との動作上の接続は、有線接続であっても無線接続（例えばブルートゥース（登録商標）、Ｗｉ－Ｆｉ（登録商標）等）であってもよい。受信したバイタルサインデータ（又はそのサブセット）は、任意選択的に、適切なウィンドウ又は表示領域２０に表示されてよい。処理ハードウェア１２はまた、バイタルサインデータに対して様々なデータ処理（例えばＥＣＧトレースから心拍数、ＳＴ上昇又はその他の情報を抽出する、血圧データから収縮期及び拡張期の血圧測定値を抽出する等）を行うようにプログラムされていてよい。

処理ハードウェア１２はまた、患者の医学的状態が悪化するリスクを評価するために適用されるリスク予測ツールを実施するようにプログラムされていてよい。このために、処理ハードウェア１２は、リスク予測関数３０の１つ以上の既知の変数の患者値を取得し、また、患者値が不明であるリスク予測関数の１つ以上の未知の変数も決定する。変数値抽出インターフェース３２が、処理ハードウェア１２、また、場合によっては、電子医療記録（ＥＭＲ）、電子健康記録（ＥＨＲ）、心血管情報システム（ＣＶＩＳ）、放射線情報システム（ＲＩＳ）等といった１つ以上の健康データリポジトリ３４への動作上のアクセスを提供する電子病院ネットワーク及び／又はインターネットといった他の関連ハードウェアによって実施される。患者識別子（例えば医療記録番号）を使用して、患者固有のドキュメントを照会するために、アプリケーションプログラミングインターフェイス（ＡＰＩ）を使用することができる。変数値抽出インターフェース３２はまた、１つ以上のバイタルサインセンサ１４、１６、１８からリスク予測関数３０の入力変数の１つ以上の値を（ここでも、場合により、バイタルサインの何らかの取得後処理が処理ハードウェア１２によって行われた状態で）受信してもよい。また、変数値抽出インターフェース３２が、ディスプレイ１０及びキーボード、マウス、ディクテーションマイクロフォン又は他のユーザ入力デバイスと共にユーザーダイアログを提供し、これを介して、ユーザが１つ以上の値を入力できるようにすることも考えられる。なお、入力変数は、基本変数自体で構成されてもよい。例えば例示するＡＫＩモデルのｅＧＦＲパラメータは、次の基本変数：血清中クレアチニン、年齢、性別及び人種に適用される数式を使用して決定される。この場合、変数は、リポジトリ３４、バイタルサインセンサ１４、１６、１８又は手動入力を介して受信される基礎となる基本変数から計算することができる。変数配列３６に、既知であるすべての入力変数の値が保存され、任意の未知の変数にはプレースホルダーインジケータ（図１では疑問符で示される）が割り当てられるか又は別の方法で未知の変数であると示される。

次に、入力変数の集合は２つのグループに分割される。第１のグループは既知の変数であり、これらの患者値３８は分かっている。第２のグループは、未知の変数であり、これらの患者値は分かっていない。処理ハードウェア１２は、少なくとも１つの超平面４０を、１つ以上の未知の変数がとることができる値として定義するようにプログラムされている。例えば図１には、Ｘ４、Ｘ５及びＸ６の３つの未知の変数がある。これらのうち、Ｘ４はバイナリ値である。Ｘ４を、それがとることができる１つの値（例えば提示される情報に応じて「ｆａｌｓｅ」又は「ｎｏ」等）に設定すると、第１の超平面４０_１が（Ｘ５、Ｘ６）がとることのできる値によって定義される。同様に、Ｘ４を、それがとることができるもう１つの値（例えば「ｔｒｕｅ」又は「ｙｅｓ」等）に設定すると、第１の超平面４０_２が（Ｘ５、Ｘ６）がとることのできる値によって定義される。この例では、超平面４０_１、４０_２はそれぞれ２次元の「ｔｒｕｅ」平面である。一方、３つ以上の連続変数がある場合、超平面はより高い次元になる。逆に、単一の連続変数しかない場合、超平面は１次元、つまり線になる。本明細書において使用される場合、「超平面」との用語は、これらのすべての場合（１次元、２次元、３次元又はより高い次元）を包含する。超平面の範囲は、様々な未知の変数が確実にとることができる値によって制御される。例えば未知の変数の１つが心拍数である場合、この変数の確実範囲は、例えば４０～２００拍／分（ｂｐｍ）である。ＳｐＯ_２の確実範囲は０～１００％、又は、より現実的には下限がより高くて５０～１００％等である。前述のとおり、Ｘ４の確実範囲は、提示された情報に応じて集合｛「ｆａｌｓｅ」，「ｔｒｕｅ」｝又は｛「ｎｏ」，「ｙｅｓ」｝等である。連続変数の場合、超平面４０はより便利な計算のために離散化することができる。例えば超平面は５ｂｐｍの増分での離散心拍数のデータポイント（例えば４０ｂｐｍ、４５ｂｐｍ、５０ｂｐｍ、…、２００ｂｐｍ）によって定義することができ、解像度は、最終的な視覚化の滑らかさと計算効率及び速度とのバランスをとるために選択される。

処理ハードウェア１２は、１つ以上の既知の変数について取得した患者値３８を使用して少なくとも１つの超平面４０にわたってリスク予測関数３０の値を計算する予測計算エンジン４４を実施するようにプログラムされる。これには、超平面に広がる未知の変数の確実値をループすることが伴う。例えば図１の例の未知数Ｘ４、Ｘ５、Ｘ６を使用して、Ｘ５が４０～２００ｂｐｍの範囲の心拍数であり、Ｘ６が５０～１００％の範囲のＳｐＯ_２である場合、これにはリスク予測関数３０を呼び出して次の入力の集合についてリスクを計算することが伴う。
（Ｘｌ＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｆａｌｓｅ」，Ｘ５＝４０，Ｘ６＝５０％）
（Ｘｌ＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｆａｌｓｅ」，Ｘ５＝４０，Ｘ６＝５５％）
（Ｘ１＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｆａｌｓｅ」，Ｘ５＝４０，Ｘ６＝６０％）
・
・
（Ｘ１＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｆａｌｓｅ」，Ｘ５＝４０，Ｘ６＝１００％）
（Ｘ１＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｆａｌｓｅ」，Ｘ５＝４５，Ｘ６＝５０％）
（Ｘ１＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｆａｌｓｅ」，Ｘ５＝４５，Ｘ６＝５５％）
（Ｘ１＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｆａｌｓｅ」，Ｘ５＝４５，Ｘ６＝６０％）
・
・
（Ｘ１＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｆａｌｓｅ」，Ｘ５＝４５，Ｘ６＝１００％）
・
・
（Ｘ１＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｆａｌｓｅ」，Ｘ５＝２００，Ｘ６＝１００％）
（Ｘ１＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｔｒｕｅ」，Ｘ５＝４０，Ｘ６＝５０％）
・
・
（Ｘ１＝１２，Ｘ２＝３，Ｘ３＝「Ｎｏ」，Ｘ４＝「ｔｒｕｅ」，Ｘ５＝２００，Ｘ６＝１００％）

任意選択的に、予測計算エンジン４４によって計算されたリスク予測関数３０の値は、定性的リスク割り当て４６に離散化される。例えばリスク予測関数３０がＡＫＩリスク予測関数である場合、ＡＫＩリスク予測関数の値は、「低」、「中」、「高」及び「非常に高い」とラベル付けされた定性的リスク割り当てに分類される。より一般的には、定性的リスク割り当て４６は、予測値（又はスコア）を定性的状態にマッピングする。１つの実施態様では、予測値（又はスコア）は、各定性的状態に関連付けられた範囲がある。この範囲は、ローカルの実務を反映するようにローカルで設定可能である。別の実施態様では、各定性的状態自体にマークを付けることができる。例えば（１）ハードバウンド状態（定性的状態は、医療処置又はその他の不適切な状態の終了を必要とする）と、（２）ソフトバウンド状態（定性的状態には不安材料があるが、他の選択肢がない場合は、医療処置を続けてよい）とを区別することができる。加えて、定性的リスク割り当て４６は、各定性的状態について未知の入力パラメータの境界線の組み合わせを計算することができてもよい。例えばＡＫＩモデルの例において、唯一造影剤量が分かっていないとする（つまり、他のすべての入力パラメータは変数配列３６にある）。次に、予測スコア計算エンジン４４によって、「中」程度のリスク定性状態をもたらす造影剤量の最小量と最大量とを計算することができる。１つの実施態様では、これは、未知の入力パラメータの関連するすべての組み合わせを反復処理することによって行われる。この方法はまた、未知の入力パラメータのすべての対を反復処理することにより、未知のパラメータが２つ以上欠落している場合にも使用することができる。この方法は、選択的な定性的状態（例えばハードバウンドのみ）に適用することができる。

処理ハードウェア１２は、視覚化されるリスク予測関数３０及び１つ以上の未知の変数（即ち、図１の例では変数Ｘ４、Ｘ５及びＸ６）を含むテンプレート選択インデックスを使用して、視覚化テンプレートのデータベース５０から視覚化テンプレートを選択し、選択された視覚化テンプレートを使用して、少なくとも１つの超平面４０にわたって計算されたリスク予測関数３０の値を視覚化５２として（ディスプレイ１０に）表示するリスク視覚化エンジン４８を実施するようにプログラムされている。視覚化テンプレートは、グラフィカル表現と、リスク予測関数の値がそのグラフィカル表現でどのように表示されるかを定義する。本明細書の他の場所で、図３を参照して例示的な例を説明する。

引き続き図１を参照し、更に図２を参照して、図１の患者モニタによって行われるリスク推定プロセスを説明する。ステップ６０において、抽出インターフェース３２を使用して、リスク予測関数の１つ以上の既知の変数の患者値３８が取得される。ステップ６０において更に、患者値が分かっていないリスク予測関数の１つ以上の未知の変数も決定される。ステップ６２において、未知の変数の確実値の組み合わせにより定義される超平面４０が決定される。ステップ６４において、予測計算エンジン４４が、１つ以上の既知の変数について取得した患者値３８を使用して、少なくとも１つの超平面４０にわたってリスク予測関数３０の値を計算する。ステップ６６において、リスク予測関数３０及び未知の変数を含むインデックスを使用して視覚化テンプレートデータベース５０から、計算された値を視覚化するための視覚化テンプレートが選択される。ステップ６８において、リスク視覚化エンジン４８が、選択された視覚化テンプレートを使用して、超平面４０にわたるリスク推定のグラフィカルユーザインターフェース（ＧＵＩ）表現（即ち、視覚化）を生成する。ステップ７０において、リスク視覚化エンジン４８は、ＧＵＩ表現（即ち、視覚化）をディスプレイ１０に表示する。

なお、リスク推定は、動的であることが好適である。前は分かっていなかった変数の患者値を受け取った場合、図２の方法を再実行して視覚化を更新することができる。同様に、既知の変数の患者値が変化した場合（これは時間と共に変化するバイタルサインといった動的変数の場合）も、図２の方法を再実行して視覚化を更新することができる。

図３を参照すると、幾つかの実施形態では、患者モニタ８は、画像誘導治療（ｉＧＴ）デバイス８０の一部であり、また、介入処置の間に（ほぼ）リアルタイムで更新される状態悪化のリスク予測を提供するために使用することができる。一例では、予測されるリスクは、急性腎障害（ＡＫＩ）のリスクである。このリスクは、大動脈内バルーンポンプ（ｉＡＢＰ）の使用や特定の造影剤（例えば心臓又は血管外科手術中にコンピュータ断層撮影（ＣＴ）撮像デバイスといった透過型Ｘ線撮像デバイスを使用する際に、血管のコントラストを高めるために使用されるタイプのヨード造影剤）の使用といった特定の状況下で高くなる。例示するｉＧＴデバイス８０は、ＣアームタイプのＸ線撮像コンポーネント８２を使用し、これは、検査台８４に載せられた患者（図示せず）の断層撮影又はマルチビュー心臓撮像を可能にする。このようなｉＧＴデバイスの実例は、コーニンクレッカフィリップス社（オランダ、アイントホーフェン）から入手可能なＡｚｕｒｉｏｎ７シリーズｉＧＴデバイスである。この実施形態では、外科医は、リスク予測ツールによって生成された視覚化５２と共に、放射線撮像コンポーネント８２によって取得された画像８６をディスプレイ１０で見ることができる。

引き続き図３を参照すると、ＡＫＩリスク予測ツールによって適切に出力される例示的な視覚化５２の拡大図が示されている。この例示的な視覚化には、２つの未知のパラメータが表示されている。１つは離散的なパラメータ（処置中のｉＡＢＰの使用、つまり、バイナリｉＡＢＰ変数）であり、もう１つは数値のパラメータ（例示的な範囲[０，６００ｃｃ]の造影剤量を示す造影剤変数）である。例示する視覚化５２では、ＡＫＩリスクを表す垂直バー９０が、それぞれがＡＫＩリスク予測関数の予測スコアに対応する２０個のセグメントに分割されている。２０個のセグメントは更に、「７．５％」、「１４％」、「２７％」及び「５６％」とラベル付けされた４つの非重複グループにグループ化（つまり、離散化）されて、４つの定性的なＡＫＩリスク状態を示す。「７．５％」のグループは、低リスク：セグメント１～５を表す。「１４％」のグループは、中程度のリスク：セグメント６～１０を表す。「２７％」のグループは、高リスク：セグメント１１～１５を表す。「５６％」のグループは非常に高いリスク：セグメント１６～２０を表す。例示するＡＫＩリスクの視覚化では、ｉＡＢＰ変数がとることのできる２つの可能な値が、ｉＡＢＰが使用されない場合の造影剤量の関数としてＡＫＩリスクを示す第１のリスクプロット９２と、ｉＡＢＰが使用される場合の造影剤量の関数としてＡＫＩリスクを示す第２のリスクプロット９４とによってキャプチャされる。数値表部分９６が、既知の変数の患者値を示し、これらもＡＫＩリスク予測機能３０への入力である。

有利なことに、図３に示す例示的なＡＫＩリスク視覚化５２は、外科医に一目でかなりの量の利用可能な情報を提供する。例えば外科医が心臓処置中にｉＡＢＰの配置を検討している場合、外科医はリスクプロット９２、９４を比較して、ｉＡＢＰの配置によって生じるＡＫＩリスクの増加を素早く評価することができる。外科医はまた、一目でｉＡＢＰの使用を造影剤の量を減らすことで相殺できることを理解することができる。例えば５００ｃｃの造影剤でｉＡＢＰを使用しない場合のＡＫＩリスクは、１５０ｃｃの低用量の造影剤でｉＡＢＰを使用した場合のリスクと同等であることを理解することができる。

従来、リスク関数の入力変数が未知である場合、これらの値にはデフォルト値が割り当てられ、リスクが計算される。任意選択的に、視覚化５２のコンテキストでこの同じ情報を外科医に提供するために、リスク予測関数のデフォルト値が、１つ以上の既知の変数について取得した患者値３８及び１つ以上の未知の変数（ここではｉＡＢＰ及び造影剤量）のデフォルト値を使用して計算され、少なくとも１つの超平面にわたって計算されたリスク予測関数の値の表示（つまり、視覚化５２）上でリスク予測関数３０のデフォルト値を示すためにマーカ９６が使用される。

以下に、幾つかの更なる例を説明する。表１に、これらの例で使用する用語及び表記の概要を示す。特定の用語及び表記については、以下のテキストで更に詳しく説明する。

以下の例では、リスク予測関数３０は、ｎ個の入力変数（ここではパラメータとも呼ばれる）：ｘ_１、…、ｘ_ｎを有するリスク予測関数Ｆとして表される。関数の出力はＦ（ｘ_１、…、ｘ_ｎ）で示す。出力は数値であっても離散的であってもよい（例えば[０，２０]の整数）。リスク予測関数３０は、機械学習分類モデル、ニューラルネットワーク、ランダムフォレスト及びサポートベクターマシン（ＳＶＭ）、ロジスティック及び線形回帰モデル、これらの様々な組み合わせ等によって計算的に実現することができる。

一例として、２つの入力変数ｘ及びｙを持つリスク予測関数Ｆを考える。ｘが静的（つまり既知の変数）（例えばｘ＝１２）で、ｙが未知の変数である場合、「残差関数」Ｆ_１２には、Ｆ_１２（ｙ）＝Ｆ（１２，ｙ）であるような１つの入力パラメータがある。このような残差関数は、任意の関数及びそれが持つ任意の数の静的変数について導出することができる。

リスク予測関数Ｆの出力がリストからの値である場合、値には容易に明らかな意味がある可能性が高いが、常にそうであるとは限らない。任意選択の「定性的状態」が提供される場合がある。これは、（残差）関数の出力の解釈である。例えば例示するＡＫＩモデルでは、急性腎障害の予測リスクとして１１のリスクポイントが返される。対応する定性的状態は「中程度のリスク」であってよい。

超平面４０の幾つかの更なる例は以下の通りである。初期点として、すべてのパラメータが既知の場合、超平面は定義されず、予測計算エンジン４４は、既知の変数をリスク予測関数３０に入力して予測スコアを受け取るだけである。１つ以上のパラメータが分かっていない場合、その未知のパラメータの性質に応じて超平面を定義する。一例として、次の場合を考える。

１つのクラスの超平面では、１つのパラメータのみが未知であり、また、それは数値である（例えば範囲[０，６００]の造影剤量）。この場合、超平面は、範囲[０，６００]のｘ座標と、変数配列３６に基づいてリスク予測関数３０を適用することによって決定されるｙ座標とを有する線であり、ｘ座標は、所望の解像度のために十分に小さくかつ許容可能な計算効率を提供するように十分に大きいように選択されるｘに沿った増分を有する。

別のクラスの超平面では、１つのパラメータのみが未知であり、また、それは離散的である。例えばｉＡＢＰ変数は集合｛ｙｅｓ，ｎｏ｝の値をとることができる。この場合、超平面は、２つの予測スコアに低減される。１つは、他のすべての既知のパラメータと「ｙｅｓ」に設定された未知のｉＡＢＰ変数とを用いてリスク予測関数３０を評価することにより得られる予測スコアであり、もう１つは、「ｎｏ」に設定された未知のｉＡＢＰ変数を用いて同様にして得られる予測スコアである。

別のクラスの超平面では、２つのパラメータが未知であり、１つは、数値パラメータ（例えば範囲[０，６００]の造影剤量）であり、もう１つは、離散的なパラメータ（例えば集合｛ｙｅｓ，ｎｏ｝の値をとることができるｉＡＢＰ変数）である。この場合、超平面は２本の線で構成される。１つは、未知のｉＡＢＰ変数を「ｙｅｓ」に固定して、範囲内の小さな増分に対して数値の未知の造影剤量変数で反復処理することによって得られる線であり、もう１つは、未知のｉＡＢＰ変数を「ｎｏ」に固定して、範囲内の小さな増分に対して数値の未知の造影剤量変数で反復処理することによって得られる線である。

別のクラスの超平面では、２つのパラメータが未知であり、両方とも数値パラメータである。この場合、定義される超平面は、３次元空間における平面であり、ｘ及びｙ座標は、２つの未知のパラメータの範囲内であり、ｚ座標は、すべて既知である残りのパラメータに加えて、２つの座標をリスク予測関数３０に供給することによって決定される。

上記は説明のための例であり、任意の数の未知の変数の一般的なケースに一般化することができる。

定性的リスク割り当て４６を含む実施形態では、超平面（のフラグメント）に定性的状態をタグ付けすることができる。これは、各入力パラメータベクトル（ｘ_１、…、ｘ_ｎ）をループ処理して、リスク予測関数３０を使用して計算された超平面からの予測スコアを取得し、この予測スコアを定性状態にマッピングすることで実現することができる。したがって、各入力パラメータベクトル（ｘ_１、…、ｘ_ｎ）に定性的状態をタグ付けすることができる。任意選択的に、既知の変数に関して、各定性的状態の最小及び最大入力変数ベクトルも導出される。このようにして、例えば「許容不可…処置を停止する」と示す定性的状態について、最小及び最大造影剤用量を計算することができる。

前述のように、予測計算エンジン４４は、１つの変数の患者値が変わることで変数配列３６が更新されるたびにトリガされて、これにより入力変数の患者値の変化にリアルタイムで応答することができる。或いは、予測計算エンジン４４は、定期的に又はユーザが予測計算エンジン４４とインタラクトするとトリガされてもよい。

リスク視覚化エンジン４８は、予測計算エンジン４４によって超平面にわたって計算されたリスク予測関数３０の値を提示する。様々な視覚化グラフィックスを使用することができる。例えば超平面が１つ以上のスコアである場合、リスク視覚化エンジン４８は、これらのスコアを例えば棒グラフとして表示する。超平面が線である場合、リスク視覚化エンジン４８は、当該線を例えばトレンド線図として表示してよい。超平面が３次元空間における平面の場合、リスク視覚化エンジン４８は、当該平面を３次元プロットとして表示してよい。「現在」位置又は「デフォルト」位置９６（図３を参照）を、表示の中で示すことができる。このデフォルト位置は、未知の変数のデフォルトパラメータ値を使用して計算することができる。別の考えられる変形実施形態では、推定される現在又はデフォルト位置から差分を表示して、いずれかの未知の変数の値が所定の増分で変化する場合の予測スコアの差を示すことができる。このようにして、例えば１００ｃｃの造影剤量を使用した場合のＡＫＩの追加リスクを計算することができる。別の考えられる実施形態では、リスク視覚化エンジン４８は対話式であり、未知のパラメータに対応するそれぞれの軸のいずれかの位置に触れることにより、１つの未知の変数の手動入力を可能にする（例えばｉＡＢＰを使用しない場合は図３に示す第１のリスクプロット９２、又は、ｉＡＢＰを使用する場合は第２のリスクプロット９４のいずれかに触れることにより、造影剤量＝２００ｃｃを示す）。更に、タッチスクリーンインタラクションは、「現在」と示されているディスプレイ内の座標を決定するのに役立ち、その情報が表示された場合は差分が更新される。定性的リスク割り当て４６が実装される場合、定性的状態は、一致する定性的状態を有する超平面の領域を色分けすることによって視覚化することができる（例えば図３では、「７．５％」、「１４％」、「２７％」及び「５６％」とラベル付けされたセグメントはそれぞれ異なる色を持つことができる。例えばＡＫＩリスクの増加を示すために青から赤に変化する）。定性的リスク割り当て４６が、定性的状態の範囲を提供する場合、これらの範囲は、例えば太線によって明示的に示すことができる。

視覚化テンプレート５０のデータベースがあることにより、特定の臨床状況又は医療分野に合うように超平面情報を表示するようにカスタム視覚化を実現することができる。図３を参照して、ｉＧＴデバイス８０用にデザインされたＡＫＩリスク視覚化５２として例示的な例を説明した。

本発明は、好適な実施形態を参照して説明した。前述の詳細な説明を読んで理解すると、他の人が修正態様及び変更態様を想到することができるであろう。本発明は、添付の特許請求の範囲又はその均等物の範囲内にある限り、このようなすべての修正態様及び変更態様を含むと解釈されることが意図されている。

Claims (14)

1. ディスプレイと、
   電子プロセッサ及び非一時的記憶媒体を含む処理ハードウェアと、
   を含み、
   前記非一時的記憶媒体は、患者モニタリング方法を行うように前記電子プロセッサによって読取り可能及び実行可能な命令と視覚化テンプレートデータベースとを格納し、
   前記患者モニタリング方法は、
   リスク予測関数の１つ以上の既知の変数について患者値を取得するステップと、
   患者値が分からない前記リスク予測関数の１つ以上の未知の変数を決定し、前記１つ以上の未知の変数がとることのできる値として少なくとも１つの超平面を定義するステップと、
   前記１つ以上の既知の変数について取得された前記患者値を使用して、前記少なくとも１つの超平面にわたって前記リスク予測関数の値を計算するステップと、
   前記リスク予測関数及び前記１つ以上の未知の変数を含むテンプレート選択インデックスを使用して、前記視覚化テンプレートデータベースから視覚化テンプレートを選択するステップと、
   前記視覚化テンプレートを使用して、前記少なくとも１つの超平面にわたって計算された前記リスク予測関数の前記値の視覚化を前記ディスプレイに表示するステップと、
   を含む、患者モニタリングデバイス。
2. 前記患者モニタリング方法は更に、１つ以上のバイタルサインセンサからバイタルサインデータを受信するステップを含み、前記取得するステップは、少なくとも１つの患者値を、前記１つ以上のバイタルサインセンサから前記電子プロセッサによって受信されるバイタルサインデータとして取得するステップを含む、請求項１に記載の患者モニタリングデバイス。
3. 前記患者モニタリング方法は更に、前記リスク予測関数の計算された前記値の表示とは別に、受信した前記バイタルサインデータを前記ディスプレイに表示するステップを含む、請求項２に記載の患者モニタリングデバイス。
4. 前記患者モニタリング方法は更に、
   前記１つ以上の既知の変数について取得された前記患者値及び前記１つ以上の未知の変数のデフォルト値を使用して、前記リスク予測関数のデフォルト値を計算するステップと、
   前記視覚化上に、前記リスク予測関数の前記デフォルト値を示すマーカを表示するステップと、
   を含む、請求項１から３のいずれか一項に記載の患者モニタリングデバイス。
5. 放射線撮像コンポーネントを含む画像誘導治療（ｉＧＴ）デバイスを更に含み、
   前記リスク予測関数は、急性腎障害（ＡＫＩ）リスク予測関数を含み、前記ＡＫＩリスク予測関数の変数は、前記ｉＧＴデバイスによって取得される患者の少なくとも一部の画像の画像コントラストを高めるために前記患者に投与される造影剤の用量を表す造影剤用量変数を含む、請求項１から４のいずれか一項に記載の患者モニタリングデバイス。
6. 前記リスク予測関数は、急性腎障害（ＡＫＩ）リスク予測関数を含み、前記ＡＫＩリスク予測関数の変数は、前記患者モニタリング方法が行われている間に患者に行われる外科手術中に大動脈内バルーンポンプ（ｉＡＢＰ）が使用されるかどうかを示すｉＡＢＰ変数を含む、請求項１から５のいずれか一項に記載の患者モニタリングデバイス。
7. ベッドサイド患者モニタ又は手術用患者モニタにおいて、リスク予測関数の１つ以上の既知の変数について患者値を取得するステップと、
   電子プロセッサを含む処理ハードウェアを使用して、患者値が分かっていない前記リスク予測関数の１つ以上の未知の変数を決定し、前記１つ以上の未知の変数がとることのできる値として少なくとも１つの超平面を定義するステップと、
   前記処理ハードウェアを使用して、前記１つ以上の既知の変数について取得した前記患者値を使用して、前記少なくとも１つの超平面にわたって前記リスク予測関数の値を計算するステップと、
   前記処理ハードウェアを使用して、前記リスク予測関数及び前記１つ以上の未知の変数を含むテンプレート選択指標を使用して、視覚化テンプレートデータベースから視覚化テンプレートを選択するステップと、
   前記ベッドサイド患者モニタ又は前記手術用患者モニタのディスプレイに、前記視覚化テンプレートを使用して、前記少なくとも１つの超平面にわたって計算された前記リスク予測関数の値の視覚化を表示するステップと、
   を含む、患者モニタリング方法。
8. 前記少なくとも１つの超平面にわたって計算された前記リスク予測関数の前記値を前記視覚化テンプレートに入力することによって前記視覚化を生成するステップを更に含む、請求項７に記載の患者モニタリング方法。
9. 前記決定するステップは、
   離散的な未知の変数及び少なくとも１つの連続的な未知の変数を決定するステップと、
   前記少なくとも１つの超平面を、前記離散的な未知の変数がとることのできる各離散値の超平面として定義するステップと、
   を含み、
   各超平面は更に、前記少なくとも１つの連続的な未知の変数がとることのできる値によって定義される、請求項７又は８に記載の患者モニタリング方法。
10. 前記ベッドサイド患者モニタ又は前記手術用患者モニタにおいて、１つ以上のバイタルサインセンサからバイタルサインデータを受信するステップを更に含み、
    前記取得するステップは、少なくとも１つの患者値を、前記ベッドサイド患者モニタ又は前記手術用患者モニタにおいて、前記１つ以上のバイタルサインセンサから受信したバイタルサインデータとして取得するステップを含む、請求項７から９のいずれか一項に記載の患者モニタリング方法。
11. 前記少なくとも１つの超平面にわたって計算された前記リスク予測関数の前記値の前記視覚化とは別に、受信した前記バイタルサインデータを、前記ベッドサイド患者モニタ又は前記手術用患者モニタの前記ディスプレイに表示するステップを更に含む、請求項１０に記載の患者モニタリング方法。
12. 前記取得するステップは、電子健康データリポジトリから少なくとも１つの患者値を取得するステップを含む、請求項７から１１のいずれか一項に記載の患者モニタリング方法。
13. 画像誘導治療（ｉＧＴ）デバイスを使用して患者を撮像するステップを更に含み、
    前記１つ以上の未知の変数は、前記ｉＧＴデバイスを使用して行われる撮像の画像コントラストを高めるために前記患者に投与される造影剤の用量を表す造影剤用量変数を含む、請求項７から１２のいずれか一項に記載の患者モニタリング方法。
14. 前記リスク予測関数は、前記造影剤用量変数によって表される造影剤の用量の増加と共に値が増加する急性腎障害（ＡＫＩ）リスク予測関数を含む、請求項１３に記載の患者モニタリング方法。

Images