JP2018014131A - 急性肺損傷（ａｌｉ）／急性呼吸窮迫症候群（ａｒｄｓ）アセスメント及びモニタリング - Google Patents

Abstract

【課題】ＡＬＩアセスメントに、タイムリーで入手可能なデータを提供することを課題とする。【解決手段】急性肺損傷（ＡＬＩ）などの病状について、患者の複数の生理的パラメータの値を受信し、患者の複数の生理的パラメータの受信された値に少なくとも基づいて、ＡＬＩ指標値をコンピュータ計算し、コンピュータ計算されたＡＬＩ指標値の表現をディスプレイに表示することを有する操作により、患者がモニタされる。コンピュータ計算操作は、参照患者を有する学習セットで学習された種々の推論アルゴリズムを用いて、ＡＬＩを有する参照患者とＡＬＩを有しない参照患者とを区別してもよいか、または２つまたは３つ以上のかかる推論アルゴリズムを用いてもよい。ＩＣＵの患者がモニタされる場合には、ディスプレイは患者の識別および患者のＡＬＩ指標値の表現を有する、各患者の図式表現を同時に表示してもよい。【選択図】図１

Description

以下は、診療モニタリング分野、臨床決定支援システム分野、集中治療モニタリング及び患者アセスメント分野などに関する。

急性肺損傷（ＡＬＩ）は、急性疾患の深刻な合併症ならびに複数の臓器不全および集中治療室（ＩＣＵ）での死亡の主な原因の１つである。ＡＬＩは、急性呼吸窮迫症候群（ＡＲＤＳ）として知られていることもある。ＡＬＩは、全てのＩＣＵ患者の７〜１０％に蔓延していると見積もられ、退院後に４０％よりも大きな高い死亡率を示す。しかしながら、ＡＬＩ患者の３分の１未満は、ＩＣＵ医師により発見される。

ＡＬＩの発見または予測のための１つのアプローチは、ＡＬＩ予測スコアとして知られ、これは、慢性および急性疾患情報を使用して、入院中に、よりＡＬＩを発症しやすい患者が誰かを識別する。しかしながら、このアプローチは、発症の時期についての洞察をほとんど提供しない。別の既知のアプローチは、ＡＬＩ探知機（ALI sniffer）であり、これは、患者のＡＬＩの物証の電子診療記録を調査するための電子システムである。ＡＬＩ探知機は、かなり高感度で特異的である。しかしながら、現在のＡＬＩの定義は診察記録に適用され、これは、動脈血液ガス（ＡＢＧ）および胸部レントゲン検査特性の観点から定義される。よって、ＡＬＩ探知機はＡＢＧ分析および胸部Ｘ線試験の利用可能性に依存することにより、患者にとっては制限される。ＡＬＩを表す両側性湿潤（bi−lateral infiltrate）のレントゲン写真の物証を入手して利用することは、資源集約的、時間の無駄、および患者にとっては有害であり、多くのＩＣＵの場合には、関連データは、少なくとも患者の入院および重症度判定検査（triage）の臨界初期段階の間は利用できない。

以下は、上記の制限などを克服する、改善された装置および方法を検討する。

一側面によれば、非一時的記憶媒体は、ディスプレイを有する電子データプロセシングデバイスにより実行可能な指示を記憶し、急性肺損傷（ＡＬＩ）について以下：（ｉ）前記患者の複数の生理的パラメータの値を受信すること；（ｉｉ）前記患者の前記複数の生理的パラメータの前記受信された値に少なくとも基づいて、ＡＬＩ指標値をコンピュータ計算すること；および（ｉｉｉ）前記コンピュータ計算されたＡＬＩ指標値の表現を前記ディスプレイに表示すること、を有する操作により、前記患者をモニタする。

別の側面によれば、装置は、ディスプレイを有する電子データプロセシングデバイス、および直前のパラグラフに記載した、前記非一時的記憶媒体に記憶された前記指示を実行して急性肺損傷（ＡＬＩ）について患者をモニタするための、前記電子データプロセシングデバイスに動作可能なように接続された前記非一時的記憶媒体を有する。

別の側面によれば、方法は：集中治療室（ＩＣＵ）で患者の複数の生理的パラメータの値を、ディスプレイを有する電子データプロセシングデバイスで受信すること；前記電子データプロセシングデバイスを使用して、前記患者の前記複数の生理的パラメータの前記受信された値に少なくとも基づいて、前記病状を有する参照患者（reference patient）および前記病状を有しない参照患者を区別するための参照患者を有する学習セットで学習された推論アルゴリズムを使用して、（態様によってはＡＬＩである）病状についての指標値をコンピュータ計算すること；および前記コンピュータ計算された指標値の表現を、前記電子データプロセシングデバイスの前記ディスプレイに表示すること、を有する。

１つの利点は、単にレントゲン写真データ（例えば、Ｘ線のもの）または臨床試験（動脈血液ガス、ＡＢＧ、分析）に依存することなく、ＡＬＩアセスメントに、タイムリーで入手可能なデータを提供することにある。

別の利点は、前記患者に投与された薬物または薬剤の影響を考慮した、ＡＬＩアセスメントを提供することにある。

別の利点は、集中治療および重症度判定検査で一般に使用される既存の患者モニタリングと容易に統合されたＡＬＩアセスメントを提供することにある。

数多くのさらなる利点および利益が、以下の詳細な説明を読むことにより当業者には明らかとなるであろう。

本発明は、種々の構成要素および構成要素の配置でならびに種々のプロセス操作およびプロセス操作の配置で具体化される。図面は、好ましい態様を例示する目的のためのみであり、本発明を限定するものとして解釈されるべきではない。

図１は、急性肺損傷（ＡＬＩ）についてベッド脇のモニタでおよびナースステーションでモニタされる、集中治療室（ＩＣＵ）での患者を図で示し、後者は前記ＩＣＵの他の患者と一緒である。 図２は、モニタされるバイタルサインについてコンピュータ計算されるレンペルジフ（Lempel−Ziv）複雑性判断基準（complexity metrics）を用いた、ＡＬＩ検知アプローチを例示する。 図３は、モニタされるバイタルサインについてコンピュータ計算されるレンペルジフ複雑性判断基準を用いた、ＡＬＩ検知アプローチを例示する。 図４は、モニタされるバイタルサインについてコンピュータ計算されるレンペルジフ複雑性判断基準を用いた、ＡＬＩ検知アプローチを例示する。 図５は、ＡＬＩ検知についてのロジスティック回帰に基づくアプローチの実験結果を例示する。 図６は、ＡＬＩ検知についての対数尤度比（ＬＬＲ）に基づくアプローチの実験結果を例示する。 図７は、ＡＬＩ検知についての対数尤度比（ＬＬＲ）に基づくアプローチの実験結果を例示する。 図８は、構成成分指標アルゴリズムの集約としての病状についての指標をコンピュータ計算するための包括的集約アプローチを示す。 図９は、集約ＡＬＩ指標を生成するための構成成分ＡＬＩ指標アルゴリズムのセットに対する図８の前記集約アプローチの適用を例示する。 図１０は、集約ＡＬＩ指標を生成するための構成成分ＡＬＩ指標アルゴリズムのセットに対する図８の前記集約アプローチの適用を例示する。 図１１は、集約ＡＬＩ指標を生成するための構成成分ＡＬＩ指標アルゴリズムのセットに対する図８の前記集約アプローチの適用を例示する。 図１２は、集約ＡＬＩ指標を生成するための構成成分ＡＬＩ指標アルゴリズムのセットに対する図８の前記集約アプローチの適用を例示する。 図１３は、集約ＡＬＩ指標を生成するための構成成分ＡＬＩ指標アルゴリズムのセットに対する図８の前記集約アプローチの適用を例示する。 図１４は、集約ＡＬＩ指標を生成するための構成成分ＡＬＩ指標アルゴリズムのセットに対する図８の前記集約アプローチの適用を例示する。 図１５は、集約ＡＬＩ指標を生成するための構成成分ＡＬＩ指標アルゴリズムのセットに対する図８の前記集約アプローチの適用を例示する。 図１６は、全体ディスプレイを用いて、マルチ患者モニタリングの操作の種々のフェーズの間の概略ディスプレイを例示する。 図１７は、全体ディスプレイを用いて、マルチ患者モニタリングの操作の種々のフェーズの間の概略ディスプレイを例示する。 図１８は、選択された患者についてのズームインディスプレイを用いて、マルチ患者モニタリングの操作の種々のフェーズの間の概略ディスプレイを例示する。 図１９は、選択された患者についてのズームインディスプレイを用いて、マルチ患者モニタリングの操作の種々のフェーズの間の概略ディスプレイを例示する。

図１の参照により、患者８は、ベッド脇患者モニタ１０によりモニタされ、これは、前記患者８の種々の生理的パラメータについての動向データを表示する。（例えば、「生理的パラメータ」、「バイタルサイン」または「バイタル」などの用語は、本明細書において、交換可能に使用される。）例えば、例示の心電計（ＥＣＧ）の電極１２は、好適に心拍数をモニタし、任意に時間の関数として全ＥＣＧ出力をモニタする。実質的には、医学的関心のあるあらゆる生理的パラメータを、例えば、以下；心拍数（ＨＲ）；呼吸数（ＲＲ）；最大血圧（ＳＢＰ）；最低血圧（ＤＢＰ）；吸入酸素濃度（ＦｉＯ_２）；動脈血酸素分圧（ＰａＯ_２）；呼吸終末陽圧（ＰＥＥＰ）；血中ヘモグロビン（Ｈｇｂ）；およびその他、の１または２以上の例示的な例によりモニタし得る。

前記患者モニタ１０は、ディスプレイ１４を有し、これは、好ましくはグラフ表示であり、これに生理的パラメータおよび任意に他の患者データを、数値表現、グラフ表示、動向線またはその他を使用して表示する。前記患者モニタ１０は、例えば、例示の前記モニタ１０の本体に取り付けられたコントロール部１６、前記ディスプレイ１４に示されるソフトキー１８（好適には、そのような配置のタッチセンサー式ディスプレイであるもの）のセット、取り出し式キーボード、それらの種々の組み合わせまたはその他の１つまたは２つ以上のユーザ入力デバイスを、さらに有する。前記ユーザ入力デバイスにより、看護師または他の医療従事者が前記モニタ１０を構成して（例えば、モニタされるかおよび／または表示される、前記生理的パラメータまたは他の患者データを選択して）、アラーム設定またはその他を設定することが可能となる。明確には示さないが、前記患者モニタ１０は、例えば、適切な場合には可聴警報を出力するためのスピーカー、視覚警報を出力するための１つまたは２つ以上のＬＥＤまたは他のタイプのランプ、およびその他の特徴を有してもよい。

前記患者モニタ１０は、マイクロプロセッサにより提供されるデータプロセシング能力を有するか、またはこれに動作可能なように接続された、「インテリジェント」モニタであるか、あるいは、好適なメモリおよび他の付属電子機器（詳細は例示されていない）に接続されたその他のものである。いくつかの態様において、前記患者モニタが、モニタされた患者データの自律的プロセシングを実施できるように、前記患者モニタ１０は、内蔵式コンピュータ、マイクロプロセッサ、またはその他の形態の内部データプロセシング能力を有する。他の態様において、前記患者モニタは、患者データの前記プロセシングを実施するサーバまたは他のコンピュータまたはデータプロセシングデバイスに接続された、「ダム端末」である。前記患者８に取り付けられた、例えば、メディカルボディエリアネットワーク（ＭＢＡＮ）の形態での、相互通信装着式センサまたはデバイス中に分散される、一部の前記データプロセシング能力についても検討される。

例示的な例では、前記患者８は、集中治療室（ＩＣＵ）の患者室に置かれ、これは、例えば、内科ＩＣＵ（ＭＩＣＵ）、外科ＩＣＵ（ＳＩＣＵ）、心疾患集中治療室（ＣＣＵ）、重症度判定検査ＩＣＵ（ＴＲＩＣＵ）またはその他などであってもよい。かかる環境において、前記患者は、典型的には、前記患者と一緒に位置される、ベッド脇の前記患者モニタ１０により、およびまたナースステーション２４に位置される、好適なディスプレイ２２（例えば、専用モニタデバイスまたは好適に構成されたコンピュータなど）を有する電子モニタリングデバイス２０により、モニタされる。典型的には、前記ＩＣＵは、１つまたは２つ以上のナースステーションを有し、それぞれのかかるナースステーションは、一連の特定の患者（極端な状況では、わずか１人であり得る）に割り当てられている。有線のまたは無線の通信リンク（両矢印の曲線２６により図示されるもの）が、ベッド脇の前記患者モニタ１０により取得された患者データを、前記ナースステーション２４の前記電子モニタリングデバイス２０へ伝達する。前記通信リンク２６は、例えば、有線のまたは無線のイーサネット（登録商標）（病院ネットワーク専用のものまたはその一部）、ブルートゥース（登録商標）接続、またはその他のものなどを有してもよい。前記通信リンク２６が双方向リンクであることも検討され、すなわち、データもまた前記ナースステーション２４からベッド脇の前記モニタ１０へ転送可能であってもよい。

ベッド脇の前記モニタ１０は、本明細書において開示されるデータプロセシングを、前記患者モニタ１０によりモニタされた少なくとも１つまたは２つ以上の生理的パラメータを有する情報について実施することにより、急性肺損傷（ＡＬＩ）を検知して示すように構成される。さらにまたは代替的に、前記ナースステーション２４の前記電子モニタリングデバイス２０を、本明細書において開示されるデータプロセシングを前記患者モニタ１０によりモニタされた少なくとも１つまたは２つ以上の生理的パラメータを有する情報について実施することにより、ＡＬＩを検知して示すように構成してもよい。用語ＡＬＩおよび急性呼吸窮迫症候群（ＡＲＤＳ）は、本明細書において交換可能に使用されることに留意すべきである。有利には、本明細書において開示される前記ＡＬＩ検知は、例えば、ＨＲ、ＲＲ、ＳＢＰ、ＤＢＰ、ＦｉＯ_２、ＰＥＥＰまたはその他などの生理的パラメータに基づき、これらは、前記患者モニタ１０によりモニタされ、それによりリアルタイムで利用可能である。例えば、レントゲン写真報告および検査所見（例えば、ＰａＯ_２、Ｈｇｂなど）などのより長い取得待ち時間（latency time）のある患者データは利用されないか、またはＡＬＩが示されるかを評価するための補足情報として利用される。

以下では、ＡＬＩ／ＡＲＤＳ検知の種々の態様について記載する。

図２〜４を参照して、ＡＬＩの複雑性に基づくレンペルジフ検知を記載する。図式の図２を参照すると、前記患者８は、（ブロック３０により示される）前記ＩＣＵに入室する。異なる薬物／薬剤（「薬物」および「薬剤」は、本明細書において交換可能に使用される）を、前記患者を安定化させるために（ブロック３２により示される）、前記患者８に投与してもよいという、シナリオがあってもよい。図２の前記例示的ＡＬＩ検知アプローチは、心拍数（ＨＲ）、動脈最大および最低血圧（ＳＢＰおよびＤＢＰ）および呼吸数（ＲＲ）を有する例示的バイタルサインデータ流３４を、前記患者８への１種または２種以上の異なる薬物を投与する例を有する追加の患者データ流３６とともに利用する。前記薬物投与データ流３６は、例えば、バイナリデータ流（例えば、値「１」で示される薬物投与イベントを除く、（任意に離散された）時間の関数としての値「０」）などの種々の形態をとることができる。一定時間内で投与された薬物の場合において、例えば、点滴などの場合において、点滴が投与されない場合には、前記値は「０」であり得、点滴の投与中は「１」（または何か他の値）であり得る。他の値−時間表現もまた検討され、例えば、前記患者において（または関心のある器官において）、初期投与から前記薬物が体内から腎臓または他の機序により排出されるまでに予期される動的薬物濃度をモデルにした時間変化値などである。

ブロック４０において、前記レンペルジフ複雑性判断基準（例えば、A. Lempel and J. Ziv, “On the complexity of finite sequences,” IEEE Trans. Inform. Theory, vol. IT−22, pp.75−81, 1976を参照）を、各前記バイタルサインデータ流３４についておよび前記薬物投与データ流３６についてコンピュータ計算する。これにより、各バイタルサインデータ流３４に対応するレンペルジフ複雑性判断基準４４、および前記薬物投与データ流３６に対応するレンペルジフ複雑性判断基準４６が生成する。前記レンペルジフ複雑性判断基準４４、４６を足し算５０により（任意に前記データ流に重みづけをして）、または別の集合演算子により統合して、付加的複雑性（additive complexity）値を生成する。前記付加的複雑性値は、次いで閾値処理部（thresholder）５２により閾値化され（thresholded）、前記患者がＡＬＩを表すことを示す正の値（または他に指定されたもの）または前記患者がＡＬＩを表わさないことを示す負の値（または他に指定されたもの）を有するバイナリＡＬＩ指標５４を生成する。

図３を参照して、前記レンペルジフ複雑性判断基準計算ブロック４０の演算をさらに説明する。レンペルジフ複雑性を使用して、例えば、脳波記録（ＥＥＧ）、心拍数、血圧およびその他などの異なる時系列シグナルの複雑性を定量化する。図２のシステムにおいては、入力値は、バイタルサインデータ流３４または前記薬物投与データ流３６である。レンペルジフ複雑性は、前記データ流を粗視化すること、すなわち、時間（離散サンプルとして既に取得されていない場合）および値の次元で前記データ流を離散化することに基づく。例示の図３においては、前記データ流は、離散時間サンプルとして既に取得されたことが仮定され、前記値は、前記数値データをバイナリ値に、例えば、前記値が閾値Ｔ_ｄより低い場合には０に、または前記値が閾値Ｔ_ｄより高い場合には１に変換することにより粗視化される。他の粗大化（coarsening）アプローチを、例えば、より多くの粒のシーケンス（granular sequence）を離散させることなどを、複数の閾値を使用して検討する。この演算の前記出力値は、粗視化された、例えばバイナリの、データ流６０である。

前記ＬＺ複雑性は、前記シーケンスで、より特には、前記シーケンスの時間間隔または時間ウィンドーｎ内で利用可能である、明確なパターンの量の基準である。前記ＬＺ複雑性を得るために、前記バイナリシーケンス６０を、前記ウィンドーｎの左から右にわたってスキャンし、新しい（サブ）シーケンスの連続文字列（consecutive characters）に遭遇する度に、複雑性カウンターを１ユニット増加させる。図３の例示的な例において、４つのサブシーケンス６２が、ウィンドーｎに特定され、これにより前記レンペルジフ複雑性基準４４、４６は、この場合においてｃ（ｎ）＝４である。任意に、例えば、前記レンペルジフ複雑性基準ｃ（ｎ）を単位時間毎の新しいパターン発生の単位で表せるように、正規化を適用してよい場合もある。図３に図示される前記プロセシングを、連続的な（および任意に部分的に重複する）時間ウィンドーｎについて繰り返して、前記レンペルジフ複雑性基準ｃ（ｎ）を（離散）時間の関数として提供してもよいことが十分に理解される。

図２に戻って参照し、図３で用いられた前記表記法を使用して、加算器５０は、好適には、
ｃ_ＨＲ（ｎ）＋ｃ_ＳＢＰ（ｎ）＋ｃ_ＤＢＰ（ｎ）＋ｃ_ＲＲ（ｎ）＋ｃ_{Ｄｒｕｇｓ}（ｎ）
である。代替的に、重みづけが用いられる場合には、前記出力値は、
ｗ_ＨＲｃ_ＨＲ（ｎ）＋ｗ_ＳＢＰｃ_ＳＢＰ（ｎ）＋ｗ_ＤＢＰｃ_ＤＢＰ（ｎ）＋ｗ_ＲＲｃ_ＲＲ（ｎ）＋ｗ_{Ｄｒｕｇｓ}ｃ_{Ｄｒｕｇｓ}（ｎ）
として書かれてもよく、ここで、前記ｗ項はスカラー量である。

図３の前記レンペルジフ（ＬＺ）複雑性基準計算で使用するための、検知の最適閾値Ｔ_ｄを得るために、受信者操作特性（ＲＯＣ）分析を好適に使用する。実際に実施された例において、ＬＺについてのＲＯＣ分析を、５０６人のＩＣＵ患者（学習データセット）に実施し、そのうち２０６人がＡＬＩ陽性であり（すなわち、ＡＬＩを示し）、そのうち３００人がコントロールであった（すなわち、ＡＬＩ陰性であって、ＡＬＩを示さなかった）。図４は、学習母集団についての結果を示し、ここで、ＲＯＣ曲線の下の領域は、０．７３であり、最適閾値は５．９２（感度：６３％および特異度：７５％）である。前記最適閾値を、黒四角で図４にマークする。前記アプローチを立証するために、ＲＯＣ分析を、次いで６８８１人のＩＣＵ患者で実施した（試験データには見えない）。これらのうち、１３８人がＡＬＩ陽性であって、６７４３人がコントロールであった。前記学習母集団で得られた閾値５．９２を、試験データセットの前記ＲＯＣ曲線に位置した（図４にもプロットされている）。提案する前記アプローチは、前記試験データセットにおいて、厳しい感度（６７％）および厳しい特異度（７６％）を達成した。これらの実際に実施された例において、合計５０は重みづけされなかった（または、等しく、全ての重みはｗ＝１であった）。ゼロ以外の重みづけが用いられることになっている場合には、それらはまた、前記学習プロセスの間に最適化されることができる。

図５を参照して、ＡＬＩのロジスティック回帰に基づく検知を説明する。この例示的アプローチは、診査の特徴を選択すること、モデルをＩＣＵ患者データの学習または導出（derivation）データセットにフィッティングすること、および立証データセットでのモデルを試験することを伴い、好ましくは、１つが、関心のある前記ＩＣＵ母集団におけるＡＬＩの真の有病率を反映する。

前記ロジスティック回帰モデルは、例えば、心拍数（ＨＲ）、呼吸数（ＲＲ）、非侵襲的血圧測定（ＮＩＢＰ−ｍ）またはその他などの独立変数または予測変数の、従属変数または応答変数（例えば、例示的な例におけるＡＬＩまたはコントロールなど）に対する、ロジスティック回帰関数またはロジット変換を介した非線形マッピングを伴う。好適な式は、

であり、ここで、ｐは、ＡＬＩの確率を示し、β_０は、定数であり、β_１・・・β_ｉは、従属変数ｘ_１・・・ｘ_ｉ（前記ＨＲ、ＲＲ、ＮＩＢＰ−ｍなど）の係数である。好適なアプローチにおいて、前記ロジスティック回帰モデルは、尤度関数

を使用してフィットされ、ここで、β_０は、再び定数であり、

は、従属変数の係数のベクトルであり、ｐは、再びＡＬＩの確率であり、ｙは、ＡＬＩの真の有／無である。前記係数を、例えば、最小二乗法（ＯＬＳ）または最尤法（maximum likelihood estimator）（ＭＬＥ）などの最小化手法を使用してコンピュータ計算する。

実際に実施された例において、前記ロジスティック回帰モデルでは、３つの特徴：ＨＲ、ＲＲ、およびＨＲ／ＮＩＢＰ−ｍ、を入力値として使用し、ＡＬＩ発症の確率を得た。学習フェーズでは、前記定数β_０および係数

を３００人のコントロールおよび３００人のＡＬＩ患者を有する６００人の患者データセットから、上記方程式を使用して導出した。前記モデルを、継続的に適用し（言い換えれば、患者について各固有の時点に適用し）、受信者操作特性（ＲＯＣ）曲線を描いて、所望のレベルの感度および特異度を提供することにより前記閾値を決定した。前記試験フェーズでは、前記モデルを、次いで同様の継続的なやり方で、６，６９０人のコントロールおよび３２６人のＡＬＩ患者を有する見えない患者データの立証データセットに適用した。ＲＯＣ曲線を再び描き、既に決定した前記閾値での前記感度および特異度を、前記導出データセットから得られたものと比較した。

図５は結果を示す。前記学習データでの前記ロジスティック回帰モデルの性能は、感度７１．００％および特異度７４．３３％という結果であった。同じ閾値を使用して、前記立証データでの前記モデルの性能は感度６３．１９％および特異度８１．０５％という結果であった。

実際に実施された前記例は、単なる例示である。一般に、より高いかまたはより低い頻度データを、前記ロジスティック回帰モデルの前記学習、試験、および実装において用いてもよい。他の態様は、かかるデータが電子機器による医療記録（ＥＭＲｓ）または他のソースを介して利用可能な範囲で、任意に、例えば、人口学的情報およびベースライン健康情報などの付加的な特徴を有する。

図６および７を参照して、ＡＬＩの対数尤度比（ＬＬＲ）に基づく検知を説明する。図６を具体的に参照して、ＡＬＩの検知に基づく、好適な対数尤度比のフローチャートを示す。Ｎが導出（例えば、学習など）データセットの全患者数であるとすると、そのうちのＮ_１は、前記疾患（例示的な例ではＡＬＩ）を有し、Ｎ_０は、前記疾患を有しない。前記疾患状態を、Ｄとして示し、すなわち、Ｄ＝１は、ＡＬＩ陽性であり、Ｄ＝０は、ＡＬＩ非存在（すなわち、ＡＬＩ陰性）である。ｄ＝［ｄ_１ｄ_２・・・ｄ_Ｌ］が、診断することができる患者データのベクトルを示すとする。例示的な図６では、これらのＬパラメータは、例えば、ＲＲ、ＨＲ、ＦｉＯ_２（吸入酸素濃度）、ＰａＯ_２（動脈血酸素分圧）、ＰＥＥＰ（呼吸終末陽圧）、またはその他などのバイタルサイン７０、および例えば、ｐＨ、Ｈｇｂ（血中ヘモグロビン）またはその他などの臨床試験結果７２を有する。別の例（例示されていないもの）として、前記Ｌパラメータは、さらにまたは代替的に、前記患者が１種または２種以上の、例えば、肺炎、糖尿病またはその他などの慢性状態を有するか否かについてのデータを有する。前記対数尤度比を、次いで、

として定義し、ここで、ｐ（ｄ／Ｄ＝１）は、Ｄ＝１の場合のｄの同時確率分布関数であり、ｐ（ｄ／Ｄ＝０）は、Ｄ＝０の場合のｄの同時確率分布関数である。前記Ｌパラメータが独立していることを前提として、前記対数尤度比を、以下のとおり書き換えることができる：

このように、全ての前記パラメータの前記結合尤度比は、前記個別のパラメータの前記対数尤度の合計である。

図６は、前記試験フェーズを示す。前記対数尤度比ＬＬＲ（ｄ）を、演算７４で患者について、試験下の前記患者についての患者データをその要素［ｄ_１ｄ_２・・・ｄ_Ｌ］が格納する、入力患者データベクトルｄによりコンピュータ計算する。前記ＡＬＩ検知を、次いで、以下：

のとおりの閾値演算７６７を使用して進める。すなわち、ＬＬＲ（ｄ）＞Ｔである場合には、前記試験結果７８は、ＡＬＩ陽性（Ｄ＝１）とみなされる一方で、ＬＬＲ（ｄ）＜Ｔである場合には、前記試験結果７８は、ＡＬＩ陰性（Ｄ＝０）とみなされる。これらの表現では、Ｔは、前記学習データセットから決定された最適検知閾値である。

図７を参照して、実際に実施された対数尤度比に基づくＡＬＩ試験を報告する。ＲＯＣ分析を、前記閾値演算７６のための前記最適閾値を得るために使用する。ＬＬＲについてのＲＯＣ分析を、５０６人のＩＣＵ患者（学習データセット）について実施し、そのうちの２０６人はＡＬＩであり、３００人はコントロールであった。前記学習母集団の結果を、図７に示す。前記ＲＯＣ曲線の下の領域は、０．８８であり、最適閾値は２．６（感度：８６％および特異度：７７％）である。より多くのデータセットが学習のために得られるため、前記閾値および性能値は変化し得る。前記最適閾値を、黒四角でプロットにマークする。前記アプローチを立証するため、６８８１人のＩＣＵ患者についてのＲＯＣ分析を実施した（試験データは見えない）。これらのうち、１３８人がＡＬＩであり、６７４３人がコントロールであった。前記アプローチは、試験データセットにおいて特異度（８４％）および感度（７２％）を達成した。前記演算点（学習閾値Ｔ）の位置は、感度を減少させて特異度を増加させながら、前記試験データセットにおいてわずかに変化した。しかしながら、前記閾値は、増加された前記特異度を考慮し、かなりロブストである。前記アプローチはまた、に前記学習データセット（０．８７）のものに極めて近い、学習データセットについての前記ＲＯＣ曲線（０．８６）の下に領域を有し、これは信頼性のあるＡＬＩ検知に有利である。

レンペルジフ複雑性判断基準（ＬＺ、図２〜４を参照して説明したもの）を用いる前記ＡＬＩ／ＡＲＤＳ検知アプローチ、ロジスティック回帰に基づくアプローチ（ＬＲ、図５を参照して説明したもの）、および対数尤度比に基づくアプローチ（ＬＬＲ、図７を参照して説明したもの）は、例示的な例であり、他の推論アルゴリズムを検討する。かかる推論アルゴリズムは、とりわけファジー推論システム、ベイジアンネットワーク、および有限状態機械を有し得る。

図８〜１５を参照して、種々の推論アルゴリズムの集約、および任意に他の情報を、患者におけるＡＬＩの存在を検知する（すなわち、推測する）のに用いることも検討する。かかる手法の集約は、本明細書においてなされた、各アルゴリズムが前記データにおいてパターンを異なって認識する、前記観察を活用し、これにより、組み合わせられた、種々の固有のアルゴリズムからの補足情報を使用する、統合的（例えば、集約的な）アプローチは、単独で作用する個別のアルゴリズムのいずれか１つより良好な性能を生み出すことが期待される。

図８を特に参照して、前記統合的アプローチの包括的フレームワークを開示する。本明細書において一般性を失わずに、アルゴリズム１、アルゴリズム２、アルゴリズム３、・・・、アルゴリズムＮとして言及される、セットであるＮ個のアルゴリズム８０の出力値は、集約ブロック８２で集約して、ベッド脇の前記モニタ１０、ナースステーションモニタリングデバイス２０、（図１を参照）、またはその他に表示される、時間の関数として、好適に表示されるおよび／または動向を示す、器官状態指標８４を発生させる。図８の前記包括的フレームワークは、疾患特異的ではない。

図９を参照して、図８の前記包括的集約フレームワークのＡＬＩ検知への適用を示す。この適用では、前記Ｎ個のアルゴリズム８０は、以下に概説するように、６個のアルゴリズム（すなわち、Ｎ＝６である）を有する。

第一のアルゴリズムは、医療従事者の専門知識の抜粋（distillation）に基づく。例示の図９において、これは、変数の関係についての言語（またはファジー）情報、および医療従事者との議論で回収された臨床情報９４に基づいて組み立てられた決定ルール９２のセットを使用した実行から構築された、ファジー推論アルゴリズム９０として実装されている。前記ファジー推論アルゴリズム９０は、例えば、臨床決定サポートシステム（ＣＤＳＳ）を構成してもよい。

第二のアルゴリズムは、関連する臨床文献の抜粋に基づく。例示の図９において、これは、臨床研究１０４に基づいてコンピュータ計算される確率１０２から構造化されるベイジアンネットワーク１００として実装されている。例えば、研究により、パラメータの統計的な組合せが、確率ＰでＡＬＩを示すことが示唆されてもよい。

第三のアルゴリズムは、変数（例えば、ＲＲ、ＨＲなど）間の因果関係の観点からの病理生態学の変換に基づく。ＡＬＩ発症の潜在的原因は、事実上、物理的、化学的、または生物学的である。例えば、ＡＬＩの物理的原因は、速い／深い呼吸および／または換気環境を有する。物理的条件の例は：
条件１：呼吸終末陽圧（ＰＥＥＰ）の換気環境＜５
条件２：ＰＥＥＰ＞１０
条件３：プラトー圧＞３５ｃｍＨ_２Ｏ、である。

例示的な例９では、これは、臨床定義１１４を定量化する、論理フロー１１２を実装する状態機械１１０として実装される。この場合において、条件１、２、または３の全てが満たされない場合には、前記状態機械１１０は、ＡＬＩ陰性を出力し、一方で、前記３つの条件のいずれかが満たされる場合には、前記状態機械１１０は、ＡＬＩ陽性を出力する。

これらの第一の３つのアルゴリズムは、知識に基づくものであり、臨床情報、公開された臨床研究、および臨床定義を、それぞれ活用する。第四、第五、および第六のアルゴリズムは、データに基づくものであり、例示的な例９では、前記ＬＬＲアルゴリズム１２０、ＬＺアルゴリズム１３０、およびＬＲアルゴリズム１４０にそれぞれ対応し、本明細書において図２〜７を参照して説明される。これらのアルゴリズム１２０、１３０、１４０は、例えば、バイタル、臨床、および治療介入（例えば、薬物投与イベントなど）などのＩＣＵデータ１４２に基づき、任意に、例えば、人口統計データおよび／または患者の既知の慢性疾患もしくは状態などの予備ＩＣＵデータ１４４にも基づく。（用語「予備ＩＣＵ」は、かかる患者情報が、典型的には、入院手順の一部として前記ＩＣＵに入院する前に収集されることを示す；しかしながら、前記予備ＩＣＵデータ１４４は、場合によっては前記患者が前記ＩＣＵに入室した後に、全体としてまたは一部で発生してもよいことに留意すべきである。）
前記集約ブロック８２を、種々の方法で実装してもよい。図９の例示的な前記ＡＬＩ適用では、前記集約ブロック８２を線形判別分析（ＬＤＡ）によりまたは投票方式（ＳＯＦＡＬＩ）により実装する。これらの例示的集約アプローチを、以下で順に記載する。

各クラスｋの前記線形判別関数を：

として表すことができ、ここで、ｘは、前記予測変数（例えば、異なる前記ＡＬＩ検知アルゴリズムなど）であり、ｐ_ｋは、クラスｋの事前確率であり、Ｃは、クラスにまたがる前記合併共分散行列である。例示的な前記ＡＬＩ検知適用のために、前記ＬＤＡ係数は、前記学習データセットの異なる予測変数について得られる。ＬＤＡ係数を、次いで、以下：

の確率ｐ_ｋに前記係数を変換するために、好適にsoftmax変換によりパススルーさせる。

前記投票システム集約部は、好適には以下のように実装される。前記知識に基づくおよびデータに基づくアプローチの閾値を、前記学習データセットから得る。これらの個別の閾値を、次いで使用して、ＡＬＩ検知（ＡＬＩを検知するアルゴリズムの数に基づくもの）に基づく投票システムを得る。表１は、例示的な図９の前記６個の異なるアルゴリズムを集約するために用いられる、例示的な投票システム（ＳＯＦＡＬＩ）を示す。

表１：前記異なるＡＬＩ検知アルゴリズムを統合するための投票システム

他の態様は、０〜１のスケールを有し得、ここで、投票数は、存在するアルゴリズムの合計数により正規化される。

実際に実施される実装においては、図９の前記例示的集約ＡＬＩ検知システムの知識に基づくおよびデータに基づくおよび集約的なアプローチの全ては、５０６人のＩＣＵ患者データを使用して学習され、見えない６８８１人のＩＣＵ患者データについて立証された。受信者操作特性曲線（ＲＯＣ）を使用して、前記異なるアプローチの性能をアセスした。前記全ての異なるアプローチを、５０６人のＩＣＵ患者に実施し、そのうちの２０６人はＡＬＩであり、３００人はコントロールであった。前記学習母集団の結果を、図１０に示す。各統合的アプローチについての前記最適閾値を、アスタリスク（＊）で図１０に表す。これらのアスタリスクに対応する前記閾値は、ＬＤＡについては０．８５９であり、ＳＯＦＡＬＩについては２である。

２つの集約アプローチを立証するために、６８８１人のＩＣＵ患者（試験データは見えない）でのＲＯＣ分析を実施した。これらのうち、１３８人がＡＬＩであり、６７４３人がコントロールであった。ＬＤＡおよびＳＯＦＡＬＩのそれぞれについての前記学習データから得られ、図１１の立証データから得られた前記ＲＯＣ曲線に示される、前記閾値は、感度を減少させて特異度を増加させながら、前記閾値がかなりロブストであること示唆して、位置をわずかに変化させる。前記提案されたアプローチは、信頼性のあるＡＬＩ検知との関係で価値のある前記試験データセットにおいて、より良好な特異度を達成した。

図１２および１３を参照して、統合ＬＤＡアプローチの軌跡を、例示的ＡＬＩ患者について（図１２）およびコントロール患者について（図１３）示す。図１４および１５を参照して、統合ＳＯＦＡＬＩアプローチの軌跡を、例示的ＡＬＩ患者について（図１４）およびコントロール患者について（図１５）示す。図１２〜１５は、前記ＬＤＡおよびＳＯＦＡＬＩ統合アプローチの両方が、医師による前記レトロスペクティブに（retrospectively）決定されたＡＬＩ発症時期と比較して、ＡＬＩがより早く検知された。

図９を参照して説明される前記集約態様は、単なる例示であり、数々の変形が検討される。例えば、アルゴリズムの前記セットは、図９の６個の前記例示的アルゴリズムと異なっていてもよい。ＬＤＡまたはＳＯＦＡＬＩ以外の集約アルゴリズムもまた検討され、例えば、距離メトリックに基づく、または決定ツリーに基づく集約、あるいはその他などである。さらに、前記例示的態様がＡＬＩ／ＡＲＤＳに関するものである一方で、類似のアプローチを用いて、好適なバイタルサインおよび任意に例えば、前記例示的薬物投与データ流などの他の特徴を使用して、および好適な学習データセットで学習して前記推論アルゴリズムパラメータを最適化して、例えば、急性腎損傷（ＡＫＩ）、播種性血管内凝固症候群（ＤＩＣ）などの他の病気または状態を検知できることが十分に理解されるであろう。

開示された前記アルゴリズム（集約されたものまたは集約されていないもの）のいずれかによりコンピュータ計算された前記ＡＬＩ状態指標を、種々の方法で利用してもよい。例示的な例では、前記ＡＬＩ状態指標は、ベッド脇の前記モニタ１０に表示され、任意にログオンされてもよく、および／または前記ナースステーション電子モニタリングデバイス２０に表示され、任意にログオンされてもよい（図１を参照）。前記ディスプレイは、数値であり、および／またはＡＬＩ状態指標値を時間に対してプロットする動向線の形態であり得る。閾値化されてＡＬＩ陽性（または陰性）示唆を発生する値を生成する推論エンジンの場合には、さらにまたは代替的に、閾値化されずに前記値を表示することが検討される。例えば、前記推論エンジンにより生成された前記ＡＬＩ値を、動向線のグラフに重ね合わされた水平線として示された前記ＡＬＩ陽性／陰性閾値とともに前記動向線としてプロットしてもよい。さらにまたは代替的に、複数の閾値を、適用して増加する疾患重篤性またはＡＲＤＳの増加する確率に対応させてもよい。色による符号化を適用して、前記閾値の重篤性のレベルを示すことができる。

さらにまたは代替的に、前記ＡＬＩ状態指標は、他のデータと組み合わせて、前記医師による判断のための臨床勧告の発生に使用される１ピースのデータとして働き、臨床決定サポートシステム（ＣＤＳＳ）への入力値としての役目を果たすことができる。

これらの種々の適用において、前記ＡＬＩ状態指標は、典型的には、診断としては容認されないが、むしろ前記ＡＬＩ状態指標は、前記患者の医師または他の医療専門家による、前記患者にとって最も適切な処置のコースの決定における判断のための１ピースのデータとしての役目を果たす。

典型的なＩＣＵは、いかなるときでも複数の患者の世話をする。これらの各患者は、（少なくとも一般には）ＡＬＩ／ＡＲＤＳに感染しやすく、本明細書において開示される手法を使用してこれらの状態を有利にモニタする。しかしながら、前記ＩＣＵはストレスのある、複雑な環境であり、例えば、前記ＩＣＵの前記患者についてのＡＬＩ状態指標のセットなどの付加的情報は、情報過多に寄与し得る。この観点から、本明細書において、ＡＬＩについてモニタされている前記ＩＣＵの全ての患者の状態を迅速に見直すことを促進する、患者モニタリングマルチディスプレイを提供することをさらに開示する。この患者モニタリングマルチディスプレイは、ナースステーション電子モニタリングデバイス２０で好適に用いられ（図１を参照）、前記ナースステーションに割り当てられた前記看護師または複数の看護師（または他の医療関係者）の前記ケアのもとにある全ての患者のモニタリングを提供する。

図１６を参照して、図１の前記ナースステーション電子モニタリングデバイス２０に、例示的概略の患者モニタリングマルチディスプレイ２００が好適に示される。前記例示的概略ディスプレイ２００は、図式で前記現在のＩＣＵ（例示的な図１６における、前記内科ＩＣＵ、すなわち、ＭＩＣＵ）の各患者を、最も関連のある情報を有するボックスにより表し、前記例示的な例では、前記患者識別（identification）（ＰＩＤ）番号および前記患者についての前記ＡＬＩ状態指標値を有し、前記ＳＯＦＡＬＩ集約値により例示的な図１６において表される（より一般的には、本明細書において開示されるあらゆる前記ＡＬＩ状態指標を、集約されてまたは集約されずに用いてもよい）。任意に、前記患者を図式で表す前記ボックスを、前記ＩＣＵの前記患者の物理的配置を真似するやり方で、前記ディスプレイ２００に置かれている。例示的な図２００では、前記ＭＩＣＵは、「Ｃ」パターンに配置された１０個のベッドを有し、１０個全てのベッドは、患者で占有されている。ベッドが占有されていない場合には、これは、好適にそのベッドに対して空のボックスを用いることにより、または前記表示ボックスを全体として省略することにより表され得る。

患者状態の迅速なアセスメントをさらに促進するために、前記図式のボックスを、任意にカラーコード化して前記患者の前記ＡＬＩ状態を表す。例示的な図１６において、前記カラーコードは、異なるクロスハッチングにより、ＳＯＦＡＬＩ指標値０または１を有する患者を１つの色で（例えば、緑色または白色または無色など）、ＳＯＦＡＬＩ指標値２または３を有する患者を異なる色で（例えば、これらの患者について「注意」状態を示唆する黄色など）、およびＳＯＦＡＬＩ指標値４（または、可能性としてはより大きな値）を有する患者を異なる色で（例えば、重篤なＡＬＩまたはＡＲＤＳ状態を示唆する赤色など）、図式で表される。代替的には、前記カラーコードは、疾患の重篤度に対応することができ、色の変化は、スコアの範囲の新しい閾値または境界に対応し得る。例えば、０から１００にわたるスコアについては、０から５０は低リスクグループを表すことができ、５０から７５は高リスクグループを表すことができる。図１７を簡単に参照して、前記概略ディスプレイ２００は、任意に、看護師または他のオペレータが異なるＩＣＵユニットに切り替えすることができる、ドロップダウンメニュー２０２または他のユーザ図形インターフェース（ＧＵＩ）ダイアログを有する。

前記概略ディスプレイ２００の図式ボックスに含まれる情報は、単なる例示的な例であり、追加のまたは他の情報が示され得る。例えば、患者を、ＰＩＤ番号によるものに加えてまたはＰＩＤ番号の代わりに、氏名により識別してもよい。他の重篤な状態を、ＡＬＩの代わりにまたはＡＬＩに加えて示唆し得る。２つまたは３つ以上の状態が示唆され、カラーコードにより表されるべき場合には、前記カラーコードを、前記ボックスの異なる領域で表してもよく、または前記ボックス全体を、最も重篤な状態を表す色によりカラーコード化してもよい（例えば、表示される他のいくつかの状態が「黄色」または「白色」であっても、表される状態のいずれかが「赤色」状態色を有する場合には「赤色」である）。

種々の態様において、前記マルチ患者概略ディスプレイは、前記ＩＣＵのまたは他のローカルでの（例えば、ＥＤ、ＯＲ、病棟など）、患者のグループの臨界健康状態の素早い「スナップショット」概略を図式健康状態ブロックにより提供する。種々の態様において、以下の１つまたは２つ以上を組み入れてもよい：（１）数値およびラベルを有する個別のカラーコード化されたブロック（例えば、健康全体）；（２）数値およびラベルを有する個別のカラーコード化されたブロック（例えば、ＡＬＩ体質（health））；（３）単一ブロック内に含まれる、数値およびラベルを有する複数のカラーコード化されたブロック（例えば、急性肺損傷、急性腎損傷、播種性血管内凝固症候群、急性心筋梗塞など）；またはその他、である。一般に、前記概略ディスプレイの各図式ブロックは、個別の患者の臨界疾患状態の全体図を提供し、これにより、前記概略ディスプレイのブロックの前記回収は、前記ＩＣＵの全ての患者のこの情報を提供する。

図１８および１９を参照して、特定の患者を表す前記図式ボックスを選択することにより、例えば、前記ボックスをマウスまたは他のポインティングデバイスによりクリックすることにより、タッチスクリーンの場合には、前記ボックスをタッチすることにより、またはその他などにより、選択された前記患者の状態のズームインビューを、ズームインされた患者ディスプレイ２１０に、または代替的態様では、ズームインされた患者ディスプレイ２２０（図１９）に示す。種々の態様において、前記ズームインされたディスプレイは、ＡＬＩ／ＡＲＤＳ発症（および／または別のモニタされる状態の発症）のビューを適時に（in time）個別の患者について示す。任意に、前記ズームインされたディスプレイは、未来において一定時間後に予測される発症を示してもよい。ＡＬＩ状態指標を、前記ＩＣＵで使用される全ての器官健康状態アセスメントスコアについて対応する、（任意に量子化された）値および色（例えば、ＳＯＦＡ、ＡＫＩＮ基準など、例示的な例によるＡＬＩ、ＡＫＩなどについて量子化されたＣＤＳ指標検討される他のスコアなど）として、「スナップショット」ディスプレイを、明確に簡単に読める１つのものとして（in one concise, easy to read）表示してもよい。動向指標を、種々のフォーマットで、例えば、＋／−記号、または上向き、下向き、水平向き矢印などを使用して、種々のカラーコードスキーム（固体：信号機パターン；スペクトル様；ヒートマップパターン；またはその他など）により、正の／負の数値により、垂直軸上での増加する／減少する位置、またはその他などにより示してもよい。前記概略ディスプレイおよび前記患者特定的にズームインされたディスプレイの組み合わせは、ビュー／インターフェースを患者のグループまたは個別の患者について変化させるための迅速で簡単な機序を提供し、ＡＬＩまたは関心のある別の器官系に注目させることを可能にする。

患者グループの、関心のある器官／症状の、または特定の器官の健康状態（例えば、ＲＩＦＬＥ基準対ＡＫＩＮ基準対ＣＤＳ ＡＫＩ指標など）を表すために使用されるスコアのカスタマイズを可能にすることを検討する。任意に、ＣＤＳＳ能力を組み入れ、提案される／推奨されるアルゴリズム決定閾値および他の態様においては、この決定閾値上での信頼区間または限界の表示を介した意志決定に役立つ。

図８および９を参照して上記に説明したとおり、集約部を用いる態様において、前記ズームインされたビューは、任意に、前記集約部の構成要素アルゴリズムの結果を示し、任意に適時にトレンド化され（trended in time）、これは、前記集約されたアルゴリズム出力に寄与する。四角の図式ボックスが例示される一方で、器官健康状態に使用されるマーカーは、他の形状および種々のサイズであり得る（例えば、実際の信号機、速度計、または色を変化させる器官形状／画像などである）。

現在および最近の器官の健康情報を、（例示的な例による）以下：プロットすること；異なる出発点から再プロットすること；アニメーション化してプロットすること；中断／再開シミュレーション；ズームすること（例えば、６時間の動向の代わりに、１時間の動向など）；およびその他、を有する機能を介して視覚化してもよい。いくつかの態様において、情報の年、新しいまたはゼロ（を担持する）オーダー保持値を、例えば、塗りつぶされた（filled）／塗りつぶされていない（unfilled）マーカー、輪郭のある／輪郭のないマーカー、太字の／太字でないマーカーの輪郭、およびその他などの作用により描くことができる。

前記を限定することなく、図１６〜１９の前記例示的な例を、以下においてさらに詳細に説明する。

図１６を参照して、グループ概略ディスプレイ２００を、患者により全て占有された１０個のベッドを有するＭＩＣＵについて示す。ベッドが空である場合には、テキストは「空きベッド」となり、色はライトグレーでありまたはぼやけていて、前記ブロックの作用機能は機能しない、などである。ベッドが占有されている場合には、前記ブロックは、患者識別名（例えば、ＰＩＤ １２３４５６など）でラベルされる。テキストはまた、器官指標（例えば、ＡＬＩの重篤度を示唆する前記ＡＬＩ指標ＳＯＦＡＬＩなど）についてのラベルおよび数値を有する。緑、黄および赤は、それぞれＡＬＩの低、中および高リスクを示す。他の態様において、色は、より明るいぼかしからより暗いぼかしとなる色のスペクトルであり得る。なお他の態様において、色およびスコアは、全体の器官健康状態（例えば、呼吸器、心臓血管、腎臓などのもの）を示唆してもよい。なおさらに別の態様において、他の器官のスコアをまた描いてもよい。複数の状態がカラーコード化されるべき場合には、前記ブロックは、各器官系について任意にセグメント化されるか、またはいくつかの構成要素を有し、ここで、各々は、その器官の健康状態を示す、それぞれの色およびスコアを有する。

図１７を参照して、図１６の前記概略ディスプレイ２００を、前記ドロップダウンＧＵＩダイアログ２０２を介して、別のＩＣＵ（内科、外科、外傷など）を看護師により選択することにより相互作用させる。特定のＩＣＵを表示する代わりに、追加の患者のグループはワースト１０を有し得る（例えば、病院または他の医療センターの全てのＩＣＵのうちの最も重病の患者１０人の表示し得る、などである）。ユーザグループおよびベッドの数（これにより患者が表示される）は、所定の前記ＩＣＵについて適切であり、例えば、ユーザが新しいベッドを前記ＩＣＵディスプレイ中にドラッグしてそのベッドについて入力データ流のセットとリンクさせる、「ドラッグアンドドロップ」ユーザインターフェースを使用して構成されてもよい。（同様に、ベッドを前記ディスプレイからドラッグして出すことにより除去することができる。）
前記概略ディスプレイ（示されず）の検討される変形態様において、前記カラーコードは、異なる情報を伝達し、すなわち、パラメータの変化を同定するのに使用される。例えば、患者の器官状態が落ち込んでいる場合には、前記ＡＬＩの実際のレベルまたは他の器官状態指標がＡＬＩ陽性を示唆しない場合であっても、これが「赤」カラーコードにより反映され得、この態様において、器官状態指標の絶対値よりむしろ、前記カラーコードのハイライトが変化する。

図１８を参照して、ズームインされたディスプレイ２１０が示され、これは、好適には、ズームすべき個別の患者を選択するために、看護師が、図１６の前記概略ディスプレイ２００図式ボックスを選択すること（例えば、マウスでクリックすることまたはダブルクリックすること、あるいはタッチスクリーンの場合にはタッチすること、など）により発生する。図１８の例示的患者は、高リスクのＡＬＩを有する。デモグラフィックが、前記ディスプレイ２１０の右上に表示される。デモグラフィックは、これに限定されないが、身長、体重、年齢、性別、予測体重、ボディマス指数（ＢＭＩ）、病院またはＩＣＵ入院または退院日および時刻、慢性状態、入院理由、現在の症状などを有する。前記ディスプレイ２１０の左上プロットは、現在および予測されるＡＬＩ ＣＤＳアルゴリズム出力（垂直軸上の集約ＳＯＦＡＬＩスコア、水平軸上の時刻）である。前記ディスプレイ２１０の６個の左下のプロットは、前記ＳＯＦＡＬＩスコア（図９を参照）を取得するために集約された、それぞれ６個の個別のアルゴリズムをプロットする。前記個別の各々のアルゴリズムの左下における前記プロットおよび右上における集約された前記プロットについて、推奨される決定閾値（および任意にその信頼限界）を、任意に値ｙの線として、前記水平軸に及ぶ前記垂直軸上に表示する。前記看護師または他のユーザは、左最上部の前記ドロップダウンＧＵＩダイアログボックスを使用することにより、新しい患者を見直すために選択することができる。前記ディスプレイの右下側は、カラーマーカーによる経時の器官系健康状態のマトリックスを示す（異なる色は、図１８に図式で、異なる濃淡レベルで示される）。マーカーは、異なるサイズ、形状、または画像であってよく、古いかまたは継続の（carried）値と新しい値とを区別するために、太字の／太字でない輪郭を有することができ、および／または前記垂直軸上の位置で増加させてまたは減少させてスコアの増加または減少を表す。他の態様は、他の臨床アセスメント（ＳＯＦＡ、ＡＫＩＮ、ＳＩＲＳなど）または新たに開発されたＣＤＳアセスメント（ＡＬＩ、ＡＫＩ、ＤＩＣなどについてのＣＤＳ）、または両方の組合せを組み入れ得る。使用されるべきまたは表示されるべきスコアの選択は、選択可能な優先順位（preference）、構成、またはセットアップウィンドー（図示せず）について、任意にカスタマイズ可能である。他の態様において、前記注目器官系または前記ディスプレイの左側を、新しい器官を選択して表示することにより、他の器官系に変更することができる。他の態様において、グループまたは患者グループ（上記の形態に類似するものまたは上記の形態のとあるバージョン）を、前記個別アルゴリズムの代わりに表示してもよい。いくつかの態様において、前記看護師または他のユーザは、実行ボタンを押してプロットをアニメーション化させ、開始時刻または選択された時刻から現時点までの、経時の患者の健康状態動向および軌跡を見直すことができる。任意の中断／再開機能により、関心のある特定点のさらなる分析が可能となる。かかるコントロールのためのユーザインタフェースを、ユーザコントロール可能な時間スライダーバーまたはその他のものにより好適に実装する。

図１９を参照して、代替的態様のズームインされたディスプレイ２２０を示し、ここで、前記ディスプレイの右下側の器官系健康状態の前記マトリックスを改修して、グリッドセルで数値とともに前記グリッドを用いる。前記ＧＵＩの右側の前記器官システム概略は、前述のとおり前記カラーコードシステムを有する（信号機またはスペクトル様のもの、再度図式で図１９に異なる濃淡レベルで表す）。前記色は、現在のスコアを表すが、他の態様が、同様に現在のスコアについての数値を有してもよい。前記「＋／−」記号は、前の値からの正の動向または負の動向を示し、ここで、前記ＳＯＦＡまたはＳＯＦＡＬＩ値がより高くなるかまたはより正になるほど、前記器官健康状態はより悪くなる。「＋／−」記号の直後に続く数値は、前の値からのデルタまたは変化である。さらなる態様は、これらの現在の値およびデルタ値の組み合わせを組み込むことができるか、または「＋／−」記号の代わりに方向指示矢印を使用することができる。

図１に戻って参照し、ＡＬＩまたはＩＣＵ患者について関心のある他の状態を検知するための、開示された手法は、例示的なベッド脇の前記モニタ１０のおよび／または例示的なナースステーションの電子モニタリングデバイス２０の、内蔵式コンピュータ、マイクロプロセッサ、またはその他により、好適に実装される。開示された手法が、かかる電子データプロセシングデバイスにより実行可能な指示を格納する非一時的記憶媒体により具体化され、開示された検知方法が実施され得ることもまた、十分に理解されるであろう。前記非一時的記憶媒体は、例えば、ハードディスクまたは磁気記憶媒体、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、または別の電子記憶媒体、光学ディスクまたは他の光学記憶媒体、前記の組み合わせ、またはその他を有してもよい。

本発明は、好ましい前記態様を参照して説明されてきた。任意に、前述の詳細な説明を読んで理解する際に、他のものに対する改修および変更が生じるであろう。かかる全ての改修および変更が添付の特許請求の範囲またはその均等物の範囲内である限り、本発明は、かかる全ての改修および変更を有すると解釈されるべきことが意図される。

実施形態について付記する。
（付記１） 以下：
（ｉ）患者の複数の生理的パラメータの値を受信すること；
（ｉｉ）前記患者の前記複数の生理的パラメータの前記受信された値に少なくとも基づいて、ＡＬＩ指標値をコンピュータ計算すること；および
（ｉｉｉ）前記コンピュータ計算されたＡＬＩ指標値の表現を前記ディスプレイに表示すること、
を有する操作により、急性肺損傷（ＡＬＩ）について患者をモニタするため、ディスプレイを有する電子データプロセシングデバイスにより実行可能な指示を格納する、非一時的記憶媒体。
（付記２） 前記コンピュータ計算することが、単にレントゲン写真データに依存しない、付記１に記載の非一時的記憶媒体。
（付記３） 前記コンピュータ計算することが、単に臨床試験データに依存しない、付記１または２に記載の非一時的記憶媒体。
（付記４） 前記受信することが、前記複数の生理的パラメータの各生理的パラメータについて、前記患者についての値のデータ流を受信することを有し、
前記コンピュータ計算することが、前記患者についての値の前記受信されたデータ流に基づいて、時間の関数として前記ＡＬＩ指標値をコンピュータ計算することを有し、
前記表示することが、前記コンピュータ計算された前記ＡＬＩ指標値を時間の関数として表す動向線を表示することを有する：
付記１〜３のいずれか一項に記載の非一時的記憶媒体。
（付記５） 前記複数の生理的パラメータが、心拍数、少なくとも１種の血圧パラメータ、および呼吸数を有する、付記１〜４のいずれか一項に記載の非一時的記憶媒体。
（付記６） 前記操作が：
前記患者への薬物投与を表す薬物投与データ流を受信すること、
をさらに有し、
ここで、前記コンピュータ計算することが、前記受信された薬物投与データ流を有する、前記患者についての値の前記受信されたデータ流に基づいて時間の関数として前記ＡＬＩ指標値をコンピュータ計算することを有する、
付記５に記載の非一時的記憶媒体。
（付記７） 前記操作が：
前記患者への１種または２種以上の薬物の投与に関連する、薬物投与情報を受信し、前記ＡＬＩ指標値を前記コンピュータ計算することが前記受信された薬物投与情報にさらに基づくこと、
をさらに有する、付記１〜５のいずれか一項に記載の非一時的記憶媒体。
（付記８） 前記受信することが、前記複数の生理的パラメータの各生理的パラメータについて、前記患者についての値のデータ流を受信することを有し、
前記コンピュータ計算することが、（１）前記患者についての値の各受信されたデータ流についてレンペルジフ複雑性判断基準をコンピュータ計算すること、および（２）レンペルジフ複雑性判断基準の集約をコンピュータ計算し、前記ＡＬＩ指標値は、前記レンペルジフ複雑性判断基準の前記集約に少なくとも基づくこと、を有する、
付記１〜７のいずれか一項に記載の非一時的記憶媒体。
（付記９） 前記コンピュータ計算することが：
前記患者について、前記複数の生理的パラメータの前記受信された値に、ロジスティック回帰モデルを適用することに少なくとも部分的に基づいて、前記ＡＬＩ指標値をコンピュータ計算すること、
を有する、付記１〜８のいずれか一項に記載の非一時的記憶媒体。
（付記１０） 前記コンピュータ計算することが：
前記患者について、前記複数の生理的パラメータの前記受信された値に、対数尤度比（ＬＬＲ）モデルを適用することに少なくとも部分的に基づいて、前記ＡＬＩ指標値をコンピュータ計算すること、
を有する、付記１〜９のいずれか一項に記載の非一時的記憶媒体。
（付記１１） 前記コンピュータ計算することが：
前記患者について、前記複数の生理的パラメータの前記受信された値に、学習モデルを適用することに少なくとも部分的に基づいて、前記ＡＬＩ指標値をコンピュータ計算し、前記学習モデルが、ＡＬＩ陽性およびＡＬＩ陰性にラベルされた参照患者を区別するために、参照患者を有する学習セットで学習された１種または２種以上のモデルパラメータを有すること、
を有する、付記１〜１０のいずれか一項に記載の非一時的記憶媒体。
（付記１２） 前記学習モデルが、レンペルジフ複雑性判断基準モデルを有し、前記パラメータが、閾値を有する、付記１１に記載の非一時的記憶媒体。
（付記１３） 前記学習モデルが、ロジスティック回帰モデルを有し、前記パラメータが、前記ロジスティック回帰モデルにおいて前記患者についての前記複数の生理的パラメータの、それぞれ受信された値ｘ_ｉをスケーリングする係数β_ｉを有する、付記１１または１２に記載の非一時的記憶媒体。
（付記１４） 前記学習モデルが、対数尤度比（ＬＬＲ）モデルを有し、前記パラメータが、ＡＬＩ陽性である場合には前記複数の生理的パラメータの受信された値ｄ_ｉの同時確率、およびＡＬＩ陰性である場合には受信された値ｄ_ｉの同時確率を有する、
付記１１〜１３のいずれか一項に記載の非一時的記憶媒体。
（付記１５） 前記コンピュータ計算することが：
ＡＬＩ陽性およびＡＬＩ陰性患者を判別するために学習された、複数の異なる推論アルゴリズムについてアルゴリズムＡＬＩ指標値をコンピュータ計算すること；および
前記アルゴリズムＡＬＩ指標値の集約として、前記ＡＬＩ指標値をコンピュータ計算すること、
を有する、付記１〜１４のいずれか一項に記載の非一時的記憶媒体。
（付記１６） 前記ＡＬＩ指標値を、前記アルゴリズムＡＬＩ指標値の集約として前記コンピュータ計算することが：
前記ＡＬＩ指標値を、線形判別分析（ＬＤＡ）を前記アルゴリズムＡＬＩ指標値に適用することによりコンピュータ計算すること、
を有する、付記１５に記載の非一時的記憶媒体。
（付記１７） 前記ＡＬＩ指標値を、前記アルゴリズムＡＬＩ指標値の集約として前記コンピュータ計算することが：
前記ＡＬＩ指標値を、投票分析を前記アルゴリズムＡＬＩ指標値に適用することによりコンピュータ計算すること、
を有する、付記１５に記載の非一時的記憶媒体。
（付記１８） 前記操作（ｉ）および（ｉｉ）を、各患者について実行して、各患者についてＡＬＩ発指標値を発生させること、を有する操作であって；
ここで、前記表示操作（ｉｉｉ）が、ディスプレイに各患者の図式表示を同時に表示することを有し、各患者の前記図式表示が、前記患者の識別および前記患者についての前記ＡＬＩ指標値の表示を有する、
操作により、
ＡＬＩについて集中治療室（ＩＣＵ）の複数の患者をモニタするため、前記ディスプレイを有する前記電子データプロセシングデバイスにより実行可能な指示をさらに格納する、付記１〜１７のいずれか一項に記載の非一時的記憶媒体。
（付記１９） 前記患者についての前記ＡＬＩ指標の前記表示が、前記図式表示のカラーコードを少なくとも有し、前記図式表示の色が、前記患者について前記ＡＬＩ指標値を表す、付記１８に記載の非一時的記憶媒体。
（付記２０） ディスプレイを有する電子データプロセシングデバイス；および
非一時的記憶媒体に記憶された前記指示を実行して急性肺損傷（ＡＬＩ）について患者をモニタするための、前記電子データプロセシングデバイスに動作可能なように接続された、付記１〜１９のいずれか一項に記載の非一時的記憶媒体、
を有する、装置。
（付記２１） 前記電子データプロセシングデバイスが、患者ベッド脇モニタを有する、付記２０に記載の装置。
（付記２２） 前記電子データプロセシングデバイスが、集中治療室（ＩＣＵ）のナースステーションに置かれた電子モニタリングデバイスを有する、付記２０に記載の装置。
（付記２３） 複数の生理的パラメータの値を、集中治療室（ＩＣＵ）の患者について、ディスプレイを有する電子データプロセシングデバイスで受信すること；
前記電子データプロセシングデバイスを使用して、病状について、参照患者を有する学習セットで学習された推論アルゴリズムを使用して、前記患者について前記複数の生理的パラメータの前記受信された値に少なくとも基づいて、指標値をコンピュータ計算して、前記病状を有する参照患者と前記病状を有しない参照患者とを区別すること；および
前記コンピュータ計算された前記ＡＬＩ指標値の表現を、前記電子データプロセシングデバイスの前記ディスプレイに表示すること、
を有する、方法。
（付記２４） 前記病状が、急性肺損傷（ＡＬＩ）である、付記２３に記載の方法。
（付記２５） 前記推論アルゴリズムが、前記複数の生理的パラメータの各生理的パラメータについて受信された値のデータ流についてレンペルジフ複雑性判断基準をコンピュータ計算する、付記２３または２４に記載の方法。
（付記２６） 前記推論アルゴリズムが、ロジスティック回帰モデルを有する、付記２３〜２５のいずれか一項に記載の方法。
（付記２７） 前記推論アルゴリズムが、前記病状を有する前記患者である場合の前記受信された値の同時確率および前記病状を有しない前記患者である場合の前記受信された値の同時確率の対数尤度比（ＬＬＲ）をコンピュータ計算する、付記２３〜２６のいずれか一項に記載の方法。
（付記２８） 前記病状についての前記指標値を、複数の異なる推論アルゴリズムの出力値の集約としてコンピュータ計算する、付記２３〜２７のいずれか一項に記載の方法。
（付記２９） 以下：
前記患者の複数の生理的パラメータの値を受信すること；
前記患者への１種または２種以上の薬物の投与に関連する、薬物投与情報を受信すること；
前記患者の前記複数の生理的パラメータの前記受信された値および前記受信された薬物投与情報に少なくとも基づいて、前記病状の存在または重篤度を示唆する指標値をコンピュータ計算すること；および
コンピュータ計算された前記指標値の表現を前記ディスプレイに表示すること、
を有する操作により、病状について患者をモニタするため、ディスプレイを有する電子データプロセシングデバイスにより実行可能な指示を格納する、非一時的記憶媒体。
（付記３０） 前記病状が、急性肺損傷、急性腎損傷、敗血症、または播種性血管内凝固症候群である、付記２９に記載の非一時的記憶媒体。
（付記３１） 前記受信することが、前記複数の生理的パラメータの各生理的パラメータについておよび前記薬物投与情報について、前記患者についての値のデータ流を受信することを有し、
前記コンピュータ計算することが、（１）前記患者についての値の各受信されたデータ流についてレンペルジフ複雑性判断基準をコンピュータ計算すること、および（２）前記レンペルジフ複雑性判断基準の集約をコンピュータ計算し、前記指標値は、前記レンペルジフ複雑性判断基準の前記集約に少なくとも基づくこと、を有する、
付記２９または３０に記載の非一時的記憶媒体。

Claims (1)

1. 以下：
   （ｉ）患者の複数の生理的パラメータの値を受信すること；
   （ｉｉ）前記患者の前記複数の生理的パラメータの前記受信された値に少なくとも基づいて、ＡＬＩ指標値をコンピュータ計算すること；および
   （ｉｉｉ）前記コンピュータ計算されたＡＬＩ指標値の表現を前記ディスプレイに表示すること、
   を有する操作により、急性肺損傷（ＡＬＩ）について患者をモニタするため、ディスプレイを有する電子データプロセシングデバイスにより実行可能な指示を格納する、非一時的記憶媒体。
   
   

Images