図面 (/)

この項目の情報は公開日時点(2020年11月5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 (9)

課題・解決手段

心臓装置は、血行動態データを受信するように配置されたメモリ(10)と、メモリ(10)が受信したデータを使用して、心臓モデル動脈および静脈血循環モデルとを含む心血管モデルを適用するように、また、そこから心臓活動の少なくとも1つの指標CI)を抽出するように配置されたコンピュータ(8)と、を備える。

概要

背景

手術室での血行動態不安定性は頻繁に発生するが、その原因は様々である(手術心不全血管拡張など)。これらのイベントおよび/またはそれらの結果を予測、特定および処置するには、病態生理学的理解が必要である。したがって、術中イベントが起きる可能性がある患者の、経食道ドップラーによる連続血圧心拍出量を含む心血管の状態および機能の指標監視することが推奨されている。しかしながら、最も複雑な場合では、心臓と血管との間の相互作用を部分的にしか考慮しない血圧および大動脈血流速の測定値分析は、手術室での心血管集中治療戦略を管理するには不十分な場合がある。

概要

心臓装置は、血行動態データを受信するように配置されたメモリ(10)と、メモリ(10)が受信したデータを使用して、心臓モデル動脈および静脈血循環モデルとを含む心血管モデルを適用するように、また、そこから心臓活動の少なくとも1つの指標(CI)を抽出するように配置されたコンピュータ(8)と、を備える。

目的

計算関数は、本明細書に例示するもの以外の他の心血管モデルを使用してもよく、他のセンサが測定した信号、特に、脳、心臓、腎臓筋膜組織を含む臓器における酸素消費量供給量との間の適切性に関するデータを提供する

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

麻酔および集中治療において実施されるリアルタイム心血管監視のための心臓装置であって、血行動態データを受信するように配置されたメモリ(10)と、前記メモリ(10)が受信したデータに基づいて、心臓モデル動脈および静脈血循環モデルとを含む心血管モデルを適用するように、また、そこから心臓活動の少なくとも1つの指標CI)を導出するように配置されたコンピュータ(8)と、を備えることを特徴とする、装置。

請求項2

前記コンピュータ(8)は、心血管モデルを適用して理論値である動脈圧値と心拍出量値とを計算し、前記メモリ(10)が受信した血行動態データおよび理論値である動脈圧値と心拍出量値との差に基づいて少なくとも1つの補正関数を適用して、心臓活動の指標(CI)を計算するように配置される、請求項1に記載の装置。

請求項3

前記コンピュータ(8)は、前記少なくとも1つの補正関数において、少なくとも1つのカルマンフィルタまたはカルマンフィルタとルーエンバーガー観測器との組み合わせを適用するように配置される、請求項2に記載の装置。

請求項4

前記コンピュータ(8)は、前記動脈および静脈血液循環モデルと薬理学的モデルとを適用するようにさらに配置される、請求項1〜3のいずれか1項に記載の装置。

請求項5

麻酔および集中治療において実施されるリアルタイム心血管監視のための心臓監視方法であって、・血行動態データを受信するステップと、・心臓モデルと動脈および静脈血液循環モデルとを含む心血管モデルを血行動態データに適用して、そこから心臓活動の少なくとも1つの指標(CI)を導出するステップと、を含む、方法。

技術分野

0001

本発明は、麻酔および集中治療における心臓監視の分野に関する。

背景技術

0002

手術室での血行動態不安定性は頻繁に発生するが、その原因は様々である(手術心不全血管拡張など)。これらのイベントおよび/またはそれらの結果を予測、特定および処置するには、病態生理学的理解が必要である。したがって、術中イベントが起きる可能性がある患者の、経食道ドップラーによる連続血圧心拍出量を含む心血管の状態および機能の指標を監視することが推奨されている。しかしながら、最も複雑な場合では、心臓と血管との間の相互作用を部分的にしか考慮しない血圧および大動脈血流速の測定値分析は、手術室での心血管集中治療の戦略を管理するには不十分な場合がある。

発明が解決しようとする課題

0003

また、デジタルモデリングによって、心血管系挙動シミュレートすることができ、非侵襲的および/または継続的な監視によって通常はアクセスすることができない心室圧容積曲線のようなシミュレーション指標から抽出することができる。しかしながら、これらのシミュレーションから得られる指標の品質および精度は、対象の患者の心血管の状態に近づくように、いわゆるデータ同化法によって十分に豊富なデータを共同で処理してモデルパラメータ適合させることによってのみ得ることができる。

課題を解決するための手段

0004

本発明は、この状況を改善する。これに関連して、本発明は、麻酔および集中治療において実施されるリアルタイム心血管監視のための心臓装置に関する。装置は、血行動態データを受信するように配置されたメモリと、メモリが受信したデータに基づいて、心臓モデル動脈および静脈血循環モデルとを含む心血管モデルを適用するように、また、そこから心臓活動の少なくとも1つの指標を導出するように配置されたコンピュータと、を備える。

0005

本装置によって、麻酔および集中治療で実施される心血管の監視を改善することができる。これは、デジタル心血管モデルのリアルタイムシミュレーションを使用して、血行動態監視データを共同処理してモデルを継続的に適応させることで実現することができる。これにより、データのみではアクセスすることができない指標(例えば心室圧/容積曲線、血管抵抗または心筋ストレイン)を抽出することができる。任意選択で、モデルには、麻酔および集中治療において使用される医薬品の効果を予測するのに適した適切な薬理学的入力が含まれてもよい。したがって、シミュレーションによって、医薬品を投与するためのプロアクティブループを使用することができ、これにより、その投与の自動化を実現することができる。

0006

様々な別の実施形態において、本発明は、以下の特徴のうちの1つまたは複数を有してもよい。
・コンピュータは、心血管モデルを適用して理論値である動脈圧値と心拍出量値とを計算し、メモリが受信した血行動態データと理論値である動脈圧値と心拍出量値との差に基づいて少なくとも1つの補正関数を適用して、心臓活動の指標を計算するように配置される。
・ コンピュータは、少なくとも1つの補正関数において、少なくとも1つのカルマンフィルタまたはカルマンフィルタとルーエンバーガー観測器との組み合わせを適用するように配置される。
・ コンピュータは、動脈および静脈血液循環モデルと薬理学的モデルとを適用するようにさらに配置される。

0007

また、本発明は、心臓監視方法に関する。該方法は、
・血行動態データを受信するステップと、
・心臓モデルと動脈および静脈血液循環モデルとを含む心血管モデルを血行動態データに適用して、そこから心臓活動の少なくとも1つの指標を導出するステップと、
を含む。

図面の簡単な説明

0008

本発明のさらなる特徴および利点は、図面を参照して非限定的に例示する以下の説明からより明確になるであろう。
本発明による装置の全体を示す図である。
図1の装置によって実行される関数の一実施例を示す図である。
図2における動作の一実施例を示す図である。
図1における装置によって取得および処理された臨床信号の例を示す図である。
図1における装置によって取得および処理された臨床信号の例を示す図である。
図1における装置によって取得および処理された臨床信号の例を示す図である。
図1における装置によって取得および処理された臨床信号の例を示す図である。
図1における装置によって取得および処理された臨床信号の例を示す図である。

実施例

0009

添付の図面および以下の説明には、本発明の特定の性質の要素が本質的に含まれる。したがって、これらは、本発明をよりよく理解するのに役立つだけでなく、その定義にも適宜貢献することができる。

0010

本明細書には、ロイヤリティおよび/または著作権保護の対象となる要素が含まれる場合がある。本権の所有者は、第三者によって、本特許文献またはその説明が公式記録に記載されているように複製されることに意義を唱えない。それ以外の部分に関しては、所有者が完全にその権利留保する。

0011

さらに、詳細な説明は、付録Aによって補完される。付録Aには、本発明において使用される特定の数式の定式が記載されている。この付録は、見やすさと参照を容易にするためにまとめて別に記載されているが、本明細書の一部である。したがって、これらは、本発明をよりよく理解するのに役立つだけでなく、その定義にも適宜貢献することができる。

0012

図1は、本発明による装置2の全体を示す図である。装置2は、血行動態測定値取得システム4と、コンピュータ8と、メモリ10と、を備える。

0013

本明細書に記載する実施例において、装置2は、手術室で使用するのに適した装置である。より詳細には、装置は、スペースを節約するために、既存の麻酔監視装置に組み込まれてもよい。代替的に、装置2は、別個に製造されて、その動作に必要な麻酔監視データを受信することができる。また、代替的に、装置2の要素が、別個に製造され得る。

0014

本発明によれば、コンピュータ8は、メモリ10に直接または間接的にアクセスする要素である。これは、1つまたは複数のプロセッサ上で実行される適切なコンピュータコードの形態で実現されてもよい。プロセッサとは、任意の適切なプロセッサを指すものであると理解されたい。このようなプロセッサは、任意の既知の形態で実現されてもよい。その形態には、パーソナルコンピューターマイクロプロセッサFPGAまたはSoC(「system on chip」)タイプの専用チップグリッドコンピューティングリソースマイクロコントローラ、または以下に説明する実施形態のために必要なコンピューティングパワーを供給するのに適した任意の他の形態が含まれる。また、これらの要素の1つまたは複数は、ASICなどの専用の電子回路の形態で実現されてもよい。プロセッサと電子回路との組み合わせも想定することができる。

0015

本発明によれば、メモリ10は、デジタルデータを受信するのに適した任意のタイプのデータストレージであってもよい。メモリの例として、ハードドライブフラッシュメモリを含むハードドライブ(SSD)、任意の形態のフラッシュメモリ、ランダムアクセスメモリ磁気ディスクローカル分散型またはクラウド型ストレージなどが挙げられる。装置が計算したデータは、メモリ10と同様の任意のタイプのメモリに保存されてもよく、その上に保存されてもよい。これらのデータは、装置がそのタスクを実行した後に削除されてもよく、保存されてもよい。

0016

本明細書に記載する実施例において、血行動態測定値取得システム4は、血行動態の指標(動脈圧または心拍出量など)を測定する様々な電子ソースを接続するのに適したPhilips Intellivue MP60タイプのモニタである。血行動態測定値取得システム4は、動脈圧および大動脈出力をリアルタイムで測定する。

0017

心血管モデルは、
・心臓モデリングパラメータ(弾性係数収縮性筋線維能動的張力最大値など)と、心臓の状態、特にその変形を示す変数とをリンクする心臓モデルと、
・ パラメータ(動脈エラスタンス末梢抵抗など)と、状態変数(特に動脈圧および静脈圧)とをリンクする動脈および静脈血液循環モデルと、
を備える。

0018

本明細書に記載の場合において、臨床医が監視する心臓の特徴には、左心室容積変化キャビティ半径の変化に関連し、以下、y)と、筋線維の変形(以下、ec)と、能動的な心臓の硬直(以下、kc)と、能動的な心臓への負荷(以下、tc)と、大動脈圧(以下、Par)と、遠位動脈圧(以下、Pd)と、が含まれる。心臓機能状態のこれらの特徴は、以下、ベクトルxcにまとめられる。さらなる特すべき特徴は、患者の状態に応じて経時的に進行を監視するのに適した特定のモデリングパラメータに関連する。これらのパラメータには、特に収縮性(以下、s0)と、能動的な硬直(以下、k0)と、末梢抵抗(以下、Rd)と、が含まれる。これらのパラメータは、ベクトルTにまとめられる。最後に、ベクトルxcとモデリングパラメータTから様々な指標を導出して、心血管系での進行を監視することができる。特に心拍出量(以下、Qc)を含むこれらの指標を、以下、ベクトルCIとする。

0019

ベクトルxcおよびベクトルTは、付録Aに記載の式(10)〜式(70)によってリンクされている。ここで、式(10)、式(20)、式(30)、式(40)、式(50)、式(60)および式(70)は、独立した関係を示し、式(11)〜式(18)は、式(10)の側面を定義する。量uは、固定時間の関数(活性化関数)を示し、n0は、能動的な張力スターリング効果)を調整する変形ecの関数である。これらの式は、M.Caruelらによる「Dimensional reductions of a cardiac model for effective validation and calibration」(Biomech Model Mechanobiol,2013)と題する記事に詳述されている。

0020

式(10)〜式(70)によって構成されたシステムは、式(80)の形態でまとめることができる。

0021

この心臓モデルが確立されると、動静脈結合モデルを使用することができる。このモデルによって、心房圧値Pat(前負荷とも呼ばれる)を確立することができる。実際、継続的な測定では知ることができない心房圧は、患者の心臓の状態を示す非常に有用なものである。

0022

動静脈結合は、動脈コンパートメントおよび静脈コンパートメントの出力の間の平衡を確立すること、および静脈コンパートメントの出力の定義を心拍出量の平滑化として使用することで実現される。

0023

これによって、式(90)が得られる。ここで、左側は毛細血管を通過する血流を示す。これは、動脈コンパートメントと静脈コンパートメントとの間の圧力差に依存し、血液量の保存関係を用いる。右側は、毛細血管で見られる心拍出量(Qc)の平滑化としての静脈コンパートメントの出量(Qsv)の定義を示す。

0024

左側において、値Veffは動静脈交換関与する有効な血液量を示し、値Csvは静脈系コンプライアンスまたは静脈側における貯蔵容量を示す。右側において、指数式は、心臓が血液を排出していないときの血管の出量を平滑化するメモリの効果をモデル化するために使用される。その分母は、正規化定数を示す。これらの式は、D.Chapelleらによる「Patient−specific biomechanical modeling of cardiac amyloidosis−A case study」(Proc. of FIMH 2015,LNCS Vol.9126,pp.295〜303,Springer,2015)と題する記事に詳述されている。

0025

したがって、式(90)を使用して、静脈系(Psv)における圧力を決定し、付録Aに記載の式(100)に従ってそこから心房圧(Pat)を導出することができる。この式において、心周期の開始時における心房の収縮によって引き起こされる圧力の増加を考慮するために、静脈系の圧力に関数が追加される。この関数の勾配は、典型的には上昇し、次に平らになって、下降する。これは、各心周期で繰り返される。

0026

したがって、理想的な状況において、これらの式を使用してすべてを瞬時に決定することができる。そのためには、付録Aに記載の式(110)の理論的測定値z(t)で定義された測定値から開始する必要がある。ただし、モデルのシミュレーションを測定値と比較することはできるが、この一連の動作を反転させることができないため、患者の現在の状態に合わせてモデルの状態やパラメータを直接決定することができない。

0027

この問題を克服するために、本出願人は、演算子Acは必ずしも反転可能ではないという事実に関連して、上記のモデルを補完する関数Calc()を考案し、後者を離散化した。

0028

患者に対してモデルを継続的に調整するために、本出願人は、式(120)で、ノイズ除去測定値Z(t)と理論的測定値z(t)との差を測定するイノベーションベクトルを導入した。次いで、イノベーションベクトルを、カルマンフィルタまたはカルマンフィルタとルーエンバーガー観測器との組み合わせに基づく補正関数に再導入した。これは、Moireauらによる「Joint state and parameter estimation for distributed mechanical systems」(Comput.MethodsAppl.Mech.Engrg.197(2008)659〜677)と題する記事に記載されている。これらの補正関数は、いくつかの動作ループにおいて様々な状況で収束を確実にするという利点を有する。

0029

したがって、本出願人は、これらの補正を考慮するように、式(180)を導入して式(80)を修正し、それらによるベクトルTへの効果を考慮するために、式(185)を導入した。

0030

また、コンピュータ8は、他のセンサが測定した信号、特に指または総頸動脈などにおける局所的な非侵襲的圧力測定値人工呼吸器から得られたデータ(気動圧、気化流速、現在の容積など)、脳波および心電図データ近赤外線分光法による脳酸素測定値、パルス酸素飽和度または皮膚酸素またはCO2の圧力測定値、または直接カテーテル検査によって得られた侵襲的圧力および流量測定値、さらに頭蓋内圧を含む信号を受信してもよい。次いで、これらの追加の測定値は、コンピュータ8が決定した心臓データと組み合わされて、そこから特定の心疾患を監視するための心臓指標が導出される。

0031

図2は、装置2が使用する関数の実施例を示す。ステップ200において、装置2は、関数Init()を実行する。関数Init()は、特に心血管モデルに関連する患者固有のパラメータを選択することで、装置2を初期化する。この関数は、装置2が起動されるたびにキャリブレーション操作を実行するか、そのキャリブレーションを定期的または一度に実行する。

0032

次いで、ステップ210において、血行動態の信号取得を実行する。これは、本明細書に記載する実施例において、動脈の血行動態変数、すなわち動脈圧および大動脈の流れに関連する。

0033

最後に、ステップ230において、コンピュータ8は、関数Calc()を実行し、心血管モデルを信号に適用して、そこから心臓データCIを導出する。

0034

図3は、関数Calc()の一実施例を示す。

0035

関数Calc()には、2つの同一の動作ループが含まれる。第1のループが初期化に使用され、第2のループが処理に使用される。

0036

ステップ300において、関数Calc()は、ベクトルxcおよびTの初期化値、ならびに時間指数iから開始する。

0037

次いで、ステップ310において、指数i-1を用いて、関数Sim1()が引数として適用される。関数Sim1()は、離散化されたバージョンの式(80)〜式(110)を順次適用して、理論モデルに従って計算された時間iに対応する時間の値z(t)を決定する。この値をh(i)とする。

0038

式(280)および式(310)は、関数Sim1()が適用する式(80)および式(110)の、いわゆる陽解法による可能な離散化されたバージョンを示す。

0039

次いで、ステップ320において、コンピュータ8は、式(120)を適用してイノベーションベクトルを計算する。ステップ330において、シミュレーションは、関数Sim2()で繰り返される。

0040

関数Sim2()は、イノベーションベクトルI(i)を受信して、式(380)〜式(410)が示すように、式(280)および式(310)と同様に離散化された形態で、式(180)および式(185)を適用する。実際、関数Sim2()は、イノベーションベクトルから導出された補正値を、以前に関数Sim1()で実行された計算に適用する。代替的に、関数Sim2()は、計算を完全に再開することもできる。

0041

次いで、ステップ335において、指数iがインクリメントされ、ステップ340において、関数Conv()が実行されて、ステップ330で得られた値h(i)とステップ320で使用された血行動態信号から得られた測定値Z(i)との差を比較する。

0042

この差が選択された閾値よりも大きい場合、補正関数がまだ十分ではないとみなされ、関数Calc()は、ステップ310から再開する。

0043

上述したように、補正関数による収束は、例えば単一の心拍に関連した血行動態の測定値から比較的迅速に達成される。

0044

上記差が選択された閾値よりも小さい場合、決定された値が有用であるとみなされ、第2のループが開始する。

0045

第2のループにおいて、ステップ310〜330と同一のステップ350〜370が実行されて、ベクトルxt(i)およびT(i)の現在の値が決定される。次いで、ステップ380において、これらの測定値は、表示されおよび/または関数Proc()の実行により、疾患の監視に関連する処理を受ける。また、関数Proc()は、処理するデータが残っているかどうかを判定する。残っていると判定された場合、ステップ385において指数iがインクリメントされ、第2のループがステップ350から再開する。それ以外の場合は、関数Calc()は、ステップ390において終了する。

0046

関数Calc()の計算に基づいて、警告信号の送信、計算されたベクトルxcおよびTの表示、ベクトルxcおよびTからの心臓指標CIの計算などを含む一連の機能を使用することができる。

0047

さらに、上述したモデルは、静脈系への薬理学的要素の導入を組み込むために補完されてもよい。また、医師監視対象の患者の進行状態を予測できるように、導入された薬理学的要素およびその量に応じて、これらの要素の効果を考慮することができる。

0048

本明細書に記載する実施例において、本出願人は、以下の3つの要素の例を示す。
麻酔効果を有するプロポフォール
昇圧剤効果を有するノルエピネフリン
血液循環に直接加えられる液体注入

0049

番目の場合において、上述したような効果が直接決定される場合がある。実際、血液循環に液体を加えることで、値Veffが修正されて、式(90)および式(100)の離散化が修正される。

0050

1番目および2番目の場合において、対象パラメータKに対する薬理学的要素の効果は、式(500)に従ってモデル化される。ここで、α(t)は、付録Aに記載の式(510)に従う要素の進行法則を示し、K0は、対象パラメータKの基準値である。法則α(t)は、飽和効果を考慮するために、値K0の関数として変化してもよい。

0051

式(510)において、Xは導入された薬理学的要素の濃度を示し、α∞(X)は濃度Xにおける薬理学的要素の長時間の注入によって得られたKの相対的な増加量を示し、Txは濃度Xにおける薬理学的要素の効果の速度を定義する時定数を示す。

0052

プロポフォール(またはノルエピネフリン)の場合、式(500)および式(510)に従って影響を受ける心臓パラメータは、心臓収縮性s0、遠位抵抗Rdおよび遠位容量Cdである。プロポフォール(またはノルエピネフリン)は、遠位抵抗Rdを低下(または増加)させる効果と、遠位容量Cdを増加(または低下)させる効果と、を有する。さらに、ノルエピネフリンは、心臓収縮性s0を増加させる効果を有する。したがって、影響を受けるパラメータごとに、式のセットが存在する。

0053

ここでもこれらの式は、式(90)および式(100)、ならびに式(30)〜式(70)の離散化を修正して、式(510)は、付録Aに記載の式(520)に従って離散化される。

0054

法則α(t)、α∞(X)および定数Txは、予め被験者グループ平均値で決定されてもよく、任意選択で、必要に応じて被験者ごとに適用されてもよい。

0055

計算関数は、本明細書に例示するもの以外の他の心血管モデルを使用してもよく、他のセンサが測定した信号、特に、脳、心臓、腎臓筋膜組織を含む臓器における酸素消費量供給量との間の適切性に関するデータを提供する指標を測定するための信号を受信して前処理することができる。

0056

図4および図5において、X軸は時間(s)を示し、y軸は大動脈の流れ(ml/s)を示す。これらの2つの図において、点線は測定値を示し、実線図1の装置がシミュレートした値を示す。図4はノルエピネフリンを注入しない場合を示し、図5はノルエピネフリンを注入した場合を示す。

0057

図6および図7において、X軸は時間(s)を示し、y軸は大動脈圧(mmHg)を示す。これらの2つの図において、点線は測定値を示し、実線は図1の装置がシミュレートした値を示す。図6はノルエピネフリンを注入しない場合を示し、図7はノルエピネフリンを注入した場合を示す。

0058

最後に、図8は、測定値および拡張期収縮期の圧力−容積の関係に基づいてキャリブレートされたモデルが計算した心室圧(y軸、mmHg)と心室容積(x軸、ml)を示す。この図において、実線はアイドル状態のループを示し、点線はノルエピネフリン投与中のループを示す。

0059

閉じた線は圧力と容積のループを示し、上部の線は収縮末期の圧力と容積の関係を示し、下部の線は拡張末期の圧力と容積の関係を示す。

0060

[付録A]

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

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

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

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