基于机器学习的疗法设备补给预计的制作方法

摘要: 本公开整体涉及机器学习,并且更具体地涉及使用机器学习来预计呼吸疗法补给行为。许多个体患有睡眠相关和/或呼吸相关障碍,诸如例如周期性肢体运动障碍(plmd)、不宁...
基于机器学习的疗法设备补给预计的制作方法

本公开整体涉及机器学习,并且更具体地涉及使用机器学习来预计呼吸疗法补给行为。许多个体患有睡眠相关和/或呼吸相关障碍,诸如例如周期性肢体运动障碍(plmd)、不宁腿综合征(rls)、睡眠障碍性呼吸(sdb)(诸如阻塞性睡眠呼吸暂停(osa)和中枢性睡眠呼吸暂停(csa))、潮式呼吸(csr)、呼吸功能不全、肥胖过度换气综合征(ohs)、慢性阻塞性肺病(copd)、神经肌肉疾病(nmd)和胸壁障碍。这些障碍通常使用呼吸疗法系统来治疗。每个呼吸疗法系统通常具有呼吸疗法设备,该呼吸疗法设备经由导管和可选地连接器连接到用户接口(例如,面罩)。用户穿戴用户接口,并且从呼吸疗法设备经由导管向用户供应加压空气流。用户接口通常是针对用户的特定类别和类型的用户接口,诸如用于用户接口类别的直接连接或间接连接,以及用于用户接口类型的全脸面罩、部分脸面罩、鼻罩或鼻枕。除了特定的类别和类型之外,用户接口通常是由特定制造商生产的特定型号,例如,由瑞思迈公司(resmed)制造的airfit™ f20。在许多呼吸疗法方案中,用户预期根据规定的指南更换各种组件,诸如定期更换或在达到定义的使用量之后更换。然而,此类补给行为是动态的,并且难以(或无法)预计,因为即使有明确定义的指南,个人用户的偏好也可能大相径庭。需要用于预计补给行为的改进的系统和技术以改进疗法(和相关系统)。

背景技术:

技术实现思路

1、根据本公开的一些实现方式,一种方法包括:确定预测采购数据,该预测采购数据指示一个或多个呼吸疗法系统的预计未来采购情况;基于至少处理该预测采购数据的子集,使用第一经训练机器学习模型来生成在用设备预计,该第一经训练机器学习模型是基于一个或多个呼吸疗法系统的历史采购情况来训练的;使用第二经训练机器学习模型来生成补给有效性预计,该第二经训练机器学习模型是基于用于该一个或多个呼吸疗法系统的一种或多种耗材的历史消耗情况来训练的;以及基于该在用设备预计和该补给有效性预计来生成耗材预计。

2、根据本公开的一些实现方式,一种方法包括:访问历史采购数据,该历史采购数据指示一个或多个呼吸疗法系统的先前采购情况;访问与该一个或多个呼吸疗法系统相关联的历史在用设备数据,该历史在用设备数据对应于在一个或多个先前时间窗口期间处于在用状态的呼吸疗法系统;访问与该一个或多个呼吸疗法系统相关联的补给有效性数据,该补给有效性数据对应于用于该一个或多个呼吸疗法系统的一种或多种耗材的消耗情况;基于该历史采购数据和该历史在用设备数据,更新第一机器学习模型的一个或多个参数,以预计一个或多个未来时间窗口内的未来在用设备;以及基于该补给有效性数据,更新第二机器学习模型的一个或多个参数,以预计未来补给有效性。

3、根据本公开的一些实现方式,一种系统包括控制系统和存储器。该控制系统包括一个或多个处理器。该存储器上存储有机器可读指令。该控制系统耦合到该存储器,并且当该存储器中的该机器可执行指令由该控制系统的该一个或多个处理器中的至少一个处理器执行时,实现本文所公开的方法中的任一种方法。

4、其他方面提供了:处理系统,该处理系统被配置为执行上文所提及的方法以及本文所描述的那些方法;非暂态计算机可读介质,该非暂态计算机可读介质包括指令,该指令在由处理系统的一个或多个处理器执行时,使该处理系统执行上文所提及的方法以及本文所描述的那些方法;计算机程序产品,该计算机程序产品体现在计算机可读存储介质上,该计算机可读存储介质包括用于执行上文所提及的方法以及本文进一步描述的那些方法的代码;和处理系统,该处理系统包括用于执行上文所提及的方法以及本文进一步描述的那些方法的部件。

5、以上 技术实现要素: 并不旨在表示本公开的每种实现方式或每个方面。在下文所阐述的详细描述和附图中,本公开的附加特征和益处是显而易见的。

1.一种方法,所述方法包括:

2.根据权利要求1所述的方法,所述方法还包括:基于所述耗材预计,促进对用于所述一个或多个呼吸疗法系统的所述一种或多种耗材的制造操作进行重新配置。

3.根据权利要求1所述的方法,其中所述耗材预计指示以下各项中的至少一项:

4.根据权利要求1所述的方法,其中:

5.根据权利要求1所述的方法,其中:

6.根据权利要求1所述的方法,其中生成所述耗材预计包括:将所述在用设备预计与所述补给有效性预计相乘。

7.根据权利要求1所述的方法,其中所述第一经训练机器学习模型和所述第二经训练机器学习模型被训练为基于在用设备数据来预计在用设备,所述在用设备数据指示在用呼吸疗法系统的数量。

8.根据权利要求7所述的方法,其中在用呼吸疗法系统的所述数量对应于在定义的时间窗口期间处于在用状态至少达到最小持续时间的呼吸疗法系统的数量。

9.一种方法,所述方法包括:

10.根据权利要求9所述的方法,其中所述补给有效性数据对应于以下各项中的至少一项:

11.根据权利要求9所述的方法,其中所述补给有效性数据是基于将所述历史在用设备数据与关联于所述一个或多个呼吸疗法系统的耗材数据相乘来生成的。

12.根据权利要求9所述的方法,其中所述历史采购数据指示在一个或多个先前时间窗口期间采购的所述一个或多个呼吸疗法系统的数量。

13.根据权利要求9所述的方法,其中所述历史在用设备数据指示在一个或多个先前时间窗口期间在用呼吸疗法系统的数量。

14.根据权利要求13所述的方法,其中在用呼吸疗法系统的所述数量对应于在所述一个或多个先前时间窗口期间处于在用状态至少达到最小持续时间的呼吸疗法系统的数量。

15.一种系统,所述系统包括:

16.根据权利要求15所述的系统,所述操作还包括:基于所述耗材预计,促进对用于所述一个或多个呼吸疗法系统的所述一种或多种耗材的制造操作进行重新配置。

17.根据权利要求15所述的系统,其中所述耗材预计指示以下各项中的至少一项:

18.根据权利要求15所述的系统,其中生成所述耗材预计包括:将所述在用设备预计与所述补给有效性预计相乘。

19.根据权利要求15所述的系统,其中所述第一经训练机器学习模型和所述第二经训练机器学习模型被训练为基于在用设备数据来预计在用设备,所述在用设备数据指示在用呼吸疗法系统的数量。

20.根据权利要求19所述的系统,其中在用呼吸疗法系统的所述数量对应于在定义的时间窗口期间处于在用状态至少达到最小持续时间的呼吸疗法系统的数量。