WO2019189153A1 - 支援システム、支援方法、支援プログラム、および支援プログラムを記録した記録媒体 - Google Patents

支援システム、支援方法、支援プログラム、および支援プログラムを記録した記録媒体 Download PDF

Info

Publication number
WO2019189153A1
WO2019189153A1 PCT/JP2019/012814 JP2019012814W WO2019189153A1 WO 2019189153 A1 WO2019189153 A1 WO 2019189153A1 JP 2019012814 W JP2019012814 W JP 2019012814W WO 2019189153 A1 WO2019189153 A1 WO 2019189153A1
Authority
WO
WIPO (PCT)
Prior art keywords
blood flow
time series
evaluation value
series data
comprehensive evaluation
Prior art date
Application number
PCT/JP2019/012814
Other languages
English (en)
French (fr)
Inventor
伸 牧
朋子 上村
Original Assignee
テルモ株式会社
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 テルモ株式会社 filed Critical テルモ株式会社
Priority to CN201980021784.7A priority Critical patent/CN111902080B/zh
Priority to JP2020510894A priority patent/JP7167132B2/ja
Publication of WO2019189153A1 publication Critical patent/WO2019189153A1/ja
Priority to US17/032,245 priority patent/US20210007612A1/en

Links

Images

Classifications

    • 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
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • 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
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • 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
    • A61B5/026—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • 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
    • 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

Definitions

  • the present invention relates to a support system, a support method, a support program, and a recording medium on which the support program is recorded that supports prediction of aggravation of heart failure.
  • Heart failure refers to a pathological condition in which the pump function of the heart is reduced, resulting in decreased cardiac output and congestion in the lungs and systemic veins. Patients who have heart failure often get worse and repeat readmissions even after remission.
  • Non-Patent Document 1 As one of the methods for diagnosing heart failure, there is known Noria-Stevenson classification (see Non-Patent Document 1 below) that classifies the pathology of heart failure into four.
  • the doctor determines from the physical findings whether the patient's body is congested and hypoperfused (whether blood can be pumped sufficiently to the body), Classify the patient's condition.
  • Diagnosis using the Noria-Stevenson classification is made based on the findings of each doctor and depends on the experience of the doctor. Therefore, to explain with an example, when a general physician in the clinic observes a patient who has been in remission after being treated by a specialist in heart failure, the general physician cannot make an appropriate diagnosis, and the patient's condition In some cases, it may be transported to a medical institution where specialists belong. As described above, it is difficult for doctors and the like to predict exacerbation of heart failure based on the Noria-Stevenson classification.
  • the present invention has been made in view of the above circumstances, and based on the Noria-Stevenson classification, a support system, a support method, a support program, and a recording medium on which the support program is recorded, which can support the prediction of heart failure exacerbation.
  • the purpose is to provide.
  • a support system that achieves the above object is a support system that supports prediction of aggravation of heart failure, and includes time series data of blood flow of at least a part of a patient's body and blood flow volume of the patient's limb.
  • An evaluation unit that calculates a comprehensive evaluation value in time series; and a prediction unit that predicts a transition of the comprehensive evaluation value using the comprehensive evaluation value in time series.
  • the support method according to the present invention for achieving the above object is a support method for supporting the prediction of exacerbation of heart failure, comprising time-series data of the blood flow volume of at least a part of the patient's body, and the limb of the patient Obtaining time-series data of blood flow volume, and using the time-series data of the blood flow volume and the time-series data of the blood flow volume, comprehensive evaluation according to the degree of blood flow volume and blood flow volume of the limbs A value is calculated in time series, and the transition of the comprehensive evaluation value is predicted using the comprehensive evaluation value in time series.
  • the support program according to the present invention for achieving the above object is a support program for supporting prediction of exacerbation of heart failure, comprising time-series data of the blood flow volume of at least a part of the patient's body, and the limb of the patient.
  • the procedure for obtaining time series data of blood flow volume, the time series data of the blood flow volume, and the time series data of the blood flow volume according to the degree of blood flow volume and the blood flow volume of the limb.
  • a procedure for calculating the comprehensive evaluation value in time series and a procedure for predicting the transition of the comprehensive evaluation value using the time-series comprehensive evaluation value are executed.
  • a recording medium according to the present invention that achieves the above object is a computer-readable recording medium in which the above support program is recorded.
  • FIG. 1 is a diagram for explaining the overall configuration of the support system 10 according to the present embodiment.
  • FIG. 2 is a diagram for explaining the classification of Noria-Stevenson.
  • 3 and 4 are diagrams for explaining each part of the support system 10.
  • FIG. 5A to FIG. 6 are diagrams for explaining data handled by the support system 10.
  • the support system 10 predicts exacerbation of heart failure according to the Noria-Stevenson classification, and supports the patient P, doctors A, B, and the like who are users. It is composed.
  • the support system 10 is not particularly limited.
  • the general physician B at the clinic observes the patient P who has received remission from the treatment of the heart failure specialist A, and treats the specialist P according to the condition of the patient P. It is used when receiving
  • the classification of Noria-Stevenson is based on the presence or absence of congestion in the body of patient P and the presence or absence of hypoperfusion (whether blood can be pumped into the body). It is classified into.
  • the first condition is Warm & Dry (upper left of FIG. 2) without congestion and hypoperfusion.
  • the second disease state is Warm & Wet (upper right in FIG. 2) with congestion and no low perfusion.
  • the third disease state is Cold & Dry (lower left in FIG. 2) with no congestion and low perfusion.
  • the fourth condition is Cold & Wet (lower right in FIG. 2) with congestion and hypoperfusion.
  • Warm & Dry is in a condition in which the patient P is in good condition
  • Warm & Wet, Cold & Dry, and Cold & Wet (particularly Cold & Wet) are in a condition in which the condition of the patient P has deteriorated.
  • the classification of Noria-Stevenson is performed by comprehensively determining the degree of congestion and hypoperfusion in the patient P.
  • the support system 10 will be briefly described with reference to FIG. 1.
  • the measurement unit 100 measures the blood flow of at least part of the body of the patient P and the blood flow of the limbs, and the operation unit 310 of the measurement unit 100 and the doctors A and B. , 320 via a network (indicated by a broken line in the figure), and a server 200 that transmits and receives data between the measurement unit 100 and the operation terminals 310, 320.
  • a network indicated by a broken line in the figure
  • the measurement unit 100 includes a blood flow measurement unit 110 that can measure blood flow in at least a part of the patient's body, a blood flow measurement unit 120 that can measure blood flow in the patient's limbs, and a control unit that controls these operations. 130.
  • a blood flow measurement unit 110 that can measure blood flow in at least a part of the patient's body
  • a blood flow measurement unit 120 that can measure blood flow in the patient's limbs
  • a control unit that controls these operations. 130.
  • each of the measurement units 110 and 120 is configured by a wearable device, and is attached to the body of the patient P and performs measurement at a predetermined timing.
  • the timing at which each of the measurement units 110 and 120 performs the measurement is not particularly limited. For example, the measurement can be performed every minute to every hour with the patient P wearing the measurement units 110 and 120. Further, the measurement timing may be appropriately set according to the patient's condition. Note that each of the measurement units 110 and 120 may not be configured by a wearable device.
  • the blood stasis measuring unit 110 includes a pulmonary blood congestion measuring unit 111 capable of measuring the pulmonary blood congestion volume of the patient P and a body congestion measuring unit 112 capable of measuring the body blood congestion volume of the patient P.
  • the pulmonary congestion measurement unit 111 is not particularly limited as long as the pulmonary congestion amount of the patient P can be measured.
  • chest impedance, ultrasound, microphone, percutaneous arterial oxygen saturation, local tissue oxygen saturation, etc. are used.
  • it can be configured by a known device capable of measuring the water content of the lungs of the patient P.
  • the body congestion measurement unit 112 is not particularly limited as long as the amount of body congestion of the patient P can be measured.
  • the body congestion measurement unit 112 measures the circumference of the limb of the patient P (foot in the drawing) or the bioimpedance of the limb of the patient P. It can be constituted by a known device capable of measuring the amount of edema of the limb.
  • the blood flow rate measurement unit 120 is configured by a known temperature sensor that can measure a change in body surface temperature (cold limb sensation) accompanying a change in the blood flow rate of the limb (foot) of the patient P.
  • the blood flow measurement unit 120 is not particularly limited as long as it can directly or indirectly measure the blood flow in the limb of the patient P.
  • the blood flow measuring unit 120 may be configured by a known device such as a camera that can measure a change in color associated with a change in the amount of oxygen in the limb of the patient P (change in blood flow). Further, the blood flow measuring unit 120 may measure both the temperature and the color of the limb of the patient P.
  • the control unit 130 is connected to each measurement unit 110, 120 via a wireless communication network (indicated by a broken line in the figure), controls the measurement operation of each measurement unit 110, 120, and each measurement unit 110, 120. Measurement data is acquired from the server 200 and transmitted to the server 200.
  • the server 200 includes a CPU (Central Processing Unit) 210, a storage unit 220, an input / output I / F 230, a communication unit 240, and a reading unit 250.
  • the CPU 210, the storage unit 220, the input / output I / F 230, the communication unit 240, and the reading unit 250 are connected to the bus 260 and exchange data and the like with each other via the bus 260.
  • each part will be described.
  • CPU210 performs control of each part, various arithmetic processings, etc. according to various programs memorized by storage part 220.
  • the storage unit 220 stores various programs and various data including a ROM (Read Only Memory) that stores various programs and various data, a RAM (Randam Access Memory) that temporarily stores programs and data as a work area, and an operating system. It consists of a hard disk or the like.
  • the storage unit 220 stores various programs such as a support program and various data.
  • the communication unit 240 is an interface for communicating with the measurement unit 100 and the operation terminals 310 and 320 of the doctors A and B.
  • the reading unit 250 reads a support program or the like recorded on a computer-readable recording medium MD (see FIG. 1).
  • the computer-readable recording medium MD is not particularly limited, but can be configured by, for example, an optical disc such as a CD-ROM or DVD-ROM, a USB memory, an SD memory card, or the like.
  • the reading unit 250 is not particularly limited, but can be configured by, for example, a CD-ROM drive, a DVD-ROM drive, or the like.
  • the CPU 210 executes a support program stored in the storage unit 220, thereby obtaining a data acquisition unit 211, an initial value setting unit 212, a data processing unit 213, an evaluation unit 214, a prediction unit 215, It functions as a notification unit 216 (corresponding to “result notification unit” and “accuracy notification unit”).
  • a notification unit 216 corresponding to “result notification unit” and “accuracy notification unit”.
  • the data acquisition unit 211 receives time series data D1 (hereinafter simply referred to as “congestion volume time series data”) from the measurement unit 100. D1 ”) and time series data D2 of blood flow in the limb of patient P.
  • D1 time series data
  • D2 time series data
  • the blood flow volume time series data D1 includes pulmonary blood flow volume time series data D11 and body blood flow volume time series data D12.
  • the time series data D2 of the blood flow volume of the limb includes time series data of the temperature of the limb.
  • the acquired blood flow volume time series data D1 and limb blood flow time series data D2 are stored in the storage unit 220 in association with each measurement time, as shown in FIG. 5A.
  • the initial value setting unit 212 instructs the user to designate an initial value of the blood congestion amount according to the degree of blood congestion of the patient P on the day when the measurement unit 100 starts measurement.
  • the initial value setting unit 212 sets the initial value of the blood congestion amount to a value instructed by the user.
  • the measurement unit 100 performs measurement from the date when the patient P discharges the medical institution to which the heart failure specialist A belongs (hereinafter simply referred to as “discharge date”)
  • discharge date the date when the patient P discharges the medical institution to which the heart failure specialist A belongs
  • the doctor A who is the user designates the initial values of the lung congestion volume and the body congestion volume as 0 (zero).
  • the doctor A who is the user has a predetermined amount corresponding to the degree of the lung congestion and body congestion of the patient P on the discharge date. Values are specified as initial values for pulmonary congestion and body congestion.
  • the data processing unit 213 performs preprocessing of the time series data D1 and D2 before the evaluation unit 214 described later calculates the blood stasis evaluation value C1 and the blood flow evaluation value C2.
  • the data processing unit 213 determines the amount of blood congestion measured at a predetermined timing (for example, every minute to every hour) on the day when the measurement unit 100 starts measurement (discharge date).
  • the average value of the time series data D1 is calculated.
  • the calculated value is simply referred to as “initial average value of time series data D1 of blood congestion”.
  • the data processing unit 213 subtracts the initial average value of the blood flow time series data D1 from the blood flow time series data D1 measured after the measurement unit 100 starts measurement (after discharge).
  • a value obtained by adding the initial value of the blood flow set by the initial value setting unit 212 is calculated.
  • the calculated value is simply referred to as “offset value of the time series data D1 of blood congestion”.
  • the data processing unit 213 calculates an average value obtained by averaging the offset values of the blood flow time series data D1 every predetermined period (for example, one day).
  • the calculated value is referred to as “an average value of the time series data D1 of the blood flow”.
  • the average value of the blood series time series data D1 includes the average value of the time series data D11 of the lung blood volume and the average value of the time series data D12 of the body blood volume.
  • the average value of the blood series time series data D1 indicates the amount of change from the initial value of the blood volume designated by the doctor.
  • the data processing unit 213 calculates an average value of the time-series data D2 of the blood flow volume of the limb measured every predetermined period (for example, one day).
  • the calculated value is simply referred to as “average value of time-series data D2 of the blood flow volume of the limbs”.
  • the pre-processing method of each time series data D1 and D2 by the data processing part 213 is not limited to the above.
  • the data processing unit 213 does not calculate the average value of each time series data D1, D2 measured every predetermined period, but the median value of each time series data D1, D2 measured every predetermined period, A minimum value, a maximum value, or the like may be calculated.
  • the evaluation part 214 mentioned later may calculate the congestion evaluation value C1 and the blood flow evaluation value C2 using the median value, minimum value, maximum value, etc. of the time series data D1, D2.
  • the evaluation unit 214 uses the average value of the time series data D11 of pulmonary congestion and the average value of the time series data D2 of blood flow of the limbs according to the level of pulmonary congestion and blood flow of the limbs of the patient P.
  • the first comprehensive evaluation value V1 is calculated in time series.
  • the evaluation unit 214 uses the average value of the time series data D12 of body blood flow and the average value of the time series data D2 of blood flow of the limbs to determine the degree of body blood flow and blood flow of the limbs.
  • the second comprehensive evaluation value V2 corresponding to is calculated in time series.
  • the first comprehensive evaluation value indicates the degree of exacerbation of left heart failure
  • the second comprehensive evaluation value V2 indicates the degree of exacerbation of right heart failure.
  • the evaluation unit 214 calculates the pulmonary congestion evaluation value C11 according to the degree of pulmonary congestion in time series using the average value of the time series data D11 of the pulmonary congestion.
  • the evaluation unit 214 divides the pulmonary congestion amount (for example, the value of the bioimpedance of the chest in advance) into a plurality of stages, and evaluates pulmonary congestion according to each stage. The number of points of the value C11 is determined.
  • the evaluation unit 214 divides the pulmonary congestion amount into 11 stages, and the pulmonary congestion evaluation value C11 is set to 0 to 10 points according to each stage.
  • the pulmonary congestion evaluation value C11 increases as the pulmonary congestion amount increases.
  • the pulmonary congestion evaluation value C11 is 9 points.
  • each value of Table 1 is an illustration, and the value of the pulmonary congestion evaluation value C11 is not limited to the value of Table 1.
  • the evaluation unit 214 does not calculate the pulmonary congestion evaluation value C11 using Table 1 above, for example, a conversion formula for converting the average value of the time series data D11 of the pulmonary congestion amount into the pulmonary congestion evaluation value C11. It may be used to calculate the pulmonary congestion evaluation value C11.
  • the evaluation unit 214 calculates the body congestion evaluation value C12 according to the degree of body congestion in a time series using the average value of the time series data D12 of body congestion.
  • the evaluation unit 214 divides the body congestion volume (for example, the value of the circumference of the limbs) into a plurality of stages in advance, and the body congestion according to each stage The number of points of the evaluation value C12 is determined.
  • the evaluation unit 214 divides the body congestion amount into 11 stages, and the body congestion evaluation value C12 is set to 0 to 10 points according to each stage.
  • the body congestion evaluation value C12 increases as the amount of body congestion increases.
  • the body congestion evaluation value C12 is 9 points.
  • each value of Table 2 is an illustration, and the value of the body congestion evaluation value C12 is not limited to the value of Table 2.
  • the evaluation unit 214 does not calculate the body congestion evaluation value C12 by using Table 2 above, but, for example, the average value of the time series data D12 of the body congestion amount as shown in the following formula 1 is used for body congestion.
  • the body congestion evaluation value C12 may be calculated using a conversion formula for conversion to the evaluation value C12.
  • the evaluation unit 214 calculates a blood flow evaluation value corresponding to the degree of blood flow of the limb in time series using the average value of the time series data D2 of the blood flow of the limb.
  • the evaluation unit 214 divides the blood flow volume of the limbs (indicating the temperature value of the limbs as an example) in advance into a plurality of stages, and the blood flow according to each stage.
  • the number of points of the evaluation value C2 is determined.
  • the evaluation unit 214 divides the blood flow of the limb into 11 stages, and the blood flow evaluation value C2 is 0 to 10 points according to each stage.
  • the blood flow evaluation value C2 increases as the blood flow volume of the limb decreases.
  • the blood flow evaluation value C2 is 9 points.
  • each value of Table 3 is an illustration, and the value of the blood flow evaluation value C2 is not limited to the value of Table 3.
  • the evaluation unit 214 does not calculate the blood flow evaluation value C2 using Table 3 above, but uses, for example, an average value of the time series data D2 of the blood flow as shown in the following Equation 2 for blood flow evaluation.
  • the blood flow evaluation value C2 may be calculated using a conversion formula for conversion to the value C2.
  • the evaluation unit 214 substitutes the calculated pulmonary congestion evaluation value C11 and the blood flow evaluation value C2 into the following expression 3 to calculate the first comprehensive evaluation value V1 according to the degree of pulmonary congestion and the blood flow volume of the limbs. To do.
  • the maximum value of the first comprehensive evaluation value V1 is 20 points, and the minimum value is 0 points. As the first comprehensive evaluation value V1 increases, the left heart failure tends to worsen.
  • the values of the weighting factors W 11 and W 12 are not particularly limited.
  • the weighting factors W 11 and W 12 can be set in accordance with the likelihood of pulmonary congestion and hypoperfusion in each patient within a range of 2 in total.
  • the weighting factors W 12 weighting coefficient W 11 For example, for patients prone better symptoms of pulmonary congestion than the decrease in blood flow limb, it can be weighting factors W 12 to a value larger than the weighting factor W 11.
  • the weighting coefficient values W 11 and W 12 can be set to 1 for patients who have no difference in symptom susceptibility due to a decrease in pulmonary congestion and blood flow in the limbs.
  • the values of the weighting factors W 11 and W 12 may be specified by the doctors A and B who are users, or the time series data D11 of pulmonary congestion and the time series data D2 of blood flow of the limbs and electronic
  • the evaluation unit 214 may automatically set from a medical record or the like.
  • the evaluation unit 214 substitutes the calculated body congestion evaluation value C12 and the blood flow evaluation value C2 into the following equation 4, and calculates a second comprehensive evaluation value V2 corresponding to the degree of body congestion and the blood flow volume of the limbs. To do.
  • the maximum value of the second comprehensive evaluation value V2 is 20 points, and the minimum value is 0 points. As the second comprehensive evaluation value V2 increases, the right heart failure tends to worsen.
  • the values of the weighting factors W 21 and W 22 are not particularly limited, but can be set in accordance with the likelihood of pulmonary congestion and hypoperfusion in the patient P within a range of 2 in total. For example, for patients prone better symptom body congestive than the decrease in blood flow limb, it can be a larger value than the weighting factors W 22 weighting coefficient W 21. For example, for limb blood flow prone patient P towards the symptoms of decline than body congestion, it can be weighting factors W 22 to a value larger than the weighting factor W 21. For example, the weighting coefficient values W 21 and W 22 can be set to 1 for a patient who has no difference in symptom susceptibility due to a decrease in blood flow between body congestion and limbs.
  • the values of the weighting coefficients W 21 and W 22 may be specified by the doctors A and B who are users, or the time series data D12 of body congestion and the time series data D2 of blood flow of the limbs and the electronic
  • the evaluation unit 214 may automatically set from a medical record or the like.
  • the prediction unit 215 predicts transitions of the first comprehensive evaluation value V1 and the second comprehensive evaluation value V2, using the first comprehensive evaluation value V1 and the second comprehensive evaluation value V2 in time series.
  • a method for predicting the transition of the first comprehensive evaluation value V1 and the second comprehensive evaluation value V2 will be described in detail.
  • the prediction unit 215 has a first comprehensive evaluation value V1 (a period t1 to t2) that is a predetermined period ⁇ t past the latest measurement time t2 of the time series data D1 and D2.
  • a first approximate expression F1 that approximates the time change (shown by a black circle in the figure) is obtained.
  • the prediction unit 215 has a second comprehensive evaluation value V2 (indicated by a black square in the figure) in a period (t1 to t2) that is a predetermined period ⁇ t later than the latest measurement time t2 of the time series data D1 and D2.
  • a second approximate expression F2 approximating the time change is obtained.
  • first approximate expression F1 and the second approximate expression F2 are linear functions as an example.
  • the first approximate expression F1 and the second approximate expression F2 are not limited to a linear function, and may be an n-order function, an exponential function, or the like including a quadratic function.
  • the prediction unit 215 applies a plurality of types of approximation equations to the time series data of the first comprehensive evaluation value V1 and the time series data of the second comprehensive evaluation value V2, and obtains the approximation equation having the highest approximation accuracy. It may be adopted.
  • the method by which the prediction unit 215 obtains the approximate expressions F1 and F2 is not particularly limited, but for example, a known regression analysis method such as a least square method can be used.
  • the prediction unit 215 may calculate a determination coefficient as the accuracy of the obtained approximate expression.
  • the prediction unit 215 calculates the slopes of two adjacent points during the period t1 to t2 in the graph of FIG. 6, and calculates the average value of the calculated slopes.
  • the slopes of the approximate expressions F1 and F2 may be calculated.
  • the prediction unit 215 predicts the first timing t3 at which the first comprehensive evaluation value V1 reaches the threshold value Vth using the first approximate expression F1.
  • the prediction unit 215 predicts the second timing t4 when the second comprehensive evaluation value V2 reaches the threshold value Vth using the second approximate expression F2.
  • the threshold value Vth can be set to a value at which the exacerbation of heart failure (left heart failure and right heart failure) has reached a predetermined level.
  • the threshold value Vth is set to a level that requires hospitalization treatment.
  • the threshold value Vth can be set to a level that requires a medical institution such as a level that requires a general physician or a specialist.
  • the prediction unit 215 sets a plurality of threshold values Vth corresponding to a plurality of levels such as a level requiring a general physician's visit, a level requiring a specialist's visit, a level requiring hospitalization, and the like.
  • the arrival timing may be predicted.
  • FIG. 6 shows the case where the threshold value Vth of the first comprehensive evaluation value V1 and the threshold value Vth of the second comprehensive evaluation value V2 are the same value (15 points).
  • the threshold value Vth of V1 and the threshold value Vth of the second comprehensive evaluation value V2 may be different values.
  • the predicting unit 215 determines that the first comprehensive evaluation value V1 and the second comprehensive evaluation value V2 reach the threshold value Vth when the slopes of the approximate expressions F1 and F2 are negative (that is, when heart failure does not tend to deteriorate). It is not necessary to calculate the timing to perform.
  • reports the information according to the prediction result of transition of the comprehensive evaluation values V1 and V2 of the prediction part 215 to the patient P and doctors A and B who are users.
  • the notification unit 216 changes the content to be notified according to the user.
  • the notifying unit notifies at least the earlier timing of the first timing t3 and the second timing t4. Further, the notification unit 216 notifies the recommended action to the patient P according to the period from the time of notification to the earlier timing of the first timing t3 and the second timing t4. For example, when the number of days from the time of notification to the earlier timing is within one day (that is, when the risk is high), the notification unit 216 immediately consults the medical institution to which the heart failure specialist A belongs to the patient P. Inform you that you should. Further, for example, when the number of days from the time of notification to the earlier timing is within 3 days, the notification unit 216 indicates that the medical institution to which the family doctor B belongs to the patient P should be consulted by the next day.
  • the notification unit 216 should receive the medical institution to which the family doctor B belongs to the patient P within one week. Is notified. In addition, for example, the notification unit 216 determines that the number of days from the time of notification to the earlier timing exceeds 7 days and the earlier timing is after the scheduled visit date, the primary doctor B for the patient P Notify the medical institution to which you should go to the hospital as scheduled.
  • the notification unit 216 When the user is the general physician B, the notification unit 216 notifies at least the earlier timing of the first timing t3 and the second timing t4. In addition, the notifying unit 216 plots time series data of the first comprehensive evaluation value V1, time series data of the second comprehensive evaluation value V2, approximate curves based on the approximate expressions F1 and F2, and the like on the general physician B. A graph (graph of FIG. 6), approximation accuracy, and the like may be provided.
  • the notification unit 216 may provide a graph or the like on which time series data D1 and D2 (actual measurement data) are plotted.
  • the method of notification by the notification unit 216 is not particularly limited.
  • the method of displaying on the display unit of the control unit 130 of the measurement unit 100 or the display units of the doctors A and B 310 and 320, a method of transmitting by voice, The method etc. which are transmitted to a certain patient P and the doctors A and B by e-mail are mentioned.
  • reporting part 216 does not need to change the content to alert
  • the notification unit 216 may notify all of the patients P and doctors A and B of at least the earlier timing of the first timing t3 and the second timing t4. Further, for example, the notification unit 216 notifies all of the patients P and doctors A and B to time series data of the first comprehensive evaluation value V1, time series data of the second comprehensive evaluation value V2, and the approximate expression F1. , A graph plotting an approximate curve based on F2 (graph of FIG. 6), approximation accuracy, and the like may be provided. Further, the notification unit 216 may notify a recommended action not only to the patient P but also to the doctors A and B.
  • FIG. 7 is a flowchart showing a support method according to the embodiment of the present invention.
  • the specialist A appropriately receives treatment according to the condition of the patient P Will be described as an example.
  • the outline of the support method according to the present embodiment will be described with reference to FIG. 7.
  • the initial value of the blood flow is set (setting step S1), the time series data D1 of blood flow of at least a part of the body of the patient P, and
  • the time series data D2 of the blood flow volume of the limbs is acquired (data acquisition step S2), the acquired time series data D1 and D2 are preprocessed (data processing step S3), and the comprehensive evaluation values V1 and V2 are calculated (evaluation).
  • Step S4) predicts the transition of the comprehensive evaluation values V1 and V2 (prediction step S5), and notifies the user of information according to the prediction result (notification step S6).
  • each step will be described in detail.
  • the setting step S1 is executed, for example, on the day when the patient P leaves the medical institution to which the specialist A belongs.
  • the patient P attaches the measuring units 110 and 120 of the measuring unit 100 to the body on the discharge date. Thereafter, the measurement unit 100 measures the pulmonary congestion volume, the body congestion volume, and the limb blood flow volume at a predetermined timing (for example, every minute to every hour). However, the measurement unit 100 may interrupt the measurement when the measurement units 110 and 120 are removed from the body of the patient P.
  • the initial value setting unit 212 instructs the specialist A to specify the initial value of the blood flow rate. For example, when the patient P's body congestion and pulmonary congestion are completely cured, the specialist A designates 0 (zero) as the initial value of the amount of congestion. In addition, for example, when the body congestion and pulmonary congestion of the patient P are not sufficiently healed, the specialist A designates a predetermined value corresponding to the level of the congestion as an initial value of the congestion. The initial value setting unit 212 sets an initial value for the blood flow rate based on the designated value.
  • the data acquisition step S2 to the provision step S5 are executed after discharge, for example.
  • the data acquisition unit 211 acquires the time series data D1 and D2 from the measurement unit 100 at a predetermined timing.
  • the timing at which the data acquisition unit 211 acquires the time-series data D1 and D2 from the measurement unit 100 is not particularly limited.
  • the data acquisition unit 211 is once a day or the patient P, who is a user,
  • Each time-series data D1 and D2 can be acquired from the measurement unit 100 at a timing when a prediction request for transition of the comprehensive evaluation values V1 and V2 is received from at least one of the doctors A and B.
  • step S3 pre-processing of each time series data D1, D2 is performed.
  • the data processing unit 213 calculates the average value of the blood series time series data D1 acquired on the discharge date (the initial average value of the blood series time series data D1).
  • the data processing unit 213 subtracts the initial average value of the blood flow time series data D1 from the time series data D1 of the blood flow obtained after discharge, and the blood flow of the blood flow set by the initial value setting unit 212.
  • a value obtained by adding the initial values (the offset value of the time series data D1 of the blood flow amount) is calculated.
  • the data processing unit 213 calculates the average value of the offset values of the blood flow time series data D1 acquired every predetermined period (for example, one day) (the average value of the blood flow time series data D1). .
  • the data processing unit 213 calculates an average value of the time-series data D2 of the temperature of the limbs acquired every predetermined period (for example, one day).
  • the data processing step S3 may be performed at a predetermined timing (for example, once a day), or there is a request for prediction of the comprehensive evaluation values V1 and V2 from the patients P and doctors A and B who are users. It may be performed at different times. Further, the order in which the time series data D1 and D2 are preprocessed is not limited to the above. For example, the preprocessing of the time-series data D2 of the blood flow volume of the limbs may be performed first. Further, the preprocessing of each time series data D1, D2 may be performed in parallel at the same time.
  • the evaluation unit 214 calculates a pulmonary congestion evaluation value C11 according to the degree of pulmonary congestion in a time series using the average value of the time series data D11 of pulmonary congestion.
  • the evaluation unit 214 calculates the body congestion evaluation value C12 according to the degree of body congestion in a time series using the average value of the time series data D12 of body congestion.
  • the evaluation unit 214 calculates a blood flow evaluation value C2 according to the degree of blood flow of the limb in time series using the average value of the time series data D2 of the blood flow of the limb.
  • the evaluation unit 214 substitutes the calculated pulmonary congestion evaluation value C11, body congestion evaluation value C12, and blood flow evaluation value C2 into the above formulas 3 and 4, and the degree of lung congestion and the blood flow volume of the limbs And a second comprehensive evaluation value V2 according to the degree of body congestion and the blood flow volume of the limbs.
  • the evaluation step S4 may be performed at a predetermined timing (for example, once a day), or the comprehensive evaluation values V1 and V2 are predicted from at least one of the patients P and doctors A and B who are users. It may be performed at the timing when requested. Further, the order of calculating the first comprehensive evaluation value V1 and the second comprehensive evaluation value V2 is not limited to the above. For example, the second comprehensive evaluation value V2 may be calculated first. Further, the calculation of the first comprehensive evaluation value V1 and the calculation of the second comprehensive evaluation value V2 may be performed simultaneously in parallel.
  • the prediction unit 215 sets time series data of the first comprehensive evaluation value V1 in a period (t1 to t2) that is a predetermined period ⁇ t later than the latest measurement time t2 of the time series data D1 and D2.
  • a first approximate expression F1 is obtained by approximating.
  • the prediction unit 215 calculates the accuracy of the obtained first approximate expression F1.
  • the prediction unit 215 approximates the time series data of the second comprehensive evaluation value V2 acquired in a period (t1 to t2) that is a predetermined period ⁇ t later than the latest measurement time t2 of the time series data D1 and D2.
  • a second approximate expression F2 is obtained.
  • the prediction unit 215 calculates the accuracy of the obtained second approximate expression F2.
  • the prediction unit 215 uses the first approximate expression F1 and the second approximate expression F2, and the first timing t3 when the first comprehensive evaluation value V1 reaches the threshold value and the second comprehensive evaluation A second timing t4 at which the value V2 reaches the threshold value is calculated.
  • the prediction step S5 may be performed at a predetermined timing (for example, once every four days), or the comprehensive evaluation values V1 and V2 are obtained from at least one of the patients P, doctors A, and B who are users. You may implement at the timing with the prediction request.
  • the order of obtaining the first approximate expression F1 and the second approximate expression F2 is not limited to the above.
  • the second approximate expression F2 may be obtained first.
  • the first approximate expression F1 and the second approximate expression F2 may be obtained simultaneously in parallel.
  • the notification unit 216 depends on at least the earlier timing of the first timing t3 and the second timing t4 and the period from when the notification is given to the earlier timing. Announce recommended actions. Therefore, the patient P can take an appropriate action according to the predicted worsening of future heart failure.
  • the notification unit 216 notifies at least the earlier timing of the first timing t3 and the second timing t4, and time-series data of the first comprehensive evaluation value V1
  • the time series data of the second comprehensive evaluation value V2 the graph in which the approximate curves based on the approximate expressions F1 and F2 are plotted, the accuracy of approximation, and the like are notified.
  • the general physician B can treat the patient P or allow the patient P to receive the treatment of the specialist A at an earlier stage than the heart failure of the patient P is significantly worsened.
  • the notification unit 216 can provide a graph in which time series data D1 and D2 (actual measurement data) are plotted. Therefore, the heart failure specialist A can easily grasp the pathology of the patient P, and can easily determine, for example, whether or not the patient P should be hospitalized, and whether left heart failure or right heart failure should be treated preferentially.
  • the notification step S6 may be performed at a predetermined timing (for example, once every four days), or the comprehensive evaluation values V1 and V2 are obtained from at least one of the patients P, doctors A, and B who are users. You may implement at the timing with the prediction request.
  • the measurement unit 100 may not start measurement from the discharge date when the patient P leaves the medical institution to which the specialist A belongs.
  • the measurement unit 100 may start measurement from the day when the patient P visits the clinic to which the doctor B belongs.
  • the steps S1 to S6 can be executed with the date of consultation as the date when the measurement unit 100 starts measurement. Steps S1 to S6 may be repeatedly executed at a predetermined timing.
  • the support system 10 is a support system that supports the prediction of aggravation of heart failure.
  • the support system 10 includes a data acquisition unit 211 that acquires time series data D1 of blood flow of at least a part of the body of the patient P, and time series data D2 of blood flow of the limbs of the patient, and a time series of blood flow.
  • a data acquisition unit 211 that acquires time series data D1 of blood flow of at least a part of the body of the patient P, and time series data D2 of blood flow of the limbs of the patient, and a time series of blood flow.
  • an evaluation unit 214 that calculates the comprehensive evaluation values V1 and V2 according to the degree of blood flow and the blood flow volume of the limb in time series
  • time series comprehensive evaluation A prediction unit 215 that predicts transitions of the comprehensive evaluation values V1 and V2 using the values V1 and V2.
  • the comprehensive evaluation values V1 and V2 that comprehensively evaluate the degree of blood congestion and the degree of blood flow of the patient are calculated in accordance with the Noria-Stevenson classification, and the calculated comprehensive evaluation value is used.
  • the transition of the comprehensive evaluation values V1 and V2 is predicted. Therefore, according to the support system 10, it is possible to support the prediction of heart failure exacerbation based on the Noria-Stevenson classification.
  • the blood series time series data D1 includes time series data D11 of the patient's lung blood volume and time series data D12 of the body blood volume of the patient.
  • the evaluation unit 214 obtains a first comprehensive evaluation value V1 corresponding to the degree of pulmonary congestion and the blood flow volume of the limbs, and a second comprehensive evaluation value V2 corresponding to the degree of body congestion and blood flow volume of the limbs. Calculate in time series.
  • the predicting unit 215 predicts transitions of the first comprehensive evaluation value V1 and the second comprehensive evaluation value V2 using the time-series first comprehensive evaluation value V1 and second comprehensive evaluation value V2. Therefore, the support system 10 can support prediction of both exacerbation of left heart failure and exacerbation of right heart failure.
  • the prediction unit 215 predicts timings t3 and t4 when the comprehensive evaluation values V1 and V2 reach the threshold values.
  • the support system 10 includes a notification unit 216 that notifies the user of timings t3 and t4 when the comprehensive evaluation values V1 and V2 reach the threshold value Vth. Therefore, the user can grasp the timings T1 and T2 when the comprehensive evaluation values V1 and V2 reach the threshold value Vth.
  • the prediction unit 215 predicts the first timing t3 when the first comprehensive evaluation value V1 reaches the threshold value Vth and the second timing t4 when the second comprehensive evaluation value V2 reaches the threshold value Vth.
  • the support system 10 includes a notification unit 216 that notifies the user of the earlier timing of the first timing t3 or the second timing t4. Therefore, the user can grasp the earlier timing of the first timing t3 or the second timing t4, and can easily grasp which treatment of left heart failure or right heart failure should be prioritized.
  • the notification unit 216 notifies the user of the recommended action according to the period from the time of notifying the timings t3 and t4 to the user until the timings t31 and t4. Therefore, the user can take an appropriate action according to the period up to the timings t31 and t4.
  • the prediction unit 215 obtains approximate expressions F1 and F2 that approximate the time-series comprehensive evaluation values V1 and V2. Thereby, the support system 10 can easily predict the transition of the comprehensive evaluation values V1 and V2.
  • the support system 10 includes a notification unit 216 that notifies the user of the degree of accuracy of approximation of the approximate expressions F1 and F2. Therefore, the user can grasp the validity of the prediction result of the support system 10.
  • the evaluation unit 214 calculates a blood stasis evaluation value C1 corresponding to the level of blood flow using the blood flow time series data D1, and uses the time series data D2 of the limb blood flow to calculate the blood flow volume of the limb.
  • a blood flow evaluation value C2 corresponding to the degree is calculated.
  • the prediction unit 215 calculates values obtained by adding together the congestion evaluation value C1 and the blood flow evaluation value C2 as comprehensive evaluation values V1 and V2. Therefore, the support system 10 can support prediction of future heart failure exacerbation using the comprehensive evaluation values V1 and V2 obtained by comprehensively evaluating the blood flow volume and the blood flow volume in accordance with the Noria-Stevenson classification.
  • the blood flow time series data D2 includes time series data of the temperature of the limb of the patient P and / or time series data of the color of the patient's limb. Therefore, the support system 10 can grasp the blood flow volume of the limb of the patient P based on the time series data of the temperature of the limb of the patient P and / or the time series of the color of the limb of the patient.
  • the support method according to the above embodiment is a support method that supports the prediction of aggravation of heart failure.
  • the support method acquires blood flow time series data D1 of at least a part of the body of the patient P and blood flow time series data D2 of the patient's limb, blood flow time series data D1, and blood flow volume.
  • the time series data D2 is used to calculate the comprehensive evaluation values V1 and V2 corresponding to the degree of blood congestion and the blood flow volume of the limbs in time series, and the time series comprehensive evaluation values V1 and V2 are used to calculate the future comprehensive values.
  • the transition of the evaluation values V1 and V2 is predicted.
  • the support program according to the above embodiment is a support program that supports the prediction of aggravation of heart failure.
  • the support program includes a procedure for acquiring time series data D1 of blood flow of at least a part of the body of the patient P, and time series data D2 of blood flow of the limb of the patient, time series data D1 of blood flow, and Using the time series data D2 of the blood flow volume, a procedure for calculating the comprehensive evaluation values V1 and V2 corresponding to the degree of blood flow and the blood flow volume of the limbs in time series, and the time series comprehensive evaluation values V1 and V2 And a procedure for predicting the transition of the future comprehensive evaluation values V1 and V2.
  • the recording medium MD is a computer-readable recording medium on which the support program is recorded.
  • the means and method for performing various processes in the support system may be realized by either a dedicated hardware circuit or a programmed computer.
  • the support program may be provided online via a network such as the Internet.
  • the support system is configured only by the server 200 of the above-described embodiment, and is combined with another measurement device capable of measuring parameters related to blood flow of at least a part of the patient's body and blood flow of the patient's limb. May be used (ie, the support system may not include the measurement unit 100).
  • each configuration of the server 200 has been described as being realized as one device, but the configuration of the device is not limited to this.
  • the server 200 may be composed of a plurality of servers, or may be virtually composed of a large number of servers installed at remote locations as a cloud server.
  • the CPU of the control unit of the measurement unit may function as a data acquisition unit, an evaluation unit, a prediction unit, a notification unit, and the like.
  • a support program may be installed in the user's operation terminal, and the CPU of the user's operation terminal may function as a data acquisition unit, an evaluation unit, a prediction unit, a notification unit, and the like.
  • the support system acquires time series data of only one of the lung congestion volume and the body congestion volume, and calculates only one of the first comprehensive evaluation value and the second comprehensive evaluation value. Also good. In addition, the support system may acquire time series data of both pulmonary congestion and body congestion and calculate only one of the first comprehensive evaluation value and the second comprehensive evaluation value. Good.
  • the method for calculating the comprehensive evaluation value is not limited to the above.
  • the comprehensive evaluation value may be a value obtained by adding together the pulmonary congestion evaluation value, the body congestion evaluation value, and the blood flow evaluation value. That is, the comprehensive evaluation value may be a value that comprehensively evaluates the level of pulmonary congestion, body congestion, and limb blood flow.
  • time series data may not be preprocessed before calculating the comprehensive evaluation value.
  • the prediction unit may simply calculate an approximate expression of the comprehensive evaluation value without calculating the timing at which the comprehensive evaluation value reaches the threshold value. Also in this case, the transition of the future comprehensive evaluation value can be predicted using the approximate expression calculated by the prediction unit.
  • the support system does not have to notify the user of the prediction result directly.
  • the support system may store information on the prediction result in a database accessible to the user so that each user can view it.
  • the user of the support system is not limited to patients and doctors as long as it is necessary to predict the progression of heart failure.
  • the user of the support system may include a nurse, a pharmacist, and the like.
  • the support system is not limited to a system used for examining a patient in cooperation with a specialist in heart failure and a general physician at a clinic as in the above embodiment.
  • the support system may be used by a plurality of specialists (for example, a cardiovascular specialist and a heart failure specialist) who belong to the same medical institution to examine one patient in cooperation.
  • the cardiologist may determine the discharge time of the patient according to the prediction result of the transition of the comprehensive evaluation value.
  • the support system is not limited to the one used for follow-up observation (prognosis management) after discharge of a patient who has once suffered from heart failure.
  • the support system may be applied to patients who are likely to have heart failure.
  • Support system 100 measurement unit 211 data acquisition unit, 214 Evaluation Department, 215 estimator, 216 reporting unit, A, B Doctor (user of support system), D1 Time series data of blood congestion, D11 Pulmonary congestion time-series data, D12 Time series data of body congestion D2 Time series data of blood flow volume of limbs, V1 first comprehensive evaluation value, V2 second comprehensive evaluation value, t3 first timing, t4 second timing, MD recording medium, P Patient (user of support system).

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Vascular Medicine (AREA)
  • Pulmonology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Hematology (AREA)
  • Optics & Photonics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類に基づいて、心不全の増悪予測を支援可能な支援システムを提供する。支援システム（１０）は、心不全の増悪予測を支援する支援システムである。支援システムは、患者Ｐの身体の少なくとも一部のうっ血量の時系列データＤ１、および、患者の肢体の血流量の時系列データＤ２を取得するデータ取得部（２１１）と、うっ血量の時系列データ、および、血流量の時系列データを用いて、うっ血量および肢体の血流量の程度に応じた総合評価値Ｖ１、Ｖ２を時系列で算出する評価部（２１４）と、時系列の総合評価値を用いて、総合評価値の推移を予測する予測部（２１５）と、を有する。

Description

支援システム、支援方法、支援プログラム、および支援プログラムを記録した記録媒体
　本発明は、心不全の増悪予測を支援する支援システム、支援方法、支援プログラム、および、支援プログラムを記録した記録媒体に関する。
　心不全は、心臓のポンプ機能が低下し、心拍出量の低下や、肺や体静脈系のうっ血等をきたす病態のことをいう。心不全を患った患者は、一度寛解しても、徐々に悪化して再入院を繰り返すことが多い。
　このような心不全の診断方法の一つとして、心不全の病態を４つに分類するＮｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類（下記非特許文献１参照）が知られている。Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類を用いた診断方法では、医師は、患者の身体のうっ血の有無および低灌流の有無（血液を身体に十分に拍出できているか否か）を身体的所見から判断し、患者の病態を分類する。
"２０１３　ＡＣＣＦ/ＡＨＡ　Ｇｕｉｄｅｌｉｎｅ　ｆｏｒ　ＴＨＥ　Ｍａｎａｇｅｍｅｎｔ　ｏｆ　Ｈｅａｒｔ　Ｆａｉｌｕｒｅ"、〔ｏｎｌｉｎｅ〕、米国心臓病学会財団（ＡＣＣＦ）、米国心臓協会（ＡＨＡ）、［平成３０年２月２０日検索］、インターネット〈ＵＲＬ：ｈｔｔｐ：//ｃｉｒｃ.ａｈａｊｏｕｒｎａｌｓ.ｏｒｇ/ｃｏｎｔｅｎｔ/１２８/１６/ｅ２４０〉
　Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類を用いた診断は、各医師の所見に基づいて行われ、医師の経験等に左右される。そのため、一例を挙げて説明すれば、心不全の専門医の治療を受けて寛解した患者を、診療所の一般内科医が経過観察する場合、一般内科医が適切な診断を行えず、患者の容態が悪化してから専門医の属する医療機関に運び込まれる場合がある。このように、Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類に基づいて、医師等が心不全の増悪予測を行うことは難しい。
　本発明は、上記事情に鑑みてなされたものであり、Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類に基づいて、心不全の増悪予測を支援可能な支援システム、支援方法、支援プログラム、および支援プログラムを記録した記録媒体を提供することを目的とする。
　上記目的を達成する本発明に係る支援システムは、心不全の増悪予測を支援する支援システムであって、患者の身体の少なくとも一部のうっ血量の時系列データ、および、前記患者の肢体の血流量の時系列データを取得するデータ取得部と、前記うっ血量の前記時系列データ、および、前記血流量の前記時系列データを用いて、前記うっ血量および前記肢体の前記血流量の程度に応じた総合評価値を時系列で算出する評価部と、時系列の前記総合評価値を用いて、前記総合評価値の推移を予測する予測部と、を有する。
　また、上記目的を達成する本発明に係る支援方法は、心不全の増悪予測を支援する支援方法であって、患者の身体の少なくとも一部のうっ血量の時系列データ、および、前記患者の肢体の血流量の時系列データを取得し、前記うっ血量の前記時系列データ、および、前記血流量の前記時系列データを用いて、前記うっ血量および前記肢体の前記血流量の程度に応じた総合評価値を時系列で算出し、時系列の前記総合評価値を用いて、前記総合評価値の推移を予測する。
　また、上記目的を達成する本発明に係る支援プログラムは、心不全の増悪予測を支援する支援プログラムであって、患者の身体の少なくとも一部のうっ血量の時系列データ、および、前記患者の肢体の血流量の時系列データを取得する手順と、前記うっ血量の前記時系列データ、および、前記血流量の前記時系列のデータを用いて、前記うっ血量および前記肢体の前記血流量の程度に応じた総合評価値を時系列で算出する手順と、時系列の前記総合評価値を用いて、前記総合評価値の推移を予測する手順と、を実行する。
　また、上記目的を達成する本発明に係る記録媒体は、上記の支援プログラムが記録されたコンピュータ読み取り可能な記録媒体である。
　本発明によれば、Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類に基づいて、心不全の増悪予測を支援できる。
本発明の実施形態に係る支援システムの概要を示す図である。 Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類表を示す図である。 本発明の実施形態に係る支援システムの備えるサーバのハードウェア構成を示すブロック図である。 本発明の実施形態に係る支援システムの備えるサーバのＣＰＵの機能構成を示すブロック図である。 本発明の実施形態に係る支援システムが扱うデータの説明に供する図である。 本発明の実施形態に係る支援システムのデータ処理の説明に供する図である。 本発明の実施形態に係る支援システムの心不全の増悪の予測の説明に供する図である。 本発明の実施形態に係る支援方法を示すフローチャートである。
 
　以下、添付した図面を参照して、本発明の実施形態を説明する。なお、図面の説明において、同一の要素には同一の符号を付し、重複する説明を省略する。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。
　図１は、本実施形態に係る支援システム１０の全体構成の説明に供する図である。図２は、Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類の説明に供する図である。図３、図４は、支援システム１０の各部の説明に供する図である。図５Ａ～図６は、支援システム１０が扱うデータの説明に供する図である。
　支援システム１０は、図１に示すように、本実施形態では、Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類に即して心不全の増悪予測を行い、使用者である患者Ｐ、医師Ａ、Ｂ等を支援するシステムとして構成している。支援システム１０は、特に限定されないが、例えば、心不全の専門医Ａの治療を受けて寛解した患者Ｐを、診療所の一般内科医Ｂが経過観察し、患者Ｐの容態に応じて専門医Ａに治療を適宜受けさせる際等に使用される。
　Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類は、図２に示すように、患者Ｐの身体のうっ血の有無および低灌流の有無（身体に血液を拍出できているか否か）に基づいて心不全の病態を、４つに分類するものである。一つ目の病態は、うっ血および低灌流の無いＷａｒｍ＆Ｄｒｙ（図２の左上）である。二つ目の病態は、うっ血が有り、かつ、低灌流が無いＷａｒｍ＆Ｗｅｔ（図２の右上）である。三つ目の病態は、うっ血が無く、かつ、低灌流が有るＣｏｌｄ＆Ｄｒｙ（図２の左下）である。四つ目の病態は、うっ血および低灌流が有るＣｏｌｄ＆Ｗｅｔ（図２の右下）である。Ｗａｒｍ＆Ｄｒｙが患者Ｐの容態が良好な状態であり、Ｗａｒｍ＆Ｗｅｔ、Ｃｏｌｄ＆Ｄｒｙ、Ｃｏｌｄ＆Ｗｅｔ（特にＣｏｌｄ＆Ｗｅｔ）が患者Ｐの容態が悪化した状態である。このように、Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類は、患者Ｐのうっ血の程度と低灌流の程度を総合的に判断することによって行われる。
　支援システム１０は、図１を参照して概説すると、患者Ｐの身体の少なくとも一部のうっ血量および肢体の血流量を測定する測定ユニット１００と、測定ユニット１００および医師Ａ、Ｂの操作端末３１０、３２０にネットワーク（図中破線で示す）を介して接続され、測定ユニット１００および操作端末３１０、３２０との間でデータの送受信を行うサーバ２００と、を有する。以下、支援システム１０の各部について詳述する。
　（測定ユニット）
　測定ユニット１００は、患者の身体の少なくとも一部のうっ血量を測定可能なうっ血測定部１１０と、患者の肢体の血流量を測定可能な血流量測定部１２０と、これらの動作を制御する制御部１３０と、を有する。以下、測定ユニット１００の各部について詳述する。
　各測定部１１０、１２０は、本実施形態では、いずれもウェアラブルな機器によって構成しており、患者Ｐの身体に取付けられて所定のタイミングで測定を行う。各測定部１１０、１２０が測定を行うタイミングは特に限定されないが、例えば、各測定部１１０、１２０を患者Ｐが装着した状態で、一分毎から一時間毎に測定を行うことができる。また、患者の容態に応じて、測定タイミングは適宜設定できるようにしてもよい。なお、各測定部１１０、１２０は、ウェアラブルな機器によって構成しなくてもよい。
　うっ血測定部１１０は、本実施形態では、患者Ｐの肺うっ血量を測定可能な肺うっ血測定部１１１および患者Ｐの体うっ血量を測定可能な体うっ血測定部１１２と、を備えている。肺うっ血測定部１１１は、患者Ｐの肺うっ血量を測定可能な限り特に限定されないが、例えば、胸部インピーダンス、超音波、マイクロフォン、経皮的動脈決酸素飽和度、局所組織酸素飽和度等を用いて患者Ｐの肺の水分量を測定可能な公知の機器によって構成できる。体うっ血測定部１１２は、患者Ｐの体うっ血量を測定可能な限り特に限定されないが、例えば、患者Ｐの肢体（図では足）の周長または患者Ｐの肢体のバイオインピーダンスを測定することで肢体の浮腫み量を測定可能な公知の機器によって構成できる。
　血流量測定部１２０は、本実施形態では、患者Ｐの肢体（足）の血流量の変化に伴う体表温の変化（四肢冷感）を測定可能な公知の温度センサによって構成している。ただし、血流量測定部１２０は、患者Ｐの肢体における血流量を直接的または間接的に測定できるものである限り特に限定されない。例えば、血流量測定部１２０は、患者Ｐの肢体の酸素量変化（血流量変化）に伴う色の変化を測定可能なカメラ等の公知の機器によって構成してもよい。また、血流量測定部１２０は、患者Ｐの肢体の温度および色の両方を測定してもよい。
　制御部１３０は、各測定部１１０、１２０に無線通信ネットワーク（図中破線で示す）を介して接続しており、各測定部１１０、１２０の測定動作を制御するとともに、各測定部１１０、１２０から測定データを取得し、サーバ２００に送信する。
　（サーバ）
　サーバ２００は、図３に示すように、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）２１０、記憶部２２０、入出力Ｉ／Ｆ２３０、通信部２４０、および読み取り部２５０を備えている。ＣＰＵ２１０、記憶部２２０、入出力Ｉ／Ｆ２３０、通信部２４０、および読み取り部２５０は、バス２６０に接続されており、バス２６０を介して相互にデータ等をやり取りする。以下、各部について説明する。
　ＣＰＵ２１０は、記憶部２２０に記憶されている各種プログラムに従って、各部の制御や各種の演算処理などを実行する。
　記憶部２２０は、各種プログラムや各種データを記憶するＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、作業領域として一時的にプログラムやデータを記憶するＲＡＭ（Ｒａｎｄａｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、オペレーティングシステムを含む各種プログラムや各種データを記憶するハードディスク等によって構成している。記憶部２２０は、支援プログラム等の各種プログラムおよび各種データを記憶している。
　通信部２４０は、測定ユニット１００および医師Ａ、Ｂの操作端末３１０、３２０等と通信するためのインターフェースである。
　読み取り部２５０は、コンピュータ読み取り可能な記録媒体ＭＤ（図１参照）に記録された支援プログラム等を読み取る。コンピュータ読み取り可能な記録媒体ＭＤは、特に限定されないが、例えば、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ等の光ディスク、ＵＳＢメモリ、ＳＤメモリーカード等によって構成できる。読み取り部２５０は、特に限定されないが、例えば、ＣＤ－ＲＯＭドライブ、ＤＶＤ－ＲＯＭドライブ等によって構成できる。
　次に、ＣＰＵ２１０の主要な機能について説明する。
　ＣＰＵ２１０は、記憶部２２０に記憶されている支援プログラムを実行することによって、図４に示すように、データ取得部２１１、初期値設定部２１２、データ処理部２１３、評価部２１４、予測部２１５、報知部２１６（「結果報知部」および「精度報知部」に相当）として機能する。以下、各部について説明する。
　まず、データ取得部２１１について説明する。
　データ取得部２１１は、本実施形態では、図５Ａに示すように、測定ユニット１００から、患者Ｐの身体の少なくとも一部のうっ血量の時系列データＤ１（以下、単に「うっ血量の時系列データＤ１」と称する）と、患者Ｐの肢体の血流量の時系列データＤ２と、を取得する。
　うっ血量の時系列データＤ１は、本実施形態では、肺うっ血量の時系列データＤ１１および体うっ血量の時系列データＤ１２を含む。
　肢体の血流量の時系列データＤ２は、本実施形態では、肢体の温度の時系列データを含む。
　取得されたうっ血量の時系列データＤ１、および、肢体の血流量の時系列データＤ２は、図５Ａに示すように、測定時刻ごとに紐づけられた状態で、記憶部２２０に記憶される。
　次に、初期値設定部２１２について説明する。
　初期値設定部２１２は、本実施形態では、測定ユニット１００が測定を開始する日の患者Ｐのうっ血の程度に応じて、うっ血量の初期値を指定するように使用者に指示する。初期値設定部２１２は、使用者に指示された値にうっ血量の初期値を設定する。
　具体的には、例えば、患者Ｐが心不全の専門医Ａの属する医療機関を退院する日（以下単に「退院日」と称する）から測定ユニット１００が測定を行う場合、退院日に患者Ｐの肺うっ血および体うっ血が完治していれば、使用者である医師Ａは、肺うっ血量および体うっ血量の初期値を０（ゼロ）に指定する。また、例えば、退院日に患者Ｐの肺うっ血および体うっ血が十分に治癒していない場合、使用者である医師Ａは、退院日の患者Ｐの肺うっ血および体うっ血の程度に応じた所定の値を肺うっ血量および体うっ血量の初期値として指定する。
　次にデータ処理部２１３について説明する。
　データ処理部２１３は、後述する評価部２１４がうっ血評価値Ｃ１および血流評価値Ｃ２を算出する前に、各時系列データＤ１、Ｄ２の前処理を行う。
　データ処理部２１３は、図５Ｂに示すように、測定ユニット１００が測定を開始した日（退院日）に、所定のタイミングで（例えば、一分毎から一時間毎に）測定されたうっ血量の時系列データＤ１の平均値を算出する。以下、算出した値を単に「うっ血量の時系列データＤ１の初回平均値」と称する。
　次に、データ処理部２１３は、測定ユニット１００が測定を開始した日より後（退院後）に測定されたうっ血量の時系列データＤ１から、うっ血量の時系列データＤ１の初回平均値を差し引き、かつ、初期値設定部２１２が設定したうっ血量の初期値を加算した値を算出する。以下、算出した値を、単に「うっ血量の時系列データＤ１のオフセット値」と称する。
　次に、データ処理部２１３は、所定期間（例えば、一日）ごとに、うっ血量の時系列データＤ１のオフセット値を平均した平均値を算出する。以下、算出した値を、「うっ血量の時系列データＤ１の平均値」と称する。なお、うっ血量の時系列データＤ１の平均値には、肺うっ血量の時系列データＤ１１の平均値および体うっ血量の時系列データＤ１２の平均値が含まれている。このように、うっ血量の時系列データＤ１の平均値は、医師の指定したうっ血量の初期値からの変化量を示す。
　データ処理部２１３は、所定期間（例えば、一日）ごとに測定された肢体の血流量の時系列データＤ２の平均値を算出する。以下、算出した値を単に「肢体の血流量の時系列データＤ２の平均値」と称する。
　なお、データ処理部２１３による、各時系列データＤ１、Ｄ２の前処理方法は、上記に限定されない。例えば、データ処理部２１３は、所定期間ごとに測定された各時系列データＤ１、Ｄ２の平均値を算出するのではなく、所定期間ごとに測定された各時系列データＤ１、Ｄ２の中央値、最小値、最大値等を算出してもよい。そして、後述する評価部２１４は、時系列データＤ１、Ｄ２の中央値、最小値、最大値等を用いて、うっ血評価値Ｃ１および血流評価値Ｃ２を算出してもよい。
　次に、評価部２１４について説明する。
　評価部２１４は、肺うっ血量の時系列データＤ１１の平均値、および、肢体の血流量の時系列データＤ２の平均値を用いて、患者Ｐの肺うっ血量および肢体の血流量の程度に応じた第１の総合評価値Ｖ１を時系列で算出する。また、評価部２１４は、体うっ血量の時系列データＤ１２の平均値、および、肢体の血流量の時系列データＤ２の平均値を用いて、患者Ｐの体うっ血量および肢体の血流量の程度に応じた第２の総合評価値Ｖ２を時系列で算出する。第１の総合評価値は、左心不全の増悪の程度を示し、第２の総合評価値Ｖ２は、右心不全の増悪の程度を示す。以下、第１の総合評価値Ｖ１および第２の総合評価値Ｖ２の算出方法について詳述する。
　評価部２１４は、肺うっ血量の時系列データＤ１１の平均値を用いて、肺うっ血の程度に応じた肺うっ血評価値Ｃ１１を時系列で算出する。評価部２１４は、本実施形態では、下記表１のように、あらかじめ肺うっ血量（例として胸部の生体インピーダンスの値を示している）を複数の段階に分け、各段階に応じて肺うっ血評価値Ｃ１１のポイント数を定めている。本実施形態では、評価部２１４は、肺うっ血量を１１段階に分け、各段階に応じて、肺うっ血評価値Ｃ１１が０～１０ポイントとなるようにしている。肺うっ血評価値Ｃ１１は、肺うっ血量が大きくなるほど、大きくなる。例えば、ある日の肺うっ血量（胸部の生体インピーダンス）の時系列データＤ１１の平均値が４５Ωであった場合、肺うっ血評価値Ｃ１１は、９ポイントとなる。なお、表１の各値は例示であり、肺うっ血評価値Ｃ１１の値は表１の値に限定されない。
Figure JPOXMLDOC01-appb-T000001
　なお、評価部２１４は、上記表１を用いて肺うっ血評価値Ｃ１１を算出するのではなく、例えば、肺うっ血量の時系列データＤ１１の平均値を肺うっ血評価値Ｃ１１に換算する換算式を用いて、肺うっ血評価値Ｃ１１を算出してもよい。
　評価部２１４は、体うっ血量の時系列データＤ１２の平均値を用いて、体うっ血の程度に応じた体うっ血評価値Ｃ１２を時系列で算出する。評価部２１４は、本実施形態では、下記表２に示すように、あらかじめ体うっ血量（例として肢体の周長の値を示している）を複数の段階に分け、各段階に応じて体うっ血評価値Ｃ１２のポイント数を定めている。本実施形態では、評価部２１４は、体うっ血量を１１段階に分け、各段階に応じて体うっ血評価値Ｃ１２が０～１０ポイントとなるようにしている。体うっ血評価値Ｃ１２は、体うっ血量が大きくなるほど、大きくなる。例えば、ある日の体うっ血量（肢体の周長）の時系列データＤ１２の平均値が４５ｍｍであった場合、体うっ血評価値Ｃ１２は、９ポイントとなる。なお、表２の各値は例示であり、体うっ血評価値Ｃ１２の値は表２の値に限定されない。
Figure JPOXMLDOC01-appb-T000002
　なお、評価部２１４は、上記表２を用いて体うっ血評価値Ｃ１２を算出するのではなく、例えば、下記の式１に示すような、体うっ血量の時系列データＤ１２の平均値を体うっ血評価値Ｃ１２に換算する換算式を用いて、体うっ血評価値Ｃ１２を算出してもよい。
Figure JPOXMLDOC01-appb-M000003
　評価部２１４は、肢体の血流量の時系列データＤ２の平均値を用いて、肢体の血流量の程度に応じた血流評価値を時系列で算出する。評価部２１４は、本実施形態では、下記表３に示すように、あらかじめ肢体の血流量（例として肢体の温度の値を示している）を複数の段階に分け、各段階に応じて血流評価値Ｃ２のポイント数を定めている。評価部２１４は、本実施形態では、肢体の血流量を１１段階に分け、各段階に応じて、血流評価値Ｃ２が０～１０ポイントとなるようにしている。血流評価値Ｃ２は、肢体の血流量が小さくなるほど、大きくなる。例えば、ある日の肢体の血流量の時系列データＤ２の平均値が２４℃であった場合、血流評価値Ｃ２は、９ポイントとなる。なお、表３の各値は例示であり、血流評価値Ｃ２の値は表３の値に限定されない。
Figure JPOXMLDOC01-appb-T000004
　なお、評価部２１４は、上記表３を用いて血流評価値Ｃ２を算出するのではなく、例えば、下記の式２に示すような、血流量の時系列データＤ２の平均値を血流評価値Ｃ２に換算する換算式を用いて、血流評価値Ｃ２を算出してもよい。
Figure JPOXMLDOC01-appb-M000005
　評価部２１４は、算出した肺うっ血評価値Ｃ１１および血流評価値Ｃ２を下記の式３に代入して、肺うっ血量および肢体の血流量の程度に応じた第１の総合評価値Ｖ１を算出する。本実施形態では、第１の総合評価値Ｖ１の最大値は２０ポイントであり、かつ、最小値は０ポイントである。第１の総合評価値Ｖ１が大きくなるほど、左心不全が悪化する傾向にある。
Figure JPOXMLDOC01-appb-M000006
　各重みづけ係数Ｗ１１、Ｗ１２の値は、特に限定されないが、例えば、足し合わせて２となる範囲で、各患者の肺うっ血と低灌流の症状の出やすさに応じて設定できる。例えば、肢体の血流量の低下よりも肺うっ血の症状のほうが出やすい患者に対しては、重みづけ係数Ｗ１１を重みづけ係数Ｗ１２よりも大きな値にすることができる。例えば、肺うっ血よりも肢体の血流量の低下の症状のほうが出やすい患者に対しては、重みづけ係数Ｗ１２を重みづけ係数Ｗ１１よりも大きな値にすることができる。例えば、肺うっ血と肢体の血流量の低下で症状の出やすさに差がない患者に対しては、重みづけ係数の値Ｗ１１、Ｗ１２を１に設定できる。重みづけ係数Ｗ１１、Ｗ１２の値は、使用者である医師Ａ、Ｂが指定してもよいし、肺うっ血量の時系列データＤ１１および肢体の血流量の時系列データＤ２の値や電子カルテ等から評価部２１４が自動的に設定してもよい。
　評価部２１４は、算出した体うっ血評価値Ｃ１２および血流評価値Ｃ２を下記の式４に代入して、体うっ血量および肢体の血流量の程度に応じた第２の総合評価値Ｖ２を算出する。本実施形態では、第２の総合評価値Ｖ２の最大値は２０ポイントであり、かつ、最小値は０ポイントである。第２の総合評価値Ｖ２が大きくなるほど、右心不全が悪化する傾向にある。
Figure JPOXMLDOC01-appb-M000007
　各重みづけ係数Ｗ２１、Ｗ２２の値は、特に限定されないが、足し合わせて２となる範囲で、患者Ｐの肺うっ血と低灌流の症状の出やすさに応じて設定できる。例えば、肢体の血流量の低下よりも体うっ血の症状のほうが出やすい患者に対しては、重みづけ係数Ｗ２１を重みづけ係数Ｗ２２よりも大きな値にすることができる。例えば、体うっ血よりも肢体の血流量の低下の症状のほうが出やすい患者Ｐに対しては、重みづけ係数Ｗ２２を重みづけ係数Ｗ２１よりも大きな値にすることができる。例えば、体うっ血と肢体の血流量の低下で症状の出やすさに差がない患者に対しては、重みづけ係数の値Ｗ２１、Ｗ２２を１に設定できる。重みづけ係数Ｗ２１、Ｗ２２の値は、使用者である医師Ａ、Ｂが指定してもよいし、体うっ血量の時系列データＤ１２および肢体の血流量の時系列データＤ２の値や電子カルテ等から評価部２１４が自動的に設定してもよい。
　次に、予測部２１５について説明する。
　予測部２１５は、時系列の第１の総合評価値Ｖ１および第２の総合評価値Ｖ２を用いて、第１の総合評価値Ｖ１および第２の総合評価値Ｖ２の推移を予測する。以下、第１の総合評価値Ｖ１および第２の総合評価値Ｖ２の推移の予測方法について詳述する。
　予測部２１５は、本実施形態では、図６に示すように、時系列データＤ１、Ｄ２の最新の測定時ｔ２から所定期間Δｔ遡った期間（ｔ１～ｔ２）の第１の総合評価値Ｖ１（図中黒塗りの丸で示す）の時間変化を近似した第１の近似式Ｆ１を求める。また、予測部２１５は、時系列データＤ１、Ｄ２の最新の測定時ｔ２から所定期間Δｔ遡った期間（ｔ１～ｔ２）の第２の総合評価値Ｖ２（図中黒塗りの四角で示す）の時間変化を近似した第２の近似式Ｆ２を求める。なお、図６には、例として、第１の近似式Ｆ１および第２の近似式Ｆ２が一次関数である場合を示している。ただし、第１の近似式Ｆ１および第２の近似式Ｆ２は一次関数に限定されず、２次関数等を含むｎ次関数や指数関数等であってもよい。また、例えば、予測部２１５は、第１の総合評価値Ｖ１の時系列データおよび第２の総合評価値Ｖ２の時系列データに複数種類の近似式を適用し、最も近似精度の高い近似式を採用してもよい。
　予測部２１５が、近似式Ｆ１、Ｆ２を求める方法は特に限定されないが、例えば、最小二乗法等の公知の回帰分析の手法を用いることができる。また、予測部２１５は、求めた近似式の精度として、決定係数を算出してもよい。また、近似式Ｆ１、Ｆ２が一次関数である場合、予測部２１５は、図６のグラフにおいて、期間ｔ１～ｔ２の間の隣り合う２点の傾きをそれぞれ算出し、算出した傾きの平均値を近似式Ｆ１、Ｆ２の傾きとして算出してもよい。
　予測部２１５は、図６に示すように、第１の近似式Ｆ１を用いて、第１の総合評価値Ｖ１が閾値Ｖｔｈに到達する第１のタイミングｔ３を予測する。予測部２１５は、第２の近似式Ｆ２を用いて、第２の総合評価値Ｖ２が閾値Ｖｔｈに到達する第２のタイミングｔ４を予測する。閾値Ｖｔｈは、心不全（左心不全および右心不全）の増悪が所定のレベルに到達した値に設定することができる。本実施形態では、閾値Ｖｔｈは、入院治療が必要なレベルに設定している。ただし、閾値Ｖｔｈは、例えば、一般内科医の受診が必要なレベル、専門医の受診が必要なレベル等の各種医療機関の受診が必要なレベルに設定できる。また、予測部２１５は、一般内科医の受診が必要なレベル、専門医の受診が必要なレベル、入院が必要なレベル等の複数のレベルに対応する複数の閾値Ｖｔｈを設定し、各閾値Ｖｔｈに到達するタイミングを予測してもよい。なお、図６では、第１の総合評価値Ｖ１の閾値Ｖｔｈと、第２の総合評価値Ｖ２の閾値Ｖｔｈが同じ値（１５ポイント）である場合を示しているが、第１の総合評価値Ｖ１の閾値Ｖｔｈと第２の総合評価値Ｖ２の閾値Ｖｔｈは異なる値であってもよい。
　なお、予測部２１５は、近似式Ｆ１、Ｆ２の傾きがマイナスである場合（すなわち心不全が増悪傾向にない場合）、第１の総合評価値Ｖ１および第２の総合評価値Ｖ２が閾値Ｖｔｈに到達するタイミングを算出しなくてもよい。
　次に、報知部２１６について説明する。
　報知部２１６は、使用者である患者Ｐ、医師Ａ、Ｂに、予測部２１５の総合評価値Ｖ１、Ｖ２の推移の予測結果に応じた情報を報知する。報知部２１６は、本実施形態では、使用者に応じて、報知する内容を変更する。
　報知部は、使用者が患者Ｐである場合、第１のタイミングｔ３および第２のタイミングｔ４のうち少なくとも早い方のタイミングを報知する。また、報知部２１６は、報知を行う時から第１のタイミングｔ３および第２のタイミングｔ４のうち早い方のタイミングまでの期間に応じて、患者Ｐに推奨されるアクションを報知する。例えば、報知部２１６は、報知を行う時から早い方のタイミングまでの日数が１日以内である場合（すなわちリスクが高い場合）、患者Ｐに対して直ちに心不全の専門医Ａの属する医療機関を受診すべき旨を報知する。また、例えば、報知部２１６は、報知を行う時から早い方のタイミングまでの日数が３日以内である場合、患者Ｐに対してかかりつけ医Ｂの属する医療機関を翌日までに受診すべき旨を報知する。また、例えば、報知部２１６は、報知を行う時から早い方のタイミングまでの日数が７日以内である場合、患者Ｐに対してかかりつけ医Ｂの属する医療機関を一週間以内に受診すべき旨を報知する。また、例えば、報知部２１６は、報知を行う時から早い方のタイミングまでの日数が７日を超え、かつ、早いほうのタイミングが来院予定日以降である場合、患者Ｐに対してかかりつけ医Ｂの属する医療機関に予定通り通院すべき旨を報知する。
　報知部２１６は、使用者が一般内科医Ｂである場合、第１のタイミングｔ３および第２のタイミングｔ４のうち少なくとも早い方のタイミングを報知する。また報知部２１６は、一般内科医Ｂに、第１の総合評価値Ｖ１の時系列データ、第２総合評価値Ｖ２の時系列データ、および、近似式Ｆ１、Ｆ２に基づく近似曲線等をプロットしたグラフ（図６のグラフ）や近似の精度等を提供してもよい。
　報知部２１６は、使用者が心不全の専門医Ａである場合、時系列データＤ１、Ｄ２（実測データ）をプロットしたグラフ等を提供してもよい。
　報知部２１６が報知する方法は特に限定されないが、例えば、測定ユニット１００の制御部１３０の表示部や医師Ａ、Ｂの３１０、３２０の表示部に表示する方法、音声で伝える方法、使用者である患者Ｐ、医師Ａ、Ｂにメールで送信する方法等が挙げられる。
　なお、報知部２１６は、使用者に応じて報知する内容を変更しなくてもよい。例えば、報知部２１６は、患者Ｐ、医師Ａ、Ｂの全員に、第１のタイミングｔ３、第２のタイミングｔ４のうち少なくとも早いほうのタイミングを報知してもよい。また、例えば、例えば、報知部２１６は、患者Ｐ、医師Ａ、Ｂの全員に、第１の総合評価値Ｖ１の時系列データ、第２総合評価値Ｖ２の時系列データ、および、近似式Ｆ１、Ｆ２に基づく近似曲線等をプロットしたグラフ（図６のグラフ）や近似の精度等を提供してもよい。また、報知部２１６は、患者Ｐだけでなく、医師Ａ、Ｂに対しても推奨されるアクションを報知してもよい。
　（支援方法）
　次に、本実施形態に係る支援方法について説明する。図７は本発明の実施形態に係る支援方法を示すフローチャートである。ここでは、患者Ｐが専門医Ａの属する医療機関を退院し、退院した患者Ｐを診療所の一般内科医Ｂが経過観察しながら、患者Ｐの容態に応じて専門医Ａに治療を適宜受けさせる場合を例に説明する。
　本実施形態に係る支援方法は、図７を参照して概説すると、うっ血量の初期値を設定し（設定ステップＳ１）、患者Ｐの身体の少なくとも一部のうっ血量の時系列データＤ１、および、肢体の血流量の時系列データＤ２を取得し（データ取得ステップＳ２）、取得した時系列データＤ１、Ｄ２を前処理し（データ処理ステップＳ３）、総合評価値Ｖ１、Ｖ２を算出し（評価ステップＳ４）、総合評価値Ｖ１、Ｖ２の推移を予測し（予測ステップＳ５）、予測結果に応じた情報を使用者に報知する（報知ステップＳ６）。以下、各ステップについて詳述する。
　まず、設定ステップＳ１について説明する。設定ステップＳ１は、例えば、患者Ｐが専門医Ａの属する医療機関を退院する日に、実行される。
　患者Ｐは、退院日に、測定ユニット１００の各測定部１１０、１２０を身体に取り付ける。なお、以降、測定ユニット１００は、所定のタイミングで（例えば１分毎～１時間毎に）、肺うっ血量、体うっ血量、肢体の血流量を測定する。ただし、測定ユニット１００は、各測定部１１０、１２０が患者Ｐの身体から取り外されている場合は、測定を中断してもよい。
　初期値設定部２１２は、専門医Ａに、うっ血量の初期値の値を指定するように指示する。専門医Ａは、例えば、患者Ｐの体うっ血および肺うっ血が完治している場合、うっ血量の初期値として０（ゼロ）を指定する。また、専門医Ａは、例えば、患者Ｐの体うっ血および肺うっ血が十分に治癒していない場合、うっ血量の程度に応じた所定の値をうっ血量の初期値として指定する。初期値設定部２１２は、指定された値に基づいて、うっ血量の初期値を設定する。
　次に、データ取得ステップＳ２～提供ステップＳ５について説明する。データ取得ステップＳ２～提供ステップＳ５は、例えば、退院後に実行される。
　まず、データ取得ステップＳ２について説明する。
　データ取得部２１１は、所定のタイミングで、測定ユニット１００から各時系列データＤ１、Ｄ２を取得する。データ取得部２１１が測定ユニット１００から各時系列データＤ１、Ｄ２を取得するタイミングは特に限定されないが、例えば、データ取得部２１１は、一日に１回毎、または、使用者である患者Ｐ、医師Ａ、Ｂの少なくともいずれか一人から総合評価値Ｖ１、Ｖ２の推移の予測要求があったタイミング等に、測定ユニット１００から各時系列データＤ１、Ｄ２を取得できる。
　次に、データ処理ステップＳ３について説明する。
　データ処理ステップＳ３では、各時系列データＤ１、Ｄ２の前処理が行われる。
　まず、データ処理部２１３は、図５Ｂに示すように、退院日に取得されたうっ血量の時系列データＤ１の平均値（うっ血量の時系列データＤ１の初回平均値）を算出する。次に、データ処理部２１３は、退院後に取得されたうっ血量の時系列データＤ１から、うっ血量の時系列データＤ１の初回平均値を差し引き、かつ、初期値設定部２１２が設定したうっ血量の初期値を加算した値（うっ血量の時系列データＤ１のオフセット値）を算出する。次に、データ処理部２１３は、所定期間（例えば、一日）ごとに取得されたうっ血量の時系列データＤ１のオフセット値の平均値（うっ血量の時系列データＤ１の平均値）を算出する。
　次に、データ処理部２１３は、所定期間（例えば、一日）ごとに取得された肢体の温度の時系列データＤ２の平均値を算出する。
　なお、データ処理ステップＳ３は、所定のタイミングで（例えば一日に一回）実施してもよいし、使用者である患者Ｐ、医師Ａ、Ｂから総合評価値Ｖ１、Ｖ２の予測要求があったタイミングで実施してもよい。また、各時系列データＤ１、Ｄ２の前処理を行う順番は上記に限定されない。例えば、肢体の血流量の時系列データＤ２の前処理を一番初めに行ってもよい。また、各時系列データＤ１、Ｄ２の前処理は同時平行で行われてもよい。
　次に、評価ステップＳ４について説明する。
　まず、評価部２１４は、肺うっ血量の時系列データＤ１１の平均値を用いて、肺うっ血の程度に応じた肺うっ血評価値Ｃ１１を時系列で算出する。
　次に、評価部２１４は、体うっ血量の時系列データＤ１２の平均値を用いて、体うっ血の程度に応じた体うっ血評価値Ｃ１２を時系列で算出する。
　次に、評価部２１４は、肢体の血流量の時系列データＤ２の平均値を用いて、肢体の血流量の程度に応じた血流評価値Ｃ２を時系列で算出する。
　次に、評価部２１４は、算出した肺うっ血評価値Ｃ１１、体うっ血評価値Ｃ１２、血流評価値Ｃ２を上記の式３および式４に代入して、肺うっ血量および肢体の血流量の程度に応じた第１の総合評価値Ｖ１、および、体うっ血量および肢体の血流量の程度に応じた第２の総合評価値Ｖ２を算出する。
　なお、評価ステップＳ４は、所定のタイミングで（例えば一日に一回）実施してもよいし、使用者である患者Ｐ、医師Ａ、Ｂのうち少なくとも一人から総合評価値Ｖ１、Ｖ２の予測要求があったタイミングで実施してもよい。また、第１の総合評価値Ｖ１および第２の総合評価値Ｖ２を算出する順番は上記に限定されない。例えば、第２の総合評価値Ｖ２の算出を一番初めに行ってもよい。また、第１の総合評価値Ｖ１の算出および第２の総合評価値Ｖ２の算出は、同時平行で行われてもよい。
　次に、予測ステップＳ５について説明する。
　まず、予測部２１５は、図６に示すように、時系列データＤ１、Ｄ２の最新の測定時ｔ２から所定期間Δｔ遡った期間（ｔ１～ｔ２）の第１の総合評価値Ｖ１の時系列データを近似した第１の近似式Ｆ１を求める。この際、予測部２１５は、求めた第１の近似式Ｆ１の精度を計算する。
　次に、予測部２１５は、時系列データＤ１、Ｄ２の最新の測定時ｔ２から所定期間Δｔ遡った期間（ｔ１～ｔ２）に取得された第２の総合評価値Ｖ２の時系列データを近似した第２の近似式Ｆ２を求める。この際、予測部２１５は、求めた第２の近似式Ｆ２の精度を計算する。
　次に、予測部２１５は、第１の近似式Ｆ１および第２の近似式Ｆ２を用いて、第１の総合評価値Ｖ１が閾値に到達する第１のタイミングｔ３、および、第２の総合評価値Ｖ２が閾値に到達する第２のタイミングｔ４を算出する。
　なお、予測ステップＳ５は、所定のタイミングで（例えば４日に一回）実施してもよいし、使用者である患者Ｐ、医師Ａ、Ｂのうちの少なくとも一人から総合評価値Ｖ１、Ｖ２の予測要求があったタイミングで実施してもよい。また、第１の近似式Ｆ１および第２の近似式Ｆ２を求める順番は上記に限定されない。例えば、第２の近似式Ｆ２を先に求めてもよい。また、第１の近似式Ｆ１および第２の近似式Ｆ２は、同時平行で求めてもよい。
　次に、報知ステップＳ６について説明する。
　報知部２１６は、使用者が患者Ｐである場合、第１のタイミングｔ３および第２のタイミングｔ４のうち少なくとも早い方のタイミング、および、報知を行う時から早い方のタイミングまでの期間に応じて推奨されるアクションを報知する。そのため、患者Ｐは、予測される将来の心不全の増悪に応じて、適切なアクションをとることができる。
　報知部２１６は、使用者が一般内科医Ｂである場合、第１のタイミングｔ３および第２のタイミングｔ４のうち少なくとも早い方のタイミングを報知するとともに、第１の総合評価値Ｖ１の時系列データ、第２総合評価値Ｖ２の時系列データ、近似式Ｆ１、Ｆ２に基づく近似曲線等をプロットしたグラフ、近似の精度等を報知する。このように、支援システム１０によれば、心不全の専門医Ａと比較して心不全の診察経験の少ない一般内科医Ｂに、患者Ｐの心不全の増悪予測に有効な情報を提供できる。そのため、一般内科医Ｂは、患者Ｐの心不全が大幅に悪化するより早い段階で、患者Ｐの治療を行ったり、患者Ｐに専門医Ａの治療を受けさせることができる。
　報知部２１６は、使用者が心不全の専門医Ａである場合、時系列の各時系列データＤ１、Ｄ２（実測データ）をプロットしたグラフを提供することができる。そのため、心不全の専門医Ａは、患者Ｐの病態を容易に把握し、例えば、患者Ｐを入院させるか否か、左心不全と右心不全のどちらを優先的に治療すべきか等を容易に判断できる。
　なお、報知ステップＳ６は、所定のタイミングで（例えば４日に一回）実施してもよいし、使用者である患者Ｐ、医師Ａ、Ｂのうちの少なくとも一人から総合評価値Ｖ１、Ｖ２の予測要求があったタイミングで実施してもよい。
　以上、本実施形態に係る支援方法について説明したが、支援方法は上記に限定されない。例えば、測定ユニット１００は、患者Ｐが専門医Ａの属する医療機関を退院する退院日から測定を開始しなくてもよい。測定ユニット１００は、患者Ｐが医師Ｂの属する診療所を受診した日から、測定を開始してもよい。この場合は、受診日を測定ユニット１００が測定を開始した日として、各ステップＳ１～Ｓ６を実行できる。また、ステップＳ１～Ｓ６は、所定のタイミングで繰り返えし実行されてもよい。
　以上、上記実施形態に係る支援システム１０は、心不全の増悪予測を支援する支援システムである。支援システム１０は、患者Ｐの身体の少なくとも一部のうっ血量の時系列データＤ１、および、前記患者の肢体の血流量の時系列データＤ２を取得するデータ取得部２１１と、うっ血量の時系列データＤ１、および、血流量の時系列データＤ２を用いて、うっ血量および肢体の血流量の程度に応じた総合評価値Ｖ１、Ｖ２を時系列で算出する評価部２１４と、時系列の総合評価値Ｖ１、Ｖ２を用いて、総合評価値Ｖ１、Ｖ２の推移を予測する予測部２１５と、を有する。
　上記支援システム１０によれば、Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類に即して、患者のうっ血の程度と血流量の程度を総合評価した総合評価値Ｖ１、Ｖ２を算出し、算出した総合評価値を用いて、総合評価値Ｖ１、Ｖ２の推移を予測する。そのため、上記支援システム１０によれば、Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類に基づいて心不全の増悪予測を支援できる。
　また、うっ血量の時系列データＤ１は、患者の肺うっ血量の時系列データＤ１１および患者の体うっ血量の時系列データＤ１２を含む。評価部２１４は、肺うっ血量および肢体の血流量の程度に応じた第１の総合評価値Ｖ１と、体うっ血量および肢体の血流量の程度に応じた第２の総合評価値Ｖ２と、を時系列で算出する。予測部２１５は、時系列の第１の総合評価値Ｖ１および第２の総合評価値Ｖ２を用いて、第１の総合評価値Ｖ１および第２の総合評価値Ｖ２の推移を予測する。そのため、支援システム１０は、左心不全の増悪および右心不全の増悪の両方の予測を支援できる。
　また、予測部２１５は、総合評価値Ｖ１、Ｖ２が閾値に到達するタイミングｔ３、ｔ４を予測する。支援システム１０は、総合評価値Ｖ１、Ｖ２が閾値Ｖｔｈに到達するタイミングｔ３、ｔ４を使用者に報知する報知部２１６を有する。そのため、使用者は、総合評価値Ｖ１、Ｖ２が閾値Ｖｔｈに到達するタイミングＴ１、Ｔ２を把握できる。
　また、予測部２１５は、第１の総合評価値Ｖ１が閾値Ｖｔｈに到達する第１のタイミングｔ３および第２の総合評価値Ｖ２が閾値Ｖｔｈに到達する第２のタイミングｔ４を予測する。支援システム１０は、第１のタイミングｔ３または第２のタイミングｔ４のうち、早い方のタイミングを使用者に報知する報知部２１６を有する。そのため、使用者は、第１のタイミングｔ３または第２のタイミングｔ４のうち、早い方のタイミングを把握し、左心不全と右心不全のどちらの治療を優先すべきかを容易に把握できる。
　また、報知部２１６は、使用者にタイミングｔ３、ｔ４を報知する時からタイミングｔ３１、ｔ４までの期間に応じて、使用者に推奨されるアクションを報知する。そのため、使用者は、タイミングｔ３１、ｔ４までの期間に応じた適切なアクションをとることができる。
　また、予測部２１５は、時系列の総合評価値Ｖ１、Ｖ２を近似した近似式Ｆ１、Ｆ２を求める。これによって、支援システム１０は、総合評価値Ｖ１、Ｖ２の推移を簡便に予測できる。
　また、支援システム１０は、近似式Ｆ１、Ｆ２の近似の精度の程度を使用者に報知する報知部２１６を有する。そのため、使用者は、支援システム１０の予測結果の妥当性を把握できる。
　また、評価部２１４は、うっ血量の時系列データＤ１を用いてうっ血量の程度に応じたうっ血評価値Ｃ１を算出するとともに、肢体の血流量の時系列データＤ２を用いて肢体の血流量の程度に応じた血流評価値Ｃ２を算出する。予測部２１５は、うっ血評価値Ｃ１および血流評価値Ｃ２を足し合わせた値を総合評価値Ｖ１、Ｖ２として算出する。そのため、支援システム１０は、Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類に即してうっ血量と血流量を総合的に評価した総合評価値Ｖ１、Ｖ２を用いて、将来の心不全の増悪予測を支援できる。
　また、血流量の時系列データＤ２は、患者Ｐの肢体の温度の時系列データ、および／または、患者の肢体の色の時系列データを含む。そのため、支援システム１０は、患者Ｐの肢体の温度の時系列データ、および／または、患者の肢体の色の時系列データに基づいて、患者Ｐの肢体の血流量を把握できる。
　また、上記実施形態に係る支援方法は、心不全の増悪予測を支援する支援方法である。支援方法は、患者Ｐの身体の少なくとも一部のうっ血量の時系列データＤ１、および、患者の肢体の血流量の時系列データＤ２を取得し、うっ血量の時系列データＤ１、および、血流量の時系列データＤ２を用いて、うっ血量および肢体の血流量の程度に応じた総合評価値Ｖ１、Ｖ２を時系列で算出し、時系列の総合評価値Ｖ１、Ｖ２を用いて、将来の総合評価値Ｖ１、Ｖ２の推移を予測する。
　また、上記実施形態に係る支援プログラムは、心不全の増悪予測を支援する支援プログラムである。支援プログラムは、患者Ｐの身体の少なくとも一部のうっ血量の時系列データＤ１、および、患者の肢体の血流量の時系列データＤ２を取得する手順と、うっ血量の時系列データＤ１、および、血流量の時系列データＤ２を用いて、うっ血量および肢体の血流量の程度に応じた総合評価値Ｖ１、Ｖ２を時系列で算出する手順と、時系列の総合評価値Ｖ１、Ｖ２を用いて、将来の総合評価値Ｖ１、Ｖ２の推移を予測する手順と、を実行する。
　また、上記実施形態に係る記録媒体ＭＤは、上記支援プログラムが記録されたコンピュータ読み取り可能な記録媒体である。
　上記支援方法、支援プログラム、および記録媒体ＭＤによれば、Ｎｏｈｒｉａ－Ｓｔｅｖｅｎｓｏｎの分類に基づいて、心不全の増悪予測を行うことができる。
　以上、実施形態を通じて本発明を説明したが、本発明は説明した各構成のみに限定されるものでなく、特許請求の範囲の記載に基づいて適宜変更することが可能である。
　例えば、支援システムにおける各種処理を行う手段および方法は、専用のハードウェア回路、またはプログラムされたコンピュータのいずれによっても実現してもよい。また、支援プログラムは、インターネットなどのネットワークを介してオンラインで提供されてもよい。
　また、支援システムは、上記の実施形態のサーバ２００のみによって構成し、患者の身体の少なくとも一部のうっ血量および患者の肢体の血流量に関連するパラメータを測定可能な別の測定装置と組み合わせて使用してもよい（すなわち、支援システムは、測定ユニット１００を備えなくてもよい）。
　また、上記の実施形態では、サーバ２００の各構成は、それぞれ１つの装置として実現されるものとして説明したが、機器の構成はこれに限定されない。たとえば、サーバ２００は、複数のサーバから構成されてもよく、クラウドサーバとして離れた場所に設置された多数のサーバによって仮想的に構成されてもよい。
　また、測定ユニットの制御部のＣＰＵが、データ取得部、評価部、予測部、報知部等として機能してもよい。また、例えば、使用者の操作端末に支援プログラムをインストールし、使用者の操作端末のＣＰＵが、データ取得部、評価部、予測部、報知部等として機能してもよい。
　また、支援システムは、肺うっ血量または体うっ血量のいずれか一方のみの時系列データを取得し、かつ、第１の総合評価値または第２の総合評価値のいずれか一方のみを算出してもよい。また、また、支援システムは、肺うっ血量および体うっ血量の両方の時系列データを取得し、かつ、第１の総合評価値または第２の総合評価値のいずれか一方のみを算出してもよい。
　また、例えば、総合評価値の算出方法は上記に限定されない。例えば、総合評価値は、肺うっ血評価値、体うっ血評価値、および血流評価値を足し合わせた値であってもよい。すなわち、総合評価値は、肺うっ血量、体うっ血量、および、肢体の血流量の程度を総合的に評価した値であってもよい。
　また、時系列データは、総合評価値を算出する前に前処理されなくてもよい。
　また、例えば、予測部は、総合評価値が閾値に到達するタイミングを算出せず、単に総合評価値の近似式を求めるだけでもよい。この場合も、予測部が算出した近似式を用いて、将来の総合評価値の推移を予測することができる。
　また、支援システムは、使用者に予測結果を直接報知しなくてもよい。例えば、支援システムは、予測結果に関する情報を、使用者がアクセス可能なデータベースに保存し、各使用者が閲覧できるようにしてもよい。
　また、支援システムの使用者は、心不全の増悪予測が必要な者であればよく、患者および医師に限定されない。例えば、支援システムの使用者には、看護師、薬剤師等が含まれていてもよい。
　また、支援システムは、上記実施形態のように心不全の専門医と診療所の一般内科医が連携して患者を診察するために用いるものに限定されない。例えば、支援システムは、同一の医療機関に属する複数の専門医（例えば、循環器の専門医と心不全の専門医）が、一の患者を連携して診察するために用いてもよい。この場合、例えば、循環器の専門医は、総合評価値の推移の予測結果に応じて、患者の退院時期等を決定してもよい。また、支援システムは、心不全に一度罹った患者の退院後の経過観察（予後の管理）に用いるものに限定されない。例えば、支援システムは、心不全に罹りうる可能性の高い患者に適用されてもよい。
　本出願は、２０１８年３月２６日に出願された日本国特許出願第２０１８－０５８０６５号に基づいており、その開示内容は、参照により全体として引用されている。
１０　　　支援システム、
１００　　測定ユニット
２１１　　データ取得部、
２１４　　評価部、
２１５　　推測部、
２１６　　報知部、
Ａ、Ｂ　　医師（支援システムの使用者）、
Ｄ１　　　うっ血量の時系列データ、
Ｄ１１　　肺うっ血の時系列データ、
Ｄ１２　　体うっ血の時系列データ
Ｄ２　　　肢体の血流量の時系列データ、
Ｖ１　　　第１の総合評価値、
Ｖ２　　　第２の総合評価値、
ｔ３　　　第１のタイミング、
ｔ４　　　第２のタイミング、
ＭＤ　　　記録媒体、
Ｐ　　　　患者（支援システムの使用者）。

Claims (12)

  1. 　心不全の増悪予測を支援する支援システムであって、
    　患者の身体の少なくとも一部のうっ血量の時系列データ、および、前記患者の肢体の血流量の時系列データを取得するデータ取得部と、
    　前記うっ血量の前記時系列データ、および、前記血流量の前記時系列データを用いて、前記うっ血量および前記肢体の前記血流量の程度に応じた総合評価値を時系列で算出する評価部と、
    　時系列の前記総合評価値を用いて、前記総合評価値の推移を予測する予測部と、を有する、支援システム。
  2. 　前記うっ血量の前記時系列データは、前記患者の肺うっ血量の時系列データおよび前記患者の体うっ血量の時系列データを含み、
    　前記評価部は、前記肺うっ血量および前記肢体の前記血流量の程度に応じた第１の総合評価値と、前記体うっ血量および前記肢体の前記血流量の程度に応じた第２の総合評価値と、を時系列で算出し、
    　前記予測部は、時系列の前記第１の総合評価値および前記第２の総合評価値を用いて、将来の前記第１の総合評価値および前記第２の総合評価値の推移を予測する、請求項１に記載の支援システム。
  3. 　前記予測部は、前記総合評価値が閾値に到達するタイミングを予測し、
    　前記タイミングを使用者に報知する結果報知部を有する、請求項１または請求項２のいずれか一項に記載の支援システム。
  4. 　前記予測部は、前記第１の総合評価値が閾値に到達する第１のタイミングおよび前記第２の総合評価値が閾値に到達する第２のタイミングを予測し、
    　前記第１のタイミングまたは前記第２のタイミングのうち、早い方のタイミングを使用者に報知する結果報知部を有する、請求項２に記載の支援システム。
  5. 　前記結果報知部は、前記使用者に前記タイミングを報知する時から前記タイミングまでの期間に応じて、前記患者に推奨されるアクションを報知する、請求項３または請求項４に記載の支援システム。
  6. 　前記予測部は、時系列の前記総合評価値を近似した近似式を求める、請求項１～５のいずれか一項に記載の支援システム。
  7. 　前記近似式の近似の精度に関する情報を使用者に報知する精度報知部を有する、請求項６に記載の支援システム。
  8. 　前記評価部は、
    　前記うっ血量の前記時系列データおよび前記肢体の前記血流量の前記時系列データを用いて、前記うっ血量の程度に応じたうっ血評価値と、前記肢体の前記血流量の程度に応じた血流評価値と、を算出し、
    　前記うっ血評価値および前記血流評価値を足し合わせた値を前記総合評価値として算出する、請求項１～７のいずれか一項に記載の支援システム。
  9. 　前記血流量の前記時系列データは、前記患者の前記肢体の温度の時系列データ、および／または、前記患者の前記肢体の色の時系列データを含む、請求項１～８のいずれか一項に記載の支援システム。
  10. 　心不全の増悪予測を支援する支援方法であって、
    　患者の身体の少なくとも一部のうっ血量の時系列データ、および、前記患者の肢体の血流量の時系列データを取得し、
    　前記うっ血量の前記時系列データ、および、前記血流量の前記時系列データを用いて、前記うっ血量および前記肢体の前記血流量の程度に応じた総合評価値を時系列で算出し、
    　時系列の前記総合評価値を用いて、前記総合評価値の推移を予測する、支援方法。
  11. 　心不全の増悪予測を支援する支援プログラムであって、
    　患者の身体の少なくとも一部のうっ血量の時系列データ、および、前記患者の肢体の血流量の時系列データを取得する手順と、
    　前記うっ血量の前記時系列データ、および、前記血流量の前記時系列のデータを用いて、前記うっ血量および前記肢体の前記血流量の程度に応じた総合評価値を時系列で算出する手順と、
    　時系列の前記総合評価値を用いて、前記総合評価値の推移を予測する手順と、を実行する、支援プログラム。
  12. 　請求項１１に記載の支援プログラムが記録されたコンピュータ読み取り可能な記録媒体。
PCT/JP2019/012814 2018-03-26 2019-03-26 支援システム、支援方法、支援プログラム、および支援プログラムを記録した記録媒体 WO2019189153A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201980021784.7A CN111902080B (zh) 2018-03-26 2019-03-26 支援系统、支援方法、支援程序及记录有支援程序的记录介质
JP2020510894A JP7167132B2 (ja) 2018-03-26 2019-03-26 支援システム、支援方法、支援プログラム、および支援プログラムを記録した記録媒体
US17/032,245 US20210007612A1 (en) 2018-03-26 2020-09-25 Assisting system, assisting method, assisting program, and recording medium recording an assisting program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-058065 2018-03-26
JP2018058065 2018-03-26

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/032,245 Continuation US20210007612A1 (en) 2018-03-26 2020-09-25 Assisting system, assisting method, assisting program, and recording medium recording an assisting program

Publications (1)

Publication Number Publication Date
WO2019189153A1 true WO2019189153A1 (ja) 2019-10-03

Family

ID=68062100

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/012814 WO2019189153A1 (ja) 2018-03-26 2019-03-26 支援システム、支援方法、支援プログラム、および支援プログラムを記録した記録媒体

Country Status (4)

Country Link
US (1) US20210007612A1 (ja)
JP (1) JP7167132B2 (ja)
CN (1) CN111902080B (ja)
WO (1) WO2019189153A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050085734A1 (en) * 2003-10-15 2005-04-21 Tehrani Amir J. Heart failure patient treatment and management device
WO2016013684A1 (ja) * 2014-07-22 2016-01-28 帝人ファーマ株式会社 心不全の評価方法および診断装置
JP2016509505A (ja) * 2013-01-28 2016-03-31 オスロ ユニヴェルジテットサイケフス ホーエフ 循環不全の評価
JP2017023457A (ja) * 2015-07-23 2017-02-02 東芝メディカルシステムズ株式会社 医用画像処理装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8423113B2 (en) * 2003-07-25 2013-04-16 Dexcom, Inc. Systems and methods for processing sensor data
JP4935583B2 (ja) 2007-08-28 2012-05-23 オムロンヘルスケア株式会社 健康管理指針アドバイス装置
US8855761B2 (en) * 2008-07-10 2014-10-07 Texas Heart Institute Method and system for temperature analysis to provide an early marker of congestive heart failure progress that precedes a patient's symptoms
WO2015084563A1 (en) * 2013-12-06 2015-06-11 Cardiac Pacemakers, Inc. Heart failure event prediction using classifier fusion
US10172568B2 (en) * 2014-07-14 2019-01-08 Medtronic, Inc. Determining prospective risk of heart failure hospitalization

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050085734A1 (en) * 2003-10-15 2005-04-21 Tehrani Amir J. Heart failure patient treatment and management device
JP2016509505A (ja) * 2013-01-28 2016-03-31 オスロ ユニヴェルジテットサイケフス ホーエフ 循環不全の評価
WO2016013684A1 (ja) * 2014-07-22 2016-01-28 帝人ファーマ株式会社 心不全の評価方法および診断装置
JP2017023457A (ja) * 2015-07-23 2017-02-02 東芝メディカルシステムズ株式会社 医用画像処理装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KAI, HISASHI: "Pathophysiology of chronic heart failure", THE JOURNAL OF THE JAPANESE SOCIETY OF INTERNAL MEDICINE, vol. 101, no. 2, 10 February 2012 (2012-02-10), pages 322 - 328 *

Also Published As

Publication number Publication date
US20210007612A1 (en) 2021-01-14
JPWO2019189153A1 (ja) 2021-04-08
JP7167132B2 (ja) 2022-11-08
CN111902080A (zh) 2020-11-06
CN111902080B (zh) 2024-04-12

Similar Documents

Publication Publication Date Title
Natarajan et al. Measurement of respiratory rate using wearable devices and applications to COVID-19 detection
JP6049620B2 (ja) 医学的スコアリングシステムおよび方法
Chen et al. Complexity of heart rate variability can predict stroke-in-evolution in acute ischemic stroke patients
Conkar et al. Is daytime systolic load an important risk factor for target organ damage in pediatric hypertension?
Karimi Moridani et al. Non-linear feature extraction from HRV signal for mortality prediction of ICU cardiovascular patient
Giuliano Physiological monitoring for critically ill patients: testing a predictive model for the early detection of sepsis
Cetınkaya et al. The predictive value of the modified early warning score with rapid lactate level (ViEWS-L) for mortality in patients of age 65 or older visiting the emergency department
US20170147773A1 (en) System and method for facilitating health monitoring based on a personalized prediction model
Varela et al. Complexity analysis of the temperature curve: new information from body temperature
Ji et al. Analysis of short-term heart rate and diastolic period variability using a refined fuzzy entropy method
Gershon Using subepidermal moisture level as an indicator of early pressure damage to local skin and tissue
Smeets et al. The added value of in-hospital tracking of the efficacy of decongestion therapy and prognostic value of a wearable thoracic impedance sensor in acutely decompensated heart failure with volume overload: prospective cohort study
Varela et al. Clinical implications of temperature curve complexity in critically ill patients
US8417541B1 (en) Multi-stage model for predicting probabilities of mortality in adult critically ill patients
Man et al. Improving non-invasive hemoglobin measurement accuracy using nonparametric models
Yousef et al. Characteristics of patients with cardiorespiratory instability in a step-down unit
JP2018175488A (ja) 健康支援装置、健康支援システム、健康支援方法及び健康支援装置のプログラム
Hermida et al. Evaluation of the blood pressure load in the diagnosis of hypertension in pregnancy
WO2019189153A1 (ja) 支援システム、支援方法、支援プログラム、および支援プログラムを記録した記録媒体
Fleisher Preoperative cardiac evaluation before noncardiac surgery: Reverend Bayes’s risk indices and optimal variables
Kalaycioglu et al. The relationship between dipper/nondipper pattern and cardioankle vascular index in hypertensive diabetic patients
US20160106330A1 (en) Cardiac monitoring device and method
WO2019189150A1 (ja) 診断支援システム、診断支援方法、および診断支援プログラム
DE112019002926T5 (de) Vorrichtung zur Unterstützung einer Verhaltensänderung, Endgerät und Server
Alvis et al. Respiratory non-invasive venous waveform analysis for assessment of respiratory distress in coronavirus disease 2019 patients: an observational study

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19774891

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020510894

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19774891

Country of ref document: EP

Kind code of ref document: A1