具有无监督的日常CGM图谱（或胰岛素图谱）的聚类的患者糖尿病监测系统以及其方法技术方案

公开了具有有效无监督日常监测图谱聚类算法的患者糖尿病监测系统、方法以及其计算机产品。该系统可以包括接收多个生理测量结果以生成数据集的生理数据输入设备或传感器、存储聚类算法的存储器和处理器。当由处理器执行时，该聚类算法促使处理器自动预处理数据集以根据所收集的无监督日常监测图谱来控制偏差/进取的量，由此生成经过预处理的数据集，根据经过预处理的数据集来建立相似性矩阵，以及输出由处理器从相似性矩阵找到的最佳数目的相似性集群。

A clustered patient diabetes monitoring system with unsupervised daily CGM profiles (or insulin profiles) and its methods

A patient diabetes monitoring system, method and computer products with an effective unsupervised routine monitoring atlas clustering algorithm are disclosed. The system may include a physiological data input device or sensor that receives multiple physiological measurements to generate data sets, a memory and a processor that stores clustering algorithms. When executed by the processor, the clustering algorithm urges the processor to automatically preprocess the data set to control the amount of deviation/aggression according to the collected unsupervised daily monitoring atlas, thus generating the preprocessed data set, establishing the similarity matrix based on the preprocessed data set, and outputting the best number of similarity clusters found by the processor from the similarity matrix.

【技术实现步骤摘要】
【国外来华专利技术】具有无监督的日常CGM图谱（或胰岛素图谱）的聚类的患者糖尿病监测系统以及其方法相关申请的交叉引用该申请要求保护2016年3月2日提交的美国专利申请15/058,271的权益，通过引用以其整体将其合并于此。
下面的公开内容总体上涉及糖尿病管理，并且特别地涉及使用相似的无监督的日常CGM图谱（profile）（或胰岛素图谱）的聚类来标识糖尿病控制疗法不充分的（一或多）天的患者糖尿病监测系统和方法。
技术介绍
糖尿病可以通过高血糖与相对胰岛素缺乏来表征。存在两种主要类型的糖尿病，I型糖尿病（胰岛素依赖型糖尿病）和II型糖尿病（非胰岛素依赖型糖尿病）。在某些情况下，糖尿病还通过胰岛素抗性来表征。胰岛素分泌功能用来控制血糖的水平以便将葡萄糖水平保持在最佳水平。针对诊断为患有糖尿病的患者的卫生保健可能包括建立疗法程序和监测患病的人的进展二者。监测血糖水平是一个重要的过程，其用来帮助糖尿病患者在一整天中使血糖水平尽可能接近正常。监测还可以允许通过在必要时改变疗法来成功地治疗糖尿病。监测可以允许糖尿病患者更密切地监测他或她的状况，并且此外，可以在确定患者的进展和检测改变患者的疗法程序的任何需要二者的过程中向卫生保健提供者提供有价值的信息。在过去的几年里，电子器件领域的进步给医疗诊断和监测设备带来了重大变化，包括自我护理监测。在控制和监测糖尿病的过程中，相对便宜且易于使用的血糖监测系统已经变得可用，它们提供允许糖尿病患者以及他或她的卫生保健专业人员(“HCP”)建立、监测和调整治疗计划的可靠信息。存在由患者使用的两种主要类型的血糖监测系统：单点（或非连续）系统和连续系统。非连续系统由计量器和测试条组成并且要求从指尖或备选部位(诸如前臂和腿部)汲取血样。非连续系统的一个示例可能要求糖尿病患者将血样应用到测试条的试剂浸渍区，在预定时间段之后从测试条擦去血样，并且在第二预定时间段之后，通过将测试条的试剂浸渍区的颜色与由测试条制造商供应的彩色图表进行比较来确定血糖水平。这些系统还可以依赖于手指或者备选血液汲取部位的切口和操作，这可能是非常疼且不方便的，特别是对儿童来说。连续系统的一个示例是连续葡萄糖监测器（“CGM”），其可以是皮下植入的并且在一整天的各个时段测量间质流体中的葡萄糖水平，从而提供示出在一段时间内的葡萄糖测量结果中的趋势的数据。CGM可以提供需要被处理以找出相似数据的模式的大量数据。该数据可以被用来标识有害的患者行为或者基于相似的过去经历来帮助优化疗法。它还可以被用来随着时间监测葡萄糖以确定血糖模式。由于涉及大量数据，所以可能需要一种有效算法来实现对具有有限处理能力的设备的模式分析。此外，虽然动态葡萄糖图谱(AGP)提供了每日葡萄糖模式的图形和定量特征二者，但这样的特征并不能为HCP提供足够的信息来标识与疗法坚持或有效性有关的弱的点。虽然可能存在用于随着时间连续监测患者的各种设备和技术，但据信，在专利技术人之前没有人已作出或使用如本文中描述的专利技术性实施例。
技术实现思路
针对根据本文中公开的各个实施例的上述背景，因此基于相似几天的无监督CGM数据的数据集的聚类大大增强用来标识一天到晚的问题区域（时间）的HCP能力并且可以帮助优化聚焦于这些弱的点的疗法。本文中公开的本专利技术的各种实施例提出一种自动分析无监督CGM图谱并基于相似性指数使它们聚集的方式。本文中公开的本专利技术的各个实施例还说明一种用来确定在数据集中找到的最小数目的相似集群的方法。在一个示例中，公开一种患者糖尿病监测系统。该系统可以包括：生理数据输入设备，其获取患者在时间窗内的多个生理测量结果以生成所收集的无监督日常监测图谱的至少一个时间窗数据集；存储器，其存储无监督日常监测图谱聚类算法；以及处理器，其与所述输入设备通信以接收所述生成的至少一个时间窗数据集，并且与所述存储器通信以便执行所述无监督日常监测图谱聚类算法，其中当由所述处理器执行时所述无监督日常监测图谱聚类算法促使所述处理器自动：预处理数据集以根据所收集的无监督日常监测图谱来控制偏差/进取的量以生成经过预处理的数据集，根据经过预处理的数据集来建立相似性矩阵，以及输出由处理器从相似性矩阵找到的最佳数目的相似性集群。在另一实施例中，公开的是一种非瞬时计算机可读介质，其存储当由处理器执行时促使处理器经由具有生理数据输入设备的患者葡萄糖监测系统来执行的程序，该生理数据输入设备获取患者在时间窗内的多个生理测量结果以生成所收集的无监督日常监测图谱的至少一个时间窗数据集并且与所述处理器通信，以使得所述处理器接收所述生成的至少一个时间窗数据集，并且与所述存储器通信，无监督日常监测图谱聚类算法促使所述处理器自动：预处理数据集以根据所收集的无监督日常监测图谱来控制偏差/进取的量以生成经过预处理的数据集，根据经过预处理的数据集来建立相似性矩阵，以及输出最佳数目的相似性集群。在非瞬时计算机可读介质的另一实施例中，CGM图谱或胰岛素图谱是来自患者的至少一个时间窗数据集，并且包括原始数据、经过变换的数据、与有关数据标签相关联的原始数据、与有关数据标签相关联的经过变换的数据、或其组合。在还有的另一实施例中，公开一种用于使用监测系统来标识对患者来说糖尿病控制疗法不充分的（一或多）天的方法，该监测系统包括显示设备、生理数据输入设备和处理器。该方法包括从生理数据输入设备自动接收患者在时间窗内的多个生理测量结果以生成所收集的无监督日常监测图谱的至少一个时间窗数据集；以及执行来自存储器的所存储的无监督日常监测图谱聚类算法并且促使处理器自动：预处理数据集以根据所收集的无监督日常监测图谱来控制偏差/进取的量，由此生成经过预处理的数据集，根据经过预处理的数据集来建立相似性矩阵，以及在显示器上输出由处理器从相似性矩阵找到的最佳数目的相似性集群。尽管该说明书以特别指出并明确要求保护本专利技术的权利要求作为结论，但要相信将从结合附图取得的某些示例的下列描述更好地理解本专利技术。在绘图中，类似的数字表示遍及若干视图的类似元件。附图说明图1描绘与糖尿病患者相关联的患者糖尿病监测系统的示例性版本的示图。图2描绘图1的患者糖尿病监测系统的示例性版本的框图。图3描绘患者糖尿病监测系统的示例性版本的框图。图4描绘患者糖尿病监测系统的示例性版本的框图。图5描绘患者糖尿病监测系统的示例性版本的框图。图6描绘使用患者糖尿病监测系统的示例性无监督日常监测图谱聚类过程的流程图。图7A描绘来自两天的CGM图谱迹线，它们或多或少相似但具有不同的峰值幅度。图7B描绘在变换空间中的来自图7A的CGM图谱迹线。图8描绘针对回顾性分析而提出的葡萄糖变换。图9描绘在各自的相应的时间序列中的两个点之间的距离。图10A和10B描绘在其他方面相似的CGM图谱迹线中的变化的时间响应。图11描绘动态时间扭曲背后的总体想法。图12描绘测试和目标CGM图谱迹线的相应第一和第二时间序列连同于其之间得到的最短对准路径。图13A和13B分别描绘在距离矩阵以及距离矩阵的对应图形表示中布置的葡萄糖测量数据。图14A和14B分别描绘将数据集的成员之间的‘关系’和集群与剩余数据之间的‘距离’示出为合并开始的树状图。图15描绘找出最小集群的图形表示。图16A描绘原始监测数据集的图形制图的所显示的输出。图16B-16F中本文档来自技高网...

【技术保护点】
1.一种用于患者的患者糖尿病监测系统，包括：生理数据输入设备，其获取患者在时间窗内的多个生理测量结果以生成所收集的无监督日常监测图谱的至少一个时间窗数据集；存储器，其存储无监督日常监测图谱聚类算法；以及处理器，其与所述输入设备通信以接收所述生成的至少一个时间窗数据集，并且与所述存储器通信以便执行所述无监督日常监测图谱聚类算法，其中当由所述处理器执行时所述无监督日常监测图谱聚类算法促使所述处理器自动：预处理数据集以根据所收集的无监督日常监测图谱来控制偏差/进取的量以生成经过预处理的数据集，根据经过预处理的数据集来建立相似性矩阵，以及输出由处理器从相似性矩阵找到的最佳数目的相似性集群。

【技术特征摘要】
【国外来华专利技术】2016.03.02 US 15/0582711.一种用于患者的患者糖尿病监测系统，包括：生理数据输入设备，其获取患者在时间窗内的多个生理测量结果以生成所收集的无监督日常监测图谱的至少一个时间窗数据集；存储器，其存储无监督日常监测图谱聚类算法；以及处理器，其与所述输入设备通信以接收所述生成的至少一个时间窗数据集，并且与所述存储器通信以便执行所述无监督日常监测图谱聚类算法，其中当由所述处理器执行时所述无监督日常监测图谱聚类算法促使所述处理器自动：预处理数据集以根据所收集的无监督日常监测图谱来控制偏差/进取的量以生成经过预处理的数据集，根据经过预处理的数据集来建立相似性矩阵，以及输出由处理器从相似性矩阵找到的最佳数目的相似性集群。2.根据权利要求1所述的系统，其中该数据集的预处理经由使经过预处理的数据集对称以用于回顾分析的数据集的数据变换来控制偏差/进取的量。3.根据权利要求2所述的系统，其中用于回顾分析的数据变换是通过数据集利用由限定的危险函数进行处理而得到的，在这里参数，并且参数，其中Tc是变换空间的中心，Dr是最小限定的葡萄糖水平，Gt是在数据集中提供的血糖浓度测量结果的经过变换的数据，并且“g”是在数据集中提供的且以毫摩尔每升测得的血糖浓度测量结果的最初葡萄糖水平值。4.根据权利要求1所述的系统，其中在数据集的预处理之后，然后处理经过预处理的数据集以建立考虑经过预处理的数据集中的时间序列动力学的相似性矩阵。5.根据权利要求4所述的系统，其中通过距离矩阵来考虑经过预处理的数据集中的时间序列动力学，该距离矩阵考虑实际空间或变换空间中的葡萄糖值水平并且经由葡萄糖值水平的变化率来计算在经过预处理的数据集中存在的数据的每对相似数据序列之间的距离。6.根据权利要求5所述的系统，其中由来限定距离矩阵，在这里Xi是第一时间序列X中的时间i处的葡萄糖水平值，Yi是第二时间序列Y中的时间i处的葡萄糖值，k是权重因子，mx是针对第一时间序列Xi的时间i处的斜率；并且my是针对时间序列Xi的时间i处的斜率。7.根据权利要求6所述的系统，在弹性对准程序中使用在第一和第二时间序列X和Y之间的距离的和以考虑在经过预处理的数据集中的变化的时间响应/位移。8.根据权利要求7所述的系统，其中该弹性对准程序是动态时间扭曲过程，其允许沿着时间轴通过局部压缩或延长的第一和第二时间序列X和Y的弹性匹配。9.根据权利要求8所述的系统，其中该动态时间扭曲过程导致被添加到第一和第二时间序列X和Y之间的距离的和的任何惩罚。10.根据权利要求9所述的系统，其中该第一和第二时间序列是CGM曲线。11.根据权利要求9所述的系统，其中由处理器利用惩罚如下处理经过预处理的数据集的第一和第二时间序列X和Y：（e）在原点处开始，第一时间序列X和第二时间序列Y的曲线之间的距离是：X(1,1)=Y(1,1)；（f）通过X(i,1)=X(i-1,1)+Y(i,1)来使第一行保持恒定距离；（g）通过X(1,j)=X(1,j-1)+Y(1,j)来使第一列保持恒定；以及（h）对于下一行和下一列继续进行到如由X(i,j)=min(X(i,j–1),X(i–1,j–1),X(i–1,j))+Y(i,j)限定的经过预处理的数据集的搜索空间的结束。12.根据权利要求1所述的系统，其中就一个或多个条件来检查建立相似性矩阵过程的输出以评估所确定的对准路径是否是有效路径，该一个或多个条件是：单调性、连续性、边界条件、搜索窗口和斜率。1...

【专利技术属性】
技术研发人员：DL杜克，B斯泰格尔，CU马诺哈，
申请(专利权)人：豪夫迈·罗氏有限公司，
类型：发明
国别省市：瑞士,CH