患者の健康を自動診断するシステムおよび方法
患者の健康の臨床的にモデル化された自動診断を提供するための方法およびシステムが開示される。好ましい実施形態は、診療基準と一致している態様で患者データを分析するために医科装置およびネットワークを使用する。また、ここに開示されたシステムのいくつかの実施形態は、慢性疾患をより良好に監視、予測および管理するのを助ける高度患者管理システムとして構成され得る。
【発明の詳細な説明】
【技術分野】
【０００１】
米国国民および居住者であるカーディアック・ペースメーカーズ社（CARDIAC PACEMAKERS,INC.）は、この出願を米国以外の全部の国を指定するＰＣＴ出願として作成し、２００２年１１月２６日出願の米国特許出願第１０／３０６，８５５号以前のクレームを主張する。
【０００２】
本システムは、一般に高度患者管理システム（Advanced Patient Management System）に、詳細には、限定としてではないが、多次元健康状態指標および病気の傾向予測をもたらすために探知された患者健康データを母集団データと比較して分析することによって患者の健康を自動的に診断することができる当該システムに関する。
【背景技術】
【０００３】
プラトンによれば、「健康に対する注意は人生最大の妨げである。」歴史家たちは、プラトンが、思想への完全な傾倒を邪魔した彼の体の身体的制約を嘆いていたと考えている。しかし、現代の世界でも健康に対する注意はやはり、増大する量の医学データを消化し総合するために臨床家にかかる身体的負担によって、また、ＨＭＯ（ヘルス・メンテナンス・オーガニゼーション；health maintenance organization）および他の頭割りでかかる費用の装置使用によるコストを抑制するために必死な現代医療システムの会計的負担によって、限定（制約）されている。
【０００４】
過去２０年にわたって、医療コストは、他の経済と比較して２倍を超えるインフレ率で毎年上昇している。主要なコスト要因は、従来の健康管理環境（すなわち、医院または病院）において患者の健康を評価する際にかかる時間および費用である。増大するコストの流れを食い止めるために、医師や他の健康管理専門職は、コストを抑制することと良質な医療を提供することとの間で合理的なバランス（慢性疾患を治療するという難題に直面した時に往々にして難しいバランス）をとらなければならない。
【０００５】
現代医学は一般に、病気を慢性または急性のどちらかとして分類する。慢性心疾患、高血圧や糖尿病といった慢性疾患はしばしば、患者の生存期間に定期的な治療計画を必要とする。慢性疾患はまた、他の健康管理問題を引き起こす傾向を有する。例えば、慢性心疾患はしばしば、慢性的な心臓の問題の治療とは別の治療法を必要とする浮腫や他の循環系の問題を生じる。糖尿病はしばしば、神経障害や終局的な切断につながる。従って、慢性疾患を治療する医師は、彼らの時間と資源の大部分を、病気を治癒することよりもむしろ管理することに充てる。
【０００６】
慢性疾患とは対照的に、急性疾患は一般に、徴候の突然または深刻な発現、または患者の状態の急激な変化や悪化によって発症する。急性疾患はしばしば、即時的かつ往々にして高額な医学的介入を必要とする。しかし、急性症状の出現は、それらが予測可能な程度まで管理に適するか、または慢性状態に関連するかもしれない。
【０００７】
病気の管理は、病気の急性症状の出現を防ぐか最小限にするために患者教育を提供し監視する意図を伴い既知の診断により患者を管理することとして定義され得る。急性症状の出現の数を減らすかまたは無くすことは転じて、医療費を低減または削除するとともに、患者の主観的な健康感覚を改善する。治療医は、主観的な健康感覚が患者の健康の客観的な改善としばしば相関し、有用な予測的健康管理・評価ツールとして役立つことを認めている。要するに、病気の管理は、患者の母集団全体の健康を増進するのを助成し得る、病気の傾向を監視するための予防的、包括的なケアをより重視する。
【０００８】
遺伝子検査（特定の健康状態の素因を決定するか、または遺伝子疾患の診断を確認するために個人の遺伝物質を分析すること）の進歩により、病気の管理は、誕生から死までの協調した患者ケアの形態をとり得る。この“ゆりかごから墓まで”方式において、医師は、臨床的に明らかな病気や徴候を有する患者だけでなく、全く健康に見える患者も管理する。
【０００９】
しかし、慢性、急性または素質的病態を効果的に管理するために、医師はまず最初に正しい診断を下さなければならない。診断は、その症状および徴候から病気を識別する技術または行為として定義される。診断を行うために患者に関するデータを求める医師は必ず、例えば血液または尿検査などの１つ以上の診断手順を患者に受けさせる。一般に、医療技士が患者から血液を採血するか、または尿を採る。試料はその後、その試料について相当量のデータを生成する態様で分析される。しかし、正確な診断はしばしば、患者の医学的履歴および医療行為や治療上の主たる傾向を含む、試料データ以外の源泉からの患者健康データの収集および分析を必要とする。その結果、医師は、収集した情報をまとまりのある有意味な診断に総合することを求められる。この総合の質は大部分、医師の技能や教育に左右されるので、誤り、つまり誤診の可能性は相当になり得る。データが医師の知識の範囲内で徴候または不調を明らかにすることができなければ、医師はその問題を誤診するかもしれない。加えて、医師の予断が試料データの誤用や誤解をもたらし得る。
【００１０】
医師の誤りおよび／または誤診を最小限にする１法は、診断プロセスの少なくとも一部を自動化することである。現代医学の実践の多くはアルゴリズム的表現に簡約され得るので、自動化は可能である。すなわち、健康問題の診断はしばしば、問題の原因を分離する働きをする一連のステップに従う。アドバンスト・カーディアック・ライフ・サポート（ＡＣＬＳ）およびアドバンスト・トラウマ・ライフ・サポート（ＡＴＬＳ）方法論は、どれほどの患者のケアがケアの標準を設定することによって改善され得るかを示してきた。いくつかの標準は、ケアの標準に客観的なコンピュータアクセス可能なフレームワークを付与する臨床アルゴリズムに移し替えられ得る。これまで、治療医は、患者の医学情報の重要な宝庫であり、しばしば、それに臨床的意味を与えることができる唯一の者であった。現在、コンピュータ技術がこのプロセスを部分的に自動化することができる。
【００１１】
医師や他の健康管理専門職は、現在、ほとんどすべての「知識ベースの」臨床的推論がコンピュータによって良好かつより確実に実行され得ることを認識している。しかし、その臨床的推論の質は、コンピュータにプログラムされる人工知能パラメータの質に依存する。その最も基本的レベルにおいて、人工知能は入力された生データの操作として定義され得る。しかし、生データが構造または順序を与えられた時、そのデータは情報に変わる。言い換えると、生データは、意味のあるものに純化される。有意味な情報を編集するプロセスは、知識ベースを創成する際の最初のステップである。コンピュータベースのシステムがより博識になるにつれて、そうしたシステムは、現実のパラメータを反映するアルゴリズムを使用することによって、以降のデータ入力に関して識別的判断を下す能力を高めることができる。コンピュータベースのシステムが判断を発達できるようにする形でデータを編成することによって、システムは知恵と呼ばれ得るものを獲得するうえで最初のステップを踏み出した。
【００１２】
医学データまたは患者健康データのコンピュータ分析の分野において、ファジィ論理の原理は、人間の知恵に近づくために使用され得る。基本的に、ファジィ論理は、ブール論理の特徴である絶対値の代わりに、特定の確率の可能性を扱う。最適には、ファジィ論理は、「元の状況の諸要素を統一された全体に変換するほどにその成分をなす区別および関係に関して決定力がある。」（ジョン・デューイ、『論理学−探求の理論』、１９３８）。臨床診断の異種の要素をファジィ論理原理で統一することによって、結果として得られる出力は、臨床行為および経験によって得られた知恵を反映する臨床的に許容可能な診療基準（a standard of medical care）により密接に近づく。
【００１３】
加えて、診断プロセスを自動化するシステムは、頭割りの健康管理環境において著しい競争上の強みを有しているはずである。そのようなシステムは、介入が経済的、臨床的および人道的に最大限にされるように、あらゆる病気の過程における極めて重大な時点を自動的に識別するために患者データを分析できるはずである。
【００１４】
このように、自動化された診断を用いた病気の管理は、医学の実践における革命的なステップである。小型化コンピュータ技術の急速な進歩のために、病気の管理における先駆的な前進が今や可能である。これまで、治療医は、患者の医学情報の重要な宝庫であったばかりでなく、その医師が死亡した時にはその情報の大部分が失われてもいた。現在、診断およびデータ記憶機能は、コンピュータ技術を用いて部分的に自動化され保存され得ており、それは、順序だった履歴的な形で医学的知識を提示および保存する手段を提供している。
【００１５】
しかし、そのような自動診断は、迅速かつ効率的に診断を提供することができるシステムに対する患者または臨床家のアクセスによって限定されるかもしれない。コンピュータ技術の臨床家の使用が医院または病院といった従来の環境に限られるならば、自動診断は、コストを低減し効率を改善する観点からほとんど価値がない。加えて、患者情報を収集する主要手段として患者の来院に頼ることはしばしば、多くの患者が定期的に計画された予約を行ったり維持することができないので、信頼できない。
【発明の開示】
【発明が解決しようとする課題】
【００１６】
従って、上記および他の理由から、その成分をなす区別および関係に関して決定力があり、患者または医師が容易にアクセス可能である、患者の健康の臨床的にモデル化された自動診断を提供するために患者健康データを保存し効率的に分析することができるデータ管理システムを含むか、またはそれとして構成された高度患者管理システムの必要性が存在する。このようにして、データ管理システムは、医療のコストを引き下げ、増大する量の臨床データに直面する臨床家の分析上の負担を低減するであろう。
【課題を解決するための手段】
【００１７】
本発明の１態様によれば、より包括的な高度患者管理（ＡＰＭ）システムという構成要素を含み得るか、またはそれとして構成され得る、データ管理システムを用いて患者の健康の自動診断のためのシステムおよび方法が提供される。データ管理システムは、医科装置およびネットワークを構成要素として含む。医科装置は移植可能医科装置を含み、ネットワークは線形または非線形どちらか一方の分析ネットワークを含む。そのような非線形分析ネットワークの非限定的な例が、ファジィ論理システムである。ここで使用される通り、「患者の健康の多次元指標」、「患者の健康の初期評価」、「患者の健康評価」、「分析された患者健康データ」、「事前評価」および「自動診断」は、可変の範囲の実質上同義の用語である。例えば、「患者の健康の多次元指標」は「事前評価」よりも概念的に広く、後者は多次元データのさらなるアルゴリズム分析から取得される。それにもかかわらず、全部の前記用語は、診療基準を反映する患者データの臨床的に導出されたアルゴリズム分析に基づく患者の健康の体系的評価を表現する。また、ここで使用される通り、「臨床家」は、医師、医師助手（ＰＡ）、看護師、医療技士または他のあらゆる患者健康管理提供者とし得る。
【００１８】
１実施形態において、データ管理システムの装置構成要素はデータ評価システムを含み、ネットワーク構成要素はデータ教育システムを含む。データ評価システムはさらに、センシングモジュール、データ管理モジュール、分析モジュールおよび通信モジュールを含む。
【００１９】
センシングモジュールは、患者健康データを探知するよう設計されている。患者健康データは、センシングモジュールによる測定に適格なあらゆる生理学的パラメータを含み得る。非限定的な例にすぎないが、そのような生理学的パラメータは、患者の体温、人間の心臓が（ペースメーカが機能する形に類似の）心臓周期を完成するのにかかる時間、患者の活動を含む。
【００２０】
データ管理モジュールは、患者データ、探知された患者健康データおよび患者母集団データを格納し、アーカイブする（アーカイブに保管する）よう設計されている。患者データは、アルゴリズム的医学診断または分析のためにコード化された患者の健康のあらゆる統計、測定値または値を含み得る。そのようなコード化された患者データは、患者履歴情報のデータベースを読み込む（populate）ためにデータ管理モジュールにダウンロードされ得る。また、患者から探知された患者健康データの形態の患者データは、データベースまたは患者履歴データベースを読み込むためにデータ管理モジュールにダウンロードされ得る。患者母集団データの形態の患者データは、類似疾患患者または遺伝的に類似の患者からのデータを含み得る。そのような患者母集団データもまた、患者母集団データベースを読み込むためにデータ管理モジュールにダウンロードされ得る。
【００２１】
分析モジュールは、患者の健康の多次元指標をもたらすために臨床的に導出されたアルゴリズムを用いて、探知された患者データおよび／または患者履歴データに対して患者母集団データを採点または分析するよう設計されている。そのような分析は、既知のデータ相関技法を用いて患者健康データを相関させる形態を取り得る。臨床的に導出されたアルゴリズムは、診療基準を反映するためにカスタマイズされ得る。非限定的な例にすぎないが、分析モジュールは、心臓の不整脈を評価および治療するためにメイヨー・クリニックで使用される臨床方法論を反映するアルゴリズムを含み得る。別の非限定的な例にすぎないが、分析モジュールは、ホルモン障害を評価および治療するためにクリーブランド・クリニックで使用される臨床方法論を反映するアルゴリズムを含み得る。アルゴリズム的表現になっているか、または簡約され得る他の臨床方法論が、患者健康データを分析するために他の臨床方法論とともに使用または組み合わされ得る。このようにして、システムは、地方または地域の診療基準、または患者のニーズに特定的にカスタマイズされたケアの標準を反映するように微調整され得る。さらに、診療基準を表現する臨床的に導出されたアルゴリズムを使用することによって、健康管理の質の一貫した受け渡しが存在する。そうした一貫性は、臨床家に掛かっていた診断上の負担をデータ管理システムに肩代わりさせることによって治療の費用対効果を改善するのに役立つ。患者の健康の多次元指標は、病気の傾向の予測、病気の進行の次の段階の予測、共存症、即ち併存疾患の予測、他のあり得る病態の推論、患者の健康の傾向の予測または他の臨床的経過を含み得る。
【００２２】
通信モジュールは、採点または分析されたデータおよび患者の健康評価を、さらなる評価および分析のために医師または他の臨床家に伝達するよう設計されている。通信モジュールはまた、採点または分析されたデータおよび患者の健康評価を、将来の診断または教育目的のためにデータ管理モジュールまたはファジィ論理分析ネットワークに伝達するよう設計されている。通信モジュールはさらに、採点または分析されたデータおよび患者の健康評価を患者に伝達するよう設計されている。
【００２３】
データ管理システムのデータ教育システムは、ニューラルネットワーク（または等価な）システムを含む分析ネットワークを含む。ニューラルネットワークは、データ評価システムによってアクセス可能な関連する臨床データの一元化されたリポジトリを含む。ニューラルネットワークは、病気および共存症の時間的展開とともに、履歴的徴候、診断および結果を反映する患者データのデータベースを含む。ニューラルネットワークは、データセット間の臨床的に有用な相関を見つけ、一連の出力を生成するためにデータを分析する。さらに、新しい臨床情報がデータ評価システムによって探知、分析および伝達されると、その情報はニューラルネットワークに伝達される。このように、ニューラルネットワークは、正確な識別的判断を下すその能力を高めることによってシステムの診断精度を改善するために、その知識データベースを新しい臨床情報で絶えずグレードアップするよう設計され得る。
【００２４】
別の実施形態において、患者データは、より決定論的なブールモデルとは対照的に、ファジィ論理の原理の下で分析される。ファジィ論理は、部分的な真の概念、「完全に真」と「完全に偽」との間の真値を取り扱うことが知られている。「ファジィ化」のプロセスは、いずれかの特定の理論をクリスプな（離散的な）形態から連続的な（ファジィな）形態に一般化する方法論である。
【００２５】
診療基準と一致した態様で患者データを分析するためにファジィ論理の原理を臨床的に導出されたアルゴリズムに適用することができるデータ管理システムとして構成された医科装置およびネットワークを用いた患者の健康の自動診断のためのシステムおよび方法の好ましい実施形態において、医科装置は、患者にとって内部であり、センシング、データ管理、分析および通信の各モジュールを含むデータ評価システムおよび、データ教育システムを、全体的または部分的に含み得る。ニューラルネットワークは、システムの好ましい実施形態において、コンピュータアクセス可能な患者データ、履歴データおよび、類似疾患患者もしくは遺伝的に類似の患者の患者母集団データを含む。
【００２６】
上述した種々の実施形態は、例証としてのみ与えられており、本発明を限定するように解釈してはならない。当業者は、ここで例示説明された例示実施形態および応用に従うことなく、かつ以下の請求項に記載されている本発明の真の精神および範囲から逸脱することなく、種々の修正および変更が本発明に行い得ることを容易に理解するであろう。
【発明を実施するための最良の形態】
【００２７】
必ずしも縮尺通りに描かれているわけではない図面において、同じ数字はいくつかの図にわたり実質的に類似の構成要素を示す。異なる添字を有する同じ数字は、実質的に類似の構成要素の異なる例を表す。図面は一般に、本書において検討される種々の実施形態を、限定としてではなく、例として示す。
【００２８】
以下の詳細な説明において、この一部を成し、特定の実施形態または事例が例証として示されている、添付図面に言及する。本発明の精神および範囲を逸脱しなければ、これらの実施形態は組み合わされ得るし、他の実施形態が利用され得るし、また、構造的、論理的および電気的変更が行い得る。それゆえ、以下の詳細な説明は限定的な意味で解釈してはならず、本発明の範囲は、添付の請求項およびそれらの等価物によって規定される。
【００２９】
本システムおよび方法は、診療基準を反映する臨床的に導出されたアルゴリズムを用いて患者の健康を自動的に診断することができるデータ管理システムとして構成された医科装置およびネットワークに関して説明される。本システムによってなされた診断は、医師または他の健康管理専門職によるさらなる評価、分析または確認のための出発点を提供する患者の健康の初期評価として最善に理解される。さらに、システムが定期的に患者健康データを自動的に探知するよう設計されているので、システムは、たいてい頻回でなく不定期である患者による来院の間に医師が得られ得る情報量を著しく上回る臨床的に適切な情報のサンプルを提供する。患者の健康の初期評価を提供する際に、システムは、臨床家によるデータ収集および検分の量を低減する。これは、コストを低減し、患者および患者の病気の管理を改善するのを助ける。
【００３０】
図１は、臨床的に導出されたアルゴリズムを用いて患者の健康を自動的に診断することができるデータ管理システム１００の実施形態を一般に例示している概略／ブロック図である。システムは、データ評価システム１０１およびデータ教育システム１０２をさらに含む。
【００３１】
図２は、患者２０２からデータを探知するよう設計されたセンシングモジュール２００と、データを格納およびアーカイブするよう設計されたデータ管理モジュール２０１と、患者の健康の初期評価を行うためにデータを分析するよう設計された分析モジュール２０３と、患者の健康の分析されたデータおよび初期評価を伝達するよう設計された通信モジュール２０４とを含む、データ管理システム１００のデータ評価システム１０１の実施形態を一般に例示している概略／ブロック図である。
【００３２】
１実施形態において、図３に例示された通り、データ管理システム１００のデータ評価構成要素１０１は、移植可能医科装置１０１ａよりなる。この実施形態では、移植可能医科装置は、図２に例示されたセンシングモジュール２００、データ管理モジュール２０１、分析モジュール２０３および通信モジュール２０４よりなる。
【００３３】
図４は、データ管理システム１００のデータ評価構成要素１０１の実施形態を一般に例示している概略／ブロック図であり、データ評価構成要素１０１のセンシング（探知）モジュール２００および分析モジュール２０３は、内部モジュールおよび外部モジュールの組合せよりなる。例えば、探知モジュール２００は患者２０２にとって内部であり得る一方、分析モジュール２０３は患者にとって外部であり得る。別の例では、探知モジュール２００が患者２０２の外部であり得る一方、分析モジュール２０３は内部であり得る。加えて、探知モジュール２００および分析モジュール２０３の両方が、内部または外部のどちらか一方であってもよい。当業者は、探知モジュール２００および分析モジュール２０３の様々な内部および外部装置（機器）構成が本発明の精神および範囲から逸脱することなく可能であることを理解するであろう。
【００３４】
探知モジュール２００は、患者健康データを探知するよう設計されている。患者健康データは、内部または外部患者データ、すなわち心臓血管データ、電気化学的データ、血液化学データ、体温、楔入圧、酸素飽和度、体重、主観的健康状態入力、血圧、ＥＫＧデータまたは、探知モジュール２００による測定に適格なあらゆる他の生理学的パラメータを含み得る。
【００３５】
データ管理モジュール２０１は、同時的および将来の分析のために患者データを格納およびアーカイブするよう設計されている。患者データは、患者健康データ、患者履歴データおよび患者母集団データより構成され得る。患者履歴データは、ある期間にわたって定期的にその患者から探知または収集された累積的な患者健康データ、またはコード化された患者健康データを含み得る。患者母集団データは、類似疾患患者もしくは遺伝的に類似の患者または両方の母集団からのデータを含み得る。データ管理モジュール２０１はまた、通信モジュール２０４によってデータをリトリーブ（探し出して読み出すこと）できるよう設計されている。
【００３６】
通信モジュール２０４は、分析モジュール２０３による分析のために定期的にデータ管理モジュール２０１からデータをリトリーブするよう設計されている。通信モジュール２０４はまた、探知または分析された患者データをデータ管理モジュール２０１および／またはニューラルネットワーク５００に伝達するよう設計されている。これは、データ管理モジュール２０１が以降の患者の健康の評価において探知または分析された患者データを利用できるようにし、ニューラルネットワーク５００がそのデータベースを最新の患者データで自動的に更新できるようにする。通信モジュール２０４はさらに、探知または分析されたデータを医師５０１または他の健康管理臨床家に伝達するよう設計されている。このようにして、通信モジュール２０４は、医師５０１、臨床家または患者２０２に対し、事前評価に基づいて介入の相対的緊急性を伝達することができる。
【００３７】
分析モジュール２０３は、通信モジュール２０４から患者データを受け取り、診療基準を反映または具体化している臨床的に導出されたアルゴリズムを用いて患者母集団データを参照してそのデータを採点または分析するよう設計されている。そのような診療基準は、非限定的な例にすぎないが、クリーブランド・クリニック、メイヨー・クリニックまたはカイザー・パーマネント・システムのような、アルゴリズム的表現に簡約されている機関の組織的実践および方法論を反映し得る。
【００３８】
医療を行う単数または複数の標準を考慮した患者の健康の比較分析は、患者の健康の多次元評価または臨床行為に確実に根ざした事前評価をもたらす。そのような比較分析は、非限定的な例にすぎないが、重回帰分析、クラスター分析、因子分析、判別関数分析、多次元尺度構成法、対数線形分析、正準相関、ステップワイズ線形／非線形回帰、対応分析、時系列分析、分類木および、当業において周知の他の方法といった、既知のデータ相関技法を用いた患者健康データの相関によって遂行され得る。多次元評価は、病気の傾向の予測、病気の進行の次の段階の予測、共存症の予測、他のあり得る病態の推論、患者の健康の傾向または他の臨床的経過の予測を含む。
【００３９】
事前評価を行うために、データ管理システム１００は、患者データを臨床結果に一致させるために臨床的に導出されたアルゴリズムを使用する。アルゴリズムは、医学的状態の分析または診断のために収集された専門知識の抽出、体系化および使用の結果とすることができる。例えば、アルゴリズムは、特定の臨床環境において使用される組織的な診断技法を含み得る。クリーブランド・クリニック、メイヨー・クリニックまたはカイザー・パーマネント・システムのような機関の診断上の方法論をアルゴリズム的表現に簡約することによって、患者は、その機関を訪れる必要なく先進的医療機関の診断上の専門知識の利益に浴するであろう。診療基準はしばしば地方または地域の標準として考えられるので、データ管理システム１００は、地方または地域のケアの標準または患者の特定のニーズを最善に反映している特定の機関または機関の組合せの診断上の技法または方法論を医師が選択できるようにし得る。
【００４０】
実際、患者履歴データと比較した同時的患者健康データのアルゴリズム分析は、患者の健康悪化および病気の進行を予測する患者の健康の初期または事前評価をもたらし得る。この初期診断はその後、さらなる評価、分析または確認のために医師５０１に伝達される。
【００４１】
図５は、データ管理システム１００の実施形態を一般に例示している概略／ブロック図である。この実施形態では、データ管理システム１００のデータ評価構成要素１０１は主に、探知モジュール２００、データ管理モジュール２０１、通信モジュール２０４および分析モジュール２０３を全体的または部分的に含む、移植可能医科装置１０１ａである。医科装置１０１ａの移植後、探知モジュール２００は生理学的データを探知するよう設計されている。例えば心臓血管機能といったそのデータは、通信モジュール２０４によってデータ管理モジュール２０１に電子的に伝送される。データ管理モジュール２０１は、探知された生理学的（患者）データを格納するよう設計されている。データ管理モジュール２０１は、履歴的およびコード化された患者データに加え、類似疾患患者または遺伝的に類似の患者の患者母集団データを含み得る。同時的な生理学的データはその後、分析され、診療基準を反映または具体化している患者の健康の臨床的に導出されたアルゴリズムを用いて患者履歴データおよび／または患者母集団データと比較される。このようにして、患者の健康の初期評価が、客観的または患者履歴データと比較して患者の現在の健康状態を評価するために、臨床的に導出されたアルゴリズムを用いて行われる。さらに図５に例示された通り、患者の健康のこの初期評価はその後、さらなる評価、分析または確認のために通信モジュール２０４によって医師５０１に伝達される。この実施形態では、通信は、医師５０１がアクセス可能なニューラルネットワーク５００に患者データを伝送することによって達成され得る。医師５０１は、介入の緊急性または他の要因のために事前評価をさらに評価することができる。加えて、医師の評価は、患者の健康の今後の初期評価の精度を改善するためにそのデータベースに同時的患者データを読み込むためにニューラルネットワーク５００に通信され得る。
【００４２】
図５に例示された通り、データ教育システム１０２は、ニューラルネットワーク５００（または等価な）システムから構成される。抽象的には、ニューラルネットワークは、脳の認知システムおよび神経機能における学習の仮説プロセスにならってモデル化された分析技法である。ニューラルネットワークは、既存データからのいわゆる学習のプロセスを実行した後に、（特定の変量に関する）新しい観察結果を（同一または他の変量に関する）他の観察結果から予測することができる。ニューラルネットワークはしばしば、１組のニューロンをさらに含む一連の階層を含むものとして説明される。ニューラルネットワークの主要な利益のうちの１つは、あらゆる連続関数に近似できるその能力である。
【００４３】
１実施形態において、ニューラルネットワーク５００は、病気および共存症の時間的進展とともに、履歴的な徴候、診断および結果の集合を含む。臨床データのこの集合は、コード化され、ニューラルネットワーク５００に入力されて、１組のベースライン健康評価出力が導出され得る初期臨床データベースをネットワーク５００に読み込み得る。このようにして、本発明のニューラルネットワーク５００は、臨床情報によりある程度訓練され得る。代替として、ニューラルネットワーク５００の臨床データベースは、同時的に探知および格納された患者健康データを含み得る。どちらの構成でも、ニューラルネットワーク５００は、病態の進行の時間従属的次元を捕捉する能力を有する。従って、新しい臨床情報がニューラルネットワーク５００に提示されると、ネットワークは、ニューラルネットワークまたはデータ教育システム１０２の知識の向上として配布され得る新しいニューラルネットワーク係数を生成する。ニューラルネットワーク５００を患者データで絶えず更新することによって、ニューラルネットワーク５００は、臨床パラメータの変更設計されている。本発明のニューラルネットワーク５００はまた、臨床精度および重要性についてニューラルネットワークの結論を確かめるための手段を含む。ニューラルネットワーク５００はさらに、テストケース、適切な結果および、適正な結果または診断の誤認の相対的発生のデータベースを含む。ニューラルネットワーク５００は、許容できる誤認または誤診のスレショルドを確立するよう設計されている。
【００４４】
１実施形態において、ニューラルネットワーク５００は、システム１００の分析的機能を全体的または部分的に実行し、単数または複数の組の臨床方法論を考慮した患者健康データの分析を通じて決定される病気の考えられる原因に基づく識別的判断を行うことによって、医師および診療基準の知識に近づくように構成されている。この医学データを分析するための１つの方法は、ファジィ論理の原理を使用することである。ファジィ論理は、より決定論的なブールモデルとは対照的に、より厳密な絶対的なものに比べて臨床的確率に関する医療データセットの分析出力を提供する。
【００４５】
ブール論理と部分集合の概念との間に強い関係が存在するのとまったく同様に、ファジィ論理とファジィ部分集合理論との間にも類似の強い関係が存在する。古典的な集合理論において、集合Ｓの部分集合Ｕは、Ｓの要素から集合｛０，１｝の要素への写像、Ｕ：Ｓ→｛０，１｝として定義され得る。この写像は、１組の順序対として表現され得て、Ｓの各要素について正に１つの順序対が存在する。順序対の１番目の要素は集合Ｓの要素であり、２番目の要素は集合｛０，１｝の要素である。値０は非成員を表現するために使用され、値１は成員を表現するために使用される。従って、「ｘはＵにある」という言明の真偽は、１番目の要素がｘである順序対を見つけることによって決定される。順序対の２番目の要素が１であれば、言明は真であり、それが０であれば、言明は偽である。
【００４６】
同様に、集合Ｓのファジィ部分集合Ｆが１組の順序対として定義され得て、各々、Ｓからの１番目の要素、および区間［０，１］からの２番目の要素を備え、Ｓの各要素について正に１つの順序対が存在する。これは、集合Ｓの要素と区間［０，１］の値との間の写像を定義する。値０は完全な非成員を表現するために使用され、値１は完全な成員を表現するために使用され、中間の値は中間の成員の程度を表現するために使用される。集合Ｓは、ファジィ部分集合Ｆの「論議領域（Universe Of Discourse）」と呼ばれる。しばしば、写像は、Ｆのメンバーシップ関数といった関数として記述される。従って、「ｘはＦにある」という言明が真である程度は、１番目の要素がｘである順序対を見つけることによって決定される。言明の真の程度は、順序対の２番目の要素である。実際、用語「メンバーシップ関数」およびファジィ部分集合は交換可能に使用される。
【００４７】
データ評価システム１０１はルールベースシステムに特有なより厳密な決定論的結果を上回る分析能力を備えるので、データ評価システム１０１は、厳密な決定論的出力が可能であるが、臨床確率を評価することも可能である。非限定的な例にすぎないが、ファジィ論理または確率論的モードで動作する時、データ評価システム１０１は、患者の健康のその事前評価に８０％の信頼水準を報告し得る。加えて、データ評価システム１０１はまた、事前評価をさらに洗練するために詳細な情報を臨床家５０１または患者２０２に問い合わせるかもしれない。データ評価システム１０１はまた、予測された共存症への探知された患者データの影響を正確に評価するためにより多くの患者検査データを必要とすることを、臨床家５０１または患者２０２に助言し得る。データ評価システム１０１はさらに、その探知能力を修正または洗練するために医科装置に措置を講じるように助言し得る。決定論的または確率論的モードのどちらか一方において、データ評価システム１０１の分析出力は、データ教育システム１０２が、患者データを分析する、およびそれらにより容易にアクセスできるようになる際に、より賢明に、それゆえより正確になり得る態様で、ニューラルネットワーク知識ベースを向上させるために使用され得る。
【００４８】
本発明のデータ管理システム１００は、高度患者管理（ＡＰＭ）システム６００として構成され得る。図６は、ＡＰＭシステム６００として構成されたデータ管理システム１００の実施形態を一般に例示している概略／ブロック図である。この構成において、システム１００、６００の分析機能は、臨床家の知識および知性ベースに近い診断能力を備える電子医師またはｅＤｏｃ（商標）として考えられ得る。
【００４９】
ＡＰＭは、患者、彼らの医師および彼らの家族が慢性疾患をより良好に監視、予測および管理するのを援助するシステムである。図６に示された実施形態では、ＡＰＭシステム６００は３つの主要構成要素、１）生理学的機能を監視するよう設計されたセンサ２００を備える移植可能医科装置（ＩＣＤ、ペースメーカなど）１０１ａ、２）センサから収集されたデータを処理するよう設計されたデータ管理システム２０１および、３）装置収集データを、患者の医療記録、外部装置などからの外部利用可能データ６０１と結合するよう設計された分析エンジン２０３、ｅＤｏｃ（商標）から構成されている。ＡＰＭは、患者に最善の可能なケアを提供するために、薬物療法とともに、多様な種々の装置、患者特定的データおよび非特定的データを使用するうえで医師および他の臨床家を支援するように設計されている。
【００５０】
現在、移植可能装置がたいてい、唯一の治療を患者に提供している。ＡＰＭは、装置を反応モードから予測モードに作動させ、その結果、患者に治療を提供することに加えて、他の生理学的指標に関する情報を収集する。非限定的な例にすぎないが、他の生理学的指標は、血中酸素濃度、自律神経バランスなどを含む。そのデータは、非限定的な例にすぎないが、スケール、パルスオキシメータなどから、患者特定的な外部収集データ６０１と結合され、傾向が取られる。内部測定値２００および外部測定値６０１を履歴的情報２０１ａ、２０１ｂと結合することによって、医師および他の臨床家は、予測的診断を創出するためにＡＰＭを使用することができる。
【００５１】
データ管理システム１００がｅＤｏｃ（商標）として動作するよう設計されている場合、それは、診断分析のために医師５０１に提示されるデータの量を著しく低減し、それは時間および金銭を節約する。データ管理システム１００はまた、生データを有用な情報に変える。コンピュータ技術をこのように使用することによって、臨床家は、彼らが通常取り扱えるはずの量よりもはるかに多くのデータを総合し、それらに臨床的意味を与えることができる。
【００５２】
上記の説明は例示的なものであり、制限的ではないように意図されていることを理解しなければならない。例えば、上述の実施形態は互いに組合せて使用され得る。上記の説明を検分すれば、多くの他の実施形態が当業者には明らかであろう。従って、本発明の範囲は、当該請求項がその資格を与える等価物の全範囲とともに、添付請求項を参照して決定されなければならない。添付請求項において、用語「を含む」および「それにおいて」は、それぞれの用語「よりなる」および「ここにおいて」の平易な英語の相当語として使用されている。
【図面の簡単な説明】
【００５３】
【図１】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の１実施形態を一般に例示している概略／ブロック図である。
【図２】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の別の実施形態を一般に例示している概略／ブロック図である。
【図３】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の別の実施形態を一般に例示している概略／ブロック図である。
【図４】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の別の実施形態を一般に例示している概略／ブロック図である。
【図５】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の別の実施形態を一般に例示している概略／ブロック図である。
【図６】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の別の実施形態を一般に例示している概略／ブロック図である。
【技術分野】
【０００１】
米国国民および居住者であるカーディアック・ペースメーカーズ社（CARDIAC PACEMAKERS,INC.）は、この出願を米国以外の全部の国を指定するＰＣＴ出願として作成し、２００２年１１月２６日出願の米国特許出願第１０／３０６，８５５号以前のクレームを主張する。
【０００２】
本システムは、一般に高度患者管理システム（Advanced Patient Management System）に、詳細には、限定としてではないが、多次元健康状態指標および病気の傾向予測をもたらすために探知された患者健康データを母集団データと比較して分析することによって患者の健康を自動的に診断することができる当該システムに関する。
【背景技術】
【０００３】
プラトンによれば、「健康に対する注意は人生最大の妨げである。」歴史家たちは、プラトンが、思想への完全な傾倒を邪魔した彼の体の身体的制約を嘆いていたと考えている。しかし、現代の世界でも健康に対する注意はやはり、増大する量の医学データを消化し総合するために臨床家にかかる身体的負担によって、また、ＨＭＯ（ヘルス・メンテナンス・オーガニゼーション；health maintenance organization）および他の頭割りでかかる費用の装置使用によるコストを抑制するために必死な現代医療システムの会計的負担によって、限定（制約）されている。
【０００４】
過去２０年にわたって、医療コストは、他の経済と比較して２倍を超えるインフレ率で毎年上昇している。主要なコスト要因は、従来の健康管理環境（すなわち、医院または病院）において患者の健康を評価する際にかかる時間および費用である。増大するコストの流れを食い止めるために、医師や他の健康管理専門職は、コストを抑制することと良質な医療を提供することとの間で合理的なバランス（慢性疾患を治療するという難題に直面した時に往々にして難しいバランス）をとらなければならない。
【０００５】
現代医学は一般に、病気を慢性または急性のどちらかとして分類する。慢性心疾患、高血圧や糖尿病といった慢性疾患はしばしば、患者の生存期間に定期的な治療計画を必要とする。慢性疾患はまた、他の健康管理問題を引き起こす傾向を有する。例えば、慢性心疾患はしばしば、慢性的な心臓の問題の治療とは別の治療法を必要とする浮腫や他の循環系の問題を生じる。糖尿病はしばしば、神経障害や終局的な切断につながる。従って、慢性疾患を治療する医師は、彼らの時間と資源の大部分を、病気を治癒することよりもむしろ管理することに充てる。
【０００６】
慢性疾患とは対照的に、急性疾患は一般に、徴候の突然または深刻な発現、または患者の状態の急激な変化や悪化によって発症する。急性疾患はしばしば、即時的かつ往々にして高額な医学的介入を必要とする。しかし、急性症状の出現は、それらが予測可能な程度まで管理に適するか、または慢性状態に関連するかもしれない。
【０００７】
病気の管理は、病気の急性症状の出現を防ぐか最小限にするために患者教育を提供し監視する意図を伴い既知の診断により患者を管理することとして定義され得る。急性症状の出現の数を減らすかまたは無くすことは転じて、医療費を低減または削除するとともに、患者の主観的な健康感覚を改善する。治療医は、主観的な健康感覚が患者の健康の客観的な改善としばしば相関し、有用な予測的健康管理・評価ツールとして役立つことを認めている。要するに、病気の管理は、患者の母集団全体の健康を増進するのを助成し得る、病気の傾向を監視するための予防的、包括的なケアをより重視する。
【０００８】
遺伝子検査（特定の健康状態の素因を決定するか、または遺伝子疾患の診断を確認するために個人の遺伝物質を分析すること）の進歩により、病気の管理は、誕生から死までの協調した患者ケアの形態をとり得る。この“ゆりかごから墓まで”方式において、医師は、臨床的に明らかな病気や徴候を有する患者だけでなく、全く健康に見える患者も管理する。
【０００９】
しかし、慢性、急性または素質的病態を効果的に管理するために、医師はまず最初に正しい診断を下さなければならない。診断は、その症状および徴候から病気を識別する技術または行為として定義される。診断を行うために患者に関するデータを求める医師は必ず、例えば血液または尿検査などの１つ以上の診断手順を患者に受けさせる。一般に、医療技士が患者から血液を採血するか、または尿を採る。試料はその後、その試料について相当量のデータを生成する態様で分析される。しかし、正確な診断はしばしば、患者の医学的履歴および医療行為や治療上の主たる傾向を含む、試料データ以外の源泉からの患者健康データの収集および分析を必要とする。その結果、医師は、収集した情報をまとまりのある有意味な診断に総合することを求められる。この総合の質は大部分、医師の技能や教育に左右されるので、誤り、つまり誤診の可能性は相当になり得る。データが医師の知識の範囲内で徴候または不調を明らかにすることができなければ、医師はその問題を誤診するかもしれない。加えて、医師の予断が試料データの誤用や誤解をもたらし得る。
【００１０】
医師の誤りおよび／または誤診を最小限にする１法は、診断プロセスの少なくとも一部を自動化することである。現代医学の実践の多くはアルゴリズム的表現に簡約され得るので、自動化は可能である。すなわち、健康問題の診断はしばしば、問題の原因を分離する働きをする一連のステップに従う。アドバンスト・カーディアック・ライフ・サポート（ＡＣＬＳ）およびアドバンスト・トラウマ・ライフ・サポート（ＡＴＬＳ）方法論は、どれほどの患者のケアがケアの標準を設定することによって改善され得るかを示してきた。いくつかの標準は、ケアの標準に客観的なコンピュータアクセス可能なフレームワークを付与する臨床アルゴリズムに移し替えられ得る。これまで、治療医は、患者の医学情報の重要な宝庫であり、しばしば、それに臨床的意味を与えることができる唯一の者であった。現在、コンピュータ技術がこのプロセスを部分的に自動化することができる。
【００１１】
医師や他の健康管理専門職は、現在、ほとんどすべての「知識ベースの」臨床的推論がコンピュータによって良好かつより確実に実行され得ることを認識している。しかし、その臨床的推論の質は、コンピュータにプログラムされる人工知能パラメータの質に依存する。その最も基本的レベルにおいて、人工知能は入力された生データの操作として定義され得る。しかし、生データが構造または順序を与えられた時、そのデータは情報に変わる。言い換えると、生データは、意味のあるものに純化される。有意味な情報を編集するプロセスは、知識ベースを創成する際の最初のステップである。コンピュータベースのシステムがより博識になるにつれて、そうしたシステムは、現実のパラメータを反映するアルゴリズムを使用することによって、以降のデータ入力に関して識別的判断を下す能力を高めることができる。コンピュータベースのシステムが判断を発達できるようにする形でデータを編成することによって、システムは知恵と呼ばれ得るものを獲得するうえで最初のステップを踏み出した。
【００１２】
医学データまたは患者健康データのコンピュータ分析の分野において、ファジィ論理の原理は、人間の知恵に近づくために使用され得る。基本的に、ファジィ論理は、ブール論理の特徴である絶対値の代わりに、特定の確率の可能性を扱う。最適には、ファジィ論理は、「元の状況の諸要素を統一された全体に変換するほどにその成分をなす区別および関係に関して決定力がある。」（ジョン・デューイ、『論理学−探求の理論』、１９３８）。臨床診断の異種の要素をファジィ論理原理で統一することによって、結果として得られる出力は、臨床行為および経験によって得られた知恵を反映する臨床的に許容可能な診療基準（a standard of medical care）により密接に近づく。
【００１３】
加えて、診断プロセスを自動化するシステムは、頭割りの健康管理環境において著しい競争上の強みを有しているはずである。そのようなシステムは、介入が経済的、臨床的および人道的に最大限にされるように、あらゆる病気の過程における極めて重大な時点を自動的に識別するために患者データを分析できるはずである。
【００１４】
このように、自動化された診断を用いた病気の管理は、医学の実践における革命的なステップである。小型化コンピュータ技術の急速な進歩のために、病気の管理における先駆的な前進が今や可能である。これまで、治療医は、患者の医学情報の重要な宝庫であったばかりでなく、その医師が死亡した時にはその情報の大部分が失われてもいた。現在、診断およびデータ記憶機能は、コンピュータ技術を用いて部分的に自動化され保存され得ており、それは、順序だった履歴的な形で医学的知識を提示および保存する手段を提供している。
【００１５】
しかし、そのような自動診断は、迅速かつ効率的に診断を提供することができるシステムに対する患者または臨床家のアクセスによって限定されるかもしれない。コンピュータ技術の臨床家の使用が医院または病院といった従来の環境に限られるならば、自動診断は、コストを低減し効率を改善する観点からほとんど価値がない。加えて、患者情報を収集する主要手段として患者の来院に頼ることはしばしば、多くの患者が定期的に計画された予約を行ったり維持することができないので、信頼できない。
【発明の開示】
【発明が解決しようとする課題】
【００１６】
従って、上記および他の理由から、その成分をなす区別および関係に関して決定力があり、患者または医師が容易にアクセス可能である、患者の健康の臨床的にモデル化された自動診断を提供するために患者健康データを保存し効率的に分析することができるデータ管理システムを含むか、またはそれとして構成された高度患者管理システムの必要性が存在する。このようにして、データ管理システムは、医療のコストを引き下げ、増大する量の臨床データに直面する臨床家の分析上の負担を低減するであろう。
【課題を解決するための手段】
【００１７】
本発明の１態様によれば、より包括的な高度患者管理（ＡＰＭ）システムという構成要素を含み得るか、またはそれとして構成され得る、データ管理システムを用いて患者の健康の自動診断のためのシステムおよび方法が提供される。データ管理システムは、医科装置およびネットワークを構成要素として含む。医科装置は移植可能医科装置を含み、ネットワークは線形または非線形どちらか一方の分析ネットワークを含む。そのような非線形分析ネットワークの非限定的な例が、ファジィ論理システムである。ここで使用される通り、「患者の健康の多次元指標」、「患者の健康の初期評価」、「患者の健康評価」、「分析された患者健康データ」、「事前評価」および「自動診断」は、可変の範囲の実質上同義の用語である。例えば、「患者の健康の多次元指標」は「事前評価」よりも概念的に広く、後者は多次元データのさらなるアルゴリズム分析から取得される。それにもかかわらず、全部の前記用語は、診療基準を反映する患者データの臨床的に導出されたアルゴリズム分析に基づく患者の健康の体系的評価を表現する。また、ここで使用される通り、「臨床家」は、医師、医師助手（ＰＡ）、看護師、医療技士または他のあらゆる患者健康管理提供者とし得る。
【００１８】
１実施形態において、データ管理システムの装置構成要素はデータ評価システムを含み、ネットワーク構成要素はデータ教育システムを含む。データ評価システムはさらに、センシングモジュール、データ管理モジュール、分析モジュールおよび通信モジュールを含む。
【００１９】
センシングモジュールは、患者健康データを探知するよう設計されている。患者健康データは、センシングモジュールによる測定に適格なあらゆる生理学的パラメータを含み得る。非限定的な例にすぎないが、そのような生理学的パラメータは、患者の体温、人間の心臓が（ペースメーカが機能する形に類似の）心臓周期を完成するのにかかる時間、患者の活動を含む。
【００２０】
データ管理モジュールは、患者データ、探知された患者健康データおよび患者母集団データを格納し、アーカイブする（アーカイブに保管する）よう設計されている。患者データは、アルゴリズム的医学診断または分析のためにコード化された患者の健康のあらゆる統計、測定値または値を含み得る。そのようなコード化された患者データは、患者履歴情報のデータベースを読み込む（populate）ためにデータ管理モジュールにダウンロードされ得る。また、患者から探知された患者健康データの形態の患者データは、データベースまたは患者履歴データベースを読み込むためにデータ管理モジュールにダウンロードされ得る。患者母集団データの形態の患者データは、類似疾患患者または遺伝的に類似の患者からのデータを含み得る。そのような患者母集団データもまた、患者母集団データベースを読み込むためにデータ管理モジュールにダウンロードされ得る。
【００２１】
分析モジュールは、患者の健康の多次元指標をもたらすために臨床的に導出されたアルゴリズムを用いて、探知された患者データおよび／または患者履歴データに対して患者母集団データを採点または分析するよう設計されている。そのような分析は、既知のデータ相関技法を用いて患者健康データを相関させる形態を取り得る。臨床的に導出されたアルゴリズムは、診療基準を反映するためにカスタマイズされ得る。非限定的な例にすぎないが、分析モジュールは、心臓の不整脈を評価および治療するためにメイヨー・クリニックで使用される臨床方法論を反映するアルゴリズムを含み得る。別の非限定的な例にすぎないが、分析モジュールは、ホルモン障害を評価および治療するためにクリーブランド・クリニックで使用される臨床方法論を反映するアルゴリズムを含み得る。アルゴリズム的表現になっているか、または簡約され得る他の臨床方法論が、患者健康データを分析するために他の臨床方法論とともに使用または組み合わされ得る。このようにして、システムは、地方または地域の診療基準、または患者のニーズに特定的にカスタマイズされたケアの標準を反映するように微調整され得る。さらに、診療基準を表現する臨床的に導出されたアルゴリズムを使用することによって、健康管理の質の一貫した受け渡しが存在する。そうした一貫性は、臨床家に掛かっていた診断上の負担をデータ管理システムに肩代わりさせることによって治療の費用対効果を改善するのに役立つ。患者の健康の多次元指標は、病気の傾向の予測、病気の進行の次の段階の予測、共存症、即ち併存疾患の予測、他のあり得る病態の推論、患者の健康の傾向の予測または他の臨床的経過を含み得る。
【００２２】
通信モジュールは、採点または分析されたデータおよび患者の健康評価を、さらなる評価および分析のために医師または他の臨床家に伝達するよう設計されている。通信モジュールはまた、採点または分析されたデータおよび患者の健康評価を、将来の診断または教育目的のためにデータ管理モジュールまたはファジィ論理分析ネットワークに伝達するよう設計されている。通信モジュールはさらに、採点または分析されたデータおよび患者の健康評価を患者に伝達するよう設計されている。
【００２３】
データ管理システムのデータ教育システムは、ニューラルネットワーク（または等価な）システムを含む分析ネットワークを含む。ニューラルネットワークは、データ評価システムによってアクセス可能な関連する臨床データの一元化されたリポジトリを含む。ニューラルネットワークは、病気および共存症の時間的展開とともに、履歴的徴候、診断および結果を反映する患者データのデータベースを含む。ニューラルネットワークは、データセット間の臨床的に有用な相関を見つけ、一連の出力を生成するためにデータを分析する。さらに、新しい臨床情報がデータ評価システムによって探知、分析および伝達されると、その情報はニューラルネットワークに伝達される。このように、ニューラルネットワークは、正確な識別的判断を下すその能力を高めることによってシステムの診断精度を改善するために、その知識データベースを新しい臨床情報で絶えずグレードアップするよう設計され得る。
【００２４】
別の実施形態において、患者データは、より決定論的なブールモデルとは対照的に、ファジィ論理の原理の下で分析される。ファジィ論理は、部分的な真の概念、「完全に真」と「完全に偽」との間の真値を取り扱うことが知られている。「ファジィ化」のプロセスは、いずれかの特定の理論をクリスプな（離散的な）形態から連続的な（ファジィな）形態に一般化する方法論である。
【００２５】
診療基準と一致した態様で患者データを分析するためにファジィ論理の原理を臨床的に導出されたアルゴリズムに適用することができるデータ管理システムとして構成された医科装置およびネットワークを用いた患者の健康の自動診断のためのシステムおよび方法の好ましい実施形態において、医科装置は、患者にとって内部であり、センシング、データ管理、分析および通信の各モジュールを含むデータ評価システムおよび、データ教育システムを、全体的または部分的に含み得る。ニューラルネットワークは、システムの好ましい実施形態において、コンピュータアクセス可能な患者データ、履歴データおよび、類似疾患患者もしくは遺伝的に類似の患者の患者母集団データを含む。
【００２６】
上述した種々の実施形態は、例証としてのみ与えられており、本発明を限定するように解釈してはならない。当業者は、ここで例示説明された例示実施形態および応用に従うことなく、かつ以下の請求項に記載されている本発明の真の精神および範囲から逸脱することなく、種々の修正および変更が本発明に行い得ることを容易に理解するであろう。
【発明を実施するための最良の形態】
【００２７】
必ずしも縮尺通りに描かれているわけではない図面において、同じ数字はいくつかの図にわたり実質的に類似の構成要素を示す。異なる添字を有する同じ数字は、実質的に類似の構成要素の異なる例を表す。図面は一般に、本書において検討される種々の実施形態を、限定としてではなく、例として示す。
【００２８】
以下の詳細な説明において、この一部を成し、特定の実施形態または事例が例証として示されている、添付図面に言及する。本発明の精神および範囲を逸脱しなければ、これらの実施形態は組み合わされ得るし、他の実施形態が利用され得るし、また、構造的、論理的および電気的変更が行い得る。それゆえ、以下の詳細な説明は限定的な意味で解釈してはならず、本発明の範囲は、添付の請求項およびそれらの等価物によって規定される。
【００２９】
本システムおよび方法は、診療基準を反映する臨床的に導出されたアルゴリズムを用いて患者の健康を自動的に診断することができるデータ管理システムとして構成された医科装置およびネットワークに関して説明される。本システムによってなされた診断は、医師または他の健康管理専門職によるさらなる評価、分析または確認のための出発点を提供する患者の健康の初期評価として最善に理解される。さらに、システムが定期的に患者健康データを自動的に探知するよう設計されているので、システムは、たいてい頻回でなく不定期である患者による来院の間に医師が得られ得る情報量を著しく上回る臨床的に適切な情報のサンプルを提供する。患者の健康の初期評価を提供する際に、システムは、臨床家によるデータ収集および検分の量を低減する。これは、コストを低減し、患者および患者の病気の管理を改善するのを助ける。
【００３０】
図１は、臨床的に導出されたアルゴリズムを用いて患者の健康を自動的に診断することができるデータ管理システム１００の実施形態を一般に例示している概略／ブロック図である。システムは、データ評価システム１０１およびデータ教育システム１０２をさらに含む。
【００３１】
図２は、患者２０２からデータを探知するよう設計されたセンシングモジュール２００と、データを格納およびアーカイブするよう設計されたデータ管理モジュール２０１と、患者の健康の初期評価を行うためにデータを分析するよう設計された分析モジュール２０３と、患者の健康の分析されたデータおよび初期評価を伝達するよう設計された通信モジュール２０４とを含む、データ管理システム１００のデータ評価システム１０１の実施形態を一般に例示している概略／ブロック図である。
【００３２】
１実施形態において、図３に例示された通り、データ管理システム１００のデータ評価構成要素１０１は、移植可能医科装置１０１ａよりなる。この実施形態では、移植可能医科装置は、図２に例示されたセンシングモジュール２００、データ管理モジュール２０１、分析モジュール２０３および通信モジュール２０４よりなる。
【００３３】
図４は、データ管理システム１００のデータ評価構成要素１０１の実施形態を一般に例示している概略／ブロック図であり、データ評価構成要素１０１のセンシング（探知）モジュール２００および分析モジュール２０３は、内部モジュールおよび外部モジュールの組合せよりなる。例えば、探知モジュール２００は患者２０２にとって内部であり得る一方、分析モジュール２０３は患者にとって外部であり得る。別の例では、探知モジュール２００が患者２０２の外部であり得る一方、分析モジュール２０３は内部であり得る。加えて、探知モジュール２００および分析モジュール２０３の両方が、内部または外部のどちらか一方であってもよい。当業者は、探知モジュール２００および分析モジュール２０３の様々な内部および外部装置（機器）構成が本発明の精神および範囲から逸脱することなく可能であることを理解するであろう。
【００３４】
探知モジュール２００は、患者健康データを探知するよう設計されている。患者健康データは、内部または外部患者データ、すなわち心臓血管データ、電気化学的データ、血液化学データ、体温、楔入圧、酸素飽和度、体重、主観的健康状態入力、血圧、ＥＫＧデータまたは、探知モジュール２００による測定に適格なあらゆる他の生理学的パラメータを含み得る。
【００３５】
データ管理モジュール２０１は、同時的および将来の分析のために患者データを格納およびアーカイブするよう設計されている。患者データは、患者健康データ、患者履歴データおよび患者母集団データより構成され得る。患者履歴データは、ある期間にわたって定期的にその患者から探知または収集された累積的な患者健康データ、またはコード化された患者健康データを含み得る。患者母集団データは、類似疾患患者もしくは遺伝的に類似の患者または両方の母集団からのデータを含み得る。データ管理モジュール２０１はまた、通信モジュール２０４によってデータをリトリーブ（探し出して読み出すこと）できるよう設計されている。
【００３６】
通信モジュール２０４は、分析モジュール２０３による分析のために定期的にデータ管理モジュール２０１からデータをリトリーブするよう設計されている。通信モジュール２０４はまた、探知または分析された患者データをデータ管理モジュール２０１および／またはニューラルネットワーク５００に伝達するよう設計されている。これは、データ管理モジュール２０１が以降の患者の健康の評価において探知または分析された患者データを利用できるようにし、ニューラルネットワーク５００がそのデータベースを最新の患者データで自動的に更新できるようにする。通信モジュール２０４はさらに、探知または分析されたデータを医師５０１または他の健康管理臨床家に伝達するよう設計されている。このようにして、通信モジュール２０４は、医師５０１、臨床家または患者２０２に対し、事前評価に基づいて介入の相対的緊急性を伝達することができる。
【００３７】
分析モジュール２０３は、通信モジュール２０４から患者データを受け取り、診療基準を反映または具体化している臨床的に導出されたアルゴリズムを用いて患者母集団データを参照してそのデータを採点または分析するよう設計されている。そのような診療基準は、非限定的な例にすぎないが、クリーブランド・クリニック、メイヨー・クリニックまたはカイザー・パーマネント・システムのような、アルゴリズム的表現に簡約されている機関の組織的実践および方法論を反映し得る。
【００３８】
医療を行う単数または複数の標準を考慮した患者の健康の比較分析は、患者の健康の多次元評価または臨床行為に確実に根ざした事前評価をもたらす。そのような比較分析は、非限定的な例にすぎないが、重回帰分析、クラスター分析、因子分析、判別関数分析、多次元尺度構成法、対数線形分析、正準相関、ステップワイズ線形／非線形回帰、対応分析、時系列分析、分類木および、当業において周知の他の方法といった、既知のデータ相関技法を用いた患者健康データの相関によって遂行され得る。多次元評価は、病気の傾向の予測、病気の進行の次の段階の予測、共存症の予測、他のあり得る病態の推論、患者の健康の傾向または他の臨床的経過の予測を含む。
【００３９】
事前評価を行うために、データ管理システム１００は、患者データを臨床結果に一致させるために臨床的に導出されたアルゴリズムを使用する。アルゴリズムは、医学的状態の分析または診断のために収集された専門知識の抽出、体系化および使用の結果とすることができる。例えば、アルゴリズムは、特定の臨床環境において使用される組織的な診断技法を含み得る。クリーブランド・クリニック、メイヨー・クリニックまたはカイザー・パーマネント・システムのような機関の診断上の方法論をアルゴリズム的表現に簡約することによって、患者は、その機関を訪れる必要なく先進的医療機関の診断上の専門知識の利益に浴するであろう。診療基準はしばしば地方または地域の標準として考えられるので、データ管理システム１００は、地方または地域のケアの標準または患者の特定のニーズを最善に反映している特定の機関または機関の組合せの診断上の技法または方法論を医師が選択できるようにし得る。
【００４０】
実際、患者履歴データと比較した同時的患者健康データのアルゴリズム分析は、患者の健康悪化および病気の進行を予測する患者の健康の初期または事前評価をもたらし得る。この初期診断はその後、さらなる評価、分析または確認のために医師５０１に伝達される。
【００４１】
図５は、データ管理システム１００の実施形態を一般に例示している概略／ブロック図である。この実施形態では、データ管理システム１００のデータ評価構成要素１０１は主に、探知モジュール２００、データ管理モジュール２０１、通信モジュール２０４および分析モジュール２０３を全体的または部分的に含む、移植可能医科装置１０１ａである。医科装置１０１ａの移植後、探知モジュール２００は生理学的データを探知するよう設計されている。例えば心臓血管機能といったそのデータは、通信モジュール２０４によってデータ管理モジュール２０１に電子的に伝送される。データ管理モジュール２０１は、探知された生理学的（患者）データを格納するよう設計されている。データ管理モジュール２０１は、履歴的およびコード化された患者データに加え、類似疾患患者または遺伝的に類似の患者の患者母集団データを含み得る。同時的な生理学的データはその後、分析され、診療基準を反映または具体化している患者の健康の臨床的に導出されたアルゴリズムを用いて患者履歴データおよび／または患者母集団データと比較される。このようにして、患者の健康の初期評価が、客観的または患者履歴データと比較して患者の現在の健康状態を評価するために、臨床的に導出されたアルゴリズムを用いて行われる。さらに図５に例示された通り、患者の健康のこの初期評価はその後、さらなる評価、分析または確認のために通信モジュール２０４によって医師５０１に伝達される。この実施形態では、通信は、医師５０１がアクセス可能なニューラルネットワーク５００に患者データを伝送することによって達成され得る。医師５０１は、介入の緊急性または他の要因のために事前評価をさらに評価することができる。加えて、医師の評価は、患者の健康の今後の初期評価の精度を改善するためにそのデータベースに同時的患者データを読み込むためにニューラルネットワーク５００に通信され得る。
【００４２】
図５に例示された通り、データ教育システム１０２は、ニューラルネットワーク５００（または等価な）システムから構成される。抽象的には、ニューラルネットワークは、脳の認知システムおよび神経機能における学習の仮説プロセスにならってモデル化された分析技法である。ニューラルネットワークは、既存データからのいわゆる学習のプロセスを実行した後に、（特定の変量に関する）新しい観察結果を（同一または他の変量に関する）他の観察結果から予測することができる。ニューラルネットワークはしばしば、１組のニューロンをさらに含む一連の階層を含むものとして説明される。ニューラルネットワークの主要な利益のうちの１つは、あらゆる連続関数に近似できるその能力である。
【００４３】
１実施形態において、ニューラルネットワーク５００は、病気および共存症の時間的進展とともに、履歴的な徴候、診断および結果の集合を含む。臨床データのこの集合は、コード化され、ニューラルネットワーク５００に入力されて、１組のベースライン健康評価出力が導出され得る初期臨床データベースをネットワーク５００に読み込み得る。このようにして、本発明のニューラルネットワーク５００は、臨床情報によりある程度訓練され得る。代替として、ニューラルネットワーク５００の臨床データベースは、同時的に探知および格納された患者健康データを含み得る。どちらの構成でも、ニューラルネットワーク５００は、病態の進行の時間従属的次元を捕捉する能力を有する。従って、新しい臨床情報がニューラルネットワーク５００に提示されると、ネットワークは、ニューラルネットワークまたはデータ教育システム１０２の知識の向上として配布され得る新しいニューラルネットワーク係数を生成する。ニューラルネットワーク５００を患者データで絶えず更新することによって、ニューラルネットワーク５００は、臨床パラメータの変更設計されている。本発明のニューラルネットワーク５００はまた、臨床精度および重要性についてニューラルネットワークの結論を確かめるための手段を含む。ニューラルネットワーク５００はさらに、テストケース、適切な結果および、適正な結果または診断の誤認の相対的発生のデータベースを含む。ニューラルネットワーク５００は、許容できる誤認または誤診のスレショルドを確立するよう設計されている。
【００４４】
１実施形態において、ニューラルネットワーク５００は、システム１００の分析的機能を全体的または部分的に実行し、単数または複数の組の臨床方法論を考慮した患者健康データの分析を通じて決定される病気の考えられる原因に基づく識別的判断を行うことによって、医師および診療基準の知識に近づくように構成されている。この医学データを分析するための１つの方法は、ファジィ論理の原理を使用することである。ファジィ論理は、より決定論的なブールモデルとは対照的に、より厳密な絶対的なものに比べて臨床的確率に関する医療データセットの分析出力を提供する。
【００４５】
ブール論理と部分集合の概念との間に強い関係が存在するのとまったく同様に、ファジィ論理とファジィ部分集合理論との間にも類似の強い関係が存在する。古典的な集合理論において、集合Ｓの部分集合Ｕは、Ｓの要素から集合｛０，１｝の要素への写像、Ｕ：Ｓ→｛０，１｝として定義され得る。この写像は、１組の順序対として表現され得て、Ｓの各要素について正に１つの順序対が存在する。順序対の１番目の要素は集合Ｓの要素であり、２番目の要素は集合｛０，１｝の要素である。値０は非成員を表現するために使用され、値１は成員を表現するために使用される。従って、「ｘはＵにある」という言明の真偽は、１番目の要素がｘである順序対を見つけることによって決定される。順序対の２番目の要素が１であれば、言明は真であり、それが０であれば、言明は偽である。
【００４６】
同様に、集合Ｓのファジィ部分集合Ｆが１組の順序対として定義され得て、各々、Ｓからの１番目の要素、および区間［０，１］からの２番目の要素を備え、Ｓの各要素について正に１つの順序対が存在する。これは、集合Ｓの要素と区間［０，１］の値との間の写像を定義する。値０は完全な非成員を表現するために使用され、値１は完全な成員を表現するために使用され、中間の値は中間の成員の程度を表現するために使用される。集合Ｓは、ファジィ部分集合Ｆの「論議領域（Universe Of Discourse）」と呼ばれる。しばしば、写像は、Ｆのメンバーシップ関数といった関数として記述される。従って、「ｘはＦにある」という言明が真である程度は、１番目の要素がｘである順序対を見つけることによって決定される。言明の真の程度は、順序対の２番目の要素である。実際、用語「メンバーシップ関数」およびファジィ部分集合は交換可能に使用される。
【００４７】
データ評価システム１０１はルールベースシステムに特有なより厳密な決定論的結果を上回る分析能力を備えるので、データ評価システム１０１は、厳密な決定論的出力が可能であるが、臨床確率を評価することも可能である。非限定的な例にすぎないが、ファジィ論理または確率論的モードで動作する時、データ評価システム１０１は、患者の健康のその事前評価に８０％の信頼水準を報告し得る。加えて、データ評価システム１０１はまた、事前評価をさらに洗練するために詳細な情報を臨床家５０１または患者２０２に問い合わせるかもしれない。データ評価システム１０１はまた、予測された共存症への探知された患者データの影響を正確に評価するためにより多くの患者検査データを必要とすることを、臨床家５０１または患者２０２に助言し得る。データ評価システム１０１はさらに、その探知能力を修正または洗練するために医科装置に措置を講じるように助言し得る。決定論的または確率論的モードのどちらか一方において、データ評価システム１０１の分析出力は、データ教育システム１０２が、患者データを分析する、およびそれらにより容易にアクセスできるようになる際に、より賢明に、それゆえより正確になり得る態様で、ニューラルネットワーク知識ベースを向上させるために使用され得る。
【００４８】
本発明のデータ管理システム１００は、高度患者管理（ＡＰＭ）システム６００として構成され得る。図６は、ＡＰＭシステム６００として構成されたデータ管理システム１００の実施形態を一般に例示している概略／ブロック図である。この構成において、システム１００、６００の分析機能は、臨床家の知識および知性ベースに近い診断能力を備える電子医師またはｅＤｏｃ（商標）として考えられ得る。
【００４９】
ＡＰＭは、患者、彼らの医師および彼らの家族が慢性疾患をより良好に監視、予測および管理するのを援助するシステムである。図６に示された実施形態では、ＡＰＭシステム６００は３つの主要構成要素、１）生理学的機能を監視するよう設計されたセンサ２００を備える移植可能医科装置（ＩＣＤ、ペースメーカなど）１０１ａ、２）センサから収集されたデータを処理するよう設計されたデータ管理システム２０１および、３）装置収集データを、患者の医療記録、外部装置などからの外部利用可能データ６０１と結合するよう設計された分析エンジン２０３、ｅＤｏｃ（商標）から構成されている。ＡＰＭは、患者に最善の可能なケアを提供するために、薬物療法とともに、多様な種々の装置、患者特定的データおよび非特定的データを使用するうえで医師および他の臨床家を支援するように設計されている。
【００５０】
現在、移植可能装置がたいてい、唯一の治療を患者に提供している。ＡＰＭは、装置を反応モードから予測モードに作動させ、その結果、患者に治療を提供することに加えて、他の生理学的指標に関する情報を収集する。非限定的な例にすぎないが、他の生理学的指標は、血中酸素濃度、自律神経バランスなどを含む。そのデータは、非限定的な例にすぎないが、スケール、パルスオキシメータなどから、患者特定的な外部収集データ６０１と結合され、傾向が取られる。内部測定値２００および外部測定値６０１を履歴的情報２０１ａ、２０１ｂと結合することによって、医師および他の臨床家は、予測的診断を創出するためにＡＰＭを使用することができる。
【００５１】
データ管理システム１００がｅＤｏｃ（商標）として動作するよう設計されている場合、それは、診断分析のために医師５０１に提示されるデータの量を著しく低減し、それは時間および金銭を節約する。データ管理システム１００はまた、生データを有用な情報に変える。コンピュータ技術をこのように使用することによって、臨床家は、彼らが通常取り扱えるはずの量よりもはるかに多くのデータを総合し、それらに臨床的意味を与えることができる。
【００５２】
上記の説明は例示的なものであり、制限的ではないように意図されていることを理解しなければならない。例えば、上述の実施形態は互いに組合せて使用され得る。上記の説明を検分すれば、多くの他の実施形態が当業者には明らかであろう。従って、本発明の範囲は、当該請求項がその資格を与える等価物の全範囲とともに、添付請求項を参照して決定されなければならない。添付請求項において、用語「を含む」および「それにおいて」は、それぞれの用語「よりなる」および「ここにおいて」の平易な英語の相当語として使用されている。
【図面の簡単な説明】
【００５３】
【図１】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の１実施形態を一般に例示している概略／ブロック図である。
【図２】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の別の実施形態を一般に例示している概略／ブロック図である。
【図３】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の別の実施形態を一般に例示している概略／ブロック図である。
【図４】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の別の実施形態を一般に例示している概略／ブロック図である。
【図５】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の別の実施形態を一般に例示している概略／ブロック図である。
【図６】特に、本発明の患者の健康の自動診断のためのシステムおよび方法の別の実施形態を一般に例示している概略／ブロック図である。
【特許請求の範囲】
【請求項１】
患者の健康を自動的に診断するためのデータ管理システム使用方法であって、
ａ．データを格納し、アーカイブするよう設計されたデータ管理モジュールに患者母集団データを読み込むステップと、
ｂ．前記医科装置を用いて患者からデータを探知するステップと、
ｃ．前記医科装置から前記データ管理モジュールに前記患者データを送達するステップと、
ｄ．分析のためにデータ管理モジュールからデータをリトリーブするステップと、
ｅ．リトリーブされたデータを、分析されたデータに基づき考えられる患者の健康の初期評価を提供するために、診療基準を反映する臨床的に導出されたアルゴリズムを含むニューラルネットワークを用いて分析するステップと、
ｆ．探知されたデータ、分析されたデータおよび患者の健康評価を伝達するステップと、
から成る方法。
【請求項２】
各ステップは電子的に実行される、請求項１に記載の方法。
【請求項３】
データ管理モジュールに患者母集団データを読み込むステップは、データ管理モジュールに外部患者データを読み込むさらなるステップを含む、請求項１に記載の方法。
【請求項４】
データ管理モジュールに患者母集団データを読み込むステップは、データ管理モジュールに患者からの履歴データを読み込むさらなるステップを含む、請求項１に記載の方法。
【請求項５】
データ管理モジュールに患者母集団データを読み込むステップは、データ管理モジュールに類似疾患患者から構成されたデータを読み込むさらなるステップを含む、請求項１に記載の方法。
【請求項６】
データ管理モジュールに患者母集団データを読み込むステップは、データ管理モジュールに遺伝的に類似の患者から構成されたデータを読み込むさらなるステップを含む、請求項１に記載の方法。
【請求項７】
医科装置を用いて患者からデータを探知するステップは、患者の内部の医科装置を用いてデータを探知するさらなるステップを含む、請求項１に記載の方法。
【請求項８】
医科装置を用いて患者からデータを探知するステップは、患者の外部の医科装置を用いてデータを探知するさらなるステップを含む、請求項１に記載の方法。
【請求項９】
データ管理モジュールからデータをリトリーブするステップは、データを定期的にリトリーブするさらなるステップを含む、請求項１に記載の方法。
【請求項１０】
リトリーブされたデータを分析するステップは、患者母集団データを参照して患者データを採点するさらなるステップを含む、請求項１に記載の方法。
【請求項１１】
リトリーブされたデータを分析するステップは、ファジィ論理の原理を用いて患者母集団データを参照して患者データを採点するさらなるステップを含む、請求項１に記載の方法。
【請求項１２】
患者母集団データを参照して患者データを採点するステップは、患者の健康の多次元指標をもたらすためにデータを採点するさらなるステップを含む、請求項１０に記載の方法。
【請求項１３】
患者母集団データを参照して患者データを採点するステップは、患者の健康の多次元指標をもたらすためにデータを採点するさらなるステップを含む、請求項１１に記載の方法。
【請求項１４】
患者母集団データを参照して患者データを採点するステップは、病気の傾向を予測するためにデータを採点するさらなるステップを含む、請求項１２に記載の方法。
【請求項１５】
患者母集団データを参照して患者データを採点するステップは、病気の進行の次の段階を予測するためにデータを採点するさらなるステップを含む、請求項１２に記載の方法。
【請求項１６】
患者母集団データを参照して患者データを採点するステップは、共存症を予測するためにデータを採点するさらなるステップを含む、請求項１２に記載の方法。
【請求項１７】
患者母集団データを参照して患者データを採点するステップは、他のあり得る病態を推論するためにデータを採点するさらなるステップを含む、請求項１２に記載の方法。
【請求項１８】
患者母集団データを参照して患者データを採点するステップは、患者の健康の傾向を予測するためにデータを採点するさらなるステップを含む、請求項１２に記載の方法。
【請求項１９】
患者母集団データを参照して患者データを採点するステップは、病気の傾向を予測するためにデータを採点するさらなるステップを含む、請求項１３に記載の方法。
【請求項２０】
患者母集団データを参照して患者データを採点するステップは、病気の進行の次の段階を予測するためにデータを採点するさらなるステップを含む、請求項１３に記載の方法。
【請求項２１】
患者母集団データを参照して患者データを採点するステップは、共存症を予測するためにデータを採点するさらなるステップを含む、請求項１３に記載の方法。
【請求項２２】
患者母集団データを参照して患者データを採点するステップは、他のあり得る病態を推論するためにデータを採点するさらなるステップを含む、請求項１３に記載の方法。
【請求項２３】
患者母集団データを参照して患者データを採点するステップは、患者の健康の傾向を予測するためにデータを採点するさらなるステップを含む、請求項１３に記載の方法。
【請求項２４】
リトリーブされたデータを分析するステップは、患者にとって内部のリトリーブデータを分析するさらなるステップを含む、請求項１に記載の方法。
【請求項２５】
リトリーブされたデータを分析するステップは、患者にとって外部のリトリーブデータを分析するさらなるステップを含む、請求項１に記載の方法。
【請求項２６】
リトリーブされたデータを分析するステップは、患者の健康の多次元指標をもたらすためにデータを分析するさらなるステップを含む、請求項１に記載の方法。
【請求項２７】
リトリーブされたデータを分析するステップは、患者の健康の多次元指標をもたらすためにファジィ論理の原理を用いてデータを分析するさらなるステップを含む、請求項１に記載の方法。
【請求項２８】
データを分析するステップは、病気の傾向を予測するためにデータを分析するさらなるステップを含む、請求項２６に記載の方法。
【請求項２９】
データを分析するステップは、病気の進行の次の段階を予測するためにデータを分析するさらなるステップを含む、請求項２６に記載の方法。
【請求項３０】
データを分析するステップは、共存症を予測するためにデータを分析するさらなるステップを含む、請求項２６に記載の方法。
【請求項３１】
データを分析するステップは、他のあり得る病態を推論するためにデータを分析するさらなるステップを含む、請求項２６に記載の方法。
【請求項３２】
データを分析するステップは、患者の健康の傾向を予測するためにデータを分析するさらなるステップを含む、請求項２６に記載の方法。
【請求項３３】
データを分析するステップは、病気の傾向を予測するためにデータを分析するさらなるステップを含む、請求項２７に記載の方法。
【請求項３４】
データを分析するステップは、病気の進行の次の段階を予測するためにデータを分析するさらなるステップを含む、請求項２７に記載の方法。
【請求項３５】
データを分析するステップは、共存症を予測するためにデータを分析するさらなるステップを含む、請求項２７に記載の方法。
【請求項３６】
データを分析するステップは、他のあり得る病態を推論するためにデータを分析するさらなるステップを含む、請求項２７に記載の方法。
【請求項３７】
データを分析するステップは、患者の健康の傾向を予測するためにデータを分析するさらなるステップを含む、請求項２７に記載の方法。
【請求項３８】
探知されたデータ、分析されたデータおよび患者の健康評価を伝達するステップは、将来の分析のためにデータ管理モジュールにデータおよび評価を伝達するさらなるステップを含む、請求項１に記載の方法。
【請求項３９】
探知されたデータ、分析されたデータおよび患者の健康評価を伝達するステップは、臨床家によるアクセスのためにデータ管理モジュールにデータおよび評価を伝達するさらなるステップを含む、請求項１に記載の方法。
【請求項４０】
探知されたデータ、分析されたデータおよび患者の健康評価を伝達するステップは、介入の相対的緊急性を伝達するさらなるステップを含む、請求項１に記載の方法。
【請求項４１】
介入の相対的緊急性を伝達するステップは、臨床家に介入の相対的緊急性を伝達するさらなるステップを含む、請求項４０に記載の方法。
【請求項４２】
介入の相対的緊急性を伝達するステップは、患者に介入の相対的緊急性を伝達するさらなるステップを含む、請求項４０に記載の方法。
【請求項４３】
探知されたデータ、分析されたデータおよび患者の健康評価を伝達するステップは、データ教育システムにデータおよび評価を伝達するさらなるステップを含む、請求項１に記載の方法。
【請求項４４】
探知されたデータ、分析されたデータおよび患者の健康評価をデータ教育システムに伝達するステップは、ニューラルネットワークにデータおよび評価を伝達するさらなるステップを含む、請求項４３に記載の方法。
【請求項４５】
探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するステップは、臨床精度および重要性についてデータおよび評価を確かめるさらなるステップを含む、請求項４４に記載の方法。
【請求項４６】
探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するステップは、許容できる誤認のスレショルドを確立するさらなるステップを含む、請求項４４に記載の方法。
【請求項４７】
探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するステップは、許容できる誤診のスレショルドを確立するさらなるステップを含む、請求項４４に記載の方法。
【請求項４８】
患者の健康を自動的に診断するためのデータ管理システム使用方法であって、
ａ．医科装置を患者に移植するステップと、
ｂ．患者母集団データベースを生成するために、データを格納およびアーカイブするよう設計されたデータ管理モジュールに患者母集団データを読み込むステップと、
ｃ．医科装置を用いて患者からデータを探知するステップと、
ｄ．患者履歴データベースを生成するために医科装置から探知された患者データをデータ管理モジュールに送達するステップと、
ｅ．探知された患者データおよび患者母集団データを分析のためにデータ管理モジュールからリトリーブするステップと、
ｆ．リトリーブされたデータを、分析されたデータに基づき考えられる患者の健康の初期評価を提供するため、診療基準を反映する臨床的に導出されたアルゴリズムを含むニューラルネットワークを用いて分析するステップと
ｇ．探知されたデータ、分析されたデータおよび患者の健康評価を臨床家によるアクセスのために伝達するステップと、
ｈ．ニューラルネットワークからの患者データにアクセスするステップと、
から成る方法。
【請求項４９】
患者の健康を自動診断するためのデータ管理システムであって、
ａ．患者からデータを探知するよう設計されたセンシングモジュールと、
ｂ．データを格納およびアーカイブするよう設計されたデータ管理モジュールと、
ｃ．診療基準を反映する臨床的に導出されたアルゴリズムを使用することによって、考えられる患者の健康の初期評価を行うためにデータを分析するよう設計された分析モジュールと、
ｄ．患者の健康の探知されたデータ、分析されたデータおよび患者の健康評価を伝達するよう設計された通信モジュールと、
から成るデータ管理システム。
【請求項５０】
システムは電子システムを含む、請求項４９に記載のデータ管理システム。
【請求項５１】
システムはデータ教育システムを含む、請求項４９に記載のデータ管理システム。
【請求項５２】
システムはニューラルネットワークを含む、請求項５０に記載のデータ教育システム。
【請求項５３】
ニューラルネットワークは病態進行の時間従属的次元を捕捉するよう設計されている、請求項５２に記載のニューラルネットワーク。
【請求項５４】
ニューラルネットワークはデータによりある程度訓練され得る、請求項５３に記載のニューラルネットワーク。
【請求項５５】
ニューラルネットワークは訓練されていない、請求項５３に記載のニューラルネットワーク。
【請求項５６】
ニューラルネットワークは、病気および共存症の時間展開とともに、履歴的徴候、診断および結果を反映しているデータにより訓練される、請求項５４に記載のニューラルネットワーク。
【請求項５７】
ニューラルネットワークは、ニューラルネットワーク知識グレードアップとして配布可能である新しいニューラルネットワーク係数を生成するよう設計されている、請求項５６に記載のニューラルネットワーク。
【請求項５８】
ニューラルネットワークは、テストケース、適切な結果および、適正な結果の誤認または誤診の相対的発生のデータベースを含む、請求項５２に記載のニューラルネットワーク。
【請求項５９】
ニューラルネットワークは許容できる誤認または誤診のスレショルドを確立するよう設計されている、請求項５２に記載のニューラルネットワーク。
【請求項６０】
システムは高度患者管理システムとして構成されている、請求項４９に記載のデータ管理システム。
【請求項６１】
前記システムは、
ａ．生理学的機能を監視するように構成されたセンサを備えるセンシングモジュールをさらに含む移植可能医科装置と、
ｂ．センサから収集されたデータおよび外部入力データを処理するように構成されたデータ管理モジュールと、
ｃ．予測的診断を実行するために装置収集データを外部入力データと結合するよう設計された分析エンジンとして構成された分析モジュールと、
ｄ．予測的診断に基づき適切な治療を提供するように構成された治療モジュールとを含む、請求項６０に記載の高度患者管理システム。
【請求項６２】
システムは移植可能医科装置を含む、請求項４９に記載のデータ管理システム。
【請求項６３】
センシングモジュールは患者にとって内部である、請求項４９に記載の探知モジュール。
【請求項６４】
センシングモジュールは患者にとって外部である、請求項４９に記載の探知モジュール。
【請求項６５】
格納およびアーカイブされたデータは探知された患者データを含む、請求項４９に記載のデータ管理モジュール。
【請求項６６】
格納およびアーカイブされたデータは患者母集団データを含む、請求項４９に記載のデータ管理モジュール。
【請求項６７】
患者母集団データは患者からの履歴データを含む、請求項６６に記載のデータ管理モジュール。
【請求項６８】
患者母集団データは類似疾患患者から構成された患者母集団データを含む、請求項６６に記載のデータ管理モジュール。
【請求項６９】
患者母集団データは遺伝的に類似の患者から構成された患者母集団データを含む、請求項６６に記載のデータ管理モジュール。
【請求項７０】
データ管理モジュールは将来の分析のためにデータを格納およびアーカイブするよう設計されている、請求項４９に記載のデータ管理モジュール。
【請求項７１】
データ管理モジュールは通信モジュールによるアクセスのためにデータを格納およびアーカイブするよう設計されている、請求項４９に記載のデータ管理モジュール。
【請求項７２】
通信モジュールは分析モジュールによる分析のためにデータ管理モジュールからデータをリトリーブする、請求項４９に記載の通信モジュール。
【請求項７３】
通信モジュールはデータ管理モジュールからデータを定期的にリトリーブする、請求項７２に記載の通信モジュール。
【請求項７４】
分析モジュールは患者にとって内部である、請求項４９に記載の分析モジュール。
【請求項７５】
分析モジュールは患者にとって外部のニューラルネットワークを含む、請求項４９に記載の分析モジュール。
【請求項７６】
分析モジュールは、データ管理モジュールからリトリーブされた患者母集団データを参照してデータ管理モジュールからリトリーブされた患者データを採点する、請求項４９に記載の分析モジュール。
【請求項７７】
分析モジュールは、ファジィ論理の原理を用いてデータ管理モジュールからリトリーブされた患者母集団データを参照してデータ管理モジュールからリトリーブされた患者データを採点する、請求項４９に記載の分析モジュール。
【請求項７８】
患者母集団データを参照して採点された患者データは患者の健康の多次元評価をもたらす、請求項７６に記載の分析モジュール。
【請求項７９】
患者母集団データを参照して採点された患者データは患者の健康の多次元評価をもたらす、請求項７７に記載の分析モジュール。
【請求項８０】
患者母集団データを参照して採点された患者データは病気の傾向を予測する、請求項７８に記載の分析モジュール。
【請求項８１】
患者母集団データを参照して採点された患者データは病気の進行の次の段階を予測する、請求項７８に記載の分析モジュール。
【請求項８２】
患者母集団データを参照して採点された患者データは共存症を予測する、請求項７８に記載の分析モジュール。
【請求項８３】
患者母集団データを参照して採点された患者データは他のあり得る病態を推論する、請求項７８に記載の分析モジュール。
【請求項８４】
患者母集団データを参照して採点された患者データは患者の健康の傾向を予測する、請求項７８に記載の分析モジュール。
【請求項８５】
患者母集団データを参照して採点された患者データは病気の傾向を予測する、請求項７９に記載の分析モジュール。
【請求項８６】
患者母集団データを参照して採点された患者データは病気の進行の次の段階を予測する、請求項７９に記載の分析モジュール。
【請求項８７】
患者母集団データを参照して採点された患者データは共存症を予測する、請求項７９に記載の分析モジュール。
【請求項８８】
患者母集団データを参照して採点された患者データは他のあり得る病態を推論する、請求項７９に記載の分析モジュール。
【請求項８９】
患者母集団データを参照して採点された患者データは患者の健康の傾向を予測する、請求項７９に記載の分析モジュール。
【請求項９０】
分析モジュールはデータ管理モジュールからリトリーブされたデータを分析する、請求項４９に記載の分析モジュール。
【請求項９１】
分析モジュールはファジィ論理の原理を用いてデータ管理モジュールからリトリーブされたデータを分析する、請求項４９に記載の分析モジュール。
【請求項９２】
分析されたデータは患者の健康の多次元評価をもたらす、請求項９０に記載の分析モジュール。
【請求項９３】
分析されたデータは患者の健康の多次元評価をもたらす、請求項９１に記載の分析モジュール。
【請求項９４】
分析されたデータは病気の傾向を予測する、請求項９２に記載の分析モジュール。
【請求項９５】
分析されたデータは病気の進行の次の段階を予測する、請求項９２に記載の分析モジュール。
【請求項９６】
分析されたデータは共存症を予測する、請求項９２に記載の分析モジュール。
【請求項９７】
分析されたデータは他のあり得る病態を推論する、請求項９２に記載の分析モジュール。
【請求項９８】
分析されたデータは患者の健康の傾向を予測する、請求項９２に記載の分析モジュール。
【請求項９９】
分析されたデータは病気の傾向を予測する、請求項９３に記載の分析モジュール。
【請求項１００】
分析されたデータは病気の進行の次の段階を予測する、請求項９３に記載の分析モジュール。
【請求項１０１】
分析されたデータは共存症を予測する、請求項９３に記載の分析モジュール。
【請求項１０２】
分析されたデータは他のあり得る病態を推論する、請求項９３に記載の分析モジュール。
【請求項１０３】
分析されたデータは患者の健康の傾向を予測する、請求項９３に記載の分析モジュール。
【請求項１０４】
通信モジュールは分析されたデータをデータ管理モジュールに伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１０５】
通信モジュールは臨床家によるアクセスのために分析されたデータを伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１０６】
通信モジュールは分析されたデータに基づき介入の相対的緊急性を伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１０７】
介入の相対的緊急性は臨床家に伝達される、請求項１０６に記載の通信モジュール。
【請求項１０８】
介入の相対的緊急性は患者に伝達される、請求項１０６に記載の通信モジュール。
【請求項１０９】
通信モジュールは、臨床家によるアクセスのために探知されたデータ、分析されたデータおよび患者の健康評価を伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１１０】
通信モジュールは、探知されたデータ、分析されたデータおよび患者の健康評価をデータ教育システムに伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１１１】
通信モジュールはニューラルネットワークを含む、請求項１１０に記載のデータ教育システム。
【請求項１１２】
通信モジュールは、臨床精度および重要性についてデータおよび評価を確かめるために探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１１３】
通信モジュールは、許容できる誤認のスレショルドを確立するために探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１１４】
通信モジュールは、許容できる誤診のスレショルドを確立するために探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１１５】
患者の健康を自動診断するためのデータ管理システムであって、
ａ．移植可能医科装置と、これはさらに、
ｉ．患者からデータを探知するよう設計されたセンシングモジュールと、
ｉｉ．患者履歴データベースを生成するためにセンシングモジュールによって探知された患者データおよび、患者母集団データベースを生成するために患者母集団データを格納およびアーカイブするよう設計されたデータ管理モジュールと、
ｉｉｉ．診療基準を反映する臨床的に導出されたアルゴリズムを使用することによって考えられる患者の健康の初期評価を行うために患者母集団データと比較して患者履歴データを分析するよう設計された分析モジュールと、
ｉｖ．臨床家によるアクセスのために患者の健康の探知されたデータ、分析されたデータおよび患者の健康評価を伝達するよう設計された通信モジュールとを含み、
ｂ．患者データを格納するよう設計されたニューラルネットワークと、
から成るデータ管理システム。
【請求項１】
患者の健康を自動的に診断するためのデータ管理システム使用方法であって、
ａ．データを格納し、アーカイブするよう設計されたデータ管理モジュールに患者母集団データを読み込むステップと、
ｂ．前記医科装置を用いて患者からデータを探知するステップと、
ｃ．前記医科装置から前記データ管理モジュールに前記患者データを送達するステップと、
ｄ．分析のためにデータ管理モジュールからデータをリトリーブするステップと、
ｅ．リトリーブされたデータを、分析されたデータに基づき考えられる患者の健康の初期評価を提供するために、診療基準を反映する臨床的に導出されたアルゴリズムを含むニューラルネットワークを用いて分析するステップと、
ｆ．探知されたデータ、分析されたデータおよび患者の健康評価を伝達するステップと、
から成る方法。
【請求項２】
各ステップは電子的に実行される、請求項１に記載の方法。
【請求項３】
データ管理モジュールに患者母集団データを読み込むステップは、データ管理モジュールに外部患者データを読み込むさらなるステップを含む、請求項１に記載の方法。
【請求項４】
データ管理モジュールに患者母集団データを読み込むステップは、データ管理モジュールに患者からの履歴データを読み込むさらなるステップを含む、請求項１に記載の方法。
【請求項５】
データ管理モジュールに患者母集団データを読み込むステップは、データ管理モジュールに類似疾患患者から構成されたデータを読み込むさらなるステップを含む、請求項１に記載の方法。
【請求項６】
データ管理モジュールに患者母集団データを読み込むステップは、データ管理モジュールに遺伝的に類似の患者から構成されたデータを読み込むさらなるステップを含む、請求項１に記載の方法。
【請求項７】
医科装置を用いて患者からデータを探知するステップは、患者の内部の医科装置を用いてデータを探知するさらなるステップを含む、請求項１に記載の方法。
【請求項８】
医科装置を用いて患者からデータを探知するステップは、患者の外部の医科装置を用いてデータを探知するさらなるステップを含む、請求項１に記載の方法。
【請求項９】
データ管理モジュールからデータをリトリーブするステップは、データを定期的にリトリーブするさらなるステップを含む、請求項１に記載の方法。
【請求項１０】
リトリーブされたデータを分析するステップは、患者母集団データを参照して患者データを採点するさらなるステップを含む、請求項１に記載の方法。
【請求項１１】
リトリーブされたデータを分析するステップは、ファジィ論理の原理を用いて患者母集団データを参照して患者データを採点するさらなるステップを含む、請求項１に記載の方法。
【請求項１２】
患者母集団データを参照して患者データを採点するステップは、患者の健康の多次元指標をもたらすためにデータを採点するさらなるステップを含む、請求項１０に記載の方法。
【請求項１３】
患者母集団データを参照して患者データを採点するステップは、患者の健康の多次元指標をもたらすためにデータを採点するさらなるステップを含む、請求項１１に記載の方法。
【請求項１４】
患者母集団データを参照して患者データを採点するステップは、病気の傾向を予測するためにデータを採点するさらなるステップを含む、請求項１２に記載の方法。
【請求項１５】
患者母集団データを参照して患者データを採点するステップは、病気の進行の次の段階を予測するためにデータを採点するさらなるステップを含む、請求項１２に記載の方法。
【請求項１６】
患者母集団データを参照して患者データを採点するステップは、共存症を予測するためにデータを採点するさらなるステップを含む、請求項１２に記載の方法。
【請求項１７】
患者母集団データを参照して患者データを採点するステップは、他のあり得る病態を推論するためにデータを採点するさらなるステップを含む、請求項１２に記載の方法。
【請求項１８】
患者母集団データを参照して患者データを採点するステップは、患者の健康の傾向を予測するためにデータを採点するさらなるステップを含む、請求項１２に記載の方法。
【請求項１９】
患者母集団データを参照して患者データを採点するステップは、病気の傾向を予測するためにデータを採点するさらなるステップを含む、請求項１３に記載の方法。
【請求項２０】
患者母集団データを参照して患者データを採点するステップは、病気の進行の次の段階を予測するためにデータを採点するさらなるステップを含む、請求項１３に記載の方法。
【請求項２１】
患者母集団データを参照して患者データを採点するステップは、共存症を予測するためにデータを採点するさらなるステップを含む、請求項１３に記載の方法。
【請求項２２】
患者母集団データを参照して患者データを採点するステップは、他のあり得る病態を推論するためにデータを採点するさらなるステップを含む、請求項１３に記載の方法。
【請求項２３】
患者母集団データを参照して患者データを採点するステップは、患者の健康の傾向を予測するためにデータを採点するさらなるステップを含む、請求項１３に記載の方法。
【請求項２４】
リトリーブされたデータを分析するステップは、患者にとって内部のリトリーブデータを分析するさらなるステップを含む、請求項１に記載の方法。
【請求項２５】
リトリーブされたデータを分析するステップは、患者にとって外部のリトリーブデータを分析するさらなるステップを含む、請求項１に記載の方法。
【請求項２６】
リトリーブされたデータを分析するステップは、患者の健康の多次元指標をもたらすためにデータを分析するさらなるステップを含む、請求項１に記載の方法。
【請求項２７】
リトリーブされたデータを分析するステップは、患者の健康の多次元指標をもたらすためにファジィ論理の原理を用いてデータを分析するさらなるステップを含む、請求項１に記載の方法。
【請求項２８】
データを分析するステップは、病気の傾向を予測するためにデータを分析するさらなるステップを含む、請求項２６に記載の方法。
【請求項２９】
データを分析するステップは、病気の進行の次の段階を予測するためにデータを分析するさらなるステップを含む、請求項２６に記載の方法。
【請求項３０】
データを分析するステップは、共存症を予測するためにデータを分析するさらなるステップを含む、請求項２６に記載の方法。
【請求項３１】
データを分析するステップは、他のあり得る病態を推論するためにデータを分析するさらなるステップを含む、請求項２６に記載の方法。
【請求項３２】
データを分析するステップは、患者の健康の傾向を予測するためにデータを分析するさらなるステップを含む、請求項２６に記載の方法。
【請求項３３】
データを分析するステップは、病気の傾向を予測するためにデータを分析するさらなるステップを含む、請求項２７に記載の方法。
【請求項３４】
データを分析するステップは、病気の進行の次の段階を予測するためにデータを分析するさらなるステップを含む、請求項２７に記載の方法。
【請求項３５】
データを分析するステップは、共存症を予測するためにデータを分析するさらなるステップを含む、請求項２７に記載の方法。
【請求項３６】
データを分析するステップは、他のあり得る病態を推論するためにデータを分析するさらなるステップを含む、請求項２７に記載の方法。
【請求項３７】
データを分析するステップは、患者の健康の傾向を予測するためにデータを分析するさらなるステップを含む、請求項２７に記載の方法。
【請求項３８】
探知されたデータ、分析されたデータおよび患者の健康評価を伝達するステップは、将来の分析のためにデータ管理モジュールにデータおよび評価を伝達するさらなるステップを含む、請求項１に記載の方法。
【請求項３９】
探知されたデータ、分析されたデータおよび患者の健康評価を伝達するステップは、臨床家によるアクセスのためにデータ管理モジュールにデータおよび評価を伝達するさらなるステップを含む、請求項１に記載の方法。
【請求項４０】
探知されたデータ、分析されたデータおよび患者の健康評価を伝達するステップは、介入の相対的緊急性を伝達するさらなるステップを含む、請求項１に記載の方法。
【請求項４１】
介入の相対的緊急性を伝達するステップは、臨床家に介入の相対的緊急性を伝達するさらなるステップを含む、請求項４０に記載の方法。
【請求項４２】
介入の相対的緊急性を伝達するステップは、患者に介入の相対的緊急性を伝達するさらなるステップを含む、請求項４０に記載の方法。
【請求項４３】
探知されたデータ、分析されたデータおよび患者の健康評価を伝達するステップは、データ教育システムにデータおよび評価を伝達するさらなるステップを含む、請求項１に記載の方法。
【請求項４４】
探知されたデータ、分析されたデータおよび患者の健康評価をデータ教育システムに伝達するステップは、ニューラルネットワークにデータおよび評価を伝達するさらなるステップを含む、請求項４３に記載の方法。
【請求項４５】
探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するステップは、臨床精度および重要性についてデータおよび評価を確かめるさらなるステップを含む、請求項４４に記載の方法。
【請求項４６】
探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するステップは、許容できる誤認のスレショルドを確立するさらなるステップを含む、請求項４４に記載の方法。
【請求項４７】
探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するステップは、許容できる誤診のスレショルドを確立するさらなるステップを含む、請求項４４に記載の方法。
【請求項４８】
患者の健康を自動的に診断するためのデータ管理システム使用方法であって、
ａ．医科装置を患者に移植するステップと、
ｂ．患者母集団データベースを生成するために、データを格納およびアーカイブするよう設計されたデータ管理モジュールに患者母集団データを読み込むステップと、
ｃ．医科装置を用いて患者からデータを探知するステップと、
ｄ．患者履歴データベースを生成するために医科装置から探知された患者データをデータ管理モジュールに送達するステップと、
ｅ．探知された患者データおよび患者母集団データを分析のためにデータ管理モジュールからリトリーブするステップと、
ｆ．リトリーブされたデータを、分析されたデータに基づき考えられる患者の健康の初期評価を提供するため、診療基準を反映する臨床的に導出されたアルゴリズムを含むニューラルネットワークを用いて分析するステップと
ｇ．探知されたデータ、分析されたデータおよび患者の健康評価を臨床家によるアクセスのために伝達するステップと、
ｈ．ニューラルネットワークからの患者データにアクセスするステップと、
から成る方法。
【請求項４９】
患者の健康を自動診断するためのデータ管理システムであって、
ａ．患者からデータを探知するよう設計されたセンシングモジュールと、
ｂ．データを格納およびアーカイブするよう設計されたデータ管理モジュールと、
ｃ．診療基準を反映する臨床的に導出されたアルゴリズムを使用することによって、考えられる患者の健康の初期評価を行うためにデータを分析するよう設計された分析モジュールと、
ｄ．患者の健康の探知されたデータ、分析されたデータおよび患者の健康評価を伝達するよう設計された通信モジュールと、
から成るデータ管理システム。
【請求項５０】
システムは電子システムを含む、請求項４９に記載のデータ管理システム。
【請求項５１】
システムはデータ教育システムを含む、請求項４９に記載のデータ管理システム。
【請求項５２】
システムはニューラルネットワークを含む、請求項５０に記載のデータ教育システム。
【請求項５３】
ニューラルネットワークは病態進行の時間従属的次元を捕捉するよう設計されている、請求項５２に記載のニューラルネットワーク。
【請求項５４】
ニューラルネットワークはデータによりある程度訓練され得る、請求項５３に記載のニューラルネットワーク。
【請求項５５】
ニューラルネットワークは訓練されていない、請求項５３に記載のニューラルネットワーク。
【請求項５６】
ニューラルネットワークは、病気および共存症の時間展開とともに、履歴的徴候、診断および結果を反映しているデータにより訓練される、請求項５４に記載のニューラルネットワーク。
【請求項５７】
ニューラルネットワークは、ニューラルネットワーク知識グレードアップとして配布可能である新しいニューラルネットワーク係数を生成するよう設計されている、請求項５６に記載のニューラルネットワーク。
【請求項５８】
ニューラルネットワークは、テストケース、適切な結果および、適正な結果の誤認または誤診の相対的発生のデータベースを含む、請求項５２に記載のニューラルネットワーク。
【請求項５９】
ニューラルネットワークは許容できる誤認または誤診のスレショルドを確立するよう設計されている、請求項５２に記載のニューラルネットワーク。
【請求項６０】
システムは高度患者管理システムとして構成されている、請求項４９に記載のデータ管理システム。
【請求項６１】
前記システムは、
ａ．生理学的機能を監視するように構成されたセンサを備えるセンシングモジュールをさらに含む移植可能医科装置と、
ｂ．センサから収集されたデータおよび外部入力データを処理するように構成されたデータ管理モジュールと、
ｃ．予測的診断を実行するために装置収集データを外部入力データと結合するよう設計された分析エンジンとして構成された分析モジュールと、
ｄ．予測的診断に基づき適切な治療を提供するように構成された治療モジュールとを含む、請求項６０に記載の高度患者管理システム。
【請求項６２】
システムは移植可能医科装置を含む、請求項４９に記載のデータ管理システム。
【請求項６３】
センシングモジュールは患者にとって内部である、請求項４９に記載の探知モジュール。
【請求項６４】
センシングモジュールは患者にとって外部である、請求項４９に記載の探知モジュール。
【請求項６５】
格納およびアーカイブされたデータは探知された患者データを含む、請求項４９に記載のデータ管理モジュール。
【請求項６６】
格納およびアーカイブされたデータは患者母集団データを含む、請求項４９に記載のデータ管理モジュール。
【請求項６７】
患者母集団データは患者からの履歴データを含む、請求項６６に記載のデータ管理モジュール。
【請求項６８】
患者母集団データは類似疾患患者から構成された患者母集団データを含む、請求項６６に記載のデータ管理モジュール。
【請求項６９】
患者母集団データは遺伝的に類似の患者から構成された患者母集団データを含む、請求項６６に記載のデータ管理モジュール。
【請求項７０】
データ管理モジュールは将来の分析のためにデータを格納およびアーカイブするよう設計されている、請求項４９に記載のデータ管理モジュール。
【請求項７１】
データ管理モジュールは通信モジュールによるアクセスのためにデータを格納およびアーカイブするよう設計されている、請求項４９に記載のデータ管理モジュール。
【請求項７２】
通信モジュールは分析モジュールによる分析のためにデータ管理モジュールからデータをリトリーブする、請求項４９に記載の通信モジュール。
【請求項７３】
通信モジュールはデータ管理モジュールからデータを定期的にリトリーブする、請求項７２に記載の通信モジュール。
【請求項７４】
分析モジュールは患者にとって内部である、請求項４９に記載の分析モジュール。
【請求項７５】
分析モジュールは患者にとって外部のニューラルネットワークを含む、請求項４９に記載の分析モジュール。
【請求項７６】
分析モジュールは、データ管理モジュールからリトリーブされた患者母集団データを参照してデータ管理モジュールからリトリーブされた患者データを採点する、請求項４９に記載の分析モジュール。
【請求項７７】
分析モジュールは、ファジィ論理の原理を用いてデータ管理モジュールからリトリーブされた患者母集団データを参照してデータ管理モジュールからリトリーブされた患者データを採点する、請求項４９に記載の分析モジュール。
【請求項７８】
患者母集団データを参照して採点された患者データは患者の健康の多次元評価をもたらす、請求項７６に記載の分析モジュール。
【請求項７９】
患者母集団データを参照して採点された患者データは患者の健康の多次元評価をもたらす、請求項７７に記載の分析モジュール。
【請求項８０】
患者母集団データを参照して採点された患者データは病気の傾向を予測する、請求項７８に記載の分析モジュール。
【請求項８１】
患者母集団データを参照して採点された患者データは病気の進行の次の段階を予測する、請求項７８に記載の分析モジュール。
【請求項８２】
患者母集団データを参照して採点された患者データは共存症を予測する、請求項７８に記載の分析モジュール。
【請求項８３】
患者母集団データを参照して採点された患者データは他のあり得る病態を推論する、請求項７８に記載の分析モジュール。
【請求項８４】
患者母集団データを参照して採点された患者データは患者の健康の傾向を予測する、請求項７８に記載の分析モジュール。
【請求項８５】
患者母集団データを参照して採点された患者データは病気の傾向を予測する、請求項７９に記載の分析モジュール。
【請求項８６】
患者母集団データを参照して採点された患者データは病気の進行の次の段階を予測する、請求項７９に記載の分析モジュール。
【請求項８７】
患者母集団データを参照して採点された患者データは共存症を予測する、請求項７９に記載の分析モジュール。
【請求項８８】
患者母集団データを参照して採点された患者データは他のあり得る病態を推論する、請求項７９に記載の分析モジュール。
【請求項８９】
患者母集団データを参照して採点された患者データは患者の健康の傾向を予測する、請求項７９に記載の分析モジュール。
【請求項９０】
分析モジュールはデータ管理モジュールからリトリーブされたデータを分析する、請求項４９に記載の分析モジュール。
【請求項９１】
分析モジュールはファジィ論理の原理を用いてデータ管理モジュールからリトリーブされたデータを分析する、請求項４９に記載の分析モジュール。
【請求項９２】
分析されたデータは患者の健康の多次元評価をもたらす、請求項９０に記載の分析モジュール。
【請求項９３】
分析されたデータは患者の健康の多次元評価をもたらす、請求項９１に記載の分析モジュール。
【請求項９４】
分析されたデータは病気の傾向を予測する、請求項９２に記載の分析モジュール。
【請求項９５】
分析されたデータは病気の進行の次の段階を予測する、請求項９２に記載の分析モジュール。
【請求項９６】
分析されたデータは共存症を予測する、請求項９２に記載の分析モジュール。
【請求項９７】
分析されたデータは他のあり得る病態を推論する、請求項９２に記載の分析モジュール。
【請求項９８】
分析されたデータは患者の健康の傾向を予測する、請求項９２に記載の分析モジュール。
【請求項９９】
分析されたデータは病気の傾向を予測する、請求項９３に記載の分析モジュール。
【請求項１００】
分析されたデータは病気の進行の次の段階を予測する、請求項９３に記載の分析モジュール。
【請求項１０１】
分析されたデータは共存症を予測する、請求項９３に記載の分析モジュール。
【請求項１０２】
分析されたデータは他のあり得る病態を推論する、請求項９３に記載の分析モジュール。
【請求項１０３】
分析されたデータは患者の健康の傾向を予測する、請求項９３に記載の分析モジュール。
【請求項１０４】
通信モジュールは分析されたデータをデータ管理モジュールに伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１０５】
通信モジュールは臨床家によるアクセスのために分析されたデータを伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１０６】
通信モジュールは分析されたデータに基づき介入の相対的緊急性を伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１０７】
介入の相対的緊急性は臨床家に伝達される、請求項１０６に記載の通信モジュール。
【請求項１０８】
介入の相対的緊急性は患者に伝達される、請求項１０６に記載の通信モジュール。
【請求項１０９】
通信モジュールは、臨床家によるアクセスのために探知されたデータ、分析されたデータおよび患者の健康評価を伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１１０】
通信モジュールは、探知されたデータ、分析されたデータおよび患者の健康評価をデータ教育システムに伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１１１】
通信モジュールはニューラルネットワークを含む、請求項１１０に記載のデータ教育システム。
【請求項１１２】
通信モジュールは、臨床精度および重要性についてデータおよび評価を確かめるために探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１１３】
通信モジュールは、許容できる誤認のスレショルドを確立するために探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１１４】
通信モジュールは、許容できる誤診のスレショルドを確立するために探知されたデータ、分析されたデータおよび患者の健康評価をニューラルネットワークに伝達するよう設計されている、請求項４９に記載の通信モジュール。
【請求項１１５】
患者の健康を自動診断するためのデータ管理システムであって、
ａ．移植可能医科装置と、これはさらに、
ｉ．患者からデータを探知するよう設計されたセンシングモジュールと、
ｉｉ．患者履歴データベースを生成するためにセンシングモジュールによって探知された患者データおよび、患者母集団データベースを生成するために患者母集団データを格納およびアーカイブするよう設計されたデータ管理モジュールと、
ｉｉｉ．診療基準を反映する臨床的に導出されたアルゴリズムを使用することによって考えられる患者の健康の初期評価を行うために患者母集団データと比較して患者履歴データを分析するよう設計された分析モジュールと、
ｉｖ．臨床家によるアクセスのために患者の健康の探知されたデータ、分析されたデータおよび患者の健康評価を伝達するよう設計された通信モジュールとを含み、
ｂ．患者データを格納するよう設計されたニューラルネットワークと、
から成るデータ管理システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図２】
【図３】
【図４】
【図５】
【図６】
【公表番号】特表２００６−５０７８７５（Ｐ２００６−５０７８７５Ａ）
【公表日】平成１８年３月９日（２００６．３．９）
【国際特許分類】
【出願番号】特願２００４−５５５８０１（Ｐ２００４−５５５８０１）
【出願日】平成１５年１１月２５日（２００３．１１．２５）
【国際出願番号】ＰＣＴ／ＵＳ２００３／０３７９５０
【国際公開番号】ＷＯ２００４／０４７６２４
【国際公開日】平成１６年６月１０日（２００４．６．１０）
【出願人】（５０５００３５２８）カーディアック・ペースメーカーズ・インコーポレーテッド (466)
【Ｆターム（参考）】
【公表日】平成１８年３月９日（２００６．３．９）
【国際特許分類】
【出願日】平成１５年１１月２５日（２００３．１１．２５）
【国際出願番号】ＰＣＴ／ＵＳ２００３／０３７９５０
【国際公開番号】ＷＯ２００４／０４７６２４
【国際公開日】平成１６年６月１０日（２００４．６．１０）
【出願人】（５０５００３５２８）カーディアック・ペースメーカーズ・インコーポレーテッド (466)
【Ｆターム（参考）】
[ Back to top ]