在脊柱疾病技术领域中用于客观结果评估的可穿戴传感器设备和分析平台

摘要

用于评估脊柱病症的系统包括具有一个或多个传感器的可穿戴电子设备和评估系统。可穿戴电子设备被配置为位于穿戴者的下背部的一部分上，并且一个或多个传感器被配置为获取与穿戴者相关的患者数据。该系统从一个或多个传感器接收患者数据，其中患者数据包括与穿戴者的下背部的运动相关联的运动数据；将运动数据分类为初始分组；进一步将运动数据的至少一部分分类为多个活动类别之一；基于运动数据被分类到的活动类别，生成与运动数据的至少一部分相对应的分数；并且使该分数经由客户端电子设备显示。

说明书

本公开一般地涉及一种可穿戴的脊柱传感器或多传感器设备，其利用人工智能来对患者活动进行测量和分类，并向多个利益相关者(例如，临床医生、患者、保险公司和雇主)提供与患者脊柱状况相关的客观信息。

背景技术

通常使用患者反馈、成像技术和临床医生评估的组合来评估患者的脊柱状况。例如，许多临床医生使用Oswestry功能障碍指数(ODI)来评估由腰痛引起的患者的功能障碍。ODI包括一些问题，要求患者就某些活动(例如坐着、站着、睡觉和行进)评估下背部相关症状对他或她的疼痛程度的贡献。

但是，通过这些方法收集的数据可能会出错，并且在某些情况下会误导患者的真实状况。例如，患者对ODI问题的回答(或患者提供的对患者疼痛程度的其他描述或表征)可能不准确或不完整。此外，ODI提出的问题可能无法充分描述患者状况的性质。

由于与患者运动有关的数据可以包含有关患者神经功能健康和骨骼肌肉健康的有价值的信息，因此希望以客观而非主观的方式获得此信息。此外，ODI和类似的临床测量工具难以纳入日常临床实践，通常需要增加全职员工来分配、制表和管理。

发明内容

在一个实施例中，一种用于评估脊柱病症的系统包括具有一个或多个传感器的可穿戴电子设备。可穿戴电子设备被配置为位于穿戴者的下背部的一部分上，并且一个或多个传感器被配置为获取与穿戴者相关的患者数据。该系统包括：评估系统，其具有计算设备；以及计算机可读存储介质，其具有一个或多个编程指令。编程指令在被执行时使计算设备在一段时间内从一个或多个传感器接收患者数据，其中患者数据包括与穿戴者的下背部的运动相关联的运动数据，将运动数据的至少一部分分类为初始分组，其中初始分组与对应于不同类型的运动的多个活动类别相关联，进一步将运动数据的至少一部分分类为多个活动类别之一，基于运动数据被分类到的活动类别，生成与运动数据的至少一部分相对应的分数，并且使该分数经由客户端电子设备显示。

一个或多个传感器可以包括以下一个或多个：惯性测量单元；心电图传感器；高度计；气压计；光体积描记图(photoplethysmogram)；温度计；或麦克风。患者数据可包括与以下一项或多项有关的测量：电活动信息；声音信息；或温度信息。

在一个实施例中，系统可以通过将运动数据的一个或多个参数值与和一个或多个可能的初始分组相关联的一个或多个参数进行比较来将运动数据的至少一部分分类为初始分组。

系统可以通过将运动数据的至少一部分与训练的数据集进行比较以确定运动数据的至少一部分对应于与多个活动类别之一相关联的模式的概率，将运动数据的至少一部分分类为多个活动类别之一。系统可以使用运动数据的至少一部分来训练或加强关于穿戴者特定运动的训练的数据集。

在一个实施例中，活动类别可以包括以下一项或多项：睡觉；驾驶；坐着；站着；或走路。

在各种实施例中，系统可以为穿戴者确定建议的诊断，并且使建议的诊断经由客户端电子设备显示。系统可以通过将分数发送到诊断系统为穿戴者确定建议的诊断，其中诊断系统被配置为从数据存储设备中检索与状况相关的诊断信息，其中诊断信息包括与该状况相关的已知分数，响应于与已知分数相对应的分数，将状况标识为建议的诊断，并将状况的指示发送给计算设备。

附图说明

图1示出根据实施例的实例脊柱诊断系统。

图2示出根据实施例的实例可穿戴电子设备。

图3示出根据实施例的评估患者数据的实例方法。

图4描绘根据实施例的可用于包含或实施程序指令的内部硬件的实例的框图。

具体实施方式

在一些实施例中，如本说明书中使用并且包含所附权利要求书，除非上下文另外明确规定，否则单数形式“一(a/an)”和“所述(the)”包含复数，并且对特定数值的参考包含至少所述特定值。范围在本文中可被表达为从“约”或“大约”一个特定值和/或到“约”或“大约”另一个特定值。在表达此范围时，另一个实施例包含从一个特定值和/或到另一个特定值。类似地，在通过使用先行词“约”将值表达为近似值时，应理解，所述特定值形成另一个实施例。还应理解，所有空间参考(例如水平、竖直、顶部、上部、下部、底部、左和右)仅用于说明目的，并且可在本公开的范围内变化。例如，参考“上部”和“下部”是相对的，并且仅在上下文中相对于彼此使用，并且不必为“高级”和“低级”。通常，不同方面或部件的类似空间参考指示类似的空间定向和/或定位，即每一“第一端”位于或指向装置的同一端。此外，本文中各种空间术语的使用不应被解释为限制植入物相对于脊柱中位置的各种插入技术或定向。

出于本申请的目的，以下术语应具有以下给出的相应含义：

“计算设备”、“电子设备”或“计算机”是指包含处理器和存储器的设备或系统。每一设备可具有其自身的处理器和/或存储器，或者所述处理器和/或存储器可如在虚拟机或虚拟容器布置中与其它设备共享。存储器将包含或接收编程指令，所述编程指令在由处理器执行时使得电子设备根据所述编程指令执行一个或多个操作。电子设备的实例包含个人计算机、服务器、大型机、虚拟机、容器、例如智能手机之类的移动电子设备、因特网连接的可穿戴装置、平板计算机、膝上型计算机，以及可在物联网布置中通信的器具和其它设备。在客户端-服务器布置中，客户端设备和服务器是电子设备，其中服务器包含客户端设备经由一个或多个通信网络中的一个或多个通信链路来访问的指令和/或数据。在虚拟机布置中，服务器可为电子设备，并且每一虚拟机或虚拟容器也可被认为是电子设备。在下面的讨论中，为简洁起见，客户端设备、服务器设备、虚拟机或虚拟容器可简称为“设备”。下面将在图4的上下文中讨论可以包括在电子设备中的附加元件。

术语“存储器”、“计算机可读介质”和“数据存储设备”均指其上存储计算机可读数据、编程指令或两者的非暂时性设备。除非上下文明确指出需要单个设备或需要多个设备，否则术语“存储器”、“计算机可读介质”和“数据存储设备”包含单数和复数实施例两者以及例如存储器扇区之类的此类设备的部分。

图1示出根据实施例的实例脊柱评估系统。如图1所示，系统100可以包括一个或多个可穿戴电子设备102a-N、一个或多个客户端电子设备104a-N以及评估系统106。可穿戴电子设备102a-N可以是与客户端电子设备104a-N和/或评估系统106经由一个或多个通信网络108、112通信。类似地，客户端电子设备104a-N可以经由一个或多个通信网络110与评估系统106通信。通信网络108、110、112可为局域网(LAN)、广域网(WAN)、移动或蜂窝式通信网络、外联网、企业内部网、因特网、短程通信网络等。虽然图1展示出了分离的通信网络108、110、112，但是应当理解，这些网络或这些网络的一些组合可以被实现为单个通信网络。

评估系统106可以包括一个或多个电子设备，例如服务器和/或一个或多个数据存储设备。例如，如图1所示，评估系统106可以包括用于存储从一个或多个传感器接收的测量的患者数据的数据存储设备114，所述患者数据例如运动数据、电活动信息、声音信息、温度信息和/或类似信息。数据存储设备114可以存储该数据，使得其与特定患者相关。

评估系统106可以包括活动识别系统116，其可以使用一个或多个电子设备和/或数据存储设备实现。活动识别系统116可以将测量的患者数据的至少一部分转换成由可穿戴电子设备的穿戴者执行的特定活动，如下面更详细地描述的。活动识别系统116可以包括或可以访问包括与一个或多个与一个或多个活动相关联的模式的数据存储设备120和/或包括与穿戴者的患者数据有关的历史信息(例如运动数据或运动的模式)的数据存储设备122。

在实施例中，评估系统106可以包括诊断系统118。可以使用一个或多个电子设备和/或数据存储设备执行诊断系统118。诊断系统可以分析并比较与可穿戴电子设备的特定穿戴者相关的测量的患者数据与和各种脊柱或其他背部状况或病症相关的数据，以提出针对穿戴者的可能的诊断，使其经过临床医生审查和确认，如在下面更详细描述。如图1所示，诊断系统可以包括或可以访问数据存储设备124，该数据存储设备包括与一种或多种脊柱或背部状况相关的信息。

图2示出根据实施例的实例可穿戴电子设备200。可穿戴电子设备200可以被配置为由个人跨过个体的躯干的至少一部分穿戴，例如，个体的下背部的一部分、个体的上背部的一部分或个体的胸部的前部。

如图2所示，可穿戴电子设备102a-N可以包括电路202和一个或多个传感器204a-N。实例传感器204a-N可以包括但不限于惯性测量单元(IMU)、心电图(ECG)传感器、肌电图(EMG)传感器、加速度计、气压计、温度计或其他热传感器、麦克风、光电容积描记法(PPG)和/或类似物。在一些实施例中，可穿戴电子设备可以通过一个或多个皮带、条带或其他紧固件固定到患者。在其他实施例中，可穿戴电子设备可以是可穿戴物件的组件，例如背带、吊带、袖子和/或类似物，或者可以固定在患者或穿戴者身上，例如，以皮下植入物或外部贴剂的形式，其可以粘合或以其他方式固定地连接至患者。在一个实施例中，用于将可穿戴电子设备固定到患者的粘合剂可以是导电的，以容许从患者的皮肤流向一个或多个传感器(例如，ECG集成电路)的电信号。

在各种实施例中，一个或多个传感器204a-N可以被配置为在穿戴者穿戴可穿戴电子设备时测量穿戴者的运动或动作的一个或多个特征。该运动或动作可以是穿戴者的脊椎轴线、下肢等的。例如，一个或多个传感器可以测量围绕x、y或z轴的旋转(例如，俯仰、横滚和/或侧身)。在各种实施例中，x轴可以被定义为中矢状平面和轴向平面的相交。y轴可以被定义为中冠状平面和轴向平面的相交。z轴可以被定义为中矢状平面和中冠状平面的相交。

一个或多个传感器可以测量角速度、重力、压力、加速度、回转和/或旋转定向、运动方向、起伏、喘振、摇摆、位置和/或类似物。在本公开的范围内可以使用额外的和/或可替代的数据。

在某些实施例中，一个或多个传感器204a-N可以被配置为测量穿戴者的一个或多个解剖状况。例如，热传感器可以测量患者的相邻软组织的温度。类似地，诸如ECG或PPG之类的数字传感器可用于测量穿戴者的心跳。在本公开的范围内可以使用额外的和/或可替代的数据。

一个或多个传感器204a-N可以被配置为测量患者的局部肌肉组织的电活动。例如，一个或多个传感器204a-N可以包括ECG或EMG。在某些实施例中，一个或多个传感器204a-N可以被配置为测量声音信息，诸如来自附近关节的声音信号。例如，一个或多个传感器204a-N可以包括一个或多个麦克风。

一个或多个传感器204a-N，例如脉搏血氧仪，可以配置成测量或检测微血管组织中的血容量变化。

为了本公开的目的，“测量的患者信息”是指由可穿戴电子设备测量或以其他方式获得的信息，例如，运动数据、解剖状况、电活动、声音信息、血容量变化等。

在各种实施例中，可穿戴电子设备102a-N可以包括一个或多个集成电路、微芯片或其他存储器设备。例如，可穿戴电子设备102a-N可以包括存储器芯片，其可以从可穿戴电子设备移除并插入到另一电子设备中，以便传输存储在存储器芯片上的数据。可穿戴电子设备还可包括固件和/或电池，包括例如可被封装或可包括压电电源的薄膜电池。

在其他实施例中，可穿戴电子设备102a-N可以经由短距离通信与一个或多个其他电子设备诸如客户端电子设备104a-N通信。例如，可穿戴电子设备102a-N可以使用近场通信(NFC)、射频识别(RFID)、蓝牙等与电子设备通信。可穿戴电子设备和/或客户端电子设备104a-N可以包括短距离通信接收器和/或发射器，例如RFID标签、蓝牙天线、NFC芯片、超声等。电子设备可以进一步通过物理连接、感应或通过其他这样的方式向可穿戴电子设备提供电力或附加电力。

客户端电子设备104a-N可以是智能电话、平板电脑、膝上型计算机、计算设备或其他电子设备。例如，客户端电子设备104a-N可以是与患者相关联的智能手机或平板电脑。作为另一实例，客户端电子设备104a-N可以是与临床医生、医疗保健提供者、医疗保健实体等相关联的智能手机或平板电脑。

图3示出根据实施例的评估测量的患者信息的实例方法。如图3所示，可穿戴电子设备可以在特定时间段内收集300测量的患者信息。例如，IMU可以测量一段时间内与穿戴者的运动有关的角速度和/或加速度。类似地，气压计可以测量一段时间内的大气压。在各种实施例中，传感器可以连续地捕获患者数据。例如，传感器可以基本实时地捕获患者数据。可替代地，传感器可以在某些时间例如以规则的间隔捕获患者数据。

在给定IMU及其放置的情况下，IMU可以提供与穿戴可穿戴电子设备的人的运动有关的信息。原始x/y/z测量值例如可以仅提供有关传感器本身的运动的信息，该信息可能与穿戴者的运动不同。例如，已知的方法利用被集成到诸如电话和手表的设备中的运动传感器，该运动传感器以与它们的穿戴者或携带者显著不同的方式和与它们的穿戴者或携带者无关的方式运动。

数据的一个或多个数据点可以具有一个或多个关联的参数，例如关联的时间戳、关联的速度值、关联的大气压值和关联的加速度值、旋转值、取向值等。

在各种实施例中，患者可以在患者的日常例程中穿戴可穿戴电子设备。例如，当患者在家中或在临床环境之外时，患者可以佩戴可穿戴电子设备。患者可在长时间期间佩戴可穿戴电子设备，以获取大量数据样本。该时间期间可以是数小时、数天、数周、数月等。

在其他实施例中，患者可以在有限的时间期间内佩戴可穿戴电子设备，例如在临床环境中、在与临床医生进行评估期间等等。在这种情况下，可要求患者执行一项或多项运动、活动或方案，以收集有关患者运动的信息。例如，临床医生可以在穿戴可穿戴电子设备时要求患者坐、站、走、弯腰、躺下或进行其他活动。

在各种实施例中，如果患者数据的一个或多个测量值超出可接受范围，则可穿戴电子设备可以通知穿戴者或另一人，例如健康护理提供者。例如，可穿戴电子设备可以包括数据存储设备或与数据存储设备通信，该数据存储设备可以存储可接受范围的测量值。可接受范围的测量值可以是穿戴者特定的定制范围，或可以是所有患者的可接受测量值的一般性范围。例如，传感器可以测量绕轴线的旋转。如果测得的旋转超出了可接受的值范围(例如，穿戴者旋转过多)，则可穿戴电子设备可在客户端电子设备上显示通知，通知客户端电子设备的用户测量值超出可接受范围。在本公开的范围内可以使用额外的和/或可替代的范围和/或测量值。

返回参考图3，在一些实施例中，可穿戴电子设备可以对收集的患者数据的至少一部分执行一个或多个预处理操作。例如，可穿戴电子设备可以将数据或格式数据过滤为一致的形式或格式。

可穿戴电子设备可以将收集的患者数据存储302到一个或多个数据存储设备中。在各种实施例中，数据存储设备可以与传感器相关联，使得由传感器收集的运动数据被存储在相应的数据存储设备中。可替代地，由一个传感器收集的患者数据可以与由一个或多个其他传感器收集的运动数据一起存储在一个或多个数据存储设备中。

如图3所示，可以将存储的患者数据的至少一部分提供给304电子设备。在实施例中，可以通过从可穿戴设备移除存储器芯片或其他数据存储设备并将其连接到电子设备来将患者数据提供给电子设备。可选地，可穿戴电子设备可以经由一个或多个通信网络将收集的患者数据的至少一部分发送到电子设备。在一些实施例中，可穿戴电子设备可以在某些时间或间隔将患者数据传输到电子设备。在其他实施例中，可穿戴电子设备可以响应于从电子设备接收到请求而将患者数据发送到电子设备。

一个或多个电子设备，例如与评估引擎或活动识别系统相关联的电子设备，可以处理306患者数据的至少一部分。在各种实施例中，电子设备可以处理306包括在患者数据中的运动数据，以将运动数据的至少一部分分类为一个或多个活动类别。活动类别是指当收集至少一部分患者数据时穿戴者可能正在执行的活动。示例性活动类别包括但不限于睡眠、步行、驾驶、行进、坐着、站立和/或类似活动。

在各种实施例中，电子设备可以将运动数据分类为初始分组。初始分组可以与穿戴者的姿势相关联。这样，初始分组可以与两个或更多个活动类别相关联。例如，活动类别可以与相似类型的姿势相关联。这样，可以首先基于运动数据的特性(例如，围绕一个或多个解剖轴的旋转位置)将运动数据分类为初始分组。

电子设备可以使用机器学习技术将运动数据分类为初始分组。例如，电子设备可以使用在某些姿势上训练的逻辑回归。逻辑回归在纯二进制的基础上进行操作，但是可以使用多项逻辑回归或一对其余表决方式将其扩展到多类分类任务。多项逻辑回归概括了可以产生多个输出分类的方法。例如，代替真或假，逻辑回归、多项逻辑回归的可能输出可以直接标记三个姿势状态。

一对其余(或一对所有)是其中以二进制方式训练各个分类器以将数据标识为“X”或“除X之外的所有数据”的过程。在这种情况下，每个可能的姿势可以与它自己的分类器(例如，站立分类器、就座分类器和卧式分类器)相关联。可以使数据通过与每个可能的姿势相关联的分类器，并且可以将具有最高概率值的结果假定为正确的姿势。

电子设备可以进一步将针对每个初始分组的运动数据分类为初始分组的特定活动类别。例如，电子设备可以将已经被分类为初始分组“活动1/活动2”的运动数据分类为活动类别活动或活动类别活动2。

电子设备可以基于运动数据的一个或多个参数值将运动数据分类为初始分组和/或活动类别。例如，指示可穿戴电子设备以直立的方式放置在穿戴者的背部上的运动数据可以是并且经受一定范围内的气压，可以被分类在初始分组“活动1/活动2”中。但是，如果运动数据与在某个范围内或超过某个值的速度相关联，则可以将此类运动数据分类为“活动2”活动类别。

作为另一实例，指示可穿戴电子设备正经历在一定范围内的力的运动数据可以被分类为初始分组“活动3/活动4”。但是，如果运动数据与在某个范围内或超过某个值的速度相关联，则可以将此类运动数据归类为“活动3”活动类别，因为穿戴者传统上不会在睡眠期间经历该速度。

在各种实施例中，电子设备可以使用模式匹配来对运动数据进行分类。例如，电子设备可以存储或以其他方式访问一个或多个数据模式，该数据模式指示与初始分组和/或活动类别相对应的运动。例如，与步行相关联的运动数据可以具有在一定值范围内的速度参数值。该模式可以被存储在模式数据存储设备中。当对运动数据进行分类时，电子设备可以将运动数据的至少一部分与一个或多个模式进行比较以确定一种或多种相似性。例如，如果与运动数据的一部分相关联的速度参数值类似于上述实例“行走”模式，则电子设备可以将运动数据的该部分分类为“行走”。

在一些实施例中，可以基于个体穿戴者的特定行为或运动来训练一种或多种模式。电子设备可以利用机器学习方法，该机器学习方法可以将运动数据的至少一部分与经训练的数据集进行比较以确定运动数据对应于与活动类别相关联的模式的概率。例如，特定的穿戴者可能始终以一定范围内的速度行走。作为另一个实例，穿戴者可能始终以有利于穿戴者右侧的步态行走。随着为穿戴者收集更多的运动数据，可以训练一个或多个模式以识别某些行为是特定于穿戴者的运动，而不是穿戴者所遭受的疼痛或其他背部状况后果的指示。

回到图3，电子设备可以将分类的运动数据和/或其他患者数据的至少一部分转变308成一个或多个分数。在各种实施例中，一个或多个分数可以对应于来自ODI的一个或多个问题。例如，ODI可要求患者评估患者的疼痛如何影响他或她的行走能力。电子设备可以分析已经被分类为“行走”的运动数据的一个或多个参数，以生成与该问题相关联的分数。例如，电子设备可以分析与运动数据相关联的前进速度，以确定穿戴者运动的速度。作为另一个实例，电子设备可以分析俯仰(前向后运动)和/或横辊(右向左运动)，以确定穿戴者行走的稳定性。

返回参考图3，在某些实施例中，电子设备可以确定310针对穿戴者的建议的诊断。例如，活动识别系统可以将分数中的一个或多个发送给诊断系统。诊断系统可以接收分数，并且可以将分数与和各种状况相关的诊断信息进行比较，例如颈椎病和有症状的腰椎管狭窄症。例如，诊断系统可以将与不同状况相关联的信息存储在一个或多个数据存储设备中。该信息可以包括针对状况的各种运动相关方面的分数或分数范围。如果接收的分数类似于与状况相关联的分数，则诊断系统可以确定该状况是针对穿戴者的建议的诊断。

例如，与椎管狭窄相关的神经源性跛行症的特征可在于进行性腰椎屈曲和伴随离床活动增加而降低步行速度。相比之下，腰肌功能障碍(痉挛)的特征可能是姿势和步行速度提高，而离床活动增加。

在各种实施例中，评估系统可以使建议的诊断被显示312在一个或多个客户端电子设备上。例如，评估系统可以使建议的诊断显示在与穿戴者的临床医生相关联的平板电脑上。在另一个实施例中，评估系统可以使建议的诊断显示在穿戴者的智能手机设备上。临床医生可以使用建议的诊断来确认穿戴者的诊断或为穿戴者提出其他治疗建议。

图4示出了可用于包含或实施程序指令的实例硬件。总线400用作将硬件的其它所示部件互连的主要信息高速公路。CPU 405是系统的中央处理单元，执行实行程序所需的计算和逻辑运算。单独或与图4中所公开的其它元件中的一个或多个结合的CPU 405是处理器的实例，正如此术语在本公开内使用。只读存储器(ROM)和随机存取存储器(RAM)构成了非暂时性计算机可读存储介质420、存储器设备或数据存储设备的实例，正如此类术语在本公开内使用。

用于提供接口并执行与一个或多个数据集相关联的任何查询或分析的程序指令、软件或交互式模块可存储在存储器设备420中。任选地，程序指令可存储在例如光盘、数字磁盘、快闪存储器、存储卡、USB驱动器、光盘存储介质和/或其它记录介质等有形的非暂时性计算机可读介质上。

任选的显示接口430可允许来自总线400的信息以音频、视频、图形或文字数字的格式显示在显示器435上。可使用各种通信端口640与外部设备进行通信。通信端口440可附接到通信网络，例如因特网或企业内部网。

硬件还可包含接口445，所述接口允许从例如小键盘450之类的输入设备或例如触摸屏、遥控器、定点设备、视频输入设备和/或音频输入设备之类的其它输入设备455接收数据。

将了解，各种上文公开的以及其它特征和功能或其替代方式可期望地组合到许多其它不同的系统或应用或系统和应用的组合中。同样，本领域技术人员可随后做出其中各种目前未预见到或非预期的替代方式、修改、变化或改进，所述替代方式、修改、变化或改进也意在由所附权利要求书涵盖。