首页 > 医药医疗 专利正文
使用神经剂量确定优化的亚感知治疗的脊髓刺激系统的制作方法

时间:2022-02-17 阅读: 作者:专利查询

使用神经剂量确定优化的亚感知治疗的脊髓刺激系统的制作方法

1.本技术涉及可植入医疗设备(imd),大致上涉及脊髓刺激器,并且更具体地,涉及控制此类设备的方法。


背景技术:

2.可植入神经刺激器设备是生成并递送电刺激到身体神经和组织以用于治疗各种生物性紊乱的设备,诸如治疗心律失常的起搏器、治疗心脏纤颤的除颤器、治疗耳聋的耳蜗刺激器,治疗失明的视网膜刺激器、产生协调肢体运动的肌肉刺激器、治疗慢性疼痛的脊髓刺激器、治疗运动和心理障碍的皮层和深部脑刺激器,以及治疗小便失禁、睡眠呼吸暂停、肩关节半脱位等的其他神经刺激器。以下描述将大体上聚焦本发明在脊髓刺激(scs)系统内的使用,诸如在美国专利6,516,227中所公开的。但是,本发明可以找到任何可植入神经刺激器设备系统的适用性。
3.scs系统典型地包括在图1中示出的可植入脉冲发生器(ipg)10。ipg 10包括生物相容性设备壳体12,其容纳ipg运行所需的电路和电池14。ipg 10经由形成电极阵列17的一个或多个电极引线15耦合到电极16。电极16被配置为接触患者的组织并且被承载在柔性体18上,柔性体18还容纳被耦合到每个电极16的独立引线导线20。引线导线20也被耦合到近端触点22,其可以插入被固定在ipg 10上的头部23内的引线连接器24中,该头部可以包括例如环氧树脂。一经插入,近端触点22就连接到引线连接器24内的头部触点,其继而由馈通引脚通过壳体馈通(feedthrough)耦合到壳体12内的电路,虽然这些细节并未示出。
4.在示出的ipg 10中,存在在两个引线15之间拆分的十六个引线电极(e1至e16),其中头部23包含2x1阵列的引线连接器24。然而,在ipg中的引线和电极的数量是应用特定的并且因此可以变化。导电壳体12也可以包括电极(ec)。在scs应用中,电极引线15典型地被植入在脊髓中线的左右两侧上的患者的脊柱中的硬膜附近。近端电极22通过患者的组织隧穿到远处位置诸如植入了ipg壳体12的臀部,在该点处它们被耦合到引线连接器24。在被设计用于直接植入在需要刺激的部位处的其他ipg示例中,ipg可以是无引线的,具有16个电极可替选地出现在ipg的主体上以用于接触患者的组织。ipg引线15在其他ipg解决方案中可以与壳体12集成并且永久地连接壳体12。scs治疗的目的是为了提供来自电极16的电刺激以缓解患者的症状,最显著的是慢性背痛。
5.ipg 10可以包括允许其与多个外部设备进行双向通信的天线26a,如图4中示出的。如图1中描绘的天线26a被示出为壳体12内的导电线圈,虽然线圈天线26a也可以出现在头部23中。当天线26a被配置为线圈时,与外部设备的通信优选地使用近场磁感应发生。ipg也可以包括射频(rf)天线26b。在图1中,rf天线26b被示出在头部23内,但是其也可以在壳体12内。rf天线26b可以包括贴片、槽或导线,并且可以作为单极点或双极点来操作。rf天线26b优选地使用远场电磁波进行通信。rf天线26b可以根据任何数量的已知rf通信标准(诸如蓝牙、zigbee、wifi、和mics和诸如此类)进行操作。
6.在ipg 10中的刺激典型地由脉冲来提供,如图2中示出的。刺激参数典型地包括:
脉冲的幅度(a;无论电流还是电压);脉冲的频率(f)和脉冲宽度(pw);被激活以提供此类刺激的电极16(e);以及此类活跃电极的极性(p),即,活跃电极是充当阳极(到组织的拉电流(sourcecurrent))还是阴极(来自组织的灌电流(sinkcurrent))。一并考虑的这些刺激参数包括ipg 10可执行以向患者提供治疗刺激的刺激程序。
7.在图2的示例中,电极e5已经被选择作为阳极,并且因此提供了将幅度为+a的正电流拉向组织的脉冲。电极e4已经被选择作为阴极,并且因此提供从组织灌入幅度为-a的对应负电流的脉冲。这是双极点刺激的示例,在其中仅两个基于引线的电极(一个阳极、一个阴极)被用于向组织提供刺激。然而,多于一个电极可以在给定时间充当阳极,并且多于一个电极可以在给定时间充当阴极(例如,三极点刺激、四极点刺激等)。
8.如图2中示出的脉冲是双相的,包括第一相位30a,其后紧跟着具有相反极性的第二相位30b。众所周知,双相脉冲的使用在有效电荷恢复中是有用的。例如,到组织的每个电极的电流路径可以包括串联连接的dc阻断电容器,见例如美国专利申请公开2016/0144183,其将在第一相位30a期间充电并且在第二相位30b期间放电(被恢复)。在所示出的示例中,第一相位30a和第二相位30b具有相同的持续时间和幅度(虽然极性相反),这确保了在两个相位期间相同的电荷量。然而,如果这两个相位的幅度和持续时间的积分在大小上相等,则第二相位30b也可以与第一相位30a充电平衡,如众所周知的。每个脉冲的宽度pw在此被定义为第一脉冲相位30a的持续时间,虽然脉冲宽度也还可以指第一脉冲相位30a和第二脉冲相位30b的总持续时间。注意,在两个相位30a与30b之间可以提供相间周期(ip),在这期间无刺激提供。
9.ipg 10包括刺激电路28,其可以被编程为如由刺激程序所定义的在电极处产生刺激脉冲。刺激电路28可以例如包括在美国专利申请公开2018/0071513和2018/0071520中描述的或者在usp8,606,362和8,620,436中描述的电路。这些文献通过引用并入本文。
10.图3示出了可以在将ipg 10植入患者内之前的外部试验刺激环境。在外部试验刺激期间,可以在不至于植入ipg 10的情况下尝试对预期的植入患者进行刺激。与此形成对照,一个或多个试验引线15’在目标位置34处被植入患者的组织32中,诸如在先前所说明的脊柱内。一个或多个试验引线15’的近端端部离开切口36并且被连接到外部试验刺激器(ets)40。ets 40通常模仿ipg 10的操作,并且因此可以向患者的组织提供刺激脉冲,如以上所说明的。见例如公开了一种针对ets的设计的9,259,574。ets 40通常在短时间内(例如,两周)由患者从外部穿戴,这允许患者和其临床医生以不同刺激参数进行试验以尝试并且找到缓解患者的症状(例如,疼痛)的刺激程序。如果外部试验刺激证明成功,则移出一个或多个试验引线15’,并且如以上描述的植入完整的ipg 10和一个或多个引线15;如果不成功,则仅移出一个或多个试验引线15’。
11.类似ipg 10,ets 40可以包括使能与外部设备进行双向通信的一个或多个天线,关于图4进一步说明。此类天线可以包括近场磁感应线圈天线42a,和/或远场rf天线42b,如先前所描述的。ets 40也可以包括刺激电路44,其能够根据刺激程序形成刺激脉冲,该电路可以类似于存在于ipg 10中的相同刺激电路28或者包括刺激电路28。ets 40还可以包括用于操作功率的电池(未示出)。
12.图4示出了可以与ipg 10和ets 40无线地传送数据的各种外部设备,包括患者的手持式外部控制器45和临床医生编程器50。设备45和50都可以被用于将刺激程序发送到
ipg 10或ets 40—即,用于将其刺激电路28和44编程为产生先前描述的具有期望形状和时序的脉冲。设备45和50也可以都被用于调节ipg 10或ets 40当前正执行的刺激程序的一个或多个刺激参数。设备45和50也可以从ipg 10或ets 40接收信息,诸如各种状态信息等。
13.外部控制器45可以如例如在美国专利申请公开2015/0080982中描述的,并且可以包括被配置为与ipg 10一起工作的任一专用控制器。外部控制器45也可以包括通用移动电子设备诸如移动电话,其已经被编程有允许其作为ipg 10或ets 40的无线控制器工作的医疗设备应用(mda),如美国专利申请公开2015/0231402中所描述的。外部控制器45包括用户接口,其包括用于输入命令的装置(例如,按钮或图标)和显示器46。外部控制器45的用户接口使患者能够调节刺激参数,虽然其在与更强大的临床医生编程器50相比时可能具有受限的功能,稍后介绍。
14.外部控制器45可以具有能够与ipg 10和ets 40通信的一个或多个天线。例如,外部控制器45可以具有近场磁感应线圈天线47a,其能够与ipg 10或ets 40中的线圈天线26a或42a进行无线通信。外部控制器45也可以具有远场rf天线47b,其能够与ipg 10或ets 40中的rf天线26b或42b进行无线通信。
15.外部控制器45也可以具有控制电路48,诸如微处理器、微计算机、fpga、能够执行电子设备的指令的其他数字逻辑结构等。控制电路48可以例如接收对刺激参数的患者调节,并且创建将被无线地发射到ipg 10或ets 40的刺激程序。
16.临床医生编程器50在美国专利申请公开2015/0360038中进一步描述,并且仅在此简要说明。临床医生编程器50可以包括:计算设备51,诸如台式机、便携式电脑、笔记本电脑、平板电脑、移动智能电话、个人数字助理(pda)型移动计算设备等。在图4中,计算设备51被示出为便携式计算机,其包括典型计算机用户接口装置,诸如屏幕52、鼠标、键盘、扬声器、触针、打印机等,为了方便不将其全部示出。在图4中还示出了用于临床医生编程器50的附属设备,其通常专用于其作为刺激控制器的操作,诸如通信“棒”54、和操纵杆58、其可耦合到计算设备51上的适当端口,诸如例如usb端口59。
17.在临床医生编程器50中用于与ipg 10或ets 40通信的天线可以取决于在那些设备中包含的天线的类型。如果患者的ipg 10或ets 40包括线圈天线26a或42a,则棒54可以同样地包括用于在近距离处建立近场磁感应通信的线圈天线56a。在该实例中,可以诸如通过将棒54放置在可由患者穿戴并且在患者的ipg 10或ets 40附近的带或套中而将棒54紧邻患者固定。
18.如果ipg 10或ets 40包括rf天线26b或42b,则棒54、计算设备41或这两者可以同样地包括rf天线56b以在更远距离处建立与ipg 10或ets 40的通信。(在此情况下棒54可以不是必要的)。临床医生编程器50也可以无线地或经由在以太网或网络端口处提供的有线链路来与其他设备和网络(诸如因特网)建立通信。
19.为了对ipg 10或ets 40的刺激程序或参数进行编程,临床医生与在计算设备51的显示器52上提供的临床医生编程器图形用户界面(gui)64进行对接。如所本领域技术人员所理解的,gui 64可以通过执行计算设备51上的临床医生编程器软件66来呈现,该软件可以被存储在设备的非易失性存储器68上。本领域技术人员将另外意识到可以由控制电路70(诸如微处理器、微计算机、fpga、能够在计算设备中执行程序的其他数字逻辑结构等)来促进在计算设备51中的临床医生编程器软件66的执行。此类控制电路70除了执行临床医生编
程器软件66和呈现gui 64以外,还可以使能经由天线56a或56b的通信,以通过gui 64将选定的刺激参数传送给患者的ipg 10。
20.在图5中以一个示例示出了gui 64的一部分。本领域技术人员将理解的是,gui 64的细节将取决于临床医生编程器软件66在其执行中的位置,这将取决于临床医生已经做出的gui选择。图5示出了一点处的gui 64,以允许针对患者设置刺激参数并且将其存储为刺激程序。在左边示出了程序界面72,其如

038公开中进一步说明的那样允许针对患者命名、加载和保存刺激程序。在右边示出的为刺激参数界面82,在其中可以针对刺激程序定义指定的刺激参数(a、d、f、e、p)。与波形形状(a;在此示例中,电流)、脉冲宽度(pw)和频率(f)有关的刺激参数的值被示出在波形参数界面84中,其包括临床医生可使用来增大或减小这些值的按钮。
21.与电极16有关的刺激参数(被激活的电极e和其极性p)可在电极参数界面86中作出调节。电极刺激参数也是可见的并且可以在以下引线界面92中操控,其显示了引线15(或15’)大致在其相对于彼此的适当位置中,例如,在脊柱的左侧或右侧上。光标94(或其他选择装置诸如鼠标指针)可以被用于在引线界面92中选择特定电极。在电极参数界面86中的按钮允许所选电极(包括壳体电极ec)被指定为阳极、阴极或关闭。电极参数界面86还允许按百分比x来指定所选电极的阳极电流或阴极电流的相对强度。如果如

038公开中所说明的,多于一个电极在给定时间处充当阳极或阴极,则这是特别有用的。根据在图2中示出的示例波形,如引线界面92中所示出的,电极e5已经被选择作为至拉电流的唯一阳极,并且此电极接收x=100%的指定阳极电流+a。同样地,电极e4已经被选择作为灌电流的唯一阴极,并且该电极接收x=100%的该阴极电流-a。
22.如所示出的gui 64指定了仅第一脉冲相位30a的脉冲宽度pw。尽管如此,运行gui 64并且从其接收输入的临床医生编程器软件66将确保ipg 10和ets 40被编程为在将使用双相脉冲时使刺激程序呈现为双相脉冲。例如,临床医生编程软件66可以自动确定脉冲相位30a和30b两者的持续时间和幅度(例如,每个具有pw的持续时间,并且具有相反极性+a和-a)。高级菜单88还可以被用于(除其他方面外)定义脉冲相位30a和30b的相对持续时间和幅度,并且允许其他更高级的修改,诸如设置刺激脉冲的占空比(接通/断开时间),以及刺激达到其被编程的幅度(a)所经过的上升时间等。模式菜单90允许临床医生选择用于确定刺激参数的不同模式。例如,如在

038公开中所描述的,模式菜单90可以被用于使能电子拖拽(trolling),其包括自动编程模式,该模式通过以双极点方式移动阴极来执行沿电极阵列的电流导向。
23.虽然gui 64被示出为在临床医生编程器50中操作,但是外部控制器45的用户界面也可以提供类似的功能。
附图说明
24.图1示出了根据现有技术的可用于脊髓刺激(scs)的可植入脉冲发生器(ipg)。
25.图2示出了根据现有技术的可由ipg产生刺激脉冲的示例。
26.图3示出了根据现有技术的可用于在ipg植入之前提供刺激的外部试验刺激器(ets)的使用。
27.图4示出了根据现有技术的能够与ipg和ets进行通信并且对ipg和ets中的刺激进
行编程的各种外部设备。
28.图5示出了根据现有技术的用于设置或调节刺激参数的临床医生编程器外部设备的图形用户界面(gui)。
29.图6示出了用于使用可移动亚感知双极点确定针对患者的有效电极的甜点(sweetspot)搜索。
30.图7a至图7d示出了用于使用可移动超感知双极点确定针对患者的有效电极的甜点搜索。
31.图8示出了可在ipg或ets中使用的刺激电路,其能够提供用于在各电极中的每个电极处独立设置电流的多个独立电流控制。
32.图9示出了对有背痛的各种患者进行的研究的流程图,该研究被设计为在1khz至10khz的频率范围内确定优化的亚感知scs刺激参数。
33.图10a至图10c示出了作为在1khz至10khz频率范围内的刺激频率的函数的各种研究结果,包括:平均优化的脉冲宽度(图10a)、每秒的平均电荷和优化的刺激幅度(图10b)、以及背痛分数(图10c)。
34.图11a至图11c示出了对平均优化的脉冲宽度与1khz至10khz频率范围内的频率之间的关系的进一步分析,以及识别这些参数的优化的具有统计学显著性(statistically-significant)的区域。
35.图12a示出了在1khz频率或低于1khz频率下利用亚感知治疗测试的患者的结果,并且示出了在被测频率下确定出的优化的脉冲宽度范围、以及针对亚感知治疗的优化的脉冲宽度v.频率的区域。
36.图12b示出了在平均优化的脉冲宽度与1khz或低于1khz的频率之间的各种建模的关系。
37.图12c示出了对作为1khz或低于1khz的频率的函数的优化的脉冲宽度的占空比。
38.图12d示出了在作为1khz或低于1khz的频率的函数的优化的脉冲宽度处的平均电池电流和电池放电时间。
39.图13a和图13b示出了额外测试的结果,该测试验证了之前提出的频率与脉冲宽度的关系。
40.图14示出了拟合模块,其示出了可以如何将有关优化的脉冲宽度和频率(≤10khz)确定出的关系和区域用于设置针对ipg或ets的亚感知刺激参数。
41.图15示出了被用于在亚感知治疗之前的超感知甜点搜索的算法,以及使用拟合模块对亚感知治疗的可能优化。
42.图16示出了针对使用拟合模块对亚感知治疗进行优化的替代算法。
43.图17a和图17b示出了优化的亚感知刺激参数的分析,其包括了能量(每秒平均电荷)与频率的模型。
44.图17c-图17e示出了各种算法,通过这些算法,图17a和图17b的模型可以用于所选优化的亚感知刺激参数。
45.图17f示出了可以从除了频率之外的其他刺激参数的角度来观察能量模型。例如,能量可以与脉冲宽度进行建模。
46.图18示出了从患者导出的模型,该模型示出了表示频率和脉冲宽度的优化的亚感
知值的表面,并且还包括如在这些频率和脉冲宽度下测量出的患者的感知阈值pth。
47.图19a和图19b示出了针对许多患者的绘制的感知阈值pth与脉冲宽度的关系,并示出了结果如何可以进行曲线拟合。
48.图20示出了针对患者的参数z与脉冲宽度的关系的图,其中z包括患者的优化的幅度a,表示为感知阈值pth的百分比(即z=a/pth)。
49.图21a-图21f示出了一种算法,该算法用于使用图18-图20的建模信息并且使用对患者进行的感知阈值测量来导出患者的优化的亚感知刺激参数(例如f、pw和a)的范围。
50.图22示出了在患者外部控制器中的优化的刺激参数的使用,包括允许患者在范围内调节刺激的用户界面。
51.图23a-图23f示出了建模中统计方差的影响,导致的结果是,为患者确定出的优化的刺激参数可能会占据一定体积。还示出了患者外部控制器的用户界面,以允许患者在此体积内调节刺激。
52.图24示出了刺激模式用户界面,患者可以从中选择不同的刺激模式,从而提供刺激或允许患者使用利用优化的刺激参数确定出的刺激参数的不同子集来控制刺激。
53.图25a-图30b示出了基于患者对不同刺激模式的选择的刺激参数的不同子集的示例。标为a的图(例如图25a)示出了子集的频率和脉冲宽度,而标为b的图(例如图25b)示出了该子集的幅度和感知阈值。这些图示出了对应于不同刺激模式的刺激参数子集可以包括完全受确定出的优化的刺激参数约束(即,完全在其内)的参数,或者可以包括仅部分地受优化的刺激参数约束的参数。
54.图31示出了自动模式,其中ipg和/或外部控制器用于基于感测到的信息确定何时应自动进入特定的刺激模式。
55.图32示出了模拟模式用户界面的另一示例,其中,在刺激参数的二维表示上呈现了刺激模式以供选择,尽管也可以使用指示子集体积的三维表示。
56.图33示出了允许患者调节刺激的gui方面,其中结合调节方面示出了针对患者的建议刺激区域。
57.图34a和图34c示出了可以在确定出的优化的刺激参数的范围或体积内自动进行对一个或多个刺激参数的调节的不同方式。
58.图34b示出了可用于自动生成图34a的调节的gui。
59.图35示出了除了确定出的优化的刺激参数内的一个或多个刺激参数之外,还可以改变极点配置的位置或焦点。
60.图36示出了在确定出的优化的刺激参数的范围或体积内的调节的具体示例,其中在不同时间段之间调节脉冲宽度和频率。
61.图37a和图37b示出了在确定出的优化的刺激参数的范围或体积内的调节的具体示例,其中刺激由刺激推注(stimulation boluse)提供。
62.图38示出了拟合算法的使用,该拟合算法使用患者拟合信息从为该患者确定出的优化的刺激参数的范围或体积中选择最佳刺激参数。
63.图39a-图39c示出了在外部设备的gui处接收患者拟合信息,包括疼痛信息、映射信息、场信息和患者表型信息。
64.图40示出了拟合信息可以由拟合算法作为患者姿势的函数来确定和使用。
65.图41a-图41c以流程图的形式示出了拟合算法可以如何根据训练数据处理拟合信息和优化的刺激参数以确定患者的最佳的优化的刺激参数。
66.图42示出了可替选的拟合算法,其中使用患者拟合信息和非患者特定模型确定最佳的优化的刺激参数。
具体实施方式
67.虽然脊髓刺激(scs)治疗可以是缓解患者疼痛的有效手段,但是此类刺激也可以导致感觉异常。感觉异常(有时被称为“超感知(supra-perception)”治疗)是一种可以伴随scs治疗的感觉,诸如发麻、刺痛、热、冷等。通常,感觉异常的影响是轻微的,或者至少不过度涉及患者。此外,针对其慢性疼痛现已由scs治疗得到控制的患者,感觉异常通常是适度折衷的。一些患者甚至发现感觉异常是舒适和令人宽慰的。
68.尽管如此,至少针对一些患者,scs治疗将理想地提供彻底的疼痛缓解而无感觉异常——这通常被称为患者无法感受的“亚感知(sub-perception)”或亚阈值治疗。有效的亚感知治疗可以通过在更高频率下发出刺激脉冲来提供无感觉异常情况下的疼痛缓解。不幸地,此类更高频率的刺激可能需要更多功率,其趋向于耗尽ipg 10的电池14。见例如美国专利申请公开2016/0367822。如果ipg的电池14为一次电池并且不可再充电的,则高频刺激意味着将需要更快速地更换ipg 10。可替选地,如果ipg电池14是可再充电的,则将需要更频繁地在更长的时间段内对ipg 10进行充电。无论哪种方式,都会给患者造成不便。
69.在scs应用中,期望的是确定将对每个患者有效的刺激程序。确定有效刺激程序的重要部分是确定用于在每个患者中刺激的“甜点”,即,选择哪个电极应该是激活的(e)以及利用什么极性(p)和相对幅度(x%)来募集并且因此治疗在患者中疼痛起源所在的神经部位。选择邻近疼痛的该神经部位的电极可能难以确定,并且典型地进行试验来选择电极的最佳组合以提供患者的治疗。
70.如序列号为16/419,879、于2019年5月22日提交的美国专利申请中所描述的(通过引用在此明确地并入),当使用亚感知治疗时,针对给定患者选择电极可能甚至是更加困难的,这是因为患者没有感受到刺激,并且因此患者可能很难感受到刺激是否正在“覆盖(covering)”他的疼痛并且因此难以感受到选定电极是否有效。此外,亚感知刺激治疗在其能够变得有效之前可能需要“洗入(washin)”期。洗入期可能占用一天或更多,并且因此亚感知刺激可能不会立即有效,这使电极选择更加困难。
71.图6简要说明了针对甜点搜索的

879申请的技术,即,当使用亚感知刺激时,可以如何选择邻近患者中的疼痛的神经部位298的电极。图6中的技术在患者首次被植入电极阵列之后(即,在接收到他们的ipg或ets之后)的试验设置中尤其有用。
72.在所示示例中,假定疼痛部位298有可能在组织区域299内。则可以由临床医生基于患者症状(例如,通过理解哪些电极邻近特定椎骨(未示出),诸如在t9至t10间隙内)推导出此类区域299。在所示示例中,区域299由电极e2、e7、e15以及e10界定,这意味着此区域外的电极(例如,e1、e8、e9、e16)不太可能对患者的症状有影响。因此,这些电极可以不在图6中描述的甜点搜索期间选择,如以下进一步描述的。
73.在图6中,选择亚感知双极点297a,其中一个电极(例如,e2)被选择作为将正电流(+a)拉向患者组织的阳极,而另一电极(例如,e3)被选择作为将从组织灌入负电流(-a)的
阴极。这类似于先前关于图2说明的内容,并且可以采用有效电荷恢复来使用双相刺激脉冲。因为双极点297a提供亚感知刺激,所以在甜点搜索期间使用的幅度a被向下滴定(titrated)直到患者不再感受到感觉异常为止。该亚感知双极点297a在一段持续时间(诸如几天)内被提供给患者,这允许亚感知双极点的潜在有效性进行“洗入”,并且允许患者提供关于双极点297a有多好地帮助患者的症状的反馈。此类患者反馈可以包括疼痛量表排名。例如,患者可以使用数字评定量表(nrs)或视觉模拟量表(vas)以从1至10的尺度对他们的疼痛进行排名,其中1表示无痛或几乎无痛,并且10表示可想象到的最痛。如

879申请中所讨论的,此类疼痛量表排名可以被输入到患者的外部控制器45中。
74.在此第一位置测试双极点297a之后,选择电极的不同组合(阳极电极e3、阴极电极e4),其将在患者的组织内移动双极点297的位置。再次,电流a的幅度可能需要被滴定到适当的亚感知水平。在所示示例中,将双极点297a沿一个电极引线向下移动,并且沿另一电极引线向上移动,如在希望发现覆盖疼痛部位298的电极的组合的路径296所示。在图6中的示例中,给定疼痛部位298邻近电极e13和e14,可以预期在那些电极处的双极点297a将为患者提供最好的缓解,如患者的疼痛分数排名所反映的。在形成双极点297a时选定的特定刺激参数可以在临床医生编程器50或其他外部设备(诸如患者外部控制器45)的gui 64处选择并且无线地用遥测发射器传送到患者的ipg或ets以用于执行。
75.虽然图6中的甜点搜索可以是有效的,但在使用亚感知刺激时,也可能花费相当长的时间。如已指出的,在每个双极点297位置处提供亚感知刺激若干天,并且因为选择大量的双极点位置,所以整个甜点搜索可能花费多达一个月来完成。
76.发明人已经经由scs患者的测试确定了即使期望在甜点搜索之后最终继续对患者使用亚感知治疗,在甜点搜索期间使用超感知刺激来针对患者选择活跃电极也是有益的。与使用亚感知刺激相比(其需要被测试的电极的每个集合处的洗入期),在甜点搜索期间使用超感知刺激大幅加速了针对患者的有效电极的确定。在使用超感知治疗确定用于患者的电极之后,治疗可以被滴定至保持了在甜点搜索期间针对患者确定出的相同电极的亚感知水平。由于已知了选定电极正在募集患者的疼痛的神经部位,因此对那些电极应用亚感知治疗更有可能立即产生效果,从而减少或潜在地消除了对在随后的亚感知治疗进行洗入的需要。总之,当利用超感知甜点搜索时,可以针对患者更快速地实现有效的亚感知治疗。优选地,使用诸如在一个示例中40hz与200hz之间的低频率下发生的对称双相脉冲来发生超感知甜点搜索。
77.根据所公开技术的一个方面,患者将被提供亚感知治疗。用于确定可以在亚感知治疗期间使用的电极的甜点搜索可以在此类亚感知治疗之前。在一些方面,当针对患者使用亚感知治疗时,甜点搜索可以使用作为亚感知的双极点297a(图6),如刚才所描述的。这可以是相关的,这是因为亚感知甜点搜索可以匹配患者将接收的最终亚感知治疗。
78.然而,发明人已经确定了,即使最终将针对患者使用亚感知治疗,在甜点搜索期间使用超感知刺激(即,具有伴随的感觉异常的刺激)也可以是有益的。这在图7a中示出,其中可移动双极点301a提供了可以被患者感受到的超感知刺激。在与图6的亚感知双极点297a相比时,提供双极点301a作为超感知刺激可以仅包含增大其幅度(例如,电流a),虽然其他刺激参数也可以是可调节的——诸如通过提供更长的脉冲宽度。
79.发明人已经确定了,即使最终将针对患者使用亚感知治疗,但是在甜点搜索期间
采取超感知刺激也是有好处的。
80.第一,如上所述,按照定义使用超感知治疗允许患者感受刺激,这使患者能够本质上立即向临床医生提供是否感觉异常似乎很好地覆盖其疼痛部位298的反馈。换句话说,不必花费时间来在其沿路径296移动时的每个位置处洗入双极点301a。因此,可以更加快得多地建立邻近患者的疼痛部位298的适当双极点301a,诸如在单次临床医生的就诊内,而不是在几天或几周的时间段内。在一个示例中,当以超感知甜点搜索前于亚感知治疗时,洗入亚感知治疗所需的时间可以是1小时或更短、10分钟或更短,或甚至几秒钟左右。这允许洗入在对患者的ipg或ets进行编程的单次编程会话期间发生,并且不需要患者离开临床医生的办公室。此外,注意到亚感知治疗在此类治疗停止后的一段时间内持续有效,即,该治疗在治疗停止后的“洗出(wash out)”期期间有效。该洗出期可以是十分钟或更长,甚至一小时或更长。注意到,这是有益的,因为这意味着治疗可以缩减一段时间(在洗出期期间),或者更确切地说,亚感知治疗可以循环打开和关闭。简而言之,ipg不需要持续提供亚感知治疗,并且可以有效地关闭一段时间,这节省了ipg的功率。
81.第二,在甜点搜索期间使用超感知刺激确保了确定很好地募集疼痛部位298的电极。结果是,在甜点搜索完成并且针对患者滴定最终亚感知治疗之后,该亚感知治疗的洗入可能不长时间进行,这是因为已经确信地确定了良好募集所需的电极。
82.图7b至图7d示出了可以使用的其他超感知双极点301b至301d,并且特别地示出了如何可以通过激活电极16中的三个或更多个电极来使用虚拟极点形成虚拟双极点。在美国专利申请公开2019/0175915中进一步讨论了虚拟极点,其全文以引用方式并入本文,并且因此在此仅简要说明虚拟极点。辅助形成了虚拟极点,如果在ipg或ets中使用的刺激电路28或44能够在各电极中的任一个电极处独立设置电流的话——这有时被称为多个独立电流控制(micc),下面关于图8对其进行进一步说明。
83.当使用虚拟双极点时,临床医生编程器50(图4)中的gui 64(图5)可以被用于在可能不一定与物理电极16的位置对应的位置291(图7b)处定义阳极极点(+)和阴极极点(-)。临床医生编程器50中的控制电路70可以从这些位置291和从其他组织建模信息中计算出将需要选择哪些物理电极16以及在指定位置291处以什么幅度来形成虚拟阳极和虚拟阴极。如先前所描述的,在选定电极处的幅度可以被表示为在临床医生编程器50的gui 64处指定的总电流幅度a的百分比x%。
84.例如,在图7b中,虚拟阳极极点被定位在电极e2、e3与e10之间的位置291处。临床医生编程器50然后可以基于该位置计算这些电极中的每个(在第一脉冲相位30a期间)将接收总阳极电流+a的适当份额(x%)以将虚拟阳极定位在该位置处。因为虚拟阳极的位置最靠近电极e2,所以该电极e2可以接收最大份额的指定阳极电流+a(例如,75%*+a)。邻近于虚拟阳极极点的位置但是距离较远的电极e3和e10接收较少份额的阳极电流(例如,分别为15%*+a和10%*+a)。同样地,可以看出,根据邻近于电极e4、e11和e12的虚拟阴极极点的指定位置291,这些电极将接收适当份额的指定阴极电流-a(例如,再次在第一脉冲相位30a期间,分别为20%*-a、20%*-a和60%*-a)。这些极性然后将在脉冲的第二相位30b期间翻转,如图7b中的波形中所示。无论如何,在双极点301b的形成中使用虚拟极点允许对组织中的场定形,并且可以在甜点搜索期间尝试电极的许多不同组合。在这方面,不是严格必需将(虚拟)双极点沿着针对各电极的路径296依次移动,并且该路径可以是随机的,也许通过来
自患者的反馈来引导。
85.图7c示出了可以在甜点搜索期间使用的有用的虚拟双极点301c配置。此虚拟双极点301c再次定义了目标阳极和阴极,其位置不对应于物理电极的位置。沿着引线(基本上跨越从e1至e5四个电极的长度)形成虚拟双极子301c。这在组织中创建了能更好地募集患者的疼痛部位298的较大的场。当其沿着路径296移动时,与图7a中的较小双极点配置301a相比,该双极子配置301c可能需要被移动到更少的位置,因此加速了疼痛部位298的检测。图7d在图7c的双极点配置上进行扩展,以使用在两个引线上形成的电极来创建虚拟双极点301d,例如,从电极e1至e5以及从电极e9至e13。该双极点301d配置需要仅沿着与这些引线平行的单个路径296移动,这是因为它的场大到足以募集邻近于两个引线的神经组织。这可以进一步加速疼痛部位检测。
86.在一些方面,甜点搜索期间使用的超感知双极点301a至301d包括对称的双相波形,其具有主动驱动(例如,由刺激电路28或44)的相同脉冲宽度pw和相同幅度的脉冲相位30a和30b(在各相位期间具有翻转的极性)(例如,a
30a
=a
30b
,并且pw
30a
=pw
30b
)。这是有益的,这是因为第二脉冲相位30b提供了有效电荷恢复,其中在该情况下在第一脉冲相位30a期间提供的电荷(q
30a
)等于第二脉冲相位30b的电荷(q
30b
),使得这些脉冲是电荷平衡的(charge balanced)。双相波形的使用也被认为是有益的,这是因为,如所知的,阴极被很大地引入神经组织募集中。当使用双相脉冲时,(虚拟)阳极和阴极的位置将在脉冲的两个相位期间翻转。这有效地使针对刺激募集的神经组织加倍,并且因此增加了疼痛部位298将被正确位置处的双极点覆盖的可能性。
87.超感知双极点301a至301b然而不需要包括如刚才所述的对称双相脉冲。例如,两个相位30a和30b的幅度和脉冲宽度可以不同,而保持两个相位的电荷(q)是平衡的(例如,q
30a
=a
30a
*pw
30a
=a
30b
*pw
30b
=q
30b
)。可替选地,两个相位30a和30b可以是电荷非平衡的(例如,q
30a
=a
30a
*pw
30a
》a
30b
*pw
30b
=q
30b
,或q
30a
=a
30a
*pw
30a
《a
30b
*pw
30b
=q
30b
)。总之,在双极点301至301d中的脉冲可以是双相对称的(并且因此固有的电荷平衡)、双相非对称但仍是电荷平衡的、或双相非对称并且电荷非平衡的。
88.在优选示例中,在超感知甜点搜索期间使用的超感知脉冲301a至301d的频率f可以是10khz或更低、1khz或更低、500hz或更低、300hz或更低、200hz或更低、130hz或更低、或者100hz或更低,或者由这些频率中的两个所界定的范围(例如,100至130hz、或者100至200hz)。在特定示例中,可以使用90hz、40hz或10hz的频率,其中脉冲包括为优选对称的双相脉冲。然而,也可以使用单个主动驱动的脉冲相位随后跟着被动恢复相位。脉冲宽度pw也可以包括在数百微秒范围内的值,诸如150微秒至400微秒。因为超感知甜点搜索的目的仅仅是确定适当覆盖患者的疼痛的电极,所以在此阶段频率和脉冲宽度可能没那么重要。一旦针对亚感知刺激选定了电极,频率和脉冲宽度就可以被优化,如下面进一步讨论的。
89.应该理解的是,在甜点搜索期间所使用的超感知双极点301a至301d并非必须是在后续向患者提供亚感知治疗时被选择的相同电极。相反,在该搜索期间受关注的双极点的最佳位置可以被用作修改所选电极的基础。假定例如在甜点搜索期间使用双极点301a(图7a),并且确定出双极点在位于电极e13和e14处时提供最佳疼痛缓解。在那时,可以继续针对患者尝试使用那些电极e13和e14进行亚感知治疗。可替选地,可以明智的是,在尝试亚感知治疗之前修改所选电极以查看是否患者的症状可以被进一步改善。例如,使用如已经描
述的虚拟极点,可以变化阴极与阳极之间的距离(焦点)。或者,可以尝试由电极e12/e13/e14或e13/e14/e15组成的三极点(阳极/阴极/阳极)。见(讨论三极点的)美国专利申请公开2019/0175915。或者可以结合e13和e14尝试在不同引线上的电极。例如,因为电极e5和e6通常邻近于电极e13和e14,所以将e5或e6添加为阳极电流或阴极电流的源可以是有用的(再次创建虚拟极点)。这些类型的调节中的全部也应该被理解为包括“导向(steering)”或对施加治疗的“位置(location)”的调节,即使刺激的中心点没有改变也是如此(因为可以例如在变化阴极与阳极之间的距离或焦点时发生)。
90.在一个示例中关于图8说明多个独立电流控制(micc),在图8中示出了被用于在患者的组织处形成规定刺激的ipg或ets中的刺激电路28(图1)或44(图3)。刺激电路28或44可以独立控制在每个电极处的电流或电荷,并且使用gui 64(图5)允许电流或电荷被导向到不同电极,这例如在甜点搜索期间沿着路径296移动双极点301i时是有用的(图7a至图7d)。刺激电路28或44包括一个或多个电流源440i和一个或多个电流宿442i。源440i和宿442i可以包括数模转换器(dac),并且可以根据它们分别发出的正(所拉的,阳极的)电流和负(所灌的,阴极的)电流将其称为pdac 440i和ndac 442i。在所示示例中,ndac 440i/pdac 442i配对被专用于(硬连线到)特定电极节点ei 39。每个电极节点ei 39经由dc阻断电容器ci 38优选地连接到电极ei 16,其在可能发生例如在刺激电路28或44中存在电路故障时充当用于防止dc电流注入到患者中的安全措施。pdac 440i和dnac 442i也可以包括电压源。
91.经由gui 64对pdac 440i和ndac 442i的适当控制允许电极16和壳体电极ec 12中的任意一个充当阳极或阴极以产生通过患者组织的电流。此类控制优选地以在每个电极ei处设置阳极电流和阴极电流的数字信号iip和iin的形式出现。如果例如期望将电极e1设置为电流为+3ma的阳极,并且将电极e2和e3设置为各自具有电流为-1.5ma的阴极,则控制信号i1p将被设置为具有3ma数字等同物以使pdac 4401产生+3ma,并且控制信号i2n和i3n将被设置为具有1.5ma数字等同物以使ndac 4422和ndac 4423各自产生-1.5ma。注意,也可以使用在gui 64中设置的被编程的幅度a和百分比x%来出现这些控制信号的定义。例如,a可以被设置为3ma,其中e1被指定为具有x=100%的阳极,并且其中e2和e3被指定为具有x=50%的阴极。可替选地,可以不以百分比来设置控制信号,并且替代地gui 64可以简单规定电流将在任一时间点出现在每个电极处。
92.总之,gui 64可以被用于独立地设置在每个电极处的电流,或对不同电极之间的电流进行导向。这在形成虚拟双极点中是特别有用的,其在先前被解释为包括激活多于两个电极。micc也允许在患者的组织中形成更精细的电场。
93.其他刺激电路28也可以被用于实施micc。在未示出的示例中,开关矩阵可以介于一个或多个pdac 440i与电极节点ei 39之间、以及一个或多个ndac 442i与电极节点之间。开关矩阵允许pdac中的一个或多个和ndac中的一个或多个在给定时间被连接到一个或多个电极节点。刺激电路的各种示例可以在以下文献中找到:usp6,181,969、8,606,362、8,620,436;以及美国专利申请公开2018/0071513、2018/0071520和2019/0083796。
94.刺激电路28或44中的许多(包括pdac 440i和ndac 442i、开关矩阵(如果存在)、以及电极节点ei 39)可以被集成在一个或多个专用集成电路(asic)上,如以下中描述的:美国专利申请公开2012/0095529、2012/0092031以及2012/0095519。如在这些文献中所说明的,一个或多个asic也可以包含:可在ipg 10中使用的其他电路,诸如遥测电路(用于对断
开芯片与ipg或ets的遥测天线进行接口)、用于生成给刺激电路供电的恒流输出电压(compliance voltage)vh的电路、各种测量电路等。
95.虽然优选的是使用甜点搜索(并且特别地超感知甜点搜索)来确定将在后续的亚感知治疗期间使用的电极,但是应该指出的是这并不是严格必须的。亚感知治疗可以由亚感知甜点搜索来引领,或可以完全不由甜点搜索引领。总之,如接下来描述的亚感知治疗不依赖任何甜点搜索的使用。
96.在本发明的另一方面中,发明人已经经由对scs患者的测试确定了在scs患者将经历背痛的减少而无感觉异常(亚感知)的脉冲宽度(pw)与频率(f)之间存在着具有统计学显著性的相关性。使用此信息可以帮助基于特定频率决定针对给定scs患者什么脉冲宽度有可能是优化的,并且基于特定脉冲宽度决定针对给定scs患者什么频率有可能是优化的。有益地,该信息建议了无感觉异常的亚感知scs刺激可以在10khz并且低于10khz的频率下发生。此类低频的使用允许以在患者的ipg或ets中的低得多的功率消耗来使用亚感知治疗。
97.图9至图11c示出了从在1khz至10khz范围内的频率下测试患者中导出的结果。图9说明了数据是怎样从实际scs患者中收集的,以及针对在该研究中患者包含的标准。首先标识了具有背痛但还没接收scs治疗的患者。所包括的关键患者包含标准具有:持久的下背痛超过90天;nrs疼痛量表为5或更高(在下面说明nrs);稳定阿片类药物治疗30天;以及基线oswestry功能障碍指数分数大于或等于20且低于或等于80。所包括的关键患者排除标准具有:在前6个月内的进行过背部手术;存在其他混杂的医疗/心理状况;以及未治疗的主要精神疾病或严重的药物相关表现问题。
98.在这样的初期筛选之后,患者定期将其疼痛的定性指标(即,疼痛分数)输入到便携式电子日记设备中,该设备可以包括患者外部控制器45,并且外部控制器45可以继而将其数据传送到临床医生编程器50(图4)。此类疼痛分数可以包括从1至10的数字评定量表(nrs)分数,并且可以每日三次地将其输入到电子日记。如图10c中所示,最终未从该研究中排除且还未接收亚感知刺激治疗的患者的基线nrs分数约为6.75/10,其中标准误差se(sigma/sqrt(n))为0.25。
99.回到图9,患者然后将试验引线15’(图3)植入到脊柱的左侧和右侧,并且如先前所说明的向患者提供外部试验刺激。临床医生编程器50被用于将刺激程序提供到每个患者的ets 40,如先前所说明的。这样做是为了确认scs治疗对于给定患者缓解其疼痛是有帮助的。如果scs治疗对给定患者没有帮助,则将试验引线15’移出,并且然后将该患者从研究中排除。
100.外部试验刺激对其有帮助的那些患者最终接收永久性ipg 10的完全植入,如先前所描述的。在治愈期之后,并且再次使用临床医生编程器50,针对刺激的“甜点”被定位在每个患者中,即,哪个电极应该是活跃的(e)以及用什么极性(p)和相对幅度(x%)来募集并且因此治疗患者中的神经部位的部位298。甜点搜索可以以先前关于图6至图7d所描述的任何方式出现,但是在优选实施例中由于先前所描述的益处将包括超感知刺激(例如,诸如,图7a至图7d)。然而,这并不是严格必须的,并且也可以在甜点搜索期间使用亚感知刺激。在图9的示例中,甜点搜索出现在10khz处,但是再次地可以变化在甜点搜索期间使用的频率。在甜点搜索期间使用对称双相脉冲,但是再次地,这不是严格必须的。从选择在胸椎t9和t10之间存在的电极16开始决定应该激活哪些电极。然而,如有必要也可以激活远至t8与t11的
电极。使用每个患者内的引线15的荧光检查图像来确定哪些电极邻近于椎骨t8、t9、t10和t1。
101.在甜点搜索期间,使用仅两个电极的双极点刺激被用于每个患者,并且在单个引线15上使用仅相邻的电极,类似于在图6和图7a中描述的内容。因此,一个患者的甜点可能包含对左引线15上相邻的电极e4(作为阴极)和e5(作为阳极)的刺激,如先前在图2中示出的(电极可以在t9与t10之间),而另一患者的甜点可能包含对右引线15上的相邻电极e9(作为阳极)和e10(作为阴极)的刺激(电极可以在t10与t11之间)。希望仅使用相邻电极的双极点刺激并且仅在椎骨t8至t11之间使用,以在研究中最小化不同患者之间的治疗和症状的变化。然而,更复杂的双极点诸如关于图7b至图7d描述的那些也可以在甜点搜索期间使用。如果患者在期望的胸位置具有甜点电极,并且如果他们经历了每nrs分数30%或更大的疼痛缓解,则此类患者继续在研究中;不满足这些标准的患者从进一步研究中排除。而该研究最初以39个患者开始,到图9为止从研究中排除了19个患者,留下总共20个剩余患者。
102.剩余的20个患者然后经受“洗出(washout)”期,这意味着他们的ipg在一段时间内不提供刺激。特别地,监视患者的nrs疼痛分数直到其疼痛达到其初始基线疼痛的80%为止。这是为了确保先前的刺激的益处不持续到下一分析期。
103.然后,剩余的患者使用在先前确定的甜点活跃电极在1khz至10khz范围内的不同频率下经受亚感知scs治疗。然而这不是严格必须的,这是因为如前所述的在每个电极处的电流也被独立控制为帮助在组织中的电场的定形。如图9中所示,各自使用具有10khz、7khz、4khz和1khz的频率的刺激脉冲测试患者。为简单起见,图9示出了针对每个患者以此顺序测试这些频率,但是实际上这些频率以随机顺序应用于每个患者。在给定频率下的测试一旦完成,接着在另一频率下的测试开始之前是洗出期。
104.在每个被测频率处,针对每个患者调节和优化刺激的幅度(a)和脉冲宽度(pw)(第一脉冲相位30a;图2),以便每个患者经历可能的良好疼痛缓解而无感觉异常(亚感知)。特别地,使用临床医生编程器50,并且使先前确定出的相同甜点电极保持活跃(虽然再次这不是严格必须的),在低幅度(例如,0)下刺激每个患者,该幅度被增加到可由患者注意到感觉异常的最大点(感知阈值)。然后在该最大幅度的50%处针对患者选择初始刺激,即,使得刺激为亚感知并且因此无感觉异常。然而,也可以选择最大幅度的其他百分比(80%、90%等),并且可以随患者活动或位置而变化,如下面进一步说明的。在一个示例中,ipg或ets中的刺激电路28或44可以被配置为经由可选择的选项(未示出)从gui 64接收指令,以将刺激脉冲的幅度降低至一定量或百分比、或者降低一定量或百分比来进行呈现,使得脉冲可被制成亚感知(如果其尚未制成亚感知的话)。其他刺激参数(例如,脉冲宽度、电荷)也可以被降低到相同效果。
105.患者然后将离开临床医生的办公室,并且此后并且与临床医生(或其技术人员或编程器)通信将使用其外部控制器45(图4)对其刺激(幅度和脉冲宽度)作出调节。同时,患者将在其电子日记(例如,外部控制器)中输入nrs疼痛分数,再次地每天三次。对幅度和脉冲宽度的患者调节通常是迭代过程,但是本质上是基于来自患者的反馈来尝试调节,以将治疗调节为减小他们的疼痛,同时仍确保刺激是亚感知的。在每个频率下的测试持续了大约3个星期,并且可能每两天左右就进行刺激调节。在给定频率下的测试期结束时,针对每个患者已经确定了并且针对每个患者记录了优化的幅度和脉冲宽度、连同在其电子日记中
输入的针对那些优化参数的患者nrs疼痛分数。
106.在一个示例中,被用于提供亚感知刺激的最大幅度的百分比可以取决于患者的活动水平或位置来选择。在这方面,ipg或ets可以包括用于确定患者活动或位置的装置,诸如加速度计。如果加速度计指示高度的患者活动或电极将更远离脊髓的位置(例如,躺下),则幅度可以被增大到更高百分比以增加电流(例如,最大幅度的90%)。如果患者正经历较低度的活动或电极将更靠近脊髓的位置(例如,站立),则幅度可以被降低(例如,至最大幅度的50%)。虽然未示出,但是外部设备的gui 64(图5)可以包括将最大幅度的百分比设置在感觉异常对患者变得显而易见处,从而允许患者调节亚感知电流幅度。
107.优选地,多个独立电流控制(micc)被用于提供或调节亚感知治疗,如先前关于图8所讨论的。这允许独立设置在每个电极处的电流,以促进电极之间的电流或电荷的导向,有助于形成虚拟双极点,并且更一般地允许在患者的组织中定形电场。特别地,micc可以被用于将亚感知治疗导向至电极阵列中的不同位置以及因此的脊髓。例如,一旦已经针对患者选择了亚感知刺激参数的集合,则可以改变刺激参数中的一个或多个。此类改变可由治疗位置保证或支配。患者的生理机能可以在不同脊椎位置处变化,并且组织在不同治疗位置处可能或多或少地具有导电性。因此,如果亚感知治疗位置沿着脊髓导向至新位置(其位置变化可以包括改变阳极/阴极距离或焦点),则可以保证调节刺激参数中的至少一个,诸如幅度。如在先指出的,进行亚感知调节是被促进的,并且可以在编程会话中发生,这是因为实质的洗入期可以是不必要的。
108.对亚感知治疗的调节也可以包括变化其他刺激参数,诸如脉冲宽度、频率、并且甚至相间周期(ip)的持续时间(图2)。相间持续时间可以影响神经剂量、或电荷输注的速率,使得将以更短的相间持续时间使用更高的亚感知幅度。在一个示例中,相间持续时间可以在0至3ms之间变化。在洗出期之后,可以正如所述的那样使用相同协议来测试新频率。
109.所使用的亚感知刺激脉冲是对称双相恒定电流幅度脉冲,具有第一脉冲相位30a和第二脉冲相位30b(具有相同持续时间)(见图2)。然而,也可以使用恒定电压幅度脉冲。也可以使用不同形状(三角形、正弦波等)的脉冲。当提供亚感治疗时,也可以发生预脉冲(即在提供一个或多个主动驱动的脉冲相位之前提供小电流)以影响神经组织的极化或去极化。见例如usp9,008,790,其以引用方式并入本文。
110.图10a至图10c示出了在10khz、7khz、4hz和1khz下测试患者的结果。作为在每个频率处针对20个剩余患者的平均值的数据被示出在每个图中,其中误差条(error bar)反映患者之间的标准误差(se)。
111.以图10b开始,在被测频率处示出了针对20个剩余患者的经优化幅度a。有趣的是,在每个频率处的优化的幅度本质上是恒定的,约为3ma。图10b也示出了在每个频率处消耗的能量的量,更特别地示出了可归因于脉冲的每秒平均电荷(mcs)(以mc/s为单位)。mcs通过采用优化的脉冲宽度(图10a,在下面讨论)并将其乘以优化的幅度(a)和频率(f)来计算,该mcs值可以包括神经剂量。mcs与ipg 10中的电池必须消耗以形成优化的脉冲的电流或功率相关。值得注意的是,mcs在较低频率下显著降低:例如,在f=1khz处的mcs为在较高频率(例如,f=7khz或10khz)下其值的近似1/3。这意味着缓解背痛而无感觉异常的优化的scs治疗可在类似f=1khz的较低频率下实现,其中较低功率汲取的附加益处为更考虑ipg 10的(或ets 40的)电池。
112.图10a示出了以测试的1khz至10khz频率范围内的频率为函数的优化的脉冲宽度。如所示,该关系遵循具有统计学显著性的趋势:当使用线性回归98a建模时,pw=-8.22f+106,其中脉冲宽度以微秒为单位测量并且频率以千赫兹为单位测量,其中相关系数r2为0.974;当使用多项式回归98b建模时,pw=0.486f2–
13.6f+116,再次其中脉冲宽度以微秒为单位测量并且频率以千赫兹为单位测量,其中甚至更好的相关系数为r2=0.998。其他拟合方法可以被用于建立以下其他信息,其与被形成用以在1khz至10khz的频率范围内提供疼痛缓解而无感觉异常的刺激脉冲所在的频率和脉冲宽度相关。
113.注意优化的脉冲宽度与频率之间的关系不单单是频率与占空比(dc)(即,由其周期(1/f)划分脉冲为“开”的持续时间)之间的预期关系。在这方面,注意给定频率具有对脉冲宽度的自然效应:将预期的是更高的频率脉冲将具有更小的脉冲宽度。因此,可以预期例如具有100微秒脉冲宽度的1khz波形将具有与具有10微秒频率的10khz波形相同的临床结果,这是因为这两个波形的占空比都为10%。图11a示出了使用在1khz至10khz的频率范围内的优化的脉冲宽度的刺激波形的产生的占空比。这里,占空比通过仅考虑第一脉冲相位30a(图2)的总“开”时间来计算;忽略对称第二脉冲相位的持续时间。该占空比在1khz至10khz频率范围内不是恒定的:例如,在1khz下的优化的脉冲宽度(104微秒)不仅仅是在10khz下的优化的脉冲宽度的10倍(28.5微秒)。因此优化的脉冲宽度超出仅对频率的缩放有重要意义。
114.图10c示出了在针对1khz至10khz的范围内的每个频率,在优化的刺激参数(优化的幅度(图7b)和脉冲宽度(图7a))下的平均患者疼痛分数。如在先指出的,在该研究中的患者在接收scs治疗之前,初始报告的疼痛分数具有6.75的平均值。在scs植入之后并且在研究期间,并且利用在临时的亚感知治疗期间被优化的幅度和脉冲宽度,他们的平均疼痛评分显著下降至针对所有被测频率的平均疼痛分数约为3。
115.图11a提供了对在1khz至10khz的频率范围内的优化的脉冲宽度与频率之间的产生的关系的深入分析。在图11a中的图表示出了在每个频率下针对研究中的20个患者的平均优化的脉冲宽度,连同从它们之间的变化中产生的标准误差。这些通过将标准误差除以优化的脉冲宽度而在每个频率下进行归一化,在每个频率下的变化范围在5.26%与8.51%之间。由此,可以将5%的变化(低于所有被计算的值)假定为在所有被测频率处具有统计学显著性的变化。
116.根据这5%的变化,可以针对每个频率计算最大平均脉冲宽度(pw+5%)和最小平均脉冲宽度(pw+5%)。例如,在1khz处的优化的平均脉冲宽度pw为104微秒,并且高于该值5%(1.05*104μs)为109微秒;低于该值5%(0.95*104μs)为98.3微秒。同样地,在4khz处的优化的平均脉冲宽度avg(pw)为68.0微秒,并且高于该值5%(1.05*68.0μs)为71.4微秒;低于该值5%(0.95*68.0μs)为64.6微秒。因此,具有统计学显著性的疼痛的降低而无感觉异常出现在点102为(1khz,98.3μs)、(1khz,109μs)、(4khz,71.4μs)和(4khz,64.6μs)的线性界定区域100a之内或之上。围绕点102的线性界定区域100b也针对大于或等于4khz并且小于或等于7khz的频率来定义:(4khz,71.4μs)、(4khz,64.6μs)、(7khz,44.2μs)、(7khz,48.8μs)。围绕点102的线性界定区域100c也针对大于或等于7khz并且小于或等于10khz的频率来定义:(7khz,44.2μs)、(7khz,48.8μs)、(10khz,29.9μs)、(10khz,27.1μs)。这样的区域100因此包括以下信息,该信息与被形成用以在1khz至10khz的频率范围内提供疼痛缓解而
无感觉异常的刺激脉冲所处的频率和脉冲宽度相关。
117.图11b提供了对优化的脉冲宽度与频率之间的作为结果的关系的替代分析。在该示例中,区域100a至100c基于在每个频率处计算出的标准误差(se)来定义。因此,定义区域100a至100c的各角的点102仅位于在每个频率处的se误差条的范围内(pw+se,以及pw-se),虽然这些误差条在每个频率处具有不同的大小。因此,具有统计学显著性的疼痛的降低而无感觉异常出现在点(1khz,96.3μs)、(1khz,112μs)、(4khz,73.8μs)和(4khz,62.2μs)的线性界定区域100a之内或之上。线性界定区域100b和100c是类似的,并且因为定义它们的点102在图11b的顶部处的图表中阐述,所以在此不再重复。
118.图11c提供了对优化的脉冲宽度与频率之间的作为结果的关系的另一分析。在该示例中,区域100a至100c基于在每个频率处计算的标准偏差(sd)来定义,其大于被用于该点的标准误差(se)度量。定义区域100a至100c的各角的点102位于在每个频率处的sd误差条的范围内(pw+sd,以及pw-sd),虽然点102也可以被设置在误差条内,类似于先前关于图11a所描述的内容。在任何情况下,具有统计学显著性的疼痛的降低而无感觉异常出现在点(1khz,69.6μs)、(1khz,138.4μs)、(4khz,93.9μs)和(4khz,42.1μs)的线性界定区域100a之内或之上。线性界定区域100b和100c是相似的,并且因为定义它们的点102在图11c的顶部处的图表中阐述,所以在此不再重复。
119.更一般地,虽然未示出,但是实现亚感知疗效的1khz至10khz的频率范围内的区域包括线性界定区域100a(1khz,50.0μs)、(1khz,200.0μs)、(4khz,110.0μs)以及(4khz,30.0μs);和/或线性界定区域100b(4khz,110.0μs)、(4khz,30.0μs)、(7khz,30.0μs),以及(7khz,60.0μs);和/或线性界定区域100c(7khz,30.0μs)、(7khz,60.0μs)、(10khz,40.0μs)、以及(10khz,20.0μs)。
120.总之,一个或多个具有统计学显著性的区域100可以针对以下优化的脉冲宽度和频率数据来定义,其针对研究中的患者采取,以到达在1khz至10khz的频率范围内降低疼痛而无感觉异常副作用的脉冲宽度和频率的组合,并且误差的不同统计量度可以被用于如此定义一个或多个区域。
121.图12a至图12d示出了利用在1khz或低于1khz的频率下的亚感知刺激治疗测试其他患者的结果。对患者的测试通常发生在用于针对每个患者选择适当电极(e)、极性(p)和相对幅度(x%)的超感知甜点搜索(见图7a至图7d)发生之后,虽然再次所使用的亚感知电极可以根据超感知甜点搜索期间所使用的那些电极而变化(例如,使用micc)。虽然在亚感知治疗期间使用的脉冲的形式可能变化,但是仍使用对称双相双极点以亚感知刺激来测试患者。
122.图12a示出了患者针对1khz和低于1khz的频率报告了有效亚感知治疗所处的频率和脉冲宽度之间的关系。注意先前(图9)描述的相同的患者选择和测试标准可以在评估1khz或低于1khz下的频率时使用,其中频率视情况而调节。
123.如可以看出的,在每个被测频率处,优化的脉冲宽度再次落入某个范围内。例如,在800hz处,当脉冲宽度落入105至175微秒范围内时患者报告好的结果。在每个频率处的脉冲宽度范围的上端记为pw(高),而在每个频率处的脉冲宽度范围的下端记为pw(低)。pw(中)表示在每个频率处pw(高)和pw(低)的中间(例如,平均)。在被测频率的每个频率处,所提供电流的幅度(a)被向下滴定到亚感知水平,以便患者无法感受到感觉异常。通常,电流
被滴定到可以感测到感觉异常的阈值的80%。因为每个患者的解剖学都是唯一的,所以亚感知幅度a可以因患者而异。所描绘的脉冲宽度数据包括刺激脉冲的仅第一相位的脉冲宽度。
124.下面的表1针对1khz或低于1khz的频率以表格形式表示了图12a中的优化的宽度与频率数据,其中脉冲宽度以微秒为单位表示:
[0125][0126]
表1
[0127]
正如先前针对1khz至10khz范围内的频率所描述的分析(图10a至图11c),数据可以被分解为定义不同的区域300i,在该区域处实现低于1khz的有效亚感知治疗。例如,有效亚感知治疗的区域可以被线性界定在定义了有效性的各个频率与高和低脉冲宽度之间。例如,在10hz处,pw(低)=265微秒并且pw(高)=435微秒。在50hz处,pw(低)=230微秒并且pw(高)=370微秒。因此,提供良好亚感知治疗的区域300a由点(10hz,265μs)、(10hz,435μs)、(50hz,370μs)和(50hz,230μs)的线性界定区域来定义。
[0128]
表2定义了线性地约束在图12a中示出的区域300a至300g中的每个区域的点:
[0129]
区域由点(hz,μs)界定300a(10,265),(10,435),(50,370),(50,230)300b(50,230),(50,370),(100,325),(100,195)300c(100,195),(100,325),(200,260),(200,160)300d(200,160),(200,260),(400,225),(400,140)
300e(400,140),(400,225),(600,200),(600,120)300f(600,120),(600,200),(800,175),(800,105)300g(800,105),(800,175),(1000,150),(1000,90)
[0130]
表2
[0131]
在1khz或低于1khz的频率处的亚感知治疗有效性的区域可以以其他具有统计学显著性的方式来定义,诸如先前针对1khz至10khz范围内的频率所描述的那些方式(图11a-图11c)。例如,区域300i可以通过参考在每个频率处的各范围的中间处的脉冲宽度pw(中)来定义。pw(中)可以包括例如由在每个频率处的患者报告的平均优化的脉冲宽度,而不是由那些患者报告的有效范围的严格中间。pw(高)和pw(低)然后可以被确定为与每个频率处的平均pw(中)的统计方差,并且可以被用于设置有效亚感知区域的上边界和下边界。例如,pw(高)可以包括平均pw(中)加上标准偏差或标准误差,或此类统计量度的倍数;pw(低)同样可以包括平均pw(中)减去标准偏差或标准误差,或此类统计学量度的倍数。pw(高)和pw(低)还可以以其他方式从平均pw(中间)确定。例如,pw(高)可以包括平均pw(中)加上一定百分比,而pw(低)可以包括pw(中)减去一定百分比。总之,可以在使用亚感知刺激降低疼痛而无感觉异常副作用的1khz或低于1khz的频率下针对优化的脉冲宽度和频率数据定义一个或多个具有统计学显著性的区域300。
[0132]
此外在图12a中示出的是针对在1khz或低于1khz的不同频率使用优化的脉冲宽度时由患者报告的平均患者疼痛分数(nrs分数)。在接收scs治疗之前,患者初始报告的疼痛分数平均为7.92。在scs植入之后,并且在优化的脉冲宽度处(具有在每个频率下示出的范围)使用亚感知刺激,患者的平均疼痛分数显著下降。在1khz、200hz以及10hz处,患者报告的平均疼痛分数分别为2.38、2.17、和3.20。因此关于疼痛缓解的临床显著性在1khz或低于1khz下利用亚感知治疗使用优化的宽度时展现。
[0133]
在图12b中从每个频率(f)处的中间脉冲宽度pw(中)的角度针对1khz或低于1khz的频率分析了图12a中的优化的脉冲宽度与频率数据。如所示,关系310a至310d遵循具有统计学显著性的趋势,如通过在图12b中示出并且在下面表3中总结的各种回归模型所证明的:
[0134]
[0135][0136]
表3
[0137]
其他拟合方法可以被用于建立以下其他信息,所述信息与被形成以提供亚感知疼痛缓解而无感觉异常的刺激脉冲所在的频率和脉冲宽度相关。
[0138]
回归分析也可以被用于定义在统计学相关的区域,诸如300a至300g,其中亚感知治疗在1khz或低于1khz下有效。例如,并且虽然未在图12b中示出,但是可以针对pw(低)v.f执行回归以设置相关区域300i的下边界,并且可以针对pw(高)v.f执行回归以设置相关区域300i的上边界。
[0139]
注意图12a中描绘的优化的脉冲宽度与频率之间的关系不单单是如图12c所示的预期的频率与占空比(dc)之间的关系。与测试1khz至10khz频率范围时的情况(图11a)一样,优化的脉冲宽度的占空比在1khz及1khz以下不是恒定的。再次,优化的脉冲宽度超出仅对频率的缩放有重要意义。尽管如此,在1khz及低于1khz被观察为优化的大多数脉冲宽度都大于100微秒。这样的脉冲宽度在更高的频率下甚至是不可能的。例如,在10khz处,两个脉冲相位务必在100微秒时间段内拟合,这样pw长于100甚至是不可能的。
[0140]
图12d示出了在1khz及低于1khz的频率下使用亚感知治疗实现的更多好处,即降低功率消耗。绘制了两组数据。第一数据集合包括由在患者的ipg或ets中的电池使用针对该患者的优化的脉冲宽度(图12a)在每个频率处汲取的平均电流(avg ibat),以及针对该患者实现亚感知刺激所需的电流幅度a(再次,该幅度可以针对患者中的每个而变化)。在1khz处,该平均电池的电流约为1700微安。然而,随着频率降低,该平均电池电流下降至在10hz处约200微安。第二数据组根据不同的有利点来考虑功率消耗,即具有充满电的可再充电电池的ipg或ets在需要再充电之前可以工作的天数(“放电时间”)。基于平均电池电流数据将预期的是,当平均电池电流较高时,放电时间在更高的频率处是较低的(例如,在1khz处约3.9天,取决于各种充电参数和设置),并且当平均电池电流较低时,放电时间在较低频率处是较高的(例如,在10hz处约为34天,取决于各种充电参数和设置)。这很重要:使用优化的脉冲宽度时,不仅可以在1khz及低于1khz的频率下提供有效的亚感知治疗;功率消耗大幅降低,这可以在ipg或ets上放置较小的压力,并且允许其长时间操作。如以上指出的,当按惯例在较高频率下使用亚感知治疗时,过大的功率消耗是一个严重的问题。注意图12d中的数据也可以根据每秒平均电荷(msc)来分析,如先前针对1khz至10khz的数据所描述的(图10b)。
[0141]
图13a和图13b示出了额外测试的结果,该测试验证了刚才提出的频率与脉冲宽度的关系。在这里,示出了使用亚感知刺激以10khz及以下频率测试的25位患者的数据。图13a示出了两个不同的图,其示出了10k及以下的频率(下图)和1khz及以下的频率(上图)的结果。平均值示出了在该处产生优化的亚感知治疗的频率和脉冲宽度值。上限和下限表示平均值上方和下方的一个标准偏差的方差(+std和

std)。图13b示出了使用平均值确定出的曲线拟合结果。1khz及以下的数据利用指数函数且利用幂函数拟合,导致关系pw=159e-0.01f
+220e-0.00057f
和pw=761

317f
0.01
,这两者都良好地拟合数据。10khz及以下的数据利用幂函数拟合,得到pw=-1861+2356f-0.024
,再次良好地拟合。数据也可以与其他数学函数拟合。
[0142]
一经确定,与针对无感觉异常的优化的亚感知治疗的频率和脉冲宽度相关的信息350可以被存储在用于对ipg 10或ets 40编程的外部设备中,诸如先前所描述的临床医生编程器50或外部控制器45。这在图14中示出,在其中临床医生编程器或外部控制器的控制电路70或48与以下各项相关联:针对1khz至10khz范围内的频率的区域信息100i或关系信息98i,以及针对1khz或低于1khz的区域信息300i或关系信息310i。此类信息可以被存储在控制电路内的存储器或与控制电路相关联的存储器中。利用外部设备存储该信息对帮助临床医生进行亚感知优化是有用的,如下面进一步描述的。可替选地,并且虽然未示出,但是与频率和脉冲宽度相关的信息可以被存储在ipg 10或ets 40中,因此允许ipg或ets在没有临床医生或患者输入的情况下对其自身进行优化。
[0143]
信息350可以被并入拟合模块。例如,拟合模块350可以操作为临床医生编程器软件66内的软件模块,并且也许可以被实施为在在临床医生编程器gui64(图6)中可选择的高级菜单88或模式菜单90的选项内可选择的选项。拟合模块350也可以在ipg 10或ets 40的控制电路中操作。
[0144]
拟合模块350可以被用于在频率已知时优化脉冲宽度,或反之亦然。如图14的顶部所示,临床医生或患者可以将频率f输入到临床医生编程器50或外部控制器45中。该频率f被传递到拟合模块350以确定针对患者的脉冲宽度pw,其在统计上有可能提供适当疼痛缓解而无感觉异常。频率f可以例如被输入到关系98i或310i以确定脉冲宽度pw。或者,该频率可以与频率落入的相关区域100i或300i比较。一旦正确区域100i或300i被确定,f就可以与区域中的数据进行比较以确定脉冲宽度pw,这也许可以作为在给定频率处的pw+x与pw

x边界之间的脉冲宽度,如先前所描述的。可以以其他方式诸如下面描述的那些方式确定其他刺激参数(诸如幅度a、活跃电极e、它们的相对百分比x%和电极极性p),以到达针对患者的完整刺激程序(sp)。基于来自图10b的数据,接近3.0ma的幅度可以作为逻辑起始点,这是因为示出了该幅度是患者在1khz至10khz范围内优选的。然而,也可以选择其他初始起始幅度,针对亚感知治疗的幅度可以取决于频率。图14中的底部以相反的方式(即给定脉冲宽度挑选频率)示出了拟合模块350的使用。注意,在随后的算法中,甚至在任何算法之外使用的算法中,在一个示例中,系统可以允许用户将频率和脉冲宽度进行关联,以便当频率或脉冲宽度改变时,脉冲宽度或频率中的另一个被自动改变为对应于优化的设置。在一个实施例中,以该方式关联频率与脉冲宽度可以包括可在期望进行亚感知编程时使用的(例如,在gui 64中的)可选特征,并且关联频率与脉冲宽度可以不选择或者不可选择用于与其他刺激模式一起使用。
[0145]
图15示出了可以被用于在10khz或更低的频率下向scs患者提供亚感知治疗的算法355,并且总结了以上已经讨论过的步骤中的一些。步骤320至328描述了超感知甜点搜索。用户(例如,临床医生)例如通过使用临床医生编程器的gui选择电极以创建针对患者的双极点(320)。此双极点优选地为对称双相双极点并且可以包括虚拟双极点,如先前所描述的。
[0146]
该双极点与其他模拟参数一起用遥测发射器传送到ipg或ets以用于执行(321)。也可以使用gui在临床医生编程器中选择此类其他刺激参数。作为默认,频率f可以等于90hz并且脉冲宽度(pw)可以等于200微秒,虽然这并不是严格必须的并且这些值可以被修改。在该点处,如果由ipg或ets提供的双极点不是超感知的,即,如果患者未感受到感觉异
常,则可以调节幅度a或其他刺激参数以使其变得那样(322)。然后由患者计量双极点的有效性(324)以了解双极点正覆盖患者的疼痛部位的程度。nrs或其他分数评定系统可以被用于判定有效性。
[0147]
如果双极点是无效的,或者如果仍需要对其进行搜索,则可以尝试新的双极点(326)。即,新的电极可以优选地以沿着路径296将双极点移动到新位置的方式来选择,如先前关于图7a至图7d所描述的。该新的双极点可以然后再次用遥测发射器传送到ipg或ets(321)并且如有必要作出调节以呈现双极点超感知(322)。如果双极点是有效的,或者如果已完成搜索并且已经定位了最有效的双极点,则可以在亚感知治疗之前可选地修改该双极点(328)。如上面描述的此类修改可以涉及:选择邻近于所选双极点的电极的其他电极,以修改在组织中的场形状来可能更好地覆盖患者的疼痛。因此,步骤328的修改可以将搜索期间所使用的双极点改变为虚拟双极点、或三极点等。
[0148]
其他刺激参数的修改也可以发生在该点处。例如,可以修改频率与脉冲宽度。在一个示例中,可以选择提供了良好、舒适的感觉异常覆盖(》80%)的工作脉冲宽度。这可以通过使用例如200hz的频率来发生,并且以例如120微秒的脉冲宽度开始。可以在该频率下增大脉冲宽度直到感觉到良好的感觉异常覆盖。可以使用例如在4ma至9ma范围内的幅度。
[0149]
在该点处,针对刺激所选择的电极(e)、它们的极性(p)、以及它们将接收的电流的分数(x%)(以及可能的工作脉冲宽度)是已知的并且将被用于提供亚感知治疗。为了确保提供亚感知治疗,刺激的幅度a被向下滴定到亚感知、无感觉异常水平(330),并且用遥测发射器传送到ipg或ets。如上所述,可以设置幅度a低于幅度阈值(例如阈值的80%),在此处患者可以刚好开始感受感觉异常。
[0150]
在该点处,对正向患者提供的亚感知治疗的频率和脉冲宽度进行优化(332)可以是有用的。虽然可以针对亚感知治疗使用甜点搜索期间所使用的频率(f)和脉冲宽度(pw),但是另外地根据在1khz至10khz范围内的频率下建立的区域100i或关系98i、或者在1khz或低于1khz的频率下建立的区域300i或关系310i来将这些参数调节到优化值也有好处。这样的优化可以使用图14中的拟合模块350,并且可以以不同方式发生,并且优化的一些方法332a至332c被示出在图15中。选项332a例如允许在临床医生编程器或者ipg或ets中的软件使用将频率与脉冲宽度相关的区域或关系数据来自动选择频率(≤10khz)与脉冲宽度。选项332a可以使用先前确定的工作脉冲宽度(328),并且使用区域或关系选择频率。相比之下,选项332b允许用户(临床医生)(使用临床医生程序的gui)指定频率(≤10khz)或脉冲宽度。该软件然后可以针对其他参数(脉冲宽度或频率(≤10khz))再次使用区域或关系来选择适当的值。同样,该选项可以使用先前确定的工作脉冲宽度来选择适当的频率。选项332c允许用户输入频率(≤10khz)和脉冲宽度pw,但是以受区域或关系约束的方式进行。同样,该选项允许用户输入适合用于该工作频率的工作脉冲宽度和频率,这取决于区域或关系。临床医生编程器的gui 64可以在该示例中不接受未落入区域内或未沿着该关系的f和pw的输入,这是因为此类值不会提供优化的亚感知治疗。
[0151]
频率或脉冲宽度优化可以以更有效地搜索参数空间的所需部分的其他方式发生。例如,梯度下降、二进制搜索、单纯形方法、遗传算法等可以被用于搜索。也可以考虑已经使用来自患者的数据进行训练的机器学习算法。
[0152]
优选地,当在步骤332处优化频率(≤10khz)和脉冲宽度时,以降低功率消耗的方
式来选择这些参数。在这方面,优选的是选择最低频率,因为这将降低每秒平均电荷(mcs),降低从ipg或ets中的电池汲取的平均电流,并且因此增加放电时间,如先前关于图10b和图12d所讨论的。降低脉冲宽度(如果可能的话)也将降低电池汲取并且增加放电时间。
[0153]
在该点处,确定所有相关刺激参数(e、p、x、i、pw、和f(≤10khz))并且可以从临床医生编程器发送到ipg或ets以用于执行(334)来针对患者提供亚感知刺激治疗。可能优化的脉冲宽度和频率(≤10khz)的调节(332)可以导致这些刺激参数提供感觉异常。因此,如有必要则电流a的幅度可以再一次被向下滴定到亚感知水平(336)。如有必要,则可以允许规定的亚感知治疗进行一段时间的洗入(338),尽管如前所述这可能不是必需的,这是因为超感知甜点搜索(320-328)已经针对很好地募集患者的疼痛部位的情况选择了电极。
[0154]
如果亚感知治疗是无效的,或者可以使用调节,则算法可以回到步骤332,以根据先前所定义的区域或关系来选择新的频率(≤10khz)和/或脉冲宽度。
[0155]
应该指出的是,图15中的算法的步骤的并非所有部分需要在实际实施中执行。例如,如果有效电极(即,e、p、x)已知的,则该算法可以使用相关于频率和脉冲宽度的信息以亚感知优化开始。
[0156]
图16示出了另一方式,在其中拟合模块350(图14)可以被用于在10khz或更少的频率下确定针对患者的优化的亚感知刺激。在图16中,拟合模块350被再次并入算法150内或由算法150使用,这再次可以在外部设备的控制电路上作为其软件的一部分执行、或者在ipg 10中执行。在算法105中,拟合模块350被用于给定的特定频率下挑选初始脉冲宽度。然而,算法105是更全面的,这是因为其将测试和优化幅度并且还在不同频率下优化脉冲宽度。如下面进一步说明的,算法105还可选地帮助挑选被优化的刺激参数,该参数将造成ipg的电池14最关注的最低功率要求。针对算法105在图16中示出的一些步骤是可选的,并且也可以增加其他步骤。假定通过算法105测试患者的甜点搜索已经发生,并且电极(e、p、x)已经被选定并且优选地将在整个算法的操作中保持恒定。然而,这不是严格要求的,这是因为这些电极参数也可以被修改,如以上所描述的。
[0157]
算法105通过在感兴趣的范围内(例如,≤10khz)挑选初始频率(例如,f1)而开始。算法105然后将该频率传送到拟合模块350,其使用先前确定的关系和/或区域挑选初始脉冲宽度pw1。为简单起见,在图16中拟合模块350被示出为脉冲宽度与频率的简单查询表,其可以包括与被形成用以提供疼痛缓解而无感觉异常的刺激脉冲所处的频率和脉冲宽度相关的另一形式的信息。使用拟合模块350进行的脉冲宽度的选择可以是更精细的,如先前所述。
[0158]
在针对给定频率选择脉冲宽度之后,优化刺激幅度a(120)。这里,选择多个幅度并且将其施加到患者。在该示例中,所选择的幅度优选地使用在每个频率处确定出的优化的幅度a(见例如图10b)来确定。因此,由患者在一段时间(例如,每两天)内尝试a=a2、低于(a1)并且高于(a3)的幅度。这些中的最佳由患者挑选。在该点处,可以尝试对幅度的进一步调节以在针对患者的优化的幅度上进行尝试和磨炼。例如,如果a2是优选的,则可以在一段时间内尝试略高于此的幅度(a2+δ)和略低于此的幅度(a2-δ)。如果a1的较低值是优选的,则可以尝试甚至更低的幅度(a1-δ)。如果a3的较高值是优选的,则可以尝试甚至更高的幅度(a3+δ)。最后,此类幅度的迭代测试到达针对患者的不引起感觉异常的有效幅度。
[0159]
接下来,可以针对患者优化脉冲宽度(130)。与幅度一样,这可以通过略降低或增
大先前所选的脉冲宽度来发生(350)。例如,在频率为f1并且初始脉冲宽度为pw1处,脉冲宽度可以降低(pw1-δ)和增大(pw1+δ)以看见此类由患者进行的设置是否是优选的。在该点处可以发生对幅度和脉冲宽度的进一步迭代调节,虽然这并未示出。
[0160]
总之,在给定频率处,针对患者选择初始脉冲宽度(350)(并且优选地也是初始幅度(120)),这是因为期望的是这些值将有可能提供有效的并且无感觉异常的疼痛缓解。尽管如此,因为每个患者都是不同的,所以也根据针对每个患者的初始值来调节幅度(120)和脉冲宽度(130)。
[0161]
此后,在被测频率下针对患者确定的优化的刺激参数被存储在软件中(135)。可选地,也计算并且也存储指示患者接收的神经给药的每秒平均电荷(mcs)、或指示功率汲取的其他信息(例如,平均ibat、放电时间)。如果仍未测试感兴趣的范围内的又其他频率(例如,f2),则如上述那样对其进行测试。
[0162]
一旦一个或多个频率已经被测试,就可以使用先前在每个频率处针对患者存储的优化的刺激参数(135)来选择针对患者的刺激参数(140)。因为在每个频率处刺激参数都适用于患者,所以所选刺激参数可以包括造成最低功率汲取(例如,最低)msc的刺激参数。这是期望的,因为这些刺激参数对ipg的电池而言将是最容易的。可以预期由算法105确定的具有最低mcs的刺激参数将包括在最低频率处采取的那些刺激参数。但是,每个患者都是不同的,并且因此情况可能并非如此。一旦已经选择了刺激参数,就可以采取进一步的幅度优化(150),其中选择最小幅度的目的是提供亚感知疼痛缓解而无感觉异常。
[0163]
如前所述,所公开的优化的亚感知刺激参数的趋势和建模的一个有趣方面是认识到较低频率的刺激可以提供良好的结果。如前所述,使用较低的频率会导致需要来自ipg的较低功率汲取的刺激参数。在早些时候以几种不同的方式对此进行了评估。例如,在图10b中,针对从1khz到10khz范围的频率解释了:优化的亚感知刺激参数(包括脉冲宽度和幅度)导致每秒平均电荷(mcs)值随频率下降。在图12d中,我们类似地针对1khz及其以下的频率看到:为产生优化的亚感知刺激而消耗的总能量随频率而降低。在图12d中,能量汲取由对ipg的电池电流(ibat)的评估以及从放电时间(即,具有可再充电电池的ipg在需要再充电之前可运行的时间量)的角度来表示。图12d示出了较低的频率导致了较低的电池电流和较长的放电时间,这反映了较低的mcs值和较低能量被用于形成优化的刺激参数。
[0164]
图17a和图17b通过再次考虑将每秒平均电荷(mcs)数据作为从患者群体中获取的优化的刺激参数的频率的函数来继续分析神经剂量。图17a示出了针对10hz至10khz频率的msc与频率对数的关系;图17b更精确地聚焦于10hz到1khz的较低频率范围的msc数据。如前所述,mcs可以通过将每个测试患者的最佳频率、脉冲宽度和幅度相乘来计算。由于每个患者的优化的亚感知刺激参数不同,误差条与图17a和图17b中的mcs数据相关联,其表示+/-一个标准偏差(std)。从图17a和图17b可以看出,由优化的亚感知参数产生的mcs数据遵循可预测的趋势,并且随着频率非线性地增加,如下文进一步讨论的。
[0165]
在图17b中,针对1khz及以下的频率以特殊性对msc数据进行了分析,如前所述,这尤其有趣,因为这样的频率提供了良好的亚感知治疗结果,但能量明显较低。也就是说,虽然未示出,但高达10khz的数据也可以被分析并被用于如下所示的各种算法中,但未示出。图17b中的数据如下面表4中所示,该表还示出了针对测试患者的平均的优化的刺激参数:
[0166][0167]
表4
[0168]
尽管mcs与频率数据可以曲线拟合到其他函数,但是当建模为多项式(关系380)时,数据拟合良好,结果为msc=-0.0002f2+0.55f+9.64(r2=0.9986),其中msc以微库仑每秒来计算。还可以建立围绕该关系380的具有统计学显著性的区域381i,如上文所述,该区域可以由各种误差量度来定义。在图17b中,这些区域381i以标准偏差误差条为界。例如,在10hz处,mcs-std=6μc/s并且mcs+std=12μc/s。在50hz处,mcs-std=27μc/s并且mcs+std=55μc/s。因此,提供良好亚感知治疗的区域381a由点(10hz,6μc/s)、(10hz,12μc/s)、(50hz,55μc/s)和(50hz,27μc/s)的线性界定区域来定义。表4定义了线性地绑定图17b中示出的区域381a至381f中的每个区域的点:
[0169]
区域由点(hz,μc/s)界定381a(10,6),(10,12),(50,55),(50,27)381b(50,27),(50,55),(100,88),(100,40)381c(100,40),(100,88),(200,151),(200,67)381d(200,67),(200,151),(400,274),(400,118)381e(400,118),(400,274),(600,357),(600,141)381f(600,141),(600,357),(1000,471),(1000,181)
[0170]
表5
[0171]
特别有趣的是频率等于或低于400hz的结果(例如,区域381a至381d)。这样的频率产生特别低的能量值(即,低的msc值),并且这些频率不被已在亚感知治疗领域研究过的发明人所知悉。正如其他地方所提到的,常规的亚感知疗法被认为专注于更高的刺激频率。
[0172]
图17a和17b示出mcs中的偏差随着频率增加而增加。假设发生这种情况是因为随着频率增加到曾用于调整幅度(0.1ma)和脉冲宽度(10μs)的步长,而使得mcs更加敏感。这表明当使用较高频率时,使用较小的步长是明智的。在这点上,并且虽然图中未示出,但可以采用算法来调整幅度和脉冲宽度的步长作为频率的函数,其中较大的步长用于较低频率并且较小的步长用于较高频率。请注意,调整步长的能力可以取决于用于调整刺激参数的
临床医生编程软件,也可以取决于用于给定患者的dac电路。
[0173]
表4中的数据表示了幅度和脉宽数据跨患者群体的扩展,进一步表明了特定的优化的亚感知参数。这种优化的刺激参数可以根据频率、幅度和脉冲宽度的体积来表示。例如,在10hz处,a-std=1.73ma、a+std=3.39ma、pw-std=326μs并且pw+std=374μs。在50hz处,a-std=1.65ma、a+std=3.43ma、pw-std=283μs并且pw+std=333μs。因此,提供良好亚感知治疗的体积由以下八个点的线性界定体积定义:(10hz,1.73ma,326μs)、(10hz,1.73ma,374μs)、(10hz,3.39ma,326μs)、(10hz,3.39ma,374μs)、(50hz,1.65ma,283μs)、(50hz,1.65ma,333μs)、(50hz,3.43ma,283μs)、(50hz,3.43ma,333μs)。下面的表6列出了这些优化的刺激参数体积:
[0174][0175][0176]
表6
[0177]
优化的刺激参数的mcs跨患者遵循可预测趋势的这一事实表明此类趋势数据可被用于为给定患者选择优化的刺激参数,并且图17c-图17e中示出了可能发生这种情况的不同方式或算法。正如其他地方所提到的,所示算法可以在被用于控制患者的ipg或ets的外
部设备中作为软件被实施。这些算法也可以在ipg或ets本身中被实施,这将允许至少半自动地为患者选择优化的亚感知刺激参数。
[0178]
选择优化的亚阈值刺激参数的算法可以单独使用msc数据,或者也可以考虑先前建立的其他建模数据,诸如频率和脉冲宽度之间的关系(参见例如图10a和图12a)。图17c中的算法379在步骤382中使用这种频率与脉冲宽度的数据来选择与先前描述的各种关系(98i、310i)或具有统计学显著性的区域(100i、300i)一致的频率与脉冲宽度。在图17c的左图中再现了频率与脉冲宽度关系310和区域300c的示例。在图17c所示的示例中,在步骤382处选择300hz的频率和200微秒,该点落在区域300c内(见图12a)。可替选地,使用关系310(见图12b)也可以来选择频率和脉冲宽度。
[0179]
接下来,在步骤383中,mcs值或范围使用所选频率、以及关系380或区域381i之一来确定。例如,使用关系380,当f=300hz时,可以计算出157μc/s的msc值。可替选地,定义区域381d(其中f=300hz下降)的误差条允许在该频率处确定msc范围,诸如在大约96至273μc/s之间,如图17c的右图中所示。
[0180]
根据确定出的mcs值(或范围),可以确定幅度值(或范围),如步骤384所示。该幅度将包括除以所选频率(300hz)和脉冲宽度(200μs)的乘积的msc值(或范围),在所示示例中,其产生2.61ma的单个幅度值,或1.6ma至4.55ma的幅度范围。简而言之,算法379产生优化的亚感知刺激参数,包括频率(例如,300hz)、脉冲宽度(例如,200μs)和幅度(例如,2.61ma)。因为底层数据可以反映一些扩展(例如,区域300、381),所以算法379可以确定多个潜在的候选刺激参数集以便对给定患者进行尝试。多个不同的刺激集也可以以时间复用的方式应用于患者。这将在后面参考图33a至图35进行更详细地描述。
[0181]
msc与频率的趋势表明,在选择优化的亚感知参数时,可能并非严格必需根据频率选择脉冲宽度(或反之亦然),并且图17d示出了算法385的另一个示例,其可以用于选择优化的亚感知刺激参数。在该示例中,没有使用先前讨论的频率与脉冲宽度趋势(例如,区域100i、300i或关系98i和310i)。相反,仅使用msc与频率趋势(使用区域381i或关系380),其目的是选择与这样的趋势数据一致的频率、脉冲宽度和幅度。算法385的操作可以选择单个刺激参数集(即,单个频率、脉冲宽度和幅度),尽管图17d示出了三个这样的参数集的选择。参数集“a”包括集f=150hz、pw=100μs和a=4ma,这导致mcs值为60μc/s。该刺激参数集“a”如图17d中的曲线上所示,并且请注意,其在具有统计学显著性的区域381c内,尽管它不是关系380上的一个点。参数集“b”包括集f=500hz、pw=100μs和a=4.7ma,这导致mcs值为234μc/s。该点在区域381e内,尽管还假设这包括关系380上的一个点——即,当f=500hz时,关系380将msc计算为234。参数集“c”包括集f=800hz、pw=87.5μs和a=5ma,这导致mcs值为350μc/s。该刺激参数集“c”在区域381f内,尽管它不是关系380上的一个点。
[0182]
图17d中还示出了这些不同刺激参数集的结果波形。在此示例中,假设使用了主动电荷恢复,并且主动电荷恢复相位(每个脉冲的第二相位)与第一相位对称(但极性相反)。然而,这并非严格必需,并且该电荷恢复相位可以包括非对称的主动相或被动相,如前所述,并在随后如图17e的示例中示出。请注意,这些刺激参数集可以包括与先前解释的脉冲宽度与频率趋势(100i、300i、98i、310i)相一致的频率和脉冲宽度,也可以不包括。与算法379类似,算法385可以为给定患者选择单个刺激参数集,或者可以被尝试或以时间复用方式应用的多个此类参数集。
[0183]
因为msc与频率数据最终反映了刺激的能量,所以其他算法可以确定用于患者使用的波形,该波形不是由脉冲严格定义的,或者至少不是由恒定频率、脉冲宽度或幅度严格定义的。图17e中的算法387选择符合msc与频率趋势数据(区域381或关系380)的波形,其中该波形具有不规则形状。例如,由算法387选择的波形中的脉冲可能不具有恒定幅度,或者可能被细分为多个脉冲。
[0184]
例如,刺激参数集“d”中的脉冲与集“a”中的脉冲具有相同的脉冲宽度(100μs)和频率(150hz)(图17c)。然而,脉冲的幅度不是恒定的,而是在脉冲宽度之上从0斜升到8ma的最大幅度(amax)。因此,集“d”中脉冲之下的区域(area1)等于集“a”中脉冲之下的区域。因为msc也可以被定义为脉冲区域乘以频率,所以集“a”和集“d”中脉冲的msc是相同的(60μc/s),这再次与所提到的msc与频率趋势(380,381)一致。
[0185]
在另一个示例中,刺激参数集“e”中的脉冲与集“b”中的脉冲具有相同的最大幅度(4.7ma)和频率(500hz)(图17c)。然而,该脉冲宽度加倍(达到200μs),并且该幅度在脉冲宽度期间斜升和斜降。因此,集“e”中脉冲之下的区域(area2)等于集“b”中脉冲之下的区域,并且两个集再次具有相同的msc值(234μc/s),这再次与msc趋势数据一致。
[0186]
刺激参数集“f”示出每个脉冲都可以由算法387形成为一组脉冲,有时称为脉冲的“突发(burst)”。在该示例中,该脉冲与集“c”中的脉冲(图17c)类似,并且具有相同的脉冲宽度(87.5μs)和频率(800hz)。然而,集“f”为集“c”中示出的每个脉冲创建多个脉冲(两个,但可能有更多),并且其幅度为一半(2.5ma)。集“f”中两个脉冲之下的区域之和(area3)等于集“c”中单个脉冲之下的区域,并且因此集“c”和集“f”中的脉冲再次具有相同的mcs值(350μc/s),这再次与msc趋势数据一致。简而言之,算法387允许更一般地定义与msc趋势数据一致的波形。
[0187]
至此,msc趋势数据(例如,380、381)已被示出为随频率变化。然而,在所公开的算法中有用的msc趋势数据也可以相对于其他刺激参数来被定义。例如,如图17f中所示,以及如上表4所示,预测良好亚感知治疗的msc值也随脉冲宽度以可预测的方式变化,如关系380’中所示。这种关系380’也可以被建模(例如,曲线拟合),并与误差条相关联以确定区域381’,然后其可以进而在刚刚描述的算法中使用,以帮助选择优化的亚感知刺激参数。图17f中(并再次取自表4)还示出了msc值随幅度的变化。请注意,随着msc的变化,幅度相当恒定(例如,大约2.6ma)。虽然这种趋势在选择刺激参数时可能不太有用,但注意到,它与之前报告的优化的亚感知刺激幅度一致(参见例如图10b)。
[0188]
进一步调查的结果在图18-图23d中示出,其目的是提供考虑了感知阈值(pth)以及频率(f)和脉冲宽度(pw)的优化的亚感知建模。在对亚感知刺激进行建模以及使用此类建模信息来确定每位患者的优化的亚阈值刺激参数时,感知阈值可能是要考虑的重要因素。感知阈值pth包括患者可感觉到感觉异常的影响的最低幅度(例如,以ma为单位),低于此的幅度会引起亚感知刺激。事实上,不同的患者会有不同的感知阈值。不同的感知阈值导致了很大一部分是因为某些患者中的电极阵列可能比其他患者更靠近脊髓神经纤维。因此,这样的患者将在较低的幅度上经历感知,即,对于这些患者,pth将更低。如果其他患者中的电极阵列距离脊神经纤维较远,则感知阈值pth将更高。改进的建模考虑了对pth的理解,这是因为除了优化的频率和脉冲宽度之外,此参数的包含还可用于为患者的亚感知刺激建议优化的幅度a。
[0189]
考虑到这一点,从患者获取数据,不仅要确定如先前描述的他们发现优化的频率和脉冲宽度,而且还要确定在那些频率和脉冲宽度处的感知阈值。得到的模型390如图18中示出的。此模型390是基于对患者样本(n=25)进行的测试而确定出的,其中图18示出了通过三维回归拟合确定出的平均值,其产生了模型390作为频率-脉冲宽度-感知阈值空间中的表面。如图18表示的数据是在1khz及以下的频率下获取的。这些频率下的数据特别令人关注,这是因为如已经提到的,较低的频率更考虑ipg或ets中的能量使用,并且因此,特别需要证明在此频率范围内亚感知刺激的效用。如从图18中的等式可以看出,通过假设频率根据功率函数随脉冲宽度(a(pw)b)和感知阈值pth(c(pth)d)而变化,从患者获得的数据以很好拟合被建模。尽管这些函数提供了合适的拟合,但是其他类型的数学方程也可以用于拟合。模型390作为表面拟合得出以下结果:f(pw,pth)=4.94x108(pw)-2.749+1.358(pth)2。注意,频率、脉冲宽度和感知阈值并不是简单地成比例地相关或成反比例地相关的模型390,而是替代地由非线性函数相关。
[0190]
图19a示出了从被测患者注意到的进一步观察结果,并且提供了另一建模方面,该方面与模型390一起可以用于确定患者的优化的亚阈值刺激参数。图19a示出了被测患者的感知阈值pth如何根据脉冲宽度而变化,其中每个患者在图19a的图中由不同的线表示。对每条线的分析表明,pth和pw之间的关系可以利用幂函数很好地建模,即pth(pw)=i(pw)j+k,尽管同样可以使用其他数学函数进行拟合。图19a的数据是在标称频率(诸如200到500hz)下为每个患者获取的,进一步分析确认了结果不会随频率变化很大(至少在150hz及更高的频率下,使用具有主动充电的双相脉冲)。图19a中的脉冲宽度被限制在大约100至400微秒的范围内。将分析限制在这些脉冲宽度上是合理的,这是因为先前的测试(例如,图12a)示出在该范围内的脉冲宽度在1khz及更低的频率下具有唯一的亚感知治疗效果。图19b示出了针对不同患者的pth与脉冲宽度的另一示例,并且示出了可用于对数据建模的另一方程。具体而言,在此示例中使用了weiss-lapicque或强度-持续时间等式,其与达到阈值所需的幅度和脉冲宽度有关。该方程采用pth=(1/a)(1+b/pw)的形式,并且当对不同患者的数据求平均时,常数a=0.60和b=317具有良好的拟合结果,其中这些值表示从群体数据中提取的平均常数参数。
[0191]
图20示出了从被测患者注意到的进一步观察结果,并提供了又一个建模方面。实际上,图20示出了患者的优化的亚感知幅度a如何根据患者的感知阈值pth和脉冲宽度而变化。在图20的图形中,垂直轴绘制了参数z,其与患者的感知阈值pth及其优化的幅度a(其在亚感知治疗中将低于pth)有关。具体而言,z是表示为pth的百分比的优化的幅度,即z=a/pth。如图20所示,z随脉冲宽度变化。在较小的脉冲宽度(例如150微秒)下,z相对较低,这意味着患者的优化的幅度a被注意到大大低于其感知阈值(例如a=pth的40%)。在较长的脉冲宽度(例如350微秒)下,z较高,这意味着患者的优化的幅度a被注意到更接近他们的感知阈值(例如a=pth的70%)。如从测试各种患者中注意到,z和pw通常在测试的脉冲宽度上具有线性关系,并且因此使用线性回归确定它们之间的关系,得出z=0.0017(pw)+0.1524(395)。同样,图20中的测试被限制在100到400微秒的大致范围内,这被注意到对于低于1khz的亚感知治疗有用。可以预期,在更宽的脉冲宽度范围内(例如,小于100微秒或大于400微秒)进行测试将示出与所指出的线性关系的一些变化。例如,对于大于400微秒的脉冲宽度,z可能趋平到小于1的某个值,并且对于小于100微秒的脉冲宽度,z可能趋平到大于0
的值。因为z随曲线拟合而随脉冲宽度变化,并且因为z也随优化的幅度a和感知阈值pth一起变化(z=a/pth),所以图20的建模允许将优化的幅度a建模为感知阈值pth和脉冲宽度pw的函数,即a=pth[0.0017(pw)+0.1524](396)。发明人观察到,优化的幅度a通常对于频率和脉冲宽度的变化是不变的。但是,感知阈值随脉冲宽度而变化。因此,z随脉冲宽度变化,而优化的幅度a可能不会。
[0192]
认识到这些观察结果并对其建模,发明人已经开发了一种算法400,该算法400可以用于为特定患者提供个性化的亚感知治疗。该算法400可以很大程度上在临床医生编程器50上实施,并导致患者的优化的亚感知参数(例如,f、pw和a)的范围的确定。优选地,作为算法400的最后一步,将优化的亚感知参数的范围或体积发送到患者的外部控制器45,以允许患者在此范围或体积内调节其亚感知治疗。
[0193]
从图21a开始示出的算法400在步骤402中通过为给定患者确定应在其上施加治疗的电极阵列中的甜点,即通过识别哪些电极应是激活的以及具有什么样的极性和百分比(x%),而开始。对于给定的患者,甜点搜索的结果可能是已知的,并且因此步骤402应该理解为可选的。可以使用临床医生编程器50来完成步骤402和后续步骤。
[0194]
在步骤404处,通过提供情况脉冲来测试新患者,并且在算法400中,这种测试涉及在测试程序期间使用已经在步骤402处识别出的甜点电极来测量患者在各种脉冲宽度下的感知阈值pth。如先前关于图19a和图19b所讨论的,可以在标称频率(诸如200至500hz的范围内)下发生不同脉冲宽度的测试。确定每个给定的脉冲宽度处的pth涉及施加脉冲宽度,并逐渐将幅度a增加到患者报告感觉到刺激(感觉异常)的点,从而产生以幅度(例如,毫安)表示的pth。可替选地,在每个给定的脉冲宽度处确定pth可以涉及将幅度a减小到患者报告不再感觉到刺激的点(亚阈值)。在图21a中以图表形式和表格形式示出了特定患者的测试404。在此,假定所讨论的患者在120微秒的脉冲宽度下具有10.2ma的感觉异常阈值pth。在350微秒的脉冲宽度下,pth为5.9ma,并且其他值在这些之间。
[0195]
接下来,在步骤406中,临床医生编程器50中的算法400对在步骤404中测量出的pthv.pw数据点进行建模,并将其曲线拟合为数学函数。该数学函数可能是较早注意到的,以很好地对其他患者中的pth和pw进行建模,诸如幂函数pth(pw)=i(pw)j+k或weisslapicque方程,如之前关于图19a和图19b所讨论的。但是,可以使用任何其他数学函数来曲线拟合当前患者的数据测量结果,诸如多项式函数和指数函数等。在所示出的数据中,幂函数很好地对数据建模,得出pth(pw)=116.5xpw-0.509
。(为简单起见,常数“k”已被忽略)。表404中的测量出的数据以及为患者确定的确定出的曲线拟合关系pth(pw)406可以存储在临床医生编程器50的存储器中,以供后续步骤使用。
[0196]
接下来,并且参考图21b,算法400继续将在步骤406中确定出的pth(pw)关系与模型390进行比较。这将参考图21b中示出的表进行说明。在该表中,填充了如在图21a中确定出的pth(pw)(406)确定出的pth和pw的值。如可以看出的,可以使用感兴趣的离散脉冲宽度值(100微秒、150微秒等)(其可能与在步骤404中患者测试期间使用的确切脉冲宽度不同)。虽然在图21b的表中仅示出了六行pwv.pth值,但这可能是值的更长矢量,其中pth以离散pw步骤(诸如10微秒步骤)确定。
[0197]
在步骤408中,将pthv.pw值(来自函数406)与三维模型390进行比较,以确定在这些各种pthv.pw配对处为优化的频率f。换句话说,将pth和pw值作为变量提供到图18中的表
面拟合方程(f(pw,pth))390中以确定优化的频率,这些频率也示出为填充到图21b中的图表中。在该点处,图21b中的表表示矢量410,该矢量410涉及针对患者为优化的脉冲宽度和频率,并且还包括在这些脉冲宽度和频率值下对于患者的感知阈值。换句话说,矢量410表示模型390内对于患者为优化的值。注意,用于患者的矢量410可以表示为沿着三维模型390的曲线,如图21b中示出的。
[0198]
接下来,并且如图21c中的步骤412中示出的,矢量410可以可选地用于形成另一个矢量413,其包含感兴趣的值或更实际地可以由ipg或ets支持的值。例如,请注意,用于患者的矢量410包括处于较高值(例如1719hz)的频率,或者处于奇数值(诸如627和197hz)的频率。可能不希望使用较高值处的频率,这是因为即使对患者有效,此类频率也会涉及过度的功率汲取。参见例如图12d。此外,所讨论的ipg或ets可能只能提供具有离散间隔(诸如以10hz为增量)的频率的脉冲。因此,在矢量413中,选择感兴趣的频率或支持的频率(例如1000hz、400hz、200hz、100hz等),并且然后使用矢量410内插pw和pth的对应值。尽管未示出,但将矢量410公式化为方程f(pw,pth))以使矢量413更易于填充可能是有用的。尽管如此,矢量413包括与矢量410基本相同的信息,尽管处于期望的频率。意识到ipg或ets可能仅支持某些脉冲宽度(例如,以10微秒为增量)。因此,尽管这在附图中未示出,但是可以将矢量413中的脉冲宽度调节(例如,四舍五入)为最接近的支持值。
[0199]
接下来,并且参考图21d,算法400在步骤414中确定矢量413(或者如果不使用矢量413,则为矢量410)中脉冲宽度和pth值的优化的幅度。这通过使用在图20中较早确定出的幅度函数396、即a(pth,pw)来发生。使用此函数,可以为表中的每个pth、pw配对确定优化的幅度a。
[0200]
在该点处,在步骤416中,优化的亚阈值刺激参数f、pw、a420被确定为特定于患者的模型。优化的刺激参数420可能不需要包括感知阈值pth:尽管pth对于确定患者的优化的亚阈值幅度a是有用的(步骤414),但是它可能不再是感兴趣的参数,这是因为它不是ipg或ets产生的参数。然而,在稍后讨论的其他示例中,将pth包括在优化的参数420中可能是有用的,这是因为如果需要,这可以允许患者将其刺激调节到超感知水平。在该点处,然后可以将优化的刺激参数420发送到ipg或ets以供执行,或者如步骤422中示出的,可以将它们发送到患者的外部控制器45,如下面描述的。
[0201]
图21e和图21f以图形形式描绘了优化的参数420。尽管本示例中的优化的参数420包括三维范围或坐标线(f、pw和a),但为了便于说明,它们在两个二维图中进行了描绘:图21e示出了频率和脉冲宽度之间的关系,并且图21f示出了频率和幅度之间的关系。还应注意,图21f示出了感觉异常阈值pth,并在x轴上另外示出了与来自图21e的各种频率相对应的脉冲宽度。注意,这些图上的数据的形状可以因患者而异(例如,基于图21a的pth测量结果),并且还可以取决于所使用的基础建模而改变(例如,图18-图20)。因此,示出的趋势的各种形状不应解释为限制性的。
[0202]
由算法400确定出的优化的刺激参数420包括值的范围或矢量,包括基于建模(图18-图20)和患者测试(图21a,步骤404)的频率/脉冲宽度/幅度坐标将导致针对该患者为优化的亚阈值刺激。尽管为简化起见,在图22中以表格形式示出了优化的参数420,但是应该理解,这些优化的参数(o)可以使用包含频率、脉冲和幅度的方程进行曲线拟合(即o=f(f,pw,a))。因为这些坐标中的每个都是优化的,所以允许患者将其与他们的ipg或ets一起使
用可能是合理的,并且结果,优化的参数420可以从临床医生编程器50发送到患者外部控制器45(图4)以允许患者在它们之间进行选择。在这方面,优化的参数420,无论是以表格形式还是方程形式,都可以加载到外部控制器45的控制电路48中。
[0203]
一旦加载,患者就可以访问外部控制器45中的菜单以调节ipg或ets提供的与这些优化的参数420相一致的治疗。例如,图22示出了如其屏幕46上显示的外部控制器45的图形用户界面(gui)。gui包括允许患者在确定出的优化的刺激参数420的范围内同时调节刺激的装置。在一个示例中,gui中包括具有光标430的滑块。患者可以选择光标430,并且在该示例中,将光标向左或向右移动以调节其ipg或ets中的刺激脉冲的频率。将其向左移动将频率降低到优化的参数420中所包括的最小值(例如50hz)。向右移动光标430将频率增加到优化的参数中所包括的最大值(例如1000hz)。随着光标430的移动和刺激频率的改变,脉冲宽度和幅度将同时调节,如优化的参数420所反映的。例如,在f=50hz时,幅度自动设置为a=4.2ma,并且脉冲宽度设置为413微秒。在f=1000hz时,幅度设置为a=3.7ma,并且脉冲宽度设置为132微秒。实际上,光标430允许患者浏览优化的参数420以找到他们偏爱的f/pw/a设置,或者简单地选择仍然有效但需要从ipg或ets汲取较低功率的刺激参数(例如,在较低的频率下)。注意,频率、脉冲宽度和幅度可能不会相对于彼此成比例或成反比地进行调节,而是将根据基础建模遵循非线性关系。
[0204]
在另一个示例中,允许患者在不知道刺激参数的情况下、即不显示参数的情况下调节刺激可能是有用的,这对于患者而言太技术性而无法理解。在这方面,滑块可以标记有更通用的参数,诸如患者可以调节该参数,诸如在0%和100%之间。可以将三维模拟参数a、pw和f映射到该一维参数(例如,如示出的,4.2ma、413μs和50hz可以等于0%)。一般而言,患者可以将参数理解为百分比越来越高的一种“强度”或“神经剂量”。实际上,取决于优化的刺激参数420被映射到的方式,这可能是正确的。在未示出的另一个修改中,可以使用每秒平均电荷电荷(msc)模型(例如,380、381)来选择优化的刺激参数,如先前关于图17a-17f所述。然后,gui还可以允许用户在msc模型内浏览以选择优化的刺激参数。
[0205]
应当理解,尽管外部控制器45的gui的确允许患者有一些灵活性来修改其ipg或ets的刺激参数,但是它也很简单,并且有利地允许患者使用单个用户界面元素同时调节所有三个刺激参数,同时确保所得到的刺激参数将提供优化的亚阈值刺激。
[0206]
其他刺激调节控制也可以由外部控制器45提供。例如,如图22中示出的,另一个滑块可允许患者调节占空比以控制脉冲将连续运行(100%)或完全关闭(0%)的程度。中间的占空比(例如50%)将意味着脉冲将运行一段时间(从秒到分钟),并且然后将在相同的持续时间内关闭。由于“占空比”可能是患者无法直观理解的技术概念,因此请注意,可以以更直观的方式标记占空比。因此,并且如示出的,占空比调节可以被不同地标记。例如,由于较低的占空比会影响较低的功率汲取,因此可以将占空比滑块标记为“省电”功能、“总能量”功能、“总神经电荷剂量”功能或诸如此类,这可能会使患者更容易理解。占空比还可以包括锁定到患者的外部控制器45中的功能,并且仅在例如输入适当的密码或其他凭证后才可供临床医生访问。请注意,占空比可以平滑调节,也可以以预设的逻辑增量(诸如0%、10%、20%等)进行调节。为简便起见,在后续的用户界面示例中未示出占空比调节,但也可以在此类示例中使用。
[0207]
图23a-图23d解决了导致确定优化的参数420的建模可能不完美的实用性。例如,
模型390(将频率作为pw和pth的函数(f(pw,pth);图18)进行建模)是从各种患者中求平均,并且可以具有一些统计方差。这在图23a中通过示出比表面模型390中反映的平均值更高和更低的表面390+和390-来简单说明。表面390+和390-可以表示某种程度的统计方差或误差量度,诸如加或减去一个西格玛,并且实际上可以一般地包括超过其模型390将不再可靠的误差条。这些误差条390+和390-(其在整个表面390上可能不是恒定的)也可以从对建模期间假设的各种常数的统计方差的理解确定。例如,可以利用不同的置信度度量来确定模型390中的值a、b、c和d。如图18中示出的,常数a、b和c在95%的置信区间内变化。例如,常数“a”的范围可以从5.53x107到9.32x108,如图所示。(这里,假设常数d仅是2,并且没有变化)。同样,用于对pth和脉冲宽度关系进行建模的值(图19a和图19b)可能具有不同的置信度度量,用于对可选幅度、pth和pw之间的关系进行建模的值m和n可能也会不同(图20)。随着时间的流逝,随着对更多患者的数据采集,可以预期,这些模型的置信度将会提高。在这方面,请注意,通过将新的建模信息加载到临床医生编程器50中,可以容易地不时地利用新的建模信息来更新算法400。
[0208]
统计方差意味着优化的刺激参数可能不包括离散值,而是替代地可能落在一个体积内。这在图23a中示出为关于为患者确定出的矢量410(参见图21b)。给定统计方差,矢量410可以包括体积410’内的刚性线。换句话说,可能不存在pw、pth和f的一一对应关系,如图21b中的矢量410的情况那样。替代的是,对于任何给定变量(诸如脉冲宽度),为患者确定出的pth(使用步骤406中的pth(pw)模型)可以在具有统计学显著性的最大值和最小值之间的范围内变化,如图23b中示出的。模型390(图18)中的统计变化也可能意味着可以在步骤408中为每个最大和最小pth确定最大和最小频率。由于这通过算法400进行滴流(trickle),因此优化的刺激参数420也可能在频率、脉冲宽度和幅度之间不具有一一对应的关系。替代的是,并且如图23b中示出的,对于任何频率,可能存在具有统计意义的最大和最小的优化的脉冲宽度的范围,并且同样存在优化的幅度a的范围。然后,有效地,优化的刺激参数420’可以定义在频率-脉冲宽度-幅度空间中而不是在坐标线中具有统计学显著性的坐标体积。感觉异常阈值pth也可能在一个范围内变化,并且如前面提到的,将其包括在优化的刺激参数420’中可能很有用,这是因为pth可能有助于允许患者将刺激从亚感知改变为超感知,如在一些后面的示例中讨论的。
[0209]
图23c和图23d以图形形式描绘了优化的参数420’,示出了在每个频率上适合于患者的脉冲宽度的统计相关范围和幅度的统计相关范围。尽管此示例中的优化的参数420’包括三维坐标体积(f、pw和a),但为了便于说明,它们在两个二维图中进行了描绘,类似于之前在图21e和图21f中出现的情况:图23c示出了频率与脉冲宽度之间的关系,并且图23d示出了频率与幅度之间的关系。还要注意,图23d示出了感觉异常阈值pth,其像脉冲宽度和幅度一样,可以在一定范围内统计地变化。还示出了参数中的每个的优化的刺激参数420(在无统计方差的情况下确定出,参见图21e和图21f),并且如所预期的那样落入由420’所指定的参数的较宽体积内。
[0210]
在定义了优化的参数420’的体积的情况下,然后允许患者使用他的外部控制器45在该优化的参数420’的体积内导航不同的设置可能是有用的。这在图23e中的一个示例中示出。在此,外部控制器45的gui不显示单个线性滑块,而是显示表示优化的参数的体积420’的三维体积,其中不同的轴表示患者可以在频率、脉冲宽度和幅度上做出的改变。如前
所述,外部控制器45的gui允许患者有一定的灵活性来修改其ipg或ets的刺激参数,并且允许患者通过一种调节动作并使用单个用户界面元素同时调节所有三个刺激参数。
[0211]
允许患者浏览确定出的优化的参数体积420’的不同gui是可能的,并且图23f示出了另一个示例。在图23f中,示出了两个滑块。第一个线性滑块由光标430a控制,允许患者根据优化的体积420’中反映的频率来调节频率。由光标430b控制的第二个二维滑块允许患者在该频率下调节脉冲宽度和幅度。优选地,脉冲宽度和幅度的范围受到优化的参数420’和已经使用光标430a选出的频率的约束。例如,如果用户选择使用频率f=400hz,则外部控制器45可以查阅优化的参数420’以自动确定脉冲宽度(例如175至210微秒)和幅度(3.7至4.1ma)的优化的范围以供患者在该频率下使用。当患者使用光标430a更改频率时,可以使用光标430b选择的允许脉冲宽度和幅度的范围会自动更改,以确保亚阈值刺激保持在确定为对患者统计上有用的体积420’内。在未示出的另一个修改中,可以使用每秒平均电荷(msc)模型(例如,380、381)来选择优化的刺激参数,如之前关于图17a-17f所述。然后,gui还可以允许用户在msc模型内浏览以选择优化的刺激参数。
[0212]
图24示出了另一个示例,其中用户可以使用导出的优化的刺激参数来对其ipg 10(或ets)的设置进行编程。用于完整性的后续示例使用优化的刺激参数的确定出的体积420’,但是也可以使用优化的刺激参数的矢量或范围420。也可以使用每秒平均电荷(msc)模型(例如,380、381)来选择优化的刺激参数,如先前关于图17a-17f所述。
[0213]
图24示出了在患者的外部控制器45的屏幕46上的用户界面,该用户界面允许患者从多种刺激模式中进行选择。这样的刺激模式可以包括各种方式,其中ipg可以被编程为与为患者确定出的优化的刺激参数420’一致,诸如:经济模式500,其提供具有低功率汲取的刺激参数;睡眠模式502,其优化了患者在睡眠时的刺激参数;感觉模式504,其允许患者感觉到刺激(超感知);舒适模式506,用于一般的日常使用;锻炼模式508,其提供适合于患者正在锻炼时的刺激参数;以及强烈模式510,可用于例如如果患者正在经历疼痛的话,并且将从更强烈的刺激中受益。这种刺激模式可以指示患者的姿势或活动。例如,睡眠模式502提供针对睡眠而优化的刺激(例如,当患者躺下并且没有显著运动时),而锻炼模式508提供针对锻炼而优化的刺激(例如,当患者站起来并且正在显著运动时)。尽管未示出,但是也可以包括刺激模式,其提供针对不同患者姿势(诸如仰卧、俯卧、站立、坐等)或针对不同状况(诸如寒冷或恶劣的天气)而优化的刺激。尽管在患者的外部控制器的上下文中进行了说明,但在其他示例中也意识到,可用于对患者的ipg进行编程的另一个外部设备也可以用于选择刺激模式,诸如临床医生编程器50。
[0214]
患者可以从这些刺激模式中进行选择,并且这样的选择可以对ipg 10进行编程,以提供对由优化的刺激参数420’控制的对该模式有用的刺激参数子集。对于某些刺激模式,刺激参数子集可以完全受为患者确定出的优化的刺激参数420’的体积约束(完全在其内),并且因此将为患者提供优化的亚感知刺激治疗。如以下进一步解释的,其他模式的子集可以仅部分地受优化的刺激参数约束。但是,在所有情况下,都使用优化的刺激参数(420或420’)确定子集。优选地,在临床医生编程器50处为患者确定子集,并将该子集发送至患者的外部控制器45并存储在其中。可替选地,可以将确定出的优化的刺激参数发送至外部控制器45,而将其留给外部控制器45以从优化的刺激参数确定子集。
[0215]
可供患者在外部控制器45上选择的刺激模式的数量可以由临床医生限制或编程。
这可能是有保证的,这是因为某些刺激模式可能与某些患者无关。在这方面,临床医生可以对患者的外部控制器45进行编程以指定可用的刺激模式,诸如通过输入适当的临床医生的密码。可替选地,临床医生可以使用临床医生编程器50对外部控制器45进行编程来对外部控制器45进行编程。
[0216]
刺激参数子集425x的示例在图25a-图30b中示出。图25a和图25b示出了当选择经济模式500时使用的刺激参数坐标子集425a,其包括具有低功率汲取的优化的刺激参数420’的子集。像优化的刺激参数420’一样,子集425a可以包括f、pw和a参数的三维体积,并且同样(比较图23c和图23d)使用两个二维图来表示子集425a,其中图25a示出了频率与脉冲宽度之间的关系,并且图25b示出了频率与幅度之间的关系。
[0217]
为了影响低功率汲取,子集425a内的频率是低的,诸如限于10至100hz的频率范围,即使可能已经在诸如10至1000hz的较宽范围内确定出优化的刺激参数420’也是如此。此外,虽然在该频率范围内的优化的脉冲宽度可以在优化的刺激参数420’中更显着地变化,但是子集425a可以被约束为这些脉冲宽度中的较小者,诸如这种脉冲宽度的下半部,如图25a中示出的。同样,使用较低的脉冲宽度将导致较低的功率汲取。此外,如图25b中示出的,子集425a可以被约束为在针对相关频率范围的优化的刺激参数420’内的较低幅度,再次导致较低的功率汲取。简而言之,子集425a可以在整个为患者提供足够的亚阈值刺激的优化的刺激参数420’的体积内包括较小体积的刺激参数,同时提供来自ipg电池14的较低功率汲取。并非所有与所选刺激模式(图24)相对应的子集425x都包含刺激参数,这些刺激参数必须完全在确定出的优化的刺激参数420’中,如一些后续示例中示出的。
[0218]
当选择经济模式500时,外部控制器45可以简单地将子集425a内的单个低功率优化的参数(f、pw、a)发送到ipg以供执行。但是,并且更优选地,用户界面将包括允许患者将刺激参数调节为子集425a内的那些的装置。在这方面,用户界面可以包括滑块界面550和参数界面560。滑块界面550可以如前面说明的(参见图22),并且可以包括光标以允许患者通过子集425a中的参数中滑动。在示出的示例中,滑块界面550可以不调节被设置为特定值(例如325μs)的脉冲宽度,但是频率和幅度可以变化。这仅是一个示例,并在其他示例中,频率、脉冲和幅度的全部三个可以通过滑块改变,或者可以将其他参数保持恒定。注意,可以使用更复杂的用户界面来允许患者浏览子集425a。例如,尽管未示出,但是具有更高三维质量的用户界面元素、诸如先前在图23e和图23f中讨论的那些可以用于导航子集425a的体积。参数界面560还可以允许患者导航子集425a内的参数,并且被简单地示出为具有可选按钮以增加或减少确定出的子集425a内的参数。参数界面560还可以包括显示频率、脉冲宽度和幅度的当前值的场。最初,这些值可以利用大致在确定出的子集425a的中心的参数填充,从而允许患者在该中心附近调节刺激。
[0219]
图26a和图26b示出了睡眠模式502的选择,以及当选择该选择时产生的优化的刺激参数420’的子集425b。在该示例中,子集425b是以使得子集425b仅部分地受优化的刺激参数420’的约束的方式使用优化的刺激参数420’来确定出的。子集425b可包括优化的刺激参数420’内的中低频率(例如40至200hz),并且可以包括该频率范围内由420’所允许的中等脉冲宽度,如由图26a示出的。
[0220]
因为在睡眠期间刺激的强度可能不需要那么高,所以子集425b内的幅度可能落在优化的参数420’所建议的幅度之外,如图26b中示出的。例如,尽管优化的参数420’例如可
能建议,对于感兴趣的频率和脉冲宽度范围,基于较早建模的幅度将落在3.6至4.0ma的范围内,但在此示例中子集425b内的幅度设置为甚至更低的值。具体地,如滑块界面550中示出的,幅度可以设置在1.5ma和4.0ma之间。为了知道应该在哪里设置幅度的下边界,建模信息可以包括附加模型422,其可以基于患者测试与优化的刺激参数420’分开确定。在睡眠的情况下,由于患者躺下时电极引线在患者脊柱内的位置的预期变化,因此可以保证允许使用低于优化的参数420’建议的那些的幅度。此外,患者在睡觉时可能不太受到疼痛的困扰,并且因此较低的幅度仍然可以合理有效。话虽如此,子集425b也可以包括完全在优化的刺激参数420’之内并受其约束的值(包括幅度),类似于图25a和图25b中针对子集425a示出的值。
[0221]
图27a和图27b示出了感觉模式504的选择,以及在该模式期间可用于给定患者的所得子集425c。该模式的目的是允许患者根据其判断来感觉其ipg所提供的刺激。换句话说,以这种模式提供给患者的刺激是超感知的。优化的刺激参数420’优选地定义刺激参数的体积,其中针对患者优化了亚感知刺激。但是,如前面描述的,作为优化的亚阈值刺激参数420’的确定的一部分,对感知阈值pth进行测量和建模。像这样,如较早确定出的感知阈值pth在该模式期间对于选择患者将感觉到的幅度是有用的,即,对于其他刺激参数而言高于pth的幅度(特别是脉冲宽度)。因此,感觉模式504是其中将pth值(或pth范围)包括在优化的刺激参数420’内是有益的示例。
[0222]
如图27a中示出的,患者通常更容易在较低的频率上感觉到刺激,并且因此,感觉模式的选择可以将子集425c中的刺激约束到较低的频率(例如40至100hz)。脉冲宽度的控制可能不是主要问题,并且因此,对于该频率范围,脉冲宽度可能具有420’允许的中等范围,同样如图27a所示出的。
[0223]
然而,因为处于该模式的患者想要感觉到刺激,所以子集425c内的幅度被设置为更高的值,如图27b中示出的。具体地,相关频率和脉冲宽度的幅度不仅被设置为高于如针对优化的刺激参数420’确定出的幅度的上限;它们还被设置为处于或高于感知阈值pth。如前面提到的,感知阈值pth以及为患者确定出的pth的更特别重要的范围(考虑到统计变化时)可以包括在优化的刺激参数420’(见图23d)中,以在该模式下产生有用的效果。因此,基于较早的测量和建模,将子集425c定义为将幅度设置在应提供超感知刺激的值或范围内。如果根据统计方差由范围限定pth,则可以将感觉模式504的幅度的允许范围设置为超出该范围的上限值,如图27b中示出的。因此,虽然感兴趣的频率范围的优化的(亚感知)幅度(每420’)的范围可能约为3.7至4.5ma,但子集425c内的幅度设置为约5.8至7.2ma,超出了pth范围的上限,以确保对所讨论的患者产生的刺激是超感知的。在该示例中,注意子集425c是使用优化的刺激参数420’确定出的,但是仅部分地受这种优化的参数的约束。频率和脉冲宽度受到约束;幅度不是,这是因为该子集425c中的幅度被设置为超过420’,并且更特别是超过了pth。
[0224]
图28a和图28b示出了舒适模式506的选择,以及该模式的刺激参数的所得子集425d。在此模式下,经由子集425d将刺激参数设置为优化的刺激参数420’内的标称值:中等频率(诸如200至400hz),以及针对这些频率的中等脉冲宽度(诸如如滑块界面550中示出的175至300μs),如图28a中示出的。如图28b中示出的,子集425d内的幅度同样可以是针对所讨论的频率和脉冲宽度的优化的刺激参数420’内的中等幅度。在该示例中,子集425d中的
刺激参数完全受优化的刺激参数420’的约束,尽管如前面提到的,并不是每个子集都必须如此。
[0225]
图29a和图29b示出了锻炼模式508的选择以及与该模式相关联的刺激参数子集425e。在这种模式下,可以保证使用中高频(例如300-600hz),但是对于这些频率,脉冲宽度要比优化的刺激参数420’所规定的那些高,如图29a中示出的。这是因为当患者移动时,电极引线在患者体内的位置可能会更多地变化,并且因此向患者体内提供更高的电荷注入可能是有用的,更高的脉冲宽度可以实现它。如图29b中示出的,所使用的幅度可以跨越所涉及的频率和脉冲宽度的中等范围,但是超过420’的更高幅度(未示出)也可以用于提供附加的电荷注入。子集425e示出了一个示例,在该示例中,频率和幅度受到优化的刺激参数420’的约束,而脉冲宽度不受约束;因此,子集425e仅部分地受到优化的刺激参数420’的约束。在其他示例中,子集425e可以被完全约束在较早确定出的优化的刺激参数420’内。
[0226]
图30a和图30b示出了刺激的强烈模式510的选择。在这种模式下,刺激更具侵略性,并且刺激参数子集425f可以在更高的频率(例如500至1000hz)处发生。但是,在这些频率下的脉冲宽度和幅度对于所涉及的频率可能是中等的,分别如图30a和图30b中示出的。在该示例中,子集425f中的刺激参数子集可以完全受优化的刺激参数420’约束(包含在其中)。如在之前的示例中,患者可以使用界面550或560或未示出的其他界面元素来调节子集425x中与患者的刺激模式选择相对应的刺激(图24)。不太优选地,刺激模式的选择可以使外部控制器45发送使用优化的刺激参数420’(或420)确定出的刺激参数(f、pw、a)的单个集合。
[0227]
注意,子集425x中的刺激参数可以重叠;一个子集(例如425a)中的一些f、pw和a值也可能存在于另一子集(例如425b)中。换句话说,虽然也可能是这种情况,但并非严格必需给定子集中的刺激参数对于该子集或该子集表示的刺激模式是唯一的。此外,各个子集425x的边界可以是可调节的。例如,尽管未示出,但是外部控制器45可以具有改变各个子集的边界的选项。使用这样的选项,患者或临床医生可以例如改变子集中的刺激参数(例如,频率)中的一个或多个(例如,通过将子集425a内的频率从10hz到100hz增加到10hz到150hz)。响应于某些反馈,诸如可能输入到外部设备45中的患者疼痛等级,或者患者活动或姿势的检测,也可能影响对子集425x的调节。可以将更复杂的调节锁定到患者,并且仅临床医生才可访问,例如通过在外部控制器45中输入密码来提供这种可访问性。在这种密码保护的后面,子集425x可以是可调节的,和/或可以使其他刺激模式(例如,超出图24中示出的那些)仅对于临床医生而言是可访问的。如前所述,临床医生也可以使用临床医生编程器50进行此类临床医生调节。
[0228]
子集425x也可以不时自动地更新。这可能是有利的,这是因为随着对更多患者进行数据采集,导致优化的刺激参数420’生成的基础建模可能会改变或变得更好地被通知。稍后还可以了解到,不同的刺激参数可以更好地产生刺激模式所需的效果,并且因此可以保证调节子集中包括哪些参数。出于不同原因或产生不同效果而提供的不同刺激模式也可能在以后变得很明显,并且因此以后可以将此类新模式及其对应的子集编程到外部控制器45中,并在图24的刺激模式用户界面中呈现给患者。子集和/或刺激模式的更新可以通过将外部控制器45连接到临床医生的编程器或连接到诸如因特网的网络来无线地发生。应当理解,所公开的刺激模式以及与此类模式相对应的刺激参数425x的子集仅是示例性的,并且
可以使用该不同的模式或子集。
[0229]
再次参考图24,刺激模式用户界面可以包括选项512,以允许患者或临床医生定义刺激的自定义模式。该自定义模式512可以允许用户选择频率、脉冲宽度和幅度,或者定义至少部分地由优化的刺激参数420’定义的子集。该选项的选择可以提供用户界面,该用户界面允许患者在优化的刺激参数420’内导航不同的刺激参数,诸如先前在图23e和图23f中示出的那些。如果患者通过该选项找到了看似可以有效地作为模拟模式操作的刺激参数,则用户界面可以允许存储刺激模式以供将来使用。例如,并且参考图23e,患者可能已经在优化的刺激参数420’内找到了刺激参数,当患者步行时这是有益的。这样的参数然后可以由患者保存,并适当地标记,如图23d中的用户界面元素580处示出的。然后可以将该新保存的刺激模式作为可选刺激模式呈现给患者(图24)。外部控制器45中的逻辑可以另外定义刺激参数子集425(例如425g),当稍后选择该用户定义的刺激模式时,患者可以通过该子集425进行导航。子集425g可以包括例如刺激参数,该刺激参数限制了患者的所选参数(例如,患者选择的频率、脉冲宽度和幅度的+/-10%),但是仍然全部或部分地受到可选刺激参数420’的约束。
[0230]
如图24中示出的,刺激模式用户界面还可以包括选项514,该选项514基于ipg 10可以检测到的各种因素为患者自动选择和调节刺激模式。在图31中更详细地示出了对该自动模式514的选择。优选地,对自动模式514的选择允许患者选择570他想要检测的刺激模式中的哪一个,并且将由他的ipg 10自动使用。在所描绘的示例中,用户已经选择了睡眠模式502、舒适模式506和锻炼模式508。ipg 10将尝试自动检测何时应输入这些刺激模式,并且在这方面ipg 10可以包括刺激模式检测算法610。如示出的,该算法可被编程到ipg 10的控制电路600中。控制电路可包括微处理器、微计算机、fpga、其他数字逻辑结构等,其能够执行电子设备的指令。可替选地,ipg 10中的算法610可以尝试检测并调节系统支持的所有刺激模式(例如500-510)的刺激,而无需用户选择570感兴趣的刺激模式。
[0231]
算法610可以接收与检测刺激模式有关的不同输入,并因此接收应该在任何给定时间用于患者的子集425x。例如,算法610可以接收来自诸如加速度计630的指示患者的姿势和/或活动水平的各种传感器的输入。算法610也可以接收来自各种其他传感器620的输入。在一个示例中,传感器电极620可以包括ipg 10的电极ex,其可以感测与刺激模式确定有关的各种信号。例如,并且如usp9,446,243中所讨论的,在电极处感测到的信号可以用于确定电极的各个配对之间的(复杂)阻抗,其可以在算法610中与指示患者姿势或活动的各种阻抗特征相关。在电极处感测到的信号可以包括由刺激产生的那些信号,诸如诱发的复合动作电位(ecap)。如2019年1月2日提交的美国专利申请序列号16/238,151中所公开的,对检测到的ecap的各种特征的审查可用于确定患者的姿势或活动。在电极处感测到的信号也可能包括由刺激产生的刺激伪像,如在2019年6月12日提交的美国临时专利申请序列号62/860,627中所公开的,其还可以指示患者的姿势或活动。在电极处的感测到的信号也可以用于确定患者的心率,如在2019年2月21日提交的美国专利申请序列号16/282,130中所公开的那样,其也可以与患者的姿势或活动有关。
[0232]
算法610可以接收与确定刺激模式有关的其他信息。例如,时钟640可以向算法610提供时间信息。这可以与确定或确认患者是否参与一天中某些时间期间发生的活动有关。例如,可以预期患者可能在晚上睡觉,或者在早晨或下午锻炼。尽管未示出,但是用户界面
可以允许对预期活动的时间范围进行编程,诸如患者是否喜欢在早晨或下午锻炼。算法610还可以接收来自电池14的输入,诸如电池的电压vbat的当前状态,其可以由任意数量的电压传感器提供,诸如模数转换器(adc;未示出)。例如,这在决定何时应自动进入经济模式500或其他基于功率的刺激模式时(即,如果vbat为低)可能是有用的。
[0233]
在任何情况下,刺激模式检测算法610可以无线地接收已选择自动模式514以及患者感兴趣的任何所选模式570的指示。然后,算法610可以使用其各种输入来确定何时应当输入那些模式,并且因此将使得能够在适当的时间使用与检测到的刺激模式相对应的子集425x。例如,在图31的示例中,算法610可以使用加速度计630、传感器620和时钟640来确定一个人在晚上静止、仰卧或俯卧、和/或他的心律缓慢,并且因此确定该人当前正在睡觉。算法610此时可以自动激活睡眠模式502,并激活与该模式相对应的子集425b(图26a-图26b)内的刺激参数的使用。此外,ipg 10可以将当前刺激模式确定的通知发送回外部控制器45,该通知可以在572处显示。这对允许患者审查算法610已经正确确定刺激模式是有用的。此外,将当前确定出的模式通知外部控制器45可以允许外部控制器45使用该模式的适当子集425x,以允许患者调节刺激。即,外部控制器45可以使用确定出的模式(睡眠)来将调节(图26a-图26b)约束为该模式的对应子集(425b)。
[0234]
如果算法610使用其输入中的一个或多个来确定一个人正在快速改变位置、直立和/或他的心律高,则可以确定该人当前正在锻炼,这是患者选择的感兴趣的刺激模式。那时算法610可以自动激活锻炼模式508,并且激活与该模式相对应的子集425e(图26a-图26b)内的刺激参数的使用。再次,ipg 10可以将该当前刺激模式确定的通知发送回外部控制器45,以将调节(图29a-图29b)约束为该模式的对应的子集(425e)。如果算法610不能确定患者正在睡觉或正在锻炼,则它可以默认为舒适模式506的选择,并相应地提供刺激、通知和约束调节(子集425d,图28a-图28b)。
[0235]
外部控制器45在确定自动模式选择期间要使用的相关刺激模式时也可能有用。在这方面,尽管未在图31中示出,但是外部控制器45可以包括用于确定患者活动或姿势的传感器,诸如加速度计。外部控制器45还可以包括时钟,并且可以从ipg 10无线地接收关于其电池电压的信息,并且从传感器620无线地接收关于在ipg的电极处检测到的信号的信息。因此,外部控制器45还可以包括响应于这种输入的刺激模式检测算法610’。该算法610’可以代替ipg 10中的算法610,或者可以补充从算法610确定出的信息以改善刺激模式确定。简而言之,并且如通过外部控制器45和ipg 10之间的双向无线通信来促进,刺激模式检测算法可以以任何期望的方式在外部控制器和ipg 10之间有效地拆分。
[0236]
此外,外部控制器45可以接收来自各种其他传感器的相关信息以确定应该输入哪种刺激模式。例如,外部控制器45可以接收来自患者佩戴的外部设备612(诸如智能手表或智能电话)的信息。这样的智能设备612包含指示运动的传感器(例如,加速度计),并且还可以包括生物传感器(心率、血压),这可以有助于理解不同的患者状态,并且因此应该使用不同的刺激模式。更一般地,其他传感器614也可以向外部控制器45提供相关信息。这样的其他传感器614可以包括检测ipg患者的各种生物学状态(葡萄糖、听觉率等)的其他可植入设备。这样的其他传感器614可以提供其他信息。例如,由于已显示寒冷或恶劣天气会影响ipg患者的刺激治疗,因此传感器614可以包括将天气信息提供给外部控制器45的天气传感器。请注意,传感器614可能不需要直接与外部控制器45通信。来自这样的传感器614的信息可
以由网络(例如,互联网)发送,并且经由各种网关设备(路由器、wifi、蓝牙天线等)提供给外部控制器45。
[0237]
图32示出了患者外部控制器45上的用户界面的另一个示例,该用户界面允许患者从不同的刺激模式中进行选择。在该示例中,不同的刺激模式(与为患者确定出的优化的刺激参数420’一致)以二维表示形式显示。在所示出的示例中,二维表示包括脉冲宽度(y轴)与频率(x轴)的关系图,但也可以使用任何两个刺激参数(幅度与频率或脉冲宽度与幅度)。但是,请注意,如果目标是为患者提供不受患者可能不理解的技术信息阻碍的简单用户界面,则可以不标记这些x和y轴,也可以不标记特定的脉冲宽度或频率值。
[0238]
在该二维表示中标记的是前面讨论的不同刺激模式,其中边界示出了每种刺激模式的子集425x的范围。使用该表示,患者可以定位光标430以选择特定的刺激模式,并且在这样做时选择频率和脉冲宽度及其对应的子集425x。因为子集425x可以重叠,所以在特定频率和脉冲宽度上的选择可以选择多于一个刺激模式和多于一个子集425x,从而允许患者浏览刺激参数的多于一个子集。因为在二维表示中未表示幅度,所以在选择了刺激模式/子集425x或特定的频率/脉冲宽度的情况下,可以将幅度自动调节为合适的值。可替选地,可以包括单独的滑块,以允许患者针对刺激模式中的每个根据子集425x另外调节幅度。如上面说明的,幅度可以通过所选模式/子集完全约束在优化的刺激参数420’内,或者可以被允许范围超过420’(例如,图26b、图27b)。在更复杂的示例中,表示可以包括三维空间(f、pw、a),患者可以在其中移动光标430,类似于图23e中示出的,具有显示的刺激模式的三维子集425x。
[0239]
图33示出了另一个gui方面,其允许患者根据为患者开发的模型来调节刺激。在这些示例中,示出了针对患者的建议的刺激区域650,其覆盖在用户界面元素上,否则允许用户调节刺激。图33中的示例示出了对图22和图32中示出的图形用户界面的修改,但也可以应用于其他用户界面示例。在这些示例中,建议的刺激区域650为患者提供视觉指示器,患者可能希望在其中选择(例如,使用光标430)与优化的刺激参数420或420’或子集425x一致的刺激设置。可以以不同的方式确定这些区域650。可以使用优化的刺激参数420或420’或子集425x在数学上确定它们,诸如通过确定这些区域的中心或“质心”。还可以将特定重点放在为患者提供具有适当幅度、强度或总电荷的刺激参数上来确定它们。如果患者的先前选择已经远离这样的理想值,则这可能特别有用。还可以在拟合程序期间通过确定患者最喜欢的优化的刺激参数420或420’或子集425x内的区域或体积来确定区域650。
[0240]
此外,可以基于先前选出的刺激参数随时间为患者确定区域650。因此,区域650可以与患者最常使用的设置相关。在改进的示例中,患者还可以提供与确定区域650的位置有关的反馈。例如,外部设备45可以包括选项652,以允许患者使用所示出的评定量表来提供他们的症状(例如,疼痛)的指示。随着时间的流逝,外部控制器可以跟踪在652处输入的疼痛等级与选出的刺激参数并将其相关联,并且将区域650绘制或更新到覆盖患者已经经历最佳症状缓解的刺激调节方面的适当位置。再次,可以使用对刺激参数相对于其疼痛等级的加权的数学分析、或者质心方法。
[0241]
应该指出的是,所公开的技术的使用应该并不一定限于所测试的特定频率。其他数据暗示所公开技术在低至2hz的频率下提供疼痛缓解而无感觉异常的适用性。
[0242]
总结到这一点,建模和患者拟合允许确定给定患者的优化的且优选地亚感知刺激
参数(以范围420、体积420’或子集425的形式)。然而,一旦找到这样的优化的刺激参数,当刺激被施加到患者时,就可能期望随着时间而改变这样的参数。这是因为向神经组织提供相同的、无变化的刺激——即使是理想的——也会导致这种组织习惯性,使得刺激可能不像以前那样有效。
[0243]
因此,一旦确定出优化的刺激参数,可以有用的是:随着时间在这些参数内自动改变由ipg 10或ets 40施加的刺激。这在图33a中的第一个示例中示出。在该示例中,假设了优化的刺激参数420’的体积的子集425(特别是425e,参见图27a和图27b)已被确定供患者使用。然而,尽管未示出,但也可以使用每秒平均电荷(msc)模型(例如,380、381)来选择优化的刺激参数,如先前关于图17a-17f所述。
[0244]
为了防止习惯化,应用于患者的模拟在该子集425内随时间变化,如调节700所表示的。调节700可以改变子集425内的任何模拟参数,包括频率、脉冲宽度和幅度,并且这些参数中的任何一个或更多可以在任何给定时间改变。在图34a的顶部处所示出的示例中,频率和脉冲宽度在不同时间(t1、t2、tec.)在子集425内改变,而幅度保持恒定。在图34a的底部处所示出的示例中,频率和幅度在不同时间处在子集425内改变,而脉冲宽度保持恒定。
[0245]
图33b示出了可以如何制定调节700以及可以如何生成用于包括指令的ipg的程序的示例。示出在图形用户界面(gui)710中,其在于2019年9月6日提交的美国临时专利申请序列号62/897,060中更详细的描述,假定读者熟悉它。gui710可以在临床医生编程器50或外部控制器45上操作,并且允许用户以实现调节700期望的变化的方式来规定脉冲。gui710包括多个块711,其中用户可以指定时间顺序脉冲序列。第一块(1)规定了要在t1处、在如由导向程序a指定的电极(e1和e2)处形成的脉冲,并且其频率(200hz)、脉冲宽度(225μs)和幅度(4ma)在子集25的体积内。频率、脉冲宽度和幅度可以由脉冲程序i指定,如在

060申请中进一步详细解释的。在时间段t1(以及本示例中的所有其他时间段)期间,将形成这些脉冲中的十个,尽管脉冲数量可以变化并且可以在gui170中设置。第二块(2)规定了在t2处、在相同的电极处形成的10个脉冲,并且其频率(200hz)、脉冲宽度(325μs)和幅度(4ma)如由脉冲程序j指定。因此,只有脉冲宽度从时间段t1到t2改变。图34b的示例中的脉冲宽度和频率发生其他变化以影响图34a顶部处所示出的调节700。在该示例中,脉冲宽度和频率在不同时间段之间以蛇形方式进行调节,但这只是一个示例,并且可以以不同方式或者甚至随机地进行优化的刺激参数内的调节700。在优化的刺激参数内确定出的幅度也可以改变,如稍后关于图34c所解释的。
[0246]
即使某些刺激参数经由调节700改变,它们也仍然在先前确定出的优化的刺激参数内,并且特别是在子集425内。注意,调节700然而不需要发生在子集425内。更一般地,调节到防止习惯化可能发生在如早先为患者确定出的优化的刺激参数420或420’内。
[0247]
gui710可以包括选项712以允许用户将先前确定的优化的刺激参数(患者的模型)导入gui170,该优化的刺激参数可以驻留在临床医生编程器50或外部控制器45中。一旦被导入,另一个选项714可用于在那些优化的刺激参数内自动形成调节700。选择选项714可以使gui710以根据需要改变一个或多个刺激参数的方式自动填充块711以产生所期调节700。虽然未示出,但选项714可以允许用户选择一个或多个刺激参数(例如,频率、幅度、脉冲宽度)中的哪一个应该在优化的刺激参数内变化,并且可以进一步允许用户确定其中可以改变刺激参数的优化的刺激参数内的顺序或模式。选项714还可以允许用户选择在调节700期
间随机改变刺激参数。如果有必要,用户可以在自动创建独立块711中的刺激参数以最佳地影响特定调节700之后调节这些刺激参数。
[0248]
图34c示出了可以影响优化的刺激参数内的调节700的方式的进一步示例。如示出的,刺激脉冲的脉冲宽度、幅度和频率可以在优化的刺激参数内的最大值和最小值(例如,pw(min)、pw(max))之间进行调节。请注意,这些最大值和最小值可能不是恒定的,而是可能会受到其他刺激参数值的影响。例如,并且如图34a所示出的,当频率为200hz时,pw(max)和pw(min)可以包括325和225μs,但是当频率是400hz时可以包括225和150μs。图34c的底部示出了一个示例,其中调节700在优化的刺激参数420’的体积内或在此类参数的子集425内改变幅度、脉冲宽度和频率。同样,这被简单地示出为一个立方体,其中参数具有最大值和最小值,但结果体积实际上可能具有更随机的形状。在另一个未示出的修改中,可以使用每秒平均电荷(msc)模型(例如,380、381)来选择不同的优化的刺激参数,如先前关于图17a-17f所述,并在不同时间应用。
[0249]
除了有助于防止组织习惯化,调节700被期望是有益的,这是因为随着时间在优化的刺激参数的范围或体积内调节刺激,从而使得在调节700期间将至少偶尔提供在此范围内针对患者的优化的刺激参数(或参数组合)的可能性更大。这可能很重要,这是因为引线可能会在患者体内移动,诸如随着活动,这可能导致优化的刺激参数不时改变。因此,调节刺激参数有助于确保至少在调节700的一些时间段期间将应用该范围或体积内的最佳参数。此外,当调节刺激参数时,可能没有必要花费时间来微调刺激以确定针对患者的优化的刺激参数的单一不变的集合。
[0250]
图35示出了可以使用的其他调节700,其影响在患者组织中形成的电场,并且也可以用于防止组织的习惯化。示出了已被选择用于患者的特定极点配置730。在所描绘的示例中,极点配置730包括具有虚拟阳极极点(+)和虚拟阴极极点(-)的虚拟双极点。借由回顾,在美国专利申请公开2019/0175915中进一步讨论了虚拟极点,并且之前参考图7b进行了讨论。如前面讨论的,阳极极点和阴极极点的位置不一定对应于电极阵列中物理电极16的位置。还如前面讨论的,极点配置730可以具有不同数量的极点,并且可以包括三极或其他配置,尽管为简单起见在图35中描绘了双极点。
[0251]
图35的顶部示出了可以在电极阵列17中移动极点配置730的不同方式。图35的左上方示出了双极点730可以如何移动到电极阵列17中的不同x-y位置,而仍然保持极点相对于彼此的相对位置。右上角示出了焦距(即极点之间的距离d)是如何变化的。这两种调节极点位置的手段可以通过改变阵列中电极16的激活来实现,诸如通过向所选电极提供特定极性和电流百分比,如前面所讨论的。
[0252]
图35的底部示出了如何将极点的位置的调节与同先前确定出的优化的刺激参数一致的调节相结合。左图示出了刺激参数之一(在这种情况下,脉冲宽度)可以如何变化,而同时还改变极点配置730的x-y位置。这种调节700可以随时间在最大值和最小值(pw(max)和pw(min))之间改变脉冲宽度,如针对优化的刺激参数420’或425确定出的。这种调节也可以随时间改变极点配置730的x-y位置。优选地,极点配置730的(x,y)位置是先前确定出的(使用甜点搜索,如前面解释的),但是在调节700期间从该位置改变最大值和最小值。例如,位置(x,y)(min)可以包括x和y都更小1mm的位置,并且位置(x,y)(max)可以包括x和y都更大1mm的位置。换句话说,如果最佳位置(x,y)位于电极阵列中的(5mm,6mm),则(x,y)(min)
将包括位于(4mm,5mm)处的位置,并且(x,y)(max)将包括位于(6mm,7mm)处的位置。因此,调节700可以将极点配置730的位置移动到由这些最大和最小位置界定的二维区域内的任何地方。脉冲宽度也在调节700期间变化,并且其他刺激参数(频率、幅度)也可以改变,再次地在使用优化的刺激参数420’或425确定出的最大值和最小值之间改变。刺激参数和极点可以是根据所示出的模式随时间调节,或在最大值和最小值之间随机调节。
[0253]
中间的图示出了刺激参数之一(再次地,脉冲宽度)可以如何改变,而同时还改变极点配置730的焦距d。优选地,焦距d是先前确定出的(例如,在甜点搜索期间),但在在调节700期间从该距离改变最大值和最小值。例如,如果d等于10mm,则d(max)可能是12mm,而d(min)是8mm。因此,调节700可以将极点配置730的焦点移动到这些最大和最小距离内的任何地方。脉冲宽度(和/或至少一个其他参数,诸如幅度或频率)也在调节700期间与先前确定出的优化的刺激参数420’或425一致地变化。同样,刺激参数和焦距可以根据模式随时间调节,或在最大值和最小值之间随机调节。
[0254]
右图示出了在调节700期间,极点配置730的x-y位置和极点配置的焦距d两者可以随着至少一个其他刺激参数(例如,脉冲宽度)而变化。在所有这些示例中,包括对极点配置730中极点的位置的轻微调节的调节700被预期在防止组织习惯化中是有用的。
[0255]
调节700可以将某些参数的调节优先于其他参数,并且这种优先化可以基于患者的状态或症状。例如,如果注意到患者对刺激的位置特别敏感,则可能期望调节700优先考虑极点的位置的变化,或者通过改变电极阵列中的极点配置730的x-y位置和/或通过改变焦距d。相比之下,如果患者对刺激量(例如,接收到的神经剂量)特别敏感,则可能期望调节700优先考虑刺激参数(脉冲宽度、频率、幅度)中的一个或多个的变化。可使用主观或客观测量,诸如通过接收患者反馈,或通过进行指示出刺激功效的测量(例如,通过测量如前描述的ecap)来确定在优先调节700中有用的患者敏感性。
[0256]
图36示出了优化的刺激参数420’内的刺激参数的调节700的另一个示例。在本示例中,脉冲宽度和频率在不同时间段之间进行调节。与前面的示例不同,每个时间段处的刺激持续时间更长,大约为数小时。此外,在不同的时间段处改变极点配置以实现不同的有益效果。例如,在时间段t1和t2处,使用在组织中形成相对小的场的双极点740。这可能是有用的,这是因为如前面描述的,这种亚感知双极点740可以提供快速缓解和短时间段洗,并且尤其是在这些时间段期间存在的较低频率下。然而,较小的双极点诸如740可能是敏感的:它仅在组织中产生小场,并且因此如果电极阵列17中的引线在组织内迁移,则双极点740可能会远离患者的疼痛部位迁移并变得不那么有效。因此,在随后的时间段(例如,t3-t5),极点配置改变为更大的双极点745,其在组织中提供较大的场。较大的场使得引线迁移将导致有效刺激远离患者疼痛部位的可能性较小,并且因此更容易募集此类疼痛部位。与更大的双极点745一起使用的更高频率可以附加地更容易地募集患者的组织,并且不太容易受到引线迁移的影响。因此,在调节700期间,双极点在尺寸上增加以促进组织中的较大的场,并且脉冲的频率增加,直到在时间t5处提供恒定(但仍然是优化的)的刺激治疗。
[0257]
如图37a和图37b中示出的,当以推注提供刺激时,也可以使用先前确定出的优化的刺激参数内的调节700。在于2019年10月18日同时提交的题为“prescribedneuromodulationdosedelivery”的美国临时专利申请序列号62/916,958的美国临时专利申请中更详细地描述了提供刺激推注,其全文以引用方式并入本文。推注包括在设置的时间单位内提供
的刺激,诸如十分钟、三十分钟、一小时、两小时或任何其他有效持续时间,其中时间间隔在推注施用之间没有刺激。已经观察到一些患者对“推注模式”治疗反应良好。当患者感到疼痛即将来临(示出为闪电)时,他们可能会发起刺激推注(示出为图37a中的胶囊)。图37a示出了在其期间已施用九个刺激推注的三天。如

958临时申请中讨论的,推注的施用也可以自动进行。在推注中提供模拟可能是有益的,这是因为一些患者在接受推注刺激后,即在其期间没有刺激发生的推注之间的间隙期间,会经历长达数小时或更长时间的延长的疼痛缓解。此外,提供刺激推注节省ipg中的能量,这是因为模拟不是连续的,并且还有助于防止组织过度刺激和习惯化。
[0258]
如图37b中示出的,可以调节在每个刺激推注期间使用的刺激参数。这种调节700可以类似于图36中描述的调节,但是可以在更短的时间尺度上发生。例如,所示出的刺激推注的长度为100分钟,并且由五个不同的时间段t1-t5组成,每个时间段持续20分钟。如前所述,在更早确定出的优化的刺激参数420’内在不同时间段期间调节一个或多个刺激参数(例如,脉冲宽度和频率)。优选地,最初使用的模拟参数(例如,在t1期间)被设计为带来快速的症状缓解。如前所述,极点配置的位置、尺寸或焦距也可以在包括调节700的不同时间段期间改变。
[0259]
图38-图41b示出了拟合算法740,其可用于确定优化的刺激参数420或420’中的最佳(best)750,以供给定患者使用。在该示例中,为患者确定优选的优化的刺激参数420或420’的范围或体积,其优选地为患者规定亚感知刺激,如先前描述的。尽管未示出,但可以使用每秒平均电荷(msc)模型(例如,380、381)来选择优化的刺激参数,如先前关于图17a-17f所述。
[0260]
拟合算法740然后使用拟合信息760来确定优化的刺激参数中的一个或多个最佳以供患者使用。最佳的优化的刺激参数750可以包括刺激参数的单个集合——例如,单个频率、脉冲宽度和幅度值750a——或类似于先前描述的子集425的参数集的子集750b。简而言之,通过使用被包括在拟合信息760中的附加信息,拟合算法740可以确定优化的刺激参数420或420’内对患者最合乎逻辑的一个或多个刺激参数,并且可以相应地在患者的ipg中设置亚感知刺激。
[0261]
拟合信息760优选地在植入之后的拟合程序期间获取,这通常发生在临床环境中。因此,拟合算法740优选地被实施为临床医生编程器50上可执行的临床医生编程器软件66(图4)的一部分。然而,拟合算法740也可以与能够与患者的ipg通信的任何设备或系统一起使用,包括患者的外部控制器45(图4)。拟合算法740的方面可以呈现为临床医生编程器gui的一部分。拟合算法740还可以包括计算机可读介质中的指令,如别处描述的。拟合算法740可以结合在拟合程序期间逻辑上发生的其他操作来执行并且拟合信息760被接收。例如,当接收到拟合信息760时,在算法400期间发生的测试——诸如如在优化的刺激参数420或420’的确定期间使用的不同脉冲宽度(404,图21a)下测量感觉异常阈值pth——可以在同一时间和同一程序期间发生。
[0262]
拟合信息760可以包括指示患者、他的症状和在拟合程序期间提供的刺激的各种数据。例如,拟合信息760可以包括表征患者在没有刺激的情况下的疼痛的疼痛信息770。拟合信息760还可包括指示在拟合程序期间使用的刺激的有效性的映射信息780。拟合信息760还可以包括空间场信息790,其指示在拟合程序期间使用的刺激,以及它在患者组织中
产生的电场。拟合信息760还可以包括表型信息800,诸如患者的年龄、性别和其他患者特定的细节。
[0263]
拟合算法740还接收或包括训练数据810。本质上,训练数据810用于将拟合信息760与最佳结果相关联,如下文将进一步详细描述的。例如,训练数据810可以建议特定患者的拟合信息760保证对该患者使用较低频率治疗(例如,10-400hz),并且拟合算法740因此将在从针对该患者的优化的刺激参数420或420’中选择最佳的优化的刺激参数750时选择较低频率刺激。可替选地,训练数据810可以建议特定患者的拟合信息760保证对该患者使用更高频率的治疗(例如,400-1000hz),并且拟合算法740将因此在选择针对该患者的最佳的优化的刺激参数750时选择更高频率刺激。训练数据810可以随着时间推移到达并且可以从先前患者的治疗中导出,并且在这方面,随着进一步治疗患者以及从更多患者接收数据,训练数据810将随着时间而改进。在这方面,包括训练数据810的信息可以在拟合算法740处从外部设备之外的源接收,例如从服务器接收,该服务器可以接收来自不同患者的数据以随着时间发展或更新训练数据810。训练数据810还可以包括或包含取自当前患者的历史数据。在一个示例中,训练数据810可以使用机器学习技术获得,并且可以包括要应用于拟合信息760的各个片段的权重或系数,如下文进一步解释的。
[0264]
图39a-图39c示出了外部系统(例如,临床医生编程器)的gui,其在拟合程序期间可用于接收拟合信息760的各个片段,其中图39a示出了疼痛信息770的接收,图39b示出了映射信息780的接收,并且图39c示出了空间场信息790和患者表型信息800的接收。不要求拟合算法740接收这些图中所示出的拟合信息的所有片段,并且算法740可以接收可能与预测最佳的优化的刺激参数750相关的额外的未示出的信息片段。简而言之,图39a-图39c仅提供可能相关的拟合信息760的示例。此外,虽然将所示出的相关拟合信息760划分为疼痛信息770、映射信息780、空间场信息790和患者表型信息800的类别是明智的,但是拟合信息760可以细分为更多或更少的类别。可替选地,拟合信息760可以根本不细分为类别,而是可以替代地包括这些类别内的一个、多个或全部信息片段。
[0265]
首先参考图39a,在gui处接收疼痛信息770,如先前提到的,其包括表征患者在没有刺激的情况下的疼痛的信息片段。在优选示例中,为独立身体区域xx提供疼痛信息770。在这方面,gui可以包括示出可能发生疼痛的不同身体区域的图形或图像771。例如,在图39a中,身体区域x1表示下背部的上部,而身体区域x2表示下背部的下部,其中区域x1和x2两者都出现在身体的右侧。身体部分x3表示右臀大肌,而区域x4表示右大腿的上部。其他身体区域未在图形771中标记,并且也可能出现在身体的左侧。
[0266]
对于每个身体区域xx,记录多个不同的疼痛测量,并且可由患者或临床医生将其输入到gui中。例如,并且考虑身体区域x1,可以记录该区域是否存在疼痛(例如,否(0),是(1)),该区域的疼痛强度(例如,10中的3)、患者如何感知该区域的疼痛(例如,如灼痛(1)、麻木(2)、尖锐(3)等)。疼痛的类型也可以分类;例如,1可能表示scs可以很好治疗的神经性疼痛,而0可能表示源自scs可能无法很好治疗的其他机制(瘀伤、关节炎等)的疼痛。这样的疼痛信息770可以被输入到如示出的每个身体区域的gui中,从而产生疼痛矩阵p,其也可以被视为多个疼痛矢量,每个疼痛矢量包含关于患者在不同身体区域xx中的疼痛的信息。
[0267]
图39b示出了在gui处接收映射信息780,如先前提到的,其指示在拟合程序期间使用的刺激的有效性。(在拟合程序期间提供的刺激的细节关于图39c中的空间场信息790进
一步讨论)。映射信息780可以再次由身体区域xx指定,并且gui可以再次提供示出可以感觉到刺激效果的不同身体区域的图形或图像771。例如,并且考虑到身体区域x1,可以记录在该区域是否感觉到刺激(例如,否(0),是(1))、在该区域中感知的刺激强度(例如,10中的7)、以及患者感觉刺激“掩盖”了他们的疼痛的程度(例如,60%)。此外,映射信息760可以包括疼痛强度等级,其类似于先前在疼痛信息770中提供的疼痛强度,但是受刺激的影响;如果刺激治疗是有效的,则当与不存在刺激时在疼痛信息770期间接收到的疼痛强度相比时,可以预期在映射信息780中疼痛强度改善(或至少不恶化)。映射信息780还可以包括患者所感知的刺激感觉的表征。例如,患者可能报告刺激感觉像是持续的刺痛(1)、振动(2)、按摩(3)、轻压、脉动、扩散场等。
[0268]
其他映射信息760可以量化如患者所感知的刺激强度。例如,可以确定感觉异常阈值。如先前讨论的,该阈值(在算法400期间也是有用的)可以包括例如患者可以感知的刺激的最低幅度。类似地,映射信息780还可以包括不适阈值,其可以包括例如患者可以忍受的刺激的最大幅度。其他客观度量(诸如响应于刺激而记录的各种ecap特征)也可以被包括在映射信息780内。映射信息780可以产生映射矩阵m,其也可以被视为多个映射矢量,每个映射矢量包含表征不同身体区域xx中刺激的有效性的信息。
[0269]
图39c示出了在gui处接收空间场信息790和患者表型信息800。空间场信息790包括指示在拟合程序期间使用的刺激的信息,诸如这种刺激在患者的组织中创建的电场的形状、大小和位置,并且还可以包括指示施加刺激所处的生理位置的信息,如下文进一步讨论的。在这方面,请注意,在拟合程序期间,可以针对患者尝试不同类型的刺激,例如使用图5中所示出的gui方面。
[0270]
空间场信息790可以包括在拟合期间使用的脉冲类型。例如,gui可以接收以下指示:使用单相脉冲,随后跟着被动电荷恢复(0)、用于主动电荷恢复的双相脉冲(1)、具有附加被动电荷恢复的双相脉冲(2)等。此类脉冲类型先前已说明,并且还可以在gui处使用和接收其他脉冲类型。gui还可以接收关于用于提供刺激的极点配置的信息,包括配置中极点的数量和极性,诸如是否使用双极点(0;例如图6)、三极点(1;参见美国专利申请公开2019/0175915)、扩展双极点(2;例如,图7d)。空间场信息790还可包括关于极点配置的尺寸和它在组织中产生的电场的信息。例如,可以接收极点之间的焦距和/或由极点定义的面积(或在组织中产生的电场的估计面积)。
[0271]
一些空间场信息790的片段可以与生理坐标相关联,拟合算法740可以结合其他技术的使用来确定该生理坐标。生理坐标以共同的方式描述患者之间的生理位置,并参考共同的生理结构。例如,在scs应用中,坐标(0,0,0)可能对应于t10椎骨的中心,而(20,0,0)对应于t9椎骨的中心,并且(-20,0,0)对应于t11椎骨的中心。在这方面,生理坐标可能不一定指定实际尺寸;例如,较大患者的t10和t9之间的实际距离可能大于较小患者的相同距离。尽管如此,生理坐标通常描述一般的解剖位置。在scs应用中,电极阵列17的位置以及因此电极16的生理坐标相对于已知的物理结构通常是已知的,诸如通过使用示出患者阵列17/电极16相对于这种结构的位置的荧光镜成像技术。虽然未示出(例如在图5中),但此类生理结构(例如,不同的已知椎骨)可以叠加在电极阵列的图像上。取决于计算它们的方式,生理坐标可以是二维的(x,y),但也可以是三维的(x,y,z),并且如图39c中示出的。
[0272]
知道了患者体内解剖结构的位置、电极16相对于这种结构的生理坐标、以及在阵
列中形成极点配置的活跃电极,拟合算法740可以确定各种空间场参数的生理坐标。例如,知道了每个阳极极点和每个阴极极点处的电流允许拟合算法740确定对应于那些极点的位置的生理坐标,如先前提到的,其可能不对应于电极16的物理位置。注意,如前面描述的,了解这些极点的位置还可以允许计算焦距和场面积。
[0273]
阳极极点和阴极极点的生理坐标还允许确定一般地指示患者体内产生的电场的生理位置的更进一步的生理坐标。例如,刺激将导致在患者的组织中形成各种电压v,这些电压可以在三个维度上进行估计,特别是如果组织的电阻是已知的或可以测量的话。这继而允许将组织中的三维电场e确定为一阶空间导数,即e=dv/dx,以及二阶空间导数,d2v/dx2。指示这些导数中的任一个的位置的生理坐标对于拟合算法740考虑是有用的。如2019年5月17日提交的美国临时专利申请序列号62/849,642中说明的,虽然背柱中的纤维平行于脊髓的长轴x(即头尾方向)行进,但背角中的纤维可以在许多方向上定向,包括垂直于脊髓的长轴。背角纤维和背柱纤维对电刺激有不同的反应。背柱纤维的刺激强度(即去极化或超极化)由沿脊柱的纵轴(x)确定出的所谓“激活函数”d2v/dx2描述,这是因为传播通过刺激电极的背柱纤维更有可能沿轴突被激活。这部分是因为背柱纤维中的大型有髓轴突主要沿脊柱纵向排列。另一方面,在背角纤维和神经元中生成动作电位的可能性用dv/dx(也称为电场,e)更好地描述,这是因为一般地被限制在电极的正下方的背角纤维和神经元可能更有可能在树突和末梢做出响应。因此,背角“激活功能”不与二阶导数成正比,而是与沿纤维轴的电压的一阶导数成正比。
[0274]
这些激活函数的生理坐标可以包括由拟合算法740计算和使用的空间场信息790。特别地,并且如图39c中示出的,这些激活函数的最大值(maxdv/dt、maxd2v/dx2)可以在生理坐标处确定,如组织中的最大电压(最大v)。还可以在指示被募集的神经组织的体积的生理坐标处确定激活体积。参见例如usp8,606,360和9,792,412(讨论激活体积的计算)。激活体积的生理坐标可以包括该体积的中心点,诸如质心,或倾向于示出患者中激活体积的生理位置的任何其他坐标。
[0275]
提供各种相关场参数的生理坐标信息对于拟合算法740考虑可能是重要的。如刚刚描述的,这种生理坐标一般地指示在给定患者中提供刺激的生理位置,并且因此一般地指示患者疼痛的生理神经部位(参见例如298,图7a)。知道被拟合的患者的这种生理位置可能是有意义的,这是因为这可以允许拟合算法740确定优化的刺激参数420或420’中的最佳750。例如,训练数据810可以反映特定场参数(例如,最大d2v/dx2)何时位于或靠近特定生理坐标(例如,x7,y7,z7,对应于特定神经结构),更高频率的最佳的优化的刺激参数750可以是有保证的。相比之下,该参数在不同生理坐标(x11,y11,z11,对应于不同的神经结构)的位置可能建议使用更低频率的最佳的优化的刺激参数750。这可能会反映在训练数据810中。也就是说,训练数据810会从过去患者的历史中反映出,当使用更高频率刺激时,具有接近(x7,y7,z7)的场参数的患者反应更好,而当使用更低频率刺激时,具有接近(x11,y11,z11)的该场参数的患者反应更好。
[0276]
患者表型信息800包括关于患者的信息,诸如他们的性别、年龄、类型或患者疾病的指示、他们的疾病的持续时间、自患者接收到他们的植入物以来的持续时间。关于患者症状特别有问题的姿势和/或活动(简称姿势)的信息(例如,当坐着时(1)、当站立时(2)等)也可以被包括为患者表型信息800。虽然图39c中未示出,但gui可以包括允许输入所有有问题
的姿势的选项,这是因为可能不止一个。一起,表型信息800可以产生矢量y。
[0277]
如先前讨论的,不同的患者姿势或活动(简称姿势)也可以影响对给定患者最好的刺激,并因此选择优化的刺激参数420或420’中的最佳750。在这方面,图40示出了可以根据姿势接收拟合信息760。例如,可以在患者坐着时(例如,疼痛矩阵p1、映射矩阵m1、空间场矢量f1)、站立时(p2、m2、f2)、仰卧时(p3、m3、f3)等接收拟合信息760,这是因为对于这些姿势中的每个,拟合信息760可能不同。例如,患者在不同的姿势下可能会在不同的身体区域经历疼痛,或者可能会以不同的方式感知疼痛,从而导致具有不同信息的疼痛矩阵px。同样,刺激的有效性在不同姿势下可能会有所不同,从而产生具有不同信息的映射矩阵mx。此外,当处于不同姿势时使用的刺激可能不同,如不同空间场矢量fx所反映的。(相比之下,患者表型矢量y内的信息对于患者姿势是不可知论的,如图40所示出的)。
[0278]
这种拟合信息760——例如,疼痛矩阵p、映射矩阵m、空间场矢量f和/或表型矢量p、或每个内的信息的独立片段——对于拟合算法740接收和考虑是有用的,这是因为这样的信息可以暗示对给定患者最佳的刺激参数,并且尤其是已经为患者确定出的优化的刺激参数420或420’的最佳的刺激参数。经验将教导拟合信息760的哪些片段将包括最佳的优化的刺激参数750的最佳预测器,并且此类经验可反映在用于预测最佳的优化的刺激参数750的训练数据810(图38)中。
[0279]
例如,疼痛覆盖的百分比——映射矩阵m(图39b)内的拟合信息的片段——应该与最佳的优化的刺激参数750的频率或神经剂量很好地相关。如果刺激很好地覆盖了患者的疼痛(高百分比),意味着刺激很好地募集了患者的疼痛,则较低神经剂量或频率处的刺激可能是合适的,并且因此拟合算法740可以选择最佳的优化的刺激参数750中的一个或多个(例如,子集),其具有为患者确定出的优化的刺激参数420或420内的较低频率。相比之下,如果刺激不能很好地覆盖患者的疼痛(低百分比),则可以选择优化的刺激参数420或420’内较高神经剂量或频率处的刺激作为患者的最佳的优化的刺激参数750。像这样,当确定最佳的优化的刺激参数750时,训练数据810可以将高相关性归因于(例如,规定高权重)疼痛覆盖的百分比,或更一般地归因于映射矩阵m。
[0280]
图41a以流程图的形式示出了拟合算法740如何使用拟合信息760为患者确定最佳的优化的刺激参数750。应当注意,图41a仅提供了拟合算法740可以如何执行的简单示例以及如何将训练数据810应用于拟合信息760。如前面提到的,尽管本领域技术人员理解,训练数据810可以通过使用机器学习技术或其本质上复杂的其他统计技术来获得。
[0281]
在图41a中,训练数据810以权重wx的形式被应用于拟合信息760,其本质上分配了与拟合信息的每个片段的相关度。权重被示出为应用于疼痛矩阵p、映射矩阵m、空间场矢量f和表型矢量y。在所示出的示例中,权重应用于矩阵或矢量中的每个,并且在这方面,处理每个矩阵或矢量可能很有用,使得它们每个都由单个数字表示。尽管未示出,但应当理解,可以将权重应用于包括各种矩阵或矢量的信息的独立片段中的每个,并且因此拟合信息760不必包括信息的矩阵或矢量。此外,拟合算法740不必严格考虑所有疼痛信息(p)、映射信息(m)、空间场信息(f)和患者表型信息(y),这是因为在实际实施方式中,这些类别或其中信息中的一些可能不会被证明与选择最佳的优化的刺激参数750在统计上相关。
[0282]
优选地,将训练数据810应用到拟合信息760导致拟合变量j的确定。尽管未示出,但是拟合变量j可以具有与其相关联的方差或误差,这可由其中训练数据810操作的统计方
式产生。在这方面,拟合变量j可以包括单个变量或变量范围。拟合算法740可以使用拟合变量j来选择优化的刺激参数420或420’中的一个或多个最佳750。在一个示例中,拟合变量j可以与神经剂量相关。例如,j的高值可能对应于频率的高值,这是因为优化的刺激参数420或420’倾向于包括较高频率下的较高神经剂量。在图41b的底部图中,j的相对较高的值导致了选择最佳的优化的刺激参数750a的单点,例如频率为600hz、脉冲宽度约为150微秒并且幅度大约4ma的脉冲。可替选地,拟合变量j(其可以包括值的范围,或者可以与误差项相关联)可以导致选择以下最佳的优化的刺激参数750,其包括参数子集750b,诸如对应于与420或420’内的那些频率相关联的频率(例如,400到800hz)和脉冲宽度以及幅度的范围。相比之下,图41a的顶部示出了较低的j值如何导致了从具有较低频率并因此具有较低神经剂量的优化的刺激参数420或420’内选择最佳的优化的刺激参数750。
[0283]
当选择优化的刺激参数420或420’中的最佳750时,拟合算法740可以更定性地处理拟合变量j。在这方面,并且如图41c中示出的,拟合算法740可以将拟合变量j分类为类别,而不是将j确定为绝对数值。例如,j可以分类为“1”,指示应从优化的刺激参数420或420’中选择具有较低神经剂量的刺激参数。刚刚解释的这种较低剂量参数可以包括较低频率下的参数,并且因此拟合算法740可以为患者选择刺激参数的子集750x,包括处于较低频率(例如,100-200hz)的、并且脉冲宽度和幅度与420或420’内的那些频率一致的优化的刺激参数420或420’。类似地,j可以被分类为“2”或“3”,分别表明使用中等或更高的神经剂量,这可以导致选择合适的最佳刺激参数子集750y(例如,420或420’内的、具有200-400hz的中等范围频率的参数)或750z(例如,420或420’内的、具有400-1000hz的较高范围频率的参数)。如必要,则系统(例如,患者的ipg或相关的外部编程设备)可以将调整限制在这些确定出的子集750x-z内,类似于之前解释的内容。如前所述,与参数的子集相反,也可以通过拟合算法740来选择单个参数集。
[0284]
可替选地,就拟合信息760被确定为患者姿势x的函数而言,如较早在图40中描述的,拟合算法740可以确定对应于每个患者姿势x的拟合变量jx(例如,jl坐、j2站立等),其中使用特定于该姿势的拟合信息(或至少不特定于任何姿势的信息,诸如患者表型信息800)来确定每个拟合变量。例如,j1=w1*p1+w2*m1+w3*f1+w4*y,而j2=w5*p2+w6*m2+w7*f2+w4*y,等等。这些特定姿势的拟合变量jx中的每个可用于确定针对不同患者姿势的最佳的优化的刺激参数750。这可以是有用的,这是因为它允许在患者改变姿势时调整最佳的优化的刺激参数750。这类似于以上关于取决于当前检测到的患者姿势为患者选择不同子集425所描述的:当检测到新的患者姿势时,可以应用与检测到的姿势相关联的新的、最佳的优化的刺激参数750。
[0285]
优选地,当为该患者选择最佳的优化的刺激参数750时,拟合算法740使用该患者的先前确定出的优化的刺激参数420或420’。然而,这并不是严格必要的,并且图42示出了可替选的拟合算法740’。如前所述,可以将训练数据810应用于患者的拟合信息760以确定拟合变量j。然而,拟合变量j用于从通用模型830中为患者选择最佳的优化的刺激参数750。模型830可以不特定于提供拟合信息760的患者,并且可以表示优选刺激参数的通用建模,诸如基于经验数据注意到的那些以提供在更大的患者子集上的有益结果。模型830可以包括提供亚感知刺激的刺激参数的范围或体积,尽管这不是严格必要的,并且模型830还可以包括提供超感知刺激的刺激参数的范围或体积。例如,模型830可以包括先前关于图10a-图
13b讨论的区域100或关系98、参照图18讨论的模型390、或未来开发的并指示有益刺激参数的其他模型。即使拟合算法740’没有从被确定为对特定患者有用的优化的刺激参数420或420’中选择最佳的优化的刺激参数750,也预期着随着更多的患者被成功治疗,模型830和训练数据810也将随着时间推移而发展,以允许使用给定患者的拟合信息760为该患者预测的最佳的优化的刺激参数750。
[0286]
所公开技术的各个方面包括可在ipg或ets中、或在外部设备(诸如临床医生编程器或外部控制器)中实施以呈现和操作gui 64的过程,其可以用公式表示并且作为指令存储在与此类设备相关联的计算机可读介质中,诸如被存储在磁存储器、光学存储器、或固态存储器中。具有此类被存储指令的计算机可读介质也可以包括可由临床医生编程器或外部控制器读取的设备,诸如在记忆棒或可移动盘中,并且可以驻留在别处。例如,计算机可读介质可以与服务器或任何其他计算机设备相关联,因此允许经由例如因特网将指令下载到临床医生编程器系统或外部系统或者下载到ipg或ets。
[0287]
尽管已经示出和描述了本发明的特定实施例,但是应当理解,以上讨论并不旨在将本发明限制于这些实施例中。对本领域技术人员来说显而易见的是,在不脱离本发明的精神和范围的情况下可以进行各种改变和修改。因此,本发明旨在涵盖可能属于由权利要求所定义的本发明的精神和范围内的替代品、修改和等效物。