胃肠外营养诊断系统、设备和方法
阅读说明：本技术 胃肠外营养诊断系统、设备和方法 (Parenteral nutrition diagnostic systems, devices and methods ) 是由 斯蒂芬·A·利普舒尔茨 奈杰尔·M·帕尔萨德 乔纳森·西尔弗斯坦 于 2018-05-04 设计创作，主要内容包括：公开了肠胃外营养诊断系统、设备和方法。在示例实施例中,肠胃外营养诊断设备确定患者腰肌的肌肉数量和肌肉品质,以确定患者的营养状况。图像接口被配置为接收医学图像,医学图像包括与患者的成像的组织相关的放射密度数据。该设备还包括处理器,处理器被配置为使用医学图像来针对放射密度的每个不同值确定组织表面面积,并且针对每个放射密度值来确定组织表面面积的分布。处理器被配置为通过定位分布内的与和肌肉组织、器官组织和肌肉脂肪组织中的至少一个相关的区域处的局部峰相对应的软组织峰来确定肌肉品质。处理器基于软组织峰确定患者的营养状况。(Parenteral nutrition diagnostic systems, devices, and methods are disclosed. In an example embodiment, a parenteral nutrition diagnostic device determines the muscle mass and muscle number of a patient's psoas muscle to determine the nutritional status of the patient. The image interface is configured to receive a medical image including radiodensity data related to imaged tissue of a patient. The apparatus also includes a processor configured to determine a tissue surface area for each different value of radiodensity using the medical image, and determine a distribution of the tissue surface area for each radiodensity value. The processor is configured to determine the muscle quality by locating soft tissue peaks within the distribution corresponding to local peaks at regions associated with at least one of muscle tissue, organ tissue and muscle adipose tissue. The processor determines a nutritional status of the patient based on the soft tissue peaks.)
背景技术
人体对手术、癌症治疗、损伤、感染或早产的代谢反应通常取决于氨基酸从瘦身体质量储备位置向活性蛋白质合成部位的转移。另外，一些用于癌症治疗的化学疗法药物的毒性可取决于药物在脂肪和瘦身体质量(mass)组织之间的分布。研究已发现，全身肌肉质量的不足(很可能表明氨基酸储备不足)会损害愈合的供血管线，由此阻碍人体在手术部位或受伤区域维持足够的蛋白质合成速率的能力。氨基酸不足会使肌肉质量减少，从而削弱人体对手术、治疗或损伤的代谢反应并导致康复时间更长，并增加术后发生并发症、感染等的术后(或手术后)风险。总之，这些不足可能导致更多的医院复诊、更长的住院时间和/或不太有利的后果。
当前，临床医生不能够定量和客观地定义患者的营养状况。通常，在执行医疗过程之前，临床医生执行通过目测来确定患者整体营养状况的“目测”或半主观评估。例如，临床医生会捏一些皮肤区域，以确定脱水和脂肪含量。临床医生还可观察患者的肋骨架周围有多少脂肪，以估计营养不良或饥饿状况或者基于重量和身高(患者的重量(单位：公斤)除以身高(单位：米)的平方)来计算患者的身体质量指数(“BMI”)。除了患者的可视外观之外，临床医生还可以询问诸如重量、体温和心率这样的关键生理参数。在某些情况下，临床医生还可询问患者他们的感觉如何(例如，自我报告的疲惫)以确定大致的营养状况。
遗憾的是，目测和BMI计算并没有为患者提供医学上确凿的营养状况，因为这些评估受到体内总脂肪质量的严重影响，并且不能准确地评估肌肉质量(muscle mass)或肌肉品质(muscle quality)。另外，这两种评估都依赖于确定患者的脂肪含量而非肌肉数量或肌肉品质，因为无法容易地观察到骨骼肌和***。因此，当实际上患者的肌肉质量显著下降时，已知的这两种评估都可能给患者带来了患者具有合格的营养状况的错误印象。此外，目测是基于临床医生的主观评估，并且可能导致对于不同临床医生而言，应用不一致。已知评估方法的另一个缺点是，在某些对时间敏感的情况下，临床医生可能没有机会在执行关键医疗过程之前进行目测或半主观评估。
发明内容
本文中公开的示例性系统、设备和方法被配置为自动确定或评估患者营养状况的内部指标，以在患者经受密集的医疗过程之前或在此不久后考虑是否对患者进行营养治疗(例如，胃肠外营养治疗)。本文中公开的示例系统、设备和方法生成身体肌肉质量的测量值作为体内总蛋白储备量的指标。肌肉质量测量提供了用于评估患者由于氨基酸储备量不足而遭受术后并发症的个体风险的客观的指标、值或标记。
示例系统、设备和方法通过分析患者腹部或中段(mid-section)的横截面切片来生成肌肉质量测量值。横截面切片可包括由计算机断层扫描(“CT”)成像装置记录的二维图像。该图像示出例如组织的放射密度水平。本文中公开的示例系统、设备和方法使用放射密度水平来确定包括骨组织、肌肉组织、脂肪组织(例如，内脏脂肪组织和/或皮下脂肪组织)、过渡性软组织(例如，过渡上皮、肌内脂肪组织、被脂肪组织浸润的肌肉组织)和器官组织的可区分的组织类型的表面积。示例系统、设备和方法确定不同组织类型的总横截面面积，并且确定相对于脂肪和过渡性软组织的肌肉组织的量。如果相对于脂肪或过渡性软组织的肌肉组织的量低于指定阈值，则示例系统、设备和方法可认为患者有可能营养不足。在某些情形下，可基于患者人口统计(patient demographics)、疾病状态和/或生理参数来调节阈值。因此，本文中公开的示例系统、设备和方法提供了用于快速高效地确定或评估患者的营养状况的诊断系统，该诊断系统可用于在外科手术或化疗之前或之后治疗营养不良。
除了评估患者的营养状况之外，本文中公开的示例系统、设备和方法被配置为基于相对于脂肪或过渡性软组织的肌肉组织的量来确定、推荐或选择肠胃外营养治疗。示例系统、设备和方法可通过选择营养施用参数对肠胃外营养泵进行编程来推荐肠胃外营养治疗。另外，示例系统、设备和方法可基于相对于脂肪或过渡性软组织的肌肉组织的量还有其他信息来准备或推荐营养物质的制备(或者选择预混合的营养物质)。
在示例实施例中，一种肠胃外营养诊断系统包括CT成像装置，该CT成像装置被配置为对患者的中段执行扫描并产生在中段的不同横截面高度处的每个切片的二维图像的集合，每个二维图像都包括与患者的被成像组织相关的放射密度数据。示例系统还包括通信地耦合到CT成像装置的软组织分析服务器。软组织分析服务器被配置为通过使用放射密度数据从这组二维图像之中选择目标二维图像以确定二维图像中的哪个包括最低骨组织量，并且使用目标二维图像来确定针对放射密度的每个不同值或水平的组织表面或横截面面积。另外，软组织分析服务器可以针对以亨氏(Hounsfield)单位(“HU”)的每个放射密度值来附加地创建组织表面或横截面面积的分布图，将软组织峰定位于-50HU和80HU的范围中的局部峰相对应的分布图内，并且发送软组织峰的指示。
示例实施例的系统还包括通信地耦合到软组织分析服务器的药剂制备系统。该药剂制备系统被配置为：如果在与软组织峰相关的数据低于预定阈值时将在针对患者执行医疗过程之前执行肠胃外营养治疗，则至少部分基于与软组织峰相关的数据来推荐营养命令参数，并且发送所推荐的肠胃外营养治疗的营养命令参数。此外，示例系统包括通信地耦合到药剂制备系统的肠胃外营养泵。肠胃外营养泵被配置为基于接收到的肠胃外营养治疗的推荐营养命令参数对肠胃外营养输注治疗进行编程，并且向患者提供该肠胃外营养输注治疗。
在另一示例实施例中，一种肠胃外营养诊断设备包括通信地耦合到至少一个成像装置的图像接口。图像接口被配置为接收患者的中段的不同横截面处的每个切片的二维图像的集合。每个二维图像包括与患者的被成像组织相关的放射密度数据。示例设备还包括至少一个处理器，该至少一个处理器被配置为在二维图像的集合之中选择与患者的期望区域(例如，第三腰椎和第四腰椎之间的区域)相对应的目标二维图像。该至少一个处理器还被配置为使用目标二维图像来针对放射密度的每个不同水平或值确定组织面积，并且针对每个放射密度值确定组织表面或横截面面积的分布。该至少一个处理器还被配置为将软组织峰定位在与肌肉组织和肌内脂肪组织的相关区域中的局部峰相对应的分布内，并且基于软组织峰和有可能其他信息来确定或推荐患者的营养状况。
本文中描述的主题的一些方面可以被单独使用或者与本文中描述的一个或更多个其他方面结合使用。不限于以上描述，在本公开的第一方面，一种肠胃外营养诊断系统包括计算机断层摄影(“CT”)成像装置，该CT成像装置被配置为对患者的中段执行扫描并产生在中段的不同横截面高度处的每个切片的二维图像的集合，每个二维图像都包括与患者的被成像组织相关的放射密度数据。胃肠外营养诊断系统还包括通信地耦合到CT成像装置的软组织分析服务器，并且被配置为通过使用放射密度数据从二维图像的集合之中选择目标二维图像以确定二维图像中的哪个包括最低骨组织量，使用目标二维图像来确定针对放射密度的每个不同值的组织表面面积，针对以亨氏(“HU”)单位的每个放射密度值创建组织表面面积的分布图，将软组织峰定位于与-50HU和80HU的范围中的局部峰相对应的分布图内，并且发送软组织峰的指示。胃肠外营养诊断系统还包括药剂制备系统，该药剂制备系统通信地耦合到软组织分析服务器，并且被配置为确定在软组织峰低于预定阈值时将在针对患者执行医疗过程之前执行肠胃外营养治疗，至少部分基于与软组织峰来确定营养命令参数，并且发送肠胃外营养治疗的营养命令参数。胃肠外营养诊断系统还包括肠胃外营养泵，该肠胃外营养泵通信地耦合到药剂制备系统，并且被配置为基于接收到的肠胃外营养治疗的营养命令参数对肠胃外营养输注治疗进行编程，并且向患者提供该肠胃外营养输注治疗。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第二方面，所述胃肠外营养诊断系统还包括电子病历服务器，所述电子病历服务器被配置为：接收并存储软组织峰；将所述软组织峰与所述预定阈值进行比较；如果所述软组织峰低于预定阈值，则发送警报；以及向所述药剂制备系统发送指示将执行所述肠胃外营养治疗的消息。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第三方面，所述肠胃外营养治疗的所述营养命令参数包括要输注的营养体积、要输注的营养液、输注速率或输注持续时间中的至少一个。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第四方面，所述营养溶液包括碳水化合物、脂质、蛋白质、钠、钾、钙、铁、镁、磷酸盐、乙酸盐、氯化物、叶酸、氨基酸、ω-3脂肪酸、维生素和补充剂中的至少一个。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第五方面，所述药剂制备系统被配置为进行以下步骤中的至少一个：(i)至少部分地基于所述软组织峰来制备用于所述肠胃外营养输注治疗的营养物质；或(ii)至少部分地基于所述软组织峰来选择用于所述肠胃外营养输注治疗的预混合容器。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第六方面，所述药剂制备系统被配置为确定所述营养命令参数，并且另外基于所述患者的年龄、所述患者的性别、所述患者的重量、所述患者的疾病状态、所述患者的生理参数和将对所述患者执行的医疗过程中的至少一个来执行所述(i)和所述(ii)中的至少一个。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第七方面，所述肠胃外营养泵包括大容量泵或重力操作泵。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第八方面，一种能与至少一个成像装置一起操作的肠胃外营养诊断设备包括：图像接口，其通信地耦合到所述至少一个成像装置，所述图像接口被配置为接收医学图像的集合，每个医学图像(i)是从患者的不同横截面拍摄的并且(ii)包括与所述患者的被成像组织相关的放射密度数据。所述肠胃外诊断设备还包括至少一个处理器，该至少一个处理器被配置为：在所述医学图像的集合之中选择与所述患者的期望区域相对应的目标医学图像，使用所述目标医学图像针对每个不同放射密度值确定组织面积，确定每个放射密度值的组织表面面积的分布，在所述分布内定位软组织峰，所述软组织峰对应于所述分布中的与肌肉组织、器官组织和肌内脂肪组织相关的区域处的局部峰，并且提供软组织峰信息，以评估所述患者的营养状况。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第九方面，所述不同横截面是所述患者的中段的不同横向横截面。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第十方面，所述患者的期望区域在第三腰椎和第四腰椎之间。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第十一方面，所述至少一个处理器进一步被配置为：将所述患者的营养状况与预定阈值进行计较；如果所述营养状况大于所述预定阈值，则发送指示不需要在另一医疗过程之前的营养治疗的消息；以及如果所述营养状况小于所述预定阈值，则发送指示所述患者应该经受所述营养治疗的消息。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第十二方面，所述至少一个处理器进一步被配置为通过以下步骤针对每个不同放射密度值确定所述组织面积：在-150HU和150HU之间创建多个箱(bin)，每个箱对应于不同放射密度值；将所述目标医学图像中的每个像素指配给所述箱中的一个；以及通过对指配给相应箱的像素求和来确定每个箱的组织面积。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第十三方面，所述箱具有在0.1HU和2HU之间的宽度。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第十四方面，基于所述像素内示出的所述组织的放射密度，对所述目标医学图像内的每个像素进行颜色编译。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第十五方面，所述至少一个处理器进一步被配置为：确定所述目标医学图像内的质心(center-of-mass)；将关注区域施加到所述目标医学图像上方，使得所述关注区域的几何中心与所述质心对准；以及针对所述目标医学图像的与所述关注区域相对应的每个不同放射密度值确定第一组织面积。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第十六方面，所述质心是第一质心，并且所述关注区域是第一关注区域，并且其中，所述至少一个处理器被配置为：识别所述第一关注区域内的骨组织；仅使用所述骨组织来确定所述第一关注区域内的第二质心；将第二关注区域取代所述第一关注区域施加到所述目标医学图像上方，使得所述第二关注区域的几何中心与所述第二质心对准；以及针对所述目标医学图像的与所述第二关注区域相对应的每个不同放射密度值确定第二组织面积。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第十七方面，一种肠胃外营养诊断方法包括以下步骤：在至少一个处理器中从成像装置获取患者的不同横截面处的切片中的每个的医学图像的集合，每个图像包括与所述患者的成像组织相关的放射密度数据。示例肠胃外营养诊断方法还包括经由所述至少一个处理器分析所述医学图像的集合，以确定与所述患者的指定区域相对应的总骨组织面积；经由所述至少一个处理器从分析的医学图像的集合选择具有最低总骨组织面积的目标医学图像；经由所述至少一个处理器从所述目标医学图像确定放射密度值的分布。肠胃外营养诊断方法还包括经由所述至少一个处理器识别在与肌肉组织、器官组织或肌内脂肪组织中的至少一个相关的放射密度值的分布中的区域处的局部峰；如果所述软组织峰的放射密度值在第一放射密度范围内，则经由所述至少一个处理器评估所述患者的第一营养状况；以及如果所述软组织峰的放射密度值在第二放射密度范围内，则经由所述至少一个处理器评估所述患者的第二营养状况。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第十八方面，所述方法还包括使用萨维茨基-格雷(Savitzky-Golay)数字滤波器、移动平均滤波器、多通滤波器或卷积滤波器中的至少一个来平滑放射密度值的分布。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第十九方面，所述放射密度值的分布包括(i)针对每个放射密度值的所述目标医学图像的像素数目或(ii)针对每个放射密度值的所述目标医学图像中提供的组织的组织表面面积中的至少一个。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第二十方面，所述第一放射密度范围是从40HU到80HU，并且其中，所述第二放射密度范围是0HU到40HU。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第二十一方面，所述肠胃外营养诊断方法还包括以下步骤：经由所述至少一个处理器，基于具有所述第二营养状况的所述患者，确定要生成警报或警告中的至少一个；以及经由所述至少一个处理器，将所述警报或所述警告中的至少一个发送到所述临床医生装置、药剂制备系统和电子病历服务器中的至少一个。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第二十二方面，所述肠胃外营养诊断方法还包括以下步骤：经由所述至少一个处理器，确定(i)营养溶液的组成或成分以及(ii)基于所述患者具有所述第二营养状况和所述患者的至少一个人口统计特征要施用的所述营养溶液的总体积；以及经由所述至少一个处理器将所述(i)和所述(ii)提供给药剂制备系统，以制备营养溶液。
按照除非另外阐明否则可与本文中列出的任何其他方面结合使用的本公开的第二十三方面，所述肠胃外营养诊断方法还包括经由所述至少一个处理器，基于所述(i)和所述(ii)确定用于输注泵的施用参数；经由所述至少一个处理器创建施用消息，所述施用消息包括所述施用参数和所述患者的标识符；以及经由所述至少一个处理器，将所述施用消息发送到所述输注泵，以使得根据所述施用参数向通过标识符识别的患者施用营养治疗。
根据本公开的第二十四方面，结合图1至25图示和描述的任何结构和功能可与结合图1至图25中的任何另一个以及前述方面中的任一个或更多个图示和描述的任何结构和功能组合来使用。
鉴于以上方面和本文中的公开内容，因此，本公开的优点是提供确定或评估患者的营养状况的内部指标以确认是否应该在经受密集的医疗过程之前考虑对患者进行营养治疗。
本公开的另一优点是提供一种系统，该系统生成身体肌肉质量的测量值作为总身体蛋白质储备量的指标以确定患者的营养状况以便评估患者由于氨基酸储备量不足而遭受术后并发症的个体风险。
在以下详细描述和附图中描述了所公开的系统、方法和设备的附加特征和优点，并且根据以下详细描述和附图这些特征和优点是显而易见的。
附图说明
图1图示了概念上图示肌肉品质与术后问题之间关系的曲线图的示图。
图2和图3图示了二维横截面CT图像的示图，这些二维横截面CT图像图示了患者体内的肌肉退化。
图4和图5图示了根据本公开的示例实施例的包括分析服务器的医院环境的示图，分析服务器被配置为确定患者的营养状况并且基于肌肉数量和肌肉品质针对患者创建/施用营养治疗。
图6图示了根据本公开的示例实施例的图4和图5的分析服务器内包括的软组织引擎的示图。
图7图示了图示根据本公开的示例实施例的用于确定医学图像以分析肌肉品质和肌肉数量的患者腰部区域中的骨表面面积(单位：平方厘米)的曲线图。
图8和图9图示了根据本公开的示例实施例的由图6的软组织引擎确定的医学图像内的质心。
图10和图13图示了根据本公开的示例实施例的可由图6的软组织引擎分析的用于确定肌肉组织数量的目标医学图像的示图。
图11和图14图示了根据本公开的示例实施例的示出来自图10和图13的各个目标医学图像的针对每个放射密度值(单位：HU)的总组织像素计数的分布图的示图。
图12图示了根据本公开的示例实施例的表示由图6的软组织引擎基于图11和图14的分布图确定、存储和发送的肌肉品质和/或数量数据的示图。
图15图示了根据本公开的示例实施例的可由图6的软组织引擎创建的示例营养状况记录的示图。
图16和图18图示了根据本公开的示例实施例的能够由图6的软组织引擎对图10和图13的各个医学图像执行的分割的示例。
图17和图19图示了根据本公开的示例实施例的由图6的软组织引擎基于图16和图18的各个分割的医学图像创建的分布图。
图20图示了根据本公开的示例实施例的由图6的软组织引擎使用质心方法分割的示例医学图像的示图。
图21图示了根据本公开的示例实施例的表示从得自一个或更多个医学图像的肌肉品质和肌肉数量数据来确定患者的营养状况的示例过程的流程图。
图22图示了根据本公开的示例实施例的图示使用图6的软组织引擎的肌肉品质实验结果的表格的示图。
图23图示了根据本公开的示例实施例的结合图4和图5的分析服务器进行操作的营养分析引擎的示图。
图24图示了根据本公开的示例实施例的表示能由图23的营养分析引擎执行的用于基于肌肉品质数据和/或肌肉数量数据来确定是否将生成警报和/或警告的示例算法的示图。
图25图示了根据本公开的示例实施例的基于由图6的软组织引擎确定的患者营养状况对营养输注泵进行编程的示例过程的流程图。
具体实施方式
本文中公开的示例系统、设备和方法与诊断地确定或评估患者营养状况相关。更具体地，示例系统、设备和方法涉及用至少一个医学图像评估肌肉品质和肌肉数量，以评估患者在经受医疗过程之前或之后的术后风险。在某些情形下，示例系统、设备和方法可用于提供在开始医疗过程之前或在此不久后患者将接受诸如胃肠外营养治疗这样的营养治疗的推荐。示例系统、设备和方法还可基于肌肉品质和/或肌肉数量数据来提供推荐或者被用于确定营养治疗的参数。
研究表明，身体组成(即，脂肪与肌肉组织的比例)与医疗状况的有关危险因素相关。肌肉组织相对较少的身体通常蛋白质或氨基酸储备量不足，蛋白质或氨基酸用于加强人体对手术、损伤、药物治疗或疾病的反应。已发现，体内的低肌肉质量水平使康复时间延长和/或使并发症增加。另外，低水平的氨基酸或更一般地肌肉数量也与化学疗法的毒性增加有关，因为储备量决定了水溶性药物的分布量。较低量的肌肉质量可能会致使标准化疗剂量导致中毒组织水平。肌肉减少症(涉及肌肉组织丢失的肌肉萎缩综合征)的老年患者尤其容易发生术后并发症。另外，营养不良、虚弱或厌食症的婴儿和患者通常具有低氨基酸储备量。
图1示出了图示肌肉品质与术后问题之间的概念上关系的曲线图100的示图。具体地，曲线图100示出了患者发生术后并发症的概率与所测得的以Hounsfeld单位(“HU”)的肌肉密度(即，放射密度)，HU是放射衰减的单位。曲线图100是基于已确定肌肉密度与患者发生并发症的概率之间的显著相关性的已知研究的概括。肌肉的放射密度通常在40HU和80HU之间。诸如过渡上皮、肌内脂肪和/或被脂肪组织浸润的肌肉组织这样的过渡性软组织的放射密度在-50HU和40HU之间。相比之下，脂肪(例如，内脏脂肪组织和/或皮下脂肪组织)的放射密度在-190HU和-50HU之间。
曲线图100示出随着肌肉放射密度的降低，并发症的概率增加。换句话说，随着肌肉组织(诸如，腰肌)降解或变得被脂肪浸润，术后并发症的机会急剧增加。另外，随着组织放射密度降低，氨基酸可用储备量降低。相比之下，放射密度大于55HU的肌肉组织(与其他软组织相比，肌肉质量明显更大)与患者发生并发症的相对低概率关联。
遗憾的是，没有已知的通过仅身体检查来客观地定量氨基酸储备量或肌肉品质的方法。如之前提到的，临床医生可执行目测，以估计患者的营养状况。还存在诸如美国外科医生学院国家外科手术质量改进计划(“ACS NSQIP”)外科手术计算器这样的一些术前危险分层工具。这些风险工具有助于用各种因素估计并发症发生率。然而，数据是基于患者提供给医疗保健提供者的关于先前健康史的信息来估计的，并且没有考虑患者特定的易获病性、虚弱性或总体营养状况的度量。
与主观方法相反，存在用于执行身体成分分析的手动耗时的客观方法。例如，研究人员可手动地选择第三腰椎(“L3”)和/或第四胸椎(“T4”)处拍摄的二维CT图像。已发现，这些特定的骨骼标志物与全身肌肉与脂肪的比具有良好的相关性。在选择图像之后，研究人员使用诸如例如
还已知尝试从脂肪组织自动分割肌肉组织的实验方法。这些方法尝试克服由于重叠的放射密度特性而不能将肌肉组织与器官组织或过渡性软组织区分开的问题。如以上提到的，肌肉组织的放射密度在40和80HU之间，而器官组织的放射密度在30至60HU之间。肌肉组织与器官组织之间的重叠是由于在器官组织内包含了一些肌肉组织。实验方法尝试使用统计形状匹配、形状变形和/或模板变形识别肌肉组织的表面边界，以在肌肉和器官组织之间进行分割。然而，这些已知方法使用形状建模，并且假定对于不同患者而言肌肉形状是一致的。尽管该假定对于健康患者而言可能是正确的，但是研究表明对于营养不良的患者存在错误，骨骼肌肉质量的下降通常导致肌肉形状的不对称或随机变化(在二维图像中甚至会更加明显)。结果是，营养不良的患者的实际肌肉形状可能与预定义的形状或模板不匹配。
另外，已知的研究主要侧重于仅分割诸如腰肌组织这样的肌肉组织。该研究没有充分量化过渡性软组织或被脂肪组织浸润的肌肉组织。过渡性软组织可能在肌肉组织周围不均匀地分布，这使得任何类型的基于形状的分割困难，如果并非不可能的话。此外，被脂肪组织浸润的肌肉组织可能被错误地识别为纯肌肉组织。一些已知研究侧重于肌肉组织的外部边界之间的分割，并不考虑形状的内部部分可能不排他性包含肌肉的情形。结果是，一些已知研究可能在肌肉组织具有大量脂肪浸润的情况下高估了肌肉的数量。因此，这些已知的技术对于具有显著肌肉退化或脂肪浸润的营养不良或虚弱性的患者可能是不足的。
图2和图3示出了二维横截面CT图像200和300的示图，这些二维横截面CT图像图示了患者体内的肌肉退化。记录在患有肺癌的患者的L3区域处的二维横截面CT图像200和300。在患者死亡前390天记录图像200。相比之下，图3是在死亡前58天记录的。图像200和300示出了除了腰肌204之外的L3处的患者脊柱202。除了内部器官212之外，图像200和300还示出了内脏脂肪组织206、皮下脂肪组织208和肌内脂肪组织210(被脂肪浸润的肌肉和/或***)，内部器官212本身可包括肌肉组织或肌肉细胞。在记录图像200和记录图像300的时间之间，患者的骨骼肌经历从173cm2减少至86.7cm2。在该时间期间，患者也经历肌内脂肪组织210和内脏脂肪组织206的量增加。
应该注意，以上提到的使用形状或模板匹配的已知研究可将肌内脂肪组织210算作肌肉组织204，因为组织210中的至少一些在肌肉组织204的外部边界内。换句话说，假定所有带有边界的实心图案的模板形状都是肌肉组织。模板不考虑与肌肉组织间隔开的任何脂肪组织。使用已知的肌肉分割方法，图2和图3中图示的示例看起来示出了肌肉面积的较小减小。然而，当考虑肌内脂肪组织210时，肌肉损失量相对更明显。
另外，尽管已知的研究讨论了肌肉组织的定量，但是它们在患者总体营养状况的相关性方面受到限制。知道患者的肌肉数量是有益的，但是在没有附加信息的情况下，这样提供的背景极少。例如，矮个子的患者通常比高个子的病人的骨骼肌少。在另一示例中，与年轻患者相比，经历肌肉减少症的老年患者自然具有较少的骨骼肌。不同患者之间肌肉数量的差异意味着，若没有其他度量，必须将通过已知研究确定的肌肉数量与相似人口的肌肉数量进行比较，以确定与具有相似人口统计特征的患者相比，该患者的营养状况是否健康。
本文中公开的示例系统、设备和方法尝试通过区分肌内脂肪组织与肌肉组织(例如，图2和图3的组织204和210)以确定肌肉品质来克服已知研究的上述限制。换句话说，示例系统、设备和方法不仅量化患者体内的肌肉量，而且确定该患者的相对肌肉品质。在某些情形下，可将患者的肌肉品质与人口数据进行比较，以相对于具有相似人口统计特征的患者的已知营养状况确定或评估患者的营养状况。尽管全文通篇讨论了骨骼肌的定量和定性，但是在某些情形下，示例系统、设备和方法可对结缔骨骼组织进行定量和/或定性。
如以下更详细描述的，将肌肉品质确定为肌肉组织与肌内脂肪组织之间的关系。实验已表明，在肌肉数量的亨氏分布中存在局部的软组织峰。软组织峰的位置与患者的营养状况相关或指示患者的营养状况。例如，实验已证实，肌肉质量不足的患者具有小于40HU的软组织峰(即，与肌肉组织关联的亨氏范围之外的峰)。通过比较，实验已证实，肌肉质量正常的患者具有大于40HU的软组织峰(即，与肌肉组织关联的亨氏范围之内的峰)。软组织峰在亨氏分布上的位置提供患者营养状况的指示。另外，诸如峰高、相对于峰高的标准偏差、软组织峰的偏斜、在软组织峰右边的像素或软组织的百分比、峰高与肌肉高度之比、和/或肌肉数量可提供关于患者营养状况的其他信息。如以下提供的，在一些实施例中，软组织峰和相关信息还可用于确定或推荐用于营养治疗和/或营养液成分的参数。
某些术语是本公开通篇所使用的。如本文中提供的，营养状况可以是指用指定区域中的肌肉的数量和/或质量确定的患者的总体营养。营养状况指示例如患者是否具有正常量的肌肉质量。更一般地，营养状况指示患者是否营养不良、营养不足、饥饿还是健康。如本文中公开的，患者的营养状况被用作关于患者是否具有足够的氨基酸储备量(和/或能量储备量)以经受强化医疗过程而此后没有过多并发症风险的指标。营养状况是基于或者说包括软组织峰值和/或软组织峰信息。可以基于软峰组织值和/或软峰组织信息将营养状况指定为数值得分(例如，从0到100)或质地描述符(textural descriptor)(例如，营养不良、饥饿等)。
全文参照软组织、软组织峰和软组织信息。如下所述，软组织(或过渡组织)包括肌内脂肪组织、***和其他类型的放射密度在-50HU和40HU之间的脂肪组织。软组织通常不包括放射密度低于-50HU的内脏脂肪组织和皮下脂肪组织。
软组织峰可以是指亨氏分布内的局部峰，该局部峰图示了医学图像(例如，二维CT扫描图像)内的限定数量的组织的放射密度。该峰标识了医学图像的限定区域或分割区域内的软组织(包括肌肉组织、脂肪组织和肌内脂肪组织)的中值的放射密度水平。另外，软组织峰指示患者的软组织的大部分或绝大部分是否包括肌肉组织、肌内脂肪组织或其组合。
通常，基于患者的健康，软组织峰位于-10HU和60HU之间。肌肉组织的放射密度在40HU和80HU之间，而肌内脂肪组织的放射密度在-50HU和40HU之间。***的放射密度在10HU和40HU之间。被分类为营养不良、饥饿或虚弱的患者的软组织峰通常在-10HU和40HU之间，这表明肌肉中的绝大部分已被肌内脂肪组织浸润，或者存在比肌肉组织更多的***和脂肪组织。换句话说，易感患者具有较少的肌肉质量或被脂肪替代的肌肉质量(例如，较低质量肌肉)，这意味着那些患者具有显著较少的氨基酸储备量以有助于康复。相比之下，被分类为营养正常的患者的软组织峰大于40HU，这表明肌肉组织不包含太多(如果有的话)肌内脂肪组织。相对较高质量的肌肉通常包含足够的氨基酸储备量，以帮助患者康复。
软组织峰信息可以是指能用软组织峰确定的数据或信息。通常，软组织峰在亨氏尺度上具有高斯型分布。在典型的分布上，除了肌肉(或软组织)数量值(例如，具有特定HU值和/或面积的医学图像中的像素数量)之外，软组织峰还具有HU值。软组织峰在峰的任一侧都具有斜率，这考虑了标准偏差。在某些情形下，软组织峰可朝向肌肉组织或脂肪组织偏斜。可用软组织峰确定某些信息，包括与中心或峰关联的HU值、与相对于峰的第一标准偏差和第二标准偏差关联的HU值、和/或与峰关联的肌肉或软组织、与峰的标准偏差关联的肌肉或软组织数量。另外，软组织峰信息可包括沿着分布的软组织峰与软组织谷(例如，脂肪或瘦尾)之比。另外，软组织峰可指示偏斜或肌肉到达的量(例如，在峰右边的软组织的百分比)。
如本文中提供的，可将软组织信息与软组织峰结合使用，以确定或评估患者的营养状况。还可使用软组织信息和软组织峰来确定或推荐肠胃外营养治疗的参数和/或肠胃外营养液的含量。例如，可使用软组织峰与40HU之间的差值来确定输注持续时间或要添加到肠胃外营养液中的氨基酸量。在一些实施例中，示例系统、设备和方法可使用软组织峰和相关信息来确定将为被认为是显著营养不良的患者开出具有较长持续时间的肠胃外营养治疗，并且将为其提供具有25％至40％以上的氨基酸或蛋白质含量的溶液。
示例系统、设备和方法在本文中被描述为确定骨骼肌的质量和数量。如以上提到的，骨骼肌的放射密度通常在40HU和80HU之间。本公开全篇使用腰肌作为示例，因为腰肌(或胸肌)的横截面面积通常代表身体其他部分的骨骼肌肉品质。由于氨基酸储备通常位于骨骼肌和***中，因此定量腰肌骨骼肌提供了患者总体氨基酸储备量的指示(并且指示患者的术后风险)。虽然本公开侧重于腰肌，但是应该理解，示例系统、设备和方法可评估其他骨骼肌包括例如三头肌、二头肌、三角肌、斜肌、腹肌、胸骨肌肉、耻骨肌、内收肌、缝线肌、胸肌等的肌肉品质和/或数量。应该进一步理解，示例系统、设备和方法可以评估在患者肌肉质量与营养状况之间具有经验证的相关性的医学图像的整个部分中的肌肉群的肌肉品质和/或数量或肌肉质量。
应该理解，示例系统、设备和方法可用于确定或评估许多类型的医疗过程的风险。例如，以下示例讨论了使用患者的营养状况来确定或评估化疗、放疗和/或创伤性损伤治疗的风险。该系统、设备和方法还可用于其他治疗，包括胰腺癌治疗、***癌治疗、卵巢癌或乳腺癌治疗、器官移植、髋关节或关节置换手术、基因治疗、输血、血液透析治疗、腹膜透析治疗等。另外，该系统、设备和方法可使用患者的营养状况来治疗诸如早产、厌食、营养不良或疾病这样的患者病症。因此，本文中公开的示例系统、设备和方法可被并入患者的治疗计划、医疗管理和/或医疗工作流程中，以管理术后风险并改善患者后果。
医疗环境实施例
图4图示了被配置为确定和/或评估患者的营养状况并针对患者推荐/创建/施用营养治疗的本公开的医疗环境400的一个实施例。示例环境400包括两个主要部件：营养状况诊断部件402和营养治疗部件404。部件402和404二者并且更一般而言医疗环境400可以是医院、医院系统、诊所、医生办公室、急诊设施等的一部分。在某些情形下，部件402和404可在物理上是分开的。例如，营养状况部件402可位于成像中心，而营养治疗部件404(或部件404的一些部分)位于医院、诊所或患者家中。
示例营养状况诊断部件402被配置为用一个或更多个医学图像确定和/或评估患者的营养状况。部件402包括经由网络410通信耦合到分析服务器408的成像装置和406a和406b(在本文中被统称为成像装置406或者通常被独立称为成像装置406)。尽管图4示出了两个医学成像装置406a和406b，但是应该理解，可存在更少或附加的成像装置。
成像装置406被配置为将医学图像412发送到分析服务器408。图像412可包括例如所测得的与图像内的每个像素关联的放射密度数据。分析服务器408可被配置为使用医学图像412来确定和/或评估患者的营养状况。营养状况在一个或更多个消息414中从分析服务器408传输到营养治疗部件404。在某些情形下，消息414可指示软组织峰和/或包括与所确定的包括软组织峰信息的软组织峰相关的数据。
在一个实施例中，示例营养治疗部件404被配置为基于在营养状况诊断部件402中确定的营养状况，确定(或推荐)在经受另一医疗过程之前是否为患者提供营养治疗。营养治疗部件404还可至少部分地基于所确定的患者营养状况来确定营养泵的参数。这些参数可被包括在营养治疗泵处方消息425中，可按电学方式发送营养治疗泵处方消息425，以对营养泵422进行编程。营养状况诊断部件402还可至少部分基于所确定的患者营养状况来确定营养解决方案的组成(或者推荐预混合的营养液)。
如图4中图示的，营养治疗部件404可包括至少一个药剂制备系统420和至少一个营养输注泵422。如下面更详细提供的，在一个实施例中，药剂制备系统420被配置为制备用于施用给患者的营养液，还有其他。示例输注泵422被配置为向患者施用营养液(或任何其他流体)。药剂制备系统420和至少一个输注泵422经由网络410通信地耦合在一起。
除了药剂制备系统420和输注泵422之外，示例营养治疗部件404还包括一个或更多个临床医生装置424和电子病历(“EMR”)服务器426。临床医生装置424可包括任何智能电话、平板计算机、工作站(例如，护士工作站计算机或床头计算机)、膝上型计算机、服务器、处理器等。临床医生装置424还可被配置为操作一个或更多个应用，这些应用被配置为获得并显示患者数据，包括由营养状况诊断部件402和/或营养治疗部件404确定的患者的营养状况(和任何相关的警告/警报)。临床医生装置424还可包括使得能够创建营养处方并将其发送到药剂制备系统420的应用。
示例EMR服务器426被配置为存储患者的病历，包括由营养状况诊断部件402确定的患者的营养状况。在一些实施例中，EMR服务器426被配置为接收和存储由分析服务器408生成的关于患者营养状况的警报和/或警告。在其他实施例中，EMR服务器426将接收到的患者营养状况与软组织峰数据和/或相关软组织峰信息结合使用，以确定一个或更多个警报和/或警告。EMR服务器426可被配置为经由网络410将一个或更多个消息430中的警报/警告发送到临床医生装置424和/或药剂制备系统420。
在一些实施例中，在营养治疗部件404和营养状况诊断部件402之间逻辑地和/或物理地共享分析服务器408。在这些实施例中，分析服务器408可以是部件402和404二者的一部分。例如，分析服务器408可以包括被配置为确定和/或评估患者营养状况的软组织引擎440以及被配置为确定和/或推荐患者是否要经受营养治疗并且如果接受则确定和/或推荐治疗和/或溶液成分的营养分析引擎422。在这些示例中，营养分析引擎442基于所确定的营养状况来确定(或推荐)患者是否要经受营养治疗。营养分析引擎442还可确定和/或推荐治疗的参数和/或营养液成分，这些信息在一个或更多个消息444中被发送到药剂制备系统420。可通过药剂制备系统420将治疗的参数并入营养治疗泵处方消息425中。另外，药剂制备系统420可以基于营养分析引擎442所提供的成分或治疗参数来制备营养液。
图5示出了图4的医疗环境400的替代实施例。在图5中，根据本公开的示例实施例，分析服务器408被配置为仅包括软组织引擎440。在该替代实施例中，营养分析引擎442被配置为或以其他方式设置在药剂制备系统420的药房计算机460内。营养分析引擎442的放置意味着营养参数是在药剂制备系统420而非分析服务器408处确定的。类似于图4的环境400，分析服务器408被配置为在一个或多个消息414中提供患者的营养状况(和/或软组织峰信息)。然而，在图5的环境400中，药剂制备系统420使用消息414中的信息来确定泵参数和/或营养液的成分。
在又一替代实施例中，营养分析引擎442可被包括在EMR服务器426内。在这些情形下，分析服务器408被配置为将患者的营养状况(和/或软组织峰信息)在一个或更多个消息414中提供到EMR服务器426。在接收到数据之后，EMR服务器426处的营养分析引擎442确定患者是否是要经受营养治疗的候选人和/或评估患者是否是要经受营养治疗的候选人，并且如果是，则确定和/或推荐适当的泵参数和/或溶液成分。然后，EMR服务器426将泵或溶液信息提供给药剂制备系统420以对泵422进行编程并制备溶液。在某些情形下，EMR服务器426可将参数直接发送到泵422(在接收到临床医生装置424或药剂制备系统420的批准之后)，由此绕过通过药剂制备系统420发送营养治疗泵处方消息425。发送参数可包括将EMR服务器426配置为创建待发送到泵422的营养治疗泵处方消息425。
图4和图5的医疗环境400还包括医院信息系统(“HIS”)450。示例HIS 450被配置为管理医院运营的各个方面，诸如，医疗、行政、财务和法律问题以及服务的处理。在部件402和404的至少一些部分在本地医院网络之外的情形下，HIS 450可管理或创建安全的隧道或路径以传达敏感的医疗数据。例如，HIS 450可创建虚拟专用网络，以使外部临床医生装置424能够查看存储在EMR服务器426处的患者数据。HIS 450还可促进与医疗环境400的各个部门或功能区域交换存储在病历中的患者数据。
图4和5中图示的网络410可以包诸如互联网这样的广域网(“WAN”)。网络410还可包括局域网(“LAN”)和/或无线LAN。在一些实施例中，网络410可包括WAN和LAN的组合。另外，网络410可包括用于在装置406、408、420、422、424和426之间路由通信的一个或更多个防火墙、网关、路由器、交换机等。网络410也可被配置为使HIS 450能够创建安全连接，以使在安全医疗网络之外的装置能够与安全医疗网络内的装置进行消息的接收和发送。
I.营养状况诊断部件实施例
如以上讨论的，图4和图5的医学环境400包括营养状况部件402，以根据一个或更多个医学图像412确定和/或评估患者的营养状况。如下所述，包括软组织引擎440的营养状况部件402被配置为产生在本文中被称为患者营养状况的总瘦身体质量的测量值或特征。为了确定患者的营养状况，营养状况部件402可确定和/或评估患者肌肉组织的质量和数量。在许多实施例中，营养状况部件402确定提供了体内总蛋白质或氨基酸储备量的指标的骨骼肌(例如，腰肌)的质量和数量。考虑到氨基酸在体内的储备量与术后成功率和并发症的关系(如图1的曲线图100中所示)，对患者营养状况的测量作为术后风险的客观指标。营养疗法部件404可使用营养状况指示来确定和/或推荐至少一个营养治疗，以增加氨基酸的利用率并改善患者的术后的效果。以下部分提供了根据本公开的关于使用至少一个医学图像412确定和/或评估患者营养状况的信息。
示例成像装置406被配置为获取患者的至少一个医学图像412。分析服务器408的软组织引擎440使用此至少一个图像412来确定和/或评估患者的营养状况。成像进而营养状况的确定可在患者经受诸如化疗这样的医疗过程之前发生。在某些情形下，成像可在患者在遭受创伤之后或者在患严重疾病之后被送入医院或诊所时发生。
在一些实施例中，成像装置406是诸如由制造的IqonSpectralTM或Ingenuity FlexTM CT扫描仪或General Electric
虽然成像装置406在本文中被称为X射线CT扫描仪，但是应该理解，可使用其他医学成像装置。例如，成像装置406可包括正电子发射断层扫描(“PET”)扫描仪、单光子发射计算机断层扫描(“SPECT”)扫描仪、计算机轴向断层扫描(“CAT”)扫描仪和计算机帮助/辅助断层扫描扫描仪。在某些情形下，成像装置406可包括磁共振成像(“MRI”)扫描仪。
另选地或另外地，成像装置406可被配置为使用造影剂(例如，静脉内注射的造影剂)或者在没有造影剂的情况下对患者的组织执行放射密度测量。在某些情形下，提供给软组织引擎440的医学图像412可包括对比图像和非对比图像的组合。在这些示例中，成像装置406可使用同一区域的对比和非对比医学图像412来确定和/或评估患者的营养状况。在这些示例中，可对用对比图像和非对比图像确定的软组织峰数据和软组织信息进行平均或以其他方式进行组合。
示例医学图像412中的每个示出患者组织的放射密度水平。医学图像412可包括二维横截面切片(诸如，图2的图像200和和图3的图像300)。例如，每个图像412可具有在256×256个像素和2040×2040个像素之间的大小。优选地，每个二维图像可具有512×512个像素，每个像素有两个字节的颜色数据。因此，每个二维图像412可包含约3.3兆字节(“GB”)的放射密度数据。医学图像412的每个像素可通过放射密度水平进行颜色编译。另外，医学图像412可包括针对每个像素指定放射密度水平的元数据。元数据还可标识患者、执行扫描的时间/日期和执行扫描的成像装置406的标识符。
医学图像412中的每个可被存储在文件中。例如，每个医学图像412可被存储为医学数字成像和通信(“DICOM”)图像。在这些情形下，指定放射密度值的元数据可被存储在文件的报头内，而图像信息被存储在文件的有效载荷部分中。在其他实施例中，医学图像412可包括诸如神经影像信息技术倡议(“NIfTI”)文件、Minc文件和/或Analyze文件这样的另一文件类型。
成像装置406可以被配置为记录每次扫描患者时的约50至约150个图像。对腹部区域的扫描通常产生约75个图像。然而，图像的确切数量是由操作成像装置406的技术人员设置的。在某些情形下，可能需要一个或仅几个图像，因为营养状况分析可在例如L3或L4区域中的腰肌的单个图像上进行。减少所记录图像的数量使患者的放射暴露减少。
示例软组织引擎440被配置为分析医学图像412，以确定和/或评估肌肉品质和/或数量以逼近患者的营养状况。图6图示了根据本公开的示例实施例的图4和图5的软组织引擎440的示图。图6中示出的框可被实现为在软组织引擎440内操作的软件模块、应用、算法和/或例程。应该理解，诸如分割处理器622这样的其中一些框可被组合和/或省略。另外，其中一些框可在分析服务器408上的不同物理位置实现。例如，分析服务器408可包括分布在诸如云计算环境这样的计算环境上的刀片服务器或处理器。因此，图6中图示的每个框可在分布式环境内的不同物理和/或虚拟位置中托管或实现。因此，图6中示出的每个框可由单独的(或相同的)处理器实现或操作。此外，可针对所分析的图像的每个集合412来启动每个框的单独实例。
a.图像接口
为了从成像装置406接收医学图像412，图6的示例性软组织引擎440包括图像接口602。示例图像接口602可被配置为从成像装置406被动地接收医学图像412。例如，在扫描完成之后，成像装置406将医学图像412发送到图像接口602。另选地，图像接口602可周期性轮询成像装置406，以确定新图像是否可用。在某些情形下，成像装置406可将医学图像412发送到工作站。在这些情形下，操作员查看医学图像，以确认它们在视觉上清晰，并且患者在扫描过程中没有移动。在图像412被指示为可接受的之后，工作站将图像发送到图像接口602。
在一个实施例中，图像接口602被配置为将医学图像412排队，直到要对其进行分析和/或处理为止。图像接口602可将状态信息提供给用户接口604。该状态可包括关于哪些医学图像412正在等待分析、计划要被分析和/或正在被分析的进程中的指示。例如，技术人员可通过用户接口604查看医学图像412的状态。
b.用户接口
示例用户接口604被配置为提供管理访问和控制，以处理和分析医学图像412。用户接口604可被配置为将所请求的信息渲染为便于显示的格式。此信息可包括医学图像412的状态、软组织峰信息、亨氏分布数据、图像分割信息和/或图像放射密度信息。用户接口604还可包括被配置为渲染医学图像412以便显示的查看器。用户接口604还可包括使技术人员能够手动处理和分析图像以确定肌肉品质和/或数量的特征。然而，尽管用户接口604使得能够进行手动处理，但是应该理解，本文中描述的软组织引擎440的特征是在没有用户干预的情况下完成的。
在一些实施例中，临床医生装置424可访问用户接口604，以查看医学图像412和目标医学图像609。另外，临床医生装置424可访问用户接口604，以查看用医学图像确定的肌肉品质和/或数量数据(和/或患者的营养状况)。在这些示例中，用户接口604可呈现患者列表以供选择。在从临床医生装置接收到选择之后，用户接口604可确定哪些图像和/或数据在软组织引擎440内是可用的。临床医生可在临床医生装置424上查看图像和/或数据。另外，用户接口604可与临床医生装置424交互，以使临床医生能够对图像和/或数据进行修改、变更和/或做注释。
c.控制器
图6的示例软组织引擎440包括被配置为向成像装置406提供指令的控制器606。在某些情形下，只需要单个医学图像(或几个医学图像)来确定患者的营养状况。代替使患者经受X射线以获取大致100个图像并选择所期望的图像，示例控制器606指示成像装置406需要在患者身上的哪个特定位置进行成像。这种配置减少了患者所暴露于的放射量。
在示例中，软组织引擎440可以例如经由用户接口604接收将要经受CT扫描以确定患者营养状况的特定患者的指示。控制器606确定患者身上的要完成CT扫描的特定区域。该特定区域可包括例如扫描患者的L3和L4椎骨之间的腰肌。控制器606还可接收关于哪个成像装置406将对患者进行成像的指示。例如，成像装置的标识符可被输入用户接口604。另选地，控制器606可访问存储在能供EMR服务器426访问的数据库中的患者病历。在确定哪个成像装置406将对患者进行成像之后，控制器606将指示患者身上要成像的区域的消息607发送到成像装置406。
在一些示例中，可省略或不使用控制器606。例如，在许多情形下，在进入急救区后或在进行重大医疗过程之前，标准做法是为患者提供CT扫描。在这些情形下，将扫描所关注的整个区域以进行医疗诊断。这里，图像接口602接收医学图像412的副本。以这种方式，不需要完成单独的CT扫描来确定患者的营养状况。替代地，已经获取的用于其他目的的医学图像可用于确定患者的营养状况。
d.图像选择器
对于在图像接口602中接收不止一个医学图像412的情形，软组织引擎440包括图像选择器608。这里，图像选择器608确定或识别目标医学图像609，以供进一步分析。具体地，图像选择器608可被配置为分析多个医学图像412，以确定哪个医学图像包含足以确定骨骼肌肉品质和/或数量的患者解剖结构。例如，图像选择器608可识别包括腰肌或胸肌的医学图像。
示例图像选择器608通过识别骨组织的位置和数量来确定目标图像609。例如，图像选择器608可识别肋骨和髋骨组织的位置，以确定在L3和L4椎骨之间的位置。在一些实施例中，图像选择器608被配置为在与高于300HU的放射密度相对应的每个二维图像像素内识别哪个是与骨组织关联的放射密度。对具有高于300HU的放射密度的像素进行计数使得能针对每个二维医学图像相对精确地估计骨组织表面或横截面面积。
图7示出了曲线图700，曲线图700图示了患者的腰部区域的以平方厘米(“cm2”)的骨表面或横截面面积。可通过对像素的总数求和来确定以平方厘米的表面面积或横截面积，其中每个像素具有以平方厘米的已知表面面积。曲线图700示出它限于例如1至80的范围内的医学图像的集合中的医学图像36(左端)至48(右端)。在示例曲线图700中，图像36和37包括L3椎骨和与大约14cm2的较大骨表面面积相对应的最后浮动肋骨。图像42和43包括具有大约9cm2的较小骨表面面积的L3和L4椎骨之间的区域。图像44到46包括L4椎骨，示出骨表面面积增加至大约11cm2。图像48包括通常与L4椎骨共平面的骨盆翼的顶部。包含骨盆翼将造成骨表面面积增加至超过12cm2。
在图7的示例中，示例图像选择器608被配置为通过医学图像412来确定L3和L4椎骨之间的腰部区域。然后，图像选择器608通过对医学图像36至48中的每个中的放射密度大于300HU的像素的数量进行计数来确定骨表面或横截面面积。图像选择器608将在腰部区域中具有最低骨组织表面面积的医学图像识别为目标医学图像。换句话说，图像选择器608确定在曲线图700中表示的医学图像中的哪个具有最小的组织表面面积。
示例图像选择器608被配置为基于医学图像之间的关系来识别腰部区域。例如，图像选择器608可以被配置为针对患者的中段的任何CT扫描分析编号为25至45的医学图像，这些医学图像通常对应于几乎所有患者的腰部区域。在其他示例中，图像选择器608被配置为识别骨盆翼尖和/或最后的浮动肋骨，骨盆翼尖和/或最后的浮动肋骨在患者腰腹部的医学图像的集合内是相对容易识别的。例如，图像选择器608可搜索图像序列412中的某些解剖区域(对应于翼尖的位置)，以确定在那些区域中有哪些图像具有大约300HU的放射密度值。一旦识别到骨盆翼尖，图像选择器608就识别先前的10至15个医学图像，或者距骨盆翼尖大致7.5cm，以确定要针对骨表面或横截面面积分析哪些医学图像。
在一些示例中，图像选择器608可分割或以其他方式识别每个医学图像的指定部分，以识别目标医学图像。在这些示例中，图像选择器608确定患者腰部区域中的质心。例如，图像选择器608可选择通常与大部分(如果并非全部)患者的腰部区域相对应的编号为25至50的任何医学图像。针对所选择图像，图像选择器608通过确定所选择医学图像内示出的患者解剖结构内的中心或近似中心来确定质心。
例如，根据本公开的示例实施例，图8和图9各自的医学图像800和900示出所确定的质心802(或重心)。可针对诸如图像800这样的一个医学图像确定质心802，然后将其应用于诸如医学图像900这样的后续医学图像。在其他示例中，图像选择器608被配置为确定每个图像的质心。医学图像800和900属于同一患者的两个不同横截面切片。图8的医学图像800示出最后的浮动肋骨801的端部。相比之下，图9的医学图像900示出出现了骨盆翼901。
图像选择器608使用图8和图9中的质心802作为参考点。图像选择器608创建多边形区域804，多边形区域804的左上角位于从质心802水平向外偏移的限定距离处。所限定的距离可在1厘米和8厘米之间。在某些情形下，图像选择器608可基于患者的身高来确定所限定的距离，其中为个子较大的患者选择更大的距离。偏移的目的是从骨骼表面或横截面分析中排除脊柱和椎骨。
图8和图9的多边形区域804可被确定尺寸，以包含患者的右侧肋骨和骨盆翼。如以上提到的，图8的医学图像800示出最后的浮动肋骨806的端部，而图9的医学图像900示出出现了骨盆翼902。在医学图像800和900之间按数字顺序的医学图像应该在多边形区域804内不包含骨组织，因为在该区域中通常没有骨头(除了椎骨之外)位于最后的浮动肋骨806和骨盆翼902的顶部之间。
图像选择器608被配置为将相同的多边形区域804应用于与腰部区域关联的医学图像(例如，L3和L4椎骨之间的切片的医学图像)。然后，图像选择器608确定多边形区域804内的像素的组织放射密度。基本上不包含骨组织的医学图像(例如，多边形区域804中的放射密度没有超过300HU的图像)对应于可被选择以便进一步分析的图像(例如，目标医学图像)。由于腰肌808的大小自然会顺着脊椎进一步减小(如医学图像800和900中所示)，因此图像选择器608被配置为选择在多边形区域804内的没有包含骨组织的具有最高序列号的医学图像(例如，就在最后的浮动肋之后的医学图像)。
在识别目标医学图像609之后，图像选择器608被配置为自动提供或传输图像以便进一步处理。在某些情形下，可分析整个医学图像，以确定肌肉的质量和数量。在其他情形下，仅分析医学图像的指定部分，以确定肌肉品质和数量。尽管以上将图像选择器608公开为选择一个目标图像609，但是应该理解，图像选择器608可选择多个图像以便进行分析。例如，图像选择器608可提供在L3和L4椎骨之间的多个图像。另外，图像选择器608可提供非对比医学图像和对比医学图像。
在某些情形下，图像选择器608可将指示所选择的目标图像609的消息发送到用户接口604。用户接口604可向技术人员显示包括所识别图像609的消息。然后，技术人员可查看医学图像609，以确定这些图像对于确定肌肉品质和/或数量而言是否可接受。在从用户接口604接收到批准的指示之后，图像选择器608发送医学图像以便进一步分析。如果接收到不批准指示(在技术人员可能期望不同图像或发现所选择图像有缺陷的情形下)，则图像选择器608可使用上述通过考虑去除未经批准图像的方法来选择另一图像。另外地或另选地，图像选择器608可提供供技术人员为了确定肌肉品质和/或数量而从中选择的医学图像的小子集合。
e.影像分析器
图6的示例软组织引擎440包括图像分析器610，图像分析器610被配置为确定由图像选择器608提供的目标医学图像609的像素内示出的组织的放射密度分布。示例图像分析器610还被配置为通过分析图像内的像素数据和/或元数据内的放射密度数据来确定目标医学图像609内提供的肌肉和/或组织的数量。图像分析器610被配置为产生不同水平或箱(bin)的放射密度的密度分布，以使得能够确定肌肉品质。
图10示出可被图像分析器610分析以确定组织数量的目标医学图像609a的示图。目标医学图像609a包括基于在患者相应区域中检测到的放射密度值进行颜色编译的像素。目标医学图像609a对具有相同放射密度值或水平的像素的总数进行计数。然后，图像分析器610可基于每个像素的已知尺寸，将像素计数转换成以平方厘米的表面或横截面面积。然后，图像分析器610针对每个放射密度值或水平创建总组织表面面积的分布。512×512个像素的医学图像具有大致262,000个像素的数据，从而提供足够的分辨率来充分确定组织数量。
图11示出根据本公开的示例实施例的分布图1100(例如，软组织营养直方图(“营养图”)的示图，该图图示图10的目标医学图像609a中的每个放射密度值(单位：HU)的总组织像素计数。分布图或营养图1100可相应地被称为亨氏分布或数据分布612a。应该理解，在其他实施例中，表面或横截面面积可以平方厘米表示。营养图1100可仅图示了由图像分析器610创建的分布。例如，在使用期间，图像分析器610可计算每个放射密度水平下的分布，该分布包括存储在文件或数据库中的一系列数字。每行可表示不同放射密度值，并且包括多个相应的像素和/或计算出的表面面积。
在结合图10和图11讨论的示例中，图像分析器610识别放射密度值在诸如例如-150HU至150HU这样的指定范围内的像素。该示例范围涵盖了所有肌肉和脂肪组织。然而，该范围不包括骨组织和在图10中示出为暗像素1008的某个器官组织。将分析限制在一定的放射密度范围内使需要被分析或计数的像素量减少，而不影响结果。
在结合图10和图11讨论的示例中，为了可读性，简化了像素的颜色编译，其中，指定区域1002对应于脂肪组织(即，内脏脂肪组织和皮下脂肪组织)，指定区域1004对应于过渡组织(即，肌内脂肪组织)并且指定区域1006对应于肌肉组织。然而，应该理解，在许多实施例中，像素的阴影或着色可与2字节一样复杂。
在一些实施例中，图像分析器610被配置为使用分箱(binning)来创建图11的营养图1100中图示的分布612a。例如，图像分析器610可创建具有在0.1HU至2HU之间的宽度的放射密度箱。图像分析器610确定哪些放射密度值落在每个箱内。然后，图像分析器610对每个箱中的像素数目进行计数，以创建分布。
在一些实施例中，图像分析器610被配置为使用一个或多个滤波器来平滑分布数据612a。例如，图像分析器610可被配置为应用萨维茨基-格雷数字滤波器来平滑营养图1100的数据612a。在其他情形下，图像分析器610可使用移动平均滤波器、多通滤波器或其他类型的卷积滤波器。分布数据的平滑处理使数据更易于分析以搜索诸如软组织峰这样的局部峰。在没有平滑数据的情况下，存在高频率的微型峰，这使得搜索更大局部峰更加困难。因此，滤波器从数据中去除噪声元素，以使得能够更高效地进行下游数据处理。滤波器的使用还增加了识别软组织峰的可能性。
示例图像分析器610被配置为输出某个分布数据612，以便进一步处理来确定例如软组织峰和相关信息。图12示出图示可由图像分析器610确定、存储和传输的肌肉品质和/或数量分布数据612的示图。分布数据612可以以一个或更多个文件存储到存储器614。例如，目标医学图像609可被存储在第一文件中，而组织像素数据1202和表面面积数据1204被存储在第二文件中。在某些情形下，存储组织像素数据1202和表面面积数据1204的第二文件可包括对存储在第一文件中的目标医学图像609的链接或参考。可由图像分析器610确定的分布数据612包括例如针对目标医学图像609中的所有组织类型(或指定范围内的所有组织)的组织像素数据1202、总组织表面面积1204a、肌肉表面面积1204b和/或过渡性组织表面面积1204c。表面面积可被表示为像素计数或平方厘米。另外，数据612可被分箱和/或存储在诸如营养图1100这样的分布图中。
示例用户接口604被配置为使分布数据612可供显示。例如，用户接口604可结合医学图像609a显示营养图1100。另外，表面面积数据1204可显示在指定字段中。此信息使在被分析数据正经处理时或者在被分析数据已经处理之后技术人员能够查看被分析数据。
图13示出根据本公开的示例实施例的不同患者的另一目标医学图像609b。另外，图14示出根据本公开的示例实施例的分布图或具有数据分布612b的营养图1400的示图，其图示了图12的目标医学图像609b中的每个放射密度值(单位：HU)的总组织像素计数。在结合图13和图14描述的示例中，图像分析器610分析医学图像609b以创建分布营养图1400，类似于以上结合图10和图11讨论的方法。
通过将图10和图11与图13和图14进行比较，在CT扫描之前，医学上将与医学图像609a关联的患者诊断为虚弱，而医学上将与医学图像609b关联的患者诊断为健康。图10和图11与图13和图14之间的数据612的差异确认了患者之间的实际身体差异，并且表明了虚弱的患者确实具有较少的肌肉和/或较大的肌内脂肪组织对肌肉的代替。例如，虽然两个患者的脂肪组织1002、1302的量大致相同，但是与医学图像609a关联的患者具有明显更少的肌肉组织1006和更多的过渡组织1004(例如，肌内脂肪组织)。特别地，大量脂肪浸润到被表现为过渡组织1004的肌肉组织中。相比之下，与图13的医学图像609b关联的患者具有更多的肌肉组织1306和更少的过渡组织1304(例如，被脂肪组织浸润的肌肉组织)。因此，图10和11以及图13和14中示出的示例验证了放射密度值和软组织峰的分布与脂肪组织对肌肉组织的浸润相关，可自动对该浸润进行定量以便进行准确分析。
f.数据分析器
图6的示例软组织引擎440包括用于用分布数据612确定软组织峰和相关信息的数据分析器616。示例数据分析器616被配置为从图像分析器610接收分布数据612或者访问存储器414中的分布数据。为了确定软组织峰，示例数据分析器616被配置为在数据分布612中搜索位于-50Hu和100HU之间的局部数据峰。数据分析器616被配置为仅搜索整个分布的子集，因为软组织峰将仅具有肌肉(具有在40Hu和80Hu之间的放射密度)或肌内脂肪组织(具有在-50Hu和40HU之间的放射密度)的放射密度特征。该子集还忽略了内脏脂肪组织和皮下脂肪组织(即，脂肪组织)，与软组织峰相比，内脏脂肪组织和皮下脂肪组织的峰可能更高。另外，在分析中包括脂肪组织峰可能使对软组织峰的搜索复杂化。
在定位软组织峰之后，数据分析器616将软组织峰的放射密度值存储到营养状况记录618。数据分析器616还可确定与软组织峰相对应的像素数目或组织表面面积。在一些离群示例中，分布数据612可包括双峰软组织峰。在这些情形下，数据分析器616可记录两个峰。另外地或另选地，数据分析器616可对双峰分布求平均以确定平均峰，然后记录平均峰。
在示例中，图像分析器616被配置为分析图11的营养图1100中图示的数据分布612a。在该示例中，数据分析器616分析-50HU与100HU之间的分布数据。数据分析器616确定在约20HU处存在软组织峰，与放射密度值大于或小于该范围的组织的其他量相比，20HU对应于相对窄放射密度范围内的大量过渡性或肌肉组织。数据分析器616还确定与软组织峰关联的表面或横截面面积或像素计数值。在该示例中，20HU处的软组织峰对应于约1000个像素的像素计数。
图14示出可由数据分析器616分析的数据分布营养图1400中的另一数据分布612b。在该示例中，数据分析器616确定软组织峰位于约55HU处。另外，数据分析器616确定软组织峰对应于约600个像素的像素计数。
除了软组织峰之外，数据分析器616还可确定与软组织峰相关的信息。例如，由于软组织峰通常为高斯型分布，因此数据分析器616可确定在相对于峰的第一和/或第二偏差内的组织表面或横截面面积。在峰偏斜的情况下，数据分析器616可确定有多少组织和/或多少像素在距峰达限定放射密度距离(例如，软组织范围)内。这可以包括确定在软组织峰右边的组织或像素的百分比和/或具有与肌肉相对应的放射密度的组织或像素的百分比。此信息指示峰的宽度，由此指示有多少软组织具有与软组织峰相近的放射密度。数据分析器616还可确定在第一或第二标准偏差处的放射密度值和/或在第一偏差和第二偏差之间的平均放射密度值。
示例数据分析器616还可确定软组织峰与相邻谷(例如，肥尾或瘦尾)之间的比率。例如，参考图11的营养图1100，数据分析器616可确定-30HU处的过渡组织的组织表面或横截面面积或像素数目以及80HU处的肌肉组织的组织表面面积或像素计数。然后，数据分析器616通过将峰处的组织表面面积或像素计数与谷处的组织表面面积或像素计数进行比较来创建比率。这些比率可指示例如与在其他放射密度下的组织相比，在软组织峰处有多少组织聚集。例如，图11中示出的数据分布612a具有显著的组织峰谷比，这表明大多数肌肉组织已被脂肪组织浸润。数据分布612a还示出软组织峰向左偏斜，而在该峰的右边具有小百分比的像素。该偏斜也表明大多数肌肉组织已被脂肪组织浸润。相比之下，图14中示出的数据分布612b具有较低的软组织峰谷比，这表明肌肉相对没有肌内脂肪组织。数据分布612b还示出具有更均匀间隔的放射密度值的组织。另外，软组织峰中的偏斜较少，如果有的话。偏斜的缺乏意味着，在峰的右边有较大百分比的软组织，这表明肌肉组织相对健康。
图15示出了根据本公开的示例实施例的可由数据分析器616创建的示例营养状况记录618的示图。在确定软组织峰之后，数据分析器616将软组织峰存储到记录618。如以上指示的，这包括软组织峰放射密度数据1502和组织表面面积1504。另外，数据分析器616可被配置为存储标准偏差数据1506(包括在软组织、偏斜、范围和/或峰右边的软组织的百分比)和比率数据1508。在某些情形下，数据分析器616可将分布数据612中的至少一些信息存储到记录618，包括组织表面面积数据1204。
存储到记录618的数据指示患者的营养状况。具体地，软组织峰、标准偏差数据1506(包括软组织、偏斜、范围和/或在峰右边的软组织的百分比)和比率数据1508提供关于患者的肌肉数量和质量的与肌内脂肪组织相关的指示。临床医生可使用存储在记录618中的数据来确定和/或推荐患者是否在营养上健康或是否需要营养治疗。另外地或另选地，图4和图5的营养治疗部件404可基于记录618内的数据来确定是否要施用营养治疗。
在某些情形下，数据分析器616被配置为基于软组织峰1502的放射密度值、软组织峰1504的组织面积、标准偏差数据1506(包括软组织、偏斜、范围和/或在峰右边的软组织的百分比)和/或比率数据1508来确定患者营养状况的数值评分或质地指示(被称为营养状况值1510)。例如，数据分析器616可将软组织峰1502的放射密度值与预定阈值(例如，40HU、45HU、50HU等)进行比较。数据分析器616可被配置为如果软组织峰低于预定阈值，则确定和/或推荐营养不健康。在其他示例中，可存在对应于不同营养不良水平的多个阈值。例如，在35HU和45HU之间的软组织峰可被分类为“轻度营养不良”，而在28HU和35HU之间的软组织峰可被分类为“中度营养不良”，而低于28HU的软组织峰可被归类为“严重营养不良”。在其他示例中，可基于软组织峰的放射密度值来确定营养评分(例如，在1到100的范围内)。例如，可将在-50和80之间的软组织峰放射密度值的标度为1和100之间的分数。然后，基于标度的分数，数据分析器616可被配置为确定质地营养表征。数据分析器616将标度的分数和/或质地特征存储到记录中作为营养状况值1510。
虽然营养状况值1510被描述为是用软组织峰1502确定的，但是应该理解，其他软组织信息1504、1506和/或1508也可用于确定和/或评估营养状况值1510。例如，可基于患者的软组织峰的第一标准偏差1506(包括软组织、偏斜、范围和/或在峰右边的软组织的百分比)、肌肉表面面积、与软组织峰关联的表面面积和软组织峰的放射密度值的组合来确定营养状况值1510。可以为不同数据类型中的每种指配权重，当归一化、标度和/或组合时，将该权重与一个或更多个预定阈值进行比较，以确定营养状况。在示例中，患者可能在40HU处有软组织峰，这仅表明患者“轻微营养不良”。然而，在第一标准偏差内的组织表面面积可示出其中大量组织是肌肉的宽分布。数据分析器616使用标准偏差数据来确定患者具有“健康”营养状况。
还可通过将软组织峰1502和/或相关软组织峰信息612、1504、1506和/或1508与基于患者人口统计信息调节的阈值进行比较来确定营养状况值1510。例如，随着患者年龄增长，肌肉组织往往会退化并被肌内脂肪组织取代。在一些实施例中，数据分析器616被配置为基于患者的年龄来调节一个或更多个阈值。在以上的示例中，值“35HU”被描述为介于轻微和中度营养不良之间的阈值。示例数据分析器616可调节该阈值(以及其他阈值)，使得在较低放射密度下发生中度营养不良的检测。可用指定从“45HU”的参考值中减去患者的当前年龄并除以10的算法对数据分析器616进行编程。然后，从35HU的放射密度阈值中减去该计算的结果。对于65岁的患者，数据分析器616计算出2HU((65HU-45HU)/10)的调节量。因此，介于中度和轻度营养不良之间的阈值是33HU，而非35HU。
在其他示例中，数据分析器616可基于诸如身高、种族、性别、疾病折磨、损伤类型、后续计划的医疗过程类型等这样的其他患者人口统计信息来调节阈值。例如，数据分析器616可访问患者的病历并确定患者将要经受化疗，化疗被表征为相对密集的过程。因此，数据分析器616可基于医疗过程类型来调节阈值，以确保患者具有足够的氨基酸储备量对癌症治疗做出反应。
在此实施例中，数据分析器616可将例如患者在营养上可接受的化疗(和/或某种类别的医疗过程)的指示存储到记录618。另外，数据分析器616可确定指示并将其存储到认为患者营养不良的过程(例如，手术)或医疗过程分类的记录618。
在一些实施例中，应该理解，由数据分析器616分析的数据是自包含于能用目标医学图像609确定的肌肉品质和/或数量数据。在这些实施例中，不将患者的数据与其他患者的人口数据进行比较以确定营养状况。这可能是有益的，因为人口数据可能不完整或不能代表经受营养分析的患者。另外，不必使用人口数据使不典型患者的机会减少，从而造成数据分析器616误识别患者的营养状况。
虽然示例软组织引擎440可在没有人口数据的情况下操作，但是在一些实施例中，数据分析器616可被配置为使用患者人口数据来确定和/或评估营养状况。使用人口数据可提供当前患者与具有相似人口统计和肌肉品质指标的其他患者之间有什么关系以及这些其他可比患者是否营养上健康。在示例中，数据分析器616被配置为在人口数据的池之中确定具有相似的人口统计特征(例如，身高、重量、年龄、性别等)的个人作为被分析的患者。然后，数据分析器616将软组织峰1502和/或软组织峰信息612、1504、1506和/或1508与所识别的个人的软组织峰和/或相关信息进行比较。数据分析器616确定如果例如患者和所识别个人之间的软组织峰1502的放射密度值在预定阈值内，则是匹配的。数据分析器616确定匹配个人的营养状况，并且将该营养状况存储到记录618。在某些情形下，数据分析器616可对匹配的个人的营养状况求平均，并且将平均值存储到记录618。在这些情形下，数据分析器616可基于匹配个人的软组织峰与患者的软组织峰1502的接近度以及他们的人口统计特征的接近度，为不同的营养状况赋予权重。
虽然以上公开内容侧重于单个医学图像的处理上，但是应该理解，数据分析器616可被配置为用两个或更多个医学图像确定患者的营养状况。例如，数据分析器616(和图像分析器610)可用两个或更多个医学图像的一个或更多个数据分布612确定软组织峰1502和相关信息1504、1506和/或1508。数据分析器616被配置为确定每个分布的软组织峰。然后，数据分析器616对软组织峰进行求平均或者以其他方式组合软组织峰。另外，数据分析器616基于被求平均和/或组合的软组织峰来确定患者的营养状况。所确定的营养状况1510以及被组合或求平均的软组织峰1502被存储到营养状况记录618。在某些情形下，各个软组织峰也可被存储到记录618。
在处理不止一个医学图像的示例中，数据分析器616可使用统计分析来确定软组织峰和/或相关信息是否是统计异常值。例如，序列中的三个医学图像可对应于45HU和48HU之间的软组织峰，而同一序列图像中的第四医学图像对应于32HU处的软组织峰。数据分析器616确定第四医学图像的软组织峰是统计异常值。在这些情形下，数据分析器616可丢弃与第四医学图像相关的软组织峰信息。
g.网络接口
图6的示例软组织引擎440包括网络接口620，以将例如营养状况记录618发送到HIS 450、EMR服务器426、药剂制备系统420、至少一个营养输注泵422和/或临床医生装置424。在软组织引擎440包括营养分析引擎442的情形下，软组织引擎440在内部将记录发送到营养分析引擎442。在这些情形下，软组织引擎440仍可将营养状况记录618从外部发送到HIS 450、EMR服务器426、药剂制备系统420、至少一个营养输注泵422和/或临床医生装置424。
为了发送记录618，示例网络接口620被配置为将记录618内的信息构造成一个或更多个消息414。在一些实施例中，网络接口620还可在这一个或更多个消息414中构造分布数据612和/或相关医学图像609。网络接口620可以将消息414独立地寻址到例如EMR服务器426和/或药剂制备系统420。在其他示例中，消息414可被发送到网关服务器，网关服务器确定目的地接收方。例如，临床医生装置424可订阅网关以接收与特定患者相关的信息。网关接收并确定记录618与所订阅的患者关联并且将该记录发送到临床医生装置424。如下面更详细提供的，营养状况记录618的发送使得能够自动地确定例如营养治疗和/或营养溶液的成分。发送营养状况记录618(或诸如营养状况值1510这样的记录618内的个人信息)的发送还使得临床医生能够确定患者的近似瘦身体质量或营养健康状况，这使得临床医生能够确定是否患者可以经受密集的医疗过程。至少，营养状况值1510提供了术后风险指标。在某些情形下，临床医生可尝试通过在手术之前和/或之后安排营养喂养来降低患者的风险并改善手术后果。
h.分割处理器
本文已将示例软组织引擎440描述为用整个二维医学图像确定肌肉数量和肌肉品质。在一些实施例中，软组织引擎440可使用被配置为选择医学图像的一部分(例如，片段)以确定肌肉品质和/或数量的分割处理器622。分割将肌肉品质和数量的量化集中在特定区域(例如，骨骼肌)上，而忽略了内部器官、腹肌、内脏脂肪组织和/或皮下脂肪组织。例如，一些内部器官的放射密度在30HU和60HU之间，与肌肉放射密度在40HU和80HU之间重叠。结果是，在某些情形下，如果分析整个图像，则图像分析器610可以在肌肉组织的量化中包括器官组织。
有许多方法可用于分割特定的肌肉组织。本文中描述的分割处理器622被配置为使用这些方法中的一种或多种来隔离某些组织。为了分割肌肉组织，例如，分割处理器622被配置为从图像选择器608接收一个或多个目标医学图像609。在使用分割处理器622的实施例中，图像选择器608可被编程为将图像发送到分割处理器622，而非直接发送到图像分析器610。在其他实施例中，技术人员可经由用户接口604提供一个或多个目标医学图像609将被分割的指示。在这些实施例中，如果不止一个可用，技术人员可选择分割方法。另外，用户接口604可被配置为在分割之后显示图像，并且使技术人员能够调节分割边界。
分割处理器622被配置为在分割完成之后将分割后的图像发送到图像分析器610。使用以上结合关于图像分析器610的讨论所描述的相同技术，用分割的图像确定数据分布612。然而，在这些实施例中，图像分析器610被配置为分析分割的边界内的像素，而忽略其他像素。分割处理器622可独立地或组合地使用下述方法中的任一种。
1.内部器官分割
在一种方法中，示例分割处理器622被配置为从一个或多个目标医学图像609中去除内部器官和组织。与核心肌肉或骨骼肌相比，腹腔器官和脉管系统在轴向CT图像中相对于矢状面的对称性相对小。分割处理器622可被配置为执行二维医学图像中的解剖结构的统计相似度量化(例如，确定SSIM索引)。分割处理器622将解剖结构的统计相似性度量化与阈值进行比较。这里，分割处理器622可将医学图像分为两半，并且比较每半个的相同位置处的组织形状。基于每半个中的形状之间的相关性，分割处理器622将相似度值指配给像素中的每个。分割处理器622去除、忽略或分割低于阈值的解剖结构或像素。相反，大于阈值的解剖结构或像素被保留在医学图像内，以便图像分析器610进行处理。
图16示出能够由分割处理器622在图10的医学图像609a上执行的分割的示例。为了清楚起见，所图示的分割是手动执行的。然而，所图示的分割代表可由分割处理器622执行的组织分割。图16的医学图像609a示出区域1602，在区域1602中，内部组织(和骨组织)已被去除并且被黑色像素取代。如图10的预分割医学图像609a中所示，内部器官和周围的脂肪组织是相对不对称的。相反，区域1004和1006内的骨骼和腹部肌肉组织以及区域1002内的周围脂肪组织是相对对称的。因此，分割导致对应于脂肪组织(即，内脏脂肪组织和皮下脂肪组织)的指定区域1002、对应于过渡性组织(即，肌内脂肪组织)的指定区域1004以及对应于骨骼和腹部肌肉组织的指定区域1006被保留在医学图像609a中(如图15中所示)。
图17示出由图像分析器610基于图16的分割的医学图像609a创建的分布图或营养图1700。与图11的营养图1100相比，营养图1700具有显著更少的脂肪、过渡性和肌肉组织。然而，营养图1700中剩余的组织对应于骨骼肌和相关的肌内脂肪组织，骨骼肌和相关的肌内脂肪组织进一步表明患者的氨基酸储备量和总体营养健康。应该注意，图17中示出的软组织峰的放射密度比图11的营养图1100中示出的软组织峰的放射密度大约10HU。该差异表明，器官的量化可能使结果产生偏斜，这可能会错误地表明患者不如实际健康，因为器官的放射密度与肌内脂肪组织的放射密度重叠。因此，由分割处理器622执行的分割提供关于肌肉品质的更准确结果。另外，分割使必须由图像分析器610分析的像素的数目减少。
图18示出能够由分割处理器622在图13的医学图像609b上执行的分割的示例。类似于图16，为了清楚起见，所图示的分割是手动执行的。然而，所图示的分割表示可由分割处理器622执行的组织分割。图19示出由图像分析器610基于图18的分割的医学图像609a创建的分布图或营养图1900。在结合图18和19描述的示例中，指定区域1802已被分割。类似于图16和图17中示出的结果，图18的医学图像609b和图19的营养图1900表明分割使所分析的非关键组织的量减少。与图13的医学图像609b和图14的营养图1400相比，营养图1900中的软组织峰相对不变。这是由于患者具有更多未被分割的骨骼肌导致的。
2.质心分割
分割处理器622还可被配置为使用质心或重心例程或算法来分割一个或更多个医学图像。这里，分割处理器622被配置为计算或确定目标医学图像609的质心。为了确定质心，分割处理器622分析二维医学图像609内的所有组织像素，以确定横向和纵向中心。例如，分割处理器622确定医学图像中患者解剖结构的宽度，并且将该宽度分成两半。纵向中心对应于宽度的中间。横向中心与纵向中心的交点是质心。应该理解，也可使用其他质心方法。例如，可分析医学图像609中的像素二维坐标的加权平均值，以确定中心或原点。
在确定质心之后，示例分割处理器622被配置为确定关注区域，关注区域对应于中心位于质心处的多边形。例如，分割处理器622可被配置为创建具有指定长度和宽度的矩形形状的关注区域。在其他示例中，关注区域可包括正方形、三角形、椭圆形、圆形、五边形、六边形等。
分割处理器622通过将关注区域的中心与所确定的质心对准，相对于目标医学图像609定位、覆盖或以其他方式迫使关注区域。分割处理器622将关注区域内的组织指定为要由图像分析器610分析的分割组织。关注区域之外的组织被分割处理器622从分析中分割出来。
在某些情形下，分割处理器622被配置为迭代地分割目标医学图像609，以更准确地包括例如腰肌。例如，在使用上述方法进行分割之后，分割处理器622仅使用骨组织来确定关注区域内的新质心。在质心分析中仅使用骨骼组织造成质心朝向L3椎骨或脊椎向下移位。然后，可在新质心处创建第二关注区域。第二关注区域也可具有矩形形状。然而，第二关注区域可具有较小尺寸，以进一步集中于或隔离腰肌。
分割处理器622可通过使用第二关注区域内的所有组织来计算第二关注区域内的第三质心来对第二关注区域执行另一迭代。该另外的迭代可将质心移动到腰肌的中心。在一些实施例中，可在第三质心分析中忽略骨组织。在确定了第三质心之后，分割处理器622创建第三关注区域，第三关注区域被确定尺寸以主要包括腰肌。然后，分割处理器622将分割的医学图像发送到图像分析器610，以确定肌肉品质和数量。
图20示出已使用质心方法分割的示例医学图像609c的示图。所图示的示例示出第三次迭代之后的关注区域2002。关注区域2002具有质心2004，质心2004位于腰肌2006的中心。这种分割将肌肉品质和数量分析仅隔离于腰肌，这是体内总氨基酸储备量(和患者总体营养状况)的准确指标。这种分割方法还解决患者体内的异常，由于年龄或疾病引起的肌肉损伤或退化，导致肌肉形状可能不对称或扭曲。另外，与下述的模式或模板匹配相比，质心的计算在计算上相对高效。
3.形状和模板匹配分割
图6的示例性分割处理器622也可使用一种或多种形状或模板匹配方法来执行分割。在一些实施例中，分割处理器622可将以下公开的方法与以上讨论的分割方法相结合，以进一步分割某种肌肉组织。例如，在确定关注区域之后，分割处理器622可应用一种或多种形状或模板匹配技术来进一步分割肌肉组织。
Chung等人在***中描述的以引用方式并入本文的标题为“AutomatedSegmentation of Muscle and Adipose Tissue on CT Images for Human BodyComposition Analysis”的第一方法公开了使用形状变形模型和外观概率模型从脂肪和器官组织中分割出肌肉组织。在外观模型中，Chung等人公开了通过指配对应于肌肉组织的二维图像(或其灰度转换)中的像素的概率来执行肌肉分割。超过一定阈值的概率被认为对应于代表肌肉组织的像素。Chung等人公开了接着通过形状变形模型分析代表肌肉组织的像素以逼近表面面积。特别地，使用包括规则格点的B样条三次插值的自由形式变形(“FFD”)模型对肌肉像素图像中的图像变形进行参数化。相对于用一组训练图像估计的平均形状对格点变形进行编译。用手动分割的图像计算肌肉形状参数的步骤包括(1)执行仿射对准和平均形状计算，(2)使用FFD模型执行非刚性对准，以及(3)使用主成分分析(PCA)对增量变形进行编码。
Popuri等人在***中描述的以引用方式并入本文的标题为“Body CompositionAssessment in Axial CT Images using FEM-based Automatic Segmentation ofSkeletal Muscle”的第二方法建立在Chung等人的基础上，限制可能需要变形分析的复杂分割边界。Popuri等人公开了基于模板的分割方法的使用，其中经由非刚性或可变形配准使限定初始形状的二进制模板变形，以匹配二维图像中的肌肉组织。Popuri等人使用有限元方法(FEM)，FEM使用适于模板的初始形状的的非均匀网格以对变形场进行参数化。对于二维图像，Popuri等人公开了通过使模板最佳变形使得模板基本上匹配二维图像来计算最佳分割边界从而执行肌肉分割。使用适于基于模板的分割的基于FEM的可变形配准框架来限定图像变形。
i.人口处理器
图6的营养状况诊断部件402的示例软组织引擎440还可包括人口处理器(population processor)630，人口处理器630被配置为分析存储在仓库或长期存储器中的一个或多个医学图像412，以在人口统计与肌肉质量或肌肉品质之间建立关联。示例人口处理器630被配置为访问或以其他方式获得存储在EMR服务器426、能通过HIS 450访问的医学仓库、存储器614或任何其他被配置为存储患者病历的永久存储介质中的医学图像412。在某些情形下，用户可经由用户接口604指定要分析的患者信息的目录或电子地址。除了病历之外，人口处理器630还可接收相应的患者人口统计信息、生理信息、疾病信息、治疗信息和/或治疗费用信息。
人口处理器630在接收到的信息内识别医学图像412并且将图像发送到图像选择器608以便进行处理。如以上讨论的，图像处理器608、图像分析器610、数据分析器616和/或分割处理器622被配置为确定其记录可用的每个患者的肌肉品质和/或营养状况。在不同治疗点记录了医学图像的情形下，人口处理器630被配置为请求针对医学图像的每个集合确定肌肉品质和/或营养状况。从医学图像确定肌肉品质和/或营养状况的过程对于每个患者可能花费几毫秒。因此，示例软组织引擎440可在几分钟内或至少在不到一小时内确定数十万或数百万患者的肌肉品质和/或营养状况(例如，分布数据612)。
在确定肌肉品质和/或营养状况之后，示例人口处理器430被配置为将肌肉品质和/或营养状况与诸如人口统计、治疗计划和/或费用这样的其他患者信息关联。相关性提供了可用于确定未来患者的营养状况或推荐营养治疗的条件的有意义的数据。在某些情形下，可分析所有患者的分布数据612，以确定用于创建营养状况的标签或值的阈值。例如，可绘制与患者健康有关的软组织峰的分布图或营养图。人口处理器430(或统计学家)可以在医学记录中识别诸如医学诊断、半主观分析、BMI指数、医师笔记和/或其组合的与肌肉品质有关的患者特征。与具有正常肌肉质量的健康患者关联的软组织峰通常聚集在45HU和60HU之间，而与诸如肌肉减少症这样的肌肉质量减少的患者关联的软组织峰通常聚集在30HU和40HU之间。另外，肌肉功能下降的患者(即，严重肌肉减少症的患者)的软组织峰通常聚集在15HU和25HU之间。人口处理器430可以分析这些群集，以确定用于确定营养状况的值或指示的阈值。
另外，示例人口处理器430可被配置为确定与误治或延迟的营养治疗关联的成本。例如，人口处理器430可识别具有指示肌肉质量减少和/或肌肉功能下降的软组织峰的患者。对于这些患者，人口处理器430可确定执行了哪些医疗过程或治疗。如以上提到的，肌肉质量减少的患者的有助于康复的氨基酸储备量较少。人口处理器430可基于需要多少天的术后住院时间、为解决并发症而执行的术后医疗过程和/或是否(或何时)开始营养治疗来量化与这些患者的长期康复关联的成本。关于传统上何时开始营养治疗，美国肠胃外和肠内营养学会(“ASPEN”)提供了指南，这些指南规定患者将在手术后7到14天才接受营养治疗。然而，患者可能在手术前营养不良，如果遵循指南，则在手术之后营养治疗开始前的一到两周将一直营养不良。人口处理器430可基于患者病历中的医疗过程和费用来确定所带来的医疗费用，以确定延迟营养治疗将使患者和医院付出多少费用。在针对患者的延长康复时间期间执行单独的CT扫描的情形下，人口处理器430还可将由于医疗过程和术后治疗导致的肌肉质量减小关联。
示例人口处理器630还可被配置为将患者的肌肉品质和/或营养状况与术后长期护理或生活质量相关。患者的病历可指示例如患者在进行医疗过程后准许患者离开的地点。例如，健康的患者可被准许在没有后续护理的情况下离开医院，回到他们的家。相比之下，患有手术并发症的患者可被准许携带家庭护理或物理治疗的处方回到他们的家。患有更严重并发症的患者可被准许到疗养院或重症监护病房(“ICU”)。示例人口处理器630被配置为确定长期护理类型、持续时间和成本。然后，人口处理器630将长期护理类型、持续时间和费用与患者的肌肉品质和/或营养状况相关。这些相关性可用于为有发生严重并发症风险的患者(例如，肌肉质量与接受重要术后护理的具有类似人口统计的患者的肌肉质量相似的患者)开出营养治疗处方，由此改善他们的出院前景并缩短康复时间。
示例人口处理器630被配置为向EMR服务器426和/或HIS 450发送一个或更多个消息632，消息632包括被分析患者的肌肉品质和/或营养状况。消息632还可包括用于确定营养状况和/或患者信息与肌肉品质和/或营养状况之间的相关性的阈值。消息632还可包括肌肉品质与术后并发症和相关成本之间的相关性。在某些情形下，分析服务器408和/或EMR服务器426可使用消息432中的信息来确定营养治疗的治疗推荐和/或指南。
j.用于确定或评估患者营养状况的示例过程
图21示出了根据本公开的示例实施例的图示用从一个或更多个医学图像获得的肌肉品质和肌肉数量数据确定和/或评估患者的营养状况的示例过程2100的流程图。如结合图4至图20描述的，示例过程2100可由例如分析服务器408的软组织引擎440执行。尽管参照图21中图示的流程图描述了过程2100，但是应该理解，可使用许多其他方法来执行与过程2100关联的功能。例如，许多框的顺序可改变，某些框可与其他框组合，并且所描述的许多框是可选的。例如，在软组织引擎440不包括分割处理器622的情形下，可省略分割步骤。
过程2100开始于通过软组织引擎440获取和/或接收患者的一个或多个医学图像412(框2102)。医学图像412可包括例如患者的中段的CT切片。医学图像412包括图像412内示出的组织的放射密度。在获取图像之后，软组织引擎440被配置为从所获取图像之中选择目标医学图像609(框2104)。如以上结合图6更详细讨论的，软组织引擎440可通过在与患者的L3和L4椎骨相对应的区域之间识别哪个图像包含最少(或较少)的骨组织来选择图像。
在识别到至少一个目标图像609之后，示例软组织引擎440确定是否要分割目标图像(框2106)。如果图像将被分割，则软组织引擎440使用一个或多个例程和/或算法来分割目标图像的一部分以便进一步分析(框2108)。如以上讨论的，软组织引擎440可使用对称例程来分割内部器官。软组织引擎440还可通过基于放射密度值过滤像素来分割骨组织。另外，软组织引擎440可使用迭代质心例程和/或一个或多个形状/模板匹配例程来隔离某个肌肉组织(例如，骨骼肌组织)以便进一步分析。
在分割之后，软组织引擎440分析分割的目标医学图像，以在分割的区域或面积内创建组织的放射密度分布(框2110)。在不执行分割的情形下，软组织引擎440为整个目标医学图像创建放射密度分布。在一些实施例中，软组织引擎440可仅针对某个预定义的放射密度范围(例如，-150HU至150HU或-100HU至100HU)内的像素创建分布。然后，软组织引擎440分析放射密度分布，以定位或识别软组织峰(框2112)。软组织引擎440还可确定诸如例如标准偏差或肌肉组织面积这样的与软组织峰相关的信息(框2114)。
软组织引擎440将软组织峰和相关信息存储到营养状况记录618。另外，软组织引擎440使用记录618中的至少一些信息来确定和/或评估患者的营养状况(框2116)。营养状况可以是数字指标、质地指标或更一般地软组织峰的放射密度值。软组织引擎440将患者的营养状况存储到记录618。另外，软组织引擎440在一个或多个消息414中将记录618或更一般地患者的营养状况发送到例如营养分析引擎442、HIS 450、EMR服务器426、临床医生装置424和/或药剂制备系统420。然后，示例过程2100可针对下一个患者返回框2102。
k.示例结果
图22示出了图示根据本公开的示例实施例的使用结合图4至图21描述的软组织引擎440的实验结果的表2200的示图。在实验中，分析来自76位不同患者的CT医学图像，以确定肌肉的质量和数量。患者的平均年龄为64.3岁，标准偏差为+/-11.4岁。其中32位患者是男性而44位患者是女性。通过扫描每位患者的中段来获取CT图像。
作为对照，手动检查每个患者的医学图像，以搜索代表L3和L4椎骨之间区域的切片。然后，技术人员手动分割腰肌组织。分析分段的肌肉组织，以确定软组织峰。通过这种手动方法，确定患者的腰肌平均表面面积为15.6cm2，标准偏差为5.7cm2。这转化为约2927+/-997个像素。这些患者的平均软组织峰被确定为约42HU+/-8HU。
接下来，使用软组织引擎440分析相同的医学图像。对于每位患者，软组织引擎440使用骨组织放射密度数据来自动地确定待分析的目标图像。在第一次运行中，不分割图像。对于第一次运行，确定每个图像中的平均总组织表面面积为262.3+/-69.5cm2。这对应于49,365+/-12,593个像素的总像素计数。计算出的用第一次运行的整个图像确定的平均软组织峰为约39.9+/-10.1HU。
在第二次运行，使用质心迭代例程来分割目标医学图像。分割的关注区域的平均面积为39.7+/-9.3cm2。这对应于关注区域中的约8,397+/-1,278个像素。分割的关注区域内的组织的平均软组织峰为42+/-10.2HU。
在查看结果时，确定分割产生的结果更接近于定量肌肉组织的手动方法。然而，与手动计数相比，分割运行中的可变性稍微更大。使用自动化方法，对肌肉和过渡性组织像素进行更精确的量化可能导致了这种可变性。虽然在第一次运行中分析完整图像产生较低的软组织峰，但是该峰与手动方法的接近程度表明这种方法在实践中也是可接受的，而不用进行分割所需的计算处理。来自第一次运行的数据与总体组织组成相对应，因为与手动或自动地特别在腰肌上分割的图像相比，分析图像包含更多的脂肪或被脂肪组织浸润的肌肉(放射密度较低)。实验相应地图示了软组织引擎440能够自动确定肌肉品质和数量，以确定患者的营养状况。
II.医疗应用实施例
有许多医疗应用可结合患者确定的营养状况改善结果或降低并发症风险。以下各部分提供了可结合患者的营养状况或肌肉质量量化的医疗应用的示例。下面讨论的示例包括肿瘤学评估、肿瘤学治疗、术前治疗、术后治疗和营养治疗管理位置确定。另外，应该了解，患者的营养状况和/或肌肉品质可用于其他应用，包括疾病管理。
a.肿瘤学评估示例
当患者不幸地被诊断出患有癌症时，医生通常会执行后果分析，以确定五年后患者的预后。典型的预后包括考虑患者的年龄、整体健康状况、癌症类型和癌症分期。每个评估包括为预后指配了概率的癌症c统计量。医师和患者在评估治疗选项时使用此信息。通常，癌症预后的c统计量在60％到75％之间。这个中间百分比意味着，任何给定的预后很可能是不正确的，而是留下很大的偏差空间。这就是为什么有很多故事：告诉患者他们有1年或不到1年的生命，患者却最终存活了许多有意义的年头。
示例分析服务器408和/或临床医生可使用患者的营养状况、肌肉品质和/或软组织峰信息来确定更准确的预后。例如，肌肉更健康的患者往往会对癌症治疗做出更好的反应。相比之下，具有被脂肪浸润的肌肉的患者往往会对癌症治疗做出不太好的反应。分析服务器408和/或临床医生可使用患者的营养状况来改善c统计量的值。换句话说，了解患者的肌肉品质提高了预后正确的可能性。在某些示例中，了解患者的营养状况产生了约90％的c统计量。肌肉品质和/或营养状况可相应地用于改善患者癌症评估的可靠性。
b.肿瘤治疗示例
诸如化疗这样的典型肿瘤治疗将药物输注到患者体内。药物通常是水溶性或脂溶性的。水溶性的药物被肌肉组织吸收。药物分配量是基于考虑患者身高和重量所估计的患者的瘦身体质量或体表面面积来确定的。药物分布的已知计算假定每个患者基于其身高和重量在脂肪组织和肌肉组织之间具有恒定的分布。然而，如以上讨论的，患者的肌肉-脂肪比率不同。某些患者尤其是老年患者患有肌肉退化。
患者的肌肉-脂肪比率之间的差异意味着，患者将不同地吸收不同量的化疗药物。例如，两位患者可具有相同或非常相似的身高和重量。然而，其中一位患者的肌肉可能健康，而另一位患者的肌肉明显退化。由于患者的身高和重量相同，因此已知的计算将为每位患者推荐相同的化疗剂量。然而，不健康的患者的用于吸收药物的肌肉质量不足。这意味着，那里的肌肉吸收了比预期更多的药物。结果是，不健康患者的肌肉有较高的药物浓度。如果浓度超过一定水平，则认为过量剂量导致患者遭受毒性影响的风险。相比之下，健康的患者具有更多用于吸收相同剂量药物的肌肉，这意味着每平方厘米肌肉的药物浓度较低。
示例分析服务器408和/或临床医生可使用患者的营养状况、肌肉品质和/或软组织峰信息来确定更低(或更高)剂量的化疗药物可能是更有益的。例如，分析服务器408可确定要向肌肉质量较少的患者开出比原本会推荐少10％至20％的化疗药物的处方，以避免毒性。在其他示例中，分析服务器408可向临床医生提供指示应该鉴于患者的肌肉质量和/或营养状况重新讨论化疗剂量的警告和/或警报。肌肉品质和/或营养状况可因此用于改善化疗治疗。
c.过程前和过程后的示例
通常，在经受诸如腹部手术或主动脉心脏瓣膜置换术这样的密集的医学过程或者开始疾病治疗之前，临床医生开出处方或推荐患者可采取的改善后果的动作。这包括锻炼、饮食健康以及禁止吸烟和饮酒。示例分析服务器408和/或临床医生可使用患者的营养状况、肌肉品质和/或软组织峰信息来确定是否要在过程或疾病治疗之前、期间或之后对患者开出营养处方，以进一步改善患者的后果。
目前，ASPEN推荐在患者不能自己进食之后或者在医疗过程之后至少7至14天才施用营养治疗。在该时间期间，患者的新陈代谢增加，有助于患者从过程或治疗中康复。另外，过程或治疗中的任何炎症通常会消耗肌肉组织并导致脂肪浸润。这意味着，现在营养不良的患者或变得营养不良的患者至少要在过程之后一周才被给予营养治疗。这种延迟使得营养不良变得恶化，由此减慢了患者的新陈代谢和康复能力。
示例分析服务器408和/或临床医生可使用患者的营养状况、肌肉品质和/或软组织峰信息以基于患者的营养不良程度来确定是否需要营养治疗(以及需要多少营养治疗)。例如，在初始评估期间，除了推荐患者锻炼之外，分析服务器408和/或临床医生还可用患者的营养状况来确定患者将经受某种水平的营养治疗。这可包括口服和/或皮下、肠内和/或肠胃外提供的营养补充剂。目的是确定患者的营养状况，以能够主动开出适当的营养治疗处方，以减少以后出现的并发症的变化。
为了确定营养治疗，分析服务器408可将患者的人口统计、疾病状态和营养状况与人口数据进行比较。分析服务器408可以基于位置相似的患者的病史来确定潜在后果。如果潜在后果导致与营养不良关联的并发症或低康复水平，则分析服务器408可以确定患者将接受营养治疗。可以根据软组织峰结合过程、疾病状态和患者人口统计推荐治疗的参数。
另外，分析服务器408还可基于患者的营养状况和/或肌肉质量来确定或推荐术后护理。例如，分析服务器408可为严重营养不良的患者推荐ICU护理或疗养院护理。相比之下，分析服务器408可为中度营养不良的患者推荐家庭护理。可在手术之前确定这些推荐，使得临床医生和患者了解最有可能的术后护理选择和术后生活质量。营养信息还可使临床医生和/或患者能够预先安排并采取适当措施来建立这种护理。因此，了解患者的营养状况使临床医生能够更加积极主动地帮助患者避免术后并发症(或者减少术后并发症的影响)。
d.营养治疗施用位置确定示例
在许多情形下，可给患者开出不在肠胃外施用的营养治疗。例如，可在没有IV或导管的情况下皮下提供营养。另外，可通过口服补充剂施用营养液。示例分析服务器408可被配置为基于患者的营养状况、肌肉质量、疾病状态和/或人口统计信息来提供施用位置推荐和/或确定。例如，分析服务器408可确定可向中度营养不良的患者开出在患者皮肤下面提供营养液的皮下治疗的处方。尽管皮下治疗在可施用的营养溶液量方面无法与肠胃外或肠内治疗相匹敌，但是其侵入性明显较小并且可由患者家庭或疗养院中技术水平较低的专业人员进行施用。
在其他示例中，分析服务器408可分析人口数据，以确定与被分析患者位置相似的患者的预期出院条件。例如，分析服务器408确定具有相同人口统计和疾病状态的患者通常需要在ICU中呆至少三天，之后才恢复自己进食的能力。分析服务器408可推荐能更容易在ICU中施用的诸如肠胃外或肠内这样的营养治疗。因此，了解患者的营养状况使临床医生能够更加主动地确定如何施用营养治疗。
III.营养治疗成分实施例
在一些实施例中，可基于由营养状况诊断部件402确定的患者的营养状况来生成警告、警报和/或推荐。另外，可基于患者的营养状况结合诸如患者人口统计信息、生理信息、疾病状态等这样的其他信息来确定和/或推荐营养溶液的营养治疗参数/或成分。图4和图5的医疗环境400的示例营养治疗部件404被配置为至少部分基于所确定的患者营养状况来自动管理向患者的营养治疗施用。营养治疗部件404包括营养分析引擎442，营养分析引擎442可被配置为使用营养状况记录618(和/或分布数据612)中的患者的营养状况、软组织峰和/或相关软组织峰信息，以确定针对患者的营养治疗。营养分析引擎442可位于分析服务器408、EMR服务器426和/或药剂制备系统420中和/或与其结合进行操作。
再次参照图4和5，图4和5的所图示实施例中的营养治疗部件404包括一个或更多个输注泵422。示例输注泵422可包括能够经由一个或多个管线组将静脉和/或营养(例如，总肠胃外营养(“TPN”))治疗输送给患者的任何泵。示例包括注射泵、线性蠕动泵、大容量泵(“LVP”)、流动泵、多通道泵等。注射泵使用连接到驱动臂的电机来驱动注射器内的柱塞。线性蠕动泵使用转子在旋转时压缩管道的部分。通常，转子的一个或更多个辊与管道接触半圈。被压缩的旋转造成所限定量的流体经过管道。LVP通常使用一个或多个指状物或臂来压缩静脉治疗(IV)管道的一部分。指状物在管道上致动的定时造成流体通过管道进行恒定或接近恒定的移动。
示例输注泵422可以包括例如图4和图5中示出的
示例药剂制备系统420包括配置为任何管理和制备化合物溶液(例如，TPN溶液和其他多成分溶液)以便施用于患者的系统。例如，药剂制备系统420可包括EXACTAMIXTM制药器，它是一种自动化泵送系统，将多种无菌成分制成一个或多个患者袋中的最终溶液。一旦确定了个体患者配方，药剂制备系统420就可在大致四分钟内生产出例如三升患者可用的TPN袋。制备包括例如通过选择并混合一定数量的水、氨基酸、脂质、葡萄糖、溶解的盐、甘油三酸酯、微量元素、维生素和/或营养补充剂来产生营养溶液。在某些情形下，药剂制备系统420还可在诸如
示例药剂制备系统420还可以包括药剂工作流管理器460，药剂工作流管理器460被配置为自动化进行路由、制备、检查、跟踪和报告制药器所制备的营养溶液的制备的处理。在一些实施例中，药剂工作流管理器460可包括由
示例营养分析引擎442被配置为分析患者的营养状况，以确定是否将产生一个或更多个警告或警报。警告或警报可被发送到临床医生装置424，以使临床医生注意到患者的营养状况。因此，临床医生可使用临床医生装置424开出营养治疗的处方。警告或警报也可以被发送到EMR服务器426，EMR服务器426可防止或至少产生关于后续医疗过程的警报。营养分析引擎442还可使用与营养状况和/或患者人口统计信息相关联的信息来确定(或推荐)营养治疗。这可包括例如确定(或推荐)诸如要被输注的体积、输注速率和/或输注持续时间这样的施用参数。这也可包括确定(或推荐)营养溶液的成分。
图23示出了根据本公开的示例实施例的图4和图5的营养分析引擎442的示图。图23中示出的框可被实现为在营养分析引擎442内操作的软件模块、应用、算法和/或例程。应该理解，其中一些框可被组合和/或省略。另外，其中一些框可在分析服务器408上的不同物理位置实现。例如，分析服务器408可包括分布在诸如云计算环境这样的计算环境上的刀片服务器或处理器。营养分析引擎442也可分布在包括分析服务器408、EMR服务器426和/或药剂制备系统420的营养治疗部件404中的一个或更多个装置上。因此，图23中示出的每个框可以由单独的(或相同的)处理器实现或操作。此外，可以针对每个记录618和/或每位患者来启动每个框的单独实例。
a.网络接口
图23的示例营养分析引擎442包括网络接口2302，以接收例如包括营养状况记录618的消息414。在某些情形下，网络接口2302可以是可寻址的以便接收消息414。在其他示例中，网络接口2302可在网关(位于EMR服务器426和/或HIS 450处或被配置为与EMR服务器426和/或HIS 450结合进行操作)处订阅，以接收包括营养状况记录618的消息414。在各种示例中，消息414可在报头中包括特定标识符，该特定标识符提供消息类型的指示。为了接收消息414，在一个实施例中，网络接口2302请求网关发送具有特定标识符的消息414。网络接口2302还可基于患者标识符进行订阅。在替代实施例中，网络接口2302可以轮询例如软组织引擎440和/或EMR服务器426，以请求新创建的营养状况记录618。
在一些示例中，诸如当营养分析引擎442是药剂制备系统420的部分时，网络接口2303可从临床医生装置424和/或EMR服务器426接收处方信息。例如，临床医生可通过记录618中的信息确定患者营养不良。作为响应，临床医生可在临床医生装置424处创建营养处方，该营养处方被发送到网络接口2302和/或EMR服务器426。营养分析引擎442结合药剂制备系统420使用处方内的信息来创建营养溶液和/或创建施用参数，以经由营养治疗泵处方消息425对输注泵422进行自动编程。
示例网络接口2302还被配置为将信息发送到营养治疗部件404内的其他装置。例如，网络接口2302可在一个或更多个消息444(诸如，符合HL7的消息)中发送营养治疗的参数和/或营养溶液的成分。该发送可包括例如营养治疗泵处方消息425。消息444和/或425可被发送到药剂制备系统420，这致使系统420制备一种或多种营养溶液。消息444和/或425也可被发送到输注泵422以进行自动编程。消息444和/或425也可被发送到临床医生装置424和/或EMR服务器426，以便进行记录和查看。
网络接口2302还可以在一个或更多个消息430中发送警告和/或警报。例如，在确定要发送警报和/或警告之后，网络接口2302可识别消息430的接收方。接收方可包括已订阅接收有关患者营养状况的警报和/或警告的临床医生装置424和/或已订阅接收与某些患者相关的警报和/或警告的临床医生装置424。网络接口2302还可将警告/警报发送到EMR服务器426以便进行记录。在某些情形下，在从网络接口2302接收到警告/警报之后，可由EMR服务器426提供向临床医生装置424的警报/警告的发送。在某些情形下，将消息430发送到EMR服务器426可致使EMR服务器426生成通知，即应该延迟后续医疗过程直到患者接受营养治疗。消息430还可致使EMR服务器426尽可能多地防止执行后续的医疗过程直到患者的营养不良得以治疗为止。
在营养分析引擎442位于EMR服务器426和/或分析服务器408处的情形下，网络接口2302还可将消息430发送到药剂制备系统420。消息430可向药学技术人员提供要制备营养溶液的指示。消息430还可以提示药剂师或临床医生基于营养状况记录618内的信息、患者的人口统计特征、随后的医疗过程和/或患者的疾病/损伤/状况来确定营养治疗。
b.警报-警告生成器
图23的示例营养分析引擎442包括警报-警告生成器2304，警报-警告生成器2304被配置为基于营养状况记录618和/或分布数据612中的信息来确定是否要创建警告和/或警报。示例警报-警告生成器2304被配置为使用一种或多种例程和/或算法来分析例如营养状况记录618内的信息，以确定是否要生成警告和/或警报。在一些实施例中，警报-警告生成器2304还可结合记录618中的肌肉品质和/或数量数据使用患者人口统计数据、人口数据、病史数据和/或生理数据来确定是否要生成警告和/或警报。此外，警报-警告生成器2304还可考虑患者的疾病状态、护理区域和/或随后计划医疗过程，以确定是否要生成警报和/或警告。
为了确定是否要生成警报和/或警告，警报-警告生成器2304可被配置为访问来自诸如EMR服务器426这样的外部源的某些数据。例如，警报-警告生成器2304可访问EMR服务器426以访问患者的EMR，EMR可包括病史、人口统计数据、生理数据和/或医学过程时间表。为了访问特定记录，警报-警告生成器2304可在请求消息中向EMR服务器426发送被包括在消息414内的患者标识符。作为响应，警报-警告生成器2304接收所请求的患者EMR(或EMR的特定请求部分)。在其他实施例中，用于确定是否要生成警报和/或警告的信息可被包括在接收到的消息414中。
警告是临床医生应该基于所确定的营养状况来查看患者的营养状况的指示。换句话说，警报提供建议性通知，告知患者可能需要进行营养治疗。在许多情况下，临床医生可能忽略警告，使得不需要营养治疗。然而，在某些情况下，临床医生可决定进行营养治疗。在一些实施例中，营养分析引擎442可在自动确定溶液成分和/或泵施用参数之前等待临床医生的确认。
相比于警告，警报指示需要临床医生基于所确定的营养状况来查看患者营养状况。在许多情况下，如果情况允许，警报的产生需要患者经受营养治疗，除非从临床医生接收到具体的重叠指令。在生成警报之后，营养分析引擎442可开始确定溶液成分和/或施用参数。在其他情形下，营养分析引擎442可被配置为等待来自临床医生的处方或命令。在这些其他情形下，营养分析引擎442可定期发送警报或者提升警报状态，直到接收到响应为止。此外，生成警报可防止患者经受后续的医疗过程，直到警报得以解决为止。
为了生成警报和/或警告，警报-警告生成器2304被配置为生成一个或多个指示警报和/或警告的消息430。消息430可以是符合HL7的，并且包括例如创建时间/日期、患者标识符以及指示为什么生成警报和/或警告的代码或文本。消息430还可包括用于响应的选项，包括由临床医生能使用装置424选择的链接以创建营养处方。消息430还可包括来自记录618和/或分发数据612的信息中的至少一些。例如，消息430可以包括营养状况值、软组织峰、肌肉表面组织面积和/或到目标医学图像609(或图像本身)的链接。
图24示出了根据本公开的示例实施例的图示能由警报-警告生成器2304执行的基于肌肉品质数据和/或肌肉数量数据来确定是否将生成警报和/或警告的示例算法2400的示图。算法2400仅是警报-警告生成器2304可使用的例程和/或算法的示例。在其他示例中，算法2400可包括诸如生理数据、人口数据、护理区域和患者历史数据这样的附加因素。在其他示例中，该算法可包括诸如仅使用所确定的患者的软组织峰和/或营养状况这样的更少因素。
可以在图24中图示的算法2400包括用于生成警报和/或警告的三个不同条件2402、2404和2406。条件2402指定(i)当软组织峰放射密度值在25和40HU之间和/或营养状况指示“中度”营养不良并且(ii)后续过程的分类不高于类别2时生成警告。在一些实施例中，可基于患者风险、实质性和/或侵入性为医疗过程指配类别。更密集的过程对应于更少的数目。类别2过程可包括诸如ACL修复或关节修复这样的适度手术。相比之下，类别1过程可包括化疗、大手术(诸如，腹部手术)或重大创伤相关手术。在没有安排后续医疗过程的情况下，算法2400可以是基于患者当前的疾病状态或状况。
在一些示例中，算法2400还可以被配置为考虑患者人口统计。例如，可基于患者的年龄和/或性别来调节软组织峰范围。该调节可解释正常个人的自然肌肉退化，以减少错误警报的生成。例如，算法2400可针对超过40或45岁的患者每五年将范围向下移1HU。另外，可基于患者是男性还是女性来调节范围，其中女性可使用稍低的范围。在产生警报时考虑了肌肉组织表面面积的情形下，算法2400可被配置为基于患者的身高调节阈值。通常，较高的患者有更多的肌肉组织。为了解决这个问题，算法2400可基于身高来归一化肌肉组织面积。
条件2404和2406指定何时生成警报。对于条件2404，算法2400可确定(i)当软组织峰放射密度值在0和25HU之间和/或营养状况指示“严重”营养不良并且(ii)后续过程的分类不高于类别2时生成警报。对于条件2406，当(i)软组织峰放射密度值在25和40HU之间和/或营养状况指示“中度”营养不良并且(ii)后续过程的分类不高于类别1时将产生警报。条件2404和2406之间的差异在于后续医疗过程的分类。在条件2406中，由于后续医疗过程是更密集的类别1过程，因此生成警报的阈值低得多(例如，软组织峰范围仅必须在25HU和40HU之间)。换句话说，算法2400提供带有警报的更极限响应，以确保患者在经受更实质性医疗过程(或遭受更严重的状况或疾病困扰)之前具有足够的氨基酸储备量。
在确定将生成警报和/或警告之后，图23的示例警报-警告生成器2304被配置为生成一个或多个指示警报和/或警告的消息430。消息430被发送到网络接口2302，以便被发送到适当的装置和420、424和426。另外，警报-警告生成器2304被配置为开始确定以下更详细描述的溶液成分和/或施用参数的过程。
c.溶液处理器
图23的示例营养分析引擎442包括溶液处理器2306，溶液处理器2306被配置为例如基于患者的营养状况来确定营养溶液的成分、组成和/或浓度。示例溶液处理器2306被配置为在从警报-警告生成器接收到指示之后确定溶液成分。另外地或另选地，溶液处理器2306可被配置为从EMR服务器426和/或临床医生装置424接收提供关于要制备营养溶液的指示的消息。该指示可包括溶液处理器2306对确定或推荐营养溶液的批准。该指示还可包括营养治疗处方或命令，该营养治疗处方或命令可指定例如要施用的营养总量、要施用的所期望水平的氨基酸、脂质和/或葡萄糖和/或要施用的营养溶液的类型或名称。
在处方或命令指定某些属性或参数的情况下，溶液处理器2306被配置为对照药物库或营养库检查属性或参数的值。如果任何值超过库限制，则溶液处理器2306可生成警告和/或警报。例如，溶液处理器2306可接收指定每升(“l”)溶液要提供200克(“g”)氨基酸的命令。然而，营养库可包括125g/l的限量。响应于确定氨基酸参数的值超过限量，溶液处理器2306将警告和/或警报发送到临床医生装置424。作为响应，临床医生可修改顺序或超出限量。
在一些示例中，溶液处理器2306可接收提供诸如要输注的总溶液体积这样的更常规参数的参数或处方命令。在这些示例中，溶液处理器2306可使用以下讨论的一种或多种例程或算法，以基于营养状况记录618和/或分布数据612内的肌肉品质和/或数量数据来确定氨基酸、脂质和/或葡萄糖的成分。另外，溶液处理器2306可使用诸如身高、重量和/或性别这样的患者的一个或更多个人口统计特征来完善溶液成分确定。另外，溶液处理器2306可使用疾病状态/状况、护理区域、人口数据和/或生理参数来完善溶液成分确定。
以下示例公开了一种示例例程和/或算法，溶液处理器2306可执行该例程和/或算法来确定用于患者的溶液成分。初始地，溶液处理器2306被配置为使用患者的身高(单位：厘米)来确定患者的理想身体重量(“IBW”)(单位：公斤(“kg”))。例如，溶液处理器2306可针对男性患者使用下式(1)而对于女性患者使用下式(2)以确定IBW。
IBWmale＝48+(高度-152)*1.06(1)
IBWfemale＝45.4+(高度-152)*0.89(2)
示例溶液处理器2306被配置为基于IBW来确定每天要输注的溶液的基础剂量方案或总体积。例如，例程可使患者身高和/或IBW与要施用的溶液的基础水平相关或相等。在示例中，85kg的IBW对应于2400ml的基础溶液，75kg的IBW对应于2100ml的基础溶液，65kg的IBW对应于1800ml的基础溶液，55kg的IBW对应于1500ml的基础溶液，并且45kg的IBW对应于1200ml的基础溶液。
在确定基础溶液的量之后，示例溶液处理器2306被配置为根据肌肉品质和/或数量数据来调节基础溶液。在一些示例中，可使用软组织峰的放射密度。在其他示例中，可使用肌肉组织的表面面积和/或软组织峰的标准偏差。下式(3)示出了可应用于基础溶液体积的示例调节。在下面的示例中，从软组织峰(“STP”)的放射密度值中减去恒定值“45”。然后，将该差值除以归一化常数(f)，例如，基于所确定的软组织峰与营养不良治疗之间的相关性，归一化常数可包括介于30和100之间的任何值。然后，将被称为调节的该结果乘以基础溶液体积并且加上基础溶液量，以确定调节后的溶液量。换句话说，调节对应于基础溶液体积的百分比增加。
在示例中，IBW为75kg的患者具有放射密度为37HU的软组织峰，37HU对应于中度营养不良。在该示例中，f的值为60。基于75kg的IBW，患者的基础溶液体积为2100ml。溶液处理器2306使用式(3)来确定基础量必须增加13.3％。因此，溶液处理器2306确定患者将要接受2380ml营养溶液来治疗患者的中度营养不良。
在确定每天要施用的总溶液之后，示例溶液处理器2306确定溶液内要包括的氨基酸、脂质和/或葡萄糖的量。应该理解，溶液处理器2306可被配置为产生相对富含氨基酸的营养溶液，以帮助恢复患者的氨基酸储备量。在以上示例中，营养溶液中要提供的氨基酸的量为50g/l至83g/l。另外，葡萄糖的量为67g/l至112g/l，脂质的量为17g/l至30g/l。为了确定每种组成的量，溶液处理器2306可进行与结合式(3)描述的调节相似的调节。例如，溶液处理器2306可使用式(4)。
类似于式(3)，式(4)从45HU中减去软组织的放射密度。然后，将该差值除以归一化常数(c)，该归一化常数可以是10和100之间的任何值。在某些情形下，归一化常数c可以是f值的一半。例如，在以上结合式(3)讨论的示例中，常数f的值为60。因此，常数c为30。对于同一患者，确定的氨基酸含量被调节为26.6％，适用于50g/l的基础氨基酸量。因此，溶液处理器2306确定患者将接受63.3g/l的氨基酸溶液。由于患者每天要接受2380ml的溶液，因此这意味着该溶液每天将包含150g(2.380l×63.3g/l)的氨基酸。
应该理解，溶液处理器2306不仅增加了施用给患者的溶液的量，而且随着患者更严重地营养不良，还增加了氨基酸溶液的浓度。由于患者正在接受相对较高水平的氨基酸，因此这种配置可减少所需的营养治疗的总天数。在替代实施例中，溶液处理器2306可维持总溶液体积，但是增加氨基酸的浓度。这些替代实施例可用于不能处理较大体积溶液但仍需要增加氨基酸剂量的患者。
示例溶液处理器2306可对葡萄糖和脂质组成执行类似的计算。应该理解，针对每种的基础量(对于葡萄糖而言67g/l，对于脂质而言17g/l)应用调节。另外，对于脂质和葡萄糖可使用不同的归一化常数，因为这些组成对患者的重要性可能不如氨基酸。在其他示例中，可以将葡萄糖和脂质的量指定为与氨基酸浓度的比率，使得所确定的氨基酸量可用于确定脂质和葡萄糖的量。在其他示例中，溶液处理器2306所使用的例程或算法可以指定将氨基酸浓度与脂质和葡萄糖浓度相关联的表。
一旦确定了氨基酸、脂质和葡萄糖的量，示例溶液处理器2306就可确定特定的组成成分，以产生所确定数量的氨基酸、脂质和葡萄糖。例如，例程或算法可指定为了产生50g/l的氨基酸，应该制备包含5g异亮氨酸、7.4g亮氨酸、9.31g赖氨酸乙酸酯(对应于6.6g赖氨酸)、4.3g蛋氨酸、5.1g苯丙氨酸、4.4g苏氨酸、2g色氨酸、6.2g缬氨酸、12g精氨酸、3g组氨酸、14g丙氨酸、11g甘氨酸、11.2g脯氨酸、6.5g丝氨酸、0.4g酪氨酸和1g牛磺酸的溶液。溶液处理器2306被配置为基于氨基酸的调节量来调节这些量。例如，如果氨基酸的量增加10％，则每种组成可增加10％。类似地，对于脂质，例程或算法可指定要产生17g/l的脂质，应该制备包含60g大豆油、60gMCT、50g橄榄油和30g鱼油的溶液。溶液处理器2306可被配置为基于脂质的调节量来调节这些量。
另外，溶液处理器2306可确定要包括在营养溶液中的微量营养物的量。例如，溶液处理器2306可确定维生素、微量元素、电解质和/或二肽的量。维生素可包括例如维生素A、维生素B1、维生素B2、维生素B3、维生素B5、维生素B6、维生素B7、维生素B9、维生素B12、维生素C、维生素D、维生素E和维生素K。微量元素包括例如，铬(Cr)、钴(Co)、碘(I)、铁(Fe)、铜(Cu)、锰(Mn)、钼(Mo)、硒(Se)和锌(Zn)。在某些情形下，溶液处理器2306可基于患者的性别和年龄来确定该量，患者的性别和年龄与微量元素和/或维生素的每日推荐量相关。在一些实施例中，每日推荐量可构成基线。在这些实施例中，溶液处理器2306被配置为使用例如类似于上式(3)和(4)的式来确定对基线的调节。在其他示例中，溶液处理器2306可简单地将推荐量加倍(或将一些其他因素应用于推荐量)。
关于电解质，示例溶液处理器2306被配置为基于类似于上式(3)和(4)的等式来确定类型和量。例如，溶液处理器2306所使用的算法或例程可指定每1000ml要施用的溶液，电解质应该包含大致32.8mmol的钠至大致48mmol的钠、大致24mmol的钾至大致36mmol的钾、大致4.1mmol的镁至大致6.1mmol镁、大致2mmol钙至大致3mmol的钙、大致8.2mmol的磷酸盐至大致15.6mmol的磷酸盐、大致0.032mmol的锌至大致0.048mmol的锌、大致4.1mmol的硫酸盐至大致6.1mmol的硫酸盐、大致28.8mmol的氯化物至大致43.2mmol的氯化物以及大致84.8mmol的乙酸盐至大致127.2mmol的乙酸盐。
关于二肽，示例溶液处理器2306被配置为基于类似于上式(3)和(4)的式来确定二肽的类型和量。例如，溶液处理器2306所使用的算法或例程可指定每1ml要施用的溶液，二肽应该包括0.01g至0.04g的二肽。
图23的示例溶液处理器2306可确定要在一个或多个包或袋中制备营养溶液。在一些实施例中，溶液处理器2306可确定氨基酸、葡萄糖和脂质组成将被包括在同一袋中。在其他示例中，溶液处理器2306可确定或推荐氨基酸、葡萄糖和脂质组成将被包括在单独袋中。可基于患者的营养状况来确定将如何分开这些组成，其中可用单独的袋施用更多营养不良的患者。
尽管以上描述涉及创建新溶液，但是在一些实施例中，溶液处理器2306可以使用肌肉品质和/或数量数据来选择预混合的营养溶液或从预定义的配方之中进行选择。在这些示例中，溶液处理器2306确定理想的氨基酸浓度和/或溶液体积。然后，溶液处理器2306将理想氨基酸的浓度和/或体积与预混合或预定义的溶液的数据库进行比较。然后，溶液处理器2306选择最接近匹配的预混合和/或预定义的溶液。另外，在一些实施例中，溶液处理器2306可确定修改剂或补充剂，以应用于预混合或预定义的溶液。修改剂或补充剂被配置为使预混合和/或预定义的溶液更类似于理想氨基酸溶液。例如，溶液处理器2306可指定将添加到预定义溶液中以增加氨基酸浓度的组成或成分的数目和浓度。
图23的示例溶液处理器2306还可确定要施用溶液的总天数或要施用溶液的总体积。在某些情形下，溶液处理器2306被配置为使用类似于上式(3)和(4)的等式，其中将软组织峰用作确定治疗天数的基础。在这些情形下，常数可在0.25和10之间。因此，随着患者的软组织峰距45HU(或其他选定的放射密度值)越来越远，增加更多的治疗天数。应该理解，在以上示例中，选择值“45HU”作为示例参考放射密度值。在其他示例中，基于营养不良的一个或多个阈值，参考可以更高或更低(例如，40HU、38HU、35HU等)。
示例溶液处理器2306被配置为将营养溶液组成存储到溶液成分记录2307。记录2307在一个或多个消息444中被发送到例如EMR服务器426和/或药剂制备系统420。在某些情形下，药剂制备系统420被配置为基于记录2307内指定的组成来制备营养溶液。在其他情形下，记录2307可被作为推荐被提供给临床医生和/或药剂师。在这些情形下，可在制备营养溶液之前接受或修改记录2307。
应该理解，可以基于当前可用的研究数据和/或专家共识/意见/指南来修改或调节示例溶液处理器2306。例如，研究数据可确定在不同临床情形下针对不同身体成分的新的最佳碳水化合物/氨基酸/脂肪剂量。作为响应，可通过改变变量、常数值和/或等式反映新的研究数据来更新溶液处理器2306。
d.施用处理器
图23的示例营养分析引擎442还包括施用处理器2308，施用处理器2308被配置为确定例如营养治疗泵处方消息425的泵参数。施用处理器2308可被配置为基于例如从临床医生接收的处方和/或从溶液处理器2306接收的成分记录2307的处方来生成或确定泵参数。在某些情形下，施用处理器2308可从药剂制备系统420接收指示，该指示指示已制备了指定的溶液。该指示还可指定施用处理器2308用来产生处方的组成或溶液属性。在替代实施例中，施用处理器2308可位于药剂制备系统420处，并且为泵处方消息425生成处方参数，以结合所制备的营养溶液对泵422进行编程。
在一些实施例中，施用处理器2308还可以访问患者的EMR以获取人口统计数据、生理值和/或疾病/状况信息。施用处理器2308可被配置为创建泵处方消息425以使泵422能够被自动编程。因此，施用处理器2308可被配置为创建一个或多个HL7消息，例如，HL7消息指定对泵422进行编程以执行营养治疗所需的泵参数值。
由施用处理器2308指定的泵处方消息425可包括例如患者标识符参数、患者重量参数、泵标识符参数和施用的日期/时间参数。关于日期/时间参数，处方可指定一天中用于施用的一定持续时间(例如，两个分开的六小时时段)。泵处方消息425还可包括营养溶液的名称的参数和/或诸如氨基酸浓度这样的溶液内的组成的标识符。泵处方消息425还可包括用于每个袋、容器或小包要被输注的总体积和/或要被输注的体积的参数。另外，泵处方消息425可包括用于输注速率和/或推注量的参数。施用处理器2308可通过将每天的总溶液除以一天中的分钟数或为施用指定的分钟数来确定速率参数。示例施用处理器2308被配置为将以上提到的参数构造成泵处方消息425内定义的字段或标签。示例泵422被配置为搜索某些字段或标签，以将参数的值编程为泵的相应操作设置。在要使用多个袋子或小包的情形下，施用处理器2308可为每个袋或小包指定通道或泵。
e.根据患者营养状况对营养泵进行编程的示例过程
图25示出了根据本公开的示例实施例的基于由图6的软组织引擎440确定的患者营养状况对营养输注泵422进行编程的示例过程2500的流程图。如结合图4、图5和图22至图24描述的，示例过程2500可由例如分析服务器408的营养分析引擎442执行。尽管参照图25中图示的流程图描述了过程2500，但是应该理解，可使用许多其他方法来执行与过程2500关联的功能。例如，许多框的顺序可改变，某些框可与其他框组合，并且所描述的许多框是可选的。
当营养分析引擎442接收到包括营养状况记录618和/或数据分布数据612的一个或更多个消息414时过程2500开始(框2502)。营养分析引擎442确定是否要生成一个(或多个)警报或警告(框2504)。例如，如结合图23的警报-警告生成器2304所描述的，分析营养状况记录618和/或数据分布数据612中的信息或者将其与一个或多个预定阈值和/或范围进行比较。如果患者的营养状况指示患者是健康的(例如，患者有足够的肌肉品质和/或数量)，则营养分析引擎442确定不需要警报或警告。此时，营养分析引擎442禁止产生警报或警告并返回框2502以接收另一位患者的营养状况。
然而，如果营养分析引擎442确定要生成警报或警告，则营养分析引擎442创建警报和/或警告，并且发送指示该警报和/或警告的一个(或更多个)消息430(框2506)。警报和/或警告消息430可识别患者和患者的营养状况。警报和/或警告可包括使临床医生能够以覆盖、将制备处方的指示和/或处方命令信息作出响应。接下来，示例营养分析引擎442确定是否已从临床医生装置424和/或EMR服务器426接收到营养处方命令。例如，临床医生在接收到警告或警报后可创建营养治疗的处方命令。药剂制备系统420可使用处方命令来制备营养溶液。还可使用处方命令对泵422中的一个进行编程。
如果提供了处方命令，则营养分析引擎442创建药剂命令，向药剂制备系统420提供制备营养溶液的指令(框2510)。这包括创建溶液成分记录2307，溶液成分记录2307被用于对药剂制备系统420中的制药系统进行编程。在某些情形下，营养分析引擎442可基于处方来确定溶液的特定组成。例如，处方可规定患者将接受四天的氨基酸增强的肠胃外营养液。处方还可指示例如每天要施用2200ml的溶液并且包括例如55g/l的氨基酸。除了将成为溶液的部分的组成的浓度或量，营养分析引擎442通过还识别诸如脯氨酸这样的特定组成或成分基于处方来创建记录2307。营养分析引擎442将组成和量存储到记录2307，以便发送到药剂制备系统420。
如果未提供处方命令，则营养分析引擎442根据一种或多种算法或例程从头开始确定营养溶液(框2511)。示例营养分析引擎442使用患者的营养状况、软组织峰和/或软组织峰信息来确定每天(或指定时间段)要施用的溶液体积。示例营养分析引擎442还可确定氨基酸浓度、脂质浓度和/或葡萄糖浓度。另外，营养分析引擎442确定将掺入溶液中的微量营养添加剂。在某些情形下，营养分析引擎442可以将患者的软组织峰和/或相关信息与和溶液成分相关的人口进行比较。营养分析引擎442可以选择与人口中的个人的软组织峰和/或相关信息最接近匹配的溶液成分。
示例营养分析引擎442还可确定营养治疗泵处方消息425的施用参数的值(框2512)。这些参数包括例如输注速度、要输注的总体积、溶液名称和/或标识符、溶液(氨基酸)浓度、患者姓名和/或标识符、泵名称和/或标识符和/或患者重量。在某些情形下，营养分析引擎442可访问患者的EMR，以确定营养治疗泵处方消息425的值中的至少一些。例如，患者的EMR还可包括除了将向患者施用溶液的泵422的标识符外的患者信息。在其他情形下，营养分析引擎442将泵标识符字段保留为空白。在EMR服务器426从读取泵上和患者身上的电或打印条形码的条形码扫描仪接收到标识符之后，EMR服务器426可确定该字段。营养分析引擎442还可使用记录2307内的信息来确定施用参数的值。例如，可用记录2307确定输注速率、溶液名称和溶液浓度。
在确定施用参数的值之后，营养分析引擎442为输液泵422创建营养治疗泵处方消息425(框2514)。这可包括在符合HL7的消息中构造参数值。每个参数的值可与适当的标签或字段一起存储在消息425中。营养分析引擎442将营养治疗泵处方消息425发送到例如输注泵422(或用于路由到输注泵422的EMR服务器426)。输注泵422基于标签和/或字段识别参数值，并且用参数值填充应用或例程。然后，输注泵422可施用营养治疗并且基于指定的参数进行操作。此时，示例过程2500针对下一个患者返回框2502。
结论
应该理解，可以使用一个或多个计算机程序或组件来实现本文中描述的所有公开的方法和过程。这些组件可被作为任何常规计算机可读介质上的一系列计算机指令来提供，计算机可读介质包括RAM、ROM、闪存、磁盘或光盘、光学存储器或其他存储介质。这些指令可被配置为由处理器执行，该处理器在执行一系列计算机指令时执行或促进所公开的全部或部分方法和过程的执行。
应该理解，对本文中描述的示例实施例的各种改变和修改对于本领域的技术人员而言将是显而易见的。可以在不脱离本主题的精神和范围并且不减少其预期优点的情况下，进行这种改变和修改。因此，意图是这种改变和修改被所附权利要求涵盖。
应该理解，除非在权利要求书中明确记载了术语“手段”或“步骤”，否则不旨在引用美国法典第35标题第112节或美国法典pre-AIA法案第35标题第112节的第六段。因此，权利要求书并不旨在限于说明书或其等同物中描述的对应结构、材料或动作。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：用于检测传感器的操作状态的方法和状态机系统