[发明专利]医疗装置、算法更新方法、医疗系统及外部监测装置

说明书

本申请公开了一种植入式医疗装置，其包括探测单元、控制单元和通信单元，控制单元利用发作预测算法基于探测单元所探测到的生理信息实时地预测癫痫发作事件，并存储包括所探测到的生理信息和有关预测结果的预测信息的内部数据，并且控制单元配置为，在第一通信模式下，控制其存储单元和通信单元以将内部数据传送给外部监测装置；并且在第二通信模式下，控制通信单元从外部监测装置接收更新的发作预测算法，并将该算法存储于存储单元中用于预测癫痫发作事件。本申请还公开了包括该植入式医疗装置的医疗系统、用在这样的植入式医疗装置中的发作预测算法的更新方法、以及相应的外部监测装置。

技术领域

本发明总体上涉及植入式医疗装置，具体地涉及能够用于预测癫痫发作的植入式医疗装置、包括植入式医疗装置的医疗系统、用于更新植入式医疗装置中的癫痫发作预测算法的方法。

背景技术

目前市场上已经有能够对迷走神经进行周期性刺激以帮助防止癫痫发作发生的植入式医疗装置。如果能够在癫痫发作刚刚开始时对迷走神经进行刺激，对于抑制癫痫发作也是有作用的。然而，现有的神经刺激装置尚不能准确预测发作，或者具有非常高的误报率(false positive rate)(有估计数值是＞75％)，造成非必要的神经刺激。存在一种担忧，即对于迷走神经的过量的刺激可能导致刺激的效用变小。此外，由于现有的神经刺激装置是植入人体的设备，通常利用电池供电，所以非必要的神经刺激还会导致植入设备的使用寿命缩短。

癫痫发作可以通过例如脑电波(EFG)、心电图(ECG)、肢体活动以及其他生理信息来探测。然而，要对癫痫发作进行准确探测并非易事。癫痫发作及其对人体的影响有多种分类。对于不同患者，癫痫发作在持续时间、强度和症状上可能存在各种差别。现有的神经刺激装置上所采用的癫痫发作探测算法采用的是“均码”策略，也就是说，对于不同的患者采用通用的算法。例如，一种现有的癫痫发作探测算法测量一段时间内的心率平均值，并使用该平均值作为参考值。然后，算法会使用该平均值来与实时的心率信号比较，如果心率变化超过一定阈值，则将触发迷走神经刺激以期防止癫痫发作。即使植入式医疗装置在植入之后会根据患者个体情况对预测算法进行调整，也仅限于算法中已有的参数的范围(例如心率阈值)的调整，参数的类型和数量以及算法本身并没有根据个体患者的情况来优化。

发明内容

本发明的目的是提供一种能够用于预测癫痫发作的植入式医疗装置、包括植入式医疗装置的医疗系统以及用于更新植入式医疗装置中的癫痫发作预测算法的方法，其能够支持基于个体患者的信息使用机器学习来定制和改进癫痫发作预测算法。

基于机器学习获得的癫痫发作预测算法使得能够将一个或多个生理信息的特定模式(pattern)与癫痫发作相关联。机器学习使得通用的癫痫发作探测算法能够针对个体患者的独特的生理信息特征而被定制。这将提高发作探测的准确率。

根据本发明的一个方面，提供了一种基于机器学习的医疗系统，该系统包括：植入式医疗装置、外部监测装置以及机器学习装置。植入式医疗装置用于植入个体患者体内，探测与癫痫发作相关的生理信息，并利用载入到该植入式医疗装置中的发作预测算法基于所述生理信息预测癫痫发作事件。外部监测装置能够与所述植入式医疗装置无线通信，用于经由无线通信接收来自所述植入式医疗装置的、有关所述个体患者的内部数据，该内部数据包括所述生理信息和有关所述预测的结果的预测信息。机器学习装置基于所述内部数据以及与该内部数据相关联的外部数据利用机器学习的方法生成专用于所述个体患者的、更新的发作预测算法，其中所述外部数据包括来自于患者和/或医护人员的指示所述个体患者癫痫发作事件的发生与否的数据。其中，所述植入式医疗装置还配置为经由所述外部监测装置接收由所述机器学习装置生成的所述更新的发作预测算法，并利用该更新的发作预测算法预测癫痫发作事件。