KR20200136950A

KR20200136950A - 개인화된 약물 치료 관리를 위한 시스템 및 방법

Info

Publication number: KR20200136950A
Application number: KR1020207030268A
Authority: KR
Inventors: 쿨딥 싱 라즈풋; 겐보 첸; 마울릭 디 마즈무다르; 존 바라클리스; 스와미나탄 무쓰카루판
Original assignee: 바이오사인즈 피티이 리미티드
Priority date: 2018-03-23
Filing date: 2019-02-26
Publication date: 2020-12-08
Also published as: CN112041934A; WO2019182510A1; SG11202009178SA; US20210027891A1; EP3769312A1; AU2019237860A1

Abstract

환자에게 개인화된 치료 관리를 제공하기 위한 컴퓨터 치료 관리 시스템 및 관련 방법은 다변수 데이터를 사용하여 상황별 개인화된 생리학적 서명을 구축하도록 구성된 치료 분석 엔진을 포함한다. 약물 특이적 및 개인 특이적 지식 기반과 함께 개인화된 생리학적 서명을 통해 시스템은 환자에 대한 약물의 치료 및 부작용을 평가하고 정량화 할 수 있다. 또한 시스템은 환자의 건강 상태를 모니터링하고 변화를 예측하며 사용자 인터페이스에서 경보 및 보고를 제공한다. 인터페이스에서 간병인/임상의의 임상 주석은 지식 기반 및 개인화된 생리학 적 서명을 업데이트하기 위한 피드백으로 간주된다.

Description

개인화된 약물 치료 관리를 위한 시스템 및 방법

본 발명은 2018 년 3 월 23 일에 출원된 "원격 환자 모니터링을 위한 개인화된 상황 기반 질병 관리 시스템"이라는 명칭의 싱가포르 특허 출원 번호 10201802418S와 2018 년 8 월 16 일에 출원 된 "치료 관리 시스템"이라는 명칭의 싱가포르 특허 출원 번호 10201806932Q에서 우선권을 주장하며, 두 출원의 내용은 그 전체가 여기에 참조로 포함된다.

본 발명은 치료 관리 및 환자 모니터링 시스템에 관한 것이다. 특정한 형태에서 본 발명은 임상의가 개선된 치료법을 제공하는데 도움이 되는 개인화된 시스템과 관련된다.

약물 및 행동 수정과 같은 비 의학적 중재는 모두 개인의 건강 상태를 관리하는데 사용된다. 그러나 특정 중재가 개인의 생리에 미치는 영향은 매우 다양할 뿐만 아니라 예측할 수도 없다. 약물의 조합이 필요한 특정 복합 조건에서 약물-약물 상호 작용, 약물-질병 상호 작용 및 부작용도 심각하고 예측할 수 없다. 또한, 일부 약물 및/또는 개입은 최적의 투여 량, 중재 또는 조합 투여의 시간 및 빈도, 효과 기간을 찾기 위해 면밀히 모니터링 및/또는 적정해야 한다. 혈액검사, 영상검사 또는 기타 바이오 마커 측정이나 치료제/중재의 적정화와 같은 진단 방법의 개시, 적용 외에, 1차 치료제/중재에 불완전한 반응이 있는 경우에만 적합한 특정 종류의 치료법이 있다.

일부 치료 관리 시스템이 존재하지만 환자에 대한 약물/치료의 영향을 측정하기 위해 과거 참조 데이터베이스에 의존하는 경우가 많다. 그것들은 개인화가 부족하기 때문에 약물/치료로 인한 환자 생리의 미묘한 변화(악화 또는 개선)를 식별하는 능력이 제한된다.

따라서, 개인화된 치료 관리 시스템을 제공하거나 적어도 기존 시스템에 대한 유용한 대안을 제공할 필요가 있다.

본 발명의 실시 예들은 첨부된 도면을 참조하여 논의된다.
도 1은 일 실시 예에 따른 전산화된 치료 관리 시스템의 개략도이다.
도 2는 일 실시 예에 따른 치료 분석 엔진의 개략도이다.
도 3은 일 실시 예에 따른 데이터 필터링 및 전처리 방법의 흐름도이다.
도 4는 일 실시 예에 따른 바이오바이탈 인덱스를 생성하고 개인화된 생리학적 서명을 업데이트하는 방법의 흐름도이다.
도 5는 개인화된 생리학적 서명을 업데이트하기 위한 입력의 개략도이다.
도 6a는 실시 예에 따른 용량 증가 후 부작용을 나타내지 않는 엔트레스토 용량을 투여받은 환자에 대한 30일 기간 동안의 TUI 및 AEI의 예이다.
도 6b는 실시 예에 따른 용량 증가 후 부작용을 나타내는 엔트레스토 용량을 투여받은 환자에 대한 30 일 기간 동안의 TUI 및 AEI의 예이다.
도 6c는 일 실시 예에 따른 30 일 기간 동안 부작용을 나타내지 않는 이바브라딘 용량을 투여받은 환자에 대한 30 일 기간 동안의 TUI 및 AEI의 예이다.
도 6d는 일 실시 예에 따른 30일 기간 동안 부작용을 나타내는 이바브라딘 용량을 투여받은 환자에 대한 30일 기간 동안의 TUI 및 AEI의 예이다.
도 6e는 일 실시 예에 따른 치료 후 약 150 분에 용량에 대한 부작용을 나타내는 아미오다론의 용량을 투여받은 환자에 대한 300 분 기간에 걸친 TUI 및 AEI의 예이다.
다음 설명에서, 유사한 참조 문자는 도면 전체에 걸쳐 유사한 또는 상응하는 부분을 나타낸다.

이제 도1을 참조하면, 전산 치료 관리 시스템(1)이 도시된다. 시스템(1)은 광범위하게 다양한 센서, 의료 기기, 환자 및 간병인/임상의로부터 생리학적(11), 상황별(12), 행동적(13) 및 임상(14) 데이터를 포함하는 다양한 입력 데이터를 수집하는 데이터 획득 인터페이스(10)를 포함한다. 치료 분석 엔진(20)은 입력 데이터를 처리하고 환자에 대한 개인화된 생리학적 서명(250)을 생성 및 업데이트하고, 치료 관리 플랫폼(30)은 개인화된 생리학적 서명(250), 데이터 획득 인터페이스(10)로부터의 입력 데이터 및 사용자 인터페이스(50)을 통해 경보(52) 및 보고(53)를 생성하기 위한 약물 특이적(41) 및 개인 특이적(42) 데이터베이스와 같은 지식 기반(40)을 사용한다. 사용자 인터페이스(50)는 간병인/임상의가 보고서 및 경보에 대한 주석 데이터를 제공하는 것을 포함하여 치료가 필요에 따라 업데이트되고 개인화 될 수 있게 한다. 이것은 개인화된 생리학 서명(250)을 업데이트하기 위해 치료 분석 엔진(20)으로 피드백될 수 있다.

시스템(1)은 시스템을 구현하도록 구성된 하나 이상의 프로세서 및 하나 이상의 관련 메모리 모듈을 각각 포함하는 복수의 전산화 장치를 사용하여 구현된다. 시스템은 클라우드 기반 시스템을 포함하는 분산 시스템일 수 있다. 치료 관리 시스템은 개인에 대한 치료 효과를 모니터링하고 간병인/임상의가 더 나은 및/또는 개인화된 치료 결정을 내릴 수 있도록 지원하도록 구성된다. 플랫폼은 의도된 사용 사례에 따라 개인에서 그룹으로 또는 전체 인구 수준으로 확장할 수 있다. 이제 다양한 특징 및 이점을 설명하기 위해 치료 관리 시스템의 실시 예가 설명된다.

데이터 획득 인터페이스는 생리학적(11), 상황별(12), 행동적(13) 및 임상(14) 데이터와 같은 입력 데이터를 수신, 처리 및 저장하도록 구성된다. 생리학적 데이터는 웨어러블 센서/장치 및 의료 장비와 같은 하나 이상의 환자 모니터링 장치로부터 수신되며, 심박수, 호흡률, 체온 및/또는 생리와 관련된 유사한 데이터와 같은 생리학적 데이터를 포함한다. 이러한 정보는 의료 기기, 웨어러블 바이오 센서, 보행 바이탈 사인 모니터, 임플란트 장치, 수동 입력 또는 스마트 휴대용 장치(예를 들어, 스마트 폰)에서 지속적으로(예를 들어, 심박수, 호흡수, 체온, ECG, PPG, 심장음, 산소 포화도) 및/ 또는 간헐적으로(예를 들어, 하루에 두 번 측정되는 체중 또는 혈압) 캡처된다. 또한, 생리학적 데이터의 파생물도 입력 데이터로 간주되고, 데이터 획득 인터페이스는 원시 생리학적 데이터를 처리하여 생리학적 데이터의 파생물(입력 데이터로도 간주됨)을 얻을 수 있다.

입력 데이터는 또한 동작, 위치, 활동, 속성 및/또는 모니터링 기간 동안 환자와 관련되거나 환자와 관련된 기타 유사한 상황 정보와 같은 상황별 데이터(12)를 포함 할 수 있다. 상황별 데이터는 일반적으로 환자의 생활 방식과 환경(예: 질병의 맥락)을 반영한다. 이는 생리학적 데이터(예를 들어, 활동 강도, 걸음 수, 위치, 가속도계를 사용한 자세) 및/또는 환경 센서(예를 들어, 온도 센서, 고도 센서, 공기질 센서) 및/또는 위치, 거리, 모바일 애플리케이션 사용량, 정시 화면, 애플리케이션 메타 데이터를 캡처하는 스마트폰 또는 태블릿과 같은 스마트 휴대용 장치 에서 캡처된다.

일부 실시 예에서, 입력 데이터는 전자 교환(통화 기록, 이메일 헤더, SMS 로그), 소셜 미디어 게시물 및 상호 작용, 환자 보고 활동, 전화 사용 정보, 웹 검색 기록, 전자 상거래 활동, 클릭 스트림 데이터 및/또는 환자의 행동의 결과로 생성된 유사한 정보과 같은 행동적 데이터(13)를 포함할 수 있다.

입력 데이터는 또한 행정 및 인구 통계 정보, 진단, 치료, 처방약, 실험실 테스트 결과, 의료 전문가가 작성한 임상 기록 및/또는 피험자의 건강 상태와 관련된 유사한 데이터와 같은 임상 데이터(14)를 포함할 수 있다. 이는 전자 의료 기록, 실험실 정보 관리 시스템, 임상 데이터베이스, 디지털화된 간병인 기록 또는 설문지, 설문 조사, 증상 보고 등을 통해 피험자 및/또는 의료 전문가가 보고한 데이터를 사용하여 캡처된다.

데이터 획득 인터페이스는 분산 인터페이스일 수 있으며 환자 모니터링 장치로부터 직접 데이터를 수신하거나 장치로부터 생리학적 데이터를 수신 및/또는 집계하는 다른 구성 요소 또는 컴퓨팅 장치로부터 간접적으로 데이터를 수신할 수 있다. 일부 실시 예에서, 환자는 웨어러블 바이오 센서, 의료 기기 또는 임플란트로 부터의 생리학적 생체 신호 및 상황별 데이터를 지속적으로 동기화한다. 환자 보고 데이터 및 추가적인 상황별 데이터는 모바일 센서, 스마트 폰 기반 모바일 앱 또는 웹 기반 사용자 인터페이스를 통해 캡처된다. 원시 센서 데이터는 데이터 획득 인터페이스에 의해 필터링되고 사전 처리되어 의미있는 생리학적/상황별 파라미터(예를 들어, 3축 가속도계 데이터로부터 활동 강도, 신체 위치, 활동 분류 유도)를 도출할 수 있다.

인터페이스는 데이터를 다운로드하기 위해 장치와의 연결을 설정하는 휴대용 또는 로컬 컴퓨팅 장치(즉, 핏비트, 웨어러블 장치, 스마트 워치, 스마트폰, 태블릿, 랩톱, 개인용 데스크톱)에서 실행되는 소프트웨어 애플리케이션에서 제공될 수 있다. 유선 연결 (예: USB 케이블) 또는 무선 연결 (예: Bluetooth, Near Field, Wi-Fi, 3G/4G/5G, IEEE 802.1 1/15, IR 또는 RF 프로토콜 사용)일 수 있다. 대안으로 장치는 로컬 네트워크 또는 인터넷 연결을 가질 수 있으며 데이터 획득 인터페이스의 주소를 등록하고 입력 데이터 패킷을 등록된 주소로 직접 보낼 수 있다. 다른 실시 예에서 환자 모니터링 장치는 로컬 네트워크 (예: 병원 네트워크)에 있을 수 있고 데이터 획득 인터페이스는 로컬 네트워크의 일부를 형성하는 컴퓨터에서 실행되거나, 데이터 획득 인터페이스는 장치에서 데이터 획득 인터페이스로 데이터를 전달하는 컴퓨터에 대한 연결을 설정할 수 있다. 이러한 로컬 컴퓨터는 데이터를 환자 기록 및 장치 위치와 결합하여 장치에서 환자로 데이터를 연결할 수 있다.

데이터 획득 인터페이스(10)는 입력 데이터를 치료 분석 엔진(200)에 제공한다. 이것은 입력 데이터로부터 환자에 대한 개인화된 생리학적 서명(250)을 생성하고 업데이트하도록 구성된다. 설명하는 바와 같이 개인화된 생리학적 서명 및 입력 데이터는 치료 유틸리티 인덱스(TUI: Therapeutic Utility Index), 부작용 인덱스(AEI: Adverse Effect Index) 및 치료 유틸리티 보고(TUR: Therapeutic Utility Report)의 실시간 추정 및/또는 일일 요약을 생성하는데 사용된다.

TUI는 치료 기대치를 충족시키는 약물의 효과 추정치를 포함한다. 즉, 생리학에 대한 예상되는 효과를 고려할 때 TUI는 치료가 추정치를 얼마나 충족 하는지를 의미하는 약물 (치료)의 효과를 실시간으로 측정한다. 일 실시 예에서, TUI는 더 큰 TUI, 더 큰 긍정적인 영향 또는 요법의 영향으로 0내지 1사이에서 변한다.

AEI는 하나 이상의 부작용의 중증도 측정 또는 기타 바람직하지 않은 결과와 같은 치료의 하나 이상의 부작용에 대한 추정 또는 측정을 포함한다. 부작용은 알려지거나 알려지지 않을 수 있으며, 부작용은 실시간 생리학, 환자보고 된 증상, 설문지 또는 실험실 보고서에 의해 측정 될 수 있지만 이에 국한되지 않는다. 결과적으로 AEI는 연속적이거나 일시적일 수 있다. 일 실시 예에서 AEI는 AEI가 클수록 0 내지 1로 변하고, 부작용이 더 나 빠진다(예를 들어, 부작용이 더 심각하다).

TUR은 치료 효과에 대한 요약 추정치를 포함한다. 이것은 매일 생성 될 수 있다. 일 실시 예에서 TUR은 일일 임상 파라미터(예를 들어, 수면제의 경우 수면 시간)에 의해 측정 될 수 있다면 치료 효과를 측정 할 수 있다.

도 2는 일 실시 예에 따른 치료 분석 엔진(20)의 개략도이다. 일 실시 예에서 치료 분석 엔진은 다양한 소프트웨어 블록 또는 모듈을 구현하는 클라우드 기반 데이터 분석 엔진이다. 일반적으로, 수집된 입력데이터를 사용하고 고급 데이터 분석 알고리즘을 사용하여 간병인이 환자(또는 환자들)를 모니터링하고 관리할 수 있도록 의미 있는 출력 및 질병별 경보를 생성한다. 치료 분석 엔진의 핵심에는 피드백 데이터를 포함하는 추가 입력 데이터가 획득 될 때 생성되고 업데이트되는 개인화된 생리학적 서명(250)이 있다.

이 실시 예에서, 획득된 입력 데이터(201)(데이터 획득 인터페이스(10)로부터)는 데이터 필터링 및 전처리 모듈(210)에 제공된다. 그 다음, 정제/처리된 출력 데이터는 생리학적 또는 상황별 데이터에서 변화가 발생할 때 시점을 식별하기 위해 데이터 분할 블록(220)에 제공된다. 실시간 분석 모듈(230)은 (개인화된 생리학적 서명(250)과 함께) 분할된 데이터를 처리하여 TUI 및 AEI가 획득될 수 있는 환자에 대한 바이오바이탈 인덱스(Biovitals Index)(240)를 생성한다. 바이오바이탈 인덱스(240)는 일일 분석 모듈(280)에 제공되는 데이터 분할 데이터와 함께 개인화된 생리학적 서명(250)에 대한 피드백이다. 일일 분석 모듈(280)은 또한 다양한 임상 파라미터의 일일 추정치를 추정하기 위해 데이터 필터링 및 전처리 모듈(210)로부터 데이터를 획득하는 일일 파생 모듈(270)로부터 데이터를 수신한다. 일일 분석 모듈(280)은 간병인/임상의에게 제공되는 일일 보고(TUR)를 생성한다. 간병인/임상의는 또한 바이오바이탈 인덱스(240) 및/또는 바이오바이탈 인덱스로부터 얻은 TUI 및 AEI를 수신하고 피드백되고 개인화된 생리학적 서명(250)을 업데이트하는데 사용되는 주석 데이터 (예: 데이터 획득 인터페이스(10)을 통해)를 제공 할 수 있다.

데이터 필터링 및 전처리 모듈 (210)은 후속 분석을 위해 데이터를 준비하거나 정제하는데 사용된다. 도 3은 일 실시 예에 따른 데이터 필터링 및 전처리 모듈(210)에 의해 구현되는 데이터 필터링 및 전처리 방법의 흐름도이다. 외래용 웨어러블 장치는 나중 데이터 분석 알고리즘의 성능에 영향을 미치는 낮은 신호 품질에 취약하다. 낮은 신호 품질은 장치의 부적절한 사용, 움직임의 허상, 장치 오작동과 같은 여러 가지 이유 때문일 수 있다. 일 실시 예에서, 불량 데이터(이하, 정크 데이터라고 함)는 장치(211)에 의해 제공되는 하나 이상의 품질 파라미터를 사용하여 입력 데이터를 필터링함으로써 검출된다. 이러한 품질 파라미터는 분산 추정치, 신호 대 잡음 추정치 및 형태학적, 통계적 및 스펙트럼 특성에 기반한 기타 품질 메트릭일 수 있다.

품질 필터(211)에 실패한 데이터는 폐기된다(212). 이러한 방법은 환자가 장치를 올바르게 착용한 경우에만 효과적이며 항상 그런 것은 아니다. 따라서 일 실시 예에서 AI 또는 기계 학습 기반 필터가 적용된다(213). 기계 학습(ML) 분류기는 데이터 품질을 평가하기 위한 자동화된 방법이며 기계/지도 학습 방법을 사용하여 테스트 및 훈련 세트를 포함한 참조 데이터 세트를 사용하여 분류기(또는 분류기 세트)를 구축한다. 일부 실시 예에서, 다중 계층 분류기 및/또는 다중 신경망을 사용하는 딥러닝 방법이 있다. 일 실시 예에서, 기계 학습 분류기는 정크 데이터를 감지하고 간병인 (215)에게 경보를 발생시키는 데 사용되는 훈련된 인공 신경망이다. 그 다음 간병인은 플래그가 지정된 정크 데이터 또는 라벨을 검토하거나 허용되거나 허용되지 않는 데이터로 주석을 달 수 있다. 플래그가 지정된 데이터는 정크 데이터 데이터베이스(DB)(218)에 추가되며, 이는 학습을 가능하게 하고 시간이 지남에 따라 기계 학습 분류기의 성능을 향상시키기 위해 예측 엔진(213)에 다시 공급된다. 정크 데이터 탐지를 통과한 클린 데이터(214)는 다운스트림 데이터 처리부(214)로 전달된다.

일부 실시 예에서 원시 센서 데이터(201) 또는 클린 데이터(214)에서 의미 있는 파라미터를 도출하기 위해 데이터 전처리를 수행한다. 예를 들어, 속도, 위치 및 가능한 활동 유형(예: 걷기, 달리기)은 GPS 센서 데이터를 사용하여 파생 될 수 있다. 3 축 원시 가속도계의 데이터를 사용하여 피사체의 강도 활동 및 신체 위치를 도출할 수 있다. 예를 들어 환자가 활동 없이 서있을 때 총 가속도는 중력이다. 환자의 신체 위치가 변경되면 x, y, z 가속도계 데이터가 그에 따라 변경된다. 환자가 활동을 할 때 강도가 가속도계 데이터의 변화에 반영될 수 있다. 엔진에는 가속도계 데이터에서 활동 강도와 신체 위치를 도출하는 알고리즘이 포함되어 있다. 또한 GPS 데이터가 캡처되면 속도, 위치(예: 집, 사무실 또는 쇼핑몰) 및 가능한 활동 유형(예: 걷기, 달리기 또는 자전거 타기)도 파생 될 수 있다. 데이터 전처리는 가속도계 및 GPS 데이터에 국한되지 않다. 데이터 가용성에 따라 전처리에는 자이로스코프 측정기, 광 센서, 사운드 센서, 고도 측정기, 전기 전도도 측정기 등의 처리도 포함된다.

일 실시 예에서, 입력 데이터의 전처리가 수면 단계 상황별 데이터를 얻기 위해 수행된다. 환자가 수면 중일 때 생리학적 데이터가 낮 시간(예: 심박수 및 호흡률이 떨어짐)으로부터 변경되고 신체 움직임이 최소화되고 심부 온도가 떨어진다. 수면 중 일부 임상 파라미터는 간병인이 환자를 모니터링 하는데도 중요하다(예: 수면 중에는 제대로 누울 수 없고 수면 중 호흡 곤란은 심부전 악화의 중요한 징후이다). 일 실시 예에서, 수면 단계를 추정하기 위해 은닉 마르코프 모델이 개발되었고, 그 다음 수면 단계는 개인화된 생리학 서명(250)를 구축하고 실시간 알람을 생성 할 때 상황 파라미터 중 하나로 사용된다. 이 모델에서 숨겨져 있는 수면 단계 사이의 전환은 전환 확률을 가진 마르코프 과정이다. 각 수면 단계와 관련된 관찰된 생리학적 및 상황별 데이터는 확률이 다르다. 이 과정은 은닉 마르코프 모델로 모델링되었으며 가장 가능성이 높은 수면 단계는 상황별 및 생리학 데이터에서 추정되었다.

원시 데이터가 필터링되고 전처리된 후, 데이터 분할 모듈(220)은 데이터 분할 알고리즘을 사용하여 상황별 데이터 또는 생리학적 데이터에 변화가 있는 시점을 식별한다. 예를 들어, 환자가 침대에서 일어나거나 운동을 시작하는 시점은 상황별 데이터에서 식별된다. 마찬가지로 환자의 심박수가 증가하는 시점도 심박수 데이터를 사용하여 식별된다. 세분화 후 각 세그먼트 내의 데이터는 시작 및 종료 시간, 상황별 정보 및 생리학적 데이터에 대한 해당 요약 통계(예: 생리학적 생체 신호의 평균, 중앙값, 분산 등)로 요약된다. 각 세그먼트는 상황별 정보를 기반으로 개인 생리학적 서명으로 분류된다. 분할 알고리즘을 적용하면 세그먼트 내의 노이즈가 크게 감소하고 다운 스트림 분석이 더 효율적이다.

도4는 일 실시 예에 따른 입력 데이터의 분할(222)의 개략도이다. 도4는 24시간 동안의 시간(x축)에 따른 활동 측정(y축)을 도시한다. 수직선은 각 세그먼트의 시작 시간과 종료 시간을 나타내고, 박스는 분류를 나타낸다. 이 실시 예에서 활동 측정은 가속도계로부터 얻어지지만 다른 실시 예에서는 여러 데이터 소스를 결합하여 얻을 수 있다.

분할된 생리학적 데이터 및 개인화된 생리학적 서명은 그 후 실시간 분석 모듈(230)에 의해 사용되어 바이오바이탈 인덱스(240)를 획득한다. 일 실시 예에서, 분할된 생리학 데이터와 개인 생리학 서명은 잔차 벡터를 얻기 위해 벡터 회귀 모델을 사용하여 비교된다. 일반적으로 모델은 개인화된 생리학적 서명의 레코드를 사용하여 현재 생리학적 데이터를 설명함으로써 최적화된 솔루션을 찾는다. 그런 다음 설명할 수 없는 부분인 잔차 벡터를 사용하여 바이오바이탈 인덱스(240)를 도출한다. 이 인덱스의 범위는 0부터 1까지이며, 0은 현재의 생리학적 데이터가 이전에 개인 생리학 서명에서 관찰되었으므로 환자의 건강 상태(악화/개선)에 변화가 없음을 나타낸다. 반면, 인덱스가 1이면 환자의 건강 상태에 큰 변화가 있다.

다른 실시 예에서, 다른 통계 모델 또는 기계 학습 알고리즘은 분할된 생리학 데이터와 개인화된 생리학적 서명 (즉, 관찰된 데이터가 이전 또는 예상 데이터와 어떻게 다른지) 사이의 상관 관계를 추정하는데 사용될 수 있다. 일부 실시 예에서, 실시간 분석 모듈(230)은 또한 바이오바이탈 인덱스에 통합되는 상이한 파라미터를 추정하기 위한 추가 특징 검출 모듈을 포함한다 (여기서 0은 환자가 정상이고 1은 환자가 비정상일 가능성이 매우 높다는 것을 의미한다). 일 실시 예에서, 특징 선택 모듈은 허브로 구현하여 AI 및 기계 학습 기반 분석 모듈을 포함한 대응하는 분석 알고리즘에 다양한 파라미터를 전송한다. 예를 들어, 다양한 부정맥 유형을 식별하기 위해 리듬 분석을 수행하여 ECG 또는 PPG 센서의 실시간 생리학적 데이터를 분석하는 심전도(ECG) 또는 광인체사진(PPG) 분석 모듈을 들 수 있다. 일부 실시 예에서 알고리즘은 인공물을 필터링하고 검출 정확도를 개선하기 위해 개인 생리학 서명과 함께 ECG 데이터를 분석 할 것이다. 일부 장치에서는 ECG 데이터를 사용할 수 없지만 RR 간격 (펄스 간 간격) 데이터를 측정 할 수 있다. 일 실시 예에서 알고리즘은 RR 간격 시퀀스를 실시간으로 분석하고 심방 세동 (AF)의 위험을 출력한다. 위험 수준이 임계 값을 초과하면 실시간 경보가 생성되고 간병인은 환자에게 적절한 심전도 검사와 AF를 확인하도록 요청할 수 있다. 알고리즘은 또한 보호자의 주석과 피드백을 통해 학습하여 정확도를 향상시킬 수 있다.

많은 약들이 개인의 생리 및/또는 생활양식에 영향을 미치는 것으로 알려져 있다. 예를 들어, 베타 차단제는 심부전 환자의 심박수를 줄이는 것으로 알려져 있지만 수면제는 수면 시간을 늘리고 일상 활동을 감소시킨다. 약의 효과는 실시간으로 사람의 생리 및/또는 일일 파라미터 측정에 영향을 미칠 수 있다. 치료 관리 시스템에서 주요 구성 요소 중 하나는 개인화된 생리학적 서명(또는 개인화된 치료 특정 모델)이며, 일 실시 예에서 약물, 투여량, 예상 결과, 유효 기간, 알려진 부작용 또는 가능한 부작용 등을 포함한다. 임상의/간병인은 치료에 대한 알려진 정보를 활용하여 개인화된 생리학적 서명을 기반으로 각 환자에 대한 치료를 개인화 할 수 있다. 개인화된 생리학적 서명은 치료(약물 및/또는 복용량)에 변화가 있거나 예상되는 긍정적 및/또는 부작용이 업데이트될 때 치료 관리 플랫폼을 통해 임상의/간병인에 의해 업데이트 될 수 있다.

개인화된 생리학적 서명(250)은 상황 정보와 함께 피험자의 기준 생리학적 데이터를 포함하는 개인화된 데이터베이스이다. 외래 환경에서 환자의 라이프 스타일을 나타내는 사용 가능한 상황 정보를 기반으로 상황별 데이터는 서로 다른 클러스터로 분리되고 각 클러스터는 한 종류의 환자 상태(예: 수면, 달리기, 사무실에 앉아 있음, 강렬한 활동, 우울증 등)를 나타낸다. 개인 생리학 서명에는 또한 요약된 상황별 정보와 함께 생리학적 데이터의 일일 파생물이 포함된다. 개인 생리학 서명 데이터베이스는 동적으로 변화하고 개선되는 것이다. 장치, 환자 또는 간병인으로부터 수집된 새 데이터가 입력을 보고하면 업데이트된다.

환자 모니터링의 초기 단계에서 개인 생리학 서명 데이터베이스는 비어 있다. 환자 모니터링은 환자의 생리 학적 데이터를 학습하고 데이터베이스를 구축함으로서 시작된다. 상황 정보의 가용성에 따라 미리 정의 된 상황 클러스터를 획득한다. 데이터가 동기화됨에 따라 상황 클러스터 및 해당 생리학적 레코드가 인덱스를 추정하고 생성할 수 있을 정도로 강력하고 포괄적인지 여부를 확인하는 알고리즘이 개발된다. 초기화 프로세스가 완료되면 알고리즘이 바이오바이탈 인덱스를 생성하기 시작하고 개인화된 생리학적 서명이 계속 업데이트된다.

바이오바이탈 인덱스 알고리즘(230)은 실시간으로 상황별 및 생리학적 생체 신호를 기반으로 건강 악화를 추정하는 개인화된 건강 모니터링 모델이다. 치료 분석 엔진의 출력과 입력 데이터가 주어지면 모델은 치료 효과가 기대치를 충족하지 못하거나 심각한 부작용 (또는 기타 부작용)이 있을 때 설명과 함께 경보를 생성한다. 설명과 함께 알람이 치료 관리 플랫폼으로 전송된다.

일 실시 예에서, TUI 및 AEI는 바이오바이탈 인덱스의 하나 이상의 편차를 측정하고 약물 특이적 데이터베이스(41) 및 환자 특이적 데이터베이스(42)와 같은 하나 이상의 지식 기반(40)에 저장된 데이터와 비교함으로써 얻어진다. 약물 특이적 데이터베이스(41)은 환자가 복용한 하나 이상의 약에 대해 약리학, 약동학, 적응증, 금기 사항, 다른 약물과의 상호 작용, 부작용, 용량 및 투여 및/또는 약물과 관련된 유사한 데이터와 같은 약물 특이적 정보를 포함합니다. 환자 특이적 데이터베이스(42)는 식이 순응도, 약물 순응도, 생리학 데이터(예: 안정시 심박수, 심박수 회복 등)로부터 추출된 임상 파라미터 및/또는 환자의 자가 관리 관행 및 질병 예후와 관련된 유사한 데이터와 같은 개별 특정 정보를 포함한다.

일일 파생 모듈(270)은 획득된 데이터(201)를 처리하여 특정 질환과 상당히 관련이 있는 것으로 알려진 복수의 중요한 임상 파라미터의 일일 추정치(일일 파생물)를 도출(또는 획득)한다. 예를 들어, 체중 증가 (3 일에 51b)는 심부전과 상당한 관련이 있다. 일 실시 예에서, 30 개 이상의 일일 파생물이 획득된 데이터로부터 계산된다(예를 들어, HR 회복, 수면 중 기상 시간 등). 일일 파생물은 개인화된 생리학적 서명 데이터베이스에도 저장된다. 일일 파생물(270)은 치료 효과의 요약 추정치를 포함하는 TUR을 생성하기 위해 개인화된 생리학적 서명 (250)과 함께 일일 분석 모듈(280)에 의해 분석된다. 일 실시 예에서, 일일 분석 모듈(280)은 패턴 인식 알고리즘 및/또는 모집단 기반 임계 값 방법을 사용한다. TUR은 간병인/임상의가 검토 및 주석(60)을 위해 사용자 인터페이스(50)를 통해 생성 및 표시되며, 이는 개인화된 생리학 서명(250)의 업데이트를 트리거하는 치료 분석 엔진으로 피드백된다.

약물의 치료 및 부작용은 바이오바이탈 인덱스(있는 경우) 및/또는 일일 보고서의 편차를 측정하여 정량화된다. 그런 다음 편차를 약물별 및 개인별 지식 기반에 저장된 데이터와 비교하여 TUI 및 AEI를 얻는다(예: 치료 및 부작용 점수(51)). 치료 특정 경보 모듈(52)은 치료 효과가 기대를 충족하지 못하고 및/또는 심각한 부작용 또는 기타 부작용이 있을 때 설명과 함께 TUI 및 AEI를 사용하여 하나 이상의 경보를 생성한다. 설명과 함께 경보는 인터페이스(50)에 의하여 디스플레이를 위해 치료 관리 플랫폼(30)으로 전송될 것이다. 사용자 인터페이스(50)는 경보, 보고, 치료 유틸리티 인덱스 및 부작용 인덱스를 표시하도록 구성된다. 간병인/임상의는 주석(60)을 위해 이 인터페이스를 사용할 수 있다.

치료 관리 플랫폼(30)은 간병인이 모든 환자 및 경보를 관리 할 수 있도록 웹 애플리케이션과 같은 인터페이스(50)를 제공한다. 이 플랫폼에서 간병인은 모든 경보, TUI, AEI 및 TUR을 보고 환자와의 의사 소통, 클리닉 방문 준비, 약물 변경 또는 잘못된 경보 보고와 같은 조치를 취할 수 있다. 간병인은 엔진이 건강 악화를 감지하지 못한 경우에도 경보를 울릴 수 있다. 플랫폼에서 간병인은 실시간 및 과거 데이터를 모두 검토할 수 있다. 간병인은 과거 데이터에 주석을 달고 의견을 남길 수 있다. 간병인은 또한 환자의 프로필을 검토 및 업데이트하거나 중재할 수 있다. 따라서 사용자 인터페이스를 통해 임상의는 환자를 위한 치료를 개인화할 수 있다.

새로운 입력 데이터가 수집되거나 피드백 정보가 수신되면 엔진은 개인 생리학적 서명 업데이트 모듈을 트리거하여 새로운 입력으로부터 학습하고 기존 데이터베이스를 업데이트한다. 여기에는 처리된 주석 데이터를 기반으로 개인화된 생리학적 서명을 업데이트하기 위해 데이터 획득 인터페이스에 의해 사용자 인터페이스를 통해 얻은 주석 데이터를 처리하는 것이 포함된다. 이 알고리즘을 사용하면 시간이 지남에 따라 환자가 엔진에 의해 더 잘 학습되므로 개인 생리학 서명 데이터베이스가 "더 똑똑"해질 것이다. 도5는 개인화된 생리학적 서명(250)을 업데이트하기 위한 입력(70)의 개략도이다. 여기에는 기존의 개인화된 생리학적 서명 데이터베이스와 환자 프로필(71); 설문지, 챗봇 및 메시지 72 (행동 데이터 13)를 포함한 환자의 입력; 약물 업데이트, 클리닉/ER 방문 및 기타 임상 의견(73) (임상 데이터 14) 및 실시간 경보 및 일일 보고서에 대한 응답을 포함한 간병인의 입력(74)을 포함한다. 이 데이터는 결합되어 개인화된 생리학 서명(250) 데이터베이스와 환자 프로필을 업데이트하는데 사용된다.

도 6a 내지 6e는 본 명세서에 기술된 바와 같은 치료 관리 시스템의 실시 예 사용의 세 가지 예를 도시한다. 첫 번째 예에서는 Sacubitril/valsartan을 사용한 치료법이 설명되어 있다. Sacubitril/valsartan(Entresto)은 심혈관 원인으로 인한 HF 및 사망으로 인한 입원을 줄이기 위해 좌심실 박출률(<40 %)(rEF)이 감소된 만성 심부전(HF) 환자를 위해 최근 승인된 약물이다. 더 높은 용량으로 상향 적정되고 유지한 환자가 가장 많은 혜택을 받는 것으로 나타났다. 적정 지침은 더 낮은 용량에 내성이 있는 환자를 상향 적정 할 수 있다는 것이다. 즉, 환자가 약물로 인한 부작용이 없는 경우 용량을 상향 적정 할 수 있다. 치료 효과는 증상(피로, 숨가쁨), 활동 및 삶의 질을 개선하는 것이다. 일반적인 부작용은 저혈압, 심장 세동, 고칼륨혈증, 혈관 부종 및 신부전이다.

환자에게 1 일차에 Entresto(24/26mg, 1일 2회)를 투여하고 환자가 다음 2주 동안 부작용을 나타내지 않는 시나리오를 고려해 보겠다. 이것은 복용량이 하루에 두 번 49/51 mg으로 적정 될 수 있음을 시사한다. 도6a는 치료(TUI)(601), 부작용(AEI)(602), 바이오바이탈 인덱스(603) 및 생리학적 데이터(심박수(604), 호흡률(605), 수축기 혈압(BP)(606) 및 활동 측정값(607)의 30일 동안의 흐름을 보여준다. 이 예에서 볼 수 있듯이 용량이 증가함에 따라 부작용이 없다(예: AEI가 0으로 유지됨)(608).

반면에 환자가 역효과(예: 수축기 BP(615)의 하락으로 예시된 저혈압)를 경험할 경우, 부작용 인덱스(612) 및 바이오바이탈 인덱스(613)는 도6b와 같이 높을 것이다.

두 번째 예에서, Ivabradine (Corlanor)은 안정적이고 증상이 있는 만성 심부전 환자로 좌심실 박출률이 35 % 이하이고, 안정시 심박수가 70bpm이상인 부비동 리듬에 있으며, 심부전 악화로 인한 입원 위험을 감소시키는 것으로 나타났다. 복용량 지침은 내약성에 따라 분당 50-60 비트 사이의 안정시 심박수를 달성하기 위해 복용량을 조정하는 것이다. 치료 효과는 안정시 심박수를 줄이는 것이다. 일반적인 부작용은 서맥, 고혈압, 심방 세동이다.

환자에게 1 일에 Ivabradine (5mg, 1 일 2 회)을 투여하고 환자의 안정시 심박수가 2 주 후에 감소하는 시나리오를 고려해 본다. 치료제(611) 및 부작용(612) 모두가 정량화되고 바이오바이탈 인덱스(613) 및 생리학적 데이터(614, 615, 616, 617)와 함께 도 6c에 표시된다. 한편, 환자가 부작용을 경험할 때(예: 12일 전후 심박수(634)의 증가에 의해 나타나는 심방 세동) 부작용 인덱스 AEI(632)는 도6d(바이오바이탈 인덱스(633)의 상응하는 증가)와 같이 높을 것이다.

Amiodarone(Cordarone®)은 항정맥 제III등급에 속하며 급성 및 만성 환경 모두에서 심각한 빈맥을 치료하는 데 사용되었다. 이 요법의 주요 부작용은 서맥, 저혈압, 연장된 QT 및 PR 간격, 심부전 및 AV 차단이다. 또한 이 치료법은 베타 차단제, 와파린, 디곡신, 헤파린과 같은 다른 약물과 상당한 상호 작용을 하며 바람직하지 않은 효과를 양상한다. 따라서 이 요법을 투여하는 동안 QT 간격 연장, 서맥 및 저혈압을 모니터링하는 것이 좋다.

세 번째 예에서, 환자는 부정맥을 치료하기 위해 급성 설정에서 초기 볼루스 용량 300mg의 Amiodarone을 투여받는다. 환자는 서맥과 저혈압을 모두 발생시킨다. 치료 및 부작용은 정량화되고 도6e에 표시된다. 도6e는 300분 동안 TUI(641), AEI(642), 바이오바이탈 인덱스(643), 심박수(644), 호흡률(645), 수축기 혈압(646) 및 활동(647)을 보여 주며, 초기 볼루스 시간은 약150분에 점선으로 표시된다. 이 플롯은 (아미오다론을 통한) 부정맥의 발달 및 치료 후 약 180 분에 심박수(644)가 낮아지고 바이오바이탈 인덱스가 떨어지고 TUI가 1에 가까워 치료 효과가 있음을 보여준다. 그러나 약 240 분에 심박수가 다시 떨어지면 바이오바이탈 인덱스(643) 및 AEI(642)가 첫 번째 단계로 증가하고 TUI가 그에 따라 감소한다(즉, 치료 효과가 감소/중단됨). 이후 약 270 분에 수축기 혈압(646)이 감소하여 바이오바이탈 인덱스(643) 및 AEI(642)가 두 번째 단계로 증가하여 치료의 더 심각한 부작용이 나타난다.

치료 유틸리티 인덱스의 잠재적 가치를 보여주는 임상 시나리오의 또 다른 예는 심부전의 경우를 포함한다. 심부전 치료에 사용할 수 있는 많은 치료제 중에서 1 차 치료제(치료 우선 순위 지정)로 선택되는 최적의 약물은 치료에 대한 생리학적 반응과 함께 심부전의 유형과 만성에 따라 다르다. 가장 일반적으로 처방되는 심부전 치료제에는 베타 차단제, 안지오텐신 전환 효소 억제제(ACE-I), 안지오텐신 수용체 차단제(ARB), 루프 이뇨제, 알도스테론 길항제 및 안지오텐신 수용체 네프리 리신 억제제(ARNI) 등이 있다. 그러나 대부분의 환자는 이러한 다른 약물을 한 번에 견딜 수 없다. 더욱이, 치료법을 최적의 용량으로 적정하거나 다른 치료제로 전환하는 것은 생리학적 파라미터에 크게 좌우된다. 이 시나리오에서 치료 관리 시스템은 치료 의사 결정을 안내하는데 도움이 될 수 있다. 또한 환자에 대한 종단 모니터링은 특정 치료제의 잠재적인 치료 효과를 추정하는 데 도움이 된다. 참고로, 첨부된 표(표 1)는 다양한 종류의 HF 약물의 시작 용량과 최적 용량을 강조한다.

예를 들어, 심각한 심실 기능 장애를 유발하는 급성 심장 마비 환자는 항혈소판제(예: 아스피린, 클로피도그렐), 지질 강하제 (예 : 스타틴), 베타 차단제 (예 : 카르비델롤), ACE 억제제(예 : 리시노 프릴), ARB(예 : 로사르탄), 알도스테론 길항제 (예 : 스피로놀락톤) 및 루프 이뇨제(예: 푸로세미드)를 포함한 여러 치료법을 받을 수 있다. 이러한 약물의 초기 투여량은 이러한 약물의 개시 시기와 함께 혈류역학적 상태 및 치료제에 대한 환자의 생리학적 반응을 포함한 여러 요인에 따라 달라진다. 더욱이, 최적의 혈류역학적 이점과 최적의 삶의 질을 달성하기 위한 이러한 약물의 "상향 또는 하향 적정" 접근 방식은 임상의와 의료 시스템에 따라 크게 다를 수 있다. 마지막으로, 환자가 이러한 많은 약물의 "안정된 용량"에 최적화되고 용량 과부하로 인한 심부전 악화의 급성 비 보상 에피소드를 겪는 경우 혈류역학적 상태를 교란시킬 수 있는 새로운 치료법의 도입과 이전에 처방 된 약물의 개별적인 기여와 효과뿐만 아니라 이러한 약물의 상당한 재조정이 필요하다. 따라서, 실시간의 지속적인 생리학 기반 원격 모니터링 시스템은 임상 의사 결정을 안내하는 데 매우 효과적일 수 있다.

이것은 실제 임상 시나리오에서 더 자세히 설명된다. 50 세 남성은 새로운 발병 심부전 진단을 받는다. 그의 심박수는 분당 100 회, 혈압은 110/70, 호흡률은 분당 22 회, 체중은 175lbs (기준 체중보다 약 10lbs 높음)이다. 그의 혈액 검사 결과 나트륨 145 mEQ/L, K + 4.8 mmol/L, 1.9 mg/dL의 크레아티닌이 밝혀져 신장 기능 장애를 시사한다. 그의 전반적인 치료 관리 시스템 권장 사항에는 환자가 새로운 진단으로 인해 생명을 구하는 적극적인 치료를 받고 있지 않기 때문에 여러 치료의 시작이 포함될 것이다. 그러나 혈압이 정상의 하단에 있다는 것을 금방 깨닫게 되고 새로운 혈압 저하제가 추가되면 심각한 저혈압, 신장기능 저하, 칼륨의 상승으로 이어질 수 있는데, 이 모든 것이 치명적일 수 있다. 따라서 ACE-I의 TFT는 낮고 베타 차단제의 TUI는 높을 것이다. 또한 ACE-I에 대한 그의 AEI는 생명을 위협하는 합병증의 가능성을 고려할 때 높을 것이다. 시간이 지남에 따라 새로운 약물이 시작됨에 따라 실시간 생리학적 모니터링 시스템을 통해 약물 용량을 점진적으로 조정할 수 있을 뿐만 아니라 특정 약물의 시작 또는 중단을 통해 TUI를 최적화하고 AEI를 최소화 할 수 있다.

표 1

시스템의 실시 예는 환자가 약물을 복용 한 후 환자를 모니터링 및 관리하고, 중재를 하고, 약물을 적정하여 환자가 건강 상태 또는 항상성을 유지하도록 돕고 궁극적으로 경제적 이익으로 전환되도록 설계되었다. 치료 관리 시스템은 개인화된 생리학적 특성을 추정하기 위해 다양한 리소스(센서, 약물 요법, 전자 의료 기록 등의 생리학적 파라미터)에서 획득된 데이터와 치료법의 알려진 긍정적 및 부정적 효과 (생리학적 파라미터 및 환자 보고 증상)를 함께 가져온다. 그런 다음 위에서 설명한대로 TUI, AEI 및 TUR을 파생하는 데 사용할 수 있다. 임상의/간병인은 플랫폼을 통해 개인화 된 치료에 대한 추가 업데이트를 수행 할 수 있다(개인화 된 생리학 서명의 업데이트를 트리거 함). 따라서 시스템은 장치, 환자 및 간병인으로부터 더 많은 데이터로 발전 할 수 있다.

요약하면 시스템은 지속적으로 환자를 모니터링하고 건강 악화를 추정하며 실시간 경보와 일일 보고를 모두 생성한다. 그런 다음 간병인은 경보 /보고에 대응하여 조치를 취하고 환자 치료를 개선하기 위해 필요한 중재를 할 수 있다. 따라서 시스템은 임상의/간병인이 치료 의사 결정을 내리는 데 도움을 주고 새로운 치료법 도입 후 환자를 더 잘 관리하는 데 도움이 될 수 있다. 결과적으로 이것은 환자의 예후를 향상시키고 궁극적으로 경제적 이익으로 전환된다.

당업자는 정보 및 신호가 임의의 다양한 기술 및 기법을 사용하여 표현될 수 있음을 이해할 것이다. 예를 들어, 위의 설명 전체에 걸쳐 데이터, 명령어, 커맨드, 정보, 신호, 비트, 기호 및 칩은 전압, 전류, 전자기파, 자기장 또는 입자, 광학 필드 또는 입자의 조합으로 나타낼 수 있다.

당업자는 본 명세서에 개시된 실시 예와 관련하여 설명 된 다양한 예시적인 논리 블록, 모듈, 회로 및 알고리즘 단계가 전자 하드웨어, 컴퓨터 소프트웨어 또는 명령어, 미들웨어, 플랫폼, 또는 두가지 모두의 조합으로 구현 될 수 있음을 추가로 이해할 것이다. 하드웨어와 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해 다양한 예시적인 구성 요소, 블록, 모듈, 회로 및 단계가 일반적으로 기능 측면에서 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로 구현되는지 여부는 전체 시스템에 부과된 특정 응용 프로그램 및 설계 제약에 따라 다르다. 숙련 된 기술자는 각각의 특정 애플리케이션에 대해 다양한 방식으로 설명 된 기능을 구현할 수 있지만, 이러한 구현 결정은 본 발명의 범위를 벗어나는 것으로 해석되어서는 안된다.

본 명세서에 개시된 실시 예와 관련하여 설명된 방법 또는 알고리즘의 단계는 하드웨어, 프로세서에 의해 실행되는 소프트웨어 모듈, 또는 클라우드 기반 시스템을 포함하여 이 둘의 조합으로 직접 구현 될 수 있다. 하드웨어 구현의 경우 하나 이상의 ASIC(application specific integrated circuit), DSP(디지털 신호 프로세서), DSPD(디지털 신호 처리 장치), PLD(프로그램 가능 논리 장치), FPGA(필드 프로그래밍 가능 게이트 어레이), 프로세서, 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서, 또는 여기에 설명 된 기능을 수행하도록 설계된 기타 전자 유닛, 또는 이들의 조합 내에서 처리가 구현될 수 있다. 다양한 미들웨어 및 컴퓨팅 플랫폼이 사용될 수 있다.

일 실시 예에서, 로컬 컴퓨팅 장치는 원격, 웹 또는 클라우드 기반 컴퓨팅 장치에서 실행되는 시스템의 구성 요소에 대한 인터페이스를 제공하는 임상의 또는 환자에 의해 사용된다. 추가 컴퓨팅 장치, 웨어러블 또는 의료 장치는 또한 직접 또는 로컬 컴퓨팅 장치를 통해 원격, 웹 또는 클라우드 기반 컴퓨팅 장치에 데이터를 전송하도록 구성된다. 각각의 컴퓨팅 장치는 적어도 하나의 프로세서 및 프로세서에 동작 가능하게 연결된 메모리를 포함하고, 컴퓨팅 장치는 여기에 설명된 방법을 수행하도록 구성된다.

일부 실시 예에서 프로세서 모듈은 방법의 일부 단계를 수행하도록 구성된 하나 이상의 중앙 처리 장치(CPU)를 포함한다. 컴퓨팅 장치는 하나 이상의 CPU를 포함 할 수 있다. CPU는 입력/출력 인터페이스, ALU(산술 및 논리 장치) 및 입력/출력 인터페이스를 통해 입력 및 출력 장치와 통신하는 제어 장치 및 프로그램 카운터 요소로 구성 될 수 있다. 입력/출력 인터페이스는 미리 정의 된 통신 프로토콜(예: Bluetooth, Zigbee, IEEE 802.15, IEEE 802.11, TCP/IP, UDP 등)을 사용하여 다른 장치의 동등한 통신 모듈과 통신하기 위한 네트워크 인터페이스 및/또는 통신 모듈을 포함 할 수 있다. 컴퓨팅 또는 단말 장치는 단일 CPU(코어) 또는 다중 CPU(다중 코어) 또는 다중 프로세서를 포함할 수 있다. 컴퓨팅 또는 단말 장치는 병렬 프로세서, 벡터 프로세서를 사용하거나 클라우드 기반 컴퓨팅 장치 및 리소스를 포함하는 분산 컴퓨팅 장치 일 수 있다. 메모리는 프로세서에 작동 가능하게 결합되며 RAM 및 ROM 구성 요소를 포함 할 수 있으며 장치 또는 프로세서 모듈 내부 또는 외부에 제공 될 수 있다. 메모리는 운영 체제 및 추가 소프트웨어 모듈 또는 명령을 저장하는 데 사용될 수 있다. 프로세서(들)는 메모리에 저장된 소프트웨어 모듈 또는 명령어를 로드하고 실행하도록 구성될 수 있다.

컴퓨터 프로그램, 컴퓨터 코드 또는 명령어로도 알려진 소프트웨어 모듈은 다수의 소스 코드 또는 객체 코드 세그먼트 또는 명령어를 포함 할 수 있으며 RAM 메모리, 플래시 메모리, ROM 메모리 EPROM 메모리, 레지스터, 하드 디스크, 이동식 디스크, CD-ROM, DVD-ROM, Blu-ray 디스크 또는 기타 형식의 컴퓨터 판독 가능 매체에 상주할 수 있다. 일부 양상들에서 컴퓨터 판독 가능 매체는 비 일시적 컴퓨터 판독 가능 매체 (예를 들어, 유형 매체)를 포함 할 수 있다. 또한, 다른 양상들에 대해 컴퓨터 판독 가능 매체는 일시적인 컴퓨터 판독 가능 매체(예를 들어, 신호)를 포함 할 수 있다. 위의 조합도 컴퓨터 판독 가능 매체의 범위 내에 포함되어야 한다. 다른 양상들에서, 컴퓨터 판독 가능 매체는 프로세서에 통합 될 수 있다. 프로세서 및 컴퓨터 판독 가능 매체는 ASIC 또는 관련 장치에 상주할 수 있다. 소프트웨어 코드는 메모리 유닛에 저장 될 수 있고 프로세서는 이를 실행하도록 구성될 수 있다. 메모리 유닛은 프로세서 내에서 또는 프로세서 외부에서 구현될 수 있으며, 이 경우 당업계에 알려진 다양한 수단을 통해 프로세서에 통신 가능하게 결합될 수 있다.

또한, 여기에 설명 된 방법 및 기술을 수행하기 위한 모듈 및/또는 다른 적절한 수단은 컴퓨팅 장치에 의해 다운로드 및/또는 그렇지 않으면 획득될 수 있다는 것을 이해해야 한다. 예를 들어, 이러한 장치는 여기에 설명된 방법을 수행하기 위한 수단의 전송을 용이하게 하기 위해 서버에 연결될 수 있다. 대체적으로, 여기에 설명된 다양한 방법은 저장 수단(예: RAM, ROM, 컴팩트 디스크 (CD) 또는 플로피 디스크와 같은 물리적 저장 매체 등)을 통해 제공될 수 있으며, 따라서 컴퓨팅 장치는 장치에 저장 수단을 결합하거나 제공할 때 다양한 방법을 얻을 수 있다. 더욱이, 여기에 설명된 방법 및 기술을 장치에 제공하기 위한 임의의 다른 적절한 기술이 사용될 수 있다.

시스템의 다양한 구성 요소는 예를 들어 데이터 분류를 위해 기계 학습 (ML) 방법을 사용할 수 있다. 여기에는 테스트 및 학습 세트를 포함한 참조 데이터 세트를 사용하여 분류기(또는 분류기 세트)를 구축하는 기계 학습/감독 학습 방법이 포함될 수 있으며, 다중 계층 분류기 및/또는 다중 신경망을 사용하는 딥 러닝 방법이 포함될 수 있다. 분류기는 특징을 식별하기 위해 다양한 신호 처리 기술 및 통계 기술을 사용할 수 있으며, 선형 분류기, 회귀 알고리즘, 지원 벡터 머신, 신경망, 베이지안 네트워크 등을 포함한 다양한 알고리즘이 사용될 수 있다. TensorFlow, Theano, Torch, PyTorch, Deeplearning4j, Java-ML, scikit-leam, Spark MLlib, Apache MXnet, Azure ML Studio, AML, MATLAB 등을 포함한 다양한 소프트웨어 언어 및 ML 라이브러리를 사용하여 분류기를 구축 할 수 있으며 본원 발명은 Python, R, C, C++, C#, Java 등과 같은 고급 언어로 작성될 수 있다.

본 명세서에 개시된 방법은 설명된 방법을 달성하기 위한 하나 이상의 단계 또는 동작을 포함한다. 방법 단계 및/또는 동작은 청구항의 범위를 벗어나지 않고 서로 교환 될 수 있다. 즉, 특정 단계 또는 동작의 순서가 명시되지 않는 한, 특정 단계 및/또는 동작의 순서 및/또는 사용은 청구 범위를 벗어나지 않고 수정 될 수 있다.

문맥이 달리 요구하지 않는 한, 다음의 명세서 및 청구 범위 전체에서, "포함하는" 및 "포함하는"이라는 단어 및 "포함하는" 및 "포함하는"과 같은 변형은 명시된 정수 또는 정수 그룹을 포함하되, 다른 정수 또는 정수 그룹은 제외되지 않는다는 의미로 이해 될 것이다.

본 명세서에서 임의의 선행 기술에 대한 언급은 그러한 선행 기술이 일반적인 일반 지식의 일부를 형성한다는 어떠한 형태의 제안에 대한 인정이 아니며 그렇게 받아 들여서는 안된다.

본 발명이 설명된 특정 애플리케이션 또는 애플리케이션으로의 사용에 제한되지 않는다는 것이 당업자에 의해 인식 될 것이다. 본 발명의 내용은 본 명세서에 설명되거나 묘사 된 특정 요소 및/또는 특징과 관련하여 바람직한 실시 예로 제한되지 않는다. 본 발명은 개시된 실시 예 또는 실시 예에 제한되지 않고, 다음의 청구 범위에 의해 설명되고 정의 된 범위를 벗어나지 않고 다수의 재배치, 수정 및 대체가 가능하다는 것을 이해할 것이다.

Claims

하나 이상의 프로세서 및 하나 이상의 관련 메모리 모듈을 포함하는 전산화된 치료 관리 시스템에 있어서,
입력 데이터를 수신, 처리 및 저장하도록 구성된 데이터 획득 인터페이스로서, 상기 입력 데이터는:
하나 이상의 환자 모니터링 장치로부터의 생리학적 데이터;
하나 이상의 입력 장치로부터의 모니터링 기간 동안 환자와 관련된 행동, 위치, 활동 및 상황 정보 중 적어도 하나와 관련된 하나 이상의 상황별 데이터;
전자 의료 기록, 디지털화된 간병인 기록, 검사실 정보 관리 시스템 및 임상 데이터베이스 중 적어도 하나로부터의 환자에 대한 임상 데이터;를 포함하는, 데이터 획득 인터페이스;
상기 입력 데이터로부터 환자에 대한 개인화된 생리학적 서명을 생성 및 업데이트하도록 구성된 치료 분석 엔진으로서,
상기 개인화된 생리학적 서명 및 입력 데이터를 사용하여 치료 기대치를 충족시키는 약물의 효과 추정치를 포함하는 치료 유틸리티 인덱스(TUI);
치료의 부작용 추정치를 포함하는 부작용 인덱스(AEI); 및
치료 효과의 요약 추정치를 포함하는 치료 유틸리티 보고(TUR);의 실시간 추정 및 일일 요약 중 적어도 하나를 생성하도록 더 구성되는, 치료 분석 엔진: 및
상기 TUI 및 AEI를 사용하여 하나 이상의 경보를 생성하는 치료 특정 경보 모듈;
상기 TUI 및 AEI에서 생성된 하나 이상의 경보와 환자에 대한 상기 TUR을 디스플레이 하도록 구성된 사용자 인터페이스를 제공하도록 하고, 임상의가 환자에 대한 치료를 개인화하고, 데이터 획득 인터페이스 및 치료 분석 엔진에 의해 처리되는 상기 TUR에서 임상의로부터의 주석 데이터를 수신하도록 하고, 처리된 주석 데이터를 기반으로 개인화된 생리학적 서명을 업데이트하도록 구성된 치료 관리 플랫폼을 포함하는 시스템.
제 1항에 있어서,
상기 입력 데이터는 주석이 달린 저품질 입력 데이터에 대해 훈련된 기계 학습 모델을 사용하여 저품질 데이터를 제외하도록 필터링되고 전처리되는 것을 특징으로 하는 시스템.
제 1항에 있어서,
상기 입력 데이터는 상황별 데이터 또는 생리학적 데이터에 변화가 있을 때 하나 이상의 시점을 식별하기 위해 분할되고, 세그먼트 내의 데이터가 시작 시간, 종료 시간, 하나 이상의 상황별 정보 요약 및 세그먼트 동안 생리학적 데이터에 대한 하나 이상의 요약 통계로 요약되고, 및 상기 상황별 정보에 기초하여 각 세그먼트를 개인화된 생리학적 서명으로 분류하는 것을 특징으로 하는 시스템.
제 4항에 있어서,
상기 TUI 및 AEI는 개인화된 생리학적 서명으로부터 바이오바이탈 인덱스(Biovitals Index)를 결정함으로써 획득되고,
상기 바이오바이탈 인덱스는 제1값과 제2값 사이에 정의된 범위를 가지며, 상기 제1값은 환자의 상태에 변화가 없음을 나타내고,
상기 제2값은 환자 상태에 상당한 변화가 있음을 나타내고,
상기 TUI 및 AEI는 바이오바이탈 인덱스의 하나 이상의 편차를 측정하고 환자가 복용한 하나 이상의 약물에 대한 정보를 포함하는 약물 특이적 데이터베이스 및 환자 특이적 데이터베이스에 저장된 데이터와 비교함으로써 획득되고,
상기 약물 특이적 데이터베이스는 약물 특이적 정보를 포함하고,
상기 환자 특이적 데이터베이스는 환자의 자가 관리 관행 및 상기 입력 데이터로부터 추출된 질병 예후와 관련된 데이터를 포함하는 것을 특징으로 하는 시스템.
제 4항에 있어서,
상기 개인화된 생리학적 서명은 잔차 벡터를 얻기 위해 벡터 회귀 모델을 피팅함으로써 분할된 데이터와 비교되고,
상기 잔차 벡터는 상기 바이오바이탈 인덱스를 생성하는데 사용되며, 상기 제1값은 0이고, 상기 제2값은 1인 것을 특징으로 하는 시스템.
제 4항 또는 제 5항에 있어서,
환자에 대한 개인화된 생리학적 서명은 상황별 데이터와 함께 생리학적 데이터를 포함하는 개인화된 데이터베이스를 포함하고,
상기 상황별 데이터는 각 클러스터가 환자의 보행 상태에 대응하는 복수의 클러스터로 분리되고,
개인화된 데이터베이스는 또한 상황별 데이터와 함께 일일 파생물을 저장하고,
상기 바이오바이탈 인덱스는 개인화된 생리학적 서명으로부터 최근 입력 데이터와 비교하여 참조로 사용하여 생성되고,
상기 개인화된 생리학적 서명은 새로운 입력 데이터를 기반으로 지속적으로 업데이트되는 것을 특징으로 하는 시스템.
제 6항에 있어서,
상기 데이터 획득 인터페이스는 하나 이상의 소셜 미디어 게시물, 환자 보고 활동, 전화 사용 정보, 웹 검색 기록 및 전자 상거래 활동으로부터 환자 행동 데이터를 수집하도록 더 구성되고,
상기 개인화된 생리학적 서명은 수신된 환자 행동 데이터에 기초하여 업데이트되는 것을 특징으로 하는 시스템.
제 4항 내지 제 7항 중 어느 한 항에 있어서,
상기 하나 이상의 환자 모니터링 장치는 ECG 및 PPG 센서 중 적어도 하나를 포함하고,
상기 치료 분석 엔진은 상기 ECG 및 PPG 센서 중 적어도 하나로부터의 실시간 생리학적 데이터를 분석하고 그 결과를 상기 바이오바이탈 인덱스에 통합하는 ECG 및 PPG 중 적어도 하나의 분석 모듈을 더 포함하는 것을 특징으로 하는 시스템.
제 1항에 있어서,
상기 입력 데이터는 복수의 임상 일일 파생물을 생성하는데 사용되고, 상기 TUR은 상기 개인화된 생리학적 서명을 상기 복수의 임상 일일 파생물과 비교하여 상기 치료 분석 엔진에 의해 생성되는 것을 특징으로 하는 시스템.
제 9항에 있어서,
상기 TUR은 패턴 인식 알고리즘 및 인구 기반 임계 값 방법 중 적어도 하나를 적용함으로써 치료 분석 엔진에 의해 생성되는 것을 특징으로 하는 시스템.
환자에게 개인화된 치료 관리를 제공하기 위한 전산 방법으로서,
치료 중인 환자에 대한 입력 데이터를 수신하고 처리하는 단계로서, 상기 입력 데이터는:
하나 이상의 환자 모니터링 장치로부터의 생리학적 데이터;
하나 이상의 입력 장치로부터의 모니터링 기간 동안 환자와 관련된 행동, 위치, 활동 및 상황 정보 중 적어도 하나와 관련된 하나 이상의 상황별 데이터; 및
전자 의료 기록, 디지털화된 간병인 기록, 검사실 정보 관리 시스템 및 임상 데이터베이스 중 적어도 하나로부터의 환자에 대한 임상 데이터;를 포함하고,
상기 입력 데이터로부터 환자에 대한 개인화된 생리학적 서명을 생성하는 단계;
상기 개인화된 생리학적 서명 및 상기 입력 데이터를 사용하여 치료 기대치를 충족시키는 약물의 효과 추정치를 포함하는 치료 유틸리티 인덱스(TUI);
치료의 부작용 추정치를 포함하는 부작용 인덱스(AEI); 및
치료 효과의 요약 추정치를 포함하는 치료 유틸리티 보고(TUR);의 하나 이상의 실시간 추정 및 일일 요약 중 적어도 하나를 생성하는 단계;
하나 이상의 치료 특정 경보를 생성하기 위해 상기 TUI 및 AEI를 처리하는 단계;
사용자 인터페이스를 통해, 하나 이상의 치료 특정 경보 및 TUI를 임상의에게 디스플레이하는 단계;
사용자 인터페이스를 통해 환자 치료를 개인화 및 TUR에서 주석 데이터를 수신하는 것 중 적어도 하나를 위해 치료 변경 사항을 수신하는 단계;
상기 주석 데이터를 기반으로 개인화된 생리학 서명을 업데이트하는 단계를 포함하는 전산 방법.
제 11항에 있어서,
주석이 달린 저품질 데이터에 대해 훈련된 기계 학습 모델을 사용하여 저품질 데이터를 제외하도록 상기 입력 데이터를 필터링하고 전처리하는 단계를 더 포함하는 전산 방법.
제 11항에 있어서,
상기 상황별 데이터 또는 생리학적 데이터에 변화가 있을 때 하나 이상의 시점을 식별함으로써 상기 입력 데이터를 분할하는 단계와 세그먼트 내의 데이터가 시작 시간, 종료 시간, 하나 이상의 상황별 정보 요약 및 세그먼트 동안 생리학적 데이터에 대한 하나 이상의 요약 통계로 요약하는 단계; 및
상기 상황별 정보에 기초하여 각 세그먼트를 개인화된 생리학적 서명으로 분류하는 단계를 더 포함하는 전산 방법.
제 14항에 있어서,
개인화된 생리학적 서명으로부터 정의된 범위 이내의 바이오바이탈 인덱스(Biovitals Index)를 결정하는 단계;
상기 바이오바이탈 인덱스는 제1값과 제2값 사이에 정의된 범위를 가지며, 상기 제1값은 환자의 상태에 변화 없음을 나타내고, 상기 제2값은 환자 상태에 상당한 변화를 나타내고, 및
상기 바이오바이탈 인덱스의 하나 이상의 편차를 측정함으로써 상기 TUI 및 AEI를 생성하는 단계 및 환자가 복용한 하나 이상의 약물에 대한 정보를 포함하는 약물 특이적 및 환자 특이적 데이터베이스에 저장된 데이터와 비교하는 단계;를 더 포함하고,
상기 약물 특이적 데이터베이스는 약물 특이적 정보를 포함하고,
상기 환자 특이적 데이터베이스는 환자의 자가 관리 관행 및 상기 입력 데이터로부터 추출된 질병 예후와 관련된 데이터를 포함하는 것을 특징으로 하는 전산 방법.
제 14항에 있어서,
상기 바이오바이탈 인덱스를 결정하는 단계는 잔차 벡터를 생성하는 벡터 회귀 모델을 사용하여 분할된 데이터를 개인화된 생리학적 서명에 피팅하는 단계를 포함하고,
상기 잔차 벡터는 바이오바이탈 인덱스를 생성하는데 사용되며, 상기 제1값은 0이고 상기 제2값은 1인 것을 특징으로 하는 전산 방법.
제 14항 또는 제 15항에 있어서,
환자에 대한 상기 개인화된 생리학적 서명은 상황별 데이터와 함께 생리학적 데이터를 포함하는 개인화된 데이터베이스를 포함하고,
상기 상황별 데이터는 각 클러스터가 환자의 보행 상태에 대응하는 복수의 클러스터로 분리되고,
개인화된 데이터베이스는 또한 상황별 데이터와 함께 일일 파생물을 저장하고,
상기 바이오바이탈 인덱스는 개인화된 생리학적 서명으로부터 최근 입력 데이터와 비교하여 참조로 사용하여 생성되고, 상기 개인화된 생리학적 서명은 새로운 입력 데이터를 기반으로 지속적으로 업데이트되는 것을 특징으로 하는 전산 방법.
제 11항에 있어서,
하나 이상의 소셜 미디어 게시물, 환자 보고 활동, 전화 사용 정보, 웹 검색 기록 및 전자 상거래 활동으로부터 환자 행동 데이터를 수신하는 단계; 및
상기 개인화된 생리학적 서명을 수신된 환자 행동 데이터에 기초하여 업데이트하는 단계를 더 포함하는 전산 방법.
제 14항 내지 제 17항 중 어느 한 항에 있어서,
ECG 및 PPG 센서 중 적어도 하나로부터 수신된 실시간 생리학적 데이터를 분석하는 단계 및 그 결과를 상기 바이오바이탈 인덱스에 통합하는 단계를 더 포함하는 전산 방법.
제 11항에 있어서,
상기 입력 데이터로부터 복수의 임상 일일 파생물을 생성하는 단계; 및 상기 개인화된 생리학적 서명을 상기 복수의 임상 일일 파생물과 비교함으로써 상기 TUR을 생성하는 단계를 더 포함하는 전산 방법.
제 19항에 있어서,
상기 TUR은 패턴 인식 알고리즘 및 인구 기반 임계 값 방법 중 적어도 하나를 적용함으로써 생성되는 것을 특징으로 하는 전산 방법.