WO2020203015A1 - 重症化推定システム - Google Patents

重症化推定システム Download PDF

Info

Publication number
WO2020203015A1
WO2020203015A1 PCT/JP2020/009424 JP2020009424W WO2020203015A1 WO 2020203015 A1 WO2020203015 A1 WO 2020203015A1 JP 2020009424 W JP2020009424 W JP 2020009424W WO 2020203015 A1 WO2020203015 A1 WO 2020203015A1
Authority
WO
WIPO (PCT)
Prior art keywords
patient
image data
analysis
bed
analysis target
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.)
Ceased
Application number
PCT/JP2020/009424
Other languages
English (en)
French (fr)
Inventor
俊介 高木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yokohama City University
Original Assignee
Yokohama City University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yokohama City University filed Critical Yokohama City University
Priority to JP2021511286A priority Critical patent/JP7560127B2/ja
Priority to US17/599,140 priority patent/US20220172850A1/en
Priority to EP20783253.6A priority patent/EP3949832A4/en
Publication of WO2020203015A1 publication Critical patent/WO2020203015A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus, e.g. for MRI, optical tomography or impedance tomography apparatus; Arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1114—Tracking parts of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1115—Monitoring leaving of a patient support, e.g. a bed or a wheelchair

Definitions

  • the present invention relates to a severity estimation system.
  • Patent Document 1 Patent Document 1 below. reference
  • a two-dimensional model in which two variables (first variable and second variable) based on patient information correspond to each of the vertical axis and the horizontal axis is generated, and from the patient information acquired sequentially.
  • the first variable and the second variable are derived and plotted on the static scoring model, and the time point when the first variable and the second variable are plotted in a specific area of the static scoring model is estimated as the timing when the patient becomes severe.
  • Patent Document 1 describes scores based on modified early warning scores (MEWS) derived using patient information of five items: heart rate, systolic blood pressure, respiratory rate, oxygen saturation, and body temperature. A form in which the invention according to Patent Document 1 is realized by ringing is disclosed in the same document.
  • MEWS modified early warning scores
  • Patent Document 1 still leaves room for improvement in that the two items of oxygen administration and consciousness are not sufficiently considered in estimating the aggravation of a patient.
  • the present invention has been made in view of the above problems, and provides a severity estimation system for estimating the severity of a patient with high accuracy.
  • the present invention is a severity estimation system that estimates the severity of the patient by scoring a plurality of types of indexes based on the patient information acquired over time for the patient, and determines the bed of the patient.
  • the first analysis target is an image acquisition means for acquiring the bed image data obtained by photographing the imaging area including the imaging area over time as the patient information, and the patient or the body part of the patient photographed in the acquired bed image data. It is included in the plurality of types of indexes based on the image analysis means for analyzing the operation of the first analysis target by the image analysis processing on the plurality of the bed image data and the analyzed operation of the first analysis target.
  • a severity estimation system is provided that comprises a severity estimation means for scoring at least one of oxygen administration or consciousness to estimate the severity of the patient.
  • a score of oxygen administration or consciousness which is an index of an early warning score, which has not been sufficiently considered in the conventional invention, can be scored by computer processing, and the aggravation of the patient is made based on the score. presume. Therefore, the present invention can improve the estimation accuracy of the aggravation estimation using the early warning score, and can reduce the work cost of the medical staff incurred when the aggravation estimation is performed.
  • a severity estimation system for estimating the severity of a patient with high accuracy.
  • (A) is a diagram showing the number of pixels determined to be the foreground region by background subtraction
  • (b) is a diagram specifying a change portion of the number of pixels that can be determined as the movement of the patient's arm or the nurse.
  • FIG. 1 is a block diagram of the severity estimation system 100.
  • the aggravation estimation system 100 can estimate the aggravation of a patient by scoring a plurality of types of indicators based on the patient information acquired over time for the patient.
  • the severity estimation system 100 includes a computer terminal 10, a measuring instrument 20, a camera 30, a database 40, and an alarm device 50.
  • FIG. 2 is a diagram schematically showing an installation state of the camera 30.
  • the camera 30 is arranged so that the bed BE of the patient PA is at least within the imaging range (within the angle of view), and the imaging area including the bed BE is photographed over time.
  • the cameras 30 are shown as if they were one in FIGS. 1 and 2, the number of cameras 30 installed in one bed BE may be a plurality, and in particular, the number thereof. Is not restricted.
  • the image data (hereinafter, referred to as bed image data) including the bed BE photographed by the camera 30 in the imaging area is stored in the database 40.
  • the measuring instrument 20 measures the biological information (vital signs) of the patient PA over time.
  • the biological information of the patient PA corresponds to, for example, body temperature, heart rate, respiratory rate, oxygen saturation, blood pressure (which may be systolic blood pressure, diastolic blood pressure, or mean blood pressure) or the like.
  • FIG. 1 shows the number of measuring instruments 20 as if they were one, the number of measuring instruments 20 installed for one patient PA may be a plurality, and the number thereof is particularly large. Not limited.
  • the biological information measured by the measuring instrument 20 is stored in the database 40.
  • Database 40 stores patient information acquired over time for patient PA.
  • the database 40 may be a dedicated database provided for the purpose of introducing the present invention, or may be a general database provided for a system (for example, an electronic medical record system) introduced separately from the present invention. It may be a database.
  • the patient information stored in the database 40 includes information related to the patient's personal attributes (for example, patient name, gender, age, disease name, patient identification number). Etc.) may be included.
  • the computer terminal 10 is a device for estimating the severity of the patient PA, and can perform the following processing.
  • the computer terminal 10 derives a variable related to the shock index and a variable related to the early warning score (NEWS) based on the past patient information related to the patient PA accumulated in the database 40, and one variable is set as the horizontal axis and the other is set as the horizontal axis.
  • NEWS early warning score
  • the computer terminal 10 acquires patient information regarding the patient PA for each unit time, and sequentially plots it on the above two-dimensional model based on the acquired patient information.
  • the patient PA became severe at least a part of the time when the plot was performed in the specific region (for example, the terminal zone TZ described later) set for the above two-dimensional model. Estimate as timing.
  • the above shock index is obtained by dividing the heart rate by the systolic blood pressure, and the above early warning score is obtained by the following method.
  • FIG. 3 is a conceptual diagram regarding scoring of the early warning score.
  • the early warning score is obtained by scoring each item of respiratory rate, oxygen saturation, oxygen administration, body temperature, systolic blood pressure, heart rate, and consciousness for each unit time, and adding up the scores.
  • the respiratory rate 3 points for 8 times or less, 1 point for 9 to 11 times, 0 points for 12 to 20 times, 2 points for 21 to 24 times, 25 times or more. If 3 points, score.
  • score 3 points if it is 91% or less, 2 points if it is 92% or more and 93% or less, 1 point if it is 94% or more and 95% or less, and 0 point if it is 96% or more.
  • 0 points are scored for clear consciousness (Alert)
  • 3 points are scored for other states (Voice, Pain, Unresponsive). Since it is derived as described above, the early warning score is obtained as an integer of 0 (zero) or more.
  • FIG. 4 is a diagram showing a specific example of the display screen of the computer terminal 10. As shown in FIG. 4, the display screen of the computer terminal 10 can be roughly divided into four parts. In FIG. 4, these four parts are shown surrounded by broken lines. Note that these broken lines are not actually displayed.
  • the patient attribute display unit DR1 located at the uppermost stage is an area for displaying information related to the personal attributes of the patient PA.
  • the patient identification number, name, age at admission, gender, department transferred, admission classification number or surgery classification number, length of stay, and diagnosed disease name are displayed on the patient attribute display unit DR1. Will be done. It should be noted that a plurality of diagnosed disease names can be displayed, and although two types are displayed in FIG. 4, the number can be changed as appropriate.
  • the index transition display unit DR2 located on the right side of the middle row is an area for displaying the temporal change of the early warning score and the shock index.
  • the vertical axis is the early warning score or the shock index
  • the horizontal axis is the time.
  • the transition of the early warning score and the shock index is shown by the solid line
  • the transition of the value with + 1 ⁇ on each is shown by the alternate long and short dash line
  • the transition of the value with -1 ⁇ on each is indicated by the alternate long and short dash line.
  • ⁇ is the standard deviation of the early warning score or shock index.
  • the model display unit DR3 located on the left side of the middle row is an area for displaying the above-mentioned two-dimensional model.
  • the two-dimensional model in the present embodiment is divided into three regions: a state stable zone NZ, a caution zone WZ, and a terminal zone TZ.
  • the state stabilization zone NZ is the region indicating that the condition of the patient PA is the most stable
  • the terminal zone TZ is the region indicating that the condition of the patient PA is the most dangerous condition.
  • the computer terminal 10 estimates the time of plotting to the terminal zone TZ as the timing when the subject becomes severe. That is, the terminal zone TZ corresponds to the above-mentioned specific region.
  • the time zone display unit DR4 located at the bottom is an area for displaying which part of the total time the time zone displayed on the index transition display unit DR2 at that time corresponds to. More specifically, it corresponds to the time zone in which the selected area SR (shaded portion in the time zone display unit DR4) is displayed on the index transition display unit DR2 in the total time.
  • the alarm device 50 of the patient PA Issue an alarm to inform healthcare professionals of the severity.
  • the respiratory rate, oxygen saturation, body temperature, systolic blood pressure, and heart rate are indexes that can be measured by the measuring instrument 20. Therefore, the computer terminal 10 can perform scoring using the measured value of the measuring instrument 20. On the other hand, since the oxygen administration and the consciousness state related to the early warning score are indexes that cannot be measured by the measuring instrument 20, the computer terminal 10 executes the following processing.
  • ⁇ About scoring oxygen administration For scoring of oxygen administration, the computer terminal 10 executes an image analysis process on the bed image data of the patient PA stored in the database 40, and whether the patient PA is being administered oxygen (to the patient PA). Whether the attached oxygen mask has been removed) is determined.
  • the background subtraction is a comparison between the original image B as the background and the target image I including the background area with the object to be detected (here, the arm of the patient PA) as the foreground area. It is a method of extracting an object to be detected that does not exist.
  • the pixel value B (p) of the original image B and the pixel value I (p) of the target image I are compared to perform background subtraction.
  • the luminance value is the pixel value.
  • the computer terminal 10 determines the region in which the pixel value difference Diff (B (p), I (p)) is equal to or less than the threshold value ⁇ as the background area, and determines that the pixel value difference Diff (B (p), I (p)) is the background area.
  • the region where I (p)) is equal to or greater than the threshold value ⁇ is determined to be the foreground region.
  • FIG. 5A is a diagram showing the number of pixels determined to be the foreground region by background subtraction.
  • the number of pixels shown by the broken line is the number of pixels in the foreground region recognized as the arm of the patient PA
  • the number of pixels shown by the solid line is the number of pixels in the foreground region recognized as the nurse NU.
  • FIG. 5 (b) is a diagram for identifying a portion of change in the number of pixels that can be determined as the movement of the patient PA's arm or the nurse NU in FIG. 5 (a).
  • the portion surrounded by the alternate long and short dash line B1 to the alternate long and short dash line B4 is the portion where the number of specified pixels changes.
  • the portion surrounded by the alternate long and short dash line B1 has a large change in the number of pixels in both the foreground region recognized as the arm of the patient PA and the foreground region recognized as the nurse NU. That is, it is presumed that both the nurse NU and the patient PA's arms are moving significantly during the time period when the bed image data that was the basis of the analysis of this part was taken.
  • FIG. 6 is a diagram showing actual bed image data in the time zone included in the alternate long and short dash line B1. It should be noted that the time series were taken in the order of FIGS. 6 (a) and 6 (b).
  • a part of the area where the nurse NU is photographed is outlined, which indicates an area determined as a foreground area in which the change in the number of pixels is large.
  • the white circles shown in FIG. 6 represent the center of gravity of the above-mentioned white area (hereinafter referred to as the center of gravity NUC).
  • both the patient PA's right arm and the nurse NU are moving (the position is moving over time) during the time period included in the alternate long and short dash line B1.
  • the bed image data shown in FIG. 6 is actually a photograph of a situation in which a nurse NU is looking around the patient PA. As is clear from FIG. 6, the patient PA remains wearing the oxygen mask. Therefore, even if a change in the number of pixels such as the time zone included in the alternate long and short dash line B1 is detected, the computer terminal 10 may set the oxygen administration score to 2 points corresponding to "with oxygen administration".
  • FIG. 7 is a diagram showing actual bed image data in the time zone included in the alternate long and short dash line B1.
  • a time series it was taken in the order of FIG. 7 (a), FIG. 7 (b), and FIG. 7 (c).
  • FIG. 7 a part of the area where the right arm of the patient PA is photographed is painted black, which indicates the area determined as the foreground area where the change in the number of pixels is large.
  • the black circle shown in FIG. 7 represents the center of gravity (hereinafter, referred to as the center of gravity ARC) of the black-painted region.
  • the center of gravity ARC center of gravity
  • the bed image data shown in FIG. 7 is actually a photograph of the action of the patient PA's right hand touching the oxygen mask. Such an act may remove the oxygen mask. Therefore, when a change in the number of pixels such as the time zone included in the alternate long and short dash line B2 is detected, the computer terminal 10 may set the oxygen administration score to 0 point corresponding to "no oxygen administration".
  • the above estimation can be said to be correct because the patient PA photographed in the bed image data during the relevant time period is still wearing the oxygen mask and the nurse NU is not photographed. .. Therefore, when a change in the number of pixels such as the time zone included in the alternate long and short dash line B3 is detected, the computer terminal 10 may set the oxygen administration score to 2 points corresponding to "with oxygen administration".
  • the computer terminal 10 may set the oxygen administration score to 2 points corresponding to "with oxygen administration".
  • the image analysis process performed for scoring oxygen administration is an example of the implementation of the present invention, and is appropriately changed within the range of achieving the object of the present invention (for example, the presence or absence of an oxygen mask is directly detected). (For example, how to do it).
  • the image analysis process is a convolutional neural network that uses an image taken as teacher data of a method used for machine learning (for example, after the patient moves his / her hand to the vicinity of the face and then removes the oxygen mask). Etc.) may be applied.
  • the computer terminal 10 may set the oxygen administration score to 2 points corresponding to "with oxygen administration”. Further, when the large movement of the arm of the patient PA and the fact that the oxygen mask has come off are extracted, the computer terminal 10 may set the oxygen administration score to 0 point corresponding to "no oxygen administration”. That is, the oxygen administration score does not change only by the movement of the arm of the patient PA, and the presence or absence of wearing the oxygen mask may be reflected in the oxygen administration score.
  • the computer terminal 10 executes an image analysis process on the bed image data of the patient PA stored in the database 40, and determines whether or not the eyes of the patient PA are open. To do. Specifically, the computer terminal 10 first recognizes the face region of the patient PA, recognizes the eye region of the patient PA from the recognized face regions, and determines whether the eyes are open or closed.
  • the computer terminal 10 may set the score of the state of consciousness to 0 points corresponding to "Alert". However, even if the eyes of the patient PA are open, the consciousness of the patient PA may be clouded. Therefore, the computer terminal 10 performs image analysis to extract the movements of the pupil and the iris from the eye region of the patient PA. The score of the state of consciousness may be determined by further processing and adding the movements of the extracted pupils and irises.
  • the computer terminal 10 extracts the movement of the patient PA and the movement of the medical staff in the area around the bed by the image analysis process using the above-mentioned background subtraction, and scores the consciousness state by adding the extracted movement. You may do.
  • the image analysis process performed for scoring the state of consciousness described above is an example of the implementation of the present invention, and may be appropriately changed within the range of achieving the object of the present invention. Further, the image analysis process may apply a method used for machine learning (for example, a convolutional neural network using an image taken by a patient as teacher data).
  • a method used for machine learning for example, a convolutional neural network using an image taken by a patient as teacher data.
  • Percision is the percentage of the data predicted to be positive that is actually positive.
  • Recall is the percentage of what is actually positive that is predicted to be positive.
  • F-mesure is a harmonic mean of Percion and Recall, and can be calculated by the following formula.
  • the alarm device 50 receives the patient PA when the early warning score (the total value of the scores related to each index) exceeds a preset threshold value (a value at which the severity of the patient PA is estimated). It issues an alarm to inform medical staff of the aggravation of the disease. That is, in principle, the alarm device 50 outputs an alarm when the early warning score becomes high.
  • the score is higher when the score is high (when it is 2 points). Is not necessarily more dangerous than low (when 0 points). For example, when the patient PA is instructed to administer oxygen by a doctor and the fact that the oxygen mask worn by the patient PA is removed is analyzed by image analysis processing, it is not a desirable situation. The oxygen administration score drops from 2 points to 0 points.
  • the alarm device 50 Since the early warning score scores not only oxygen administration but also oxygen saturation, even if the oxygen mask worn by the patient PA is removed, the fluctuation of oxygen saturation is used as the score. Consistency is ensured by reflecting it. Therefore, the effectiveness of the alarm output based on the early warning score is not impaired. However, when it is analyzed that a situation that is not always desirable as described above has occurred, the alarm device 50 outputs an alarm for the purpose of encouraging the medical staff to wear the oxygen mask on the patient PA. It is also useful to do. On the premise of this purpose, when a medical worker (for example, a nurse NU) is photographed in the bed image data used for the image analysis processing, it is not necessary to output an alarm, so the alarm device 50 outputs an alarm. It does not have to be.
  • the mode of the alarm output by the alarm device 50 is not particularly limited, but the alarm based on the early warning score and the alarm based on the removal of the oxygen mask have different meanings, so that they are output in different modes so as to be distinguishable. Is preferable. For example, alerts based on the early warning score are recognizable in a relatively large area (eg, notified to the doctor's mobile phone in addition to the nurse station), and alerts based on the removal of the oxygen mask are relatively It may be recognizable output in a small area (for example, only the nurse station is notified). Alternatively, the alarm based on the early warning score and the alarm based on the removal of the oxygen mask may be distinguished by the difference in the volume of the alarm output by voice and the display mode of the alarm output by display.
  • the computer terminal 10 acquires the bed image data obtained by photographing the imaging area including the bed BE of the patient PA over time as patient information from the database 40.
  • the computer terminal 10 targets the patient PA or the body part of the patient PA (for example, the arm of the patient PA) captured in the acquired bed image data as the first analysis target, and performs image analysis processing on the plurality of bed image data. (1) Analyze the operation of the analysis target.
  • the computer terminal 10 has described above that the analysis result related to the first analysis target is used for scoring both oxygen administration and consciousness among the indexes related to the early warning score, but if it is used for at least one scoring. It is sufficient to carry out the present invention.
  • the computer terminal 10 estimates the severity of the patient PA by scoring at least one of the oxygen administration or the consciousness state included in the plurality of types of indexes based on the analyzed movement of the first analysis target.
  • the computer terminal 10 realizes the image acquisition means, the image analysis means, and the severity estimation means according to the present invention. Since the severity estimation system 100 according to the present invention has the above-described configuration, the oxygen administration or consciousness score, which is an index of the early warning score, which has not been sufficiently considered in the conventional invention, is processed by computer. It can be scored and the severity of patient PA is estimated based on the score. Therefore, the severity estimation system 100 according to the present invention can improve the estimation accuracy of the severity estimation using the early warning score, and the work cost of the medical staff incurred when estimating the severity. Can be reduced.
  • the computer terminal 10 extracts at least one of the face of the patient PA or the oxygen administration device (oxygen mask) attached to the patient PA based on the image analysis processing for the plurality of bed image data, and the extracted patient. It can be said that the behavior of the first analysis target for the face or oxygen administration device of PA is analyzed, and the oxygen administration is scored based on the analysis result regarding the behavior of the first analysis target for the face or oxygen administration device of the patient PA. As a result, the score of oxygen administration can be scored more realistically, and the accuracy of estimating the severity of patient PA by the computer terminal 10 can be improved.
  • the computer terminal 10 targets the eyes of the patient PA photographed in the acquired bed image data as the second analysis target, and analyzes the second analysis target by image analysis processing on the plurality of bed image data to open the eyes of the patient PA. Analyze (whether or not the eyes are open).
  • the computer terminal 10 scores the state of consciousness based on the analyzed state of opening the eyes of the patient PA.
  • the severity estimation system 100 according to the present invention has the above-described configuration, the score of the consciousness state, which is an index of the early warning score, can be scored by computer processing. Therefore, the severity estimation system 100 according to the present invention can improve the accuracy of the severity estimation by reflecting the score of the consciousness state, and the work of the medical staff that has occurred when scoring it. The cost can be reduced.
  • the alarm device 50 can output the following two patterns of alarms. (1) The alarm device 50 outputs an alarm when the total value of the scores related to the plurality of types of indexes included in the early warning score becomes higher than a predetermined value. (2) The alarm device 50 sets the score related to oxygen administration from the first value (2 points) to a second value lower than the first value based on the movement of the analyzed first analysis target (for example, patient PA). When the value (0 point) is changed, an alarm is output. Therefore, the alarm device 50 can realize the first alarm output means and the second alarm output means according to the present invention.
  • the computer terminal 10 sets the medical worker or the body part of the medical worker photographed in the acquired bed image data as a third analysis target (for example, a nurse NU), and performs image analysis on a plurality of bed image data. It can be said that the operation of the third analysis target is analyzed by processing. Then, the score related to oxygen administration changed from the first value (2 points) to the second value (0 points) based on the movement of the first analysis target (for example, patient PA) analyzed from the bed image data. Even in this case, it can be said that the alarm device 50 limits the output of the alarm when the operation of the third analysis target is analyzed from the bed image data. As a result, even when the patient PA who is instructed to administer oxygen by the doctor removes the oxygen mask by himself / herself, it is possible to appropriately encourage the medical staff to wear the oxygen mask on the patient PA.
  • a third analysis target for example, a nurse NU
  • the image acquisition means, the image analysis means, the severity estimation means, and the oxygen saturation acquisition means are realized by a single computer terminal 10, but each configuration is divided into a plurality of devices. It may be realized.
  • the first analysis target according to the present invention is the body part of the patient (patient's arm) and the third analysis target is the nurse itself as the target of the image analysis processing by the computer terminal 10.
  • the practice of the present invention is not limited to this.
  • the first analysis target may be the patient itself, and the third analysis target may be a medical worker other than a nurse or a body part thereof.
  • the second analysis target according to the present invention is the patient's eye as the target of the image analysis processing by the computer terminal 10, but this explanation denies that the patient's eye is analyzed as the first analysis target. It is permissible that the subject of the first analysis is the patient's eye in the practice of the present invention.
  • the oxygen administration device to be worn by the patient for oxygen administration is an oxygen mask
  • Oxygen administration may be scored by determining the attachment / detachment of the oxygen mask) or the like by image analysis processing.
  • the nasal canelé or mask with reservoir bag can be treated as a type of oxygen administration device.
  • the target of the analysis process by the computer terminal 10 mentioned in the above embodiment is an example, and the analysis process may be performed on another element not illustrated.
  • other elements (results of image analysis of characters raised by medical personnel, etc.) captured in the bed image data may be used in the analysis process, or audio data recorded in synchronization with the bed image data may be used. It may be used for the analysis process, or the measurement data measured by the measuring instrument 20 or other data stored in the database 40 may be used for the analysis process.
  • An aggravation estimation system that estimates the aggravation of the patient by scoring a plurality of types of indicators based on the patient information acquired over time for the patient, and is an imaging area including the bed of the patient.
  • the first analysis target is an image acquisition means for acquiring the bed image data obtained over time as the patient information, and the patient or the body part of the patient photographed in the acquired bed image data.
  • a severity estimation system comprising a severity estimation means for scoring at least one of the consciousness states and estimating the severity of the patient.
  • the image analysis means extracts at least one of the patient's face or the oxygen administration device attached to the patient based on the image analysis processing on the plurality of bed image data, and the extracted patient.
  • the motion of the first analysis target with respect to the face or the oxygen administration device is analyzed, and the aggravation estimation means oxygen based on the analysis result regarding the motion of the first analysis target with respect to the patient's face or the oxygen administration device.
  • the aggravation estimation system according to (1), which scores the administration.
  • the image analysis means targets the patient's eyes as a second analysis target from among the subjects captured in the acquired bed image data, and performs the second analysis process on the plurality of the bed image data.
  • the patient's eye-opening state is analyzed by analyzing the analysis target, and the aggravation estimation means scores the consciousness state based on the analyzed analysis result regarding the patient's eye-opening state, (1) or (2).
  • Severity estimation system When the total value of the scores related to the plurality of types of indexes becomes higher than a predetermined value, the operation of the first alarm output means for outputting an alarm and the operation of the first analysis target analyzed by the image analysis means. Based on the above, the second alarm output means for outputting an alarm when the severity estimation means changes the score related to oxygen administration from the first value to the second value lower than the first value.
  • the severity estimation system according to any one of (1) to (3).
  • the image analysis means targets a medical worker or a body part of the medical worker photographed in the acquired bed image data as a third analysis target, and performs image analysis processing on a plurality of the bed image data.
  • the third analysis target is analyzed and the score related to oxygen administration changes from the first value to the second value based on the movement of the first analysis target analyzed from the bed image data.
  • the second alarm output means limits the output of the alarm, the severity estimation system according to (4). ..
  • Severity estimation system 10 Computer terminal 20 Measuring instrument 30 Camera 40 Database 50 Alarm device BE Bed NU Nurse PA Patient

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physiology (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ophthalmology & Optometry (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

患者の重症化を高精度に推定する重症化推定システムを提供する。重症化推定システムは、患者の病床を含む撮影領域を経時的に撮影した病床画像データを取得し、取得した病床画像データに撮影されている患者又は患者の身体部位の動作を解析し、解析された動作に基づいて、早期警告スコアの指標に含まれる酸素投与又は意識状態の少なくとも一方についてスコアリングして患者の重症化を推定する。

Description

重症化推定システム
　本発明は、重症化推定システムに関する。
　近年、医療分野において、或る患者から計測された生体情報をその患者の治療や診断等に活用するだけではなく、他の患者の治療や診断等にも活用するための研究・開発が行われている。
　この種の技術として、本発明者は、患者に関する種々の情報に基づいて、その患者の重症化を高精度に推定する装置等を発明し、既に特許出願している（以下の特許文献１を参照）。
　特許文献１に係る発明は、患者情報に基づく２つの変数（第１変数及び第２変数）が縦軸及び横軸のそれぞれに対応している二次元モデルを生成し、順次取得した患者情報から第１変数と第２変数を導出して静的スコアリングモデルにプロットし、静的スコアリングモデルの特定領域にプロットされた時点を、患者が重症化したタイミングとして推定するものである。
特開２０１９－１７９９８号公報
　特許文献１には、心拍数、収縮期血圧、呼吸数、酸素飽和度及び体温の５項目の患者情報を用いて導出される修正型早期警告スコア（modified early warning scores：ＭＥＷＳ）に基づいてスコアリングすることによって、特許文献１に係る発明を実現した形態が同文献に開示されている。
　一方、英国標準の早期警告スコア（National Early Warning Score：ＮＥＷＳ）が広く知られており、この早期警告スコアでは、上記の５項目に加えて酸素投与及び意識状態の２項目が考慮される。
　特許文献１に係る発明は、患者の重症化の推定について、酸素投与及び意識状態の２項目が十分に考慮されていない点において未だ改善の余地を残していた。
　本発明は、上記の課題に鑑みなされたものであり、患者の重症化を高精度に推定する重症化推定システムを提供するものである。
　本発明によれば、患者について経時的に取得される患者情報に基づいて、複数種類の指標についてスコアリングして前記患者の重症化を推定する重症化推定システムであって、前記患者の病床を含む撮影領域を経時的に撮影した病床画像データを、前記患者情報として取得する画像取得手段と、取得された前記病床画像データに撮影されている前記患者又は前記患者の身体部位を第一解析対象とし、複数の前記病床画像データに対する画像解析処理によって前記第一解析対象の動作を解析する画像解析手段と、解析された前記第一解析対象の動作に基づいて、前記複数種類の指標に含まれる酸素投与又は意識状態の少なくとも一方についてスコアリングして前記患者の重症化を推定する重症化推定手段と、を備える重症化推定システムが提供される。
　本発明は、従来の発明では十分に考慮されていなかった早期警告スコアの指標である酸素投与又は意識状態のスコアをコンピュータ処理によってスコアリングすることができ、そのスコアに基づいて患者の重症化を推定する。従って、本発明は、早期警告スコアを用いた重症化推定について推測精度の向上を図ることができると共に、重症化推測をする際に生じていた医療従事者の作業コストを軽減することができる。
　本発明によれば、患者の重症化を高精度に推定する重症化推定システムが提供される。
重症化推定システムの構成図である。 カメラの設置状況を模式的に示す図である。 早期警告スコアのスコアリングに関する概念図である。 コンピュータ端末の表示画面の一具体例を示す図である。 （ａ）は、背景差分によって前景領域と判定されたピクセル数を示す図であり、（ｂ）は、患者の腕又は看護師の動作として判断できるピクセル数の変化部分を特定する図である。 一点鎖線に含まれる時間帯における実際の病床画像データを示す図である。 一点鎖線に含まれる時間帯における実際の病床画像データを示す図である。
　以下、本発明の実施形態について、図面を用いて説明する。なお、すべての図面において、同様の構成要素には同一の符号を付し、適宜に説明を省略する。
＜本発明に係る重症化推定システム１００について＞
　まず、本発明に係る重症化推定システム１００について説明する。
　図１は、重症化推定システム１００の構成図である。
　重症化推定システム１００は、患者について経時的に取得される患者情報に基づいて、複数種類の指標についてスコアリングして患者の重症化を推定することができる。
　重症化推定システム１００は、図１に示すように、コンピュータ端末１０と、計測器２０と、カメラ３０と、データベース４０と、警報装置５０と、を含む。
　図２は、カメラ３０の設置状況を模式的に示す図である。
　図２に示すように、カメラ３０は、撮影範囲（画角内）に患者ＰＡの病床ＢＥが少なくとも収まるように配置されており、病床ＢＥを含む撮影領域を経時的に撮影する。なお、図１や図２ではカメラ３０が一つであるかのように図示しているが、一つの病床ＢＥに対して設置されるカメラ３０の数は複数であってもよく、特にその数は制限されない。
　カメラ３０が撮影した病床ＢＥを撮影領域に含む画像データ（以下、病床画像データと称する）は、データベース４０に格納される。
　計測器２０は、患者ＰＡの生体情報（バイタルサイン）を経時的に計測する。ここで患者ＰＡの生体情報には、例えば、体温、心拍数、呼吸数、酸素飽和度、血圧（収縮期血圧、拡張期血圧、平均血圧のいずれであってもよい）等が該当する。なお、図１では計測器２０が一つであるかのように図示しているが、一人の患者ＰＡに対して設置される計測器２０の数は複数であってもよく、特にその数は制限されない。
　計測器２０が計測した生体情報は、データベース４０に格納される。
　データベース４０は、患者ＰＡについて経時的に取得された患者情報を蓄積している。データベース４０は、本発明の導入を目的として設けられた専用のデータベースであってもよいし、本発明とは別に導入されているシステム（例えば、電子カルテシステム）のために設けられた一般的なデータベースであってもよい。
　データベース４０に蓄積されている患者情報には、上記の病床画像データ及び生体情報の他に、患者の個人的属性に係る情報（例えば、患者の氏名、性別、年齢、疾患名、患者の識別番号等）が含まれてもよい。
　コンピュータ端末１０は、患者ＰＡの重症化を推定する装置であり、以下の処理を実行することができる。
　先ず、コンピュータ端末１０は、データベース４０に蓄積されている患者ＰＡに係る過去の患者情報に基づいてショックインデックスに関する変数と早期警告スコア（ＮＥＷＳ）に関する変数を導出し、一方の変数を横軸とし他方の変数を縦軸とする二次元モデルを生成する。
　次に、コンピュータ端末１０は、患者ＰＡに関する患者情報を単位時間ごとに取得し、取得した患者情報に基づいて上記の二次元モデルに順次プロットしていく。
　更に、コンピュータ端末１０は、上記の二次元モデルに対して設定されている特定領域（例えば、後述する末期ゾーンＴＺ）にプロットが行われた時点のうち少なくとも一部を、患者ＰＡが重症化したタイミングとして推定する。
　なお、上記のショックインデックスは心拍数を収縮期血圧で除して求められるものであり、上記の早期警告スコアは以下の方法で求められるものである。
　図３は、早期警告スコアのスコアリングに関する概念図である。
　早期警告スコアは、呼吸数、酸素飽和度、酸素投与、体温、収縮期血圧、心拍数、及び意識状態の各項目を、単位時間ごとにスコアリングし、各スコアを合算することによって求められる。
　呼吸数については、８回以下ならば３ポイント、９回以上１１回以下ならば１ポイント、１２回以上２０回以下ならば０ポイント、２１回以上２４回以下ならば２ポイント、２５回以上ならば３ポイント、をスコアリングする。
　酸素飽和度については、９１％以下ならば３ポイント、９２％以上９３％以下ならば２ポイント、９４％以上９５％以下ならば１ポイント、９６％以上ならば０ポイント、をスコアリングする。
　酸素投与については、酸素投与ありならば２ポイント、酸素投与なしならば０ポイント、をスコアリングする。
　体温については、３５．０℃以下ならば３ポイント、３５．１℃以上３６．０℃以下ならば１ポイント、３６．１℃以上３８．０℃以下ならば０ポイント、３８．１℃以上３９．０℃以下ならば１ポイント、３９．１℃以上ならば２ポイント、をスコアリングする。
　収縮期血圧については、９０以下ならば３ポイント、９１以上１００以下ならば２ポイント、１０１以上１１０以下ならば１ポイント、１１１以上２１９以下ならば０ポイント、２２０以上ならば３ポイント、をスコアリングする。
　心拍数については、４０回以下ならば３ポイント、４１回以上５０回以下ならば１ポイント、５１回以上９０回以下ならば０ポイント、９１回以上１１０回以下ならば１ポイント、１１１回以上１３０回以下ならば２ポイント、１３１回以上ならば３ポイント、をスコアリングする。
　意識状態については、意識清明（Ａｌｅｒｔ）ならば０ポイント、その他の状態（Ｖｏｉｃｅ、Ｐａｉｎ、Ｕｎｒｅｓｐｏｎｓｉｖｅ）ならば３ポイント、をスコアリングする。
　上記のように導出されるため、早期警告スコアは０（零）以上の整数として求められる。
　図４は、コンピュータ端末１０の表示画面の一具体例を示す図である。
　図４に示すように、コンピュータ端末１０の表示画面は、主に四つの部分に大別することができる。図４において、これらの四つの部分を破線で囲って示す。なお、これらの破線は実際に表示されるものではない。
　最上段に位置する患者属性表示部ＤＲ１は、患者ＰＡの個人的属性に係る情報を表示する領域である。本実施形態においては、患者の識別番号、氏名、入室時年齢、性別、転入した診療科、入室分類番号又は手術分類番号、滞在日数、及び診断された疾患名が、患者属性表示部ＤＲ１に表示される。
　なお、診断された疾患名は、複数表示することが可能に構成されており、図４においては二種類が表示されている状態を図示しているが、その数は適宜変更可能である。
　中段右側に位置する指標推移表示部ＤＲ２は、早期警告スコア及びショックインデックスの時間的変化を表示する領域である。本実施形態における指標推移表示部ＤＲ２の表示は、縦軸が早期警告スコア又はショックインデックスであり、横軸が時間である。早期警告スコア及びショックインデックスの推移は実線で示し、各々に＋１σを載せた値の推移は一点鎖線で示し、各々に－１σを載せた値の推移は二点鎖線で示す。ここでσは、早期警告スコア又はショックインデックスの標準偏差である。
　上記の早期警告スコア及びショックインデックスが経時的に変化する様を観察することにより、患者の容態が現状より悪化するか改善するかは予測が可能である。さらに、各々に±１σを載せた値も参照して早期警告スコア及びショックインデックスのバラツキを解析することにより、更に高い精度で患者の容態を予測することができる。
　中段左側に位置するモデル表示部ＤＲ３は、上記の二次元モデルを表示する領域である。本実施形態における二次元モデルは、状態安定ゾーンＮＺ、要注意ゾーンＷＺ、及び末期ゾーンＴＺの３つの領域の区分されている。状態安定ゾーンＮＺが患者ＰＡの容態が最も安定していることを示す領域であり、末期ゾーンＴＺが患者ＰＡの容態が最も危険な状態であることを示す領域である。コンピュータ端末１０は末期ゾーンＴＺへのプロット時を被験者が重症化したタイミングとして推定する。即ち、末期ゾーンＴＺが、上記の特定領域に相当する。
　末期ゾーンＴＺへのプロットが行われたとしても直ちに重症化したものと推定せずともよい。患者ＰＡの容態が一時的に変化して末期ゾーンＴＺにプロットがなされたとしても、直ぐに持ち直すのであれば、重症化している可能性は低いと考えられるからである。従って、一定時間にわたって末期ゾーンＴＺにプロットがされた場合（一定数のプロットが末期ゾーンＴＺに継続して行われた場合）、患者ＰＡの重症化を推定してもよい。
　なお、本実施形態では説明の便宜上、これらの３つの領域を識別可能に図示したが、コンピュータ端末１０は必ずしも各領域を識別可能に表示しなくてもよい。
　最下段に位置する時間帯表示部ＤＲ４は、その時点で指標推移表示部ＤＲ２に表示される時間帯が、全体時間のいずれの部分に該当するかを表示する領域である。より詳細には、全体時間のうち選択領域ＳＲ（時間帯表示部ＤＲ４中の網掛け部分）が指標推移表示部ＤＲ２に表示される時間帯に該当する。
　上記のようなコンピュータ端末１０の表示画面に表示される各種情報は、データベース４０に蓄積されている患者ＰＡの患者情報に基づき生成される。これにより、患者ＰＡの全身状態（容態）の「見える化」を図ることができる。
　警報装置５０は、コンピュータ端末１０が患者ＰＡの重症化を推定した場合、即ち末期ゾーンＴＺの下限として設定されている閾値を、早期警告スコア及びショックインデックスのいずれかが超えた場合、患者ＰＡの重症化を医療従事者に伝えるための警報を出す。
　以上に説明した患者ＰＡの重症化推定に用いられる早期警告スコアの指標のうち、呼吸数、酸素飽和度、体温、収縮期血圧、及び心拍数については、計測器２０によって計測可能な指標である為、コンピュータ端末１０は、計測器２０の計測値を用いてスコアリングすることができる。
　一方、早期警告スコアに係る酸素投与及び意識状態については、計測器２０によって計測不能な指標である為、コンピュータ端末１０は、以下の処理を実行する。
＜酸素投与のスコアリングについて＞
　酸素投与のスコアリングの為に、コンピュータ端末１０は、データベース４０に蓄積されている患者ＰＡの病床画像データに対して画像解析処理を実行し、患者ＰＡが酸素投与中であるか（患者ＰＡに装着した酸素マスクが取り外されていないか）を判定する。
　具体的には、背景差分という手法を用いて、患者ＰＡの動作検出を行い、患者ＰＡの腕が顔範囲に向かう動きを検出している。ここで背景差分とは、背景としての元画像Ｂと、検出対象となる物体（ここでは患者ＰＡの腕）を前景領域として背景領域を含む対象画像Ｉと、を比較することで、背景には存在しない検出対象の物体を抽出する方法のことである。
　元画像Ｂの画素値Ｂ（ｐ）と、対象画像Ｉの画素値Ｉ（ｐ）と、を比較して背景差分を行う。なお、グレイスケール変換した画像での背景差分の場合は輝度値が画素値となる。
　画素値は、背景として静止している場合においてもノイズが現れるため、背景領域においても画素値Ｂ（ｐ）と画素値Ｉ（ｐ）はほとんどの場合、完全には一致しない。従って、コンピュータ端末１０は、画素値の相違度Ｄｉｆｆ（Ｂ（ｐ），Ｉ（ｐ））が閾値θ以下である領域を背景領域と判定し、画素値の相違度Ｄｉｆｆ（Ｂ（ｐ），Ｉ（ｐ））が閾値θ以上の領域を前景領域と判定している。
　図５（ａ）は、背景差分によって前景領域と判定されたピクセル数を示す図である。なお、破線で示すピクセル数については患者ＰＡの腕として認識された前景領域のピクセル数であり、実線で示すピクセル数については看護師ＮＵとして認識された前景領域のピクセル数である。
　ここで横軸は、画像解析処理の対象となった各病床画像データのフレーム数、即ち最初の病床画像データを基準（フレーム数＝０）とした場合における対象の病床画像データのフレーム数を表している。
　図５（ｂ）は、図５（ａ）において患者ＰＡの腕又は看護師ＮＵの動作として判断できるピクセル数の変化部分を特定する図である。なお、一点鎖線Ｂ１～一点鎖線Ｂ４に囲われている部分が、特定しているピクセル数の変化部分である。
　一点鎖線Ｂ１に囲われている部分は、患者ＰＡの腕として認識された前景領域についても看護師ＮＵとして認識された前景領域についても、ピクセル数の変化が大きい。
　即ち、この部分の解析の元となった病床画像データが撮影された時間帯においては、看護師ＮＵも患者ＰＡの腕も共に大きく動いているものと推定される。
　図６は、一点鎖線Ｂ１に含まれる時間帯における実際の病床画像データを示す図である。なお、時系列としては図６（ａ）、図６（ｂ）の順に撮影されたものである。
　なお、図６において看護師ＮＵが撮影されている領域の一部が白抜きになっているが、これはピクセル数の変化が大きい前景領域として判定された領域を示すものである。また、図６に示す白丸は、上記の白抜き領域の重心（以下、重心ＮＵＣと称す）を表している。
　図６（ａ）と図６（ｂ）を参照すれば、一点鎖線Ｂ１に含まれる時間帯において、患者ＰＡの右腕も看護師ＮＵも動いていること（位置が経時的に移動していること）が明らかである。特に、重心ＮＵＣに着目すれば、重心ＮＵＣの位置も移動していることが見て取れる。
　即ち、患者ＰＡの腕として認識された前景領域についても看護師ＮＵとして認識された前景領域についても、ピクセル数の変化が大きい病床画像データが撮影された時間帯は、看護師ＮＵも患者ＰＡの腕も共に動いているとの推定が、このケースでは正しかったものと言える。
　図６に示す病床画像データは、実際には看護師ＮＵが患者ＰＡを見回りしている状況を撮影したものである。図６から明らかであるように、患者ＰＡは酸素マスクを装着したままである。従って、一点鎖線Ｂ１に含まれる時間帯のようなピクセル数の変化が検出されたとしても、コンピュータ端末１０は、酸素投与のスコアを「酸素投与あり」に対応する２ポイントにしてもよい。
　一点鎖線Ｂ２に囲われている部分は、看護師ＮＵとして認識された前景領域について大きなピクセル数の変化が見られないが、患者ＰＡの腕として認識された前景領域についてはピクセル数の変化が大きい。
　即ち、この部分の解析の元となった病床画像データが撮影された時間帯においては、患者ＰＡの腕が大きく動いているものの、看護師ＮＵが撮影されていないものと推定される。
　図７は、一点鎖線Ｂ１に含まれる時間帯における実際の病床画像データを示す図である。なお、時系列としては図７（ａ）、図７（ｂ）、図７（ｃ）の順に撮影されたものである。
　なお、図７において患者ＰＡの右腕が撮影されている領域の一部が黒塗りになっているが、これはピクセル数の変化が大きい前景領域として判定された領域を示すものである。また、図７に示す黒丸は、上記の黒塗り領域の重心（以下、重心ＡＲＣと称す）を表している。
　図７（ａ）～図７（ｃ）を参照すれば、一点鎖線Ｂ２に含まれる時間帯において、患者ＰＡの右腕が動いていること（位置が経時的に移動していること）が明らかである。特に、重心ＡＲＣに着目すれば、重心ＡＲＣの位置も移動していることが見て取れる。更に、この時間帯において、看護師ＮＵが撮影されていないことも明らかである。
　即ち、患者ＰＡの腕として認識された前景領域について、ピクセル数の変化が大きい病床画像データが撮影された時間帯は、患者ＰＡの腕が動いているとの推定が、このケースでは正しかったものと言える。また、看護師ＮＵとして認識された前景領域について、ピクセル数の変化が小さい病床画像データが撮影された時間帯は、看護師ＮＵが撮影されていないとの推定が、このケースでは正しかったものと言える。
　図７に示す病床画像データは、実際には患者ＰＡの右手が酸素マスクに触れた行為を撮影したものである。このような行為は、酸素マスクを取り外す可能性があるものである。
　従って、一点鎖線Ｂ２に含まれる時間帯のようなピクセル数の変化が検出された場合、コンピュータ端末１０は、酸素投与のスコアを「酸素投与なし」に対応する０ポイントにしてもよい。
　一点鎖線Ｂ３に囲われている部分は、看護師ＮＵとして認識された前景領域について大きなピクセル数の変化が見られないが、患者ＰＡの腕として認識された前景領域についてはピクセル数の変化が見られる。しかしながら、一点鎖線Ｂ３に囲われている部分のピクセル数の変化は、一点鎖線Ｂ２に囲われている部分のピクセル数の変化に比べて小さいものである。
　従って、この部分の解析の元となった病床画像データが撮影された時間帯においては、患者ＰＡの腕の動きが比較的小さいものと推定され、看護師ＮＵについては撮影されていないものと推定される。
　図示省略するが、当該時間帯の病床画像データに撮影されている患者ＰＡについては酸素マスクの装着を維持しており、看護師ＮＵについては撮影されていないので、上記の推定は正しいものと言える。
　従って、一点鎖線Ｂ３に含まれる時間帯のようなピクセル数の変化が検出された場合、コンピュータ端末１０は、酸素投与のスコアを「酸素投与あり」に対応する２ポイントにしてもよい。
　一点鎖線Ｂ４に囲われている部分は、患者ＰＡの腕として認識された前景領域について大きなピクセル数の変化が見られないが、看護師ＮＵとして認識された前景領域についてはピクセル数の変化が見られる。
　即ち、この部分の解析の元となった病床画像データが撮影された時間帯においては、看護師ＮＵが動いているものの、患者ＰＡの腕の動きが小さいものと推定される。
　図示省略するが、当該時間帯の病床画像データに撮影されている患者ＰＡは酸素マスクを装着したまま就寝しているので患者ＰＡの動きは小さく、看護師ＮＵは見回りのために動いているので、上記の推定は正しいものと言える。
　従って、一点鎖線Ｂ４に含まれる時間帯のようなピクセル数の変化が検出された場合、コンピュータ端末１０は、酸素投与のスコアを「酸素投与あり」に対応する２ポイントにしてもよい。
　なお、酸素投与のスコアリングの為に行う画像解析処理は、本発明の実施について例示するものであって、本発明の目的を達成する範囲内において適宜変更（例えば、酸素マスクの有無を直接検出する方法などに）してもよい。
　また、当該画像解析処理は、機械学習に用いる手法（例えば、患者が自分の手を顔付近まで動かした後、酸素マスクを外す行為の有無が撮影されている画像を教師データとする畳み込みニューラルネットワーク等）を適用してもよい。
　上記の画像解析処理の説明では、病床画像データから抽出される前景領域のピクセル数の変化に着目して患者ＰＡの腕の動きを解析する旨を説明したが、他の要素を考慮してもよい。
　例えば、患者ＰＡの腕の動きを画像解析するにあたって、患者ＰＡの顔又は患者ＰＡに装着されている酸素マスクを抽出し、抽出した患者ＰＡの顔又は酸素マスクと、患者ＰＡの腕との間の距離や、患者ＰＡの腕の動く向きが顔や酸素マスクに向かっているか否かについても考慮して、酸素投与についてスコアリングしてもよい。これにより、コンピュータ端末１０は、酸素投与の有無（実際に酸素マスクを外したか否か）を、より高精度に推定することができる。
　なお、患者ＰＡの腕の動きと、酸素マスクの装着の有無と、をそれぞれ画像解析可能である前提において、患者ＰＡの腕が大きく動いた場合であっても酸素マスクの装着が維持されている場合には、コンピュータ端末１０は、酸素投与のスコアを「酸素投与あり」に対応する２ポイントにしてもよい。また、患者ＰＡの腕の大きな動きと酸素マスクが外れた旨が抽出された場合には、コンピュータ端末１０は、酸素投与のスコアを「酸素投与なし」に対応する０ポイントにしてもよい。即ち、患者ＰＡの腕の動きのみでは酸素投与のスコアが変動せず、酸素マスクの装着の有無を酸素投与のスコアに反映させてもよい。
　上記の画像解析処理の説明では、患者ＰＡが自ら酸素マスクを取り外すリスクを鑑みて、患者ＰＡの腕の動きや看護師ＮＵの動きを解析する旨を説明したが、他のリスクを考慮した解析をしてもよい。
　例えば、不審者等の第三者（患者でも医療従事者でもない人物）が患者ＰＡの酸素マスクを取り外すリスクを鑑みて、第三者の動きを解析してもよい。
＜意識状態のスコアリングについて＞
　意識状態のスコアリングの為に、コンピュータ端末１０は、データベース４０に蓄積されている患者ＰＡの病床画像データに対して画像解析処理を実行し、患者ＰＡの目が開眼しているか否かを判定する。
　具体的には、コンピュータ端末１０は、先ず患者ＰＡの顔領域を認識し、認識した顔領域の中から患者ＰＡの目の領域を認識し、目が開いているか閉じているかを判定する。
　コンピュータ端末１０は、患者ＰＡの目が開いている旨を判定した場合には、意識状態のスコアを「意識清明（Ａｌｅｒｔ）」に対応する０ポイントにしてもよい。
　但し、患者ＰＡの目が開いていたとしても、患者ＰＡの意識が混濁している場合も考えられるため、コンピュータ端末１０は、患者ＰＡの目の領域から瞳孔や虹彩の動きを抽出する画像解析処理を更に行い、抽出した瞳孔や虹彩の動きを加味することによって意識状態のスコアを定めてもよい。
　なお、患者ＰＡの目が閉じている旨を判定した場合であっても、患者ＰＡが就寝している場合があるので、直ちに意識状態のスコアを３ポイントにすることはできない。
　従って、コンピュータ端末１０は、上述した背景差分を用いた画像解析処理によって患者ＰＡの動きや病床の周辺領域における医療従事者の動きを抽出し、抽出した動きを加味することによって意識状態のスコアリングをしてもよい。
　なお、上述した意識状態のスコアリングの為に行う画像解析処理は、本発明の実施について例示するものであって、本発明の目的を達成する範囲内において適宜変更してもよい。
　また、当該画像解析処理は、機械学習に用いる手法（例えば、患者が撮影されている画像を教師データとする畳み込みニューラルネットワーク等）を適用してもよい。
　ここで、目が開いているか閉じているかを判定する画像解析処理を実現するモデル生成に、１７人の患者を撮影して得られた１３６枚を教師データとする機会学習を行った結果を示す。
Figure JPOXMLDOC01-appb-T000001
　上記の表において、Ｐｅｒｃｉｓｉｏｎ（適合率）とは、正と予測したデータのうち，実際に正であるものの割合である。
　Ｒｅｃａｌｌ（再現率）とは、実際に正であるもののうち，正であると予測されたものの割合である。
　Ｆ－ｍｅｓｕｒｅとは、ＰｅｒｃｉｓｉｏｎとＲｅｃａｌｌの調和平均であり、以下の式で算出することができる。
Figure JPOXMLDOC01-appb-M000002
＜警報装置５０による警報の出力について＞
　上述したように、警報装置５０は、早期警告スコア（各指標に係るスコアの合算値）が予め設定されている閾値（患者ＰＡの重症化が推定される値）を超えた場合に、患者ＰＡの重症化を医療従事者に伝えるための警報を出すものである。
　即ち、警報装置５０は、原則として、早期警告スコアが高くなったときに、警報を出力する。
　一方、コンピュータ端末１０による重症化推定を前提としたとき、早期警告スコアに係る指標のうち酸素投与のスコアの変動だけに着目すると、スコアが高い場合（２ポイントである場合）の方が、スコアが低い（０ポイントである場合）に比べて危険であるとは、必ずしも言えない。
　例えば、患者ＰＡが医師から酸素投与を指示されている場合において、患者ＰＡが装着している酸素マスクを取り外した旨が、画像解析処理によって解析された場合、望ましい状況ではないにも関わらず、酸素投与のスコアが２ポイントから０ポイントに低下する。
　早期警告スコアは、酸素投与のみならず、酸素飽和度についてもスコアリングしているので、仮に患者ＰＡが装着している酸素マスクを取り外したときであっても、酸素飽和度の変動をスコアに反映させることによって、整合性を担保している。従って、早期警告スコアに基づく警報出力の有効性は損なわれない。
　しかしながら、上記のように必ずしも望ましいとは言えない状況が生じていることが解析された場合には、患者ＰＡへの酸素マスクの装着を医療従事者に促す目的において、警報装置５０が警報出力をすることも有用である。
　当該目的を前提とすると、画像解析処理に用いた病床画像データに医療従事者（例えば、看護師ＮＵ）が撮影されている場合、警報出力する必然性がないので、警報装置５０は警報を出力しなくてもよい。
　なお、警報装置５０が出力する警報の態様は特に制限されないが、早期警告スコアに基づく警報と、酸素マスクの取り外しに基づく警報と、は意味合いが異なるため、識別可能に異なる態様で出力されることが好ましい。
　例えば、早期警告スコアに基づく警報は、比較的広い領域に認識可能に出力され（例えば、ナースステーションに加えて担当医師の携帯電話等に通知され）、酸素マスクの取り外しに基づく警報は、比較的狭い領域に認識可能に出力され（例えば、ナースステーションにのみに通知され）てもよい。
　或いは、音声出力される警報に係る音量の大小や表示出力される警報の表示態様の差異によって、早期警告スコアに基づく警報と酸素マスクの取り外しに基づく警報を区別してもよい。
＜本発明に関するまとめ＞
　本発明に係る重症化推定システム１００について、以下に整理する。
　コンピュータ端末１０は、患者ＰＡの病床ＢＥを含む撮影領域を経時的に撮影した病床画像データを、データベース４０から患者情報として取得する。
　コンピュータ端末１０は、取得された病床画像データに撮影されている患者ＰＡ又は患者ＰＡの身体部位（例えば、患者ＰＡの腕）を第一解析対象とし、複数の病床画像データに対する画像解析処理によって第一解析対象の動作を解析する。
　なお、コンピュータ端末１０は第一解析対象に係る解析結果を、早期警告スコアに関する指標のうち酸素投与及び意識状態の双方のスコアリングに用いる旨を上述したが、少なくとも一方のスコアリングに用いられれば本発明の実施については足りる。
　言い換えれば、コンピュータ端末１０は、解析された第一解析対象の動作に基づいて、複数種類の指標に含まれる酸素投与又は意識状態の少なくとも一方についてスコアリングして患者ＰＡの重症化を推定する。
　従って、コンピュータ端末１０は、本発明に係る画像取得手段、画像解析手段、及び重症化推定手段を実現するものと言える。
　本発明に係る重症化推定システム１００は、上記のような構成を備えるので、従来の発明では十分に考慮されていなかった、早期警告スコアの指標である酸素投与又は意識状態のスコアをコンピュータ処理によってスコアリングすることができ、そのスコアに基づいて患者ＰＡの重症化を推定する。
　従って、本発明に係る重症化推定システム１００は、早期警告スコアを用いた重症化推定について推測精度の向上を図ることができると共に、重症化推測をする際に生じていた医療従事者の作業コストを軽減することができる。
　また、コンピュータ端末１０は、複数の病床画像データに対する画像解析処理に基づいて、患者ＰＡの顔又は患者ＰＡに装着されている酸素投与機器（酸素マスク）のうち少なくとも一方を抽出し、抽出した患者ＰＡの顔又は酸素投与機器に対する第一解析対象の動作を解析し、患者ＰＡの顔又は酸素投与機器に対する第一解析対象の動作に関する解析結果に基づいて酸素投与についてスコアリングするものと言える。
　これにより、酸素投与のスコアをより実態に即してスコアリングすることができ、コンピュータ端末１０による患者ＰＡの重症化推定の精度を向上することができる。
　コンピュータ端末１０は、取得した病床画像データに撮影されている患者ＰＡの目を第二解析対象とし、複数の病床画像データに対する画像解析処理によって第二解析対象を解析することによって患者ＰＡの開眼状態（目が開いているか否か）を解析する。
　コンピュータ端末１０は、解析した患者ＰＡの開眼状態に基づいて意識状態についてスコアリングする。
　本発明に係る重症化推定システム１００は、上記のような構成を備えるので、早期警告スコアの指標である意識状態のスコアをコンピュータ処理によってスコアリングすることができる。
　従って、本発明に係る重症化推定システム１００は、意識状態のスコアを反映させることによって重症化推定の精度を向上させることができると共に、それをスコアリングする際に生じていた医療従事者の作業コストを軽減することができる。
　言い換えれば、警報装置５０は、以下の２パターンの警報出力をすることができる。
（１）警報装置５０は、早期警告スコアに含まれる複数種類の指標に係るスコアの合計値が所定値より高くなった場合、警報を出力する。
（２）警報装置５０は、解析した第一解析対象（例えば、患者ＰＡ）の動作に基づいて、酸素投与に係るスコアを第一の値（２ポイント）から第一の値より低い第二の値（０ポイント）に変化させた場合、警報を出力する。
　従って、警報装置５０は、本発明に係る第一警報出力手段及び第二警報出力手段を実現することができる。
　また、コンピュータ端末１０は、取得された病床画像データに撮影されている医療従事者又は医療従事者の身体部位を第三解析対象（例えば、看護師ＮＵ）とし、複数の病床画像データに対する画像解析処理によって第三解析対象の動作を解析するものと言える。
　そして、病床画像データから解析された第一解析対象（例えば、患者ＰＡ）の動作に基づいて酸素投与に係るスコアが第一の値（２ポイント）から第二の値（０ポイント）に変化した場合であっても、当該病床画像データから第三解析対象の動作が解析された場合には、警報装置５０は、警報の出力を制限するものと言える。
　これにより、医師から酸素投与を指示されている患者ＰＡが自ら酸素マスクを取り外すような場合であっても、患者ＰＡへの酸素マスクの装着を適切に医療従事者に促すことができる。
＜本発明の変形例について＞
　ここまで実施形態に即して本発明を説明したが、本発明は上述の実施形態に限定されるものではなく、本発明の目的が達成される限りにおける種々の変形、改良等の態様も含む。
　上記の実施形態では、単独のコンピュータ端末１０によって画像取得手段、画像解析手段、重症化推定手段、及び酸素飽和度取得手段を実現するように説明したが、それぞれの構成を複数の装置に分けて実現してもよい。
　上記の実施形態では、コンピュータ端末１０による画像解析処理の対象として、本発明に係る第一解析対象が患者の身体部位（患者の腕）、第三解析対象が看護師自体である旨を説明したが、本発明の実施はこれに限られない。
　例えば、第一解析対象が患者自体、第三解析対象が看護師以外の医療従事者やその身体部位であってもよい。
　また、コンピュータ端末１０による画像解析処理の対象として、本発明に係る第二解析対象が患者の目である旨を説明したが、この説明は第一解析対象として患者の目を解析することを否定するものではなく、本発明の実施において第一解析対象が患者の目であることは許容される。
　上記の実施形態では、酸素投与のために患者に装着させる酸素投与機器が酸素マスクである事例について説明したが、これに代えて鼻腔に挿入する鼻カヌレ又はリザーババッグ付マスク（貯留バッグが付属する酸素マスク）等の着脱を画像解析処理によって判断することをもって、酸素投与についてスコアリングしてもよい。
　この変形例において、鼻カヌレ又はリザーババッグ付マスクは、酸素投与機器の一種として取り扱える。
　上記の実施形態に挙げたコンピュータ端末１０による解析処理の対象は例示であり、例示していない他の要素を対象として解析処理が行われてもよい。
　例えば、病床画像データに撮影されている他の要素（医療従事者が掲げた文字を画像解析した結果等）を解析処理に用いてもよいし、病床画像データと同期して録音した音声データを解析処理に用いてもよいし、計測器２０によって計測された計測データやデータベース４０に蓄積されている他のデータを解析処理に用いてもよい。
　上記の実施形態では、患者の重症化を推定する装置（コンピュータ端末１０）と、警報を出力する装置（警報装置５０）と、が別々である態様を例示したが、これらの装置は一体であってもよい。
　また、上記の実施形態では、単一の装置が２パターンの警報を出力する旨を説明したが、別々の装置がそれぞれの態様の警報を出力してもよい。
　本実施形態は以下の技術思想を包含する。
（１）患者について経時的に取得される患者情報に基づいて、複数種類の指標についてスコアリングして前記患者の重症化を推定する重症化推定システムであって、前記患者の病床を含む撮影領域を経時的に撮影した病床画像データを、前記患者情報として取得する画像取得手段と、取得された前記病床画像データに撮影されている前記患者又は前記患者の身体部位を第一解析対象とし、複数の前記病床画像データに対する画像解析処理によって前記第一解析対象の動作を解析する画像解析手段と、解析された前記第一解析対象の動作に基づいて、前記複数種類の指標に含まれる酸素投与又は意識状態の少なくとも一方についてスコアリングして前記患者の重症化を推定する重症化推定手段と、を備える重症化推定システム。
（２）前記画像解析手段は、複数の前記病床画像データに対する画像解析処理に基づいて、前記患者の顔又は前記患者に装着されている酸素投与機器のうち少なくとも一方を抽出し、抽出した前記患者の顔又は前記酸素投与機器に対する前記第一解析対象の動作を解析し、前記重症化推定手段は、前記患者の顔又は前記酸素投与機器に対する前記第一解析対象の動作に関する解析結果に基づいて酸素投与についてスコアリングする、（１）に記載の重症化推定システム。
（３）前記画像解析手段は、取得された前記病床画像データに撮影されている被写体の中から前記患者の目を第二解析対象とし、複数の前記病床画像データに対する画像解析処理によって前記第二解析対象を解析することによって前記患者の開眼状態を解析し、前記重症化推定手段は、解析された前記患者の開眼状態に関する解析結果に基づいて意識状態についてスコアリングする、（１）又は（２）に記載の重症化推定システム。
（４）前記複数種類の指標に係るスコアの合計値が所定値より高くなった場合、警報を出力する第一警報出力手段と、前記画像解析手段によって解析された前記第一解析対象の動作に基づいて、前記重症化推定手段が酸素投与に係るスコアを第一の値から前記第一の値より低い第二の値に変化させた場合、警報を出力する第二警報出力手段と、を備える（１）から（３）のいずれか一つに記載の重症化推定システム。
（５）前記画像解析手段は、取得された前記病床画像データに撮影されている医療従事者又は前記医療従事者の身体部位を第三解析対象とし、複数の前記病床画像データに対する画像解析処理によって前記第三解析対象の動作を解析し、前記病床画像データから解析された前記第一解析対象の動作に基づいて酸素投与に係るスコアが前記第一の値から前記第二の値に変化した場合であっても、当該病床画像データから前記第三解析対象の動作が解析された場合には、前記第二警報出力手段は、警報の出力を制限する、（４）に記載の重症化推定システム。
　この出願は、２０１９年４月２日に出願された日本出願特願２０１９－７０５２４を基礎とする優先権を主張し、その開示のすべてをここに取り込む。
１００　重症化推定システム
１０　コンピュータ端末
２０　計測器
３０　カメラ
４０　データベース
５０　警報装置
ＢＥ　病床
ＮＵ　看護師
ＰＡ　患者

Claims (5)

  1. 　患者について経時的に取得される患者情報に基づいて、複数種類の指標についてスコアリングして前記患者の重症化を推定する重症化推定システムであって、
    　前記患者の病床を含む撮影領域を経時的に撮影した病床画像データを、前記患者情報として取得する画像取得手段と、
    　取得された前記病床画像データに撮影されている前記患者又は前記患者の身体部位を第一解析対象とし、複数の前記病床画像データに対する画像解析処理によって前記第一解析対象の動作を解析する画像解析手段と、
    　解析された前記第一解析対象の動作に基づいて、前記複数種類の指標に含まれる酸素投与又は意識状態の少なくとも一方についてスコアリングして前記患者の重症化を推定する重症化推定手段と、
    を備える重症化推定システム。
  2. 　前記画像解析手段は、複数の前記病床画像データに対する画像解析処理に基づいて、前記患者の顔又は前記患者に装着されている酸素投与機器のうち少なくとも一方を抽出し、抽出した前記患者の顔又は前記酸素投与機器に対する前記第一解析対象の動作を解析し、
    　前記重症化推定手段は、前記患者の顔又は前記酸素投与機器に対する前記第一解析対象の動作に関する解析結果に基づいて酸素投与についてスコアリングする、
    請求項１に記載の重症化推定システム。
  3. 　前記画像解析手段は、取得された前記病床画像データに撮影されている被写体の中から前記患者の目を第二解析対象とし、複数の前記病床画像データに対する画像解析処理によって前記第二解析対象を解析することによって前記患者の開眼状態を解析し、
    　前記重症化推定手段は、解析された前記患者の開眼状態に関する解析結果に基づいて意識状態についてスコアリングする、
    請求項１又は２に記載の重症化推定システム。
  4. 　前記複数種類の指標に係るスコアの合計値が所定値より高くなった場合、警報を出力する第一警報出力手段と、
    　前記画像解析手段によって解析された前記第一解析対象の動作に基づいて、前記重症化推定手段が酸素投与に係るスコアを第一の値から前記第一の値より低い第二の値に変化させた場合、警報を出力する第二警報出力手段と、
    を備える請求項１から３のいずれか一項に記載の重症化推定システム。
  5. 　前記画像解析手段は、取得された前記病床画像データに撮影されている医療従事者又は前記医療従事者の身体部位を第三解析対象とし、複数の前記病床画像データに対する画像解析処理によって前記第三解析対象の動作を解析し、
    　前記病床画像データから解析された前記第一解析対象の動作に基づいて酸素投与に係るスコアが前記第一の値から前記第二の値に変化した場合であっても、当該病床画像データから前記第三解析対象の動作が解析された場合には、前記第二警報出力手段は、警報の出力を制限する、
    請求項４に記載の重症化推定システム。
PCT/JP2020/009424 2019-04-02 2020-03-05 重症化推定システム Ceased WO2020203015A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2021511286A JP7560127B2 (ja) 2019-04-02 2020-03-05 重症化推定システム
US17/599,140 US20220172850A1 (en) 2019-04-02 2020-03-05 Aggravation estimation system
EP20783253.6A EP3949832A4 (en) 2019-04-02 2020-03-05 DISEASE WORSENING ESTIMATION SYSTEM

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019070524 2019-04-02
JP2019-070524 2019-04-02

Publications (1)

Publication Number Publication Date
WO2020203015A1 true WO2020203015A1 (ja) 2020-10-08

Family

ID=72667814

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/009424 Ceased WO2020203015A1 (ja) 2019-04-02 2020-03-05 重症化推定システム

Country Status (4)

Country Link
US (1) US20220172850A1 (ja)
EP (1) EP3949832A4 (ja)
JP (1) JP7560127B2 (ja)
WO (1) WO2020203015A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2022224524A1 (ja) * 2021-04-22 2022-10-27
JP7161812B1 (ja) 2022-07-25 2022-10-27 株式会社Cross Sync 意識状態解析装置及びプログラム、並びに観察システム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012509155A (ja) * 2008-11-19 2012-04-19 インスパイア・メディカル・システムズ・インコーポレイテッド 睡眠呼吸障害の治療方法
WO2019009377A1 (ja) * 2017-07-06 2019-01-10 オムロン株式会社 見守り支援システム及びその制御方法
WO2019013094A1 (ja) * 2017-07-14 2019-01-17 公立大学法人横浜市立大学 重症化推定装置及び重症化推定プログラム
JP2019502418A (ja) * 2015-10-28 2019-01-31 スペクトラル エムディー, インコーポレイテッドSpectral Md, Inc. 組織を分類するための反射モードマルチスペクトル時間分解型光学撮像の方法および装置
JP2019023790A (ja) * 2017-07-24 2019-02-14 公立大学法人横浜市立大学 死亡予測装置及び死亡予測プログラム
JP2019070524A (ja) 2019-02-18 2019-05-09 株式会社富士通ゼネラル 空気調和機

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090093686A1 (en) * 2007-10-08 2009-04-09 Xiao Hu Multi Automated Severity Scoring
CN102481121B (zh) * 2009-09-03 2015-04-22 皇家飞利浦电子股份有限公司 意识监测
US20120253142A1 (en) * 2010-12-07 2012-10-04 Earlysense Ltd. Monitoring, predicting and treating clinical episodes
JP2012226564A (ja) * 2011-04-20 2012-11-15 Sony Corp 情報処理装置、情報処理方法、およびプログラム
US9538158B1 (en) * 2012-10-16 2017-01-03 Ocuvera LLC Medical environment monitoring system
US11410777B2 (en) * 2012-11-02 2022-08-09 The University Of Chicago Patient risk evaluation
CN105593860B (zh) * 2013-09-30 2019-08-06 皇家飞利浦有限公司 用于确定复合评分分布的装置和患者健康状态确定器
DE102013017264A1 (de) * 2013-10-17 2015-04-23 Dräger Medical GmbH Verfahren für die Überwachung eines Patienten innerhalb eines medizinischen Überwachungsbereichs
WO2016091984A1 (en) * 2014-12-12 2016-06-16 Koninklijke Philips N.V. Device and method for measuring a physiological characteristic of a subject
WO2016135069A1 (en) * 2015-02-26 2016-09-01 Koninklijke Philips N.V. Context detection for medical monitoring
CN106547453A (zh) * 2016-12-29 2017-03-29 清华大学苏州汽车研究院（吴江） 一种基于眼睛控制的自助护理系统
US12239565B2 (en) * 2018-05-15 2025-03-04 International Business Machines Corporation Safe mobility for patients
EP3626166A1 (en) * 2018-09-19 2020-03-25 Koninklijke Philips N.V. Device, system and method for providing a skeleton model

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012509155A (ja) * 2008-11-19 2012-04-19 インスパイア・メディカル・システムズ・インコーポレイテッド 睡眠呼吸障害の治療方法
JP2019502418A (ja) * 2015-10-28 2019-01-31 スペクトラル エムディー, インコーポレイテッドSpectral Md, Inc. 組織を分類するための反射モードマルチスペクトル時間分解型光学撮像の方法および装置
WO2019009377A1 (ja) * 2017-07-06 2019-01-10 オムロン株式会社 見守り支援システム及びその制御方法
WO2019013094A1 (ja) * 2017-07-14 2019-01-17 公立大学法人横浜市立大学 重症化推定装置及び重症化推定プログラム
JP2019017998A (ja) 2017-07-14 2019-02-07 公立大学法人横浜市立大学 重症化推定装置及び重症化推定プログラム
JP2019023790A (ja) * 2017-07-24 2019-02-14 公立大学法人横浜市立大学 死亡予測装置及び死亡予測プログラム
JP2019070524A (ja) 2019-02-18 2019-05-09 株式会社富士通ゼネラル 空気調和機

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3949832A4

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2022224524A1 (ja) * 2021-04-22 2022-10-27
WO2022224524A1 (ja) * 2021-04-22 2022-10-27 ソニーグループ株式会社 患者モニタリングシステム
JP7779312B2 (ja) 2021-04-22 2025-12-03 ソニーグループ株式会社 患者モニタリングシステム
JP7161812B1 (ja) 2022-07-25 2022-10-27 株式会社Cross Sync 意識状態解析装置及びプログラム、並びに観察システム
EP4311479A1 (en) 2022-07-25 2024-01-31 Cross Sync, Inc. State of consciousness analysis apparatus, state of consciousness analysis program, and observation system
JP2024015882A (ja) * 2022-07-25 2024-02-06 株式会社Cross Sync 意識状態解析装置及びプログラム、並びに観察システム

Also Published As

Publication number Publication date
US20220172850A1 (en) 2022-06-02
JPWO2020203015A1 (ja) 2020-10-08
EP3949832A4 (en) 2022-05-18
EP3949832A1 (en) 2022-02-09
JP7560127B2 (ja) 2024-10-02

Similar Documents

Publication Publication Date Title
Alnaggar et al. Video-based real-time monitoring for heart rate and respiration rate
US11699529B2 (en) Systems and methods for diagnosing a stroke condition
JP5926210B2 (ja) 自閉症診断支援システム及び自閉症診断支援装置
EP4120284A2 (en) Image-based risk analysis of individuals in clinical settings
US20240115213A1 (en) Diagnosing and tracking stroke with sensor-based assessments of neurological deficits
JP7779312B2 (ja) 患者モニタリングシステム
KR20200056660A (ko) 얼굴 내 미세움직임 기반 통증 모니터링 방법 및 시스템
CN111243723A (zh) 医疗信息显示系统与显示内容产生方法
WO2023012818A1 (en) A non-invasive multimodal screening and assessment system for human health monitoring and a method thereof
CN107427210B (zh) 用于颅内压的无创评估的方法和设备
Halín et al. The LifeShirt system for wireless patient monitoring in the operating room
JP7560127B2 (ja) 重症化推定システム
Cui et al. Anterior segment and others in teleophthalmology: past, present, and future
CN113887311A (zh) 一种保护眼科患者隐私的方法、装置及存储介质
EP4111984B1 (en) Information processing method, computer program, information processing device, and information processing system
KR20230057585A (ko) 생체 신호를 이용한 뇌졸중 예측 시스템 및 그 방법
TWI847574B (zh) 生命體徵監測方法、系統、電子設備及電腦可讀儲存介質
KR102748232B1 (ko) 비디오 영상의 안구 및 두위 변화를 추적하는 초고속 경량 딥러닝 모델을 이용한 어지럼증 진단 장치, 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 기록매체에 저장된 컴퓨터 프로그램
US20260094710A1 (en) Respiratory evaluation and monitoring system and method
CN119423773B (zh) 患者监护系统及监护方法
US12521016B1 (en) System and method for medical condition detection and triage using mobile devices
Jindal Newer Devices and Remote Diagnostics and Monitoring Based on IOT
Dwivedi et al. A Systematic and Analytical Review on Drowsiness Detection System-based Real-Time Application
CN120072179A (zh) 一种眼睑运动功能障碍患者辅助诊断数据报告的生成方法
CN117547233A (zh) 一种基于非接触式生命体征实时监测方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20783253

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021511286

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020783253

Country of ref document: EP

Effective date: 20211102

WWW Wipo information: withdrawn in national office

Ref document number: 2020783253

Country of ref document: EP