特許 7558196 コンピューティングシステム、コンピュータ可読データ記憶媒体、および方法

(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】2024-09-19

(45)【発行日】2024-09-30

(54)【発明の名称】コンピューティングシステム、コンピュータ可読データ記憶媒体、および方法

(51)【国際特許分類】

   A61B 5/363 20210101AFI20240920BHJP

   A61B 5/33 20210101ALI20240920BHJP

   G06N 3/02 20060101ALI20240920BHJP

   G06N 20/00 20190101ALI20240920BHJP

【ＦＩ】

A61B5/363

A61B5/33 120

A61B5/33 300

G06N3/02

G06N20/00

【請求項の数】 11

(21)【出願番号】P 2021564729

(86)(22)【出願日】2020-04-23

(65)【公表番号】

(43)【公表日】2022-07-06

(86)【国際出願番号】 US2020029431

(87)【国際公開番号】W WO2020226904

(87)【国際公開日】2020-11-12

【審査請求日】2023-04-21

(31)【優先権主張番号】62/843,693

(32)【優先日】2019-05-06

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】16/850,618

(32)【優先日】2020-04-16

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】507020152

【氏名又は名称】メドトロニック，インコーポレイテッド

(74)【代理人】

【識別番号】100118902

【弁理士】

【氏名又は名称】山本 修

(74)【代理人】

【識別番号】100106208

【弁理士】

【氏名又は名称】宮前 徹

(74)【代理人】

【識別番号】100196508

【弁理士】

【氏名又は名称】松尾 淳一

(74)【代理人】

【氏名又は名称】中村 彰吾

(72)【発明者】

【氏名】チャクラバーシー，ニランジャン

(72)【発明者】

【氏名】ダニ，シッダルト

(72)【発明者】

【氏名】ハダド，タレク・ディー

(72)【発明者】

【氏名】カトラ，ロドルフェ

(72)【発明者】

【氏名】マスグローブ，ドナルド・アール

(72)【発明者】

【氏名】ペダルティ，リンゼイ・エイ

(72)【発明者】

【氏名】ラトケ，アンドリュー

【審査官】藤原 伸二

(56)【参考文献】

【文献】国際公開第２０１９／０７０９７８（ＷＯ，Ａ１）

【文献】米国特許第７４９００８５（ＵＳ，Ｂ２）

【文献】米国特許出願公開第２０１８／０３７４１０５（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ５／３４６－５／３６６

Ａ６１Ｂ ５／３３

Ａ６１Ｂ ５／３１８

Ｇ０６Ｎ ３／０２

Ｇ０６Ｎ ２０／００

(57)【特許請求の範囲】

【請求項1】

現在の患者の心臓電位図（ＥＧＭ）ストリップ(strip)を記憶するように構成された記憶媒体と、
処理回路であって、
前記心臓ＥＧＭストリップのセグメントを入力として用いて、第１の心調律(cardiacrhythm)分類器ニューラルネットワーク（ＣＲＣ）を適用することであって、
前記第１のＣＲＣが、複数の患者を含む第１の集団からの心臓ＥＧＭストリップを訓練することで訓練され、
前記第１のＣＲＣが、前記心臓ＥＧＭストリップの前記セグメントに基づいて、前記現在の患者の心調律の態様に関する第１のデータを生成する、ことと、
前記心臓ＥＧＭストリップの前記セグメントを入力として用いて、第２のＣＲＣを適用することであって、
前記第２のＣＲＣが、前記第１の集団よりも小さい第２の集団からの心臓ＥＧＭストリップを訓練することで訓練される前記第１のＣＲＣのバージョンであり、
前記第２のＣＲＣが、前記心臓ＥＧＭストリップの前記セグメントに基づいて、前記現在の患者の前記心調律の前記態様に関する第２のデータを生成する、ことと、
前記第１のデータおよび前記第２のデータに基づいて、ユーザインタフェースを介して出力可能な出力データを生成することと、を行うように構成された、処理回路と、を含む、コンピューティングシステム。

【請求項2】

前記第２の集団が、前記現在の患者からなる、請求項１に記載のコンピューティングシステム。

【請求項3】

前記第２の集団が、前記現在の患者と１つ以上の特徴を共有する患者のコホートである、請求項１に記載のコンピューティングシステム。

【請求項4】

前記１つ以上の特徴が、前記患者のコホート(cohort)および前記現在の患者の診断を含む、請求項３に記載のコンピューティングシステム。

【請求項5】

前記処理回路が、前記心臓ＥＧＭストリップを入力として用いて、第３のＣＲＣを適用するようにさらに構成され、
前記第３のＣＲＣが、前記第１の集団からの前記心臓ＥＧＭストリップを訓練することに基づいて訓練され、前記現在の患者からの心臓ＥＧＭストリップを訓練することのみに基づいてさらに訓練された、前記第１のＣＲＣのバージョンであり、
前記第３のＣＲＣが、心臓ＥＧＭストリップの前記セグメントに基づいて、前記現在の患者の前記心調律の前記態様に関する第３のデータを生成し、
前記処理回路が、前記出力データを生成することの一部として、前記処理回路が前記第１のデータ、前記第２のデータ、および前記第３のデータに基づいて前記出力データを生成するように構成されている、請求項３または４に記載のコンピューティングシステム。

【請求項6】

前記現在の患者の前記心調律の前記態様が、前記現在の患者の前記心調律における心不整脈の発生の発生であり、
前記第１のデータが、前記心臓ＥＧＭストリップの前記セグメントが前記心不整脈の少なくとも１回の発生を表す第１の確率に基づいており、
前記第２のデータが、前記心臓ＥＧＭストリップの前記セグメントが前記心不整脈の少なくとも１回の発生を表す第２の確率に基づいている、請求項１～４のいずれか一項に記載のコンピューティングシステム。

【請求項7】

前記現在の患者の前記心調律の前記態様が、前記現在の患者の前記心調律で発生する心不整脈の発生の形態学的態様であり、
前記第１のデータが、前記心臓ＥＧＭストリップの前記セグメントで表される前記心不整脈の発生の前記形態学的態様に関する第１のデータを含み、
前記第２のデータが、前記心臓ＥＧＭストリップの前記セグメントで表される前記心不整脈の前記発生の前記形態学的態様に関する第２のデータを含み、
前記出力データが、前記発生の前記形態学的態様に関する前記第１のデータと、前記発生の前記形態学的態様に関する前記第２のデータとを比較するデータを含む、請求項１～４のいずれか一項に記載のコンピューティングシステム。

【請求項8】

前記処理回路が、
前記第２のデータの、前記現在の患者からの事前の心臓ＥＧＭストリップに基づいて前記第２のＣＲＣによって生成された履歴データとの比較に基づいて、第２の出力データを生成するようにさらに構成されている、請求項１～４のいずれか一項に記載のコンピューティングシステム。

【請求項9】

前記第１のＣＲＣが、出力ベクトルを生成し、
前記コンピューティングシステムが、前記第２の集団からの心臓ＥＧＭストリップのみに基づいて前記第１のＣＲＣのインスタンスを訓練することによって、前記第２のＣＲＣを生成するようにさらに構成され、前記処理回路が、前記第２のＣＲＣを生成することの一部として、前記第２の集団からの各々のそれぞれの心臓ＥＧＭストリップの各々のそれぞれのセグメントについて、
前記第１のＣＲＣを前記それぞれの心臓ＥＧＭストリップの前記それぞれのセグメントに適用して、前記それぞれの心臓ＥＧＭストリップの第１の出力ベクトルを生成することと、
前記第２のＣＲＣを前記それぞれの心臓ＥＧＭストリップの前記それぞれのセグメントに適用して、前記それぞれの心臓ＥＧＭストリップの第２の出力ベクトルを生成することと、
前記それぞれの心臓ＥＧＭストリップの前記それぞれのセグメントの前記第２の出力ベクトルが、前記それぞれの心臓ＥＧＭストリップの前記第１の出力ベクトルよりも正確であるかどうかを判定することと、
前記心臓ＥＧＭストリップの前記第２の出力ベクトルが、前記それぞれの心臓ＥＧＭストリップの前記第１の出力ベクトルよりも正確であるかどうかに基づいて、前記第２のＣＲＣのパラメータを更新することであって、
前記処理回路が、前記心臓ＥＧＭストリップの前記第２の出力ベクトルが前記それぞれの心臓ＥＧＭストリップの前記第１の出力ベクトルよりも正確である場合に、前記第２のＣＲＣの前記パラメータを更新するように構成され、
前記処理回路が、前記心臓ＥＧＭストリップの前記第２の出力ベクトルが前記それぞれの心臓ＥＧＭストリップの前記第１の出力ベクトルよりも正確でない場合に、前記第２のＣＲＣの前記パラメータを更新しないように構成されている、ことと、を行うように構成されている、請求項１～４のいずれか一項に記載のコンピューティングシステム。

【請求項10】

コンピュータ可読データ記憶媒体であって、実行されると、コンピューティングシステムに、
現在の患者の心臓電位図（ＥＧＭ）ストリップを取得することと、
前記心臓ＥＧＭストリップのセグメントを入力として用いて、第１の心調律分類器ニューラルネットワーク（ＣＲＣ）を適用することであって、
前記第１のＣＲＣが、複数の患者を含む第１の集団からの心臓ＥＧＭストリップを訓練することで訓練され、
前記第１のＣＲＣが、前記心臓ＥＧＭストリップの前記セグメントに基づいて、前記現在の患者の心調律の態様に関する第１のデータを生成する、ことと、
前記心臓ＥＧＭストリップの前記セグメントを入力として用いて、第２のＣＲＣを適用することであって、
前記第２のＣＲＣが、前記第１の集団よりも小さい第２の集団からの心臓ＥＧＭストリップを訓練することで訓練される前記第１のＣＲＣのバージョンであり、
前記第２のＣＲＣが、前記心臓ＥＧＭストリップの前記セグメントに基づいて、前記現在の患者の前記心調律の前記態様に関する第２のデータを生成する、ことと、
前記第１のデータおよび前記第２のデータに基づいて、ユーザインタフェースを介して出力可能な出力データを生成することと、を行わせる命令がそれらの上に記憶されている、コンピュータ可読データ記憶媒体。

【請求項11】

コンピューティングシステムによって、現在の患者の心臓電位図（ＥＧＭ）ストリップを取得することと、
前記コンピューティングシステムによって、前記心臓ＥＧＭストリップのセグメントを入力として用いて、第１の心調律分類器ニューラルネットワーク（ＣＲＣ）を適用することであって、
前記第１のＣＲＣが、複数の患者を含む第１の集団からの心臓ＥＧＭストリップを訓練することで訓練され、
前記第１のＣＲＣが、前記心臓ＥＧＭストリップの前記セグメントに基づいて、前記現在の患者の心調律の態様に関する第１のデータを生成する、ことと、
前記コンピューティングシステムによって、前記心臓ＥＧＭストリップの前記セグメントを入力として用いて、第２のＣＲＣを適用することであって、
前記第２のＣＲＣが、前記第１の集団よりも小さい第２の集団からの心臓ＥＧＭストリップを訓練することで訓練される前記第１のＣＲＣのバージョンであり、
前記第２のＣＲＣが、前記心臓ＥＧＭストリップの前記セグメントに基づいて、前記現在の患者の前記心調律の前記態様に関する第２のデータを生成する、ことと、
前記コンピューティングシステムによって、前記第１のデータおよび前記第２のデータに基づいて、ユーザインタフェースを介して出力可能な出力データを生成することと、を含む、方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、概して、健康管理、より具体的には、心臓の健康管理に関する。

【背景技術】

【0002】

心室細動などの悪性頻脈性不整脈は、心臓の心室の心筋の非協調性収縮であり、心停止患者で最もよく確認される不整脈である。この不整脈が数秒を超えて続くと、心原性ショックや有効血液循環の停止がもたらされる可能性がある。その結果、心臓突然死（ＳＣＤ）がほんの数分でもたらされる可能性がある。

【0003】

植込み型または非植込み型の医療デバイスにより、患者の心不整脈を監視することができる。医師などのユーザは、心房もしくは心室の頻脈性不整脈、または心静止などの心不整脈の発生について、医療デバイスによって生成されたデータをレビューすることができる。ユーザは、心不整脈の発生に基づいて患者の病状を診断することができる。

【発明の概要】

【0004】

一般に、本開示では、患者の心調律を分析する人工知能（ＡＩ）モデルをパーソナライズするための技法、または患者コホートのためにＡＩモデルを特化させるための技法が説明される。本開示で考察されるように、コンピューティングシステムは、心臓電位図（ＥＧＭ）ストリップ、例えば、現在の患者について、ある期間にわたる心臓ＥＧＭ波形の値のシーケンスを表すデータを取得することができる。さらに、コンピューティングシステムは、心臓ＥＧＭストリップのセグメントを入力として用いて、第１の心調律分類器（ＣＲＣ）を適用することができる。第１のＣＲＣは、第１の集団からの心臓ＥＧＭストリップを訓練することで訓練される。第１のＣＲＣは、現在の患者の心調律の態様に関する第１のデータを生成する。コンピューティングシステムはまた、心臓ＥＧＭストリップのセグメントを入力として用いて、第２のＣＲＣを適用することができる。第２のＣＲＣは、より小さな第２の集団からの心臓ＥＧＭストリップを訓練することで訓練される。第２のＣＲＣは、現在の患者の心調律の態様に関する第２のデータを生成する。コンピューティングシステムは、第１および／または第２のデータに基づいて出力データを生成することができる。

【0005】

一態様では、本開示は、コンピューティングシステムによって、現在の患者の心臓電位図（ＥＧＭ）ストリップを取得することと、コンピューティングシステムによって、心臓ＥＧＭストリップのセグメントを入力として用いて、第１の心調律分類器ニューラルネットワーク（ＣＲＣ）を適用することであって、第１のＣＲＣが、複数の患者を含む第１の集団からの心臓ＥＧＭストリップを訓練することで訓練され、第１のＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第１のデータを生成する、適用することと、コンピューティングシステムによって、心臓ＥＧＭストリップのセグメントを入力として用いて、第２のＣＲＣを適用することであって、第２のＣＲＣが、第１の集団よりも小さい第２の集団からの心臓ＥＧＭストリップを訓練することで訓練される第１のＣＲＣのバージョンであり、第２のＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第２のデータを生成する、適用することと、コンピューティングシステムによって、第１のデータおよび第２のデータに基づいて出力データを生成することと、を含む方法を説明する。

【0006】

別の態様では、本開示は、コンピューティングシステムによって、現在の患者の心臓ＥＧＭストリップを取得することと、コンピューティングシステムによって、心臓ＥＧＭストリップのセグメントを入力として用いて特化型心調律分類器（ＣＲＣ）を適用することであって、特化型ＣＲＣが、現在の患者からの心臓ＥＧＭストリップを訓練することで訓練され、特化型ＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第１のデータを生成する、適用することと、コンピューティングシステムによって、第１のデータと、現在の患者からの事前の心臓ＥＧＭストリップに基づいて特化型ＣＲＣによって生成された履歴データに基づいて出力データを生成することと、を含む方法を説明する。

【0007】

別の態様では、本開示は、処理回路および記憶媒体を含むコンピューティングシステム、これらの方法を実行するように構成されたコンピューティングデバイスを説明する。別の態様では、本開示は、コンピュータ可読データ記憶媒体であって、実行されると、コンピューティングシステムにこれらの方法を実行させる命令がその上に記憶されているコンピュータ可読データ記憶媒体を説明する。

【0008】

別の態様では、本開示は、現在の患者の心臓電位図（ＥＧＭ）ストリップを記憶するように構成された記憶媒体と、処理回路であって、心臓ＥＧＭストリップのセグメントを入力として用いて、第１の心調律分類器ニューラルネットワーク（ＣＲＣ）を適用することであって、第１のＣＲＣが、複数の患者を含む第１の集団からの心臓ＥＧＭストリップを訓練することで訓練され、第１のＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第１のデータを生成する、適用することと、心臓ＥＧＭストリップのセグメントを入力として用いて、第２のＣＲＣを適用することであって、第２のＣＲＣが、第１の集団よりも小さい第２の集団からの心臓ＥＧＭストリップを訓練することで訓練される第１のＣＲＣのバージョンであり、第２のＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第２のデータを生成する、適用することと、第１のデータおよび第２のデータに基づいて出力データを生成することと、を行うように構成された処理回路と、を含むコンピューティングシステムを説明する。

【0009】

別の態様では、本開示は、コンピュータ可読データ記憶媒体であって、実行されると、コンピューティングシステムに、現在の患者の心臓電位図（ＥＧＭ）ストリップを取得することと、心臓ＥＧＭストリップのセグメントを入力として用いて、第１の心調律分類器ニューラルネットワーク（ＣＲＣ）を適用することであって、第１のＣＲＣが、複数の患者を含む第１の集団からの心臓ＥＧＭストリップを訓練することで訓練され、第１のＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第１のデータを生成する、適用することと、心臓ＥＧＭストリップのセグメントを入力として用いて、第２のＣＲＣを適用することであって、第２のＣＲＣが、第１の集団よりも小さい第２の集団からの心臓ＥＧＭストリップを訓練することで訓練される第１のＣＲＣのバージョンであり、第２のＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第２のデータを生成する、適用することと、第１のデータおよび第２のデータに基づいて出力データを生成することと、を行わせる命令がその上に記憶されているコンピュータ可読データ記憶媒体を説明する。

【0010】

この要約は、本開示に記載されている主題の概要を提供することを意図する。以下の添付の図面および説明の中で詳細に説明されている、装置および方法の排他的または包括的な説明を提供することを意図するものではない。１つ以上の例のさらなる詳細は、添付の図面および以下の説明に記載されている。

【図面の簡単な説明】

【0011】

【図1】本開示の技法による、患者の心調律の１つ以上の態様を分析するためのシステムを示すブロック図である。

【図2】図１の植込み型医療デバイス（ＩＭＤ）およびシステムのリードをより詳細に示す概念図である。

【図3】本開示の技法による植込み型医療デバイスの例のブロック図である。

【図4】本開示の１つ以上の技法に従って動作する例示的なコンピューティングデバイスを示すブロック図である。

【図5】本開示の技法による例示的な動作を示すフローチャートである。

【図6】本開示の技法による、個々の患者の心臓電位図（ＥＧＭ）に基づいて、一般型心調律分類器（ＣＲＣ）が更新される例を示す概念図である。

【図7】本開示の技法による、コンピューティングシステムが一般型ＣＲＣおよびコホートベースＣＲＣを適用する例を示す概念図である。

【図8】本開示の技法による、コンピューティングシステムが一般型ＣＲＣ、コホートベースＣＲＣ、および特化型ＣＲＣを適用する動作例を示すフローチャートである。

【図9】本開示の技法による、特化型ＣＲＣを訓練するための動作例を示すフローチャートである。

【図10】本開示の技法による、パーソナライズされた出力データを生成するための動作例を示すフローチャートである。

【図11】本開示の技法による、コンピューティングシステムがパーソナライズされた出力データを生成する例を示す概念図である。

【0012】

同様の参照文字は、図および明細書全体を通して同様の要素を指す。

【発明を実施するための形態】

【0013】

図１は、本開示の技法による、患者１４の心調律の１つ以上の態様を分析するためのシステム１０を示すブロック図である。システム１０は、医療デバイス１６を含む。かかる医療デバイスの一例は、図１に示されるような植込み型医療デバイス（ＩＭＤ）である。図１の例示的なシステム１０によって示されるように、医療デバイス１６は、いくつかの例では、例えば、植込み型心臓モニタ、植込み型心臓ペースメーカ、植込み型心臓除細動器（ＩＣＤ）、またはペースメーカ／心臓除細動器／除細動器であってもよい。いくつかの例では、医療デバイス１６は、非植込み型心臓モニタ（例えば、ホルターモニタ）などの非植込み型医療デバイスである。

【0014】

図１の例では、医療デバイス１６は、リード１８、２０、および２２に接続され、外部デバイス２７に通信可能に結合され、外部デバイス２７は、通信ネットワーク２５を介してコンピューティングシステム２４に通信可能に結合される。医療デバイス１６は、１つ以上のリード１８、２０、および２２上の電極または医療デバイス１６のハウジングを介して、心臓１２の脱分極および再分極に付随する電気信号、例えば、心臓電位図（ＥＧＭ）を感知する。医療デバイス１６はまた、１つ以上のリード１８、２０および２２または医療デバイス１６のハウジングに配置された電極を介して、心臓１２に電気信号の形態で治療を送達することができる。治療は、ペーシング、電気的除細動、および／または除細動パルスであり得る。医療デバイス１６は、リード１８、２０、または２２上の電極によって収集された心臓ＥＧＭ信号を監視し、心臓ＥＧＭ信号に基づいて、心不整脈を診断および治療することができる。

【0015】

いくつかの例では、医療デバイス１６は、図１の外部デバイス２７などの別のデバイスと通信するための任意の好適な回路、ファームウェア、ソフトウェア、またはそれらの任意の組み合わせを含む通信回路１７を含む。例えば、通信回路１７は、コンピューティングシステム２４などの他のデバイスとの無線周波数通信のための１つ以上のプロセッサ、メモリ、無線ラジオ、アンテナ、送信機、受信機、変調および復調回路、フィルタ、増幅器などを含んでもよい。医療デバイス１６は、通信回路１７を使用して、ダウンリンクされたデータを受信し、医療デバイス１６の１つ以上の動作を制御し、かつ／またはアップリンクされたデータを外部デバイス２７に送信することができる。

【0016】

リード１８、２０、２２は、患者１４の心臓１２内に延びて、心臓１２の電気的活動を感知し、および／または心臓１２に電気刺激を送達する。図１に示される例では、右心室（ＲＶ）リード１８は、１つ以上の静脈（図示せず）を通り、上大静脈（図示せず）、および右心房２６を通って右心室２８に延びる。左心室（ＬＶ）リード２０は、１つ以上の静脈を通り、大静脈、右心房２６を通って冠状静脈洞３０に入り、心臓１２の左心室３２の自由壁に隣接する領域まで延びる。右心房（ＲＡ）リード２２は、１つ以上の静脈および大静脈を通って、心臓１２の右心房２６内に延びる。

【0017】

図１の例示的なシステム１０は医療デバイス１６を示しているが、他の例では、本開示の技法は、必ずしも植込み型ではない、他のタイプの医療デバイスに適用され得る。例えば、本開示の技法による医療デバイスは、患者１４が着用するウェアラブル医療デバイスまたは「スマート」アパレルを含み得る。例えば、そのような医療デバイスは、患者１４が着用する腕時計、または患者１４に密着して貼り付けられる回路の形態を取ることができる。別の例では、本明細書に記載の医療デバイスは、植込み型電極を備えた外部医療デバイスを含み得る。

【0018】

いくつかの例では、外部デバイス２７は、モバイルデバイス、「スマート」フォン、ラップトップ、タブレットコンピュータ、携帯情報端末（ＰＤＡ）などのような外部プログラマまたはモバイルデバイスの形態を取る。いくつかの例では、外部デバイス２７は、Ｍｅｄｔｒｏｎｉｃ，Ｉｎｃ．から入手可能なＣａｒｅＬｉｎｋ（商標）モニタである。医師、技術者、外科医、電気生理学者、または他の臨床医などのユーザは、外部デバイス２７と対話して、医療デバイス１６から生理学的または診断情報を取得することができる。上記のような患者１４または臨床医などのユーザはまた、外部デバイス２７と対話して、医療デバイス１６をプログラムすることができ、例えば、医療デバイス１６の動作パラメータの値を選択または調整することができる。外部デバイス２７は、医療デバイス１６およびコンピューティングシステム２４の各々の間で情報を送受信することができる処理回路、メモリ、ユーザインターフェース、および通信回路を含み得る。

【0019】

いくつかの例では、コンピューティングシステム２４は、ハンドヘルドコンピューティングデバイス、コンピュータワークステーション、サーバもしくは他のネットワーク化されたコンピューティングデバイス、スマートフォン、タブレット、またはユーザに情報を提示し、ユーザから入力を受け取るためのユーザインターフェースを含む外部プログラマの形態を取る。いくつかの例では、コンピューティングシステム２４は、ニューラルネットワーク、深層学習システム、または別のタイプの機械学習システムなどの機械学習システムを実装する１つ以上のデバイスを含み得る。医師、技術者、外科医、電気生理学者、または他の臨床医などのユーザは、コンピューティングシステム２４と対話して、医療デバイス１６から生理学的または診断情報を検索することができる。ユーザはまた、コンピューティングシステム２４と対話して、医療デバイス１６をプログラムすることができ、例えば、ＩＭＤの動作パラメータの値を選択することができる。コンピューティングシステム２４は、心臓ＥＧＭ（もしくはそのセグメント）および／または医療デバイス１６からコンピューティングシステム２４に送信される他の感知された信号を評価するように構成されたプロセッサを含み得る。

【0020】

ネットワーク２５は、１つ以上の非エッジスイッチ、ルータ、ハブ、ゲートウェイ、ファイアウォール、侵入検知、および／または侵入防止デバイスなどのセキュリティデバイス、サーバ、コンピュータ端末、ラップトップ、プリンタ、データベース、携帯電話や携帯情報端末などのワイヤレスモバイルデバイス、ワイヤレスアクセスポイント、ブリッジ、ケーブルモデム、アプリケーションアクセラレータ、または他のネットワークデバイスなどの１つ以上のコンピューティングデバイス（図示せず）を含み得る。ネットワーク２５は、サービスプロバイダによって管理される１つ以上のネットワークを含み得、これにより、インターネットなどの大規模なパブリックネットワークインフラストラクチャの一部を形成し得る。ネットワーク２５は、コンピューティングシステム２４および医療デバイス１６などのコンピューティングデバイスにインターネットへのアクセスを提供し得る。ネットワーク２５は、コンピューティングデバイスが互いに通信することを可能にする通信フレームワークを提供し得る。いくつかの例では、ネットワーク２５は、通信フレームワークを提供するプライベートネットワークであり得、当該通信フレームワークは、コンピューティングシステム２４、医療デバイス１６、およびＥＭＲデータベース６６が互いに通信することを可能にするが、セキュリティの目的で、コンピューティングシステム２４、医療デバイス１６、およびＥＭＲデータベース６６を外部デバイスから分離する。いくつかの例では、コンピューティングシステム２４、医療デバイス１６、およびＥＭＲデータベース６６間の通信は暗号化されている。

【0021】

外部デバイス２７およびコンピューティングシステム２４は、当技術分野で知られている任意の技法を使用して、ネットワーク２５を介した無線または非無線通信を介して通信することができる。いくつかの例では、コンピューティングシステム２４は、ローカルアクセスポイント、ワイヤレスルータ、またはゲートウェイなどのネットワーク２５に配置された中間デバイスを介して外部デバイス２７と通信する、リモートデバイスである。図１の例では、外部デバイス２７とコンピューティングシステム２４はネットワーク２５を介して通信するが、いくつかの例では、外部デバイス２７とコンピューティングシステム２４とは互いに直接的に通信する。通信技術の例には、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）またはＢＬＥプロトコルに従った通信が含まれ得る。他の通信技術も企図されている。コンピューティングシステム２４はまた、有線および無線の両方の複数の既知の通信技術を使用して、１つ以上の他の外部デバイスと通信することができる。

【0022】

ＥＭＲデータベース６６は、患者１４のＥＭＲデータを記憶する。ＥＭＲデータベース６６は、処理回路および１つ以上の記憶媒体（例えば、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、プログラム可能読み取り専用メモリ（ＰＲＯＭ）、消去可能プログラム可能読み取り専用メモリ（ＥＰＲＯＭ））、電子的消去可能プログラム可能読み取り専用メモリ（ＥＥＰＲＯＭ）、またはフラッシュメモリ）を含み得る。いくつかの例では、ＥＭＲデータベース６６はクラウドコンピューティングシステムである。いくつかの例では、ＥＭＲデータベース６６の機能は、複数のコンピューティングシステムに分散されている。

【0023】

一例では、コンピューティングシステム２４は、患者１４の医療デバイス１６によって収集された患者データを受信する。いくつかの例では、患者データには、患者１４の生理学的データ例えば、患者１４の活動レベルのうちの１つ以上、患者１４の心拍数、患者１４の姿勢、患者１４の心臓電位図、患者１４の血圧、患者１４のパルス通過時間、患者１４の呼吸数、患者１４の低呼吸指数もしくは無呼吸、患者１４の加速度計データ、患者１４の加速度計データから得られた特徴（例えば、活動数、姿勢、統計的管理プロセス変数など）、患者１４の生の筋電図、患者１４の生の筋電図もしくは心臓ＥＧＭから得られた１つ以上の特徴（例えば、心拍変動、ｔ波交互脈、ＱＲＳ形態など、間隔データと間隔データから派生した特徴、心音、カリウム濃度、グリセミック指数）、患者１４の体温、または前述のパラメトリックデータから導出可能なデータ、あるいは任意の他のタイプの患者パラメトリックデータが含まれる。いくつかの例では、医療デバイス１６または別のデバイスは、１つ以上のセンサからの情報を処理することによって、患者のパラメトリックデータを自動的に生成することができる。例えば、医療デバイス１６は、１つ以上のセンサを介して、患者１４が転倒したこと、患者１４が虚弱であるか病気にかかっていること、または患者１４が睡眠時無呼吸のインスタンスに苦しんでいることを判定してもよい。

【0024】

いくつかの例では、患者データには、患者１４の近傍の大気質測定値、オゾンレベル、粒子数、または汚染レベル、周囲温度、もしくは日照時間などの環境データが含まれる。いくつかの例では、医療デバイスまたは外部デバイス２７のうちの１つは、１つ以上のセンサを介して、環境データを感知することができる。別の例では、環境データは、気象アプリケーションなどのアプリケーションを介して外部デバイス２７によって受信され、外部デバイス２７上で実行され、ネットワーク２５を介してコンピューティングシステム２４にアップロードされる。別の例では、コンピューティングシステム２４は、患者１４の位置ベースのデータを有するクラウドサービスから直接的に環境データを収集する。

【0025】

いくつかの例では、患者データには、外部デバイス２７などの外部デバイスを介して患者１４によってアップロードされた患者症状データが含まれる。例えば、患者１４は、スマートフォン上で実行されるアプリケーションを用いて患者症状データをアップロードすることができる。いくつかの例では、患者１４は、タッチスクリーン、キーボード、グラフィカルユーザインターフェース、音声コマンドなどによるユーザインターフェース（図１には図示せず）を介して患者症状データをアップロードすることができる。

【0026】

いくつかの例では、患者データには、デバイス関連のデータ、例えば、医療デバイスのうちの１つ以上の電極のインピーダンスのうちの１つ以上、電極の選択、医療デバイスの薬物送達スケジュール、患者に送達された電気ペーシング療法の履歴、または医療デバイスの診断データなどが含まれる。いくつかの例では、患者データを収集する医療デバイスは、ＩＭＤである。他の例では、患者データを収集する医療デバイスは、患者１４のウェアラブル医療デバイスまたはモバイルデバイス（例えば、スマートフォン）などの別のタイプの患者デバイスである。いくつかの例では、コンピューティングシステム２４は、定期的に、例えば毎日、患者データを受信する。

【0027】

いくつかの例では、コンピューティングシステム２４はさらに、ＥＭＲデータベース６６から患者１４のＥＭＲデータを受信する。ＥＭＲデータは、別の形態の患者データとみなすことができる。いくつかの例では、ＥＭＲデータベース６６によって記憶されたＥＭＲデータは、患者１４に関する多くの異なるタイプの過去の医療情報を含み得る。例えば、ＥＭＲデータベース６６には、患者の投薬履歴、患者の外科的処置履歴、患者の入院履歴、経時的な患者のカリウム濃度、例として、患者１４の１つ以上のラボテスト結果、患者１４の心血管系の病歴、または心房細動、心不全、糖尿病などの患者１４の併存疾患が記憶されてもよい。

【0028】

コンピューティングシステム２４は、慢性心臓病の管理を支援し得る心臓ＥＧＭ監視システムを実装することができる。心臓ＥＧＭ監視システムを実装するために、コンピューティングシステム２４は、人工知能（ＡＩ）技術を適用して、心臓ＥＧＭデータなどの患者データを分析することができる。ＡＩ技術の例には、深層学習または他の機械学習技法が含まれ得る。ニューラルネットワークアルゴリズムは、深層学習アルゴリズムの一例である。

【0029】

医療デバイス１６、外部デバイス２７、またはコンピューティングシステム２４によって適用されるＡＩ技術は、患者１４の心調律の１つ以上の態様に関するデータを生成することができる。例えば、ＡＩ技術は、医療デバイス１６などの１つ以上の医療デバイスから得られた心臓ＥＧＭストリップに少なくとも部分的に基づいて、心不整脈の発生を識別してもよい。心臓ＥＧＭストリップには、連続する期間（例えば、３０秒、４５秒など）における患者の心調律を表すデータが含まれる。心臓ＥＧＭストリップは、心調律の波形を表す一連のサンプルを含み得る。ユーザ（例えば、技術者、医師、患者、医療専門家、または他のタイプのユーザ）は、診断目的のために、または患者１４の継続的なケアを実行する一環として、検出された心不整脈の発生をレビューすることができる。心臓ＥＧＭストリップに加えて、ＡＩ技術は、１つ以上の他のタイプのデータを使用して、患者１４の電子医療記録からの情報などの心不整脈の発生を検出することができる。

【0030】

心臓のＥＧＭストリップの処理から抽出されたメトリックに適用される信号処理技術とヒューリスティックは、従来、低電力設定で実装され、心不整脈の検出、ＥＧＭデータの記録のトリガーなどの目的で使用されていたものである。ＡＩアルゴリズムは、そのような従来から実装されている技術を補強するものであってもよく、その代わりに用いるものであってもよい。有利には、ＡＩアルゴリズムを使用する場合、患者１４の心不整脈または心調律の他の態様の発生を識別するために、機能および信号処理技術を手動で設計しなくてもよい場合がある。むしろ、ＡＩアルゴリズムは、集団データから学習し、集団における心臓病の現れ方の代表的なモデルとなり得る。ＡＩアルゴリズムは、時間の経過と共に（例えば、強化学習、残余学習、転移学習などの戦略を実装することによって）改善することができる。

【0031】

ＡＩアルゴリズムは、患者１４の心調律のこのような態様を識別するように訓練された心調律分類モデルを適用することによって、所与の心臓ＥＧＭストリップに関心のある患者１４の心調律の１つ以上の態様を識別するように訓練され得る。患者１４の心調律の態様は、様々な心不整脈、不整脈の発生時間を反映する１つ以上の心臓ＥＧＭストリップ内のかかる心不整脈の位置、心不整脈の発生の形態学的態様などを含み得る。心調律分類モデルは、被験者の集団から抽出されたＥＧＭストリップ、およびいくつかの例では、他のデータで訓練することができる。

【0032】

本開示は、心調律分類モデルをパーソナライズするための技法を説明する。例えば、本開示は、小規模な患者のコホートのために心調律分類モデルを訓練するための技法を説明する。本開示はまた、個々の患者のための心調律分類モデルを訓練するための技法を説明する。心調律分類モデルをパーソナライズすることにより、ユーザは、より代表的な集団のコンテキストで、または患者１４の事前の履歴と比較して、患者１４の心臓ＥＧＭ記録を分析することが可能になり得る。これにより、ユーザは、対象の個々の患者により適した決定を下すことができる。本開示の他の箇所で詳細に説明されるように、かかる技法は、医療デバイス１６および／または外部デバイス２７の電力消費および／または帯域幅利用を低減するために使用することができる。

【0033】

したがって、本開示の一例では、ＡＩシステムは、患者１４（すなわち、現在の患者）のための心臓ＥＧＭストリップを取得することができる。ＡＩシステムは、メモリおよび１つ以上の処理回路で構成されるコンピューティングシステムである。図１の文脈では、ＡＩシステムは、医療デバイス１６、コンピューティングシステム２４、外部デバイス２７、または別のデバイスもしくは複数のデバイスのシステムであり得る。したがって、本開示では、ＡＩシステムによって実行される動作の考察は、別段明記されない限り、これらのデバイスのいずれかによって実行される動作に適用され得る。

【0034】

さらに、ＡＩシステムは、心臓ＥＧＭストリップのセグメントを入力として用いて、第１の心調律分類器（ＣＲＣ）を適用することができる。ＣＲＣは、心調律分類モデルの例であり、ニューラルネットワークまたは他のタイプの深層学習技術として実装され得る。心臓ＥＧＭストリップのセグメントは、心臓ＥＧＭストリップの全てまたは心臓ＥＧＭストリップのサブセグメントを含み得る。いくつかの例では、心臓ＥＧＭストリップのセグメントに加えて、ＣＲＣへの入力には、ＥＭＲデータベース６６内のデータなどのデータが含まれる。

【0035】

第１のＣＲＣは、第１の集団からの心臓ＥＧＭストリップを訓練することで訓練される。第１の集団は、複数の患者を含む。いくつかの例では、第１の集団は、心臓ＥＧＭデータがコンピューティングシステム２４またはその亜集団によって監視されている全ての患者を含む。コンピューティングシステム２４がグローバルまたはリージョナル監視システムを実装するいくつかの例では、第１の集団は、何千または数百万の患者を含み得る。第１のＣＲＣは、かかる集団を使用して訓練されるため、本開示では、第１のＣＲＣを一般型ＣＲＣと称する場合がある。心臓ＥＧＭストリップに基づくＣＲＣの訓練は、心臓ＥＧＭストリップのセグメントに基づくＣＲＣの訓練に適用され得る。

【0036】

ＡＩシステムが第１のＣＲＣを心臓ＥＧＭストリップのセグメントに適用すると、第１のＣＲＣは、心臓ＥＧＭストリップのセグメントに基づいて、患者１４の心調律の態様に関する第１のデータを生成する。例えば、第１のＣＲＣは、入力層、出力層、および入力層と出力層との間に１つ以上の隠れ層を有するニューラルネットワークとして実装されてもよい。入力層は、心臓ＥＧＭストリップのセグメントの各サンプル値の入力ニューロンを含み得る。出力層は、１つ以上の心不整脈のセット内の各心不整脈に対応する出力ニューロンを含み得る。ＡＩシステムが第１のＣＲＣを心臓ＥＧＭストリップのセグメントに適用すると、入力ニューロンは、セグメントからサンプル値を受け取り、隠れ層は、サンプル値を処理し、出力ニューロンは、セグメントが対応する心不整脈の発生を表すかどうかを示す値を出力し得る。

【0037】

さらに、この例では、ＡＩシステムは、心臓ＥＧＭストリップのセグメントを入力として用いて、第２のＣＲＣを適用することができる。第２のＣＲＣは、第２の集団からの心臓ＥＧＭストリップを訓練することで訓練された、第１のＣＲＣのバージョンである。第２の集団は第１の集団よりも小さい。例えば、いくつかの例では、第２の集団は、患者１４のみで構成され得る。他の例では、第２の集団は、患者１４と１つ以上の特徴を共有する患者のコホートであり得る。かかる特性には、診断コードまたは手順コード、植込み型医療デバイス、年齢、性別、タバコの使用、併存疾患、性別、サイズなどが含まれ得る。いくつかの例では、第１の集団は第２の集団を含む。他の例では、第１の集団には第２の集団が含まれていない。第２のＣＲＣは、第１の集団よりも小さい集団を使用して訓練されるため、本開示では、第２のＣＲＣを特化型ＣＲＣと称してもよい。ＡＩシステムが特化型ＣＲＣを心臓のＥＧＭストリップのセグメントに適用すると、特化型ＣＲＣは、心臓のＥＧＭストリップのセグメントに基づいて、心調律タイプの態様に関する第２のデータを生成する。

【0038】

異なる訓練データを使用して訓練されることを除き、特化型ＣＲＣは、一般型ＣＲＣと同じ様式で実装され得る。例えば、一般型ＣＲＣおよび特化型ＣＲＣがニューラルネットワークとして実装される例では、一般型ＣＲＣおよび特化型ＣＲＣは、同じ数および配置のニューロンを有してもよい。ただし、この例では、一般型ＣＲＣおよび特化型ＣＲＣのニューラルネットワークのパラメータ（例えば、ニューロンへの入力の重み、バイアス値など）が異なってもよい。他の例では、特化型ＣＲＣは、一般型ＣＲＣとは異なる様式で実装されてもよい。例えば、特化型ＣＲＣは、一般型ＣＲＣよりも多いか、または少ない層、ニューロンなどを含んでもよい。

【0039】

ＡＩシステムは、第１のデータおよび／または第２のデータに基づいて出力データを生成することができる。ＡＩシステムは、１つ以上の様々な方式で出力データを生成することができる。例えば、ＡＩシステムは、グラフ、チャート、リスト、表、またはその他のデータの配置の形態で出力データを生成してもよく、これにより、ユーザ（例えば、患者、医師、健康管理技術者、家族など）は、患者１４の心調律の１つ以上の態様に関する１つ以上のタイプのデータをレビューおよび／または比較することができる。例えば、第１のデータが、心臓ＥＧＭストリップのセグメントが心不整脈の発生を表すかどうかの指標を含み、第２のデータが、心臓ＥＧＭストリップのセグメントが心不整脈の発生を表すかどうかの指標を含むそのような一例では、ＡＩシステムは、そのような兆候を収集および処理して、一般型ＣＲＣによって識別される心不整脈の発生数と特化型ＣＲＣによって識別される心不整脈の発生数を比較する棒グラフを生成することができる。

【0040】

ＡＩシステムが医療デバイス１６に実装されるいくつかの例では、一般型ＣＲＣが心臓ＥＧＭストリップのセグメントが心不整脈の発生を表すと判定した場合、医療デバイス１６は心臓ＥＧＭストリップを外部デバイス２７に送信することができる。次に、いくつかの例では、外部デバイス２７は、ネットワーク２５を介して心臓ＥＧＭストリップをコンピューティングシステム２４に送信することができる。したがって、心臓ＥＧＭストリップは、コンピューティングシステム２４、外部デバイス２７、および／またはそれらのユーザによるレビューおよびさらなる処理のために利用可能であり得る。ただし、一般型ＣＲＣは第１の集団に基づいて訓練され、患者１４に特化して訓練されていないため、一般型ＣＲＣは、特化型ＣＲＣと比較して、患者１４の心臓ＥＧＭストリップのセグメントにおける心不整脈の発生を過小に識別する場合がある。したがって、医療デバイス１６が一般型ＣＲＣを適用するだけであれば、医療デバイス１６は、心臓ＥＧＭストリップが心不整脈の発生を表す可能性があるにもかかわらず、心臓ＥＧＭストリップを外部デバイス２７に送信しない可能性がある。ただし、この例では、医療デバイス１６は、特化型ＣＲＣを適用することによって、心不整脈の発生を表す可能性がある追加の心臓ＥＧＭストリップを識別することができる。次に、医療デバイス１６は、追加の心臓ＥＧＭストリップを外部デバイス２７に送信することができる。このプロセスにより、医療デバイス１６で電力を節約し、ネットワーク帯域幅を節約することができる。なぜなら、外部デバイス２７および／またはコンピューティングシステム２４が、一般型ＣＲＣによって識別されなかった心不整脈の発生を表す心臓ＥＧＭストリップにアクセスするために、全ての心臓ＥＧＭストリップを送信する必要性を回避することができるからである。同様の考慮事項が、ＡＩシステムが外部デバイス２７によって実装され、外部デバイス２７が心臓ＥＧＭストリップをコンピューティングシステム２４に送信する例においても適用され得る。

【0041】

ＡＩシステムが医療デバイス１６に実装されているいくつかの例では、一般型ＣＲＣは、特化型ＣＲＣと比較して、患者１４からの心臓ＥＧＭストリップのセグメントにおける心不整脈の発生を過剰に識別する場合がある。したがって、かかる一例では、医療デバイス１６は、一構成において、一般型ＣＲＣおよび特化型ＣＲＣの両方が、心臓ＥＧＭストリップが心不整脈の発生を表すと判定する場合にのみ、心臓ＥＧＭストリップを外部デバイス２７に送信することができる。これにより、医療デバイス１６によって送信されるデータの量を減らし、それによって電力を節約し、帯域幅の消費を減らすことができる。同様の考慮事項が、ＡＩシステムが外部デバイス２７によって実装され、外部デバイス２７が心臓ＥＧＭストリップをコンピューティングシステム２４に送信する例においても適用され得る。

【0042】

さらに、いくつかの例では、ＡＩシステムは、医療デバイス１６および外部デバイス２７に実装されている。例えば、この例では、医療デバイス１６は、一般型ＣＲＣを実装してもよい。この例では、医療デバイス１６は、心不整脈の発生を表すために、一般型ＣＲＣによって判定された心臓ＥＧＭストリップを外部デバイス２７に送信することができる。さらに、この例では、外部デバイス２７は、医療デバイス１６から受信した心臓ＥＧＭストリップに特化型ＣＲＣを適用することができる。この例では、いくつかのモードでは、外部デバイス２７は、受信した心臓ＥＧＭストリップのうち、特化型ＣＲＣによって心不整脈の発生を表すと判定されたものをコンピューティングシステム２４に送信することができる。これにより、ネットワーク２５を介した心臓ＥＧＭストリップのコンピューティングシステム２４への送信と関連付けられた帯域幅消費を低減することができる。

【0043】

図２は、図１のシステム１０の医療デバイス１６およびリード１８、２０、２２をより詳細に示す概念図である。図示の例では、双極電極４０および４２は、リード１８の遠位端に隣接して配置され、双極電極４８および５０は、リード２２の遠位端に隣接して配置される。さらに、４つの電極４４、４５、４６、および４７が、リード２０の遠位端に隣接して配置されている。リード２０は、四極ＬＶリードと称されることがある。他の例では、リード２０は、より多くのまたはより少ない電極を含み得る。いくつかの例では、ＬＶリード２０は、セグメント化された電極を含み、例えば、電極４４、４５、４６および４７の位置などのリードの複数の長手方向電極位置の各々が、リードの円周上のそれぞれの円周方向位置に配置された複数の個別の電極を含んでいる。

【0044】

図示の例では、電極４０および４４～４８はリング電極の形態を取り、電極４２および５０は、それぞれ絶縁電極ヘッド５３および５６内に格納式に取り付けられた拡張可能な螺旋状先端電極の形態を取り得る。リード１８および２２はまた、それぞれ、コイルの形態を取ることができる細長い電極６２および６４を含む。いくつかの例では、電極４０、４２、４４～４８、５０、６２、および６４の各々は、関連するリード１８、２０、２２のリード本体内のそれぞれの導体に電気的に結合され、それによって医療デバイス１６内の回路に結合される。

【0045】

いくつかの例では、医療デバイス１６は、図２に示されるハウジング電極４などの１つ以上のハウジング電極を含んでおり、これは、医療デバイス１６の密閉されたハウジング８の外面と一体的に形成され得るか、別様でハウジング８に結合され得る。いくつかの例では、ハウジング電極４は、医療デバイス１６のハウジング８の外向き部分の非絶縁部分によって画定される。ハウジング８の絶縁部分と非絶縁部分との間の他の分割を使用して、２つ以上のハウジング電極を画定することができる。いくつかの例では、ハウジング電極は、ハウジング８の実質的に全てを含む。

【0046】

ハウジング８は、心臓ペーシング、電気的除細動、および除細動パルスなどの治療刺激を生成する信号生成回路、ならびに心臓１２の脱分極および再分極に伴う電気信号を感知するための感知回路を封入している。ハウジング８はまた、感知された電気信号を記憶するためのメモリを封入することができる。ハウジング８はまた、医療デバイス１６とコンピューティングシステム２４との間の通信のための通信回路１７を封入することができる。

【0047】

医療デバイス１６は、電極４、４０、４２、４４～４８、５０、６２、および６４を介して、心臓１２の脱分極および再分極に付随する電気信号を感知する。医療デバイス１６は、電極４０、４２、４４～４８、５０、６２、および６４の任意の双極の組み合わせを介して、かかる電気信号を感知することができる。さらに、電極４０、４２、４４～４８、５０、６２、および６４のいずれかを、ハウジング電極４と組み合わせて単極感知に使用することができる。

【0048】

リード１８、２０、２２および電極の図示された数および構成は、例にすぎない。他の構成、すなわち、リードおよび電極の数および位置が可能である。いくつかの例では、システム１０は、患者１４に対して治療を感知および／または提供するために、心臓血管系の異なる位置に配置された１つ以上の電極を有する追加のリードまたはリードセグメントを含み得る。例えば、心臓間リード１８、２０および２２の代わりに、またはそれに加えて、システム１０は、心臓１２内に配置されていない１つ以上の心外膜または血管外（例えば、皮下または胸骨下）リードを含み得る。

【0049】

医療デバイス１６は、患者データを（例えば、外部デバイス２７を介して）コンピューティングシステム２４に送信することができる。患者データは、電極４、４０、４２、４４～４８、５０、６２、および／または６４によって検出された電気信号に基づくデータを含み得る。例えば、医療デバイス１６は、心臓ＥＧＭデータを収集し、コンピューティングシステム２４に送信してもよい。本開示の技法によれば、コンピューティングシステム２４は、患者データを使用して、患者１４が１回以上の心不整脈の発生を経験した確率を示す確率値を決定することができる。

【0050】

本明細書では、治療用の電気刺激を提供する医療デバイス１６の文脈で説明しているが、本明細書に開示される技法は、他のタイプのデバイスと共に使用することができる。例えば、本技法は、心臓血管系の外側の電極に結合された心臓外除細動器、アイルランドのダブリンのＭｅｄｔｒｏｎｉｃ ＰＬＣから市販されているＭｉｃｒａ（商標）経カテーテルペーシングシステムなど、心臓内へ植込み用に構成された経カテーテルペースメーカー、Ｍｅｄｔｒｏｎｉｃ ＰＬＣから市販されているＲｅｖｅａｌ ＬＩＮＱ（商標）ＩＣＭなどの挿入可能な心臓モニタ、神経刺激装置、薬物送達デバイス、ウェアラブル心臓除細動器などのウェアラブルデバイス、フィットネストラッカ、またはその他のウェアラブルデバイス、モバイルデバイス、「スマート」電話、ラップトップ、タブレットコンピュータ、携帯情報端末（ＰＤＡ）、または「スマート」グラスもしくは「スマート」ウォッチなどの「スマート」アパレルなどのモバイルデバイスを用いて実装されてもよい。

【0051】

図３は、本開示の技法による例示的な医療デバイス１６のブロック図である。図示の例では、医療デバイス１６は、処理回路５８、メモリ５９、通信回路１７、感知回路５０、治療送達回路５２、センサ５７、および電源５４を含む。メモリ５９は、処理回路５８によって実行されると、医療デバイス１６および処理回路５８に、本明細書の医療デバイス１６および処理回路５８に起因する様々な機能（例えば、心不整脈の短期予測の実行、抗頻脈ペーシング、徐脈ペーシング、およびショック後ペーシング療法などの治療の送達）を実行させるコンピュータ可読命令を含む。メモリ５９は、ランダムアクセスメモリ（ＲＡＭ）、読出し専用メモリ（ＲＯＭ）、不揮発性ＲＡＭ（ＮＶＲＡＭ）、電気的消去可能なプログラム可能ＲＯＭ（ＥＥＰＲＯＭ）、フラッシュメモリ、または他のいずれかのデジタルまたはアナログ媒体などのいずれかの揮発性、不揮発性、磁気的、光学的、または電気的媒体を含み得る。

【0052】

処理回路５８は、マイクロプロセッサ、コントローラ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、または同等の個別またはアナログ論理回路のうちのいずれか１つ以上を含み得る。いくつかの例では、処理回路５８は、１つ以上のマイクロプロセッサ、１つ以上のコントローラ、１つ以上のＤＳＰ、１つ以上のＡＳＩＣ、または１つ以上のＦＰＧＡのいずれかの組み合わせなどの複数の構成要素、ならびに他の個別または統合論理回路を含み得る。本明細書の処理回路５８に帰属する機能は、ソフトウェア、ファームウェア、ハードウェア、またはそれらのいずれかの組み合わせとして具体化することができる。

【0053】

処理回路５８は、メモリ５９に記憶され得る治療パラメータに従って、心臓５に刺激治療を送達するように治療送達回路５２を制御する。例えば、処理回路５８は、治療パラメータによって指定された振幅、パルス幅、周波数、または電極極性を有する電気パルスを送達するように治療送達回路５２を制御することができる。このようにして、治療送達回路５２は、電極３４および４０を用いて、ペーシングパルス（例えば、ＡＴＰパルス、徐脈ペーシングパルス、またはショック後ペーシング療法）を心臓５に送達することができる。いくつかの例では、治療送達回路５２は、電圧または電流の電気パルスの形態で、ペーシング刺激、例えば、ＡＴＰ療法、徐脈療法、またはショック後ペーシング療法を送達することができる。他の例では、治療送達回路５２は、正弦波、方形波、または他の実質的に連続する時間信号などの他の信号の形態で、これらのタイプの刺激のうちの１つ以上を送達することができる。

【0054】

治療送達回路５２は、医療デバイス１６のハウジングに搭載された電極３４および４０に電気的に結合されている。医療デバイス１６は、２つの電極、例えば、電極３４および４０のみを含み得るが、他の例では、医療デバイス１６は、３つ以上の電極を利用し得る。医療デバイス１６は、電極の任意の組み合わせを使用して、治療を送達し、かつ／または患者１４からの電気信号を検出することができる。いくつかの例では、治療送達回路５２は、充電回路、１つ以上のパルス発生器、コンデンサ、変圧器、スイッチングモジュール、および／またはペーシング療法として、心臓再同期療法、他の治療、また治療の組み合わせを送達するためのエネルギーを生成および／または蓄積することが可能な他の構成要素を含む。いくつかの例では、治療送達回路５２は、治療の振幅、周波数、電圧または電流を定義する１つ以上の治療パラメータセット、または治療の他のパラメータに従って、１つ以上の電気パルスとして治療を送達する。

【0055】

感知回路５０は、心臓１２の電気的活動、インピーダンス、または他の電気的現象を監視するために、電極４、４０、４２、４４～４８、５０、６２（図２）、および６４（図２）の中から２つ以上の電極のうちの１つ以上の組み合わせ（ベクトルとも称される）からの信号を監視する。いくつかの例では、感知回路５０は、１つ以上のアナログ構成要素、デジタル構成要素、またはそれらの組み合わせを含む。いくつかの例では、感知回路５０は、１つ以上の感知増幅器、比較器、フィルタ、整流器、閾値検出器、アナログ・デジタル変換器（ＡＤＣ）などを含む。いくつかの例では、感知回路５０は、感知された信号をデジタル形式に変換し、処理または分析のためにデジタル信号を処理回路５８に提供する。一例では、感知回路５０は、電極４、４０、４２、４４～４８、５０、６２、および６４からの信号を増幅し、増幅された信号をＡＤＣによってマルチビットデジタル信号に変換する。

【0056】

いくつかの例では、感知回路５０は、心拍数または心拍変動を判定するために、または不整脈（例えば、頻脈性不整脈または徐脈）を検出するために、または心電図から他のパラメータまたはイベントを感知するために、心電図の感知を実行する。感知回路５０はまた、電流感知構成で使用される電極の組み合わせまたは電極ベクトルに応じて、心臓活動を感知するために使用可能な電極（および電極極性）のどれを選択するためのスイッチング回路を含み得る。処理回路５８は、感知電極として機能する電極とその極性を選択するためのスイッチング回路を制御してもよい。感知回路５０は、１つ以上の検出チャネルを含み得、それらの各々は、その電極構成を用いて心臓信号を検出するために選択された電極構成に結合され得る。いくつかの例では、感知回路５０は、処理された信号を閾値と比較して、心房または心室の脱分極の存在を検出し、心房脱分極（例えば、Ｐ波）または心室脱分極（例えば、Ｒ波）の存在を処理回路５８に示す。感知回路５０は、心電図の振幅を調整可能であり得る閾値と比較するための１つ以上の増幅器または他の回路を含み得る。

【0057】

処理回路５８は、ハードウェア、ファームウェア、ソフトウェア、またはそれらのいずれかの組み合わせとして具体化され得るタイミングおよび制御モジュールを含み得る。タイミングおよび制御モジュールは、マイクロプロセッサなどの他の処理回路５８の構成要素とは別に、ＡＳＩＣなどの専用のハードウェア回路、またはマイクロプロセッサまたはＡＳＩＣであり得る処理回路５８の構成要素によって実行されるソフトウェアモジュールを含み得る。タイミングおよび制御モジュールは、プログラム可能なカウンタを実施することができる。医療デバイス１６が徐脈ペーシングパルスを生成して心臓１２に送達するように構成されている場合、かかるカウンタは、ＤＤＤ、ＶＶＩ、ＤＶＩ、ＶＤＤ、ＡＡＩ、ＤＤＩ、ＤＤＤＲ、ＶＶＩＲ、ＤＶＩＲ、ＶＤＤＲ、ＡＡＩＲ、ＤＤＩＲ、および他のペーシングモードと関連付けられた基本的な時間間隔を制御し得る。

【0058】

いくつかの例では、医療デバイス１６の処理回路５８は、ＡＩシステム３００を実装する。例えば、処理回路５８は、本開示の他の箇所で説明されるように、一般型ＣＲＣおよび／または特化型ＣＲＣを心臓ＥＧＭストリップに適用してもよい。処理回路５８は、特別な目的の回路を使用して、またはメモリ５９などのコンピュータ可読媒体に記憶されたソフトウェア命令を実行することによって、ＡＩシステム３００を実装することができる。感知回路５０は、電極４、４０、４２、４４～４８、５０、６２、および６４から受信したデータに基づいて心臓ＥＧＭストリップを生成することができる。通信回路１７は、心臓ＥＧＭストリップおよび／または他のデータを外部デバイス２７に送信することができる。

【0059】

メモリ５９は、種々の動作パラメータ、治療パラメータ、感知および検出されたデータ、ならびに患者１４の治療および処置に関連する他の情報を記憶するように構成され得る。図３の例では、メモリ５９は、例えば、検出または予測された不整脈と関連付けられた感知された心臓ＥＧＭ、および治療送達回路５２によって提供される治療の送達を定義する治療パラメータを記憶してもよい。他の例では、メモリ５９は、データがコンピューティングシステム２４にアップロードできるようになるまでデータを記憶するための一時的なバッファとして機能してもよい。

【0060】

通信回路１７は、図１のネットワーク２５を介してコンピューティングシステム２４などの別のデバイスと通信するための、任意の好適な回路、ファームウェア、ソフトウェア、またはそれらの任意の組み合わせを含む。例えば、通信回路１７は、ネットワーク２５を介したコンピューティングシステム２４などの他のデバイスとの無線周波数通信のための１つ以上のアンテナ、変調および復調回路、フィルタ、増幅器などを含んでもよい。通信回路１７は、処理回路５８の制御下で、内部および／または外部であり得るアンテナの助けを借りて、コンピューティングシステム２４からダウンリンクテレメトリを受信し、コンピューティングシステム２４にアップリンクテレメトリを送信することができる。処理回路５８は、例えば、アドレス／データバスを介して、コンピューティングシステム２４にアップリンクされるデータと、通信回路１７内の遠隔測定回路のための制御信号とを提供することができる。いくつかの例では、通信回路１７は、マルチプレクサを介して受信データを処理回路５８に提供することができる。

【0061】

電源５４は、医療デバイス１６の回路を動作させるために電荷を保持するように構成された任意のタイプのデバイスであり得る。電源５４は、充電式または非充電式電池として提供され得る。他の例では、電源５４は、患者１４内の医療デバイス１６の移動から電気エネルギーを蓄積するエネルギー掃気システムを組み込むことができる。

【0062】

本開示の技法に従って、医療デバイス１６は、感知回路５０および／またはセンサ５７を介して、患者１４の患者データを収集する。センサ５７は、１つ以上の加速度計、圧力センサ、Ｏ２飽和のための光学センサなどの１つ以上のセンサを含み得る。いくつかの例では、患者データには、患者１４の活動レベル、患者１４の心拍数、患者１４の姿勢、患者１４の心臓電位図（例えば、患者１４の心臓ＥＧＭストリップ）、患者１４の血圧、患者１４の加速度計データ、または他のタイプの患者パラメトリックデータのうちの１つ以上が含まれる。医療デバイス１６は、通信回路１７を介して、患者パラメトリックデータをネットワーク２５を通じてコンピューティングシステム２４にアップロードする。いくつかの例では、医療デバイス１６は、毎日、患者のパラメトリックデータをコンピューティングシステム２４にアップロードする。いくつかの例では、患者パラメトリックデータには、長期間（例えば、約２４時間～約４８時間）にわたる患者１４の平均測定値を表す１つ以上の値が含まれる。例えば、患者１４のウェアラブル医療デバイスまたはモバイルデバイス（例えば、スマートフォン）などの１つ以上の他のデバイスは、患者パラメトリックデータを収集し、患者パラメトリックデータを外部デバイス２７および／またはコンピューティングシステム２４にアップロードすることができる。

【0063】

本明細書では、治療用の電気刺激を提供する医療デバイス１６の文脈で説明しているが、本明細書に開示される心不整脈の短期予測のための技法は、他のタイプのデバイスと共に使用することができる。例えば、本技法は、アイルランドのダブリンのＭｅｄｔｒｏｎｉｃ ＰＬＣから市販されているＭｉｃｒａ（商標）経カテーテルペーシングシステムなど、心臓内へ植込み用に構成された経カテーテルペースメーカー、Ｍｅｄｔｒｏｎｉｃ ＰＬＣから市販されているＲｅｖｅａｌ ＬＩＮＱ（商標）ＩＣＭなどの挿入可能な心臓モニタ、神経刺激装置、薬物送達デバイス、ウェアラブル心臓除細動器などのウェアラブルデバイス、フィットネストラッカ、またはその他のウェアラブルデバイス、モバイルデバイス、「スマート」フォン、ラップトップ、タブレットコンピュータ、携帯情報端末（ＰＤＡ）、または「スマート」グラスもしくは「スマート」ウォッチなどの「スマート」アパレルなどのモバイルデバイスを用いて実装されてもよい。

【0064】

図４は、本開示の１つ以上の技法に従って動作する例示的なコンピューティングシステム２４を示すブロック図である。一例では、コンピューティングシステム２４は、監視システム４５０または本明細書に記載の任意の他のアプリケーションを含むアプリケーション４２４を実行するための処理回路４０２を含む。例示の目的のために、図４にはスタンドアロンのコンピューティングシステム２４として示されているが、コンピューティングシステム２４は、ソフトウェア命令を実行するための処理回路または他の好適なコンピューティング環境を含む任意の構成要素またはシステムであってもよく、例えば、必ずしも図４に示される１つ以上の要素を含む必要はない（例えば、通信回路４０６、およびいくつかの例では、記憶デバイス４０８などの構成要素は、他の構成要素と同じ場所に配置されないか、または同じシャーシ内に配置されなくてもよい）。いくつかの例では、コンピューティングシステム２４は、複数のデバイスに分散されたクラウドコンピューティングシステムであり得る。

【0065】

図４の例に示すように、コンピューティングシステム２４は、処理回路４０２、１つ以上の入力デバイス４０４、通信回路４０６、１つ以上の出力デバイス４１２、１つ以上の記憶デバイス４０８、およびユーザインターフェース（ＵＩ）デバイス４１０を含む。一例では、コンピューティングシステム２４は、コンピューティングシステム２４によって実行可能である監視システム４５０、およびオペレーティングシステム４１６などの１つ以上のアプリケーション４２４をさらに含む。構成要素４０２、４０４、４０６、４０８、４１０、および４１２の各々は、構成要素間通信のために（物理的に、通信可能に、および／または動作可能に）結合される。いくつかの例では、通信チャネル４１４は、システムバス、ネットワーク接続、プロセス間通信データ構造、またはデータを通信するためのいずれかの他の方法を含み得る。一例として、構成要素４０２、４０４、４０６、４０８、４１０、および４１２は、１つ以上の通信チャネル４１４によって結合され得る。

【0066】

一例では、処理回路４０２は、コンピューティングシステム２４内で実行するための機能および／または処理命令を実装するように構成される。例えば、処理回路４０２は、記憶デバイス４０８に記憶された命令を処理することが可能であり得る。処理回路４０２の例は、マイクロプロセッサ、コントローラ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、または同等の個別または集積論理回路のうちのいずれか１つ以上を含み得る。

【0067】

１つ以上の記憶デバイス４０８は、動作中にコンピューティングシステム２４内に情報を記憶するように構成することができる。いくつかの例では、記憶デバイス４０８は、コンピュータ可読記憶媒体として説明されている。いくつかの例では、記憶デバイス４０８は一時メモリであり、これは、記憶デバイス４０８の主な目的が長期記憶ではないことを意味する。いくつかの例では、記憶デバイス４０８は、揮発性メモリとして説明され、これは、コンピュータがオフにされたときに、記憶デバイス４０８が記憶された内容を維持しないことを意味する。揮発性メモリの例には、ランダムアクセスメモリ（ＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、および当技術分野で知られている他の形態の揮発性メモリが含まれる。いくつかの例では、記憶デバイス４０８を使用して、処理回路４０２によって実行するためのプログラム命令を記憶する。一例では、記憶デバイス４０８は、コンピューティングシステム２４上で実行されるソフトウェアまたはアプリケーション４２４によって使用され、プログラム実行中に情報を一時的に記憶する。

【0068】

いくつかの例では、記憶デバイス４０８はまた、１つ以上のコンピュータ可読記憶媒体を含む。記憶デバイス４０８は、揮発性メモリよりも大量の情報を記憶するように構成され得る。記憶デバイス４０８は、情報の長期記憶のためにさらに構成され得る。いくつかの例では、記憶デバイス４０８は、不揮発性記憶要素を含む。そのような不揮発性記憶要素の例には、磁気ハードディスク、光ディスク、フロッピーディスク、フラッシュメモリ、または電気的プログラム可能メモリ（ＥＰＲＯＭ）または電気的消去可能なプログラム可能（ＥＥＰＲＯＭ）メモリの形態が含まれる。

【0069】

コンピューティングシステム２４は、いくつかの例では、通信回路４０６も含む。一例では、コンピューティングシステム２４は、通信回路４０６を利用して、図１の医療デバイス１６およびＥＭＲデータベース６６などの外部デバイスと通信する。通信回路４０６は、イーサネットカード、光トランシーバ、無線周波数トランシーバ、または情報を送受信することができるいずれかの他のタイプのデバイスなどのネットワークインターフェースカードを含み得る。このようなネットワークインターフェースの他の例には、３Ｇ、４Ｇ、５Ｇ、およびＷＩ－ＦＩ（商標）無線が含まれてもよい。

【0070】

一例では、コンピューティングシステム２４は、１つ以上のユーザインターフェースデバイス４１０も含む。いくつかの例では、ユーザインターフェースデバイス４１０は、触覚、音声、または映像フィードバックを通して、ユーザからの入力を受信するように構成されている。ユーザインターフェースデバイス４１０の例には、プレゼンスセンシティブディスプレイ、マウス、キーボード、音声応答システム、ビデオカメラ、マイクロフォン、またはユーザからのコマンドを検出するための任意の他のタイプのデバイスが含まれる。いくつかの例では、プレゼンスセンシティブディスプレイはタッチスクリーンを含む。

【0071】

１つ以上の出力デバイス４１２もまた、コンピューティングシステム２４に含まれ得る。出力デバイス４１２は、いくつかの例では、触覚、音声、または映像刺激を使用してユーザに出力を提供するように構成されている。出力デバイス４１２は、一例では、プレゼンスセンシティブディスプレイ、サウンドカード、ビデオグラフィックアダプタカード、または信号を人間または機械が理解できる適切な形態に変換するためのいずれかの他のタイプのデバイスを含む。いくつかの例では、出力デバイス４１２は、ディスプレイデバイスを含む。出力デバイス４１２の追加の例には、スピーカ、ブラウン管（ＣＲＴ）モニタ、液晶ディスプレイ（ＬＣＤ）、またはユーザに理解可能な出力を生成することができるいずれかの他のタイプのデバイスが含まれる。

【0072】

コンピューティングシステム２４は、オペレーティングシステム４１６を含み得る。オペレーティングシステム４１６は、いくつかの例では、コンピューティングシステム２４の構成要素の動作を制御する。例えば、オペレーティングシステム４１６は、一例では、処理回路４０２、通信回路４０６、記憶デバイス４０８、入力デバイス４０４、ユーザインターフェースデバイス４１０、および出力デバイス４１２との、１つ以上のアプリケーション４２４および監視システム４５０の通信を容易にする。

【0073】

アプリケーション４２２はまた、コンピューティングシステム２４によって実行可能なプログラム命令および／またはデータを含み得る。コンピューティングシステム２４によって実行可能な例示的なアプリケーション４２２は、監視システム４５０を含み得る。示されていない他の追加のアプリケーションは、本明細書に記載された他の機能を提供するために代替的にまたは追加的に含まれ得るが、簡素化にするために図示されていない。

【0074】

本開示の技法によれば、アプリケーション４２４は、監視システム４５０を含む。監視システム４５０は、患者データを受信し、患者データを評価し、出力データを生成するように構成することができる。例えば、一例では、監視システム４５０は、患者１４（図１）が１つ以上の心不整脈に属する１つ以上の心不整脈イベントを経験した可能性が高いと監視システム４５０が判定したときに、通知を生成してもよい。別の例では、監視システム４５０は、患者１４の心調律の１つ以上の態様への変化を示す１つ以上のチャートを生成してもよい。

【0075】

図４の例に示されるように、監視システム４５０は、いくつかの例では、１つ以上のＣＲＣを含むＡＩシステム４５１を実装することができる。例えば、図４の例では、監視システム４５０は、ＣＲＣ４５２Ａ～ＣＲＣ４５２Ｎ（総称して、「ＣＲＣ４５２」）を含み得る。ＣＲＣ４５２は、一般型ＣＲＣおよび１つ以上の特化型ＣＲＣを含み得る。ＣＲＣの以下の考察はＣＲＣ４５２およびＡＩシステム４５１に言及しているが、以下の考察は、医療デバイス１６または外部デバイス２７またはそれらの組み合わせなど、コンピューティングシステム２４以外のデバイスまたはシステムに実装されたＣＲＣおよびＡＩシステムに等しく適用され得る。

【0076】

いくつかの例では、ＣＲＣ４５２の各々は、１つ以上のニューラルネットワークシステム、深層学習システム、または他のタイプの教師ありもしくは教師なしの機械学習システムを使用して実装される。例えば、ＣＲＣは、畳み込みニューラルネットワーク、動径基底関数ニューラルネットワーク、リカレントニューラルネットワーク、モジュラーまたは連想ニューラルネットワークなどのフィードフォワードニューラルネットワークによって実装されてもよい。いくつかの例では、ＡＩシステム４５１は、異なる患者の集団について、集団内の患者の心調律の１つ以上の態様に関するデータに対し、心臓ＥＧＭストリップを含む患者データを用いて、ＣＲＣ４５２を訓練する。いくつかの例では、ＡＩシステム４５１が患者の集団の患者データを用いてＣＲＣを事前訓練した後、ＡＩシステム４５１は、患者１４またはより小さな患者コホートに固有の患者データを用いて、機械学習モデルをさらに訓練し得る。

【0077】

いくつかの例では、ＡＩシステム４５１は、患者の集団の患者データを用いてＣＲＣを訓練し、ＣＲＣのエラー率を決定し、次いで、ＣＲＣがエラー率に基づいてその予測を更新できるように、エラー率をＣＲＣにフィードバックする。いくつかの例では、エラー率は、入力データに基づいてＣＲＣによって決定された出力データと、同じ入力データの事前にラベル付けされた出力データとの間の差異に対応し得る。いくつかの例では、ＡＩシステム４５１は、エラー関数を使用してエラー率を決定してもよい。エラー関数は、心不整脈の発生を検出するために従来使用されている様式で、信号処理技術およびヒューリスティックを使用して実装することができる。いくつかの例では、監視システム４５０は、検出された心不整脈が特定の期間内に患者１４で発生したかどうかを示すフィードバックをユーザ（例えば、患者１４、臨床医、または別のタイプの人物）から受け取ることができる。いくつかの例では、監視システム４５０は、医療デバイス１６から、医療デバイス１６が患者１４における心不整脈の発生を検出した（または検出しなかった）ことを示すメッセージを受信することができる。いくつかの例では、監視システム４５０は、ＥＭＲデータを定期的にチェックして心不整脈が発生したかどうかを判定するなど、他の方式でフィードバックを取得することができる。監視システム４５０は、フィードバックによってＣＲＣを更新することができる。このように、訓練プロセスは、過去にＣＲＣによって生成された正しいデータと誤ったデータとから「学習」することで、ＣＲＣによって生成されたデータを段階的に改善するために、反復的に行われ得る。さらに、訓練プロセスを使用して、集団ベースのデータを使用して訓練されたＣＲＣをさらに微調整して、より正確な特定の個人のデータを生成することができる。いくつかの例では、監視サービスの担当者がフィードバックを提供してもよい。

【0078】

いくつかの例では、ＣＲＣ４５２の各々は、ニューラルネットワークを使用して実装される。ニューラルネットワークは、入力層、出力層、および入力層と出力層との間の１つ以上の隠れ層を含み得る。ニューラルネットワークの各層には、１つ以上の人工ニューロンが含まれ、本開示では、これは、単にニューロンと称される。ニューラルネットワークの入力層は、複数の入力ニューロンを含む。入力層は、心臓ＥＧＭストリップのセグメントのサンプル値ごとに別個の入力ニューロンを含み得る。いくつかの例では、セグメントは、心臓ＥＧＭストリップと隣接してもよい。他の例では、セグメントは、心臓ＥＧＭストリップのサブセグメントであってもよい。例えば、心臓ＥＧＭストリップが患者１４の心調律の４５秒を表すサンプルを含む例では、セグメントは、心臓ＥＧＭストリップの最初の１０秒を表すサンプルを含んでもよい。

【0079】

ＡＩシステム４５１は、心臓ＥＧＭストリップの重複するセグメントをＣＲＣに提供することができる。例えば、ＡＩシステム４５１は、心臓ＥＧＭストリップの０秒～１０秒を表すサンプルを含むセグメントを提供し、次に、心臓ＥＧＭストリップの５秒～１５秒を表すサンプルを含むセグメントを提供し、次に、心臓ＥＧＭストリップの１０秒～２０秒を表すサンプルを含むセグメントを提供することができる、などである。いくつかの例では、コンピューティングシステム２４は、２つ以上の心臓ＥＧＭストリップにまたがるセグメントを提供し得る。

【0080】

いくつかの例では、ＣＲＣ４５２の各々は、畳み込みニューラルネットワーク（ＣＮＮ）である。例えば、一例では、畳み込み層は、上記のタイプの入力層の後に続いてもよい。第１の畳み込み層ニューロンは、所与の数の連続する入力層ニューロンからなる入力層ニューロンの第１のセットから入力を受け取ることができる。第２の畳み込み層ニューロンは、同じ所与の数の連続する入力層ニューロンからなる入力層ニューロンの第２のセットから入力を受け取ることができるが、入力層ニューロンの第１のセットの第１の入力層ニューロンからストライド長だけオフセットする。第３の畳み込み層ニューロンは、同じ所与の数の連続する入力層ニューロンからなる入力層ニューロンの第３のセットから入力を受け取ることができるが、入力層ニューロンの第２のセットの第１の入力層ニューロンからストライド長だけオフセットなどする。所与の連続する入力ニューロンの数およびストライド長は、ＣＮＮの異なるハイパーパラメータである。１つ以上の完全に結合された隠れ層が畳み込み層の後に続いてもよい。ＣＮＮとしてＣＲＣ４５２を実装すると、ＣＲＣ４５２のパフォーマンスが向上し得る。

【0081】

本開示のいくつかの例では、１つ以上の心不整脈のセットのうちの各々のぞれぞれの心不整脈について、ＣＲＣ４５２の各々は、それぞれの心不整脈の１回以上の発生が心臓ＥＧＭストリップのセグメントで表されるかどうかを示すデータを生成することができる。例えば、一例では、ＣＲＣの隠れ層は、ＣＲＣの出力層に入力データを提供する。一連の心不整脈の各々のそれぞれの心不整脈について、ＣＲＣの出力層は、それぞれの心不整脈に対応する別個の出力ニューロンを含む。それぞれの心不整脈に対応する出力ニューロンは、ＣＲＣの隠れ層にある、それぞれの心不整脈にも対応するＣＲＣの隠れ層にある単一のニューロンから入力データを受け取る。それぞれの心不整脈に対応する隠れ層ニューロンによって生成されたデータには、心不整脈の発生が心臓ＥＧＭストリップのセグメントで発生した確率を示す確率値が含まれる。出力ニューロンの活性化関数により、隠れ層ニューロンによって生成された確率値に閾値関数を適用することができる。各出力ニューロンについて、閾値関数は、出力ニューロンに提供される確率値が閾値よりも大きい場合、出力ニューロンに、第１の値（例えば、１）を生成させ、出力ニューロンに提供される確率値が同閾値よりも小さい場合、第２の値（例えば、０）を生成させることができる。

【0082】

さらに、前の段落の例では、ＡＩシステム４５１は、隠れ層によって生成された確率値を使用して、心臓ＥＧＭストリップ内で心不整脈の発生がどこで発生したかを追跡することができる。例えば、上記のように、心臓ＥＧＭストリップはセグメントに細分され得、ＡＩシステム４５１は、入力としてＣＲＣ４５２にセグメントを提供する。したがって、ＡＩシステム４５１は、心臓ＥＧＭストリップのどのセグメントが心不整脈に対応する最も高い確率値をもたらしたかを判定することによって、どのセグメントが心不整脈の発生を表す可能性が最も高いかを判定することができる。

【0083】

本開示の他の箇所に記載されているように、ＣＲＣ４５２に提供される入力には、心臓ＥＧＭストリップのセグメントに加えて、患者データが含まれ得る。例えば、いくつかの例では、患者データは、患者の生理学的状態（例えば、活動、姿勢、呼吸などの患者の生理学的状態）に関するデータをさらに含み得、これはまた、医療デバイス１６によって捕捉され得る。異なる生理学的状態（例えば、安静、夜間の安静、高い姿勢角での夜間の安静など）に対応する患者データを、モデル訓練の追加パラメータまたはＣＲＣ４５２の入力データとして使用することができる。かかるデータを使用すると、ＡＩシステムが他の病状での心不整脈の発生を検出することが可能になり得る（例えば、安静時の頻脈の高感度モデルを使用して心不全（ＨＦ）患者を監視することができ、活動中の徐脈のモデルを使用して、変時性機能不全について患者を監視することができる）。いくつかの例では、監視システム４５０は、通信回路４０６を介して、ＥＭＲデータベース６６から患者１４のＥＭＲデータを受信する。いくつかの例では、ＥＭＲデータベース６６によって記憶されたＥＭＲデータは、患者１４に関する多くの異なるタイプの過去の医療情報を含み得る。例えば、ＥＭＲデータベース６６は、患者の投薬履歴、患者の外科的処置履歴、患者の入院履歴、経時的な患者のカリウム濃度、または患者の１つ以上の臨床試験結果などを記憶することができる。ＥＭＲデータは、１つ以上のＣＲＣ４５２への入力として使用される患者データの一部を形成することができる。

【0084】

いくつかの例では、ＣＲＣ４５２の各々は、患者データを、患者データを表す１つ以上のベクトルおよびテンソル（例えば、多次元配列）に変換する。ＣＲＣ４５２は、１つ以上のベクトルおよびテンソルに数学的演算を適用して、患者データの数学的表現を生成することができる。ＣＲＣ４５２は、患者データと心不整脈の発生との間の識別された関係に対応する異なる重みを決定することができる。ＣＲＣ４５２は、患者データに異なる重みを適用して、確率値を生成することができる。

【0085】

図５は、本開示の技法による動作例を示すフローチャートである。便宜上、図５を図１に関して説明する。本開示のフローチャートは、例として提示されている。本開示の技法による他の例では、より多くの、より少ない、または異なる動作を含んでもよく、あるいは動作は、異なる順序でまたは並行して実行されてもよい。図５の動作は、医療デバイス１６、コンピューティングシステム２４、外部デバイス２７、および／または他のデバイスのうちの１つ以上に実装されたＡＩシステムによって実行され得る。

【0086】

図５の例では、ＡＩシステムは、患者１４（すなわち、現在の患者）の心臓ＥＧＭストリップを取得することができる（５００）。ＡＩシステムは、様々な方式のうちの１つ以上で、患者１４の心臓ＥＧＭストリップを取得することができる。例えば、コンピューティングシステム２４がＡＩシステムを実装する例では、コンピューティングシステム２４は、医療デバイス１６から（例えば、外部デバイス２７およびネットワーク２５を介して）患者１４の心臓ＥＧＭストリップを取得してもよい。ＡＩシステムが医療デバイス１６に実装されるいくつかの例では、ＡＩシステムは、電極からのデータに基づいて心臓ＥＧＭストリップを生成することによって心臓ＥＧＭストリップを取得することができる。いくつかの例では、ＡＩシステムは、現在の患者の１つ以上の心臓ＥＧＭストリップを記憶するデータベース（例えば、ＥＭＲデータベース６６）から現在の患者の心臓ＥＧＭストリップを取得することができる。心臓ＥＧＭストリップを取得する他の例は、本開示の他の箇所に記載されている。

【0087】

さらに、図５の例では、ＡＩシステムは、心臓ＥＧＭストリップのセグメントを入力として用いて、第１のＣＲＣ（すなわち、一般型ＣＲＣ）を適用することができる（５０２）。第１のＣＲＣは、第１の集団からの心臓ＥＧＭストリップを訓練することで訓練される。いくつかの例では、第１の集団は、心臓ＥＧＭデータがコンピューティングシステム２４によって監視されている全ての患者を含む。ＡＩシステムが第１のＣＲＣを適用すると、第１のＣＲＣは、心臓ＥＧＭストリップのセグメントに基づいて、患者１４の心調律の態様に関する第１のデータを生成する。

【0088】

いくつかの例では、現在の患者の心調律の態様は、現在の患者の心調律における心不整脈の発生の発生である。かかる例では、第１のデータには、心臓ＥＧＭストリップのセグメントが１つ以上の心不整脈の１回以上の発生を表すかどうかを示すデータが含まれ得る。例えば、第１のデータは、心臓ＥＧＭストリップのセグメントが心不整脈の少なくとも１回の発生を表す第１の確率に基づいてもよい。いくつかの例では、１つ以上の心不整脈のセットの各心不整脈について、第１のデータは、心不整脈の発生が心臓ＥＧＭストリップで表されるという信頼水準を示す信頼値を含み得る。信頼値は、出力層に先行する隠れ層のニューロンの出力値であり得る。いくつかの例では、第１の出力データは、１回以上の心不整脈の発生が心臓ＥＧＭストリップのどこで発生したかを示すタイミングデータを含み得る。

【0089】

さらに、ＡＩシステムは、心臓ＥＧＭストリップのセグメントを入力として用いて、第２のＣＲＣ（すなわち、特化型ＣＲＣ）を適用することができる（５０４）。第２のＣＲＣは、第１の集団よりも小さい第２の集団からの心臓ＥＧＭストリップを訓練することで訓練される第１のＣＲＣのバージョンである。例えば、いくつかの例では、第２の集団は、患者１４のみで構成され得る。他の例では、第２の集団は、患者１４と１つ以上の特徴を共有する患者のコホートなどの患者のコホートであり得る。特徴の例には、患者のコホートおよび患者１４の診断が含まれ得る。ＡＩシステムが第２のＣＲＣを適用すると、第２のＣＲＣは、心臓ＥＧＭストリップのセグメントに基づいて、心調律タイプに関する第２のデータを生成することができる。第２のデータは、第１のデータと同じタイプのデータを含み得る。例えば、第２のデータは、心臓ＥＧＭストリップのセグメントが心不整脈の少なくとも１回の発生を表す第２の確率に基づいている。

【0090】

ＡＩシステムは、第１のデータおよび第２のデータのうちの少なくとも１つに基づいて出力データを生成することができる（５０６）。いくつかの例では、コンピューティングシステム２４は、グラフィカルユーザインターフェース、音声インターフェース、ウェブページ、または別の形態を介して出力データを提示することができる。いくつかの例では、出力データは、電子メールメッセージ、テキストメッセージ、アプリ内通知、インスタントメッセージ、ボイスメールメッセージ、または別のタイプのメッセージなどの通知またはメッセージを含み得る。

【0091】

いくつかの例では、ＡＩシステムは表示用のダッシュボードインターフェースを出力することができる。ダッシュボードインターフェースは、出力データを含む一種のグラフィカルユーザインターフェースである。ダッシュボードインターフェースは、リスト、チャート、スパークライン、棒グラフ、表、または患者１４の心調律に関する１つ以上のタイプの情報を直感的な方法で伝達するように設計された他のタイプのデータを含み得る。

【0092】

例えば、一例では、第１のデータは、一般型ＣＲＣが、心臓ＥＧＭストリップのセグメントにおける特定の心不整脈の発生を識別したかどうかを示す。この例では、ダッシュボードインターフェースは、一般型ＣＲＣによって識別された特定の心不整脈の発生数に比例するサイズを有する棒グラフのうちの第１の棒の形態の出力データを含み得る。同様に、いくつかの例では、第２のデータは、特化型ＣＲＣが、心臓ＥＧＭストリップのセグメントにおける特定の心不整脈の発生を識別したかどうかを示し得る。この例では、棒グラフは、特化型ＣＲＣによって識別された特定の心不整脈の発生数に比例するサイズを有する第２の棒を含み得る。このようにして、棒グラフにより、第１および第２のＣＲＣによって識別された特定の不整脈の発生数の比較が可能となり得る。

【0093】

一例では、現在の患者の心調律の態様は、患者１４の心調律で発生する心不整脈の発生の形態学的態様である。この例では、第１のデータには、心臓ＥＧＭストリップのセグメントで表される心不整脈の発生の形態学的態様に関する第１のデータが含まれ得る。さらに、この例では、第２のデータには、心臓ＥＧＭストリップのセグメントで表される心不整脈の発生の形態学的態様に関する第２のデータが含まれ得る。出力データには、発生の形態学的態様に関する第１のデータと、発生の形態学的態様に関する第２のデータとを比較するデータが含まれ得る。例えば、出力データには、発生の形態学的態様に関する第１のデータと、発生の形態学的態様に関する第２のデータとの間の差異を示すチャートが含まれてもよい。

【0094】

第１のデータおよび第２のデータが、一般型および特化型ＣＲＣが心臓ＥＧＭストリップのセグメントにおける心不整脈の発生を識別したかどうかを示す別の例では、ダッシュボードインターフェースには、時間の経過に伴う心不整脈の発生頻度を示すスパークラインが含まれ得る。出力データの他の多くの例は、本開示の他の箇所で提供される例で説明されるタイプのデータなどにより可能である。

【0095】

いくつかの例では、ＡＩシステムは、第２のデータの、現在の患者からの事前の心臓ＥＧＭストリップに基づいて特化型ＣＲＣによって生成された履歴データとの比較に基づいて、第２の出力データを生成することができる。例えば、ＡＩシステムは、患者１４の心調律の態様の傾向を示すデータを生成してもよい。一例では、ＡＩシステムは、各期間（例えば、毎日）の間に、第２の特化型ＣＲＣによって識別される心不整脈の発生数をカウントし、そのカウントを表またはグラフの形態で表示してもよい。

【0096】

ＡＩシステムは、出力データを１つ以上のタイプのユーザに提示することができる。例えば、ＡＩシステムは、出力データを、患者１４、患者１４の医療提供者、医療監視組織のユーザ、または別のタイプの人物に提示してもよい。

【0097】

図６は、本開示の技法による、個々の患者の心臓ＥＧＭに基づいて一般型ＣＲＣ６０２が更新される例を示す概念図である。一般型ＣＲＣ６０２は、第１の集団の心臓ＥＧＭストリップに基づいて訓練され、特定の患者の心臓ＥＧＭストリップに基づいてさらに訓練されて、特定の患者に特化したＣＲＣ６０４を生成し得る。例えば、一般型ＣＲＣ６０２が患者の心調律で発生する心不整脈の１つ以上の態様に関するデータを生成するように訓練される例では、ＡＩシステムは、患者１４の心臓ＥＧＭストリップに基づいて一般型ＣＲＣ６０２をさらに訓練して、患者１４の心調律で発生する心不整脈の１つ以上の態様に関するデータを生成することができる。したがって、ＡＩシステムが患者１４の監視を開始するとき、特化型ＣＲＣ６０４は、一般型ＣＲＣ６０２と同じであり得る。しかしながら、時間の経過につれて、ＡＩシステムは、患者１４の患者データ（例えば、ＥＧＭストリップ）に基づいて、患者１４の特化型ＣＲＣ６０４を選択的に再訓練することができる。例えば、コンピューティングシステム２４は、バックプロパゲーションアルゴリズムを適用して、患者１４の特化型ＣＲＣ６０４におけるニューロンの１つ以上の層への入力と関連付けられたパラメータ（例えば、重み値、バイアス値など）を更新してもよい。本開示の他の箇所でより詳細に説明される図９は、特化型ＣＲＣを訓練するための例示的な動作を示すフローチャートである。

【0098】

図６の例に示されるように、ＡＩシステムは、患者１４の心臓ＥＧＭストリップ６００を取得することができる。さらに、ＡＩシステムは、心臓ＥＧＭストリップ６００のセグメントを入力として用いて、一般型ＣＲＣ６０２および特化型ＣＲＣ６０４を適用することができる。図６の例では、一般型ＣＲＣ６０２および特化型ＣＲＣ６０４は、心臓ＥＧＭストリップによって表される心調律における１回以上の心不整脈の発生を識別する。図６の例では、識別された心不整脈の発生は、楕円６０６でマークされている。さらに、図６の例に示されるように、一般型ＣＲＣ６０２は、心臓ＥＧＭストリップ６００のセグメントが一般型ＣＲＣ６０２への入力として提供される場合、心不整脈の３回の発生を識別することができる。しかしながら、図６の例に示されるように、特化型ＣＲＣ６０４は、心臓ＥＧＭストリップ６００のセグメントが特化型ＣＲＣ６０４への入力として提供される場合、４回の心不整脈の発生を識別することができる。患者１４で発生する特定の心不整脈の発生の形態学的態様は、一般型ＣＲＣ６０２が訓練される一般集団で発生する特定の心不整脈の発生の形態学的態様とは何らかの形で異なり得るため、特化型ＣＲＣ６０４は、追加の発生を識別することができる。

【0099】

さらに、図６の例に示されるように、ＡＩシステムは、一般型ＣＲＣ６０２および特化型ＣＲＣ６０４によって生成されたデータに基づいて、様々なタイプの出力データを生成することができる。例えば、ＡＩシステムは、パーソナライズされた心不整脈の発生の検出を示す出力データを生成してもよい。

【0100】

いくつかの例では、ＡＩシステムは、特化型ＣＲＣ６０４によって検出された心不整脈の発生の形態学的属性の、特化型ＣＲＣ６０４によって従来検出された心不整脈の発生の形態学的属性との比較を示す出力データを生成することができる。例えば、この例では、ＡＩシステムは、特化型ＣＲＣ６０４を患者１４の心臓ＥＧＭストリップのセグメントに適用して、１回以上の心不整脈の発生を識別してもよい。形態学的属性の例として、ＱＲＳ幅、固有の心室性期外収縮（ＰＶＣ）形態の数、検出された不整脈の平均心拍数、ＰＲ間隔などが挙げられる。さらに、ＡＩシステムは、識別された心不整脈の発生の形態学的属性の値を生成することができる。次に、ＡＩシステムは、識別された心不整脈の発生の形態学的属性の値を使用して、識別された不整脈の発生の形態学的属性の値をユーザが比較することを可能にする比較データを生成する。

【0101】

例えば、心不整脈が心房細動である例では、形態学的属性は、心房細動の発生の心房細動中の時間的継続時間または心拍数であってもよい。この例では、ＡＩシステムは、患者１４の心臓ＥＧＭストリップのセグメントに特化型ＣＲＣ６０４を適用して、心房細動の発生を識別することができる。さらに、この例では、識別された心房細動の発生の各々について、ＡＩシステムは、識別された心房細動の発生の時間的継続時間を示す時間的継続時間値を決定することができる。この例では、ＡＩシステムは、決定された時間的継続時間の値を使用して、比較データを生成することができる。例えば、この例では、比較データは、決定された時間的継続時間値の傾向を示す折れ線グラフを含んでもよい。いくつかの例では、比較データは、決定された時間的継続時間値を列挙することができる。

【0102】

いくつかの例では、ＡＩシステムは、患者１４のパーソナライズされた傾向を示す出力データを生成することができる。例えば、一例では、ＡＩシステムは、特化型ＣＲＣ６０４によって識別される心不整脈の発生における形態学的属性への経時変化、特化型ＣＲＣ６０４によって識別される心不整脈の発生頻度への経時変化などを示す出力データを生成し得る。

【0103】

いくつかの例では、ＡＩシステムは、一般型ＣＲＣ６０２および特化型ＣＲＣ６０４を、患者１４の同じセットの心臓ＥＧＭストリップのセグメントに適用して、１回以上の心不整脈の発生を識別することができる。したがって、ＡＩシステムは、一般型ＣＲＣ６０２を適用することによって第１の発生のセットを識別し、特化型ＣＲＣ６０４を適用することによって第２の発生のセットを識別することができる。この例では、コンピューティングシステム２４は、第１の発生のセットおよび第２の発生のセットに基づいて比較データを生成することができる。いくつかの例では、比較データは、第１の発生のセットおよび第２の発生のセットにおける発生数の比較を提供することによって、特化型ＣＲＣ６０４を使用する価値を強調するのに役立ち得る。

【0104】

いくつかの例では、ＡＩシステムは、特化型ＣＲＣ６０４によって識別される心不整脈の発生の形態学的属性と、一般型ＣＲＣ６０２によって識別される心不整脈の発生の形態学的属性との分析を実行し得る。例えば、一例では、ＡＩシステムは、一般型ＣＲＣ６０２を患者１４の心臓ＥＧＭストリップのセットのセグメントに適用することによって、心不整脈の第１の発生のセットを識別してもよい。この例では、ＡＩシステムは、患者１４の同じセットの心臓ＥＧＭストリップのセグメントに特化型ＣＲＣ６０４を適用することによって、心不整脈の第２の発生のセットを識別することができる。さらに、この例では、ＡＩシステムは、一般型ＣＲＣ６０２によって識別される心不整脈の発生の形態学的属性の第１の値のセットを生成することができる。同様に、この例では、ＡＩシステムは、心不整脈の発生の形態学的属性の第２の値のセットを生成することができる。次に、ＡＩシステムは、ユーザが一般型ＣＲＣ６０２および特化型ＣＲＣ６０４によって識別される心不整脈の発生における形態学的属性の値を比較することを可能にする比較データを生成し得る。さらに、比較データには、一般集団のメンバーにおける心不整脈の発生の形態学的属性の値を示すデータが含まれ得る。

【0105】

図７は、コンピューティングシステム２４が、本開示の技法に従って、一般型ＣＲＣ７００およびコホートベースの特化型ＣＲＣ７０２を適用する例を示す概念図である。図６の例と同様に、コンピューティングシステム２４は、患者１４の心臓ＥＧＭストリップ７０４を取得することができる。

【0106】

図７の例では、集団内の全ての患者（例えば、監視システム４５０（図４）によって監視されている患者の集団）からのデータについて訓練されるのではなく、コホートベースのＣＲＣ７０２などの１つ以上の特化型ＣＲＣのセットが、特定の患者コホートに基づいて訓練される。患者コホートは、様々な方式のうちのいずれかで定義され得る。例えば、患者コホートは、診断および手順コード、例えば国際疾病統計分類の第１０版（ＩＣＤ－１０）および現行医療行為用語（ＣＰＴ）コードで定義されたコードに基づいて定義されてもよい。この例では、コホートベースのＣＲＣ７０２は、ＥＧＭストリップのセグメント、およびいくつかの例では、選択した患者グループの他の患者データに基づいて訓練され得、これらは全て、医療記録に共有のＩＣＤ－１０および／またはＣＰＴコード履歴を有する。したがって、コホートベースのＣＲＣ７０２によって生成されたデータは、選択された患者グループの生理学的情報を反映し得る。

【0107】

ＡＩシステムは、出力データを生成し得、当該出力データは、ユーザが、患者１４に関するデータ、患者コホートに関するデータ、および／または一般型ＣＲＣ７００が訓練された集団に関するデータの２つ以上を比較することを可能にする。例えば、ＡＩシステムは、個々の患者ではなく、コホートを用いて、図６の個々の患者に関して説明されたタイプのいずれかの出力データを生成してもよい。

【0108】

いくつかの例では、ＡＩシステムはまた、個々の患者（例えば、患者１４）に特化型ＣＲＣを適用することができる。このため、ＡＩシステムは、出力データを生成し得、当該出力データは、ユーザが個人のデータを一般型ＣＲＣ７００およびコホートベースのＣＲＣ７０２によって生成されたデータと比較することを可能にし得る。これにより、ユーザは、一般の集団だけでなく、同様の診断と手順の履歴を持つ他の集団の両方と比較して、その個人のデータを見ることができる。

【0109】

いくつかの例では、ＡＩシステムは、複数のコホートベースのＣＲＣによって生成されたデータおよび個々の患者のためにパーソナライズされたＣＲＣによって生成されたデータに基づいて、どのコホートベースのＣＲＣが個々の患者のパーソナライズされたＣＲＣによって生成されたデータに最も似たデータを生成するかを判定することができる。例えば、ＡＩシステムは、平均二乗誤差、絶対差の合計、またはコホートベースのＣＲＣによって生成されたデータと個々の患者のパーソナライズされたＣＲＣによって生成されたデータとの間の類似性を決定する他のメトリックを計算することができる。このようにして、ＡＩシステムは、どのコホートベースのＣＲＣ（ひいては、どの患者コホート）が個々の患者に最も似ているかを判定することができる。これにより、一般的な人口統計情報よりも、個々の患者と患者コホートとの間のより良い関連付けが可能になり得る。例えば、ＡＩシステムは、個々の患者が５０代半ばであるにもかかわらず、４０代半ばの人の心調律プロファイルを有していると判定することができる。いくつかの例では、ＡＩシステムは、個々の患者が個々の現在の患者と関連付けられている患者コホートよりも特定の患者コホートとよく関連付けられているという判定に応答して、通知を生成することができる。

【0110】

図８は、本開示の技法による、コンピューティングシステムが一般型ＣＲＣ、コホートベースＣＲＣ、および特化型ＣＲＣを適用する動作例を示すフローチャートである。図８の例では、ＡＩシステムは、患者１４（すなわち、現在の患者）の心臓ＥＧＭストリップを取得することができる（８００）。さらに、ＡＩシステムは、心臓ＥＧＭストリップのセグメントを入力として用いて、第１のＣＲＣ（例えば、一般型ＣＲＣ）を適用することができる（８０２）。第１のＣＲＣは、第１の集団からのＥＧＭストリップで訓練される。第１のＣＲＣは、第１のデータを生成する。ＡＩシステムは、図５の動作に関して説明したものと同じ様式で第１のＣＲＣを適用することができる（５０２）。

【0111】

さらに、図８の例では、ＡＩシステムは、心臓ＥＧＭストリップのセグメントを入力として用いて、第２のＣＲＣ（例えば、コホートベースのＣＲＣ）を適用することができる（８０４）。第２のＣＲＣは、患者コホートなどの第２の集団からのＥＧＭストリップで訓練される。第２のＣＲＣは、第２のデータを生成する。さらに、図８の例では、ＡＩシステムは、心臓ＥＧＭストリップのセグメントを入力として用いて、第３のＣＲＣ（例えば、患者１４のための特化型ＣＲＣ）を適用することができる（８０６）。第３のＣＲＣは、患者１４のＥＧＭストリップで訓練される。第３のＣＲＣは、第３のデータを生成する。いくつかの例では、第３のＣＲＣは、第１の集団からの心臓ＥＧＭストリップを訓練することに基づいて訓練され、患者１４からの心臓ＥＧＭストリップの訓練のみに基づいてさらに訓練された、第１のＣＲＣのバージョンである。

【0112】

ＡＩシステムは、第１のデータ、第２のデータ、および第３のデータのうちの少なくとも１つに基づいて出力データを生成することができる（８０８）。例えば、ＡＩシステムは、本開示および他の箇所で説明されている様々なタイプの比較のいずれかを可能にするチャート、グラフ、および他のタイプのデータを含む出力データを生成してもよい。

【0113】

図９は、本開示の技法による特化型ＣＲＣを訓練するための動作例を示すフローチャートである。図９の例では、ＡＩシステムは、第１の集団の患者のために、ＥＧＭストリップのセグメントに基づいて一般型ＣＲＣを訓練することができる（９００）。ＡＩシステムは、本開示の他の箇所で提供される例のいずれかに従って、一般型ＣＲＣを訓練することができる。さらに、ＡＩシステムは特化型ＣＲＣを生成することができる。例えば、ＡＩシステムは、第２の集団からの心臓ＥＧＭストリップに基づいて（例えば、当該心臓ＥＧＭストリップのみに基づいて）第１のＣＲＣのインスタンスを訓練することによって、特化型ＣＲＣを生成してもよい。ＡＩシステムは、動作（９０２）～（９１０）を実行して、特化型ＣＲＣを生成することができる。

【0114】

さらに、図９の例では、ＡＩシステムは、一般型ＣＲＣを第２の集団からの心臓ＥＧＭストリップの現在のセグメントに適用して、心臓ＥＧＭストリップの現在のセグメントの第１の出力ベクトルを生成することができる（９０２）。第２の集団は、第１の集団よりも小さくてもよい。例えば、第２の集団は、単一の患者または患者のコホートに限定されてもよい。出力ベクトルは、ＣＲＣによって生成された数値またはブール値などの要素のベクトルである。さらに、図９の例では、ＡＩシステムは、心臓ＥＧＭストリップの現在のセグメントに特化型ＣＲＣを適用して、心臓ＥＧＭストリップの現在のセグメントの第２の出力ベクトルを生成することができる（９０４）。

【0115】

次に、ＡＩシステムは、心臓ＥＧＭストリップの現在のセグメントの第２の出力ベクトルが、心臓ＥＧＭストリップの現在のセグメントの第１の出力ベクトルよりも正確であるかどうかを判定することができる（９０６）。ＡＩシステムは、１つ以上の方式のうちのいずれかでこの判定を行うことができる。例えば、一例では、第１の出力ベクトルおよび第２の出力ベクトルは、尤度値を含み、この尤度値は、心臓ＥＧＭストリップの現在のセグメントの尤度が心不整脈の発生を含むことを示す。この例では、ＡＩシステムは、一般型ＣＲＣと特化型ＣＲＣとによって生成された尤度値を比較することができる。この例では、人間のレビューごとに心不整脈の存在に対応する尤度が高く、人間のレビューごとに心不整脈が不在に対応する尤度の値が低いことが好ましい。ＡＩシステムは、注釈付きデータセットの出力ベクトルを比較して、（例えば、感度および特異性に基づいて）全体的な精度を確認することもできる。

【0116】

第２の出力ベクトルが第１の出力ベクトル（９０６の「はい」の分岐）よりも正確であるとの判定に応答して、ＡＩシステムは、特化型ＣＲＣのパラメータを更新することができる（９０８）。例えば、ＡＩシステムは、特化型ＣＲＣの期待される出力ベクトルと特化型ＣＲＣの実際の出力ベクトルとの間の誤差を計算する誤差関数を適用してもよい。この例では、ＡＩシステムは、バックプロパゲーションアルゴリズムでこのエラー関数を使用して、特化型ＣＲＣのパラメータを更新することができる。

【0117】

特化型ＣＲＣのパラメータを更新した後、または第２の出力ベクトルが第１の出力ベクトル（９０６の「いいえ」分岐）よりも正確ではないと判定した場合、ＡＩシステムは、心臓ＥＧＭストリップの残りのセグメントまたは第２の集団（９１０）の残りのＥＧＭストリップがあるかどうかを判定することができる。心臓ＥＧＭストリップの１つ以上の残りのセグメントまたは第２の集団の残りのＥＧＭストリップ（９１０の「はい」分岐）がある場合、ＡＩシステムは、現在のセグメントおよび／または心臓ＥＧＭストリップとしての第２の集団について、別のセグメントまたはＥＧＭストリップを用いて動作９０２～９１０を繰り返すことができる。その他の場合（９１０の「いいえ」分岐）、図９の訓練動作が終了し得る。

【0118】

この方法により特化型ＣＲＣを訓練することは、特化型ＣＲＣによって生成された出力ベクトルの精度が一般型ＣＲＣによって生成された出力ベクトルの精度よりも悪くないことを保証するのに役立ち得る。さらに、この方式で特化型ＣＲＣを訓練することは、ＥＧＭストリップの全てのセグメントで特化型ＣＲＣを訓練するよりも効率的であり、計算リソースの消費量が少なくなり得る。

【0119】

いくつかの例では、ＡＩシステムは、特化型ＣＲＣを訓練するプロセスを実行するためのユーザ入力の指示を受信することに応答して、当該プロセスを実行するように構成される。例えば、ＡＩシステムは、ＡＩシステムが特定の心臓ＥＧＭストリップに基づいて特化型ＣＲＣを訓練することを示すユーザ入力の表示を受信してもよい。

【0120】

図１０は、本開示の技法による、パーソナライズされた出力データを生成するための動作例を示すフローチャートである。図１０の例では、ＡＩシステムは、現在の患者の心臓ＥＧＭストリップを取得することができる（１０００）。さらに、ＡＩシステムは、心臓ＥＧＭストリップのセグメントを入力として用いてパーソナライズされたＣＲＣを適用することができる（１００２）。図１０の例では、特化型ＣＲＣは、現在の患者からの心臓ＥＧＭストリップを訓練することで訓練される。特化型ＣＲＣは、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第１のデータを生成する。心調律の態様は、心不整脈、心調律の形態学的態様、現在の患者のＲ－Ｒ間隔、または現在の患者の心調律の別の態様であり得る。

【0121】

さらに、図１０の例では、ＡＩシステムは、現在の患者からの事前の心臓ＥＧＭストリップに基づく特化型ＣＲＣによって生成された第１のデータおよび履歴データに基づいて、出力データを生成する（１００４）。したがって、図１０の例では、特化型ＣＲＣは、必ずしも訓練されているとは限らず、別様で、より大きな集団からの訓練データに基づいているとは限らない。むしろ、特化型ＣＲＣは、現在の患者の訓練データに基づいてのみ訓練することができる。いくつかの例では、出力データは、現在の患者の心調律の態様の傾向を示している。いくつかの例では、心臓ＥＧＭストリップはイベント後のものであり、初期の心臓ＥＧＭストリップの各々はイベント前のものである。この例では、出力データには、イベントの前後の現在の患者の心調律の態様の比較が含まれる。イベントの例には、医療デバイスの植込み、外科的処置、現在の患者が使用している薬の変更、新しい心不整脈の発症などが含まれてもよい。

【0122】

図１１は、本開示の技法による、コンピューティングシステムがパーソナライズされた出力データを生成する例を示す概念図である。図１１は、図１０の動作例と一致している。図１１の例では、純粋に個々の患者からのデータに基づいて、不整脈パターンのディクショナリが全ての患者に対して構築されている。単一の患者からの全てのデータを使用して、ニューラルネットワークが訓練され、その患者の病歴で発生する心不整脈と正常なリズムがスコアリングされる。標準の分類器とは異なり、このタイプのパーソナライズされたＣＲＣは、悪条件にフラグを立てるのに最適ではない場合がある。より一般的なＣＲＣによって、悪状態をよりよく識別することができる。ただし、パーソナライズされたＣＲＣは、単一の患者の長期データの傾向を把握するのに役立ち得る。

【0123】

パーソナライズされたＣＲＣの出力は、様々な目的のうちの１つ以上に使用することができる。例えば、パーソナライズされたＣＲＣの出力を使用して、患者自身のベースラインからの変化をスコアリングおよび傾向分析してもよい。例えば、この例では、ＡＩシステムは、患者１４に監視デバイス（例えば、医療デバイス１６）を植込んだ後の時点から、患者１４の心調律の１つ以上の態様に関する傾向を示す出力データを生成してもよい。この例では、心調律の１つ以上の態様には、ある期間（例えば、１週間）にわたるＲ－Ｒ間隔、特定の心不整脈の発生頻度などが含まれ得る。

【0124】

別の例では、パーソナライズされたＣＲＣの出力を使用して、従来検出された心不整脈の発生の形態学的態様と比較して、検出された心不整脈の発生の１回以上の形態学的態様の変化を検出およびスコアリングすることができる。例えば、パーソナライズされたＣＲＣの出力を使用して、心室性期外収縮（ＰＶＣ）の平均線長の変化を検出および追跡してもよい。別の例では、パーソナライズされたＣＲＣの出力は、投薬の変更または実行された新しい処置の実行に伴う患者のデータの変更を示してもよい。

【0125】

単一の被験者のデータで訓練されたパーソナライズされたＣＲＣは、より大きな集団モデルと比較して、より小さな計算フットプリント（ハードウェアおよびソフトウェア）を有し、モバイルデバイスおよび植込みハードウェアなどのより小さなハードウェアプラットフォームで実行し得るように設計することもできる。例えば、一般型ＣＲＣおよびパーソナライズされたＣＲＣの両方の基礎となるモデルアーキテクチャ（例えば、５０層の残余ニューラルネットワーク）が同じである場合、初期層のモデルの重みは、両方のモデルで類似していてもよい。ただし、最後の数層のモデルの重みだけで、その患者コホートのパーソナライズされたＣＲＣ用に訓練することができる。実装態様に関して、一般型ＣＲＣおよびパーソナライズされたＣＲＣの両方がニューラルネットワークの初期層に対応する共通の計算を有している場合、これらの一般型ＣＲＣからの値は、（計算を繰り返すのではなく）パーソナライズされたＣＲＣで使用でき、当該パーソナライズされたＣＲＣは、最後の複数のニューラルネットワーク層のみに対応するより小さな計算セットを有することができる。

【0126】

いくつかの例では、本開示の技法は、本明細書に記載のいずれかの方法を実行するための手段を含むシステムを含む。いくつかの例では、本開示の技法は、処理回路に本明細書に記載のいずれかの方法を実行させる命令を含むコンピュータ可読媒体を含む。

【0127】

以下は、本開示の１つ以上の技法による例の非限定的なリストである。

【0128】

実施例１Ａ． コンピューティングシステムによって、現在の患者の心臓電位図（ＥＧＭ）ストリップを取得することと、コンピューティングシステムによって、心臓ＥＧＭストリップのセグメントを入力として用いて、第１の心調律分類器ニューラルネットワーク（ＣＲＣ）を適用することであって、第１のＣＲＣが、複数の患者を含む第１の集団からの心臓ＥＧＭストリップを訓練することで訓練され、第１のＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第１のデータを生成する、適用することと、コンピューティングシステムによって、心臓ＥＧＭストリップのセグメントを入力として用いて、第２のＣＲＣを適用することであって、第２のＣＲＣが、第１の集団よりも小さい第２の集団からの心臓ＥＧＭストリップを訓練することで訓練される第１のＣＲＣのバージョンであり、第２のＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第２のデータを生成する、適用することと、コンピューティングシステムによって、第１のデータおよび第２のデータに基づいて出力データを生成することと、を含む、方法。

【0129】

実施例２Ａ． 第２の集団が現在の患者からなる、請求項１Ａに記載の方法。

【0130】

実施例３Ａ． 第２の集団が、現在の患者と１つ以上の特徴を共有する患者のコホートである、請求項１Ａに記載の方法。

【0131】

実施例４Ａ． １つ以上の特徴が、患者のコホートおよび現在の患者の診断を含む、請求項３Ａに記載の方法。

【0132】

実施例５Ａ． 方法が、コンピューティングシステムによって、心臓ＥＧＭストリップを入力として用いて、第３のＣＲＣを適用することをさらに含み、第３のＣＲＣが、第１の集団からの心臓ＥＧＭストリップを訓練することに基づいて訓練され、現在の患者からの心臓ＥＧＭストリップを訓練することのみに基づいてさらに訓練された、第１のＣＲＣのバージョンであり、第３のＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第３のデータを生成し、出力データを生成することが、第１のデータ、第２のデータ、および第３のデータに基づいて出力データを生成することを含む、請求項３Ａに記載の方法。

【0133】

実施例６Ａ． 現在の患者の心調律の態様が、現在の患者の心調律における心不整脈の発生の発生であり、第１のデータは、心臓ＥＧＭストリップのセグメントが心不整脈の少なくとも１回の発生を表す第１の確率に基づいており、第２のデータは、心臓ＥＧＭストリップのセグメントが心不整脈の少なくとも１回の発生を表す第２の確率に基づいている、請求項１Ａに記載の方法。

【0134】

実施例７Ａ． 現在の患者の心調律の態様が、現在の患者の心調律で発生する心不整脈の発生の形態学的態様であり、第１のデータが、心臓ＥＧＭストリップのセグメントで表される心不整脈の発生の形態学的態様に関する第１のデータを含み、第２のデータが、心臓ＥＧＭストリップのセグメントで表される心不整脈の発生の形態学的態様に関する第２のデータを含み出力データが、発生の形態学的態様に関する第１のデータと、発生の形態学的態様に関する第２のデータとを比較するデータを含む、請求項１Ａに記載の方法。

【0135】

実施例８Ａ． 第２のデータの、現在の患者からの事前の心臓ＥＧＭストリップに基づいて第２のＣＲＣによって生成された履歴データとの比較に基づいて、第２の出力データを生成することをさらに含む、請求項１Ａ～７Ａのいずれか一項に記載の方法。

【0136】

実施例９Ａ． 第１のＣＲＣが、出力ベクトルを生成し、方法が、コンピューティングシステムによって、第２の集団からの心臓ＥＧＭストリップのみに基づいて第１のＣＲＣのインスタンスを訓練することによって、第２のＣＲＣを生成することをさらに含み、第２のＣＲＣを生成することが、第２の集団からの各々のそれぞれの心臓ＥＧＭストリップの各々のそれぞれのセグメントについて、処理回路が、コンピューティングシステムによって、第１のＣＲＣをそれぞれの心臓ＥＧＭストリップのそれぞれのセグメントに適用して、それぞれの心臓ＥＧＭストリップの第１の出力ベクトルを生成することと、コンピューティングシステムによって、第２のＣＲＣをそれぞれの心臓ＥＧＭストリップのそれぞれのセグメントに適用して、それぞれの心臓ＥＧＭストリップの第２の出力ベクトルを生成することと、コンピューティングシステムによって、それぞれの心臓ＥＧＭストリップのそれぞれのセグメントの第２の出力ベクトルが、それぞれの心臓ＥＧＭストリップの第１の出力ベクトルよりも正確であるかどうかを判定することと、コンピューティングシステムによって、心臓ＥＧＭストリップの第２の出力ベクトルが、それぞれの心臓ＥＧＭストリップの第１の出力ベクトルよりも正確であるかどうかに基づいて、第２のＣＲＣのパラメータを更新することと、を含み、コンピューティングシステムは、心臓ＥＧＭストリップの第２の出力ベクトルがそれぞれの心臓ＥＧＭストリップの第１の出力ベクトルよりも正確である場合に、第２のＣＲＣのパラメータを更新するように構成され、コンピューティングシステムは、心臓ＥＧＭストリップの第２の出力ベクトルがそれぞれの心臓ＥＧＭストリップの第１の出力ベクトルよりも正確でない場合に、第２のＣＲＣのパラメータを更新しないように構成される、更新することと、を行うように構成されている、請求項１Ａ～８Ａのいずれか一項に記載の方法。

【0137】

実施例１Ｂ． コンピューティングシステムによって、現在の患者の心臓ＥＧＭストリップを取得することと、コンピューティングシステムによって、心臓ＥＧＭストリップのセグメントを入力として用いて特化型心調律分類器（ＣＲＣ）を適用することであって、特化型ＣＲＣが、現在の患者からの心臓ＥＧＭストリップを訓練することで訓練され、特化型ＣＲＣが、心臓ＥＧＭストリップのセグメントに基づいて、現在の患者の心調律の態様に関する第１のデータを生成する、適用することと、コンピューティングシステムによって、第１のデータと、現在の患者からの事前の心臓ＥＧＭストリップに基づいて特化型ＣＲＣによって生成された履歴データに基づいて出力データを生成することと、を含む、方法。

【0138】

実施例２Ｂ． 出力データが、現在の患者の心調律の態様の傾向を示している、請求項１Ｂに記載の方法。

【0139】

実施例３Ｂ． 心調律の態様が、現在の患者のＲ－Ｒ間隔である、請求項２Ｂに記載の方法。

【0140】

実施例４Ｂ． 心調律の態様が、心不整脈である、請求項２Ｂに記載の方法。

【0141】

実施例５Ｂ． 心調律の態様が、現在の患者の心不整脈の形態学的態様である、請求項４Ｂに記載の方法。

【0142】

実施例６Ｂ． 心臓ＥＧＭストリップが、イベント後のものであり、事前の心臓ＥＧＭストリップの各々が、イベント前のものであり、出力データが、イベント前後の現在の患者の心調律の態様の比較を含む、請求項２Ｂに記載の方法。

【0143】

実施例７Ｂ． イベントが、医療デバイスの植込み、外科的処置、現在の患者が服用している薬の変更、または新しい心不整脈の発症のうちの１つである、請求項６Ｂに記載の方法。

【0144】

実施例１Ｃ． 処理回路および記憶媒体を含むコンピューティングシステムであって、請求項１Ａ～７Ｂのいずれかの方法を実行するように構成されている、コンピューティングシステム。

【0145】

実施例２Ｃ． コンピュータ可読データ記憶媒体であって、実行されると、コンピューティングシステムに請求項１Ａ～７Ｂのいずれかに記載の方法を実行させる命令がその上に記憶されている、コンピュータ可読データ記憶媒体。

【0146】

実施例３Ｃ． 本明細書に記載されている方法。

【0147】

本明細書に開示される様々な態様および例は、説明および添付の図面に具体的に提示された組み合わせとは異なる組み合わせで組み合わせることができることを理解されたい。本明細書に記載のプロセスまたは方法のいずれかの特定の行為またはイベントは、実施例に応じて異なる順序で行われてもよく、追加、併合、または完全に省略されてもよい（例えば、全ての記載された行為またはイベントは、本技法を実行するために必要ではない場合がある）ことも理解されたい。さらに、本開示の特定の態様は、明確にするために、単一のモジュール、ユニット、または回路によって実行されるものとして説明されているが、本開示の技法は、例えば、医療デバイス置と関連付けられたユニット、モジュール、または回路の組み合わせによって実行され得ることが理解されるべきである。

【0148】

１つ以上の例では、説明される技法は、ハードウェア、ソフトウェア、ファームウェア、またはそれらの任意の組み合わせで実装されることができる。ソフトウェアで実装される場合、機能は、コンピュータ可読媒体上に１つ以上の命令またはコードとして記憶され、ハードウェアベースの処理ユニットによって実行されることができる。コンピュータ可読媒体は、データ記憶媒体（例えば、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、または命令もしくはデータ構造の形態で所望のプログラムコードを記憶するために使用されることができ、かつコンピュータによってアクセスされることができる任意の他の媒体）などの、有形媒体に対応する非一時的コンピュータ可読媒体を含むことができる。

【0149】

命令は、１つ以上のデジタルシグナルプロセッサ（ＤＳＰ）、汎用マイクロプロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルロジックアレイ（ＦＰＧＡ）、または他の同等の集積もしくは離散論理回路などの、１つ以上のプロセッサによって実行されることができる。したがって、本明細書に使用される「プロセッサ」または「処理回路」という用語は、前述の構造のいずれか、または記載された技法の実装態様に好適な任意の他の物理的構造を指すことができる。また、それらの技術は、１つ以上の回路または論理素子内に完全に実装され得る。

【0150】

様々な例が記載されている。これらおよび他の例は、以下の特許請求の範囲の範囲内にある。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】