JP6454729B2 - 心不全悪化の自動鑑別診断のための医療デバイスシステム - Google Patents

Description

本明細書は、概して医療デバイスに関し、より具体的には、心不全代償不全を検出および監視するためのシステム、デバイス、および方法に関する。

鬱血性心不全（ＣＨＦ：ｃｏｎｇｅｓｔｉｖｅ ｈｅａｒｔ ｆａｉｌｕｒｅ）は重大な健康問題であり、米国のみで５００万人以上の人々が罹患している。ＣＨＦとは、心臓のポンプ機能が損なわれた結果、末梢組織の必要を満たす十分な量の血液を送り出せなくなることである。ＣＨＦ患者は、典型的には、収縮の減少および血液の心拍出量が不十分となる心筋の弱化を伴う心臓の拡張を有する。

ＣＨＦは通常、慢性症状であるが、突然起こることもある。心臓の左心側、右心側またはその両方に罹患することもある。左心室がＣＨＦに罹患した場合、左心室の収縮を制御する信号が遅くなり、左右の心室が同時に収縮しない。左右の心室が同時に収縮しないことにより、心臓のポンプ効率がさらに低下する。

ＣＨＦ患者を頻繁に監視し、心不全（ＨＦ：ｈｅａｒｔ ｆａｉｌｕｒｅ）代償不全状態を示す事象を適時に検出することは、ＣＨＦ患者におけるＨＦの悪化の防止に役立てることができ、したがって、ＨＦの入院加療に関連した費用を低減する。加えて、ＨＦの悪化など、ＨＦ事象を将来発症するリスクが高くなっている患者を識別することは、適時の治療を確実に行うことにより、予後および患者の転帰の向上に役立てることができる。将来的なＨＦ事象のリスクを有する患者を識別し、安全に管理することにより、不要な医療行為を回避し、医療費を低減することができる。

携行型医療デバイスは、ＨＦ患者の監視およびＨＦ代償不全事象の検出に用いることが可能である。そのような携行型医療デバイスの例としては、埋め込み型医療デバイス（ＩＭＤ：ｉｍｐｌａｎｔａｂｌｅ ｍｅｄｉｃａｌ ｄｅｖｉｃｅ）、皮下医療デバイス、着用型医療デバイスまたはその他の外部医療デバイスを挙げることができる。携行型または埋め込み型医療デバイスは、心臓の電気的活動および機械的機能、またはＨＦの悪化の徴候および症候に関連付けされた物理的変数もしくは生理学的変数を感知するように構成することが可能な生理学的センサを含むことができる。医療デバイスは、任意選択で、標的部位に電気刺激パルスなどの治療を送達して、例えば、心機能または神経機能を回復または改善させることができる。

ＨＦの悪化など、ＨＦ事象を将来発症するリスクが高くなっている患者を識別することは、適時の治療を確実に行うことにより、予後および患者の転帰の向上に役立てることができる。将来的なＨＦ事象のリスクが低い患者を識別し、安全に管理することにより、不要な医療行為を回避し、医療費を低減することができる。ＨＦを検出する方法は、高い感度、高い特異性、高い陽性的中率（ＰＰＶ：ｐｏｓｉｔｉｖｅ ｐｒｅｄｉｃｔｉｖｅ ｖａｌｕｅ）、または高い陰性的中率（ＮＰＶ：ｎｅｇａｔｉｖｅ ｐｒｅｄｉｃｔｉｖｅ ｖａｌｕｅ）のうちの１つまたは複数を含むことが可能であることが理想的である。ＨＦ代償不全事象のリスク階層化の状況では、感度は、高リスク患者（例えば、将来的なＨＦ代償不全エピソードを発症する可能性が高い患者）を識別する精度を表すことができる。特異性は、低リスク患者（例えば、将来的なＨＦ代償不全エピソードを発症する可能性が低い患者）を識別する精度を表すことができる。しかしながら、患者全体にわたる病状の差異、および／またはある患者における疾患の進行などの因子が、ＨＦ事象検出器またはＨＦ階層化器の性能に悪影響を及ぼす可能性がある。例えば、検出されたＨＦ事象のいくつかは、偽陽性検出である。すなわち、これらの事象は、ＨＦ代償不全などのＨＦの悪化により起こるのではなく、肺疾患、不整脈、感染症、または外科手術などの他の疾患または病状の結果として生じる。偽陽性検出は、埋め込み型デバイスのシステムの一部の誤動作などの交絡因子によっても起こる場合がある。偽陽性検出は、特異性の低下またはＨＦの悪化事象の検出のＰＰＶの低下につながる可能性がある。一方、偽陽性の疾患または症状は、ＨＦの悪化事象に関連付けされた、またはＨＦの悪化事象を促進する共存疾患の症状である可能性があり、しかもＨＦの悪化の検出時に、これら偽陽性の疾患または症状のさらなる鑑別診断は行われないか、または明確には分からないままであることが多い。この結果、偽陽性検出が生じた際の治療および患者管理が不適切になる。

したがって、本発明者らは、ＨＦの悪化を示す、標的生理学的事象を検出可能であるか、または将来的なＨＦの悪化事象を発症するリスクが高まっているＣＨＦ患者を識別可能である、精度および信頼度が高められたシステムおよび方法が依然として大いに必要であることを認識した。特に、ＨＦの悪化と、ＨＦの悪化以外の、患者の状態の悪化を示す病態生理学的兆候を生じる原因の識別を含むその他の疾患または病状との間の鑑別診断は、迅速な臨床的決定および臨床行為が容易になるという点で、臨床的に有益となり得る。

本明細書に記載された様々な実施形態は、同様の病態生理学的兆候を生じ得るその他の疾患または病状を認識または診断することにより、ＨＦの悪化の検出の向上に役立てることが可能である。例えば、システムが、ＨＦの悪化とその他の候補症状との間の鑑別診断を提供する。このシステム、例えば、携行型医療デバイス（ＡＭＤ：ａｍｂｕｌａｔｏｒｙ ｍｅｄｉｃａｌ ｄｅｖｉｃｅ）は、１つまたは複数の生理学的信号を含む患者情報を受信する患者情報受信回路と、受信された生理学的信号から、それぞれの生理学的特徴を検出するように構成された生理学的データ分析回路とを備えることができる。システムは、１つまたは複数の信号メトリックを生成する鑑別診断回路を含み、患者の物理的状態または生理学的状態の変化に関連付けされた２つ以上の候補症状を受信し、かつ２つ以上の候補症状に対して、それぞれの診断評点を決定することができる。診断評点は、対応する候補症状によって引き起こされる患者の物理的状態または生理学的状態の変化の尤度（ｌｉｋｅｌｉｈｏｏｄ ｔｈｅ ｃｈａｎｇｅ）を示すことができる。システムは、検出された生理学的特徴、および候補症状に関連付けされた診断評点の提示を生成するユーザインタフェースを含むことができる。

方法が、患者から取得された１つまたは複数の生理学的信号を含む患者情報を受信するステップと、生理学的信号から生理学的特徴を検出するステップとを含むことができる。この方法は、患者の物理的状態または生理学的状態の変化を示すか、または患者の物理的状態または生理学的状態の変化に相関している１つまたは複数の信号メトリックを生成するプロセスと、患者の物理的状態または生理学的状態の変化に関連付けされた２つ以上の候補症状を受信するプロセスと、各候補症状に対して、それぞれの診断評点を決定するプロセスとを含む。診断評点は、対応する候補症状によって引き起こされる患者の物理的状態または生理学的状態の変化の尤度を示すことができる。この方法は、検出された生理学的特徴、および２つ以上の候補症状に関連付けされた診断評点を含む提示を生成するステップを含む。

この概要は、本願の教示の一部を概説するものであり、本発明の主題を排他的または網羅的に取り扱うことを意図するものではない。本発明の主題についてのさらなる詳細は、詳細な説明および添付の特許請求の範囲に見出される。本開示の他の態様は、以下の詳細な説明を読んで理解し、その一部を形成する図面を見れば、当業者には明らかになるが、説明および図面はそれぞれ、限定するものという意味で解釈されるべきではない。本開示の範囲は、添付の特許請求の範囲およびそれらの法的な均等物によって規定される。

様々な実施形態が、例として添付の図面の図に示されている。そのような実施形態は、例示的なものであり、本発明の主題の網羅的または排他的な実施形態であることを意図するものではない。

心調律管理（ＣＲＭ：ｃａｒｄｉａｃ ｒｈｙｔｈｍ ｍａｎａｇｅｍｅｎｔ）システムの一例、およびＣＲＭシステムが動作する環境の部分を図示する。 自動ＨＦ鑑別診断回路の一例を図示する。 信号メトリック生成回路の一例を図示する。 診断評点生成回路の一例を図示する。 ＨＦの悪化と、その他の疾患の病状との間を鑑別診断するための方法の一例を図示する。 ＨＦの悪化と、その他の疾患または病状との間を鑑別診断するためのルールベースモデルの一例を図示する。

本明細書において開示されるのは、ＨＦ代償不全などのＨＦの悪化の鑑別診断決定を自動的に生成するシステム、デバイス、および方法である。鑑別診断決定は、診断評点を含むことが可能であり、診断評点は、例えばＨＦ事象の悪化、肺疾患、心房性不整脈もしくは心室性不整脈、外科処置の表示（ｉｎｄｉｃａｔｉｏｎ）、または感染症など、それぞれの候補症状に関連付けされている。特定の候補症状に関連付けされた診断評点は、患者から取得された生理学的信号またはその他の生理学的情報を用いて生成することが可能である。診断評点は、患者の状態の悪化など、候補症状によって引き起こされる病態生理学的兆候の尤度を示す。自動的に生成された鑑別診断は、患者の治療および管理の決定を導く際にエンドユーザに提示することが可能である。

図１は、心調律管理（ＣＲＭ）システム１００の一例、およびＣＲＭシステム１００が動作可能な環境の部分を図示する。ＣＲＭシステム１００は、１つまたは複数のリード１０８Ａ〜Ｃなどを通じて心臓１０５に電気的に結合することが可能な埋め込み型医療デバイス（ＩＭＤ）１１０などの携行型医療デバイスと、通信リンク１０３などを介してＩＭＤ１１０と通信することが可能な外部システム１２０とを含むことができる。ＩＭＤ１１０は、ペースメーカなどの埋め込み型心臓デバイス、埋め込み型心除細動器（ＩＣＤ：ｉｍｐｌａｎｔａｂｌｅ ｃａｒｄｉｏｖｅｒｔｅｒ−ｄｅｆｉｂｒｉｌｌａｔｏｒ）、または心再同期治療機能付除細動器（ＣＲＴ−Ｄ：ｃａｒｄｉａｃ ｒｅｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ ｔｈｅｒａｐｙ ｄｅｆｉｂｒｉｌｌａｔｏｒ）を含んでいてもよい。ＩＭＤ１１０は、皮下埋め込み型デバイス、着用型外部デバイス、神経刺激装置、薬剤送達デバイス、生物学的治療デバイス、診断デバイス、または１つもしくは複数のその他の携行型医療デバイスなど、１つまたは複数の監視用デバイスまたは治療用デバイスを含むことができる。ＩＭＤ１１０は、ベッドサイドモニタもしくはその他の外部モニタなどの監視用医療デバイスに結合してもよく、またはそれらと置き換えてもよい。

図１に図示されるように、ＩＭＤ１１０は、電子回路を収容することが可能な密閉缶１１２を含むことができる。この電子回路は、心臓１０５において生理学的信号を感知することが可能であるとともに、標的部位、例えば心臓内に、１つまたは複数のリード１０８Ａ〜１０８Ｃなどを通じて、１つまたは複数の治療電気パルスを送達することが可能である。ＣＲＭシステム１００は、１つのリードのみ、例えば１０８Ｂを含むことが可能であり、または２つのリード、例えば１０８Ａおよび１０８Ｂを含むことが可能である。

リード１０８Ａは、ＩＭＤ１１０に接続されるように構成することが可能な基端部と、標的位置、例えば心臓１０５の右心房（ＲＡ：ｒｉｇｈｔ ａｔｒｉｕｍ）１３１内に位置するように構成することが可能な先端部とを含むことができる。リード１０８Ａは、その先端部にまたはその先端部付近に配置することが可能な第１のペーシング感知用電極１４１と、電極１４１にまたは電極１４１付近に配置することが可能な第２のペーシング感知用電極１４２とを有することができる。電極１４１および１４２は、例えば右心房の活動の感知、および任意選択の心房ペーシングパルスの送達が可能であるようなリード１０８Ａの別個の導体などを介して、ＩＭＤ１１０に電気的に接続することが可能である。リード１０８Ｂは、ＩＭＤ１１０に接続可能な基端部と、標的位置、例えば心臓１０５の右心室（ＲＶ：ｒｉｇｈｔ ｖｅｎｔｒｉｃｌｅ）１３２内に配置可能な先端部とを含むことが可能な除細動リードとすることができる。リード１０８Ｂは、先端部に配置することが可能な第１のペーシング感知用電極１５２と、電極１５２付近に配置することが可能な第２のペーシング感知用電極１５３と、電極１５３付近に配置することが可能な第１の除細動コイル電極１５４と、上大静脈（ＳＶＣ：ｓｕｐｅｒｉｏｒ ｖｅｎａ ｃａｖａ）留置などのために先端部から距離を置いて配置することが可能な第２の除細動コイル電極１５５とを有することができる。電極１５２〜１５５は、リード１０８Ｂの別個の導体などを介してＩＭＤ１１０に電気的に接続することができる。電極１５２および１５３により、心室電位図を感知することが可能になり、および任意選択で、１つまたは複数の心室ペーシングパルスを送達することが可能になる。また、電極１５４および１５５により、１つまたは複数の心室電気的除細動／除細動パルスを送達することが可能になる。一例では、リード１０８Ｂは、３つの電極１５２、１５４および１５５のみを含むことができる。電極１５２および１５４は、１つまたは複数の心室ペーシングパルスの感知または送達に使用することができる。また、電極１５４および１５５は、１つまたは複数の心室電気的除細動または除細動パルスの送達に使用することができる。リード１０８Ｃは、ＩＭＤ１１０に接続可能な基端部と、標的位置、例えば心臓１０５の左心室（ＬＶ：ｌｅｆｔ ｖｅｎｔｒｉｃｌｅ）１３４に配置されるように構成することが可能な先端部とを含むことができる。リード１０８Ｃは、冠状静脈洞１３３を通して埋め込まれてもよく、例えば１つまたは複数のペーシングパルスがＬＶに送達可能になるように、ＬＶ全体にわたる冠状静脈に配置されてもよい。リード１０８Ｃは、リード１０８Ｃの先端部に配置することが可能な電極１６１と、電極１６１付近に配置することが可能な別の電極１６２とを含むことができる。電極１６１および１６２は、例えばＬＶ電位図を感知することが可能になり、および任意選択で、ＬＶから１つまたは複数の再同期ペーシングパルスを送達することが可能になるように、リード１０８Ｃの別個の導体などを介して、ＩＭＤ１１０に電気的に接続することが可能である。

ＩＭＤ１１０は、生理学的信号を感知することが可能な電子回路を含むことができる。生理学的信号は、心臓１０５の機械的機能を表す電位図または信号を含むことができる。密閉缶１１２は、感知用またはパルス送達用などの電極として機能することができる。例えば、リード１０８Ａ〜Ｃのうちの１つまたは複数からの電極は、例えば電位図を単極のみで感知するために、または１つもしくは複数のペーシングパルスを送達するために、缶１１２とともに使用することができる。リード１０８Ｂからの除細動電極は、例えば１つまたは複数の電気的除細動／除細動パルスを送達するために、缶１１２とともに使用することができる。一例では、ＩＭＤ１１０は、例えばリード１０８Ａ〜Ｃのうちの１つまたは複数に配置された電極間、または缶１１２との間のインピーダンスを感知することができる。ＩＭＤ１１０は、電極の対間に電流を注入し、結果として生じた電極の同一の対または別の対間の電圧を感知し、オームの法則を用いてインピーダンスを決定するように構成することが可能である。インピーダンスは、電流を注入し、電圧を感知するのに電極の同一の対を使用することが可能な二極構成で、電流注入用の電極の対および電圧感知用の電極の対が、共通の電極を共有することが可能な三極構成で、または電流の注入に使用される電極が、電圧の感知に使用される電極とは別個であることが可能な四極構成で感知することができる。一例では、ＩＭＤ１１０は、ＲＶリード１０８Ｂの電極と缶ハウジング１１２との間に電流を注入するように構成し、結果として生じた同一電極間、またはＲＶリード１０８Ｂの別の電極と、缶ハウジング１１２との間の電圧を感知するように構成することが可能である。生理学的信号は、ＩＭＤ１１０内に組み込むことが可能な１つまたは複数の生理学的センサから感知することができる。ＩＭＤ１１０は、ＩＭＤ１１０に結合可能である、１つもしくは複数の外部の生理学的センサまたは１つもしくは複数の外部電極から、生理学的信号を感知するように構成することも可能である。生理学的信号の例としては、心電図、心内電位図、不整脈、心拍数、心拍変動、胸腔内インピーダンス、心臓内インピーダンス、動脈圧、肺動脈圧、左心房圧力、ＲＶ圧力、ＬＶ冠状動脈圧、冠状動脈血流温度、血液酸素飽和度、１つまたは複数の心音、身体活動または労作レベル、活動に対する生理学的反応、姿勢、呼吸、体重または体温のうちの１つまたは複数を挙げることができる。

これらのリードおよび電極の配置および機能は、限定としてではなく例として上記で説明されている。患者の必要性および埋め込み型デバイスの性能に応じて、これらのリードおよび電極の他の配置および使用法が可能である。

図示されるように、ＣＲＭシステム１００は、自動心不全（ＨＦ）鑑別診断回路１１３を含むことができる。自動ＨＦ鑑別診断回路１１３は、１つまたは複数の生理学的信号などの１つまたは複数の患者情報源を受信し、この受信された生理学的情報から１つまたは複数の信号メトリックを生成することが可能である。自動心不全（ＨＦ）鑑別診断回路１１３は、患者の身体上または身体内に配備され、ＩＭＤ１１０と通じている１つまたは複数の携行型生理学的センサ、例えばリード１０８Ａ〜Ｃのうちの１つまたは複数の電極、および缶１１２などに、または患者の身体上もしくは身体内に配備され、ＩＭＤ１１０と通じている携行型生理学的センサに結合することが可能である。自動ＨＦ鑑別診断回路１１３は、２つ以上の候補症状を受信し、１つまたは複数の信号メトリックを用いて、各候補症状に対して、それぞれの診断評点（ｓｃｏｒｅ）を決定することが可能である。診断評点は、対応する候補症状によって引き起こされる患者の物理的状態または生理学的状態の変化の尤度を示すことができる。自動ＨＦ鑑別診断回路１１３の例は、例えば図２〜４を参照して後述する。

外部システム１２０により、ＩＭＤ１１０をプログラミングすることが可能になり、例えば通信リンク１０３を介して受信可能であるような、ＩＭＤ１１０によって取得された１つまたは複数の信号についての情報を受信することができる。外部システム１２０は、ローカルな外部ＩＭＤプログラマを含むことができる。外部システム１２０は、遠隔の場所などから患者の状態を監視することが可能であるか、または１つもしくは複数の治療法を調整することが可能である遠隔患者管理システムを含むことができる。

通信リンク１０３は、電磁誘導テレメトリリンク、無線周波数テレメトリリンク、またはインターネット接続などの遠隔通信リンクのうちの１つまたは複数を含むことができる。通信リンク１０３は、ＩＭＤ１１０と外部システム１２０との間のデータ伝送を提供することができる。伝送されるデータとしては、例えば、ＩＭＤ１１０により取得されたリアルタイムの生理学的データ、ＩＭＤ１１０により取得され、ＩＭＤ１１０に格納された生理学的データ、治療歴データ、またはＩＭＤ１１０に格納されたＩＭＤの動作状態を示すデータ、ＩＭＤ１１０に対する１つまたは複数のプログラミング命令を挙げることができる。このプログラミング命令は、例えば、プログラム可能に特定可能な感知用電極および構成を用いるなどした生理学的データの取得、デバイス自己診断テスト、または１つもしくは複数の治療の送達などを含み得る、１つまたは複数の動作を実行するようにＩＭＤ１１０を構成するための命令である。

自動ＨＦ鑑別診断回路１１３は、外部システム１２０で実施することが可能であり、外部システム１２０は、例えば、ＩＭＤ１１０から抽出されたデータ、または外部システム１２０内のメモリに格納されているデータを用いるなどしたＨＦリスク階層化、またはＨＦ事象検出を実行するように構成することができる。自動ＨＦ鑑別診断回路１１３の部分は、ＩＭＤ１１０と外部システム１２０との間に分布していてもよい。鑑別診断回路１１３は、必ずしもハードウェア回路に限定する必要はないが、実行時に、回路の機能を行う命令が与えられることによって構成されるマイクロプロセッサを含むことができる。

ＩＭＤ１１０または外部システム１２０の部分は、ハードウェア、ソフトウェア、またはハードウェアおよびソフトウェアの任意の組み合わせを用いて実施することができる。ＩＭＤ１１０または外部システム１２０の部分は、１つまたは複数の特定の機能を実行するように構築または構成することが可能な特定用途向け回路を用いて実施してもよく、または１つもしくは複数の特定の機能を実行するようにプログラミングもしくはそれ以外の方法で構成することが可能な汎用回路を用いて実施することもできる。そのような汎用回路は、マイクロプロセッサもしくはその一部分、マイクロコントローラもしくはその一部分、またはプログラム可能な論理回路もしくはその一部分を含むことができる。例えば、「コンパレータ」は、特に、２つの信号間の比較の特定の機能を実行するように構築することが可能な電子回路コンパレータを含むことができ、またはコンパレータは、２つの信号間の比較を実行するように汎用回路の一部分に命令するコードによって駆動可能な汎用回路の一部分として実施することもできる。ＩＭＤ１１０に関連して説明したが、ＣＲＭシステム１００は、皮下医療デバイス（例えば皮下ＩＣＤ、皮下診断デバイス）、着用型医療デバイス（例えばパッチ式の感知デバイス）、またはその他の外部医療デバイスを含むことも可能であろう。

図２は、自動ＨＦ鑑別診断回路２００の一例を図示する。自動ＨＦ鑑別診断回路２００は、自動ＨＦ鑑別診断回路１１３の一実施形態とすることができる。自動ＨＦ鑑別診断回路２００は、ハードウェア回路として実施することができ、または実行時に、回路の機能を行う命令が与えられることによって構成されるマイクロプロセッサを含むこともできる。自動ＨＦ鑑別診断回路２００は、患者の診断情報をエンドユーザに提供するために構成された患者モニタなどの外部システムにおいて実施することも可能である。自動ＨＦ鑑別診断回路２００は、患者情報受信回路２０１、生理学的データ分析回路２１０、鑑別診断回路２２０、コントローラ回路２４０、および命令受信回路２５０のうちの１つまたは複数を含むことができる。自動ＨＦ鑑別診断回路２００は、任意選択で、標的事象検出回路２３０を含むことができる。

患者情報受信回路２０１は、患者から取得された１つまたは複数の生理学的信号を含む患者情報を受信するように構成することができる。生理学的信号は、１つまたは複数の携行型生理学的センサを用いて、または１つもしくは複数の外部センサ、もしくは患者情報受信回路２０１に通信可能に結合された試験デバイスを用いて感知することができる。そのような生理学的信号の例としては、体表面または皮下心電計（ＥＣＧ：ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｐｈ）、例えばリード１０８Ａ〜Ｃまたは缶１１２のうちの１つまたは複数からの電極を用いて感知されるような、電位図、心拍数、心拍変動、不整脈情報、胸腔内インピーダンス、心臓内インピーダンス、動脈圧、肺動脈圧、左心房圧力、ＲＶ圧力、ＬＶ冠状動脈圧、冠状動脈血流温度、体内核心温度、血液酸素飽和度、１つもしくは複数の心音、収縮期時間間隔、心音に基づいた心臓時間間隔、インピーダンスに基づいた心臓時間間隔、活動に対する生理学的反応、身体活動、夜間の不穏状態、患者の姿勢、患者の体重、無呼吸低呼吸指数、呼吸数信号、１回換気量信号、分時換気信号、または急速表在呼吸指数（ＲＲ／ＴＶ）信号などの１つまたは複数の呼吸信号のうちの１つまたは複数を挙げることができる。生理学的信号は、脳ナトリウム***増加性ペプチド（ＢＮＰ：ｂｒａｉｎ ｎａｔｒｉｕｒｅｔｉｃ ｐｅｐｔｉｄｅ）、血液パネル、ナトリウムおよびカリウム濃度、血糖値、ならびにその他のバイオマーカおよびバイオケミカルマーカのうちの１つまたは複数を含むことも可能である。生理学的信号は、例えば携行型医療デバイスを装着した患者における両室のペーシングまたは左心室のみのペーシングの割合などのデバイス治療統計を含むことも可能である。

情報受信回路２０１によって受信された患者情報はさらに、携行型デバイスによって収集された診断情報を受信することができる。診断情報の例としては、特に、事象カウンタ、ペーシングモードスイッチ、リードインピーダンス、またはその他のデバイスもしくはリードの完全性試験データを挙げることができる。患者情報受信回路２０１は、例えば、過去および現在の投薬、外科処置、またはその他の病歴情報を含めた、患者の現在および過去の健康データならびに病歴に関する情報を受信することも可能である。患者情報受信回路２０１は、患者の人口統計情報、または社会的情報および行動情報（例えば喫煙者か非喫煙者か）などの他の種類の情報を受信することができる。

生理学的センサを使用して患者情報を取得することに加えて、または取得する代わりに、患者情報受信回路２０１は、電子診療記録（ＥＭＲ：ｅｌｅｃｔｒｏｎｉｃ ｍｅｄｉｃａｌ ｒｅｃｏｒｄ）システムなどの記憶デバイスに結合することが可能であり、指令信号に応じて、１つまたは複数の、患者のこれまでの生理学的信号を記憶デバイスから検索することができる。指令信号は、エンドユーザによって、命令受信器２５０に結合された入力デバイスなどを介して発することが可能であり、またはシステムによって、特定の事象に応じて自動的に生成することが可能である。

生理学的データ分析回路２１０は、１つまたは複数の生理学的信号に関する信号増幅、デジタル化、またはフィルタリングを含めた、信号調整または前処理を実行することが可能な１つまたは複数のサブ回路を含むことができる。生理学的データ分析回路２１０は、１つまたは複数の前処理された生理学的信号のそれぞれから、患者の物理的状態または生理学的状態を示すそれぞれの生理学的特徴を検出するように構成された生理学的特徴生成回路２１２を含むことができる。生理学的特徴の例としては、平均値、中央値、またはその他の中心傾向尺度、すなわち、信号強度のヒストグラム、経時にわたる複数の信号傾向、１つもしくは複数の信号形態記述子、１つもしくは複数の信号変化もしくは変化率特徴、１つもしくは複数の信号変化もしくは変化率特徴、または特定の周波数範囲における信号電力スペクトル密度を挙げることができる。生理学的特徴は、生理学的活動に対応する成分を含むことができる。例えば、心電図または電位図特徴は、Ｐ波、Ｒ波、Ｔ波、ＱＲＳ群、または減極、過分極、再分極もしくはその他の心筋の電気生理学的性質を表す他の成分を含むことができる。心音特徴は、（例えばＲ波に対しての）相対的タイミング、振幅、またはＳ１心音、Ｓ２心音、Ｓ３心音もしくはＳ４心音のうちの１つもしくは複数の形態的特性を含むことができる。インピーダンス特徴は、最大値、最小値、平均値、分散、変化率、またはその他の統計的もしくは形態的特徴を含むことができる。呼吸信号特徴は、呼吸数、呼吸深度、１回換気量、分時換気量、急速表在呼吸指数（ＲＲ／ＴＶ）、またはその他の記述子を含むことができる。

鑑別診断回路２２０は、現在の疾患または病状の悪化を示しているか、または現在の疾患または病状の悪化により引き起こされる患者の物理的状態または生理学的状態の尤度を含めた、診断情報を自動的に生成することができる。鑑別診断回路２２０は、候補症状受信回路２２２と、信号メトリック生成回路２２４と、診断評点生成回路２２６とを含むことができる。

候補症状受信回路２２２は、命令受信器２５０に結合された入力デバイスなどを介して、または２つ以上の所定の候補症状を格納するメモリ回路などの記憶デバイスから２つ以上の候補症状を受信することができる。候補症状は、おそらく患者の物理的兆候もしくは生理学的兆候の原因となっている疾患もしくは病状、またはおそらく患者の物理的兆候もしくは生理学的兆候に相関している疾患もしくは病状を含むことができる。一例として、候補症状は、ＨＦ代償不全などのＨＦの悪化を含むことができる。候補症状のその他の例としては、（慢性閉塞性肺疾患、肺炎または気管支炎などの）肺疾患、睡眠呼吸障害、（心房性細動、心房性頻拍、心室性頻拍または心室性細動などの）心房性不整脈もしくは心室性不整脈、腎臓病、高血圧、糖尿病、またはその他の、ＨＦもしくはＨＦの悪化をトリガもしくは促進する疾患または症状の共存疾患を挙げることができる。候補症状は、特に、（心臓または弁膜手術、切除、心室支援デバイスの埋め込み、埋め込み型医療デバイスの交換、デバイスポケットまたは埋め込み型リードの修正などの）外科処置、または（埋め込み型医療デバイスおよびリードシステムに関連した感染症などの）感染症などの臨床事象を含むことも可能である。

信号メトリック生成回路２２４は、生理学的特徴生成回路２１２に結合することが可能であり、生理学的特徴を用いて、１つまたは複数の信号メトリックを生成することが可能である。信号メトリックは、患者の物理的状態または生理学的状態の変化を示すことができる。信号メトリック生成回路２２４は、所定期間中または一定条件充足時などの生理学的特徴の複数の測定を実行することが可能であり、生理学的特徴の複数の測定値を用いて、１つまたは複数の信号メトリックを算出することが可能である。信号メトリックは、生理学的特徴の複数の測定値から導き出された統計的メトリックまたは形態的メトリックを含むことができる。

１つの例では、信号メトリック生成回路２２４は、例えば患者情報受信回路２０１によって感知されるような、胸部インピーダンス信号を用いて算出された胸部インピーダンス値の複数の測定値を受信することができる。胸部インピーダンスの周期変動は、患者の呼吸を示すものとなり得る。複数のインピーダンス測定値の中心傾向尺度などの統計的メトリックを算出して、患者の呼吸の強さ、呼吸数、または呼吸パターンの統計的尺度を提供することができる。別の例では、信号メトリック生成回路２２４は、例えば患者情報受信回路２０１によって感知されるような、心音信号を用いることによって決定される、Ｓ３心音強度の複数の測定値を受信することができる。ベースライン値からのＳ３心音強度の変化などの形態的メトリックを算出することが可能である。そのようなＳ３強度メトリックは、ＨＦの悪化の前兆となる心臓拡張機能の変化を示すものとなり得る。様々な例では、信号メトリックの高い値の持続、または信号メトリックの変動もＨＦの悪化の前兆となり得る。信号メトリック生成回路２２４の例は、例えば図３を参照して後述する。

診断評点生成回路２２６は、候補症状受信回路２２２および信号メトリック生成回路２２４に結合することが可能である。診断評点生成回路２２６は、候補症状受信回路２２２によって受信された２つ以上の候補症状に対して、それぞれの診断評点を決定することができる。診断評点は、対応する候補症状によって引き起こされる患者の物理的状態または生理学的状態の変化の尤度を示すことができる。診断評点は、例えば信号メトリック生成回路２２４および計算モデルによって提供されるような、１つまたは複数の信号メトリックを用いて算出することができる。診断評点生成回路２２６の例は、例えば図４を参照して後述する。

任意選択の標的事象検出回路２３０は、候補症状のうちの１つとしての標的事象を検出することができる。標的事象は、疾患の発症、または（悪化もしくは好転などの）疾患の状態の変化を示す生理学的事象を含むことができる。標的事象または症状の例としては、ＨＦ代償不全状態、ＨＦの悪化などのＨＦ状態の変化、肺水腫、または心筋梗塞を示す事象を挙げることができる。任意選択の標的事象検出回路２３０は、様々な候補症状に関連付けされた診断評点を比較することが可能な診断評点コンパレータ回路２３２を含むことができる。最も確度の高い診断決定は、診断決定回路２３４によって、例えば２つ以上の候補症状から最も高い診断評点を有する候補症状を１つ選択することなどによって行うことができる。

コントローラ回路２４０は、患者情報受信回路２０１、生理学的データ分析回路２１０、鑑別診断回路２２０、コントローラ回路２４０、命令受信回路２５０、および任意選択で、標的事象検出回路２３０の動作だけでなく、これらの構成要素間のデータの流れおよび命令を制御することも可能である。コントローラ回路２４０は、命令受信回路２５０から外部プログラミング入力を受信して、患者情報の受信、生理学的信号の感知および生理学的特徴の抽出、候補症状の受信、信号メトリックの生成、診断評点の算出、または任意選択の診断決定の形成のうちの１つまたは複数を制御することが可能である。命令受信回路２５０は、ユーザにプログラミングオプションを提示するとともに、ユーザのプログラミング入力を受信するように構成されたユーザインタフェースを含むことができる。ユーザインタフェースは、２つ以上の候補症状に関連付けされた、検出された生理学的特徴および診断評点の提示を提供することができる。任意選択で、ユーザインタフェースは、最も確度の高い診断を含む提示を提供することができる。一例では、ユーザインタフェースなどの命令受信回路２５０の少なくとも一部分を外部システム１２０で実施することができる。

図３は、信号メトリック生成回路３００の一例を図示する。信号メトリック生成回路３００は、信号メトリック生成回路２２４の一実施形態とすることができる。信号メトリック生成回路３００は、統計的信号メトリック生成器３１０および形態的信号メトリック生成器３２０のいずれか、または両方を含むことができる。

統計的信号メトリック生成器３１０は、例えば生理学的データ分析回路２１０によって提供されるような、複数の生理学的特徴測定値から統計パラメータを生成するように構成することができる。統計パラメータの例としては、特に、平均値、中央値、またはその他の中心傾向尺度、標準偏差、分散、相関、共分散、または複数の生理学的特徴測定値から算出されたその他の高次の統計を挙げることができる。

生理学的特徴測定値の統計パラメータは、複数の生理学的特徴測定値の統計的分布を用いて決定することも可能である。一例では、図３に示されるように、統計的信号メトリック生成器３１０は、生理学的特徴分布分析器３１２と、代表的信号メトリック生成器３１４とを含むことができる。生理学的特徴分布分析器３１２は、複数の生理学的特徴測定値のヒストグラムを生成することができる。別の例では、生理学的特徴分布分析器３１２はさらに、統計的分布関数による生理学的特徴測定値のヒストグラムに近似することができる。ヒストグラムまたは近似された統計的分布関数はそれぞれ、その生理学的特徴測定値が得られる生理学的特徴値の出現度数を示す。

代表的信号メトリック生成器３１４は、複数の生理学的特徴測定値、および統計的分布、または生理学的特徴測定値のヒストグラムに関連付けされた閾値を用いて、代表的信号メトリックを決定することができる。そのような閾値の一例は、代表的メトリック以下の値を有する、生理学的特徴測定値の相対数（例えば、複数の生理学的特徴測定値の割合）を示す百分位数順位（ＰＲ：ｐｅｒｃｅｎｔｉｌｅ ｒａｎｋ）である。代表的信号メトリック生成器３１４は、命令受信回路２５０などを介して、エンドユーザから特定のＰＲを受信することができる。あるいはこの代わりに、所定のＰＲが格納されているメモリ回路などのデータ記憶装置から受信することができる。

形態的信号メトリック生成器３２０は、生理学的特徴傾向分析器３２２と、代表的信号メトリック生成器３２４とを含むことができる。特徴傾向分析器３２２は、複数の生理学的特徴測定値を用いて、生理学的特徴傾向を作成するように構成することができる。生理学的特徴傾向は、生理学的特徴の時間的変化を表す時系列信号とすることができる。代表的信号メトリック生成器３２４は、生理学的特徴傾向信号から、１つまたは複数の形態的特徴を生成することができる。形態的パラメータの例としては、種々の形態記述子の中でもとりわけ、所定期間内の最大値または最小値、所定期間内の変化量、生理学的特徴の増加率または減少率を示すプラスまたはマイナスの傾き、特定の周波数範囲における信号電力スペクトル密度を挙げることができる。一例では、信号メトリックは、第１の時間窓から算出された生理学的特徴の第１の統計的尺度と、第２の時間窓から算出された生理学的特徴の第２の統計的尺度との間の差異として算出することができる。第１の統計的尺度および第２の統計的尺度はそれぞれ、平均値、中央値、最頻値、百分位数、四分位数、またはその他の、それぞれの時間窓における信号メトリック値の中心傾向尺度を含むことができる。一例では、第２の時間窓は、第１の時間窓よりも長くすることが可能であり、第２の時間窓の少なくとも一部分は、時間において第１の時間窓に先行している。第２の統計的尺度は、信号メトリックのベースライン値を表すことができる。いくつかの例では、信号メトリックは、２つ以上の生理学的信号を用いて算出された複合信号メトリックを含むことができる。

図４は、診断評点生成回路４００の一例を図示する。診断評点生成回路４００は、診断評点生成回路２２６の一実施形態とすることができる。診断評点生成回路４００は、計算モデル受信器４１０と、リスク計算回路４２０とを含むことができる。

計算モデル受信回路４１０は、診断評点を算出するために用いられる１つまたは複数の計算モデルを含むことができる。計算モデルは、メモリに格納されたプロセッサ実行可能命令の特定のセットとすることができる。計算モデルの例としては、種々の機械学習モデルの中でもとりわけ、ルールベースモデル、デシジョンツリーモデル、回帰モデル、ニューラルネットワークモデル、ランダムフォレスト、投票モデル、ファジー論理モデル、またはサポートベクタマシンモデルを挙げることができる。計算モデルは、特定の構成要素および構造で構成することができる。例えば、デシジョンツリーモデルは、ノード、パス、およびツリーレベルの構造的な構成要素を含むことができる。

リスク計算回路４２０は、計算モデルに１つまたは複数の信号メトリックを適用し、対応する診断評点を計算することができる。図４に図示されるように、計算モデル受信器は、ルールベースモデル４１１および確率モデル４１２のいずれか、または両方を含むことができる。ルールベースモデルは、複数のルールを備え、複数のルールはそれぞれ、信号メトリックのうちの１つまたは複数についての基準を定義することができる。また、リスク計算回路４２０は、特定の基準をそれぞれ満たしている１つまたは複数の信号メトリックに応じて、診断評点４２１を計算することができる。

１つの例では、ルールベースモデルは、ＨＦの悪化と肺疾患との間の鑑別診断についてのルールを含むことができる。モデルは、基準値からの胸腔内合計インピーダンス値（ＩＴＴＩ：ｉｎｔｒａｔｈｏｒａｃｉｃ ｔｏｔａｌ ｉｍｐｅｄａｎｃｅ）の変化（ΔＩＴＴＩ＝ＩＴＴＩ−ＩＴＴＩ_Ｒｅｆ）と、基準呼吸数からの呼吸数（ＲＲ：ｒｅｓｐｉｒａｔｉｏｎ ｒａｔｅ）の変化（ΔＲＲ＝ＲＲ−ＲＲ_Ｒｅｆ）と、ＲＲの変化率（ΔＲＲ／Δｔ）と、基準レベルからのＳ３心音強度などの心音（ＨＳ：ｈｅａｒｔ ｓｏｕｎｄ）成分の変化（Δ｜｜Ｓ３｜｜＝｜｜Ｓ３｜｜−｜｜Ｓ３｜｜_Ｒｅｆ）とを含む信号メトリックを利用することができる。ＩＴＴＩは、例えばリード１０８Ａ〜Ｃまたは缶１１２のうちの１つまたは複数からの２つ以上の電極を用いて測定されるような、広帯域の胸腔内インピーダンス信号の直流（ＤＣ：ｄｉｒｅｃｔ−ｃｕｒｒｅｎｔ）成分を含むことができる。一例では、電極１５３と缶１１２との間の電圧は、電極１５４と缶１１２との間に注入された電流に応じて測定することができる。また、ＩＴＴＩは、オームの法則を用いて算出することができる。ＩＴＴＩ_Ｒｅｆ、ＲＲ_Ｒｅｆ、および｜｜Ｓ３｜｜_Ｒｅｆを含む基準レベルは、患者が候補症状のない状態であるとみなされるベースラインの間に、それぞれのセンサ信号の測定値を用いて決定することができる。あるいは、基準レベルは、移動時間窓にわたるそれぞれの信号メトリックの移動平均として動的に決定することができる。

モデルは、（１）ＩＴＴＩが、少なくとも閾値の分だけ基準レベルから実質的に減少している場合、すなわち、実質的な胸腔内流体貯留を示している場合、（２）ＲＲが、少なくとも閾値の分だけＲＲ_Ｒｅｆから実質的に増加しており、かつΔＲＲ／Δｔが閾値範囲内にある場合、すなわち、呼吸数増加の漸進的な発症を示している場合、および（３）｜｜Ｓ３｜｜が、少なくとも閾値の分だけ基準レベルから実質的に増加している場合には、「ＨＦの悪化」の候補症状により高い診断評点を割り当てるというルールを備える。モデルは、（１）ＲＲが、少なくとも閾値の分だけＲＲ_Ｒｅｆから実質的に増加しており、かつΔＲＲ／Δｔが閾値範囲を超過している場合、すなわち、呼吸数上昇の突然の発症を示している場合、または（２）｜｜Ｓ３｜｜が閾値範囲内の｜｜Ｓ３｜｜_Ｒｅｆあたりにある場合には、「肺疾患」の候補症状により高い診断評点を割り当てるというルールを備える。一例として、ΔＲＲに対する閾値は、およそ１分間に２〜４回の呼吸増加とすることが可能であり、ΔＩＴＴＩに対する閾値は、基準レベルからおよそ８〜１０％の減少とすることが可能であり、Δ｜｜Ｓ３｜｜に対する閾値は、およそ０．３〜０．５ミリグラムの増加とすることが可能である。診断評点４２１に基づいて、診断決定回路２３４は、「ＨＦの悪化」または「肺疾患」の診断決定を最も確度の高い診断としてエンドユーザに提示することができる。

別の例では、ルールベースモデルは、ＨＦの悪化と心房性細動（ＡＦ：ａｔｒｉａｌ ｆｉｂｒｉｌｌａｔｉｏｎ）との間の鑑別診断についてのルールを含むことができる。モデルは、Δ｜｜Ｓ３｜｜などのＨＳ成分の変化もしくは変化率、またはＳ１心音の変化（Δ｜｜Ｓ１｜｜）もしくは変化率（Δ｜｜Ｓ１｜｜／Δｔ）、基準レベルからの心拍数（ＨＲ：ｈｅａｒｔ ｒａｔｅ）の変化率（ΔＨＲ／Δｔ＝（ＨＲ−ＨＲ_Ｒｅｆ）／Δｔ）、および基準レベルからの急速表在呼吸指数（ＲＳＢＩ：ｒａｐｉｄ ｓｈａｌｌｏｗ ｂｒｅａｔｈｉｎｇ ｉｎｄｅｘ）の変化（ΔＲＳＢＩ＝ＲＳＢＩ−ＲＳＢＩ_Ｒｅｆ）を含む信号メトリックを利用することができる。１回換気量に対する呼吸頻度（１分当たりの呼吸回数）の比率として定義されるＲＳＢＩは、１分当たり、１リットル当たりの呼吸回数を示している。モデルは、（１）ΔＨＲ／Δｔがプラスであり、かつ閾値を超過している場合、すなわち、ＨＲの突然の増加を示している場合、（２）Δ｜｜Ｓ３｜｜がプラスであり、かつ閾値を超過している場合、すなわち、｜｜Ｓ３｜｜が、基準レベルから実質的に増加していることを示している場合、（３）Δ｜｜Ｓ１｜｜／Δｔがマイナスであり、かつ閾値を超過している場合、すなわち、Ｓ１の強度の突然の減少を示している場合、および（４）ΔＲＳＢＩがプラスであり、かつ閾値を超過している場合、すなわち、おそらく急速表在呼吸の激化が原因で、ＲＳＢＩが基準レベルから実質的に増加していることを示している場合には、「ＨＦの悪化」に対するよりも高い診断評点を「ＡＦ」の候補症状に割り当てるというルールを備える。一例として、ΔＨＲ／Δｔに対する閾値は、およそ１〜３日の範囲内で少なくとも１０ｂｐｍの増加とすることが可能であり、Δ｜｜Ｓ３｜｜に対する閾値は、およそ０．３〜０．５ミリグラムの増加とすることが可能であり、ΔＲＳＢＩに対する閾値は、およそ基準ＲＳＢＩレベルから１０〜１５％の増加とすることが可能である。ＡＦは、ＡＦ負荷によってモニタリングすることも可能である。ＡＦ負荷は、特定の時間窓、例えば２４時間の間にＡＦに費やされた時間の量として定義される。診断評点４２１に基づいて、診断決定回路２３４は、「ＡＦ」の診断決定を最も確度の高い診断としてエンドユーザに提示することができる。

別の例では、ルールベースモデルは、ＨＦの悪化と、埋め込み型リードシステム、または埋め込み型医療デバイス用ポケットの一部の修正、心室支援デバイスの埋め込み、またはその他の心臓もしくは弁膜手術などの外科処置との間の鑑別診断についてのルールを含むことができる。モデルは、例えば時間窓にわたる移動平均として決定されるような、基準値からのＩＴＴＩの変化率、すなわち、ΔＩＴＴＩ／Δｔ＝（ＩＴＴＩ−ＩＴＴＩ_Ｒｅｆ）／Δｔと、基準レベルからの１回換気量（ＴＶ：ｔｉｄａｌ ｖｏｌｕｍｅ）の変化率、すなわち、ΔＴＶ／Δｔ＝（ＴＶ−ＴＶ_Ｒｅｆ）／Δｔとを含む信号メトリックを利用することができる。モデルは、（１）ΔＩＴＴＩ／Δｔがマイナスであり、かつ閾値を超過している場合、すなわち、胸腔内インピーダンスの突然の減少を示している場合、および（２）ΔＴＶ／Δｔがマイナスであり、かつ閾値を超過している場合、すなわち、呼吸深度の突然の減少を示している場合には、「ＨＦの悪化」に対するよりも高い診断評点を「外科処置」の候補症状に割り当てるというルールを備える。一例として、ΔＩＴＴＩ／Δｔに対する閾値は、およそ１〜３日の範囲内で基準レベルから１５〜２０％の減少とすることが可能であり、ΔＴＶ／Δｔに対する閾値は、およそ１〜３日の範囲内で基準レベルから１５〜２０％の減少とすることが可能である。診断評点４２１に基づいて、診断決定回路２３４は、「外科処置」の診断決定を最も確度の高い診断としてエンドユーザに提示することができる。

さらに別の例では、ルールベースモデルは、ＨＦの悪化と、埋め込み型医療デバイスまたは埋め込み型リードの一部分に関連した感染症との間の鑑別診断についてのルールを含むことができる。モデルは、基準レベルからの心音成分の変化、例えばΔ｜｜Ｓ３｜｜と、基準レベルからのＩＴＴＩ値の変化（ΔＩＴＴＩ）と、ＨＲ、ＲＲまたはＴＶの変化率（それぞれΔＨＲ／Δｔ、ΔＲＲ／Δｔ、またはΔＴＶ／Δｔ）とを含む信号メトリックを利用することができる。ＨＲ、ＲＲまたはＴＶなどの生命徴候の突然の変化は、感染症が原因で生じ得る全般的な健康状態の悪化を示す可能性があり、検出されたＩＴＴＩの追加的な変化は、感染症がデバイスポケットまたはリードシステムで、またはその付近で組織内に限定されていることを示す可能性がある。モデルは、（１）ΔＨＲ／ΔｔもしくはΔＲＲ／Δｔがプラスであり、かつ閾値を超過している場合、またはΔＴＶ／Δｔがマイナスであり、かつ閾値を超過している場合、すなわち、ＨＲもしくはＲＲの突然の増加、またはＴＶの突然の減少をそれぞれ示している場合、（２）ＩＴＴＩが閾値範囲内のＩＴＴＩ_Ｒｅｆあたりにある場合、すなわち、有意でない胸腔内流体貯留を示している場合、および（３）｜｜Ｓ３｜｜が閾値範囲内の｜｜Ｓ３｜｜_Ｒｅｆあたりにある場合には、「デバイス／リード感染症」の候補症状により高い診断評点を割り当てるというルールを備える。一例として、ΔＨＲ／Δｔに対する閾値は、およそ１〜３日の範囲内で少なくとも５ｂｐｍの増加とすることが可能であり、ΔＲＲ／Δｔに対する閾値は、およそ１〜３日の範囲内で少なくとも１分間に４回の呼吸増加とすることが可能であり、ΔＴＶ／Δｔに対する閾値は、およそ１〜３日の範囲内で基準レベルから１５〜２０％の減少とすることが可能であり、ΔＩＴＴＩに対する閾値は、およそ基準レベルの１５〜２０％とすることが可能であり、Δ｜｜Ｓ３｜｜に対する閾値は、基準レベルあたりのおよそ０．３〜０．５ミリグラムとすることが可能である。診断評点４２１に基づいて、診断決定回路２３４は、「感染症」の診断決定を最も確度の高い診断としてエンドユーザに提示することができる。

ルールベースモデルは、特定された疾患または病状以外の事象を検出することも可能である。一例では、ルールベースモデルは、例えば外部の患者データ受信器または発信器が位置するような場所から特定された範囲の外にいる患者を検出するためのルールを含むことができる。範囲の外にいる患者の検出は、例えば、データ受信器または発信器が、特定のデータ通信基準に従って、正常にデータパケットを受信できないのであれば、患者が入院中であることを示す場合がある。別の例では、ルールベースモデルは、埋め込み型デバイスの１つまたは複数のプログラミングパラメータに対する変化を検出するためのルールを含むことができる。診断決定回路２３４は、患者の症状に関連付けされた最も確度の高い原因として、「患者が範囲の外にいる」または「デバイスが再プログラムされている」という対応する決定をエンドユーザに提示することができる。

それぞれが１つの特定の信号メトリックについてのそれぞれの基準を設定する複数のルールの代替として、または複数のルールに追加して、ルールベースモデルは、それぞれが２つの異なる信号メトリック間の比較についての基準を定義する複数のルールを含むことができる。この比較は、相対的な信号メトリック強度、それぞれの基準レベルもしくはベースラインレベルに対する２つの信号メトリック間の変化もしくは変化率の相対量、または信号メトリックの変化の相対的なタイミングを含むことができる。一例では、ルールベースモデルは、無呼吸−低呼吸指数の変化の第１のタイミング（Ｔ＿ＡＨＩ）と、胸腔内合計インピーダンス値の変化の第２のタイミング（Ｔ＿ΔＩＴＴＩ）と、ＨＳ成分、例えばＳ３心音強度の変化の第３のタイミング（Ｔ＿Δ｜｜Ｓ３｜｜）とを含む信号メトリックを利用することができる。モデルは、Ｔ＿ＡＨＩが、Ｔ＿ΔＩＴＴＩおよびＴ＿Δ｜｜Ｓ３｜｜に先行する場合、すなわち、胸部インピーダンスまたはＨＳ強度などのセンサの応答の任意の有意な変化の前に、睡眠段階中の不規則な呼吸パターンを示している場合には、「睡眠呼吸障害（ＳＤＢ：ｓｌｅｅｐ ｄｉｓｏｒｄｅｒｅｄ ｂｒｅａｔｈｉｎｇ）」の候補症状により高い診断評点を割り当てるというルールを備える。診断評点４２１に基づいて、診断決定回路２３４は、「ＳＤＢ」の診断決定を最も確度の高い診断としてエンドユーザに提示することができる。

別の例では、ルールベースモデルは、心室性頻拍または心室性細動（Ｔ＿ＶＴ／ＶＦ）などの、心室性不整脈エピソードが検出されたタイミングである信号メトリックをさらに備えることができる。心室性不整脈エピソードは、携行型医療デバイスによって検出することができる。モデルは、Ｔ＿ＶＴ／ＶＦが、Ｔ＿ΔＩＴＴＩおよびＴ＿Δ｜｜Ｓ３｜｜に先行する場合、すなわち、胸部インピーダンスまたはＨＳ強度などのセンサの応答の任意の有意な変化の前に、ＶＴ／ＶＦエピソードを発症していることを示している場合には、「ＶＴ／ＶＦ」の候補症状により高い診断評点を割り当てるというルールを備える。診断評点４２１に基づいて、診断決定回路２３４は、「ＶＴ／ＶＦ」の診断決定を最も確度の高い診断としてエンドユーザに提示することができる。

計算モデル受信（ｒｅｃｅｉｖｅ）は、確率モデル４１２を受信することも可能である。確率モデルは、１つまたは複数の信号メトリックのそれぞれに対して、１つまたは複数の信号メトリックの統計的分布の記述子を含むことができる。確率モデルの例としては、種々の確率グラフィカルモデルの中でもとりわけ、マルコフ（Ｍａｒｋｏｖ）モデル、隠れマルコフモデル、ベイズの（Ｂａｙｅｓｉａｎ）ネットワークモデル、または確率文法モデルを挙げることができる。一例では、確率モデル４１２は、確率測度を用いて信号メトリックおよび候補症状の間の依存性および因果関係をコード化するベイズのネットワークモデルとすることが可能である。ベイズのネットワークは、信号メトリックの統計的分布、および患者の母集団から得られたデータを用いて予測可能な候補症状の統計的分布を含む予備的知識を用いて構築することができる。リスク計算回路４２０によって算出された診断評点は、患者が候補症状のうちの１つの悪化を経験する確率の尺度、または患者が新たな候補症状を将来発症する確率の尺度を含むことができる。一例では、確率の尺度は、条件付き確率４２２とすることが可能である。条件付き確率４２２は、患者が、１つまたは複数の信号メトリックによって示されるような、物理的提示または病態生理学的提示を示したとすれば、患者が候補症状のうちの１つの悪化を経験する確率、または患者が将来的な候補症状を発症する確率を示す。

図５は、ＨＦの悪化と、他の疾患の病状との間の鑑別診断方法５００の一例を図示する。方法５００は、携行型医療デバイスまたは遠隔患者管理システムにおいて実施および動作することができる。一例では、方法５００は、ＩＭＤ１１０において実施される自動ＨＦ鑑別診断回路１１３、またはＩＭＤ１１０と通信可能である外部デバイス１２０によって実行することができる。

方法５００は、５０１において患者情報を受信するプロセスを含むことができる。患者情報は、例えば１つまたは複数の携行型生理学的センサ、外部センサ、または試験デバイスを使用して感知されるような、患者から取得される１つまたは複数の生理学的信号を含むことができる。そのような生理学的信号の例としては、体表面または皮下心電計（ＥＣＧ）、電位図、心拍数、心拍変動、不整脈情報、胸腔内インピーダンス、心臓内インピーダンス、動脈圧、肺動脈圧、左心房圧力、ＲＶ圧力、ＬＶ冠状動脈圧、冠状動脈血流温度、血液酸素飽和度、１つもしくは複数の心音、収縮期時間間隔、心音に基づいた心臓時間間隔、インピーダンスに基づいた心臓時間間隔、活動に対する生理学的反応、無呼吸低呼吸指数、呼吸数信号、１回換気量信号、分時換気信号、または急速表在呼吸指数（ＲＲ／ＴＶ）信号などの１つまたは複数の呼吸信号のうちの１つまたは複数を挙げることができる。生理学的信号は、脳ナトリウム***増加性ペプチド（ＢＮＰ）、血液パネル、ナトリウムおよびカリウム濃度、血糖値、ならびにその他のバイオマーカおよびバイオケミカルマーカのうちの１つまたは複数を含むことも可能である。

５１０において受信された患者情報は、特に、携行型デバイス、例えば、事象カウンタ、ペーシングモードスイッチ、またはリードインピーダンスもしくはその他のデバイスなどによって収集された診断情報、またはリード完全性試験データを含むことも可能である。これに加え、またはこの代わりに、５１０において受信された患者情報は、過去および現在の投薬ならびに治療情報、または病歴情報などの患者の健康情報を含むことができる。いくつかの例では、患者情報は、電子診療記録（ＥＭＲ）システムなどの記憶デバイスに格納することができ、指令信号に応じて記憶デバイスから検索することが可能である。

５０２において、１つまたは複数の生理学的特徴は、１つまたは複数の生理学的信号のそれぞれから検出することができる。生理学的特徴は、平均値、中央値、またはその他の中心傾向尺度、すなわち、信号強度のヒストグラム、経時にわたる複数の信号傾向、１つもしくは複数の信号形態記述子、１つもしくは複数の信号変化もしくは変化率特徴、１つもしくは複数の信号変化もしくは変化率特徴、または特定の周波数範囲における信号電力スペクトル密度を含むことができる。生理学的特徴は、生理学的活動に対応する成分を含むことができる。例えば、心電図または電位図特徴は、Ｐ波、Ｒ波、Ｔ波、ＱＲＳ群、または減極、過分極、再分極もしくはその他の心筋の電気生理学的性質を表す他の成分を含むことができる。心音（ＨＳ）信号特徴は、（例えばＲ波に対しての）相対的タイミング、振幅、またはＳ１心音、Ｓ２心音、Ｓ３心音もしくはＳ４心音のうちの１つまたは複数の形態的特性を含むことができる。胸部インピーダンス特徴は、最大値、最小値、平均値、分散、変化率、またはその他の統計的もしくは形態的特徴を含むことができる。呼吸信号特徴は、呼吸数、呼吸深度、１回換気量、分時換気量、急速表在呼吸指数（ＲＳＢＩ）、無呼吸−低呼吸指数（ＡＨＩ：ａｐｎｅａ−ｈｙｐｏｐｎｅａ ｉｎｄｅｘ）またはその他の信号特徴を含むことができる。

５０３において、１つまたは複数の信号メトリックは、生理学的特徴を用いて生成することができる。信号メトリックは、患者の物理的状態または生理学的状態の変化を示すことができる。信号メトリックは、例えば所定期間中または一定条件充足時に測定されるような、生理学的特徴の複数の測定値から導き出された統計的メトリックまたは形態的メトリックを含むことができる。

５０４において、２つ以上の候補症状を受信することができる。候補症状は、おそらく患者の物理的兆候もしくは病態生理学的兆候の原因となっているか、または患者の物理的兆候もしくは病態生理学的兆候に相関している疾患もしくは病状を含むことができる。候補症状の例としては、ＨＦの悪化、（慢性閉塞性肺疾患、肺炎または気管支炎などの）肺疾患、睡眠呼吸障害、（心房性細動、心房性頻拍、心室性頻拍または心室性細動などの）心房性不整脈もしくは心室性不整脈、腎臓病、高血圧、糖尿病、またはその他の、ＨＦもしくはＨＦの悪化をトリガもしくは促進する疾患もしくは症状の共存疾患を挙げることができる。候補症状は、特に、（心臓または弁膜手術、切除、心室支援デバイスの埋め込み、埋め込み型医療デバイスの交換、デバイスポケットまたは埋め込み型リードの修正などの）外科処置、または（埋め込み型医療デバイスおよびリードシステムに関連した感染症などの）感染症などの臨床事象を含むことも可能である。

５０５において、診断評点は、２つ以上の候補症状について決定され得る。診断評点は、対応する候補症状によって引き起こされる患者の物理的状態または生理学的状態の変化の尤度を示すことができる。診断評点は、１つまたは複数の信号メトリック、および計算モデルを用いて算出することができる。計算モデルは、メモリに格納されたプロセッサ実行可能命令の特定のセットとすることができる。計算モデルの例としては、種々の機械学習モデルの中でもとりわけ、ルールベースモデル、デシジョンツリーモデル、回帰モデル、ニューラルネットワークモデル、ランダムフォレスト、投票モデル、ファジー論理モデル、またはサポートベクタマシンモデルを挙げることができる。計算モデルは、１つまたは複数の信号メトリックの統計的分布を用いて、信号メトリックに対する診断評点を決定する確率モデルを含むことも可能である。確率モデルの例としては、種々の確率グラフィカルモデルの中でもとりわけ、マルコフモデル、隠れマルコフモデル、ベイズのネットワークモデル、または確率文法モデルを挙げることができる。

ルールベースモデルは、複数のルールを備え、複数のルールはそれぞれ、信号メトリックのうちの１つまたは複数についての基準を定義することができる。また、診断評点は、特定の基準をそれぞれ満たしている１つまたは複数の信号メトリックに応じて、決定することができる。ルールベースモデルは、それぞれが、２つの異なる信号メトリック間の比較、例えば２つの信号メトリック間の信号メトリックの変化の相対的タイミングについての基準を定義する複数のルールを含むことができる。ルールベースモデルを用いた、ＨＦの悪化と、その他の疾患との間の鑑別診断の例は、例えば、図６を参照して後述する。

５０６において、候補症状に関連付けされた診断評点の提示が生成され得る。任意選択で、最も確度の高い診断が生成され、エンドユーザに提示され得る。一例では、最も確度の高い診断は、最も高い診断評点に関連付けされた診断として、２つ以上の候補症状から選択することができる。

図６は、ＨＦの悪化と、他の疾患または病状との間の鑑別診断についてのルールベースモデル６００の一例を図示する。ルールベースモデル６００は、特定の候補症状に割り当てられた最も確度の高い診断または診断評点に対し、特定の基準を満たす信号メトリックからのマッピングを確立するルックアップテーブルまたは関連マップとして構築することができる。ルールベースモデル６００は、例えば図５のプロセス５０５に関するような、個々の候補症状に対して、それぞれの診断評点を決定する一実施形態とすることが可能である。ルールベースモデル６００は、ＩＭＤ１１０で実施される自動ＨＦ鑑別診断回路１１３によって実行することができる。

図６に示されるように、ルールベースモデル６００は、ＡＦであると診断するか、またはＡＦに高い診断評点を割り当てるルール６０１を含むことができる。ルール６０１は、Δ｜｜Ｓ３｜｜のなどのＨＳ成分の変化もしくは変化率、またはＳ１心音の変化（Δ｜｜Ｓ１｜｜）もしくは変化率（Δ｜｜Ｓ１｜｜／Δｔ）、基準レベルからの心拍数の変化率（ΔＨＲ／Δｔ＝（ＨＲ−ＨＲ_Ｒｅｆ）／Δｔ）、および基準レベルからの急速表在呼吸指数（ＲＳＢＩ）の変化（ΔＲＳＢＩ＝ＲＳＢＩ−ＲＳＢＩ_Ｒｅｆ）を含む信号メトリックを用いる。ＲＳＢＩは、１回換気量に対する呼吸頻度（１分当たりの呼吸回数）の比率として定義することができる。ルール６０１によれば、（１）ΔＨＲ／Δｔがプラスであり、かつ閾値を超過している場合、すなわち、ＨＲの突然の増加を示している場合、（２）Δ｜｜Ｓ３｜｜がプラスであり、かつ閾値を超過している場合、すなわち、｜｜Ｓ３｜｜が、基準レベルから実質的に増加していることを示している場合、（３）Δ｜｜Ｓ１｜｜／Δｔがマイナスであり、かつ閾値を超過している場合、すなわち、Ｓ１強度の突然の減少を示している場合、および（４）ΔＨＲ／Δｔがプラスであり、かつ閾値を超過している場合、すなわち、心拍数の突然の増加を示している場合には、より高い診断評点が「ＡＦ」の候補症状に割り当てられ得る。

ルール６０２は、患者の同様の病態生理学的兆候につながり得る外科処置から、ＨＦの悪化などの疾患を区別するために用いられ得る。外科処置の例としては、埋め込み型リードシステムまたは埋め込み型医療デバイス用ポケットの一部の修正、心室支援デバイスの埋め込み、またはその他の心臓もしくは弁膜手術などを挙げることができる。ルール６０２は、例えば時間窓にわたる移動平均として決定されるような、基準値からの胸腔内合計インピーダンス値（ＩＴＴＩ）の変化率、すなわち、ΔＩＴＴＩ／Δｔ＝（ＩＴＴＩ−ＩＴＴＩ_Ｒｅｆ）／Δｔと、基準レベルからの１回換気量（ＴＶ）の変化率、すなわち、ΔＴＶ／Δｔ＝（ＴＶ−ＴＶ_Ｒｅｆ）／Δｔとを含む信号メトリックを用いることができる。モデルは、（１）ΔＩＴＴＩ／Δｔがマイナスであり、かつ閾値を超過している場合、すなわち、胸腔内インピーダンスの突然の減少を示している場合、および（２）ΔＴＶ／Δｔがマイナスであり、かつ閾値を超過している場合、すなわち、１回換気量の突然の減少を示している場合には、「ＨＦの悪化」に対するよりも高い診断評点を「外科処置」の候補症状に割り当てるというルールを備える。

ルール６０３は、起坐呼吸を検出し、ＨＦの悪化を大いに示し得る起坐呼吸の兆候に基づいて、ＨＦの悪化に対して高い診断評点を割り当てるために用いられ得る。ルール６０３は、姿勢、およびＲＲの増加またはＴＶの減少など、呼吸努力の増大を示すものである、その他の信号メトリックを含む信号メトリックを用いる。仰臥姿勢または伏臥姿勢が、それぞれの基準レベルからのＲＲの実質的増加またはＴＶの実質的減少など、努力性呼吸の増大の表示とともに検出される場合には、より高い診断評点が「ＨＦの悪化」の候補症状に割り当てられ得る。あるいは、既知のまたは検出された睡眠状態の間に、（姿勢の傾斜角が閾値を超過するなどの）非仰臥姿勢が検出される場合、すなわち、睡眠時、横臥している間に努力的に行う呼吸を避けるために患者が状態を起こしていることを示している場合には、より高い診断評点が「ＨＦの悪化」の候補症状に割り当てられ得る。

ルール６０４および６０５は、ＨＦの悪化と、（慢性閉塞性肺疾患（ＣＯＰＤ：ｃｈｒｏｎｉｃ ｏｂｓｔｒｕｃｔｉｖｅ ｐｕｌｍｏｎａｒｙ ｄｉｓｅａｓｅ）、肺炎または気管支炎などの）肺疾患との間の鑑別診断に用いることができる。鑑別診断用に含まれる信号メトリックは、基準値からのＩＴＴＩの変化（ΔＩＴＴＩ＝ＩＴＴＩ−ＩＴＴＩ_Ｒｅｆ）と、基準呼吸数からの呼吸数（ＲＲ）の変化（ΔＲＲ＝ＲＲ−ＲＲ_Ｒｅｆ）と、ＲＲの変化率（ΔＲＲ／Δｔ）と、基準レベルからのＳ３心音強度などの心音（ＨＳ）成分の変化（Δ｜｜Ｓ３｜｜＝｜｜Ｓ３｜｜−｜｜Ｓ３｜｜_Ｒｅｆ）とを含むことができる。ルール６０４によれば、（１）ＩＴＴＩが少なくとも閾値の分だけ基準レベルから実質的に減少している場合、すなわち、実質的な胸腔内流体貯留を示している場合、（２）ＲＲが少なくとも閾値の分だけＲＲ_Ｒｅｆから実質的に増加しており、かつΔＲＲ／Δｔが閾値範囲内にある場合、すなわち、呼吸数増加の漸進的な発症を示している場合、および（３）｜｜Ｓ３｜｜が少なくとも閾値の分だけ基準レベルから実質的に増加している場合には、「ＨＦの悪化」により高い診断評点が割り当てられ得る。ルール６０５によれば、（１）ＲＲが少なくとも閾値の分だけＲＲ_Ｒｅｆから実質的に増加しており、かつΔＲＲ／Δｔが閾値範囲を超過している場合、すなわち、呼吸数上昇の突然の発症を示している場合、または（２）｜｜Ｓ３｜｜が閾値範囲内の｜｜Ｓ３｜｜_Ｒｅｆあたりにある場合には、「肺疾患」により高い診断評点が割り当てられ得る。

ルール６０６は、患者の同様の病態生理学的兆候につながり得る感染症から、ＨＦの悪化などの疾患を区別するために用いられ得る。感染症は、埋め込み型医療デバイスまたは埋め込み型リードの一部分に関連している可能性がある。ルール６０６は、Δ｜｜Ｓ３｜｜、ΔＩＴＴＩ、およびＨＲ、ＲＲ、またはＴＶの変化率（それぞれΔＨＲ／Δｔ、ΔＲＲ／Δｔ、またはΔＴＶ／Δｔ）を含む信号メトリックを用いることができる。（１）ΔＨＲ／ΔｔもしくはΔＲＲ／Δｔがプラスであり、かつ閾値を超過している場合、またはΔＴＶ／Δｔがマイナスであり、かつ閾値を超過している場合、すなわち、ＨＲもしくはＲＲの突然の増加、またはＴＶの突然の減少をそれぞれ示している場合、（２）ＩＴＴＩが閾値範囲内のＩＴＴＩ_Ｒｅｆあたりにある場合、すなわち、有意でない流体貯留を示している場合、および（３）｜｜Ｓ３｜｜が閾値範囲内の｜｜Ｓ３｜｜_Ｒｅｆあたりにある場合には、「デバイス／リード感染症」の候補症状により高い診断評点が割り当てられ得る。

ルール６０７は、患者の拡張期ＨＦを検出するために用いられ得る。拡張期心不全は、心室が、拡張期に正常拡張期圧において、かつ適正な拍出量を維持するのに十分な容積において、十分な量の血液を受容することができない症状である。通常左心室駆出率（ＬＶＥＦ：ｌｅｆｔ ｖｅｎｔｒｉｃｕｌａｒ ｅｊｅｃｔｉｏｎ ｆｒａｃｔｉｏｎ）の低減を伴う収縮期ＨＦと比較して、拡張期ＨＦは、通常ＬＶＥＦが保たれていることを特徴とする。ルール６０７は、例えば、｜｜Ｓ３｜｜、ＩＴＴＩ、ＴＶ、またはＲＲを含む複数の信号メトリックを用いて、これらの信号メトリックの変化の発症パターンを調査することができる。６０９において図示されるように、（１）Δ｜｜Ｓ３｜｜／Δｔがプラスであり、かつ閾値を超過している場合、すなわち、｜｜Ｓ３｜｜の突然の増加を示している場合、および（２）ΔＩＴＴＩ／ΔｔまたはΔＴＶ／Δｔがマイナスであり、かつそれぞれの閾値を超過している場合、すなわち、ＩＴＴＩの突然の減少、またはＴＶの突然の減少を示している場合には、「拡張期ＨＦの悪化」の候補症状により高い診断評点が割り当てられ得る。

ルール６０８は、睡眠呼吸障害（ＳＤＢ）から、ＨＦの悪化などの疾患を区別するために用いられ得る。ルール６０８は、無呼吸−低呼吸指数の変化の第１のタイミング（Ｔ＿ＡＨＩ）と、胸腔内合計インピーダンス値の変化の第２のタイミング（Ｔ＿ΔＩＴＴＩ）と、ＨＳ成分、例えばＳ３心音強度の変化の第３のタイミング（Ｔ＿Δ｜｜Ｓ３｜｜）とを含むことができる。Ｔ＿ＡＨＩが、Ｔ＿ΔＩＴＴＩおよびＴ＿Δ｜｜Ｓ３｜｜に先行する場合、すなわち、胸部インピーダンスまたはＨＳ強度などのセンサの応答の任意の有意な変化の前に、睡眠段階中の不規則な呼吸パターンを示している場合には、「ＳＤＢ」の候補症状により高い診断評点が割り当てられ得る。

ルール６０９は、ＨＦの悪化と、心室性頻拍（ＶＴ：ｖｅｎｔｒｉｃｕｌａｒ ｔａｃｈｙｃａｒｄｉａ）または心室性細動（ＶＦ：ｖｅｎｔｒｉｃｕｌａｒ ｆｉｂｒｉｌｌａｔｉｏｎ）エピソードなどの心室性不整脈事象との間の鑑別診断のために用いられ得る。心室性不整脈エピソードは、携行型医療デバイスによって検出することができる。ルール６０９は、ＶＴまたはＶＦエピソードの第１のタイミング（Ｔ＿ＶＴ／ＶＦ）と、ＩＴＴＩの変化の第２のタイミング（Ｔ＿ΔＩＴＴＩ）と、Ｓ３心音強度の変化の第３のタイミング（Ｔ＿Δ｜｜Ｓ３｜｜）とを含む信号メトリックを用いることができる。Ｔ＿ＶＴ／ＶＦがＴ＿ΔＩＴＴＩおよびＴ＿Δ｜｜Ｓ３｜｜に先行する場合、すなわち、胸部インピーダンスまたはＨＳ強度などのセンサの応答の任意の有意な変化の前に、ＶＴ／ＶＦエピソードを発症していることを示している場合には、「ＶＴ／ＶＦ」の候補症状により高い診断評点が割り当てられ得る。

上記の詳細な説明は、詳細な説明の一部を形成する添付図面の参照を含む。それらの図面は、本発明が実践され得る特定の実施形態を例示として示している。これらの実施形態はまた、本明細書において「例」とも呼ばれる。そのような例は、図示または説明されるもの以外に追加の要素を含むことができる。しかしながら、本発明者らは、図示または説明されるそれらの要素のみが提供される例も意図している。さらに、本発明者らは、本明細書において図示または説明される特定の例（またはその１つまたは複数の態様）に関して、または他の例（もしくはそれらの１つもしくは複数の態様）に関して、図示または説明されるそれらの要素の任意の組み合わせまたは並べ換え（またはその１つもしくは複数の態様）を用いる例も意図している。

本明細書と、参照によって組み込まれるあらゆる文献との間で用法が矛盾している場合には、本明細書における用法が有効となる。
本明細書において、用語「１つの（ａ）」または「１つの（ａｎ）」は、特許文献において一般的であるように、「少なくとも１つ」または「１つまたは複数」のあらゆる他の例または用法とは無関係に、１つまたは２つ以上を含むように用いられる。別段の指示がない限り、本明細書において、用語「または（ｏｒ）」は、非排他的であることを指すように、または「ＡまたはＢ」が、「ＡであるがＢではない」、「ＢであるがＡではない」、および「ＡおよびＢ」を含むように用いられる。本明細書において、用語「含む（ｉｎｃｌｕｄｉｎｇ）」および「ここで（ｉｎ ｗｈｉｃｈ）」は、「備える（ｃｏｍｐｒｉｓｉｎｇ）」および「ここで（ｗｈｅｒｅｉｎ）」という用語の平易な英語の同義語として用いられる。また、以下の特許請求の範囲においては、用語「含む（ｉｎｃｌｕｄｉｎｇ）」および「備える（ｃｏｍｐｒｉｓｉｎｇ）」は、非限定的なものである。すなわち、特許請求の範囲においてそのような用語の後に列記されたものに加えて要素を含むシステム、デバイス、物品、組成、配合、またはプロセスは、やはりその特許請求の範囲内にあるとみなされる。さらに、以下の特許請求の範囲において、用語「第１の」、「第２の」、および「第３の」等は、単にラベルとして用いられており、それらの対象に対して数的な要件を課すことを意図するものではない。

本明細書において記載される方法の例は、少なくとも一部は機械またはコンピュータによって実施することができる。いくつかの例としては、上記の例に記載したような方法を実行するように電子デバイスを構成するように動作可能な命令によって、コード化されたコンピュータ可読媒体または機械可読媒体を挙げることができる。そのような方法の実施は、マイクロコード、アセンブリ言語コード、上位レベル言語コードなどのコードを含むことができる。そのようなコードは、様々な方法を実行するためのコンピュータ可読命令を含むことができる。このコードは、コンピュータプログラム製品の部分を形成してもよい。さらに、一例では、コードは、実行時またはそれ以外の時点などにおいて、１つまたは複数の揮発性の、非一時的な、または不揮発性の有形コンピュータ可読媒体に有形に格納することができる。これらの有形コンピュータ可読媒体の例としては、ハードディスク、リムーバブル磁気ディスク、リムーバブル光ディスク（例えばコンパクトディスクおよびデジタルビデオディスク）、磁気カセット、メモリカードまたはメモリスティック、ランダムアクセスメモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、読出し専用メモリ（ＲＯＭ：ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）などを挙げることができるが、これらに限定されない。

上記の説明は、例示的なものであり、限定的なものではないことを意図している。例えば、上記の例（またはそれらの１つもしくは複数の態様）は、互いに組み合わせて用いてもよい。上記の説明を検討すれば、例えば当業者によって他の実施形態を用いることが可能である。要約書は、読み手が技術的な開示の性質を迅速に確認できるように、米国特許法施行規則第１．７２条（ｂ）に準拠して提供される。要約書は、特許請求の範囲または意味を解釈または限定するためには用いられないという理解で提出されている。また、上記の詳細な説明において、様々な特徴をともにグループ化して、開示を簡素化してもよい。これは、特許請求されていない開示された特徴が、いずれの請求項に対しても必須であることを意図していると解釈されるべきではない。むしろ、発明の主題は、特定の開示された実施形態のすべての特徴よりも少ない状態にあってもよい。したがって、以下の特許請求の範囲は、これにより、各請求項が別個の実施形態としてそれ自体で成立しつつ、例または実施形態として詳細な説明に組み込まれ、そのような実施形態は、様々な組み合わせまたは並べ換えで互いに組み合わせ可能であることが意図されている。本開示の範囲は、そのような特許請求の範囲が権利を与えられる均等物の全範囲とともに、添付の特許請求の範囲に関して決定されるべきである。

Claims (14)

1. 医療デバイスシステムであって、
   患者から取得された２つ以上の生理学的信号を含む患者情報を受信するように構成された患者情報受信回路と、
   受信された前記２つ以上の生理学的信号のそれぞれから、患者の物理的状態または生理学的状態を示すそれぞれの生理学的特徴を検出するように構成された生理学的データ分析回路と、
   １つまたは複数の前記生理学的特徴を用いて、１つまたは複数の信号メトリックであって、前記患者の物理的状態または生理学的状態の変化を示すか、または前記患者の物理的状態または生理学的状態の変化に相関している１つまたは複数の信号メトリックを生成し、前記患者の物理的状態または生理学的状態の変化に関連付けされた２つ以上の候補症状であって、前記患者の物理的状態または生理学的状態の変化を示すか、または前記患者の物理的状態または生理学的状態の変化に相関している前記生成された信号メトリックに応じて選択された２つ以上の候補症状を、前記医療デバイスシステムに接続された記憶システムから受信し、かつ
   前記２つ以上の候補症状に対して、前記１つまたは複数の信号メトリックを用いて、それぞれの診断評点であって、対応する前記候補症状によって引き起こされる前記患者の物理的状態または生理学的状態の前記変化の尤度を示す診断評点を決定するように構成された鑑別診断回路と
   を備え、
   前記鑑別診断回路が、少なくとも第１の信号メトリックと、異なる第２の信号メトリックとの間の時間的関係を用いて、前記それぞれの診断評点を決定する、医療デバイスシステム。
2. 前記鑑別診断回路が、心不全（ＨＦ）の悪化事象、肺疾患、腎臓病、睡眠呼吸障害の兆候、心房性不整脈もしくは心室性不整脈、または感染症の兆候を含む２つ以上の候補症状を受信するように構成されている、請求項１に記載の医療デバイスシステム。
3. 前記鑑別診断回路が、それぞれの基準レベルから前記１つまたは複数の信号メトリックの変化または変化率を決定するように、かつ特定の基準をそれぞれ満たしている前記１つまたは複数の信号メトリックの前記変化または前記変化率に応じて、前記それぞれの診断評点を決定するように構成されている、請求項１または２に記載の医療デバイスシステム。
4. 前記鑑別診断回路が、ルールベースモデルを用いて、前記それぞれの診断評点を決定するように構成されている、請求項１〜３のいずれか一項に記載の医療デバイスシステム。
5. 前記ルールベースモデルが、複数レベルのデシジョンツリーモデルを含み、および前記鑑別診断回路が、特定の基準をそれぞれ満たしている前記１つまたは複数の信号メトリックに応じて、前記それぞれの診断評点を決定する、請求項４に記載の医療デバイスシステム。
6. 前記第１の信号メトリックと前記第２の信号メトリックとの間の前記時間的関係が、前記第１の信号メトリックに関連付けされた第１のタイミングと、前記第２の信号メトリックに関連付けされた第２のタイミングとの間の比較を含む、請求項１に記載の医療デバイスシステム。
7. 前記鑑別診断回路が、確率モデルを用いて前記それぞれの診断評点を決定するように構成され、前記診断評点が、前記患者が前記２つ以上の候補症状のうちの１つを経験する確率値、または前記患者が前記２つ以上の候補症状のうちの１つを将来発症する確率値を含む、請求項１〜３および６のいずれか一項に記載の医療デバイスシステム。
8. 前記鑑別診断回路が、前記生理学的信号の特徴のうちの複数の測定値を用いて、前記１つまたは複数の信号メトリックを算出するように構成され、前記１つまたは複数の信号メトリックが、統計的メトリックまたは形態的メトリックを含む、請求項１〜７のいずれか一項に記載の医療デバイスシステム。
9. 前記患者情報受信回路が、インピーダンスセンサを用いて、胸部インピーダンス信号を受信するように構成され、および前記鑑別診断回路が、前記胸部インピーダンス信号を用いて、呼吸の強さの測定値、呼吸数、または呼吸パターンのうちの１つまたは複数の変化を算出するように構成されている、請求項１〜８のいずれか一項に記載の医療デバイスシステム。
10. 前記患者情報受信回路が、心音センサを用いて、心音（ＨＳ）信号を受信するように構成されている、請求項１〜９のいずれか一項に記載の医療デバイスシステム。
11. 前記鑑別診断回路が、ＨＳ成分であって、Ｓ１心音と、Ｓ２心音と、Ｓ３心音またはＳ４心音とのうちの１つまたは複数を含むＨＳ成分の強度を含む、１つまたは複数の信号メトリックを生成するように構成されている、請求項１０に記載の医療デバイスシステム。
12. 前記患者情報受信回路が、慢性疾患情報、以前の医療処置または治療情報、患者の人口統計情報、患者の生命徴候情報、患者の症候情報、または患者の共存疾患の症状のうちの１つまたは複数を含む、前記患者情報を受信するように構成されている、請求項１〜１１のいずれか一項に記載の医療デバイスシステム。
13. 前記検出された生理学的特徴、または前記２つ以上の候補症状に関連付けされた前記診断評点のうちの１つまたは複数の提示を提供するように構成されたユーザインタフェースをさらに備える、請求項１〜１２のいずれか一項に記載の医療デバイスシステム。
14. 前記鑑別診断回路が、前記診断評点の間の比較を用いて、最も確度の高い診断であって、最も高い診断評点に関連付けされた最も確度の高い診断を決定するようにさらに構成され、かつ
    前記ユーザインタフェースが、前記最も確度の高い診断を含む前記提示を提供するように構成されている、請求項１〜１３のいずれか一項に記載の医療デバイスシステム。