KR20030004359A - 청각 유발 전위 모니터링 - Google Patents

Abstract

환자를 반복적인 청각 자극으로 처리하는 단계, 외생 입력을 가진 자기 회귀 모델(ARX)을 사용하여 환자에 의해 발생되는 AEP를 모니터링하는 단계, 및 표시되거나 또는 다른 방법으로 사용되며 마취 깊이를 의미하는 지수(AAI)를 계산하는 단계를 포함하는, 환자의 의식 수준을 나타내는 신호를 추출하는 방법 및 장치.

Description

청각 유발 전위 모니터링{Monitoring auditory evoked potentials}

일반적으로 혈압, 심박동 속도, 동공(pupil) 크기 등과 같은 생리학적 파라미터의 임상적 관찰을 토대로 마취 깊이를 평가한다. 일반적인 마취 중에 신경-근육 차단제를 사용하면, 정상적으로 의식을 나타내는 임상적인 징후들을 억제한다. 환자가 수술 중에 완전히 의식이 있음을 기재할 때, 최악의 경우에는 통증을 인식하고 심부전증(cardiac-arrhythmia)이 있다고 기재했을 때 많은 사고가 발생한다. 따라서, 마취 깊이를 평가하기 위한 방법 및 장치에 대한 필요성이 있다. 일반적인 마취 중에 의식 수준을 나타내기 위해 청각 유발 전위(AEP)를 사용하는 많은 연구 결과가 이미 공개되어 왔다. AEP는 EEG 신호의 부성분(sub-component)이고, 음향 자극(acoustic stimuli)에 의해 유도되며, 두피 전극(scalp electrode)으로 기록하고, 증폭하며, 컴퓨터에 의해 분석된다. AEP는 진행 중인 EEG로부터 잡음 중에 묻힌 전기적으로 작은 신호이고, 이러한 이유에 의해 AEP 신호를 추출하기 위해 발전된 신호 처리가 필요하다. AEP 신호는 전통적으로 자극 신호의 반응의 1000번까지의 반복을 평균함으로써 추출하였다. 이것은 매우 시간-소비적인 공정으로, 이를 수행하는데 수 분, 통상적으로 2 내지 3분이 걸리며, 만일 마취 전문 의사가 충분한 마취 투여량을 예상하기 위해 AEP 신호를 사용하여야 한다면 이는 과도한 시간이다.

국제 특허공보 WO 98/10701호(PCT/GB97/02435)에는 마취 깊이의 지수 표현을 계산하기 위한 제어 시스템과 방법이 공개되어 있다. 마취 깊이의 지수 표현을 계산하기 위한 상기 방법은 환자로부터 발생된 AEP를 모니터링하고, 그 모니터링된 AEP 신호의 조대성(coarseness)에 상응하는 신호를 제공함으로써 이루어진다. 미처리(raw) AEP 신호는 소정의 지속 시간을 갖는 일련의 스위프(sweep) 또는 프레임(frame)으로 분할되고, 각 스위프는 반복적인 청각 자극에 의해 동조(synchronisation)된다. 다수의 스위프 n이 순차적으로 기록되고, 평균하여 시간 평균 스위프를 구한다. 상기 시간-평균된 스위프에 대해 마취 지수를 계산한다. 새로운 일련의 스위프를 기록할 때마다, 새로운 시간-평균 스위프가 가장 최근의 n 스위프로부터 결정되고, 시간-평균 스위프에 대한 마취 지수를 계산한다. 이러한 방법으로, 마취 지수가 계속 갱신된다.

환자가 의식을 잃었을 때, 대부분의 AEP 피크의 진폭은 감소되고 피크의 잠복 시간(latency)은 일반적으로 증가한다. 이러한 변화는 모든 환자에게 있어 거의 동시에 동일한 방향으로 일어난다. 따라서, 이러한 변화를 반영하는 지수가 바람직하다.

변화하는 시간-평균 스위프에서 2개의 연속 지점 마다 그 사이의 차이에 대한 제곱근의 합을 기초로 하는 실험 알고리즘(empirical algorithm)은 지수를 계산하기 위해 발전하여 왔다.

이러한 청각 유발 전위 지수는 하기 방정식에 의해 구해진다:

상기 식에서, x₁내지 x₂₅₆은 시간-평균 프레임의 샘플 지점이고, k는 계수 상수(scaling constant)이다.

AEP 지수는 필터링된 시간-평균 스위프 마다 계산되고, 시간에 대한 지수 그래프는 표시 장치 및 스크린상에서 형성될 수 있다.

환자가 의식이 있을 때에는, 상기 지수는 전형적으로 80 내지 90의 범위인 반면, 마취 상태에서는 전형적으로 35 내지 40의 범위 내이다.

문헌 「"Methods of Information in Medicine", 1996; 35: 256-260, with the title: "Autoregressive Modeling with Exogenous Input of Middle-Latency Auditory-Evoked Potentials to Measure Rapid Changes in Depth of Anesthesia" by E. W. Jensen, P. Lindholm and S.W. Henneberg」은 AEP를 스위프별(sweep-by-sweep)로 평가하기 위한 시스템 식별 방법, 외생 입력(exogenous input)을 가진 자기 회귀 모델(autoregressive model)(ARX)을 기재하고 있다. 상기 방법은 알펜타닐(alfentanil)과 프로포폴(propofol)로 마취시킨 10명의 환자에게서 임상적으로 평가하였다. Na-Pa 진폭이 최초 진폭의 25%로 감소하였을 때 프로포폴 유도 및 시간 사이의 시간 간격을 측정하였다. 이러한 측정 결과로부터, MTA-측정된AEP에 비해 ARX-측정된 AEP가 프로포폴 유도 중에 의식으로부터 무의식으로의 추적 전이에 있어서 유의적으로 보다 빠름을 알 수 있다(p < 0.05).

본 발명은 사람의 청각 유발 전위를 모니터링할 때, 마취 깊이를 의미하는 지수를 계산하기 위한 방법 및 장치, 및 컴퓨터 상에서 상기 방법을 수행하기 위한 컴퓨터 프로그램에 관한 것이다.

이하, 본 발명을 첨부 도면을 참조로 하여 보다 상세히 설명한다:

도 1은 AEP(청각 유발 전위)를 추출하고 지수를 계산하기 위한 본 발명에 따른 시스템의 일실시형태를 나타내는 개략도이다.

도 2는 본 발명의 일실시형태에 따른 AEP(청각 유발 전위)의 추출 및 지수 계산을 제공하기 위해 필요한 절차를 나타내는 블록도이다.

도 3은 본 발명에 따라 사용되는 일반화된 ARX 모델(외성 입력을 가진 자기 회귀성)을 나타내는 블록도이다.

본 발명의 목적은 보다 안전한 결과가 보다 신속하게 달성됨으로써, 완전한 마취 없이 예를 들면 수술과 같은 환자 치료의 위험이 감소되도록 하는 상기 측정방법을 개선시키는데 있다.

이러한 지연은 ARX 모델을 사용함으로써 약 6초로 단축된다.

본 발명의 제 2 목적은 마취 절차를 보다 효과적으로 하고(시간-효율적), 의료진의 업무량을 감소시키는데 있다.

본 발명의 제 3 목적은 휴대가 가능하고 설치 및 작동이 간단한 의식 수준의 연속적인 모니터링을 위한 장치를 제조하는데 있다.

이는 청구범위 제 1 항에 기재된 절차, 예를 들면 청구범위 제 8 항에 기재된 장치를 사용하여 달성된다.

또 다른 유리한 특성은 종속항의 기재 내용에 의해 달성된다.

본 발명에 따른 방법 및 장치에 의하면, 15회 이하의 몇 번의 반복으로만으로도 지연 시간을 약 6초로 단축시키며 AEP를 추출할 수 있다. AEP는 몇 개의 피크와 골(trough)을 포함하는 매우 복잡한 신호이기 때문에, AEP를 단일 숫자 - 해석이 용이하지만 AEP와 동일한 정보를 포함하는 ARX 지수 - 로 맵핑(mapping)하는 것이 바람직하다. 이는 본 발명에 따른 방법에 따르고 본 발명에 따른 장치를 사용함으로써 가능하다. 환자가 의식이 있을 때 ARX 지수는 전형적으로 60보다 크며, 환자가 마취되었을 때에는 감소한다; ARX 지수가 28 미만일 때, 통상 의식이 상실된다.

본 발명에 따른 장치는 3개의 표면 전극, 예를 들어, 3개의 전담(proprietary) 표면 전극만으로도 작동할 수 있으며, 그 결과는 다음과 같다:

- 수 초 내에 완전 갱신된 AEP가 가능함

- 전통적인 이동 시간 평균 방법에 비해 AEP 지수를 유의적으로 더 빨리 계산함

- 무의식으로부터 또한 그 역으로의 추적 전이에 있어서 유의적으로 빠름

- 지속적이고, 정확한 판독

- 작동 영역(operating theatre)에서 사용하기 위한 최적의 표시가 가능함

- 터치 스크린 - 작동과 세척이 가능함

- 완전한 그래픽 표시

본 발명에 따른 방법과 장치를 통해, 마취의 내성 및 감응성에 대한 환자의 생물학적 변화와 무관하게, 일반적인 마취 중에 의식 수준을 모니터링할 수 있다.

본 발명에 따른 방법은 청구범위 제 13 항 및 제 14 항에 기재된 바와 같이 컴퓨터 상에서 수행될 수 있다.

도 1을 참조하면, AEP(청각 유발 전위)를 추출하고, 환자의 의식 깊이를 암시하는 지수를 계산하기 위한 시스템(1)이 개략적으로 도시되어 있다.

환자(2)는 헤드폰, 이어폰 등으로 환자에게 전달되는 반복적인 음파 신호 처리된다. 이들 음파 신호는 환자의 양쪽 귀에 전달되어 환자의 뇌전도(electroencephalographic(EEG)) 반응에 있어서 AEP 또는 청각 유발 전위로 알려진 고유 전위를 발생시키는 약 1-2ms의 짧은 지속기간을 가지는 "클리킹(clicking)" 잡음 신호 형태이다. 헤드폰 및 음파 신호를 발생시키는 장치, 예를 들어, 신호 발생기는 도 1에 도시되어 있지 않다.

EEG-신호(뇌전도 신호)가 제공되는 전극은 환자(2)의 머리에 부착되어 있다. 3개 이상의 전극, 예를 들어, 두피 전극들을 사용할 수 있다. 3개의 전극을 사용하면, 이들은 다음과 같은 위치에서 환자 2에게 부착된다: 중앙 전두엽에 양극, 좌측 전두엽에 기준 전극(reference electrode) 및 귀 뒤, 바람직하게는 유양 돌기(mastoid process) 영역에 음극. 유사한 결과를 가진 또 다른 위치도 사용할 수 있다.

상기 전극은 증폭기(3)로 연장하는 환자 케이블에 접속되어 있다. 이 증폭기(3)는 높은 동위상 제거비(common mode rejection ratio(CMMR))를 가진 증폭기이다. 증폭된 아날로그 신호는 디지털 처리 유닛(4)으로 유도되기 전에 A/D 변환기(도시하지 않음)에 의해 디지털화한다. 이 디지털부는 개인용 컴퓨터(PC), 특히 단일 기판 개인용 컴퓨터의 형태일 수 있다. 상기 디지털화된 신호는 AEP(청각 유발 전위)를 추출하기 위한 알고리즘 및 지수를 계산하기 위한 알고리즘에 따라 프로그램된 컴퓨터(4)에 의해 분석 및 저장된다. AEP를 추출하고 지수를 계산하기 위한 방법은 보다 상세하게 후술한다.

AEP 및 지수는 표시부(6) 상에서 표시되고, 입력 장치(5)에 의해 컴퓨터(4)로 지시를 내릴 수 있다. 상기 입력 장치(5)는 표시부(6)와 연결될 수 있는 터치 플레이트(touch plate) 또는 터치 스크린의 형태일 수 있으며, 이러한 방법으로 표시부를 터치함으로써 컴퓨터에게 지시를 내릴 수 있을 것이다.

지수 및 AEP 신호의 추출 및 계산된 수치는 RS-232 접속 형태일 수 있는 접속부(7)를 사용하여 외부 장치(도시하지 않음)로 전송될 수 있다. 외부 장치는 예를 들어, 환자에게 약물을 투여하기 위한 장치일 수 있다. 따라서, 상기 시스템은 마취 깊이와 관련하여 환자에게 전달되는 약물의 양을 조절하기 위해 사용될 수 있다. 외부 장치의 또 다른 예로서는, 환자를 모니터링하거나 치료하기 위한 장치, 예를 들어, 호흡계를 조절하기 위한 장치가 있다.

본 발명의 일실시형태에 따른 방법 및 A-라인-모니터(AAI: A-라인 ARX 지수)로 알려진 시스템에 포함된 절차 또는 기능이 도 2의 도면에 도시되어 있다.

환자로부터 발생하는 신호를 나타내는 데이터는 일련의 미처리 스위프(11)의형태로 처리 유닛(4)에 도입된다. 본 발명의 일 실시형태에 있어서, 이들 스위프(11)는 샘플링 주파수 900 Hz로 제공되고, 각 스위프는 스위프 길이 80 ms인 70개의 샘플로 구성된다. 신호를 발생시키기 위해 사용되는 클릭 자극은 지속시간이 2 ms이었고, 정상 청취 수준 이상인 70 dB 이상의 강도를 갖는다.

더 처리하기 위해 스위프가 포함되어야 하는지 결정하기 위해, 각 스위프는 초기에는 인공 알고리즘(artifact algorithm)(12)에 의해 처리된다. 2개 유형의 인공 알고리즘이 사용된다.

먼저, 인공 알고리즘이 스위프에 존재하면, 미처리 데이터의 진폭은 통상적으로 정상 스위프의 진폭보다 훨씬 더 클 것이다. A/D 변환기의 허용된 숫자 범위로서 표기된 진폭은 예를 들면 0-65534이다. 95% EEG 범위는 15000 - 55000이고, 샘플이 5000 이하 또는 60000 이상이면, 다수의 후속 샘플들, 예를 들면 400개의 샘플이 거절된다.

두 번째로, 증폭기(3)의 포화(saturation) 이후 기간 동안, 신호는 정상 범위, 즉, 15000-55000로 이동할 것이다. 그러나, 이 기간 중에, 음향 자극으로부터 발생하는 클릭 인공이 관찰될 수 있다. 따라서, 클릭-인공을 검출하는 알고리즘이 수행된다. 클릭하기 전 10개의 샘플의 평균 오차를 계산한다. 스위프 n에서 첫 번째 샘플과 스위프 n-1에서 최종 샘플 간의 차이가 이전에 계산된 평균 오차보다 예를 들면 5배 크면, 다수의 후속 샘플들, 예를 들어, 다음 800개의 샘플들이 거절된다.

신호-대-잡음비(SNR)를 개선하기 위해, 이동하는 타이머 평균(MTA) 및 외생입력을 가진 자기 회귀(ARX) 모델을 적용하기 전에, 대역 통과 필터(13)이 시스템 내에 포함된다. 본 발명의 일실시형태에 있어서, 대역 통과 16 내지 150Hz를 갖는 필터는 디지털적으로 수행하는 5차 버터워드 필터(fifth order Butterworth filter)일 수 있다.

이하, AEP의 급속한 추출이 가능한 ARX 모델(외생 입력을 가진 자기 회귀)은 일반화 ARX 모델을 나타내는 도 3을 참조로 하여 기재한다.

디지털 신호를 분석하기 위한 AR 모델에 외생 입력을 첨가함으로써 ARX 모델이 얻어진다. 따라서, ARX 모델이 하기 방정식에 의해 정의된다:

y(t) + a₁·y(t-1) + ... + a_n·y(t-n) = b₁·u(t) + ...... + bm·u(t-m+1) + e

상기 식에서, n은 후방(backward) 계수(a₁... a_n)의 차수이고, m은 선행 계수(b₁... b_m)의 차수이다. 출력은 y이고, u는 외생 입력이며, e는 오차이다.

백색 잡음(white noise)에 의해 구동되고, 평균 EEG 활성에 의해 한정되는 AR-part(22)가 도 3에 도시되어 있으며, 15개의 스위프를 사용하여 전-평균화(pre-averaging)가 실시될 수 있다.

블록(23)에 대한 외생 입력 u는 다수의 스위프, 예를 들면 가장 최근의 256 스위프를 평균함으로써 AEP 제조된다. ARX 모델로부터 출력 y는 평균 EEG 배경 활성 및 AEP로 구성된 가장 최근에 회수된 스위프의 수, 바람직하게는 15개 스위프의 평균이다. 모델의 계수가 결정되면, 외생 입력 u의 IIR 필터링에 의해 ARX-AEP가얻어진다.

예를 들어, 5의 모델 차수를 가진 ARX 방정식은 다음과 같다.

y₆= -a₁y₅- .... - a₅y₁+ b₁u₆+ ...... + b₅u₂+ e

y₇= -a₁y₆- .... - a₅y₂+ b₁u₇+ ...... + b₅u₃+ e

.

.

.

.

y₇₀= -a₁y₆₉- .... - a₅y₆₅+ b₁u₇₀+ ...... + b₅u₆₆+ e

오차 용어 e는 생략하고, 행렬 형태로 방정식을 기재한다:

상기 방정식은 선형 방정식의 과도하게 정의된 집합이다. 따라서, 가우스 소거법(Gaussean elimination) 또는 LU-분할법(decomposition)은 만족할 만한 결과를 주지 못할 것이다. 과도하게 정의된 시스템을 해결하기 위한 매우 강력한 방법은 특이적 수치 분할법(singular value decomposition(SVD))으로서, 최소 평균 자승법(least mean squares(LMS))으로 문제점을 해결한다. 행렬이 완전한 순위를 가지지 않음을 의미하는 행렬내 특이성은 행렬이 명확한 종래 지식이 전혀 없는 데이터로 구성될 때 발생한다. 이러한 특이성은 방정식 내 모호성(ambiguity)이 존재하는 경우 발생할 수 있다. 이는 한편으로는 시스템이 과도하게 결정되고(미지수보다 많은 방정식) 동시에 너무 많은 방적식이 상호 선형(또는 거의 선형인) 조합이기 때문에 미정(undetermined)이기 때문에 모순적이다. SVD는 특이성 문제를 진단하여 해결할 수 있고, 유의적인 수치 결과를 얻을 수 있을 뿐 아니라 LMS 해(solution)를 제공한다.

모델 차수(model order)는 오차 함수를 고려하여 결정된다. 오차 함수는 다음과 같이 정의된다:

상기 식에서, e(i)는 y(i) - y＾(i)이고, N은 1개 스위프 내 샘플 수이다. 변수 y(i) 및 y＾(i)는 실수이고, 각각 스위프 수, 예를 들면 15개 스위프의 예상 전-평균이다. 예상 오차, e의 백색화에 대한 안데르슨 시험(Andersons test)으로 식별한다. 만일 예상 오차가 95%의 신뢰도에서 순수(white)하다면, 그 식별은 받아들여진다. n 및 m의 적정 수치는 아카이케(Akaike)에 의해 정의된 최종 예상 오차(FPE) 함수를 최소화함으로써 선택된다 (Akaike H. "Statistical predictor identification", Ann. Inst. Statist. Math, 1970; No. 22, pp203 - 217):

FPE = L (N + n + 1) / (N - n - 1)

상기 식에서, n은 ARX 모델 계수의 총 수이다.

FPE는 오차 함수를 최소화할 필요성과 ARX 모델의 파라미터 수를 한정할 필요성을 나타낸다.

ARX 모델의 차수는 이상적으로는 각 스위프에 대해 계산되어야 한다. 이는 매우 시간 소비적인 방법이므로, 신속한 처리 시간의 필요성에 순응시키기 위해서는, 전방- 및 후방-계수에 대한 평균 모델-차수 5를 선택한다. 또 다른 적합한 수, 바람직하게는 10 미만의 수가 선택될 수 있음은 물론이다.

도 2에 도시한 바와 같이, 동일하게 가중된 각 스위프를 가진 256개의 스위프에 대해 계산된 이동 시간 평균(MTA)에 의해 달성되는 AEP인 블록(15)으로부터의 출력은 표시부(6)(도 1)으로 유도되며, 그 곳에서 AEP_MTA-표시(16)로서 표시될 수 있다. 또한 대역 통과 필터(13)로부터의 출력, 즉 EEG-신호는 표시부(6)(도 1)로 유도되어, 그 곳에서 EEG-표시(14)로서 표시될 수 있다.

블록(15)으로부터의 출력은 또한 스위프의 최소수, 바람직하게는 15개의 스위프에 대해 MTA를 얻는 블록(17)으로부터의 출력과 함께 ARX 모델(18)로 유도된다. 상술한 바와 같이 ARX에 의해 추출된 AEP이고 AEP_ARX라고 불려지는 ARX 모델(18)로부터의 출력은 또한 표시부(6)(도 1)로 유도되어, 그 곳에서 AEP_ARX-표시(19)로서 표시될 수 있다.

마취 수준을 정량화하기 위해, AEP_ARX를 지수로 맵핑하는 것이 바람직하다. 이를 위해, ARX 모델로부터의 출력은 후술하는 기능을 가진 지수 계산용 블록(20)으로 유도된다.

블록(20)에 의해 계산된 지수는 A-라인 ARX-지수(AAI)로 불려지고, 표시부(6)(도 1) 상에서 표시될 수 있으며, 이때, AAI-(AEP_ARX-) 지수 표시(21)로서 표시될 수 있다. 상기 AEP는 수 개의 피크로 이루어져 있다. 중간 잠복 시간 AEP (MLAEP)에 상응하는 잠복 시간 10-100ms를 가지는 상기 피크의 진폭은 환자가 마취될 때 증가하고 동시에 피크의 잠복 시간이 연장되는 것으로 일반적으로 이해된다. 본 발명에 따른 지수는 정보를 잃지 않게 하기 위해 상기 2개의 규칙을 유지한다. 더욱이, 신뢰성있는 지수를 달성하기 위해, 하기 전제 조건이 수반된다:

1. 수술 및 마취제와 무관하게, 대다수의 환자에 대한 유효성.

2. 잡음으로부터 의식 변화를 구별하기 위해 의식 및 수면 간에 양호한 역학이 필요하다.

AEP-지수는 윈도우의 개시 및 종료를 배제할 수 있는 AEP의 윈도우에서 계산된다. 바람직하게는, 상기 윈도우는 AEP 및 잠복 시간의 20-80ms 윈도우이고, 상기 AEP의 진폭은 동일하게 가중된다. 윈도우의 20ms 개시는 BAEP(뇌간(Brainstem) 청각 유발 전위) 및 심이근(auricular muscule) 인공물을 포함하지 않도록 선택되고, 윈도우의 80ms는 LLAEP(장기 잠복시간 청각 유발 전위)를 포함하지 않도록 선택된다. 이는 BAEP 및 LLAEP는 마취 깊이와 연관되지 않기 때문이다. 본 발명에 따른 AEP 지수(AAI)는 이전 연구에 있어서 의식 및 마취된 환자 사이의 양호한 차별성을 나타내었다. AEP-지수(AAI)는 마취 중에 최면 수준을 반영하는 것으로 정의된다.

먼저, y는 다음과 같이 정의된다:

상기 식에서, x_i는 스위프의 샘플이다.

k_i는 상수로서, 바람직하게는 0.0100보다 크고 0.02000보다 작으며, 특히 0.0165로 선택될 수 있으며,

k₂및 k₃은 각각 AEP 윈도우의 개시 및 종료를 포함하지 않도록 선택된 개시 및 종료 샘플이다.

AEP 윈도우는 70개의 샘플로 이루어져 있으며, k₂는 바람직하게는 17일 수 있고, k₃는 69일 수 있다.

AAI-지수는 다음과 같이 정의된다;

상기 식에서, k₄, k₅, k₆, k₇및 p는 상수이다.

바람직하게는 0.2500 < k₄< 0.3000이고, 가장 바람직하게는 k₄는 0.2786이다.

바람직하게는 43.0000 < k₅< 43.50000이고, 가장 바람직하게는 k₅는 43.2857이다.

바람직하게는 9.1000 < k₆< 9.8000이고, 가장 바람직하게는 k₆는 9.3769이다.

바람직하게는 0.25 < k₇< 0.30이고, 가장 바람직하게는 k₇은 0.28이다.

바람직하게는 4 ≤ p ≤ 6이고, 가장 바람직하게는 p는 5이다.

본 발명에 따른 가장 바람직한 실시형태에 있어서, ARX 지수는 다음과 같이 정의된다:

상기 지수는 0 내지 99의 범위 내이고, 수치가 증가하면 의식 수준이 증가함을 의미한다.

본 발명에 따른 방법은 예를 들면 486 MHz 클록(clock) 주파수를 가지고 정합(matching) 소프트웨어로 프로그램된 예를 들면 프로그램 언어 Borland 파스칼(Pascal)을 사용하는 단일 기판 컴퓨터와 같은 컴퓨터 4 상에서 주로 수행되어, 상세한 설명에서 설명되며, 방법 청구범위에 개시된 방법 및 알고리즘 또는 그 일부가 소구하고자 하는 결과 즉 상술한 AAI-지수의 계산 및 표시가 달성되도록 수행된다. 본 발명에 따른 프로그램은 몇몇 공지된 유형의 컴퓨터 판독성 매체에 저장되어, 컴퓨터 4에서 쉽게 설치될 수 있다.

Claims (14)

1. 환자를 반복적인 청각 자극으로 처리하는 단계, 환자에 의해 발생되는 청각 유발 전위(AEP)를 모니터링하는 단계, 외생 입력을 가진 자기 회귀 모델(ARX)을 사용하여 청각 자극의 몇 번, 바람직하게는 10 초과 50 미만의 반복으로 AEP를 추출하는 단계, 및 마취 깊이를 의미하는 지수(AAI)를 계산하는 단계를 포함하는, 환자의 의식 수준을 나타내는 신호의 추출방법.
2. 제 1 항에 있어서, 상기 방법이 AEP 신호를 필터링하여 16 초과 150Hz 미만의 주파수를 가진 신호만이 지수를 계산하는데 사용되는 것을 포함하는 것을 특징으로 하는 방법.
3. 제 1 항 및 제 2 항에 있어서, 약 100ms(milliseconds)로 구성된 AEP 윈도우, 바람직하게는 스위프의 개시 및 종료를 배제하는 20-80ms 윈도우에 있는 신호만이 지수를 계산하는데 사용되는 것을 특징으로 하는 방법.
4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서, 상기 지수가 다음과 같이 정의되는 것을 특징으로 하는 방법:

   상기 식에서, k₄, k₅, k₆, k₇및 p는 상수이고, y는 다음과 같이 정의된다:

   상기 식에서, x_i는 스위프의 샘플이고,

   k_i는 상수로서, 바람직하게는 0.0100보다 크고 0.02000보다 작으며, 특히 0.0165로 선택될 수 있고,

   k₂및 k₃은 각각 AEP 윈도우의 개시 및 종료를 포함하지 않도록 선택된 개시 및 종료 샘플이다.
5. 제 4 항에 있어서, 상기 AEP 윈도우는 k₂가 바람직하게는 18이고, k₃는 바람직하게는 69인 최대 80개의 샘플로 구성되는 것을 특징으로 하는 방법.
6. 제 4 항 또는 제 5 항에 있어서, k₄, k₅, k₆, k₇및 p가 다음과 같이 정의되는 것을 특징으로 하는 방법:

   바람직하게는 0.2500 < k₄< 0.3000이고, 가장 바람직하게는 k₄는 0.2786이고,

   바람직하게는 43.0000 < k₅< 43.50000이고, 가장 바람직하게는 k₅는 43.2857이며,

   바람직하게는 9.1000 < k₆< 9.8000이고, 가장 바람직하게는 k₆는 9.3769이고.

   바람직하게는 0.25 < k₇< 0.30이고, 가장 바람직하게는 k₇은 0.28이며,

   바람직하게는 4 ≤ p ≤ 6이고, 가장 바람직하게는 p는 5이다.
7. 제 1 항에 있어서, 상기 지수가 다음과 같이 정의되는 것을 특징으로 하는 방법:
8. 반복적인 음향 클릭 자극에 대한 반응으로서 환자에 의해 발생되는 청각 유발 전위(AEP)를 모니터링하기 위한 수단, 몇 번 바람직하게는 청각 작극의 10번 초과 50번 미만의 자극으로 AEP를 추출하는 수단, 외생 입력을 가진 자기 회귀(ARX)를 사용하기 위한 수단, 및 마취 깊이를 의미하는 지수(AAI)를 계산하기 위한 수단을 포함하는, 환자의 의식 수준을 나타내는 신호를 추출하는 장치.
9. 제 8 항에 있어서, AEP 신호를 필터링하기 위한 수단, 바람직하게는 16 내지 150Hz의 대역 통과 필터, 및 바람직하게는 디지털적으로 수행되는 5차 버터워드 필터를 포함하는 것을 특징으로 하는 장치.
10. 제 8 항 또는 제 9 항에 있어서, 약 700-1000Hz, 바람직하게는 약 900Hz의 샘플링 주파수에서 스위프를 제공하는 수단, 및 최대 100ms의 AEP 윈도우를 포함하고, 상기 윈도우 바람직하게는 스위프의 개시 및 종료를 배제하는 20-80ms의 윈도우 내 신호만이 지수를 계산하는데 사용되는 것을 특징으로 하는 장치.
11. 제 8 항 내지 제 10 항 중 어느 한 항에 있어서, 제 4항 내지 제 7항에 기재된 방법에 따른 마취 깊이를 의미하는 지수(AAI)를 계산하기 위한 수단을 포함하는 것을 특징으로 하는 장치.
12. 제 11 항에 있어서, 계산된 지수(AAI)를 표시하거나 신호화하기 위한 수단을 포함하는 것을 특징으로 하는 장치.
13. 컴퓨터에서 작동시, 제 1 항 내지 제 7 항 중 어느 한 항에 따른 모든 단계를 수행하기 위한 컴퓨터 프로그래밍 코드 수단을 포함하는 컴퓨터 프로그램.
14. 제 13 항에 있어서, 컴퓨터 판독성 매체에 내장된 컴퓨터 프로그램.