TWI710352B - 血壓預測方法與使用該方法的電子裝置 - Google Patents

血壓預測方法與使用該方法的電子裝置 Download PDF

Info

Publication number
TWI710352B
TWI710352B TW108121585A TW108121585A TWI710352B TW I710352 B TWI710352 B TW I710352B TW 108121585 A TW108121585 A TW 108121585A TW 108121585 A TW108121585 A TW 108121585A TW I710352 B TWI710352 B TW I710352B
Authority
TW
Taiwan
Prior art keywords
blood pressure
dialysis
patients
parameter
dialysis parameter
Prior art date
Application number
TW108121585A
Other languages
English (en)
Other versions
TW202100093A (zh
Inventor
顧哲文
簡至毅
Original Assignee
緯創資通股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 緯創資通股份有限公司 filed Critical 緯創資通股份有限公司
Priority to TW108121585A priority Critical patent/TWI710352B/zh
Priority to CN201910620664.0A priority patent/CN112107752B/zh
Priority to US16/561,031 priority patent/US11565030B2/en
Application granted granted Critical
Publication of TWI710352B publication Critical patent/TWI710352B/zh
Publication of TW202100093A publication Critical patent/TW202100093A/zh

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
    • A61M1/36—Other treatment of blood in a by-pass of the natural circulatory system, e.g. temperature adaptation, irradiation ; Extra-corporeal blood circuits
    • A61M1/3621—Extra-corporeal blood circuits
    • A61M1/3639—Blood pressure control, pressure transducers specially adapted therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
    • A61M1/14—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis
    • A61M1/16—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis with membranes
    • A61M1/1601—Control or regulation
    • A61M1/1603—Regulation parameters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
    • A61M1/14—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis
    • A61M1/16—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis with membranes
    • A61M1/1601—Control or regulation
    • A61M1/1613—Profiling or modelling of patient or predicted treatment evolution or outcome
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
    • A61M1/34—Filtering material out of the blood by passing it through a membrane, i.e. hemofiltration or diafiltration
    • A61M1/3413—Diafiltration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
    • A61M1/36—Other treatment of blood in a by-pass of the natural circulatory system, e.g. temperature adaptation, irradiation ; Extra-corporeal blood circuits
    • A61M1/3621—Extra-corporeal blood circuits
    • A61M1/3663—Flow rate transducers; Flow integrators
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M1/00—Suction or pumping devices for medical purposes; Devices for carrying-off, for treatment of, or for carrying-over, body-liquids; Drainage systems
    • A61M1/14—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis
    • A61M1/16—Dialysis systems; Artificial kidneys; Blood oxygenators ; Reciprocating systems for treatment of body fluids, e.g. single needle systems for hemofiltration or pheresis with membranes
    • A61M1/1601—Control or regulation
    • A61M1/1603—Regulation parameters
    • A61M1/1605—Physical characteristics of the dialysate fluid
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/18—General characteristics of the apparatus with alarm
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/33—Controlling, regulating or measuring
    • A61M2205/3368—Temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/30—Blood pressure
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Vascular Medicine (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Cardiology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Anesthesiology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Emergency Medicine (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Evolutionary Computation (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Fluid Mechanics (AREA)
  • External Artificial Organs (AREA)

Abstract

一種血壓預測方法與使用該方法的電子裝置，所述方法包括下列步驟。收集訓練資料集。依據訓練資料集建立第一血壓預測模型。接收目標病患的透析參數資料，其中透析參數資料包括前一時間點的第一透析參數與當前時間點的第二透析參數。計算第一透析參數與第二透析參數之間的透析參數變化量。將透析參數變化量提供給第一血壓預測模型而產生關聯於下一時間的血壓變化預測值。依據目標病患的血壓變化預測值執行一操作。

Description

血壓預測方法與使用該方法的電子裝置
本發明是有關於一種生理狀態預測方法，且特別是有關於一種血壓預測方法與使用該方法的電子裝置。
血液透析（亦稱為洗腎）是常見的醫療手段之一。在進行血液透析的過程中，血液會引流至透析儀器（亦稱為洗腎機）後再導回體內。具體而言，血液先引流至體外，接著經由半透膜的擴散和超過濾作用來清除尿毒素及水分，最後再將血液引回體內。一般而言，在醫療人員完成透析儀器的各項透析參數設定之後，病患便可以開始藉由透析儀器進行血液透析的療程。
需注意的是，不穩定的血壓是血液透析病患最常見的問題之一。難以控制的高血壓及透析中低血壓往往令醫護人員感到棘手，而病患也因此感受到種種不適。當發生透析中低血壓時，將迫使血液透析的療程提早結束或中斷，長久下來會導致尿毒素移除不足的現象，甚至因而提昇病患的死亡率。因此，於進行血液透析時，醫護人員往往需要依賴經驗與病患過去的透析資料來設定透析儀器的透析參數，以期望病患的血壓可以穩定並降低透析中低血壓的發生率。然而，遑論經驗缺乏的醫護人員無法即時預測透析中低血壓的發生，對於有經驗的醫護人員來說，由於每位病患的身體狀況皆有相當地差異性，因此如何適當地調整透析儀器的透析參數來預防透析中低血壓實為一大考驗。
有鑑於此，本發明提供一種血壓預測方法與使用該方法的電子裝置，其可於透析過程中提前預估病患產生血壓下降的情形。
本發明實施例提出一種血壓預測方法，包括下列步驟：收集訓練資料集；依據訓練資料集建立第一血壓預測模型；接收目標病患的透析參數資料，其中透析參數資料包括前一時間點的第一透析參數與當前時間點的第二透析參數；計算第一透析參數與第二透析參數之間的透析參數變化量；將透析參數變化量提供給第一血壓預測模型而產生關聯於下一時間的血壓變化預測值；以及依據目標病患的血壓變化預測值執行一操作。
本發明實施例提出一種電子裝置，其包括儲存多個模組的儲存電路與處理器。處理器經配置存取上述模組以收集訓練資料集；依據訓練資料集建立第一血壓預測模型；接收目標病患的透析參數資料，其中透析參數資料包括前一時間點的第一透析參數與當前時間點的第二透析參數；計算第一透析參數與第二透析參數之間的透析參數變化量；將透析參數變化量提供給第一血壓預測模型而產生關聯於下一時間的血壓變化預測值；以及依據目標病患的血壓變化預測值執行一操作。
基於上述，於本發明實施例中，血液透析中的透析參數變化量可即時地提供至血壓預測模型而預測出關聯於下一時間的血壓變化預測值。藉此，可協助醫護人員提早預測透析中低血壓的發生，進而讓醫護人員可及早做出適當處置。此外，相較於直接預測病患於特定時間的血壓值，本發明實施例使用更多的訊息來提高對於血壓變化預測值的預測準確度，以確保透析病患的血壓穩定。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
本發明的部份實施例接下來將會配合附圖來詳細描述，以下的描述所引用的元件符號，當不同附圖出現相同的元件符號將視為相同或相似的元件。這些實施例只是本發明的一部份，並未揭示所有本發明的可實施方式。更確切的說，這些實施例只是本發明的專利申請範圍中的方法與裝置的範例。
圖1是依照本發明一實施例所繪示的電子裝置的方塊圖。但此僅是為了方便說明，並不用以限制本發明。請參照圖1，電子裝置10用以預估病患進行血液治療期間的血壓變化量。電子裝置10包括處理器101與儲存電路102。
儲存電路102用以儲存資料、軟體模組、程式碼，其可以例如是任意型式的固定式或可移動式隨機存取記憶體（random access memory，RAM）、唯讀記憶體（read-only memory，ROM）、快閃記憶體（flash memory）、硬碟或其他類似裝置、積體電路及其組合。
處理器101用以執行所提出的血壓預測方法，其可以例如是中央處理單元（central processing unit，CPU）、圖形處理器（graphics processing unit，GPU），或是其他可程式化之一般用途或特殊用途的微處理器（microprocessor）、數位訊號處理器（digital signal processor，DSP）、可程式化控制器、特殊應用積體電路（application specific integrated circuits，ASIC）、可程式化邏輯裝置（programmable logic device，PLD）或其他類似裝置、晶片、積體電路及其組合。在本發明的實施例中，處理器101可載入儲存電路102中所記錄的程式碼或模組以執行本發明實施例提出的血壓預測方法。
在本發明的實施例中，電子裝置10可以為具有運算功能的醫療設備、個人電腦、筆記型電腦、工作站、伺服器、智慧型裝置或者是上述裝置的結合，本發明並不限制電子裝置10的類型。
圖2是依照本發明一實施例所繪示之血壓預測方法的流程圖。請參圖1與圖2，本實施例的方式適用於上述實施例中的電子裝置10，以下即搭配電子裝置10中的各項元件說明本實施例之血壓預測方法的詳細步驟。
於步驟S201，處理器101收集訓練資料集。具體而言，訓練資料集可包括多個病患過去每次進行血液透析時的生理資料、醫療記錄資料、氣候資料與透析治療資料等等。其中，這些病患過去每次進行血液透析而產生的透析治療資料可包括透析儀器的透析參數資料與透析期間的血壓資料。訓練資料集裡的資料可以是自透析儀器或其他醫療設備回傳而取得。又或者，訓練資料集裡的資料可由醫療院所的醫療資訊系統提供。又或者，訓練資料集裡的資料可由外部資料庫（像是氣象中心的資料庫）提供。
於步驟S202，處理器101依據訓練資料集建立第一血壓預測模型。第一血壓預測模型是處理器101從訓練資料集進行機器學習後所創建之用以預估未來血壓變化量的規則。於本發明的實施中，處理器101可依據一監督式機器學習演算法來建立第一血壓預測模型。第一血壓預測模型可在建立後記錄於儲存電路102，以於病患進行血液透析時用以預測病患於透析期間的血壓變化趨勢。上述之監督式機器學習演算法可以是迴歸分析演算法、極限梯度提升（eXtreme Gradient Boosting，XGboost）演算法、引導聚集（Bootstrap aggregating，Bagged）演算法、神經網路演算法、隨機森林（Random Forest）演算法、彈性網路（Elastic Net）演算法、最小絕對值收斂和選擇算子（least absolute shrinkage and selection operator，LASSO）演算法、k近鄰分類（k-nearest neighbor classification，KNN）演算法、支持向量迴歸演算法或整體學習（Ensemble learning）演算法等等，本發明對此不限制。
於目標病患進行血液透析的期間，於步驟S203，處理器101接收目標病患的透析參數資料，其中透析參數資料包括前一時間點的第一透析參數與當前時間點的第二透析參數。具體而言，透析儀器可經由閘道器不斷地回報當下的透析參數給處理器101。於本發明的實施例中，透析儀器可週期性的回報透析參數。或者，透析儀器可響應於醫護人員調整透析參數而進行回報。因此，處理器101可接收到對應至不同時間點的透析參數。於本發明的實施例中，第一透析參數與第二透析參數可包括脫水速率、透析液濃度、透析液溫度，血液流速其中之一或其組合。舉例而言，處理器101可接收到對應前一時間點11:00的脫水速率與對應當前時間點11:30的脫水速率。
於步驟S204，處理器101計算第一透析參數與第二透析參數之間的透析參數變化量。於步驟S205，處理器101將透析參數變化量提供給第一血壓預測模型而產生關聯於下一時間的血壓變化預測值。詳細而言，於本發明的實施例中，第一血壓預測模型係以透析參數變化量作為模型輸入參數，以預測出下一時間的血壓變化預測值。需說明的是，若透析參數未被調整，透析參數變化量即為0。舉例而言，處理器101可取得前一時間點的血液流速與當前時間點的血液流速之間的透析參數變化量，並將有關於血液流速的透析參數變化量輸入至第一血壓預測模型而預測出下一時間點的血壓變化預測值。由於透析儀器可週期性或響應於醫護人員調整透析參數而回報給處理器101，處理器101可週期性或響應於醫護人員調整透析參數而預測出未來的血壓變化預測值。
對應可知，於本發明的實施例中，當處理器101收集到多個病患的訓練資料集之後，處理器101可將各個病患過去進行血液透析期間血壓變化值作為監督式機器學習演算法中的預期輸出，並將各個病患過去進行血液透析期間的透析參數變化量作為監督式機器學習演算法中的輸入物件，從而訓練出可預測血壓變化預測值的血壓預測模型。
舉例而言，請參照圖3A，圖3A是依據本發明一實施例所繪示之用以建立血壓預測模型之訓練資料分析的示意圖。訓練資料集可包括某一病患在透析期間分別於時間點T1、T2、T3所量測的實際血壓SBP T1、SBP T2、SBP T3。此外，訓練資料集可包括某一病患在透析期間分別於時間點T1、T2、T3的實際透析參數。於此範例中，時間點T1的實際透析參數包括脫水速率U T1、血液流速B T1、透析液溫度T T1與透析液濃度C T1。時間點T2的實際透析參數包括脫水速率U T2、血液流速B T2、透析液溫度T T2與透析液濃度C T2。於是，處理器101可將脫水速率U T2與脫水速率U T1之間的透析參數變化量、血液流速B T2與血液流速B T1之間的透析參數變化量、透析液溫度T T1與透析液溫度T T2之間的透析參數變化量、透析液濃度C T1與透析液濃度C T2之間的透析參數變化量作為監督式機器學習演算法中的輸入物件。此外，處理器101可將血壓SBP T2與血壓SBP T3之間的實際血壓變化值ΔSBP（即血壓SBP T3減去血壓SBP T2）作為監督式機器學習演算法中的預期輸出。據此，藉由監督式學習演算法與多個病患的透析治療資料（包括透析期間對應至不同時間點的實際血壓值與實際透析參數），處理器101可建立出用以預測一未來時間點之血壓變化預測值的第一血壓預測模型。
請參照對應於圖3A的圖3B，圖3B是依據本發明一實施例所繪示之依據血壓預測模型進行預測的示意圖。於目標病患進行血液透析的期間，透析儀器可於前一時間點T4回報第一透析參數給電子裝置10，其包括脫水速率U T4、血液流速B T4、透析液溫度T T4與透析液濃度C T4。此外，透析儀器可於當前時間點T5回報第二透析參數給電子裝置10，其包括脫水速率U T5、血液流速B T5、透析液溫度T T5與透析液濃度C T5。基此，處理器101可將脫水速率U T4與脫水速率U T5之間的透析參數變化量、血液流速B T4與血液流速B T5之間的透析參數變化量、透析液溫度T T4與透析液溫度T T5之間的透析參數變化量、透析液濃度C T4與透析液濃度C T5之間的透析參數變化量輸入至第一血壓預測模型，使第一血壓預測模型產生關聯於下一時間點T6的血壓變化預測值ΔSBP’。換言之，在當前時間點T5時，處理器101就可依據第一血壓預測模型預測出下一時間點T6的血壓變化預測值ΔSBP’。
然而，需說明的是，圖3A與圖3B係以預測出一個未來時間點的血壓變化預測值為範例進行說明。然而，本發明並不限制於此，於其他實施例中，處理器101可依據透析參數變化量預測出分別對應至不同的多個未來時間點的多個血壓變化預測值。對應的，第一血壓預測模型也將基於對應的規則而將多個實際血壓變化值作為預期輸出來進行訓練。
於步驟S206，處理器101依據目標病患的血壓變化預測值執行一操作。於一實施例中，處理器101透過圖示或文字等提示方式可將血壓變化預測值提示於一顯示介面給醫護人員進行參考。或者，於一實施例中，響應於血壓變化預測值大於警戒閥值，處理器101可發出警示通知。又或者，於一實施例中，響應於血壓變化預測值大於警戒閥值，處理器101可依據第一血壓預測模型與目前透析治療資料產生透析參數建議值，並提示透析參數建議值給醫護人員或依據透析參數建議值控制透析儀器進行調整透析參數。
此外，於本發明的一實施例中，醫護人員可將測試透析參數輸入至電子裝置10，電子裝置10將基於測試透析參數來模擬出關聯於下一時間點的血壓變化模擬值。藉此，醫護人員可在實際調整透析儀器之前，將測試透析參數輸入至電子裝置10，從而依據血壓變化模擬值得知透析參數的調整是否恰當。
圖4是依據本發明一實施例所繪示的血壓預測方法的示意圖。圖4所示之範例係由資料請求模組41、特徵萃取模組42，以及血壓變化預測模組43來預測透析期間的血壓變化預測值，並由參數建議模組44以及警示模組45依據血壓變化預測值執行相對應之操作。資料請求模組41、特徵萃取模組42、血壓變化預測模組43、參數建議模組44以及警示模組45可由處理器101與儲存電路102所記錄之軟體元件實作而得。
請參照圖4，目標病患向醫療院所或洗腎中心報到後，資料請求模組41可自醫療院所的醫療資訊系統接收目標病患的生理資料d1與醫療記錄資料d2。自醫療院所的醫療資訊系統取得的生理資料d1可包括目標病患的基本資料，像是性別、年齡、體重、身高等等。此外，目標病患的生理資料d1也可是在透析前或透析後進行量測而取得的資料，像是血壓、體溫等等。自醫療院所的醫療資訊系統取得的醫療記錄資料d2可包括目標病患的透析年數、糖尿病狀態、疾病史、用藥情況、醫療檢驗資料（例如血紅素或其他檢驗資料）等等。此外，資料請求模組41可自外部資料庫接收氣候資料d3，像是天氣、氣溫、濕度等等。需注意的是，於本發明的實施例中，資料請求模組41可自透析儀器取得透析參數資料d4，其包括屬於不同透析參數種類的透析參數。
基於第一血壓預測模型M1的規則，特徵萃取模組42可依據生理資料d1、醫療記錄資料d2、氣候資料d3、透析參數資料d4計算第一血壓預測模型M1所需要的模型輸入參數d5。基於前述可知，第一血壓預測模型M1所需要的模型輸入參數d5至少包括依據透析參數資料d4而產生的透析參數變化量。需注意的是，除了透析參數變化量之後，第一血壓預測模型M1所需要的模型輸入參數d5可更包括生理資料d1、醫療記錄資料d2、氣候資料d3中的其他資料，本發明對此並不限制。換言之，血壓變化預測模組43可將透析參數變化量、生理資料d1、醫療記錄資料d2與氣候資料d3提供給第一血壓預測模型M1而產生關聯於下一時間的血壓變化預測值d6。
接著，血壓變化預測模組43將模型輸入參數d5提供至第一血壓預測模型M1而產生血壓變化預測值d6。換言之，血壓變化預測模組43可將生理資料d1、醫療記錄資料d2、氣候資料d3以及透析參數變化量提供給第一血壓預測模型M1而產生關聯於下一時間的血壓變化預測值d6。
於本發明的一實施中，響應於關聯於下一時間的血壓變化預測值d6大於警戒閥值，警示模組45將發出警示通知d7。在本發明的實施例中，發出警示通知的方法例如為，發出警示音、顯示警示訊息、發送警示訊息至護理站或護理人員持有的電子裝置等，本發明並不以此為限。
另一方面，於本發明的一實施中，響應於關聯於下一時間的血壓變化預測值d6大於警戒閥值，參數建議模組44可透過最小化第一血壓預測模型M1的輸出，依據第一血壓預測模型M1與當前時間點的透析參數（即第二透析參數）產生透析參數建議值d8。具體而言，當依據血壓變化預測值d6推估目標病患可能於下一時間點發生血壓明顯下降的現象時，在最小化第一血壓預測模型M1的輸出的條件下，參數建議模組44可依據當前時間點的透析參數模擬出最佳的透析參數建議值d8。換言之，基於第一血壓預測模型M1的預測規則，若依據透析參數建議值d8設定透析儀器，目標病患未來的血壓變化預測值可為最小。基此，參數建議模組44可提示透析參數建議值d8給醫護人員或依據透析參數建議值d8設定透析儀器。
此外，於本發明的一實施例中，當醫護人員欲得知對透析參數調整是否可有效穩定目標病患的血壓時，參數建議模組44可接收醫護人員所輸入之測試透析參數d9。參數建議模組44可將當前時間點實際設置的透析參數（即第二透析參數）與測試透析參數d9之間的透析參數變化量提供給第一血壓預測模型M1而產生關聯於下一時間的血壓變化模擬值d10。如此一來，藉由提示血壓變化模擬值d10的高低，醫護人員可預先得知目標病患的血壓是否可於後續透析過程中維持穩定，從而決定是否依據測試透析參數d9設定透析儀器。
圖5是依據本發明一實施例所繪示的預測血壓變化的情境示意圖。請先參照圖5，於目標病患進行血液透析時，電子裝置10可控制一顯示設備提供顯示介面51。顯示介面51顯示了目標病患的實際血壓值52與基於血壓變化預測值所產生的血壓預測範圍53。血壓預測範圍53由上限值54與下限值55所構成，而上限值54與下限值55可依據目標病患於特定時間點的實際血壓值與第一血壓預測模型所輸出之至少一血壓變化預測值而獲得。假設當前時間點為12:30，透過顯示介面51，醫護人員可依據血壓預測範圍53得知目標病患未來的（即當前時間點12:30之後的）血壓變化預測趨勢。藉此，醫護人員可透過顯示介面51早一步判斷目標病患的血壓是否可於後續透析過程可維持穩定，從而提早作出處置而避免透析中低血壓的發生。
此外，於當前時間點12:30，醫護人員依據血壓預測範圍53發現目標病患的血壓有可能逐漸下降，因此醫護人員可於模擬值欄位56輸入測試透析參數。基於醫護人員所輸入之測試透析參數，第一血壓預測模型可產生至少一血壓變化模擬值，因而顯示介面51可顯示基於至少一血壓變化模擬值所產生的血壓模擬範圍57。血壓模擬範圍57由上限值58與下限值59所構成，而上限值58與下限值59可依據目標病患於特定時間點的實際血壓值與第一血壓預測模型所輸出之至少一血壓變化模擬值而獲得。藉此，醫護人員可依據血壓模擬範圍57得知模擬值欄位56內的測試透析參數是否可有效穩定目標病患的血壓。藉此，醫護人員可不單單以經驗來調整透析儀器的透析參數，而可依據基於大數據與臨床數據所建立之血壓預測模型來適當調整透析儀器的透析參數。
值得一提的是，於本發明的一實施例中，上述之第一血壓預測模型可以是依據所有病患的訓練資料集而建立，因而不同的目標病患可基於相同的第一血壓預測模型來預測透析期間的血壓變化。於本發明的另一實施例中，上述之第一血壓預測模型可以是依據某一病患群組內之部份病患的子訓練資料集而建立。因此，不同病患將可能因為被分類至不同的病患群組而基於不同的第一血壓預測模型來預測透析期間的血壓變化。
以下將進一步說明先將病患進行分類再建構血壓預測模型與進行血壓預測的實施內容。圖6依照本發明一實施例所繪示之血壓預測方法的流程圖。請參圖1與圖6，本實施例的方式適用於上述實施例中的電子裝置10，以下即搭配電子裝置10中的各項元件說明本實施例之血壓預測方法的詳細步驟。
於步驟S601，處理器101收集訓練資料集。訓練資料集可包括多個病患過去在血液透析過程中的各項生理資料與透析治療資料。於步驟S602，處理器101自訓練資料集篩選出多個重要特徵變數。具體而言，處理器101可依據機器學習之特徵工程中的特徵選擇演算法來挑選出多個重要特徵變數，此些重要特徵變數對於血壓變化的影響較大。特徵選擇演算法例如是迴歸模型學習、隨機森林、卡方檢驗，或決策樹等等，本發明對此不限制。舉例而言，處理器101可依據特徵選擇演算法挑選出前一筆收縮壓、前兩筆血壓平均、第一筆收縮壓、前一次總脫水量、前一筆舒張壓作為用以類病患與預測血壓變化預測值的重要特徵變數。
於步驟S603，處理器101依據各病患的重要特徵變數產生各病患的分類因子，並依據各病患的分類因子將病患分群為多個病患群組。於此，於本發明的一實施例中，處理器101可對各病患的重要特徵變數進行統計分析來產生各病患的分類因子，並藉由比較各病患的分類因子與至少一分類閥值而將各病患分類至多個病患群組其中之一。舉例而言，假設重要特徵變數為第一筆收縮壓，處理器101可自訓練資料集取出每一病患過去90筆第一筆收縮壓，並計算此90筆第一筆收縮壓的統計值，再依據各病患對應之上述統計值的高低將各病患分類至多個病患群組。
值得一提的是，於本發明的一實施例中，上述的分類因子可包括互資訊（Mutual Information）。亦即，處理器101可依據各病患的重要特徵變數計算各病患的互資訊。接著，處理器101可藉由比較各病患的互資訊與至少一分群閥值而將病患分群為多個病患群組。更詳細而言，處理器101可自訓練資料集取出每一病患前一個半月內的重要特徵變數而建立多個機率分佈，並依據上述機率分佈計算出各病患的互資訊。互資訊是變數間相互依賴性的量度，可以下列公式(1)計算而得。
Figure 02_image001
公式(1) 其中，p(x,y)為變數X與變數Y的聯合機率分佈函式，p(x)為變數X的邊緣機率分佈函式，而p(y)為變數Y的邊緣機率分佈函式。於此，變數X與變數Y即分別為本發明實施例中的重要特徵變數。變數X可為病患於前一個半月內之透析記錄中的重要特徵變數，像是前一筆收縮壓、前兩筆血壓之平均、第一筆收縮壓、前一筆總脫水量、前一筆舒張壓等等。變數Y則可為另一病患於前一個半月內之透析記錄中的重要特徵變數。之後，處理器101可依據各病患的互資訊的大小將其分為3、4或5個病患群組。本發明對於病患群組的數目並不限制。
圖7是依據本發明一實施例所繪示之分類病患的示意圖。請參照圖7，假設300個病患將依照各自的互資訊而被分類為4個病患群組。於圖7的範例中，分類閥值分別等於Q1、Q2、Q3。因此，互資訊小於等於Q1的病患將被分群於病患群組G1；互資訊大於Q1但小於等於Q2的病患將被分群於病患群組G2；互資訊大於Q2但小於等於Q3的病患將被分群於病患群組G3；互資訊大於Q3的病患將被分群於病患群組G4。也又是說，血液透析期間血壓表現較為接近的病患將被分類為同一組病患群組。分類閥值的實際大小與數目可視實際需求而設置。
於步驟S604，處理器101針對各病患群組，依據機器學習演算法分別訓練訓練資料集中分別對應至病患群組的多個子訓練資料集，而產生分別對應至病患群組的多個第二血壓預測模型。詳細而言，響應於病患被分類為多個病患群組，所有病患的訓練資料集也將被分類為多個子訓練資料集，致使處理器101可依據多個子訓練資料集而利用機器學習演算法分別訓練出多個個第二血壓預測模型。可知的，第二血壓預測模型將一對一地對應至病患群組。以圖7為範例，基於病患被分類為4個病患群組G1～G4，處理器101將分別依據4組病患的子訓練資料集訓練出4個第二血壓預測模型。這些第二血壓預測模型可記錄於儲存電路102當中，並且包括第一血壓預測模型。因為每一病患的身體素質與透析臨床表現皆有所差異，所以本實施例之處理器101可先將身體素質與透析臨床表現相似的病患分類為同一病患群組，並針對各個病患群組建立更貼實際臨床表現的血壓預測模型。
當目標病患到醫療院所報到，於步驟S605，處理器101判定目標病患屬於病患群組其中之一者。接著，於步驟S606，處理器101自第二血壓預測模型中挑選出對應於病患群組其中之所述一者的第一血壓預測模型。第一血壓預測模型為第二血壓預測模型其中之一。換言之，處理器101將先判斷目標病患的所述病患群組，並自第二血壓預測模型中取出對應的第一血壓預測模型來預測目標病患於血液透析期間的血壓變化。由此可知，屬於不同病患群組的病患將使用不同的第一血壓預測模型來進行預測。藉由分類病患而使用對應的血壓預測模型，讓目標病患的血壓變化可更精準地被預測出來。
於步驟S607，處理器101接收目標病患的透析參數資料，其中透析參數資料包括前一時間點的第一透析參數與當前時間點的第二透析參數。於步驟S608，處理器101計算第一透析參數與第二透析參數之間的透析參數變化量。於步驟S609，處理器101將透析參數變化量提供給第一血壓預測模型而產生關聯於下一時間的血壓變化預測值。於步驟S610，處理器101依據目標病患的血壓變化預測值執行一操作。步驟S607至步驟S610的操作與步驟S203至步驟S206的操作相似，於此不再贅述。
需說明的是，於本發明的一實施例中，由於目標病患可依據其分類結果而具有特定的第一血壓預測模型，因此後續產生透析參數建議值的操作或依據測試透析參數模擬出血壓變化模擬值的操作也是依據目標病患所對應的第一血壓預測模型來進行。藉此，對於生理狀況差別甚大的多名病患來說，醫護人員可分別基於不同的血壓預測模型而依據不同的建議值與模擬值來適應性調整透析儀器的透析參數。
圖8是依據本發明一實施例所繪示的應用情境圖。請參照圖8，目標病患810向醫療院所或洗腎中心報到。之後醫護人員870將協助安插透析管路與設置透析儀器820，並且，現場電子設備830將收集由醫護人員870所輸入之目標病患810的生理資料與透析治療資料。此外，現場電子設備830也可經由網路而從醫療資訊系統840接收目標病患810的生理資料、醫療記錄資料與透析治療資料，並可經由網路從外部資料庫850收集氣候資訊。現場電子設備830也可自透析儀器820收集即時的透析參數資料。
之後，現場電子設備830將收集到的生理資料、透析治療資料、氣候資料、醫療記錄資料上傳至雲端伺服器860。雲端伺服器860可進行資料清整、格式整理、產生新變數與串檔處理，像是計算透析參數變化量等等。接著，現場電子設備830可依據雲端伺服器860整理完的資料與已建立之血壓預測模型來產生血壓變化預測結果，並可將血壓變化預測結果提示於一使用者介面831。據此，醫護人員870可依據使用者介面831預測往後每個時間點的血壓變化量。此外，醫護人員870可透過使用者介面831輸入測試透析參數來模擬目標病患的血壓變化，以確認調整後的透析參數可以穩定病患的血壓。
綜上所述，於本發明實施例中，可透過依據大數據與臨床數據所建立之血壓預測模型預測透析期間的血壓變化。基此，醫護人員能在發生血壓下降的情形前先對病患進行處置，以穩定病患透析中的血壓，以避免病患產生不適或中斷透析。再者，藉由自動化擷取病患的生理資料與透析治療資料與利用血壓預測模型進行自動化預測，可降低醫護人員的負擔，更可對較無經驗的醫護人員提供相當的協助。除此之外，藉由將透析參數變化量作為血壓預測模型的輸入資訊，血壓變化量的預測精準度可基於更多的訊息量而提昇。不僅如此，對於血液透析有明顯不同臨床表現的不同群病患可基於不同的血壓預測模型來預估血壓變化量，從而提昇預估血壓變化量的準確性。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
10:電子裝置
102:儲存電路
101:處理器
T1～T6:時間點
41:資料請求模組
42:特徵萃取模組
43:預測模組
44:參數建議模組
45:警示模組
d1:生理資料
d2:醫療記錄資料
d3:氣候資料
d4:透析參數資料
d5:模型輸入參數
d6:血壓變化預測值
d7:警示通知
d8:透析參數建議值
d9:測試透析參數
d10:血壓變化模擬值
M1:第一血壓預測模型
51:顯示介面
52:實際血壓值
53:血壓預測範圍
54、58:上限值
55、59:下限值
56:模擬值欄位
57:血壓模擬範圍
58:上限值
59:下限值
G1～G4:病患群組
810:目標病患
820:透析儀器
830:現場電子設備
831:使用者介面
840:醫療資訊系統
850:外部資料庫
860:雲端伺服器
870:醫護人員
S201～S206、S601～S610:步驟
圖1是依照本發明一實施例所繪示的電子裝置的方塊圖。 圖2是依照本發明一實施例所繪示之血壓預測方法的流程圖。 圖3A是依據本發明一實施例所繪示之用以建立血壓預測模型之訓練資料分析的示意圖。 圖3B是依據本發明一實施例所繪示之依據血壓預測模型進行預測的示意圖。 圖4是依據本發明一實施例所繪示的血壓預測方法的示意圖。 圖5是依據本發明一實施例所繪示的預測血壓變化的情境示意圖。 圖6依照本發明一實施例所繪示之血壓預測方法的流程圖。 圖7是依據本發明一實施例所繪示之分類病患的示意圖。 圖8是依據本發明一實施例所繪示的應用情境圖。
S201~S206:步驟

Claims (18)

  1. 一種血壓預測方法，所述方法包括：收集訓練資料集；依據該訓練資料集建立一第一血壓預測模型；接收一目標病患的透析參數資料，其中該透析參數資料包括前一時間點的第一透析參數與當前時間點的第二透析參數；計算該第一透析參數與該第二透析參數之間的透析參數變化量；將該透析參數變化量提供給該第一血壓預測模型而產生關聯於下一時間的一血壓變化預測值；響應於關聯於該下一時間的該血壓變化預測值大於一警戒閥值，透過最小化該第一血壓預測模型的輸出，依據該第一血壓預測模型與該當前時間點的該第二透析參數產生透析參數建議值；以及提示該透析參數建議值或依據該透析參數建議值設定一透析儀器。
  2. 如申請專利範圍第1項所述的血壓預測方法，更包括：接收該目標病患的生理資料與醫療記錄資料以及氣候資料；以及將該生理資料、該醫療記錄資料與該氣候資料提供給該第一血壓預測模型而產生關聯於該下一時間的該血壓變化預測值。
  3. 如申請專利範圍第1項所述的血壓預測方法，其中該第一透析參數與該第二透析參數包括脫水速率、透析液濃度、透析液溫度，或血液流速。
  4. 如申請專利範圍第1項所述的血壓預測方法，更包括：響應於關聯於該下一時間的該血壓變化預測值大於該警戒閥值，發出一警示通知。
  5. 如申請專利範圍第4項所述的血壓預測方法，更包括：接收測試透析參數；將該第二透析參數與該測試透析參數之間的另一透析參數變化量提供給該第一血壓預測模型而產生的血壓變化模擬值；以及提示該血壓變化模擬值。
  6. 如申請專利範圍第1項所述的血壓預測方法，其中依據該訓練資料集建立該第一血壓預測模型的步驟包括：自該訓練資料集篩選出多個重要特徵變數；依據各該些病患的該些重要特徵變數產生各該些病患的分類因子，並依據各該些病患的該分類因子將該些病患分群為多個病患群組；以及針對各該些病患群組，依據一機器學習演算法分別訓練該訓練資料集中分別對應至該些病患群組的多個子訓練資料集，而產生分別對應至該些病患群組的多個第二血壓預測模型，其中該些第二血壓預測模型包括該第一血壓預測模型。
  7. 如申請專利範圍第6項所述的血壓預測方法，所述方法更包括：判定該目標病患屬於該些病患群組其中之一者；以及自該些第二血壓預測模型中挑選出對應於該些病患群組其中之所述一者的該第一血壓預測模型。
  8. 如申請專利範圍第6項所述的血壓預測方法，其中依據各該些病患的該些重要特徵變數產生各該些病患的該分類因子，並依據各該些病患的該分類因子將該些病患分群為該些病患群組的步驟包括：依據各該些病患的該些重要特徵變數計算各該些病患的互資訊；以及藉由比較各該些病患的該互資訊與至少一分群閥值而將該些病患分群為該些病患群組。
  9. 如申請專利範圍第6項所述的血壓預測方法，其中該機器學習演算法為監督式機器學習演算法。
  10. 一種電子裝置，包括：一儲存電路，儲存多個模組；以及一處理器，耦接該儲存電路，經配置存取該些模組以：收集訓練資料集；依據該訓練資料集建立一第一血壓預測模型；接收一目標病患的透析參數資料，其中該透析參數資料包括前一時間點的第一透析參數與當前時間點的第二透析參數； 計算該第一透析參數與該第二透析參數之間的透析參數變化量；將該透析參數變化量提供給該第一血壓預測模型而產生關聯於下一時間的一血壓變化預測值；響應於關聯於該下一時間的該血壓變化預測值大於一警戒閥值，透過最小化該第一血壓預測模型的輸出，依據該第一血壓預測模型與該當前時間點的該第二透析參數產生透析參數建議值；以及提示該透析參數建議值或依據該透析參數建議值設定一透析儀器。
  11. 如申請專利範圍第10項所述的電子裝置，其中該處理器經配置以：接收該目標病患的生理資料與醫療記錄資料以及氣候資料；以及將該生理資料、該醫療記錄資料與該氣候資料提供給該第一血壓預測模型而產生關聯於該下一時間的該血壓變化預測值。
  12. 如申請專利範圍第10項所述的電子裝置，其中該第一透析參數與該第二透析參數包括脫水速率、透析液濃度、透析液溫度，或血液流速。
  13. 如申請專利範圍第10項所述的電子裝置，其中該處理器經配置以：響應於關聯於該下一時間的該血壓變化預測值大於該警戒閥 值，發出一警示通知。
  14. 如申請專利範圍第13項所述的電子裝置，其中該處理器經配置以：接收測試透析參數；將該第二透析參數與該測試透析參數之間的另一透析參數變化量提供給該第一血壓預測模型而產生的一血壓變化模擬值；以及提示該血壓變化模擬值。
  15. 如申請專利範圍第10項所述的電子裝置，其中該處理器經配置以：自該訓練資料集篩選出多個重要特徵變數；依據各該些病患的該些重要特徵變數產生各該些病患的分類因子，並依據各該些病患的該分類因子將該些病患分群為多個病患群組；以及針對各該些病患群組，依據一機器學習演算法分別訓練該訓練資料集中分別對應至該些病患群組的多個子訓練資料集，而產生分別對應至該些病患群組的多個第二血壓預測模型，其中該些第二血壓預測模型包括該第一血壓預測模型。
  16. 如申請專利範圍第15項所述的電子裝置，其中該處理器經配置以：判定該目標病患屬於該些病患群組其中之一者；以及自該些第二血壓預測模型中挑選出對應於該些病患群組其中 之所述一者的該第一血壓預測模型。
  17. 如申請專利範圍第15項所述的電子裝置，其中該處理器經配置以：依據各該些病患的該些重要特徵變數計算各該些病患的互資訊；以及藉由比較各該些病患的該互資訊與至少一分群閥值而將該些病患分群為該些病患群組。
  18. 如申請專利範圍第15項所述的電子裝置，其中該機器學習演算法為監督式機器學習演算法。
TW108121585A 2019-06-20 2019-06-20 血壓預測方法與使用該方法的電子裝置 TWI710352B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW108121585A TWI710352B (zh) 2019-06-20 2019-06-20 血壓預測方法與使用該方法的電子裝置
CN201910620664.0A CN112107752B (zh) 2019-06-20 2019-07-10 血压预测方法与使用该方法的电子装置
US16/561,031 US11565030B2 (en) 2019-06-20 2019-09-05 Blood pressure prediction method and electronic device using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW108121585A TWI710352B (zh) 2019-06-20 2019-06-20 血壓預測方法與使用該方法的電子裝置

Publications (2)

Publication Number Publication Date
TWI710352B true TWI710352B (zh) 2020-11-21
TW202100093A TW202100093A (zh) 2021-01-01

Family

ID=73795590

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108121585A TWI710352B (zh) 2019-06-20 2019-06-20 血壓預測方法與使用該方法的電子裝置

Country Status (3)

Country Link
US (1) US11565030B2 (zh)
CN (1) CN112107752B (zh)
TW (1) TWI710352B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210290173A1 (en) * 2020-03-19 2021-09-23 International Business Machines Corporation Latent bio-signal estimation using bio-signal detectors
US20220061676A1 (en) * 2020-09-02 2022-03-03 Twin Health, Inc. Virtually monitoring blood pressure levels in a patient using machine learning and digital twin technology
US10998102B1 (en) * 2020-10-20 2021-05-04 Analytics4Medicine Llc Systems for managing resistant hypertension
CN113289098B (zh) * 2021-05-25 2022-06-03 南通市第二人民医院 一种基于血液透析装置的透析液监控方法及装置
TWI792333B (zh) * 2021-06-18 2023-02-11 翔安生醫科技股份有限公司 低血壓的預測處理方法與系統
TWI793833B (zh) * 2021-10-28 2023-02-21 緯創資通股份有限公司 透析中的分析方法及用於透析的分析裝置
WO2023097486A1 (zh) * 2021-11-30 2023-06-08 深圳迈瑞生物医疗电子股份有限公司 监护方法及设备
JP7177540B1 (ja) 2021-12-21 2022-11-24 Ｅｓｓｅｎｃｅ ｒｅｓｅａｒｃｈ株式会社 血圧予測装置、血圧予測プログラム、及び、血圧予測方法
CN114937486B (zh) * 2022-06-22 2023-09-26 肾泰网健康科技(南京)有限公司 Idh预测及干预措施推荐多任务模型的构建方法及应用
CN116682566B (zh) * 2023-08-03 2023-10-31 青岛市中医医院(青岛市海慈医院、青岛市康复医学研究所) 一种血液透析的数据处理方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5928180A (en) * 1997-03-25 1999-07-27 Krivitski; Nikolai M. Method and apparatus for real time monitoring of blood volume in a filter
US20080319332A1 (en) * 2005-09-12 2008-12-25 Leif Sornmo Detection of Drastic Blood Pressure Changes
WO2013005320A1 (ja) * 2011-07-06 2013-01-10 パイオニア株式会社 血圧低下予測装置
JP2014113423A (ja) * 2012-12-06 2014-06-26 Goldwelljapan Inc 血圧低下監視装置
CN106295238A (zh) * 2016-09-28 2017-01-04 湖南老码信息科技有限责任公司 一种基于增量式神经网络模型的高血压肾病预测方法和预测系统
CN109803694A (zh) * 2016-09-08 2019-05-24 爱德芳世株式会社 透析治疗中的个体差信息管理系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1900384A1 (de) * 2006-09-15 2008-03-19 B. Braun Avitum AG Therapieeinrichtung mit gedächtnisgestützter Regeleinrichtung
DE102013108543A1 (de) * 2013-08-07 2015-02-26 B. Braun Avitum Ag Vorrichtung und ein Verfahren zur Vorhersage intradialytischer Parameter

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5928180A (en) * 1997-03-25 1999-07-27 Krivitski; Nikolai M. Method and apparatus for real time monitoring of blood volume in a filter
US20080319332A1 (en) * 2005-09-12 2008-12-25 Leif Sornmo Detection of Drastic Blood Pressure Changes
WO2013005320A1 (ja) * 2011-07-06 2013-01-10 パイオニア株式会社 血圧低下予測装置
JP2014113423A (ja) * 2012-12-06 2014-06-26 Goldwelljapan Inc 血圧低下監視装置
CN109803694A (zh) * 2016-09-08 2019-05-24 爱德芳世株式会社 透析治疗中的个体差信息管理系统
CN106295238A (zh) * 2016-09-28 2017-01-04 湖南老码信息科技有限责任公司 一种基于增量式神经网络模型的高血压肾病预测方法和预测系统

Also Published As

Publication number Publication date
CN112107752B (zh) 2023-08-22
US20200397972A1 (en) 2020-12-24
CN112107752A (zh) 2020-12-22
US11565030B2 (en) 2023-01-31
TW202100093A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
TWI710352B (zh) 血壓預測方法與使用該方法的電子裝置
US11335450B2 (en) Dehydration amount prediction method for hemodialysis and electronic device using the same
WO2020181805A1 (zh) 糖尿病的预测方法及装置、存储介质、计算机设备
TWI686819B (zh) 電腦輔助醫療方法以及用於醫學預測的醫療系統
JP6075973B2 (ja) 健康状態判定装置およびその作動方法
JP6004084B2 (ja) モデル更新方法、装置、およびプログラム
KR102129730B1 (ko) 인공지능 기반의 환자상태 예측 장치 및 이를 이용한 환자상태 예측 방법
CN111837194A (zh) 用于预测患者健康状态的系统和方法
CN108648827A (zh) 心脑血管疾病风险预测方法及装置
CN103440421B (zh) 医学数据处理方法和系统
CN108109692A (zh) 一种治疗方案的选择方法和系统
CN112967803A (zh) 基于集成模型的急诊患者早期死亡率预测方法及系统
CN111685748A (zh) 一种基于分位数的血压预警方法、装置、设备及存储介质
KR20170067759A (ko) 생리학적 데이터를 기반으로 환자의 연속 심박출량(cco)을 예측하기 위한 시스템 및 방법
TWI740647B (zh) 疾病分類方法及疾病分類裝置
CN108877924A (zh) 一种哮喘概率的确定方法及装置
CN117198548A (zh) 一种智慧病房康复诊断方法、系统、设备及可读存储介质
TWI793833B (zh) 透析中的分析方法及用於透析的分析裝置
Williams et al. Automating the calibration of a neonatal condition monitoring system
TWM613138U (zh) 健康風險評估系統
CN116504407B (zh) 一种冠脉左主干分叉的分支闭塞风险预测方法及系统
CN118749932B (zh) 一种血液透析过程中患者健康数据监测方法及系统
CN107898448A (zh) 一种智能血压计及其控制方法
WO2024157524A1 (ja) 情報処理装置
D’Silva et al. Prediction of Hypertension using Machine Learning