基于多变量残差的用于人体健康监视的健康指数制造技术

本发明专利技术提供了具有早期警告和优先级区分的对病人的不卧床或医院内监视，从而实现积极主动的干预和对医疗保健的费用和风险两者的改善。通过经验模型估计多变量生理参数以移除正常变化。使用多变量概率密度函数来测试残差以提供用于区分医疗努力的优先级的多变量健康指数。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术一般涉及人体健康监视领域，尤其涉及使用多变量模型来分析生物參数的测量以提供对人体健康指标的基于残差的评估。对相关技术的简要描述数百年来，医学已被实践为反应性的、危机驱动的过程。令人遗憾地，迄今为止，医学仍大多如此。慢性疾病表现出不成比例地分摊极大的医疗保健经济费用，而其中的大部分可通过对恶化的早期警告来避免。目前的医疗保健实践是偶尔发生的而且是反应性的，很少关注诊所或医院的受控环境之外的病人健康。然而，医学技术现在才刚开始探索从可穿戴式设备进行门诊遥测，并且实际上不知道谁将查看所有这些数据，或者将如何分析这些数据以提供虚警率较低的早期警告。另外，由于不卧床的运动伪像以及当病人是镇静的并且仰卧在医院病床上时不经常应对的日常活动过程中的正常生理变化，门诊遥测会带来相当多的挑战。其他行业(原子能、航空、精炼、计算机系统)近年来已采用了用于状况监视的高级智能算法，这些算法适应在从目标系统采集到的传感器数据中所呈现的正常变化和动态特性，并且将其与精细的对恶化的早期警告征兆区别开来。一种机器学习技术(基于相似性建模(“SBM”)技木)已在包括以上所提及的许多应用场合中证明是成功的。SBM是非參数数据驱动的建模技术，该技术从来自复杂系统的多变量数据学习正常行为，并且将该正常行为与受监视系统中的不利行为的发作区别开来。将SBM用于健康问题的可见性在于多变量数据的可用性上的偶发性。来自具有多个传感器的可穿戴式感测设备的连续遥测可提供此类数据。然而，现有设备数据贫乏(在大多数情形中是单变量的)并且主要针对非常狭窄的健康相关问题，例如，对糖尿病患者的葡萄糖监视、或者对高血压的血压监视。这些设备通常不g在用于连续监视，并且所执行的任何分析是通过使用大量人口统计进行的，即，不是针对个人的。另外，目前的商用远程医疗设备不易于穿戴，并且不能利用最新的移动技木。需要获得可供分析使用的多变量连续数据(无论是来自门诊基础上的可穿戴式设备还是来自医院里的床边装备)，以使得诸如先前提及的SBM之类的机器学习技术能够被用于自动地早期检测指示病人的健康潜在地遭受恶化的初期变化。因为医务人员往往工作过度并且没有很多时间用来深入地研究每个病人的分析结果，这特别是在可能涉及大量在家病人的情况下尤甚，所以重要的问题在于如何以简单的度量来总结此类机器学习技术的结果以便采取行动。专利技术概述公开了ー种端对端人体健康监视解决方案，包括可穿戴式无线感测设备，该可穿戴式无线感测设备连续地采集生命体征传感器数据并且(实时地或周期性阵发地)将该数据传送给基站计算机(或蜂窝电话/PDA)以供预处理。经预处理的数据随后在网络上发送给服务器以使用为人体监视定制的诸如SBM之类的基于内核的机器学习分析方法来进行分析。SBM技术被训练成因每个个人的正常生命体征特性而异。由于人与人之间生命体征的变化，这种能力对于任何有效的人体监视系统而言是关键的。服务器可远离病人。在服务器处用SBM或其他相关的基于内核的方法执行的分析通过生成对已从传感器数据确定的生命体征(即，生理数据)的估计的方式工作。这些估计表示经训练的SBM模型可确定什么作为对应于受监视数据的最接近的可允许的正常生理数据。区分对生理数据作出的估计与实际的受监视的生理数据以生成残差，这些残差表示根据经训练模型的期望值与已由可穿戴式感测设备测量的值之间的差异。这些残差形成提供对健康问题的精细警告的早期检测的进ー步分析的基础，而使用将生命体征与人体统计学上可接受的范围(例如，基于人口的血压标准)作比较的常规医学方法可能会错过该早期检测。正常生理机能的残差(由先前建模的生理学)不同于正开始偏离常态且可在统计学上区分的生理机能的残差。对残差的进ー步的计算机化分析包括以下步骤中的一个或多个基干“混合高斯”密度估计来确定为受监视数据的任何给定的多变量输入观察推导的残差表示正常生理机能的残差特性模式的似然性；基于该似然性生成多变量健康指数作为该似然性的倒数的对数；对由此生成的指数应用阈值以作出所输入的生命体征是否表征正常生理行为的決定；以及组合一系列此类决定以提供对偏离病人的正常生理健康的早期指示。多变量健康指数有利地将残差分析从多个变量总结成单个指数以便管理已区分优先级的病人列表。该健康监视解决方案还可应用于在医院中从床边监视器获得的多变量生理參数。典型人体生理学的SBM模型可用于为医院里的病人作出估计和残差，特别是为正处于发展诸如败血症或肺炎之类的并发症的危险中的那些病人，以及特别是为服用镇静剂的和/或使用呼吸机的并且不能够表达初期疾病的不适或感觉的那些病人作出估计和残差。顺从健康监视解决方案的床边数据供给包括心电图描记器、脉搏氧饱和度仪、呼吸机数据、以及通过非侵入手段或通过导管测量的动脉和静脉压力等。此类数据可被流送给医院病房的服务器或者异地服务器以监视多个医院设施，并且决定支持可通过将SBM应用于这些数据流来呈现并且向医疗保健人员显示以区分病人治疗的优先级。本专利技术的分析可在由软件专门配置的通用计算平台上执行。从传感器在病人身上采集的数据可无线地例如经由蓝牙或其他及其本地的无线电协议传送给不卧床设备或便携式设备。便携式设备可以是由病人携帯的蜂窝电话、“个人数字助理”PDA等、或者与医院病床中的病人一起移动的便携式计算设备。该设备可接收原始传感器信号并且执行先前提及的预处理以从传感器信号提取生命体征“特征”(生理数据)，例如，来自EKG/ECG信号的心率；或者可接收由传感器微处理设施从原始传感器信号提取的已预处理的特征。结果得到的生理“特征”数据可用SBM在设备(蜂窝电话或PDA)上或者在此类生理数据被传递到的计算机/服务器上分析。计算机可以是与病人共处一地的家用计算机、或者可以是分析数据中心处的远程服务器。来自设备的数据传递可通过电缆卸载或通过无线重传进行。 附图简述本专利技术相信具有新颖的特征在所附权利要求中具体陈述。然而，专利技术本身以及优选使用方式、其它目的及其优点，在结合附图參照以下对实施例的详细描述而得到最好的理解，其中图I是示出根据ー个实施例的一般配置的框图。图2示出传感器放置在人体上的示例；图3示出原始生理波形或信号的示例图；图4示出用于确定与Sp02 (血氧饱和度)有关的特征的光电容积脉搏波分量的信号振幅图，该特征可被理解成表示由堆叠相加的光电传感器获得的光分量；图5是多图示例标绘，其在顶部的四个标绘中示出原始的与生理机能有关的信号并且在底部的五个标绘中示出从这些信号推导的有关的特征数据；图6是示例性生理特征时间序列的标绘，其示出在准确性和稳健性运算中使用的时间序列的扰动；图7A是多变量健康指数的一对相关标绘中的ー个，并且仅是为示出未受扰动数据和受扰动数据的指数的原始特征数据推导出来的；图7B是为残差数据推导的多变量健康指数标绘，该残差数据是从示出未受扰动数据和受扰动数据的指数的特征数据的基于内核的模型生成的；以及图8是示出替换实施例的框图。优选实施例的详细描述存在病人可能患上的大量慢性疾病，然而对于这些慢性疾病而言，病人不能无限期地待在医院里。病人可能具有心カ衰竭、慢性阻塞性肺病、肾衰竭、糖尿病、早期痴呆和其他状况，这些状况可能从稳定的受管理的状态转移到警告不明显的紧急健康危险。希望早期检测这种本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：S·W·维格里奇，
申请(专利权)人：风险获利有限公司，
类型：
国别省市：