MX2011009610A - Sistemas y metodos para estimacion de parametros caracteristicos de espectros de impedancia gastrica en humanos. - Google Patents

Abstract

Se ha propuesto espectroscopia de impedancia como un método para supervisor lesión de mucosa debido a hipoperfusión e isquemia en los críticamente enfermos. La invención incluye un algoritmo desarrollado para calcular los valores eléctricos característicos que describen mejor las mediciones de impedancia gástrica humana y simplificar la información obtenida con este método. Una base de datos de espectros gástricos se obtiene de voluntarios sanos, pacientes de cirugía cardiovascular y críticamente enfermos. El espectro gástrico forma dos semicírculos en el dominio complejo, divididos en baja frecuencia (F < 10 kHz) y alta frecuencia (F > 10 kHz). Un algoritmo de ajuste se desarrolla con base en el modelo Cole, y se calculan parámetros característicos centrales. Los parámetros se validaron utilizando el error cuadrático medio normalizado y 0.7% de los espectros se descartaron. De los datos experimentales obtenidos en humanos, los más grandes cambios observados conforme la mucosa gástrica se vuelve isquémica, ocurren a bajas frecuencias, que son específicos y sensibles a daño de tejido, y varían con el grado de hipoperfusión.

Description

SISTEMAS Y MÉTODOS PARA ESTIMACIÓN DE PARÁMETROS CARACTERÍSTICOS DE ESPECTROS DE IMPEDANCIA GÁSTRICA EN HUMANOS REFERENCIA CRUZADA Esta solicitud reclama el beneficio de la Solicitud Provisional de Patente de los E.U.A. No. de Serie 61/160,409 presentada en marzo 16, 2009, esta solicitud se incorpora aquí por referencia en su totalidad.

ANTECEDENTES DE LA INVENCIÓN Ciertas condiciones médicas pueden supervisarse al medir la impedancia de tejidos de pacientes de mamíferos. Esto puede realizarse al colocar electrodos en contacto con el tejido a través del cual puede pasarse una baja corriente a través del tejido. Se conoce utilizar esta técnica para aplicaciones de diagnóstico y terapéuticas. Se ha empleado espectroscopia de impedancia eléctrica (EIS = Electrical Impedance Spectroscopy) , por ejemplo para mediciones celulares, estimado de cambios de volumen, análisis de composición del cuerpo, clasificación de tejido y supervisión o monitoreo de tejido. Las mediciones de impedancia pueden emplearse para detectar edema celular, y otros eventos relacionados al metabolismo de células de tejido.

La espectroscopia de impedancia eléctrica mide los espectros de impedancia eléctrica de tejidos superficiales al colocar una sonda eléctricamente conductora en contacto con la muestra de tejido. Tejidos biológicos tienen una impedancia eléctrica que depende de la frecuencia de la corriente que pasa a través del tejido. Los tejidos biológicos contienen una cantidad de componentes, tales como un núcleo y citoplasma que tienen tanto propiedades resistivas como capacitivas. Se conoce por ejemplo, que en tejidos cancerosos y pre-cancerosos , hay un cambio significante en el tamaño de los núcleos celulares, en la forma de las células y en el arreglo de las células que forman el tejido. Estos cambios afectan la impedancia eléctrica de la muestra de tejido, de manera tal que la tomografía de impedancia eléctrica puede emplearse para detectar cambios significantes en la estructura celular y por lo tanto, ayuda en proporcionar un diagnóstico para pacientes .

La magnitud de la impedancia eléctrica, y la dependencia de la impedancia eléctrica en la frecuencia de una muestra de tejido, se ha encontrado que son indicativas de la composición del tejido. Se ha encontrado que diferentes estructuras de tejido se asocian con diferentes bandas de frecuencia dentro de un espectro de impedancia eléctrica.

A bajas frecuencias (menos de aproximadamente 1 kHz) la corriente eléctrica puede ser incapaz de pasar a través de células debido a la capacitancia de la membrana celular que resulte en acumulación de carga a grandes interf ses de membrana. A frecuencias intermedias, tal como en la región de aproximadamente 1 kHz a 1 MHz (también conocida como la región de dispersión beta) , las estructuras celulares son el determinante principal de impedancia eléctrica de tejido y la corriente empieza a penetrar a las membranas de las células . A superiores frecuencias (mayores a aproximadamente¦ 1 MHz) la corriente es capaz de pasar a través de las células y los núcleos e incluso a frecuencias superiores (>1 GHz) la estructura molecular es el factor determinante que contribuye a la impedancia eléctrica de la muestra de tejido.

El medir los patrones de corriente eléctrica producidos por una muestra de tejido particular sobre un intervalo de . frecuencias, y aplicar procedimientos de modelado inverso, puede determinar un conjunto de parámetros eléctricos. La resistencia intracelular de una muestra de tejido determinada puede ser afectada significativamente por los tamaños relativos del núcleo y la célula. Por lo tanto, la impedancia eléctrica de una muestra de tejido puede emplearse para distinguir entre tejidos que tienen diferentes proporciones de' volumen nuclear a volumen de citoplasma. Muestras de tejido que tienen una proporción superior de volumen nuclear o volumen de citoplasma, pueden ser indicativas por ejemplo de tejidos pre-cancerosos . La aplicación de mediciones de impedancia eléctrica utilizando una sonda que tiene cuatro electrodos en una cara de extremo en citología cervical, se describe en Electronics Letters, 36(25) 2060-2062 y en The Lancet, 355: 892-95, que aquí se incorporan por referencia en su totalidad. EIS es un método de diagnóstico emergente con base en el estudio de propiedades eléctricas pasivas de tejidos biológicos que pueden aplicarse para caracterizar estos tejidos. Ver, por ejemplo, la publicación de patente de los E.U.A. No. 2008/0232675 para Apparatus For easuring Tissue Samples Electrical Impedance por Brian Hilton Brown et al, que aquí se incorpora por referencia en su totalidad. Esta técnica proporciona buena información respecto a la estructura de tejido y se ha empleado en la medición de cambios en isquemia o perfusión en diferentes órganos. Ver, e.g., A.H. Kyle, C.T. Chan, A.I. Minchinton, "Characterization of three dimensional tissue cultures using electrical impedance spectroscop" , Biophys J, vol . 76, pp. 2640-2648, 1999; E. Gersing, "Impedance spectroscopy on living tissue for determination of the state of organs", Bioelectrochem. Bioenerg. vol 45, pp. 145-149, 1998; S. Kun, R.A. Peura, "Selection of measurement frequencies for optimum extraction of tissue impedance model parameters", Med. Biol . Eng. Comput., vol. 37, pp. 699-703, 1999, que aquí se incorpora por referencia en su totalidad. Espectroscopia de impedancia compleja también proporciona información de fase, de manera tal que componentes de tejido resistivos y reactivos pueden ser separados, produciendo medidas más confiables. Gersing también utiliza este método para estimar niveles de daño de tejido en diferentes órganos.

Se ha desarrollado un método mínimo invasivo para estimar la condición de la mucosa, que mide el espectro de impedancia de la mucosa. Ver, patente de los E.U.A. No. 6 , 965 , 795 , que aquí se incorpora por referencia en su totalidad. Junto con la técnica, una sonda de espectroscopia de impedancia y tubo nasogástricó ISP/NGT, permiten la adquisición directa de un espectro de impedancia eléctrica de la mucosa, que puede emplearse para identificar y supervisar en forma continua el nivel de daño de tejido. Ver la patente de los E.U.A. No. 6 , 882 , 879 , que aquí se incorpora por referencia en su totalidad.

La hipoperfusión e isquemia pueden provocar cambios en los espectros de impedancia de la pared gástrica en pacientes de cirugía cardiovascular, proponiendo que esta tecnología pueda ser una herramienta útil para supervisión de diagnóstico y pronóstico. Ver N. Beltran, G. Sánchez-Miranda, M. Godinez, U. Diaz, E. Sacristán, "Gastric impedance spectroscopy in elective cardiovascular surgery patients", Physiol Meas, vol. 27 ( 3 ) , pp. 265 -277 , 2006 , que aquí se incorpora por referencia en su totalidad.

Algunos espectrómetros de bioimpedancia miden resistencia y reactancia sobre un intervalo de frecuencias y por aplicación de un modelo matemático para un circuito equivalente (modelo Colé) , estiman una cantidad de parámetros. Algunos utilizan ajuste de datos experimentales al modelo y otros utilizan las impedancias medidas. Ver, e.g., S. Kun, B. Ristic, R.A. Peura, R. . Dunn, "Algorithm for tissue ischemia estimation base on electrical impedance spectroscopy" , IEEE Trans . on Biomed Eng. , vol . 50 ( 12 ) , pp. 1352 - 1359 , 2003 . ; L.C. Ward, T. Essex, B.H. Cornish, "Determination of Colé parameters in múltiple frequency bioelectrical impedance analysis using only the measurement of impedance", Physiol Meas, vol. 27 ( 9 ) , pp. 839 -850 , 2007 , que aquí se incorporan por referencia en su totalidad.

Lo que se requiere es un algoritmo que pueda aplicarse a los datos de mamíferos recolectados que pueden emplearse para obtener parámetros característicos por ejemplo, de espectros de impedancia gástrica medidos para proporcionar un conjunto de datos simplificados.

COMPENDIO DE LA INVENCIÓN La invención se dirige a sistemas y métodos de estimación de parámetros característicos de espectros de impedancia gástricos . Los sistemas y métodos pueden emplear un algoritmo para obtener parámetros característicos de un espectro de impedancia gástrica medida. El algoritmo transforma los datos medidos, de manera tal que los datos resultantes se simplifican y es más fácil lograr el diagnóstico. Diversos aspectos de la invención aquí descrita pueden aplicarse a cualquiera de las aplicaciones particulares establecidas a continuación o para otros tipos de sistemas o métodos para 1 medir parámetros bioeléctricos . La invención puede aplicarse como un sistema o método autónomos, o como parte de un sistema de diagnóstico o tratamiento. Habrá de entenderse que diferentes aspectos de la invención pueden apreciarse en forma individual, colectiva o en combinación entre. sí.

Un aspecto de la invención puede dirigirse a un sistema configurado para determinar estimaciones de parámetros característicos de espectros de impedancia gástrica. El sistema puede incluir uno o más dispositivos de supervisión, configurados para medir al menos un parámetro bioeléctrico de un sujeto. El sistema también puede incluir una memoria que incluye al menos un perfil de datos fisiológicos con una o más características eléctricas que se refieren a una condición física. La memoria puede proporcionarse en una computadora, o en una o más bases de datos . El sistema también puede incluir un procesador en comunicación con el dispositivo de supervisión, en donde el procesador recibe los datos bioeléctricos, transforma los datos bioeléctricos utilizando un modelo, tal como un modelo Colé, a uno o más valores eléctricos característicos y compara el valor eléctrico característico con el perfil de datos fisiológicos, para determinar si el sujeto tiene la condición física. El procesador puede proporcionarse en una computadora u otro dispositivo.

Otro aspecto de la invención puede ser un método para determinar estimación de parámetros característicos de espectros de impedancia gástrica. El método puede incluir recibir, en un procesador, un primer número de medidas eléctricas desde un dispositivo de supervisión, configurado para recolectar las mediciones eléctricas de un tejido de un sujeto. El método también puede incluir transformar, en el procesador, las mediciones eléctricas, con base en un modelo a un número reducido de parámetros característicos, y comparar los parámetros característicos con uno o más perfiles, con base en datos que representan la mucosa gástrica bajo condiciones diferentes. El método además puede incluir recolectar mediciones eléctricas del dispositivo de supervisión a través de las siguientes etapas: empezar la excitación de tejido con corriente eléctrica en el tejido del sujeto utilizando uno o más electrodos, permitir que pase un periodo de tiempo para que una señal de voltaje se estabilice, describir datos de voltaje en un amortiguador de memoria de primero en entrar, primero en salir (FIFO = First In, First Out), detener la excitación de tejido con corriente eléctrica, detener la escritura a la memoria intermedia FIFO; y/o leer datos de voltaje de la memoria intermedia FIFO.

Un medio utilizable por computadora tangible puede proporcionarse de acuerdo con otro aspecto de la invención. El medio legible por computadora puede tener un código de programa legible por computadora ahí incrustado, el código de programa legible por computadora, está adaptado para ejecutarse para implementar un método para determinar estimación de parámetros característicos de espectro de impedancia gástrica. El método puede incluir las etapas de recibir una pluralidad de mediciones eléctricas de un dispositivo de supervisión configurado para recolectar las mediciones eléctricas de un tejido de un sujeto, en donde las mediciones eléctricas incluyen una señal de tejido y una señal de referencia, obtener un valor de fase de un par de señal de tejido y señal de referencia, obtener un valor de amplitud para el par de señal de tejido y señal de referencia y calcular un valor de resistencia y un valor de reactancia del valor de fase y del valor de amplitud.

Otras metas y ventajas de la invención adicionalmente se apreciarán y comprenderán, cuando se consideran en conjunto con la siguiente descripción y dibujos acompañantes. Mientras que la siguiente descripción puede contener detalles específicos que describen modalidades particulares de la invención, esto no habrá de considerarse como limitaciones al alcance de la invención sino más bien como una ejemplificación de modalidades preferibles. Para cada aspecto de la invención, son posibles muchas variaciones como se sugiere aguí que se conoce por aquellos con destreza ordinaria en la especialidad. Pueden realizarse una variedad de cambios y modificaciones dentro del alcance de la invención sin apartarse de su espíritu.

INCORPORACIÓN POR REFERENCIA Todas las publicaciones, patentes y solicitudes de patentes mencionadas en esta especificación aquí se incorporan por referencia en la misma proporción como si cada individual publicación, patente, o solicitud de patente se indicará en forma específica e individual como incorporada por referencia.

BREVE DESCRIPCIÓN DE LOS DIBUJOS Las características novedosas de la invención se establecen con particularidad en las reivindicaciones anexas.

Una mejor comprensión de las características y ventajas de la presente invención se obtendrá por referencia a la siguiente descripción detallada que establece modalidades ilustrativas, en donde los principios de la invención se utilizan, y los dibujos acompañantes de los cuales: La Figura 1 es una gráfica Cole-Cole de impedancia, que semeja un semi-círculo en dominio complejo; La Figura 2 es una gráfica Cole-Cole del modelo ajustado con 2 regiones dispersas que se obtienen en tejido gástrico; La Figura 3 es una gráfica Cole-Cole del modelo ajustado que se obtiene a partir de espectros promediados de voluntarios sanos y pacientes de cirugía cardiovascular; La Figura 4 es una vistas general de un sistema que tiene un servidor, una UPC, un monitor, medio de almacenamiento, dispositivos de alimentación, etc., en los cuales se ejecutará un programa o soporte lógico que realiza el algoritmo aquí descrito; La Figura 5 es una gráfica que ilustra valores de amplitud y fase convertidos a resistencia; La Figura 6 es una gráfica que ilustra valores de amplitud y fase convertidos a reactancia; y La Figura 7 es una gráfica que ilustra puntos centrales contenidos en una gráfica Nyquist para cada semicírculo.

DESCRIPCIÓN DETALLADA DE LA INVENCIÓN Mientras que modalidades preferibles de la invención se han mostrado y descrito aquí, será evidente para aquellos con destreza en la técnica que dichas modalidades se proporcionan solo a manera de ejemplo. Numerosas variaciones, cambios y substituciones ahora se le ocurrirán a aquellos con destreza en la técnica sin apartarse de la invención. Habrá de entenderse que diversas alternativas a las modalidades de la invención aquí descritas pueden emplearse para practicar la invención.

La invención se dirige a sistemas y métodos de estimación de parámetros característicos del espectro de impedancia gástrica. Los sistemas y métodos pueden emplear un algoritmo para obtener parámetros característicos de un espectro de impedancia gástrica medido. Un dispositivo de supervisión puede emplearse para ayudar a medir los espectros de impedancia gástrica, u otros parámetros eléctricos o fisiológicos de un sujeto. El algoritmo puede transformar datos medidos de manera tal que los datos resultantes se simplifican y es más fácil de lograr el diagnóstico. Los parámetros medidos pueden ser transformados a un número reducido de valores característicos. Los valores característicos pueden indicar una condición física del sujeto, y pueden ayudar con diagnóstico del sujeto.

I. METODOLOGÍA A. Espectrómetro de Impedancia Un dispositivo de supervisión puede emplearse para recolectar una o más mediciones fisiológicas de un sujeto. Un sujeto de preferencia puede ser un humano, o puede ser un animal. Un sujeto puede ser un paciente, que se somete a tratamiento o al que se le diagnostica, o puede estar involucrado en pruebas clínicas o pre-clínicas . En modalidades preferidas, medidas eléctricas, tales como impedancia, resistencia, voltaje o corriente, se recolectan del sujeto. El dispositivo de supervisión puede hacer contacto directamente con un tejido del sujeto o estar en comunicación eléctrica con un tejido del sujeto. El tejido del sujeto puede ser tejido gástrico del sujeto. Por ejemplo, el dispositivo de supervisión puede estar en contacto directo fisico o eléctrico con una pared gástrica o mucosa gástrica. El dispositivo de supervisión puede incluir -uno o más electrodos. El dispositivo de supervisión puede proporcionar una corriente de excitación a un tejido y/o medir propiedades eléctricas del tejido.

En algunas modalidades, uno, dos o más electrodos pueden proporcionar una excitación eléctrica a un tejido, y uno, dos o más electrodos pueden medir propiedades eléctricas de los tejidos. El mismo electrodo o diferentes electrodos pueden emplearse para excitación y mediciones. En algunas modalidades, pueden tomarse mediciones de tejido y mediciones de referencia. Una señal de te ido (tal como una respuesta de tejido eléctrica) puede corresponder a una medición (por ejemplo, voltaje diferencial) que se toma por una pluralidad de electrodos. Una señal de referencia (tal como una resistencia de referencia eléctrica) puede corresponder a una medición (por ejemplo, caída de voltaje) a través de un resistor de referencia cuando se aplica una corriente de excitación de referencia. Un dispositivo de supervisión puede ser un espectrómetro, o puede incorporar el uso de un espectrómetro.

Un espectrómetro puede generar una corriente de excitación. Por ejemplo, puede generar una corriente de excitación de 1 mA pp a 25 diferentes frecuencias en un ancho de banda de 100 Hz a 1 MHz . En forma alterna, el espectrómetro puede generar una corriente de excitación a otros valores, tal como una corriente que cae dentro del intervalo de aproximadamente 0.1 mA a 10 mA. Por ejemplo la corriente de excitación puede ser de aproximadamente 0.1 mA, 0.2 mA, 0.3 mA, 0.4 mA, 0.5 mA, 0.6 mA, 0.7 mA, 0.8 mA, 0.9 mA, 1.1 mA, 1.2 mA, 1.3 mA, 1.5 mA, 2.0 mA, 3.0 mA, 4.0 mA, 5.0 mA, 7.0 mA, o 10.0 mA. La corriente de excitación puede generarse en cualquier cantidad de frecuencias. Por ejemplo, uno, dos o más frecuencias pueden emplearse. En algunas modalidades, aproximadamente 5 frecuencias, 10 frecuencias, 15 frecuencias, 20 frecuencias, 30 frecuencias, 35 frecuencias, 40 frecuencias, 50 frecuencias, 60 frecuencias, 70 frecuencias o 100 frecuencias o más pueden emplearse. En algunas modalidades, las frecuencias pueden caer dentro de cualquier intervalo, incluyendo pero no limitadas a 50 Hz a 50 MHz, 100 Hz a 25 MHz, 150 Hz a 10 MHz, 200 Hz a 1 MHz, 250 Hz a 750 Hz, o 300 Hz a 500 Hz . Las frecuencias pueden o no estar espaciadas uniformemente.

Espectrómetros convenientes pueden incluir, por ejemplo un espectrómetro Nicolet 6700 experimental disponible en múltiples intervalos espectrales (de IR lejano a UV-Vis) . Cuatro electrodos de Ag ubicados en la punta distante de una sonda de espectroscopia de impedancia y tubo nasogástrico (ISP/NGT = Impedance Spectroscopy Probé and Nasogastric Tube) funcionan como transductores de corriente iónica a electrónica, por ejemplo como se describe en la patente de los E.U.A. No. 6,882,879, que se incorpora aquí por referencia en su totalidad. Espectros de impedancia se obtienen al hacer mediciones de frecuencia discretas de la amplitud y fase de una respuesta de tejido eléctrico, respecto a una resistencia de referencia eléctrica. Por ejemplo, si 25 diferentes frecuencias de excitación son investigadas, entonces mediciones tales como mediciones de tejido y referencia, pueden tomarse en cada una de las 25 frecuencias. De estas mediciones, la resistencia y reactancia pueden calcularse a cada frecuencia, lo que se discutirá con mayor detalle en otra parte.

B. Cálculo de Parámetro y Modelo A fin de calcular los valores eléctricos característicos que describen mejor las mediciones de impedancia gástrica (en lugar de recurrir a una sola medición que puede ser con interferencia) , se ajustó un modelo teórico con base en las ecuaciones de Colé. Ver, K.S. Colé, "Permeability and impermeability of cell membranes for ions", Proc. Cold Spring Harbor Symp. Quant. Biol. , vol . 8, pp. 110 - 122, 1940, que aquí se incorpora por referencia en su totalidad. Un algoritmo de mínimos cuadrados ponderado, se utiliza para obtener las coordenadas de un círculo. Impedancia compleja (Z) se describe por: Z - R + jx (1) Colé propuso una expresión para describir un semicírculo, tomando en cuenta la frecuencia: Z = R_ + (R0 - R~) / (1 + (jwt)a) (2) en donde R es la resistencia de tejido (real), X es la reactancia de tejido (imaginaria), R0 es la resistencia a frecuencia cero, R~ es la resistencia a frecuencia infinito, t es la constante de tiempo característica, y a es la medida de la depresión de arco semicircular por debajo del eje real (que es un valor entre 0 y 1) . Ver J.J. Ackmann, M.A. Seitz, "Methods of complex impedance measurements in biological tissue" , Crit. Rev. Biomed. Eng. , vol. 11, pp. 281 - 311, 1984, que aguí se incorpora por referencia en su totalidad.

Cuando se traza la impedancia tisular en el dominio complejo, la gráfica resultante semeja un semicírculo, que puede ser caracterizado como se ilustra en la FIGURA 1, que es un trazo Cole-Cole de impedancia que semeja un semicírculo en dominio complejo. El punto en x0, yo muestra el centro del semicírculo, con un radio de r. Resistencia central, (Re) , reactancia (Xc) , y frecuencia (Fc) pueden calcularse en donde cor = 1.

La parte correspondiente real .e imaginaria de la parte superior de cada semicírculo, da un valor característico (también denominado "punto central") en resistencia y reactancia. Además, cuando se sigue el contador semicírculo en el sentido de las manecillas del reloj, se incrementa la frecuencia respectiva de la gráfica. De manera tal que el punto central también tiene un valor de frecuencia respectivo .

La FIGURA 2 es un trazo Cole-Cole del modelo ajustado con 2 regiones de dispersión que se obtienen en tejido gástrico. Los datos originales pueden proporcionarse, y uno, dos o más semi-círculos pueden calcularse o proporcionarse para ajustar los datos originales . Los parámetros característicos pueden obtenerse de las coordenadas en la frecuencia central para cada semicírculo. Por ejemplo, para el primer semi-círculo a la izquierda (para un modelo de ajuste con alta frecuencia) , la resistencia central RH, reactancia XH, y frecuencia fH pueden calcularse. De manera similar, para el segundo semi-círculo a la derecha (para un modelo de ajuste de baja frecuencia) , la resistencia central RL, reactancia XL, y frecuencia fL pueden calcularse.

Debido a que los espectros de impedancia de tejido gástrico pueden tener dos semicírculos, los parámetros de modelo de Colé se calcularon en dos regiones de dispersión (de frecuencias baja y alta) . Utilizando un algoritmo para ajuste de curva en semicírculo, se encuentran dos semicírculos. Cualquier algoritmo de ajuste de curva, incluyendo algoritmos discutidos aquí en otra parte, pueden utilizarse. Cualquier etapa que se proporciona por el algoritmo puede dirigirse por medio legible por computadora tangible, código, instrucciones o lógica correspondiente. Estos pueden almacenarse en una memoria, tal como la memoria de una computadora u otro dispositivo. Las etapas del algoritmo pueden ejecutarse por un procesador. En modalidades alternas, un algoritmo para ajuste de curva en semicírculo, puede emplearse para encontrar cualquier cantidad de semicírculos con base en los datos recolectados. En algunas modalidades, el algoritmo puede encontrar automáticamente un semicírculo, dos semicírculos, tres semicírculos, cuatro semicírculos, o cualquier cantidad predeterminada de semicírculos, con base en los datos recolectados. En forma alterna, el algoritmo puede ajustar automáticamente los datos a cualquier cantidad de semicírculos, que no requieren ser predeterminados, pero que pueden determinarse utilizando el algoritmo para ajustar los datos. El número de semicírculos puede corresponder a clasificaciones que definen intervalos de frecuencia.

R», R0, y a se obtienen del centro y radio de cada semicírculo como: R8=Xo+^2-ya2 (4) a=l-(2/ )arcsen(-yQ/r) ( 5 ) Los puntos centrales pueden obtenerse como sigue: Re = Xo (6) Xc = o - r (7) Volviendo a escribir (2), y tomando la magnitud a fin de convertir en valores reales para t dados : |( -?)/(?-?8))1/a/( ? (8) Utilizando un modelo (por ejemplo, como se proporciona por J.J. Ackmann, .A. Seitz, "Methods of complex impedance measurements in biological tissue" , Crit. Rev. Biomed. Eng. , vol. 11, pp. 281 - 311, 1984 que se incorpora aquí por referencia) : ?t = 1 (9) O : FC=1/(2TIT) (10) La frecuencia central (Fc) es el cálculo estimado promedio ' de t sobre todas las frecuencias medidas en el intervalo de frecuencia respectivo.

El espectro gástrico se divide en un intervalo de baja frecuencia (F < 10 kHz aproximadamente) y un intervalo de alta frecuencia (F > 10 kHz aproximadamente) . Utilizando el método descrito, se obtienen dos puntos centrales. En otras modalidades, el espectro puede dividirse de manera tal que el umbral, de división entre frecuencias bajas y altas puede estar en cualquier otra frecuencia, tal como 1 kHz, 5 kHz, 15 kHz, 20 kHz, 50 kHz, o 100 kHz.

Cualquiera de estos cálculos pueden realizarse en un procesador o utilizando un algoritmo. Como se discutió previamente, cualquier cálculo o etapa que se proporciona por el algoritmo puede dirigirse por medio legible por computadora tangible, código, instrucciones o lógica correspondiente, y puede ser ejecutado por un procesador (por ejemplo, de una computadora u otro dispositivo) .

C . Reconstrucción de Espectro Utilizando (2) con los parámetros que se obtienen en el ajuste de curva semi circular (por ejemplo, para un intervalo de frecuencias bajas y altas) , puede reconstruirse un espectro de "modelo". Estos espectros se emplean para ilustrar el comportamiento del modelo y para validar las mediciones con el modelo, utilizando un error cuadrático medio normalizado. En forma alterna, pueden emplearse métodos estadísticos para calcular desviaciones para validar las mediciones.

D. Características de Mediciones de Impedancia En algunas modalidades, pueden recolectarse datos respecto a diversos sujetos. Estos datos pueden incluir características eléctricas del tejido, tales como el tejido gástrico, de los sujetos. En algunas modalidades, los datos recolectados pueden emplearse para generar un perfil de datos fisiológicos. Los datos pueden recolectarse utilizando un dispositivo de supervisión. Los datos recolectados por el dispositivo de supervisión pueden ser analizados utilizando cualquiera de las técnicas o algoritmos descritos aquí en otra parte.

En una modalidad, espectros de impedancia se midieron en mucosa gástrica sana, en pacientes que se someten a cirugía cardiovascular, y en pacientes críticamente enfermos.

Pacientes con sangrado gastrointestinal masivo, obstrucción esofágica u obstrucción nasofaríngea; y voluntarios con historia de enfermedad gastrointestinal, cirugía abdominal previa, sangrado gastrointestinal, y tratamiento médico en proceso, no fueron incluidos en los estudios. Sin embargo, en algunos casos, datos de estos pacientes pueden recolectarse por igual para ayudar en generar perfiles de datos fisiológicos.

Una sonda de espectrometría de impedancia y tubo nasogástrico (ISP/NGT) , se ubica en el estómago para medir la impedancia de tejido. En modalidades alternas, ISP/NGT puede ubicarse en otra parte en el sujeto y hacer contacto con otro tejido del sujeto. La ubicación de ISP/NGT se confirmó radiográficamente en todos los casos . En modalidades alternas, la colocación de ISP/NGT puede o no ser confirmada radiográficamente o por otras técnicas . Mediciones que se obtienen bajo una colocación inadecuada de ISP/NGT o una falla en conductividad ISP/NGT se identificaron y excluyeron del análisis.

Un espectro completo se obtiene cada minuto. Para reducir el efecto de artefactos de movimiento e interferencia, los espectros se promediaron cada diez minutos, resultando en un espectro completo promediado por cada ventana de 10 minutos. En modalidades alternas, el espectro completo puede obtenerse en cualquier intervalo de tiempo (por ejemplo, en el orden de segundos, minutos, horas) y puede promediarse en cualquier intervalo de tiempo. En algunas modalidades, las mediciones pueden llevarse a cabo solo una vez, una pluralidad de veces, o en forma periódica.

Datos de pacientes de cirugía cardiovascular se emplearon para caracterizar cambios espectrales de impedancia bajo grados de hipoperfusión diferentes. Los cambios espectrales se caracterizaron como isquemia en progreso, y se emplearon para evaluar el valor de pronóstico de los parámetros para morbidez y mortalidad ICU post-quirúrgicos .

Los datos pueden recolectarse de cualquier sujeto con diversas condiciones físicas en diferentes puntos en tiempo para formar un perfil de datos fisiológicos. Cualesquiera datos recolectados pueden emplearse para realizar un punto de referencia para características eléctricas u otras de tejidos para condiciones físicas particulares, tales como isquemia o diferentes grados de hipoperfusión.

Complicación post-operativa se define como la presencia de cualquiera de los siguientes: Ventilación mecánica por más de 24 horas, necesidad por drogas inotrópicas por más de 48 horas o muerte. Las mediciones pueden o no ser llevadas a cabo bajo estas condiciones.

El estudio de pacientes en cuidado intensivo se diseñó para obtener una base de datos de espectros de impedancia gástrica humana bajo condiciones patologías clínicas variadas. Los cambios de parámetros en estos pacientes se emplearon para evaluar su valor predictivo.

E. Análisis Estadísticos Los parámetros se calcularon para cada espectro promedio. El promedio y error estándar (s.e.) se calcularon para cada parámetro y base de datos. Sensibilidad y especificidad se calcularon para cada parámetro. Una curva Característica de Operación de Receptor (ROC = Receiver Operating Characteristic) se construye para cada parámetro, para pronosticar morbimortalidad de pacientes de cirugía cardiovascular, y para pronosticar mortalidad de pacientes de cuidado intensivo. El área bajo la curva ROC (AUC) debe ser mayor a 0.5 para que el parámetro tenga valor predictivo. Una prueba z de un lado de significancia se realizó también para cada curva ROC. Los datos se presentan como promedio ± s . e .

La FIGURA 4 es un diagrama que muestra un dispositivo lógico ejemplar representativo a través del cual puede lograrse revisión o análisis de datos referentes a la presente invención. Estos datos pueden ser en relación a un parámetro fisiológico o cualquier otro parámetro conveniente que se desea medir de un sujeto tal como un sujeto mamífero. Un sistema de computadora (o dispositivo digital) 100 que puede entenderse como un aparato lógico que puede leer instrucciones de los medios 111 y/o puerto de red 105, que opcionalmente se conecta al servidor 109 que tiene medio fijo 112. El sistema de computadora 100 también puede conectarse a una red, tal como Internet, una intranet, o cualquier otra red de área amplia o red de área local. El sistema puede incluir la UPC 101, unidades de disco 103, dispositivos de alimentación opcionales, ilustrados como teclado 115 y/o ratón 116 y monitor opcional 107. Comunicaciones de datos pueden lograrse a través del medio de comunicación indicado a un servidor 109 en un sitio local o remoto. El medio de comunicaciones puede incluir cualquier medio para transmitir y/o recibir datos. Por ejemplo, el medio de comunicaciones puede ser una conexión de red, una conexión inalámbrica o una conexión a Internet . Se prevé que datos referentes a la presente invención pueden transmitirse sobre estas redes o conexiones. El sistema de computadora puede ser adaptado para comunicarse con un monitor de parámetros participante.

Un usuario o participante 122 también puede conectarse a una variedad de dispositivos de supervisión o monitoreo. Lqs dispositivos de supervisión pueden emplearse para interactuar con el sistema. Como se apreciará por aquellos con destreza en la técnica, el sistema de computadora, o dispositivo digital, 100 puede ser cualquier dispositivo conveniente.

En un ejemplo, un sujeto puede estar en contacto con un dispositivo de supervisión. El dispositivo de supervisión puede incluir uno o más electrodos que pueden estar en comunicación eléctrica con un tejido del sujeto, tal como un tejido gástrico del sujeto. El dispositivo de supervisión puede incluir un componente que pueda generar una señal de excitación y proporcionar una corriente de excitación al tejido. El dispositivo de supervisión también puede incluir una o más sondas que pueden medir una propiedad eléctrica del tejido. Las sondas pueden medir propiedades tales como mediciones de tejido y mediciones de referencia. El dispositivo de supervisión puede medir un parámetro fisiológico que puede ser una medición de impedancia eléctrica.

El dispositivo de supervisión puede comunicarse con otras computadoras u otro dispositivo, que puede incluir un procesador y una memoria. En algunas modalidades, una memoria dentro del sistema (que puede o no incluir una memoria de la computadora, otra base de datos, servidor o dispositivo de supervisión) puede incluir al menos un perfil de datos fisiológicos ahí almacenado. El perfil de datos fisiológicos puede incluir datos en una o más características eléctricas referentes a una condición física de un sujeto. Los datos para el perfil de datos fisiológicos pueden haber sido recolectados de uno o más sujetos, o pueden ser datos teóricos que pueden suministrarse por un usuario de un sistema o generarse por el sistema. En algunos casos, el perfil de datos fisiológicos puede incluir mediciones de tejido y referencia en una o más frecuencias. El perfil de datos fisiológicos también puede incluir un número reducido de características eléctricas derivadas de la medición.

Un procesador puede estar en comunicación con el dispositivo de supervisión y puede realizar una o más etapas con mediciones tomadas por el dispositivo de supervisión. Por ejemplo, si un dispositivo de supervisión mide un parámetro bioeléctrico, el procesador puede recibir el parámetro bioeléctrico , y transformar el parámetro bioeléctrico con base en un modelo a uno o más valores eléctricos característicos. En un ejemplo, el modelo puede ser un modelo Colé. El modelo puede involucrar ajustar semicírculos u otras curvas a puntos de datos de resistencia-reactancia en una o más frecuencias. El procesador también puede comparar el valor eléctrico característico con el perfil de datos fisiológicos, para determinar si el sujeto tiene la condición física. El procesador puede proporcionarse en una computadora, servidor u otro dispositivo.

En algunas modalidades, una pantalla de exhibición (por ejemplo, un monitor de computadora, pantalla de dispositivo, proyector u otra interfase de usuario) puede proporcionarse, que puede exhibir uno o más resultados del procesamiento de datos o comparación. En algunas modalidades, el sistema también puede incluir un servidor que puede configurarse para recibir el párámetro bioeléctrico del dispositivo de supervisión, y configurado para comunicar con el procesador sobre una red. En un ejemplo, el servidor puede proporcionarse como un¦ dispositivo intermedio entre el dispositivo de supervisión y un procesador. En algunas modalidades, pueden comunicarse mediciones de un dispositivo de supervisión sobre una red a procesar.

II. RESULTADOS Espectros de impedancia se midieron en mucosa gástrica sana de 17 voluntarios (213 espectros) , en 55 pacientes que se sometieron a cirugía cardiovascular (2,512 espectros), y en 103 pacientes críticamente enfermos (13,474 espectros) . De esta manera, pueden medirse espectros de impedancia para una variedad de sujetos con diferentes condiciones físicas.

Treinta y dos de los pacientes de cirugía cardiovascular desarrollaron complicaciones. Isquemia prolongada (> 4 h) se observó en 23 pacientes, 19 de los cuales desarrollaron complicaciones .

En estudio de pacientes críticamente enfermos, 76 pacientes sobrevivieron y 27 murieron (26.2%). Nueve . fueron muertes durante el periodo de supervisión de espectroscopia de impedancia.

La FIGÍÜRA 2 muestra la gráfica Cole-Cole del modelo ajustado con 2 regiones de dispersión, a partir de los datos que se obtienen en la pared gástrica. Los parámetros de característicos se calcularon como se presenta en la FIGURA 1. Subsecuentemente se realizó una reconstrucción de espectro.

Los parámetros se validaron utilizando el error cuadrático medio normalizado. Un error alto (·1) indicará una inconsistencia entre los parámetros calculados y el modelo. Solo 0.7% de los espectros se descartaron debido a un alto error.

Con este proceso, la información de 46 mediciones puede condensarse a 6 parámetros característicos; (resistencia central a baja frecuencia) , (resistencia central a alta frecuencia) , (reactancia central a baja frecuencia) , X„ (reactancia central a alta frecuencia) , ft (frecuencia central a baja frecuencia) y fK (frecuencia central a alta frecuencia) .

A fin de mostrar diferencias de parámetros característicos entre tejidos sanos y de hipoperfusión, la FIGURA 3 muestra los espectros promedios para 3 grupos diferentes: voluntarios sanos (n=17), pacientes sin isquemia o complicaciones (n=5) , y pacientes con isquemia prolongada y complicaciones (n=19). Los pacientes son del estudio de cirugía cardiovascular. Una gráfica Cole-Cole del modelo ajustado puede haberse obtenido de los espectros promedio de los diversos sujetos. Cualquier cantidad de semicírculos puede proporcionarse. En · un ejemplo, por cada grupo, dos semicírculos pueden proporcionarse (por ejemplo, un semi circulo de baja y alta frecuencias para cada grupo) . De esta manera, cuando 3 diferentes grupos se investigan, pueden trazarse seis semicírculos, con base en los datos recolectados .

La TABLA I contiene valores promediado para parámetros centrales que se calculan a partir de tres diferentes estudios. Parámetros de baja frecuencia muestran superiores variaciones en pacientes cardiovasculares.

La TABLA II muestra área bajo la curva (AUC) (promedio ± s.e.) y niveles p calculados para parámetros característicos a partir del análisis ROC se elaboraron para pronosticar morbimortalidad de pacientes de cirugía cardiovascular. Parámetros de baja frecuencia muestran mejor predicción de complicaciones y muerte, en pacientes con un alto grado de hipoperfusión.

La TABLA III muestra AUC (promedio ± s.e.) y niveles p calculados para los mismos parámetros a partir del análisis ROC realizado para pronosticar mortalidad de pacientes de cuidado intensivo general.

TABLA I PARÁMETROS DE MODELO CALCULADO PARA MEDICIONES DE TEJIDO GÁSTRICO Parámetro Voluntarios Pacientes de Pacientes Sanos Cirugía Críticamente Cardiovascular Enfermos 51.72 + 0.71 69.57 + 0.39 61.00 ± 0.13 R» 28.47 + 0.49 28.28 + 0.13 30.84 + 0.49 XL 8.36 + 0.22 20.86 + 0.07 18.13 + 0.22 XH 8.25 ± 0.17 9.18 + 0.07 7.66 + 0.17 FL 1030 ± 102 524 + 6.66 631 + 102 F« 5.9E + 05 + 6.9E + 5 + 3.15E + 05 + 47000 18000 786 TABLA II AREA BAJO LA CURVA ROC PARA PACIENTES DE CIRUGÍA CARDIOVASCULAR COMO UN PRONOSTICADOR DE MUERTE Y COMPLICACIONES Parámetro AUC Nivel P n 0.767 + 0.061 0.001* 55 0.742 + 0.065 0.002* 55 x» 0.652 + 0.072 0.033* 55 0.601 + 0.078 0.118 55 R» 0.581 + 0.075 0.155 55 0.528 + 0.078 0.363 55 TABLA III AUC PARA PACIENTES DE CUIDAO INTENSIVO COMO UN PRONOSTICA] DE MUERTE Parámetro AUC Nivel P n 0.722 + 0.105 0.049* 103 0.683 + 0.094 0.041* 103 0.648 ± 0.088 0.087 103 0.634 + 0.103 0.124 103 F„ 0.562 + 0.073 0.206 103 0.544 + 0.081 0.301 103 III. DISCUSIÓN Se aplicó un algoritmo a los datos para transformar los datos a fin de calcular los valores eléctricos característicos que describen mejor las mediciones de impedancia gástrica, con base en el modelo Colé. Con el algoritmo desarrollado, es posible condensar la información de 46 medidas a 6 parámetros característicos. En algunas modalidades, cualquier cantidad de mediciones pueden tomarse. Por ejemplo 5 o más, 10 o más, 15 o más 20 o más, 25 o más, 30 o más, 35 o más, 40 o más, 45 o más, 47 o más, 48 o más, 50 o más, 55 o más, 60 o más, 70 o más, 80 o más, o 100 o más mediciones pueden tomarse. En algunos casos, las mediciones pueden condensarse a cualquier cantidad de parámetros característicos. Por ejemplo, pueden condensarse a 2 o menos, 3 o menos, 4 o menos, 5 o menos, 6 o menos, 7 o menos, 8 o menos, 9 o menos, 10 o menos, 12 o menos, 15 o menos, 20 o menos, 25 o menos, 30 o menos, o 50 o menos parámetros característicos. La precisión de estimado del algoritmo es alta (solo 0.7% de error), y los parámetros característicos pueden emplearse para supervisión de ICU, reduciendo la información que se obtiene con la técnica propuesta. En algunas modalidades, la estimación del algoritmo puede producir 5% o menos de error, 3% o menos de error, 2% o menos de error, 1% o menos de error, 0.8% o menos de error, 0.7% o menos de error, 0.6% o menos de error, 0.5% o menos de error, 0.4% o menos de error, 0.2% o menos de error, 0.1% o menos de error, 0.05% o menos de error, o 0.01% o menos de error. Los parámetros calculados se influencian por isquemia e hipoperfusion como puede verse en la FIGURA 3.

En el grupo cardiovascular de pacientes, la mayoría de las complicaciones pueden asociarse con problemas circulatorios que deben ser reflejados por deficiente perfusión gástrica. En el grupo de pacientes de cuidado intensivo general, la población objetivo tiene un amplio intervalo de diagnósticos, y algunas complicaciones y muertes no se asociaron con hipoperfusion gástrica.

De los datos experimentales obtenidos en humanos por nuestro grupo de investigación, los cambios más grandes observados conforme la mucosa gástrica se vuelve isquémica, ocurren en la resistencia y reactancia a bajas frecuencias. Estos dos parámetros se correlacionan muy bien de hecho, pero la reactancia es más consistente y es el parámetro eléctrico que se espera más sensible a lesión de tejido. Cambios en reactancia a altas frecuencias parecen ocurrir más lentamente y no se correlacionan bien con cambios a bajas frecuencias, y probablemente reflejan otros cambios de tejido que pueden proporcionar información adicional, mientras que la resistencia a altas frecuencias es constante bajo todas las circunstancias y por lo tanto no proporciona información útil. Las frecuencias centrales también cambian con isquemia (un cambio a frecuencias menores puede verse) pero son menos sensibles que la reactancia.

Los resultados presentados indican que la resistencia y reactancia a baja frecuencia son los parámetros más descriptivos, que probablemente reflejan edema de tejido provocado por isquemia prolongada, provocando un aumento neto en proporción de volumen intracelular a extracelular .

Mediciones de impedancia gástrica son reproducibles bajo condiciones clínicas, y buena estimación de parámetros de esas mediciones se obtiene a través del algoritmo desarrollado. Análisis de resultados clínicos mostró que el modelo de impedancia de tejido gástrico con 6 parámetros, describe el comportamiento del espectro completo que se obtiene por cada paciente y voluntario · sanos . Resistencia y reactancia de baja frecuencia son sensibles a daño de tejido, que varía con el grado de hipoperfusión, y muestra valores predictivos significantes que pueden ser valiosos para los médicos .

Mientras que modalidades preferidas de la presente invención se han mostrado y descrito aquí, será evidente para aquellos con destreza en la técnica que dichas modalidades se proporcionan solo a manera de ejemplo. Numerosas variaciones, cambios y substituciones se le ocurrirán a aquellos con destreza en la técnica sin apartarse de la invención. Habrá de entenderse que diversas alternativas a las modalidades de la invención aquí descrita pueden emplearse para practicar la invención. Se pretende que las siguientes reivindicaciones definan el alcance de la invención y que métodos y estructuras dentro del alcance de estas reivindicaciones y sus equivalentes sean de esta manera cubiertos.

IV. Mediciones de espectro realizadas por equipo físico.

Las etapas de mediciones de espectro realizadas por equipo físico pueden incluir, pero no están limitadas a las siguientes .

• Reinicio de amortiguadores de memoria primero en entrar, primero en salir (FIFOS) · Programar sintetizadores de frecuencia • Iniciar excitación de tejido . con corriente eléctrica (sinusoidal) • Esperar que la señal de voltaje se estabilice • Iniciar de escritura de ' señal de convertidor analógico a digital (A/D) a FIFOS • Detener la excitación de tejido con corriente eléctrica • Detener la escritura a FIFOS • Leer datos de voltaje de FIFOS Este proceso puede repetirse por cada frecuencia (por ejemplo, un espectro de 25 frecuencias en total) . Justo antes que empiece todo este lote, los relés conectados a los electrodos se activan y desactivan de nuevo después de terminar el espectro completo. Por cada frecuencia, se mide un periodo de tiempo de 16 ciclos de voltaje. Esto significa que cada señal de voltaje contiene 16 ondas seno. Hay un total de 512 muestras, de manera tal que cada onda seno digitalizada se representa por 32 muestras. En otros ejemplos, otros periodos de tiempo pueden emplearse (por ejemplo, 2 ciclos de voltaje, 4 ciclos de voltaje, 8 ciclos de voltaje, 12 ciclos de voltaje, 20 ciclos de voltaje, 24 ciclos de voltaje, etc.). Cualquier cantidad de muestras puede emplearse por igual .

En algunos casos, el mismo proceso puede ser repetido por cada frecuencia del espectro. En modalidades alternas, los procesos pueden variar dependiendo de la frecuencia. Todo un espectro de frecuencias puede o no ser repetido. Cuando se repite un espectro de frecuencias, puede o no utilizar el mismo proceso o diferentes valores en el proceso.

Datos de voltaje se almacenan en dos canales: las señales de tejido y las señales de referencia. La señal de referencia corresponde a la caída de voltaje a través del resistor de referencia, cuando se aplica la corriente eléctrica (excitación) , y la señal de tejido corresponde al voltaje diferencial del tejido como se mide en los dos electrodos de sonda central .

Los datos pueden escribirse directamente desde el convertidor A/D a FIFOS. Después de registrar las señales, los datos se transfieren desde FIFOS a la memoria interna y después se procesan por el programa o soporte lógico.

Los datos de señal pueden ser validados. En un caso, los datos de señal se validan en las siguientes dos formas . 1. Las señales de tejido de referencia se verifican para cambios de valor 2. La señal de referencia se verifica para mínima amplitud (solo la última mitad de la señal registrada) La primera verificación cuenta el número de veces que cada señal cambia valor. Naturalmente, cada señal deberá describir una onda seno, por lo tanto teniendo muchos cambios sobre su conjunto de 512-muestras . Si el número de cambios es 3 o menos, significa que hay un error en la entrada/salida E/S de FIFO (I/O) . Las señales de tejido y referencia pueden verificarse por la magnitud de cambios de valor y/o el número de cambios de valor. Pueden compararse con una cantidad umbral de cambio o número de cambios. Por ejemplo, una verificación puede comprobar que cada señal cambia 1 o menos veces, 2 o menos veces, 3 o menos veces, 4 o menos veces, 5 o menos veces, 6 o menos veces, 8 o menos veces, 10 o menos veces, o 15 o menos veces. Las. cantidades o números umbral pueden depender del tamaño de muestra o pueden estar fijas. En algunos casos, pueden ser predeterminados, ajustados por el usuario o generados automáticamente. Los cambios de valor de señal se les puede dar seguimiento para determinar si las señales describen una onda sinusoidal.

La segunda verificación puede proporcionar una indicación de si se envió a la sonda una frecuencia de excitación actual. La amplitud de la señal de referencia puede ser constante independientemente de la medición de tejido (a diferencia de la amplitud de la señal de tejido) . Si la amplitud pico-a-pico de esta señal de referencia es muy pequeña, significa que hubo un problema con la señal de excitación. En algunos casos, la amplitud de la señal de referencia puede compararse con un valor umbral, para determinar si es suficientemente grande. El valor umbral puede ser predeterminado, ajustado por el usuario o generado automáticamente. Si al menos una de las verificaciones falla, la medición se repite (solo la frecuencia actual) . Si la medición continua fallando, se descarta todo el espectro.

Después de validación, se procesa el espectro.

A. El procesamiento de espectro empieza, utilizando señales de tejido y de referencia por ejemplo, de las 25 frecuencias.

B. Las mediciones pueden ser filtradas para retirar cualquier interferencia de la señal.

La primera etapa de procesamiento se proporciona por un filtro digital que retira cualquier ruido o interferencia de la señal. Para este propósito, un filtro de paso de banda estrecho tipo II Chebyshev de 6o orden, con ganancia* unitaria puede emplearse en cada una de las señales de 16-ciclos. Otros tipos de filtros conocidos o desarrollados posteriormente en la técnica podrán emplearse para retirar ruido o interferencia a la señal (por ejemplo, otros filtros digitales, filtros analógicos, filtros lineales, filtros Butterworth, filtros elípticos, filtros Bessel, filtros peine, filtros tipo Chebyshev 1) . Frecuencias de banda de supresión por filtro normalizadas, en donde 1 corresponde a la frecuencia Nyquist o "plegable" (es decir, la mitad de la velocidad de muestreado) , son 0.042 y 0.092. Por lo tanto, a las bandas de supresión normalizadas, es decir de 0 a 0.042 y de .092 a 1, la atenuación de filtro mínima es 40 dB. En otras palabras, este filtro permite pasar un ancho de banda estrecho centrado en la frecuencia de excitación, y subsecuentemente rechaza todas las otras frecuencias. Ya que la frecuencia de muestreado puede ser siempre 32 veces la frecuencia de excitación, el mismo filtro puede aplicarse a toda señal de referencia y de tejido digitalizada independientemente de la frecuencia de excitación. En otros casos, la frecuencia de muestreado puede ser un valor diferente respecto a la frecuencia de excitación (por ejemplo, N veces la frecuencia de excitación en donde N es cualquier número real), o puede variar respecto a la frecuencia de excitación.

El filtro puede describirse por dos vectores a y b (coeficientes de filtro) y por la siguiente ecuación diferencial : y[0] = b[0]*x[0] + b[l]*x[l]. + b[2]*x[2] + b[3]*x[3] + b[4]*x[4] + b[5]*x[5] + b[6]*x[6] - a[l]*y[l] - a[2]*y[2] -a[3]*y[3] - a[4]*y[4] - a[5]*y[5] - a[6]*y[6] El filtro puede tener cualquier valor para los coeficientes de filtro. En otras modalidades, otros filtros pueden emplearse que pueden tener caracterizaciones diferentes .

C. Amplitud y Fase se calculan para cada frecuencia. i Fase Pueden tomarse mediciones a una o más frecuencias, por ejemplo por el dispositivo de supervisión. Estas mediciones pueden incluir una señal de tejido y una señal de referencia para una frecuéncia.

Por cada par de señales de tejido y referencia, la fase se obtiene utilizando por ejemplo, un método de correlación cruzada sobre los últimos 8 ciclos (la 2a mitad de toda la señal) . La correlación cruzada busca la posición de correspondencia óptima. Para cada muestra, los datos de señal medidos se multiplican con una onda seno de "referencia" que tiene la misma frecuencia que la señal (cada onda seno de preferencia siempre es de 32 muestras de largo) .

Todos estos productos finalmente se agregan en una suma. La onda seno de referencia gradualmente se mueve en fase. De manera tal que por cada posición de fase, la suma de todos los productos de las señales se calcula. El- óptimo se encuentra fácilmente por la suma más grande. Debido a la naturaleza de este método, puede aplicarse sobre un ciclo de onda seno sencillo, o sobre diversos (8 en este caso) . Este cálculo puede tomar un tiempo prolongado para procesar . Por lo tanto, el método se aplica en 3 corridas, cada una que refina en precisión incrementada. Esto aumenta enormemente el desempeño. De esta manera, puede emplearse un proceso iterativo. Las etapas son como sigue: • 32 etapas de 11.25 grados (que cubren todos los 360 grados ) · 20 etapas de 1.125 grados (que cubren 22.50 grados) • 30 a 40 etapas de 0.1 grado (que cubren 3 a 4 grados) El número de etapas es un poco más que lo estrictamente necesario para asegurar todo el intervalo de cada precisión previa cubierto. De manera tal que la primer corrida da una fase con una precisión de 11.25 grados, la segunda con una precisión de 1.125 grados y la última con una precisión de 0.1 grado. Esto da un total de alrededor de 80 etapas en lugar de 3600 etapas normales (que tardaría una sola corrida con etapas o escalones de 0.1 grado) para obtener una precisión de 0.1 grado.

En implementaciones alternas, una posición de correspondencia óptima puede calcularse en cualquier otra forma. 0 puede. emplearse una búsqueda de correlación cruzada con otros parámetros. Cualquier cantidad de ciclos de ondas seno puede emplearse (por ejemplo, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 o más). Cualquier cantidad de corridas o iteraciones puede emplearse (por ejemplo, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 o más) . De preferencia, el número de etapas puede ser 10 o menos, 20 o menos, 30 o menos, 40 o menos, 50 o menos, 60 o menos, 70 o menos, 80 o menos, 90 o menos, 100 o menos, 120 o menos, 150 o menos, 200 o menos.

La diferencia de fase actual se calcula entonces como: fase de tejido menos fase de referencia, ii Amplitud La amplitud se calcula para cada uno de los 8 últimos ciclos (ondas seno) , al simplemente calcular la diferencia máxima-máxima. Estos 8 valores de amplitud después se promedian a un solo valor. Como la fase, la amplitud se calcula tanto para la señal de tejido como la de referencia .

La amplitud actual después se calcula como: amplitud de tejido dividida por la amplitud de referencia, multiplicado por la resistencia de referencia. amp = (tisAmp/refAmp) * 47 En donde: amp = amplitud actual tisAmp = amplitud de tejido refAmp = amplitud de referencia En modalidades alternas, el valor de amplitud puede ser recolectado y no promediado, o puede calcularse para cualquier cantidad de los últimos ciclos (por ejemplo, último ciclo, últimos 2 ciclos, últimos 3 ciclos, últimos 4 ciclos, últimos 6 ciclos, últimos 8 ciclos, últimos 10 ciclos, últimos 12 ciclos, etc.). Los valores de amplitud pueden promediarse a un solo valor, o cualquier otro análisis estadístico puede realizarse para proporcionar un valor representativo (por ejemplo, mediana, modo) .

D. Valores de Resistencia y Reactancia.

Los valores de amplitud y fase pueden almacenarse y convertirse a valores de resistencia y reactancia por igual.

Las coordenadas polares de amplitud y fase se emplean, en donde la parte real es resistencia y la parte imaginaria es reactancia.

La Figura 5 es una gráfica que ilustra valores de amplitud y fase convertidos a resistencia. Los valores derivados de los datos originales se proporcionan así como un modelo ajustado. La resistencia puede trazarse para un intervalo de frecuencias. Por ejemplo, la resistencia puede calcularse por cada dato de frecuencia que se recolecta dentro de un espectro (por ejemplo, 100 Hz a 1 MHz) . En algunos casos, la resistencia a una frecuencia menor puede ser superior que la resistencia a una frecuencia superior.

La Figura 6 es una gráfica que ilustra valores de amplitud y fase convertidos a reactancia. Los valores derivados de los datos originales se proporcionan al igual que un modelo ajustado. La reactancia puede trazarse para un intervalo de frecuencias. Por ejemplo, la reactancia puede calcularse por cada uno de los datos de frecuencia que se recolectan dentro de un espectro (por ejemplo, 100 Hz a 1 MHz) . En algunos casos, la reactancia a una frecuencia menor puede ser superior que la resistencia a una frecuencia superior, o puede variar dependiendo de la frecuencia.

E. Detección de Error Un algoritmo para detección de error puede detectar por ejemplo, 14 tipos diferentes de errores. Cualquier cantidad de errores o tipos de errores puede calcularse por el algoritmo de detección. Estos errores se clasifican entonces y separan por una prioridad. Por ejemplo, pueden clasificarse en una escala de uno a cuatro, una es la más alta prioridad y cuatro es la prioridad más baja. Otras escalas y rangos pueden emplearse sin apartarse del alcance de la invención. De esta manera por ejemplo, la Prioridad 1 puede asociarse con un problema con la conexión / sonda. La Prioridad 2 puede asociarse con inadecuada colocación de sonda, la Prioridad 3 puede asociarse con inadecuado contacto de tejido/sonda y finalmente la Prioridad 4 puede asociarse con artefacto de movimiento.

El algoritmo para detección de error utiliza valores de resistencia y reactancia como criterios de detección, desde muy bien conocidos tipos de errores identificados durante las pruebas en humanos, a través de algoritmos desarrollados para reconocimiento de patrón. (a) Después, por ejemplo, se obtienen 10 espectros, los valores promedio de resistencia y reactancia se calculan para espectros sin errores (por ejemplo, utilizando al menos 5 espectros) . (b) Para un espectro promedio, un algoritmo modelo puede aplicarse para simplificar la información obtenida y para reducir ruido o interferencia.

V. CÁLCULO DE MODELO El cálculo de modelo puede realizarse en las siguientes etapas. 1. Segmentación de espectro 2. Ajuste de curva semi circular 3. Obtener resistencias y reactancias centrales 4. Cálculo de Tau 5. Obtener frecuencias centrales 6. Evaluar error para ajuste de curva En algunas modalidades, puede ocurrir una etapa de clasificación etapa (7).

Una descripción adicional de las etapas de cálculo de modelo se proporciona a continuación. 1. El espectro de valores de resistencia y reactancia puede ser segmentado en 3 intervalos: · Menor intervalo de frecuencia (9 primeros valores) • Intervalo de frecuencia central (7 valores) • Superior intervalo de frecuencia (9 últimos valores ) En otras modalidades, los valores de resistencia y reactancia pueden ser segmentados en cualquier cantidad de intervalos. Los intervalos pueden ser definidos por los valores de frecuencia, o el número de muestras recolectados en cada intervalo de frecuencia. En algunos casos, solo puede proporcionarse un intervalo de baja frecuencia y un intervalo de alta frecuencia. En un ejemplo, puede proporcionarse una baja frecuencia, cuando la frecuencia es menor a 10 kHz, y puede proporcionarse una alta frecuencia cuando la frecuencia es mayor que o igual a 10 kHz.

En el dominio complejo, el espectro hace una forma de dos semicírculos, uno a frecuencias inferiores y otro a frecuencias superiores . Para ambos intervalos de frecuencias inferiores y superiores, se ajustan semicírculos. El segmento de frecuencia central puede contener valores que son menos útiles para el ajuste de curva de semicírculo. Los intervalos de frecuencia centrales pueden o no tener un semicírculo ajustado. 2. Los segmentos de frecuencia inferiores y superiores cada uno puede semejar un semicírculo en el dominio complejo, constituido por puntos de resistencia/reactancia .

La Figura 7 es una gráfica en la que los puntos centrales están contenidos en una gráfica Nyquist para cada semicírculo. La gráfica "puede mostrar los valores de reactancia conforme varía la resistencia. Los datos originales pueden proporcionarse y semicírculos pueden proporcionarse, ajustados a los datos. En algunas modalidades, pueden proporcionarse dos semicírculos, uno para alta frecuencia y uno para baja frecuencia.

Un semicírculo inicial se obtiene utilizando los valores mínimo/máximo de los intervalos de resistencia y reactancia. Los puntos de resistencia/reactancia pueden o no ser distribuidos sobre el semicírculo en forma muy homogénea, de manera tal que para cada punto se calcula un peso. Puntos que están muy cercanos entre sí obtienen un menor peso, mientras que puntos que no tienen muchos otros puntos cercanos obtienen un peso mayor. Esto evita obtener un semicírculo que solo interseca un enjambre denso de puntos pero que no es un ajuste de curva total preciso. El algoritmo para ajuste de curva en semicírculo itera como sigue.

• Varía radio • Encuentra mejor ajuste de curva con radio actual: · Varía centro (valores x e y) Este proceso se realiza en forma continua hasta que se alcanzan umbrales aceptables. El óptimo se encuentra mediante una función de error. Esta función calcula el cuadrado medio de la distancia de los puntos al semicírculo ajustado, tomando en consideración los pesos. Si todos los puntos están lejos del semicírculo ajustado, se obtiene un gran valor de error, mientras que si se hace muy cerca, se obtiene un pequeño valor de error. Utilizando este algoritmo, el semicírculo ajustado se moverá hacia los puntos . Hay una cantidad de condiciones que deben satisfacerse sin embargo. Una cantidad de valores clave que se calculan del semicírculo ajustado se limitan: • 0.4 < alfa < 0.85 • Rinf > 0 · Radio < 50 • Xc < l.l*Xmax Alfa es un valor ligado con tejido biológico, Rinf es el punto mínimo en donde el semicírculo toca al eje Y (eje de Reactancia), Radio es el radio del semicírculo, Xmax es el valor de reactancia máximo y Xc es el valor central para la reactancia (que no deberá exceder 110% del valor de reactancia máxima) .

En lugar de verificar estas condiciones posteriormente, pueden implementarse en forma directa en el algoritmo para evitar el obtener valores centrales y razonables .

Si el error aumenta en lugar de disminuir, la dirección de búsqueda se invierte y el tamaño de etapa se reduce, enfocándose en los valores óptimos para el ajuste de curva. Cuando estos valores de etapa se vuelven muy pequeños o el número máximo de ciclos de cálculo se alcanza, el algoritmo termina, y se obtiene un error de ajuste de curva final . En este error final los pesos de los puntos no se consideran.

El algoritmo para ajuste de curva descrito puede ser implementado en cualquier etapa de ajuste de curva del método aquí descrito. En forma alterna, pueden utilizarse otros algoritmos para ajuste de curva. Como se describió previamente, cualesquiera etapas realizadas por un programa o algoritmo pueden ser implementadas por un medio utilizable por computadora tangible que tiene un código de programa legible por computadora, lógica o instrucciones ahí incrustadas, el código de programa, lógica o instrucciones legibles por computadora adaptados para ejecutarse para implementar las etapas. 3. La resistencia central se obtiene como el punto central en el eje X del semicírculo. La reactancia central se obtiene como el punto central en el eje Y agregado por el radio del semicírculo. La Figura 7 muestra que puede proporcionarse una Resistencia central para una alta frecuencia (RH) y una baja frecuencia (RL) . De manera similar, puede proporcionarse una reactancia central para una alta frecuencia (XH) y una baja frecuencia (XL) . 4. Tau (t) puede calcularse para cada valor de resistencia y reactancia, y algunos parámetros clave directamente derivados de los valores de semicírculo ajustados. Tau puede ser una constante de tiempo característica. Este valor está ligado directamente con la frecuencia central . Tau puede calcularse para cada semicírculo (es decir Tau puede calcularse para cada intervalo de frecuencia). El cálculo para Tau puede proporcionarse como se discutió previamente en la ecuación (8). 5. La frecuencia central se calcula directamente con el promedio de los valores Tau: Fe = 1 / (2 * Pi * TAUavg) . La frecuencia central puede calcularse para cada semicírculo (es decir frecuencia central puede calcularse por cada intervalo de frecuencia) . En algunos casos, puede calcularse una frecuencia central a baja frecuencia y una frecuencia central a alta frecuencia.

Si los valores de reactancia son muy pequeños, y se acercan mucho al eje X, la Tau no puede calcularse muy bien, y no puede obtenerse frecuencia central. 6. El error final del ajuste de curva de semicírculo indica si el ajuste de curva fue bueno, o no. En el peor caso, si el algoritmo no converge a un semicírculo representativo, resultando en un gran error, se descartan los valores de ajuste de curva de semicírculo.

De manera que finalmente para cada semicírculo (correspondiente ya sea con el intervalo de frecuencia bajo o alto), se obtienen los siguientes valores centrales: Resistencia central Reactancia central Frecuencia central La Figura 7 muestra los puntos centrales que se obtienen en úna gráfica Nyquist para cada semicírculo. 7. Clasificación En algunas modalidades, la clasificación solo utiliza el valor de reactancia central a intervalo de baja frecuencia.

El valor se compara con los niveles normal y anormal . Clase 1: Xc(LF) < Xnormal Clase 2: Xnormal < Xc(LF) < Xanormal Clase 3: Xc(LF) > Xanormal (a) Si ocurre un espectro de error, se almacena en una variable para exhibirse en la pantalla. (b) Si el promedio se realiza, información tal como el tiempo en el cual ocurre el promedio, el número de espectros empleados en el promedio, el número de frecuencias (por ejemplo, 25) , los errores por cada espectro, la clasificación, valores RL, XL, FL, RH, XH, Fh y el número de pacientes se almacenan en una memoria intermedia. Finalmente, todos estos valores se guardan en un archivo log. (c) También, las señales de referencia y de tejido, y las señales filtradas de referencia y tejido son guardadas en un archivo log. En algunas modalidades, los' datos guardados en el archivo log, o un sub-conjunto del mismo, pueden formar un perfil de datos fisiológicos. El archivo log puede almacenarse en una memoria dentro del sistema. (d) Finalmente, una bandera indica que la pantalla será actualizada con nuevos valores.

Habrá de entenderse de lo anterior que, mientras que se han ilustrado y descrito implementaciones ' particulares, pueden realizarse diversas modificaciones a las. mismas y se contemplan aquí . También no .se pretende que la invención sea limitada por los ejemplos específicos que se proporcionan dentro de la especificación. Mientras que la invención se ha descrito con referencia a la especificación anteriormente mencionada, las descripciones e ilustraciones de modalidades preferibles aquí, no se pretende que se consideren en un sentido limitante. Además, habrá de comprenderse que todos los aspectos de la invención no se limitan a las ilustraciones, configuraciones o proporciones relativas especificas establecidas aquí que dependen de una variedad de condiciones y variables. Diversas modificaciones en forma y detalle de las modalidades de la invención serán aparentes para una persona con destreza en la técnica. Por lo · tanto se contempla que la invención deberá también cubrir cualesquiera de estas modificaciones, variaciones y equivalentes .

Claims (23)

REIVINDICACIONES

1. Un sistema configurado para determinar estimados de parámetros característicos de espectros de impedancia gástrica, caracterizado porque comprende: uno o más dispositivos de supervisión configurados para medir al menos un parámetro fisiológico de un sujeto; una memoria que incluye cuando menos ·?? perfil de datos fisiológicos con una o más características eléctricas referentes a una condición física; y un procesador en comunicación con el dispositivo de supervisión, en donde el procesador: recibe el parámetro fisiológico, transforma el parámetro fisiológico utilizando un modelo Colé, a uno o más valores eléctricos característicos, y compara el valor eléctrico característico con el perfil de datos fisiológicos, para determinar si el sujeto tiene la condición física.

2. El sistema de conformidad con la reivindicación 1, caracterizado porque el parámetro fisiológico es una medición de impedancia eléctrica.

3. El sistema de conformidad con la reivindicación 1, caracterizado porgue el valor eléctrico característico incluye cuando menos uno de: resistencia central a baja frecuencia, resistencia central a alta frecuencia, reactancia central a baja frecuencia, reactancia central a alta frecuencia, frecuencia central a baja frecuencia, y frecuencia central a alta frecuencia.

4. El sistema de conformidad con la reivindicación 1, caracterizado porque la condición física es al menos una de las siguientes: pacientes críticamente enfermos que tienen una mucosa gástrica sana, una mucosa isquémica, de hipo-perfusión, o una mucosa inflamada o dañada.

5. El sistema de conformidad con la reivindicación 1, caracterizado porque el dispositivo de supervisión mide un parámetro fisiológico de tejido del sujeto, y la condición física es tejido sano o de hipo-perfusión.

6. El sistema de conformidad con la reivindicación 1, caracterizado porque además comprende una exhibición para mostrar uno o más resultados de la comparación.

7. El sistema de conformidad con la reivindicación 1, caracterizado porque además comprende un servidor configurado para recibir el parámetro fisiológico del dispositivo de supervisión, y configurado para comunicar sobre una red con el procesador .

8. Un método para determinar estimación de parámetros característicos de espectros de impedancia gástrica, caracterizado porque comprende: recibir, en un procesador, un primer número de mediciones eléctricas de un dispositivo de supervisión, configurado a recolectar las mediciones eléctricas de un tejido de un sujeto; transformar en el procesador, las mediciones eléctricas con base en un modelo con un número reducido de parámetros característicos; comparar los parámetros característicos con uno o más perfiles, con base en datos que representan mucosa gástrica bajo condiciones diferentes.

9. El método de conformidad con la reivindicación 8, caracterizado porgue el modelo es un modelo Colé.

10. El método de conformidad con la reivindicación 8, caracterizado porque el primer número de mediciones eléctricas excede 40.

11. El método de conformidad con la reivindicación 8, caracterizado porque el número reducido de parámetros característicos es menor que o igual a 6.

12. El método de conformidad con la reivindicación 8, caracterizado porque las mediciones eléctricas incluyen mediciones de impedancia gástrica.

13. El método de conformidad con la reivindicación 8, caracterizado porque los parámetros característicos incluyen .al menos uno de: resistencia central a baja frecuencia, resistencia central a alta frecuencia, reactancia central a baja frecuencia, reactancia central a alta frecuencia, frecuencia central a baja frecuencia, y frecuencia central a alta frecuencia.

14. El método de conformidad con la reivindicación 8, caracterizado porque las condiciones diferentes pueden incluir al menos una de: mucosa gástrica sana, mucosa gástrica en pacientes que se someten a cirugía cardiovascular, y mucosa gástrica en pacientes críticamente enfermos .

15. El método de conformidad con la reivindicación 8, caracterizado porque el colectar mediciones eléctricas del dispositivo de supervisión incluye las etapas de: iniciar excitación de tejido con corriente eléctrica en el tejido del sujeto utilizando uno o más electrodos; permitir que pase un periodo de tiempo para que se estabilice una señal de voltaje; escribir datos de voltaje en una memoria intermedia primero en entrar, primero en salir (FIFO) ; detener la excitación de tejido con corriente eléctrica; detener la escritura en la memoria intermedia FIFO; y leer datos de voltaje de la memoria intermedia FIFO.

16. El método de conformidad con la reivindicación 15, caracterizado porque las etapas de recolectar mediciones eléctricas se repiten para múltiples frecuencias de excitación de tejido.

17. El método de conformidad con la reivindicación 16, caracterizado porque los datos de voltaje se almacenan en una señal de referencia que corresponde a una caída de voltaje a través de un resistor de referencia cuando se excita una corriente eléctrica, y una señal de tejido correspondiente a un voltaje diferencial de un tejido que se mide en dos electrodos sonda centrales.

18.· Un medio utilizable por computadora tangible que tiene un código de programa legible por computadora ahí incrustado, el código de programa legible por computadora está adaptado para ser ejecutado para implementar un método para determinar estimación de parámetros característicos de espectros de impedancia gástrica, el método se caracteriza porque comprende: recibir una pluralidad de mediciones eléctricas de un dispositivo de supervisión o monitoreo, configurado para recolectar las mediciones eléctricas de un tejido de un sujeto, en donde las mediciones eléctricas incluyen una señal de tejido y una señal de referencia; obtener un valor de fase para un par de señal de tejido y señal de referencia; obtener un valor de amplitud para el par de señal de tejido y señal de referencia; calcular un valor de resistencia y un valor de reactancia del valor de fase y el valor de amplitud.

19. El medio legible por computadora tangible de conformidad con la reivindicación 18, caracterizado porque el método además comprende validar las mediciones eléctricas en al menos uno de los siguientes: verificar la señal de tejido y la señal de referencia para cambios de valor, o verificar la señal de referencia para una amplitud mínima.

20. El medio legible por computadora tangible de conformidad con la reivindicación 18, caracterizado porque el método además comprende filtrar las mediciones eléctricas, retirando de esta manera ruido o interferencia de la señal de tejido y/o la señal de referencia.

21. El medio legible por computadora tangible de conformidad con la reivindicación 18, caracterizado porque el valor de fase se calcula como una fase de tejido menos una fase de referencia.

22. El medio legible por computadora tangible de conformidad con la reivindicación 18, caracterizado porque el valor de amplitud se calcula como una amplitud de tejido dividida por una amplitud de referencia multiplicado por una resistencia de referencia.

23. El medio legible por computadora tangible de conformidad con la reivindicación 18, caracterizado porque el valor de resistencia se calcula al tomar la parte real del valor de coordenadas polares del valor de fase y el valor de amplitud, y el valor de reactancia se calcula al tomar la parte imaginaria del valor de coordenadas polares del valor de fase y el valor de amplitud.