专利名称：用于监测人体健康状态的设备的制作方法
用于监测人体健康状态的设备本发明专利申请是国际申请号为PCT/US2006/045656，国际申请日为2006年11月29日，进入中国国家阶段的申请号为200680051861. 6，名称为“用于监测人体健康状态的设备”的发明专利申请的分案申请。相关申请的交叉参考根据35U. S. C. § 119(e)，本申请要求2005年11月29日提交的美国临时申请60/740, 423的优先权。
背景技术：
I.发明领域本发明总地涉及人体健康监测领域，更具体地涉及使用多元模型分析生物参数的测定值，以便根据残差评估人体健康指标。2.相关领域简述检测和诊断人类疾病对维持个体健康和帮助患者康复至关重要。虽然非常需要早期侵入性检测，但这必须与错误警报和误诊的卫生保健运转成本相平衡。无论是在时间最为关键的场景如重症监护室(ICU)中，或是在长期健康监测如慢性疾病人群的家庭监测中抑或是在运动员的成绩监测中，对揭示性的健康问题进行准确的、可采取行动的检测是医学上非常关注的一个焦点问题。目前的人口统计学趋势表明，随着人们寿命延长，要应付的慢性健康问题的数量也多了。此外，一些以前死亡率很高的疾病现在变成了可控的长期慢性病。因此，需要进行持续监测的人群数量的越来越多，大大增加了卫生保健运转系统的负担。按照常规医学实践，在危急护理环境下，一般通过各种实时传感器测量如心电图(ECG)、脉搏血氧饱和度、呼吸和血压，以及对血液、尿液和其它体液进行的实验室检测，来监测人体健康。长期监测可包括这些变量，以及体重测定、药物给药测定和其它疾病定性评估。一般以一元方式将这些测定值与预定的(健康)群体的正常范围相比较，将这些测定值对照标准范围来诊断疾病迹象或健康状况不良趋势。与受过医学训练的人员的定性观察相结合时，这构成了医学界物理检测不良健康状况和疾病时检测患者和健康个体的基本实践，，对于提供卫生保健而言是一种人员密集型的方法。长期以来，用传感器和计算机技术自动可靠地监测患者就是医学护理的一个目标。近年来，随着数字设备可用性的改进和对体现医务人员专业知识的计算机系统的研究，已经制得以生命指征和实验室检测结果为基础提供基于规则的检测患者的系统。这类系统在医院里投入使用，为监测(例如)1⑶病房中的患者提供辅助支持系统。可对专家规则执行引擎进行编程，以便在组合各种信号上的阈值检测触发因素，来诊断或排除需要医务人员介入的病症。这些系统已获得有限的成功。难以以在人群中和患者所呈现的各种病症中有效普适的方式设计专家规则。对康复中的青年外伤患者而言十分准确的专家规则在应用于老年心脏病患者时可能会发出错误警报和检测不准。在本领域的另一种方法中，为了提供更加自动化的监测和诊断，已经将可能并非毫无争议地更类似于专家本人的数据融合能力的人工智能技术如神经网络，应用在了人工患者监测数据上。用一组例子来训练神经网络，使其学习某些关联和模式。例如，用与疾病状态相关联的一组患者数据和与健康状态相关联的另一组患者数据训练神经网络，使其可识别疾 病状态并作出诊断。典型地，已知可将一组患者数据输入受过训练的神经网络，并获得一种分类作为输出，或者是确定为健康/疾病，或者是作为特定病症的诊断。本领域已知的另一种方法是将一组患者数据输入神经网络，并获得标量等级值作为输出，例如疾病程度或疾病级数。然而，基于输入数据和训练数据产生神经网络输出的方式，对于观察者而言由于神经计算的非线性特征无异于“暗箱操作”。而且，也难以设计这样一种“暗箱”法，使其超越训练数据推而广之。结果是，这些方法的成功与否有很大差异，这最终破坏了其可靠性。所有这些现有技术方法的主要问题是生物系统的动态本质。人是具有复杂内部控制和反馈系统的生物系统，这些内部控制和反馈系统对身体的状况和对身体的要求做出反应，调控健康的重要方面如血压、血液化学、氧合作用等。通常为监测健康状况而做测定结果根据活动状态、年龄、体重、营养状况和疾病状态等容易产生很大差异。因此，难以为所监测的变量阈值指定合适的触发水平，故而倾向于根据人口统计学数据设定仅仅能够指示危急的直接健康问题的触发水平。例如，脉搏速率监测可能设定成只有极高或极低(或零)脉搏速率才能引发警报。即使是更高级的将变量和阈值组合成多变量规则的现有技术解决方案，仍然极难设计出能够在维持低错误警报率的同时，对孕育中的真正问题提供可采取行动的提前警告。相似地，由于原始数据的变化，用于分类的神经网络在归纳方面显得不知所措。毋庸置疑，医学界的常规统计学/人口统计学方法不能容许数据的动态变化，所以，或者数据要在非常精确的条件(如适用于血压测试的标准化条件)下来获得，或者干脆将这种变化忽略不计——如影随形的是准确性的下降。就在医学健康监测中提供计算机自动辅助而言，迫切需要改进方法处理和分析来自所监测的人体的传感器和实验室数据，以便提供准确、可采取行动和早期的初期健康问题检测和诊断。更具体地，所需要的是一种重复利用(leveraging)现有传感器测定结果的系统，以便提供更好的对人体健康问题的计算机自动化警戒、并准确地区分要求医学专家人工关注的患者的优先次序。改进的自动化监测在发挥有限的专家医疗人员作用和改善总体保健服务质量和效率方面大有裨益。发明概述本发明提供一种在(例如)重症监护室或长期健康监测中用于人体健康计算机自动化监测的新型方法和设备。因此，在本发明中，监测代表人体生命指征和其它生物学参数或身体化学参数的量度的传感器数据，以便对初期健康问题提供预警、使医务人员洞悉什么参数偏离了正常行为、并提供医务人员关注对象的优先次序。有利的是，本发明能以高灵敏度、低错误警报率检测和帮助诊断健康问题，并提高特定人数的医务人员可以处理的患者监测负荷。本发明也通过提供更早和更准确的自动化问题检测和诊断手段而大大方便了长期的和远程的人体健康监测。与应用单一参数的阈值或规则(例如健康血压范围)的常规方法相反，在本发明中，对多种生物学参数进行测定，并使用正态多元变化模型进行分析。更具体地，将多个生物学参数的一系列观察结果输入这些参数的正常行为的经验模型，这个模型输出这些参数应得的估计值。将这些估计值与实际测定值进行比较，以计算各参数的差异或残差。不是像常规方法那样对原始测量值应用阈值、规则或统计学处理，而是通过分析该模型提供的残差揭示健康问题。可将阈值、规则和统计学处理方法应用于该残差以确定是否存在初期疾病状况或健康问题，以便较早地检测和治疗。重要的是，通过分析残差数据而非原始数据，本发明能够考虑测定参数的正常生物学变化，从而以较低的错误警报率更灵敏地检测真实偏差。
本发明的经验模型是采用代表健康人生物学参数的正常变化的数据产生的。更具体地，可采用基于内核的技术，根据健康人的多元例子提供正常动态行为的模型。该模型响应于输入的生物学参数的真实测定值产生这些生物学参数的估计值，代表最接近真实测定结果的状态的正常状态。将真实测定值与估计值作比较产生残差，理想状态下残差应大约为零。如果残差大于通常值，不论是方差还是偏差(偏移)，则表明产生了与对应于该残差的参数有关的初期问题。另根据本发明，残差的模式和趋势可以与特定的已知形成中的健康问题相关联，供诊断之用。可将阈值应用于残差以触发警报。可以采用规则将残差信息组合到疾病发病机制的集成体现图式中，或者排除特定疑似病症。可对残差的时间序列进行统计学分析以确定趋势。根据本发明的实施方式，健康检测中心接收来自接受健康状态监测的患者身上的仪器的生物学参数数据。该中心可位于医院病房内，或者可位于医院之外并通过网络连接至位置独立的多个医院或诊所。将各患者的一组参数测定值输入一种或多种经验模型，所述模型经过训练，可得悉这些生物学参数的正常变化。各模型产生估计值，与实际测定值相比较后产生各给定患者的残差。这些残差可以供该中心的医务人员进行检查之用；然而，在计算机系统中对这些残差进行自动化检验和分析，以便利将这些残差映射为警报和诊断，呈现给医务人员。医务人员利用这些分析和警报的结果区分他们亲自研究其病症的患者优先级并安排对警报或诊断所标识的患者状况的治疗。医务人员可确认或解除警报，或使经验模型适应某些指定的实际测定值或将这些指定的实际测定值纳入该模型中。在另一实施方式中，让准备在居家环境中接受监测的人佩戴设备，以便进行不定时或实时的生物学参数测定并将这些数据传输给远程计算中心。数据首先被用来生成这个人的个性化模型(在替代行方案中也考虑了通用模型)，并且在一段时间之后，用该模型分析随后发送的数据。所监测的数据产生残差值以及相应的警报和诊断。所监测的数据和分析结果可通过网络供其医生使用，医生可以检查数据并与病人取得联系来获取更多信息、要求他前来检查、或修改治疗方案。在另一实施方式中，给一般地执行某一 〃任务〃的个人(其健康状态与该任务相关)佩戴用于测定生物学参数的传感器，并配备用于按照本发明分析这些数据的计算装置。而且，他把通信设备偶联于该计算装置上，以便将基于模型和基于残差的分析所产生的健康状况指标传送给远程位置。任务管理人员使用这些健康状态信息作出任务决策。各种各样的生物学参数服从于本发明的建模和分析。可以使用典型生物学参数如ECG、呼吸参数、血氧和脉搏血氧饱和度数据、血压等。此外，由这些测定值推导出的特征，例如心率变化等，也可给本发明建模提供输入值。附图简要说明
所附权利要求书中列出了认为是本发明特点的新颖特征。然而，本发明本身及其优选应用模式、其它目的和优点，通过结合附图参考以下的实施方式详述能够得到最好的理解，其中图I示出了根据本发明的一个实施方式实施本发明的通用结构；图2示 出了根据本发明的一个实施方式将模型进行本地化的流程图；和图3示出了含有按本发明所生成的信号、其估计值和残差信号的图表。优选实施方式详述本发明总地涉及通过对多种生物学参数进行基于模型的分析自动监测人体健康状态和检测表示健康受损或疾病的状况。因此，提供一种对正常动态变化和参数之间的相互关系建模、并响应于接收到的一组实际测定值生成这些参数的估计值的模型。例如，模型可包括心率、心率变化、呼吸率、血氧、血压、体温等。这些参数的测定值输入模型，模型即生成这些参数的估计值，如果提供了实际测定值的集成体现图式，估计值即代表这些参数应当是些什么。所述估计值对各实际测定值求差，以提供各参数的残差。在正常情况下，残差应该大约为零(即使原始数据随时间动态地变化)；如果在发生健康问题，一种或多种受影响的参数的残差可能会出现偏离或者其方差会增加。计算机逻辑规则——从单纯的阈值到复杂的专家规则——可应用于该残差，以确定表示健康问题的偏差的持久度/置信度。可由其生成警报，并提供给负责监测该患者(由其测定数据)的医务人员。警报可包括简单地报告偏差，或可包括对需要干预的情况的诊断。也可采用逻辑规则评估疾病进展，即关于所监测患者疾病状况的连续性严重性等级。有利的是，与将现有技术的阈值、规则和其它技术应用于原始数据相比，根据本发明的基于残差的警报、诊断和评估方法更准确、更灵敏、更可靠。通过提供能够在生物系统如人的正常变化范围中产生估计值的模型，有可能去除正常变化并以显著地小于各种仪器测定的参数或推导出的特征参数的正常变化总体范围的水平标识偏差(残差)，这种偏差有可能消失在大规模的正常变化中。用于按照本发明监测人体健康的模型是已知状况的模型，更具体地是正常人体状况的模型(虽然可能需要对并非完全健康状况，但已知在患者的给定状况下系属稳定，例如术后稳定的状况建模)。本发明所用模型基于特定生物学参数的输入值输出特定生物学参数的估计值。在一个实施方式中，所估计的参数对应于输入参数，该模型是“自关联型”模型。在另一实施方式中，该模型对并非作为输入值提供给模型的一种或多种参数产生估计值，在这种情况下该模型为“推论型”模型。仍然将由推论型模型估计的参数与由这些参数的实际测定值作比较；只是模型的输入值中不包含这些实际测定值。本发明的合适模型是经验模型，因为对人体生物系统中参数之间的确切关系常常了解得很少，无法作为基本原理模型的基础。另外，合适的经验模型可以是基于内核的模型，其中用数学内核基于输入观察值和存储器中储存的观察值示例生成所研究的生物学参数的估计值。观察值示例形成了基于内核的方法的库，它包含了在健康或稳态人体中观察到的正常值的组合；内核运算本身将这些观察值示例与输入观察值关联起来，并根据输入值产生正常的观察值。以此方式，用经验数据(即观察值示例)被用来生成相互关系尚不明了的参数的准确估计模型。可以以在一台或多台计算机上执行的计算机程序的形式实施本发明。在一个实施方式中，独立式计算机(如家庭计算机)运行用于监测一个人的程序，它可通过通信协议(如蓝牙、WLAN)接收来自附连在人体上和/或植入人体内的设备的传感器数据，或者来自该个人定期使用的测量站的数据；它还用于采用本发明的基于模型、基于残差的方法处理这些数据，并将这些数据在本机上呈现给该个人和/或将其上传到远程报告站，如通过电子邮件发送给医生或可供医生使用的网页等。在另一实施方式中，医院ICU设备连接于病房的数据站，该数据站将多位病人的数据发送给处理中心，处理中心中一台或多台计算机运行着按照本发明分析数据的程序；基于所得到的加工后的数据，警报和诊断等转播给医院和/或远程监控中心的显示屏供医务人员观察。在又一实施方式中，身体上附连或植入了传感器设备的人也携带员工小型计算平台，比如个人数字助手(PDA)，它能接收数据并在本机上用本发明的基于模型、基于残差的方法加工这些数据，产生可在本机上报告和/或传送给远程位置由医务人员观察的结果。转到
图1，框图概括显示了用生物学参数传感器或由传感器数据产生的〃特征〃数据流监测人的本发明的实施方式。生物信号源105将多个生物学参数的读数提供给模型模块114和任选的特征提取模块110。特征提取模块110可例如基于来自输入源105的ECG·信号的数据供给(data feed)提供心率数据。下文描述了可通过特征提取模块110计算的其它特征。模型114产生需要监测的某些生物学参数的估计值。在自关联型实施方式中，所生成的估计值对应于来自输入源105的输入值(和/或通过特征提取模块110由其产生的特征)。在推论型实施方式中，模型114可生成对应于未出现在输入值中、但以该模型以前学习国的某种方式与输入值相关的生物学参数的一个或多个值。随后，模型114产生的估计值可传递给比较模块120，比较模块从估计值与输入源105所提供的实际测量值之差产生残差。将得到的残差提供给分析模块127，分析模块127对残差进行各种测试中的任意一种以确定有关健康的诊断、警报、严重性等。这一分析模块可执行规则引擎，以便用一个或多个残差值评估规则逻辑。规则可以是各种常用规则中的任意一种，从简单的单一变量阈值测定到多变量和/或时序逻辑。而且，一些规则的输出值可以是其它规则的输入值，如同例如将简单阈值规则输入分窗口的警报计数规则时(如在y次观察中的X次阈值警报)。而且，可采用统计学技术对残差数据进行处理，以产生其它测定值和信号——它们本身就可输入到该规则中。适用的统计学分析可选自本领域已知的各种技术，包括但不限于移动窗口统计(平均值、中值、标准差、最大值、最小值、偏度、峰度等)、统计学假设检验、趋势和统计学工艺控制(⑶SUM、S-图表等)。残差分析模块127的输出是应用逻辑规则和统计学检验的结果，其包括警报、诊断结论和严重性等级。将这些结果提供给输出模块130，输出模块130可包括显示这些结果的装置(如计算机屏幕、PDA屏幕、打印输出或网页服务器)、储存结果的手段(例如具有查询能力的数据库、平面文件、XML文件)、和将结果传送到远程位置或其它计算机程序的手段(例如软件界面、XML数据报、电子邮件数据包、异步信息、同步信息、FTP文件、服务、流水线命令(piped command)等)。也可提供警报管理模块135，它允许医务人员对来自残差分析模块127的结果进行注释和扩充、区分结果的优先级、解除或保持特定警报或诊断、并以其它方式向该系统登记对该结果的反应。此外，可能存在来自输入源105由模型114、残差发生器120和残差分析模块127分析为不正常，而医务人员可能认为是正常的数据，和需要加入模型114的数据。因此，警报管理模块135也可以向任选的适应模块140提供数据片段标识，所述适应模块140的任务是将该数据纳入模型114的学习内容中。此外，适应模块140可任选地自己对数据和/或残差分析结果进行自动测试，以使模型114得到更新。如前所述，本发明的正态或基本动态多变量模型可以是用基准数据创建的经验模型。本发明模型的优选形式是基于内核的通用估算器的自关联形式或推论形式。自关联形式通常是
f 二I式中生物学参数的自关联估计矢量Xte由Ci和核函数K的结果的线性组合产生， 它将生物学参数测定值(或特征)的输入矢量X#与L学习模式或这类测定值的样本Xi作比较。为了提供多变量估计矢量Xte，Ci是矢量，且可根据造成基于内核的估算器的变化的多个不同的方法来确定，且可部分地成为输入X#和/或示例Xi的函数。所学习的模式来自训练模型的“数据行为”类，例如正常或健康的人，或术后稳定状况。如本文中将在以下更详细地描述的，可对这些样本进行特别选择来代表基于年龄、性别、体重、健康状况或其组合的具体人物类型的正常状况，从而使得为了例如监测老年女性病人的目的，该模型可以例如是基于从该人群中获取的样本的针对老年女性的正常生物参数的模型。基于内核的通用估算器的推论形式为
L
y估=ZcA(x^x1)(2)
1=1式中生物参数值的矢量Y从对其他生物参数的输入矢量X#与这些参数的L学习样本Xi的基于内核的比较来估算。每一个学习的样本(exemplar)Xi与要估算的参数的另一样本矢量Yi相关联，它们根据内核K和矢量Ci (它们至少部分地是Yi的函数)以加权方式组合以预测输出Y。基于内核的估算器所共有的是内核函数，以及基于内核结果和包含样本的矢量Ci从样本的线性组合生成结果。内核函数K是广义内积，但优选还具有在X1^P Xi相同时其绝对值是最大值的特性。根据本发明的一个实施方式，可用于提供模型的基于内核的估算器是内核回归，例子之一就是Nadaraya-Watson内核回归式
Σ^[(%，χ广)
y估~ (推论形式)(3)
Σ[(%，χ*)
i=lx估=(自关联形式)(4)
权利要求
1.一种用于远程监测人体健康状态的系统，包括 受监测人体携带的蜂窝电话，设置它以无线地从附连到所述受监测人体的多个传感器接收代表多个生物参数的数据，所述数据包括来自加速计的活动测量； 远程设置的计算机，设置它以通过通信网络从所述蜂窝电话接收多个生物参数的受监测观察值；以及 计算机可访问的存储器，存储所述多个生物参数的示例性观察值的集合，其中所述观察值表征受监测人体在正常健康条件下的所述多个生物参数的行为，且其中所述集合包括在正常健康条件下从所述受监测人体获得的在一定范围正常变化上的观察值； 所述计算机被配置为生成对从所述蜂窝电话接收的受监测观察值中的所述多个生物参数的至少一个生物参数的期望值的估计，所述估计包括所述示例性观察值的集合的至少一些观察值的线性组合，所述估计至少从所述受监测观察值和至少一些示例性观察值的基于内核的比较结果导出；以及 所述计算机还被配置为比较所述估计和所述受监测观察值中的所述多个生物参数的所述至少一个生物参数的相应值，以生成残差，并基于所述残差做出人体健康状态的确定。
2.如权利要求I所述的系统，其特征在于，所述多个生物参数包括血压信号中的QRS峰值和下一收缩峰值之间的时滞测量。
3.如权利要求I所述的系统，其特征在于，所述多个传感器包括设置以测量环境温度和所述受监测人体温度的至少一对温度传感器。
4.如权利要求I所述的系统，其特征在于，所述多个传感器包括血氧计。
5.如权利要求I所述的系统，其特征在于，所述多个传感器包括光血糖仪。
6.如权利要求I所述的系统，其特征在于，所述多个生物参数包括呼吸深度测量。
7.如权利要求I所述的系统，其特征在于，所述多个生物参数的观察值由所述蜂窝电话以近似每一分钟做出，且所述多个生物参数至少包括平均心率测量、平均呼吸率测量、以及平均血压测量。
8.如权利要求I所述的系统，其特征在于，所述多个生物参数包括心率、血氧测量值、呼吸测量值、血压测量值、以及温度测量值。
9.如权利要求I所述的系统，其特征在于，所述多个生物参数包括通过施加中值滤波器为异常心率修正的心率测量。
10.如权利要求I所述的系统，其特征在于，若来自所述传感器的数据与展示中断的呼吸循环模式的间隔相符，则从所述受监测观察值中删除所述数据。
11.如权利要求I所述的系统，其特征在于，所述计算机还被配置为使用所述受监测观察值用于本地化，以便所述示例性观察值的子集被用于生成所述估计。
12.如权利要求11所述的系统，其特征在于，所述计算机还被配置为通过执行所述受监测观察值和所述示例性观察值的基于内核的比较来确定所述本地化的子集。
13.如权利要求11所述的系统，其特征在于，所述计算机被配置为通过比较所述受监测观察值和所述示例性观察值的预定群集来确定所述本地化的子集。
14.如权利要求I所述的系统，其特征在于，所述计算机还被配置有适应所述多个生物参数的示例性观察值的存储集合以包括受监测观察值的能力。
15.如权利要求I所述的系统，其特征在于，所述计算机还被配置为用至少一个阈值检验残差序列并在观察值的移动窗口中超过所述阈值的至少选定倍数时生成健康状态的通知。
16.如权利要求I所述的系统，其特征在于，所述计算机还被配置为以连续概率比检验来检验残差序列并基于此生成健康状态的通知。
17.如权利要求I所述的系统，其特征在于，所述受监测观察值和至少一些示例性观察值的基于内核的比较使用一内核，所述内核为两个矢量的比较生成有界范围中的标量输出，当两个相同矢量比较时，所述标量输出具有等于范围限度之一的值，且所述标量输出的绝对值随正比较的两个标量接近相同而增加。
18.如权利要求17所述的系统，其特征在于，所述受监测观察值和至少一些示例性观察值的基于内核的比较使用一内核，所述内核根据其被视为矢量的多元输入观察值之间的矢量差的范数确定其输出值。
19.如权利要求17所述的系统，其特征在于，所述受监测观察值和至少一些示例性观察值的基于内核的比较使用一内核，所述内核根据其多元输入观察值的对应项之间的各自差确定其输出值。
全文摘要
本发明提供了一种改进的人体健康监测方法，该方法利用了典型生命指征和其它生物学参数的传感器测定值，以及利用这些参数并根据实际测量值确定这些参数的估计值的经验模型系统和方法。分析由估计值和实际测定值之差得到的残差，能有效表明初始健康问题。与生命指征的常规单变量范围检查相比，残差分析更有效且更灵敏。
文档编号G06K9/62GK102908130SQ20121027205
公开日2013年2月6日 申请日期2006年11月29日 优先权日2005年11月29日
发明者R·M·派普克 申请人:风险获利有限公司