CN113573631A - 使用机器学习模型的左心室容积和心脏输出估计 - Google Patents
使用机器学习模型的左心室容积和心脏输出估计 Download PDFInfo
- Publication number
- CN113573631A CN113573631A CN202080014195.9A CN202080014195A CN113573631A CN 113573631 A CN113573631 A CN 113573631A CN 202080014195 A CN202080014195 A CN 202080014195A CN 113573631 A CN113573631 A CN 113573631A
- Authority
- CN
- China
- Prior art keywords
- parameter
- patient
- pump
- cardiac
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/0215—Measuring pressure in heart or blood vessels by means inserted into the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
- A61B5/026—Measuring blood flow
- A61B5/029—Measuring blood output from the heart, e.g. minute volume
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
- A61B5/6847—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive mounted on an invasive device
- A61B5/6852—Catheters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/10—Location thereof with respect to the patient's body
- A61M60/122—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/10—Location thereof with respect to the patient's body
- A61M60/122—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body
- A61M60/126—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body implantable via, into, inside, in line, branching on, or around a blood vessel
- A61M60/135—Implantable pumps or pumping devices, i.e. the blood being pumped inside the patient's body implantable via, into, inside, in line, branching on, or around a blood vessel inside a blood vessel, e.g. using grafting
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/20—Type thereof
- A61M60/205—Non-positive displacement blood pumps
- A61M60/216—Non-positive displacement blood pumps including a rotating member acting on the blood, e.g. impeller
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/40—Details relating to driving
- A61M60/403—Details relating to driving for non-positive displacement blood pumps
- A61M60/422—Details relating to driving for non-positive displacement blood pumps the force acting on the blood contacting member being electromagnetic, e.g. using canned motor pumps
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
- A61M60/508—Electronic control means, e.g. for feedback regulation
- A61M60/515—Regulation using real-time patient data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
- A61M60/508—Electronic control means, e.g. for feedback regulation
- A61M60/515—Regulation using real-time patient data
- A61M60/523—Regulation using real-time patient data using blood flow data, e.g. from blood flow transducers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
- A61M60/508—Electronic control means, e.g. for feedback regulation
- A61M60/515—Regulation using real-time patient data
- A61M60/531—Regulation using real-time patient data using blood pressure data, e.g. from blood pressure sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
- A61M60/508—Electronic control means, e.g. for feedback regulation
- A61M60/538—Regulation using real-time blood pump operational parameter data, e.g. motor current
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
- A61M60/508—Electronic control means, e.g. for feedback regulation
- A61M60/538—Regulation using real-time blood pump operational parameter data, e.g. motor current
- A61M60/546—Regulation using real-time blood pump operational parameter data, e.g. motor current of blood flow, e.g. by adapting rotor speed
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
- A61M60/585—User interfaces
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M60/00—Blood pumps; Devices for mechanical circulatory actuation; Balloon pumps for circulatory assistance
- A61M60/50—Details relating to control
- A61M60/592—Communication of patient or blood pump data to distant operators for treatment purposes
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/04—General characteristics of the apparatus implanted
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/10—General characteristics of the apparatus with powered movement mechanisms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/10—General characteristics of the apparatus with powered movement mechanisms
- A61M2205/103—General characteristics of the apparatus with powered movement mechanisms rotating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/33—Controlling, regulating or measuring
- A61M2205/3331—Pressure; Flow
- A61M2205/3334—Measuring or controlling the flow rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/33—Controlling, regulating or measuring
- A61M2205/3365—Rotational speed
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/50—General characteristics of the apparatus with microprocessors or computers
- A61M2205/502—User interfaces, e.g. screens or keyboards
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2206/00—Characteristics of a physical parameter; associated device therefor
- A61M2206/10—Flow characteristics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/04—Heartbeat characteristics, e.g. ECG, blood pressure modulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Cardiology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Hematology (AREA)
- Anesthesiology (AREA)
- Mechanical Engineering (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Vascular Medicine (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Transplantation (AREA)
- External Artificial Organs (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开了用于创建和使用神经网络模型来估计患者的心脏参数,以及使用所估计的参数来提供血泵支持以改善患者心脏性能和心脏健康的方法和系统。特定适配包括调整血泵参数,以及确定是否以及如何增加或减少支持,或者使患者完全脱离血泵。该模型基于对来自第一患者集的数据的神经网络处理来创建,并且与原位测量的心脏参数相比包括所测量的血流动力学参数和泵参数,例如通过米勒导管(在动物中)或印加导管(在人类中)测量的左心室容积。在基于第一患者集开发模型之后,将模型应用于第二集中的患者以估计心脏参数而不使用附加导管或直接测量。
Description
相关申请的交叉引用
本申请根据35U.S.C.§119(e)要求2019年1月16日提交的美国临时申请序列号62/793,239的优先权的权益,该申请的内容通过引用以其整体并入。
背景技术
心血管疾病是发病率和死亡率的主要原因并对世界各地的健康护理构成负担。已经针对心血管疾病开发了各种治疗方式,范围从药物到机械设备并且最后是移植。暂时心脏支持设备(诸如心室辅助设备)提供血流动力学支持并促进心脏恢复。一些心室辅助设备经皮插入心脏中并且可以与原生(native)心脏并行运行以补充心脏输出,诸如系列的设备(Abiomed,Inc.,Danvers MA)。
支持的量(如通过由泵送设备递送的血液的体积流量测量)或每个患者需要的支持的持续时间可以不同。临床医生难以直接和定量地确定设备应递送多少支持或何时终止心脏辅助设备的使用,尤其是对从介入或其他心脏护理中恢复的患者。因此,临床医生往往依赖于心脏功能的判断和间接估计,诸如使用填充流体的导管来测量心内压力或血管内压力。
虽然填充流体的导管可以提供心脏参数的重要测量值,这些测量值使得健康护理专业人员能够对患者的心脏护理和健康做出决定,但诊断装备在血管中的存在可能对患者有风险并且可能比期望的更不精确;在一些情况下,该装备可以干扰泵送设备的功能。
发明内容
本文描述的方法、系统和设备使得能够基于第一患者群体创建和使用将血泵参数与心脏参数相关的模型,然后可以将该模型应用于第二患者群体以估计心脏参数,而不使用附加测量导管或其他诊断设备。具体地,该方法和系统使得能够使用机器学习来开发表示第一患者集的血泵的所测量的参数和心脏参数(诸如左心室容积或心脏输出)之间的关系的模型。机器学习算法基于来自具有各种特性(诸如性别、体重、疾病状态、心脏结果、诊断或其他特性)的大量患者的数据来构造关于血泵的一个或多个可测量参数的所测量的心脏参数的模型。在开发出预测由诊断设备(例如,填充流体的导管)测量的心脏参数的模型后,然后可以访问该模型并将其应用于第二患者集中的患者以基于泵参数来估计心脏参数(诸如心脏输出)而不使用附加导管或其他诊断设备。
具体地,通过以下操作来创建模型:跟踪血泵性能参数,诸如泵速度、电流、流量和泵所位于的血管中的压力(诸如由泵自身上的机载光学或其他压力传感器测量的主动脉压力);以及在组成模型训练组的多个患者中在一时间段内测量一个或多个血流动力学参数,诸如左心室容积、左心室压力、肺动脉压力或其他心脏参数(诸如通过压力感测导管)。数据被收集、存储并且然后使用机器学习算法来进行分析以提取患者集或特定患者子组的曲线拟合。例如,可以基于来自患者集中的患者群体的泵性能参数和所测量的血流动力学参数来提取指示心脏输出的模型。模型可以适用于患者集中的所有患者,或者适用于患者集中的一个或多个患者,或者可以提取适用于该集中具有特定特性的患者子集的模型。例如,在一些实施例中,可以针对诊断为患有心源性休克、心肌梗死的所有患者,或者可以基于患者人口统计资料(诸如性别、体重或风险因素)确定不同的模型。在另一示例中,模型适用于所有类型的患者,无论其诊断或各种人口统计资料如何。
模型通过使用神经网络来创建以将大量所存储的数据拟合到模型。在患者群体中的特定患者中测量的压力和流量数据的每个时间点,神经网络可以使用从血泵中提取的压力和流量数据(或泵速度或其他参数)来计算心脏参数(诸如左心室压力),并且将所计算的心脏参数与由导管确定的参数的真实测量值进行比较。神经网络可以包括彼此通信的多个单元以基于泵参数(例如,泵速度、压力和流量数据)与心脏参数之间的关系来开发模型。单元在第一时间点接收泵性能数据(例如,泵速度、压力和流量)和血流动力学参数作为输入并且基于模型拟合来变换输入。对模型的输入可以是可以与所测量的心脏参数相关的血流动力学参数和泵参数。神经网络可以是堆叠神经网络,例如堆叠双向递归神经网络,其在隐藏状态中随时间推移进行通信,并且基于多个激活函数以迭代地开发模型来开发模型。例如,神经网络的单元可以基于模型拟合变换输入并且然后将经变换的输入连同更新的隐藏状态和单元状态一起传输到堆叠中的下一个单元。从神经网络输出的最终模型能够基于泵参数准确地表示心脏输出或左心室容积(或其他心脏函数),而不使用导管。
然后,模型可以应用于训练组以外的患者。在不管人口统计资料或诊断如何都适用于患者的模型的情况下,模型可以适用于第二组中的所有患者,该第二组不是模型训练组的一部分。在另一实施例中,健康护理提供者可以输入患者的各种人口统计资料,并且基于患者人口统计资料选择适当的模型。然后将该模型应用于针对患者测量的血泵参数并且提取所估计的心脏参数。例如,在患者中测量的血泵速度和主动脉压力可以与模型一起使用以提取所估计的左心室压力或心脏输出。所估计的左心室压力示出了随时间推移的患者心脏健康。
当泵送设备在患者中时,模型可以用于向健康护理专业人员提供心脏参数的连续或几乎连续估计,从而使得健康护理专业人员能够对患者的护理做出实时决定。例如,所提供的估计的心脏参数可以由健康护理专业人员用于与心脏健康相关的决定,从而使患者脱离泵送设备支持或增加支持。心脏参数可以是左心室容积、心脏输出、心脏功率输出、顺应性、原生(native)流量、心搏量、舒张期或收缩期的容积、或其他相关心脏参数、或前述的任何组合。可以使用所估计的心脏参数来确定其他血流动力学或心脏参数并且也将其提供给健康护理专业人员。
在一个方面,一种估计患者的心脏参数的方法包括:在第一患者集中的每个患者内操作血泵,血泵具有至少一个可测量泵参数;测量第一患者集中的每个患者的至少一个血流动力学参数和至少一个可测量泵参数以获取第一血流动力学参数测量值和第一泵参数测量值;以及基于第一患者集的至少一个第一血流动力学参数和至少一个可测量泵参数之间的关系来构建一个或多个心脏参数的模型。模型可以包括神经网络,该神经网络具有来自第一集内的多个患者的血流动力学参数和泵参数的输入。该方法还包括:在第二患者集中的第二患者中操作第二血泵;以及通过以下操作将模型应用于第二患者:测量第二患者中的至少一个可测量泵参数以获取第二泵参数测量值;测量第二患者中的至少一个第一血流动力学参数以获取第二血流动力学参数测量值;以及估计第二患者的心脏参数,其中由模型基于第二泵参数测量值和第二血流动力学参数测量值来输出第二患者的心脏参数。在一些实施方式中,该方法还包括基于至少一个时间点的至少一个血流动力学参数和至少一个可测量泵参数来确定所估计的心脏参数。在一些实施方式中,该方法包括将与血泵分离的感测导管插入第一患者集内的每个患者中(例如将导管放置在左心室或肺动脉中),以及在感测导管处测量血流动力学参数(诸如左心室舒张末期压力或肺毛细血管楔压)。所测量的血流动力学参数可以用于计算心脏输出或其他心脏参数,作为所测量的参数。在一些实施方式中,该方法还包括将基于来自模型的输出的所估计的心脏参数与基于从感测导管的读数提供的输入的所测量的心脏参数进行比较。最终,可以基于来自模型的所估计的心脏参数来建立和调整泵操作,例如通过使用来自该模型的所估计的心脏参数作为对泵控制器的输入,该泵控制器被配置为接收这些参数并调整泵输出。
在一些实施方式中,该方法包括:在显示器上显示第二患者的第二泵参数测量值和第二血流动力学参数测量值,在显示器上显示第二患者的所估计的心脏参数,和/或基于第二患者中的所估计的心脏参数来计算泵速度的建议改变。在一些实施方式中,该方法还包括实施泵速度的建议改变。
在一些实施方式中,构建心脏参数的模型包括使用神经网络以从第一患者集的至少一个第一血流动力学参数和至少一个可测量泵参数中提取模型。模型可以从得自一个或多个患者的多个参数(包括多个血流动力学参数和多个泵参数)中提取。模型存储在存储器中并且可以为机载的或以其他方式通过网络可由泵控制器访问。神经网络可以包括多个单元。在一些实施方式中,多个单元彼此通信,并且单元接受一个或多个参数(所测量的参数,诸如泵参数和血流动力学参数,或泵参数和血流动力学参数的组合)作为输入,并且基于模型拟合来变换一个或多个参数。一个或多个单元可以将经变换的参数传输到相邻单元,诸如具有隐藏状态或单元状态的单元。在一些实施方式中,神经网络中的第一单元在第一时间点接受第一患者集的一个或多个血流动力学参数和一个或多个可测量泵参数作为输入。神经网络中的第一单元可以接收多个参数或参数的组合,诸如多个血流动力学参数和多个泵参数。在一些实施方式中,第一单元基于一个或多个模型拟合来变换至少一个第一血流动力学参数和至少一个可测量泵参数,之后将经变换的血流动力学参数和可测量泵参数传输到神经网络中的第二单元。在一些实施方式中,第一单元更新第一时间点的隐藏状态和单元状态。在一些实施方式中,第一单元接收第二时间点的至少一个第一血流动力学参数和至少一个可测量参数并且更新第二时间点的隐藏状态和单元状态。在一些实施方式中,第一患者集由单个患者形成。
在一个方面,一种基于模型来估计患者的心脏参数的方法包括:在患者中操作血泵;测量患者中的血泵的至少一个可测量泵参数以获取泵参数测量值;测量患者中的至少一个血流动力学参数以获取血流动力学参数测量值;以及从数据库访问至少一个可测量泵参数、至少一个血流动力学参数和心脏参数之间的关系的模型。该方法还包括估计患者的心脏参数估计值,其中由模型基于泵参数测量值和血流动力学参数测量值来输出患者的心脏参数估计值。
在一些实施方式中,该方法和系统通过从多个可用模型中确定所选择的模型来访问模型。在一些实施方式中,所选择的模型是基于与患者相关联的信息来确定的。在一些实施方式中,该方法包括挑选由包括多个单元的神经网络形成的模型。在一些实施方式中,神经网络是递归双向神经网络。在一些实施方式中,神经网络包括多个单元。在一些实施方式中,多个单元彼此通信并且单元接受一个或多个所测量的参数作为输入,基于模型拟合来变换一个或多个所测量的参数,以及将经变换的参数传输到具有隐藏状态或单元状态的相邻单元。在一些实施方式中,该方法包括基于所估计的心脏参数来确定血泵的操作的推荐改变。
在一个方面,一种用于开发患者中的心脏参数的估计的方法包括:在第一患者群体中测量从医学设备的操作导出的一个或多个参数并测量心脏参数,基于第一患者群体中的从医学设备的操作导出的一个或多个参数和心脏参数来开发心脏参数的模型;以及将模型应用于第二患者群体中的患者以估计患者的心脏参数。
在一些实施方式中,该方法还包括:根据第一患者群体中的一个或多个患者的共同特性来标记模型,和/或基于模型的标记,通过将第二患者群体中的患者的特性与第一患者群体中的一个或多个患者的特性进行比较来确定模型是否可适用于第二患者群体中的患者。在一些实施方式中,该方法还包括利用机器学习算法以基于第一患者群体中的从医学设备的操作导出的一个或多个参数和所测量的心脏参数来开发心脏参数的模型。在一些实施方式中,利用神经网络来开发模型。在一些实施方式中,神经网络包括多个单元。在一些实施方式中,多个单元彼此通信并且单元接受一个或多个所测量的参数作为输入,基于模型拟合来变换一个或多个所测量的参数,以及将经变换的参数传输到具有隐藏状态或单元状态的相邻单元。
在一些实施方式中,将模型应用于第二患者群体中的患者包括:在第二患者群体中的患者中操作医学设备;在第二患者群体中的患者中测量从医学设备的操作导出的一个或多个参数;将从医学设备的操作导出的所测量的一个或多个参数输入到心脏参数的模型中;以及基于模型来估计第二患者群体中的患者的所估计的心脏参数。
在一个方面,一种用于基于预定模型(诸如由本文公开的任何技术形成的模型)来估计患者的心脏参数的系统包括血泵和控制器。血泵包括被设计成以一个或多个泵速度进行驱动的可驱动转子,以及能够测量血流动力学参数的传感器。控制器包括存储器,该存储器从传感器接收血流动力学参数测量值并记录血流动力学参数测量值,存储器还存储(或从网络访问)基于血流动力学参数和一个或多个泵速度中的泵速度(或电流、流量或其他泵参数)的心脏参数的预定模型。控制器还包括驱动器和显示器,该驱动器被设计为驱动转子并将所驱动的血泵转子的泵速度(或一个或多个其他泵参数)传输到存储器以进行记录,该显示器显示记录在存储器中的一个或多个参数。存储器使用预定模型以及血流动力学参数测量值和泵参数(例如,泵速度)来确定相关联的心脏参数,并且将所确定的心脏参数传输到显示器。
在一些实施方式中,存储器存储基于血流动力学参数和泵参数(例如,泵速度、马达电流)的心脏参数的多个预定模型。在一些实施方式中,控制器基于血流动力学参数或泵参数(例如,泵速度、马达电流)中的一者从多个所存储的预定模型中选择一个预定模型。在一些实施方式中,控制器基于对显示器的输入从多个所存储的预定模型中选择一个预定模型。在一些实施方式中,多个预定模型由包括多个单元的神经网络形成。在一些实施方式中,神经网络是递归双向神经网络。在一些实施方式中,神经网络包括多个单元。在一些实施方式中,多个单元彼此通信并且单元接受一个或多个所测量的参数作为输入,基于模型拟合来变换一个或多个所测量的参数,以及将经变换的参数传输到具有隐藏状态或单元状态的相邻单元。
在一些实施方式中,存储器无线连接到数据库,该数据库包含基于血流动力学参数和泵速度的心脏参数的多个预定模型。在一些实施方式中,控制器从数据库中选择一个预定模型,并且检索所选择的一个预定模型以用于存储在存储器中。在一些实施方式中,多个预定模型由包括多个单元的神经网络形成。在一些实施方式中,神经网络是递归双向神经网络。
在一些实施方式中,控制器基于所确定的心脏参数来确定对泵速度的推荐改变。在一些实施方式中,控制器生成对泵速度的推荐改变以用于显示在显示器上。在一些实施方式中,控制器实施对泵速度的推荐改变以用于显示在显示器上。在一些实施方式中,传感器测量主动脉压力。在一些实施方式中,心脏参数是左心室容积。在一些实施方式中,心脏参数是心脏功率、心脏功率输出或另一心脏参数。
在一个方面,一种使用数据库来估计患者的心脏参数的方法包括:在第一患者中操作血泵;测量第一患者中的血泵的至少一个可测量泵参数以获取泵参数测量值;测量第一患者中的至少一个血流动力学参数以获取血流动力学参数测量值;以及访问包括除第一患者以外的患者的患者数据的数据库,其中患者数据包括可测量泵参数、血流动力学参数和心脏参数中的至少一者。该方法还包括使用第一患者中的泵参数测量值、第一患者中的血流动力学参数测量值和来自数据库的所存储的患者数据来估计第一患者的心脏参数。
在一些实施例中,在第一患者中操作血泵,并且将来自第一患者的可测量输入与包括来自除第一患者以外的患者的患者数据的数据库结合使用以估计第一患者的心脏参数。例如,数据库可以包括一系列患者的心脏功率输出,以及其他所测量的数据。数据库包括来自具有不同特性(例如,年龄、性别、体重、身高等)的一系列患者的数据。在一个示例中,数据库包括来自具有不同医学状况的一系列患者的数据。数据库可以定期更新以包括新数据。在一些实施方式中,数据库包括血流动力学参数、泵参数和心脏参数之间的关系的模型。在一些实施方式中,模型通过对患者数据使用神经网络来导出。在一些实施方式中,从中导出模型的神经网络包括多个单元。在一些实施方式中,多个单元彼此通信并且单元接受一个或多个所测量的参数作为输入,基于模型拟合来变换一个或多个所测量的参数,以及将经变换的参数传输到具有隐藏状态或单元状态的相邻单元。
附图说明
在结合附图考虑以下详细描述时,上述和其他目的和优点将变得显而易见,在附图中相似的附图标记通篇指代相似的部件,并且其中:
图1示出了用于基于预定模型来估计患者的心脏参数的系统的框图;
图2示出了堆叠双向递归神经网络的框图;
图3示出了图2的堆叠双向递归神经网络的长短期存储器单元的框图;
图4示出了开发和使用用于估计患者的心脏参数的模型的方法;
图5示出了使用模型来估计患者的心脏参数的方法;
图6示出了用于开发患者中的心脏参数的估计的方法;
图7A示出了所测量的左心室容积以及基于主动脉压力和泵流量之间的示例关系的所预测的左心室容积的示例性曲线图形;
图7B示出了所测量的心脏输出以及基于主动脉压力和泵流量之间的示例关系的所预测的心脏输出的示例性曲线图形;
图7C示出了用于预测图7A的左心室容积和图7B的心脏输出的示例所测量的主动脉压力;
图7D示出了用于预测图7A的左心室容积和图7B的心脏输出的示例所测量的泵流量;
图8A示出了所测量的左心室容积以及基于主动脉压力和泵流量之间的示例关系并且在泵功率水平为2时的所预测的左心室容积的示例性曲线图形;
图8B示出了所测量的心搏量以及基于主动脉压力和泵流量之间的示例关系并且在泵功率水平为2时的所预测的心搏量的示例性曲线图形;
图8C示出了所测量的左心室容积以及基于主动脉压力和泵流量之间的示例关系并且在泵功率水平为3时的所预测的左心室容积的示例性曲线图形;
图8D示出了所测量的心搏量以及基于主动脉压力和泵流量之间的示例关系并且在泵功率水平为3时的所预测的心搏量的示例性曲线图形;
图9A示出了所测量的左心室容积以及针对不规则波形的基于主动脉压力和泵流量之间的示例关系的所预测的左心室容积的示例性曲线图形;
图9B示出了所测量的心搏量以及针对不规则波形的基于主动脉压力和泵流量之间的示例关系的所预测的心搏量的示例性曲线图形;
图9C示出了所测量的左心室容积以及针对不规则波形的基于主动脉压力和泵流量之间的示例关系的所预测的左心室容积的示例性曲线图形;
图9D示出了所测量的心搏量以及针对不规则波形的基于主动脉压力和泵流量之间的示例关系的所预测的心搏量的示例性曲线图形;
具体实施方式
为了提供对本文描述的方法和系统的总体理解,将描述某些说明性实施例。尽管本文描述的实施例和特征是结合血泵设备具体描述的,但将理解以下概述的所有部件和其他特征可以以任何合适的方式彼此结合并且可以适用于和应用于其他类型的心脏和医学治疗。
在一些实施例中,在第一患者中操作血泵,并且将来自第一患者的可测量输入与包括来自除第一患者以外的患者的患者数据的数据库结合使用以估计第一患者的心脏参数。例如,数据库可以包括一系列患者的心脏功率输出,以及其他所测量的数据。数据库包括来自具有不同特性(例如,年龄、性别、体重、身高等)的一系列患者的数据。在一个示例中,数据库包括来自具有不同医学状况的一系列患者的数据。数据库可以定期更新以包括新数据。
图1示出了用于基于预定模型来估计患者的心脏参数的系统100的框图。系统100包括控制器102和血泵104。控制器包括具有预定模型118的存储器106、驱动器108和显示器110。血泵104包括转子114和传感器116。控制器102通过线112通信地耦接到血泵104,该线可以是电线和/或机械驱动轴。控制器102内的驱动器108控制血泵104,包括转子114的操作的速度。驱动器108通过信道107通信地耦接到存储器106,并且还通过信道109通信地耦接到显示器110。血泵104的传感器116可以通过线112耦接到控制器102,或者可以无线地耦接到控制器102。
血泵104在患者的血管系统中操作以通过在患者的心脏或血管系统中泵送血液来提供心血管支持。转子114的旋转速度控制血液通过血泵104的流速。传感器116位于血泵104上,使得当血泵104在患者的血管系统内就位时,传感器116可以测量患者的血流动力学参数。传感器116无线地或经由线112将所测量的血流动力学参数传输到控制器102。在一些实施方式中,传感器116是位于血泵104上的机载光学传感器或压力传感器。在一些实施方式中,传感器116测量主动脉压力。在一些实施方式中,传感器116测量其他血流动力学参数。
控制器102通过改变供应给血泵104的功率来控制转子114的速度。驱动器108还通过测量为了保持特定转子速度而供应给转子114的电流来测量转子114上的负载。驱动器108将所测量的泵参数存储在存储器106中。驱动器108从传感器116接收所测量的血流动力学参数并且也将这些参数存储在存储器106中。驱动器108还可以包括处理硬件或软件(未示出)以使得能够在控制器102中处理血流动力学参数和泵参数,诸如进行平均或用于计算其他心脏参数。控制器102基于血泵的性能和由传感器116测量的血流动力学参数来跟踪血泵参数(诸如泵速度、电流、流量和血管中的压力)。驱动器108将血流动力学参数、泵参数或其他所测量或计算的参数传输到显示器110。
存储器106包括将泵参数与一个或多个血流动力学参数相关的预定模型118。下面描述了这种模型的创建。存储器106和/或驱动器108使用所测量的泵参数和血流动力学参数以及所存储的预定模型118以基于所测量的泵参数来估计特定心脏参数。心脏参数可以是左心室容积、心脏输出、心脏功率输出、顺应性、原生流量、心搏量、舒张期或收缩期的容积、或其他相关心脏参数、或前述的任何组合。可以不需要附加导管或诊断设备来测量心脏参数,因为模型基于根据来自第一患者集的其他患者数据构建的模型来提供所估计的心脏参数。在一些实施方式中,存储器106包括多于一个的预定模型118,并且基于所测量的泵参数和血流动力学参数中的一者或多者来选择特定预定模型118。在一些实施方式中,通过来自健康护理专业人员的输入从多个所存储的模型中选择特定预定模型118。在一些实施方式中,存储器107存储数据库或链接到数据库,从该数据库中选择预定模型。
在一些实施方式中,驱动器108在显示器110上显示所估计的心脏参数。在一些实施方式中,控制器102使用所估计的心脏参数来确定关于血泵104的增加或减少的支持的推荐动作过程。例如,控制器102可以基于所测量的血流动力学参数和泵参数以及所估计的心脏参数在显示器110上显示血泵104的操作的推荐改变。具体地,控制器102可以基于患者的所估计的心脏参数与先前所估计的心脏参数的比较来确定推荐动作过程。在一些实施例中,控制器102可以基于所提议的动作过程对血泵104所提供的支持做出改变。在一些实施例中,控制器102经由显示器110向健康专业人员呈现选项,并且允许健康专业人员选择用以控制或改变血泵104操作的选项。
在一些实施方式中,可以从存储器106中提取存储在存储器106中的血流动力学参数和泵参数或其他数据以用于与来自其他患者的数据一起使用,从而用于创建将血泵参数与一个或多个心脏参数相关的算法。所提取的数据可以与其他健康数据(诸如性别、体重、疾病状态、心脏结果、诊断或其他特性)组合,并用于创建基于机器学习或神经网络的算法。在一些实施方式中,控制器102耦接到存储从中导出预定模型的数据的数据库,并且控制器102上载数据以更新数据库。
图2示出了示例性堆叠双向递归神经网络200的框图,其可以用于创建模型,诸如预定模型118,该模型可以用于图1的血泵系统100中以根据在患者中测量的泵参数解释和估计心脏参数。神经网络200用于拟合来自训练数据集的大量数据,该训练数据集包括来自第一患者集的所测量的参数。示例性神经网络可以在创建将血泵参数与心脏参数相关的模型中实施,如上面在图1中所述。示例性神经网络200是堆叠双向递归神经网络,尽管适用于创建本文描述的模型的其他神经网络模型也是可用的。神经网络200在隐藏状态下随时间推移进行通信,并且基于多个激活函数以迭代开发模型来开发模型,如下文将更详细地描述。然后,使用神经网络来创建的模型可以存储在控制器存储器中(例如在图1的存储器106中),并且用于估计其中正在操作血泵的患者的心脏参数。在该示例性神经网络200中,处理单元220a-220j(对于长短期存储器,标记为“LSTM”)被组织在具有行222和224以及列226-234的网格中。处理单元220a-220j沿着行222和224以及列226-234在彼此之间通信。存在输入和输出之间堆叠的多个级或行222和224,并且存在多个列226-234。
最低行224是输入行,具有主动脉压力(AOP)和泵流量(流量)的输入236a-236e。最高行222是输出行,输出所估计的输出参数238,例如左心室容积(LVV)。输入行224和输出行226之间的行数指示模型深度或复杂度(sophistication)。例如,模型可以是双向堆叠的,如图2中的神经网络200所示。可替代地,模型可以具有在输入行224和输出行222之间堆叠的三级、四级、五级或更多级的单元。神经网络200的每个估计基于在不同采样时间的状态的数量,由示例性神经网络200中的列226-234的数量表示。对于神经网络200,在时间t,神经网络200接收AOP和流量的输入236e,并且使用针对多个先前状态(例如,被示为针对列226中的输入236a的t-74至针对列232中的输入236d的t-1的75个状态)的来自神经网络200的信息。神经网络200基于一组至少25个先前采样实例来计算所估计的心脏参数(输出238)。在一些实施方式中,神经网络基于一组至少50个或至少75个或更多先前采样实例来计算所估计的心脏参数(输出238)。在患者群体中的特定患者中测量的主动脉压力和流量数据的每个时间点处,神经网络可以使用从血泵中提取的压力和流量数据来计算心脏参数(诸如左心室压力),并且将所估计的心脏参数与由导管确定的参数的真实测量值进行比较。在一些实施方式中,心脏参数是左心室容积、心脏输出、心脏功率输出、顺应性、原生流量、心搏量、舒张期或收缩期的容积、或其他相关心脏参数、或前述的任何组合。
具体地,在神经网络200的每个单元内,神经网络200生成所谓的隐藏状态并且在不同单元之间共享这些隐藏状态。通过利用堆叠神经网络系统,可以提取输入数据236a-236e之间的复杂关系以便产生输出参数238的准确估计。
神经网络200可以用于机器学习算法中,该机器学习算法基于来自具有各种特性(诸如性别、体重、疾病状态、心脏结果、诊断或其他特性)的大量患者的数据来构造关于血泵(诸如图1中的血泵104)的一个或多个可测量参数(诸如泵速度或流量)的所测量的心脏参数(例如,主动脉压力)的模型。患者数据被输入到机器学习算法中以基于该算法确定的各种输入数据之间的关系来开发模型。最终模型能够基于泵参数表示准确的左心室容积或心脏输出(或其他心脏功能)曲线而不使用导管,并且如上所述,可以是被装备以处理患者群体中的任何情况的所有生理状况的全局模型。在开发出预测由诊断设备(例如,填充流体的导管或其他内部传感器)测量的心脏参数的模型后,然后可以将该模型应用于除训练组之外的第二患者集中的患者以基于泵参数来估计心脏参数,而不使用附加导管或其他诊断设备。
图3示出了图2的堆叠双向神经网络的长短期存储器单元的框图。例如,图2的神经网络200的单元220a-220j可以是长短期存储器单元。可替代地,神经网络200的单元220a-220j可以是其他类型的单元。类似地,神经网络200本身可以是诸如图2的示例中所示的神经网络,或者另一类型的神经网络,诸如完全递归、艾尔曼(Elman)网络、霍普菲尔(Hopfield)网络、回声状态网络、分层等。在图2的示例中,神经网络单元是长短期存储器单元。图3示出了单个长短期存储器单元300。如图3所示,长短期存储器单元300具有由四个框表示的四个激活函数和它们的相关联的函数,分别包括第一函数“ft”340、第二函数342、第三函数“it”344和第四函数“ot”346。第一函数“ft”340是产生选通变量的反曲(sigmoidal)函数,第二函数342是产生存储器单元的候选状态的双曲正切函数,第三函数“it”344是产生选通变量的反曲函数,并且第四函数“ot”346是产生选通变量的反曲函数。虽然第一函数“ft”340、第二函数342、第三函数“it”344和第四函数“ot”346是示例,并且其他函数可以用于处理单元300中的信息,但下面定义了示例性第一函数“ft”340、第二函数342、第三函数“it”344和第四函数“ot”346:
ft=σ(Wf[ht-1,xt]+bt)
it=σ(Wi[ht-1,xt]+bi)
ot=σ(Wo[ht-1,xt]+bo)
单元300从先前单元接收单元状态348a(“ct-1”),并且通过以下来处理该单元状态348a:指示单元300不应再考虑哪些元素的第一函数(“ft”)340、指示单元300应提取哪些信息的第二函数342、指示单元应更新哪些信息的第三函数“it””344,以及提供用于更新候选单元的输出的第四函数“ot”346或汇总门(summary gate)。更新的单元状态348b被传递给神经网络中的相邻单元。在该示例中,单元状态由下式定义:
单元300从先前单元接收隐藏状态349a(“ht-1”),并处理该隐藏状态349a。隐藏状态349a用作以下的输入:指示单元300不应再考虑哪些元素的第一函数(“ft”)340、指示单元300应提取哪些信息的第二函数342、指示单元应更新哪些信息的第三函数“it””344,以及提供用于更新候选单元的输出的第四函数“ot”346或汇总门。更新的隐藏状态349b被传递给神经网络中的相邻单元。如图所示,更新的隐藏状态349b被传递给在同一行或同一列中与单元300相邻的单元。在该示例中,隐藏状态由下式定义:
激活函数或门可以对应于一系列函数,包括反曲函数、双曲正切函数、反曲函数、或这些函数或其他函数的任何组合。通过单元300的各种函数的对输入的处理使得包括许多此类单元的神经网络能够访问数据输入之间的复杂关系,以产生可以应用于其他数据以预测结果的算法。
图4示出了开发和使用用于基于血泵参数(例如图1中的血泵104)来估计患者的心脏参数的模型的方法400。方法400包括步骤402,其中在第一患者集内操作血泵。在一些实施方式中,可以以类似方式使用另一血管内医学设备(诸如气囊泵、离心泵诸如ECMO、脉动泵、滚柱泵或其他心室辅助设备),而不是血泵。在步骤404处,针对第一患者集中的每个患者,测量血流动力学参数和泵参数。可以针对第一患者集中的每个患者测量多于一个的血流动力学参数和/或泵参数。在一些实施方式中,针对每个患者测量的血流动力学参数和泵参数是泵速度、电流、流量和血管中的压力中的一者或多者,并且测量基于血泵的性能。在一些实施方式中,主动脉压力被测量作为血流动力学参数。血流动力学参数由测量导管(诸如填充流体的导管、印加(inca)导管、米勒(millar)导管(用于动物))或另一诊断设备测量。
在一些实施方式中,测量泵速度、流速、泵压力中的一者或多者作为泵参数。泵参数由血泵控制器基于供应给泵的电流、泵上的负载或血泵操作的其他特性来测量。在步骤406处,针对第一患者集中的每个患者测量心脏参数。在一些实施方式中,心脏参数是左心室容积、心脏输出、心脏功率输出、顺应性、原生流量、心搏量、舒张期或收缩期的容积、或其他相关心脏参数、或前述的任何组合。针对第一患者集(其为模型训练组)中的每个患者,可以在一时间段内测量心脏参数、血流动力学参数和泵参数。
在步骤408处,基于血流动力学参数和泵参数之间的关系,使用血流动力学参数和泵参数来构建心脏参数的模型。收集并存储来自第一患者集中的每个患者的数据,并且然后使用机器学习算法来分析数据,以提取用于整个患者集或特定患者子组的曲线拟合。例如,可以提取适用于患者集中的一个或多个患者的模型,或者可以提取适用于集中具有特定特性的患者子集的模型。例如,在一些实施例中,可以针对诊断为患有心源性休克、心肌梗死的所有患者,或者基于患者人口统计资料(诸如性别、体重或风险因素)确定不同的模型。在另一示例中,模型适用于所有类型的患者,无论其诊断或各种人口统计资料如何。
模型可以使用机器学习或神经网络(诸如上面在图2和图3中描述的)或者任何其他可用的机器学习设置来构建。神经网络可以用于将大量所存储的数据拟合到模型。一旦被构建,模型可以被存储在血泵的控制器中(例如,在图1的存储器106中)或者可以托管在耦接到血泵控制器的服务器或处理器或者从血泵控制器接收所测量的参数的另一处理器中。
在步骤410处,在第二患者集中的患者中操作血泵以提供心脏支持。在步骤412处,通过以下操作将在步骤406中产生的模型应用于第二患者集中的患者:测量患者中的泵参数和血流动力学参数,以及基于模型和第二集中的患者中测量的泵参数和血流动力学参数来估计患者的心脏参数。以这种方式,可以基于该模型针对第二患者集中的患者确定所估计的心脏参数,而不使用附加导管或诊断工具。
在不管人口统计资料或诊断如何都适用于患者的模型的情况下,模型可以适用于第二组中的所有患者,该第二组不是模型训练组的一部分。在另一实施例中,健康护理提供者可以输入患者的各种人口统计资料,并且基于患者人口统计资料挑选适当的模型。然后将该模型应用于针对患者测量的血泵参数并且提取所估计的心脏参数。例如,在患者中测量的血泵速度和主动脉压力可以与该模型一起用于提取所估计的心脏参数,诸如左心室容积、心脏输出、心脏功率输出、顺应性、原生流量、心搏量、舒张期或收缩期的容积、或其他相关心脏参数、或前述的任何组合。
图5示出了使用根据第一患者集的数据构建的模型来估计第二患者集中的患者的心脏参数的方法500。在步骤502处,在第二患者集中的患者的血管系统内操作血泵。在步骤504处,在患者中测量血泵的至少一个可测量泵参数以获取泵参数测量值。在一些实施方式中,泵参数可以是泵速度、通过泵的流速、或泵内的压力,并且可以基于供应给泵的电流、泵上的负载或血泵操作的其他特性来测量。泵参数可以在血泵的控制器(例如,图1中的控制器102)或在血泵本身处测量。在步骤506处,在患者中测量至少一个血流动力学参数以获取血流动力学参数测量值。在一些实施方式中,血流动力学参数是主动脉压力。血流动力学参数可以通过放置在血泵上的传感器或放置在耦接到血泵的导管上的传感器来测量。
在步骤508处,访问至少一个可测量泵参数、至少一个血流动力学参数和心脏参数之间的关系的模型。模型可以由机器学习或神经网络算法(例如由图2和图3中描述的神经网络,或者由任何可用的机器学习过程)产生以根据所测量的血流动力学参数和泵参数估计心脏参数。模型可以被存储在血泵的控制器中(例如,在图1的存储器106中)或者可以托管在耦接到血泵控制器的服务器或处理器或者从血泵控制器接收所测量的参数的另一处理器中。在步骤510处,使用模型以基于患者中的泵参数测量值和血流动力学参数测量值来估计第二患者集中的患者的心脏参数。心脏参数可以是左心室容积、心脏输出、心脏功率输出、顺应性、原生流量、心搏量、舒张期或收缩期的容积、或其他相关心脏参数、或前述的任何组合。患者的心脏参数没有另外测量,使得不需要将附加导管或诊断设备插入患者的血管系统。所估计的心脏参数可以用于通知由健康护理专业人员做出的健康决定,并可以显示给健康护理专业人员,和/或用于向健康护理专业人员推荐由血泵提供的支持的改变。
图6示出了用于开发患者的心脏参数的估计的方法600。在步骤602处,在第一患者群体中测量从医学设备的操作导出的一个或多个参数和心脏参数。在步骤604处,基于第一患者群体中的从医学设备的操作导出的一个或多个参数和所测量的心脏参数来开发心脏参数的模型。模型可以通过使用机器学习或神经网络(诸如图2和图3中描述的那些)或通过任何其他可用的机器学习过程来开发。在步骤606处,将模型应用于第二患者群体中的患者以估计患者中的心脏参数。在患者中不需要另外确定心脏参数。
在步骤608处,例如在与医学设备(诸如血泵)相关联的显示器上显示患者的所估计的心脏参数。健康护理专业人员可以使用所显示的估计的心脏参数来做出与治疗和医学设备的使用相关的健康护理决定。
当医学设备(诸如血泵)在患者中时,模型可以用于向健康护理专业人员提供心脏参数的连续或几乎连续估计,从而使得健康护理专业人员能够对患者的护理做出实时决定。例如,在患者中使用血泵的情况下,所提供的估计的心脏参数可以由健康护理专业人员用于与心脏健康相关的决定,从而使患者脱离泵送设备支持或增加支持。心脏参数可以是左心室容积、心脏输出、心脏功率输出、顺应性、原生流量、心搏量、舒张期或收缩期的容积、或其他相关心脏参数、或前述的任何组合。可以从所估计的心脏参数中提取其他血流动力学参数或心脏参数并且也将其提供给健康护理专业人员。
在一些实施例中,血液泵送设备的控制器可以使用所估计的心脏参数来确定关于血液泵送设备的增加或减少的支持的推荐动作过程。具体地,控制器可以基于患者的所估计的心脏参数与先前所估计的心脏参数的比较来确定推荐动作过程。在一些实施例中,控制器可以基于所提议的动作过程对血液泵送设备所提供的支持做出改变。
图7-图9示出了参数随时间推移的示例性曲线图形,其比较模型预测的迹线和通过直接测量获得的“真实”迹线。如上文关于图4-图6所述,可以使用第一患者群体的血流动力学和泵或医学设备数据来开发心脏参数的模型以用于第二患者群体。心脏参数的模型使得能够估计患者的心脏参数,而不需要在患者的血管系统中使用附加诊断或感测导管,这是更安全和更有效的。因为开发良好的算法还可以考虑附加患者数据,诸如性别、体重、疾病状态和结果,所以所估计的心脏参数可以高度准确。另外,在算法的开发中考虑的附加数据可以用于建议治疗方案或对血泵或其他医学设备的使用或操作的改变,以便基于所测量的参数和所开发的模型的应用来改善患者的心脏健康。图7-图9示出了基于所测量的泵参数和血流动力学参数来预测心脏参数的示例模型与真实测量的心脏参数相比的准确性。
图7A-图7D示出了在泵功率水平(“P水平”)为4时操作的特定血泵的使用期间的各种参数随时间推移的示例性曲线图形。图7A包括曲线图形701,其示出在特定泵功率水平(P水平=4)下所测量的左心室容积和所估计的左心室容积。曲线图形701包括:以秒为单位示出时间的x轴702、以毫升为单位示出容积的y轴704、所测量的左心室容积的测量(“真实”)迹线706,以及由示例模型基于如图7C和图7D所示的主动脉压力和泵流量来预测的左心室容积的估计(“预测”)迹线708。
图7B示出了曲线图形711,其示出泵的所测量的心搏量和所估计的心搏量。曲线图形711包括:以秒为单位示出时间的x轴712、示出心搏量的y轴714、所测量的心搏量的测量(“真实”)迹线716,以及由示例模型基于如图7C和图7D所示的主动脉压力和泵流量来预测的心搏量的估计(“预测”)迹线718。心搏量与心脏输出相关。
图7C示出了曲线图形721,其示出如用于预测图7A中的左心室压力和图7B中的心搏量的泵的所测量的主动脉压力随时间推移的迹线。曲线图形721包括以秒为单位示出时间的x轴722、以mmHg为单位示出主动脉压力的y轴724和所测量的主动脉压力(“AOP”)的迹线。
图7D示出了曲线图形731,其示出如用于预测图7A中的左心室压力和图7B中的心搏量的泵的泵流量随时间推移的迹线。曲线图形731包括以秒为单位示出时间的x轴732、以ml/s为单位示出流速的y轴734和所测量的流速的迹线。图7A-图7D中的四个曲线图形的x轴相同。
图7A-图7D示出了示例模型基于主动脉压力和以恒定泵功率水平操作的泵的流速的输入来准确地预测左心室容积和心脏输出的度量。
图8A-图8D示出了不同泵功率水平下的左心室容积和心搏量两者的示例性曲线图形。图8A包括曲线图形801,其示出在特定泵功率水平为2(P水平=2)下所测量的左心室容积和所估计的左心室容积。曲线图形801包括:以秒为单位示出时间的x轴802、以毫升为单位示出容积的y轴804、所测量的左心室容积的测量(“真实”)迹线806,以及由示例模型针对在泵功率水平为2下操作的泵预测的左心室容积的估计(“预测”)迹线808。
图8B示出了曲线图形811,其示出P水平=2下的泵的所测量的心搏量和所估计的心搏量。曲线图形811包括:以秒为单位示出时间的x轴812、示出心搏量的y轴814、所测量的心搏量的测量(“真实”)迹线816,以及由示例模型针对在泵功率水平为2下操作的泵预测的心搏量的估计(“预测”)迹线818。
图8C示出了曲线图形821,其示出在泵功率水平为3(P水平=3)下所测量的左心室容积和所估计的左心室容积。曲线图形821包括:以秒为单位示出时间的x轴822、以毫升为单位示出容积的y轴824、所测量的左心室容积的测量(“真实”)迹线826,以及由示例模型针对在泵功率水平为3下操作的泵预测的左心室容积的估计(“预测”)迹线828。
图8D示出了曲线图形831,其示出在功率水平为3下的泵的所测量的心搏量和所估计的心搏量。曲线图形831包括:以秒为单位示出时间的x轴832、示出心搏量的y轴834、所测量的心搏量的测量(“真实”)迹线836,以及由示例模型针对在泵功率水平为3下操作的泵预测的心搏量的估计(“预测”)迹线838。图8A-图8D中的四个曲线图形的x轴是相同的,并且四个曲线图形都是基于主动脉压力和泵流量作为模型的输入。图8A-图8D示出了,即使对于在各种功率水平下操作的血泵,示例模型在预测心脏参数方面也是准确的。
图9A-图9D示出了针对不规则波形的左心室容积和心搏量两者的示例性曲线图形。图9A包括曲线图形901,其示出在心脏中出现不规则波形期间的所测量的左心室容积和所估计的左心室容积。曲线图形901示出了所测量的左心室容积和所估计的左心室容积。曲线图形901包括:以秒为单位示出时间的x轴902、以毫升为单位示出容积的y轴904、所测量的左心室容积的测量(“真实”)迹线906,以及由示例模型基于不规则波形预测的左心室容积的估计(“预测”)迹线908。
图9B示出了曲线图形911,示出了在心脏中出现不规则波形期间的泵的所测量的心搏量和所估计的心搏量。曲线图形911包括:以秒为单位示出时间的x轴912、示出心搏量的y轴914、所测量的心搏量的测量(“真实”)迹线916,以及由示例模型基于不规则波形预测的心搏量的估计(“预测”)迹线918。
图9C示出了第三曲线图形921,其示出在心脏中出现不规则波形期间的所测量的左心室容积和所估计的左心室容积。图9C示出了在泵功率水平8(P水平=8)下的血泵的操作期间的左心室容积的预测迹线和真实迹线。曲线图形921包括:以秒为单位示出时间的x轴922、以毫升为单位示出容积的y轴924、所测量的左心室容积的测量(“真实”)迹线926,以及由示例模型基于不规则波形预测的左心室容积的估计(“预测”)迹线928。
图9D示出了第四曲线图形931,其示出在心脏中出现不规则波形期间并且在P水平8下的血泵的操作期间的所测量的心搏量和所估计的心搏量。曲线图形931包括:以秒为单位示出时间的x轴932、示出心搏量的y轴834、所测量的心搏量的测量(“真实”)迹线936,以及由示例模型基于不规则波形预测的心搏量的估计(“预测”)迹线938。图9A-图9D的四个曲线图形的x轴是相同的,并且图9A-图9D中的四个曲线图形都是基于主动脉压力和泵流量作为模型的输入。图9A-图9D示出了即使对于不规则波形,示例模型在预测心脏参数方面也是准确的。
通过基于第一患者群体创建将血泵参数与心脏参数相关联的模型,以及将该模型应用于第二患者群体,可以在第二患者群体中准确地估计心脏参数,而不使用附加测量导管或其他诊断设备。在不使用附加设备的情况下估计心脏参数对一些患者来说可能更有效并且也更安全,因为附加设备可以占用血管系统中的附加空间和/或干扰心脏支持设备(诸如血泵)的操作。机器学习算法可以用于基于来自具有各种特性的大量患者的数据,构造所测量的心脏参数与血泵或其他医学设备的一个或多个可测量参数的模型。通过在模型中考虑广泛范围的特性,可以开发有助于预测随后患者的心脏参数的准确模型。例如,可以在模型的开发中将诸如性别、体重、疾病状态、心脏结果和诊断的特性考虑在内。
各种系统可以被配置为执行如上所述的开发和应用模型的步骤。例如,模型可以在血泵的控制器中开发和/或实施。例如,如上所述导出的一个或多个模型可以存储在控制器的存储器中。控制器可以包括一个或多个处理器,其被配置为驱动和控制血泵以及经由显示器向健康护理专业人员提供信息和/或接收信息。一个或多个处理器可以访问存储在存储器中的模型,从血泵接收血泵参数测量值作为输入,以及使用血泵参数从模型提取所估计的心脏参数。然后,一个或多个处理器可以在显示器上显示所估计的心脏参数以及其他健康信息。
模型依据可测量泵参数(诸如泵速度、流量或压力)描述心脏参数,并且使得能够解释心脏中的泵功能的细节以理解心脏的心脏功能,而不需要附加诊断工具(诸如附加导管)。可以使用在血泵处测量的泵性能和压力信号来基于该模型估计心脏输出。这允许基于容易从提供心脏支持的血泵设备中提取的泵参数来理解和预测患者的左心室容积或其他心脏参数。
前述仅说明本公开的原理,并且还可以通过除了所描述的实施方式之外的其他实施方式来实践这些装置,所描述的实施方式是为了说明而不是限制的目的而呈现的。应理解,本文公开的方法虽然被示出用于自动心室辅助系统,但也可以应用于将用于其他自动医学系统的系统。
在回顾本公开之后,本领域技术人员将会想到变化和修改。所公开的特征可以与本文描述的一个或多个其他特征以任何组合和子组合(包括多个从属组合和子组合)实施。以上描述或说明的各种特征(包括其任何部件)可以组合或集成在其他系统中。此外,某些特征可以被省略或未实施。
改变、替换和更改的示例可由本领域技术人员确定,并且可以在不偏离本文公开的信息范围的情况下进行。本文引用的所有参考文献通过引用以其整体并入并作为本申请的一部分。
Claims (75)
1.一种估计患者的心脏参数的方法,所述方法包括:
在第一患者集中的每个患者内操作血泵,所述血泵具有至少一个可测量泵参数;
针对所述第一患者集中的每个患者测量至少一个血流动力学参数和所述至少一个可测量泵参数以获取第一血流动力学参数测量值和第一泵参数测量值,
基于所述第一患者集的所述至少一个第一血流动力学参数和所述至少一个可测量泵参数之间的关系来构建心脏参数的模型,
在第二患者集中的第二患者中操作第二血泵;以及
通过以下操作将所述模型应用于所述第二患者:
测量所述第二患者中的所述至少一个可测量泵参数以获取第二泵参数测量值;
测量所述第二患者中的所述至少一个第一血流动力学参数以获取第二血流动力学参数测量值;以及
估计所述第二患者的心脏参数,其中由所述模型基于所述第二泵参数测量值和所述第二血流动力学参数测量值来输出所述第二患者的所述心脏参数。
2.根据权利要求1所述的方法,其中测量至少一个血流动力学参数包括测量所述主动脉压力。
3.根据权利要求1或2所述的方法,所述方法还包括在位于所述血泵上的压力传感器处确定所述主动脉压力。
4.根据权利要求1-3中任一项所述的方法,其中测量所述至少一个可测量泵参数包括测量泵流量。
5.根据权利要求1-4中任一项所述的方法,所述方法还包括基于至少一个时间点的所述至少一个血流动力学参数和至少一个可测量泵参数来确定所估计的心脏参数。
6.根据权利要求1-5中任一项所述的方法,所述方法还包括将与所述血泵分离的感测导管插入所述第一患者集内的每个患者中。
7.根据权利要求6所述的方法,所述方法还包括在所述感测导管处测量所测量的心脏参数。
8.根据权利要求7所述的方法,所述方法还包括将所估计的心脏参数与所测量的心脏参数进行比较。
9.根据权利要求6所述的方法,其中所述感测导管是印加导管。
10.根据权利要求1-9中任一项所述的方法,其中所述心脏参数是左心室容积。
11.根据权利要求1-9中任一项所述的方法,其中所述心脏参数是心脏输出、心脏功率输出、心搏量或顺应性中的一者。
12.根据权利要求1-11中任一项所述的方法,所述方法还包括将所述模型与描述所述第一患者集的患者信息相关联。
13.根据权利要求12所述的方法,其中所述患者信息包括所述第一患者集中的每个患者的诊断或人口统计资料。
14.根据权利要求13所述的方法,其中所述诊断为心源性休克或心肌梗死中的一者。
15.根据权利要求13所述的方法,其中所述人口统计资料是性别、社会性别、风险因素、结果、或年龄中的一者或多者。
16.根据权利要求1-15中任一项所述的方法,所述方法还包括基于与所述模型相关联的所述患者信息来确定所述模型是否适用于所述第二患者。
17.根据权利要求1-16中任一项所述的方法,所述方法还包括在显示器上显示所述第二患者的所述第二泵参数测量值和所述第二血流动力学参数测量值。
18.根据权利要求1-17中任一项所述的方法,所述方法还包括在所述显示器上显示所述第二患者的所估计的心脏参数。
19.根据权利要求1-18中任一项所述的方法,所述方法还包括基于所述第二患者中的所估计的心脏参数来计算泵速度的建议改变。
20.根据权利要求19所述的方法,所述方法还包括实施所述泵速度的所述建议改变。
21.根据权利要求19所述的方法,所述方法还包括在显示器上显示所述泵速度的所述建议改变。
22.根据权利要求1-21中任一项所述的方法,其中构建心脏参数的模型包括使用神经网络以从所述第一患者集的所述至少一个第一血流动力学参数和所述至少一个可测量泵参数中提取模型。
23.根据权利要求22所述的方法,其中所述神经网络包括多个单元。
24.根据权利要求23所述的方法,其中构成所述神经网络的所述多个单元中的第一单元接受所述第一患者集在第一时间点的所述至少一个第一血流动力学参数和所述至少一个可测量泵参数作为输入。
25.根据权利要求24所述的方法,其中所述第一单元基于一个或多个模型拟合来变换所述至少一个第一血流动力学参数和所述至少一个可测量泵参数,之后将经变换的血流动力学参数和经变换的泵参数传输到所述多个单元中的第二单元。
26.根据权利要求25所述的方法,其中所述第一单元更新所述第一时间点的隐藏状态和单元状态。
27.根据权利要求26所述的方法,其中所述第一单元接收第二时间点的所述至少一个第一血流动力学参数和所述至少一个可测量泵参数并且更新所述第二时间点的所述隐藏状态和所述单元状态。
28.根据权利要求22-27中任一项所述的方法,其中所述神经网络是递归双向神经网络。
29.根据权利要求1-28中任一项所述的方法,其中所述第一患者集包括一个患者。
30.一种基于模型来估计患者的心脏参数的方法,所述方法包括:
在患者中操作血泵;
测量所述患者中的所述血泵的至少一个可测量泵参数以获取泵参数测量值;
测量所述患者中的至少一个血流动力学参数以获取血流动力学参数测量值;
从数据库访问所述至少一个可测量泵参数、所述至少一个血流动力学参数和心脏参数之间的关系的模型;以及
估计所述患者的心脏参数估计值,其中由所述模型基于所述泵参数测量值和所述血流动力学参数测量值来输出所述患者的所述心脏参数估计值。
31.根据权利要求30所述的方法,其中测量至少一个血流动力学参数包括测量所述主动脉压力。
32.根据权利要求30或31所述的方法,所述方法还包括在位于所述血泵上的压力传感器处确定所述主动脉压力。
33.根据权利要求30-32中任一项所述的方法,其中测量所述至少一个可测量泵参数包括测量泵流量。
34.根据权利要求30-33中任一项所述的方法,其中所述心脏参数是左心室容积。
35.根据权利要求30-33中任一项所述的方法,其中所述心脏参数是心脏输出、心脏功率输出、心搏量或顺应性中的一者。
36.根据权利要求30-35中任一项所述的方法,所述方法还包括在显示器上显示所述患者的所述泵参数测量值和所述血流动力学参数测量值。
37.根据权利要求30-36中任一项所述的方法,所述方法还包括在所述显示器上显示所述患者的所述心脏参数估计值。
38.根据权利要求30-38中任一项所述的方法,所述方法还包括基于在所述患者中估计的所述心脏参数来计算泵速度的建议改变。
39.根据权利要求38所述的方法,所述方法还包括实施所述泵速度的所述建议改变。
40.根据权利要求38所述的方法,所述方法还包括在显示器上显示所述泵速度的所述建议改变。
41.根据权利要求30-40中任一项所述的方法,其中访问模型包括从多个模型中确定所选择的模型。
42.根据权利要求41所述的方法,其中从多个模型中确定所选择的模型包括基于与所述患者相关联的信息选择模型。
43.根据权利要求30-42中任一项所述的方法,其中访问模型包括挑选由神经网络形成的模型。
44.根据权利要求43所述的方法,其中所述神经网络是递归双向神经网络。
45.根据权利要求30-44中任一项所述的方法,还包括基于所估计的心脏参数来确定所述血泵的所述操作的推荐改变。
46.一种用于开发患者中的心脏参数的估计的方法,所述方法包括:
在第一患者群体中测量从医学设备的操作导出的一个或多个参数并测量心脏参数;
基于所述第一患者群体中的从所述医学设备的操作导出的所述一个或多个参数和所述心脏参数来开发所述心脏参数的模型;
将所述模型应用于第二患者群体中的患者以估计所述患者的所述心脏参数。
47.根据权利要求46所述的方法,所述方法还包括:
根据所述第一患者群体中的一个或多个患者的共同特性来标记所述模型。
48.根据权利要求46或47所述的方法,所述方法还包括:
基于所述模型的所述标记,通过将所述第二患者群体中的所述患者的特性与所述第一患者群体中的所述一个或多个患者的特性进行比较来确定所述模型是否可适用于所述第二患者群体中的所述患者。
49.根据权利要求46-48中任一项所述的方法,其中开发所述模型还包括:
利用机器学习算法以基于所述第一患者群体中的从所述医学设备的操作导出的所述一个或多个参数和所测量的心脏参数来开发所述心脏参数的模型。
50.根据权利要求46-49中任一项所述的方法,其中将所述模型应用于所述第二患者群体中的所述患者还包括:
在所述第二患者群体中的所述患者中操作所述医学设备;
在所述第二患者群体中的所述患者中测量从所述医学设备的操作导出的所述一个或多个参数;
将从所述医学设备的操作导出的所测量的一个或多个参数输入到所述心脏参数的所述模型中;以及
基于所述模型来估计所述第二患者群体中的所述患者的所估计的心脏参数。
51.一种用于基于预定模型来估计患者的心脏参数的系统,所述系统包括:
血泵,所述血泵包括:
可驱动转子,所述转子被配置为以一个或多个泵速度进行驱动;以及
传感器,所述传感器被配置为测量血流动力学参数;以及
控制器,所述控制器包括:
存储器,所述存储器被配置为从所述传感器接收血流动力学参数测量值并记录所述血流动力学参数测量值,所述存储器还存储基于所述血流动力学参数和所述一个或多个泵速度中的泵速度的心脏参数的预定模型;
驱动器,所述驱动器被配置为驱动所述转子,所述驱动器被配置为将所驱动的血泵转子的泵速度传输到所述存储器以进行记录;
显示器,所述显示器被配置为显示记录在所述存储器中的一个或多个参数;
其中所述存储器被配置为:
基于所述血流动力学参数测量值和所述泵速度,根据所述预定模型确定相关联的心脏参数,以及
将所确定的心脏参数传输到所述显示器。
52.根据权利要求51所述的系统,其中所述存储器被配置为存储基于所述血流动力学参数和所述泵速度的所述心脏参数的多个预定模型。
53.根据权利要求52所述的系统,其中所述控制器被配置为基于所述血流动力学参数和所述泵速度中的至少一者从所存储的多个预定模型中选择一个预定模型。
54.根据权利要求52所述的系统,其中所述控制器被配置为基于对所述显示器的输入从多个所存储的预定模型中选择一个预定模型。
55.根据权利要求52-54中任一项所述的系统,其中所述多个预定模型由包括多个单元的神经网络形成。
56.根据权利要求55所述的系统,其中所述神经网络是递归双向神经网络。
57.根据权利要求51-56中任一项所述的系统,其中所述存储器被配置为无线连接到数据库,所述数据库包含基于所述血流动力学参数和所述泵速度的所述心脏参数的多个预定模型。
58.根据权利要求57所述的系统,其中所述控制器被配置为从所述数据库中选择一个预定模型,并且检索所选择的一个预定模型以用于存储在所述存储器中。
59.根据权利要求57或58所述的系统,其中所述多个预定模型由包括多个单元的神经网络形成。
60.根据权利要求59所述的系统,其中所述神经网络是递归双向神经网络。
61.根据权利要求51-60中任一项所述的系统,其中所述控制器被配置为基于所确定的心脏参数来确定对所述泵速度的推荐改变。
62.根据权利要求61所述的系统,其中所述控制器还被配置为生成对所述泵速度的所述推荐改变以用于显示在所述显示器上。
63.根据权利要求61或62所述的系统,其中所述控制器被配置为实施对所述泵速度的所述推荐改变。
64.根据权利要求51-63中任一项所述的系统,其中所述传感器被配置为测量主动脉压力、左心室舒张末期压力和毛细血管楔压中的至少一者。
65.根据权利要求51-64中任一项所述的系统,其中所述心脏参数是左心室容积。
66.根据权利要求51-64中任一项所述的系统,其中所述心脏参数是心脏功率输出。
67.一种使用数据库来估计患者的心脏参数的方法,所述方法包括:
在第一患者中操作血泵;
测量所述第一患者中的所述血泵的至少一个可测量泵参数以获取泵参数测量值;
测量所述第一患者中的至少一个血流动力学参数以获取血流动力学参数测量值;
访问包括除所述第一患者以外的患者的患者数据的数据库,其中所述患者数据包括可测量泵参数、血流动力学参数和心脏参数中的至少一者;以及
基于所述第一患者中的所述泵参数测量值、所述第一患者中的血流动力学参数测量值和来自所述数据库的所存储的患者数据,估计所述第一患者的心脏参数。
68.根据权利要求67所述的方法,其中所述心脏参数为心脏功率输出。
69.根据权利要求67或68所述的方法,其中所述数据库是存储来自具有不同特性和不同医学状况的患者的数据的全局数据库。
70.根据权利要求69所述的方法,其中特性包括年龄、体重、性别或BMI。
71.根据权利要求67-70中任一项所述的方法,其中用新数据定期更新所述数据库。
72.一种泵系统,所述泵系统具有控制器,所述控制器被配置为实施根据权利要求1-50和67-71中任一项所述的方法。
73.一种存储器,所述存储器被配置为执行根据权利要求1-50和67-71中任一项所述的方法。
74.根据权利要求1-50和67-71中任一项所述的方法,其中神经网络用于导出将应用于输入数据的所述模型。
75.根据权利要求74所述的方法,其中所述神经网络包括彼此通信的多个单元并且其中所述单元:
接受一个或多个所测量的参数作为输入,
基于模型拟合来变换所述一个或多个所测量的参数,以及
将经变换的参数传输到具有隐藏状态和单元状态中的一者或多者的相邻单元。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962793239P | 2019-01-16 | 2019-01-16 | |
US62/793,239 | 2019-01-16 | ||
PCT/US2020/013672 WO2020150346A1 (en) | 2019-01-16 | 2020-01-15 | Left ventricular volume and cardiac output estimation using machine learning model |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113573631A true CN113573631A (zh) | 2021-10-29 |
Family
ID=69570829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080014195.9A Pending CN113573631A (zh) | 2019-01-16 | 2020-01-15 | 使用机器学习模型的左心室容积和心脏输出估计 |
Country Status (10)
Country | Link |
---|---|
US (2) | US11694813B2 (zh) |
EP (1) | EP3911227A1 (zh) |
JP (2) | JP7434337B2 (zh) |
KR (1) | KR20210118430A (zh) |
CN (1) | CN113573631A (zh) |
AU (1) | AU2020209821A1 (zh) |
CA (1) | CA3125985A1 (zh) |
IL (2) | IL318685A (zh) |
SG (1) | SG11202107369YA (zh) |
WO (1) | WO2020150346A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116404940A (zh) * | 2023-06-07 | 2023-07-07 | 深圳核心医疗科技股份有限公司 | 体外模拟循环系统的电机控制方法及装置 |
CN117045957A (zh) * | 2023-07-14 | 2023-11-14 | 北京软体机器人科技股份有限公司 | 一种人工心脏及系统 |
CN117258137A (zh) * | 2023-11-20 | 2023-12-22 | 安徽通灵仿生科技有限公司 | 一种心室导管泵的转速自适应控制方法及装置 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021518249A (ja) | 2018-03-20 | 2021-08-02 | セカンド・ハート・アシスト・インコーポレイテッド | 循環補助ポンプ |
DE102018208538A1 (de) | 2018-05-30 | 2019-12-05 | Kardion Gmbh | Intravasale Blutpumpe und Verfahren zur Herstellung von elektrischen Leiterbahnen |
DE102018208945A1 (de) | 2018-06-06 | 2019-12-12 | Kardion Gmbh | Analysevorrichtung und Verfahren zum Analysieren einer Viskosität eines Fluids |
DE102018208929A1 (de) | 2018-06-06 | 2019-12-12 | Kardion Gmbh | Verfahren zur Bestimmung einer Strömungsgeschwindigkeit eines durch ein implantiertes, vaskuläres Unterstützungssystem strömenden Fluids |
DE102018208936A1 (de) | 2018-06-06 | 2019-12-12 | Kardion Gmbh | Bestimmvorrichtung und Verfahren zum Bestimmen einer Viskosität eines Fluids |
DE102018208913A1 (de) | 2018-06-06 | 2019-12-12 | Kardion Gmbh | Verfahren zum Betreiben eines implantierten, ventrikulären Unterstützungssystems |
DE102018210076A1 (de) | 2018-06-21 | 2019-12-24 | Kardion Gmbh | Verfahren und Vorrichtung zum Erkennen eines Verschleißzustands eines Herzunterstützungssystems, Verfahren und Vorrichtung zum Betreiben eines Herzunterstützungssystems und Herzunterstützungssystem |
CN113057617B (zh) * | 2021-04-30 | 2022-08-26 | 重庆理工大学 | 一种心输出量的无创监测系统 |
CN113769262B (zh) * | 2021-08-04 | 2022-11-08 | 浙江迪远医疗器械有限公司 | 一种控制血泵的装置 |
CN115016256A (zh) * | 2022-04-18 | 2022-09-06 | 哈尔滨理工大学 | 一种基于左心室辅助装置生理自适应的mpc控制方法 |
KR102670568B1 (ko) * | 2022-06-09 | 2024-05-28 | 연세대학교 원주산학협력단 | 단일 심전도 기반의 심부전 중증도 예측 시스템 및 단일 심전도 기반의 심부전 중증도 예측 방법 |
WO2024112428A1 (en) * | 2022-11-23 | 2024-05-30 | Boston Scientific Scimed Inc. | Blood pump control using motor voltage measurement |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10405762B2 (en) | 2009-04-22 | 2019-09-10 | Vital Metrix, Inc. | System and method for noninvasively measuring ventricular stroke volume and cardiac output |
DE102011106142A1 (de) * | 2011-06-10 | 2012-12-27 | Rheinisch-Westfälische Technische Hochschule Aachen | Blutentnahmekanüle einer die Herzfunktion ersetzenden oder unterstützenden Pumpe |
EP3515523B1 (en) * | 2016-09-19 | 2021-03-17 | Abiomed, Inc. | Cardiovascular assist system that quantifies heart function and facilitates heart recovery |
KR102555070B1 (ko) * | 2017-01-19 | 2023-07-12 | 히그흐딤 게엠베하 | 살아있는 대상체의 심장 기능을 결정하기 위한 장치 및 방법 |
IL269446B2 (en) | 2017-03-21 | 2024-02-01 | Abiomed Inc | System and method for determining natural cardiac output while continuing to support the heart with an intracardiac blood pump mounted on a catheter with an embedded thermistor |
-
2020
- 2020-01-15 KR KR1020217026086A patent/KR20210118430A/ko active Pending
- 2020-01-15 CN CN202080014195.9A patent/CN113573631A/zh active Pending
- 2020-01-15 CA CA3125985A patent/CA3125985A1/en active Pending
- 2020-01-15 SG SG11202107369YA patent/SG11202107369YA/en unknown
- 2020-01-15 WO PCT/US2020/013672 patent/WO2020150346A1/en unknown
- 2020-01-15 EP EP20704976.8A patent/EP3911227A1/en active Pending
- 2020-01-15 IL IL318685A patent/IL318685A/en unknown
- 2020-01-15 IL IL284647A patent/IL284647B1/en unknown
- 2020-01-15 JP JP2021541029A patent/JP7434337B2/ja active Active
- 2020-01-15 US US16/743,797 patent/US11694813B2/en active Active
- 2020-01-15 AU AU2020209821A patent/AU2020209821A1/en active Pending
-
2023
- 2023-05-05 US US18/143,630 patent/US20240006078A1/en active Pending
-
2024
- 2024-02-07 JP JP2024016785A patent/JP2024052753A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116404940A (zh) * | 2023-06-07 | 2023-07-07 | 深圳核心医疗科技股份有限公司 | 体外模拟循环系统的电机控制方法及装置 |
CN116404940B (zh) * | 2023-06-07 | 2023-08-29 | 深圳核心医疗科技股份有限公司 | 体外模拟循环系统的电机控制方法及装置 |
CN117045957A (zh) * | 2023-07-14 | 2023-11-14 | 北京软体机器人科技股份有限公司 | 一种人工心脏及系统 |
CN117258137A (zh) * | 2023-11-20 | 2023-12-22 | 安徽通灵仿生科技有限公司 | 一种心室导管泵的转速自适应控制方法及装置 |
CN117258137B (zh) * | 2023-11-20 | 2024-03-12 | 安徽通灵仿生科技有限公司 | 一种心室导管泵的转速自适应控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20240006078A1 (en) | 2024-01-04 |
JP7434337B2 (ja) | 2024-02-20 |
WO2020150346A1 (en) | 2020-07-23 |
CA3125985A1 (en) | 2020-07-23 |
IL284647B1 (en) | 2025-03-01 |
WO2020150346A8 (en) | 2021-11-18 |
EP3911227A1 (en) | 2021-11-24 |
US11694813B2 (en) | 2023-07-04 |
AU2020209821A1 (en) | 2021-08-05 |
IL318685A (en) | 2025-03-01 |
JP2024052753A (ja) | 2024-04-12 |
KR20210118430A (ko) | 2021-09-30 |
JP2022517619A (ja) | 2022-03-09 |
US20200222607A1 (en) | 2020-07-16 |
IL284647A (en) | 2021-08-31 |
SG11202107369YA (en) | 2021-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113573631A (zh) | 使用机器学习模型的左心室容积和心脏输出估计 | |
US20230238146A1 (en) | Systems and methods for determining cardiac output | |
CN110312535B (zh) | 量化心脏功能并促进心脏恢复的心血管辅助系统 | |
EP3043276B1 (en) | Personalized whole-body circulation in medical imaging | |
US10162932B2 (en) | Method and system for multi-scale anatomical and functional modeling of coronary circulation | |
US10299862B2 (en) | Three-dimensional quantitative heart hemodynamics in medical imaging | |
US20100280352A1 (en) | Method and System for Multi-Component Heart and Aorta Modeling for Decision Support in Cardiac Disease | |
US9462952B2 (en) | System and method for estimating artery compliance and resistance from 4D cardiac images and pressure measurements | |
Holmes et al. | Clinical applications of patient-specific models: The case for a simple approach | |
JPWO2020150346A5 (zh) | ||
US20230260663A1 (en) | Multimodal AI-based system and device for comprehensive cardiac management | |
US20240347189A1 (en) | Systems and methods for determining cardiac contractility based on signals from a mechanical circulatory support device | |
JP7208980B2 (ja) | アーカイブされた患者データを使用する併存疾患についての血管内測定値の補正 | |
US20240382095A1 (en) | Real-time adaptation of a personalized heart model | |
WO2024086821A1 (en) | System and method of treatment of hypertrophic cardiomyopathy | |
TW202506228A (zh) | 基於來自機械循環支援裝置之訊號判定心臟收縮性的系統及方法 | |
JP2024537287A (ja) | 分散システムにおける超音波イメージング |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |