急性健康事件监测制造技术

一种系统，包括处理电路和存储器，该存储器包括程序指令，这些程序指令在由该处理电路执行时使该处理电路：将第一组规则应用于第一患者参数数据，以用于是否检测到患者的心脏骤停的第一确定；确定满足该第一确定的一个或多个上下文准则；以及响应于满足这些上下文准则，将第二组规则应用于第二患者参数数据，以用于是否检测到该患者的心脏骤停的第二确定

【技术实现步骤摘要】
【国外来华专利技术】急性健康事件监测
[0001]本申请要求于
2021
年4月
30
日提交的美国专利申请序列号
17/246,331
的优选权权益，该美国专利申请的全部内容以引用方式并入本文
。


[0002]本公开整体涉及包括医疗装置的系统，并且更具体地涉及使用此类系统来监测患者健康
。

技术介绍

[0003]多种装置被配置成监测患者的生理信号
。
此类装置包括植入式或可穿戴医疗装置，以及多种可穿戴健康或健身跟踪装置
。
由此类装置感测到的生理信号包括例如心电图
(ECG)
信号
、
呼吸信号
、
灌注信号
、
活动和
/
或位姿信号
、
压力信号
、
血氧饱和度信号
、
身体成分以及血糖或其他血液成分信号
。
一般来讲，使用这些信号，此类装置便于在诊所环境之外在数月或数年内监测和评估患者健康
。
[0004]在一些情况下，此类装置被配置成基于生理信号检测急性健康事件，诸如心律失常
、
心肌梗塞
、
跌倒
、
中风或癫痫发作
。
示例性心律失常类型包括心脏停搏
(
例如，心搏停止
)、
室性心动过速
(VT)
和心室纤颤
(VF)。
这些装置可将在包括发作的时间段期间收集的
ECG
和其他生理信号数据存储为发作数据
。
此类急性健康事件与显著的死亡率相关，特别是如果不快速治疗
。
[0005]例如，
VF
和其他恶性快速性心律失常是在心脏骤停
(SCA)
患者中最常鉴定的心律失常
。
如果这种心律失常持续超过几秒，则可能导致心源性休克和有效血液循环停止
。
对于患者等待除颤的每分钟，来自
SCA
的存活率降低7％至
10
％
。
因此，心脏性猝死
(SCD)
可能在几分钟内发生
。

技术实现思路

[0006]一般而言，本公开描述了用于通过监测患者参数数据来检测急性健康事件
(
诸如心脏骤停
(SCA))
的技术
。
更具体而言，本公开描述了用于将可包括一个或多个机器学习模型的规则应用于患者参数数据以检测急性健康事件的技术
。
这些技术包括配置规则和
/
或将规则应用于患者参数数据，以便改善急性健康事件的检测的效率和有效性
。
[0007]例如，处理电路可以将第一组规则应用于第一组患者参数数据以用于是否检测到急性健康事件的第一次确定
。
基于是否满足与第一确定相关联的一个或多个上下文准则，处理电路可以确定是否将第二组规则应用于第二患者参数数据以确定是否检测到急性健康事件
。
第二组规则和患者参数数据可以包括来自额外传感器的更复杂的规则和
/
或更多的患者参数
。
上下文准则可以包括第一确定的阈值确定置信度或事件可能性
、
第一确定期间或之后的用户输入是否满足准则
、
或监测系统的阈值功率电平
。
以此方式，采用本专利技术的技术的装置和系统针对第一确定的上下文暗示其可能不如所要可靠的某些情况而节省与第二确定相关联的系统资源使用
。
[0008]在一个示例中，系统包括处理电路和存储器
。
该存储器包括程序指令，这些程序指令在由该处理电路执行时使该处理电路：将第一组规则应用于第一患者参数数据，以用于是否检测到患者的心脏骤停的第一确定；确定满足该第一确定的一个或多个上下文准则；以及响应于满足该一个或多个上下文准则，将第二组规则应用于第二患者参数数据，以用于是否检测到该患者的心脏骤停的第二确定
。
至少该第二组规则包括机器学习模型，并且第二患者参数数据包括未被包括在第一患者参数数据中的至少一个患者参数
。
[0009]在另一个示例中，一种方法包括通过处理电路：将第一组规则应用于第一患者参数数据，以用于是否检测到患者的心脏骤停的第一确定；确定满足该第一确定的一个或多个上下文准则；以及响应于满足该一个或多个上下文准则，将第二组规则应用于第二患者参数数据，以用于是否检测到该患者的心脏骤停的第二确定
。
至少该第二组规则包括机器学习模型，并且第二患者参数数据包括未被包括在第一患者参数数据中的至少一个患者参数
。
[0010]在另一个示例中，一种包括指令的非暂时性计算机可读存储介质，这些指令在由处理电路执行时使处理电路：将第一组规则应用于第一患者参数数据，以用于是否检测到患者的心脏骤停的第一确定；以及确定满足第一确定的一个或多个上下文准则；以及响应于满足这些上下文准则，将第二组规则应用于第二患者参数数据，以用于是否检测到患者的心脏骤停的第二确定
。
至少该第二组规则包括机器学习模型，并且第二患者参数数据包括未被包括在第一患者参数数据中的至少一个患者参数
。
[0011]本
技术实现思路
旨在提供对本公开中所描述的主题的概述
。
其并不旨在提供对在以下附图和描述中详细描述的设备和方法的排他性或穷尽性解释
。
在以下附图和描述中阐述了一个或多个示例的进一步的细节
。
附图说明
[0012]图1是展示根据本公开的一种或多种技术的被配置成检测患者的健康事件并响应此类检测的示例性系统的框图
。
[0013]图2是展示根据本公开的一种或多种技术进行操作的患者感测装置的示例性配置的框图
。
[0014]图3是展示根据本公开的一种或多种技术进行操作的计算装置的示例性配置的框图
。
[0015]图4是展示根据本公开的一种或多种技术进行操作的健康监测系统的示例性配置的框图
。
[0016]图5是展示用于将规则应用于患者参数数据以确定是否检测到急性健康事件的示例性操作的流程图
。
[0017]图6是展示用于将规则应用于患者参数数据以确定是否检测到急性健康事件的另一示例性操作的流程图
。
[0018]图7是展示用于配置应用于患者参数数据以确定是否针对患者检测到急性健康事件的规则的示例性操作的流程图
。
[0019]图8是展示用于配置应用于患者参数数据以确定是否针对患者检测到急性健康事件的规则的另一示例性操作的流程图
。
[0020]图9是展示利用心脏骤停的风险评分的示例性操作的流程图
。
[0021]在整个附图和说本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种系统，包括：处理电路；和存储器，所述存储器包含程序指令，所述程序指令在由所述处理电路执行时使所述处理电路：将第一组规则应用于第一患者参数数据，以用于是否检测到患者的心脏骤停的第一确定；确定满足所述第一确定的一个或多个上下文准则；以及响应于满足所述一个或多个上下文准则，将第二组规则应用于第二患者参数数据，以用于是否检测到所述患者的心脏骤停的第二确定，其中至少所述第二组规则包括机器学习模型，并且所述第二患者参数数据包括未被包括在所述第一患者参数数据中的至少一个患者参数
。2.
根据权利要求1所述的系统，其中所述机器学习模型包括第一机器学习模型，并且所述第一组规则包括第二机器学习模型
。3.
根据权利要求1所述的系统，其中所述第一患者参数数据的第一患者参数由医疗装置感测，并且所述第二患者参数数据的未被包括在所述第一患者参数数据中的所述至少一个患者参数由被配置用于与所述医疗装置进行无线通信的计算装置感测
。4.
根据权利要求1所述的系统，其中所述第一患者参数数据包括从所述患者的心电图数据确定的至少一个患者参数，并且所述第二患者参数数据的未被包括在所述第一患者参数数据中的所述至少一个参数包括从所述患者的心音
、
所述患者的阻抗
、
所述患者的运动
、
所述患者的呼吸
、
所述患者的位姿
、
所述患者的血压
、
所述患者体内检测到的化学物质
、
或来自所述患者的光学信号中的至少一者确定的患者参数
。5.
根据权利要求1所述的系统，其中所述指令使所述处理电路响应于满足所述一个或多个上下文准则而激活传感器以感测所述第二患者参数数据中未包括在所述第一患者参数数据中的所述至少一个患者参数
。6.
根据权利要求1所述的系统，其中所述指令使所述处理电路：基于将所述第一组规则应用于所述第一患者参数数据来确定心脏骤停的风险评分，以及其中，为了确定满足所述一个或多个上下文准则，所述指令使所述处理电路将所述风险评分与阈值进行比较
。7.
根据权利要求1所述的系统，其中，为了确定满足所述一个或多个上下文准则，所述指令使所述处理电路：确定是否检测到所述患者的心脏骤停的所述第一确定的置信水平；以及将所述置信水平与阈值进行比较
。8.
根据权利要求1所述...

【专利技术属性】
技术研发人员：Y，
申请(专利权)人：美敦力公司，
类型：发明
国别省市：