[发明专利]预测危急警报

说明书

实施例提出了用于响应于更不严重的非危急警报的发生而预测危急警报的发生的方法和系统。提出了使用机器学习模型，该机器学习模型被训练为辨别非危急警报是否将在特定时间段内跟随有危急警报，例如，非危急警报是否将发展为危急警报。与仅基于阈值的现有警报系统不同，该方法使用来自数据窗口的生理数据。能够预期该数据窗口携带比阈值的简单突破更多的信息。

技术领域

本发明涉及预测危急警报的领域。

背景技术

当监视实体时，期望触发警报来指示偏离该实体的正常或预期操作。这能够用来识别该实体何时需要关注或正在不期望的状态下操作。

生成警报的此类方法在临床设置中是特别重要的，以使得临床医师能够对对象或患者的状况的恶化做出响应。通常，对象的生理参数(例如，心率、SpO₂百分比、呼吸率等)经历连续监测，并且基于监测生理参数生成警报。

根据对象的生理参数生成警报的常用方法是当生理参数的值突破(例如，高于或低于)特定阈值时触发警报。例如，对于成年男性，当他们的心率下降至每分钟60次(bpm)之下或上升至100bpm之上时，可以触发警报。

可能存在不同水平的警报以指示不同水平的紧急性，其中，更紧急的警报需要更立即的临床关注以防止对象恶化。不同水平的警报可以与不同的阈值相关联。举例来说，对于成年男性，当其SpO₂百分比(氧饱和度)下降至94％之下时，可以触发非危急警报，并且当其SpO₂百分比下降至90％之下时，可以触发危急警报。

非危急警报可以备选地标记为“黄色警报”或“咨询警报”。危急警报可以备选地标记为“红色警报”或“紧急警报”。

然而，已经认识到，向临床医师提供过多的警报，并且特别是可能不需要立即关注的咨询警报，可能导致警报疲劳。警报疲劳导致临床医师(或其他观察者)对警报的脱敏，引起临床医师忽略或怀疑警报的重要性。

因此，期望减少提供给实体的临床医师或其他观察者的警报的数量，努力避免警报疲劳。还期望尽可能早地提供警报，以便最小化对象在临床上不期望或危险状态下花费的时间。

发明内容

本发明由权利要求限定。

根据依据本发明的一个方面的范例，提供了一种针对经历生理参数监测的对象预测危急警报的发生的计算机实施的方法。所述计算机实施的方法包括：接收指示所述对象已经在发生时间处进入临床上不期望的状态的非危急警报信号；并且响应于所述非危急警报信号执行以下操作：获得一个或多个警报前值的集合，所述一个或多个警报前值的集合是根据落在第一预定长度的警报前时间窗口内(或在第一预定长度的警报前时间窗口内收集)的所述对象的至少一个监测生理参数的值导出的，和/或包括落在第一预定长度的警报前时间窗口内(或在第一预定长度的警报前时间窗口内收集)的所述对象的至少一个监测生理参数的值，其中，所述警报前时间窗口的开始时间取决于所述非危急警报信号的所述发生时间；并且使用机器学习算法处理所述一个或多个警报前值的集合以生成指示所述非危急警报信号将会在警报后时间窗口内跟随有危急警报信号的概率的预测性指示符，所述危急警报信号指示所述对象已经进入临床可执行状态，其中，所述警报后时间窗口具有第二预定长度，并且在所述非危急警报信号的所述发生时间处开始。

本发明提出了预测非危急警报(例如，“黄色警报”)是否将发展成危急警报(即，“红色警报”)或以其他方式(在一定时间段内)跟随有危急警报(即，“红色警报”)。响应于非危急警报发生，使用机器学习算法(诸如神经网络)处理警报前时间窗口期间的生理参数的值，以预测非危急警报是否将导致危急警报。

通过准确地预测跟随非危急警报的危急警报的发生，不是所有非危急警报都需要被提供给临床医师，由此减少需要被提供给对象的警报的数量，减少警报疲劳。此外，能够早期地提供预测的危急警报，由此最小化对象在危及生命或改变生命的状态中所花费的时间(因为能够在危急警报发生之前警告临床医师)。