用于个性化心血管分析的系统和方法与流程

医药医疗技术的改进;医疗器械制造及应用技术用于个性化心血管分析的系统和方法1.相关申请的交叉引用2.本技术要求于2019年12月20日提交的临时申请序列号62/951,312的优先权，其全部内容通过引用并入本文。技术领域3.本公开涉及监测患有心血管问题的患者，并且更具体地，本公开涉及执行患者特定的心血管分析。背景技术：4.心室辅助系统(vas)可以包括心室辅助设备(vad)，诸如用于短期(即几天、几个月)和长期(即几年或一生)应用的植入式血泵，其中患者的心脏无法提供足够的循环，通常称为心力衰竭或充血性心力衰竭。患有心力衰竭的患者可能会在等待心脏移植或作为长期目标治疗时使用vas。在另一个示例中，患者可以在从心脏手术中恢复时使用vas。因此，vas可以补充虚弱的心脏(即部分支持)或有效替代天然心脏的功能。vas可以植入患者体内，并由患者体内或体外的电源供电。5.了解和管理心力衰竭患者的血流动力学状态可能相对具有挑战性。此外，对于具有一种或多种潜在疾病(诸如右心室(rv)功能障碍、瓣膜疾病、心律失常等)的vad患者，会产生附加的复杂性。6.下一代vad开发的一个重点是添加系统增强以帮助医生优化治疗，从而改善不良事件概况和整体患者生活质量。示例增强包括与闭环控制算法(例如，脉冲和生理控制)相结合使用改进的感测能力(例如，流量波形感测、压力波形感测、加速度计等)。这些增强可用于所谓的“智能vad”。7.然而，随着这些新能力出现，患者管理的复杂性和精密性增加，特别是如果患者具有附加的设备，诸如起搏器或肺动脉(pa)压力传感器。因此，需要教育和培训医生有关如何管理复杂的患者/设备系统交互，并了解新诊断工具上线时的含义。此外，需要简化和整合心脏辅助设备接口，以利用远程监测在诊所外长时间记录患者/设备数据，并开发可以处理和解释设备数据以促进优化患者治疗的算法。因此，需要统一的远程监测基础设施。技术实现要素：8.在一个实施例中，本公开涉及一种用于执行个性化心血管分析的方法。该方法包括使用建模和模拟计算设备构建患者特定模型，使用建模和模拟计算设备将患者特定模型存储在数据库中，在建模和模拟计算设备处从至少一个远程监测数据源接收远程监测数据，以及在建模和模拟计算设备处从至少一个临床数据源接收临床数据。该方法进一步包括使用建模和模拟计算设备使用远程监测数据和临床数据更新患者特定模型，使用建模和模拟计算设备对更新的患者特定模型执行至少一个模拟，以及基于所述至少一个模拟从建模和模拟计算设备输出至少一个输出。9.在另一个实施例中，本公开涉及一种用于执行个性化心血管分析的计算设备。该计算设备包括存储器设备和通信地耦合到该存储器设备的处理器。处理器被配置为构建患者特定模型，将患者特定模型存储在存储器设备中，从至少一个远程监测数据源接收远程监测数据，从至少一个临床数据源接收临床数据，使用远程监测数据和临床数据更新患者特定模型，对更新的患者特定模型执行至少一个模拟，以及输出基于所述至少一个模拟的输出。10.在另一个实施例中，本公开涉及其上具有计算机可执行指令的非暂时性计算机可读介质。当由计算设备的处理器执行时，该指令使计算设备的处理器构建患者特定模型，将患者特定模型存储在数据库中，从至少一个远程监测数据源接收远程监测数据，从至少一个临床数据源接收临床数据，使用远程监测数据和临床数据更新患者特定模型，对更新的患者特定模型执行至少一个模拟，以及输出基于所述至少一个模拟的输出。11.本公开的前述和其它方面、特征、细节、效用和优点将通过阅读以下描述和权利要求以及通过查看附图而变得显而易见。附图说明12.图1是远程监测和模拟系统的一个实施例的示意图。13.图2是可用于实现本文描述的系统和方法的计算设备的一个实施例的框图。14.图3是执行个性化心血管分析的方法的框图。15.相应的附图标记在附图的多个视图中指示相应的部分。具体实施方式16.本公开提供了用于执行个性化心血管分析的系统和方法。一种方法包括使用建模和模拟计算设备构建患者特定模型，使用建模和模拟计算设备将患者特定模型存储在数据库中，在建模和模拟计算设备处从至少一个远程监测数据源接收远程监测数据，以及在建模和模拟计算设备处从至少一个临床数据源接收临床数据。该方法进一步包括使用建模和模拟计算设备使用远程监测数据和临床数据更新患者特定模型，使用建模和模拟计算设备对更新的患者特定模型执行至少一个模拟，以及基于所述至少一个模拟从建模和模拟计算设备输出至少一个输出。17.本文描述的实施例提供了一种基于云的远程监测和模拟系统，该系统存储和维护患者特定的数值心血管模型。该系统使用机器学习和优化技术，以使用从临床数据源和远程监测数据源收集的实际患者数据，不断更新模型的模拟参数。系统收集的数据越多，模型就越准确。因为该模型复制了特定患者，所以该模型也可以称为特定患者的“数字克隆”。18.现在参考附图，其中相似的附图标记用于在各个视图中标识相同的组件，图1示出远程监测和模拟系统100的一个实施例。系统100包括建模和模拟计算设备102。在示例性实施例中，建模和模拟计算设备102是基于云的服务器系统。可替代地，建模和模拟计算设备102可以是适合于实现本文描述的系统和方法的任何计算设备。19.建模和模拟计算设备102通信地耦合到多个远程监测数据源104和多个临床数据源106。如本文所述，为了构建和更新特定患者的患者特定模型，建模和模拟计算设备102从远程监测数据源104收集与患者相关联的远程监测数据，以及从临床数据源106收集与患者相关联的临床数据。在一些实施例中，当数据被建模和模拟计算设备102接收时，数据可以被加时间戳。20.与患者相关联的远程监测数据源104可以包括例如患者监测设备110、心力衰竭监测器112、心脏再同步治疗(crt)设备114和vad 116。在一些实施例中，患者监测设备110最初从其它设备(例如，心力衰竭监测器112、crt设备114和vad 116)收集远程数据，并将该远程监测数据中继到建模和模拟计算设备102。可替代地，每个设备可以向建模和模拟计算设备102独立地发送远程监测数据。21.从远程监测数据源104收集的远程监测数据可以包括患者血液动力学数据和设备状态数据。例如，收集的数据可以包括泵流量波形、左心室(lv)压力波形和主动脉压力波形(例如，来自vad 116)。此外，收集的远程监测数据可以另外地或可替代地包括肺动脉(pa)压力波形(例如，来自心力衰竭监测器112)、crt数据(例如，来自crt设备114)和可植入心脏监测器数据。本领域技术人员将理解，也可以收集其它类型的远程监测数据。22.临床数据源106可以包括例如医师计算设备、电子病历系统等。此外，患者的临床数据可以包括例如临床测量，诸如右导管测量、超声心动图数据、血压测量等。23.图2示出可用于实现本文描述的系统和方法的计算设备200的一个实施例。例如，计算设备200可以用于实现建模和模拟计算设备102(如图1中所示)。计算设备200包括至少一个存储器设备210和耦合到存储器设备210以用于执行指令的处理器215。在一些实施例中，可执行指令存储在存储器设备210中。在该实施例中，计算设备200通过对处理器215进行编程来执行本文描述的一个或多个操作。例如，处理器215可以通过将操作编码为一个或多个可执行指令并且通过在存储器设备210中提供可执行指令来编程。24.处理器215可以包括一个或多个处理单元(例如，在多核配置中)。此外，处理器215可以使用一个或多个异构处理器系统来实现，其中主处理器与辅助处理器一起存在于单个芯片上。在另一个说明性示例中，处理器215可以是包含多个相同类型的处理器的对称多处理器系统。此外，处理器215可以使用任何合适的可编程电路来实现，该可编程电路包括一个或多个系统和微控制器、微处理器、精简指令集电路(risc)、专用集成电路(asic)、可编程逻辑电路、现场可编程门阵列(fpga)、以及能够执行本文所述功能的任何其它电路。25.在该实施例中，存储器设备210是使得诸如可执行指令和/或其它数据的信息能够被存储和检索的一个或多个设备。存储器设备210可以包括一个或多个计算机可读介质，诸如但不限于动态随机存取存储器(dram)、静态随机存取存储器(sram)、固态盘和/或硬盘。存储器设备210可以被配置为存储但不限于应用源代码、应用目标代码、感兴趣的源代码部分、感兴趣的目标代码部分、配置数据、执行事件和/或任何其它类型的数据。26.在该实施例中，计算设备200包括耦合到处理器215的呈现接口220。呈现接口220向用户225呈现信息。例如，呈现接口220可以包括可以耦合到显示设备(诸如阴极射线管、液晶显示器(lcd)、有机led(oled)显示器和/或“电子墨水”显示器)的显示适配器(未示出)。在一些实施例中，呈现接口220包括一个或多个显示设备。使用本文描述的实施例处理的输入信号和/或滤波信号可以显示在呈现接口220上。27.在该实施例中，计算设备200包括用户输入接口235。用户输入接口235耦合到处理器215并接收来自用户225的输入。用户输入接口235可以包括例如键盘、定点设备、鼠标、触控笔、触敏面板(例如，触摸板或触摸屏)、陀螺仪、加速度计、位置检测器和/或音频用户输入接口。诸如触摸屏的单个组件可以用作呈现接口220和用户输入接口235的显示设备。28.在该实施例中，计算设备200包括耦合到处理器215的通信接口240。通信接口240与一个或多个远程设备通信。为了与远程设备通信，通信接口240可以包括例如有线网络适配器、无线网络适配器和/或移动电信适配器。29.返回参考图1，使用从远程监测数据源104收集的远程监测数据和从临床数据源106收集的临床数据，建模和模拟计算设备102构建和更新患者特定模型。患者特定模型可以存储在例如存储器设备210(图2中所示)中。30.随后，建模和模拟计算设备102在患者特定模型上运行一个或多个模拟以促进优化患者治疗。例如，模拟的输出可以显示在呈现接口220(图2中所示)上。31.例如，在将vad植入患者体内之前，可以运行模拟以模拟患者将如何响应vad治疗。在该场景中，可以使用来自心力衰竭监测器112和/或crt设备114的数据以及来自临床测量的数据来构建患者模型，因为vad还没有被植入。这些模拟的这些结果可以帮助临床医生确定是否植入vad，并确定植入哪种类型的vad(例如，lvad、bi-vad等)。32.在植入vad之后，可以在患者特定模型上运行模拟以模拟vad的操作。例如，可以模拟调节泵速度和/或调节脉冲类型的影响。在另一个示例中，可以模拟调节药物和/或流体体积的影响。33.此外，在一些实施例中，建模和模拟计算设备102分析患者特定模型(例如，使用机器学习和/或其它人工智能技术)。例如，这些分析的输出可以显示在呈现接口220(图2中所示)上。34.例如，作为分析患者特定模型的结果，建模和模拟计算设备102可以推荐改变vad参数(例如，泵速度)和/或药物以实现所需的血液动力学结果(例如，所需的lv压力分布)。在另一个示例中，建模和模拟计算设备102可以跟踪血液动力学特性随时间推移的变化以识别模式和/或生成警报。跟踪的血液动力学特性可以包括lv/rv收缩功能、肺和全身血管阻力、血管顺应性、流体/体积状态、瓣膜功能、血细胞比容值等。在一个示例中，建模和模拟计算设备102跟踪心脏恢复(例如，心室功能容量)并根据患者具体情况优化恢复方案(例如，通过推荐药物剂量/时间、泵脱机、脉搏类型等)。35.此外，基于患者特定模型的分析，建模和模拟计算设备102可以生成推荐的设备设置。例如，建模和模拟计算设备102可以生成泵速度、生理控制设置、脉冲类型和/或起搏器设置的推荐设置。在一些实施例中，建模和模拟计算设备102可以控制远程监测数据源104中的一个或多个。例如，建模和模拟计算设备102可以生成控制信号并将其发送到crt设备114和/或vad 116，该控制信号指示crt设备114和/或vad 116来调节它们的设置。36.在本文描述的实施例中，患者特定模型是在线数值模型，该在线数值模型基于从远程监测数据源104和临床数据源106接收的数据不断更新以匹配患者的当前状况。可用于模型并且结合到模型中的数据越多，由建模和模拟计算设备102执行的模拟和分析越准确。37.患者特定模型可以是例如模拟人体循环系统的高保真集总参数数值模型。此外，该模型可包括允许模型更好地匹配实际患者的特征，诸如生理反馈机制和非线性流出移植物动力学。38.例如，在一个实施例中，模型包括大约七十五个参数，该参数定义整个循环系统的行为。通过改变这些参数，该模型可以复制大多数患者的行为(不包括严重的自动调节障碍)。39.鉴于vad患者特性和血液动力学的可变性，在一些实施例中，调节模型以匹配特定患者。具体地，机器学习和/或其它人工智能技术用于系统地改变关键模型参数，直到模拟模型从临床数据中复制实际的血液动力学和泵参数数据(例如，心室尺寸、pa压力等)。40.在一些实施例中，建模和模拟计算设备102还构建通用模型的数据库。例如，可以使用相应的临床研究数据来构建每个通用模型。生成的数据库因此包括多个匿名模型。例如，基于一般患者特性，诸如性别、种族、体重、bmi、心脏指数、intermacs分类等，这些模型可以是可搜索的。该可搜索数据库允许用户基于感兴趣的患者特性来搜索匿名模型，并使用该匿名模型作为患者特定模型的“起点”。值得注意的是，与感兴趣的患者的匿名模型越相似，匿名模型越快收敛到准确的患者特定模型。此外，在一些实施例中，建模和模拟计算设备102接收与患者相关联的现有临床和/或人口统计数据，并基于现有临床和/或人口统计数据从数据库中自动选择匿名模型。41.通过使用建模和模拟计算设备102，用户(例如，临床医生)能够清楚地可视化和理解各种患者/设备交互背后的机制。此外，通过运行模拟，用户可以“虚拟地”试验改变泵速度、药物、流体量等，并观察量化的预期血流动力学响应。此外，通过使用建模和模拟计算设备102，用户可以模拟各种事件(例如，脱水、心律失常、运动、急性高血压等)以观察预期结果并帮助未来识别此类事件。42.建模和模拟计算设备102还使用机器学习和/或其它人工智能技术不断更新关键模型参数(例如，心室弹性曲线、瓣膜阻力、主动脉顺应性等)以确保模拟结果匹配或密切跟踪临床数据。也就是说，患者特定模型在没有直接物理测量的情况下估计各种患者参数，这对于跟踪随时间推移的生理变化非常有用，诸如心室功能、瓣膜渗漏等。43.为了证明本文描述的系统和方法的功效，现在将描述示例案例研究。具体地，以下案例研究示出如何使用本文所述的系统和方法来帮助治疗经历连续心力衰竭的扩张型心肌病(dcm)心力衰竭患者。本领域技术人员将理解类似的技术也可以应用于其他心力衰竭患者。本案例研究纯属虚构，并且旨在展示如何实施本文所述的系统和方法。44.在该示例中，假设患者逐渐发展为导致lv功能恶化的潜在电生理障碍(例如，左束支传导阻滞)。患者最初没有症状，并且也不知道有任何问题。然而，随着时间推移，电传导问题恶化，心室泵血功能受损，并且患者偶尔会出现轻微的心力衰竭(hf)症状(即阶段ii)。45.尽管激活了肾素-血管紧张素(ras)反馈系统，患者仍不能维持足够的心输出量和动脉压。长期高心室压力导致左心室进一步扩张，进一步损害泵送功能。患者现在症状严重到需要去看心脏病专家(即阶段iii)。心脏病专家执行全面的血流动力学检查，测量30％的射血分数，并识别潜在的左束支传导阻滞疾病。46.此时，患者被植入起搏器和心力衰竭监测器(例如，pa压力传感器)，并被分配典型的hf药物治疗方案。然后，患者注册远程监测系统的账户(其可以与建模和模拟计算设备102相同或不同)，并提供所需的装备以实现对设备的远程监测。此外，根据本文所述的系统和方法，临床医生使用建模和模拟计算设备102来为患者初始化患者特定模型。例如，建模和模拟计算设备102可以基于患者的现有临床和/或人口统计数据自动选择模型的初始参数。47.起搏器最初提高心脏泵血能力并减轻患者可见的hf系统，返回阶段ii。然而，先前的慢性lv扩张已导致心脏机械受损，高心室充盈压持续存在。在接下来的几个月/几年中，尽管起搏成功，lv仍继续扩张。心力衰竭监测器跟踪漂移得更高的pa压力，并且这些结果被传递到远程监测系统并且对临床医生可见。此外，患者特定模型已基于从起搏器和心力衰竭监测器接收到的数据进行更新，并且现在与实际患者的置信度匹配为65％。基于模型的分析，建模和模拟计算设备102还报告降低的lv收缩功能。48.临床医生决定让患者返回诊所接受完整的血流动力学检查，尽管总体感觉良好。结果表明左心室严重扩张和一般血流动力学不良。这些临床结果被提供给建模和模拟计算设备102，并且匹配置信度增加到75％。临床医生调节药物并将患者送回家进行远程观察。49.在接下来的几个月中，hf症状恶化至阶段iv，并且患者无法执行日常任务。患者特定模型表明lv收缩功能非常低且不断恶化。最终，患者返回诊所进行另一次血流动力学检查。结果很差，射血分数为20％，并且心脏指数低。该患者似乎是一个很好的康复候选人(年轻，只有几年的hf)，但一个较差的移植候选人(o型血，体重超过100公斤)。50.通过使用建模和模拟计算设备102，临床医生模拟患者将如何响应vad治疗(匹配置信水平现在为80％)。患者特定模型表明对vad支持和强大的rv功能有良好的血流动力学反应。因此，决定植入能够将数据传送到建模和模拟计算设备102的vad。51.在vad植入后的数周内，患者是健康的并且四处走动而没有hf症状(即，阶段i)。现在还结合了来自vad的大量数据的患者特定模型现在已达到95％的匹配置信度。三个月后，建模和模拟计算设备102对患者特定模型的分析现在表明lv收缩功能和重塑得到改善。临床医生审查记录的数据并允许建模和模拟计算设备102指示vad启动恢复方案，其中vad周期性地降低泵速以自动“训练”lv。52.再过两个月后，建模和模拟计算设备102对患者特定模型的分析表明lv功能始终很强，并且脱机算法已被实施以将vad泵速度降低到相对较低的水平，使得vad支持最小。通过使用建模和模拟计算设备102，临床医生模拟vad的移除，并且模拟的结果表明恢复的可能性很高。因此，决定移植vad。移植vad两年后，患者表现出稳定持久的恢复。使用来自起搏器和心力衰竭监测器的可用数据，由建模和模拟计算设备102维护的患者特定模型仍然有效。53.因此，该案例研究展示了使用本文描述的系统和方法实现的优势。54.图3是执行个性化心血管分析的方法300的框图。方法300可以例如通过建模和模拟计算设备102(图1中所示)来实施。55.方法300包括构建302患者特定模型。方法300进一步包括将患者特定模型存储304在数据库中。此外，方法300包括从至少一个远程监测数据源接收306远程监测数据，以及从至少一个临床数据源接收308临床数据。方法300进一步包括使用远程监测数据和临床数据更新310患者特定模型。此外，方法300包括对更新的患者特定模型执行312至少一个模拟并且基于所述至少一个模拟输出314至少一个输出。56.本文描述的系统和方法包括使用建模和模拟计算设备构建患者特定模型，使用建模和模拟计算设备将患者特定模型存储在数据库中，在建模和模拟计算设备处从至少一个远程监测数据源接收远程监测数据，以及在建模和模拟计算设备处从至少一个临床数据源接收临床数据。该系统和方法进一步包括使用建模和模拟计算设备使用远程监测数据和临床数据更新患者特定模型，使用建模和模拟计算设备对更新的患者特定模型执行至少一个模拟，以及基于所述至少一个模拟从建模和模拟计算设备输出至少一个输出。57.尽管上面已经以一定程度的特殊性描述了本公开的某些实施例，但是本领域的技术人员可以在不背离本公开的精神或范围的情况下对所公开的实施例进行许多改变。所有方向参考(例如，上、下、向上、向下、左、右、向左、向右、顶部、底部、上方、下方、竖直、水平、顺时针和逆时针)仅用于标识目的，以帮助读者理解本公开内容，并且不构成限制，特别是关于本公开内容的位置、取向或用途。结合参考(例如，附接、耦合、连接等)将被广义地解释并且可以包括元件连接之间的中间构件和元件之间的相对运动。因此，结合参考不一定推断两个元件直接连接并且彼此之间具有固定关系。旨在将上述描述中包含的或附图中所示的所有内容解释为仅是说明性的而不是限制性的。在不背离所附权利要求中定义的本公开的精神的情况下，可以对细节或结构进行改变。58.在介绍本公开或其优选实施例的元素时，冠词“一”、“一个”、“该”和“所述”旨在表示存在元素中的一个或多个元素。术语“包含”、“包括”和“具有”旨在具有包容性，并表示可能存在除所列元素之外的其它元素。59.由于在不背离本公开的范围的情况下可以对上述结构进行各种改变，因此上述描述中包含的或附图中所示的所有内容应被解释为说明性的而不是限制性的。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!