【技术实现步骤摘要】
【国外来华专利技术】用于检测并预防激躁发生的系统和方法
[0001]相关申请的交叉引用
[0002]本申请要求2020年2月14日提交的标题为“Prevention of Emergence of Agitation”的美国临时申请No.62/976,685的优先权和权益,以上美国临时申请的全部公开内容以全文引用方式并入本文中。
[0003]本公开提供一种监测易于发生激躁事件和交感神经系统激发的受试者并且在激躁发生之前用抗激躁药剂治疗所述受试者的方法。
技术介绍
[0004]激躁的特征是过多运动或语言活动、易怒、不合作、威胁性手势以及在一些情形中攻击性或暴力行为。患有精神分裂症的受试者特别易于发生急性激躁发作,尤其是在疾病加重期间。与精神病相关联的激躁也是急诊就诊的常见原因,并且除非予以早期辨识和有效管理,否则激躁可迅速地升级为潜在危险情形,包括身体暴力。激躁并非特定病症,但在诸多急慢性神经病或精神病中是常见迹象或症状。激躁被认为是对潜在干扰或触发的响应,可能表现为不宁、徘徊、踱步、坐立不安、讲话急促或语言爆发以及其他过度激发迹象。激躁常常是破坏性的并且在一些人中可升级为攻击行为。出于此原因,它是可能会导致原本能够在家中受到照顾的个体的机构化的症状,并且降低受试者和照护者的生活品质。激躁行为的追踪以及个体的激躁状态的模式的特征化可显露激躁发病的信号,从而允许提早努力降级,并且减少对医疗干预、镇静药物或约束的需要。
[0005]遗憾的是,临床医师不是总能足够早地诊断出激躁发作以预防此升级。因此,需要(1)一种工具以 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种方法,所述方法包括:从附接至受试者的第一监测装置接收所述受试者的交感神经系统活动的生理数据和所述受试者的活动数据;从计算装置接收与所述受试者的多次激躁发作相关联的多个指示;使用至少一个机器学习模型来分析所述生理数据、所述活动数据和所述多个指示以确定所述受试者的激躁发作发生的概率;以及向第二监测装置发送信号以通知所述第二监测装置所述受试者的所述激躁发作发生的所述概率,使得能够对所述受试者提供治疗以减少所述受试者的交感神经系统活动。2.如权利要求1所述的方法,其中:所述活动数据包括音频数据或运动数据中的至少一者;并且所述运动数据包括所述受试者的加速度、旋转、步数、距离或卡路里中的至少一者。3.如权利要求1所述的方法,其中:与所述多次激躁发作相关联的所述多个指示包括以下各项中的至少一者:所述多次激躁发作中的激躁发作的标识、所述多次激躁发作中的激躁发作的严重性程度或所述多次激躁发作中的激躁发作的激躁类型。4.如权利要求1所述的方法,其中:所述分析包括使用所述至少一个机器学习模型来分析所述生理数据、所述活动数据和所述多个指示以检测所述受试者在预定义的时间间隔内的激躁状态。5.如权利要求1所述的方法,其中:所述分析包括使用概率密度模型或条件概率模型中的至少一者来分析所述生理数据、所述活动数据和所述多个指示以确定所述受试者的激躁严重性变化的概率。6.如权利要求1所述的方法,其中:所述分析包括使用所述至少一个机器学习模型来分析所述生理数据、所述活动数据和所述多个指示以检测所述受试者在一系列连续时间间隔内的激躁状态;并且所述分析包括使用所述受试者的所述激躁状态和条件随机场或马尔可夫链模型中的至少一者来进行分析以确定所述受试者的所述激躁发作发生的所述概率。7.如权利要求1所述的方法,其中:所述至少一个机器学习模型包括线性回归、逻辑式回归、决策树、随机森林、神经网络、深度神经网络或梯度提升模型中的至少一者。8.如权利要求1所述的方法,所述方法还包括:在使用所述至少一个机器学习模型进行分析之前基于以下各项来训练所述至少一个机器学习模型:(1)与多位受试者相关联的交感神经系统活动的训练生理数据,(2)与所述多位受试者相关联的训练活动数据和(3)与所述多位受试者相关联的多个训练指示,所述至少一个机器学习模型包括多个生理和活动参数作为输入,所述多个生理和活动参数中的每个生理和活动参数与所述机器学习模型的多个权重中的权重相关联。9.如权利要求1所述的方法,所述方法还包括:在使用所述至少一个机器学习模型进行分析之前基于以下各项来训练所述至少一个机器学习模型:(1)与多位受试者相关联的交感神经系统活动的训练生理数据,(2)与所述多位受试者相关联的训练活动数据和(3)与所述多位受试者相关联的多个训练指示,所述
至少一个机器学习模型包括多个生理和活动参数作为输入,所述多个生理和活动参数中的每个生理和活动参数与所述机器学习模型的多个权重中的权重相关联;以及基于所述至少一个机器学习模型来确定所述多个生理参数中的至少一个生理和活动参数的参考模式,所述分析包括依据所述参考模式来确定异常以确定所述受试者的所述激躁发作发生的所述概率。10.如权利要求1所述的方法,其中:所述第一监测装置是与所述受试者接触的可穿戴装置。11.如权利要求1所述的方法,其中:所述计算装置是由所述受试者的照护者操作的数据标注装置。12.如权利要求1所述的方法,其中:所述第二监测装置由所述受试者的照护者监测。13.如权利要求1所述的方法,其中:所述计算装置和所述第二监测装置包括在同一个计算装置中。14.如权利要求1所述的方法,其中:所述治疗包括向所述受试者投与抗激躁药剂。15.如权利要求1所述的方法,其中:交感神经系统活动的所述生理数据选自以下各项中的一者或多者:肤电活动变化;心率变异性;认知评估,诸如瞳孔大小;唾液淀粉酶分泌;血压;脉搏;呼吸速率;温度变异性;或血氧浓度。16.一种设备,所述设备包括:存储器;以及处理器,所述处理器可操作地联接至所述存储器,所述处理器被配置为:从附接至受试者的第一监测装置接收所述受试者的交感神经系统活动的生理数据和所述受试者的活动数据;从计算装置接收与所述受试者的多次激躁发作相关联的多个指示;使用随机森林模型或神经网络等中的至少一者来分析所述生理数据、所述活动数据和所述多个指示以确定所述受试者的激躁状态变化的概率;以及向第二监测装置发送信号以通知所述第二监测装置所述受试者的所述激躁状态变化的所述概率,使得能够对所述受试者提供治疗以减少所述受试者的交感神经系统活动。17.如权利要求16所述的设备,其中:所述活动数据包括音频数据或运动数据中的至少一者;并且所述运动数据包括所述受试者的加速度、旋转、步数、距离或卡路里中的至少一者。18.如权利要求16所述的设备,其中:与所述多次激躁发作相关联的所述多个指示包括以下各项中的至少一者:所述多次激躁发作中的激躁发作的标识、所述多次激躁发作中的激躁发作的严重性程度或所述多次激躁发作中的激躁发作的激躁类型。19.如权利要求16所述的设备,其中:所述分析包括使用所述至少一个机器学习模型来分析所述生理数据、所述活动数据和
所述多个指示以检测所述受试者在预定义的时间间隔内的激躁状态。20.如权利要求16所述的设备,其中:所述分析包括使用概率密度模型或条件概率模型中的至少一者来分析所述生理数据、所述活动数据和所述多个指示以确定所述受试者的激躁严重性变化的概率。21.如权利要求16所述的设备,其中:所述分析包括使用所述至少一个机器学习模型来分析所述生理数据、所述活动数据和所述多个指示以检测所述受试者在一系列连续时间间隔内的激躁状态;并且所述分析包括使用所述受试者的所述激躁状态和条件随机场或马尔可夫链模型中的至少一者来进行分析以确定所述受试者的所述激躁发作发生的所述概率。22.如权利要求16所述的设备,其中:所述至少一个机器学习模型包括线性回归、逻辑式回归、决策树、随机森林、神经网络、深度神经网络或梯度提升模型中的至少一者。23.如权利要求16所述的设备,所述设备还包括:在使用所述至少一个机器学习模型进行分析之前基于以下各项来训练所述至少一个机器学习模型:(1)与多位受试者相关联的交感神经系统活动的训练生理数据,(2)与所述多位受试者相关联的训练活动数据和(3)与所述多位受试者相关联的多个训练指示,所述至少一个机器学习模型包括多个生理和活动参数作为输入,所述多个生理和活动参数中的每个生理和活动参数与所述机器学习模型的多个权重中的权重相关联。24.如权利要求16所述的设备,所述设备还包括:在使用所述至少一个机器学习模型进行分析之前基于以下各项来训练所述至少一个机器学习模型:(1)与多位受试者相关联的交感神经系统活动的训练生理数据,(2)与所述多位受试者相关联的训练活动数据和(3)与所述多位受试者相关联的多个训练指示,所述至少一个机器学习模型包括多个生理和活动参数作为输入,...
【专利技术属性】
技术研发人员:FD尤卡,M德维沃,R里辛格,S塞思,M梅杰尼克,DR卡林,J杰米森,A瓦尔德,M阿马韦尔多斯桑托斯皮涅罗,
申请(专利权)人:比奥克斯塞尔医疗股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。