特許 7106455 検体評価のための生理学的電気的データの処理

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-07-15

(45)【発行日】2022-07-26

(54)【発明の名称】検体評価のための生理学的電気的データの処理

(51)【国際特許分類】

   A61B 5/352 20210101AFI20220719BHJP

   A61B 5/346 20210101ALI20220719BHJP

   A61B 5/145 20060101ALI20220719BHJP

【ＦＩ】

A61B5/352

A61B5/346

A61B5/145

【請求項の数】 12

(21)【出願番号】P 2018546403

(86)(22)【出願日】2016-11-23

(65)【公表番号】

(43)【公表日】2018-12-27

(86)【国際出願番号】 US2016063615

(87)【国際公開番号】W WO2017091736

(87)【国際公開日】2017-06-01

【審査請求日】2019-11-13

(31)【優先権主張番号】62/258,956

(32)【優先日】2015-11-23

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】62/401,044

(32)【優先日】2016-09-28

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】501083115

【氏名又は名称】メイヨ・ファウンデーション・フォー・メディカル・エデュケーション・アンド・リサーチ

(73)【特許権者】

【識別番号】517454022

【氏名又は名称】ビー．ジー． ネゲヴ テクノロジーズ アンド アプリケーションズ リミテッド、アット ベン－グリオン ユニヴァーシティ

(73)【特許権者】

【識別番号】518181246

【氏名又は名称】ポール・エー・フリードマン

(73)【特許権者】

【識別番号】518181257

【氏名又は名称】ケヴィン・イー・ベネット

(73)【特許権者】

【識別番号】518181268

【氏名又は名称】サミュエル・ジェイ・アシルヴァサム

(73)【特許権者】

【識別番号】518181279

【氏名又は名称】チャールズ・ジェイ・ブルース

(73)【特許権者】

【識別番号】518181280

【氏名又は名称】マイケル・ジェイ・アッカーマン

(73)【特許権者】

【識別番号】518181291

【氏名又は名称】ジョン・ジェイ・ディロン

(73)【特許権者】

【識別番号】518181305

【氏名又は名称】ヴィレンド・ケー・ソマーズ

(73)【特許権者】

【識別番号】518181316

【氏名又は名称】ダン・サドット

(73)【特許権者】

【識別番号】518181327

【氏名又は名称】アミール・ゲヴァ

(73)【特許権者】

【識別番号】518181338

【氏名又は名称】イェフ・サピア

(73)【特許権者】

【識別番号】518181349

【氏名又は名称】ザヒ・アッティア

(74)【代理人】

【識別番号】100108453

【弁理士】

【氏名又は名称】村山 靖彦

(74)【代理人】

【識別番号】100110364

【弁理士】

【氏名又は名称】実広 信哉

(74)【代理人】

【識別番号】100133400

【弁理士】

【氏名又は名称】阿部 達彦

(72)【発明者】

【氏名】ポール・エー・フリードマン

(72)【発明者】

【氏名】ケヴィン・イー・ベネット

(72)【発明者】

【氏名】サミュエル・ジェイ・アシルヴァサム

(72)【発明者】

【氏名】チャールズ・ジェイ・ブルース

(72)【発明者】

【氏名】マイケル・ジェイ・アッカーマン

(72)【発明者】

【氏名】ジョン・ジェイ・ディロン

(72)【発明者】

【氏名】ヴィレンド・ケー・ソマーズ

(72)【発明者】

【氏名】ダン・サドット

(72)【発明者】

【氏名】アミール・ゲヴァ

(72)【発明者】

【氏名】イェフ・サピア

(72)【発明者】

【氏名】ザヒ・アッティア

【審査官】牧尾 尚能

(56)【参考文献】

【文献】国際公開第２０１５／０４８５１４（ＷＯ，Ａ１）

【文献】特表２０１０－５２６６４６（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１２／０１７９０５５（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１３／０１８４５９９（ＵＳ，Ａ１）

【文献】国際公開第２０１４／０３２１０５（ＷＯ，Ａ１）

【文献】特表２００９－５３６５５７（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ５／０２－ ５／０３

Ａ６１Ｂ ５／０４－ ５／０５３

Ａ６１Ｂ ５／０６－ ５／２２

(57)【特許請求の範囲】

【請求項1】

検体濃度予測装置であって、
メモリと、
前記メモリに動作可能に接続されたプロセッサと
を備え、前記プロセッサが、
被験者の心電図（ECG）データを取得することと、
前記ECGデータを機械学習モデルに入力することであって、前記機械学習モデルが、ラベル付けされた訓練データを使用して、ECGセグメントを異なる検体濃度のカテゴリに分類するように訓練されており、前記ラベル付けされた訓練データの各標本が、複数の可能なカテゴリのうちの1つで事前ラベル付けされており、前記複数の可能なカテゴリの各々が検体濃度を表す、ことと、
前記機械学習モデルを使用して、前記被験者の検体の濃度を予測することと、
前記被験者の前記検体の予測された前記濃度を提供することと
を行う、検体濃度予測装置。

【請求項2】

前記濃度が、低い、正常、および高いからなる群から選択されるカテゴリへの分類である、請求項1に記載の検体濃度予測装置。

【請求項3】

前記機械学習モデルが、フィードフォワードニューラルネットワーク、深層畳み込みニューラルネットワーク、サポートベクターマシン、混合ガウスモデル、隠れマルコフモデル、ベイズの決定則、ロジスティック回帰、最隣接モデル、および決定木のうちの1つまたは複数を含む、請求項1に記載の検体濃度予測装置。

【請求項4】

前記ECGデータを前記機械学習モデルに入力するために、前記プロセッサが、
前記ECGデータ中の複数の心拍を識別することと、
前記複数の心拍を前記機械学習モデルに入力することであって、前記機械学習モデルが前記検体の前記濃度の予測値を出力する、ことと
をさらに行う、請求項1に記載の検体濃度予測装置。

【請求項5】

前記プロセッサが、
複数の心拍の平均をとって、代表的心拍を形成することと、
前記代表的心拍を前記機械学習モデルに入力することと
をさらに行う、請求項1に記載の検体濃度予測装置。

【請求項6】

前記ECGデータが、単一リードからのデータである、請求項1に記載の検体濃度予測装置。

【請求項7】

前記ECGデータが、12本未満のリードを測定する携帯型ECGデバイスからのデータである、請求項1に記載の検体濃度予測装置。

【請求項8】

前記検体がカリウムである、請求項1に記載の検体濃度予測装置。

【請求項9】

前記検体が、カリウム、マグネシウム、リン、カルシウム、重炭酸塩、水素イオン、およびグルコースからなる群から選択される、請求項1に記載の検体濃度予測装置。

【請求項10】

前記検体の前記濃度が、予測された血清検体濃度である、請求項1に記載の検体濃度予測装置。

【請求項11】

前記機械学習モデルは、前記ECGデータを取得した前記被験者以外の集団の学習用ECGデータで学習を行う、請求項1に記載の検体濃度予測装置。

【請求項12】

前記機械学習モデルは、前記ECGデータを取得した前記被験者の学習用ECGデータで学習を行う、請求項1に記載の検体濃度予測装置。

【発明の詳細な説明】

【技術分野】

【0001】

本出願は、2015年11月23日に出願した米国出願第62/258,956号および2016年9月28日に出願した米国出願第62/401,044号の優先権を主張するものである。以前の出願の開示は、本出願の開示の一部とみなされ、その全体が本出願に組み込まれる。

【0002】

本明細書では、一般的に、生理学的電気的データ(たとえば、心電図データ)を分析するためのコンピュータベースの技術を説明する。

【背景技術】

【0003】

血中カリウム濃度は、厳格に恒常的に調節され、正常な生理的細胞機能にとって重要である。Einhorn LM、Zhan M、Walker LD、Moen MF、Seliger SL、Weir MR、Fink JC、「The frequency of hyperkalemia and its significance in chronic kidney disease」、Internal Medicine 169のアーカイブ、1156～1162頁(2009年)（非特許文献１）、Goyal A、Spertus JA、「Gosch K: Serum potassium levels and mortality in acute myocardial infarction」、JAMA 307、157～164頁、doi:10.1001/jama.2011.1967 (2012年)（非特許文献２）を参照。カリウム値の変動は、多くの疾病状態において見られ、患者を命にかかわる不整脈に曝す可能性がある。Gennari, F. J.、「Hypokalemia」、New England Journal of Medicine 339、451～458頁、doi:doi:10.1056/NEJM199808133390707 (1998年)（非特許文献３）、Weiner, I. D. & Wingo, C. S.、「Hyperkalemia: a potential silent killer」、JOURNAL-AMERICAN SOCIETY OF NEPHROLOGY 9、1535～1543頁(1998年)（非特許文献４）、Kovesdy, C. P.、「Management of hyperkalaemia in chronic kidney disease」、Nat Rev Nephrol 10、653～662頁、doi:10.1038/nrneph.2014.168 (2014年)（非特許文献５）を参照。腎臓病または心臓病を患っている患者は、穏やかなカリウム変化であっても、病的状態、入院、および死亡に至ることがある、ことを示す有力なエビデンスがある。Jain N、Kotla S、Little BB、Weideman RA、Brilakis ES、Reilly RF、Banerjee S、「Predictors of hyperkalemia and death in patients with cardiac and renal disease」、The American journal of cardiology 109、1510～1513頁(2012年)（非特許文献６）を参照。さらに、アドレナリン作動遮断、カリウム保持性利尿薬、およびレニン-アンジオテンシン拮抗作用を含む、これらの病状を治療するために使用されるエビデンスベースの療法は、結果として、高カリウム血症または低カリウム血症を引き起こし得る。カリウム保持性利尿薬スピロノラクトンが無作為化プロスペクティブ臨床研究において心不全死亡率を低下させることが示された後、高カリウム血症の入院が3倍になり、死亡率が2倍になった。Juurlink DN、Mamdani MM、Lee DS、Kopp A、Austin PC、Laupacis A、Redelmeier DA、「Rates of hyperkalemia after publication of the Randomized Aldactone Evaluation Study」、New England Journal of Medicine 351、543～551頁(2004年)（非特許文献７）を参照。これらの疾患の有病率およびそれらの危険因子(高血圧症および糖尿病)が上昇すると、また人口の年齢を上がり続けると、多くの患者に、高カリウム血症および低カリウム血症の危険性が生じることになる。Wild, S.、Roglic, G.、Green, A.、Sicree, R. & King, H.、「Global prevalence of diabetes estimates for the year 2000 and projections for 2030」、Diabetes care 27、1047～1053頁(2004年)（非特許文献８）、Roger VL、Go AS、Lloyd-Jones DM、Benjamin EJ、Berry JD、Borden WB、Bravata DM、Dai S、Ford ES、Fox CS、Fullerton HJ、Gillespie C、Hailpern SM、Heit JA、Howard VJ、Kissela BM、Kittner SJ、Lackland DT、Lichtman JH、Lisabeth LD、Makuc DM、Marcus GM、Marelli A、Matchar DB、Moy CS、Mozaffarian D、Mussolino ME、Nichol G、Paynter NP、Soliman EZ、Sorlie PD、Sotoodehnia N、Turan TN、Virani SS、Wong ND、Woo D、Turner MB、American Heart Association Statistics Committee and Stroke Statistics Subcommittee. Heart Disease and Stroke Statistics-2012 Update: A Report From the American Heart Association. Circulation 125、e2-e220, doi:10.1161/CIR.0b013e31823ac046 (2012年)（非特許文献９）を参照。

【0004】

正常範囲を外れたカリウム濃度は、通常は臨床的に無症状であり、血液検査が行われない場合に患者もしくは提供者に対して警告を出すことなく発生する。Gumz, M. L.、Rabinowitz, L. & Wingo, C. S.、「An Integrated View of Potassium Homeostasis」、New England Journal of Medicine 373、60～72頁、doi:doi:10.1056/NEJMra1313341 (2015年)（非特許文献１０）を参照。

【先行技術文献】

【特許文献】

【0005】

【文献】国際公開第２０１５／０４８５１４号

【非特許文献】

【0006】

【文献】Einhorn LM、Zhan M、Walker LD、Moen MF、Seliger SL、Weir MR、Fink JC、「The frequency of hyperkalemia and its significance in chronic kidney disease」、Internal Medicine 169のアーカイブ、1156～1162頁(2009年)

【文献】Goyal A、Spertus JA、「Gosch K: Serum potassium levels and mortality in acute myocardial infarction」、JAMA 307、157～164頁、doi:10.1001/jama.2011.1967 (2012年)

【文献】Gennari, F. J.、「Hypokalemia」、New England Journal of Medicine 339、451～458頁、doi:doi:10.1056/NEJM199808133390707 (1998年)

【文献】Weiner, I. D. & Wingo, C. S.、「Hyperkalemia: a potential silent killer」、JOURNAL-AMERICAN SOCIETY OF NEPHROLOGY 9、1535～1543頁(1998年)

【文献】Kovesdy, C. P.、「Management of hyperkalaemia in chronic kidney disease」、Nat Rev Nephrol 10、653～662頁、doi:10.1038/nrneph.2014.168 (2014年)

【文献】Jain N、Kotla S、Little BB、Weideman RA、Brilakis ES、Reilly RF、Banerjee S、「Predictors of hyperkalemia and death in patients with cardiac and renal disease」、The American journal of cardiology 109、1510～1513頁(2012年)

【文献】Juurlink DN、Mamdani MM、Lee DS、Kopp A、Austin PC、Laupacis A、Redelmeier DA、「Rates of hyperkalemia after publication of the Randomized Aldactone Evaluation Study」、New England Journal of Medicine 351、543～551頁(2004年)

【文献】Wild, S.、Roglic, G.、Green, A.、Sicree, R. & King, H.、「Global prevalence of diabetes estimates for the year 2000 and projections for 2030」、Diabetes care 27、1047～1053頁(2004年)

【文献】Roger VL、Go AS、Lloyd-Jones DM、Benjamin EJ、Berry JD、Borden WB、Bravata DM、Dai S、Ford ES、Fox CS、Fullerton HJ、Gillespie C、Hailpern SM、Heit JA、Howard VJ、Kissela BM、Kittner SJ、Lackland DT、Lichtman JH、Lisabeth LD、Makuc DM、Marcus GM、Marelli A、Matchar DB、Moy CS、Mozaffarian D、Mussolino ME、Nichol G、Paynter NP、Soliman EZ、Sorlie PD、Sotoodehnia N、Turan TN、Virani SS、Wong ND、Woo D、Turner MB、American Heart Association Statistics Committee and Stroke Statistics Subcommittee. Heart Disease and Stroke Statistics-2012 Update: A Report From the American Heart Association. Circulation 125、e2-e220, doi:10.1161/CIR.0b013e31823ac046 (2012年)

【文献】Gumz, M. L.、Rabinowitz, L. & Wingo, C. S.、「An Integrated View of Potassium Homeostasis」、New England Journal of Medicine 373、60～72頁、doi:doi:10.1056/NEJMra1313341 (2015年)

【文献】Ingelfinger, J. R.、「A New Era for the Treatment of Hyperkalemia?」New England Journal of Medicine 372、275～277頁、doi:doi:10.1056/NEJMe1414112 (2015年)

【文献】Ash, S. R.、Singh, B.、Lavin, P. T.、Stavros, F. & Rasmussen, H. S.、「A phase 2 study on the treatment of hyperkalemia in patients with chronic kidney disease suggests that the selective potassium trap, ZS-9, is safe and efficient」、Kidney Int、doi:10.1038/ki.2014.382 (2015年)

【文献】Packham DK、Rasmussen HS、Lavin PT、El-Shahawy MA、Roger SD、Block G、Qunibi W、Pergola P、Singh B、「Sodium Zirconium Cyclosilicate in Hyperkalemia」、New England Journal of Medicine 372、222～231頁、doi:doi:10.1056/NEJMoa1411487 (2015年)

【文献】Bakris GL、Pitt B、Weir MR、Freeman MW、Mayo MR、Garza D、Stasiv Y、Zawadzki R、Berman L、Bushinsky DA、AMETHYST-DN Investigators、「Effect of patiromer on serum potassium level in patients with hyperkalemia and diabetic kidney disease: The amethyst-dn randomized clinical trial」、JAMA 314、151～161頁、doi:10.1001/jama.2015.7446 (2015年)

【文献】Roscioni, S. S. & Heerspink, H. J. L.、「Clinical trials: New nonabsorbable potassium-exchange resins in hyperkalaemia」、Nat Rev Nephrol 11、205～206頁、doi:10.1038/nrneph.2014.252 (2015年)

【文献】Dillon JJ、DeSimone CV、Sapir Y、Somers VK、Dugan JL、Bruce CJ、Ackerman MJ、Asirvatham SJ、Striemer BL、Bukartyk J、「Noninvasive potassium determination using a mathematically processed ECG: Proof of concept for a novel "blood-less, blood test"」、Journal of electrocardiology 48、12～18頁(2015年)

【文献】Zidelmal, Z.、Amirou, A.、Adnane, M. & Belouchrani, A.、「QRS detection based on wavelet coefficients」、Comput. Methods Prog. Biomed. 107、490～496頁、doi:10.1016/j.cmpb.2011.12.004 (2012年)

【文献】Seena, V. & Yomas, J.、in Devices、Circuits and Systems (ICDCS)、2014 2nd International Conference on. 1～6頁

【文献】Hamming, R.、「Numerical methods for scientists and engineers」(Courier Corporation、2012年)

【文献】Zhang, Q.、Manriquez, A. I.、Medigue, C.、Papelier, Y. & Sorine, M.、「An algorithm for robust and efficient location of T-wave ends in electrocardiograms」、Biomedical Engineering、IEEE Transactions on 53、2544～2552頁(2006年)

【文献】Helfenbein ED、Ackerman MJ、Rautaharju PM、Zhou SH、Gregg RE、Lindauer JM、Miller D、Wang JJ、Kresge SS、Babaeizadeh S、「An algorithm for QT interval monitoring in neonatal intensive care units」、Journal of electrocardiology 40、S103-S110(2007年)

【文献】Kalman, R. E.、「A new approach to linear filtering and prediction problems」、Journal of Fluids Engineering 82、35～45頁(1960年)

【文献】Kosiborod M、Rasmussen HS、Lavin P、Qunibi WY、Spinowitz B、Packham D、Roger SD、Yang A、Lerma E、Singh B、「Effect of sodium zirconium cyclosilicate on potassium lowering for 28 days among outpatients with hyperkalemia」、The harmonize randomized clinical trial. JAMA 312、2223～2233頁、doi:10.1001/jama.2014.15688 (2014年)

【文献】Yan, G.-X. & Antzelevitch, C.、「Cellular basis for the normal T wave and the electrocardiographic manifestations of the long-QT syndrome」、Circulation 98、1928～1936頁(1998年)

【文献】Choe, S.、「Potassium channel structures」、Nature Reviews Neuroscience 3、115～121頁(2002年)

【文献】Corsi C、DeBie J、Napolitano C、Priori S、Mortara D、Severi S、「Validation of a novel method for non-invasive blood potassium quantification from the ECG」、Computing in Cardiology (CinC)、2012年、105～108頁

【文献】Kania M、Rix H、Fereniec M、Zavala-Fernandez H、Janusek D、Mroczka T、Stix G、Maniewski R、「The effect of precordial lead displacement on ECG morphology」、Medical & biological engineering & computing 52、109～119頁(2014年)

【文献】Nguyen UC、Potse M、Regoli F、Caputo ML、Conte G、Murzilli R、Muzzarelli S、Moccetti T、Caiani EG、Prinzen FW、「An in-silico analysis of the effect of heart position and orientation on the ECG morphology and vectorcardiogram parameters in patients with heart failure and intraventricular conduction defects」、Journal of Electrocardiology (2015年)

【発明の概要】

【発明が解決しようとする課題】

【0007】

臨床的に意味のある解決方法で患者の検体(たとえば、カリウム)の濃度を決定するために処理されたECG信号、または他のタイプの電位図データが利用され得るようにするシステム、方法、および他の技術が本明細書において説明される。これらの技術は、単一ECGリードだけからのデータが収集されるときでも信頼できる検体評価を可能にし得る。いくつかの実施形態において、血液検査のシーディングに基づきアルゴリズムが個別化される個人化戦略が採用され得る。いくつかの実施形態において、血液検査をまったく必要としない大域的分析戦略が採用されてよい。これらの技術は、したがって、非影響の遠隔監視カリウム評価を可能にし得る。正確なカリウム値確認および傾向検出の療法を可能にすることによって、アラートが発行され、インターベンションが開始され、それによって、臨床転帰を改善することができる。

【0008】

他のところでは、われわれは、たとえば、患者の血流中の検体濃度を決定するために標準12リードECGから記録された電気的生理学的データを分析する技術を説明している。しかし、標準12リードECGアプローチは、多くの場合に、重大な高カリウム血症または低カリウム血症が発症してからでないと診断できない。したがって、本明細書で説明されている技術は、適時の救命処置を開始するために、催不整脈死を引き起こし得る臨床的に著しい変化の前にカリウムを測定するための非侵襲的方法に対する必要性に対処することを目的としている。Ingelfinger, J. R.、「A New Era for the Treatment of Hyperkalemia?」New England Journal of Medicine 372、275～277頁、doi:doi:10.1056/NEJMe1414112 (2015年)（非特許文献１１）を参照。また、全体が参照により本明細書に組み込まれているPCT国際公開第WO2015/048514号も参照。

【課題を解決するための手段】

【0009】

いくつかの実施形態において、これらの技術は、非侵襲的遠隔カリウム監視を含むことができ、これは最近開発された安全で効果的なカリウム低減薬剤を含む、エビデンスベースの救命措置および薬剤の投与を可能にし得る。Ash, S. R.、Singh, B.、Lavin, P. T.、Stavros, F. & Rasmussen, H. S.、「A phase 2 study on the treatment of hyperkalemia in patients with chronic kidney disease suggests that the selective potassium trap, ZS-9, is safe and efficient」、Kidney Int、doi:10.1038/ki.2014.382 (2015年)（非特許文献１２）、Packham DK、Rasmussen HS、Lavin PT、El-Shahawy MA、Roger SD、Block G、Qunibi W、Pergola P、Singh B、「Sodium Zirconium Cyclosilicate in Hyperkalemia」、New England Journal of Medicine 372、222～231頁、doi:doi:10.1056/NEJMoa1411487 (2015年)（非特許文献１３）、Bakris GL、Pitt B、Weir MR、Freeman MW、Mayo MR、Garza D、Stasiv Y、Zawadzki R、Berman L、Bushinsky DA、AMETHYST-DN Investigators、「Effect of patiromer on serum potassium level in patients with hyperkalemia and diabetic kidney disease: The amethyst-dn randomized clinical trial」、JAMA 314、151～161頁、doi:10.1001/jama.2015.7446 (2015年)（非特許文献１４）、Roscioni, S. S. & Heerspink, H. J. L.、「Clinical trials: New nonabsorbable potassium-exchange resins in hyperkalaemia」、Nat Rev Nephrol 11、205～206頁、doi:10.1038/nrneph.2014.252 (2015年)（非特許文献１５）を参照。

【0010】

本明細書で説明されている主題のいくつかの実施形態は、人間の体内の検体の濃度を評価するためのコンピュータ実施方法を含む。方法は、人間から心電図結果を指示するデータを取得するステップを含むことができる。心電図結果に表される複数の心拍が識別され得る。心電図結果に表される複数の心拍のうちの各心拍について、心拍の第1の特徴に対する値が決定され得る。複数の心拍の第1の特徴に対する値について統計的分析が実行され得る。人間の体内の検体の濃度の指示は、複数の心拍の第1の特徴に対する値について実行された統計的分析の結果に基づき生成され得る。人間の体内の検体の濃度の指示が提供され得る。心電図結果は例を用いて参照されるが、他の形態の生理学的電気的データ（すなわち、電位図データ）がいくつかの例において使用され得る。

【0011】

これらの実施形態および他の実施形態は、各々、次の特徴のうちの1つまたは複数を適宜含み得る。

【0012】

検体は、カリウム、マグネシウム、リン、カルシウム、重炭酸塩、水素イオン、またはグルコースであってよい。いくつかの実施形態において、検体は医薬品(たとえば、ジゴキシン、クラスI-C抗不整脈薬、ソタロール、ドフェチリド、アミオダロン、ベータ遮断薬、カルシウムチャンネル遮断薬、三環系抗鬱薬、リチウム、および同様のもの)である。

【0013】

心電図結果に表される複数の心拍のうちの各心拍について、心拍の第1の特徴に対する値を決定するステップは、複数の心拍のうちの各心拍について、T波(T-wave)のピークとT波の終端との間の心拍におけるT波の少なくとも一部の傾きを計算するステップを含むことができる。

【0014】

心電図結果に表される複数の心拍のうちの各心拍について、心拍の第1の特徴に対する値を決定するステップは、複数の心拍のうちの各心拍について、心拍におけるT波のピークの大きさを計算するステップを含むことができる。

【0015】

心電図結果に表される複数の心拍のうちの各心拍について、第1の特徴以外の心拍の第2の特徴に対する値が決定され得る。

【0016】

複数の心拍の第2の特徴に対する値について統計的分析が実行され得る。人間の体内の検体の濃度の指示は、複数の心拍の第2の特徴に対する値について実行された統計的分析の結果にさらに基づき生成され得る。統計的分析は、信号加算平均技術を使用して、または使用せずに実行され得る。信号加算平均を行わない一例において、複数の異なる心拍から、および/または同じ心拍について記録されている複数の異なる信号から平均化された「複合」心拍ではなく、ECGデータで表されている個別の心拍について、第1の特徴に対する値が決定され得る。次いで、個別の心拍の第1の特徴に対する値について統計的分析が実行され得る。信号加算平均技術を利用する別の例において、平均化されているか、または他の何らかの組合せで組み合わされている複数の個別の心拍の「複合」表現である少なくともいくつかの心拍の第1の特徴に対する値について実行されてよい。

【0017】

人間の心電図結果を指示するデータは、心電図デバイスの単一リードのみから記録されたデータであってよい。

【0018】

人間の心電図結果を指示するデータは、12本未満のリードを有する携帯型心電図デバイスから記録されたデータであってよい。

【0019】

人間からの心電図結果を指示するデータは、閾値信号品質スコアを満たさない信号品質スコアを有する心電図結果のセグメントを識別するために分析され得る。閾値信号品質スコアを満たさない信号品質スコアを有する心電図結果のセグメントは、破棄されてよい。

【0020】

心電図結果で表されている複数の心拍を識別するステップは、閾値信号品質スコアを満たさない信号品質スコアを有する破棄されたセグメント以外の心電図結果のセグメントから心拍を識別するステップを含み得る。

【0021】

複数の心拍の第1の特徴に対する値について統計的分析を実行するステップは、複数の心拍のうちの少なくともいくつかの心拍の第1の特徴に対する値の分布を確率分布関数に当てはめるステップを含み得る。

【0022】

確率分布関数は、正規確率分布関数、ガンマ確率分布関数、またはガウス確率分布関数であってよい。

【0023】

人間の体内の検体の濃度の指示を生成するステップは、複数の心拍の少なくとも部分集合の第1の特徴に対する値を、第1の特徴に対する値を人間の体内の検体の濃度にマップするか、または第1の特徴から少なくとも一部は導出される値を人間の体内の検体の濃度にマップする事前定義済みテンプレートと比較するステップを含むことができる。

【0024】

事前定義済みテンプレートは、心電図結果を指示するデータの取得元の人間以外の人間の集団内の検体の濃度の評価に基づき生成され得る。

【0025】

事前定義済みテンプレートは、心電図結果を指示するデータの取得元の人間の体内の検体の濃度の評価に基づき生成され得る。

【0026】

人間の体内の検体の濃度の指示を生成するステップは、複数の心拍の第1の特徴に対する値について実行された統計的分析の結果を、第1の特徴に対する履歴的値に対する統計結果を人間の体内の検体の濃度にマップする事前定義済みテンプレートと比較するステップを含むことができる。

【0027】

事前定義済みテンプレートは、心電図結果を指示するデータの取得元の人間以外の人間の集団内の検体の濃度の評価に基づき生成され得る。

【0028】

事前定義済みテンプレートは、心電図結果を指示するデータの取得元の人間の体内の検体の濃度の評価に基づき生成され得る。

【0029】

この方法または操作は、少なくとも一部は人間のモバイルコンピューティングデバイス上で実行され得る。モバイルコンピューティングデバイス(または他のユーザ/クライアントデバイス)およびリモートサーバの間の処理の異なる分割が可能である。第1の例において、検体濃度を評価するためのアルゴリズム全体が、モバイルデバイスにおいてローカルで実行され得る。第2の例において、アルゴリズムの一部分は、クラウドベースのソフトウェアアズアサービス(SAAS)プラットフォームなどを通じてリモートで実行され得る(たとえば、生のECGデータは、インターネット上でモバイルデバイスからリモートサーバに伝送されるものとしてよく、リモートサーバは、ECGデータを処理してユーザに提示するためモバイルデバイスに送り返されるかまたはケアプロバイダが再調査できるように別のプラットフォームもしくはデバイスに送信される検体濃度を決定し得る)。第3の例では、ECGデータ(たとえば、アーチファクトの検出および除去)の前処理は、モバイルデバイスによってローカルで実行されてよく、ECGデータから導出された処理済みのECGデータおよび/または特徴値は、処理のためにリモートサーバにサブミットされ、最終的に検体濃度を決定し得る。

【0030】

人間の体内の検体の濃度の指示を提供するステップは、モバイルコンピューティングデバイスの電子ディスプレイ上に検体の濃度の指示を提示するステップを含むことができる。

【0031】

複数の心拍を識別するステップは、複数の心拍の少なくとも部分集合内に生じるQRS群を識別するステップを含み得る。複数の心拍の少なくとも部分集合内に生じるQRS群を識別するステップは、人間の心拍数によって、または心電図結果におけるR-R間隔の推定値によって指示される頻度で心電図結果に出現する特徴を識別するステップを含むことができる。

【0032】

一定期間にわたる心電図結果の変化および第1の特徴の変化を示すアニメーションが生成され得る。

【0033】

複数の心拍の第1の特徴に対する値を決定するステップは、複数の心拍の第1の特徴に対する初期値を決定するステップと、初期値をフィルタ処理するステップとを含むことができる。

【0034】

第1の特徴に対する初期値をフィルタ処理するステップは、カルマンフィルタを初期値に適用するステップを含むことができる。検体評価が複数の特徴に基づく場合、カルマンフィルタは、これらの特徴のどれかの値に個別に適用され得るか、またはこれらの特徴のどれかに組み合わせて適用され得る。

【0035】

心電図結果を指示するデータは、心電図結果のQRS包絡線を復調することによって修正され得る。

【0036】

本明細書で説明されている主題のいくつかの実施形態は、コンピュータ実施方法を含むことができる。方法は、人間から心電図結果を生成するステップと、信号テンプレートと比較して、人間の体内の検体の濃度の指示を取得するステップとを含むことができ、信号テンプレートは、心電図結果の生成元の人間以外の人間の集団内の検体の濃度の評価に基づき生成される。

【0037】

本明細書で説明されている主題のいくつかの実施形態は、1つまたは複数のプロセッサによって実行されたときに、オペレーションの実行を行わせる命令が記憶されている1つまたは複数の非一時的コンピュータ可読デバイスを備えることができ、このオペレーションは、人間から心電図結果を指示するデータを取得することと、心電図結果に表される複数の心拍を識別することと、心電図結果に表される複数の心拍のうちの各心拍について、心拍の第1の特徴に対する値を決定することと、複数の心拍の第1の特徴に対する値について統計的分析を実行することと、人間の体内の検体の濃度の指示を、複数の心拍の第1の特徴に対する値について実行された統計的分析の結果に基づき生成することと、人間の体内の検体の濃度の指示を提供することとを含む。

【0038】

本明細書で説明されている主題のいくつかの実施形態は、1つまたは複数のプロセッサによって実行されたときに、オペレーションの実行を行わせる命令が記憶されている1つまたは複数の非一時的コンピュータ可読デバイスを備えることができ、このオペレーションは、人間から心電図結果を生成することと、結果を信号テンプレートと比較して、人間の体内の検体の濃度の指示を取得することとを含むことができ、信号テンプレートは、心電図結果の生成元の人間以外の人間の集団内の検体の濃度の評価に基づき生成される。

【0039】

本明細書で説明されている主題のいくつかの実施形態は、1つまたは複数のコンピュータと、1つまたは複数のコンピュータによって実行されたときに、オペレーションの実行を行わせる命令が記憶されている1つまたは複数のコンピュータ可読媒体とを備えることができ、このオペレーションは、人間から心電図結果を指示するデータを取得することと、心電図結果に表される複数の心拍を識別することと、心電図結果に表される複数の心拍のうちの各心拍について、心拍の第1の特徴に対する値を決定することと、複数の心拍の第1の特徴に対する値について統計的分析を実行することと、人間の体内の検体の濃度の指示を、複数の心拍の第1の特徴に対する値について実行された統計的分析の結果に基づき生成することと、人間の体内の検体の濃度の指示を提供することとを含む。

【0040】

本明細書で説明されている主題のいくつかの実施形態は、1つまたは複数のコンピュータと、1つまたは複数のコンピュータによって実行されたときに、オペレーションの実行を行わせる命令が記憶されている1つまたは複数のコンピュータ可読媒体とを備えることができ、このオペレーションは、人間から心電図結果を生成することと、結果を信号テンプレートと比較して、人間の体内の検体の濃度の指示を取得することとを含むことができ、信号テンプレートは、心電図結果の生成元の人間以外の人間の集団内の検体の濃度の評価に基づき生成される。

【図面の簡単な説明】

【0041】

【図1】QRS検出の前の患者の心拍数の推定値を示すプロットである。

【図2】適応的閾値を伴うECG信号のウェーブレット応答(wavelet response)のプロットである。

【図3】アーチファクトの検出のためのECGの自動スコアリングのプロットである。このプロットは、初期ECG信号および初期ECG信号中のアーチファクトを検出する際に使用され、アーチファクトを含む信号のセグメントを除去する決定を下すいくつかの導出された信号を含む。

【図4】過度にノイズが多いとして除去のマークを付けられているECG信号の部分を囲む破線のボックスを含む、図4からの元のECG信号のプロットである。

【図5A】時間を追って、対応する時刻における計算された検体濃度、測定された検体濃度、またはその両方の指示とともに、ECG特徴の進行を示すために時間分析ツールによって提示され得るプロットである。

【図5B】時間を追って、対応する時刻における計算された検体濃度、測定された検体濃度、またはその両方の指示とともに、ECG特徴の進行を示すために時間分析ツールによって提示され得るプロットである。

【図5C】時間を追って、対応する時刻における計算された検体濃度、測定された検体濃度、またはその両方の指示とともに、ECG特徴の進行を示すために時間分析ツールによって提示され得るプロットである。

【図6A】時間を追ってT右(T-right)傾き値を示すプロットである。

【図6B】時間を追ってT右傾き値を示すプロットである。

【図7】2本の直線のプロット、すなわち、T右傾き値の前置フィルタ処理されたプロットおよび(2)カルマンフィルタの適用によって平滑化されたT右傾き値のフィルタ処理されたプロットを示すグラフである。

【図8】元のECG信号からのいくつかの心拍を示すプロットである。元の信号は、時間主成分分析(PCA)フィルタ処理技術を使用して処理した後のECG信号のプロットと重ね合わされる。

【図9A】T波の自己相関および確率分布関数の推定を示すプロットであり、信号加算平均T波を示す図である。

【図9B】T波の自己相関および確率分布関数の推定を示すプロットであり、T波の確率分布関数を示す図である。

【図9C】T波の自己相関および確率分布関数の推定を示すプロットであり、T波の標本自己相関関数を示す図である。

【図10】異なるカリウム濃度に対する電位図データから決定されたT右傾き値のヒストグラムを示す図である。

【図11】T振幅特徴のヒストグラムが正規確率分布関数およびガンマ確率分布関数の両方に当てはめられたプロットである。

【図12A】時間を追って電位図データから識別された一連の心拍の2d画像表現を示す図である。

【図12B】時間を追って電位図データから識別された一連の心拍の2d画像表現を示す図である。

【図13A】局所的信号加算平均を適用した後の図14A～図14Bからの一連の心拍の2d画像表現を示す図である。

【図13B】局所的信号加算平均を適用した後の図14A～図14Bからの一連の心拍の2d画像表現を示す図である。

【図14A】ECG信号からの患者の呼吸(息を吸う)信号の復調のプロットである。

【図14B】ECG信号からの患者の呼吸(息を吸う)信号の復調のプロットである。

【図15】アーチファクト検出フィルタが適用されたECG信号のプロットである。このプロットは、フィルタによって除去されないECG信号のクリーンセグメントの第1のズーム領域(左)およびフィルタによって除去されるECG信号のノイズを含むセグメントの第2のズーム領域(右)を示す。

【図16】信号からのノイズおよびアーチファクトの除去、ピーク検出、特徴抽出、および特徴追跡のための本明細書で説明されている技術を使用して長いECGセグメントを提示するための時間的進行スナップショットである。

【図17】カリウム濃度対実験室カリウム値の非侵襲的推定を示す図である。

【図18】血中カリウム値に対してテストしたときのカリウムの推定における誤差の統計量を示す図である。

【図19】時間を追って行った推定カリウム値対実際の値の比較を含む、カリウムの傾向検出を示す図である。

【図20】カリウム濃度対抽出波形特徴T波右傾き/Sqrt(T波ピーク振幅)のモデルを表す3つのプロットである。第1のプロット(A)は、データ点の初期集合に基づき生成される初期モデルである。第2および第3のプロット(それぞれB～C)は、時間を追って追加のデータ点が初期集合に加えられるときに精密化される更新されたモデルである。

【図21】推定される検体濃度を生成するために1つまたは複数の入力ソースからの信号の組合せを処理するように構成されているECG処理システムを示す図である。

【図22】患者に対する推定された検体濃度を決定するためにモデルによって処理され得る例示的な入力信号特徴のプロットである。

【図23】本明細書において説明されているシステムおよび方法を実装するために使用され得るコンピューティングデバイスのブロック図である。

【発明を実施するための形態】

【0042】

図面内の類似の参照番号は、類似の要素を示す。

【0043】

本明細書では、生理学的電気的データ(電位図データ)に基づき患者の血液中の、カリウムなどの検体の濃度を定量化するためのコンピュータベースの技術を説明している。生理学的電気的データは、心電図(「ECG」)測定などの好適な技術を使用して取得され得る(表面、心臓内、もしくは皮下のECG、またはたとえば患者体内に埋め込まれたペースメーカー、除細動器を使用して取得される測定値を含み得る)。脳電図(「EEG」)、筋肉電位図、たとえば平滑筋および横紋筋をカバーする筋電図、および神経電位図を含む、他の生理学的電位図も使用されてよい。緊張生理学的電位図および静止生理学的電位図のいずれかまたは両方が使用されてよく、さらには喚起刺激または外因性電気的刺激または他の刺激などの刺激誘発への応答を測定する電位図が使用され得る。

【0044】

本明細書で開示されているシステム、方法、および他の技術は、被験者の生理学的状態を検出するために適用され得る。たとえば、システムは、被験者の検体濃度(たとえば、カルシウム、カリウム、マグネシウム、グルコース、および同様のものの濃度)の変化を非侵襲的に測定し、および/または決定し、医薬品(たとえば、ジゴキシン、クラスI-C抗不整脈薬、ソタロール、ドフェチリド、アミオダロン、ベータ遮断薬、カルシウムチャンネル遮断薬、三環系抗鬱薬、リチウム、および同様のもの)の濃度を決定し、効果を監視し、生理学的異常(たとえば、急性心筋梗塞、くも膜下出血、心臓の周りの液体貯留、および同様のもの)を検出し、またはこれらの組合せを行うことができる。いくつかの実施形態において、システムは、コカイン、アンフェタミン、マリファナ、および同様のものなどの薬物の回避の順守を監視することができる。

【0045】

本明細書の文脈において、電位図データは、電気的活性生体組織の電気的記録を、従来の表面ECG電極、たとえばサイズ、形状、および電極間距離が異なり得るカスタム体表面電極から記録されようと、体内電極から記録されようと、それらが皮下であろうと、心臓内であろうと、他の組織もしくは自然な空洞内にあろうと、一般的に指す。そのようなデータの取得元の電位図は、自然発生的であるか、または刺激もしくは誘発に応答するものであってよく、接触または非接触型電極から記録され得る。たとえば、電位図データは、心電図(ECG)、脳電図(EEG)、筋肉電位図、筋電図、および神経電位図を含む、1つまたは複数の生理学的電位図から取得されるものとしてよい。いくつかの例において、電位図データは、標準12リードECG、1つまたは複数のチャンネルを有する着用可能パッチ、および生理学的信号を記録することができる導電性要素を備えるシャツ、腕時計、バンド、およびブレスレットを含む着用可能要素のうちの1つまたは複数から取得され得る。電位図データは、いくつかの例ではループ記録装置、ペースメーカー、および/または除細動器などの埋め込まれたデバイスから取得され得る。いくつかの実施形態において、ECGデータは、透析セッションにおいて収集され得る。ECGデータは、透析中に電解質濃度の変化を監視するためにリアルタイムで処理され得る。たとえば、10、15、30、45、または60秒おきに更新される検体濃度が、利用可能な最新のECGデータに基づき決定され得る。そのような情報は、透析セッションの持続時間または強度を調整するために使用されるものとしてよい。この実施形態において、ECG信号は、皮膚装着電極から、または透析瘻もしくは瘻にアクセスするために使用される機器内に組み込まれる電極から取得されるものとしてよい。フィルタは、透析機の電気的ノイズを除去することによって電気信号をきれいにするために追加され得る。

【0046】

「コンピュータベース」という用語が適用されるが、これは、モバイルベースの処理を含む、コンピュータ処理の好適な形態を指すものとしてよい。たとえば、本明細書で開示されている技術は、少なくとも一部は、着用可能またはハンドヘルド電極のシステムと通信するスマートフォン、タブレット、またはノートブックコンピュータなどのモバイルコンピューティングデバイスによって実装され得る。これらの技術は、また、着用可能性ECGパッチまたは埋め込み可能デバイス内に実装されてよい。これらの技術は、データ圧縮、およびそのようなシステムの様々な態様への処理の分散を可能にし、それにより、リアルタイムに近い、頻繁な検体評価を歩行/外来患者の個人において行うことができる。これは、異常な検体濃度(たとえば、高カリウム血症)の危険性のある透析患者、心臓病を患っている患者、および/または腎不全の患者において特に有用であり得る。本明細書では、いくつかの例においてカリウムの濃度を定量化するステップについて説明しているが、類似の技術が、薬物濃度の定量化を含めて、他の検体の濃度をも定量化するために使用され得る。それに加えて、本明細書では、「患者」という用語を、たとえばその臨床状態に関係なく、電位図データが取得される人を含めるために使用する。

【0047】

患者体内の検体濃度を評価するための電位図データを処理するいくつかの技術は、全体が参照により本明細書に組み込まれているPCT国際公開第WO2015/048514号を含む、他のところで説明されている。本明細書では、ノイズの多い電位図データから信頼できる検体濃度評価を導出する能力を改善することを可能にし得る追加の技術を説明している。それに加えて、検体の評価のためのテンプレートが患者の集団から導出され、この集団に入っていない所与の患者に適用され、それによって各個別の患者からの血液検査を必要としなくて済む、技術が本明細書において説明されている

【0048】

いくつかの場合において、患者から記録されたECGデータは、特に患者が自宅で使用する可能性のある単一リードECGからデータが送られてくるときに、信号対雑音比が比較的低いことがある。ノイズの多い信号だと、QRS群を検出し、ECG信号中のノイズまたは他の特徴からQRS群を識別することがより困難になり得る。ノイズの多いECG信号からQRS群を確実に検出するために、ECGにおける患者の心拍数に関する情報が、QRS検出を実行するときに関連する周波数帯により正確に焦点を合わせるために使用され得る。たとえば、「Harr」ウェーブレットを有する連続ウェーブレット変換がECG信号上で実行され、信号を時間領域から周波数領域に変換し得る。いくつかの実施形態において、「Harr」ウェーブレットまたは他のウェーブレットを使用する離散ウェーブレット変換、Meyer変換、またはSymlet変換などの、他のタイプの変換も利用され得る。QRS群は、特定の周波数範囲内の閾値より大きいウェーブレット変換のピークとして識別される。閾値は適応的であり、推定R-R間隔(患者の心拍数に関係する、連続するQRS群の間の時間)に対して設定された窓の極大値を設定し得る。R-R間隔推定は、ECG信号の自己相関関数R(t)から、200ms(200bpm)から1500ms(40bpm)の間の自己相関関数における最高の正のピークを決定することで実行され得る。次いで、推定R-R間隔は、ECG信号のウェーブレット変換の分析結果に適用されてよく、R-R間隔によって指示される周波数より上、および/または下の制限された周波数帯域内の候補QRS群(QRS変換内のピーク)にのみ焦点を合わせる。次いで、各候補QRS群は、中央値の任意選択のQRSの相関を求めるために比較されてよく、この異常なQRSから、破棄され得る。このようにして、QRS群は、ノイズの多い信号内であってもより確実に識別され得、たとえば非常に鋭いT波がQRS群として誤って識別される可能性を低減し得る。これらの技術の態様は、たとえば、図1および図2に示されている。特に、図1は、QRS検出の前の患者の心拍数の推定をプロットしたチャートであり、図2は、適応的閾値が適用されたECGのウェーブレット応答のプロットである。

【0049】

いくつかの実施形態において、ECGデータを処理するコンピューティングシステムは、外部ノイズ、患者身体からのノイズ、リードの誤配置、およびリードと患者身体の表面との間の接触不良などの要因から結果として生じ得るデータ内のアーチファクトを検出し、除去することができる。特に少数のリード(たとえば、単一のリード)を有する帯出ECGレコーダからのデータが使用されるときに、ECG信号は、標準12リードECGセットアップと比較して比較的低い信号対雑音比を有し得る。したがって、いくつかのアプローチにおいて、過度にノイズの多いデータは、検体評価または不整脈予測を行うためにECGデータを処理する際にさらに使用されないように除去され破棄され得る。アーチファクト検出に、様々な信号処理技術が使用されるものとしてよく、これはECGデータそれ自体の分析を含んでいてよく、また任意選択で、ECGデータ以外の外部信号の分析も含んでいてもよい。そのような外部信号の一例は、1つまたは複数の加速度計からの信号を含む。加速度計信号は、患者が移動しているかどうか、およびそのような移動の性質を決定するために分析され得る。ECG信号のノイズおよび他のアーチファクトは、患者が動いている(たとえば、位置を変える、歩く、痙攣する)間に生じる可能性がより高い。したがって、加速度計データは、患者が動いた回数に対応するECGデータのセグメントが識別され得るようにECGデータと同期され得る。これらのセグメントは、アーチファクトが、患者が動いているときに存在している可能性があるという仮定に基づき自動的に破棄され得るか、またはセグメントは、本明細書で説明されている技術に従ってアーチファクト検出のためにさらなる分析を行うように自動的に選択されるか、またはフラグを立てられるものとしてよい。加速度計データ、または他の非ECGセンサからのデータも、ECGデータをいつ記録するかを決定するために使用され得る(たとえば、患者の動きが閾値レベルより下である間にECGデータを記録することを選択するが、患者の動きが閾値レベルより上である間は記録しないことを選択する)。速度計データは、品質信号を取得するために患者の身体がいつ適切な位置/配向にあるかを決定するためにいくつかの例において使用され得る。たとえば、患者が身につけている加速度計から記録された加速度計データが、患者が適切な位置/配向にあることを指示するテンプレートとマッチすると決定された場合に、コンピューティングデバイスは、患者が適切な位置/配向にあることをユーザに自動的にアラートするものとしてよく、および/またはECGデータを取得することを自動的に開始し得る。いくつかの実施形態において、加速度計データおよび/または患者が着用している呼吸ベルトによって収集されるデータは、ノイズ、アーチファクト、およびECG信号からの同様のものを取り除くために、または追加の特徴抽出のために、処理され使用され得る。追加の特徴は、分析するECG内のセグメントを選択するために、またはカリウム濃度推定(または他の検体濃度推定)に対してECG抽出特徴を調整するために使用され得る。いくつかの例において、加速度計データを使用して選択されたECG信号のセグメントは、患者の異なる体位の間の変換を見つけるために使用され得る。

【0050】

いくつかの実施形態において、アーチファクトのこの検出および除去のアプローチは、ECG信号がフィルタ処理され心拍のよりきれいな平均化された表現を導出する信号加算平均アプローチの代わりに使用され得る。いくつかの実施形態において、アーチファクトの検出および除去のアプローチは、信号加算平均アプローチと併せて使用され得る。信号加算平均、アーチファクトの検出および除去、またはその両方を適用するかどうかの選択は、ユーザによって(たとえば、有資格医療専門家によって)行われ得るか、または所与のセットアップの文脈(たとえば、患者が標準12リードECGまたは単一リードECGに接続されているかどうか)に基づき、または記録されたデータの特性に基づきコンピュータ処理システムによって自動的に決定され得る。いくつかの実施形態において、信号加算平均もアーチファクト除去も、適用されず、生理学的信号を分析するため統計的またはテンプレートベースのアプローチが使用される。

【0051】

一般的に、コンピューティングシステムは、アーチファクトを検出し、それらのアーチファクトを含むECG信号のセグメントを取り除き、信頼できる、きれいないECG心拍を形成することができる。コンピューティングシステムは、線形フィルタ処理技術、非線形フィルタ処理技術、またはその両方を使用して、破棄されるべきアーチファクトを検出することができる。たとえば、強いノイズもしくはベースラインドリフトのせいでECGの低周波数および/またはベースラインに現れた急な変化は、検出され、信号から除去され得る。いくつかの実施形態において、アーチファクトは、スコアリングされ、閾値と比較され得る。閾値の条件を満たすスコアを有するアーチファクトは破棄されてよいが、閾値の条件を満たさないスコアを有するアーチファクトは、さらに処理するために信号内に保持され得る。閾値は、静的であり、事前定義され得るか、またはたとえば、破棄されることを許される破棄データの量に対する制限を考慮する適応的閾値であってよい。したがって、閾値は、破棄データ制限が上げられると下げられるが、閾値は、破棄データ制限が下げられると上げられ得る。

【0052】

図3および図4は、ECG信号をきれいにするために使用されるアーチファクトの検出および除去技術の一例を示している。図3は、元のECG信号、および元の信号中のアーチファクトを検出する際に使用され、アーチファクトを含む信号のセグメントを除去する決定を下すいくつかの導出された信号のプロットである。特に、閾値は、プロットの端から端まで延びる水平線によって示される。ECG信号の平滑化微分もプロットされる。平滑化微分が閾値のより上に来る任意の場所において信号のセグメントを除去する決定が下される。いくつかの実施形態において、平滑化微分は、所与の時刻における信号内のノイズのレベル(たとえば、SNRまたは逆SNR)を示すものとしてよく、それにより、ノイズレベルが閾値を超えたときに、ECG信号の対応するセグメントは、アーチファクトとして識別され、信号からの除去のマークを付けられる。図4は、過度にノイズが多いとして除去のマークを付けられているECG信号の部分を囲む破線のボックスを含む、図3からの元のECG信号のプロットである。いくつかの実施形態において、ECGベースの閾値に加えて、過剰な(閾値を超える)機械的運動の期間中に収集されたデータを除去するために加速度計ベースの閾値が使用される。

【0053】

いくつかの実施形態において、コンピューティングシステムは、処理されたECG信号のグラフィック表現を生成するように動作可能である時間分析ツールを備える。ツールは、時間を追って、対応する時刻における計算された検体濃度、測定された検体濃度、またはその両方の指示とともに、ECG特徴の進行を示し得る。そのようなグラフィック表現の一例は、図5A～図5Cに示されている。これらの図は、所与のアプリケーションまたはアプリケーションウィンドウなどの中に、コンピューティングデバイスによって同時に表示され得るいくつかのプロットを含む。この表示は、プロットの異なる組合せを含むものとしてよく、これは既定の設定に従って選択され得るか、またはカスタム表示のためにユーザによって特に選択され得る。図5A～図5Cの例において、5つのプロットを有するアプリケーションウィンドウが、患者の透析セッションの間の異なる時点において示される。図5Aのプロットは、透析セッションの開始時の時刻から始まるが、図5Bのプロットは、透析セッションの中間点あたりの時刻から始まり、図5Cのプロットは、透析セッションの完了に近い時刻から始まる。これらのいくつかの時点は、例として示されているが、実際には、時間分析ツールは、透析セッション中に定期的間隔、またはカリウムもしくは他の検体の濃度が変化し得る時間間隔における進行を示し得る。各時間間隔で、プロットは、新しい時間に対する対応するデータを示すように自動的に更新され得る。いくつかの実施形態において、時間分析ツールは、一定期間にわたる(たとえば、透析セッション全体にわたる)患者のECGおよび検体パラメータの進行を示す動画ファイルまたはアニメーションを作成し得る。たとえば、処理済みECG信号は、信号加算平均技術(および/またはアーチファクトの検出および除去の技術)を使用して小さい重なり合うセグメントを継ぎ合わせたものにされ得る。次いで、時間分析ツールは、透析セッションの各時間セグメント化部分に対する関連する特徴をプロットするものとしてよい。一例において、ECGは、1分の各間隔でプロットが更新されるように1分間隔にセグメント化され得るが、ビデオは、時間を追ってデータの変化をより見やすくなるようにスピードアップされ、それにより、1秒毎にプロットが更新され、次の1分間隔から処理されたデータを示す。このようにして、4時間の透析セッションに対する1分セグメントの進行は、比較的素早く見られるものとしてよい(たとえば、2分以内)。いくつかの実施形態において、セグメント化されたECGデータは、隣接するセグメントからのデータ重なり合う部分を含み得る。たとえば、透析セッションの2分のマークについて計算された第1のセグメントは、透析の先行する35秒からのデータおよび透析の続く35秒からのデータを含み得る。透析セッションの3分のマークについて計算された第2のセグメントは、透析の先行する35秒からのデータおよび透析の続く35秒からのデータを含むものとしてよく、それにより、第1のセグメントとその後の第2のセグメントの両方において使用されるデータに重なりがある。セグメント間隔および重なりの量は、既定で設定され得るか、またはコンピューティングシステムへのユーザ入力の結果として設定され得る。

【0054】

図5A～図5Cの各々において、プロット502は、ベースライン標本ECG心拍とともに処理済みECGからの心拍を示している。いくつかの実施形態において、ベースライン標本ECG心拍は、透析セッションの開始時刻からの処理済みECGであってよい。したがって、透析セッションの開始からのセグメントを示す、図5Aにおいて、ベースライン標本ECGおよびセグメント特有の処理済みECGは、同一である。しかしながら、図5Bおよび図5Cに示されているような後のセグメントでは、処理済みECGのセグメント特有のプロットは、時間を追って生じるECG心拍の変化が容易に明らかになるようにベースライン標本から発散する。プロット502は各々、アルゴリズムで計算されたT波ピークおよびオフセット、ならびにECGデータからの検体濃度を評価する際に役立つ接線も示す。プロット504は、透析セッションの前、透析セッションの実行中、および透析セッションの完了後の特定の時刻に患者の血流内の測定された真のカリウム濃度を示す。プロット506は、時間を追ってなされる、カルマンフィルタの適用の前と後の両方における正規化された特徴を示す。プロット508は、時間を追ってプロットされる、各セグメントでの心拍からのT右傾きを示す。プロット510は、時間を追ってプロットされる、各セグメント化間隔での患者の心拍数を示す。

【0055】

他のところで説明されているように、処理済みECG信号から決定されたT右傾き値は、患者の検体濃度を評価するために使用され得る。T右傾きを決定するためのいくつかの技術は、T波のピークにおける開始点からT波の終わりの終点までの傾きから決定するステップを伴う。しかしながら、ノイズの多い信号では、T波のピークおよび終点を突き止めることは多くの場合に困難である。したがって、いくつかの実施形態において、コンピューティングシステムは、ピークと終点との間の範囲内にある点を選択することによってT右傾きを計算し得る。波の中間部分を画定する点は、こうして、T右傾きを計算するために使用されてよく、波の中間部分は、一般的に、実質的に一定の傾きを有し、傾き全体を推定するために他の技術より確実に使用され得る。波の中間部分からの傾きを導出することによって、T波の終わりを決定する必要性は、回避され得る。図6Aおよび図6Bは、時間を追ってT右傾き値のプロットを示す。

【0056】

いくつかの実施形態において、処理済みECG信号からの特徴は、フィルタを使用して平滑化され得る。たとえば、患者体内のカリウム濃度は、非常に短い時間期間にわたって著しい変化を示すことは予期されない。その代わりにカリウム濃度は、一定時間期間にわたって比較的ゆっくり、徐々に変化する傾向がある。このように理解することで、コンピューティングシステムがカリウム濃度を決定する際に使用されるECG特徴に平滑化を適用することは妥当である。生のECGデータは、きわめてノイズが多く、長い時間期間にわたるECGデータの傾向がより徐々に変化する特性を示すとしても短い時間期間では急な変化を示す。したがって、コンピューティングシステムは、ECG信号から特徴のすべてまたは一部分にフィルタを適用して、ノイズを軽減し、特徴(たとえば、T右傾き特徴)のスムーザを形成し得る。いくつかの実施形態において、カルマンフィルタ(「線形二次推定」とも称される)は、ECG信号を平滑化するために適用され得る。図7は、たとえば、2本の直線のプロット、すなわち、T右傾き値の前置フィルタ処理されたプロットおよび(2)カルマンフィルタの適用によって平滑化されたT右傾き値のフィルタ処理されたプロットを示すグラフである。カリウム濃度(または適宜、他の検体の濃度)の最終的な決定は、フィルタ処理されたT右傾き値に基づき決定され得る。

【0057】

図8を参照すると、元のECG信号からのいくつかの心拍のプロットが図示されている。元の信号は、時間主成分分析(PCA)フィルタ処理技術を使用して処理した後のECG信号のプロットと重ね合わされる。いくつかの実施形態において、ECG信号は、鍵信号成分の抽出を円滑にし得る、制限Karuhan-Loeve展開を使用して処理され得る。これらの技術は、信号内のノイズを低減するのに役立つ。一般的に、PCAフィルタ処理は、固有値分解および信号と呼ばれる強固有ベクトルの間の分離を伴う。PCAフィルタ処理を使用して抽出され得る鍵信号成分のうちに、表す心拍および主ノイズ要因がある。Karuhan-Loeve変換(KLT)として知られるPCAは、元のKLT列の制限バージョンを使用してノイズ低減に使用され得る。

【0058】

いくつかの実施形態において、コンピューティングシステムは、異なるカリウム濃度(または他の検体の濃度)をECT/T波の統計量の変化と相関させ得る。図9A～図9Cを参照すると、T波データの密度関数および第2のモーメント関数(自己相関)の近似としてT波のヒストグラムのプロットが図示されている。

【0059】

いくつかの実施形態において、コンピューティングシステムは、患者体内の検体濃度を決定するための基礎としての分析のためECGデータが収集されるすべての利用可能なリードのうちの1つまたは部分集合を選択し得る。ECG電極パッチが患者に取り付けられたときに、多くの場合に、前のECGセッションにおける患者身体上の配置に比較して患者身体上のパッチ内の電極の相対的配置の変動がある。電極が患者に付けられる配置の違いは、記録されるECG信号の特性に影響を及ぼし得る。パッチの配置の変動の結果生じる相違を軽減するために、コンピューティングシステムは、分析用の特定のリードからデータを選択し、1つまたは複数の他のリードからのデータを破棄し得る。分析用に選択されるリードは、いくつかの実施形態では、記録されたECG信号(または記録されたECG信号の特徴)と事前記憶されている信号テンプレートとの比較(または1つまたは複数の特徴テンプレートとの比較)に基づき選択され得る。各利用可能なECGリードからのデータは、テンプレートと比較され、類似性スコアが、たとえばパターン認識技術を使用して各リードからのデータについて決定され得る。最高の類似性スコアを有する所与のリードに対するデータは、次いで、他のリードに対するデータの除外への検体評価におけるさらなる処理および分析のために選択されてよい。いくつかの実施形態において、信号テンプレートは、QRS群形態に基づき生成される。記録されているECGデータとテンプレートとを比較する際に使用され得るいくつかのパターン認識技術は、主成分分析(「PCA」)を含み、係数を使用して関数のスパニング(spanning)を行った結果、QRS群の最良近似が得られる。

【0060】

いくつかの実施形態において、コンピューティングシステムは、処理済みECG信号における特徴の統計分析に基づき患者の検体濃度を評価し得る。他のところでは、患者の血流中の検体濃度を評価するための信号加算平均技術が説明されている。一般的に、信号加算平均技術は、代表的心拍を形成するために一定時間期間にわたって複数の心拍についてECGデータを平均するステップを伴い得る。次いで、代表的心拍が分析され、その関連する特徴(たとえば、T右傾き、Tピーク値)を決定し、次いで、検体濃度が、平均された代表的心拍からの特徴に基づき決定される。

【0061】

いくつかの実施形態において、他の統計的技術は、信号加算平均と併せて、またはその代替として使用され得る。一アプローチにおいて、コンピューティングシステムは、ECGデータにおける個別の心拍に対して(複数の心拍の平均から導出された平均心拍ではなく)特徴値(たとえば、T右傾き、Tピーク値、T波形状)を決定する。特徴値は、すべての心拍について、または一定時間期間にわたる心拍の部分集合について、過剰な信号ノイズが存在するため特定の心拍が破棄された場合などに、計算され得る。特徴値が一定時間期間にわたって適用可能な心拍の各々について決定された後、その時間期間における患者の血流中の検体濃度の推定値をコンピューティングシステムが計算する際に元になる最終的特徴値を選択するために統計的技術が使用され得る。たとえば、一定時間期間にわたるすべての心拍の平均値または中央値T右傾き値は、検体濃度計算において識別され適用され得る。いくつかの実施形態において他の高次統計量が使用され、それにより、分散、歪度、および尖度などの、検体濃度が決定される最終的特徴値を選択し得る。

【0062】

いくつかの実施形態において、コンピューティングシステムは、個別の心拍に対するECGデータの生値に対して統計分析を実行する。システムは、統計的技術を使用して、患者の血流中の推定された検体濃度と相関するECGデータの生値を選択することができる。たとえば、1つまたは複数の心拍、またはその一部分に対する生ECG値の平均値または中央値は、検体濃度計算において計算され適用され得る。いくつかの実施形態において他の高次統計量が使用され、それにより、分散、歪度、および尖度などの、検体濃度が決定される生ECG値を選択し得る。いくつかの実施形態において、システムは、ECGデータの生値およびECGデータから導出された個別の心拍に対する特徴値の統計分析を組み合わせて、特徴値、生波形値、またはその両方の分散、歪度、および尖度などの、検体濃度を決定する、基準、たとえば、特徴値または生波形値を選択する。

【0063】

いくつかの実施形態において、コンピューティングシステムは、記録されたECGデータからの心拍の統計的分析を円滑にするために一定時間期間にわたって複数の心拍から特徴値のヒストグラムを生成する。たとえば、図10は、患者からのT右傾き値の3つのヒストグラム1000a、1000b、および1000cを示している。各ヒストグラムは、異なるカリウム濃度でのT右傾き統計量を指示する。特に、プロット1000aは、4.6Mmol/Lのカリウム濃度でのT右傾き値のヒストグラムであり、プロット1000bは、3.6Mmol/Lのカリウム濃度でのT右傾き値のヒストグラムであり、プロット1000cは、3.4Mmol/Lのカリウム濃度でのT右傾き値のヒストグラムである。

【0064】

いくつかの実施形態において、システムは、ECGデータによって特徴付けられる心拍の集合内の各心拍に対して、記録された心拍の品質、およびしたがって処理に関してその心拍が適切なものかどうかを示すそれぞれの品質スコアを割り当てる。システムは、各心拍に対する品質スコアを静的または動的閾値スコアと比較し、比較結果に基づき、心拍に関する適切な処置を取るものとしてよい。たとえば、品質スコアが低すぎる、すなわち、品質が不十分であることを示す場合、心拍は破棄されてよい。心拍が破棄される場合、平均された心拍の集合から除外され、平均化技術を使用して代表的心拍を形成し得る。他の実施形態において、心拍の特徴は、特徴が導出される心拍の集合から除外され、統計的分析において使用され、心拍の波形特徴と検体濃度との間の相関を決定し得る。いくつかの実施形態において、システムは、平均された代表的心拍または波形特徴が導出された心拍の品質スコアに基づき検体濃度と統計的に相関している平均された代表的心拍または波形特徴のいずれかのロバスト性を評価することができる。より高い品質の心拍から導出された代表的心拍または相関する波形特徴は、より低い品質の心拍から導出された代表的心拍または相関する波形特徴よりロバスト性が高いものとしてよい。

【0065】

心拍に対する品質スコアは、いくつかの実施形態において、心拍の特徴または特性に基づくものとしてよい。いくつかの実施形態において、品質スコアは、J点から心拍の終点までの心拍の波形の一部をガウス曲線に当てはめることによって決定される。次いで、スコアは、当てはめのR平方値として計算される。いくつかの実施形態において、品質スコアは、整流の前のT波の面積と整流の後のT波の面積との比として決定される。いくつかの実施形態において、品質スコアは、T波の特徴に対する統計量を同じ種からのT波特徴、たとえば、T波辞書(T-wave dictionary)の事前定義済みパターンと比較することによるものである。

【0066】

いくつかの実施形態において、コンピューティングシステムは、線形相関技術、非線形相関技術、またはその両方を使用して、T波の形態学的パターンをカリウム値と比較するものとしてよい。たとえば、図11は、T振幅のヒストグラムが正規確率分布関数およびガンマ確率分布関数の両方に当てはめられたプロットを示す。分布関数のパラメータは、たとえば、最尤推定を使用して決定され得る。次いで、当てはめられた分布に基づき、高次統計量が実行され得る。

【0067】

いくつかの実施形態において、コンピューティングシステムは、患者の体内の検体の濃度を計算するときに異なる体位を補償し得る。ECG信号は、多くの場合に、患者の体位(たとえば、ECGデータが記録されるときに患者が立っているか、または座っているか)に敏感である。したがって、異なる特徴値が、データが記録されたときの患者の体位に応じて患者のECGデータから導出され得る。いくつかの実施形態において、これらの相違点を補償するために、コンピューティングシステムは、記録されたECGデータと突き合わせて比較するための異なるテンプレートを記憶し得る。記憶されているテンプレートの各々は、特定の体位に対応するものとしてよく、記録されたECGデータは、体位に対する適切なテンプレートと突き合わせて比較され得る。

【0068】

1つまたは複数のリードを(一緒に、または別々に)使用して、同じ検体濃度(たとえば、同じK値/カリウム濃度)に対する異なる体位(たとえば、座っている、仰向け、傾いている)における異なる特徴値を学習することによって、コンピューティングシステムは、ECGデータの所与の集合からの特徴をカリウム曲線の学習がなされた位置における特徴空間に変換することができる。たとえば、患者は、加速度計を備える遠隔監視ECGを着用するものとしてよい。短い時間期間内に2つの異なる既知の体位を識別することによって、カリウム(または他の検体)濃度は、各位置について対応する時間に捕捉されたECGを使用して推定され得る。異なる位置に対する計算されたカリウム値が類似している場合、これらの値は平均されて戻され得る。その一方で、カリウム値が閾値より大きく異なる場合、測定は無効であるとみなされ得る。

【0069】

いくつかの実施形態において、コンピューティングシステムは、ECGデータで表される心拍の特徴を統計的に分析する前にECGデータの集合からノイズを取り除くものとしてよい。ノイズを取り除くために、コンピューティングシステムは局所的信号加算平均を実行し得る。局所的信号加算平均技術は、2dマトリックス内の基準点によって複数の心拍を整列させることと、画像処理フィルタ(たとえば、2d窓フィルタ)を適用して比較的小さい時間窓にわたって隣接する心拍により各心拍を平滑化こととを含むことができる。いくつかの実施形態において、平滑化にはガウスフィルタが使用されるものとしてよいが、他のタイプのフィルタも企図される。

【0070】

いくつかの実施形態において、コンピューティングシステムは、ECGデータから心拍の画像表現を生成して、隣接する心拍の間の関係の視覚的分析を円滑にし得る。たとえば、図12Aおよび図13Aは、各々、一定時間期間にわたる一連の心拍の2d画像を示している。これらの画像は各々、250行を備え、各行はECGデータの集合からの異なる心拍に対応する。各心拍に対する各時刻における(x軸に沿って指示されるような)画像の色/強度は、その時刻におけるECG信号の振幅を指示する。規則正しい心拍について、画像内に表される各心拍に対する時間を追っての色の分布は、かなり似ている。しかしながら、QRS群が隣接する心拍に比べていくつかの心拍について広い場合、たとえば、そのような異常は、画像から視覚的に識別可能であるものとしてよい。図12Bおよび図13Bは、1つまたは複数の基準点(たとえば、QRS群のピーク)において整列された複数の隣接する心拍の時間領域プロットである。図12Aおよび図12Bは、局所的信号加算平均が適用される前のECG信号の表現を示している。図13Aおよび図13Bは、局所的信号加算平均を適用した後のECG信号の表現を示している。

【0071】

いくつかの実施形態において、機械学習技術が、生のまたは前処理されたECGデータに基づき患者に対する検体濃度を推定するモデル(たとえば、フィードフォワードニューラルネットワーク、深層畳み込みニューラルネットワーク、サポートベクターマシン、混合ガウスモデル、隠れマルコフモデル、ベイズの決定則、ロジスティック回帰、最隣接モデル、決定木、または他の分類器モデル)を構築するために使用され得る。いくつかの実施形態において、このモデルは、ECGセグメントを異なる検体濃度またはビン(たとえば、「低」、「正常」、「高」、または「3-3.5」、「3.5-4」、「4-4.5」)に分類するように訓練され得る。半教師付き学習技術は、いくつかの実施形態において採用され、これは訓練データの各標本が可能な出力/分類値(たとえば、「低」、「正常」、「高」、または「3-3.5」、「3.5-4」、「4-4.5」)のうちの1つで事前ラベル付けされているラベル付け訓練データを使用するものとしてよい。各訓練標本は、たとえば、ECGデータのセグメントを表すデータであってよい。いくつかの実施形態において、訓練標本は、ノイズを除去し、信号を平滑化するために前処理されるものとしてよい。しかしながら、確立された機械学習技術を使用することで、モデルは、セグメントが所与のECGセグメントに対する1つまたは複数の分類の範囲内に入る可能性を指示するECGセグメントのパターンおよび特徴を自動的に識別することができる。モデルが、たとえば、softmax出力層を有する場合、所与のECGセグメントは、利用可能な分類(たとえば、「低」、「正常」、「高」、または「3-3.5」、「3.5-4」、「4-4.5」)のうちの最もあり得そうな分類に自動的に分類され得る。いくつかの実施形態において、モデルは、平均値心拍および/または中央値心拍の形態学的特徴などの特徴に基づき、形態学的特徴の推定確率分布関数、および画像としてのECG表現の分類を分類するものとしてよい。

【0072】

いくつかの実施形態において、コンピューティングシステムは、ECGデータを処理して、ECGデータに対する患者の呼吸の影響を実質的に取り除き得る。この目的のために、コンピューティングシステムは、ECG導出呼吸技術を使用してECGから患者の呼吸パターンを導出し得る。図14Aおよび図14Bは、ECGの2つの例を(上のプロットに)示している。ECG信号の一番上の包絡線は、一般的に、一連の心拍にわたってQRS群のピークを含み、包絡線は、一般的に、図の各々の一番下のプロットに指示されているように患者の呼吸サイクルに相関する。いくつかの実施形態において、コンピューティングシステムは、ECG信号からQRS包絡線を分析し、ECG信号に対する呼吸サイクルの影響を補償する処置を取るものとしてよい。たとえば、コンピューティングシステムは、特徴値を決定するステップおよびECG信号に対して統計的分析を実行するステップの前にいくつかの実施形態において包絡線を復調し得る。

【0073】

いくつかの実施形態において、個人化された、または母集団ベースの検体推定モデルは、新しい検証済みデータ点が利用可能になる毎に常時更新され得る。したがって、このモデルは、新しいデータから学習するものとしてよく、時間とともに発展して、より高い統計的信頼度を有するECG特徴に基づき予測された検体濃度を生成し得る。たとえば、図20に示されているように、プロットAでは、初期線形モデルは4つのデータ点の初期集合に当てはめられる。初期データ点は、患者の血流中の測定された検体濃度(たとえば、血液検査によって測定される)および検体測定の時刻でのまたはその近くでのT波右傾き/Sqrt(Tamp)値を指示する。初期モデルは、患者に対してある時間まで使用され得るが、これからわかるように、推定された検体濃度の統計的信頼度は、比較的低い(モデルとプロットされた信頼度限界との間の分離距離によって指示されるように)。その後、患者は、測定された検体濃度をT右傾きまたは他の波形特徴にマップする追加の検証済みデータ点を取得し得る。追加のデータ点は、モデルを精緻化し、更新するためにモデルに追加され得る。たとえば、図20に示されているように、プロットBは、2つの新しいデータ点(円で囲まれた十字によって示されている)を含み、信頼度限界の間のギャップは結果として狭められている。さらに、プロットBにおいて、後で第3の新しいデータ点がモデルに追加され、信頼度限界は、なおいっそう狭まるように示されている。いくつかの実施形態において、古くなったデータ点は、新しいデータ点が追加されると取り除かれ、患者の時間および健康状態の潜在的変化を反映し得る。

【0074】

いくつかの実施形態において、コンピューティングシステムは、ユーザがインタラクティブにやり取りしてモデル更新手順を呼び出すことができるコンピューティングシステムの画面上に表示されるグラフィカルユーザインターフェースを提供するものとしてよい。たとえば、ユーザは、ユーザインターフェースを介して測定された検体値をコンピューティングシステムに入力し得る。検体値を受け取り、測定された検体値に関連付けられている時間に対する適切なECG特徴を識別した後、コンピューティングシステムは、1つまたは複数の基準に基づきモデルを更新するかどうかを自動的に決定する。たとえば、システムは、測定された値が値の統計的に許容可能な範囲から外れている外れ値であるかどうかを決定し得る。そのような場合に、システムは、新しいデータを除去して、モデルが新しいデータに基づき更新されることをブロックするものとしてよい。新しいデータが許容可能な範囲内にある場合、システムは、モデルを自動的に更新し得る。いくつかの場合において、コンピューティングシステムは複数のモデルを維持し得る。システムは、新しいデータをモデルのうちの1つまたは複数に関連するものとして分類するものとしてよく、新しいデータが関連しているとして分類されるモデルのみを更新することを選択するものとしてよい。たとえば、システムは、複数の患者の姿勢または体位の各々についてモデルを維持し得る。システムは、(たとえば、ユーザ入力を介して、または患者に結合されている加速度計からのデータの分析結果に基づき)新しいデータ点に適用される患者の特定の姿勢もしくは体位を識別するものとしてよく、識別された姿勢もしくは体位に対応するモデルの1つまたは複数のみを更新することを選択するものとしてよい。いくつかの実施形態において、ユーザは、検査結果の写真を撮るためのカメラを有するモバイルコンピューティングデバイス(たとえば、スマートフォンまたはタブレットコンピュータ)を使用し得る。次いで、モバイルデバイス上の、またはリモートクラウドベースサーバ上で実行されるソフトウェアは、その写真を分析し、検査結果を抽出し、抽出された結果を、モデルを更新するために使用できるデータベース内に入力するものとしてよい。

【0075】

一般に、ECG処理システムは、複数の入力ソースからの信号を処理するように構成され得る。これらの信号から導出された情報は、患者体内の検体の推定濃度を決定するために、組み合わされて適用され得る。この目的のために、図21では、患者体内の検体の濃度を評価するために複数の入力を受け入れる例示的なシステム2100を示している。特に、システム2100は、入力ソース2102a～hの集合から取得されるECGデータのバッチまたはリアルタイム処理を実行するように構成される。図21の例において、様々なECG感知デバイスが、入力ソース2102a～hとして配備される。これらのデバイスの各々は、異なる方法および異なる設定で患者の心臓電気活動を表すECG信号を生成することができる。患者のニーズまたは選好に応じて、患者は異なる設定または状況においてデバイスのうちの異なる1つを使用する傾向を有し得る。たとえば、標準12リードECG(2102c)は、臨床現場における患者の評価のために総合的な結果を得るのに好ましいものとしてよいが、BODY GUARDIAN(2102a)またはKARDIA PHONE(2102b)は家庭にいるときまたは旅行中に定期的に使用するのに都合がよいことがある。さらに、患者は、代替的に、心臓および他の生理学的活動を監視するために1つまたは複数の利用可能な入力ソースの異なる組合せを使用し得る。システム2100は、入力ソース2102a～hから信号の異なる組合せを受け入れ、信号の異なる組合せに基づき推定される検体濃度を決定するように構成される。

【0076】

いくつかの実施形態において、システム2100は、デバイス変換器2104、多入力処理エンジン2106、および検体推定モデル2108を備える。これらのコンポーネント2104、2106、および2108の各々は、1つまたは複数の配置にある1つまたは複数のコンピュータのシステム上に実装され得る。デバイス変換器2104は、多入力処理エンジン2106による処理のために様々な入力ソース2102a～hによって生成される信号を準備する。デバイス変換器2104は、所与の信号を特定のソース2102から発せられたものとして分類するものとしてよく、信号のタイプを、たとえば、単一リードECG信号、多リードECG信号、加速度計もしくは他の配向もしくは動き感知デバイスからの配向もしくは動き信号、または呼吸信号として分類するものとしてよい。いくつかの実施形態において、入力ソース2104は、システム2100に事前登録されてよく、したがって、デバイス変換器2104は、信号または信号に関連付けられているメタデータをデバイスの各々に対する記憶されている登録情報と比較することによって入力信号のソースおよびタイプを自動的に識別することができる。デバイス変換器2104は、多入力処理エンジン2106による処理のために1つまたは複数のソースからの信号を適応させてもよい。信号適応は、互いに関して信号を正規化することと、時間領域内で信号を同期させることとを含み得る。いくつかの実施形態において、さらなる信号適応は、多入力処理エンジン2106によって実行される。

【0077】

多入力処理(「MIP」)エンジン2106は、1つまたは複数の入力ソース2102からの信号を処理するように構成される。MIPエンジン2106は、要求されたタスクを識別し、識別されたタスクに基づき信号をどのように処理するかを決定するものとしてよい。たとえば、ECG波形特徴の第1の集合は、タスクが患者の血流中のマグネシウムの濃度を推定することである場合に抽出されるものとしてよいが、ECG波形特徴の異なる第2の集合は、タスクが患者の血流中のカリウムの濃度を推定することである場合に抽出されるものとしてよい。MIPエンジン2106は、どの信号が所与のタスクに対して利用可能であるかに基づき入力信号を処理する方式も決定し得る。たとえば、同時に記録されているECG信号、動き配向信号、および呼吸信号がすべて利用可能である場合、MIPエンジン2106は、信号を整列し、信号にタイムスタンプを付け(たとえば、同期させ)、類似の信号を組み合わせ(たとえば、異なるソースからの複数のECG信号から信号加算平均心拍を決定し)、信号から特徴値を抽出し得る。

【0078】

検体推定モデル2108は、MIPエンジン2106によって提供されるデータに基づき1つまたは複数の検体に対する検体濃度の推定値を生成するように構成される。モデル2108は、知られている検体濃度(たとえば、血液検査によって測定される)を、ECGデータ、心拍数、体位/姿勢、および呼吸データを含む群から選択された入力データを含む、1つまたは複数の種類の入力データの特徴に関連付けるラベル付きデータ上で訓練され得る。図22は、たとえば、患者に対する推定検体濃度を生成するためにモデル2108が処理し得る複数の種類の入力データからの特徴の時間整列されたプロット2200を示している。モデル2108が処理し得る特徴またはパラメータとして、心拍数、心房細動のレベル、時刻(たとえば、午前、午後、夜)、特定の時刻に測定された血中濃度、ECG波形特徴、および加速度計データがある。モデル2108は、ニューラルネットワーク、分類器、線形回帰モデル、および隠れマルコフモデルのうちの1つまたは複数を含む、様々な形態を取り得る。これらのモデルは、たとえば、深層学習または強化学習技術を使用して、訓練され得る。

【0079】

例示的な実施:
他のところでは、透析患者の小コホートにおいて、信号処理された12リードECGは、その後に血中カリウム濃度を確実に決定するために使用され得る微妙なT波変化を検出することができることが実証された。Dillon JJ、DeSimone CV、Sapir Y、Somers VK、Dugan JL、Bruce CJ、Ackerman MJ、Asirvatham SJ、Striemer BL、Bukartyk J、「Noninvasive potassium determination using a mathematically processed ECG: Proof of concept for a novel "blood-less, blood test"」、Journal of electrocardiology 48、12～18頁(2015年)（非特許文献１６）を参照。臨床応用を円滑にするために、あまり面倒でない非侵襲的アプローチが好ましいと思われる。その目的のために、この研究の目標は、単一チャンネルへの検出要件を低減するようにわれわれの処理方法を精緻化し(移動および家での使用を可能にする)、処理済みECGとカリウムとの間の相関を実証するだけでなく、カリウム値を確実に予想計算するためにECGを使用することであった。単一リードを利用するカリウム値抽出は、着用可能なワイヤレスECGパッチ、ならびに場合によっては、埋め込み可能なループレコーダおよび心臓埋め込み可能電子デバイス(ペースメーカーおよび除細動器)における使用を可能にし得る。適切に処理されたECGは、単一リードから血清カリウムを決定し、初期「シーディング」血液検査がある場合とない場合の両方でこれを確実に行うために使用され得るという仮説を検証するために、われわれは、透析患者のコホートにおいてプロスペクティブ臨床研究を実施した。

【0080】

方法。ミネソタ州ロチェスターのMayo Clinicで臨床的に指示された血液透析を受けた18歳以上の入院患者および外来患者は、書面によるインフォームドコンセントを提供した後にIRB承認プロトコルの下で予め登録された。すべての患者において、12リードECGデータが、透析の開始直前から始まりその終了まで続くSiesta 802システム(ノースカロライナ州シャーロットのCompumedics)に記録された標準的な臨床的体位で電極を使用して取得された。信号取得は、毎秒1024標本の速さで実行された。データは、Matlab環境(米国、マサチューセッツ州のMathWorks Natick)を使用して分析された。

【0081】

患者群。アルゴリズム開発グループGroup 1内の患者は、研究の一部として3つの透析セッションを受けた26人の個人からなっている。各透析セッションにおいて、3つの時点、すなわち、透析前、ヘパリンラインを一時的にクランプし(使用中の場合)、透析液流を停止し、少なくとも15秒間に血流速度を100mL/分に下げた後の透析の中間時点、および透析液流を停止させ、少なくとも15秒間に血流速度を100ml/分に下げた後の透析後に、分析のため採血された。このグループは、このレポートで検証されるアルゴリズムを開発するために使用された。このアルゴリズムでは他のところで開発されたコンセプトを適用したが(Dillon JJ、DeSimone CV、Sapir Y、Somers VK、Dugan JL、Bruce CJ、Ackerman MJ、Asirvatham SJ、Striemer BL、Bukartyk J、「Noninvasive potassium determination using a mathematically processed ECG: Proof of concept for a novel "blood-less, blood test"」、Journal of electrocardiology 48、12～18頁(2015年)（非特許文献１６）を参照)、フィルタ処理および処理は、周囲の電気的ノイズおよび間欠的な信号品質の低下をより適切に考慮し、以下で詳述されるように、単一リード記録を可能にする改善であった。

【0082】

妥当性確認グループは、2つのサブグループ、Group 2AおよびGroup 2Bから成り立っていた。Group 2Aは、8人の患者からなり、その各々が透析前に1つ、透析直後に1つの2つの血液検査のある記録された透析セッションを受けた。Group 2Bは、完全透析および2値化ECGデータが利用可能なようにすでに研究されている11人の患者からなっていた。Dillon JJ、DeSimone CV、Sapir Y、Somers VK、Dugan JL、Bruce CJ、Ackerman MJ、Asirvatham SJ、Striemer BL、Bukartyk J、「Noninvasive potassium determination using a mathematically processed ECG: Proof of concept for a novel "blood-less, blood test"」、Journal of electrocardiology 48、12～18頁(2015年)（非特許文献１６）を参照。Group 2の患者からのデータのどれも、この原稿で説明されたカリウム予測アルゴリズムを作成するために使用されなかった。

【0083】

分析。結果は、断りのない限り、平均値±標準偏差として表される。異なる予測モデルの予測性能を比較するために、観察された測定と予測された測定との間の絶対誤差が計算され、要約された。

【0084】

個人化された分析戦略。Group 1における各患者について、各個人に対する処理済みECGパラメータと測定済みカリウム値との間の関係を定義した各患者のカリウム「用量反応曲線」を識別するために単一透析セッションが使用された。3つの透析セッションのうち、第1の透析セッションは、処理済みECGパラメータ-カリウム関係を定義することによってアルゴリズムにシードを設定するために使用された。次いで、第2および第3の透析セッションからのECGデータは、カリウム値を計算するために使用され、血液検査は、計算されたカリウムにおける誤差を計算するために使用された。したがって、Group 1は、アルゴリズム開発グループとして定義され、個人化された分析の目的のために、第1のセッションは、個人化に使用され、次の2つのセッションは、個人化された戦略の結果を検証するために使用された。

【0085】

大域的分析戦略。大域的分析戦略では、各個人について特有であるというのとは反対に、信号処理ECGと血中カリウムとの間の関係が普遍的である、または人間に対して少なくとも安定している(種特有)こと、およびしたがって、カリウム決定は、各個人からの血液検査(完全に血液を使用しない「無血血液検査」)を使用してアルゴリズムにシードを設定することなく実行され得ることを仮定した。大域的分析を実行するために、われわれは、Group 1内のすべての患者の第1の透析セッションからのデータのすべてを組み合わせて複合グループにした。これは、信号処理ECGと血清カリウムとの間の関係の大域的モデルを作成するために使用された。この大域的モデルは、2つの方法で検証された。第一に、われわれは、このモデルがGroup 1における患者に対する第2および第3のセッションにおけるカリウムを決定することができるかどうかを評価した。言い替えれば、われわれは、最初に、モデルがモデルを開発した同じコホートを使用してその後の透析セッションにおいてカリウムを決定することができるかを検証した。次に、われわれは、大域的モデルを、だれもデータをモデル作成に寄与させていないGroup 2(妥当性確認グループ)に適用することによって検証した。

【0086】

ECG信号処理および分析
電極選択およびセグメント化。すべての患者からのECGデータが、多段信号加算平均アルゴリズムを使用して処理された。この作業において、われわれは、セッションの間の類似の前胸位置にある電極を分析し、単一チャンネルパッチまたは皮下デバイスを介して長時間監視を使用して予想される配備を模倣しようとした。これを成し遂げるために、各セッションについて、最大振幅T波を有する単一側前胸リード(すなわち、V3-V6の1つ)からのデータのみが、カリウムを予測するために使用された。セッション間の信号振幅は、T波振幅の平方根に正規化されたが、信号振幅は、他の特徴によっても正規化され得る(たとえば、T波振幅、T波面積)。われわれは、これをわれわれの第1の生成アプローチとして使用して、電極配置ばらつきを最小限度に抑えたが、より高度な戦略が開発中である。それに加えて、この早期実証プロジェクトに、われわれは、分析中のリードで正単相性T波を使用する患者を含めただけである。ECGデータは、72秒セグメントに分割され、それにより1分間隔のオーバーラップを可能にした。次いで、処理アルゴリズムがセグメントの各々に適用された。この結果、すべての1分セグメントは処理され、フィルタ処理され、平均された代表的ECG群を有することになった。この処理済みECG群は、形態学的特徴抽出に使用された。

【0087】

信号処理および平均化、および「ビッグデータ」戦略。各72秒高分解能単一リードECGセグメントにおいて、典型的には、平均され処理されて単一の代表的群を形成した50～200の心拍があった(以下で説明されている、転位(ectopy)/フィルタ処理に応じて)。この結果、データ処理アルゴリズムの入力と出力との間の比が大きくなり、著しいデータ冗長性が生じた。このロバストなデータ冗長性は、データをフィルタ処理し、可能な歪みを導入するのとは反対に、次善最適データを除去した改善された戦略-アーチファクト検出器-を利用して単一電極から高忠実度分析を可能にしてECG信号のクリーニングを可能にした。アーチファクト検出器は、低い頻度でECGの線形および非線形フィルタ処理を使用してベースラインの変化を識別した。これは、信号を自動的にスコアリングし、セグメント全体の平均値および中央値スコアを使用して選択された適応的閾値を適用した。閾値を超えたスコアを有する信号のセクションは、アーチファクトで汚染されたとして定義され、破棄された(図15)。アルゴリズムの第2のステップは、QRS群の検出ならびに転位および変行伝導群(ectopic and aberrant complexes)を排除する相関フィルタを伴った。Zidelmal, Z.、Amirou, A.、Adnane, M. & Belouchrani, A.、「QRS detection based on wavelet coefficients」、Comput. Methods Prog. Biomed. 107、490～496頁、doi:10.1016/j.cmpb.2011.12.004 (2012年)（非特許文献１７）、Seena, V. & Yomas, J.、in Devices、Circuits and Systems (ICDCS)、2014 2nd International Conference on. 1～6頁（非特許文献１８）を参照。アルゴリズムの第3のステップにおいて、すべての群は、QRSにおける基準点を使用して整列され、中央値パターンから変化した群は、取り除かれた。最終ステップにおいて、群は信号加算平均されて、ノイズを取り除き、波形形態を平滑化した。

【0088】

ECG特徴抽出。平均された処理済みECG群は、分析のために特徴抽出に使用された。T波ピークおよびT波終点は、他のところで説明されているように自動化された方式で選択された。Dillon JJ、DeSimone CV、Sapir Y、Somers VK、Dugan JL、Bruce CJ、Ackerman MJ、Asirvatham SJ、Striemer BL、Bukartyk J、「Noninvasive potassium determination using a mathematically processed ECG: Proof of concept for a novel "blood-less, blood test"」、Journal of electrocardiology 48、12～18頁(2015年)（非特許文献１６）を参照。次いで、アルゴリズムは、平均微分アプローチを使用してその傾き(T右傾き)を推定するために下向きのT波の代表的セクションを自動的に選択した。Hamming, R.、「Numerical methods for scientists and engineers」(Courier Corporation、2012年)（非特許文献１９）、Zhang, Q.、Manriquez, A. I.、Medigue, C.、Papelier, Y. & Sorine, M.、「An algorithm for robust and efficient location of T-wave ends in electrocardiograms」、Biomedical Engineering、IEEE Transactions on 53、2544～2552頁(2006年)（非特許文献２０）、Helfenbein ED、Ackerman MJ、Rautaharju PM、Zhou SH、Gregg RE、Lindauer JM、Miller D、Wang JJ、Kresge SS、Babaeizadeh S、「An algorithm for QT interval monitoring in neonatal intensive care units」、Journal of electrocardiology 40、S103-S110(2007年)（非特許文献２１）を参照。T波振幅(T振幅)は、TピークとT終点との間でミリボルト単位の差として測定された。T右傾きおよびT振幅のこれらの値を導出した後、カルマンフィルタ(Kalman, R. E.、「A new approach to linear filtering and prediction problems」、Journal of Fluids Engineering 82、35～45頁(1960年)（非特許文献２２）を参照)が、72秒にわたって血清カリウムの率が変化し、急なセグメント変化は真のカリウム変化とは反対にセグメント異常を表すという事実を考慮して、ノイズを低減するために使用された。

【0089】

透析中のカリウムおよび特徴抽出。選択された特徴とカリウム値との間の相関の妥当性を確認するために、われわれは、時間的進行分析を行うためのツールを構築した。このツールは、他のところで説明されている方法を使用する「早送り」ECG分析を可能にした。ツールは、透析時系列および低速度方式で代表的な対応するカリウム血液検査に対する自動化されたECG分析の進行を実証する。透析実行時の特徴抽出を分析するためのツール使用例は図16に示されている。

【0090】

予測モデルの作成。個人化された戦略を用いることで、第1の透析セッションからのカリウム値および

【数1】

は、各患者に対する線形最小二乗推定器を構築するために使用された。第2および第3のECG記録は、予測目的のために抽出され、処理され、推定器内にプラグインされた。

【0091】

大域的予測アプローチでは、われわれは、すべてのグループ1の患者の訪問データを組み合わせて「大域的推定器」を作成した。すべての患者からのECGを組み合わせるために、われわれは、T右傾きをT振幅の平方根で正規化した。

【0092】

結果。われわれは、患者1人当たり平均2.5セッションとして、51人の患者の129回の透析セッションにおいてECGデータを記録した。患者は、平均年齢58±16歳を有し、66%が男性であった。平均左心室駆出分画率(LVEF)は、59±7であり、分析された患者の9%は、心筋梗塞の病歴を有していた。使用できないECGがあるため分析から除外された患者では、LVEFは46±16%であり、患者の67%は、心筋梗塞の病歴を有していた。二相性または反転T波は、6人の患者(調査対象集団の11%)におけるデータの分析を除外し、また1人の患者からの単一訪問の分析を除外した。

【0093】

個人化された分析。個人化された推定器は、静脈切開術のときに1つの血液検査またはECGが利用可能でなかった3人の患者を除き、各訪問において3つの血液検査で3つすべての訪問を有していた26人の患者に対して検証された。測定された血中カリウム値は、3.9±0.8mmol/Lであった。2つのその後の訪問(患者1人当たり合計6つの血液検査)における平均絶対誤差は、0.36±0.34mmol/Lであった。中央値絶対誤差は、0.26mmol/Lであり、平均されたパーセント誤差は、血清カリウム血液検査結果(図17および図18)の10%であった。

【0094】

大域的分析(シーディング血液検査はない)。大域的推定器は、2つの集団で検証された。検証された第1の集団は、第1および第3の透析セッションにおけるカリウムを計算するために大域的推定器が使用されたGroup 1(開発グループ)であった。2つの異なる訪問(合計6つの血液検査)における絶対誤差値は、0.44±0.47mmol/Lであり、中央値絶対誤差は、0.33mmol/Lであり、平均されたパーセント誤差は、血清カリウム血液検査結果の11%であった。T右傾きを正規化するためにT波の平方根を使用することで、大域的分析の結果が改善した。

【0095】

大域的分析がGroup 2(モデル作成に寄与したデータがない妥当性確認集団)において適用されたときに、測定された血中カリウム値は4.2±0.95mmol/Lであった。グループ2Aに対する6つの血液検査およびグループ2Bに対する3つの血液検査における絶対誤差値は、0.5±0.42mmol/Lであり、中央値絶対誤差は、0.41mmol/Lであり、平均されたパーセント誤差は、血清カリウム血液検査結果の12%であった。

【0096】

時間的進行ツールは、T波右傾きを、カリウムを計算するためのパラメータ特徴として使用する有用性を確認した。それに加えて、これは、計算されたカリウムの経時変化が、血液検査における変化と並行していることを確認し、透析(図19)においてカリウム値を評価するより正確な手段を示唆した。

【0097】

論考。心臓血管および/または腎臓疾患を患っている患者において、高カリウム血症はたびたび起こり、生死にかかわる疾病であり、通常は無症候性である。Gennari, F. J.、「Hypokalemia」、New England Journal of Medicine 339、451～458頁、doi:doi:10.1056/NEJM199808133390707 (1998年)（非特許文献３）、Weiner, I. D. & Wingo, C. S.、「Hyperkalemia: a potential silent killer」、JOURNAL-AMERICAN SOCIETY OF NEPHROLOGY 9、1535～1543頁(1998年)（非特許文献４）を参照。カリウムを減らす安全で効果的な薬剤の出現で、高カリウム血症の検出が重要であるという認識が高まった。Ingelfinger, J. R.、「A New Era for the Treatment of Hyperkalemia?」New England Journal of Medicine 372、275～277頁、doi:doi:10.1056/NEJMe1414112 (2015年)（非特許文献１１）、Ash, S. R.、Singh, B.、Lavin, P. T.、Stavros, F. & Rasmussen, H. S.、「A phase 2 study on the treatment of hyperkalemia in patients with chronic kidney disease suggests that the selective potassium trap, ZS-9, is safe and efficient」、Kidney Int、doi:10.1038/ki.2014.382 (2015年)（非特許文献１２）、Packham DK、Rasmussen HS、Lavin PT、El-Shahawy MA、Roger SD、Block G、Qunibi W、Pergola P、Singh B、「Sodium Zirconium Cyclosilicate in Hyperkalemia」、New England Journal of Medicine 372、222～231頁、doi:doi:10.1056/NEJMoa1411487 (2015年)（非特許文献１３）、Kosiborod M、Rasmussen HS、Lavin P、Qunibi WY、Spinowitz B、Packham D、Roger SD、Yang A、Lerma E、Singh B、「Effect of sodium zirconium cyclosilicate on potassium lowering for 28 days among outpatients with hyperkalemia」、The harmonize randomized clinical trial. JAMA 312、2223～2233頁、doi:10.1001/jama.2014.15688 (2014年)（非特許文献２３）を参照。単一チャンネル信号の信号処理済みECGを通じてカリウムを離れたところから、非影響に、頻繁に、および非侵襲的に評価することができるため、現在利用可能なワイヤレスECGパッチ、埋め込み型モニタ、および心臓デバイスがカリウムの測定結果を推論することを可能にし、大きい集団に影響を及ぼすクリティカルなニーズに応える。血液透析を受ける患者のこの研究において、信号処理済みECGは、個人に合わせた薬剤を介して臨床的に意味のある値をもたらす、「血液検査にシードを設定する」ことを必要とした個人化された戦略を使用したときに0.36±0.34mmol/Lの平均誤差を有するカリウム値を決定することができた。重要なことは、個人化がなく、また採血がなくても、カリウムの臨床的に有用な推定値が得られ、これはアラートおよび傾向を示すのに役立つ、0.5±0.42mmol/Lの平均誤差を有するカリウム値をもたらした。これらの調査結果は、高分解能ECGデータの単一リードを使用して、透析患者のカリウムを離れた場所から監視するのに適し得ることを示唆する。これは、多くの場合に、透析セッションから12時間前の、高カリウム血症および急死の高い危険性のある集団であり、高カリウム血症機序を示唆している。

【0098】

高いレベルの精度を達成するためにいくつかのアルゴリズム戦略が適用された。1つは、「アーチファクト検出器」コンセプトの適用であり、この場合、冗長データが利用可能であることで、フィルタ処理するか、またはきれいにすることを試みるのではなく低品質データを破棄する自動化されたアーチファクト検出器を使用することができた。この基本戦略は、軽いまたは適度の待ち時間が許容できる多数の生理学的信号の分析に適用可能であるものとしてよい。カリウム値が一般的に、血液検査がない場合に臨床的に利用可能でないならば、1日1回または2回の評価であっても、特に病院から最近退院したハイリスク患者において、著しい進歩となり得る。カリウム値を決定する際の分単位または時間単位の遅れは、臨床的に受け入れ可能であり得る。概して、遠隔患者監視の大きな問題点は、アーチファクトおよびノイズの問題であり、これは一般に非影響の、耐容性良好なセンサが外来患者の頻繁にノイズが混ざる信号を取得するために使用されるときに存在する。そのような問題点は、データ冗長性を活用することによって実質的に克服できる。第2の戦略は、カルマンフィルタの使用であり、これは歴史的に、飛行機が飛べる軌道および速度の変化の急激さにおける制約条件を認識することによって鳥の大群に起因して戻ってくるレーダ信号を、追跡されている飛行機の信号から区別するために使用されてきた。類似の方式で、われわれは、数分の時間枠にわたるカリウムの顕著な変化が、特に、一貫した変化でない場合に、測定誤差を表すことを認識し、補正し精度を高めることができた。

【0099】

この研究において、われわれは、高度なアルゴリズムを使用して、容易に得られる心電図再分極の使用の妥当性確認をさらに行い、血液透析患者における個人化された予測モデルおよび大域的予測モデルの両方でカリウムを予測した。われわれは、単一リード記録に主眼を置いて実用的な実施形態を可能にし、カリウム濃度と相関することがわかった2つのT波特徴を採用した。Dillon JJ、DeSimone CV、Sapir Y、Somers VK、Dugan JL、Bruce CJ、Ackerman MJ、Asirvatham SJ、Striemer BL、Bukartyk J、「Noninvasive potassium determination using a mathematically processed ECG: Proof of concept for a novel "blood-less, blood test"」、Journal of electrocardiology 48、12～18頁(2015年)（非特許文献１６）を参照。これらは、個人化された予測モデルおよび大域的予測モデルの両方を開発するために使用された。側前胸リードにおける下向きのT波の使用は、カリウムと再分極との間の関係を機構的に強める。細胞外カリウムは、心内膜筋細胞および心外膜筋細胞と比較して中間心筋における活動電位再分極に差動的に影響を及ぼすことができ、これはT波右傾きとして表面ECG上にもっぱら反映される。Yan, G.-X. & Antzelevitch, C.、「Cellular basis for the normal T wave and the electrocardiographic manifestations of the long-QT syndrome」、Circulation 98、1928～1936頁(1998年)（非特許文献２４）を参照。細胞外カリウム濃度の変化は、全体として表面T波として要約されている、各筋細胞の膜貫通電圧勾配に影響を及ぼす。カリウムチャンネルの機能は生命維持に欠かせず、その遺伝子配列は進化論的スケールで高度に保存され、類似の配列は細菌から人間に至る種の中にある。Choe, S.、「Potassium channel structures」、Nature Reviews Neuroscience 3、115～121頁(2002年)（非特許文献２５）を参照。したがって、膜透過チャンネルは、カリウム濃度の理想的な「マイクロセンサ」であり、大域的分析が実現可能であり、これはわれわれが微妙な変化を検出する際のわれわれの固有の忠実度を考慮して、細胞レベルでカリウム変化の総和を検出するというコンセプトを裏付ける。

【0100】

他のところでは、T右傾きおよびT振幅とカリウムとの間の相関が説明されている。この研究では、われわれは、個人化された大域的予測方式で相関を使用する。Corsiらは、T波とカリウム濃度との間に類似の関係を見いだしたが、これはわれわれの研究結果を裏付けるものである。Corsi C、DeBie J、Napolitano C、Priori S、Mortara D、Severi S、「Validation of a novel method for non-invasive blood potassium quantification from the ECG」、Computing in Cardiology (CinC)、2012年、105～108頁（非特許文献２６）を参照。しかしながら、これらは、12リードECGを必要とする多次元固有リードを、主成分分析を使用して作成した。そのような戦略はさらにこのコンセプトを裏付けるが、これは外来患者の家での使用には実用的ではあり得ない。われわれは、特に、外来患者への適合を許し得るツールを特に開発した。それに加えて、われわれは、また、T振幅それ自体の代わりにT振幅の平方根を使用することによって、異なる正規化方法を使用し、したがって、T波振幅によって得られる情報の一部を保存したが、それと同時に「患者間」と「訪問間」のECG変動性を最小限度に抑えた。最後に、われわれの予測は、15分の代わりに5分のECGのみに基づいたが、これは遠隔監視アプリケーションにはより実用的であり得る。

【0101】

われわれが開発した時間的進行ツールは、「時間経過」方式で処理済みECG計算カリウムのアニメーションを作成し、これにより透析時にカリウム変化の評価を可能にし、開発時(図16)にアルゴリズム変化の影響の評価を円滑にした。それに加えて、ツールを使用することで、絶対カリウム値に誤差があるとしても、計算されたカリウムの傾向は、血液検査のカリウム傾向に非常によく似ていることは明らかであり、実際、採血カリウム値(図19)の間でプロットされた推定される線形性より正確な評価を表し得る。さらに、そのような情報は、カリウムを下げる(または上げる)のに必要なインターベンションを識別するために追加の透析セッションが役立ち得るかどうかを決定し、また透析それ自体の持続時間および強度を誘導するために有用であることを実証し得る。

【0102】

この初期研究において、二相性、二モード性、または反転T波を有する患者は除外され、その結果、6人の患者(登録された被験者の11.7%)が分析から除外され、その66%が心筋梗塞の病歴を有していた。追加の1人の患者において、その訪問単独ではT波異常の存在により単一透析セッションが除外された。活性虚血および急性梗塞を患っている患者は、この方法に対するよい候補とならない可能性があるが、しかしながら、これらは、典型的には、遠隔監視を介して治療され、血液検査へのアクセスは一般的に問題にならない。

【0103】

カリウム濃度以外の多数の要因がECGに影響を及ぼす。これらは、限定はしないが、リード位置における変動(Kania M、Rix H、Fereniec M、Zavala-Fernandez H、Janusek D、Mroczka T、Stix G、Maniewski R、「The effect of precordial lead displacement on ECG morphology」、Medical & biological engineering & computing 52、109～119頁(2014年)（非特許文献２７）を参照)、体位の変化、体重および体積状態の変化(Nguyen UC、Potse M、Regoli F、Caputo ML、Conte G、Murzilli R、Muzzarelli S、Moccetti T、Caiani EG、Prinzen FW、「An in-silico analysis of the effect of heart position and orientation on the ECG morphology and vectorcardiogram parameters in patients with heart failure and intraventricular conduction defects」、Journal of Electrocardiology (2015年)（非特許文献２８）を参照)、心拍数および心律動の変化、および心虚血の発症、さらには透析中に変化する他の電解質を含む。これらの、最も顕著な身体およびリード位置の変動性ならびに流体体積変化の一部は、推定誤差の一部を考慮する可能性がある。いくつかの潜在的誤差源は、ECGテンプレート分析および/またはセンサベースの加速度計の両方を使用して体位を記録することで排除され得る。複数の潜在的誤差源があるにもかかわらず、この安定した透析集団において、平均ECG導出カリウム誤差は、0.5±0.42mmol/Lのみであるか、または平均12%であった。最後に、われわれは、その臨床上の重要性およびECGとの知られている関係があるため、最初にカリウムに主眼を置いた。しかしながら、いくつかのECG変化は、患者の血流中の他の検体濃度に起因するものとしてよく、それらのECG変化は、したがって、カリウムを超える要素の血中濃度の推定をもたらすように分析され得る。

【0104】

図23は、本明細書で説明されているシステムおよび方法を、クライアント、またはサーバもしくは複数のサーバのいずれかとして実装するために使用され得るコンピューティングデバイス2300、2350のブロック図である。コンピューティングデバイス2300は、ラップトップ、デスクトップ、ワークステーション、携帯情報端末、サーバ、ブレードサーバ、メインフレーム、および他の適切なコンピュータなどの様々な形態のデジタルコンピュータを表すことが意図されている。コンピューティングデバイス2350は、携帯情報端末、携帯電話、スマートフォン、および他の類似のコンピューティングデバイスなどの様々な形態のモバイルデバイスを表すことが意図されている。それに加えて、コンピューティングデバイス2300または2350は、ユニバーサルシリアルバス(USB)フラッシュドライブを含む。USBフラッシュドライブは、オペレーティングシステムおよび他のアプリケーションを記憶し得る。USBフラッシュドライブは、ワイヤレス送信機、または別のコンピューティングデバイスのUSBポートに挿入され得るUSBコネクタなどの、入力/出力コンポーネントを備え得る。ここに示されているコンポーネント、それらの接続および関係、ならびにそれらの機能は、例示することのみを意図されており、本明細書において説明され、および/または請求されている実施形態を限定することを意図されていない。

【0105】

コンピューティングデバイス2300は、プロセッサ2302、メモリ2304、記憶装置デバイス2306、メモリ2304および高速拡張ポート2310に接続する高速インターフェース2308、ならびに低速バス2314および記憶装置デバイス2306に接続する低速インターフェース2312を備える。コンポーネント2302、2304、2306、2308、2310、および2312の各々は、様々なバスを使用して相互接続され、共通マザーボード上に取り付けられるか、または適宜他の仕方で取り付けられ得る。プロセッサ2302は、高速インターフェース2308に結合されているディスプレイ2316などの、外部入力/出力デバイス上にGUIに対するグラフィック情報を表示するためメモリ2304内に、または記憶装置デバイス2306上に、記憶されている命令を含む、コンピューティングデバイス2300内で実行する命令を処理することができる。他の実施形態では、複数のプロセッサおよび/または複数のバスが、適宜、複数のメモリおよび種類のメモリとともに使用され得る。また、複数のコンピューティングデバイス2300が、必要な操作の一部を提供する各デバイスと接続され得る(たとえば、サーババンク、ブレードサーバのグループ、またはマルチプロセッサシステムとして)。

【0106】

メモリ2304は、コンピューティングデバイス2300内の情報を記憶する。一実施形態において、メモリ2304は、1つまたは複数の揮発性メモリユニットである。他の実施形態では、メモリ2304は、1つまたは複数の不揮発性メモリユニットである。メモリ2304は、磁気ディスクまたは光ディスクなどのコンピュータ可読媒体の他の形態のものであってもよい。

【0107】

記憶装置デバイス2306は、コンピューティングデバイス2300用の大容量記憶装置を構成することができる。一実施形態において、記憶装置デバイス2306は、ストレージエリアネットワークまたは他の構成のデバイスを含む、フロッピィディスクデバイス、ハードディスクデバイス、光ディスクデバイス、またはテープデバイス、フラッシュメモリもしくは他の類似のソリッドステートメモリデバイス、またはデバイスアレイなどのコンピュータ可読媒体であるか、またはコンピュータ可読媒体を含むことができる。コンピュータプログラム製品は、情報キャリアで明確に具現化され得る。コンピュータプログラム製品は、実行されたときに、上で説明されているような1つまたは複数の方法を実行する命令も収容し得る。情報キャリアは、メモリ2304、記憶装置デバイス2306、またはプロセッサ2302上のメモリなどのコンピュータもしくは機械可読媒体である。

【0108】

高速コントローラ2308は、コンピューティングデバイス2300に対して大きな帯域幅を使用する操作を管理するが、低速コントローラ2312は、少ない帯域幅を使用する操作を管理する。機能のこのような割り振りは、例示的なものにすぎない。一実施形態において、高速コントローラ2308は、メモリ2304、ディスプレイ2316(たとえば、グラフィックスプロセッサまたはアクセラレータを通じて)、および様々な拡張カード(図示せず)を受け入れることができる高速拡張ポート2310に結合される。その実施形態では、低速コントローラ2312は、記憶装置デバイス2306および低速拡張ポート2314に結合される。様々な通信ポート(たとえば、USB、Bluetooth（登録商標）、Ethernet、ワイヤレスEthernet)を含み得る、低速拡張ポートは、キーボード、ポインティングデバイス、スキャナ、またはたとえば、ネットワークアダプタを通じて、スイッチまたはルータなどネットワーキングデバイスなどの1つまたは複数の入力/出力デバイスに結合され得る。

【0109】

コンピューティングデバイス2300は、図に示されているように、数多くの異なる形態で実装され得る。たとえば、標準サーバ2320として、またはそのようなサーバのグループにおいて何倍もの数で実装され得る。これは、ラックサーバシステム2324の一部としても実装され得る。それに加えて、ラップトップコンピュータ2322などのパーソナルコンピュータで実装され得る。代替的に、コンピューティングデバイス2300からのコンポーネントは、デバイス2350などのモバイルデバイス(図示せず)内の他のコンポーネントと組み合わされ得る。このようなデバイスの各々は、コンピューティングデバイス2300、2350のうちの1つまたは複数を含むものとしてよく、システム全体が、互いに通信する複数のコンピューティングデバイス2300、2350で構成され得る。

【0110】

コンピューティングデバイス2350は、とりわけ、プロセッサ2352、メモリ2364、ディスプレイ2354などの入力/出力デバイス、通信インターフェース2366、およびトランシーバ2368を備える。デバイス2350は、追加の記憶装置を構成するためにマイクロドライブまたは他のデバイスなどの記憶装置デバイスを備え得る。コンポーネント2350、2352、2364、2354、2366、および2368の各々は、様々なバスを使用して相互接続され、これらのコンポーネントのうちのいくつかは、共通マザーボード上に取り付けられるか、または適宜他の仕方で取り付けられ得る。

【0111】

プロセッサ2352は、メモリ2364内に記憶されている命令を含む、コンピューティングデバイス2350内の命令を実行することができる。プロセッサは、個別の、および複数の、アナログおよびデジタルプロセッサを備えるチップのチップセットとして実装され得る。それに加えて、プロセッサは、多数のアーキテクチャのうちのどれを使用しても実装され得る。たとえば、プロセッサ2352は、CISC(複数命令セットコンピュータ)プロセッサ、RISC(縮小命令セットコンピュータ)プロセッサ、またはMISC(最小命令セットコンピュータ)プロセッサであってよい。プロセッサは、たとえば、ユーザインターフェースの制御、デバイス2350によるアプリケーション実行、デバイス2350によるワイヤレス通信などの、デバイス2350の他のコンポーネントの調整を行い得る。

【0112】

プロセッサ2352は、制御インターフェース2358およびディスプレイ2354に結合されている表示インターフェース2356を通じてユーザと通信することができる。ディスプレイ2354は、たとえば、TFT(薄膜トランジスタ液晶ディスプレイ)ディスプレイまたはOLED(有機発光ダイオード)ディスプレイまたは他の適切なディスプレイ技術であってよい。表示インターフェース2356は、グラフィックおよび他の情報をユーザに提示するようにディスプレイ2354を駆動するための適切な回路を備え得る。制御インターフェース2358は、ユーザからコマンドを受け取り、それらをプロセッサ2352に送るために変換し得る。それに加えて、外部インターフェース2362は、プロセッサ2352と通信するように構成され、デバイス2350と他のデバイスとの近距離通信を行うことを可能にする。外部インターフェース2362は、たとえば、いくつかの実装における有線通信、または他の実装における無線通信を行うことができ、複数のインターフェースも使用され得る。

【0113】

メモリ2364は、コンピューティングデバイス2350内の情報を記憶する。メモリ2364は、1つまたは複数のコンピュータ可読媒体、1つまたは複数の揮発性メモリユニット、または1つまたは複数の不揮発性メモリユニットのうちの1つまたは複数として実装することができる。拡張メモリ2374も、たとえば、SIMM(シングルインラインメモリモジュール)カードインターフェースを含むものとしてよい、拡張インターフェース2372を通じて構成され、デバイス2350に接続され得る。このような拡張メモリ2374は、デバイス2350に対する付加的な記憶領域を設け得るか、またはデバイス2350用のアプリケーションまたは他の情報を記憶し得る。特に、拡張メモリ2374は、上述のプロセスを実行するか、または補助する命令を記憶するものとしてよく、またセキュア情報も記憶し得る。したがって、たとえば、拡張メモリ2374は、デバイス2350に対するセキュリティモジュールとして構成され、デバイス2350の安全な使用を可能にする命令でプログラムされ得る。それに加えて、安全なアプリケーションは、SIMMカードを介して、ハッキングできない方式でSIMMカード上に識別情報を配置するなど、付加情報とともに提供され得る。

【0114】

メモリは、たとえば、以下で説明されているように、フラッシュメモリおよび/またはNVRAMメモリを含み得る。一実施形態において、コンピュータプログラム製品は、情報キャリアで明確に具現化される。コンピュータプログラム製品は、実行されたときに、上で説明されているような1つまたは複数の方法を実行する命令を収容している。情報キャリアは、たとえば、トランシーバ2368もしくは外部インターフェース2362上で受信され得る、メモリ2364、拡張メモリ2374、またはプロセッサ2352上のメモリなどのコンピュータもしくは機械可読媒体である。

【0115】

デバイス2350は、必要ならば、デジタル信号処理回路を備えることができる、通信インターフェース2366を通じてワイヤレス方式で通信し得る。通信インターフェース2366は、とりわけ、GSM（登録商標）音声電話、SMS、EMS、またはMMSメッセージング、CDMA、TDMA、PDC、WCDMA（登録商標）、CDMA2000、またはGPRSなどの、様々なモードもしくはプロトコルの下で通信を行い得る。このような通信は、たとえば、無線周波トランシーバ2368を通じて行うものとしてよい。それに加えて、Bluetooth（登録商標）、WiFi、または他のトランシーバ(図示せず)などを使用して、短距離通信を実行し得る。それに加えて、GPS(全世界測位システム)受信機モジュール2370は、追加のナビゲーションおよび測位関係ワイヤレスデータをデバイス2350に提供するものとしてよく、これはデバイス2350上で実行するアプリケーションによって適宜使用され得る。

【0116】

デバイス2350は、オーディオコーデック2360を使用して音声で通信することもでき、ユーザから発話情報を受け取り、それを使用可能なデジタル情報に変換することができる。オーディオコーデック2360は、同様に、たとえば、デバイス2350のハンドセットのスピーカなどを通じて、ユーザ向けに可聴音を発生し得る。このような音は、音声電話からの音を含み、録音された音を含み(たとえば、音声メッセージ、音楽ファイルなど)、またデバイス2350上で動作するアプリケーションによって発生させた音を含み得る。

【0117】

コンピューティングデバイス2350は、図に示されているように、数多くの異なる形態で実装され得る。たとえば、これは携帯電話2380として実装されてもよい。また、これはスマートフォン2382、携帯情報端末、または他の類似のモバイルデバイスの一部としても実装され得る。

【0118】

本明細書で説明されているシステムおよび技術の様々な実装は、デジタル電子回路、集積回路、専用設計ASIC(特定用途向け集積回路)、コンピュータのハードウェア、ファームウェア、ソフトウェア、および/またはこれらの組合せで実現され得る。これらの様々な実装は、記憶装置システム、少なくとも1つの入力デバイス、および少なくとも1つの出力デバイスからデータおよび命令を受信し、記憶装置システム、少なくとも1つの入力デバイス、および少なくとも1つの出力デバイスにデータおよび命令を送信するように結合された、専用または汎用のものとしてよい、少なくとも1つのプログラム可能なプロセッサを備えるプログラム可能なシステム上で実行可能であり、および/または解釈可能である1つまたは複数のコンピュータプログラムによる実装を含むことができる。

【0119】

これらのコンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、またはコードとも呼ばれる)は、プログラム可能なプロセッサ用の機械語命令を含み、高水準手続き型および/またはオブジェクト指向プログラミング言語で、および/またはアセンブリ/機械語で実装され得る。本明細書で使用されているように、「機械可読媒体」、「コンピュータ可読媒体」という用語は、機械可読信号として機械語命令を受信する機械可読媒体を含む、機械語命令および/またはデータをプログラム可能なプロセッサに供給するために使用されるコンピュータプログラム製品、装置、および/またはデバイス(たとえば、磁気ディスク、光ディスク、メモリ、プログラム可能論理デバイス(PLD))を指す。「機械可読信号」という用語は、機械語命令および/またはデータをプログラム可能なプロセッサに供給するために使用される信号を指す。

【0120】

ユーザと情報のやり取りを行うために、本明細書で説明されているシステムおよび技術は、ユーザに対して情報を表示するための表示デバイス(たとえば、CRT(陰極線管)またはLCD(液晶ディスプレイ)モニタ)およびキーボードおよびユーザがコンピュータに入力を送るために使用できるポインティングデバイス(たとえば、マウスもしくはトラックボール)を有するコンピュータ上で実装され得る。他の種類のデバイスも、ユーザと情報をやり取りするために使用されてよく、たとえば、ユーザに返されるフィードバックは、任意の形態の感覚フィードバック(たとえば、視覚フィードバック、聴覚フィードバック、または触覚フィードバック)とすることができ、ユーザからの入力は、音響、話し声、または触覚入力を含む、任意の形態で受け取られ得る。

【0121】

本明細書で説明されているシステムおよび技術は、バックエンドコンポーネントを含む(たとえば、データサーバとして)、またはミドルウェアコンポーネントを含む(たとえば、アプリケーションサーバとして)、またはフロントエンドコンポーネントを含む(たとえば、ユーザと本明細書で説明されているシステムおよび技術の実装とのインタラクティブな操作に使用されるグラフィカルユーザインターフェースまたはウェブブラウザを有するクライアントコンピュータ)コンピューティングシステム、またはそのようなバックエンド、ミドルウェア、またはフロントエンドコンポーネントの任意の組合せで実装され得る。システムのコンポーネントは、デジタルデータ通信の任意の形態または媒体(たとえば、通信ネットワーク)によって相互接続され得る。通信ネットワークの例は、ローカルエリアネットワーク(「LAN」)、ワイドエリアネットワーク(「WAN」)、ピアツーピアネットワーク(アドホックまたはスタティックメンバを有する)、グリッドコンピューティングインフラストラクチャ、およびインターネットを含む。

【0122】

コンピューティングシステムは、クライアントおよびサーバを含み得る。クライアントおよびサーバは、一般に、互いに隔てられており、典型的には、通信ネットワークを通じてインタラクティブな操作を行う。クライアントとサーバとの関係は、コンピュータプログラムが各コンピュータ上で実行され、互いとの間にクライアント-サーバ関係を有することによって発生する。

【0123】

上では少数の実施形態が詳しく説明されたが、他の変更形態も可能である。さらに、ECGデータに基づきカリウムを定量化する他の機構も使用され得る。それに加えて、図に示されているロジックフローは、望ましい結果を達成するために、図示されている特定の順序、または順番を必要としない。他のステップが提示されるか、または説明されているフローから、ステップが取り除かれてもよく、他のコンポーネントが説明されているシステムに追加されるか、または取り除かれてもよい。したがって、他の実施形態は、特許請求の範囲内に収まる。
本明細書で説明されている主題の一実施形態は、検体の濃度を評価するためのコンピュータ実施方法をさらに含む。方法は、被験者の心電図(ECG)データを取得するステップと、ECGデータを機械学習モデルに入力するステップと、機械学習モデルから被験者の検体の濃度を予測するステップと、被験者の検体の予測された濃度を提供するステップとを含む。
この実施形態は、次の特徴のうちの1つまたは複数を適宜含み得る。
濃度は、低い、正常、および高いからなる群から選択されるカテゴリへの分類であり得る。
機械学習モデルは、フィードフォワードニューラルネットワーク、深層畳み込みニューラルネットワーク、サポートベクターマシン、混合ガウスモデル、隠れマルコフモデル、ベイズの決定則、ロジスティック回帰、最隣接モデル、および決定木のうちの1つまたは複数を含み得る。
ECGデータを機械学習モデルに入力するステップは、ECGデータ中の複数の心拍を識別するステップと、複数の心拍を機械学習モデルに入力するステップであって、機械学習モデルが検体の濃度の予測値を出力する、ステップとを含み得る。
方法は、複数の心拍の平均をとって、代表的心拍を形成するステップと、代表的心拍を機械学習モデルに入力するステップとをさらに含み得る。
検体は、血清カリウム濃度であり得る。
機械学習モデルは、ECGデータを取得した被験者以外の集団の学習用ECGデータで学習を行い得る。
機械学習モデルは、ECGデータを取得した被験者の学習用ECGデータで学習を行い得る。

【符号の説明】

【0124】

1，2A，2B，3 グループ
1 高カリウム血症機序
502，504，506，508，510 プロット
1000a，1000b，1000c ヒストグラム
2100 システム
2102a，2102b，2102c，2102d，2102e，2102f，2102g，2102h 入力ソース
2104 デバイス変換器
2106 多入力処理エンジン
2108 検体推定モデル
2300，2350 コンピューティングデバイス
2302 プロセッサ
2304 メモリ
2306 記憶装置デバイス
2308 高速インターフェース
2310 高速拡張ポート
2312 低速インターフェース
2314 低速バス
2320 標準サーバ
2322 ラップトップコンピュータ
2324 ラックサーバシステム
2350 デバイス
2352 プロセッサ
2354 ディスプレイ
2356 表示インターフェース
2358 制御インターフェース
2360 オーディオコーデック
2362 外部インターフェース
2364 メモリ
2366 通信インターフェース
2368 トランシーバ
2370 GPS(全世界測位システム)受信機モジュール
2372 拡張インターフェース
2374 拡張メモリ
2380 携帯電話
2382 スマートフォン

【図1】

【図2】

【図3】

【図4】

【図5A】

【図5B】

【図5C】

【図6A】

【図6B】

【図7】

【図8】

【図9A】

【図9B】

【図9C】

【図10】

【図11】

【図12A】

【図12B】

【図13A】

【図13B】

【図14A】

【図14B】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】