TR201503657A2 - Kardiyovasküler Hastalıkların Teşhisi Ve Kalp Krizi, İskemik Atak, Aritmi vb. Durumlarda Erken Uyarı Veren Giyilebilir, Kişiselleştirilmiş Tanı ve Uzaktan İzleme Sistemi - Google Patents

Abstract

Bu buluş kardiyovasküler hastalıkları erken teşhis etme çalışmaları ile ilgili olup, özelliği hastadan alınan fizyolojik verilerin ve fiziksel aktiviteler sonucu hastada değişen kan basıncı, SPO2 derişimi, solunum sıklığı, deri empedansı, vücut ısısı gibi verilerin yapay zeka algoritmaları ile işlenmesi, dolayısıyla cihazın kişiselleştirilmesi, ayrıca ortam nemi, sıcaklığı ve basıncı gibi parametrelerin sisteme dahil edilmesiyle kalp krizi, aritmi, iskemi gibi kalp hastalıklarına karşı erken uyarı verilmesi ile ilgilidir. Bu çalışma hastadan alınan tüm verileri cihaz üzerine kaydedebileceği gibi kablosuz olarak da buluta aktarılmasını, böylece hasta ve sağlık ekibinin gerçek zamanlı olarak verilere tüm mobil cihazlardan ulaşabilmesini sağlamaktadır. Ayrıca bu buluş yapay zeka algoritmalarıyla yaşam boyu öğrenebilme kapasitesine sahip olmasıyla ilgilidir.

Description

TARIFNAME Kardiyovasküler Hastaliklarin Teshisi Ve Kalp Krizi, Iskemik Atak, Aritmi vb. Durumlarda Erken Uyari Veren Giyilebilir, Kisisellestirilmis Tani ve Uzaktan Izleme Sistemi TEKNIK ALAN Bu bulus kardiyovasküler hastaliklari erken teshis etme çalismalari ile ilgili olup, özelligi hastadan alinan fizyolojik verilerin ve fiziksel aktiviteler ile degisen kan basinci(9), SPO; derisimi(11), solunum sikligi, deri empedansi, vücut isisi gibi verilerin(14) yapay zeka algoritmalari ile islenmesi(Sekil 6) ve hastayi ögrenmesi(26), dolayisiyla hastaya uyumlu algoritmasi sayesinde(SekiI 5) kalp krizi, aritmi, iskemik atak gibi kalp hastaliklarina karsi erken uyari verilmesini(7) konu edinmektedir. Bu çalisma hastadan alinan tüm verileri cihaz üzerine kaydedebilecegi(17) gibi kablosuz olarak da buluta veya uzak veritabanina aktarilmasini(19), böylece hasta ve saglik ekibinin gerçek zamanli olarak verilere platform bagimsiz ulasabilmesini saglamaktadir. Ayrica bu bulus yapay zeka algoritmalariyla yasam boyu ögrenebilme(25) kapasitesine sahip olmasiyla ilgilidir. ÖNCEKI TEKNIK Dünya Saglik Örgütünün 2012 verilerine göre kalp krizi dünyadaki tüm ölümlerin %18 “ini olusturmaktadir ve krizin kalbe verdigi en büyük hasar iki saat içinde gerçeklesmektedir. Daha önce kalp krizi geçirmis hastalarin ise tekrar kriz geçirme olasiligi çok yüksektir. Bu kadar önemli bir hastaligin erken teshis edilmesi ile hem krize bagli ölümlerin engellenebilmesi hem de krizin sebeplerine iliskin fizyolojik etmenlerin tespit edilebilmesi mümkündür.

Kalp krizini erken teshis etmek üzere yapilan çesitli çalismalar mevcuttur. Bu çalismalar hastadan alinan EKG verisinden kalp hizi, kan basinci, nefes takibi gibi verileri elde etme ve bu verilerin degisim oranina göre hastada olasi kalp krizini veya aritmileri teshis etmeye yönelik çalismalardir. Üzerinden Saglik Kurumuna Bildiren Cihaz, baslikli patent çalismasi hastadan alinan EKG ve kismi oksijen basinci sinyallerini isleyerek olasi bir kalp krizi belirtisinde GPRS/GSM üzerinden doktora ve acil saglik ekibine bildirmek üzere tasarlanmistir. Ancak bu çalisma hastanin fiziksel aktivitelerine bagli olarak degisen parametreleri hesaplayacak sisteme sahip degildir. Örnegin kisi kosarken kalp hizinda artis meydana gelir, vücut isisi yükselir ve solunum hizi artar. Kosma aktivitesine göre bu durum normal seviye olarak kabul edilecekken sistemin bu durumu algilayamamasi olasi yanlis alarmlarin olusmasina sebep olabilmektedir.

Sadece uyku aninda hastanin kalp krizi geçirip geçirmediginin kontrolü için yapilan çalismalar, EKG ve aktivite sensörlerinden alinan verilerin kablosuz olarak aktarilmasi ve monitörize edilmesi, bu verileri belirli bir süre SD karta kaydedip, sonrasinda hastaligin tanisina yönelik incelemelerin yapilmasi gibi çesitli çalismalar mevcuttur. Bu sistemlerin en büyük eksigi hastasini taniyan bir sistemin olmamasidir. Ayrica planlanan çalismalarin uygulama yönünde çok büyük eksiklikleri olmasi ise yadsinamaz bir gerçeklik tasimaktadir. Nitekim var olan cihazlar bir holter gibi hastanin ancak belinde tasiyabilecegi büyüklüktedir ve elektrotlar arasi mesafe oldukça fazla oldugu için hastanin bu cihazlarla günlük aktivitelerini gerçeklestirmesi imkansiz hale gelmektedir.

Ayrica cihazlarin kayit süreleri ve veri çözünürlükleri düsüktür. Örnegin bir holter 48 saat süreyle hastanin EKG verilerini kaydeder. Bu süre içinde aktive olmamis bir aritmi ile kalp hastaligina tam teshis koymak mümkün olmamaktadir. Ayrica verilerin gerçek zamanli olarak aktarilamamasindan kaynakli gözden kaçan aritinilerin detekte edilmesi de bir o kadar zordur ki bunlar yine kalp krizi gibi fizyolojik hastaliklarin erken teshisinde kullanilamamaktadir. Su anda aritini detekte etme (tespit etme - algilama), fiziksel aktiviteleri monitörize etme gibi islevleri kablosuz olarak yapan cihazlar ise tam manasiyla kalp krizini erken teshis edecek hassasiyette degildirler. Çünkü veri aktariminda ve sonrasinda islenmesi konusunda düsük çözünürlüklü verilerin aktarilmasi ile teshisin dogrulugu hep tartisma konusu olmaktadir. Bu cihazlar daha çok aktivite monitörü olarak kullanilmaktadir.

SEKILLERIN AÇIKLAMASI Sekil 1: Sistemin Genel Çalisma Prensibi Sekil 2: Cihazin Mikroislemcili Devresi Sekil 3: Çevre Cihazlardan Toplanan Verilerin Yapay Zeka Algoritmasinda Islenmesi Sekil 4: Hastadan Alinan Veriler ve Bu Verilerin Ögrenilmesi Sekil 5: Cihazin Train(Ögrenme) Algoritmasi ile Kisisellestirilmesi Sekil 6: Yapay Zeka ve Karar Mekanizmasi Islem Algoritmasi Sekil 7: Kalp Krizi, Aritmi, Iskemik Atak gibi Kalp Hastaliklarina Dair Hastanin Risk Tasimasi Durumunda Cihazin Fonksiyonlari Sekil 8: Cihazin Veri Aktarim Yöntemleri ve Izleme SEKILLERDEKI REFERANSLARIN AÇIKLANMASI 1: Cihazdan Sensörler Araciligiyla Alinan Veriler 2: Verilerin Hardware(Donanim) Bölümünde Dijitale Dönüstürülmesi 3: Verilerin Islemcide Islenmesi 4: Çevresel Sensörlerin Islem Basamaklarina Dahil Olmasi : Sistemin Dahili Hafiza Ünitesi 7: Cihaz Üzerindeki Uyari Mekanizmasi 8: Sistemin Power Management(Güç Yönetimi) Bölümünde Kablosuz Veri Transfer Ünitesi Sekil 1 Genel Açiklamasi: Kullanicidan alinan EKG, EEG, EMG, SP02, Kalp Hizi, Solunum Hizi, Vücut Isisi, Basinç, Ivme, Hiz, GPS verilerinin algoritmada kullanilabilecek dijital degerlere dönüstürülmesi(Analog Front End), bu degerlerin islemcide islenerek olusturulan saglik raporlamasinin buluta aktarim ünitesi, verilerin kaydedilecegi dahili hafiza ünitesi ve cihazin güç kaynagi ve kablosuz enerji transferi üniteleri bölümleri tasvir edilmistir. 9: NIBP Sensörü (Kan Basinci, Tansiyon) : EKG Sensörü, ll: SP02 Sensörü 12: GPS Sensörü 13: Dokuz Eksenli Hareket Sensörü 14: Termometre : Basinç Ölçer 16: Kablosuz Sarj Modülü 17: Dahili Hafiza Ünitesi 18: RF Haberlesme Modülleri (Wi-F i, Bluetooth, ZigBee, 3G/4G/5G, ANT) 19: Buluta Veri Aktarimi Sekil 2 Genel Açiklamasi: Bu sekilde cihazin içeriginde bulunan EKG sensörü(10), SP02 sensörü(11), GPS sensörü (12), Dokuz Eksenli Hareket Sensörü(13)(Yön sensörü, Ivmeölçer, Magnetometre), Termometre(14) ve Basinç(15) sensörlerinin islemciye veri girisinde bulunduklari tarif edilmektedir. Ayni zamanda cihaz, RF Haberlesme modülleri (18) araciligi ile çevre medikal cihazlar(20) ile haberlesip, ilgili verileri yapay zeka algoritmasinda(Seki1 6) islemek üzere cihaza aktarmaktadir(21). Ayrica cihaz içerisinde bulunan kablosuz sarj modülü(16) ile güç kaynaklarinin kablosuz olarak tekrar sarj edilebilmesi mümkündür.

: Harici Sensörler 21: Dahili ve Harici Sensör Verilerini Toplayan, Sistemin Asil Cihazi 22: Verilerin Yapay Zeka Algoritmasinda Islenmesi Sekil 3 Genel Açiklamasi: Bu blok sema çevre medikal cihazlardan(20) kablosuz haberlesme m0dülleri(18) araciligiyla alinan sensör verilerinin yapay zeka algoritmasinda islenmek üzere kullanilabilecegi gösterilmektedir. Burada kullanilan sensörler karar mekanizmasini belirleyen opsiyonel veri sunarlar. Yani bu sensörler olmadan da cihaz içerisinde bulunan dahili harici sensörler kablosuz ölçüm yapan giyilebilir cihazlar olabilecegi gibi, kablolu ölçüm yapip ölçüm degerlerini kablosuz paylasan RF modülüne sahip cihazlar olabilir. Günümüzde pek çok örnegi bulunan kablosuz EEG, EMG, SPOZ, NIBP(Non Invasive Blood Pressure= Tansiyon) gibi bir çok sensör ile cihaz RF(Radyo Frekansi) hatti üzerinden haberlesebilmekte, bu sensörlerden aldigi verileri yapay zeka algoritmasinda kullanabilmektedir. 23: Sensörlerden Alinan Verilerin Ögrenme Asamasi 24: Referans Degerlerin Olusturulmasi : Referans Degerlerin Güncellenmesi 26: Hastaya Ait Özelliklerin Ögrenilmesi (Feature Extraction Asamasi) Sekil 4 Genel Açiklamasi: Burada çevresel sensörlerden alinan veriler araciligiyla cihazin kullaniciyi tanima mekanizmasi açiklanmistir. Kullanicidan alinan veriler bir ögrenme algoritmasina girerek karar mekanizmasi için referanslar olusturrnakta ve bu islemin belirli sürelerde tekrarlanmasi ile train algoritmasinin güncellenme islemi gerçeklesmektedir. Böylece cihazin yasam boyu kullanicisini ögrenmesi gerçeklesmis olmaktadir. 27: Train Asamasi Gerçeklesmis mi Kontrol Et, Gerçeklesmisse Hasta Durumu Normal Mesaji ver, basa dön. Gerçeklesmemisse ; 28: Kullanici Fizyolojik Sensör Verilerini Topla 29: Kullanici Fiziksel Aktivite Sensör Verilerini Topla : Yapilan Aktivitelere Bagli Kullanici Tanimlamalarini Yap 31: Hastaya Ait Kisisel Özellikleri (Kullaniciya Ait Referans Degerleri) Tanimla 32: Özellikleri Kaydet 33: Kisinin Yönlendirilmesi(DinIenme -Nefes Kontrolü vs) 34: Analiz Raporunun Hazirlanmasi Sekil 5 Genel Açiklamasi: Bu sekilde train algoritmasi asamalari açiklanmaktadir. Sistem baslangiçta cihazin train asamasini tamamlayip tamamlamadigini kontrol eder. Eger asama tamamlanmissa sistem verileri olasi bir anomali olmadigi müddetçe Normal(N) çikisi verecektir. Eger Train asamasi gerçeklesmemisse otomatik olarak kullanicinin referans degerlerini kaydetmek üzere train algoritmasi baslar.

Sensörlerden referans degerlerini belirlemek ve kaydetmek üzere belirli bazi aktiviteler görsel olarak kullaniciya ögretilir. Bu aktiviteler kisinin akilli telefonuna, akili saatine, akilli televizyonuna, tabletine veya bilgisayar ve bilgisayar özelligi gösteren cihazlarina yükleyebilecegi bir uygulama araciligiyla kullaniciya sunulur. Bu aktiviteler kisinin kosmasi, yürümesi, dinlenmesi, yemek yeme veya kahve içme gibi günlük aktiviteler esnasinda sensör verilerindeki degisimin kaydedilmesi ve referans degerlerinin belirlenmesi amacini tasir. Greketiginde degerlendirilmek üzere bu veriler kaydedilir ve belirli araliklarla sensör verileri güncellestirilir.

: Sensörlerden alinan ham sinyallerin islenmesi (Alçak Geçiren Filtre, Yüksek Geçiren Filtre, Bant Geçiren Filtre, DC Baseline Kaldirilmasi, Sinyal Artefaktlarinin Giderilmesi vs.) 36: EKG Sinyal Morfolojisinin Detayli Analizi 37: EKG sinyal ve diger sensör verilerinden alinan degerlere iliskin kullniciya ait, kisisel özelliklerin çikarilmasi. Bu özelliklerin siniflandirilmasinda Bayesian, ICA, SVM veya PCA gibi classification(siniflandirma) metodlarin kullanilmasi 38: Yapay Sinir Aglari ile Sonuçlarin Dogrulugunun Kontrol Edilmesi 39: Verilerin Güncellestirilmesi ve Kaydedilmesi 40: Risk Parametrelerinin Kaydedilmesi 41: Eger Kullanicida bir soruna rastlanmissa belirlenmis risk seviyelerine göre cihazin verecegi tepkilerin olusturulmasi Sekil 6 Genel Açiklamasi: Bu blok diyagramda kullanici verilerinin yapay zeka algoritmasinda kontrol edilme asamalari tarif edilmistir. Train algoritmasi sonrasinda karar mekanizmasi için sensör verilerindeki degisimlerin yapay zeka algoritmasinda islenme asamalari açiklanmistir. Kullanicinin günlük aktiviteleri sirasinda degisen kalp hizi, tansiyon degeri, yapilan is ve ortam isisina göre degisen vücut isisi, nabiz degeri, harici olarak birlikte çalisabilecegi SP02 sensöründen alinan oksijen derisimi degeri, kalp grafisi ve bu grafideki analiz degerleri (aritrni kontrolü ve PR,QT,ST interval - segrnent süreleri, sinyal morfolojileri) kontrol edilmektedir. Çikan sonuç degerine göre bir risk derecesi belirlenmesi, eger ekstrem bir durum saptanirsa bu risk derecelerine göre cihazin kullaniciyi ve saglik ekibini uyarma asamalari gerçeklesir. 42: Hastaya Görsel ve Isitsel Bildirimlerin Verilmesi 43: Hastanin Iyilik Halinin Saglanmasi için Önerilerin Sunulmasi (Örnegin: Solunum Kontrolü, Öksürme Tesviki vs.) 44: Hasta Yakinlarina Bildirimler 45: Saglik Ekibine Haber Verilmesi 46: GSM sensörü ile Hastaya Ambulans Hizmetinin Gönderilmesi Sekil 7 Genel Açiklamasi: Bu sekilde hastaya ait kardiyovasküler bir anormal durum tespit edilmisse hasta ve yakinlarini bilgilendirme asamalari açiklanmistir. Risk derecesine göre cihazin alarm devresinin ve üzerindeki bildirim ledlerinin yanmasi ile kisi uyarilabilir, akilli telefon, tablet gibi bilgisayara yüklenen yazilimda analiz raporu kullaniciya e-posta ile kullanici ve hekimine gönderilir.En yakin hastane bilgileri kullaniciya sunulup, gerektiginde (risk derecesi yüksek bir durum ile karsilasildiginda) GPS sensörü ile hasta konumuna acil servis ekibi yönlendirilmektedir. 47: Vücutta Tasinan Cihazin Dogrudan Buluta Veri Göndermesi 48: Cihazin Akilli Saat ile Haberleserek Verileri Buluta Göndermesi 49: Akilli Televizyon ile Haberleserek Verileri Buluta Göndermesi 50: Akilli Telefon ile Haberleserek Verileri Buluta Göndermesi 51: Tablet ile Haberleserek Verileri Buluta Göndermesi 52: Verilerin Buluta Aktarimi ve Islenerek Rapor Olusturulmasi 53: Verilerin ve Raporun Uzaktan Izlenebilmesi Sekil 8 Genel Açiklamasi: Bu sekilde verilerin buluta aktarilmasinda kullanilan yöntemler açiklanmistir. Sistem, verileri ya dogrudan cihaz araciligiyla buluta gönderir(23) ya da akilli telefon, akilli televizyon, akilli saat, tablet, bilgisayar gibi mobil cihazlarin cihaza kablosuz olarak Wi-Fi, Bluetooth, 3G/4G/5G, ZigBee, AN T ile baglanmasi sonucu verileri buluta(52) aktarabilir. Ayrica buluttaki verilere yine ayni mobil cihazlar araciligiyla ulasilip, uzaktan kullaniciya ait genel saglik durum raporu ve veriler incelenebilir.

Sekil 5 ve 6”da Yapilan Kisaltmalar N: Normal Degerler T: Train Asamasi SO,S1,S2,S3: Seviye 0,1, 2, 3 BULUSUN AMACI ve AÇIKLAMASI Bu bulusun amaci hastayi taniyan bir sistem ile(27) kardiyovasküler hastaliklari ve kalp krizi, aritmi, iskemi gibi kalp hastaliklarini erken teshis etmek; bu teshis neticesinde hem hastayi hem de saglik ekibini dogru yönlendirerek(Sekil 7) hasta ve hekim için en uygun çözümü sunmaktir(41).

Bu amaci gerçeklestirme prosesesi (islemi), öncelikle hastanin bir train (ögrenme) asamasina alinmasiyla baslar(23). Bu asamada hastadan yürüme, kosma, uyuma, egzersiz yapma gibi fiziksel aktiviteler gerçeklestirmesi beklenir(27) ve bu aktiviteler sonucu alinan degerler hastaya ait ögrenilmis verileri olusturur(26). Bu veriler bize hastanin veya kullanicinin günlük hayattaki kardiyovasküler sistemine ait karakteristigi ögrenmeyi saglar. Kullanicinin günlük yasaminda fiziksel aktiviteler veya metabolik etkenler sonucunda kalbe ait verileri degistiginde bu ögrenilmis verilere(24) göre kiyaslama yapilarak(37) yeni durumun bir anorrnallik tasiyip tasimadigi tespit edilebilir (41). Örnegin, Sadece eforlu EKG”de ritmik bozuklugu tespit edilebilen bir hasta düsünülecek olursa, mevcut sistemler bu hasta için fiziksel aktivite yaparken uyari verirler. Fakat bu sistemde hastanin eforlu verilerini daha önceden ögrendigi ve aktivite sensörleri sayesinde hastanin fiziksel aktivite yaptigini bildigi için sistem bunu hastanin normal degeri olarak görecek ve uyari vermeyecektir. Diger bir örnek için dag sporculari düsünülebilir. Yükseklere tirrnandikça atmosfer basincina bagli olarak ortamdaki oksijen seviyesi düser. Daha fazla oksijen toplayabilmek için kalp daha hizli çalismaya ihtiyaç duyar. Bunun sonucunda kalbin gevsemesinin yavaslamasina bagli olarak ritim bozuklugu veya kalbin yetersiz kalmasi durumlari görülebilmektedir. Sistem fiziksel ve ortam sensörleri ile hastanin daha öncesinden ögrenilmis verilerine bakarak olasi bir riski önceden öngörme yetenegine sahiptir. Böylece hastaya erken uyari verebilir veya yönlendirebilir(Sekil 7).

Sistemin karar mekanizmasini etkileyen faktörlerden en önemlisi kullanicinin normal bir kalp ritmine sahip olup olmadiginin detayli incelenmesidir. Kisiye ait kalp grafisinde ST segmentinin, QRS dalga morfolojisinin, PR,QT ve RS intervallarinin incelenen EKG kanal türüne göre (DI, DII, DIII, Vl, V2, V3, V4, V5, V6, aVR, aVL, aVF) kabul edilebilir bir aralik degerleri vardir ve genel olarak kalp krizine ait bilgiler bu intervallarin arasindaki sürelerin uzun ve düzensiz olmasi, P-QRS-T-U sinyallerinin düzensiz olusmasi veya hiç olusmamasi, T dalgasinin V5 Derivasyonunda negatif defleksiyonda olusmasi, ST seginentinde çökme-yükselme olmasi, T dalgasinin keskinliginin artmasi, Q dalgasinin derinliginin(genlik) artmasi, QRS komplexinde yapisal bozuklugun olmasi(ömegin Q dalgasinin bulunmamasi), RR araliginin (iki R Dalgasi arasindaki sürenin) esit olmamasi gibi sinyal bozukluklari gözlenmektedir ve cihaz algoritmasinda bu degisimler detayli irdelenmektedir (36).

Ayrica bu sinyal bozuklugu ile birlikte alinan nabiz degeri, kandaki oksijen derisimi, solunum sikligi, vücut isisi, cilt empedansi gibi veriler yapay zeka algoritmasinda karsilastirilarak hastalik ve krize dair en dogru sonuca ulasilmaktadir. Kisinin saglik durumunu ölçen yüksek hassasiyetteki sensörler uyari verebilmektedir.

Cihaz EKG(10) ölçümünün yaninda SP02(11), vücut isisi(l4), kan basinci((9), solunum hizi, ortam basinci, hareket(l3), vücut empedansi, GPS(12) verilerinin alinabilecegi sensörleri içerrnektedir (15).

Kandaki oksijen yogunlugunu ölçmesi için cihaza yerlestirilen SP02(11) sensörü, isik kaynagi ile sensörün ayni düzlemde yer aldigi reflection (yansima) özelligindeki sensörler ile ölçülebilir. Ayni zamanda bu veri(11) hastanin parmak, kulak gibi uzuvlarina yerlestirilen harici bir SP02 cihazindan da alinabilir. Içerisinde bulunan kablosuz haberlesme modülü(18) araciligiyla cihaz bu harici sensörlerle(20) veri alisverisinde bulunabilmektedir. Bu sensörlerin yüksek çözünürlük degerlerine sahip olmalari ile hastadaki en küçük degisimler dahi algilanabilmektedir. Dogru teshis için ise bu veriler yapay zeka algoritmasinda kosarak (islenerek) kisinin fiziksel aktivitelerini, yas, cinsiyet, kilo gibi kisisel verilerini ve önceden tanisi konulmus tasikardi, bradikardi, yüksek tansiyon, fibrilasyon gibi hastaliklar dahilinde alinan verileri hesaba katar (ögrenilmis özellikler (26) ) ve bir uyari algiladiginda önce hastayi daha sonra durumun aciliyetine göre doktor ve saglik ekibini uyarir (41).

Cihazin hastayi uyarma sekli, cihaz üzerindeki alarm devresinin aktiflesmesi sonucu sesli-görsel uyaranlar seklinde veya bilgisayar, tablet, akilli telefon, akilli saat, akilli televizyon gibi mobil cihazlara yüklenen uygulamalarla görsel ve isitsel bildirimlerde bulunulmasi seklinde olabilir. Hekim ve saglik ekibini ise kullanici uygulamalari araciligi ile hekimin ve saglik ekibinin hasta genel saglik durumu hakkinda SMS, e-posta, acil çagri istegi alma gibi metodlarla bilgilendirilmesi seklinde olmaktadir. Cihaz eger Wi-Fi ile haberlesiyorsa internet üzerinden, 3G/4G/5G mobil iletisim yöntemlerinden biri ile haberlesiyorsa dogrudan bu uygulamalari(SMS gönderme, e-posta gönderme, acil çagri isteginde bulunma) gerçeklestirebilmektedir.

Hastanin harekete bagli etkilerin sinyallerden arindirilarak düzgün bir EKG kaydinin alinmasi, veri alinamayan sensörlerin algilanmasi ve uyari verilmesi, aktivite sensörlerinden alinan verilerin koordineli olarak yapay zeka algoritmasini belirlemesi ve cihazin train(ögrenme) algoritmasinin(Sekil ) kullanicidan alinan veriler dogrultusunda güncellenmesi ile cihazin yasam boyu kullanicisini ögrenebilmesi (cihazin kisisellestirilmesi) sistemin en büyük kazanimlarindandir. Bu eylemleri cihazin islemcisindeki yüksek hassasiyetteki ADCsler (Analog to Digital Converter) ve ADC”den alinan verilerin islendigi yüksek hizli islemcilerde kosan train ve yapay zeka algoritmalari gerçeklestirmektedir. Üst paragrafta açiklandigi üzere sistem kullanildigi müddetçe ögrenebilme özelligine sahiptir.

Kullanicinin fiziksel aktiviteleri ve çevresel parametreler sonucu degisen verilerini bir ögrenme algoritmasinda kayit altinda tutarak bu degerlerin kisi için normal aralikta olup olmadig1(36) kontrol edilir. Örnegin kisi rakimi yüksek yerlerde yasamaya baslamis ve atmosfer basincina bagli olarak kanindaki oksijen derisimi ve kan basinci düsmüsse cihaz bu degisimin kullanici için sürekliligini yani degisim hizini kontrol eder. Bundan sonraki karar mekanizmasi için kisi referans verilerini güncelleyerek(25) ekstrem durumlari yapay zeka algoritmasinda tanimlamaya baslar.

Sensörden alinan verilere hem hastanin hem de saglik ekibinin platform bagimsiz olarak erisebilmesi için veriler buluta(19) aktarilmaktadir. Buradan hem hasta hem de saglik ekibi kullanici dostu mobil uygulamalar ile hastaya ait tüm bilgileri ( EKG grafikleri ve analizi, kalp hizi, solunum hizi, nabiz degeri, kandaki oksijen derisimi, sicaklik, basinç, hareket ivmesi,nem... vb.) inceleyebilmektedir.

Veriler istege bagli olarak veri trafiginin azaltilmasi gereken durumlarda buluta( 19) düsük çözünürlüklü olarak da aktarilabilmektedir.

Verilerin buluta aktarilmasinda(19) kullanicinin tercihine bagli olarak almis oldugu cihazin haberlesme türüne göre farkli RF(Radio Frequency=Radyo Frekanslari) modülleri kullanilabilmektedir. Bu protokoller Wi-Fi (Wireless Fidelity = Kablosuz Baglanti Alani), 3G/4G/5G, Bluetooth, ZigBee, ANT gibi kablosuz haberlesme yöntemleridir (18). Bu protokollerden herhangi biri ile hastanin verileri dogrudan buluta aktarilabilecegi gibi(19) akilli telefon, tablet, akilli saat, akilli televizyon gibi bilgisayar ve bilgisayar özelligi tasiyan tüm cihazlara aktarilarak, buradan da buluta(52) veri gönderilebilmektedir. Böylece kullanici verilerine tüm mobil cihazlar ve bilgisayarlardan erisilebilmektedir. Ayni sekilde bulutta var olan verileri incelemek için yine ayni cihazlara(akilli telefon, tablet, akilli saat, akilli televizyon gibi bilgisayar ve bilgisayar özelligi tasiyan cihazlar) yüklenecek uygulamalar ile kullaniciya ait saglik durum raporu, hastanin geçmis zamanlardaki saglik durum karsilastirma grafiklerine ulasilabilmektedir. Bu erisim için kullanilan uygulama Microsoft Windows, Android, IOS veya Linux isletim sistemine sahip cihazlara yüklenip sorunsuz çalisabilir.

Hasta verilerinin güvenligini saglamak üzere sisteme giris yapan tüm kullanicilar için AES, 3DES, SHA-l gibi güçlü sifreleme yöntemleri kullanilmaktadir. Ayrica verilerin aktarimi (iletim) esnasinda da sifreleme kullanilmaktadir. Bu veriler kapali anahtar sayesinde sifreleme algoritmasinda anlamsiz verilere dönüstürülür. Iletilen veriler karsi tarafta ayni anahtar ve sifreleme algoritma altyapisini kullaranak tekrar anlamli veri paketleri haline dönüstürülür. Böylece hastaya ait kisisel kimlik ve ölçüm verileri 3. Sahis/kurumlarin izinsiz erisimine kapatilmis olacaktir. Siber güvenlik açisindan alinan bu tedbirler ile veriler koruma altinda tutulmus olmaktadir.

Eger cihaz bu kablosuz haberlesme protokollerinden(18) herhangi birine ( Wi-Fi, 3G/4G/5G, Bluetooth, Zigbee, ANT) baglanamazsa, verileri dahili hafizasinda(17) depolayarak haberlesme agina baglandigi ilk anda bu verileri kayipsiz iletebilme kapasitesine sahiptir. Cihaz içerisinde bulunan dahili hafiza micro SD kart ve flash bellek ünitesidir. Cihaz hiç bir veri aktarimi saglanamamasi durumunda en az 2 gün kayit yapabilecek donanimdadir(17).

Ayrica bu cihaz hem alici hem verici de olarak tasarlandigindan diger cihaz ve sensör gruplariyla kendi basina haberlesebilecek altyapiya sahiptir. Örnegin harici bir SP02 cihazi ve ortam isisi bilgisini kablosuz paylasan bir cihazla, bu giyilebilir bulus ayni platformda haberleserek SP02 verisini ve ortam isisi bilgisini algoritmada kullanmak üzere alabilir(Sekil 3). Cihaz mesh, star, P2P (Peer to Peer), TCP/IP, UDP ag topolojilerini destekler. Server, Client, Access Point, Router çalisma modlari sayesinde de çevre sensörleriyle haberlesebilir. Bu islem için kullanilan platform giyilebilir cihazin türüne göre Bluetooth, Wi-Fi, ZigBee veya 3G/4G/5G gibi mobil veri iletim yollarindan herhangi biri olabilir.Vücut üzerine yerlestirilen bu bagimsiz sensörlerden kablosuz yolla alinacak veriler cihaz içerisinde islenebilecegi gibi, mobil isletim sistemli bir cihaza ya da dogrudan transparan modda uzak veritabanina da gönderilebilir. Mobil cihazlar için gelistirilen uygulamalar Microsoft Windows, Android, IOS ve Linux isletim sistemli cihazlara uyumlu olarak çalisabilmektedir.

Oldukça küçük boyutlarda tasarlanan bu cihaz ile kullanicinin ihtiyacina yönelik olarak bir, üç, bes, on lead (12 kanala kadar) EKG verilerinin alinacagi ürünler seçilebilmektedir. Örnegin bu cihazi bir sporcu aktivite kaydi amaçli kullanmak isterse gögüs üzerine yerlestirilen bir kanal EKG çekimi yapan bir cihaz yeterli olacaktir. Bu durumda yine analiz programi çalismakla birlikte hastaya ait kalp grafisi(10), nabiz degeri(9), kanindaki oksijen gazi derisimi(l l), solunum hizi ve atilan adim sayisi( 13) gibi veriler kaydedilecektir. Ayrica veriler cloud (bulut) üzerinde saklandigi için kullanici ve erisim izni olan saglik personelleri tüm mobil cihazlardan, bilgisayar ve bilgisayar özelligi gösteren cihazlardan kullanicinin günlük, haftalik ve aylik aktivite raporlarina ulasabilecektir(Sekil 8). Diger çok kanalli EKG çekimlerine izin veren giyilebilir cihazlar ise hekim önerisiyle hastalarin kullaniminda olacaktir. Eger kisi kalp hastaligina tani için bu cihazi kullanacaksa bir holter cihazi gibi Üç Kanal veya Bes Kanal EKG çekimine izin veren cihazi kullanabilir. Bu cihazlarda kalbi daha farkli açilardan gören derivasyonlar sayesinde aritmi, fibrilasyon, iskemi gibi kardiyovasküler hastaliklarin teshis edilmesi daha kolay olacaktir. Üç kanalli EKG çekiminde gögüs üzerine yerlestirilen RA, LA, LL leadleri kullanilacak olup DI, DII, DIII kanallarindan EKG sinyalleri analiz edilebilecektir. Bes kanal EKG sinyalinin alinmasi gereken durumda ise DI, DII, DIII ve Gögüs Derivasyonlarindan (V1, V2, V3...V6) seçilen elektrotlar alinabilmektedir. Özellikle hekimin önerdigi 12 kanal EKG çekimlerinde ise tüm elektrotlar gögüs üzerinde uygun yerlesim planina göre yerlestirilir ve EKG sinyalleri yine kablosuz olarak hastanin ve hekimin online takip edebilecegi(53) sisteme (buluta(52)) aktarilir.

Burada bahsi geçen tanimlardan RA: Sag Kol, LA:Sol Kol, RL: Sag Bacak, LL : Sol Bacak elektrotlarini temsil etmektedir. Ekstremite elektrotlari olarak belirtilen bu elektrotlardan asagida belirtilen kanal türlerinde EKG verileri alinir.

. Lead i (LA _ RA), . Lead II (LL - RA), . Lead iii (LL - LA) “den alinan sinyaller ölçülmektedir. Gögüs derivasyonlari (V1, V2, V3, V4, V5, V6) için ise indifferent point(referans noktasi) olarak belirlenen Wilson noktasi ile kalbin etrafina yerlestirilen alti adet elektrodun ( chest electrodes, gögüs elektrotlari) potansiyel farklari alinir ve gögüs derivasyonlari olarak sistemde incelenir. Diger aVL, aVF ve aVR derivasyonlari ise asagida belirtilen denklemlerde oldugu gibi dijital olarak hesaplanan verilerin izlenmesi seklinde görülmektedir. RL elektrodu ise Sag Bacak Sürücüsü olarak devrede gezinen ortak sinyallerin ve kaçak akimlarin tersini alip sisteme tekrar vererek bu akimlarin hastaya zarar vermesini engellemek üzere kullanilir. . aVF = LL - (LA + RA)/2.

Wilson Elektrodu Potansiyel Degeri WWW): ° dir. Gögüs derivasyonlarinda gözlenen sinyaller ise; o V1= V1 - leison i V2= V2 - VWilson 0 V3: V3 - VWilson - V4= V4 - VWilson o V5= V5 - VWilson o V6= V6 - VWilson Ile ölçülmektedir. Bu ölçüm degerlerine göre kaydedilen EKG verileri islenip(10), diger sensör sonuç raporunu belirlemesine katkida bulunmasi ile kullanici ve hekim için en dogru saglik raporlamasi olusturulur. Karar mekanizmasi algoritmasi sonucunda kullanicinin kardiyovasküler sisteminde bir anormalligin tespiti ile hasta ve saglik ekibi erken uyarilmis olmaktadir(41). Raporun çevrimiçi olarak bulutta incelenmesi(53) veya dahili hafizaya(17) kaydedilen verilerin çevrimdisi incelenmesi mümkündür.

Cihaz içerisindeki piller sarj edilebilir olup kablosuz olarak bu islemi gerçeklestirebilir. WPC (Wireless Power Consortium= Kablosuz Enerji Birligi ) standartlarina uygun olarak gelistirilen kablosuz sarj modülü(16) dahili bir anten ve kontrolörden olusur. Cihaz vücuttan çikarilip sarj istasyonu üzerine konuldugunda WPC protokolüne uygun olarak enerji aktarimi saglanmis olur.

Cihazda dahili olarak lityum pil(16) bulunmaktadir.

Ergonomik ve insan anatomisine en uygun yerlesim tasarimina sahip olan cihaz, hasta üzerinde tasinan bir cihazdan çok bir aksesuar algisi ile kullanilabilmektedir. Özellikle bir kanal ve üç kanal derivasyonlar hastanin gögüs bölgesinde ve yumusak yapisiyla kullaniciyi rahatsiz etmeyecek sekilde yerlestirilir ve cihaz üzerinde bulunan güç dügmesine basildigi andan itibaren kayit almaya, ögrenmeye ve buluta veri göndermeye baslar. Ayni sekilde 10 lead 12 kanal EKG sinyalinin kaydedilecegi tasarimlar da tüm elektrotlarin gögüs bölgesine yerlestirilmesi ve alinan sinyallerin kablosuz olarak buluta aktarilmasi esasi ile çalisir.

Cihazin dis kabuk malzemesi(kutusu) insan vücuduyla biyouyumlu olan poliüretan - silikon benzeri bir malzemedendir. Özellikle nefes alabilen (mikroporoz membran içeren) hidrofobik yapiya (su sevmeyen) sahip poliüretan kopolimerleri vücuda biyouyumlu oldugu için cihaz için vücutta herhangi bir tepki (iritasyon,kizariklik, sisme) olusmamaktadir. Ayrica bu yüzey malzemesinin waterproof` (su geçirmez) olmasi ile cihaz metabolik atiklardan (ter gibi )etki1enmemektedir.

Bu cihazin en büyük kazanimlarindan biri de kisileri hastaneye bagimli tutrnamasi, bunun yaninda sürekli saglik durumunun kontrol altinda tutulabilmesidir. Sadece gerekli durumlarda kisilerin hastaneye gitmesiyle klinik masraflarin ve hastanelerdeki yogunlugun önüne geçilmektedir. Bulut veri tabani ile hasta verileri, istenilirse toplum genel saglik verilerinin depolandigi veri tabanlarina (e- Nabiz gibi saglik portallarina) aktarilarak güncel hasta takibi saglanabilmektedir.

Kullanicisini taniyan bir sistem, hem hastalik takibini yapmada hem de saglikli kisilerin aktivite kaydi tutmasini saglamada öncü olan bir sistemdir. Her insanin fizyolojik ve metabolik özellikleri farkli ve buna bagli olarak saglik verileri degisken oldugu için kullanicisini taniyan ve bu tanima göre saglik durum degerlendirmesi yapan bir cihaz ile en dogru tani konulabilir. Bu cihazi kullanan hastalarin ekstra bir islem yapmaksizin acil durumda saglik ekibine acil çagrida bulunmasi veya hastaya gerekli bildirimlerin verilmesi yapay zeka algoritinalarinin karar mekanizma sonuçlariyla dogrudan ilgilidir.

Bu cihaz hem aktivite kaydi tutmasi hem uzaktan hasta takibi saglamasi ve kardiyovasküler hastaliklara yapay zeka algoritmalariyla erken uyarida bulunmasi neticesiyle bir tibbi cihaz niteligi tasimaktadir. Bu sebeple cihaz tibbi cihazlarin uymasi gereken ISO 13485 ve ISO 9001 standartlarina uygun olarak tasarlanmistir. Ayrica tibbi cihazlarin uymasi gereken elektriksel güvenlik ve elektromanyetik uyumluluk testleri de uluslar arasi belirlenen IEC 60601-1 standartlarina göre yapilmaktadir.

Claims (1)

1. ISTEMLER Bu bulus kalp krizi, aritmi, iskemik atak ile kardiyovasküler hastaliklari erken teshis etmek ve uyarmak üzere tasarlanmis bir cihaz olup, özelligi; kullanicisini taniyan, yüksek hizli islemci üzerinde kosan yapay zeka algoritmasina sahip olmasidir. Bu bulusun esas islevini islemcisinde çalisan yapay zeka algoritmasi gerçeklestirmekte olup, özelligi; kisinin yasi, kilosu, fiziksel aktivite hizina bagli olarak bu algoritmanin kullanicinin verilerini dogru yorumlanmasini ve kullanici için en dogru karar mekanizmasinin çalismasini saglayan - EKG sinyalinin(lO) PR-QT-ST interval ve segmentlerin süre analizi, - QRS kompleksinin yapisal analizi, - Farkli kanallardan alinan EKG verilerindeki P dalgasi, T dalgasi analizi, - Sinyallerde Q dalgasinin bulunup bulunmadiginin denetlenmesi, - T dalgasinin keskinliginin ölçülmesi, - ST segmentindeki yükselme ve alçalmalarin denetlenmesi, - RR araliginin düzenli olup olmamasi(aritmi kontrolü), - SP02 deger araligi kontrolü(11) - Kalp hizi normal deger araligi - Solunum hizi normal deger araligi, - Ortam isisi ve yapilan aktiviteye bagli vücut isisi degeri(14) - Kan basinci degerleri (büyük tansiyon-küçük tansiyon)(9) - Cilt empedansi - Kullanici aktivitesine bagli hizi(13), bulundugu ortam basinci, nemi ve sicakligi Verilerinin, cihaz kullanima baslanmadan train(ögrenme) asamasinda, referans degerlerini olusturmasi(24) ve bu degerlere göre cihaz kullanilirken alinan verilerin kullanici için bir risk tasiyip tasimadiginin kontrol edilmesini, eger bir risk varsa hem kullaniciyi, hem de saglik ekiplerini uyararak(41) erken müdahalede bulunulmasini saglamasidir. Bu bulus kullanicisini bir train (ögrenme) algoritmasi(27) ile tanimakta olup (31), özelligi; degerlerini güncelleyerek(25) degisime uyum saglamasi (adaptif), böylece cihazin kullanildigi müddetçe kullanicisini ögrenebilme özelligine sahip olmasiyla karakterizedir. Bu bulus bir aktivite izleyicisi olarak kullanilabilecek olup, özelligi; kullanicinin günlük aktivitelerine bagli olarak saglik durumunu en dogru sekilde analiz etmesini saglayan EKG sensörü(10), SP02 sensörü(11), kalp hizi, solunum hizi, vücut isisi(l4), basinç(l5), dokuz eksenli(ivme, yön, açi) hareket sensörü (13), konum bilgisi(12) veren GPS sensörlerinin tamamini elektronik devresinde içermesidir. Bu bulus Istem 4°te belirtildigi üzere dâhili sensörler içerrnekte olup, özelligi; kan basinç sensörü(9), kandaki oksijen derisimini ölçen SP02 sensörü( 11), ortam isisi ve nemini gösteren diger çevresel sensörler(20) ile Server, Client, Access Point, Router çalisma modlari araciligiyla veya PeerToPeer (P2P), Mesh, Star, TCP/IP, UDP ag topolojileri ile Bluetooth, Wi-Fi, ZigBee veya ANT üzerinden haberleserek bu sensörlerden aldigi verileri yapay zeka algoritinasinda isleyip karar mekanizmasinda degerlendirmesiyle karakterizedir. Bu cihaz uzun süreli uzaktan hasta takibi ve genel saglik durum raporlamasi yapabilmekte olup, özelligi; kullanicidan alinan güncel saglik verilerinin ve rapor sonuçlarinin cihaz içerisinde mevcut bulunan Wi-Fi, 3G/4G/5G, Bluetooth, ZigBee veya ANT kablosuz RF (Radio Frequency) haberlesme modülleri(18) araciligi ile dogrudan buluta(19) veya toplum saglik verilerinin saklandigi saglik portallarina dogrudan veri aktarabilmesiyle karakterizedir. Bu bulus Istem 5°te belirtildigi üzere verileri dogrudan buluta aktarabilmekte olup, özelligi; cihazin kablosuz olarak akilli telefon(50), akilli saat(48), akilli televizyon(49), tablet(51), bilgisayar ve bilgisayar özelligi gösteren cihazlara baglanip, bu cihazlarin üzerinden Wi-Fi veya 3G/4G/5G protokolleri araciligiyla buluta veri aktarabilmesiyle(52) karakterizedir. Bu bulus kalp krizini erken teshis edip erken müdahale yapilmasina izin veren bir cihaz olup, özelligi; cihaz hastadan kalp krizi belirtileri algiladigi andan itibaren belirlenen risk seviyelerine(41) göre, saglik ekiplerine SMS, e-posta gönderip, acil servis (e-call) çagrisinda bulunabilmesini Wi-Fi modülü ile internet üzerinden, 3G/4G/5G modülü ile dogrudan yapabilmesi, GPS sensörü ile acil servis ekibine konum bilgisi göndermesiyle karakterizedir. Bu bulus gerçek zamanli olarak veri gönderebilen bir cihaz olup, özelligi; eger hasta haberlesme protokollerinin hiçbirine baglanamazsa sensör verilerini minimum iki gün süreyle kaydedip kayipsiz iletebilmesini saglayan dâhili hafiza(17) içermesi ve haberlesme agina baglandigi ilk anda verileri buluta(19) gönderinesiyle karakterizedir. Bu bulus, kullanici verilerinin buluta aktarilmasiyla(19) çevrimiçi bir saglik durum raporu olusturmakta olup, özelligi; platform bagimsiz olarak hem kullanicinin hem de saglik ekibinin bu verilere ve genel saglik durum raporlamasina ulasmasini saglayan uygulamanin Android, IOS, Linux ve Microsoft isletim sistemine sahip akilli telefon, akilli saat, akilli televizyon, tablet, bilgisayar ve bilgisayar özelligi tasiyan tüm cihazlara yüklenebilmesiyle karakterizedir. Bu bulusa konu olan cihaz, sarj edilebilir pillerle beslenmekte olup, özelligi; gücü tükendiginde tekrar sarj olmasini saglayan kablosuz enerji transferi modülü(16) ile kablo baglanmasina gerek kalmaksizin sarj olabilmesiyle karakterizedir. Bu bulusa konu olan cihaz vücuda biyo-uyumlu poliüretan - silikon benzeri malzeme ile kaplanacak olup, özelligi; bu malzemenin vücut sivilarindan etkilenmemesini ve cihazin nefes alabilmesini saglayan mikroporoz yüzeyler ve hidrofobik(suyu sevmeyen) özellik içerinesiyle karakterizedir.