図面 (/)

この項目の情報は公開日時点(2020年2月27日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (6)

課題

圧平圧力測定値を用いて生体対象心拍出量(CO)を算出する装置および方法。

解決手段

一実施形態では、装置および方法は、生理学ソースデータベクトル目標CO値相関させる非線形数学モデル構築する。ソースデータベクトルは、収縮期および拡張期の圧力、脈圧心拍間隔平均動脈圧、収縮期中の圧力上昇最大勾配、脈圧波の収縮期部分の下の面積性別男性または女性)、年齢身長、体重など、1つまたはそれ以上の測定可能なまたは導出可能なパラメータを含む。目標CO値は、複数の個人にわたって様々な方法を用いて取得される。その後、ソースデータを目標COデータに変換する数学モデルを求めるために、多次元非線形最適化が用いられる。次いで、該モデルは、個人の生理学的データを取得し、収集されたデータにモデルを適用することによって個人に適用される。

概要

背景

2.関連技術の説明
心拍出量(CO)は、1分間などの一定期間に心臓左心室または右心室)によって押し出される血液の体積を指す。COは、さらに心臓の収縮期における右心室からの出力と左心室からの出力の合計を指すこともでき、数学的には以下のように表される。
CO=1回拍出量×心拍数
心拍数(HR)は、通常は1分間当たりの拍動数(bpm)として測定される、単位時間当たりの心拍の数を指す。1回拍出量(SV)は、拍動毎に一方の心室から送り出される血液の体積を指す。

心臓機能とCOは概して、身体細胞による酸素需要によって制御される。酸素需要が増加するにつれ、COが増加する。したがって、HRの増加、姿勢の変化、交感神経系の活動の増加、副交感神経系の活動の減少、体表面積などが患者のCOに影響を及ぼし得る。その他の生理学的パラメータや大きさもSVおよび/またはHRにさらに影響を及ぼし、したがってCOに影響を及ぼし得る。たとえば、心臓周期または収縮期の収縮または駆出の段階中に左心室(LV)から駆出される血液の割合である駆出率(EF)はSVに影響を及ぼし、心室拡張に関連する室疾患と共に変動し得る。高血圧心不全などのその他の心臓血管系の疾患もCOを変動させる。加えて、感染や敗血症時にCOが増加し、心筋症および心不全の結果、COが減少する場合がある。COは呼吸相によっても大きな影響を受ける可能性がある(すなわち、胸腔内圧の変化が拡張期充満に影響をもたらし、ひいてはCOに影響をもたらす)。COの変化は非常に重要であり、機械的人工換気中にも効率的なCOの監視技術が必要とされる。

したがって、高血圧や心不全などの異常の診断およびその管理を向上させるため、COを正確に測定できることが重要である。

直接的な心臓カテーテル挿入から動脈拍動非侵襲測定まで、COを測定する臨床方法は多数存在する。しかしながら、これらの方法はそれぞれ不正確性、非効率性侵襲性などの重大な制約を有する。具体的には、病態生理学的研究が示すように、左心室の収縮期および拡張期機能ならびに中枢血管機能非線形プロセスである。したがって、従来技術の線形近似法を用いる心拍出量の計算は、不正確で準最適のものである。したがって、真に正確なCO測定に関して広く認められた基準は存在していない。

したがって、正確、有効、かつ非侵襲的なCO算出装置および方法が必要とされる。

概要

圧平圧力測定値を用いて生体対象の心拍出量(CO)を算出する装置および方法。一実施形態では、装置および方法は、生理学ソースデータベクトル目標CO値相関させる非線形数学モデル構築する。ソースデータベクトルは、収縮期および拡張期の圧力、脈圧心拍間隔平均動脈圧、収縮期中の圧力上昇最大勾配、脈圧波の収縮期部分の下の面積性別男性または女性)、年齢身長、体重など、1つまたはそれ以上の測定可能なまたは導出可能なパラメータを含む。目標CO値は、複数の個人にわたって様々な方法を用いて取得される。その後、ソースデータを目標COデータに変換する数学モデルを求めるために、多次元非線形最適化が用いられる。次いで、該モデルは、個人の生理学的データを取得し、収集されたデータにモデルを適用することによって個人に適用される。

目的

COを測定する非侵襲PP法に関しては、カフ血圧装置(血圧計)を使用して、非侵襲的に血圧を測定し、収縮期と拡張期の圧力の共通のPP波形値を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

生体テスト対象から取得されたデータから心拍出量を計算する方法であって、非侵襲的バイオメトリックスセンサを用いて前記生体テスト対象から、1つまたはそれ以上のテスト対象血行力学的パラメータ値を取得することと、前記バイオメトリックスセンサと信号通信しているデータ処理装置を介して、少なくとも、そのそれぞれが複数の心拍出量目標値の対応する一つに非線形最適化アルゴリズムを介して関連付けられた複数の基準対象入力ベクトルを備える数学モデルを用いて、前記1つまたはそれ以上のテスト対象血行力学的パラメータ値を処理することと、前記処理の結果に少なくとも部分的に基づいて、前記生体テスト対象についてのテスト対象心拍出量値を判定することと、を備える方法。

請求項2

前記生体テスト対象から、前記生体テスト対象の身長、体重、年齢、および性別の1つまたはそれ以上からなる1つまたはそれ以上のテスト対象生理学的パラメータ値収集することをさらに備え、前記処理することが、前記1つまたはそれ以上のテスト対象血行力学的パラメータ値と前記1つまたはそれ以上のテスト対象生理学的パラメータとに少なくとも部分的に基づいてテスト対象入力ベクトルを算出することと、前記テスト対象入力ベクトルと相関関係にある前記複数の基準対象入力ベクトルの1つを識別することと、前記複数の心拍出量目標値から心拍出量目標値を識別することであって、前記識別された心拍出量目標値が前記複数の基準対象入力ベクトルの前記識別された1つに、前記非線形最適化アルゴリズムを介して関連付けられており、前記テスト対象心拍出量値が前記識別された心拍出量目標値と同等である、識別することと、を、少なくとも部分的に備える、請求項1の方法。

請求項3

前記数学モデルは、複数の生体基準対象から予め収集されたモデルデータから、前記複数の生体基準対象のそれぞれについて1つまたはそれ以上の基準対象生理学的パラメータ値を取得することと、前記複数の生体基準対象のそれぞれについて1つまたはそれ以上の血行力学的パラメータを取得することと、前記複数の基準対象入力ベクトルであって、そのそれぞれが、前記1つまたはそれ以上のテスト対象生理学的パラメータ値と前記1つまたはそれ以上の基準対象血行力学的パラメータ値とに少なくとも部分的に基づいている、前記複数の基準対象入力ベクトルを生成することと、前記複数の生体基準対象のそれぞれについて、少なくとも1つの心拍出量測定値を収集することと、前記複数の生体基準対象のそれぞれについての前記少なくとも1つの収集された心拍出量測定値に少なくとも基づいて前記複数の心拍出量目標値を計算することと、前記複数の心拍出量目標値の前記対応する1つを、前記複数の生体基準対象のそれぞれについての前記複数のテスト対象入力ベクトルのそれぞれに、前記非線形的最適化アルゴリズムを介して関連付けることと、によって生成される、請求項1の方法。

請求項4

前記複数の心拍出量目標値の前記対応する1つを前記複数のテスト対象入力ベクトルのそれぞれに前記関連付けることが、前記1つまたはそれ以上の基準対象生理学的パラメータ値と1つまたはそれ以上の基準対象血行力学的パラメータ値とを、前記複数の生体基準対象のそれぞれについての前記少なくとも1つの心拍出量測定値に、最小二乗最適化法で変換することを備える、請求項3の方法。

請求項5

前記非線形最適化アルゴリズムが、多次元非線形最適化を実行するよう構成された機械学習アルゴリズムを備える、請求項1の方法。

請求項6

心拍出量判定装置であって、非侵襲的な測定装置を介して生体テスト対象についてテスト対象血行力学的パラメータデータを測定するよう構成された少なくとも1つの外部部品との信号通信のために構成された少なくとも1つのインターフェースと、データ処理装置と、前記データ処理装置とデータ通信しており、少なくとも1つのコンピュータプログラムが保存されているデータ記憶装置であって、当該少なくとも1つのコンピュータプログラムが、前記データ処理装置によって実行されると、当該心拍出量判定装置に、少なくとも前記テスト対象血行力学的パラメータデータを前処理させ、少なくとも前記前処理されたテスト対象血行力学的パラメータデータの、当該データ記憶装置上に保存された非線形最適化数学モデルへの入力を介して、前記生体テスト対象について心拍出量パラメータを計算させ、前記生体テスト対象についての前記心拍出量パラメータの、当該心拍出量装置に関連づくられた表示装置上での表示を可能にさせるように構成された複数の命令を備える、データ記憶装置と、を備える、心拍出量判定装置。

請求項7

前記テスト対象血行力学的パラメータデータが、前記生体テスト対象についての拡張期圧データ、収縮期圧データ、脈圧データ、平均動脈圧データ、心拍間隔データ、動脈伸展性データの、1つまたはそれ以上からなり、前記テスト対象血行力学的パラメータデータの前記前処理が、前記生体テスト対象についての収縮期データ内の最大勾配または収縮期の面積のデータの、1つまたはそれ以上を、前記テスト対象血行力学的パラメータデータに少なくとも部分的に基づいて判定することを備える、請求項6の心拍出量判定装置。

請求項8

前記テスト対象血行力学的パラメータデータの前記前処理が、前記テスト対象血行力学的パラメータデータを、テスト対象の、前記生体テスト対象の身長、体重、年齢、性別の1つまたはそれ以上からなる生理学的パラメータデータと結びつけることを備える、請求項6の心拍出量判定装置。

請求項9

前記非線形最適化数学モデルが、少なくとも、多次元非線形最適化アルゴリズムを介して複数の目標心拍出量値と相関され、複数の生体基準対象のそれぞれから予め取得された、予め取得された基準対象血行力学的パラメータデータを備える、請求項6の心拍出量判定装置。

請求項10

前記複数の目標心拍出量値のそれぞれが、前記複数の生体基準対象のそれぞれから予め取得された、少なくとも2つの心拍出量測定値から導出され、前記少なくとも2つの心拍出量測定値の第1は、第1の心拍出量測定様相を介して取得され、前記少なくとも2つの心拍出量測定値の第2は、前記第1の心拍出量測定様相と異なる第2の心拍出量測定様相を介して取得される、請求項9の心拍出量判定装置。

請求項11

前記複数の目標心拍出量値のそれぞれが、統計ノイズを減らすよう構成されたオーバーサンプリングを介して導出される、請求項9の心拍出量判定装置。

技術分野

0001

優先権および関連出願
本願は、2013年3月14日に提出された同名称共同所有同時係属米国特許出願第13/829,061に対する優先権を主張する。本願は、2013年3月14日に提出された「生体対象心拍出量を計算する装置および方法」(APPARATUS AND METHODS FOR COMPUTING CARDIACOUTPUT OF A LIVINGSUBJECT)という名称の共同所有同時係属米国特許出願第13/827,063号に関連する。

0002

1.開示の分野
本開示は、概して生体対象の心拍出量を測定する方法および装置に関し、特に実質的に非侵襲技術を使用して生体対象の心拍出量を正確に推定する一側面に関する。

背景技術

0003

2.関連技術の説明
心拍出量(CO)は、1分間などの一定期間に心臓左心室または右心室)によって押し出される血液の体積を指す。COは、さらに心臓の収縮期における右心室からの出力と左心室からの出力の合計を指すこともでき、数学的には以下のように表される。
CO=1回拍出量×心拍数
心拍数(HR)は、通常は1分間当たりの拍動数(bpm)として測定される、単位時間当たりの心拍の数を指す。1回拍出量(SV)は、拍動毎に一方の心室から送り出される血液の体積を指す。

0004

心臓機能とCOは概して、身体細胞による酸素需要によって制御される。酸素需要が増加するにつれ、COが増加する。したがって、HRの増加、姿勢の変化、交感神経系の活動の増加、副交感神経系の活動の減少、体表面積などが患者のCOに影響を及ぼし得る。その他の生理学的パラメータや大きさもSVおよび/またはHRにさらに影響を及ぼし、したがってCOに影響を及ぼし得る。たとえば、心臓周期または収縮期の収縮または駆出の段階中に左心室(LV)から駆出される血液の割合である駆出率(EF)はSVに影響を及ぼし、心室拡張に関連する室疾患と共に変動し得る。高血圧心不全などのその他の心臓血管系の疾患もCOを変動させる。加えて、感染や敗血症時にCOが増加し、心筋症および心不全の結果、COが減少する場合がある。COは呼吸相によっても大きな影響を受ける可能性がある(すなわち、胸腔内圧の変化が拡張期充満に影響をもたらし、ひいてはCOに影響をもたらす)。COの変化は非常に重要であり、機械的人工換気中にも効率的なCOの監視技術が必要とされる。

0005

したがって、高血圧や心不全などの異常の診断およびその管理を向上させるため、COを正確に測定できることが重要である。

0006

直接的な心臓カテーテル挿入から動脈拍動の非侵襲測定まで、COを測定する臨床方法は多数存在する。しかしながら、これらの方法はそれぞれ不正確性、非効率性侵襲性などの重大な制約を有する。具体的には、病態生理学的研究が示すように、左心室の収縮期および拡張期機能ならびに中枢血管機能非線形プロセスである。したがって、従来技術の線形近似法を用いる心拍出量の計算は、不正確で準最適のものである。したがって、真に正確なCO測定に関して広く認められた基準は存在していない。

0007

したがって、正確、有効、かつ非侵襲的なCO算出装置および方法が必要とされる。

発明が解決しようとする課題

0008

本開示は、圧力測定装置を介して生体対象の心拍出量を計算する装置および方法を特に開示することによって上記の要求に対処する。

課題を解決するための手段

0009

第1の側面によると、圧平圧力測定データから心拍出量を計算する方法が開示される。一実施形態では、該方法は、圧平圧力測定から実際の血行力学的パラメータ値を取得することと、数学モデルを適用することと、心拍出量値を表示させることとを備える。

0010

第2の側面によると、心拍出量装置が開示される。一実施形態では、該装置は、少なくとも1つのインタフェースと、少なくとも1つの記憶装置と、プロセッサと、圧平圧力測定から血行力学的パラメータを測定する外部部品とを備える。一変形例では、プロセッサは、測定された血行力学的パラメータデータを前処理するために少なくとも1つのコンピュータプログラムを実行するように構成される。別の変形例では、プロセッサは、心拍出量を算出するために少なくとも1つのコンピュータプログラムを実行するように構成される。

0011

第3の側面によると、コンピュータプログラムを記憶するように構成される非一時的コンピュータ可読媒体が開示される。一実施形態では、コンピュータプログラムは、心拍出量を算出するように構成される複数の命令を備える。一変形例では、複数の命令は、プロセッサによって実行される際、複数の血行力学的パラメータを測定し、測定された血行力学的パラメータデータを処理し、算出された心拍出量値を表示させるように構成される。

0012

第4の側面によると、心拍出量の計算方法が開示される。一実施形態では、該方法は、入力される血行力学的パラメータベクトルを与えられたときに心拍出量の目標値を取得することと、数学モデルを構築することと、実際の血行力学的パラメータ値を取得することと、数学モデルを適用することと、心拍出量値を表示させることと、を備える。

0013

第5の側面によると、心拍出量の計算に使用される数学モデルを生成する方法が開示される。一実施形態では、該方法は、複数の生理学的パラメータ値を測定することと、生理学的パラメータ値に少なくとも部分的に基づいて複数の入力ベクトルを生成することと、複数の心拍出量測定値収集することと、収集された心拍出量測定値と生理学的パラメータ値とを用いて目標心拍出量値を計算することと、非線形最適化アルゴリズムを用いて心拍出量の計算に使用される数学モデルを生成することと、を備える。

0014

第6の側面によると、心拍出量の計算方法が開示される。一実施形態では、該方法は、複数の血行力学的パラメータを測定することと、測定された血行力学的パラメータデータを処理することと、測定された複数の血行力学的パラメータに少なくとも部分的に基づいて入力ベクトルを選択することと、心拍出量の計算に数学モデルを適用することと、算出された心拍出量値を表示させることと、を備える。

0015

第7の側面によると、心拍出量装置が開示される。一実施形態では、該装置は、少なくとも1つのインタフェースと、少なくとも1つの記憶装置と、プロセッサとを備える。一変形例では、プロセッサは、心拍出量の計算に使用される数学モデルを生成するために少なくとも1つのコンピュータプログラムを実行するように構成される。別の変形例では、プロセッサは、測定された血行力学的パラメータデータを前処理するために少なくとも1つのコンピュータプログラムを実行するように構成される。別の変形例では、プロセッサは、複数の血行力学的パラメータベクトルを生成するために少なくとも1つのコンピュータプログラムを実行するように構成される。さらに別の変形例では、プロセッサは、心拍出量を算出するために少なくとも1つのコンピュータプログラムを実行するように構成される。

0016

第8の側面によると、コンピュータプログラムを記憶するように構成される非一時的コンピュータ可読媒体が開示される。一実施形態では、コンピュータプログラムは、心拍出量を算出するように構成される複数の命令を備える。一変形例では、複数の命令は、プロセッサによって実行される際、入力される血行力学的パラメータベクトルが与えられたときに心拍出量の目標値を取得し、数学モデルを構築し、実際の血行力学的パラメータ値を取得し、数学モデルを適用し、心拍出量値を表示させるように構成される。

0017

第9の側面によると、コンピュータプログラムを記憶するように構成される非一時的コンピュータ可読媒体が開示される。一実施形態では、コンピュータプログラムは、心拍出量の計算に使用される数学モデルを生成するように構成される複数の命令を備える。一変形例では、複数の命令は、プロセッサによって実行される際、複数の生理学的パラメータ値を測定し、生理学的パラメータ値に少なくとも部分的に基づいて複数の入力ベクトルを生成し、複数の心拍出量測定値を収集し、収集された心拍出量測定値および生理学的パラメータ値を使用して目標心拍出量値を計算し、非線形最適化アルゴリズムを使用して心拍出量の計算に使用される数学モデルを生成するように構成される。

0018

第10の側面によると、コンピュータプログラムを記憶するように構成される非一時的コンピュータ可読媒体が開示される。一実施形態では、コンピュータプログラムは、心拍出量を算出するように構成される複数の命令を備える。一変形例では、複数の命令は、プロセッサによって実行される際、複数の血行力学的パラメータを測定し、測定された血行力学的パラメータデータを処理し、測定された複数の血行力学的パラメータに少なくとも部分的に基づいて入力ベクトルを選択し、心拍出量を計算する数学モデルを適用し、算出された心拍出量値を表示させるように構成される。

0019

本開示のこれらおよびその他の特徴は、添付図面と併せて以下の説明から明らかになるであろう。

図面の簡単な説明

0020

本開示による心拍出量の一般化された算出方法の一実施形態を示すフロー図。
本開示による心拍出量を算出するための数学モデルの一般化された生成方法の一実施形態を示すフロー図。
図2の最適化された数学モデルを与えられたときに心拍出量の一般化された算出方法の一実施形態を示すフロー図。
本開示による心拍出量の計算アルゴリズムを生成する装置の例示の一実施形態を示すブロック図。
本開示による心拍出量算出装置の例示の一実施形態を示すブロック図。

実施例

0021

図面を参照するが、その全体にわたり、類似の参照符号は類似の部分を指す。

0022

なお、本開示は、圧平圧力測定法により人体橈骨動脈(すなわち、手首)から取得された血圧など、侵襲的または非侵襲的に取得された血行力学的パラメータの測定値を利用して、生体対象の心拍出量を算出する装置および方法に関して主に説明するが、本開示は、人体のその他の血管および位置でのそのようなパラメータ、ならびにその他の温血種のパラメータを利用するように容易に具体化し、または適合させることができる。同様に、本開示の技術は、他のパラメータ測定値に対して、ならびに生物体循環系と同様の特性を有するその他類似の流体系において利用することができる。こうしたすべての適応および他の実施形態は当業者によって容易に実現され、添付の特許請求の範囲に含まれると考えられる。

0023

本明細書で使用される際、「連続的」という用語は、連続的、区分的に連続的、および/または略連続的なプロセス(たとえば、性質上は概ね連続的だが、それ自体は連続的でない)を制限なく含むことを意味する。

0024

本明細書で使用される際、「血行力学的パラメータ」という用語は、例えば、圧力(たとえば、拡張期圧収縮期圧脈圧、または平均圧)、導関数またはその組み合わせ、動脈流、動脈壁径(およびその導関数)、動脈の断面積、動脈の伸展性を含む、対象の循環系に関連するパラメータを含むことを意味する。

0025

さらに、本明細書で使用する用語「圧力測定」、「圧力計」、「圧力測定法」は、たとえば皮膚表面と連通するセンサを配置することによるような、1つまたはそれ以上の血行力学的パラメータの非侵襲表面測定を広く指すことを意図するが、皮膚との接触は直接的でなくてもよく、間接的であってもよい(たとえば、接続媒体またはその他のインタフェースを介して)。

0026

本明細書で使用される際、「アプリケーション」という用語(ソフトウェアアプリケーション文脈で)は概して、特定の機能またはテーマを実現する実行可能なソフトウェアユニットを指す。アプリケーションのテーマは任意数規則および機能(オンデマンドコンテンツ管理、電子商取引、株取引ホームエンターテイメント計算機など)にわたって広く変動し、1つのアプリケーションが2つ以上のテーマを有することができる。実行可能なソフトウェアのユニットは概して前もって定められた環境で実行され、たとえば、ユニットはJava TV(商標)環境で実行されるダウンロード可能なJava Xlet(商標)を備えることができる。

0027

本明細書で使用される際、「コンピュータプログラム」または「ソフトウェア」という用語は、機能を果たすすべてのシーケンス、あるいは人間または機械認知可能なステップを含むことを意味する。このようなプログラムは、たとえば、C/C++、Fortran、COBOLPASCALアセンブリ言語マークアップ言語(たとえば、HTML、SGML、XML、VoXML)などを含む実質上すべてのプログラミング言語または環境や、共通オブジェクトリクエストブローカアーキテクチャ(CORBA)、Java(商標)(J2ME、Java Beansなどを含む)などのオブジェクト指向環境表現することができる。

0028

本明細書で使用される際、プロセッサ、「マイクロプロセッサ」、「デジタルプロセッサ」という用語は、デジタル信号プロセッサ(DSP)、縮小命令セットコンピュータRISC)、汎用CISC)プロセッサ、マイクロプロセッサ、ゲートアレイ(たとえば、FPGA)、PLD、再構成可能コンピューティングファブリック(RCF)、アレイプロセッサ特定用途向け集積回路ASIC)を制限なく含むあらゆる種類のデジタル処理装置を含むことを意味する。上記デジタルプロセッサは単独の一体型ICダイに含めること、あるいは複数の構成要素にまたがって分散させることができる。

0029

概要
基礎的な一側面では、本開示は心拍出量の算出装置および方法を備える。一実施形態では、人工知能機械学習概念を使用して、従来の線形アプローチの制約を克服する心拍出量の非線形数学モデルを構築する目的で、多次元非線形最適化を実行する。数学モデルは、数学的に最適な形で、生理学入力ソースデータベクトルを、拍動毎に測定される目標心拍出量値または所定期間にわたる移動平均に対応する短期平均値に関連付ける。

0030

生理学的入力データは、血行力学的センサまたはその他の機器によって生成される測定値を介して収集する、あるいはセンサによって生成されるデータから導出することができる。測定されたパラメータは、たとえば、a)収縮期圧、b)拡張期圧、c)脈圧、d)心拍間隔、e)平均動脈圧、f)収縮期中の圧力上昇最大勾配、g)脈圧波の収縮期部分の面積、を含む。これらの測定値は選択された非線形モデルに送られる入力パラメータの追加的なセットである性別男性または女性)、年齢身長、体重と組み合わされる。

0031

目標心拍出量値は平均への回帰という数学的概念を用いて取得され、これは、複数の測定様式を適用することにより個々の方法と関連付けられる体系的バイアス成分が最小化され、オーバーサンプリング統計ノイズの最小化につながることを示唆する。したがって、心拍出量値は、複数の個人にわたって、確立されている波形ベースの方法、ドップラー心エコー法ベースの方法、熱希釈法ベースの方法を含む数多くの方法を使用して1つの実施例において取得される。

0032

次いで、多次元非線形最適化が、最小自乗最適法で生理学的入力データを目標心拍出量データに変換する数学モデルを発見するために使用される。

0033

次いで、モデルが個々の患者に適用される。

0034

例示の動作
上述したように、心拍出量(CO)は、心臓の収縮期中の右心室からの出力と左心室からの出力の合計を指し、以下のように数学的に表される。
CO=1回拍出量×心拍数
ただし、心拍数(HR)は単位時間当たりの心拍の数(bpm)を指し、1回拍出量(SV)は拍動毎に一方の心室から送り出される血液の体積(mL)を指す。

0035

上述したように、病態生理学的研究によると、左心室の収縮期および拡張期機能ならびに中枢血管機能は非線形プロセスである。したがって、従来技術の線形近似法を用いる心拍出量の計算は不正確で準最適のものである。したがって、本開示は、特に非線形ベースのCO算出機構を提供することによって現在の技術を向上させる。

0036

図1を参照すると、本開示による心拍出量を算出する、一般化された方法100が示されている。図示するように、該方法は概して、心拍出量の複数の目標値を取得すること(ステップ102)を備える。図2に関して、以下に、より詳細に説明するように、目標値は例示の実施形態において、平均への回帰を使用してドップラーや熱希釈によるCO測定値から取得される。非線形最適化アルゴリズムを使用して、生体対象の1つまたはそれ以上の測定された生理学的パラメータに基づきCOを推定することのできる数学モデルを構築する。

0037

ステップ104で、数学モデルが構築される。数学モデル(付録IおよびIIに示す)は、1つまたはそれ以上の測定された血行力学的パラメータを目標CO値に関連付けるように構成される。よって、ステップ106によって、対象の1つまたはそれ以上の血行力学的パラメータが測定される。血行力学的パラメータは、血行力学的パラメータ測定値に適合される、文字どおり、あらゆる種類の装置を用いて測定することができる。血行力学的パラメータは、たとえば、その両方が本願の譲受人に譲渡されている、「血管位置を含む血行力学的パラメータの非侵襲査定方法および装置」(METHODANDAPPARATUS FOR THENONINVASIVEASSESSMENTOF HEMODYNAMICPARAMETERSINCLUDINGBLOOD VESSEL LOCATION)という名称の2009年3月17日に発行された共同所有米国特許第7,503,896号と、「生体対象の循環系内の血行力学的パラメータの査定方法および装置」(METHOD AND APPARATUS FOR ASSESSING HEMODYNAMIC PARAMETERS WITHIN THECIRCULATORY SYSTEMOF A LIVINGSUBJECT)という名称の2006年5月23日に発行された米国特許第7,048,691号とに記載される装置を介してのものを含む圧平圧力測定法によって測定される。本明細書に開示される血行力学的パラメータ測定値のそれぞれ毎に、上記共同所有特許および特許出願に記載の装置および方法に加えて(またはその代わりに)、他の装置を使用することができる。

0038

方法100のステップ108によって、数学モデル(ステップ104で構築)がステップ106で取得された血行力学的パラメータ値に適用される。上述したように、数学モデルは、測定された血行力学的パラメータを目標CO値に関連付ける。したがって、ステップ108で適用されるとき、モデルは測定された血行力学的パラメータが与えられれば、CO値の概算値を求めることができる。その後、このCO値はユーザに表示される(ステップ110)か、あるいは別の装置またはプロセスへの入力として使用される。

0039

心拍出量を算出する最適化数学モデルの生成
図2を参照すると、COの算出に使用される数学モデルを生成する、一般化された方法200の例示の実施形態が示されている。

0040

方法200は、その母集団のサイズが理想的に大きい生体対象(すなわち、検査対象)のサンプルから収集されたデータを利用して数学モデルを生成する。ステップ202によって、複数の生理学的パラメータ値が対象毎に測定される。測定された生理学的パラメータはたとえば、従来のツールを用いて測定される対象の身長(たとえばcm)と体重(たとえばkg)を含むことができる。

0041

加えて、測定された生理学的パラメータは、たとえばアネロイド血圧計および聴診器を用いて聴診方法によって測定することのできる、収縮期血圧(PSys、mmHg)および拡張期血圧(PDia、mmHg)を含む。もしくは、またはさらに、収縮期血圧と拡張期血圧は、たとえば、前に参照された、米国特許第7,503,896号および第7,048,691号に記載の方法および装置を用いて測定することができる。いわゆる「A−ライン」(観血的動脈ライン)も使用することができるが、これは侵襲処置を含むためにさほど好適ではない。

0042

加えて、心拍間隔(BTBI)も、測定される生理学的パラメータに含めることができる。BTBIは、各対象の心拍を聴き、第1の心拍を検出し、次の心拍までの時間を(秒で)測定することによって測定される。もしくは、BTBIは、上述のパラメータ測定装置を用いて取得されるデータから導出することができる。

0043

次に、該方法のステップ204によって、各対象に関して入力ベクトルχが生成される。入力ベクトルは、すべての測定されたパラメータ(たとえば、身長、体重、収縮期圧(PSys)、拡張期圧(PDia)、心拍間隔(BTBI))の行列を表し、ベクトルは、測定された対象毎に生成される。

0044

加えて、ベクトルは、手動で入力される、あるいは他の測定可能な情報から導出される情報を含むことができる。たとえば、入力ベクトルは、手動で入力される、対象の年齢および性別をさらに含むことができる。さらに、入力ベクトルは、脈圧値(PP、mmHgで測定)、平均動脈圧(MAP、mmHg/s)、収縮期間の最大勾配(dPdtMax、mmHg/sで測定)、収縮期面積(SysA、mmHg×sで測定)を含むことができる。入力ベクトルを示す例示の行列を以下に示す。

0045

PP、MAP、dPdtMax、SysAの値の導出は、入力ベクトルを生成するプロセスと同じプロセッサで、あるいは異なる処理エンティティで実行され得る第1のプロセスによって実行することができる。たとえば、COアルゴリズム導出装置図4を参照して後述)を利用して、入力ベクトルの生成を実行することができる。COアルゴリズム導出装置は、PP、MAP、dPdtMax、SysAの値を導出するのに必要な数学的演算を実行することもできる。本開示を与えられれば、各種その他の実施例が当業者によって認識されるであろう。

0046

脈圧は、収縮期および拡張期血圧測定値の差から導出することができる。上述の米国特許第7,503,896号と第7,048,691号に開示される方法および装置は、収縮期および拡張期の血圧測定値に基づき、PPを独立に算出し、表示することができる。

0047

平均動脈圧(MAP)は個人の平均血圧であり、1つの心臓周期間における平均動脈圧として定義される。MAPは収縮期血圧(PSys)と拡張期血圧(PDia)の測定値に基づき、以下のように算出することができる。

0048

収縮期間の最大勾配(dPdtMax)は、収縮期に対応する時間間隔内の血圧(BP)信号の1次導関数最大値として定義される。これは、以下のようにして算出される。




ただし、P(t)はBP信号を表し、Tsysは現在の拍動の収縮期間隔を表す。均一に離散化されたBP信号の場合、導関数は1次差分によって概算することができる。




ただし、dtは、秒単位のBP信号のサンプリング期間である。

0049

この推定を利用して、dPdtMaxは、(i)現在のBP拍動の開始(tonset)を判定し、(ii)現在のBP拍動の収縮期ピークの位置(tsys)を判定し、(iii)上記推定により間隔[tonset、tsys]内のBP信号の1次差分を計算し、(iv)間隔[tonset、tsys]内の計算された差分の最大値としてdPdtMaxを判定する、ことによって計算される。

0050

一実施形態では、ノイズが導関数の推定に及ぼす影響は、ローパスプリコンディショニングフィルタを用いてBP信号を前処理することによって低減される。たとえば、カットオフ周波数が30Hzの2次バターワースローパスフィルタを使用することができる。

0051

収縮期面積(SysA)は以下の式により計算される。




ただし、左心室駆出時間(LVET)の概算は以下のように計算される。

0052

上記値が導出されれば、各入力ベクトルにも代入される(ステップ204)。したがって、入力ベクトルは生体対象の(大きい)サンプルの各メンバーに対して生成される。

0053

ステップ206によって、心拍出量測定値は、サンプル内の各対象に対して2つ以上の方法を用いて収集される。言い換えると、単一の対象に対して、複数の心拍出量値が、それぞれ異なる心拍出量の測定方法から、取得される。以下の方法のうちの1つまたはそれ以上を利用してCO値を取得することができる。

0054

CO値は、たとえばフィックの原理を用いて判定することができる。フィックの原理は、酸素の消費速度血流量と酸素が赤血球によって捕捉される速度の関数であるという概念に基づいている。フィックを用いてCOを算出するために、静脈血動脈血酸素濃度の測定値からの、所与の期間に消費された酸素の測定値が利用される。COを算出するためは、(i)1分間当たりに消費される酸素の体積(VO2)が、たとえば肺活量計および二酸化炭素吸収器で測定され、(ii)肺動脈から採られた血液(すなわち、静脈血)の酸素含有量(CV)が測定され、(iii)末梢動脈カニューレから採られた血液(すなわち、動脈血)の酸素含有量(CA)が測定される。その後、測定値を使用して、以下のようにCOを判定する。
CO=VO2/(CA−CV)×100

0055

COは希釈法を用いても判定することができる。希釈を用いてCOを判定するためには、患者の血流注入された指示薬の量を、心臓を通した1回の循環後の動脈血中の平均濃度除算する。指示薬は染料を含むことができ、染料の濃度は、静脈注射などにより、通常は体動脈内の下流サンプリング部位のように、血液循環内の異なる地点で測定される。COは以下のようにして測定することができる。

0056

別のCO算出方法は、上述の希釈法と類似するが、指示薬染料の代わりに冷却または加熱された流体を使用する、肺動脈熱希釈法(または右心横断熱希釈法)を利用する。この方法では、(上述の染料濃度対照的に)温度変化が血液循環中の様々な部位で測定され得る。

0057

また、「ドップラー超音波」を利用してCOを測定することができ、ドップラー超音波は超音波ドップラー効果を利用する。心臓内血液速度によって生じる超音波の周波数ドップラーシフトを利用して、流速と流量、ひいてはCOを以下のように算出する。
CO=vti×CSA×心拍数
ただし、CSAは弁開口の断面積を指し(rを弁の半径として、πr2を用いて算出)、vtiはドップラー流れプロファイルトレース速度時間積分を指す。

0058

さらに他のCOの算出メカニズム心エコー検査を利用する。この方法によると、大動脈環の径(d)を測定し、そして、その断面積の算出を可能にするために、二次元(2D)撮像を使用する。次に、上述の式を用いて、COを、断面積にドップラー流れプロファイルの大動脈弁にわたる速度時間積分(vti)と心拍数とを積算することによって算出することができる。

0059

他のCO算出方法は、たとえば経皮ドップラー機構を含む。経皮ドップラー測定を行うために利用可能な例示の一装置は、オーストラリア、シドニーのUscom Ltd社製造のいわゆるUltrasonic Cardiac Output Monitor(超音波心拍出量モニタ、USCOM)である。経皮ドップラー機構は連続波(CW)ドップラーを使用してドップラー流れプロファイル(vti)を測定し、人体計測を使用して大動脈および肺動脈の弁の径と弁開口断面積とを算出する。人体測定の使用により、右側と左側の両方のCO測定を行うことができる。

0060

さらに、経食道ドップラー(TOD)を使用してCOを算出することができる。TOD機構は、患者に(たとえば口またはを介して)導入し、食道に配置するプローブ端CWセンサを利用する。ドップラービーム下行胸部大動脈(DTA)と既知の角度で並び、トランスデューサが血流に近いため、信号が明確である。しかしながら、TODはDTA流を測定するだけで、真のCOではないので、患者の鎮静を必要とする。さらに、DTA流、ひいてはTOD測定値は、上半身下半身の間の血流の不均衡な変化に影響を受ける場合がある。

0061

脈圧法は、ある期間にわたる動脈の圧力波形を導くために利用することができ、その後、波形を利用して心機能を算出することができる。しかしながら、そのような測定値は、動脈機能(伸展性、インピーダンスなど)の変化に関連する圧力変動を含むため、信頼性に欠ける。言い換えると、脈圧法は心臓と血管の合わせた機能を測定するが、特にCOの測定にとっては不正確である場合がある。別のCO測定方法への波形の心拍間較正によって適切な補整が行われる。脈圧は(たとえば、圧力センサまたは「Aライン」を大動脈に挿入することによって)侵襲的に、および(たとえば血圧測定および圧力測定によって)非侵襲的に測定することができる。

0062

COを測定する非侵襲PP法に関しては、カフ血圧装置(血圧計)を使用して、非侵襲的に血圧を測定し、収縮期と拡張期の圧力の共通のPP波形値を提供する。その後、波形値を使用してPPを算出する。PPは心機能および/またはCOの指標であるが、CO値を完全に認識するには動脈床弾力性をも考慮に入れなければならない。言い換えると、大動脈が伸張するほど、脈圧が上昇する。概して、血液が2ml追加される毎に圧力が1mmHg上昇する。したがって、COは以下のようにして算出することができる。
CO=2mL×PP×HR

0063

本譲受人の上記圧力測定装置のうち1つまたはそれ以上を、本実施形態による連続的かつ非侵襲的圧力感知に利用することができる。

0064

心拍出量は、インピーダンスカルジオグラフィを用いて測定することもできる。インピーダンスカルジオグラフィ(ICG)は、心拍周期にわたる胸部全体でのインピーダンスの変化を侵襲的または非侵襲的に測定する。より低いインピーダンスは、より大きい胸腔内流体体積および血流を示す。流体体積の変化が心拍と同期する際、インピーダンスの変化を利用して、たとえば1回拍出量、心拍出量、収縮期血管抵抗を算出することができる。非侵襲ICG法を使用してCOを測定する例示の装置は、ワシントン州セルのSonosite Inc社製造のいわゆるBio−Z Dx装置と、ドイツ、イルメナウのmedisGmbH社製造のいわゆるniccomo装置がある。

0065

加えて、超音波希釈(UD)を使用して心拍出量を測定することができる。UDは、体外ループに導入される指示薬として通常生理食塩水を使用するAV循環を生成する。血液超音波速度(1560〜1585m/s)は総血液タンパク質濃度(プラズマおよび赤血球内のタンパク質の合計)、温度、その他の要因の関数である。したがって、生理食塩水(1533m/secの超音波速度を有する)をAVループに導入することで、全体の血液超音波速度は低下し、希釈曲線が生成される。食塩水指示薬は注入されると、患者の右心房に導入される前に、AVループで静脈クランプオンセンサによって検出される。指示薬が心臓とを横切る際、動脈ラインにおける濃度曲線が記録され、周知のスチュワートハミルトン式で使用されてCOを算出する。

0066

COの測定方法は、胸部電気バイオインピーダンス(TEB)が測定されるという点でICG(上述)に類似する電気心拍記録をさらに含むことができる。しかしながら、電気心臓計測では、拍動毎のTEBの急激な上昇は赤血球の配向に帰すると考える。

0067

さらに、磁気共鳴映像法MRI)を使用して心拍出量を算出することができる。具体的には、速度エンコード位相コントラストMRI(velocity encoded phase contrast MRI)が血管内の流れを測定し、それを利用して陽子摂動位相変化を検出することができる。その変化は既知の勾配で、磁界を通る陽子の運動速度に比例する。MRIスキャンにより、心拍周期の各時点について、解剖学的画像と、各画素信号強度が面通過速度に正比例する画像とが得られる。血管断面における画素の平均信号強度を測定し、それに既知の定数掛けることによって血管内の平均速度を判定することができる。次いで、平均速度に血管の断面積を掛けることによって流量が算出され、時間に対してグラフ化される。1回の心拍周期の流量対時間曲線の下の領域が1回拍出量であり、心拍周期の長さが心拍数を決定する。したがって、COは、拍出量と心拍数の積として算出される。

0068

再度図2を参照すると、上記アプローチの1つまたはそれ以上を使用して、上述の方法のステップ206で心拍出量値を測定する。次に、ステップ208によって、各対象について取得された複数のCO測定値に基づき、目標値が生成される。一実施形態では、各対象についての複数のCO測定サンプルがたとえば平均への回帰を用いて調べられて、平均値が特定される。上述したように、複数の測定様式(上述)の適用によって、個々の方法に関連付けられる体系的バイアス成分が最小化され、上記オーバーサンプリングにより統計的ノイズが最小化される。したがって、心拍出量の正確な値が目標心拍出量値として判定および設定される。

0069

ステップ210によって、非線形数学モデルが決定され、入力ベクトルが計算された目標値に関連付けられる。一実施形態では、多次元非線形最適化が、最小自乗最適法で生理学的入力データを目標心拍出量データに変換する数学モデルを決定するために使用される。HighDimGmbH社が製造するような最適化ツールを一実施形態において利用して最適化を実行することができる。

0070

数学モデルは以下のコスト関数を最小化することによって決定される。




ただし、


は選択されたモデルを表すM次元非線形関数であり、


はK個の入力ベクトルのセットであり、


はK個の目標CO値のセットである。選択された最小化基準の解という意味での最適値は以下のように定義される。




解は、ガウスニュートン法などの非線形最適化方法によって決定することができる。

0071

図2の方法によって生成される数学モデルは、それが配布または記憶される1つまたはそれ以上の装置によって実行可能なコンピュータプログラムとして記憶することができる。モデルの実施例を付録IおよびIIに示す(以下に、より詳細に説明)。

0072

数学モデルを使用する心拍出量の算出
図3を参照すると、上述の(図2の方法により生成した)数学モデルが与えられたときに個々の対象の心拍出量を算出する例示の方法300が示されている。上述したように、一実施形態では、心拍出量の算出に使用される数学モデルは、個々の患者にこの方法を適用するための装置にソフトウェアアプリケーションとして分配される。その後、装置のオペレータが後述のステップを実行する。

0073

図示されるように、ステップ302によって、個々の対象の複数の血行力学的パラメータが、圧平圧力測定法を用いて非侵襲的に測定される。測定された血行力学的パラメータは、入力ベクトルが生成された時点で選択されたものと同一の血行力学的パラメータである。言い換えると、複数の対象に対して上記のステップ202で測定された血行力学的パラメータは、ステップ302で個々の対象に対して測定されたものと同一の血行力学的パラメータである。一例では、測定されるパラメータは、身長、体重、収縮期血圧(PSys)、拡張期血圧(PDia)、心拍間隔(BTBI)を含む。上述したように、血圧測定値は、従来の測定ツールによって、より進化した圧力測定法によって、または侵襲的な方法(たとえば、A−ラインまたは類似のものが他の目的で既に設置されている場合)によって、取得することができる。

0074

次に、ステップ304によって、測定された血行力学的パラメータデータが心拍出量算出アルゴリズムを実行する装置(たとえば、図5に関して後述する装置)に入力され、前処理される。一実施形態では、血行力学的パラメータデータの前処理は、追加のパラメータを導くために測定されたデータを用いることを含む。たとえば、脈圧(PP)、平均動脈圧(MAP)、収縮期中の最大勾配(dPdtMax)を算出するために、PSysおよびPDiaの測定値を使用することができる。加えて、収縮期面積(SysA)を算出するために、BTBIの測定値が使用される。測定されたデータの前処理は、オペレータにより手動で、COの算出装置(たとえば、後述する図5の装置)によって、または(これと通信可能な)CO算出装置とは別の装置によって実行することができる。

0075

測定され、導出され、入力された血行力学的パラメータは、ステップ204に関して上記で生成されたベクトルに類似するベクトルとして表すことができる。上述したように、個々の対象に関して収集される血行力学的およびその他のパラメータは、例示の実施形態では、モデル生成中に(図2)収集されるパラメータと同一である、あるいは後述の計算に必要な同じ要素を少なくとも最小限含む。したがって、これらは、上記複数の対象に対して生成されたベクトルと同様のベクトルで表現することができる。具体的には、ベクトルは以下のように表すことができる。

0076

特定のデータポイントの個々のものは(連続的な)バイオ信号内で検出され、個々の対象に関して入力された血行力学的パラメータに対応する複数の入力ベクトル(ステップ204で生成)のうちの1つの選択を可能にするために使用され得る(ステップ306)。もしくは、このステップを省略し、生成されたベクトル(個々の対象の実際のデータに対応)にモデルを直接適用することができるが、後述のステップ308を参照されたい。

0077

次に、ステップ308によって、非線形数学モデルを使用して、個々の対象の入力ベクトルを、計算された目標値に相関させる。付録IおよびIIは、本開示による心拍出量の算出アルゴリズムの実行のために心拍出量取得パラメータを適用する、例示のMatlab互換コードを示す。図示されるように、アルゴリズムの適用は、アルゴリズムへの入力のため、最初に複数のパラメータ(付録IおよびIIでは「params」と表示)を呼び出すことを含む。概して、パラメータ内の値は、標準的な情報から導出される定数である。パラメータは、心拍出量アルゴリズムを実行するプロセッサと通信する記憶装置に記憶される。一実施形態では、記憶装置とプロセッサとは、図5を参照して後述するような心拍出量算出装置にともに配置することができる。「params」内のデータは、付録IIに示されるアルゴリズムでの使用のために呼び出される。Matlab互換コードとして図示されているが、本開示は特定のコンピューティング言語またはソフトウェアパッケージに限定されるものでは決してなく、図示された実施形態は心拍出量算出アルゴリズムの機能を例示しているに過ぎないことに注意されたい。

0078

以下の擬似コードは、CO算出アルゴリズムによって実行されるステップを概説する。
以下のパラメータが与えられる:


行列の抽出とベクトル代数を使用して、以下のように非線形数学モデルにより心拍出量を計算する。

0079

したがって、個々の対象のベクトルデータの入力により、データは一連の数学的ステップを介して予め取得されたデータと比較されて1回拍出量に到り、BTBIと併せて使用されて心拍出量の正確な測定値に到る。さらに、個々の生体対象は特定の血行力学的パラメータを測定させるだけでよく、測定されたパラメータは理想的には非侵襲に測定されることがわかる。こうして、本明細書で論じられる装置および方法は、生体対象の心拍出量を算出する有効かつ正確な非侵襲機構を提供する。

0080

その後、心拍出量値はユーザに表示されるか、別の形で提供される(ステップ310)。一実施形態では、これは、CO算出装置がCO値を表示装置に送るときに行われる。もしくは、CO算出装置は、アルゴリズムによって導出された値を直接標示するディスプレイを含むように構成することができ、判定されたCO(またはそれに関連する構成データ)は、対象のさらなる評価(たとえば、多パラメータ解析)においてCOを利用するものなど、別の装置またはプロセスの入力に提供することができる。たとえば、2004年3月16日に発行され、「生体対象の生理学的パラメータの監視方法および装置」(METHODANDAPPARATUS FOR MONITORING PHYSIOLOGIC PARAMETERSOF A LIVINGSUBJECT)という名称がつけられた米国特許第6,705,990号を参照されたい。

0081

心拍出量算出アルゴリズム導出装置
上述したように、心拍出量算出アルゴリズムは、複数の検査対象から複数のデータを受信するように構成される装置によって生成される。装置400の例示の実施形態(図4を参照)は受信した情報を使用して、非線形最適化法により血行力学的データを心拍出量に相関させる。

0082

図示されるように、装置400は概して、インタフェース404、記憶エンティティ406、プロセッサ402を備える。プロセッサ402は、少なくともデータ導出アプリケーション410、入力ベクトル生成アプリケーション412、パラメータ生成アプリケーション414、アルゴリズム導出アプリケーション416を実行するように構成される。なお、これらは本明細書では実質上別々のアプリケーションまたはモジュールとして説明しているが、具体的な実施に応じて相互に(および/またはさらに別のルーチンまたはモジュールと)一部または全部を組み合わせることができることが理解されよう。また、これらは、別個の位置に配置される別々の装置を含め(たとえば、「クラウド」ベースのプロセスを含むことができる)2つ以上の物理的および/またはソフトウェア環境にわたって分散させることができる。

0083

データ導出アプリケーション410は、ユーザ入力420またはデータインタフェース404を介して入力される情報を利用して、他のデータを導出するように構成される複数の命令を備える。たとえば、収縮期および拡張期の血圧測定値を使用して、脈圧(PP、mmHgで測定)、平均動脈圧(MAP、mmHg/s単位)、収縮期の最大勾配(dPdtMax、mmHg/sで測定)、収縮期面積(SysA、mmHg×sで測定)の値を導出することができる。これらの値をそれぞれ導出するのに必要な数学的プロセスは上述したとおりであり、本実施形態によると、データ導出アプリケーション410によって実行される。したがって、測定された血行力学的パラメータデータの入力装置420による(あるいは、たとえばデータインタフェース404による、または図示しない無線インタフェースを介して受信されるような、別のデータソースによる)入力に際し、装置のオペレータは単にデータ導出アプリケーション410を実行させるだけで、装置400と通信する表示装置422に表示させる上記値を取得することができる。

0084

入力ベクトル生成アプリケーション412は、測定された血行力学的パラメータ、入力されたデータ(年齢や性別など)、(たとえば、上述のデータ導出アプリケーション410により)測定された血行力学的パラメータから導出されたデータに少なくとも部分的に基づいて複数のベクトルを生成するように構成される複数の命令を備える。各ベクトルは、複数の検査対象のそれぞれに対応する。一実施形態では、ベクトルは、以下に示されるように行列または「タプル」を備える。

0085

パラメータ生成アプリケーション414は、本開示による心拍出量算出アルゴリズムで実現される係数を有する複数の行列(または付録IおよびIIに示すような「params」)を生成するように構成された複数の命令を備える。パラメータ内の値は、標準的な情報から導出される定数である。パラメータは、心拍出量算出アルゴリズムを実行する装置(後述の図5の装置など)の記憶エンティティに記憶される。

0086

アルゴリズム導出アプリケーション416は、入力ベクトルとパラメータに少なくとも部分的に基づく心拍出量算出アルゴリズムを生成するように構成される複数の命令を備える。一実施形態では、心拍出量算出アルゴリズムは、上述の付録IおよびIIに示されるような複数のステップを備える。

0087

いったんアルゴリズムが生成されると、個々の対象(すなわち、患者)の心拍出量の算出に使用される、臨床医が操作する装置に送られる。装置はたとえば、図5に関して後述する装置とすることができる。

0088

なお、入力および表示装置420、422は別個の構成要素として示されているが、それらは単独の装置(たとえば、当該技術において周知な種類の容量性またはその他のタッチスクリーン装置)に一体化させることができることが理解されよう。さらに、図4の装置400は、固定またはデスクトップ装置、可搬無線装置(たとえば、タブレットコンピュータ)、大型のホスト装置で使用されるカードまたは「ブレード」などの文字どおり任意のフォームファクタをとることができる。

0089

心拍出量算出装置
上述したように、心拍出量の算出アルゴリズムは、臨床医が操作する装置によって実現される例示の実施形態に含まれる。装置は、個々の患者に特有の複数のデータ(すなわち、血行力学的データおよびその他の入力されたデータ)を受信して、対象の心拍出量を算出するように構成される。一実施形態では、図5の装置500がこれらの機能のために利用される。

0090

図示されるように、例示の装置500は概して、データインタフェース504、記憶エンティティ506、プロセッサ502を備える。プロセッサ502は、少なくともデータ前処理アプリケーション510、ベクトル選択アプリケーション412、CO算出アルゴリズム514を実行するように構成される。

0091

データ前処理アプリケーション510は、入力装置またはデータインタフェース504を介して入力された情報を利用してCOの算出に必要なデータを導出するように構成される複数の命令を備える。一例では、患者の収縮期および拡張期の血圧の測定値が、入力装置520を介して臨床医によって入力される。前処理アプリケーション510はこの入力を使用して、たとえば上述したような、脈圧、平均動脈圧、収縮期中の最大勾配、収縮期を算出する。

0092

一変形例では、ベクトル選択アプリケーション412は、検査対象に関して生成される複数のベクトルの中から1つのベクトルを選択するように構成される複数の命令を備える。しかしながら、このアプリケーション412は一実施形態では省略することができることは理解されよう。

0093

CO算出アルゴリズム514は、個々の対象に関するデータにCO算出アルゴリズムを適用するように構成される複数の命令を備える。一実施形態では、アルゴリズムは概して、本明細書の付録IおよびIIに記載の例示のコードに示されるステップを備える。いったんCOが算出されれば、それは、装置500のユーザに、それと通信する表示装置522を介して表示され、あるいはその他の方法で(たとえば、データインタフェース504を介して、あるいは図示しないWi−Fiや類似の無線インタフェースなどの別のインタフェースを介して)出力される。

0094

図4の装置と同様、これらは本明細書では本質的に別々のアプリケーションまたはモジュールとして説明されているが、具体的な実施例に応じて相互に(および/またはさらに別のルーチンまたはモジュールと)一部または全部を組み合わせることができることは理解されよう。また、これらは、別個の位置に配置される別々の装置を含め(たとえば、「クラウド」ベースのプロセスを含むことができる)2つ以上の物理的および/またはソフトウェア環境にわたって分散させることができる。

0095

さらに、入力および表示装置520、522は別々の構成要素として示されているが、それらは単独の装置(たとえば、当該技術において周知な種類の容量性またはその他のタッチスクリーン装置)に一体化させることができる。

0096

さらに、図5の装置500は、固定またはデスクトップ装置、可搬無線装置(たとえば、タブレットコンピュータ)、大型のホスト装置で使用されるカードまたは「ブレード」などの文字どおり任意のフォームファクタをとることができる。

0097

なお、図4および5の装置400、500は、実質的に一体のフォームファクタを備えるように、互いに組み合わせることができることも理解されよう。

0098

その他の用途
本明細書に記載されたアルゴリズムは、他の血行力学的パラメータを計算するようにさらに構成されることができる。たとえば、脈圧変動(PPV)および1回拍出量変動(SVV)は、CO算出アルゴリズムを用いてBP拍動毎に計算することのできる脈拍値(SV)サンプルに基づき算出することができる。上述したように、脈圧(PP)は収縮期および拡張期の圧力の既知の値に基づき算出される。付録IおよびIIで与えられる例示のコードに示されるように、1回拍出量(SV)も本明細書に開示される装置および方法を用いて算出される。

0099

したがって、PPVおよびSVVは以下のようにして算出することができる。
PPV=100(PPmax−PPmin)/PPmed
SVV=100(SVmax−SVmin)/SVmed
ただし、PPmaxは直近30秒間に収集された4つの最大PPサンプル中央値であり、PPminは直近30秒に収集された4つの最小PPサンプルの中央値であり、PPmedは直近30秒に収集されたPPサンプルの中央値である。同じように、SVmaxは直近30秒に収集された4つの最大SVサンプルの中央値であり、SVminは直近30秒に収集された4つの最小SVサンプルの中央値であり、SVmedは直近30秒に収集されたSVサンプルの中央値である。この種の計算により、30秒内の数回の呼吸サイクルにおけるPPおよびSVの平均変動を推定することができる。このおよび他の血行力学的パラメータの算出は、本明細書に論じられる方法および装置を用いて正確にすることができる。

0100

なお、上述の方法の多数の変形例が、本開示と相反なく利用することができる。具体的には、いくつかのステップが任意であり、所望に応じて実行または省略することができる。同様に、他のステップ(たとえば、追加データサンプリング、処理、フィルタリング、較正、または数学的解析など)を上述の実施形態に追加することができる。また、特定のステップの実行の順番を、所望に応じて、並べ替える、あるいは並列に(または直列に)実行することができる。したがって、前述の実施形態は単に、本明細書の開示のより広範な方法を例示したに過ぎない。

0101

上記の詳細な説明は、様々な実施形態に適用される本開示の新規な特徴を図示し、説明し、指摘しているが、当業者であれば、本開示の精神を逸脱せずに、図示される装置またはプロセスの形式および詳細において、様々な省略、置換、変更を行うことができることが理解されよう。上記説明は、本開示の実施の、現在予期される最善の様式である。本明細書は限定することを全く意図しておらず、本開示の一般的原理の例示と解釈すべきである。本開示の範囲は請求項を参照して判定すべきである。

0102

0103

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 西川株式会社の「 睡眠状態可視化システム」が 公開されました。( 2020/10/29)

    【課題】表示される情報を分かりやすくすることができると共に、効率よく表示を行うことができる睡眠状態可視化システムを提供する。【解決手段】一実施形態に係る睡眠状態可視化システムは、グループに属する構成員... 詳細

  • トヨタ紡織株式会社の「 シート」が 公開されました。( 2020/10/29)

    【課題】着座者の大動脈の脈波信号を精度良く検出することである。【解決手段】着座者Mが着座するシート本体部と、シート本体部に設けられており、着座者Mの大動脈Tの脈波信号を検出する圧電センサ33,34とを... 詳細

  • 公益財団法人鉄道総合技術研究所の「 自律神経活動のモニタリング方法及びそのシステム」が 公開されました。( 2020/10/29)

    【課題】 運転者の運転行動に影響を与える自律神経活動を測定中に(リアルタイムで)判別するモニタリング方法及びそのシステムの提供。【解決手段】 運転者の運転行動に影響を与える自律神経活動のモニタリン... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ