KR20080034437A

KR20080034437A - 임상 증상들의 예측 및 모니터링 기술

Info

Publication number: KR20080034437A
Application number: KR1020087001685A
Authority: KR
Inventors: 아비너 할페린; 다니엘 에이치. 랜지; 요세프 그로쓰; 아즈학 피나스
Original assignee: 얼리센스 엘티디.
Priority date: 2005-06-21
Filing date: 2006-06-21
Publication date: 2008-04-21
Also published as: US7314451B2; WO2006137067A3; EP1898777A4; AU2006260535B2; US20060241510A1; JP2009501557A; KR101182994B1; JP5155856B2; CA2613460C; IL188307A0; CA2613460A1; AU2006260535A1; EP2505131A1; IL188307A; EP1898777A2; AU2006260535A2; WO2006137067A2

Abstract

천식 발작의 발병을 예측하기 위한 방법이 제공된다. 방법은 대상 또는 대상이 입고 있는 옷들과 접촉되거나 이들을 보지 않으면서, 대상의 적어도 하나의 파라미터를 감지하는 단계, 및 감지된 파라미터에 응답하여 적어도 부분적으로 천식 발작의 발병을 예측하는 단계를 포함한다. 또한, 울혈성 심부전(CHF)과 연관된 증상의 발병을 예측하기 위한 방법이 제공되며, 대상 또는 대상이 입고 있는 옷들과 접촉되거나 이들을 보지 않으면서, 대상의 적어도 하나의 파라미터를 감지하는 단계, 및 상기 감지된 파라미터에 응답하여 적어도 부분적으로 상기 증상의 발병을 예측하는 단계를 포함한다. 다른 실시예들 또한 기술된다.

Description

임상 증상들의 예측 및 모니터링 기술{TECHNIQUES FOR PREDICTION AND MONITORING OF CLINICAL EPISODES}

본 출원은 (a) "임상 증상들의 예측 및 모니터링 기술"이란 명칭으로 할페린 등에 의해 2005년 8월 3일자로 출원된 미국 특허 출원 11/197,786호의 장점 및 (b) 2005년 6월 21일자로 출원된 미국 가특허 출원 60/692,105호의 장점을 청구하며, 상기 미국 특허 출원 11/197,786호는 (i) 2005년 6월 21일자로 출원된 미국 가특허 출원 60/692,105호, 및 (ii) 2005년 6월 25일자로 출원된 미국 가특허 출원 60/674,382호의 장점을 청구한다. 앞서 언급된 각각의 출원은 본 명세서에서 참조된다.

본 발명은 전반적으로 비정상적인 생리적 조건들(physiological conditions)을 예측 및 모니터링하는 것에 관한 것으로, 특히 생리적 및/또는 물리적 파라미터들의 특성들의 분석 및 비접촉 측정에 의해 비정상적인 생리적 조건들을 예측 및 모니터링하는 방법들에 관한 것이다.

종종 만성 질환(chronic disease)은 임상 증후의 증상 악화로 발현된다. 만성 질환의 예방 치료(preventive treatment)는 요구되는 약품의 전체 복용량 및 관련된 부작용을 감소시키고, 사망 및 사망률을 낮춘다. 일반적으로, 예방 치료는 임상 증상의 진전 및 악화를 방지하고 병태생리학적(pathophysiological) 프로세스를 중단 및 전환시키기 위해, 초기에 임상 증후가 검출되는 대로 개시되거나 강화되어야 한다. 따라서, 예비-증상 표시기를 정확하게 모니터링하는 능력은 만성 질환의 예방 치료 효율을 강화시킨다.

다수의 만성 질환은 다양한 생리학적 메커니즘을 통해, 호흡 및 심박 패턴과 같은 생체 신호(vital signal)에서 체계 변화를 야기시킨다. 예를 들어, 천식(asthma), 만성 폐쇄성 폐질환(COPD), 및 낭성 섬유증(cystic fibrosis)과 같은 일반적인 호흡기 장애(respiratory disorders)는 호흡 및/또는 심박 패턴을 변형시킨다. 당뇨병, 간질(epilepsy), 및 소정의 심장(heart) 상태(예를 들어, 울혈성 심부전(Congestive Heart Failure : CHF))과 같은 다른 만성 질환들은 심장 및 호흡 동작을 변형시키는 것으로 공지되어 있다. 소정의 심장 상태에 있어, 대체적으로 이러한 변형이 발생하며, 이는 수액 정체(fluid retention)와 관련된 병태생리학 및 일반적 심혈관 기능부전(cardiovascular insufficiency)으로 인한 것이다. 기침(coughing) 및 수면 장애와 같은 다른 신호는 일부 임상 상태에서 중요한 것으로 공지되어 있다.

다수의 만성 질환들은 생체 신호에 대한 전신적(systemic) 효과를 유도한다. 예를 들어, 일부 만성 질환은 각성 및 수면 동안 정상적 호흡 및 심장 프로세스와 접촉되어, 비정상적인 호흡 및 심박 패턴을 야기시킨다.

호흡 및 심박 패턴은 다양한 직접적 및 간접적 생리학적 메커니즘을 통해 변형되어, 변형의 원인과 관련된 비정상적 패턴을 야기시킨다. 천식과 같은 일부 호 흡기 장애 및 CHF와 같은 심장 상태는 직접적인 호흡 변형자들이다. 저혈당증(hypoglycemia)과 같은 다른 신진대사(metabolic) 이상 및 자율신경계(autonomic nervous system) 동작에 영향을 미치는 다른 신경 병리학들은 간접적인 호흡 변형자들이다.

천식은 치료법이 공지되지 않은 만성 질환이다. 천식 증상의 실질적 완화는 기관지확장제(bronchodilator) 및 항염증제(anti-inflammatory agent)의 사용과 같은 예방적 요법에 의해 가능하다. 천식 관리는 천식 환자들의 삶의 질 개선을 위한 것이다. 예방적 요법들이 폐 기능의 일정한 모니터링 및 이에 해당하는 약품 형태 및 투여량의 적용을 요구함에 따라, 천식 관리는 환자 및 의사에게 심각한 관제를 제시한다. 그러나, 허파 기능의 모니터링은 간단하지 않고, 비임상적 또는 가정 환경에서는 일반적으로 이용되지 않는 복잡한 기구 및 전문기술(expertise)이 요구된다.

폐 기능의 모니터링은 적절한 치료 모니터링 및 환자 추적검사(follow-up)에 있어 주요한 요인인 것으로 판단된다. 바람직한 요법들은 전시적 부작용을 최소화시키기 위해 에어로졸-타입 약품을 기초로 한다. 에어로졸 타입 요법의 효력은 폐-기능 모니터링에 크게 기여하며 유지 및 평가가 어려운 환자 수용상태(patient compliance)에 크게 좌우된다.

천식 증상들은 다소 예상불가능하게 나타날 수 있지만, 통상적으로 천식 증상들은 며칠간의 주기를 두고 발현된다. 천식 증상의 단계적 발병은 염증성(inflammatory) 프로세스를 중단 및 전환시키는 대응책을 시행할 수 있는 기회를 준다. 예비-증상 단계에서 초기 치료는 임상적 증상 발현을 상당히 감소시킬 수 있고, 심지어 예비-임상 단계에서 임상 증상으로의 전환을 방지할 수 있다.

일반적으로 천식 모니터링에는 2가지 기술이 이용된다. 첫번째 기술인 폐활량측정법(spirometry)은 폐에 의한 공기 흡입 및 배출의 양을 측정하는 폐활량계 기구르 사용하여 폐 기능을 평가한다. 공기흐름 다이나믹은 튜브를 통해 폐활량계와 접속된 마우스피스(mouthpiece)로 환자에 의해 강하게 조절되는 흡입 및 배출 동작 동안 측정된다. 피크-플로우 계측기는 폐활량계와 유사한 간단한 장치로, 유사한 방식으로 이용된다. 제 2 기술은 전용 질소-산화물 모니터를 사용하여 질소-산화물 농도를 측정함으로써 폐 기능을 평가한다. 환자는 튜브를 통해 모니터에 접속된 마우스피스로 호흡한다.

효과적인 천식 관리는 특히 비임상적 또는 가정 환경에서 일반적으로 실행할 수 없는 호흡기 기능의 일상적 모니터링을 요구한다. 최대-호기량 검사기(peak-flow meter) 및 산화-질소 모니터는 폐 기능 상태에 대한 일반적 표시를 제공한다. 그러나, 이러한 모니터링 장치는 예시적 값을 나타내지 않고 증상 동안 마커(marker)로서 이용된다. 또한, 최대-호기량 검사기 및 산화-질소 모니터는 환자의 능동적 참여를 요구하며, 이러한 능동적 참여는 다수의 어린이들로부터는 얻기 어려우며 실질적으로 유아로부터는 얻기는 거의 불가능하다.

CHF는 심장이 약해져 신체의 요구조건을 충족시키기 위해 혈액이 순환할 수 없는 상태이다. 다리, 신장, 및 폐에서 순차적 유체의 강화는 출혈 상태로 특징화딘다. 약화는 좌측, 우측, 또는 심장 양쪽과 관련되며, 각각의 형태와 관련된 상 이한 원인 및 치료와 관련된다. 대부분의 경우, 손상된 심장은 좌측에 있어, 체순환(systemic circulation)을 위해 효과적으로 혈액을 펌프시키는 것이 불가능하다. 폐의 계속적인 유체 충혈(congestion)은 호흡 및 빠른호흡(tachypnea)시 가중된 어려움으로 인해 동반되는 속도 및/또는 패턴의 변경을 포함하는 호흡 변화를 야기시킨다.

이러한 비정상적인 호흡의 정량화는 CHF 진행을 평가하는 기초를 제공한다. 예를 들어, 교대성 무호흡(Cheyne-Stokes respiration, CSR)은 일시호흡정지(apnea)과 과다호흡(hyperpnea)이 규칙적으로 교번하는 주기를 갖는 일회호흡 용적(tidal volume)의 규칙적인 발진에 의해 특성화되는 호흡 패턴이다. CSR은 다수의 상이한 병리학(예를 들어, 뇌염, 뇌 순환 장애, 및 연수 중추 호흡 손상)에서 관찰될 수 있는 있지만, CHF과 함께 환자의 심장 손상 악화 및 수명 감소에 대한 독립적 위험으로서 인식된다. CHF에서, CSR은 선잠(fragment sleep)을 자주 깨우는 것 및 부수적인 교감신경 활성화와 관련되며, 이들 모두는 CHF를 악화시킬 수 있다. 다른 비정상적 호흡 패턴은 주기적 호흡, 긴 흡기 또는 호기, 또는 일반적으로 빠른호흡을 유도하는 호흡 속도에서의 순차적 변화를 유도할 수 있다.

일반적으로 임신 동안 태아 건강은 유전적 및 발달적 결함에 대해 스크린 툴로서 초음파 이미징, 및 도플러 초음파 변환을 이용한 태아 심박 모니터링을 포함하는 몇 가지 감지 방식을 사용하여 모니터링된다. 건강한 아기는 동작 및 쉬는 동안 성인의 심장 박동과 유사하게 증가된 심장 박동에 의한 동작에 반응한다. 통상적으로 태아 심장 박동은 분당 80 내지 250 사이의 심박으로 변하며, 정상적으로 건강한 태아의 움직임으로 빨라진다. 이러한 변화의 결핍은 태아기에서 관찰될 때 높은 태아 사망 발생과 관련된다. 임신 마지막 단계, 특히 위험성이 높은 임신중에서, 태아 심박은 태아 건강을 모티터링하고 비상 분만의 능동적 개시를 야기시킬 수 있는 태아 고통의 초기 신호를 식별하기 위한 규칙적인 원칙으로 일반적으로 모니터링된다. 태아 건강을 모니터링하는 현재 방안들은 일반적으로 가정 환경에는 적합하지 않다.

심탄도법(ballistocardiography)은 순환계에서 심장 및 혈액의 동작으로부터 야기되는 신체의 반동 동작을 측정하는 것이다. 순환계에서 이동함에 따라 혈액의 가속에 의해 생성되는 신체의 순간적 동작을 검출할 수 있도록 트랜스듀서가 이용된다. 예를 들면, 본 명세서에서 참조되는 올란도의 미국 특허 4,657,025호는 단일 트랜스듀서에서 심장 및 심박을 감지하는 장치를 개시했다. 트랜스듀서는 환자의 심박 및 호흡 기능의 동작에 의해 통상적 침대 상에서 야기되는 진동의 수직 방향으로의 감도를 강화시키도록 구성된 전자기 센서이며, 환자와 떨어져 있는 챔대 상에 위치된 센서와 침대에 있는 환자 사이에 물리적 결합 없이도 충분한 감도를 달성하는 것으로 개시되어 있다.

기이맥(pulsus paradoxus)은 다양한 심장 및 외심장 조건에서 제공되는 물리적 신호로, 진단 및 예후적 중요성에 있어 중요하다. 기이맥은 일반적으로 수축 혈압이 흡기 동안 10mmHg 이상으로 떨어지는 것으로 정의된다. 기이맥은 심장 압전, 심막 삼출증, 심내막염, 제한성 심근병증, 폐색전증, 급성 심근경색증, 심인성 쇼크, 기관지 천식, 긴장성 기흉, 아나필락시스성 쇼크, 복부 장염, 횡격막 탈장, 상대정맥 장애와 같은 상태와 관련된다. 기관지 천식에서, 기이맥은 중요하며, 이는 기이맥은 중기 장애와 관련되어 초기 경고 신호로서 기능할 수 있기 때문이다. 일반적으로 기이맥을 특히 응급실에서 아동으로부터 평가하는 것은 어렵다(예를 들어, 브레너 비이 등의 응급 천식(New York : Marcel Dekker, 1999:201-232)에서, 브레너 비이 등의 "성인 및 아동의 금성 천식의 임상적 프리젠테이션" 참조)

하기의 특허 및 특허 출원 공보들이 본 명세서에서 참조된다.

http:// www.isramed.info/rsmm_rabinovich/pedemator.htm에서 업데이트되고 이용가능한 "Pedema TOR : Innovative method for detecting pulmonary edema at the pre-clinical stage, " Shochat M 등에 의한 논문은 폐부종의 예비-임상 검출에 대한 임피던스 모니터를 개시한다. 임피던스 모니터는 피부-전극 임피던스를 자동적으로 계산하고 이를 측정된 변이흉곽(transthoracic) 임피던스로부터 차감시킴으로써, "내부 흉곽(thoracic) 임피던스"를 측정하며, 이는 폐 임피던스와 거의 동일하다.

호흡 및 심박의 생체-변형은 천식 및 CHF와 같은 만성 상태 및 스트레스와 같은 다른 상태에 대해 장점을 제공하는 것으로 제시되었다(예를 들어, 모두 본 명세서에서 참조되는 미국 특허 5,076,281호, 5,800,337호 및 6,090,037(Gavish), 미 국 특허 6,662,032(Gavish 등) 및 미국 특허 출원 공보 2004/0116784(Gavish) 참조). 이러한 생체 변형은 연속적인 측정을 기초로한 바이오피드백 기술을 사용하여 모니터된 파라미터의 크기와 관련된 시각적/청각적 피드백을 제공하여 시도되었다.

일부 연구자들은 개인이 깊은 수면 단계보다는 얕은 수면 또는 REM 수면 중에 깬다면 최적의 깸(wakening)이 일어난 것이라고 믿는다. 예를 들면, 액손 수면 연구소(Axon Sleep Research Laboratories)(Providence, RI, USA)는 지능적인 자명 시계(소위 "(슬립스마트)SleepSmart")를 개발하고 있으며, 이는 수면 주기를 감시하고, 수면 주기 중 최적의 시점에 사용자를 깨우고자 한다. 슬립스마트는 사용자가 생리학 데이터를 측정하는 헤드밴드를 착용하고 잠을 잘 것을 요구한다. 또한, 수면 스테이징(sleep staging)은 수면 중의 호흡(respiration) 및 심박수(heart rate) 정보로부터 얻을 수 있다는 것이 제안되었다(예컨대 Shinar Z등의 "Identification of arousals using heart rate beat-to-beat variability," Sleep 21(3 Suppl):294 (1998)를 참조, 이는 본원에 참조로써 통합됨).

본원에 참조로써 통합되는 다음의 논문들은 흥미로울 것이다:

Alihanka J 등의, "A new method for long-term monitoring of the ballistocardiogram, heart rate, and respiration," Am J Physiol Regul Integr Comp Physiol 240:384-392 (198l).

Bentur L 등의, "Wheeze monitoring in children for assessment of nocturnal asthma and response to therapy," Eur Respir J 21(4):621-626 (2003).

Chang AB 등의, "Cough, airway inflammation, and mild asthma exacerbation," Archives of Disease in Childhood 86:270-275 (2002).

Hsu JY 등의, "Coughing frequency in patients with persistent cough: assessment using a 24 hour ambulatory recorder," Eur Respir J 7:1246-1253 (1994).

Mack D 등의, "Non-invasive analysis of physiological signals: NAPS: A low cost, passive monitor for sleep quality and related applications," University of Virginia Health System (날짜 없음).

Korpas J, "Analysis of the cough sound: an overview," Pulmonary Pharmacology 9:261-268 (1996).

Piirila P 등의, "Objective assessment of cough," Eur Respir J 8:1949-1956 (1995).

Salmi T 등의, "Long-term recording and automatic analysis of cough using filtered acoustic signals and movements on static charge sensitive bed," Chest 94:970-975 (1988).

Salmi T 등의, "Automatic analysis of sleep records with static charge sensitive bed," Electroencephalography and Clinical Neurophysiology 64:84-87 (1986).

Stegmaier-Stracca PA 등의, "Cough detection using fuzzy classification," Symposium on Applied Computing, Proceedings of the 1995 ACM Symposium on Applied Computing, Nashville, Tennessee, United States, pp. 440-444 (1995).

Van der Loos HFM 등의, "Unobtrusive vital signs monitoring from a multisensor bed sheet," RESNA'2001, Reno, NV, June 22-26, 2001.

Waris M 등의, "A new method for automatic wheeze detection," Technol Health Care 6(l):33-40 (1998).

"British Guideline on the Management of Asthma: A national clinical guideline," British Thoracic Society, Scottish Intercollegiate Guidelines Network, Revised edition April 2004.

Brenner BE 등의, "The clinical presentation of acute asthma in adults and children," In Brenner, BE, ed. Emergency Asthma (New York: Marcel Dekker, 1999:201-232).

Baren 등의, "Current concepts in the ED treatment of pediatric asthma," Respiratory Medicine Consensus Reports (Thomson American Health Consultants, Dec. 28, 2003).

"Managing Asthma," KidsHealth website, (kidshealth.org/parent/medical/lungs/asthma_mgmt.html).

"Signs and symptoms of asthma," Indian Chest Society (Mumbai, India) (http://www.indianchestsociety.org/symptomsofasthma.htm).

"Breathing easier with asthma," Intermountain Health Care Clinical Education Services (http://www.ihc.com/xp/ihc/documents/clinical/101/3/1/asthma_breathe.pdf).

"Medical Mutual clinical practice guidelines for asthma: 2004," Medical Mutual (Cleveland, OH) (http://www.medmutual.com/provider/pdf/resources/asthma4.pdf).

"Peak flow learning center," National Jewish Medical and Research Center (http://www.njc.org/disease-info/diseases/asthma/living/tools/peak/index.aspx).

Mintzer R, "What the teacher should know about asthma attacks," Family Education Network (http://www.familyeducation.com/article/0,1120,65-415,00.html).

"'Does my child have asthma?'," Solano Asthma Coalition, American Lung Association of the East Bay (http://www.alaebay.org/misc_pdf/solano_asthma_coalition_child_asthma.pdf).

Poteet J, "Asthma" (http://www.nku.edu/~rad350/asthmajp.html).

Plaut T, "Tracking and treating asthma in young children," J Respir Dis Pediatrician 5(2):67-72 (2003).

본 배경기술 부분에 상기 참조들을 포함시키는 것은, 상기 참조들이 본원에 개시된 본 발명에 대한 종래 기술 또는 유사 기술을 구성한다는 것을 의미하는 것 은 아니다.

본 발명의 일부 실시예에서, 만성적인 의학적 상태를 모니터링하기 위한 방법은, 통상적으로 야간 수면(night sleep) 중에, 피실험자(subject)의 적어도 하나의 호흡 패턴 및/또는 적어도 하나의 심장 박동 패턴을 비침습적으로(non-invasively) 모니터링하는 단계를 포함한다. 패턴들은 (a) 천식 발작 또는 울혈성 심부전(congestive heart failure) 악화(deterioration)와 같은 다가오는(approaching) 임상 증상(clinical episode)을 예측하고/예측하거나, 임상 증상이 발생하였을 경우 임상 증상의 중증도(severity) 및 경과(progression)를 모니터링하기 위해 분석된다. 패턴들을 분석하는 것은 통상적으로 각각의 베이스라인(baseline) 패턴들에 대해 패턴들을 비교하는 것을 포함한다. 다가오는 임상증상의 예측은 조기 예방 치료를 용이하게 하며, 이 처치는 일반적으로 필요한 약품 투여량을 감소시킨다. 일부 어플리케이션의 경우, 본 방법은 체온, 기침, 수면 불안(sleep restlessness), 및/또는 혈압과 같은 다가오는 임상 증상의 추가적인 잠재적 지표(potential indicator)들을 모니터링하는 단계를 추가적으로 포함한다. 일부 어플리케이션의 경우, 임상 증상의 예측 또는 모니터링은 오직 하나 이상의 이러한 추가적인 잠재적 지표들을 기초로 한다.

본 발명의 일부 실시예에서, 호흡 및 심장 박동 패턴은 수면 중에, 통상적으로는 야간 수면 동안 내내(예컨대 야간 수면의 80% 이상 동안), 피실험자의 호흡-관련 및 심장 박동-관련 신체 운동 데이터(body motion data)를 실질적으로 연속적으로 얻음으로써 모니터링된다. 운동 데이터는 하나 이상의 주기적 호흡-관련 움직임 패턴(movement pattern) 및/또는 하나 이상의 주기적 심장 박동-관련 움직임 패턴을 생성하기 위해서 처리되며, 이들로부터 호흡 패턴과 심장 박동 패턴이 추출된다. 일부 어플리케이션의 경우, 동작 데이터는 피실험자 또는 피실험자가 입고 있는 옷과 접촉하거나 이를 검시(view)하지 않는 감지 장치(sensing device)를 사용하여 얻는다. 예를 들면, 감지 장치는 압력 또는 스트레인(strain) 전달계(gauge)를 포함할 수 있으며, 이는 통상적으로 피실험자가 잠든 매트리스, 매트리스 패드, 매트리스 커버, 또는 시트 아래에 또는 내에 설치되도록 적응되며, 또한 호흡 및 심장 활동에 의해 생성된 기계적인 변동을 검출하도록 적응된다. 일부 어플리케이션의 경우, 기침 및 수면 불안과 같은 추가적인 잠재적 지표들도 운동 데이터로부터 추출된다. 이러한 데이터 획득은 (통상적으로 알아차릴 수 없으며) 비침습적이기 때문에, 이는 일반적으로 가정 환경 내에서 어린이와 어른 모두를 모니터링하는데 적절하다.

본원에 설명된 기술은 사용은 일반적으로 피실험자가 증상을 알게 되기 전에 다가오는 임상 증상의 탐지를 가능하게 한다. 예를 들면, 피실험자가 증가된 호흡수와 같은 임의의 인지 가능한 조기 주의 신호(early warning sign)들을 알게 되기 전에, 천식 발작은 통상적으로 예측된다. 통상적으로, 피실험자의 호흡수가 실질적으로 증가하기 전에, 예를 들면 호흡수가 베이스라인(피실험자가 천식에 대한 실질적으로 아무런 징후를 경험하지 않았을 때의 정상 호흡수)에 대해, 10% 또는 5%와 같이, 20%만큼 증가하기 전에, 천식 발작은 예측된다. 게다가, 피실험자의 1초 강제 날숨량(forced expiratory volume in one second; FEVI)이 베이스라인에 대해 10%만큼 감소되기 전에, 천식 발작은 통상적으로 예측된다. 임상 증상은 통상적으로 이의 발병하기 적어도 1시간 전에, 예컨대 적어도 4시간 전에, 예측된다.

본원에 실명된 감지 기술들은 피실험자 또는 다른 사람(예컨대 피실험자의 가족 또는 치료 종사자)에 의한 승낙을 필요로 하지 않는다. 청구범위를 포함하여 본원에서 "승낙(compliance)"은, 수동으로 또는 테스트의 수행(예컨대 체중계 위에 서있음)에 의해, 피실험자의 생리학적 파라미터를 관찰하는 것에 의한 것과 같이, 임상 증상을 예측 또는 모니터링하는데 사용되는 하나 이상의 생리학적 파라미터들을 측정함에 있어서의 사람의 능동적인 참여로써 이해될 것이다. 야간에 수면을 취하기 위해서 침대에 눕는 것과 같은, 단지 다른 방식으로 수행될 액션만을 수행하는 것은 "승낙"의 범주 내에 포함되지 않는다. 유사하게, (예컨대 매트리스 아래, 또는 환자 내의 삽입 위치와 같은) 센서의 적절한 위치에 이를 처음으로 한번 위치시키는 것, 또는 배터리 교환과 같은 주기적인 유지관리를 실행하는 것은, 계속 중인 측정을 돕는 것으로서 "승낙"의 범주 내에 포함되는 것으로 생각되지 않는다. 마찬가지로, 측정된 생리학적 파라미터들의 사람에 의한 감지 후의 현장 또는 원격 판단도 "승낙"의 범주 내에 포함되는 것으로 생각되지 않는다.

본원에 설명된 기술들의 유효성은, 수면 중에 일부 만성적인 의학적 병태들이 정상적인 호흡 및 심장 주기와 간섭하고, 그리고 깨어있는 동안에, 병태-특이(condition-specific) 이상(abnormal) 호흡 및 심장 박동 패턴들을 생성한다는 관찰에 부분적으로 기초한다. 다양한 생리학적 기전(mechanism)은 호흡 및 심장 박동 패턴을 변화시키며, 변화의 원인과 관련된 특정 패턴들을 생성한다. 천식과 같은 호흡기 질환(respiratory diseases), 만성폐쇄폐질환(chronic obstructive pulmonary disease; COPD), 및 낭성섬유증(cystic fibrosis; CF), 및 일부의 병태들과 관련된 생리학적 이상(physiological abnormalities)은 호흡 및 심장 박동 패턴을 변화시킨다. 예를 들면, 상기 호흡 패턴을 변화시키는 생리학적 이상은, (a) 때때로 체인-스토크스 호흡(Cheyne-Stokes respiration; CSR) 또는 주기성 변동 호흡(periodic respiration)과 같은 이상 호흡 패턴을 야기하는 울혈성 심부전(CHF), (b) 당뇨병에 의해 야기되는 저혈당증(hypoglycemia), (c) 일부 신경학적 병태에 의해 야기되는 이상 자율 신경계 활동(abnormal autonomic nervous system activity)을 포함한다.

심장 상태의 주기적인 악화 중에 종종 발생하는, 폐 조직 내의 액체 잔류(fluid retention)는, 심장 활동 및 호흡 패턴의 변화와 상호 관련된다. 본 발명의 일부 실시예에서, 일반적으로 집에서 만성 심부전 피실험자를 모니터링하기 위한 방법이 제공된다. 본 발명의 다른 실시예에서, 야간 수면 중에 호흡 및 심장 박동 패턴을 비침습적으로 모니터링함으로써 피실험자의 심장 상태를 예측 및 평가하기 위한 방법이 제공된다. 또 다른 실시예에서, 폐 액체(lung fluid)의 조기 형성(early buildup)시, 임박한 심장 상태의 임상적 악화에 대한 조기 주의(early warning)를 생성하고, 따라서 임상적 징후들이 더욱 심해지기 전에 처치를 용이하게 하기 위한 방법이 제공된다.

본 발명의 일부 실시예에서, 다가오는 또는 발생하는 임상 증상들과 관련된 기침 증상들은 탐지 및/또는 평가된다. 천식에 있어서, 가벼운 기침(mild coughing)은 흔히 임상적 천식 증상의 다가오는 발병을 나타내는 중요한 조기 선-증상 표지(early pre-episode marker)이다. 울혈성 심부전(CHF)에 있어서, 기침은 심부전의 악화 또는 발달하는 심장혈관 기능부족(cardiovascular insufficiency)에 의해 야기된 폐 내의 액체 잔류에 대한 조기 주의를 제공할 수 있다.

본 발명의 일부 실시예에서, 수면 중의 과도한 신체 움직임에 의해 소견되는(manifested) 안절부절증(restlessness)을 모니터링하는 것을 포함하는 방법이 제공된다. 안절부절증은 야간 안절부절의 객관적인 수치를 제공하도록 정량화된다. 통상적으로 신체 움직임은 피실험자 또는 피실험자가 입고 있는 옷과 접촉하거나 이를 검시(view)하지 않는 감지 장치를 사용하여 얻는다. 일부 어플리케이션의 경우, 수면중 주기적 사지운동(Periodic Limb Movements in Sleep; PLMS)과 동일시된다. 이러한 증후군(syndrome)의 발생과 수준(level)은 CHF, 당뇨병, 빈혈, 신장병, 및 천식과 같은 만성 병태의 발병 또는 악화에 대한 지표로 사용된다.

본 발명의 일부 실시예에서, 호흡, 심박수, 및/또는 기침과 같은 파라미터들이 야간 수면 중에 감시된다. 파라미터들은 다가오는 임상 증상을 예측하기 위해서 연속해서 또는 아침과 같이 수면의 종결 후에 분석된다. 아침에, 또는 더 늦은 주간에, 피실험자에게 다가오는 임상적 이벤트에 관하여 주의시킨다. 이러한 다가오는 임상적 이벤트들은 일반적으로 이들의 접근이 예측된 후로 적어도 수 시간 내에는 발생하지 않는다. 그러므로 아침 또는 더 늦은 주간까지 지연한 통지도, 여전히 일반적으로, 증상의 임상적 소견이 시작하기 전에, 피실험자의 수면을 불필요하게 중단하지 않고 피실험자가 예방치료를 시작할 충분한 시간을 제공한다. 일부 어플리케이션의 경우, 파라미터들은 다가오는 임상 증상의 심각함 및/또는 긴급함을 평가하기 위해서, 그리고 이러한 심각함 및/또는 긴급함에 응답하여 피실험자를 깨울지 말지를 결정하기 위해서 분석된다.

본 발명의 일부 실시예에서, 베이스라인 파라미터로부터의 측정 파라미터의 편차를 평가하고, 약품 및 투여량 정보와 같은 피실험자가 현재 받고 있는 의료 치료에 관한 정보를 고려함으로써, 임상 증상이 예측 또는 모니터링된다. 일부 어플리케이션의 경우에 약품 치료 정보는 약품 관리 장치로부터 직접 수신되지만, 다른 어플리케이션의 경우에는 정보가 피실험자 또는 치료 종사자에 의해 수동으로 제공된다.

본 발명의 일부 실시예에서, 피실험자 또는 피실험자가 입고 있는 옷에 접촉하거나 이를 검시하지 않고 피실험자가 수면 중인 때 피실험자의 동작-관련 파라미터들을 감지하는 단계, 및 그 파라미터들을 분석하는 단계를 포함하는 방법이 제공된다. 분석에 적어도 부분적으로 응답하여, 피실험자에게 투여하기 위한 약품 투여량은 결정되고, 그 투여량은 피실험자가 사용하는 약품 관리 장치에게 전달된다. 통상적으로 약품의 임상적 효과는 모니터링되고, 약품 투여량을 유지하거나 갱신하기 위해서 피드백이 약품 관리 장치에 제공된다.

본 발명의 일부 실시예에서, 임신한 대상 내의 태아를 모니터링하는 방법이 제공된다. 본 방법은 대상 또는 대상이 입고 있는 옷을 접촉하거나 관찰하지 않고 대상의 모션 관련 파라미터를 감지하는 단계를 포함한다. 일부 애플리케이션에 대해, 모션 관련 파라미터는 대상이 누워 있는 접촉면(가령, 일반적인 침대)의 내부, 상부, 또는 하부의 압력을 측정함으로써 감지된다. 모션 관련 파라미터는 태아의 심장박동을 유도하고/유도하거나 태아의 모션의 측정을 유도하기 위해 분석된다.

본 발명의 일부 실시예에서, 대상 또는 대상이 입고 있는 옷을 접촉하거나 관찰하지 않고 대상의 모션 관련 파라미터를 감지하는 단계를 포함하는 방법이 제공된다. 심장박동 관련 및 호흡 관련 신호들은 모션 관련 파라미터로부터 유도된다. 심장박동 관련 신호는 호흡 관련 신호를 이용하여 복조되는데, 가령 호흡 관련 신호에 의해 심장박동 관련 신호를 다중화함으로써 복조된다.

본 발명의 일부 실시예에서, 임상 증상(clinical episode)의 발병(onset)을 예측하는 방법이 제공된다. 본 방법은 대상의 호흡 관련 신체 모션 시간 영역 신호를 획득하는 단계, 및 상기 시간 영역 신호를 주파수 영역 신호로 변환하는 단계를 포함한다. 대상의 호흡율은 주파수 영역 신호의 호흡 관련 주파수 범위에서 정점(peak)을 식별함으로써 결정된다. 정점 주파수 중 하나 이상의 고조파가 식별된다. 하나 이상의 고조파들의 에너지 레벨과 정점 주파수의 에너지 레벨 사이의 하나 이상의 비율들이 계산되고 하나 이상의 각각의 베이스라인 비율들과 비교된다. 상기 증상의 발병은 상기 비교에 응답하여 적어도 부분적으로 예측된다.

본 발명의 일부 실시예에서, 생리적인 진전(physiological tremor)의 레벨 증가를 식별함으로써, 당뇨병에 걸린 대상에서 저혈당 발병의 조기 신호를 식별하는 방법이 제공된다. 일반적으로, 생리적인 진전은 약 4 ㎐ 내지 약 18 ㎐ 사이, 가령 약 8 ㎐ 내지 약 12 ㎐ 사이에서 신체 모션을 모니터링함으로써 검출된다. 대안으로, 생리적인 진전의 레벨 증가는 파킨슨병, 알츠하이머 병, 발작, 본태성 진전, 간질, 스트레스, 섬유성연축(fibrillation), 및 과민성 쇼크로 이루어진 리스트에서 선택된 조건의 발병 또는 진행을 나타낸다. 일부 실시예에서, 저혈당은 고동을 식별하도록 심장 신호를 분석함으로써 식별된다.

본 발명의 일부 실시예에서, 만성적인 의료 상태를 모니터링하는 시스템은 호흡 관련 모션 획득 모듈, 호흡 패턴 분석 모듈, 및 출력 모듈을 포함한다.

따라서, 본 발명의 실시예에 따라서, 임상 증상의 발병을 예측하는 방법은:

대상의 호흡을 감지하는 단계;

감지된 호흡에 응답하여 대상의 적어도 하나의 호흡 패턴을 결정하는 단계;

호흡 패턴을 베이스라인 호흡 패턴과 비교하는 단계; 및

상기 비교에 응답하여 적어도 부분적으로 증상의 발병을 예측하는 단계를 포함한다.

일부 애플리케이션에 대해, 상기 호흡 패턴은 대상의 호흡율 패턴을 포함하며, 상기 베이스라인 호흡 패턴은 베이스라인 호흡율 패턴을 포함하며, 상기 호흡 패턴을 상기 베이스라인 호흡 패턴과 비교하는 단계는 상기 호흡율 패턴을 상기 베이스라인 호흡율 패턴과 비교하는 단계를 포함한다.

일부 애플리케이션에 대해, 비교는 적어도 하나의 발병이 없는 주기 동안 상기 대상의 호흡을 분석함으로써 베이스라인 호흡 패턴을 결정하는 단계를 포함한다. 일부 애플리케이션에 대해, 비교는 모집단 평균 호흡 패턴에 응답하여 상기 베이스라인 호흡 패턴을 설정하는 단계를 포함한다.

일부 애플리케이션에 대해, 발병을 예측하는 단계는 상기 대상의 연장된 흡기(inspirium) 시간에 응답하고/응답하거나, 상기 대상의 연장된 호기(expirium) 시간에 응답하여 발병을 예측하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 호흡 패턴은 흡기 및 호기의 연속된 세그먼트들을 포함하며, 상기 발병을 예측하는 단계는 상기 흡기 세그먼트들 및 상기 호기 세그먼트들 중 적어도 하나의 보다 긴 지속기간을 향한 기울기에 응답하여 발병을 예측하는 단계를 포함한다.

실시예에서, 상기 임상 증상은 천식, 만성 폐쇄성 폐질환(COPD), 포낭성 섬유증(cystic fibrosis, CF), CHF, 당뇨병 및 간질로 이루어진 리스트에서 선택된 조건과 연관된 증상을 포함한다.

실시예에서, 상기 호흡 패턴은 호흡 듀티사이클 패턴을 포함하며, 상기 발병을 예측하는 단계는 대상의 호흡 듀티사이클의 증가에 응답하여 발병을 예측하는 단계를 포함한다.

일부 애플리케이션에서, 상기 대상의 호흡을 감지하는 단계는 씨근거림(wheezing)에 의해 생기는 소리, 및 기침에 의해 생기는 소리로 이루어진 리스트에서 선택된 적어도 하나의 호흡 관련 소리를 감지하는 단계를 포함하며, 상기 발병을 예측하는 단계는 상기 호흡 관련 소리의 특징(aspect)에 응답하여 상기 발병을 예측하는 단계를 포함한다.

일부 애플리케이션에서, 상기 대상의 호흡을 감지하는 단계는 씨근거림에 의해 생기는 기계적 진동, 및 기침에 의해 생기는 기계적 진동으로 이루어진 리스트로부터 선택된 호흡 관련 기계적 진동의 적어도 하나의 유형을 감지하는 단계를 포함하며, 상기 발병을 예측하는 단계는 상기 호흡 관련 기계적 진동들의 특징에 응답하여 상기 발병을 예측하는 단계를 포함한다.

실시예에서, 상기 호흡 패턴은 호흡율 변화 패턴을 포함하며, 상기 베이스라인 호흡 패턴은 베이스라인 호흡율 변화 패턴을 포함하며, 상기 발병을 예측하는 단계는 상기 베이스라인 호흡율 변화 패턴과 비교하여 시간에 따른 호흡율 변화의 감소에 응답하여 상기 발병을 예측하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 적어도 하나의 호흡 패턴을 결정하는 단계는 호흡율 변화 패턴 및 낮은 기울기의 호흡율 패턴을 결정하는 단계를 포함하며, 상기 호흡 패턴을 상기 베이스라인 호흡 패턴과 비교하는 단계는 상기 호흡율 변화 패턴을 상기 베이스라인 호흡율 변화 패턴과 비교하는 단계 및 상기 낮은 기울기의 호흡율 패턴을 낮은 기울기의 베이스라인 호흡율 패턴과 비교하는 단계를 포함하며, 상기 발병을 예측하는 단계는 두 비교 모두에 응답하여 상기 발병을 예측하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 호흡을 감지하는 단계는 상기 대상의 호흡 소리들 및 상기 대상의 호흡기 기류(air-flow) 중 적어도 하나를 감지하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 임상 증상은 천식 발작(asthma attack)을 포함하며, 상기 증상의 발병을 예측하는 단계는 상기 천식 발작의 발병을 예측하는 단계를 포함한다.

실시예에서, 상기 호흡 패턴 및 상기 베이스라인 호흡 패턴은 각각의 낮은 기울기의 호흡율 패턴을 포함하며, 상기 호흡 패턴을 상기 베이스라인 호흡 패턴과 비교하는 단계는 상기 낮은 기울기의 호흡율 패턴을 상기 낮은 기울기의 베이스라인 호흡율 패턴과 비교하는 단계를 포함한다. 일부 애플리케이션에서, 상기 낮은 기울기의 베이스라인 호흡율 패턴은 적어도 1시간에 걸친 호흡율의 단조 감소를 포함하며, 상기 발병을 예측하는 단계는 상기 낮은 기울기의 호흡율 패턴과 상기 호흡율의 단조 감소 사이의 차이에 응답하여 상기 발병을 예측하는 단계를 포함한다.

실시예에서, 상기 호흡을 감지하는 단계는 상기 대상의 호흡 관련 신체 모션 데이터를 획득하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 신체 모션 데이터를 획득하는 단계는 상기 대상이 잠자고 있는 동안 상기 신체 모션 데이터를 획득하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 호흡 패턴을 결정하는 단계는 호흡 관련 이동 패턴을 결정하기 위해 상기 신체 모션 데이터를 분석하는 단계 및, 상기 호흡 관련 이동 패턴에 응답하여 상기 호흡 패턴을 결정하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 호흡 패턴을 결정하는 단계는 상기 신체 모션 데이터로부터 호흡과 관련되지 않은 모션 데이터를 제거하는 단계를 포함한다. 예를 들어, 상기 호흡과 관련되지 않은 모션 데이터를 제거하는 단계는 주파수 영역 스펙트럼 분석 또는 시간 영역 회귀분석과 같은 분석 기법들을 적용하는 단계를 포함한다.

실시예에서, 상기 신체 모션 데이터를 획득하는 단계는 상기 대상 또는 상기 대상이 입고 있는 옷과 접촉하지 않고 상기 신체 모션 데이터를 획득하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 임상 증상은 천식 발작을 포함하며, 상기 증상의 발병을 예측하는 단계는 천식 발작의 발병을 예측하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 호흡 관련 신체 모션 데이터를 획득하는 단계는 압력을 측정하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 압력을 측정하는 단계는 상기 대상이 누워 있는 매트리스에서 압력을 측정하는 단계를 포함한다. 대안으로 또는 부가적으로, 상기 압력을 측정하는 단계는 상기 대상이 누워 있는 매트리스 아래 또는 내부의 압력을 측정하는 단계를 포함한다. 추가의 대안으로, 또는 부가적으로, 상기 압력을 측정하는 단계는 상기 대상이 누워 있는 매트리스 덮개(가령, 시트, 매트리스 패드, 또는 매트리스 커버) 아래 또는 내부에서 압력을 측정하는 단계를 포함한다.

일부 애플리케이션에 대해, 상기 호흡 패턴은 호흡율 변화 패턴을 포함하며, 상기 베이스라인 호흡 패턴은 베이스라인 호흡율 변화 패턴을 포함하며, 상기 발병을 예측하는 단계는 상기 베이스라인 호흡율 변화 패턴과 비교하여 시간에 따른 호흡율 변화의 감소에 응답하여 상기 발병을 예측하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 적어도 하나의 호흡 패턴을 결정하는 단계는 상기 호흡율 변화 패턴 및 낮은 기울기의 호흡율 패턴을 결정하는 단계를 포함하며; 상기 호흡 패턴을 상기 베이스라인 호흡 패턴과 비교하는 단계는 상기 호흡율 변화 패턴을 상기 베이스라인 호흡율 변화 패턴과 비교하는 단계, 및 상기 낮은 기울기의 호흡율 패턴을 낮은 기울기의 베이스라인 호흡율 패턴과 비교하는 단계를 포함하며; 상기 발병을 예측하는 단계는 두 비교 모두에 응답하여 상기 발병을 예측하는 단계를 포함한다.

또한, 본 발명의 실시예에 따라,

임상 증상 동안 대상의 호흡을 감지하는 단계;

상기 감지된 호흡에 응답하여 상기 대상의 적어도 하나의 호흡 패턴을 결정하는 단계;

상기 호흡 패턴을 베이스라인 호흡 패턴과 비교하는 단계; 및

상기 비교에 응답하여 적어도 부분적으로 상기 증상의 진행을 추정하는 단계를 포함하는 방법이 제공된다.

일부 애플리케이션에 대해, 상기 호흡 패턴은 상기 대상의 호흡율 패턴을 포함하며, 상기 베이스라인 호흡 패턴은 베이스라인 호흡율 패턴을 포함하며, 상기 호흡 패턴을 상기 베이스라인 호흡 패턴과 비교하는 단계는 상기 호흡율 패턴을 상기 베이스라인 호흡율 패턴과 비교하는 단계를 포함한다.

일부 애플리케이션에 대해, 상기 진행을 추정하는 단계는 상기 대상의 연장된 흡기 시간 및/또는 상기 대상의 연장된 호기 시간에 응답하여 상기 진행을 추정하는 단계를 포함한다.

일부 애플리케이션에 대해, 상기 호흡 패턴은 흡기 및 호기의 연속적 세그먼트들을 포함하며, 상기 진행을 추정하는 단계는 상기 인스프리움 세그먼트들 및 상기 호기 세그먼트들 중 적어도 하나의 보다 큰 지속기간을 향한 기울기에 응답하여 상기 진행을 추정하는 단계를 포함한다.

실시예에서, 상기 임상 증상은 천식, 만성 폐쇄성 폐질환(COPD), 낭성 섬유증(cystic fibrosis, CF), CHF, 당뇨병, 및 간질로 이루어진 리스트에서 선택된 조건과 연관된 증상을 포함한다.

실시예에서, 상기 호흡 패턴은 호흡 듀티사이클 패턴을 포함하며, 상기 진행을 추정하는 단계는 대상의 호흡 듀티사이클의 증가에 응답하여 진행을 추정하는 단계를 포함한다.

일부 애플리케이션에 대해, 상기 대상의 호흡을 감지하는 단계는 씨근거림(wheezing)에 의해 생기는 소리, 및 기침에 의해 생기는 소리로 이루어진 리스트에서 선택된 적어도 하나의 호흡 관련 소리를 감지하는 단계를 포함하며, 상기 진행을 추정하는 단계는 상기 호흡 관련 소리의 특징(aspect)에 응답하여 상기 진행을 추정하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 임상 증상은 천식 발작을 포함하며, 상기 진행을 추정하는 단계는 상기 특징에 응답하여 상기 천식 발작의 진행을 추정하는 단계를 포함한다.

일부 애플리케이션에 대해, 상기 대상의 호흡을 감지하는 단계는 씨근거림에 의해 생기는 기계적 진동, 및 기침에 의해 생기는 기계적 진동으로 이루어진 리스트로부터 선택된 호흡 관련 기계적 진동의 적어도 하나의 유형을 감지하는 단계를 포함하며, 상기 진행을 추정하는 단계는 상기 호흡 관련 기계적 진동들의 특징에 응답하여 상기 진행을 추정하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 임상 증상은 천식 발작을 포함하며, 상기 진행을 추정하는 단계는 상기 특징에 응답하여 상기 천식 발작의 진행을 추정하는 단계를 포함한다.

실시예에서, 상기 호흡 패턴은 호흡율 변화 패턴을 포함하며, 상기 베이스라인 호흡 패턴은 베이스라인 호흡율 변화 패턴을 포함하며, 상기 진행을 추정하는 단계는 상기 베이스라인 호흡율 변화 패턴과 비교하여 시간에 따른 호흡율 변화의 감소에 응답하여 상기 진행을 추정하는 단계를 포함한다. 일부 애플리케이션에서, 상기 적어도 하나의 호흡 패턴을 결정하는 단계는 호흡율 변화 패턴 및 낮은 기울기의 호흡율 패턴을 결정하는 단계를 포함하며; 상기 호흡 패턴을 상기 베이스라인 호흡 패턴과 비교하는 단계는 상기 호흡율 변화 패턴을 상기 베이스라인 호흡율 변화 패턴과 비교하는 단계, 및 상기 낮은 기울기의 호흡율 패턴을 낮은 기울기의 베이스라인 호흡율 패턴과 비교하는 단계를 포함하며; 상기 진행을 추정하는 단계는 두 비교 모두에 응답하여 상기 진행을 추정하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 임상 증상은 천식 발작을 포함하며, 상기 증상의 진행을 추정하는 단계는 상기 천식 발작의 격렬함을 추정하는 단계를 포함한다.

실시예에서, 상기 호흡 패턴 및 상기 베이스라인 호흡 패턴은 각각의 낮은 기울기의 호흡율 패턴을 포함하며, 상기 호흡 패턴을 상기 베이스라인 호흡 패턴과 비교하는 단계는 상기 낮은 기울기의 호흡율 패턴을 상기 낮은 기울기의 베이스라인 호흡율 패턴과 비교하는 단계를 포함한다. 일부 애플리케이션에 대해, 상기 낮은 기울기의 베이스라인 호흡율 패턴은 적어도 1시간에 걸친 호흡율의 단조 감소를 포함하며, 상기 진행을 추정하는 단계는 상기 낮은 기울기의 호흡율 패턴과 상기 호흡율의 단조 감소 사이의 차이에 응답하여 상기 진행을 추정하는 단계를 포함한다.

실시예에서, 상기 호흡을 감지하는 단계는 상기 대상의 호흡 관련 신체 모션 데이터를 획득하는 단계를 포함한다. 몇몇 애플리케이션들을 위해, 호흡 패턴을 결정하는 단계는 호흡-관련 움직임 패턴을 결정하기 위해 신체 모션 데이터를 분석하는 단계 및 호흡-관련 움직임 패턴에 응답하여 호흡 패턴을 결정하는 단계를 포함한다.

일 실시예에서, 신체 모션 데이터를 획득하는 단계는 환자 또는 환자가 입은 옷들을 접촉하지 않고 신체 모션 데이터를 획득하는 단계를 포함한다. 몇몇 애플리케이션들을 위해, 임상 증상은 천식의 발병을 포함하며, 증상의 진행 정도를 평가하는 단계는 천식 발병의 심도를 평가하는 단계를 포함한다. 몇몇 애플리케이션들을 위해, 호흡-관련 신체 모션 데이터를 획득하는 단계는 압력을 측정하는 단계를 포함한다. 몇몇 애플리케이션들을 위해, 압력을 측정하는 단계는 환자가 누워 있는 매트리스에서의 압력을 측정하는 단계를 포함한다. 선택적으로 또는 부가적으로, 압력을 측정하는 단계는 환자가 누워 있는 매트리스 아래 또는 내부 압력을 측정하는 단계를 포함한다. 선택적으로 또는 부가적으로, 압력을 측정하는 단계는 환자가 누워 있는 매트리스 커버, 예를 들면, 시트, 매트리스 패드 또는 매트리스 커버 아래 또는 내부 압력을 측정하는 단계를 포함한다.

몇몇 애플리케이션들을 위해, 호흡 패턴은 호흡율 변화 패턴을 포함하고, 베이스라인 호흡 패턴은 베이스라인 호흡율 변화 패턴을 포함하며, 진행 정도를 평가하는 단계는 베이스라인 호흡율 변화 패턴과 비교할 때 시간에 따라 호흡율 변화가 감소하는데 응답하여 진행 정도를 평가하는 단계를 포함한다. 몇몇 애플리케이션들을 위해, 적어도 하나의 호흡 패턴을 결정하는 단계는 호흡율 변화 패턴 및 느린 경향의 호흡율 패턴을 결정하는 단계를 포함하고, 호흡 패턴을 베이스라인 호흡 패턴과 비교하는 단계는 호흡율 변화 패턴을 베이스라인 호흡율 변화 패턴과 비교하는 단계 및 느린 경향의 호흡율 패턴을 베이스라인 느린 경향의 호흡율 패턴과 비교하는 단계를 포함하며, 진행 정도를 평가하는 단계는 상기 2가지 비교들에 응답하여 진행 정도를 평가하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 일 방법이 추가로 제공되며, 상기 방법은,

환자의 호흡을 감지하는 단계;

상기 감지된 호흡에 응답하여 환자의 적어도 하나의 호흡 패턴을 결정하는 단계;

상기 비교에 적어도 부분적으로 응답하여 울혈성 심부전(CHF)과 연관된 이상 호흡 패턴을 검출하는 단계를 포함한다.

몇몇 애플리케이션들을 위해, 호흡 패턴을 결정하는 단계는 환자의 호흡율 패턴을 결정하는 단계를 포함하고, 호흡 패턴을 베이스라인 호흡 패턴과 비교하는 단계는 호흡율 패턴을 베이스라인 호흡율 패턴과 비교하는 단계를 포함한다.

몇몇 애플리케이션들을 위해, 이상 호흡 패턴을 검출하는 단계는 교대성 무호흡(CSR)을 검출하는 단계, 주기적인 호흡을 검출하는 단계, 및/또는 빈호흡을 검출하는 단계를 포함한다.

일 실시예에서, 호흡을 감지하는 단계는 환자의 호흡-관련 신체 모션 데이터를 획득하는 단계를 포함한다. 몇몇 애플리케이션들을 위해, 신체 모션 데이터를 획득하는 단계는 환자가 자고 있는 동안의 신체 모션 데이터를 획득하는 단계를 포함한다.

일 실시예에서, 신체 모션 데이터를 획득하는 단계는 환자 또는 환자가 입은 옷들을 접촉하지 않고 신체 모션 데이터를 획득하는 단계를 포함한다. 몇몇 애플리케이션들을 위해, 이상 호흡 패턴을 검출하는 단계는 교대성 무호흡(CSR)을 검출하는 단계, 주기적인 호흡 및/또는 빈호흡을 검출하는 단계를 포함한다.

몇몇 애플리케이션들을 위해, 호흡-관련 신체 모션 데이터를 획득하는 단계는 압력을 측정하는 단계를 포함한다. 몇몇 애플리케이션들을 위해, 압력을 측정하는 단계는 환자가 누워 있는 매트리스에서의 압력을 측정하는 단계를 포함한다. 선택적으로 또는 부가적으로, 압력을 측정하는 단계는 환자가 누워 있는 매트리스 아래 또는 내부 압력을 측정하는 단계를 포함한다. 선택적으로 또는 부가적으로, 압력을 측정하는 단계는 환자가 누워 있는 매트리스 커버, 예를 들면, 시트, 매트리스 패드 또는 매트리스 커버 아래 또는 내부 압력을 측정하는 단계를 포함한다.

환자의 호흡을 감지하는 단계;

상기 비교에 적어도 부분적으로 응답하여 상기 환자의 상태와 연관된 이상 호흡 패턴을 검출하는 단계를 포함하며, 상기 상태는 만성 폐쇄성 폐질환(COPD), 낭포성 섬유증(CF), 당뇨병 및 간질을 포함하는 리스트로부터 선택된다.

몇몇 애플리케이션들을 위해, 몇몇 애플리케이션들을 위해, 호흡 패턴을 결정하는 단계는 환자의 호흡율 패턴을 결정하는 단계를 포함하고, 호흡 패턴을 베이스라인 호흡 패턴과 비교하는 단계는 호흡율 패턴을 베이스라인 호흡율 패턴과 비교하는 단계를 포함한다.

일 실시예에서, 신체 모션 데이터를 획득하는 단계는 환자 또는 환자가 입은 옷들을 접촉하지 않고 신체 모션 데이터를 획득하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 임상 증상의 발명을 예측하기 위한 장치가 추가로 제공되며, 상기 장치는,

환자의 호흡을 감지하고, 그에 응답하여 신호를 발생하도록 사용되는 호흡 센서; 및

상기 신호를 수신하고, 상기 신호에 응답하여 상기 환자의 적어도 하나의 호흡 패턴을 결정하고, 상기 호흡 패턴을 베이스라인 호흡 패턴과 비교하며, 상기 비교에 적어도 부분적으로 응답하여 상기 증상의 발병을 예측하도록 사용되는 제어 유닛을 포함한다.

본 발명의 일 실시예에 따라, 일 장치가 추가로 제공되며, 상기 장치는,

임상 증상 동안 환자의 호흡을 감지하고, 그에 응답하여 신호를 발생하도록 사용되는 호흡 센서; 및

상기 신호를 수신하고, 상기 신호에 응답하여 상기 환자의 적어도 하나의 호흡 패턴을 결정하고, 상기 호흡 패턴을 베이스라인 호흡 패턴과 비교하며, 상기 비교에 적어도 부분적으로 응답하여 상기 증상의 진행 정도를 평가하도록 사용되는 제어 유닛을 포함한다.

상기 신호를 수신하고, 상기 신호에 응답하여 상기 환자의 적어도 하나의 호흡 패턴을 결정하고, 상기 호흡 패턴을 베이스라인 호흡 패턴과 비교하며, 상기 비교에 적어도 부분적으로 응답하여 울혈성 심부전(CHF)과 연관된 이상 호흡 패턴을 검출하도록 사용되는 제어 유닛을 포함한다.

상기 신호를 수신하고, 상기 신호에 응답하여 상기 환자의 적어도 하나의 호흡 패턴을 결정하고, 상기 호흡 패턴을 베이스라인 호흡 패턴과 비교하며, 상기 비교에 적어도 부분적으로 응답하여 상기 환자의 상태와 연관된 이상 호흡 패턴을 검출하도록 사용되는 제어 회로 포함하며, 상기 상태는 만성 폐쇄성 폐질환(COPD), 낭포성 섬유증(CF), 당뇨병 및 간질을 포함하는 리스트로부터 선택된다.

본 발명의 일 실시예에 따라, 임상 증상 예측 및 평가를 위한 방법이 추가로 제공되며, 상기 방법은,

밤에 자고 있는 동안 호흡율 변화 패턴들을 측정하는 단계;

상기 호흡율 변화 패턴들을 정상 호흡율 변화 패턴들과 비교하는 단계; 및

임박하는 임상 증상 또는 진행중인 증상의 진행 정도 또는 심도의 가능성을 결정하는 단계를 포함한다.

몇몇 애플리케이션들을 위해, 호흡율 변화 패턴들을 측정하는 단계는 복합적인 신체 움직임 신호의 측정 및 상기 복합적인 신체 움직임 신호로부터의 주기적인 호흡-관련 움직임 신호의 추출에 의해 실행된다. 선택적으로, 호흡율 변화 패턴들을 측정하는 단계는 입 및/또는 코로부터 호흡의 공기 흐름의 측정에 의해 실행된다. 선택적으로, 호흡율 변화 패턴들을 측정하는 단계는 가슴, 등, 목 및/또는 얼굴로부터의 공기 방향 및 폐의 소리의 음향 측정에 의해 실행된다.

몇몇 애플리케이션들을 위해, 상기 정상 호흡율 패턴들은 비-증상 주기들 동안 환자로부터 추출된다. 몇몇 애플리케이션들을 위해, 정상 호흡율 패턴들은 나이, 신장, 체중 및/또는 성별의 유사 특성을 가지는 정상의 건강한 환자들의 평균 패턴으로부터 추출된다.

몇몇 애플리케이션들을 위해, 상기 호흡율 변화 패턴들은 (1) 그 일반적인 간격들이 수 초에서 수 분의 범위를 가지는 주기적인 패턴들, 및/또는 (2) 일반적으로 수 시간이 걸리는, 분할되고 단조롭게 감소하는 호흡 패턴의 느린 경향들을 포함한다.

몇몇 애플리케이션들을 위해, 상기 비교 단계는 상기 정상 호흡율 변화 패턴들로부터 상기 호흡율 변화 패턴들의 편차 정도의 계산에 기초한다.

일 실시예에서, 임상 증상은 임상적인 천식 증상이다.

몇몇 애플리케이션들에 대해, 상기 임상 증상은 당뇨병, 심장 조건, 신경학적 무질서, 또는 간질과 같이, 호흡율 패턴들에 영향을 주는 임의의 만성 질병에 관련된다.

본 발명의 일 실시예에 따라, 임상 증상 평가 및 예측을 위한 장치가 추가로 제공되며, 상기 장치는,

호흡을 측정하는 호흡 센서;

상기 호흡 센서의 출력 신호를 증폭하는 증폭기;

상기 증폭기 출력을 디지털화하는 A/D 카드;

호흡율 패턴들을 추출하여 상기 패턴들을 정상 패턴들과 비교하는 프로세서; 및

상기 비교 결과를 숫자, 문자, 또는 그래픽 디스플레이에 표시하거나 상기 결과들을 임상 추적 센터에 전송하는 출력 디바이스를 포함한다.

몇몇 애플리케이션들을 위해, 호흡 센서는 침대 매트리스 아래 또는 내부에 설치된 모션-감지 센서로 구현된다. 선택적으로, 호흡 센서는 환자의 얼굴을 목표로 하는 공기 흐름 검출기로 구현된다. 선택적으로, 호흡 센서는 환자의 얼굴, 가슴 또는 등을 목표로 하거나 이에 부착된 음향 검출기로 구현된다.

환자 또는 환자가 입은 옷들을 접촉하거나 관찰하지 않고 환자의 모션-관련 파라미터를 감지하는 단계;

상기 모션-관련 파라미터로부터 심장박동- 및 호흡-관련 신호들을 유도하는 단계; 및

상기 호흡-관련 신호를 사용하여 상기 심장박동-관련 신호를 복조하는 단계를 포함한다.

몇몇 애플리케이션들을 위해, 심장박동-관련 신호를 복조하는 단계는 심장박동-관련 신호에 호흡-관련 신호를 곱하는 단계를 포함한다. 몇몇 애플리케이션들을 위해, 심장박동- 및 호흡-관련 신호를 유도하는 단계는 각각 심장박동- 및 호흡-관련 주파수 범위들에서 모션-관련 신호들을 필터링하는 단계를 포함한다. 몇몇 애플리케이션들에 대해, 심장박동-관련 주파수 범위는 0.8Hz 내지 5Hz이다. 몇몇 애플리케이션들에 대해, 호흡-관련 주파수 범위는 0.05Hz 내지 0.8Hz이다.

본 발명의 실시예에 따라, 임신 중인 대상의 태아의 심장박동을 측정하기 위한 방법이 추가적으로 제공되고, 다음을 포함한다:

상기 대상 또는 상기 대상이 입고 있는 옷들과 접촉되거나 이들을 보지 않으면서, 상기 임신 중인 대상의 모션-관련 파라미터를 감지하는 단계; 및

상기 모션-관련 파라미터로부터 태아의 심장박동을 유도하는 단계를 포함한다.

일 실시예에서, 상기 모션-관련 파라미터를 감지하는 단계는 상기 대상이 누워있는 안락(reclining) 표면 내, 그 상부 또는 그 아래의 압력을 측정하는 단계를 포함한다.

일 실시예에서, 상기 방법은 태아 모니터에 의해 생성되는 음향을 시뮬레이션함으로써 상기 유도되는 태아의 심장박동의 음향 신호를 생성하는 단계를 포함한다.

몇몇 애플리케이션들에 대해, 상기 방법은 상기 유도되는 태아 심장박동을 분석함으로써 태아 심박수 변화의 척도를 결정하는 단계를 포함한다. 몇몇 애플리케이션들에 대해, 상기 태아 심장박동을 유도하는 단계는 태아 심장박동 및 산모 심장박동 모두를 나타내는 상기 모션-관련 파라미터로부터 제 1 신호를 유도하는 단계, 및 상기 제 1 신호로부터, 상기 태아 심장박동을 나타내고 상기 산모 심장박동을 나타내지 않는 제 2 신호를 유도하는 단계를 포함한다.

몇몇 애플리케이션들에 대해, 상기 태아 심장박동을 유도하는 단계는, 모션-관련 파라미터로부터, (a) 산모의 호흡-관련 신호 및 (b) 태아의 심장박동-관련 신호를 유도하는 단계; 및 상기 산모의 호흡-관련 신호를 이용하여 상기 태아의 심장박동-관련 신호를 복조하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 임신 중인 대상의 태아의 움직임을 모니터링하기 위한 방법이 제공되며, 다음을 포함한다:

상기 모션-관련 파라미터로부터 상기 태아의 운동의 측정값을 유도하는 단계를 포함한다.

일 실시예에서, 상기 모션-관련 파라미터를 감지하는 단계는 대상이 누워 있는 안락 표면 내, 그 상부, 또는 그 아래의 압력을 측정하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 다음을 포함하는 방법이 부가적으로 제공된다:

대상이 취침하고 있는 동안 대상의 적어도 하나의 파라미터를 감지하는 단계;

상기 파라미터를 분석하는 단계;

상기 분석에 응답하여 적어도 부분적으로 임상 증상의 발병을 예측하는 단계; 및

상기 대상이 깨어난 이후에만 상기 예측된 발병을 상기 대상에게 경고하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 임상 증상의 발병을 예측하기 위한 방법이 부가적으로 제공되며, 다음을 포함한다:

대상의 호흡-관련 시간-영역 신호를 획득하는 단계;

상기 시간-영역 신호를 주파수-영역 신호로 변환하는 단계;

상기 주파수-영역 신호의 호흡-관련 주파수 범위내의 피크를 식별함으로써 상기 대상의 호흡율을 결정하는 단계;

상기 피크 주파수의 하나 이상의 고조파들을 결정하는 단계;

(a) 상기 하나 이상의 고조파들 중 하나와 연관된 에너지 레벨, 및 상기 피크의 주파수와 연관된 에너지 레벨로 이루어진 리스트에서 선택된 제 1 에너지 레벨, 및 (b) 상기 하나 이상의 고조파들 중 하나와 연관된 제 2 에너지 레벨 사이의 관계를 결정하는 단계;

상기 관계를 상기 관계의 베이스라인 레벨과 비교하는 단계; 및

상기 비교에 응답하여 적어도 부분적으로 상기 증상의 발병을 예측하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 혈압을 모니터링하기 위한 방법이 부가적으로 제공되며, 다음을 포함한다:

대상 또는 대상이 입고 있는 옷들과 접촉되거나 이들을 보지 않으면서, 대상의 모션-관련 파라미터를 감지하는 단계; 및

상기 대상의 혈압의 측정값을 결정하기 위해 상기 파라미터를 분석하는 단계를 포함한다.

몇몇 애플리케이션들에 대해, 상기 모션-관련 파라미터를 감지하는 단계는 상기 대상 또는 상기 대상이 입고 있는 옷들과 접촉되거나 이들을 보지 않으면서, 상기 대상의 제 1 지점 및 제 2 지점에 인접하여, 상기 대상의 제 1 및 제 2 모션-관련 파라미터를 각각 감지하는 단계를 포함한다.

또한, 본 발명의 일 실시예에 따라, 대상을 치료하기 위한 방법이 제공되며, 다음을 포함한다:

대상 또는 대상이 입고 있는 옷들과 접촉되거나 이들을 보지 않으면서, 대상의 모션-관련 파라미터를 감지하는 단계;

상기 파라미터를 분석하는 단계;

상기 분석에 적어도 부분적으로 응답하여, 상기 대상에 대한 관리를 위해 약품의 초기 복용량(dosage)을 결정하는 단계; 및

상기 대상에 의해 사용되는 약품 관리 장치에 상기 초기 복용량을 통신하는 단계를 포함한다.

몇몇 애플리케이션들에 대해, 상기 파라미터를 분석하는 단계는, 다음을 포함한다:

상기 통신되는 초기 복용량에서 상기 약품 관리 장치에 의해 관리되는 약품의 임상 효과를 분석하는 단계;

상기 분석에 응답하여, 업데이트된 복용량이 상기 초기 복용량과 상이한, 상기 약품의 업데이트된 복용량을 결정하는 단계; 및

상기 업데이트된 복용량을 상기 약품 관리 장치로 통신하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 임상 증상의 발병을 예측하기 위한 방법이 추가적으로 제공되며, 다음을 포함한다:

대상의 적어도 하나의 파라미터를 감지하는 단계;

상기 파라미터를 분석하는 단계;

상기 대상에 대해 관리되는 약품에 관한 데이터를 수신하는 단계; 및

조합되는 상기 분석 및 상기 약품 관리 데이터에 응답하여, 적어도 부분적으로 임상 증상의 발병을 예측하는 단계를 포함한다.

몇몇 애플리케이션들에 대해, 상기 약품 관리 데이터를 수신하는 단계는, 상기 대상에 대한 약품을 관리하는 약품 관리 장치로부터 상기 약품 관리 데이터를 수신하는 단계를 포함한다. 몇몇 애플리케이션들에 대해, 상기 약품 관리 데이터는 상기 약품의 복용량을 포함한다. 몇몇 애플리케이션들에 대해, 상기 적어도 하나의 파라미터를 감지하는 단계는 상기 대상이 취침하고 있는 동안 상기 적어도 하나의 파라미터를 감지하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 임상 증상을 치료하기 위한 방법이 추가적으로 제공되며, 다음을 포함한다:

대상 또는 대상이 입고 있는 옷들에 접촉되거나 이들을 보지 않으면서, 대상의 적어도 하나의 파라미터를 감지하는 단계;

상기 파라미터를 분석하는 단계;

상기 분석에 응답하여, 적어도 부분적으로 임상 증상을 검출하는 단계; 및

상기 임상 증상 검출에 응답하여, 상기 대상에 주입되는 장치를 이용하여 상기 임상 증상을 치료하는 단계를 포함한다:

대상 또는 대상이 입고 있는 옷들과 접촉되거나 이들을 보지 않으면서, 상기 대상이 취침하고 있는 동안 대상의 적어도 하나의 파라미터를 감지하는 단계; 및

상기 대상의 불안정(restlessness)의 척도를 결정하기 위해 상기 파라미터를 분석하는 단계를 포함한다.

일 실시예에서, 상기 적어도 하나의 파라미터는 상기 대상의 적어도 하나의 모션-관련 파라미터를 포함하고, 상기 적어도 하나의 파라미터를 감지하는 단계는 상기 적어도 하나의 모션-관련 파라미터를 감지하는 단계를 포함한다.

대상 또는 대상이 입고 있는 옷들과 접촉되거나 이들을 보지 않으면서, 대상이 취침하고 있는 동안 대상의 적어도 하나의 파라미터를 감지하는 단계; 및

상기 파라미터를 분석함으로써, 상기 대상의 수면중 주기적 사지운동(PLMS)을 검출하는 단계를 포함한다.

상기 대상이 누워 있는 안락 표면 내에 또는 그 아래에 배치된 정확히 하나의 센서를 이용하여, 대상의 적어도 하나의 파라미터를 감지하는 단계 - 상기 센서는 상기 대상 또는 상기 대상이 입고 있는 옷들과 접촉되지 않음 -; 및

상기 파라미터를 분석함으로써 상기 대상의 기침(coughing)을 검출하는 단계를 포함한다.

또한, 본 발명의 일 실시예에 따라, 천식 발작의 발병을 예측하기 위한 방법이 제공되며, 다음을 포함한다:

대상의 호흡을 감지하는 단계;

상기 대상의 심장박동을 감지하는 단계;

상기 감지된 호흡에 응답하여 상기 대상의 적어도 하나의 호흡 패턴, 및 상기 감지된 심장박동에 응답하여 상기 대상의 적어도 하나의 심장 패턴을 결정하는 단계;

상기 호흡 패턴을 베이스라인 호흡 패턴과 비교하고, 상기 심장 패턴을 베이스라인 심장 패턴과 비교하는 단계; 및

상기 비교들에 응답하여 적어도 부분적으로 상기 천식 발작의 발병을 예측하는 단계를 포함한다.

일 실시예에서, 상기 적어도 하나의 호흡 패턴과 상기 적어도 하나의 심장 패턴을 결정하는 단계는 상기 대상의 적어도 하나의 호흡율 패턴과 상기 대상의 적어도 하나의 심박수 패턴을 각각 결정하는 단계를 포함하고; 상기 호흡 패턴을 상기 베이스라인 호흡 패턴과 비교하는 단계는 상기 호흡율 패턴을 베이스라인 호흡율 패턴과 비교하는 단계를 포함하며; 상기 심장 패턴을 상기 베이스라인 심장 패턴과 비교하는 단계는 상기 심박수 패턴을 베이스라인 심박수 패턴과 비교하는 단계를 포함한다.

일 실시예에서, 상기 호흡과 상기 심장박동을 감지하는 단계는 상기 대상의 적어도 하나의 모션-관련 파라미터를 감지하는 단계, 및 상기 모션-관련 파라미터로부터 상기 호흡과 상기 심장박동을 유도하는 단계를 포함한다. 몇몇 애플리케이션들에 대해, 상기 방법은 상기 모션-관련 파라미터로부터 적어도 하나의 부가적인 생리학적(physiological) 파라미터를 유도하는 단계를 포함하고, 상기 발병을 예측하는 단계는 상기 비교와 상기 부가적인 생리학적 파라미터에 응답하여, 적어도 부분적으로 상기 발병을 예측하는 단계를 포함한다. 몇몇 애플리케이션들에 대해, 상기 부가적인 생리학적 파라미터는, 상기 대상의 기침들의 측정, 상기 대상의 호기(expiration) 대 흡기(inspiration) 시간의 비율, 상기 대상의 혈압, 상기 대상의 취침 동안 불안정상태의 측정, 및 상기 대상의 취침 동안 각성(arousal)들의 측정으로 이루어진 리스트로부터 선택된다.

본 발명의 일 실시예에 따라, 천식 발작의 발병을 예측하기 위한 방법이 추가적으로 제공되며, 다음을 포함한다:

대상의 호흡을 감지하는 단계;

상기 감지된 호흡에 응답하여, 상기 대상의 적어도 하나의 호흡 패턴을 결정하는 단계;

상기 호흡 패턴과 베이스라인 호흡 패턴을 비교하는 단계;

상기 대상의 기침의 측정값을 결정하는 단계; 및

상기 비교 및 상기 기침의 측정값에 응답하여 적어도 부분적으로 상기 천식 발작의 발병을 예측하는 단계를 포함한다.

또한, 울혈성 심부전(CHF)과 연관된 증상의 발병을 예측하기 위한 방법이 추가적으로 제공되며, 다음을 포함한다:

대상의 호흡을 감지하는 단계;

상기 대상의 혈압을 감지하는 단계;

상기 비교와 상기 혈압에 응답하여 적어도 부분적으로 상기 증상의 발병을 예측하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 대상의 심박수를 결정하기 위한 방법이 부가적으로 제공되며, 다음을 포함한다:

대상 또는 대상이 입고 있는 옷들과 접촉됨이 없이, 상기 대상의 흉부, 및 상기 대상의 복부로부터 선택된 상기 대상의 제 1 위치에 인접하여 상기 대상의 제 1 맥박(pulse) 신호를 감지하는 단계;

상기 대상 또는 상기 대상이 입고 있는 옷들에 접촉됨이 없이, 상기 대상의 허리 아래에서 해부학용으로 상기 대상의 제 2 위치에 인접하여 상기 대상의 제 2 맥박 신호를 감지하는 단계; 및

상기 제 1 및 제 2 맥박 신호에 응답하여 상기 심박수를 결정하는 단계를 포함한다.

몇몇 애플리케이션들에 대해, 상기 심박수를 결정하는 단계는 상기 제 1 및 제 2 맥박 신호의 교차 상관관계 신호를 계산하는 단계, 및 상기 교차 상관관계 신호의 주파수가 되는 상기 심박수를 결정하는 단계를 포함한다. 몇몇 애플리케이션들에 대해, 상기 대상의 제 2 위치는 상기 대상의 다리들에 인접한 위치를 포함한다.

일 실시예에서, 상기 제 1 및 제 2 맥박 신호를 감지하는 단계는 상기 대상 또는 상기 대상이 입고 있는 옷들과 접촉되거나 이들을 보지 않으면서, 상기 제 1 및 제 2 맥박 신호를 감지하는 단계를 포함한다.

소정의 응용의 경우, 제1 맥박 신호를 감지하는 단계는 제1 위치 근처의 대상의 제1 모션 관련 파라미터를 감지하는 단계, 및 상기 제1 모션 관련 파라미터로부터 제1 맥박 신호를 유도하는 단계를 포함하며, 제2 맥박 신호를 감지하는 단계는 상기 제2 위치 부근의 대상의 제2 모션 관련 파라미터를 감지하는 단계, 및 상기 제2 모션 관련 파라미터로부터 제2 맥박 신호를 유도하는 단계를 포함한다.

소정의 응용의 경우, 상기 방법은 심박수에 기초하여 임상 증상의 발병을 예측하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 대상 또는 대상이 입고 있는 옷과 접촉하거나 관찰하지 않고, 대상의 제1 위치 및 제2 위치 부근에서 대상의 제1 및 제2 모션 관련 파라미터들을 각각 감지하는 단계;

각각 제1 및 제2 모션 관련 파라미터들로부터 제1 및 제2 호흡 관련 신호들을 유도하는 단계; 및

대상의 가슴배 불일치(thoracoabdominal asynchrony(TAA))의 정도를 결정하기 위해 제1 및 제2 호흡 관련 신호들을 분석하는 단계를 포함하는 방법이 또한 제공된다.

소정의 응용의 경우, 제1 및 제2 호흡 관련 신호들을 분석하는 단계는 제1 호흡 관련 신호와 제2 호흡 관련 신호 사이의 위상 편이를 계산하는 단계를 포함한다.

소정의 응용의 경우, 제1 위치는 대상의 흉부를 포함하고, 제2 위치는 대상의 복부를 포함하며, 감지 단계는 흉부와 복부 부근에서 제1 및 제2 모션 관련 파라미터들을 포함한다.

본 발명의 실시예에 따라, 대상 또는 대상이 입고 있는 옷과 접촉하거나 관찰하지 않고, 대상의 제1 위치 및 제2 위치 부근에서 대상의 제1 및 제2 모션 관련 파라미터들을 각각 감지하는 단계;

대상의 보조근 운동(accessory muscle activity)의 정도를 결정하기 위해 제1 및 제2 호흡 관련 신호들을 분석하는 단계를 포함하는 방법이 또한 제공된다.

소정의 응용의 경우, 제1 및 제2 호흡 관련 신호들을 분석하는 단계는 제1 및 제2 호흡 관련 신호들의 비를 계산하는 단계를 포함한다. 소정의 응용의 경우, 제1 위치는 환자의 흉부를 포함하고, 제2 위치는 대상의 복부를 포함하며, 감지 단계는 흉부와 복부 부근에서 각각 제1 및 제2 모션 관련 파라미터를 감지하는 단계를 포함한다.

본 발명의 실시예에 따라, 상이한 각각의 제1 및 제2 임계치들을 설정하는 단계;

대상 및 대상이 입고 있는 옷을 접촉 및 관찰하지 않고 대상의 적어도 하나의 파라미터를 감지하는 단계;

스코어를 생성하기 위해 파라미터를 분석하는 단계;

만일 스코어가 제1 및 제2 임계치 사이에 있는 경우, 예측된 발병의 임상 증상을 나타내는 제1 출력을 생성하는 단계; 및

만일 스코어가 제2 임계치를 초과하는 경우, 현재 발생하는 임상 증상을 나타내는 제2 출력을 생성하는 단계를 포함하는, 대상을 모니터링하는 방법이 제공된다.

소정의 응용의 경우, 적어도 하나의 파라미터를 감지하는 단계는 대상 및 대상이 입고 있는 옷을 접촉 및 관찰하지 않고 대상의 다수의 파라미터를 감지하는 단계를 포함하며, 스코어를 생성하기 위해 파라미터를 분석하는 단계는 스코어를 생성하기 위해 다수의 파라미터를 분석하는 단계를 포함한다.

소정의 응용의 경우, 파라미터는 대상의 호흡 관련 파라미터를 포함하며, 파라미터를 분석하는 단계는 파라미터에 기초하여 대상의 적어도 하나의 호흡 패턴을 결정하는 단계, 및 호흡 패턴을 베이스라인 호흡 패턴과 비교하는 단계를 포함한다.

소정의 응용의 경우, 적어도 하나의 파라미터는 대상의 적어도 하나의 모션 관련 파라미터를 포함하며, 적어도 하나의 파라미터를 감지하는 단계는 적어도 하나의 모션 관련 파라미터를 감지하는 단계를 포함한다.

본 발명의 실시예에 따라, 대상 또는 대상이 입고 있는 옷을 접촉 또는 관찰하지 않고 대상의 적어도 하나의 파라미터를 감지하는 단계;

흡기(inspiration)/호기(expiration) 주기에 걸쳐 대상의 혈압 변화의 정도를 생성하기 위해 파라미터를 분석하는 단계;

혈압 변화의 정도를 임계치와 비교하는 단계; 및

상기 정도가 임계치보다 큰 경우, 기이맥(pulsus paradoxus)을 진단하는 단계를 포함하는, 대상의 기이맥을 진단하는 방법이 또한 제공된다.

일 실시예에서, 적어도 하나의 파라미터는 대상의 적어도 하나의 모션 관련 파라미터를 포함하며, 적어도 하나의 파라미터를 감지하는 단계는 적어도 하나의 모션 관련 파라미터를 감지하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 대상 또는 대상이 입고 있는 옷을 접촉 또는 관찰하지 않고 대상의 적어도 하나의 파라미터를 감지하는 단계; 및

감지된 파라미터에 기초하여 적어도 부분적으로 천식 발병을 예측하는 단계를 포함하는, 천식 발병을 예측하는 방법이 또한 제공된다.

소정의 응용의 경우, 발병을 예측하는 단계는 대상 또는 대상의 간병인이 발병을 인식하기 전에, 발병을 예측하는 단계를 포함한다.

소정의 경우, 발병을 예측하는 단계는 천식 발작의 이전 발생을 분석함으로써 파라미터와 관련한 대상 특정 데이터를 생성하는 단계, 및 데이터에 기초하여 적어도 부분적으로 발병을 예측하는 단계를 포함한다.

소정의 응용의 경우, 발병을 예측하는 단계는 대상의 불안정의 정도를 결정하는 단계, 및 불안정의 정도에 적어도 부분적으로 기초하여 발병을 예측하는 단계를 포함한다. 택일적으로 또는 부가적으로, 상기 방법은 대상의 기침 정보를 결정하는 단계, 및 감지된 파라미터 및 기침 정도에 기초하여 적어도 부분적으로 발병을 예측하는 단계를 포함한다.

일 실시예에서, 적어도 하나의 파라미터를 감지하는 단계는 인간의 적응(compliance)을 필요로 하지 않고 적어도 하나의 파라미터를 감지하는 단계를 포함한다. 소정의 응용의 경우, 적어도 하나의 파라미터를 감지하는 단계는 대상이 잠자는 동안 적어도 하나의 파라미터를 감지하는 단계를 포함한다. 일 실시예에서, 상기 방법은 대상이 깨어난 후, 대상에게 예측된 발병을 경고하는 단계를 포함한다.

일 실시예에서, 적어도 하나의 파라미터는 대상의 적어도 하나의 호흡 관련 파라미터를 포함하며, 적어도 하나의 파라미터를 감지하는 단계는 적어도 하나의 호흡 관련 파라미터를 감지하는 단계를 포함한다. 소정의 응용의 경우, 적어도 하나의 파라미터는 대상의 적어도 하나의 심박수 관련 파라미터를 포함하며, 적어도 하나의 파라미터를 감지하는 단계는 적어도 하나의 심박수 관련 파라미터를 감지하는 단계를 포함하며, 천식 발작의 발병을 예측하는 단계는 호흡 관련 및 심박수 관련 파라미터에 기초하여 적어도 부분적으로 천식 발작의 발병을 예측하는 단계를 포함한다.

소정의 응용의 경우, 발병을 예측하는 단계는 감지된 호흡 관련 파라미터에 기초하여 대상의 적어도 하나의 호흡 패턴을 결정하는 단계, 호흡 패턴을 베이스라인 호흡 패턴과 비교하는 단계, 및 상기 비교에 기초하여 적어도 부분적으로 발병을 예측하는 단계를 포함한다.

일 실시예에서, 적어도 하나의 파라미터를 감지하는 단계는 대상이 누워 기대고 있는 표면에서, 위에서, 또는 아래에서 압력을 측정하는 단계를 포함한다. 소정의 응용의 경우, 적어도 하나의 파라미터를 감지하는 단계는 기대고 있는 표면에, 위에 또는 아래에 위치한 엄밀히 하나의 센서를 사용하여 압력을 측정하는 단계를 포함한다.

감지된 파리미터에 기초하여 적어도 부분적으로 증상의 시작을 예측하는 단계를 포함하는, 울혈성 심부전증(CHF:congestive heart failure)과 관련된 증상의 시작을 예측하는 방법이 또한 제공된다.

일 실시예에서, 적어도 하나의 파라미터는 대상의 적어도 하나의 모션 관련 파라미터를 포함하며, 적어도 하나의 파라미터를 감지하는 단계는 적어도 하나의 모션 관련 파라미터를 포함한다.

일 실시예에서, 적어도 하나의 파라미터를 감지하는 단계는 대상이 누워 기대고 있는 표면에서, 위에서 또는 아래에서 압력을 측정하는 단계를 포함한다.

소정의 응용의 경우, 적어도 하나의 파라미터를 감지하는 단계는 대상이 잠자는 동안 적어도 하나의 파라미터를 감지하는 단계를 포함한다.

일 실시예에서, 적어도 하나의 파라미터를 감지하는 단계는 대상의 호흡 관련 파라미터, 및 대상의 혈압을 감지하는 단계를 포함하며, 발병을 예측하는 단계는 호흡 관련 파라미터 및 혈압에 기초하여 적어도 부분적으로 발병을 예측하는 단계를 포함한다. 소정의 응용의 경우, 적어도 하나의 파라미터를 감지하는 단계는 인간의 적응을 필요로 하지 않고 적어도 하나의 파라미터를 감지하는 단계를 포함한다.

본 발명의 실시예에 따라, 대상의 적어도 하나의 파라미터를 감지하는 단계; 및

대상의 호흡율이 대상의 베이스라인 무증상 호흡의 120%보다 작은 동안, 감지된 파라미터에 기초하여 적어도 부분적으로 임상 증상의 발병을 예측하는 단계를 포함한다.

일 실시예에서, 적어도 하나의 파라미터를 감지하는 단계는 대상 또는 대상이 입고 있는 옷을 접촉 또는 관찰하지 않고 적어도 하나의 파라미터를 감지하는 단계를 포함한다.

일 실시예에서, 임상 증상은 천식 발작을 포함하며, 임상 증상의 발병을 예측하는 단계는 천식 발작의 발병을 예측하는 단계를 포함한다.

소정의 응용에서, 발병을 예측하는 단계는 호흡율이 베이스라인 무증상 호흡율의 105%보다 작은 것처럼, 베이스라인 무증상 호흡율의 110%보다 작은 동안 발병을 예측하는 단계를 포함한다.

본 발명의 일 실시예에 따라, 대상의 적어도 하나의 파라미터를 감지하는 단계; 및

대상의 1초량(Forced Expiratory Volume in One Second)이 대상의 베이스라인 무증상 FEV1의 90%보다 큰 동안, 감지된 파라미터에 기초하여 적어도 부분적으로 천식 발작의 발병을 예측하는 단계를 포함하는, 천식 발병을 예측하는 방법이 또한 제공된다.

소정의 응용의 경우, 적어도 하나의 파라미터를 감지하는 단계는 대상 또는 대상이 입고 있는 옷을 접촉 및 관찰하지 않고 적어도 하나의 파라미터를 감지하는 단계를 포함한다.

임상 증상의 발병 적어도 1시간 전에, 감지된 파라미터에 기초하여 적어도 부분적으로 발병을 예측하는 단계를 포함하는 임상 증상의 발병을 예측하는 방법이 또한 제공된다.

소정의 응용에서, 적어도 하나의 파라미터를 감지하는 단계는 대상 또는 대상이 입고 있는 옷을 접촉 또는 관찰하지 않고 대상의 적어도 두 개의 파라미터를 감지하는 단계, 및 발병을 예측하는 단계는 상기 감지된 파라미터들에 기초하여 적어도 부분적으로 발병을 예측하는 단계를 포함한다.

소정의 응용의 경우, 발병을 예측하는 단계는 발병에 앞서 적어도 4시간 전에 발병을 예측하는 단계를 포함한다.

소정의 응용의 경우, 적어도 하나의 파라미터를 감지하는 단계는 적어도 1시간의 시간주기를 갖는 주기 동안 실질적으로 연속적으로 적어도 하나의 파라미터를 감지하는 단계를 포함한다.

소정의 응용의 경우, 임상 증상은 천식 발작을 포함하며, 임상 증상의 발병을 예측하는 단계는 천식 발작의 발병을 예측하는 단계를 포함한다.

본 발명의 실시예에 따라, 임상 증상의 발병을 예측하는 방법은, 적어도 1시간의 시간주기를 갖는 주기 동안 실질적으로 연속적으로 대상의 적어도 하나의 파라미터를 감지하는 단계; 및

임상 증상의 발병에 앞서 적어도 1시간 전에, 감지된 파라미터에 기초하여 적어도 부분적으로 예측하는 단계를 포함한다.

소정의 응용의 경우, 적어도 하나의 파라미터를 감지하는 단계는 주기 동안 실질적으로 연속적으로 대상의 적어도 두 파라미터를 감지하는 단계를 포함하며, 발병을 예측하는 단계는 감지된 파라미터에 기초하여 적어도 부분적으로 발병을 예측하는 단계를 포함한다.

일 실시예에서, 임상증상은 천식 발작을 포함하며, 임상증상의 발병을 예측하는 단계는 천식 발작의 발병을 예측하는 단계를 포함한다.

일부 응용들에 대하여, 발병을 예측하는 단계는 발병전 적어도 4시간내에 발병을 예측하는 단계를 포함한다.

일부 응용들에 대하여, 주기는 적어도 4시간의 기간이며, 적어도 하나의 파라미터를 감지하는 단계는 적어도 4시간의 시간주기를 갖는 주기 동안 거의 연속적으로 적어도 하나의 파라미터를 감지하는 단계를 포함한다.

본 발병의 실시예에 따르면, 임상증상의 발병을 예측하는 방법은,

환자가 밤에 잠자는 시간의 적어도 80%동안 거의 연속적으로 환자의 적어도 하나의 파라미터를 감지하는 단계; 및

감지된 파라미터에 적어도 부분적으로 응답하여, 발병전 적어도 1시간내에 임상증상의 발병을 예측하는 단계를 포함한다.

일부 응용들에 대하여, 적어도 하나의 파라미터를 감지하는 단계는 주기의 80%동안 거의 연속적으로 환자의 적어도 2개의 파라미터들을 감지하는 단계, 및 감지된 파라미터들에 적어도 부분적으로 응답하여 발병을 예측하는 단계를 포함한다. 일 실시예에서, 임상증상은 천식 발작을 포함하며, 임상증상의 발병을 예측하는 단계는 천식 발작의 발병을 예측하는 단계를 포함한다.

일 실시예에서, 적어도 하나의 파라미터를 감지하는 단계는 환자 및 환자가 입은 옷과 접촉하거나 또는 보지않고 적어도 하나의 파라미터를 감지하는 단계를 포함한다.

본 발병의 실시예에 따르면, 본 발명의 방법은,

환자의 적어도 하나의 파라미터를 감지하는 단계, 및

감지된 파라미터에 적어도 부분적으로 응답하여, 임상증상이 계산후 미리 결정된 기간내에 발생할 확률을 계산하는 단계를 포함하는 방법이 부가적으로 제공된다.

일부 응용들에 대하여, 적어도 하나의 파라미터를 감지하는 단계는 환자의 적어도 2개의 파라미터들을 감지하는 단계를 포함하며, 확률을 계산하는 단계는 감지된 파라미터들에 적어도 부분적으로 응답하여 확률을 계산하는 단계를 포함한다.

일부 응용들에 대하여, 본 방법은 확률이 임계값을 초과하는 경우에 환자에게 통지하는 단계를 포함한다.

일 실시예에서, 확률을 계산하는 단계는 파라미터의 모집단 기반 평균을 포함하는 데이터에 적어도 부분적으로 응답하여 확률을 계산하는 단계를 포함한다. 선택적으로 또는 부가적으로, 확률을 계산하는 단계는 임상 증상의 과거 발생들을 분석함으로서 파라미터에 관한 환자 기반 데이터를 생성하는 단계, 및 데이터에 적어도 부분적으로 응답하여 확률을 계산하는 단계를 포함한다.

본 발명의 일 실시예에 따르면, 임상 증상의 발병을 예측하는 방법은,

환자의 수용상태(human compliance)를 필요로하지 않고 환자의 적어도 하나의 파라미터를 감지하는 단계; 및

감지된 파라미터에 적어도 부분적으로 응답하여 발병을 예측하는 단계를 포함한다.

일 실시예에서, 적어도 하나의 파라미터를 감지하는 단계는 환자 또는 환자가 입은 옷에 접촉하거나 또는 보지 않고 적어도 하나의 파라미터를 감지하는 단계를 포함한다.

일 실시예에서, 적어도 하나의 파라미터는 환자의 적어도 하나의 모션 관련 파라미터를 포함하며, 적어도 하나의 파라미터를 감지하는 단계는 환자의 수용상태를 필요로 하지 않고 적어도 하나의 모션 관련 파라미터를 감지하는 단계를 포함한다.

일부 응용들에 대하여, 적어도 하나의 파라미터를 감지하는 단계는 환자를 잠자는 동안 적어도 하나의 파라미터를 감지하는 단계, 및 환자가 잠에서 깨어난 후에만 예측된 발병을 환자에게 알리는 단계를 포함한다.

일부 응용들에 대하여, 환자의 수용상태를 필요로 하지 않고 적어도 하나의 파라미터를 감지하는 단계는 환자가 누워있는 안락면내, 위 또는 아래의 압력을 측정하는 단계를 포함한다.

일 실시예에서, 임상증상은 천식 발작을 포함하며, 임상증상의 발병을 예측하는 단계는 천식 발작의 발병을 예측하는 단계를 포함한다. 선택적으로, 임상증상은 환자의 울형성 심부전(CHF)과 연관된 증상을 포함하며, 발병을 예측하는 단계는 CHF와 연관된 증상의 발병을 예측하는 단계를 포함한다. 게다가, 선택적으로, 임상증상은 당뇨병에 의하여 유발된 저혈당증의 증상을 포함하며, 발병을 예측하는 단계는 저혈당증의 증상의 발병을 예측하는 단계를 포함한다. 더욱이, 선택적으로, 임상증상은 신경조건에 의하여 유발된 비정상 자율신경 신경계 활동의 증상, 간질 발작, 주기적 사지 운동장애(PLMS)의 증상, 발작, 본태성 진전(Essential tremor), 스트레스 증상, 섬유성 연축의 증상, 만성 폐색성 호흡기 질환(COPD)과 연관된 증상, 낭포성 섬유증(cystic fibrosis)과 연관된 증상, 및 아나필랙시스 쇼크를 포함하는 리스트로부터 선택되며, 발병을 예측하는 단계는 선택된 임상증상의 발병을 예측하는 단계를 포함한다.

일 실시예에서, 적어도 하나의 파라미터는 환자의 적어도 하나의 호흡 관련 파라미터를 포함하며, 적어도 하나의 파라미터를 감지하는 단계는 환자의 수용상태를 필요로하지 않고 적어도 하나의 호흡 관련 파라미터를 감지하는 단계를 포함한다. 일부 응용들에 대하여, 발병을 예측하는 단계는 감지된 호흡 관련 파라미터에 응답하여 환자의 적어도 하나의 호흡 패턴을 결정하는 단계, 기준 호흡 패턴과 상기 호흡 패턴을 비교하는 단계, 및 상기 비교에 적어도 부분적으로 응답하여 발병을 예측하는 단계를 포함한다.

본 발명의 실시예에 따르면, 본 발명의 장치는,

환자 또는 환자가 입은 옷에 접촉하지 않고 환자의 모션 관련 파라미터를 감지하기에 적합한 비접촉 센서; 및

제어유닛을 포함하며;

제어 유닛은,

모션 관련 파라미터로부터 심장박동 관련 및 호흡 관련 신호들을 유도하며,

호흡 관련 신호를 사용하여 심장박동 관련 신호를 복조한다.

본 발명의 일 실시예에 따르면, 임신 환자의 태아의 심장박동을 측정하는 장치는,

환자 또는 환자가 입은 옷에 접촉하지 않고 임신 환자의 모션 관련 파라미터를 감지하기에 적합한 비접촉 센서; 및

모션 관련 파라미터로부터 태아의 심장 박동을 유도하기에 적합한 제어 유닛을 포함한다.

본 발명의 일 실시예에 따르면, 임신 환자의 태아의 움직임을 모니터링하는 장치는,

모션 관련 파라미터로부터 태아의 움직임의 측정치를 유도하기에 적합한 제어유닛을 포함한다.

본 발명의 일 실시예에 따르면, 본 발명의 장치는,

환자가 잠자는 동안 환자의 적어도 하나의 파라미터를 감지하기에 적합한 센서;

사용자 인터페이스; 및

제어유닛을 포함하며;

제어유닛은,

파라미터를 분석하며,

상기 분석에 적어도 부분적으로 응답하여 임상증상의 발병을 예측하며,

환자가 잠에서 깨어난후에만 예측된 발병을 환자에게 주의시키는 사용자 인터페이스를 구동시킨다.

본 발명의 일 실시예에 따르면, 임상증상의 발병을 예측하는 장치는,

환자의 호흡 관련 시간영역 신호를 획득하기에 적합한 센서; 및

제어유닛을 포함하며;

제어유닛은,

시간-영역 신호를 주파수-영역 신호로 변환하며,

주파수-영역 신호의 호흡 관련 주파수 범위내에서 피크를 식별함으로서 환자의 호흡 속도를 결정하며,

피크 주파수의 하나 이상의 고조파를 결정하며,

(a) 하나 이상의 고조파중 하나와 연관된 에너지 레벨 및 피크의 주파수와 연관된 에너지 레벨을 포함하는 리스트로부터 선택된 제 1 에너지 레벨 및 (b) 하나 이상의 고조파중 하나와 연관된 제 2 에너지 레벨사이의 관계를 결정하며,

상기 관계의 기준 레벨과 상기 관계를 비교하며,

상기 비교에 적어도 부분적으로 응답하여 증상의 발병을 예측한다.

본 발명의 일 실시예에 따르면, 혈압을 모니터링 하는 장치는,

환자의 혈압을 측정하기 위하여 상기 파라미터를 분석하기에 적합한 제어 유닛을 포함한다.

본 발명의 일 실시예에 따르면, 환자를 치료하는 장치는,

환자 또는 환자가 입은 옷에 접촉하지 않고 환자의 모션 관련 파라미터를 감지하기에 적합한 비접촉 센서;

환자에 대한 약품을 관리하도록 제공되는 약품 관리 장치; 및

제어유닛을 포함하며;

제어유닛은,

상기 분석에 적어도 부분적으로 응답하여, 상기 약품의 초기 복용량을 결정하며,

약품 관리 장치에 초기 복용량을 통신한다.

환자의 적어도 하나의 파라미터를 감지하기에 적합한 센서; 및

제어유닛을 포함하며;

제어유닛은,

상기 파라미터를 분석하며,

환자에 대해 관리되는 약품에 관한 데이터를 수신하며,

상기 분석 및 상기 약품 관리 데이터에 응답하여 적어도 부분적으로 임상증상의 발병을 예측한다.

일부 응용들에 대하여, 본 발명의 장치는 환자에 대한 약품을 관리하도록 제공되는 약품 관리 장치 및 제어 장치를 포함하며, 제어 장치는 약품 관리 장치로부터 약품 관리 데이터를 수신하기에 적합하다.

본 발명의 일 실시예에 따르면, 임상증상을 치료하는 장치는,

환자 또는 환자가 입은 옷에 접촉하지 않고 환자의 적어도 하나의 파라미터를 감지하기에 적합한 비접촉 센서;

환자에 주입되기에 적합한 치료 장치; 및

제어유닛을 포함하며;

제어유닛은,

상기 파라미터를 분석하며,

상기 파라미터에 적어도 부분적으로 응답하여 임상증상을 검출하며,

상기 임상증상의 검출에 응답하여, 임상증상을 치료하는 치료장치를 구동시킨다.

본 발명의 일 실시예에 따르면, 본 발명의 장치는,

환자 또는 환자가 입은 옷에 접촉하지 않고 환자가 잠자는 동안 환자의 적어도 하나의 파라미터를 감지하기에 적합한 비접촉 센서; 및

환자의 불안정상태를 측정하기 위하여 상기 파라미터를 분석하기에 적합한 제어유닛을 포함한다.

본 발명의 일 실시예에 따르면, 본 발명의 장치는,

상기 파라미터를 분석함으로서 환자의 수면중 주기적 사지운동(PLMS)을 검출하기에 적합한 제어유닛을 포함한다.

본 발명의 일 실시예에 따르면, 본 발명의 장치는,

정확하게 하나의 비접촉 센서 ― 상기 센서는 환자 또는 환자가 입은 옷에 접촉하지 않도록 환자가 누워있는 안락 표면 내부에 또는 아래에 배치됨 ―; 및

상기 파라미터를 분석함으로서 환자의 기침을 검출하기에 적합한 제어유닛을 포함한다.

본 발명의 일실시예에 따라 천식 발작의 발병을 예측하기 위한 장치가 부가적으로 제공되고, 상기 장치는:

환자의 호흡 및 환자의 심장박동을 감지하기 위하여 제공된 센서; 및

제어 유닛을 포함하고, 상기 제어 유닛은,

감지된 호흡에 응답하여 환자의 적어도 하나의 호흡 패턴, 및 감지된 심장박동에 응답하여 환자의 적어도 하나의 심장 패턴을 결정하고,

베이스라인 호흡 패턴을 가진 호흡 패턴, 및 베이스라인 심장 패턴을 가진 심장 패턴을 비교하고, 및

비교에 응답하여 적어도 부분적으로 천식 발작의 발병을 예측하기 위하여 제공된다.

몇몇 애플리케이션들에서, 센서는 호흡을 감지하기 위하여 제공된 제 1 센서 및 심장박동을 감지하기 위하여 제공된 제 2 센서를 포함한다.

본 발명의 일실시예에 따라 천식 발작의 발병을 예측하기 위한 장치가 또한 제공되고, 상기 장치는:

환자의 호흡을 감지하기 위하여 제공된 센서; 및

제어 유닛을 포함하고, 상기 제어 유닛은,

감지된 호흡에 응답하여 환자의 적어도 하나의 호흡 패턴을 결정하고,

베이스라인 호흡 패턴과 상기 호흡 패턴을 비교하고,

환자의 기침 측정치를 결정하고,

상기 비교치 및 기침 측정치에 응답하여 적어도 부분적으로 천식 발작의 발병을 예측하기 위하여 제공된다.

본 발명의 일실시예에 따라, 울혈성 심부전(CHF)과 연관된 임상 증상의 발병을 예측하기 위한 장치가 추가로 제공되고, 상기 장치는:

환자의 호흡 및 환자의 혈압을 감지하기 위하여 제공된 센서; 및

제어 유닛을 포함하고, 상기 제어 유닛은,

베이스라인 호흡 패턴과 상기 호흡 패턴을 비교하고, 및

상기 비교치와 혈압에 응답하여 적어도 부분적으로 임상 증상의 발병을 예측하기 위하여 제공된다.

몇몇 애플리케이션들에서, 센서는 호흡을 감지하기 위하여 제공된 제 1 센서, 및 혈압을 감지하기 위하여 제공된 제 2 센서를 포함한다.

본 발명의 실시예에 따라, 환자의 심장 박동수를 결정하기 위한 장치가 추가로 제공되고, 상기 장치는:

환자의 가슴, 및 환자의 배로부터 선택된 환자의 제 1 위치 근처에서 환자의 제 1 맥박 신호를 감지하기 위하여 제공된 제 1 비접촉 센서;

해부학적으로 환자의 허리 아래 환자의 제 2 위치 근처에서 환자의 제 2 맥박 신호를 감지하기 위하여 제공된 제 2 비접촉 센서; 및

제 1 및 제 2 맥박 신호들에 응답하여 심장 박동수를 결정하기 위하여 제공된 제어 유닛을 포함한다.

본 발명의 실시예에 따라 장치가 부가적으로 제공되고, 상기 장치는:

각각 환자 또는 환자가 입고 있는 옷들과 접촉하지 않고 제 1 위치 근처 및 환자의 제 2 위치 근처에서 환자의 제 1 및 제 2 모션 관련 파라미터를 감지하기 위하여 제공된 제 1 센서 및 제 2 센서; 및

제어 유닛을 포함하고, 상기 제어 유닛은,

각각 제 1 및 제 2 모션 관련 파라미터들로부터 제 1 및 제 2 호흡 관련 신호들을 유도하고, 및

환자의 이완절개 비동시성(TAA) 측정치를 결정하기 위하여 제 1 및 제 2 호흡 관련 신호들을 분석한다.

각각 환자 또는 환자가 입고 있는 옷들과 접촉하지 않고 환자의 제 1 위치 근처 및 환자의 제 2 위치 근처에서 환자의 제 1 및 제 2 모션 관련 파라미터들을 감지하기 위하여 제공된 제 1 센서 및 제 2 센서; 및

제어 유닛을 포함하고, 상기 제어 유닛은,

환자의 부근(accessory muscle) 활동 측정치를 결정하기 위하여 제 1 및 제 2 호흡 관련 신호들을 분석하기 위하여 제공된다.

본 발명의 실시예에 따라 환자를 모니터링하기 위한 장치가 부가적으로 제공되고, 상기 장치는:

환자 또는 환자가 입고 있는 옷들에 접촉하지 않고 환자의 적어도 하나의 파라미터를 감지하기 위하여 제공된 비접촉 센서;

사용자 인터페이스; 및

제어 유닛을 포함하고, 상기 제어 유닛은,

다른 각각의 제 1 및 제 2 임계치들을 설정하고,

스코어(score)를 생성하기 위하여 파라미터를 분석하고,

만약 스코어가 제 1 및 제 2 임계치들 사이이면, 임상 증상 발현의 예측된 시작을 가리키는 제 1 출력을 생성하기 위하여 사용자 인터페이스를 구동하고, 및

만약 스코어가 제 2 임계치를 통과하면, 현재 발생하는 임상 증상 발현을 가리키는 제 2 출력을 생성하기 위하여 사용자 인터페이스를 구동하기 위하여 제공된다.

본 발명의 실시예에 따라 환자의 기이맥(pulsus paradoxus)을 검출하기 위한 장치가 또한 제공되고, 상기 장치는:

환자 또는 환자가 입고 있는 옷들과 접촉하지 않고 환자의 적어도 하나의 파라미터를 감지하기 위하여 제공된 비접촉 센서; 및

제어 유닛을 포함하고, 상기 제어 유닛은,

호흡을 들이쉼(inspiration)/호흡을 내쉼 사이클을 통해 환자의 혈압 변화 측정치를 생성하기 위해 파라미터를 분석하고,

임계치에 대해 혈압 변화 측정치를 비교하고, 및

임계치보다 높은 측정치에 응답하여, 기이맥을 검출하기 위해 제공된다.

본 발명의 실시예에 따라, 천식 발작의 발병을 예측하기 위한 장치가 추가로 제공되고, 상기 장치는:

감지된 파라미터에 응답하여 적어도 부분적으로 천식 발작의 발병을 예측하기 위하여 제공된 제어 유닛을 포함한다.

몇몇 애플리케이션들에서, 상기 장치는 사용자 인터페이스를 포함하고, 제어 유닛은 환자가 깨어있은 후에만 환자에게 예측된 시작을 경고하기 위하여 사용자 인터페이스를 구동하기 위하여 제공된다.

몇몇 애플리케이션들에서, 센서는 환자가 누워있는 기대는 표면내, 위, 또는 아래 압력을 측정하기 위하여 구성된 압력 게이지를 포함한다. 몇몇 애플리케이션들에서, 압력 게이지는 정확하게 하나의 압력 게이지를 포함한다.

본 발명의 실시예에 따라, 울혈성 심부전(CHF)과 연관된 증상 발병을 예측하기 위한 장치가 추가로 제공되고, 상기 장치는:

감지된 파라미터에 응답하여 적어도 부분적으로 증상 발병을 예측하기 위하여 제공된 제어 유닛을 포함한다.

몇몇 애플리케이션들에서, 센서는 환자가 누워있는 기대는 표면내, 위, 또는 아래 압력을 측정하기 위하여 제공된 압력 게이지를 포함한다.

본 발명의 실시예에 따라 임상 증상 발병을 예측하기 위한 장치가 부가적으로 제공되고, 상기 장치는:

환자의 적어도 하나의 파라미터를 감지하기 위하여 제공된 센서; 및

제어 유닛을 포함하고, 상기 제어 유닛은 환자의 심장 박동수가 환자의 자각증상 없는 베이스라인 심장 박동수의 120% 미만인 동안, 감지된 파라미터에 응답하여 적어도 부분적으로 임상 증상 발병을 예측하기 위하여 제공된 제어 유닛을 포함한다.

본 발명의 실시예에 따라, 천식 발작의 발병을 예측하기 위한 장치가 부가적으로 제공되고, 상기 장치는:

환자의 1초(FEV1)내 강제 호흡을 내쉬는 체적이 환자의 자각증상 없는 베이스라인 FEV1의 90% 보다 큰 동안, 감지된 파라미터에 응답하여 적어도 부분적으로 천식 발작의 발병을 예측하기 위하여 제공된 제어 유닛을 포함한다.

본 발명의 실시예에 따라 임상 증상 발병을 예측하기 위한 장치가 부가적으로 제공되고,

임상 증상 발병 적어도 한 시간 전에, 감지된 파라미터에 응답하여 적어도 부분적으로 상기 발병을 예측하기 위하여 제공된 제어 유닛을 포함한다.

본 발명의 실시예에 따라, 임상 증상 발병을 예측하기 위한 장치가 또한 제공되고, 상기 장치는:

적어도 한 시간 기간을 가진 기간 동안 실질적으로 연속하여 환자의 적어도 하나의 파라미터를 감지하기 위하여 제공된 센서; 및

임상 증상 발병 적어도 한 시간 전에, 감지된 파라미터에 응답하여 적어도 부분적으로 상기 시작을 예측하기 위하여 제공된 제어 유닛을 포함한다.

본 발명의 실시예에 따라, 임상 증상 발병을 예측하기 위한 장치가 추가로 제공되고, 상기 장치는:

환자가 밤에 자고 있는 적어도 80%의 시간 기간 동안 실질적으로 연속적으로 환자의 적어도 하나의 파라미터를 감지하기 위하여 제공된 센서; 및

상기 시작의 적어도 한 시간 전에, 감지된 파라미터에 응답하여 적어도 부분적으로 임상 증상 발병을 예측하기 위하여 제공된 제어 유닛을 포함한다.

본 발명의 실시예에 따라, 장치가 추가로 제공되고, 상기 장치는:

감지된 파라미터에 응답하여 적어도 부분적으로 임상 증상 발병이 계산 후 미리 결정된 시간 기간내에 발생할 가능성을 계산하기 위하여 제공된 제어 유닛을 포함한다.

인간의 적응을 요구하지 않고 환자의 적어도 하나의 파라미터를 감지하기 위하여 제공된 센서; 및

감지된 파라미터에 응답하여 적어도 부분적으로 시작을 예측하기 위하여 제공된 제어 유닛을 포함한다.

일실시예에서, 센서는 환자 또는 환자가 입고 있는 옷들과 접촉하지 않고 적어도 하나의 파라미터를 감지하기 위하여 제공된 비접촉 센서를 포함한다.

몇몇 애플리케이션들에서, 센서는 환자가 자고 있는 동안 적어도 하나의 파라미터를 감지하기 위하여 제공되고, 상기 장치는 사용자 인터페이스를 포함하고, 제어 유닛은 환자가 깨어있은 후에만 예측된 시작을 환자에게 경고하기 위하여 사용자 인터페이스를 구동하기 위하여 제공된다.

몇몇 애플리케이션들에서, 센서는 환자가 누워있는 안락 표면내, 위, 또는 아래 압력을 측정하기 위하여 구성된 압력 게이지를 포함한다.

본 발명의 몇몇 실시예들에서, 이후에 기술된 장치는 적당할 때 상기된 하나 또는 그 이상의 방법들을 수행하기 위하여 제공된다. 예를들어, 상기 장치의 제어 유닛은 하나 또는 그 이상의 방법 단계들(분석 단계들 같은)을 수행하기 위하여 제공될 수 있고, 및/또는 상기 장치들의 센서는 방법들의 하나 또는 그 이상의 감지 단계들을 수행하기 위하여 제공될 수 있다.

본 발명은 도면들과 함께 다음 상세한 설명에서 보다 명확히 이해될 것이다.

도 1은 본 발명의 실시예에 따른 환자의 만성 의학적 상태를 모니터링하기 위한 시스템의 개략도이다.

도 2는 본 발명의 실시예에 따른 도 1의 시스템의 제어 유닛의 구성요소들을 도시하는 개략적인 블록도이다.

도 3은 본 발명의 실시예에 따른 도 2의 제어 유닛의 호흡 패턴 분석 모듈을 도시하는 개략적인 블록도이다.

도 4A-C는 본 발명의 실시예에 따라 측정된 움직임 신호들의 분석을 도시하는 그래프들이다.

도 5는 본 발명의 실시예에 따라 실행된 실험 동안에 측정되어진 만성 천식 환자의 호흡율 패턴을 나타내는 그래프이다.

도 6 및 도 7은 본 발명의 실시예에 따라 측정되어진, 예시적인 베이스라인 및 측정된 호흡율과 심박수 야간 패턴들을 각각 나태는 그래프들이다.

도 8A 및 도 8B는 본 발명의 실시예에 따른 움직임 신호의 여러 상이한 주파 수 성분들을 나타내는 그래프이다.

도 9는 본 발명의 실시예에 따라 수 개의 신호들을 시간 및 상응하는 주파수 도메인들로 나타내는 그래프들이다.

도 10A 내지 도 10C는 본 발명의 실시예에 따라 측정된 주파수 스펙트럼을 나타내는 그래프들이다.

도 11은 본 발명의 실시예에 따라 측정되는, 결합 및 분해된 임산부 및 태아 심장박동 신호들을 나타내는 그래프들이다.

도 12는 본 발명의 실시예에 따른 몸의 움직임을 나타내는 그래프이다.

도 13은 본 발명의 실시예에 따른, 정상적인 수면 동안 및 임상 천식 증상 동안의 불안정 이벤트들을 나타내는 그래프이다.

도 14A 및 도 14B는 본 발명의 실시예에 따라 측정되는 신호들의 전력 스펙트럼 밀도를 나타내는 그래프이다.

도 15는 본 발명의 실시예에 따른, 두 개의 모션 센서들을 포함하고 있는 도 1의 시스템에 대한 구성을 개략적으로 나타낸다.

도 16A 및 도 16B는 본 발명의 실시예에 따라 측정되고 계산될 때, 대상의 다리 및 복부 아래에서 동시에 측정되는 펄스 신호들 및 도 16A의 신호들 간의 교차 상관관계를 나타내는 그래프이다.

도 17은 본 발명의 실시예에 따른, 임산부 및 그녀의 태아를 모니터링하도록 적응되는 도 1의 시스템을 개략적으로 나타낸다.

도 18은 본 발명의 실시예에 따른, 생리학적인 조건을 예측하기 위한 방법을 개략적으로 나타낸다.

도 19는 본 발명의 실시예에 따른, 도 18을 참조하여 설명된 방법을 실행하는데 사용되는 예시적인 전력 스펙트럼을 나타내는 그래프이다.

도 20은 본 발명의 실시예에 따라 측정된 천식 환자의 호흡 신호에 대한 두 고조파들의 비율을 나타내는 그래프이다.

도 21A 및 도 21B는 본 발명의 실시예에 따른, CSR(Cheyne-Stokes Respiration)을 나타내는 호흡 신호 및 도 21A의 신호에 대한 분석을 각각 나타내는 그래프들이다.

도 22는 본 발명의 실시예에 따라 측정되는 CSR(Cheyne-Stokes Respiration)을 나타낸 호흡 신호를 나타내는 그래프이다.

도 23은 본 발명의 실시예에 따라 측정되는 예시적인 베이스라인 및 측정된 호흡율 야간 패턴들을 각각 나타내는 그래프이다.

도 24는 본 발명의 실시예에 따른, 며칠 밤에 걸쳐 측정되어진 호흡율을 나타내는 3-차원 그래프이다.

도 1은 본 발명의 실시예에 따른 대상(12)의 만성적인 의학적 상태들을 모니터링하기 위한 시스템(10)을 개략적으로 나타내고 있다. 시스템(10)은 통상적으로 모션 센서(30), 제어 유닛(14), 및 사용자 인터페이스(24)를 포함한다. 일부 애플리케이션들의 경우에는, 사용자 인터페이스(24)가 도 면에서 도시된 바와 같이 제어 유닛(14)에 통합되며, 반면에서 다른 애플리케이션들의 경우에는, 사용자 인터 페이스 및 제어 유닛이 분리된 유닛들이다. 일부 애플리케이션들의 경우에 있어서 모션 센서(30)는 제어 유닛(14)에 통합되는데, 이 경우에는 사용자 인터페이스(24)가 제어 유닛(14)에 통합되거나 혹은 그 제어 유닛(14)으로부터 떨어져 있는다.

도 2는 본 발명의 실시예에 따른 제어 유닛(14)의 성분들을 나타내는 개략적인 블록도이다. 제어 유닛(14)은 통상적으로 모션 데이터 획득 모듈(20) 및 패턴 분석 모듈(16)을 포함한다. 패턴 분석 모듈(16)은 통상적으로 다음과 같은 모듈들 중에서 하나 이상을 포함한다: 호흡 패턴 분석 모듈(22), 심장박동 패턴 분석 모듈(23), 기침 분석 모듈(26), 불안정 분석 모듈(28), 혈압 분석 모듈(29), 및 각성 분석 모듈(31). 일부 애플리케이션들의 경우에는, 분석 모듈들(20, 22, 23, 26, 28, 29, 및 31) 중에서 둘 이상이 단일 하우징 내에 패킷화된다. 다른 애플리케이션들의 경우에는, 상기 모듈들이 개별적으로 패킷화된다(예컨대, 데이터 획득 모듈(20)에 의해 국부적으로 획득된 호흡 신호들에 대해 패턴 분석 모듈들 중 하나 이상이 원격으로 분석할 수 있도록 하기 위해서). 일부 애플리케이션들의 경우에, 사용자 인터페이스(24)는 LCD 또는 CRT 모니터와 같은 전용 디스플레이를 포함한다. 대안적으로 혹은 추가적으로, 사용자 인터페이스(24)는 순수(raw) 및/또는 처리된 데이터를 추가적인 분석 및/또는 해석을 위해 멀리 떨어진 장소로 중계해 주기 위한 통신 라인을 구비한다.

본 발명의 실시예에서, 데이터 획득 모듈(20)은 대상(12)의 호흡 및 심장박동 패턴들을 비-파괴적인 방식으로 모니터링하도록 적응된다. 호흡 패턴 분석 모듈(22) 및 심장박동 패턴 분석 모듈(23)은 (a) 천식 발병 또는 심장 상태-관련 허 파 유체 빌드업과 같은 유사한 의학적인 증상을 예측하고, 및/또는 (b) 의학적인 증상이 나타났을 때 그 의학적인 증상의 심각성 및 진행상황을 모니터링하기 위해서 각각의 패턴들을 분석하도록 적응된다. 사용자 인터페이스(24)는 예측되거나 발생한 증상을 대상(12) 및/또는 건강관리요원에게 알리도록 적응된다. 유사한 의학적인 증상에 대한 예측은 초기의 예방 치료를 용이하게 하는데, 이는 일반적으로 필요한 약품 복용량을 감소시키거나 및/또는 실패율 및 사망율을 낮춘다. 천식을 치료할 경우, 이러한 감소된 복용량은 일반적으로 일단 증상이 시작되면 염증 상태를 제거하는데 통상적으로 필요한 높은 복용량과 연관된 부작용들을 최소화시킨다.

본 발명의 실시예에서, 패턴 분석 모듈(16)은 분석 모듈들(20, 22, 23, 26, 28, 29) 중 둘 이상으로부터 생성되는 파라미터 데이터를 결합하며, 의학적인 이벤트를 예측 및/또는 모니터링하기 위해서 그 결합된 데이터를 분석한다. 일부 애플리케이션들의 경우에, 패턴 분석 모듈(16)이 베이스라인 값들로부터 파라미터들의 편차에 기초하여 각각의 파라미터에 대한 스코어를 유도한다(특정 환장에 대해서 또는 인구 평균치들에 기초해서). 패턴 분석 모듈(16)은 그 스코어들의 평균, 최대, 표준 편차, 또는 다른 함수를 구하는 것과 같이 그 스코어들을 결합한다. 결합된 스코어는 하나 이상의 임계값들(미리 결정될 수 있음)과 비교됨으로써, 증상이 예측되는지, 현재 발생하고 있는지, 또는 예측되지도 발생되지도 않았는지는 여부를 결정하거나 및/또는 발생된 증상의 심각성 및 진행상황을 모니터링한다. 일부 애플리케이션들의 경우에, 패턴 분석 모듈(16)은 개인마다의 병력에 기초하여 특정 환자나 또는 환자 그룹에 대한 개별적인 파라미터 스코어들을 결합하기 위한 기준들 및/또는 함수들을 습득한다. 예컨대, 패턴 분석 모듈(16)은 이전의 의학적인 이벤트들보다 앞서 측정된 파라미터들을 분석함으로써 이러한 습득을 수행할 수 있다.

비록 시스템(10)은 아무 때나 호흡 및 심장박동 패턴을 모니터링할 수 있지만, 일부 애플리케이션의 경우에는, 야간에 자고 있는 동안 이러한 패턴들을 모니터링하는 것이 일반적으로는 가장 효과적이다. 대상이 깨었을 때는, 모니터링되는 상태와 비관련된 신체적 및 정신적인 활동들이 호흡 및 심장박동 패턴들에 종종 영향을 준다. 이러한 비관련된 활동들은 일반적으로 가장 숙면 상태인 동안에는 더 적은 영향을 준다. 일부 애플리케이션들의 경우에, 시스템(10)은 야간 동안에 내내 또는 그 대부분 동안에 패턴들을 모니터링하고 레코딩한다. 그로 인한 최종적인 데이터 세트는 일반적으로 통상적인 장기간 호흡 및 심장박동 패턴들을 포함하며, 포괄적인 분석을 용이하게 한다. 또한, 이러한 큰 데이터 세트는 움직임을 통해 오염되는 세그먼트들 또는 다른 결함들을 거부할 수 있고, 동시에 통계적으로 중요한 분석을 위한 충분한 데이터를 보유한다.

도 2가 다시 참조된다. 데이터 획득 모듈(20)은 통상적으로 모션 센서(30)에 의해 생성되는 순수(raw) 움직임 신호를 처리하기 위한 회로, 예컨대 적어도 하나의 사전-증폭기(32), 적어도 하나의 필터(34), 및 아날로그-디지털(A/D) 변환기(36)를 포함한다. 필터(34)는 샘플링율의 절반보다 작은 컷-오프 주파수를 갖는 엘리어싱-방지 필터로서 기능하는 대역통과 필터 또는 저역통과 필터를 포함한다. 저역통과된 데이터는 통상적으로 적어도 10 Hz의 샘플링율로 디지털화되고 메모리 에 저장된다. 예컨대, 엘리어싱-방지 필터 컷-오프는 5 Hz로 설정될 수 있고, 샘플링율은 40 Hz로 설정될 수 있다.

도 1이 다시 참조된다. 본 발명의 실시예에서, 모션 센서(30)는 압력 게이지(예컨대, 압전 센서) 또는 신장 게이지(예컨대, 실리콘 또는 다른 반도체 신장 게이지, 또는 금속 신장 게이지)를 포함하는데, 상기 모션 센서는 통상적으로 대상이 누워있는(예컨대, 수면 중) 리클라이닝 표면(37) 내에, 그 위에, 또는 그 아래에 설치되고 또한 그 대상의 호흡 및 심장박동-관련 움직임을 감지하도록 적응된다. 청구범위에서 사용되는 "압력 게이지"는 이전 문장에서 언급되어진 게이지들 모두를 포함하지만, 그러한 것들로 제한되지는 않는다. 통상적으로, 리클라이닝 표면(37)은 매트리스, 매트리스 커버, 시트, 매트리스 패드, 및/또는 매트리스 커버를 포함한다. 일부 애플리케이션의 경우에, 모션 센서(30)는 리클라이닝 표면(37) 내에 장착되는데, 예컨대 매트리스 내에 장착되고, 모션 센서 및 리클라이닝 표면은 통합된 유닛으로서 함께 제공된다. 일부 애플리케이션의 경우에, 모션 센서(30)는 대상(12)의 복구(38) 또는 가슴(39)에 근접하여 리클라이닝 표면(37) 내에, 그 위에, 또는 그 아래에 설치되도록 적응된다. 대안적으로나 또는 추가적으로, 모션 센서(30)는 대상(12)의 다리들(40) 근처와 같이 해부학적으로 대상(12)의 허리 아래에 대상(12)의 일부분에 근접하도록 리클라이닝 표면(37) 내에, 그 위에, 또는 그 아래에 설치된다. 일부 애플리케이션들의 경우에, 이러한 위치결정은 대상의 복부(38) 또는 가슴(39) 근처에 센서를 위치시키는 것보다 더욱 명확한 펄스 신호를 제공한다. 일부 애플리케이션의 경우에, 모션 센서(30)는 예컨대 Applied Optics 17:2867-2869(1978년, 9월 15일)의 Butter 및 Hocker에 의해서 설명된 바와 같은 광섬유 센서를 포함한다.

일부 애플리케이션의 경우에, 압력 또는 스트레인 게이지는 단단한 격실 내에 넣어지는데, 상기 격실은 적어도 10 ㎠의 표면 면적 및 5 mm 미만의 두께를 갖는다. 게이지 출력은 긴 케이블들을 통한 전송에 적합한 낮은 임피던스 전압으로 트랜스듀서의 매우 높은 출력 임피던스를 컨디셔닝하기 위해 압전 가속도계들 및 용량성 트랜스듀서들과 함께 통상 사용되는 전하 증폭기와 같은 전자 증폭기에 채널링된다. 스트레인 게이지 및 전자 증폭기는 기계적인 진동을 전기적인 신호들로 변환한다. 대안적으로, 스트레인 게이지 출력은 최소 대역폭을 위한 Analog Device Module Numbers 3B16 또는 더 넓은 대역폭을 위한 Analog Device Module Numbers 3B18과 같은 Wheatstone 브리지 및 증폭기를 사용하여 증폭된다.

본 발명의 실시예에서, 모션 센서(30)는 리클라이닝 표면(37) 내에, 그 위에, 또는 그 아래에 설치되도록 적응되는, 여러 압력 또는 스트레인 게이지 센서들의 그리드를 포함한다. 단일 게이지를 사용하는 것보다는 오히려 이러한 그리드를 사용하는 것이 호흡 및 심장박동 신호 수신을 향상시킬 수 있다.

호흡 패턴 분석 모듈(22)은 도 3을 참조하여 아래에서 설명되는 바와 같이 모션 데이터로부터 호흡 패턴들을 추출하도록 적응되고, 심장박동 패턴 분석 모듈(23)은 그 모션 데이터로부터 심장박동 패턴들을 추출하도록 적응된다. 대안적으로나 또는 추가적으로, 시스템(10)은 대상의 얼굴, 목, 가슴 및/또는 등에 부착되거나 지향되어진 음향 또는 기류 센서와 같은 다른 타입의 센서를 포함한다.

도 3은 본 발명의 실시예에 따른 호흡 패턴 분석 모듈(22)을 개략적으로 나타내는 블록도이다. 호흡 패턴 분석 모듈(22)은 통상적으로 디지털 신호 프로세서(DSP)(41), 이중 포트 RAM(DPR)(42), EEPROM(44), 및 I/O 포트(46)를 포함한다. 호흡 패턴 분석 모듈(22)은 데이터 획득 모듈(20)에 의해 생성되는 순수 데이터로부터 호흡 패턴을 추출하고 또한 그 호흡 패턴들의 처리 및 분류를 수행하도록 적응된다. 호흡 패턴 분석 모듈(22)은 통상적으로 자고 있는 동안에 호흡 패턴들의 변화들을 분석한다. 그 분석에 따라, 모듈(22)은 (a) 유사한 의학적인 증상을 예측하거나 및/또는 (b) 증상의 심각성 및 진행 상황을 모니터링한다.

도 1이 다시 참조된다. 사용자 인터페이스(24)는 통상적으로 LCD 또는 CRT 모니터와 같은 전용 디스플레이 유닛을 포함한다. 대안적으로나 또는 추가적으로, 출력 모듈은 획득된 순수 데이터 및/또는 처리된 데이터를 추가적인 분석, 해석, 전문적인 검토, 및/또는 의학적인 후속 결정을 위해 떨어진 장소에 중계하기 위해 무선 또는 유선 통신 포트를 포함한다. 예컨대, 데이터는 전화 라인을 통해서나 및/또는 인터넷 또는 다른 광역 네트워크를 통해서 무선적으로나 유선을 통해서 전송될 수 있다.

도 4A 내지 도 4C에 대한 참조가 이루어지는데, 상기 도면들은 본 발명의 실시예에 따라 측정되는 움직임 신호들의 분석을 나타내는 그래프이다. 위에서 설명된 바와 같이, 실시예에서는, 모션 센서(30)가 리클라이닝 표면(37) 아래에 설치되도록 적응되어 대상(12)의 움직임을 감지하도록 적응되는 압력 또는 스트레인 게이지를 포함한다. 자고 있는 동안에 대상의 움직임은 아래에 설명되는 바와 같이 규 칙적인 호흡 움직임, 심장박동-관련 움직임, 및 비관련된 몸 움직임을 포함한다. 도 4A는 호흡 및 심장박동-관련 신호들의 결합된 기여들을 포함해서, 매트리스 아래에 있는 압전 스트레인 게이지 센서에 의해서 측정되는 순수 기계적인 신호(50)를 나타낸다. 신호(50)는 아래에 설명되는 기술들을 사용하여, 도 4B에 도시된 호흡-관련 성분(52) 및 도 4C에 도시된 심장박동-관련 성분(54)으로 분해된다. 본 출원에서 제공되는 모든 실험적인 결과들은 하나 이상의 압전 센서들을 사용하여 측정되었다(그럼에도불구하고, 본 발명의 범위는 도 1을 참조하여 상술된 바와 같이, 다른 압력 게이지들과 같은 다른 모션 센서들(30)을 통해 측정을 수행하는 것을 포함한다).

도 2가 다시 참조된다. 일부 애플리케이션들의 경우에, 필터(34)는 대략 0.03 Hz와 대략 0.2 Hz 사이의 낮은 컷오프 주파수(예컨대, 대략 0.05 Hz) 및 대략 1 Hz와 대략 10 Hz 사이의 높은 컷오프 주파수(예컨대, 대략 5 Hz)를 갖는 대역통과 필터를 포함한다. 대안적으로 또는 부가하여, 모션 센서(30)의 출력은 여러 신호-조절 채널들(signal-conditioning channels)을 통해 전달되는데, 각각의 고유 이득 및 필터링 설정들을 갖는 각각의 채널은 원하는 신호에 따라 맞추어진다. 예를 들면, 호흡 신호들을 위해 상대적으로 낮은 이득과 약 5Hz까지의 주파수 통과대역이 사용될 수 있고, 반면에 심장박동 신호들을 위해 적당한 이득과 약 10Hz까지의 살짝 더 높은 주파수가 사용될 수 있다. 일부 적용예의 경우, 모션 센서(30)는 부가로 음향 신호들의 등록을 위해 사용되고, 이를 위해서는 약 100Hz 내지 약 8kHz의 주파수 통과대역이 유용하다.

본 발명의 한 실시예에서, 모션 데이터 획득 모듈(20)은 약 0.05 내지 0.8Hz의 범위에서 스펙트럼 필터링을 수행함으로써 호흡-관련 신호들을 추출하고, 약 0.8 내지 5.0Hz의 범위에서 스펙트럼 필터링을 수행함으로써 심장박동-관련 신호들을 추출한다. 일부 적용예의 경우, 모션 데이터 획득 모듈(20)은 피실험자(12)의 나이에 기초해 스펙트럼 필터링을 적응시킨다. 예를 들면, 작은 어린이들은 통상적으로 더 높은 호흡율 및 심박수를 가지고, 따라서 스펙트럼 필터링은 통상적으로 호흡을 위해 약 0.1 내지 약 0.8Hz 사이 그리고 심장박동을 위해 약 1.2 내지 5Hz 사이와 같이 주파수 범위들의 상위 경계에 더욱 가깝게 설정된다. 어른들의 경우, 스펙트럼 필터링은 통상적으로 호흡을 위해 약 0.05 내지 약 0.5Hz 사이 그리고 심장박동을 위해 약 0.5 내지 2.5Hz 사이와 같이 주파수 범위들의 하위 경계에 더욱 가깝게 설정된다.

일부 적용예의 경우, 모션 데이터 획득 모듈(20)은 제로-크로싱 분석 또는 전력 스펙트럼 분석을 이용하여 필터링된 신호로부터 호흡율 및 심박수를 추출한다.

상기 언급된 바와 같이, 수면중인 피실험자의 모션은 관련되지 않은 다른 신체 이동들과 규칙적인 호흡-관련 이동 및 심장박동-관련 이동을 포함한다. 일반적으로, 호흡-관련 이동이 수면중의 신체 이동에 주요 공헌자이다. 패턴 분석 모듈(16)은 호흡 및 심장박동에 관련되지 않은 이동을 나타내는, 모션 데이터 획득 모듈(20)로부터 수신된 이동 신호의 일부를 실질적으로 제거하기 위해 적응된다. 예를 들면, 패턴 분석 모듈은 비-호흡-관련 이동 및 비-심장박동-관련 이동에 의해 오염된 신호의 세그먼트들을 제거할 수 있다. 호흡-관련 이동 및 심장박동-관련 이동이 주기적인 반면에, 다른 이동은 일반적으로 랜덤하고 비-주기적이다. 일부 적용예의 경우, 패턴 분석 모듈은 주파수-도메인 스펙트럼 분석 또는 시간-도메인 회귀 분석을 이용하여 비-호흡-관련 이동 및 비-심장박동-관련 이동을 제거한다. 상기 분석 기법들을 제공하기 위한 기법들은 본 명세서를 읽는 당업자에 자명할 것이다. 일부 적용예의 경우, 패턴 분석 모듈(16)은 상기 신호로부터 비-호흡-관련 이동 및 비-심장박동-관련 이동을 제거하기 위해 선형 예측 분석 또는 이상치 분석과 같은 통계적 방법들을 사용한다. 모션 데이터 획득 모듈(20)은 하위 주파수들이 일부 적용예를 위해 적합할지라도 적어도 10Hz의 샘플링율에서 모션 데이터를 디지털화한다.

호흡 패턴 분석 모듈(22)은 통상적으로 일시적인 호흡 펄스들의 트레인으로부터 호흡 패턴들을 추출하도록 적응되는데, 각각의 펄스는 하나의 흡입-발산 주기를 포함한다. 밤중 수면 동안의 호흡 패턴들은 일반적으로 하기의 여러 항목들 중에 하나에 속한다 :

ㆍREM 수면 동안에 주로 발생하는 상대적으로 신속-변화되는 랜덤 호흡 패턴들;

ㆍ통상적인 지속시간 범위들이 수초에서 수분에 이르는 순환적인 호흡율 변화성 패턴들, 예를 들면 체인-스톡스 호흡(CSR) 또는 주기적인 호흡;

ㆍ느린 추세의 호흡율(통상적으로, 건강한 피실험자의 정상 수면 동안에, 이러한 느린 추세들은 분할되고 실질적으로 단조롭게 하락하면서 보통 수시간 지속되 는 호흡율을 포함한다; 천식과 같이 일정 조건으로부터 만성적으로 고통받는 피실험자들의 경우, 상기 단조로운 하락은 예를 들면 도 5를 참조하여 하기에서 논의되는 바와 같이 덜 뚜렷하거나 없을 수도 있다);

ㆍ기침과 다른 수면 방해들과 같은 호흡 패턴에서의 중단들; 및

ㆍ순간적인 깨어남에 의해 야기되는 호흡 패턴에서의 중단들.

이러한 호흡 패턴들은 수면-단계, 불안정, 및 체온과 같은 다양한 생리적 파라미터들과 연관된다. 예를 들면, REM 수면은 보통 랜덤하면서 다양한 호흡 패턴들을 동반하는 반면에, 깊은 수면 단계들은 보통 더욱 규칙적이면서 안정적인 패턴들을 동반한다. 비정상적으로 높은 체온은 호흡율을 가속화할 수 있지만, 일반적으로 정상적인 순환적 호흡율 변화성 패턴들을 유지한다. 불안정과 같은 심리학적인 변수들은 또한 수면중에 호흡 패턴들의 변조기이지만, 그들의 영향은 수면 진행에 의해 감소한다. 기침 또는 순간적인 깨어남에 의해 야기되는 것과 같은 호흡 패턴에서의 중단은 천식과 연관되어 정상적이거나, 다른 관련되지 않은 병리학과 연관되어 정상적이고, 내용으로 평가된다.

본 발명의 한 실시예에서, 패턴 분석 모듈(16)은 천식 발작의 징후를 예측하고, 및/또는 그것의 강도 및 진행을 감시하도록 구성된다. 패턴 분석 모듈들(22 및 23)은 통상적으로 천식 발작의 징후를 예측하는 것과 함께 호흡율 패턴들의 변화, 호흡율 변화성 패턴들의 변화, 심박수 패턴들의 변화, 및/또는 심박수 변화성 패턴들의 변화를 분석한다. 일부 적용예의 경우, 호흡율 및/또는 심박수는 상기 신호로부터 필터링된 신호의 푸리에 변환을 계산하고 호흡율 및 심박수에 상응하는 허용 범위들 내에서의 최고 스펙트럼 피크 값에 상응하는 주파수를 찾아냄으로써 추출되거나, 또는 제로-크로싱 방법을 이용함으로써 추출되거나, 또는 시간-도메인 신호의 피크들을 찾아내고 분당 박동들을 찾기 위해 일분당 펄스 간 시간을 평균함으로써 추출된다. 일부 적용예의 경우, 이러한 평균은 이상치 값들을 제거한 이후에 수행된다.

비록 호흡율이 통상적으로 발작의 징후에 앞서 살짝 증가하지만, 상기 증가만으로는 발작 징후에 대한 특정한 표시자가 항상 되지는 않는다. 그러므로, 더욱 정확하게 발작 징후를 예측하고 발작의 강도 및 진행을 감시하기 위하여, 본 발명의 실시예에서는, 호흡 패턴 분석 모듈(22)이 추가로 호흡율 변화성 패턴들의 변화들을 분석한다. 일부 적용예의 경우, 모듈(22)은 각각의 베이스라인 패턴들에 대해 하기의 패턴들 중에서 하나 이상을 비교하고, (a) 발작 징후 및/또는 (b) 진행중인 발작의 강도의 지시자로서 베이스라인으로부터의 편차를 해석한다 :

ㆍ느린 추세의 호흡율 패턴. 모듈(22)은 접근중이거나 진행중인 발작의 지시자로서 증가 대 베이스라인을 해석한다, 예를 들어 일반적으로 건강한 피실험자들의 경우, 보통 분할되고 통상 적어도 1시간에 걸친, 예를 들면 적어도 2, 3, 또는 4 시간에 걸친 단조로운 하락의 호흡율, 또는 발작 강도에 종속적인, 상기 하락의 증가중인 호흡율 패턴으로의 변환을 해석한다;

ㆍ호흡율 패턴. 모듈(22)은 접근중이거나 진행중인 발작의 지시자로서 처음 수시간의 수면 동안에, 예를 들면 처음 2, 3, 또는 4 시간의 수면 동안에 호흡율 하강의 결핍 또는 증가를 해석한다.

ㆍ호흡율 변화성 패턴. 모듈(22)은 접근중이거나 진행중인 발작의 지시자로서 호흡율 변화성의 하강을 해석한다. 이러한 하강은 일반적으로 증상 접근들의 징후로서 발생하고, 발작 동안에 호흡 부족 진행에 의해 격렬해진다;

ㆍ호흡 듀티-주기 패턴. 모듈(22)은 접근중이거나 진행중인 발작의 지시자로서 호흡 듀티-주기에서의 실질적 증가를 해석한다. 호흡 듀티-주기 패턴들은 이에 제한되는 것은 아니나 들이쉼 시간/총 호흡 순환 시간, 내쉼 시간/총 호흡 순환 시간, 및(들이쉼 시간+내쉼 시간)/총 호흡 순환 시간을 포함한다;

ㆍ(통상적으로 약 3:00 A.M. 내지 약 6.00 A.M. 사이의) 밤중 수면의 끝을 향하는 호흡율 패턴의 변화; 및

ㆍ기침들, 수면 방해들, 또는 깨어남에 의해 야기되는 것과 같은 호흡 패턴에서의 중단들. 모듈(22)은 상기 이벤트들을 정량하고, 잠재적 천식 발작들의 예측에 대하여 상기 이벤트들의 관련성을 결정한다.

패턴 분석 모듈들(22 및 23)은 통상적으로 비-징후적 밤 동안에 피실험자의 심박수 패턴들 및/또는 호흡율을 각각 분석함으로써 베이스라인 패턴들을 결정한다. 대안적으로 또는 추가로, 모듈들(22 및 23)은 인구 평균들에 기초한 베이스라인 패턴들에 의해 프로그래밍된다. 일부 적용예의 경우, 이러한 인구 평균들은 나이, 키, 체중, 및 성과 같은 특징적 특색에 의해 나누어진다.

본 발명의 한 실시예에서, 패턴 분석 모듈(16)은 측정된 호흡율 패턴을 베이스라인 호흡율 패턴에 대해 비교함으로써 및/또는 측정된 심박수 패턴을 베이스라인 심박수 패턴에 대해 비교함으로써 발작의 징후 및/또는 진행중인 발작의 강도를 결정한다.

본 발명의 한 실시예에서, 호흡 패턴 분석 모듈(22)은 REM 수면과 같은 단기 영향들을 줄이기 위하여 로우패스 필터(예를 들면, 유한 임펄스 응답 필터)를 통해 피실험자의 수면시간을 위해 계산된 호흡율 패턴을 전달한다. 일부 적용예의 경우, 심장박동 패턴 분석 모듈(23)이 심박수 데이터에 대하여 유사한 필터링을 수행한다.

도 5를 참조하면, 도 5는 본 발명의 한 실시예에 따라 수행된 실험 동안에 측정된, 만성 천식 환자의 호흡율 패턴들을 도시한다. 천식 환자의 호흡은 여러 밤중 수면 동안에 감시되었다. 환자의 호흡율은 수면(REM 수면의 단기 영향을 줄이는 로우패스 필터에 의해 제거된 급속 안구 운동(REM) 수면 기간을 제외함; 대안적으로, REM 수면이 식별되고 고려대상으로부터 제거됨) 중의 매시간에 대해 평균되었다. 환자가 감시된 처음 약 두 달 동안에, 환자는 천식의 어떠한 증상도 경험하지 않았다. 라인(200)은 상기 비-증상 기간 동안에 기록된 통상적인 느린 추세의 호흡 패턴을 나타내고, 따라서 상기 환자에 대한 느린 추세의 베이스라인 호흡율 패턴을 나타낸다. 비-천식 환자들에서 통상 관찰되는 호흡율의 단조로운 하락과는 달리, 실험의 만성 천식 환자의 베이스라인 호흡율 패턴이 수면중 처음 몇 시간 동안에 호흡율이 초기에 하락하고 이어서 나머지 밤의 대부분에 걸쳐 호흡율이 증가하는 것을 반영함이 주지되어야 한다.

라인들(202 및 204)은 약 두-달 기간의 말기에 연속적인 이틀 밤에 대해 기록되었으며, 라인(202)은 상기 이틀 밤 중에서 첫째 날에 대해 그리고 라인(204)은 상기 이틀 밤 중에서 둘째 날에 대해 기록되었다. 환자는 상기 밤들 중 둘째 날 동안에 천식 증상을 경험하였다. 따라서, 라인들(202 및 204)은 느린 추세의 사전-증상 호흡율 패턴과 느린 추세의 증상 호흡율 패턴을 각각 나타낸다. 그래프에서 볼 수 있는 바와 같이, 환자의 호흡율은 사전-증상 밤의 모든 시간 동안에 베이스라인 대 분당 약 1-3 호흡들에 의해 높여지고, 증상 밤 동안에 베이스라인에 대해 훨씬 더 높여진다.

여기에 기술된 기술들을 이용하여, 호흡 패턴 분석 모듈(22)은 환자가 천식적 증상을 경험할 수 있음을 예측하기 위하여 라인(202)의 패턴을 라인(200)의 베이스라인 패턴과 비교한다. 모듈(22)은 천식적 증상의 진행을 평가하기 위하여 라인(204)의 패턴을 라인(200)의 베이스라인 패턴과 비교한다.

본 발명의 한 실시예에서, 베이스라인으로부터의 편차는 베이스라인 패턴으로부터의 측정된 패턴의 누적 편차로서 정의된다. 임상 조건의 임계치 지시자가 일정 개수의 표준 에러들(예를 들면, 하나의 표준 에러)과 동등하게 설정된다. 대안적으로 또는 추가로, 상관계수, 자승 오차, 패턴들 사이의 최대차, 및 패턴들 사이의 영역과 같은, 측정된 패턴들과 베이스라인 패턴들 사이의 편차에 대한 다른 측정들이 사용된다. 또한, 대안적으로 또는 추가로, 패턴 분석 모듈(16)은 예를 들면 수면중 처음 두 시간이나 3:00-6:00 a.m.의 시간에 이중 가중치를 줌으로써 패턴들에 따라 특정 범위들을 강조하는 가중 분석을 사용한다.

도 6 및 도 7은 각각 본 발명에 따라 측정된, 베이스라인과 측정된 호흡율 및 심박수 야간 패턴들에 대한 예시적 그래프를 도시한다. (도 6 및 도 7 각각의) 라인들(100 및 102)은 천식 발작 부재시 정상 베이스라인 패턴들을 나타낸다. 상기 바들은 하나의 표준 에러를 나타낸다. (도 6 및 도 7 각각의) 라인들(104 및 106)은 천식 발작의 징후에 앞선 밤 동안의 패턴들을 나타낸다. 라인들(100 및 102)과 라인들(104 및 106) 사이 패턴에서의 변화 검출은 각각 접근중인 천식 발작의 이른 예측을 가능하게 한다.

본 발명의 한 실시예에서, 패턴 분석 모듈(16)은 심장마비의 임상 조짐의 징후를 예측하고 및/또는 그것의 강도 및 진행을 감시하기 위해 구성된다. 모듈(16)은 통상적으로 상기 모듈이 증가된 심박수를 동반하는 증가된 호흡율을 검출할 때 및/또는 감시된 호흡 패턴 및/또는 심박수 패턴이 무호흡, 체인-스톡스 호흡 및/또는 주기적 호흡을 지시하는 특징들과 같은 심장마비와 관련된 특정 특징들을 가질 때 증상이 촉박함을 결정한다.

본 발명의 한 실시예에서, 호흡 순환들은 들이쉼과 내쉼의 연속적인 세그먼트들로 나누어진다. 호흡 패턴 분석 모듈(22)은 접근중이거나 진행중인 발작의 지시자로서 수면 동안(통상 밤중 수면 동안)의 들이쉼에 비례하여 내쉼 세그먼트들의 더 큰 지속기간을 향하는 추세를 해석한다. 다른 실시예에서, 호흡 동작(내쉼 세그먼트 더하기 들이쉼 세그먼트의 지속기간) 대 무호흡 모션의 듀티 순환은 접근중이거나 진행중인 발작의 지시자로서 해석된다.

도 2를 다시 참조하자. 본 발명의 한 실시예에서, 시스템(10)은 씨근거림 또는 기침에 의해 야기된 것들과 같이 호흡-관련 소리들의 측정을 위해 음향 센서(110)를 더 포함한다. (호흡 센서(breathing sensor)(30)가 압력 게이지를 포함 하는 소정의 응용예들에 대하여, 음향 센서(acoustic sensor)(110)는 압력 게이지에 통합된다. 예를 들어, 단일의 센서가 음향 감지 및 몸의 모션(body motion) 측정 모두를 위해 사용될 수 있다. 대안적으로, 음향 센서(110)는 별개의 부품이다.) 패턴 분석 모듈(16)은 예를 들어, 색색거리는 소리들의 신호 대 잡음비를 개선하기 위하여 스펙트럼 평균(spectral averaging)을 사용함으로써, 상기 호흡 소리를 독립적으로 또는 호기(expirium) 및/또는 흡기(inspirium)에 대한 시간-로킹 방식으로 프로세싱한다. 소정의 응용예들에 대하여, 색색거림의 레벨 및 흡기와 호기의 타이밍에 대한 색색거림의 타이밍은 다가올 천식 발작의 예측 및/또는 발작의 격렬도 및 진행에 대한 모니터링을 위한 부가 정보를 제공한다.

색색거림은 호흡 사이클의 특정 부분들(주로 흡기와 호기)에 기인할 수 있고, 그리하여 다가올 또는 진행중인 호흡기 고통의 유형에 관련한 유용한 통찰력을 제공한다. 부가하여, 색색거림은 호흡 사이클의 주기성에 따라 필터링될 수 있고, 그리하여 방해된 기도의 호흡 관련 소리들을 식별하는 것을 개선하며, 호흡 활동과 관련되지 않은 주변 잡음들을 거부할 수 있는 능력을 개선한다. 색색거림과 관련된 주기적인 호흡 사이클은 다가올 또는 진행중인 호흡기 고통의 유형에 대한 부가의 통찰력을 제공할 수 있다.

본 발명의 일 실시예에서, 패턴 분석 모듈(16)은 기침 분석 모듈(26)을 포함하고, 기침 분석 모듈(26)은 접근하는 또는 일어나는 임상 증상들과 연관된 기침 증상들을 검출 및/또는 평가하도록 적응된다. 천식에서, 약한 기침은 종종 천식 임상 증상의 다가올 발병을 나타내는 중요한 조기 사전-증상 표지이다(예를 들어, Chang AB에 의한 전술한 논문 참조). 울혈성 심부전(CHF)에서, 기침은 심부전의 악화 또는 심혈관 기능부전 진행에 의해 야기된 폐에서의 수액 정체에 대한 조기 경고를 제공한다.

소정의 응용예들에 대하여, 기침 소리는 전형적으로 약 50 Hz 내지 약 8 kHz 사이, 예를 들어, 약 100 Hz 내지 약 1 kHz 사이의 음향 대역 필터링을 사용하여 기대고 있는 표면 상에 또는 그 아래에 설치된 모션 센서(30)로부터 추출된다. 대안적으로, 신호는 2 이상의 주파수 대역들로 필터링되고, 모션 데이터 획득 모듈(20)은 몸의 이동을 등록(register)하기 위하여 5 Hz 까지 범위의 전형적으로 매우 낮은 주파수들로 이루어진 적어도 하나의 주파수 대역을 사용하고, 음향 소리를 등록하기 위하여 예를 들어, 약 50 Hz 내지 약 8 kHz 사이와 같은 더 높은 주파수 범위로 이루어진 적어도 하나의 다른 주파수 대역을 사용한다. 소정의 응용예들에 대하여, 상기 모듈은 예를 들어, 약 200 Hz 내지 약 1 kHz 사이와 같은 더 좁은 음향 대역을 사용한다.

본 발명의 일 실시예에 따라, 모션 신호의 상이한 주파수 성분들을 보여주는 그래프들인 도 8A-도 8B를 참조한다. 기침 이벤트들은 동시에 일어나는 몸의 이동 및 음성 소리들에 수반되는 비음성 소리들의 버스트(burst)들을 포함한다. 기침 분석 모듈(26)은 음향 신호로부터 나온 기침 신호들과 모션 신호로부터 나온 몸의 이동을 상관시킴으로써 기침 이벤트들을 추출한다. 전형적으로, 모듈(26)은 기침 이벤트들의 양성 검출(positive detection)을 위하여 물리적 성분 및 음향 성분 모두에 의존한다. 도 8A는 측정된 신호의 낮은 주파수(5 Hz 미만) 성분(114)을 보여 주고, 도 8B는 측정된 신호의 높은 주파수(200 Hz 내지 1 kHz) 성분(116)을 보여준다. 기침 분석 모듈(26)은 전형적으로 낮은 주파수 성분(114) 및 높은 주파수 성분(116) 모두에 존재하는 이벤트들만을 기침으로서 식별한다. 예를 들어, 성분(116)의 고주파수 이벤트 A는 대응하는 성분(114)에서의 저주파수 이벤트를 동반하지 않는다. 따라서 모듈(26)은 이벤트 A를 기침으로서 식별하지 않는다. 반면, 성분(116)의 고주파수 이벤트들(B, C, D 및 E)은 대응하는 성분(114)의 저주파수 이벤트들을 동반하고, 따라서 기침으로서 식별된다. 소정의 응용예들에 대하여, 기침 분석 모듈(26)은 Korpas J 등, Piiria P 등, 및 Salmi T 등에 의한 전술한 논문들 중 하나 이상에 기재된 기술들을 이용한다.

본 발명의 일 실시예에서, 패턴 분석 모듈(16)은 주파수 복조, 예를 들어, 표준 FM 복조 기술들을 사용하여 연속적인 심박수 신호로부터 호흡률을 추출한다. 이것은 심박수 신호가 대체로 정규의 호흡 관련 동성 부정맥 패턴을 나타내기 때문에 가능하다.

본 발명의 일 실시예에서, 패턴 분석 모듈(16)은 크기 복조, 예를 들어, 표준 AM 복조 기술들을 사용하여 연속적인 심박수 신호로부터 호흡률을 추출한다. 이것은 호흡 관련 흉벽 운동이 심장박동 신호의 물리적 변조를 유도하기 때문에 가능하다.

본 발명의 일 실시예에서, 패턴 분석 모듈(16)은 호흡률 신호를 심박수 신호로부터 추출된 복조 동성 부정맥 패턴과 비교함으로써, 호흡률 및 심박수 신호들의 적절한 수집을 확인하기 위하여 크기 및/또는 주파수 복조 심박수 신호를 사용한 다. 소정의 응용예들에 대하여, 동성 부정맥 패턴은 연속적인 심장박동들 사이의 일련의 시간 차이들을 취함으로써 주파수-복조되고, 진행중인 호흡 패턴의 비편파적 추정(non-biased estimate)을 제공한다. 대안적으로 또는 부가적으로, 심장박동은 고역 통과 필터링, 전파 정류(full-wave rectification), 및 저역 통과 필터링을 사용하여 크기-복조된다.

본 발명의 일 실시예에 따라 시간 및 대응하는 주파수 도메인으로 몇몇 신호들을 보여주는 그래프를 포함하는 도 9를 참조한다. 그래프들(120 및 122)은 각각의 시간 및 주파수 도메인으로 호흡 신호를 보여준다. 그래프들(124 및 126)은 각각 크기-복조 호흡 패턴 및 주파수-복조 호흡 패턴을 보여주고, 두 개의 그래프들은 모두 그래프(128)에 도시된 심장박동 신호로부터 도출되었다. 그래프들(130 및 132)은 각각 그래프들(124 및 126)로부터 도출된 호흡 신호들을 주파수 도메인으로 보여준다.

상기 그래프들은 그래프들(120 및 122)에 도시된, 호흡 신호로부터 직접 도출된 (a) 호흡률 패턴과, (b) 그래프들(124, 126, 130 및 132)에 도시된, 심장박동 신호로부터 간접적으로 도출된 호흡률 패턴 사이의 유사성을 보여준다. 이러한 유사성은 특히 그래프들(122, 130 및 132)에 도시된 바와 같이, 주파수 도메인으로 나타난다.

본 발명의 일 실시예에서, 패턴 분석 모듈(16)은 호흡 관련 신호로부터 심장박동 신호를 도출한다. 이러한 접근법은 예를 들어, 호흡 관련 신호가 직접적으로 모니터링된 심장박동 신호보다 명확한 경우 유용하다. 이것은 때때로 호흡 관련 신호가 심장박동 관련 신호보다 더 현저한 물리적 몸의 이동에 의해 생성되기 때문에 일어난다.

본 발명의 일 실시예에서, 측정된 호흡 관련 신호는 심장박동 관련 신호를 복조하기 위하여 사용되고, 그리하여 심장박동 관련 신호의 개선된 검출을 가능케 한다. 소정의 실시예들에 대하여, 호흡 패턴 분석 모듈(22)은 약 0.05 내지 약 0.8 Hz의 범위에서 스펙트럼 필터링을 사용하여 호흡 관련 신호들을 추출해내고, 심장박동 패턴 모듈(23)은 약 0.8 내지 약 5 Hz의 범위에서의 필터링을 사용하여 심장박동 관련 신호들을 추출해낸다. 심장박동 패턴 분석 모듈(23)은 예를 들어, 심장박동 관련 신호와 호흡 관련 신호를 곱함으로써 호흡 관련 신호를 사용하여 심장박동 관련 신호를 복조한다. 이러한 복조는 심박수 관련 신호의 보다 명확한 복조 신호를 형성하고, 그에 의해 개선된 검출을 가능케 한다. 소정의 경우에서, 복조된 신호의 파워 스펙트럼은 복조된 심박수에 대응하는 명확한 피크를 보여줄 것이다.

도 10A-도 10C는 본 발명의 일 실시예에 따라 측정된 주파수 스펙트럼을 보여주는 그래프들이다. 도 10A는 원래의 심장박동 관련 신호(원래 신호는 미도시)의 주파수 스펙트럼 신호(140)를 보여주고, 도 10B는 동시에 측정된 것으로서 호흡 관련 주파수 스펙트럼 신호(142)를 보여준다. 도 10C는 호흡 관련 스펙트럼 신호(142)(도 10B)와 심장박동 관련 스펙트럼 신호(140)(도 10A)의 곱인 복조 스펙트럼 신호(144)를 보여준다. 명확한 피크(150)는 복조 스펙트럼 신호(144)에서 관찰될 수 있고, 복조 스펙트럼 신호(144)는 복조 심장박동 주파수를 나타낸다.

소정의 응용예들에 대하여, 복조에 사용되는 호흡 관련 신호는 감소된 상부 절단 주파수(예를 들어, 전술한 0.8 Hz 대신에 0.5 Hz)로 필터링된다. 그러한 감소는 일반적으로 호흡 관련 신호의 기본 사인파 형태만이 복조 계산에 사용됨을 보장한다.

본 발명의 일 실시예에서, 호흡 패턴 분석 모듈(22)은 전형적으로 야간 수면 동안에 CHF와 연관된 비정상적인 호흡 패턴, 예를 들어, 호흡 급속(tachypnea), 체인-스토욱스 호흡(Cheyne-Stokes Respiration; CSR), 또는 주기적 호흡을 검출하도록 구성된다.

본 발명의 일 실시예에서, 시스템(10)은 태아의 심박수를 결정하도록 적응된다. 전형적으로, 이완된 설정으로 모체의 심박수가 100 BPM 이하인 반면, 건강한 태아의 심박수는 전형적으로 110 BPM 이상이다. 시스템(10)의 심장박동 패턴 분석 모듈(23)은 전형적으로 모체의 심장박동 신호에 대한 더 낮은 저역 통과 필터링을 사용하여, 그리고 태아의 심장박동 신호를 획득하기 위하여 더 높은 고역 통과 필터링을 사용하여 모체의 심장 신호로부터 태아의 심장 신호를 구별해낸다.

도 11은 본 발명의 일 실시예에 따라 측정된, 모체의 심장박동 신호 및 태아의 심장박동 신호들의 결합 및 분해를 보여주는 그래프들을 포함한다. 그래프들(220 및 222)은 각각 시간 및 주파수 도메인으로 측정된 모체 및 태아 호흡 및 심장의 결합 신호를 보여준다. 그래프(220)에 도시된 신호는 2개의 성분들: (1) 그래프들(224 및 226)에서 각각 시간 및 주파수 도메인들로 도시된 모체의 심장 신호, (2) 그래프들(228 및 230)에서 각각 시간 및 주파수 도메인들로 도시된 태아의 심장 신호로 분해되었다.

본 발명의 일 실시예에서, 모체의 호흡 신호는 모체의 호흡 패턴과 모체의 심장 동성 부정맥 패턴을 매칭시킴으로써 모체의 심장박동 패턴들을 구별하거나 확인하기 위하여 사용된다. 전술한 바와 같이, 이것은 모체의 펄스가 모체의 호흡률에 의해 주파수 변조 및 크기 변조되기 때문에 가능하다. 모체의 심장박동이 정확히 식별되었음을 확인하는 것은 태아의 심장박동 패턴의 식별을 가능케 한다.

본 발명의 일 실시예에서, 모체의 호흡 관련 신호(종종 태아의 심장박동 관련 신호보다 더 강함)는 태아의 심장박동 관련 신호를 복조하기 위하여 사용된다. 이것은 소정의 경우에 있어 태아의 심박수 신호가 모체의 호흡 신호에 의해 크기-변조되기 때문에 가능하다. 이러한 경우들에 있어서, 비교적 검출하기 쉬운 모체의 호흡 신호는 배경 잡음으로부터 비교적 검출하기 어려운 태아의 심박수 신호를 추출하기 위하여 사용된다. 예를 들어, 태아의 심박수 신호는 (1) 전술한 기술들을 사용하여 모체의 호흡률을 결정하고 (2) 태아의 심박수(예를 들어, 약 1.2 Hz 내지 약 3 Hz)에 대해 적절한 대역통과 필터를 통해 모션 신호를 통과시키며, (3) 필터링된 신호와 호흡 신호를 곱하며, (4) 결과로 나오는 신호에 대한 고속 푸리에 변환(Fast Fourier Transform)을 수행하고, (5) 태아의 심박수에 대응하는 것으로서 변환된 신호의 피크를 식별함으로써 결정될 수 있다.

본 발명의 일 실시예에서, 시스템(10)은 태아의 모션 패턴들을 측정하도록 적응되고, 상기 태아의 모션 패턴들은 모체의 운동과 상이한 크기 또는 주파수 특성을 갖는다. 태아의 운동에 의해 생성된 신호는 모체의 운동에 의해 생성된 신호 보다 약하고, 모체의 운동에 의해 생성된 신호보다 더 높은 주파수를 갖는다(주파수 도메인에서 분석될 때). 부가하여, 태아의 운동은 일반적으로 복부 센서들에 의해 일차적으로(또는 적어도 가장 강하게) 기록되는 반면, 모체의 운동은 복부 센서들 및 다른 센서들(예를 들어, 다리 센서들) 모두에 의해 기록된다. 소정의 응용예들에 대하여, 시스템(10)은 복수 개의 모션 센서들(30)을 포함하고, 시스템(10)은 태아의 운동을 식별하고 계수하기 위하여 모체의 복부 근처에서의 고주파수 운동을 모니터링한다.

본 발명의 일 실시예에서, 시스템(10)은 태아의 운동 및 태아의 심박수 모두를 측정하도록 적응되고, 도 2를 참조하여 이하에서 기술된다. 태아의 운동과 상관된 태아의 심박수 변화는 태아의 건강을 나타내는 표시로서 사용될 수 있다. 건강한 태아는 일반적으로 운동의 주기들을 경험하고, 태아 심박수의 상관적인 증가를 갖는다. 건강하지 못한 태아는 운동이 감소하거나 전혀 운동하지 않고 그리고/또는 상대적으로 일정한 심박수를 갖는다.

다시 도 2를 참조한다. 본 발명의 일 실시예에서, 시스템(10)은 예를 들어, 본 명세서에서 기재된 기술들을 사용하여 태아의 심박수를 측정하도록 적응된다. 소정의 응용예들에 대하여, 사용자 인터페이스(24)는 스피커(240)를 포함하고, 사용자 인터페이스는 스피커가 측정된 태아의 심박수 데이터를 나타내는 음향 신호를 출력하게 하도록 적응된다. 소정의 실시예들에 대하여, 사용자 인터페이스(24)는 표준 태아 모니터들에 의해 생성된 태아의 심장박동의 소리를 시뮬레이션함으로써, 예를 들어, 소리를 합성하거나 또는 사전 레코딩된 소리를 재생함으로써, 심장박동 으로서 심박수를 출력한다. 대안적으로, 사용자 인터페이스(24)는 단음(simple tone)들과 같은 다른 소리들을 사용하여 심박수를 출력한다.

본 발명의 일 실시예에서, 패턴 분석 모듈(16)은 하나 이상의 모니터링된 태아 파라미터들(심박수, 호흡률 및 모션)을 각각의 베이스라인 패턴과 비교하고, 베이스라인으로부터의 이탈을 식별한다. 소정의 응용예들에 대하여, 패턴 분석 모듈(16)은 예를 들어, 도 2를 참조하여 전술한 파라미터 결합 기술들을 사용하여 하나 이상의 태아 및 모체 파라미터들을 결합하고, 결합된 파라미터들을 각각의 결합된 베이스라인 파라미터들과 비교한다. 분석 모듈은 조건을 나타내거나 조건의 전조가 되는 베이스라인으로부터의 이탈을 식별한다. 예를 들어, 모체 및 태아 파라미터 양자 모두의 변화는 자간전증(preeclampsia)의 시작을 나타낼 수 있다.

본 발명의 일 실시예에서, 시스템(10)은 태아의 심장박동을 검출하고, 태아의 심박수 가변성을 결정하기 위해 심장박동을 분석하도록 적응된다. 심박수 가변성은 태아의 운동 및 활력을 나타내는 표시로서 사용된다. 예를 들어, 건강한 태아의 심박수는 15 내지 30초 동안, 10분 주기에서 2회 이상 또는 20분 주기에서 5회 이상, 분당 적어도 15 박동들까지 가변하는 것으로 예상된다. 이러한 값들로부터 현저히 이탈하는 것은 가능한 병리를 나타내기 위하여 시스템(10)에 의해 사용된다.

모션 센서(30)가 다수의 압력 또는 응력 측정 센서들의 그리드를 포함하는 본 발명의 일 실시예에서, 시스템(10)은 (a) 몸의 자세를 평가하기 위하여, 예를 들어, 복부 및/또는 폐의 위치를 식별하기 위하여, (b) 호흡 흡기 및 호기 신호의 최적 수신을 보장하기 위하여, 그리고/또는 (c) 흉복부 비동기성(thoracoabdominal asynchrony; TAA) 또는 위상 각으로 알려진 천식 관련 이위상(biphasic) 가슴-복부 호흡 패턴들을 모니터링하기 위하여 상기 그리드를 사용한다. TAA에서, 흉곽과 복부의 호흡 운동간의 위상 차가 존재한다. 다수의 센서들을 이용함으로써 시스템(10)이 상기 센서들의 각각의 근처에 위치한 상이한 신체 부위들에 관하여 상이한 센서들에 의해 측정되는 스트레인(strain) 또는 압력의 위상 차(phase difference)를 측정할 수 있게 된다.

모션 센서(motion sensor)(30)가 다수의 압력 또는 스트레인 게이지(guage) 센서들의 그리드(grid)를 포함하는 본 발명의 실시예로, 시스템(10)은 상기 그리드를 이용하여 폐(lung)들 내부의 중량(weight) 변동(variation)들을 평가한다. CHF에서 폐 충혈(lung congestion) 주기 동안, 폐 조직의 수액 정체(fluid retention)는 폐들 내부의 현저한 중량 변동을 야기한다. 그러한 수액 정체는 일반적으로 즉각적인 약품 개입(pharmaceutical intervention)을 필요로 한다. 일부 애플리케이션들에서, 시스템(10)은 폐들의 나날의(day-to-day) 및/또는 밤마다(night-to-night) 중량 변동을 모니터링하도록 구성된다.

본 발명의 일 실시예로, 시스템(10)은, 호흡률(breathing rate) 및/또는 심박수(heart rate)를 제어 및 조정하기 위한 목적으로, 상기 대상에 및/또는 바이오-조절(bio-modification) 시스템에 바이오피드백(biofeedback) 정보를 제공하도록 구성된다. 일부 애플리케이션들에 대해, 상기 바이오-조절 시스템은, 필요한 변경을 가하여, 앞서 언급한 특허들 및/또는 Gavish 또는 Gavish 등에 대한 특허 출원 공보 중 하나 이상에 기재된 기술들을 이용한다. 본 실시예에서, 모션 센서(30)는 일반적으로 와면(reclining surface)(37)의 내부, 위, 또는 아래에 설치된다(도 1). 일부 애플리케이션에 대해, 전체 시스템 보다는, 모션 데이터 획득 모듈(20), 모션 센서(30), 호흡 패턴 분석 모듈(22), 및/또는 심장박동 패턴 분석 모듈(23)과 같은, 시스템(10)의 특정 컴포넌트들만이 이용된다(도 2).

본 발명의 일 실시예로, 시스템(10)은 심장(cardiac) 및 호흡(respiratory) 데이터를 모니터링 함으로써 수면 주기(sleep cycle)들을 모니터링하고, 그리고 수면중인 사용자가, 선잠(light sleep) 또는 REM 수면과 같은, 각성(awaken)시키는데 있어서 최적의 수면 단계에 있음을 식별하도록 구성된다. 각성시키기 위한 사용자-선택(user-selected) 시간프레임(timeframe) 동안 그러한 수면 단계의 검출 시, 시스템(10)은 사용자 인터페이스(24)를 구동하여 상기 사용자를 각성시키기 위한 가시적인 및/또는 청각 신호를 발생시킨다. 일부 애플리케이션들에 대해, Shinar Zet 등에 의한 상기-언급한 문헌에 기재된 기술들이, 필요한 변경을 가하여, 호흡 및 심박수(heart rate) 데이터로부터 수면 스테이징(sleep staging) 정보를 획득하는데 이용된다. 본 실시예에서, 모션 센서(30)는 일반적으로, 와면(37)의 내부, 상부, 또는 아래에 설치된다(도 1). 일부 애플리케이션들에 대해, 전체 시스템 보다는, 모션 데이터 획득 모듈(20), 모션 센서(30), 호흡 패턴 분석 모듈(22), 및/또는 심장박동 패턴 분석 모듈(23)과 같은, 시스템(10)의 단지 특정한 컴포넌트들만이 이용된다(도 2).

본 발명의 일 실시예로, 시스템(10)은 밤마다(night-to-night basis), 호흡 패턴들, 심장박동 패턴들, 이동 이벤트(movement event)들, 및 기침(coughing)과 같은, 생명 징후(life sign)들 및 보조 징후들을 포함하는, 다중-징후(multi-sign) 데이터의 연속적인 모니터링 및 등록을 수행한다. 등록된 다중-징후 데이터는 개인화된 환자 파일을 구성하는데 이용되며, 이는 정상 패턴들로부터 병리 생리적 편차(pathophysiological deviation)들을 추적하는데 참조로서 기능한다.

본 발명의 실시예에서, 복수의 측정된 파라미터들이 다음의 공식을 이용하여 결합된다:

F=A1*ΔP1+A2*ΔP2+...+An*ΔPn (등식 1)

여기서 Ai는 파라미터 Pi에 주어지는 상대적인 가중치(weight)이며, ΔPi는 주어진 밤에 대한 Pi의 값과 Pi에 대해 정의되는 베이스라인 값 간의 차이이다. F는 일반적으로 매시간 또는 밤마다 계산되며 개인 이력에 기초하여 미리 정의되거나 결정되는 기준치에 비교된다. F의 값이 기준치를 초과하면, 시스템은 상기 대상 및/또는 건강관리 근로자에게 경보한다. 임의의 상기 파라미터들 Pi에 대해 적합하도록, ΔPi의 절대값은, ΔPi의 부호화된(signed) 값 대신, 구해질(evaluate) 수 있다. 상기 임의의 파라미터들 Pi에 적합하도록, 제곱, 제곱근, 지수(exponential), 로그, 또는 임의의 다른 유사한 함수들이 구해질 수 있다. 대안적으로 또는 추가적으로, 임의의 파라미터들 Pi에 대해, ΔPi를 이용하는 대신, ΔPi를 룩업 테이블(lookup table)에 입력함으로써 발생되는 값이 이용된다. 추가의 대안적으로 또는 추가적으로, 상기 결과적인 함수 F는 상기 결과를 해석하기 위해 룩업 테이블(미리 정의되거나 습득(learn)된)에 입력된다.

본 발명의 실시예로, 복수의 파라미터들이 각 파라미터의 스코어(score)를 계산하고, 등식 1과 같이, 상기 스코어들을 결합하는 함수를 적용함으로써 결합된다. 일부 실시예들에 대해, 각각의 스코어는 임상 증상(clinical episode)이 어떠한 시간 주기, 예컨대 다음 1시간, 4시간, 24시간, 또는 48시간 내에서 촉박하지 않다면 상기 파라미터들의 값의 발생의 확률을 나타낸다. 상기 함수는 상기 임상 증상이 상기 시간 기간 내에 촉박하지 않다면 조합하여 상기 파라미터들의 값의 발생의 결합 확률(combined probability)을 추정한다. 예를 들어, n 개의 모니터링된 파라미터들에 대해, 각각의 파라미터는 각각의 임계치 t(i) , 그리고 임상 증상이 촉박하지 않을 때 교차 임계치(crossing threshold) t(i)의 확률 p(i)를 가지며, 생리 분포(bionomial distribution)가 계산되어 임계치 교차(threshold crossing)의 관측되는 조합이 무작위인 확률을 지시한다. 상기 조합을 발견할 확률이 낮다면, 경보 신호호가 발생되거나 다른 행동이 취해진다. 예를 들어, 상기 조합을 관측할 확률은 시스템(10)에 의해 미리 정의되거나 습득되는 임계치에 비교될 수 있다. 상기 확률이 상기 임계치보다 낮다면, 시스템(10)은 어떠한 증상이 촉박한 높은 확률이 있음을 지시하는 경보를 발생시킨다. 일부 애플리케이션들에 대해, 각 파라미터의 스코어들이, 등식 1을 참고로 상기 기재된 바와 같이 가중된다.

본 발명의 실시예로, 시스템(10)은 상기-기재된 임계치들, 가중치들, 및/또는 확률들을 습득하도록 적응된다. 일부 애플리케이션들에 대해, 시스템(10)은 그러한 습득(learning)을 수행하기 위해 다음의 방법을 이용한다:

각각의 증상 발생시, 상기 대상 또는 건강관리 근로자가 상기 증상의 발생 지시를 사용자 인터페이스(24)를 통해 시스템(10)에 입력한다. 대안적으로 또는 추가적으로, 시스템 스스로가 증상(예컨대 분 당 30 호흡을 초과하는 호흡률)을 명확하게 지시하는 파라미터들을 검출함으로써 증상을 식별한다. 추가적인 대안으로, 시스템(10)은 약품 관리 장치(266)로부터의 입력에 기초하여 증상이 발생하였다고 결정한다(예컨대, 상기 시스템은 어떠한 임계치 미만의 흡입기(inhaler)의 이용 레벨을 증상의 발생을 지시하는 것으로서 해석한다).

때때로(예컨대, 매 2 주당 한번), 시스템(10)은 실제 증상들을 상기 시스템이 경고를 제공하였던 증상들과 비교한다;

각각의 정확하게 예측된 증상, 가성 음성(false negative), 및 가성 양성(false positive)에 대해, 시스템은 현재의 임계치들, 가중치들, 및 확률 분포에 따라서 상기 시스템에 의해 주어지는 예측의 정확도를 체크한다; 그리고

본 체크에 응답적으로, 시스템은 증분하여(incrementally) 상기 임계치들, 가중치들, 또는 확률 분포들 중 하나 이상을 조정한다.

예를 들어, 일부 천식 환자들은 발작(attack)들에 선행하는 기침을 하는 반면, 다른 환자들은 그렇지 않다. 매 2주 마다, 상기 시스템은 기침 증상들이 각각의 발작 전에 발생하는지를 체크한다. 이에 따라 상기 시스템은 각각의 각각의 가성 양성 또는 가성 음성에 대한 어떠한 백분율(예컨대, 5%)만큼 상기 임계치를 상향 또는 하향 조정한다. 예를 들어, 일부 애플리케이션들에 대해, 각각의 정확하게 예측된 발작에 대해, 상기 시스템은 상기 기침 파라미터의 가중치를 조정한다 (예를 들어, 최근 다섯 번의 발작에 앞서 충분한 기침이 있었다면, 상기 시스템은 기침 파라미터의 가중치를 증가시킨다). 대안적으로 또는 추가적으로, 상기 시스템은 가성 양성 또는 가성 음성들에 대한 기침 파라미터의 가중치를 조정할 수 있다.

본 발명의 실시예로, 시스템(10)은 야간의 불안정(restlessness) 및/또는 각성(awakening)의 증상들을 모니터링 및 분석하며, 이들은 천식 및 CHF와 같은, 몇개의 만성적인 상태들이다. 일반적으로, 시스템(10)은 이러한 증상들을 정량화하여 야간의 불안정 및/또는 각성의 목표 측정치(objective measure)를 제공한다. 전술한 바와 같이, 시스템(10)은 주파수 영역에서 상기 대상의 주기적 모션 신호를 분석하며, 호흡율 및 심박수에 대응하는 주파수 영역 신호 내의 피크들(그리고, 선택적으로, 고조파들)을 식별한다. 상기 대상의 몸의 이동은 급격한, 모션 신호에서 일반적으로 더 강한 비-주기적 성분을 발생시킨다. 그러한 모션이 순간적이라면(예컨대, 약 2 와 약 10 초 사이의 듀레이션을 갖는다면) 시스템(10)은 그러한 비-주기적 모션의 발생을 불안정 증상으로 해석하며, 이후에 상기 주기적 호흡/심장 박동 신호가 복귀한다. 시스템(10)은 그러한 모션이 일정한 시간 주기 보다 오래 계속된다면, 또는 일정한 시간 주기 보다 오래 주기적 신호가 없다면(두 가지 조건들 모두가 상기 대상이 더 이상 침대에 없음을 지시한다) 그러한 비-주기적 모션의 발생을 각성(awakening)인 것으로 해석한다.

본 발명의 실시예에 따른, 이는 몸의 이동을 나타내는 그래프인, 도 12를 참조하라. 본 실시예에서, 시스템(10)은 수면 동안 과도한 몸의 이동에 의해 나타나 는 불안정을 모니터링한다. 시스템(10)은 상기 불안정을 정량화하여 야간의 불안정의 목적 측정치를 제공한다. 도 12에 도시된 바와 같이, 불안정 이벤트(250)는, 정상적인 수면 주기들(252)에 비하여, 몸의 이동에 있어서 실질적인 증가로써 특징지워진다. 본 실시예에서, 모션 센서(30)는 일반적으로 와면(37)의 내부, 위, 또는 아래에 설치된다(도 1). 일부 애플리케이션들에 대해, 시스템(10)은 시간 세그먼트 동안 측정되는 모션 신호의 표준 편차가 상기 수면 주기의 적어도 일부 동안의 상기 모션 신호의 평균 표준 편차의 적어도 일정한 배수일 때 불안정을 지시하는 것으로서 상기 시간 세그먼트를 분류한다. 예를 들어, 상기 배수는 약 3과 같이, 약 2와 약 5 사이일 수 있다. 대안적으로, 시스템(10)은 상기 기재된 주파수 영역 분석 기술들과 같이, 편차(deviation)의 다른 수학적 및/또는 통계적 지시자(indicator)들을 이용한다. 대안적으로, 시스템(10)은 다음의 등식에서 정의되는 적분 함수 J(i)이다:

J(i)=(1-alpha)*J(i-1)+alpha*abs(X(i))(등식 2)

여기서 X(i)는 모션 센서(30)로부터 샘플링되는 바와 같은 로(raw) 신호이다. 만약 예를 들어, X(i)가 초당 10 샘플들을 갖는다면, ahpha에 대한 적절한 값은 0.01과 0.1 사이, 예컨대 0.05가 된다. 신호 J는 일반적으로 전체 밤 동안 에버리징(average)되며, 표준 편차가 계산된다. 만약 임의의 포인트에서, J(i)가 적어도 2초 지속되는 기간 동안 표준 편차의 두 배를 초과하여 상기 평균을 초과하면, 불안정 이벤트가 정의된다.

일부 애플리케이션들에 대해, 그러한 불안정 이벤트들이 식별되면, 시스 템(10)은 시간 대 마다 이벤트들의 수를 계수한다(예를 들어, 각각의 시간 대는 30 분의 지속기간을 가질 수 있다). 임상 증상(여기 기재된 상태들 중 임의의 것과 같은)을 검출하기 위해, 시스템(10)은 어떠한 기준에 따라서, 측정된 야간 패턴들을 기준 패턴과 비교한다. 예를 들어, 시스템(10)은 불안정 이벤트가 시간 대들의 어떠한 백분율보다 많이 검출된다면(예를 들어, 10%, 20%, 또는 30% 이상) 임상 증상 경고를 발생시킬 수 있다. 대안적으로, 시스템(10)은 밤마다 불안정 이벤트들의 총 수가 임계치를 초과한다면 임상 증상 경고를 발생시킨다. 일부 애플리케이션들에 대해, 상기 기준 패턴 또는 임계치는 모집단 평균들에 기초하여 결정되는 반면, 다른 애플리케이션들에 대해, 상기 기준 패턴 또는 임계치는 수 개의 비-징후적(non-symptomatic) 밤들에 걸친 상기 주체로부터의 데이터를 에버리징함으로써 결정된다.

도 13을 참조하기로 하며, 이는 본 발명의 실시예에 따른, 정상적인 수면 동안 및 천식의 임상 증상 동안의 불안정 이벤트들을 도시하는 그래프이다. 선(260)은 정상 수면 동안의 30분대 마다 불안정 이벤트들의 수를 도시한다(막대들은 표준 오차(standard error)를 지시한다). 선(262)은 천식의 임상 증상으로 특징지워지는 밤 동안의 30분대 마다 불안정 이벤트들의 수를 도시한다.

본 발명의 실시예로, 다가오는 또는 진척되는 천식 증상과 같은 어떠한 병리들에 대한 추가적인 징표를 제공하기 위해, 시스템(10)은 불안정 또는 기침에 기인한 각성(arousal)의 증상들을 모니터링한다.

본 발명의 실시예로, 시스템(10)은 야간 수면 동안의 호흡, 심박수, 및/또는 기침과 같은 모니터링된 파라미터들을 기록한다. 본 시스템은 연속적으로, 또는 아침과 같은, 수면 종료 후에 상기 기록된 파라미터들을 분석하여, 다가오는 임상 증상을 예측한다. 아침에, 또는 이후 낮에, 시스템(10)은 사용자 인터페이스(24)를 구동하여 다가오는 임상 이벤트에 대해 상기 주체에게 경보한다. 그러한 다가오는 임상 이벤트들은, 적어도 12 또는 24시간과 같이, 일반적으로 시스템(10)이 이들의 다가옴을 예측한 후 적어도 몇 시간까지 발생하지 않는다. 그러므로, 아침 또는 낮의 이후까지 통지를 지연시키는 것은 여전히 일반적으로, 불필요하게 상기 주체의 수면을 중단시키지 않고, 상기 증상의 임상 징후가 시작되기 전에 상기 주체가 예방 처치를 시작하는데 충분한 시간을 제공한다. 일부 애플리케이션들에 대해, 시스템(10)은 상기 파라미터들을 분석하여 다가오는 임상 증상의 격렬함 및/또는 긴급성을 추정하며, 상기 주체를 상기 격렬성 및/또는 긴급성에 응답적으로 깨워야할 것인지를 결정한다.

시스템(10)이 이미 진행 중인 임상 증상의 악화, 또는 증상이 상대적으로 짧은 시간 기간(예컨대, 4 시간 이내) 내에 시작될 것을 검출하는 애플리케이션들에 대해, 시스템(10)은 지연없이 경고를 제공하여 상기 악화되는 증상의 신속한 처치를 가능하게 한다. 추가로, 시스템(10)은 수면 동안 모니터링된 파라미터들을 일반적으로 기록하며 연속적으로 분석한다.

본 발명의 일 실시예로, 시스템(10)은, 심실 세동(ventricular fibrillation) 또는 심장마비(cardiac arrest) 동안과 같은, 맥박 불규칙인 증상들을 검출하고, 그리고 그러한 불규칙 검출시 즉각적인 경보를 제공하도록 구성된다. 대안적으로 또는 추가적으로, 그러한 불규칙 검출시, 시스템(10)은 자동적으로 적절한 전기 또는 자기 충격을 관리한다. 예를 들어, 사용자 인터페이스(24)는, 당해 기술 분야에 공지되어 있는, 삽입형 또는 외장형 제세동기(cardioverter/defibrillator)를 포함할 수 있다.

본 발명의 일 실시예로, 모션 센서(30) 및 전부 또는 일부의 모션 데이터 획득 모듈(20)은 대상(12)에 삽입되도록 적응되는 생체적합성 하우징(biocompatible housing) 내에(또는 멀티플 하우징(multiple housing) 내에) 패키징된다. 상기 삽입형 컴포넌트들은 무선 송신기를 포함하며, 이는 RF와 같은 전송 기술(예컨대, Bluetooth® 또는 Zigbee 프로토콜들, 또는 전용 프로토콜) 또는 초음파를 이용하여 상기 획득된 신호들을 외장 수신기로 전송하도록 적응된다. 대안적으로, 하나 이상의 분석 모듈들(22, 23, 26, 28, 29, 또는 31), 및/또는 사용자 인터페이스(24)도, 다른 삽입형 컴포넌트들과 동일한 하우징 내에, 또는 별도의 하우징들내에, 상기 대상 내에 삽입되도록 적응된다. 추가적 대안으로, 모션 센서(30)는 대상(12)에 삽입되도록 적응되는 반면, 모션 데이터 획득 모듈(20)은 상기 대상 외부에 있도록, 그리고 무선으로 또는 유선으로 모션 센서(30)와 통신하도록 적응된다.

시스템(10)의 전부 또는 일부가 이식가능한(implantable) 실시예에서, 센서(30)는 멀티-센서를 포함하며, 멀티-센서는 (a) 기계적 진동들, (b) 음향적 진동들, (c) 심전도(electrocardiogram), (d) 근전도(electromyogram), (e) 폐(lung) 임피던스 및 (f) 가속도들과 같은 하나 이상의 파라미터들의 측정을 위한 둘 이상의 센서들을 포함한다. 몇몇 애플리케이션들에서, 시스템(100)은 (a) 호흡 률(respiration rate), 듀티 사이클(duty cycle), 호기(expiration)/흡기(inspiration) 비율, 및/또는 호흡 깊이와 같은 호흡 분석; (b) 기침 측정; (c) 심박수(heart rate), 심박수 변화, 및/또는 인터-펄스 타이밍과 같은 펄스 분석; 및 (d) 수면 불안정 분석(sleep restlessness analysis)과 같은 하나 이상의 분석들을 수행하기 위해 멀티-센서 데이터를 사용한다. 몇몇 실시예들에서, 멀티-센서 데이터 분석들은 천식(asthma), CHF, 당뇨병(diabetes) 및 간질(epilepsy)과 같은 만성 질환들의 임상적인 증상을 예측하고 그리고/또는 모니터링하기 위해 사용된다.

몇몇 실시예들에서, 시스템(10)의 이식가능한 컴포넌트들은 안락 표면(reclining surface) 내에, 위에 또는 아래에 설치되거나, 또는 환자의 몸의 외부 표현에 설치된 외부 장치와 통신한다. 심실 세동(ventricular fibrillation) 또는 심장 억제(cardiac arrest)와 같은 결정적인 펄스 불규칙성 또는 병리(pathology)의 검출에 응답하여, 외부 장치는 적절한 전기적 또는 자기적 쇼크(shock)를 주기 위해 사용된다. 예를 들어, 외부 장치는 기술적으로 알려진 바와 같이 이식가능한 또는 외부의 제세동기(cardioverter/defibrillator)를 포함할 수 있다. 대안적으로, 시스템(10)의 이식형 컴포넌트들은 기술적으로 알려진 바와 같이 무선으로 또는 유선으로 이식형 제세동기와 통신한다. 대안적으로, 상기 외부 장치는 외부적으로 모니터링하기 위한(예를 들어, 다리 이동) 파라미터들의 일부를 모니터링하는 반면에, 시스템(10)의 이식형 컴포넌트들은 내부적으로 모니터링하기 위한 파라미터들을 모니터링한다. 이식형 또는 외부 프로세싱 유니트는 위 에서 설명된 풀(full) 멀티-파라미터 모니터링 기능을 제공하기 위해 정보를 통합한다.

본 발명의 일 실시예에서, 사용자 인터페이스(24)는 약품 및 투약 정보와 같은, 현재 환자가 받고 있는 의학적 치료와 관련된 정보 입력을 수용하도록 구성된다. 예방적 또는 임상적인 약리적 치료들은 호흡, 심박수, 기침 또는 불안정(restlessness)과 같은 생리학적 파라미터들에 영향을 줄 수 있다. 예를 들어, 천식 환자들의 호흡 패턴들은 기관지 확장제(bronchodilator)의 투여에 의해 영향을 받을 수 있다. 그러므로 패턴 분석 모듈(16)은 베이스라인 파라미터들로부터 측정된 파라미터들의 편차(deviation)들을 평가할 때 입력된 정보를 고려한다. 예를 들어, 호흡 패턴 분석 모듈(22)은 기관지 확장제 처방 후에 한 시간 내에 호흡률의 증가가 발생하고 그 후로 8시간까지 지속된다면 베이스라인과 비교하여 호흡률의 약 10% 정도의 약간의 증가는 무시할 수 있다.

다시 도 2를 살펴보도록 한다. 몇몇 애플리케이션들에서, 약품 치료 정보는 수동적으로 사용자 인터페이스(24)로 입력되기보다는 약품 관리 장치(266)로부터 시스템(10)으로 직접 전송된다. 이러한 약품 치료 정보는 예컨대 약품(및/또는 약품의 활성 성분들)이 관리되고 있었는지 여부, 관리된 약품의 투여, 및/또는 관리 타이밍을 포함할 수 있다. 몇몇 애플리케이션들에서, 시스템(10)은 자신이 약품 관리 장치(266)로 제공하는 투여 및/또는 약품 관리 타이밍 정보를 결정할 때 상기 약품 치료 정보를 고려한다. 시스템(10)으로의 데이터 전송은 무선으로 또는 유선으로 수행될 수 있다. 예를 들어, 약품 관리 장치(266)는 Nebulizer Chronolog(Medtrac Technologies, Inc. , Lakewood, CO, USA) 또는 Doser(MEDITRACK Products, Hudson, MA)와 같은 통신 기능을 갖춘 상업적으로 이용가능한 약품 관리 장치를 포함할 수 있다.

본 발명의 일 실시예에서, 시스템(100)은 자동적으로 특정한 약리적 치료와 관련된 파라미터 패턴 변화들을 탐지하여 추출하고, 베이스라인 패턴들로부터의 파라미터 편차의 평가에 있어서 추출된 패턴 변화들을 고려한다. 예를 들어, 천식 환자의 호흡률이 약 10% 정도 증가하고 약 6 내지 8 시간 후에 정상으로 돌아오는 경우는 기관지 확장제의 사용과 관련된 것으로 시스템(10)에 의해 식별될 수 있다.

다시 도 2를 살펴보도록 한다. 본 발명의 일 실시예에서, 시스템(10)은 약품 관리 장치(266)와 함께 자동적인 폐-루프(closed-loop)에서 사용된다. 약품 관리 장치는 환자(12)에게 약품을 전달한다. 시스템(10)은 약품의 임상적 결과를 모니터링하고, 약품 투여를 유지하거나 또는 업데이트하기 위해 약품 관리 장치로 피드백을 제공한다. 몇몇 애플리케이션들에서, 약품 관리 장치(266)는 네블라이저(nebulizer), 흡입기(inhaler), (예를 들어, 환자가 있는 방에 있는) 증발기(vaporizer), 연속적인 포지티브 기도(airway) 압력 장치, 스프레이 시스템, 또는 정맥(intravenous) 약품 관리 시스템 중 하나 이상을 포함한다. 대안적으로 또는 추가적으로, 시스템(10)은 환자의 하나 이상의 생리학적 파라미터들을 최적화하기 위해 그리고 습도를 적절하게 제어하도록 증발기 또는 다른 가습 장치를 구동하기 위해, 환자가 있는 방의 최적 습도 레벨을 결정하도록 구성된다. 또한, 대안적으로 또는 추가적으로, 시스템(10)은 환자의 하나 이상의 생리학적 파라미터들을 최적화하기 위해 그리고 온도를 적절하게 제어하도록 에어 컨디셔너 및/또는 히터를 구동하기 위해, 최적 방 온도를 결정하도록 구성된다.

몇몇 애플리케이션들에서, 약품 치료 정보는 수동적으로 사용자 인터페이스(24)로 입력되기보다는 약품 관리 장치(266)로부터 시스템(10)으로 직접 전송된다. 이러한 약품 치료 정보는 예컨대 약품(및/또는 약품의 활성 성분들)이 관리되고 있었는지 여부, 관리된 약품의 투여, 및/또는 관리 타이밍을 포함할 수 있다. 몇몇 애플리케이션들에서, 시스템(10)은 자신이 약품 관리 장치(266)로 제공하는 투여 및/또는 약품 관리 타이밍 정보를 결정할 때 상기 약품 치료 정보를 고려한다.

몇몇 애플리케이션들에서, 약품 관리 장치(266)는 여러 약품들의 투약을 조절한다. 예를 들어, 약품 관리 장치는 기관지 확장제, 항염증약(anti-inflammatory), 항생제(antibiotic) 및 플라시보(placebo)와 같은 카테고리들 중 하나 이상의 카테고리들에 속하는 약품들의 투약을 조절할 수 있다. 천식 환자들을 치료하기 위한 몇몇 애플리케이션들에서, 약품 관리 장치(266)는 기관지 확장제, 항염증 에이전트 및 플라시보와 같은 여러가지 타입들의 약품들을 가지는 세 개의 챔버들을 포함하는 정량식 분무제(MDI: metered-dose inhaler)를 포함한다. 환자(12)가 아침에 깨어나면, 시스템(10)은 환자의 현재 상태를 결정하고, 그에 응답하여 세가지 약품들 중 적절한 투약 조합을 결정한다. 시스템(10)은 이러한 정보를 MDI로 전달하고, MDI는 흡입될 관련된 조합을 준비한다. 환자는 적절한 조합 및 약품 투약에 대한 자동적인 관리를 위해 MDI를 활성화시킨다. 이러한 기법들은 환자가 MDI에 의해 전달되는 약품 조합을 알아야하거나 또는 제어해야할 필요가 없도록 한다. 이번 단락에서 설명된 상기 기법들은 또한 MDI들이 아닌 약품 관리 장치들에 대하여 적합하다.

본 발명의 일 실시예에 따라 측정된 신호들의 전력 스펙트럼 밀도들을 도시하는 그래프들인, 도 14A-B에 대하여 살펴보도록 한다. 도 14A 및 14B에 있는 선들(270 및 272) 각각은 복부 및 다리들에서 측정된 신호들의 전력 스펙트럼 밀도들을 나타낸다. 피크들(274 및 276)은 각각 환자의 호흡률 및 심박수에 대응한다. 그래프들에 도시된 바와 같이, 몇몇 애플리케이션들에서 심박수는 다리들에서 측정된 신호에서 보다 명확하게 탐지가능하다.

본 발명의 일 실시예에 따른 두 개의 모션 센서들(30A 및 30B)을 포함하는 시스템(10)의 구성에 대한 도면인, 도 15에 대하여 살펴보도록 한다. 모션 센서들(30A 및 30B)은 와면(37) 내에, 위에 또는 아래에 설치되며, 센서(30A)는 환자(12)의 복부(38) 또는 가슴(39) 근처에 위치하며, 센서(30B)는 환자의 다리들(40) 근처와 같은 해부학적으로 환자(12)의 허리 아래쪽에 있는 몸의 일부분 근처에 위치한다. 시스템(10)은 일반적으로 동시에 센서들(30A 및 30B)로부터의 신호들을 샘플링하고 분석한다. 맥동하는(pulsating) 심장의 심장충격(cardioballistic) 효과는 대략적으로 초당 5미터의 속도에 이동하며, 심장에서 발생하여 다리들로 이동한다. 몇몇 애플리케이션들에서, 시스템(10)은 복부(38) 또는 가슴(39) 아래의 센서(30A)로부터 탐지된 펄스를 확인하기 위해 다리(40) 아래의 센서(30B)로부터 탐지된 지연된 펄스를 이용한다. 몇몇 애플리케이션들에서, 시스템(10)은 둘보다 많은 모션 센서들(30)을 포함한다.

다리(40) 및 복부(38) 아래에서 동시에 측정된 펄스 신호들과, 본 발명의 일 실시예에 따라 각각 측정되고 계산된 도 16A의 신호들 간의 상호 상관을 도시하는 그래프들인 도 16A-B에 대하여 살펴보도록 한다. 몇몇 애플리케이션들에서, 시스템(10)은 (a) 다리(40)와 같이 해부학적으로 환자의 허리 아래에 위치한 부분 및 (b) 복부(38) 또는 가슴(39)에서 측정된 신호들 사이의 상호 상관을 계산한다. 예를 들어, 도 16A의 신호들(290 및 292)은 각각 환자의 복부(38) 및 다리에서 동시에 측정된 펄스 신호들을 나타낸다. 도 16B의 선(294)은 도 16A의 두 개의 펄스 신호들의 상호 상관을 나타낸다. 선(294)의 제 1 피크(296)는 심장충격 신호의 지연에 대응하며, 이러한 예서는 상기 지연은 대략적으로 0.12초이다. 상호 상관 신호의 피크(296)가 식별된다. 상호 상관의 제 2 피크(298)가 식별된다. 상기 피크들 사이의 거리는 심장 박동들 사이의 거리에 대응하며 심박수의 계산을 가능하게 한다. 몇몇 애플리케이션들에서 시스템(10)은 직접적으로 측정된 심박수를 부정확하게 할 수 있는 신호들의 배경 잡음을 보정하기 위해 이러한 간접적으로 측정된 심박수를 이용한다.

도 15에 대하여 살펴보도록 한다. 본 발명의 일 실시예에서, 복부 및 다리 센서들(30A 및 30B)은 서로에 대하여 알려진 거리 D에서 와면(37) 아래에 위치한다(예를 들어, D는 센서들의 각각의 중심들 사이에서 측정될 수 있다). 시스템(10)은 상호 상관 신호(294)(도 16B)의 제 1 피크(296)에 대응하는 시간 차이로 거리 D를 나눔으로써 심장충격 신호가 환자의 몸에서 이동하는 속도를 계산한다. 몇몇 애플리케이션들에서, 시스템(10)은 연속적으로 이러한 속도를 계산한다. 속도의 변화는 환자의 상태 변화에 대한 표시자로서 작용한다. 예를 들어, 몇몇 애플리케이션들에서, 시스템(10)은 환자의 혈압 및/또는 혈압의 변화를 추정하기 위해 측정된 시간 차이 및/또는 두 개의 펄스 신호들 사이의 변화들을 이용한다. 여기에 설명된 기법들은 필요한 변경을 가하여 위에서 언급된 발명자가 Chen 등인 US 특허 6,599,251에서 설명된 기법들과 결합하여 사용될 수 있다. 몇몇 애플리케이션들에서, 시스템(10)은 임상적인 증상 발현들의 시작 및 진행을 모니터링하고 예측하기 위해 획득된 혈압 정보를 이용한다. 몇몇 애플리케이션들에서, 시스템(10)은 환자의 절대 혈압을 계산한다. 이러한 애플리케이션들에서, 시스템은 전형적으로 오실로메트릭 커프(oscillometric cuff)와 같은 표준 혈압 측정 장치를 사용하여 조정된다.

본 발명의 일 실시예에 따른 임신한 환자(300) 및 환자의 태아(302)를 모니터링하도록 구성된 시스템(10)의 도면을 나타내는, 도 17에 대하여 살펴보도록 한다. 이러한 실시예에서, 시스템(10)은 둘 이상의 모션 센서들(30)을 포함하며, 시스템은 임산부의 펄스 및 태아의 펄스를 식별하고 구별하기 위해 상기 모션 센서들을 사용한다. 몇몇 애플리케이션들에서, 제 1 센서(30C)는 환자의 펄스 신호를 명확하게 검출하기 위해, 다리(40)와 같은 해부학적으로 임신한 환자(300)의 허리 아래에 있는 부분에 위치한다. 제 2 센서(30D)는 환자(300)의 복부(38) 아래에 위치하며, 임산부의 펄스 및 태아의 펄스의 결합된 신호를 측정한다. 추가적인 센서들(30)이 추가적으로 신호 품질을 향상시키기 위해 사용될 수 있다. 패턴 분석 모 듈(16)은 태아 펄스를 결정하기 위해 결합된 펄스 신호로부터 임산부의 펄스 신호를 제거한다.

몇몇 애플리케이션들에서, 시스템(10)은 한편으로 임산부의 움직임 및 펄스를 다른 한편으로 태아의 움직임 및 펄스를 식별하고 구별하기 위해 둘 이상의 센서들을 사용하도록 구성된다. 전형적으로, 시스템은 환자의 펄스 및 모체 움직임들에 대한 신호를 명확하게 검출하기 위해 제 1 센서(30C)를 사용하며, 임산부 펄스 및 태아 펄스와 몸의 움직임들에 대한 결합된 신호를 측정하기 위해 제 2 센서(30D)를 사용한다. 패턴 분석 모듈(16)은 태아의 펄스 및 움직임을 결정하기 위해 결합된 펄스 및 움직임 신호들로부터 임산부 펄스 및 움직임을 제거한다.

몇몇 애플리케이션들에서, 패턴 분석 모듈(16)은 복부 및 해부학적으로-허리-아래(예를 들어, 다리) 센서들에 의해 측정된 신호들에 있는 지연에 응답하여 태아 펄스로부터 임산부의 펄스를 식별하고 구별한다. 예를 들어, 패턴 분석 모듈(16)은 필요한 변경을 가하여 위에서 설명된 상호-상관 기법들을 이용할 수 있다. 예를 들어, 위에서 설명된 상호-상관 기법들은 임산부의 펄스를 식별하기 위해 이용될 수 있다. 이러한 신호는 결합된 신호로부터 감산된다. 대안적으로, 임산부의 펄스를 찾은 후에, 결합된 신호는 임산부 펄스 주파수를 제거하는 노치(notch) 필터를 사용하여 필터링된다. 그 후에 결과 신호는 예컨대 약 1 Hz에서 4 Hz 사이에 있는 태아 펄스에 대하여 적절한 대역통과 필터를 사용하여 필터링되며, 태아 펄스는 위에서 설명된 기법들을 이용하여 식별된다.

본 발명의 일 실시예에 따라 생리학적 상태를 예측하기 위한 방법을 도시하 는 플로우차트인, 도 18에 대하여 살펴보도록 한다. 이러한 실시예에서, 시스템(10)은 모션 센서(30)에 의해 생성된 모션 신호의 에너지 스펙트럼에 있는 상이한 고조파들(harmonics) 사이의 비율 변화들에 적어도 부분적으로 응답하여 생리학적 상태를 예측하도록 구성된다. 측정 단계(310)에서, 모션 센서(30)는 모션 신호를 측정한다. 전력 스펙트럼 계산 단계(312)에서, 호흡 패턴 분석 모듈(22)은 측정된 모션 신호의 전력 스펙트럼을 계산한다. 호흡률 결정 단계(314)에서, 모듈(22)은 (예를 들어, 약 0.1에서 1 Hz 사이에 있는) 호흡에 속하는 주파수 범위에 있는 피크로서 호흡률을 식별한다. 대안적으로, 호흡률을 결정하기 위해, 호흡 패턴 분석 모듈(22)은 시간 도메인에서 제로-크로싱(zero-crossing) 또는 피크 검출을 이용하며, 그 후에 피크들을 카운팅한다. 또한 대안적으로, 모듈은 피크들을 식별하고, 피크들 사이의 시간 간격들을 측정하고, 내림차순으로 상기 간격들을 배열하고, 상위(예를 들어, 10%) 및 하위(예를 들어, 10%)에서 특정 퍼센트를 삭제하고, 남아있는 간격들을 평균화한다. 그 후에, 고조파 식별 단계(316)에서, 모듈(22)은 하나 이상의 고조파들, 즉, 전력 스펙트럼에 있는 이러한 피크의 정수 배수들(또는 결과 주파수가 허용된 주파수 범위 내에 있다면, 1/2과 같은 작은 분자/분모 분수들)을 식별한다. 비율 및 위상 차이 계산 단계(318)에서, 모듈(22)은 고조파들의 에너지 레벨들의 비율들 및 고조파들 사이의 위치 차이를 계산한다. 상태 예측 단계(310)에서, 모듈(22)은 이러한 파라미터들 대 베이스라인 측정들을 분석하고, 접근하는 생리학적 조건을 표시하는 베이스라인으로부터의 편차를 해석한다. 예를 들어, 이러한 편차는 흉복부 비동시성(thoracoabdominal asynchrony) 레 벨 또는 이에 대한 위상 각도를 나타낼 수 있다.

본 발명의 일 실시예에 따른, 도 18과 관련하여 여기에 설명된 방법을 수행하기 위해 사용되는 예시적인 전력 스펙트럼을 나타내는 그래프인, 도 19에 대하여 살펴보도록 한다. 이러한 전력 스펙트럼은 실제 천식 환자로부터 측정된 데이터로부터 획득된 것이다. 선(321)은 도 18의 방법에 있는 단계들(310 및 312)에서 측정되고 필터링된 호흡 신호에 대한 전력 스펙트럼을 나타낸다. 피크(322)는 단계(314)에서 약 0.1 내지 0.5 Hz의 범위에서 가장 큰 피크로서 식별된다. 이러한 피크는 기초 호흡률을 나타낸다. 피크(324)는 단계(316)에서의 호흡 신호의 제 2 고조파로서 식별된다. 피크(324)의 높이에 대한 피크(322)의 높이의 비율은 단계(318)에서 수면 시간 동안에 여러 시간 동안 계산되고 그래프화된다. 몇몇 애플리케이션들에서, 피크들의 베이스라인 기준 비율은 정상적인 수면 동안 측정된 결과들에 기초하여 계산된다. 단계(320)에서, 수면 동안 피크들의 비율은 피크들의 베이스라인 기준 비율과 비교되어 피크들의 비율이 베이스라인으로부터 벗어나는지 여부를 평가하며, 그리하여 임상적인 증상 발현이 개시되는 것을 표시한다. 또한, 단계(318)에서, 푸리에 분석은 각각의 주파수에 대한 위상을 제공한다. 전형적으로, 베이스 고조파 및 제 2 고조파에 대한 위상들은 서로에 대하여 감산되며, 그 차이는 위에서 설명된 분석과 유사한 방식으로 분석된다.

도 20은 본 발명의 일 실시예에 따라 측정된, 천식 환자의 호흡 신호의 제 1 고조파 및 베이스 주파수의 비율을 나타내는 그래프이다. 상기 도면에 도시된 바와 같이, 선(332)에 의해 표시된, 정상적이며 비-사전 증상적인(non-pre-episodic) 수면 동안의 비율과 비교하여, 비-사전 증상적인 수면 동안, 선(330)에 의해 표시된, 고조파들의 에너지 레벨들의 비율은 실질적으로 증가된다. (상기 선들에 있는 바(bar)들은 표준 편차들을 나타낸다.) 몇몇 애플리케이션들에서, 에러 바들의 크기에서의 실질적인 변화는, 본질적으로 그리고 자연히, 임상적인 증상을 예측하거나 또는 표시한다.

본 발명의 일 실시예에서, 시스템(10)은 일 시간 주기 동안 발생하는 수면 무호흡 이벤트들의 수를 식별 및 카운트하도록 적응된다. 시스템(10)은 이러한 이벤트들의 수를 증상이 없는 날의 베이스라인과 비교하여, 에피소드의 표시로서 편차(deviation)를 해석한다.

본 발명의 일 실시예에 따라 교대성 무호흡(CSR)을 나타내는 호흡 신호 및 도21A의 신호 분석을 보여주는 그래프인, 도21A-B가 참조된다. 이러한 실시예에서, 시스템(10)은 CHF와 같은 만성적인 조건들의 표시자로서 CSR을 식별하도록 적응된다. 도21A의 신호(350)는 상술한 바와 같이 측정 및 필터링되는, 수면 주체의 호흡 신호를 나타낸다. 이러한 신호는 CSR의 특성이다. 시스템(10)은 신호(350)의 연속적인 피크들 사이의 시간적인 거리를 측정하고, 도21B의 라인(352)에 의해 제시된 바와 같이, 연속적인 피크들의 각 쌍 사이의 순시 호흡율을 계산한다. 라인(352)은 CSR의 예상 주기를 보여주며, 이러한 패턴을 식별하는데 사용된다. 일부 응용예들에서, 시스템(10)은 밤마다 이러한 사이클들의 수들을 측정 및 로그(log)하고, 이러한 정보를 CHF와 같은, 임상적인 조건들의 중증도 및 발병의 표시로서 사용한다.

도22는 본 발명의 일 실시예에 따라 측정된 교대성 무호흡(CSR)을 표시하는 호흡 신호를 보여주는 그래프이다.

도23은 본 발명의 일 실시예에 따라 측정된 베이스 라인 및 심박수 야간 패턴들의 그래프이다. 라인(400)은 CSR이 존재하지 않는 경우의 정상적인 베이스라인 패턴을 보여주며, 라인(402)는 CSR이 존재하는 경우 야간 동안의 패턴을 보여준다. 바(bar)들은 하나의 표준 에러를 나타낸다.

본 발명의 일 실시예에서, 시스템(10)은 주기적 사지운동 장애(PLMS)를 식별하도록 적응된다. 이러한 중상의 발생 및 레벨은 CHF, 당뇨, 빈혈, 신장 질환과 같은 만성적인 조건들의 발병 표시자로서 사용된다. 일부 응용예들에서, 시스템(10)은 하나의 센서(30)를 포함하지만, 다른 응용예들에서, 시스템(10)은 2개 이상의 센서(30)를 포함한다.

도2를 다시 참조한다. 본 발명의 일 실시예에서, 시스템(10)은 체온을 측정하기 위한 온도 센서(380)를 포함한다. 일부 응용예들에서, 온도 센서(380)는 체온 측정을 위한 통합형 적외선 센서를 포함한다. 체온은 계통적인 간염 및 염증의 일반적인 상태를 표시하는 중요한 신호이다. 체온의 상승은 진단 과정에서 첫 번째 스크리닝 툴로 사용된다.

도1 및 도 2를 다시 참조한다. 본 발명의 일 실시예에서, 시스템(10)은 제1 및 제2 모션 센서(30)를 포함한다. 모션 센서(30)는 리클라이닝(reclining) 표면(37) 내부, 상부, 또는 하부에 장착되고, 이로 인해 제1 모션 센서는 주체(12)의 폐에 인접하게 위치되고, 제2 모션 센서는 주체(12)의 복부(예를 들면, 주체(12)의 하복부)에 근접하게 위치된다. 시스템(10)은 일반적으로 동일한 시간에 2개의 센서들로부터 호흡과 관련된 신호를 샘플링 및 분석한다. 일부 응용예들에서, 호흡 패턴 분석 모듈(16)은 예를 들어 상술한 바와 같이 2개의 호흡 관련 신호들을 상호상관함으로써 센서들의 호흡 관련 신호들 사이의 위상 쉬프트를 계산한다. 호흡 패턴 분석 모듈(16)은 이러한 위상 쉬프트를 분석하여 기도 폐쇄증을 갖는 환자들의 주요한 임상적인 특징인, TAA(thoracoabdominal asynchrony)의 측정치를 결정한다. 대안적으로 또는 이에 부가하여, 모듈(16)은 이러한 위상 쉬프트를 분석하여 천식과 같은 임상적인 조건들의 발병을 식별 및 모니터링한다. 다른 응용예들에서, 모듈(16)은 호흡 관련 신호들의 크기들의 비율을 계산하고, 이러한 비율을 분석하여 호흡에서 부근(accessory muscle) 사용의 측정치를 결정한다. 복부 센서에 의해 측정된 호흡 관련 신호 대 폐 센서에 의해 측정된 호흡 관련 신호의 비율이 크다는 것은 호흡에서 부근의 보다 많은 사용을 표시한다. 부근 사용은 기도 폐쇄증을 갖는 환자들의 중요한 임상적인 특징이다.

도1 및 2를 다시 참조한다. 본 발명의 일 실시예에서, 시스템(10)은 제1 및 제2 모션 센서(30)를 포함한다. 모션 센서(30)는 리클라이닝(reclining) 표면(37) 내부, 상부, 또는 하부에 장착되고, 이로 인해 제1 모션 센서는 주체(12)의 폐에 인접하게 위치되고, 제2 모션 센서는 주체(12)의 복부에 근접하게 위치된다. 시스템(10)은 일반적으로 동시에 2개의 센서들로부터의 호흡 관련 신호들을 샘플링 및 분석한다. 일부 응용예들에서, 호흡 패턴 분석 모듈(16)은 이러한 센서들로부터의 조합된 신호를 분석하여 흡기와 호기를 구별한다. 예를 들어, 일부 경우들에서, 흡기 기간 동안, 폐 부근의 움직임은 복부 부근의 움직임에 선행하고, 날숨 기간 동안, 폐 영역의 움직임은 복부 영역의 움직임을 뒤따른다(trail). 일부 응용예들에서, 호기 대 흡기 듀레이션의 비율은 실질적으로 연속적으로 계산된다. 흡기 듀레이션에 비교하여 호기 듀레이션이 길면 기도 폐쇄를 표시한다.

본 발명의 일 실시예에서, 시스템(10)은 당뇨병 주체에서 저혈당증의 발병의 조기 신호를 식별하도록 구성된다. 이러한 시스템은 이러한 발병의 표시로서 저혈당 진전의 레벨 증가, 및/또는 심박수, 호흡율, 및/또는 각성(awakening)과 같은 상술한 다른 파라미터들과 조합하여 진전 레벨 증가, 및/또는 (여기서 제시된 기술들을 사용하여 심장박동 신호의 피크들 사이의 타이밍을 분석함으로써) 심계항진을 표시하는 심장박동 패턴의 변경을 식별한다. 일반적으로, 이러한 시스템은 8Hz 및 12Hz 사이와 같이, 대략 4Hz 내지 18Hz 사이에서 신체 움직임을 모니터링함으로써 생리적인 진전을 검출한다. 대안적으로, 이러한 시스템은 파킨스 병, 알츠하이머 병, 뇌졸중, 본태성 진전증 (Essential tremor), 간질, 스트레스, 섬유성 연축(fibrillation), 및 과민성 충격으로 구성되는 리스트로부터 선택된 조건의 진전 또는 발병의 표시자로서 생리적인 진전 레벨의 증가를 식별한다. 일부 응용예들에서, 시스템(10)은 사용자 인터페이스(24)를 구동하여 진전(tremor)의 진폭 또는 스펙트럼 이미지와 같은 검출된 생리적인 진전의 하나 이상의 특성들을 디스플레이하도록 적응된다. 예를 들어, 시스템(10)은 임상 병원 생명 신호 진단 시스템으로서 사용될 수 있다. 일부 응용예들에서, 저혈당증은 심계항진을 식별하기 위해서 심장 신호를 분석함으로써 식별된다.

본 발명의 실시예에서, 시스템(10)은 호흡율, 심박수, 기침 카운트, 혈압 변경, 흡기/호기 비율, 호흡 하모닉 비율, 및 야간 기간동안의 다수의 시간 포인트들에서의 진전과 같은 생리적인 파라미터들의 서브셋을 모니터링한다. 패턴 분석 모듈(16)은 스코어를 각각의 모니터링된 파라미터에 할당하고, 이러한 스코어들을 결합하여 합성 스코어를 유도한다. 다음은 이러한 조합에 대한 예시적인 공식이다:

패턴 분선 모듈(16)은 결합 스코어를 제1 임계치 및 제1 임계치보다 큰 제2 임계치와 비교한다. 결합 스코어가 제1 및 제2 임계치 사이이면, 시스템(10)은 장래의 예견된 임상적인 에피소드를 표시하는 알람을 생성한다. 결합 스코어가 제2 임계치보다 작으면, 시스템은 현재 발생하는 임상적이 에피소드를 표시하는 알람을 생성한다. 대안적으로, 이러한 스코어들 및 결합 스코어들은 벡터들이다.

일부 응용예들에서, 이러한 기술들이 천식 환자들에 의해 널리 사용되는 존(zone) 질병 관리와 결합하여 사용되고, 여기서 "그린(green)" 존은 천식 증상이 없음을 표시하고, "옐로우(yellow)" 존은 낮은 공격 레벨을 표시하고, "레드(red)" 존은 높은 레벨의 공격을 표시한다. 결합 스코어가 제1 임계치보다 작으면, 시스템(10)은 사용자 인터페이스(24)가 그린 존 표시를 생성하도록 하고, 결합 스코어 가 제1 및 제2 임계치 사이이면 옐로우 존 표시를 생성하도록 하고, 결합 스코어가 제2 임계치보다 크면 레드 존 표시를 생성하도록 한다.

일부 응용예들에서, 시스템(10)은 결합 스코어가 제2 임계치보다 크면 즉각적인 알람을 통해 주체를 야간 수면으로부터 깨우도록 하고, 결합 스코어가 제1 및 제2 임계치 사이이면 주체에게 통보하는 것을 아침까치 대기하도록 구성된다. 즉각적인 알람은 알람 사운드 및/또는 조명을 포함한다. 증상들의 예측된 발생에 대해 아침에 주체에게 통보하는 메시지는 주체를 깨우지 않는 방식으로 결합 스코어의 계산 후에 임의의 시점에서 사용자 인터페이스로부터 초기에 출력될 수 있다.

일부 응용예들에서, 시스템(10)은 이러한 임계치들의 하나 또는 둘 모두, 이러한 파라미터들의 하나 이상, 및/또는 결합 스코어를 생성하는데 사용되는 상수들의 하나 이상을 학습하도록 적응된다. 이러한 학습을 위한 상술한 기술들이 사용될 수 있다.

본 발명의 일 실시예에 따라 며칠 밤동안 측정된 호흡율을 보여주는 3차원 그래프를 보여주는 도24가 참조된다. 이러한 그래프는 임상적인 에피소드의 진전을 시각화하고, 이러한 에피소드의 발생을 식별하는데 효과적이다. 도24 그래프의 x축은 야간 시간을 나타내고, y축은 야간 인덱스(즉, 24시간 주기임)를 나타내며, z축은 호흡율을 나타낸다. 대안적으로 또는 이에 부가하여, 심박수가 z축에 제시된다. 대안적으로, 이러한 데이터는 국소해부학적으로, 또는 그레이-스케일 또는 칼라-코딩된 맵으로 디스플레이된다. 인간 또는 기계에 의한 이러한 3차원 그래프들의 분석은 에피소드의 발생을 표시하는 패턴들을 식별하는데 유용하다.

본 발명의 일 실시예에서, 시스템(10)은 도15에서 제시된 바와 같이, 복부(38) 또는 가슴(39) 근방의 제1 센서, 및 다리(40) 근방의 제2 센서와 같은 모션 센서(30)들을 포함한다. 패턴 분석 모듈(16)은 복부 또는 가슴 아래의 센서에서 측정된 펄스 신호 및 다리 아래에서 측정된 펄스 신호 사이의 시간 지연을 결정한다. 예를 들어, 모듈은 대략 1 및 3개의 심장박동 사이클과 같이, 호흡 사이클 시간 보다 작은 시간 윈도우를 사용하여 심장박동 신호들 사이의 상호 상관을 수행함으로써 시간 지연을 측정할 수 있다. 대안적으로, 모듈은 심장박동 신호들의 피크들을 식별하고, 각 신호의 피크들 사이의 시간 차이들을 계산할 수 있다. 모듈(16)은 이러한 시간 차이를 사용하여 상술한 USP 6,599,251에 제시된 바와 같이, 연속적으로 혈압 변경 신호를 계산한다. 모듈(16)은 전체 흡기/호기 사이클 기간에 대해 혈압 변경의 진폭을 계산하고, 이러한 진폭을 임계치(예를 들면, 10mmHg), 또는 인구 평균에 기반하여, 또는 그 주체에 대해 이전에 측정된 베이스 라인 값과 비교한다. 모듈(16)은 임계치보다 큰 진폭을 기이맥(pulsus paradoxus)을 표시하는 것으로 해석한다. 대안적으로 또는 이에 부가하여, 시스템은 진폭을 디스플레이 및/또는 로그(log) 하여 차후에 상태의 변경을 식별하는데 사용되는 특정 환자에 대한 베이스라인을 형성한다.

여기서 제시된 일부 실시예들은 임상적인 에피소드들을 예측 및/또는 모니터링하기 위해서 모니터링되는 한 세트의 생명 신호들 및 생리적인 행동들과 관련된다. 일부 경우들에서, 이러한 능력들 중 일부를 결합하여 예를 들어, 상술한 당뇨병 환자의 저혈당 발병을 검출하기 위한 시스템의 모니터링 및/또는 예측 성능을 개선하는 것이 유용하다.

본 발명의 실시예에서, 시스템(10)은 야간에 각성(arousal)들의 수를 카운트하도록 적응된다. 일부 응용예들에서, 이러한 카운트는 천식 발작, 당뇨 악화(예를 들면 물을 마시기 위해 일어남), 소장 및/또는 콜론관련 질병, 또는 전립선 문제(예를 들면, 오줌 배설을 위해 일어남)의 발생에 대한 표시로서 제공된다. 일 실시예에서, 각성의 식별은 상술한 기술들, 및/또는 Shinar Z 등(1998)에 의한 상술한 참조 문헌에 제시된 기술들을 사용하여 수행된다.

본 발명의 일 실시예에서, 시스템(10)은 환자 또는 환자가 입고 있는 의복에 접촉하지 않고, 노인 환자를 모니터링하도록 적응된다. 예를 들어, 시스템(10)은 호흡율, 심박수, 기침, 수면 시간, 깨어남 이벤트, 수면중 불안정성 중 하나 이상을 모니터링하도록 구성된다. 일부 응용예들에서, 시스템(10)은 이러한 파라미터들 중 하나 이상의 분석하여 주체가 도움없이 침상을 벗어나려고 할 때를 결정하고, 간호사 등에게 이를 통보한다. 사망 또는 부상은 도움없이 침상을 벗어나려고 환자가 시도하는 경우에 종종 발생된다.

여기서 제시된 일부 실시예들이 천식 에피소드 또는 CHF와 관련하여 설명되지만, 본 발명은 원리는 만성폐쇄성폐질환(chronic obstructive pulmonary disease, COPD), 낭포성섬유증(Cystic Fibrosis), 당뇨병, 신경성 장애(예를 들면, 간질), 및 CHF에 추가하여 임의의 심장 질환과 같은 정상적인 호흡 패턴에 영향을 미치는 다른 호흡기 및 비-호흡기 상태들을 예측 및 모니터링하는데 적용될 수 있다. 일부 응용예들에서, 시스템(10)은 편두통의 조기 표시인, 호흡율 및/또는 심 박수의 변경을 모니터링함으로써, 편두통의 발생을 예측 및 모니터링하도록 구성된다. 일부 응용예들에서, 시스템(10)은 소장 및/또는 콜론 움직임을 모니터링하고, 이러한 움직임을 위장 상태에 대한 표시로서 분석하도록 구성된다. 예를 들어, 시스템(10)은 복부 아래의 센서 및 폐 아래의 센서에 의해 생성된 신호들 사이를 구별함으로써, 위장 트랙 움직임의 특성 주파수를 식별할 수 있다.

당업자는 본 발명이 여기서 제시된 특정 실시예로 제한되지 않음을 잘 이해할 수 있을 것이다. 본 발명의 영역의 여기서 제시된 실시예들의 조합을 포함하며, 다양한 변형이 가능하다.

Claims

대상(subject) 또는 대상이 입고 있는 옷들을 보거나 이들과 접촉되지 않으면서, 대상의 호흡(breathing)을 감지하도록 구성되고, 상기 대상 또는 상기 대상이 입고 있는 옷들을 보거나 이들과 접촉되지 않으면서, 상기 대상의 심장박동(heartbeat)을 감지도록 구성된 센서;

출력 모듈; 및

제어 유닛 - 제어 유닛은, 상기 감지되는 호흡에 응답하여 상기 대상의 적어도 하나의 호흡 패턴을 결정하고, 상기 감지되는 심장박동에 응답하여 상기 대상의 적어도 하나의 심장 패턴을 결정하며,

상기 호흡 패턴과 상기 심장 패턴을 분석하고,

상기 분석에 응답하여 임상 조건의 상태를 나타내는 출력을 생성하기 위해 상기 출력 모듈을 구동하도록 구성됨 -

을 포함하는 장치.
제 1 항에 있어서,

상기 센서는 상기 호흡을 감지하도록 구성된 제 1 센서, 및 상기 심장박동을 감지하도록 구성된 제 2 센서를 포함하는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 제어 유닛은,

상기 호흡 패턴을 베이스라인 호흡 패턴과 비교하고,

상기 심장 패턴을 베이스라인 심장 패턴과 비교하며,

상기 비교들에 응답하여 상기 출력을 생성하기 위해 상기 출력 모듈을 구동하도록 구성되는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 심장 패턴은 심박수(heart rate) 패턴을 포함하고, 상기 제어 유닛은 상기 심박수 패턴을 결정하도록 구성되는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 제어 유닛은,

서로 상이한 각각의 제 1 및 제 2 임계치를 설정하고,

스코어를 생성하도록 상기 호흡 패턴 및 상기 심장 패턴을 분석하며,

상기 스코어가 상기 제 1 및 제 2 임계치 사이에 있으면, 상기 임상 조건의 예측된 발병(onset)의 임상 증상(clinical episode)을 나타내는 제 1 출력을 생성하도록 상기 출력 모듈을 구동하고,

상기 스코어가 상기 제 2 임계치를 통과하면, 상기 임상 조건의 동시 발생하는 임상 증상을 나타내는 제 2 출력을 생성하도록 상기 출력 모듈을 구동하도록 구성되는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 제어 유닛은 상기 호흡 패턴과 상기 심장 패텅에 응답하여, 상기 임상 조건의 임상 증상의 발병을 결정하도록 구성되고, 상기 임상 조건은 천식, 만성 폐쇄성 폐질환(COPD), 울혈성 심부전(congestive heart failure)(CHF), 낭포성 섬유증(cystic fibrosis)(CF), 당뇨병, 및 간질로 이루어진 그룹에서 선택되며, 상기 증상의 결정은 상기 선택된 조건의 증상을 결정하는 것을 포함하는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 제어 유닛은,

상기 호흡 패턴과 상기 심장 패턴에 응답하여, 적어도 발병 1시간 전에 상기 임상 조건의 임상 증상의 발병을 예측하고,

상기 예측에 응답하여 상기 출력을 생성하도록 상기 출력 모듈을 구동하도록 구성되는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 센서는 적어도 1시간의 시간주기를 갖는 주기 동안, 실질적으로 연속적으로 상기 호흡과 상기 심장박동을 감지하도록 구성되는 것을 특징으로 하는 장치.
제 8 항에 있어서,

상기 제어 유닛은,

상기 호흡 패턴과 상기 심장 패턴에 응답하여, 적어도 발병 1시간 전에 상기 임상 조건의 임상 증상의 발병을 예측하고,

상기 예측에 응답하여 상기 출력을 생성하도록 상기 출력 모듈을 구동하도록 구성되는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 센서는 대상이 밤에 취침하고 있는 적어도 80%의 시간 주기 동안, 실질적으로 연속적으로 상기 호흡과 상기 심장박동을 감지하도록 구성되는 것을 특징으로 하는 장치.
제 10 항에 있어서,

상기 제어 유닛은,

상기 호흡 패턴과 상기 심장 패턴에 응답하여, 적어도 발병 1시간 전에 상기 임상 조건의 임상 증상의 발병을 예측하고,

상기 예측에 응답하여 상기 출력을 생성하도록 상기 출력 모듈을 구동하도록 구성되는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 센서는 인간의 적응(compliance)을 요구함이 없이 상기 호흡과 상기 심장박동을 감지하도록 구성되는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 센서는 적어도 10cm²의 표면 면적을 갖는 강성 격실(rigid compartment)에 하우징된 압력 센서를 포함하고, 상기 압력 센서는 상기 대상 또는 상기 대상이 입고 있는 옷들에 접촉됨이 없이, 상기 대상의 모션-관련 파라미터를 감지하도록 구성되며,

상기 제어 유닛은 상기 모션-관련 파라미터로부터 포지티브 호흡율(positive breathing rate) 및 심장박동을 유도하도록 구성되는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 제어 유닛은,

상기 분석에 응답하여 상기 임상 조건의 임상 증상의 발병을 식별하고,

상기 발병을 식별한 이후, 대기하며,

상기 대기 이후, 상기 대상에게 식별된 발병을 경고하기 위해 상기 출력 모듈을 구동하도록 구성되는 것을 특징으로 하는 장치.
제 1 항에 있어서,

상기 호흡 패턴은 호흡율 패턴을 포함하고, 상기 제어 유닛은 상기 호흡율 패턴을 결정하도록 구성되는 것을 특징으로 하는 장치.
제 15 항에 있어서,

상기 호흡율 패턴은 느린 추세(slow trend)의 호흡율 패턴을 포함하고, 상기 제어 유닛은 상기 느린 추세의 호흡율 패턴을 결정하도록 구성되는 것을 특징으로 하는 장치.