DE19829018A1 - Verfahren zur Narkotisierung und Narkosesystem - Google Patents
Verfahren zur Narkotisierung und NarkosesystemInfo
- Publication number
- DE19829018A1 DE19829018A1 DE1998129018 DE19829018A DE19829018A1 DE 19829018 A1 DE19829018 A1 DE 19829018A1 DE 1998129018 DE1998129018 DE 1998129018 DE 19829018 A DE19829018 A DE 19829018A DE 19829018 A1 DE19829018 A1 DE 19829018A1
- Authority
- DE
- Germany
- Prior art keywords
- anesthetic
- control
- dosing
- value
- depth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 206010002091 Anaesthesia Diseases 0.000 title claims description 8
- 230000037005 anaesthesia Effects 0.000 title claims description 8
- 238000001356 surgical procedure Methods 0.000 title abstract 2
- 238000000034 method Methods 0.000 claims abstract description 64
- 230000003444 anaesthetic effect Effects 0.000 claims abstract description 59
- 238000013528 artificial neural network Methods 0.000 claims abstract description 31
- 230000006870 function Effects 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 11
- 239000013643 reference control Substances 0.000 claims abstract description 6
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 230000036407 pain Effects 0.000 claims abstract description 4
- 238000001802 infusion Methods 0.000 claims abstract description 3
- 238000012544 monitoring process Methods 0.000 claims description 11
- 239000003193 general anesthetic agent Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 206010021118 Hypotonia Diseases 0.000 claims description 3
- 230000036640 muscle relaxation Effects 0.000 claims description 3
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 claims 1
- 238000004364 calculation method Methods 0.000 claims 1
- 238000011161 development Methods 0.000 claims 1
- 208000010513 Stupor Diseases 0.000 abstract 8
- 206010049816 Muscle tightness Diseases 0.000 abstract 1
- 208000003443 Unconsciousness Diseases 0.000 abstract 1
- 230000004075 alteration Effects 0.000 abstract 1
- 230000003466 anti-cipated effect Effects 0.000 abstract 1
- 238000012360 testing method Methods 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 3
- 229940035674 anesthetics Drugs 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012776 robust process Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. ventilators; Tracheal tubes
- A61M16/10—Preparation of respiratory gases or vapours
- A61M16/14—Preparation of respiratory gases or vapours by mixing different fluids, one of them being in a liquid phase
- A61M16/18—Vaporising devices for anaesthetic preparations
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Anesthesiology (AREA)
- Medical Informatics (AREA)
- Pulmonology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Emergency Medicine (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Hematology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Infusion, Injection, And Reservoir Apparatuses (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zur Narkotisierung eines Lebenwesens, insbesondere eines zu operierenden oder zu behandelnden Menschen, mit einem Narkosemittel, das mit einer veränderlichen Dosisrate u über eine Dosiervorrichtung zugeführt wird, wobei über einen Regler eine programmierbare Regelung der Dosierrate u zur Erzielung eines vorgebbaren Sollwerts T¶soll¶ der Narkosetiefe T erfolgt, und über ein Überwachungsinstrument, insbesondere einen Narkosemonitor, der Istwert der Narkosetiefe T des Lebewesens aufgrund der zugeführten Narkosemittelmenge festgestellt wird. Dabei erfolgt die Regelung über einen modellbasierten Regelungstyp, wobei als Regelstruktur eine prädiktive Regelung (MPC), eine Internal Model Control (IMC) eine Model Reference Control (MRC), eine Supervised Control (SC), eine Direct Control (DC) oder eine Indirect Control (IC) verwendet werden. Ferner betrifft die Erfindung ein Narkosesystem zur Narkotisierung eines Lebewesens, insbesondere eines zu operierenden Menschen.
Description
Die Erfindung betrifft ein Verfahren zur Narkotisierung eines Lebewesens mit den
Merkmalen des Oberbegriffs des Patentanspruchs 1. Ferner betrifft die Erfindung ein
Narkosesystem mit den Merkmalen des Oberbegriffs des Patentanspruchs 10.
Bei der Narkotisierung ist das Lebewesen oder der Patient über einen Infusionsschlauch
an eine Dosiervorrichtung angeschlossen, wobei das Narkosemittel in seiner Dosierung
an verschiedene Narkosetypen (Muskelentspannung, Tiefschlaf, Schmerzbekämpfung)
angepaßt wird. Dabei beobachtet der behandelnde Narkosearzt einen Narkosemonitor,
der die Wirkung des Narkosemittels auf den Patienten anzeigt und korrigiert durch Ver
änderung der Dosierrate die zugeführte Narkosemittelmenge.
Zur Dosierung der Narkosemittelmenge sind ferner (ergänzende) "closed-loop" Verfah
ren bekannt, bei denen in Abhängigkeit von den Ausgangssignalen des Narkosemonitors
die Dosiervorrichtung über ein EDV-Programm gesteuert und geregelt wird. Dabei kön
nen auch Fuzzy-Logic-Algorithmen eingesetzt werden.
Die geschilderten Verfahren sind patientenempfindlich und sind bei Verwendung unter
schiedlicher Narkosemittel nur eingeschränkt verwendbar. Ferner sind häufig die Ände
rungen der Dosierrate groß, so daß dies einen hohen Verschleiß der Dosiervorrichtung
zur Folge hat.
Der Erfindung liegt die Aufgabe zugrunde, ein Narkotisierungsverfahren sowie ein Nar
kosesystem zur Narkotisierung von Lebewesen anzubieten, bei dem automatisch und
zügig ein vorgegebener Sollwert der Narkosetiefe mit eingeschränktem Rechneraufwand
erreicht wird.
Die Aufgabe wird für das Verfahren durch die Merkmale des kennzeichnenden Teils des
Patentanspruchs 1 gelöst. Vorteilhafte Verfahrensvarianten werden durch die Unteran
sprüche 2-9 realisiert. Für das Narkosesystem wird die Aufgabe durch die Merkmale
des kennzeichnenden Teils des Patentanspruchs 10 in Verbindung mit den Merkmalen
des Oberbegriffs gelöst. Vorteilhafte Ausführungsformen des Narkosesystems werden
durch die weiteren Ansprüche 11-16 realisiert.
Im Gegensatz zum Stand der Technik erfolgt beim erfindungsgemäßen Verfahren das
über eine Dosiervorrichtung mit einer veränderlichen Dosierrate dem Lebewesen zuge
führte Narkosemittel über einen modell-basierten Regelungstyp, wobei als Rege
lungsstrukturen eine prädiktive Regelung (MPC), eine Internal Model Control (IMC) ei
ne Model Reference Control (MRC), eine Supervised Control (SC), eine Direct Control
(DC) oder eine Indirect Control (IC) verwendet werden. Im Stand der Technik werden
bekannte Regelverfahren wie PD-Regler, PID-Regler, Fuzzy-Logic-Algorithmen ver
wendet.
In einer besonders vorteilhaften Verfahrensvariante wird ein in der Beschreibung des
Ausführungsbeispiels näher erläuterter und nach dem Konzept der prädiktiven Regelung
(MPC) arbeitende Regler verwendet und wird die Dosierrate in einem iterativen Prozeß
nach den Verfahrensschritten von Anspruch 2 ermittelt.
Beim modellbasierten Regelungstyp mit prädiktiver Regelung (MPC) stellt der Prädik
tor ein Patientenmodell dar und dient zur Simulation der zu erwartenden zukünftigen
Narkosetiefen bei der iterativen Verbesserung der Dosierrate. In einer besonders vorteil
haften Verfahrensvariante ist der Prädiktor als neuronales Netzwerk (NNW) realisiert.
Diese Verfahrensvariante zeichnet sich dadurch aus, daß der Verfahrensablauf und die
Ausbildung der einzelnen Systemelemente und insbesondere der Regler an die verschie
denen Narkosetypen (Muskelentspannung, Tiefschlaf, Schmerzbekämpfung) leicht an
gepaßt werden können.
Zur Anpassung des neuronalen Netzwerks insbesondere an die aus Dosiervorrichtung,
zu narkotisierenden Lebewesen und Überwachungsinstrument (Narkosemonitor) beste
henden Regelstrecke durchläuft das neuronale Netzwerk vor Beginn des erfindungsge
mäßen Verfahrens eine Trainingsphase, bei der Istwerte von Narkosetiefen und von
Dosierraten zur Ermittlung der Gewichtswerte des neuronalen Netzwerks verwendet
werden. Als Trainingsalgorithmus kann z. B. der Levenberg-Marquardt-Algorithmus
verwendet werden.
In einer weiteren vorteilhaften Verfahrensvariante kann eine Adaption des Reglers durch
Nachstellung von Regelparametern und/oder mindestens eine weitere Trainingsphase
für das neuronale Netzwerk stattfinden, um vorteilhafte Änderungen der Gewichtswerte
zur Optimierung des Verfahrens einzustellen.
Das erfindungsgemaße Narkosesystem zur Narkotisierung eines Lebewesens weist eine
Dosiervorrichtung zur Einstellung der dem Lebewesen zuzuführenden Narkosemittel
menge, ein Überwachungsinstrument zur Feststellung des Ist-Wertes der Narkosetiefe
und einen Regler zur programmierbaren Regelung der Dosierrate auf. Dabei besitzt der
Regler einen modellbasierten Regelungstyp und als Regelungsstruktur eine prädiktive
Regelung (MPC), eine Internal Model Control (IMC), eine Model Reference Control
(MRC), eine Supervised Control (SC), eine Direct Control (DC) oder eine Indirect
Control (IC) verwendet.
In einer besonders vorteilhaften Systemvariante weist der Regler eine prädiktive Rege
lung (MPC) als Regelungsstruktur auf und umfaßt einen Prädiktor zur Simulation des
Patientenverhaltens, der als neuronales Netzwerk (NNW), vorzugsweise multi-layer
perceptron (MLP), mit Gedächtnis (Speicher) ausgebildet ist.
Das neuronale Netzwerk (NNW) wird in einer Trainingsphase vor Beginn des Narkoti
sierungsverfahrens über Gewichtswerte konfiguriert. Während des Ablaufs des Narko
tisierungsverfahrens können eine oder mehrere Trainingsphasen hinzugefügt werden.
Vorteilhafterweise besitzt das Narkosesystem eine (z. B. im Regler integrierte) Vorver
arbeitungseinheit zur Störungserkennung. Hierdurch können z. B. von der Regelstrecke
(Dosiervorrichtung, Überwachungsinstrument, Lebewesen) erhaltene Istwerte der Nar
kosetiefe auf Plausibilität überprüft werden und eine Vorverarbeitung der Meßsignale
durchgeführt werden. Außerdem können auftretenden Komponentenausfälle (z. B. von
Sensoren) registriert werden. Hierdurch wird die Störungssicherheit des Narkosesystems
verbessert.
Der Regler des Narkosesystems kann kostengünstig als EDV-Einheit (z. B. PC, Laptop),
Analog- und/oder Digitalschaltung ausgebildet sein. In einer weiteren vorteilhaften Sy
stemvariante kann der Regler mit einer Regelstrecke, die mehrere Ein- und Ausgänge
besitzt, und damit mit mehreren Überwachungsinstrumenten und/oder Dosiervorrich
tungen verbunden sein, so daß parallel eine Regelung unterschiedlicher Narkosetypen
stattfinden kann und dabei auch eine Korrelation der Meßwerte verschiedener Rege
lungsebenen berücksichtigt und ausgewertet werden kann.
Weitere im Zusammenhang mit dem erfindungsgemäßen Verfahren und dem Narkose
system und insbesondere in Verbindung mit den genannten modell-basierten Regelung
stypen und dem neuronalen Netzwerk (NNW) bedeutsame Einzelheiten ergeben sich
aus folgenden Literaturstellen:
- - C. Cutler and B. Ramaker. Dynamic matrix control - A computer control al gorithm. In Joint Automatic Control Conference, New York, 1980.
- - A. Cichocki and R. Unbehauen. Neural networks for optimization and signal processing. Wiley, 1993.
- - C. E. Garcia, D. M. Prett, and M. Morari. Model predictive control: Theory and practice - a survey. Automatica, 25 (3): 335-348, 1989.
- - K. J. Hunt, D. Sbarbaro, R. Zbikowski, and P. J. Gawthrop. Neural networks for control systems - a survey. Automatica, 28 (6): 1083-1112, 1992.
- - M. Morari. Robust process control. Prentice Hall, Englewood Cliffs, NJ, 1989.
- - K. S. Narendra and K. Parthasarathy. Identification and control of dynamic Sy stems using neural networks. IEEE Trans. on Neural Networks, 1 (1): 4-27, 1992.
- - P. J. Werbos. Backpropagation through time: What it does and how to do it. Proceedings of the IEEE, 78 (10): 1550-1560, 1990.
Weitere Einzelheiten der Erfindung werden in folgendem Ausführungsbeispiel näher
erläutert. Die Zeichnungsfigur zeigt einen nach dem im Prinzip der modellbasierten
prädiktiven Regelung (MPC) arbeitenden Regler 1, der einen Speicher 2, eine Zen
traleinheit 3, einen Prädiktor 4 und eine Vorverarbeitungseinheit 8 beinhaltet. Über den
Regler 1 wird die Dosierrate u der Dosiervorrichtung 5 an den Sollwert der Narkosetiefe
Tsoll herangeführt.
Der Regler 1 erhält vom Überwachungsinstrument 7 Istwerte der Narkosetiefe T, die
über die Vorverarbeitungseinheit 8 auf Plausibilität überprüft, gegebenenfalls vorarbei
tet und dem Speicher 2 des Reglers 1 zugeführt werden.
Der in Anspruch 2 geschilderte Verfahrensablauf läßt sich wie folgt erläutern:
Zunächst erhält die Zentraleinheit 3 vom Speicher 2 zum Zeitpunkt n:=N
Zunächst erhält die Zentraleinheit 3 vom Speicher 2 zum Zeitpunkt n:=N
- - die Istwerte zurückliegender Narkosetiefen Tn-1, Tn-2, Tn-3, etc.
- - den Momentanwert der Narkosetiefe Tn,
- - die Istwerte zurückliegender Dosierraten un-1, un-2, un-3, etc.
- - den Momentanwert der Dosierrate un, die im Moment an der Dosiervorrichtung einge
stellt ist,
zur Übermittlung an den Prädiktor und ferner - - den momentanen Sollwert der Narkosetiefe Tsoll n und die zukünftigen Sollwerte Tsoll n+1, Tsoll n+2, . . .. ., die mit Tsoll n identisch sein können.
Nun erhält der Prädiktor 4 einen Wert n+1 einer hypothetischen zukünftigen Dosierrate
und ermittelt die zu erwartende Narkosetiefe n+1, die an die Zentraleinheit 3 und den
Speicher 2 übermittelt werden.
Die Narkosetiefe n+1 und die Dosierrate n+1 werden als fiktive zurücklegende Ist
werte Tn+1 und un+1 zwischengespeichert.
Nun wiederholen sich die Verfahrenschritte a)-d) für die Zeitpunkte n+2, n+3,
n+4 etc., wobei das Verfahren unterbrochen wird, wenn nach Verfahrensschritt b) eine
vorgebbare Anzahl NH von zu erwartenden Narkosetiefen n+1 und hypothetischen
Dosierraten n+1 zwischengespeichert sind.
Nun werden die abgespeicherten zu erwartenden Narkosetiefen n+1 und hypotheti
schen zukünftigen Dosierraten n+1 in einer Gütefunktion F zur Bewertung einer Ab
weichung von Tsoll und von Änderungen der Dosierraten n+1 unter eventueller Einbe
ziehungen vergangener und des momentanen Prädiktionsfehlers ausgewertet. Vorteilhaf
terweise wird die Gütefunktion nach Anspruch 6 verwendet. Allgemein können Güte
funktionen verwendet werden, deren Terme von der Differenz von Tsoll und , von Än
derungen aufeinanderfolgender Werte der Dosierrate u und/oder von vergangenen Prä
diktionsfehlern abhängen. Es wird ein konkreter Wert F der Gütefunktion ermittelt.
Nun werden die Verfahrensschritte a)-f) wiederholt, wobei der Prädiktor 4 in Verfah
rensschritt b) von Anspruch 2 einen verbesserten Wert n+1 erhält. Es ergeben sich
neue Werte F der Gütefunktion nach der Auswertung nach Verfahrensschritt g). Der
Wert von n+1 bleibt konstant oder wird so gewählt, daß sich der Wert F der Güte
funktion verbessert.
Die Wiederholung nach Verfahrensschritt h) von Anspruch 2 wird unterbrochen, wenn
nach Verfahrensschritt g) von Anspruch 2 ein Abbruchkriterium nach Verfahrensschritt
i) (z. B. der Wert der Gütefunktion F unterschreitet einen Schwellwert F0, die Änderung
zweier aufeinanderfolgenden Werte der Gütefunktion F unterschreitet einen Schwell
wert ΔF und/oder die Verfahrensschritte a) bis h) wurden bereits Nmax-mal durchlau
fen) erfüllt ist.
Insgesamt besitzt die Gütefunktion nun einen ausreichend optimierten Wert F, so daß
nun nach Verfahrensschritt j) von Anspruch 2 die Dosierrate un+1 über eine Funktion G
aus den zuletzt abgespeicherten hypothetischen Dosierraten n+1, n+2, . . . n+NH er
rechnet werden kann. Als Funktion G wird vorteilhafterweise die Funktion nach An
spruch 7 verwendet. Es können aber auch andere geeignete gewichtete Mittelungsver
fahren verwendet werden.
Die so errechnete Dosisrate un+1 wird nun an die Dosiervorrichtung 5 zur Einstellung der
dem Lebewesen 7 zugeführten Narkosemittelrate un+1 weitergeleitet.
Durch den sich einstellenden Istwert der Narkosestufe Tn+1, der von dem Überwa
chungsinstrument 7 an den Regler 1 gemeldet wird, kann der Regelungsvorgang nach
Anspruch 2 für den Zeitpunkt n:=N+1 wiederholt werden.
Der erfindungsgemäße Verfahrensablauf nach Anspruch 2 ermöglicht eine zügige Ein
stellung eines vorgegebenen Sollwerts Tsoll durch zulässiger Vorhersage des Patienten
verhaltens mittels Prädiktor 4. Dabei kann der Regler 1 (z. B. durch Training) leicht an
eine neue Medikamentengruppe angepaßt werden. Ferner kann die Größe der Änderun
gen der Dosierrate u durch den Faktor α aus Anspruch 6 in weiten Bereichen vorgege
ben werden.
Der zeitdiskret beschriebene Verfahrensablauf kann auch zeitkontinuierlich stattfinden.
1
Regler
2
Speicher
3
Zentraleinheit
4
Prädiktor
5
Dosiervorrichtung
6
Lebewesen
7
Überwachungsinstrument
8
Vorverarbeitungseinheit
T Istwert der Narkosetiefe
Tsoll
T Istwert der Narkosetiefe
Tsoll
Sollwert der Narkosetiefe
u Istwert der Dosierrate
berechnete Dosierrate
zu erwartende Narkosetiefe
NNW neuronales Netzwerk
PD Proportional-Differential-Regler
PID Proportional-Integral-Differential-Regler
MPC model predictive control
IMC internal model control
MRC model reference control
SC supervised control
DC direct control
IC indirect control
u Istwert der Dosierrate
berechnete Dosierrate
zu erwartende Narkosetiefe
NNW neuronales Netzwerk
PD Proportional-Differential-Regler
PID Proportional-Integral-Differential-Regler
MPC model predictive control
IMC internal model control
MRC model reference control
SC supervised control
DC direct control
IC indirect control
Claims (16)
1. Verfahren zur Narkotisierung eines Lebewesens, insbesondere eines zu operieren
den oder zu behandelnden Menschen, mit einem Narkosemittel, das mit einer ver
änderlichen Dosisrate u über eine Dosiervorrichtung zugeführt wird, wobei über
einen Regler eine programmierbare Regelung der Dosierrate u zur Erzielung eines
vorgebbaren Sollwerts Tsoll der Narkosetiefe T erfolgt, und über ein Überwa
chungsinstrument, insbesondere einen Narkosemonitor, der Istwert der Narkose
tiefe T des Lebewesens aufgrund der zugeführten Narkosemittelmenge festgestellt
wird,
dadurch gekennzeichnet, daß
die Regelung über einen modellbasierten Regelungstyp erfolgt, wobei als Rege
lungsstruktur eine prädiktive Regelung (MPC), eine Internal Model Control (IMC)
eine Model Reference Control (MRC), eine Supervised Control (SC), eine Direct
Control (DC) oder eine Indirect Control (IC) verwendet werden.
2. Verfahren nach Anspruch 1,
gekennzeichnet durch folgende Verfahrensschritte:
- a) im nach dem Konzept der prädiktiven Regelung (MPC) arbeitenden
- Regler mit einem Speicher, einer Zentraleinheit und einem Prädiktor erhält die
Zentraleinheit vom Speicher zum Zeitpunkt n:=N:
- - die Istwerte zurückliegender Narkosetiefen Tn-1, Tn-2, Tn-3 etc.,
- - den Momentanwert der Narkosetiefe Tn,
- - die Istwerte zurückliegender Dosierraten un-1, un-2, un-3 etc.,
- - den Momentanwert der Dosierrate un
zur Übermittlung an den Prädiktor und ferner: - - den momentanen Sollwert der Narkosetiefe Tsoll n und die zukünftigen Soll werte Tsoll n+1, Tsoll n+2, . . .,
- b) der Prädiktor erhält einen Wert n+1 einer hypothetischen zukünftigen Dosier rate von der Zentraleinheit,
- c) der Prädiktor ermittelt die zu erwartende Narkosetiefe n+1 zur Übermittlung an die Zentraleinheit,
- d) die Narkosetiefe n+1 und die Dosierrate n+1 werden als fiktive zurücklie gende Istwerte Tn+1 und un+1 abgespeichert,
- e) Wiederholung der Verfahrensschritte a) bis d) für die Zeitpunkte n+2, n+3, n+4 etc.,
- f) Unterbrechung des Verfahrens, wenn nach Verfahrensschritt d) eine vorgebbare Anzahl NH von zu erwartenden Narkosetiefen n+1 und hypothetischen Dosi erraten n+1 abgespeichert sind,
- g) Auswertung der abgespeicherten zu erwartenden Narkosetiefen n+1 und hy pothetischen, zukünftigen Dosierraten n+1 in einer Gütefunktion F zur Be wertung einer Abweichung von Tsoll und der Änderungen der Dosierraten unter eventueller Einbeziehung vergangener und des momentanen Prädiktionsfehlers . . ., Tn-2-n-2, Tn-1-n-1, Tn-n,
- h) Fortführung mit Verfahrensschritt a), wobei der Prädiktor in Abhängigkeit von der Auswertung in Verfahrensschritt g) in Verfahrensschritt b) einen verbesser ten Wert für n+1 erhält,
- i) Unterbrechung des Verfahrens, wenn nach Verfahrensschritt g) ein Abbruchkri terium erfüllt ist (der Wert der Gütefunktion F unterschreitet einen Schwellwert F0, die Änderung zweier aufeinanderfolgenden Werte der Gütefunktion F un terschreitet einen Schwellwert ΔF und/oder die Verfahrensschritte a) bis h) wurden bereits Nmax-mal durchlaufen),
- j) Berechnung der Dosierrate un+1 über eine Funktion G, aus den zuletzt abge speicherten hypothetischen Dosierraten n+1, n+2, . . ., n+NH ,
- k) Übermittlung der ermittelten Dosierrate un+1 an eine Dosiervorrichtung zur Einstellung der dem Lebewesen zugeführten Narkosemittelrate,
- l) Fortführung mit Verfahrensschritt a) für den Zeitpunkt n:=N+1.
3. Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet, daß
der Verfahrensablauf und die Systemelemente (Überwachungsinstrument, Regler,
Prädiktor etc.) an verschiedene Narkosetypen (Muskelentspannung, Tiefschlaf,
Schmerzbekämpfung) angepaßt werden.
4. Verfahren nach einem der Ansprüche 1-3,
dadurch gekennzeichnet, daß
der Prädiktor durch ein neuronales Netzwerk (NNW) realisiert wird.
5. Verfahren nach Anspruch 4,
dadurch gekennzeichnet, daß
das neuronale Netzwerk vor Beginn des Verfahrens eine Trainingsphase durch
läuft, bei der Istwerte von Narkosetiefen T und von Dosierraten u zur Ermittlung
der Gewichtswerte des neuronalen Netzwerkes verwendet werden.
6. Verfahren nach einem der Ansprüche 2-5,
dadurch gekennzeichnet, daß
die Gütefunktion F im Verfahrensschritt g) von Anspruch 2 wie folgt lautet:
7. Verfahren nach einem der Ansprüche 2-6,
dadurch gekennzeichnet, daß
die Funktion G im Verfahrenschritt j) von Anspruch 2 wie folgt lautet:
8. Verfahren nach einem der Ansprüche 5-7, dadurch gekennzeichnet, daß
eine Adaption des Reglers während des Verfahrens erfolgt, indem Regelparameter
nachgestellt werden und/oder mindestens eine weitere Trainingsphase für das neu
ronale Netzwerk stattfindet.
9. Verfahren nach einem der Ansprüche 1-8,
dadurch gekennzeichnet, daß
das Verfahren zeitkontinuierlich durchgeführt wird.
10. Narkosesystem zur Narkotisierung eines Lebewesens, insbesondere eines zu ope
rierenden oder zu behandelnden Menschen, mit
- - einer Dosiervorrichtung zur Einstellung der dem Lebewesen zuzuführenden Narkosemittelmenge,
- - einem Überwachungsinstrument, insbesondere einem Narkosemonitor, zur Feststellung des Istwertes der Infusionstiefe T des Lebewesens aufgrund der zugeführten Narkosemittelmenge und
- - einem Regler zur programmierbaren Regelung der Dosierrate u zur Erzie lung eines vorgebbaren Sollwertes Tsoll der Narkosetiefe, insbesondere zur Durchführung eines Verfahrens nach einem der Ansprüche 1-9, dadurch gekennzeichnet, daß der Regler (1) einen modellbasierten Regelungstyp aufweist, der als Rege lungsstruktur eine prädiktive Regelung (MPC), eine Internal Model Control (IMC), eine Model Reference Control (MRC), eine Supervised Control (SC), eine Direct Control (DC) oder eine Indirect Control (IC) verwendet.
11. Narkosesystem nach Anspruch 10,
dadurch gekennzeichnet, daß
das Modell des modellbasierten Reglers als neuronales Netzwerk (NNW) ausge
bildet ist.
12. Narkosesystem nach Anspruch 10 oder 11,
dadurch gekennzeichnet, daß
als Regelungsstruktur eine prädiktive Regelung verwendet wird, die einen Prädik
tor aufweist, der als neuronales Netzwerk (NNW), vorzugsweise multi-layer
perceptron (MLP), mit Speicher ausgebildet ist.
13. Narkosesystem nach Anspruch 11 oder 12,
dadurch gekennzeichnet, daß
das neuronale Netzwerk (NNW) über Gewichtswerte w konfigurierbar ist.
14. Narkosesystem nach einem der Ansprüche 10-13,
dadurch gekennzeichnet, daß
eine Vorverarbeitungseinheit zur Störungserkennung vorgesehen ist, die z. B. auf
tretenden Sensorausfall registriert und eine Prüfung der Meßsignale auf Plausibili
tät und/oder eine Vorverarbeitung der Meßsignale durchführt.
15. Narkosesystem nach einem der Ansprüche 10-14,
dadurch gekennzeichnet, daß
der Regler als EDV-Einheit (z. B. PC, Laptop), als Analogschaltung und/oder
Digitalschaltung ausgebildet ist.
16. Narkosesystem nach einem der Ansprüche 10-15,
dadurch gekennzeichnet, daß
der Regler mit mehreren Überwachungsinstrumenten und/oder mehreren Dosier
vorrichtungen verbunden ist.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE1998129018 DE19829018B4 (de) | 1998-06-30 | 1998-06-30 | Verfahren zur Einstellung einer in seiner Dosisrate gezielt veränderlichen Dosiervorrichtung für ein Narkosemittel und Narkosesystem dazu |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE1998129018 DE19829018B4 (de) | 1998-06-30 | 1998-06-30 | Verfahren zur Einstellung einer in seiner Dosisrate gezielt veränderlichen Dosiervorrichtung für ein Narkosemittel und Narkosesystem dazu |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| DE19829018A1 true DE19829018A1 (de) | 2000-01-13 |
| DE19829018B4 DE19829018B4 (de) | 2005-01-05 |
Family
ID=7872415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| DE1998129018 Expired - Fee Related DE19829018B4 (de) | 1998-06-30 | 1998-06-30 | Verfahren zur Einstellung einer in seiner Dosisrate gezielt veränderlichen Dosiervorrichtung für ein Narkosemittel und Narkosesystem dazu |
Country Status (1)
| Country | Link |
|---|---|
| DE (1) | DE19829018B4 (de) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1776978A1 (de) | 2005-10-21 | 2007-04-25 | General Electric Company | Verabreichungssystem von anästhetischen Arzneimitteln an einen Patienten |
| WO2019020137A1 (de) * | 2017-07-28 | 2019-01-31 | W.O.M. World Of Medicine Gmbh | Medizintechnische vorrichtung zur speicherung und auswertung klinischer daten |
| CN111994970A (zh) * | 2020-07-31 | 2020-11-27 | 上海上实龙创智能科技股份有限公司 | 一种基于lstm的污水高效沉淀池加药预测方法和加药系统 |
| CN113768474A (zh) * | 2021-11-15 | 2021-12-10 | 武汉理工大学 | 一种基于图卷积神经网络的麻醉深度监测方法及系统 |
| CN116759035A (zh) * | 2022-01-20 | 2023-09-15 | 深圳市威浩康医疗器械有限公司 | 一种用于人工智能麻醉的决策确定方法及系统 |
| CN117219227A (zh) * | 2023-11-09 | 2023-12-12 | 遂宁市中心医院 | 一种基于模糊神经网络的麻醉给药控制方法及控制系统 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102004046644B3 (de) * | 2004-09-25 | 2006-03-09 | Dräger Medical AG & Co. KGaA | Vorrichtung zur Alamierung in einer Vorrichtung zur Dosierung flüchtiger Anästhesiemittel |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3234474C2 (de) * | 1982-09-17 | 1984-11-29 | Drägerwerk AG, 2400 Lübeck | Vorrichtung zur Beimischung flüssiger Narkosemittel in das dem Patienten zuzuführende Atemgas |
| DE4004034A1 (de) * | 1989-05-10 | 1990-11-15 | Draegerwerk Ag | Anaesthesiebeatmungsgeraet mit atemkreislauf und regelkreisen fuer anaesthesiegasbestandteile |
| DE4326556C2 (de) * | 1993-08-07 | 1997-08-21 | Heinz Prof Dr Med Oehmig | Anordung zur Bestimmung und Aufrechterhaltung einer gewünschten Narkosetiefe |
-
1998
- 1998-06-30 DE DE1998129018 patent/DE19829018B4/de not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3234474C2 (de) * | 1982-09-17 | 1984-11-29 | Drägerwerk AG, 2400 Lübeck | Vorrichtung zur Beimischung flüssiger Narkosemittel in das dem Patienten zuzuführende Atemgas |
| DE4004034A1 (de) * | 1989-05-10 | 1990-11-15 | Draegerwerk Ag | Anaesthesiebeatmungsgeraet mit atemkreislauf und regelkreisen fuer anaesthesiegasbestandteile |
| DE4326556C2 (de) * | 1993-08-07 | 1997-08-21 | Heinz Prof Dr Med Oehmig | Anordung zur Bestimmung und Aufrechterhaltung einer gewünschten Narkosetiefe |
Non-Patent Citations (2)
| Title |
|---|
| IEEE Transactions on Biomedical Engeneering Vol. BM-34, No. 6, June 1987, S. 437-443 * |
| Int. J.Control, 1992, Vol. 56, No. 5, 1039-57 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1776978A1 (de) | 2005-10-21 | 2007-04-25 | General Electric Company | Verabreichungssystem von anästhetischen Arzneimitteln an einen Patienten |
| EP1776977A1 (de) * | 2005-10-21 | 2007-04-25 | General Electric Company | Verabreichungssystem von anästhetischen Arzneimitteln an einen Patienten |
| US8038642B2 (en) | 2005-10-21 | 2011-10-18 | General Electric Company | System for delivering anesthesia drugs to a patient |
| WO2019020137A1 (de) * | 2017-07-28 | 2019-01-31 | W.O.M. World Of Medicine Gmbh | Medizintechnische vorrichtung zur speicherung und auswertung klinischer daten |
| CN111994970A (zh) * | 2020-07-31 | 2020-11-27 | 上海上实龙创智能科技股份有限公司 | 一种基于lstm的污水高效沉淀池加药预测方法和加药系统 |
| CN113768474A (zh) * | 2021-11-15 | 2021-12-10 | 武汉理工大学 | 一种基于图卷积神经网络的麻醉深度监测方法及系统 |
| CN116759035A (zh) * | 2022-01-20 | 2023-09-15 | 深圳市威浩康医疗器械有限公司 | 一种用于人工智能麻醉的决策确定方法及系统 |
| CN117219227A (zh) * | 2023-11-09 | 2023-12-12 | 遂宁市中心医院 | 一种基于模糊神经网络的麻醉给药控制方法及控制系统 |
| CN117219227B (zh) * | 2023-11-09 | 2024-01-23 | 遂宁市中心医院 | 一种基于模糊神经网络的麻醉给药控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| DE19829018B4 (de) | 2005-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE19808543C2 (de) | Verfahren zur Bestimmung der mechanischen Eigenschaften des respiratorischen Systems eines Patienten und Vorrichtung zur Durchführung des Verfahrens | |
| DE102004039711B3 (de) | Verfahren zur automatischen Aufnahme von Druck-Volumen-Kurven bei der künstlichen Beatmung und Vorrichtung zur Durchführung des Verfahrens | |
| DE60037636T2 (de) | Verfahren zur Beurteilung von pulmonarem Stress und eine Atmungsvorrichtung | |
| DE69832895T2 (de) | Methode und vorrichtung zur unauffälligen erhaltung von on-line messungen eines parameters einer prozesssteuervorichtung | |
| DE69636501T2 (de) | Einrichtung zur messung von mindestens zwei pneumatischen lungenparametern und messverfahren dazu | |
| DE10217762C1 (de) | Verfahren und Vorrichtung zur Steuerung der Atemgasversorgung | |
| DE19522494C2 (de) | Verfahren zum Walzen eines Metallbandes | |
| DE4004034A1 (de) | Anaesthesiebeatmungsgeraet mit atemkreislauf und regelkreisen fuer anaesthesiegasbestandteile | |
| DE102019202514A1 (de) | Verfahren zur digitalen Subtraktionsangiographie, Röntgeneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger | |
| DE19829018A1 (de) | Verfahren zur Narkotisierung und Narkosesystem | |
| EP0291553A1 (de) | Verfahren zur Regelung einer Differential-Dosierwaage, insbesondere für Schüttgüter, und Differential-Dosierwaage zur Durchführung des Verfahrens | |
| EP2915926A2 (de) | Verfahren zur Bestimmung der Systemkennlinie eines Verteilernetzes | |
| EP0579794B1 (de) | Verfahren und vorrichtung zum beurteilen der funktionsfähigkeit einer lambdaregelung | |
| DE10118475B4 (de) | Steuerungseinrichtung zur Vorgabe eines Atemgasdruckes | |
| EP0263816A1 (de) | Einrichtung zur erfassung der muskelkraft | |
| DE68920076T2 (de) | Gerät für die Spontanbeatmung mit variabler Atmungshilfe. | |
| EP2165726A2 (de) | Verfahren und Einrichtung zur automatischen Ermittlung eines Beatmungsvolumens bei der maschinellen Beatmung, unter Berücksichtigung von Leckagen | |
| EP1342138A1 (de) | Verfahren und vorrichtung zur berechnung von prozessgrössen eines industriellen prozesses | |
| DE19624301B4 (de) | Lernverfahren für ein neuronales Netz | |
| DE102007026036B3 (de) | Verfahren zum Betreiben einer Beatmungs- und/oder Anästesievorrichtung und entsprechend betriebene Vorrichtung | |
| DE19527521C1 (de) | Lernverfahren für ein neuronales Netz | |
| DE102022203386B4 (de) | Regelverfahren, Regelsystem, Kraftfahrzeug, Computerprogrammprodukt und computerlesbares Medium | |
| DE2531242A1 (de) | Verfahren und vorrichtung fuer die erkennung und vorhersage eines gefahrenzustandes, insbesondere bei krankenueberwachung auf intensivstationen | |
| EP1542102A1 (de) | Verfahren und Vorrichtung zur suboptimalen Regelung mittels einer Suchstrategie und Verfahren und Vorrichtung zur Gaszerlegung, insbesondere zur Tieftemperatur-Luftzerlegung | |
| DE4323432A1 (de) | Lernalgorithmus für neuronale Netzwerke sowie damit arbeitender Stromsystemspannungs- und Blindleistungsregler |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| OP8 | Request for examination as to paragraph 44 patent law | ||
| 8125 | Change of the main classification |
Ipc: A61M 21/00 |
|
| 8139 | Disposal/non-payment of the annual fee | ||
| 8170 | Reinstatement of the former position | ||
| 8327 | Change in the person/name/address of the patent owner |
Owner name: SIEMENS AG, 80333 MUENCHEN, DE |
|
| 8381 | Inventor (new situation) |
Inventor name: LENDL, MARKUS, 91242 OTTENSOOS, DE Inventor name: ROMEISER, HANS-JOACHIM, 91052 ERLANGEN, DE |
|
| 8364 | No opposition during term of opposition | ||
| 8320 | Willingness to grant licences declared (paragraph 23) | ||
| R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |
Effective date: 20140101 |