1.一种医疗先兆事件估计系统，包括：
非暂时性计算机可读存储介质，其与一个或多个处理器进行通信并且存储有指令，其中所述指令在由所述一个或多个处理器执行的情况下使所述一个或多个处理器进行包括以下的操作：
针对多个时间段，至少部分基于被检者的生理参数数据来计算与关联时间段内发生的所述被检者的潜在医疗事件相关联的事件估计风险评分。
2.根据权利要求1所述的医疗先兆事件估计系统，其中，所述生理参数数据包括ECG数据。
3.根据权利要求1所述的医疗先兆事件估计系统，其中，所述生理参数数据包括血压数据、心率数据、胸部阻抗数据、脉搏血氧水平数据、呼吸速率数据、心音数据、肺音数据和活动水平数据至少之一。
4.根据权利要求1所述的医疗先兆事件估计系统，其中，所述潜在医疗事件包括心脏事件。
5.根据权利要求4所述的医疗先兆事件估计系统，其中，所述心脏事件包括异位搏动、一连串异位搏动、室性心动过速、心动过缓、心脏停搏和T波异常至少之一。
6.根据权利要求1所述的医疗先兆事件估计系统，其中，所述潜在医疗事件包括多个医疗事件至少之一、医疗事件的速率增加和/或医疗事件的强度增加。
7.根据权利要求1所述的医疗先兆事件估计系统，其中，所述潜在医疗事件是在包括所述生理参数数据以及所述被检者的至少一个其它类型的生理参数数据和/或人口统计数据的多维参数空间中定义的。
8.根据权利要求1所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
至少部分基于所述生理参数数据来计算与关联时间段内所述被检者的所述潜在医疗事件相关联的多个不同的事件估计风险评分。
9.根据权利要求1所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
至少部分基于所述生理参数数据来计算与关联时间段内所述被检者的多个不同的潜在医疗事件相关联的多个不同的事件估计风险评分。
10.根据权利要求1所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：计算表示所述潜在医疗事件相对于至少一个其它潜在医疗事件的重要性的危急度评分。
11.根据权利要求1所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：计算包括关联时间段内发生所述潜在医疗事件的概率的置信度评分。
12.根据权利要求1所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
判断为关联时间段内所述事件估计风险评分满足一个或多个事件估计风险阈值；以及至少部分基于判断为满足的所述一个或多个事件估计风险阈值来确定针对所述潜在医疗事件的响应。
13.根据权利要求12所述的医疗先兆事件估计系统，其中，所确定的针对所述潜在医疗事件的响应包括以下内容至少之一：向所述被检者通知高级诊断；建议所述被检者不要移除设备；向所述被检者建议行为修正；向医疗专业人员发出警报；以及使装置准备进行治疗。
14.根据权利要求12所述的医疗先兆事件估计系统，其中，所述一个或多个事件估计风险阈值各自包括至少一个置信度阈值和至少一个危急度阈值，其中所述至少一个置信度阈值包括关联时间段内发生所述潜在医疗事件的所需概率，以及所述至少一个危急度阈值包括所述潜在医疗事件相对于至少一个其它潜在医疗事件的所需重要性。
15.根据权利要求12所述的医疗先兆事件估计系统，其中，所述一个或多个事件估计风险阈值包括关联时间段的多个不同的事件估计风险阈值。
16.根据权利要求12所述的医疗先兆事件估计系统，其中，第一时间段的一个或多个事件估计风险阈值不同于第二时间段的一个或多个事件估计风险阈值。
17.根据权利要求12所述的医疗先兆事件估计系统，其中，所确定的针对第一关联时间段内发生的所述被检者的所述潜在医疗事件的响应不同于所确定的针对第二关联时间段内发生的所述被检者的所述潜在医疗事件的响应。
18.根据权利要求1所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
判断为关联时间段内所述事件估计风险评分未能满足至少一个事件估计风险阈值；
接收所述被检者的附加数据；以及
至少部分基于所述生理参数数据和所述附加数据，来计算与关联时间段内发生的所述被检者的所述潜在医疗事件相关联的增强事件估计风险评分。
19.根据权利要求18所述的医疗先兆事件估计系统，其中，所述附加数据包括如下数据至少之一：所述被检者的图像数据；包含所述被检者的语音的音频数据；以及基于所述被检者的皮肤电反应的数据。
20.根据权利要求12所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
至少部分基于从多个患者收集到的历史患者数据来设置所述一个或多个事件估计风险阈值。
21.根据权利要求12所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
至少部分基于来自用户的输入来设置所述一个或多个事件估计风险阈值。
22.根据权利要求1所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
按周期性时间间隔来计算所述事件估计风险评分。
23.根据权利要求1所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
按动态的时间间隔来计算所述事件估计风险评分，其中所述动态的时间间隔的持续时间至少部分基于所述事件估计风险评分。
24.根据权利要求1所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
连续计算所述事件估计风险评分。
25.根据权利要求1所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：向所述生理参数数据应用逻辑回归模型以确定所述事件估计风险评分。
26.根据权利要求1所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：
至少部分基于所述生理参数数据来生成至少两个大致正交的向量；
对所述至少两个大致正交的向量进行处理以确定所述生理参数数据的循环轨迹；以及通过以下操作来识别轨迹分岔：
表征包括第一时间段内所获得的一个或多个循环轨迹的控制循环轨迹组；
表征包括所述第一时间段之后的第二时间段内所获得的一个或多个循环轨迹的测试循环轨迹组；
将所述控制循环轨迹组的表征值与所述测试循环轨迹组的表征值进行比较；
测量所述控制循环轨迹组和所述测试循环轨迹组之间的轨迹分岔程度；以及
至少部分基于所述轨迹分岔程度的测量值来计算所述事件估计风险评分。
27.根据权利要求1所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：
计算包括第一潜在医疗事件的第一危急度评分的第一事件估计风险评分；以及至少部分基于所述第一事件估计风险评分来计算包括第二潜在医疗事件的第二危急度评分的第二事件估计风险评分，其中所述第一危急度评分表示所述第一潜在医疗事件的重要性不同于所述第二潜在医疗事件的重要性。
28.根据权利要求1所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：
基于第一可电击节律检测算法来计算与关联时间段内发生的所述被检者的所述潜在医疗事件相关联的第一事件估计风险评分；以及
基于第二节律检测算法来计算与关联时间段内发生的所述被检者的所述潜在医疗事件相关联的第二事件估计风险评分，其中，对所述第二节律检测算法进行调整以实现与所述第一可电击节律检测算法相比针对所述生理参数数据的更高敏感性。
29.根据权利要求1所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：
向所述生理参数数据的不同时间段应用至少两个不同的节律检测算法。
30.根据权利要求1所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：
接收表示患者的存活力的数据；以及
至少部分基于所述患者的存活力来确定针对所述潜在医疗事件的响应。
31.根据权利要求1所述的医疗先兆事件估计系统，其中，还包括：
医疗装置，其包括被配置为感测所述被检者的所述生理参数数据的一个或多个传感器。
32.根据权利要求31所述的医疗先兆事件估计系统，其中，所述医疗装置包括可穿戴医疗装置，所述一个或多个传感器包括多个ECG传感器，所述被检者的所述生理参数数据包括ECG数据，以及所述潜在医疗事件包括心脏事件。
33.根据权利要求31所述的医疗先兆事件估计系统，其中，还包括：
通信网络，其被配置为将所述生理参数数据和所述事件估计风险评分至少之一从所述医疗装置通信至另一计算装置。
34.根据权利要求1所述的医疗先兆事件估计系统，其中，还包括：
显示器，用于显示多个时间段的所述事件估计风险评分的基于时间的视觉指示。
35.根据权利要求1所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
至少部分基于所述事件估计风险评分来确定针对所述潜在医疗事件的响应。
36.根据权利要求35所述的医疗先兆事件估计系统，其中，所确定的针对所述潜在医疗事件的响应包括向所述被检者提供用以联系医疗专业人员的指示。
37.根据权利要求35所述的医疗先兆事件估计系统，其中，还包括：
可穿戴医疗装置，其中，所确定的针对所述潜在医疗事件的响应包括向所述被检者提供用以检查所述可穿戴医疗装置的电池的指示。
38.根据权利要求35所述的医疗先兆事件估计系统，其中，还包括：
可穿戴医疗装置，其中，所确定的针对所述潜在医疗事件的响应包括对所述可穿戴医疗装置的电击机构进行充电。
39.根据权利要求35所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
至少部分基于所述事件估计风险评分的敏感性和特异性来确定针对所述潜在医疗事件的响应。
40.根据权利要求39所述的医疗先兆事件估计系统，其中，所确定的基于第一敏感性和第一特异性的响应不同于所确定的基于不同的第二敏感性和不同的第二特异性的响应。
41.根据权利要求40所述的医疗先兆事件估计系统，其中，所确定的针对所述潜在医疗事件的响应包括以下内容至少之一：向所述被检者通知高级诊断；建议所述被检者不要移除设备；向所述被检者建议行为修正；向医疗专业人员发出警报；以及使装置准备进行治疗。
42.根据权利要求35所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
基于所述被检者的风险水平来修改用于确定所述事件估计风险评分的算法的敏感性。
43.根据权利要求1所述的医疗先兆事件估计系统，其中，所述多个时间段包括小于约
10分钟的至少一个时间段、小于约1小时的至少一个时间段、小于约3小时的至少一个时间段、小于约1天的至少一个时间段、小于约1周的至少一个时间段和小于约1个月的至少一个时间段。
44.根据权利要求1所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：计算所述事件估计风险评分的置信带。
45.根据权利要求1所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：计算所述事件估计风险评分的误差带。
46.根据权利要求1所述的医疗先兆事件估计系统，其中，所述多个时间段包括小于4小时的多个时间段。
47.一种用于医疗先兆事件估计的方法，包括以下步骤：
利用一个或多个处理器来接收被检者的生理参数数据；以及
针对多个时间段，利用所述一个或多个处理器至少部分基于所述被检者的所述生理参数数据来计算与关联时间段内发生的所述被检者的潜在医疗事件相关联的事件估计风险评分。
48.根据权利要求47所述的方法，其中，所述生理参数数据包括ECG数据。
49.根据权利要求47所述的方法，其中，所述生理参数数据包括血压数据、心率数据、胸部阻抗数据、脉搏血氧水平数据、呼吸速率数据、心音数据、肺音数据和活动水平数据至少之一。
50.根据权利要求47所述的方法，其中，所述潜在医疗事件包括心脏事件。
51.根据权利要求50所述的方法，其中，所述心脏事件包括异位搏动、一连串异位搏动、室性心动过速、心动过缓、心脏停搏和T波异常至少之一。
52.根据权利要求47所述的方法，其中，所述潜在医疗事件包括多个医疗事件至少之一、医疗事件的速率增加和/或医疗事件的强度增加。
53.根据权利要求47所述的方法，其中，所述潜在医疗事件是在包括所述生理参数数据以及所述被检者的至少一个其它类型的生理参数数据和/或人口统计数据的多维参数空间中定义的。
54.根据权利要求47所述的方法，其中，还包括以下步骤：
利用所述一个或多个处理器，至少部分基于所述生理参数数据来计算与关联时间段内所述被检者的所述潜在医疗事件相关联的多个不同的事件估计风险评分。
55.根据权利要求47所述的方法，其中，还包括以下步骤：
利用所述一个或多个处理器，至少部分基于所述生理参数数据来计算与关联时间段内所述被检者的多个不同的潜在医疗事件相关联的多个不同的事件估计风险评分。
56.根据权利要求47所述的方法，其中，计算所述事件估计风险评分包括：计算表示所述潜在医疗事件相对于至少一个其它潜在医疗事件的重要性的危急度评分。
57.根据权利要求47所述的方法，其中，计算所述事件估计风险评分包括：计算包括关联时间段内发生所述潜在医疗事件的概率的置信度评分。
58.根据权利要求47所述的方法，其中，还包括以下步骤：
利用所述一个或多个处理器，判断为关联时间段内所述事件估计风险评分满足一个或多个事件估计风险阈值；以及
利用所述一个或多个处理器，至少部分基于判断为满足的所述一个或多个事件估计风险阈值来确定针对所述潜在医疗事件的响应。
59.根据权利要求58所述的方法，其中，所确定的针对所述潜在医疗事件的响应包括以下内容至少之一：向所述被检者通知高级诊断；建议所述被检者不要移除设备；向所述被检者建议行为修正；向医疗专业人员发出警报；以及使装置准备进行治疗。
60.根据权利要求58所述的方法，其中，所述一个或多个事件估计风险阈值各自包括至少一个置信度阈值和至少一个危急度阈值，其中所述至少一个置信度阈值包括关联时间段内发生所述潜在医疗事件的所需概率，以及所述至少一个危急度阈值包括所述潜在医疗事件相对于至少一个其它潜在医疗事件的所需重要性。
61.根据权利要求58所述的方法，其中，所述一个或多个事件估计风险阈值包括关联时间段的多个不同的事件估计风险阈值。
62.根据权利要求58所述的方法，其中，第一时间段的一个或多个事件估计风险阈值不同于第二时间段的一个或多个事件估计风险阈值。
63.根据权利要求58所述的方法，其中，所确定的针对第一关联时间段内发生的所述被检者的所述潜在医疗事件的响应不同于所确定的针对第二关联时间段内发生的所述被检者的所述潜在医疗事件的响应。
64.根据权利要求47所述的方法，其中，还包括以下步骤：
利用所述一个或多个处理器，判断为关联时间段内所述事件估计风险评分未能满足至少一个事件估计风险阈值；
利用所述一个或多个处理器，接收所述被检者的附加数据；以及
利用所述一个或多个处理器，至少部分基于所述生理参数数据和所述附加数据，来计算与关联时间段内发生的所述被检者的所述潜在医疗事件相关联的增强事件估计风险评分。
65.根据权利要求64所述的方法，其中，所述附加数据包括如下数据至少之一：所述被检者的图像数据；包含所述被检者的语音的音频数据；以及基于所述被检者的皮肤电反应的数据。
66.根据权利要求58所述的方法，其中，还包括以下步骤：
利用所述一个或多个处理器，至少部分基于从多个患者收集到的历史患者数据来设置所述一个或多个事件估计风险阈值。
67.根据权利要求58所述的方法，其中，还包括以下步骤：
利用所述一个或多个处理器，至少部分基于来自用户的输入来设置所述一个或多个事件估计风险阈值。
68.根据权利要求47所述的方法，其中，还包括以下步骤：
利用所述一个或多个处理器，按周期性时间间隔来计算所述事件估计风险评分。
69.根据权利要求47所述的方法，其中，还包括以下步骤：
利用所述一个或多个处理器，按动态的时间间隔来计算所述事件估计风险评分，其中所述动态的时间间隔的持续时间至少部分基于所述事件估计风险评分。
70.根据权利要求47所述的方法，其中，还包括以下步骤：
利用所述一个或多个处理器，连续计算所述事件估计风险评分。
71.根据权利要求47所述的方法，其中，计算所述事件估计风险评分包括：向所述生理参数数据应用逻辑回归模型以确定所述事件估计风险评分。
72.根据权利要求47所述的方法，其中，计算所述事件估计风险评分包括：
至少部分基于所述生理参数数据来生成至少两个大致正交的向量；
对所述至少两个大致正交的向量进行处理以确定所述生理参数数据的循环轨迹；以及通过以下操作来识别轨迹分岔：
表征包括第一时间段内所获得的一个或多个循环轨迹的控制循环轨迹组；
表征包括所述第一时间段之后的第二时间段内所获得的一个或多个循环轨迹的测试循环轨迹组；
将所述控制循环轨迹组的表征值与所述测试循环轨迹组的表征值进行比较；
测量所述控制循环轨迹组和所述测试循环轨迹组之间的轨迹分岔程度；以及
至少部分基于所述轨迹分岔程度的测量值来计算所述事件估计风险评分。
73.根据权利要求47所述的方法，其中，计算所述事件估计风险评分包括：
计算包括第一潜在医疗事件的第一危急度评分的第一事件估计风险评分；以及至少部分基于所述第一事件估计风险评分来计算包括第二潜在医疗事件的第二危急度评分的第二事件估计风险评分，其中所述第一危急度评分表示所述第一潜在医疗事件的重要性不同于所述第二潜在医疗事件的重要性。
74.根据权利要求47所述的方法，其中，计算所述事件估计风险评分包括：
基于第一可电击节律检测算法来计算与关联时间段内发生的所述被检者的所述潜在医疗事件相关联的第一事件估计风险评分；以及
基于第二节律检测算法来计算与关联时间段内发生的所述被检者的所述潜在医疗事件相关联的第二事件估计风险评分，其中，对所述第二节律检测算法进行调整以实现与所述第一可电击节律检测算法相比针对所述生理参数数据的更高敏感性。
75.根据权利要求47所述的方法，其中，计算所述事件估计风险评分包括：
向所述生理参数数据的不同时间段应用至少两个不同的节律检测算法。
76.根据权利要求47所述的方法，其中，计算所述事件估计风险评分包括：
接收表示患者的存活力的数据；以及
至少部分基于所述患者的存活力来确定针对所述潜在医疗事件的响应。
77.根据权利要求47所述的方法，其中，还包括以下步骤：
利用包括一个或多个传感器的医疗装置来感测所述被检者的所述生理参数数据。
78.根据权利要求47所述的方法，其中，所述医疗装置包括可穿戴医疗装置，所述一个或多个传感器包括多个ECG传感器，所述被检者的所述生理参数数据包括ECG数据，以及所述潜在医疗事件包括心脏事件。
79.根据权利要求47所述的方法，其中，还包括以下步骤：
利用通信网络来将所述生理参数数据和所述事件估计风险评分至少之一从所述医疗装置通信至另一计算装置。
80.根据权利要求47所述的方法，其中，还包括以下步骤：
利用所述一个或多个处理器所控制的显示器来显示多个时间段的所述事件估计风险评分的基于时间的视觉指示。
81.根据权利要求47所述的方法，其中，所述多个时间段包括小于4小时的多个时间段。
82.根据权利要求47所述的方法，其中，所述多个时间段包括小于约10分钟的至少一个时间段、小于约1小时的至少一个时间段、小于约3小时的至少一个时间段、小于约1天的至少一个时间段、小于约1周的至少一个时间段和小于约1个月的至少一个时间段。
83.根据权利要求47所述的方法，其中，计算所述事件估计风险评分包括：计算所述事件估计风险评分的置信带。
84.根据权利要求47所述的方法，其中，计算所述事件估计风险评分包括：计算所述事件估计风险评分的误差带。
85.根据权利要求47所述的方法，其中，还包括以下步骤：
至少部分基于所述事件估计风险评分来确定针对所述潜在医疗事件的响应。
86.根据权利要求85所述的方法，其中，所确定的针对所述潜在医疗事件的响应包括向所述被检者提供用以联系医疗专业人员的指示。
87.根据权利要求85所述的系统，其中，所确定的针对所述潜在医疗事件的响应包括向所述被检者提供用以检查可穿戴医疗装置的电池的指示。
88.根据权利要求85所述的系统，其中，所确定的针对所述潜在医疗事件的响应包括对可穿戴医疗装置的电击机构进行充电。
89.根据权利要求85所述的系统，其中，还包括以下步骤：
至少部分基于所述事件估计风险评分的敏感性和特异性来确定针对所述潜在医疗事件的响应。
90.根据权利要求89所述的系统，其中，所确定的基于第一敏感性和第一特异性的响应不同于所确定的基于不同的第二敏感性和不同的第二特异性的响应。
91.根据权利要求90所述的系统，其中，所确定的针对所述潜在医疗事件的响应包括以下内容至少之一：向所述被检者通知高级诊断；建议所述被检者不要移除设备；向所述被检者建议行为修正；向医疗专业人员发出警报；以及使装置准备进行治疗。
92.根据权利要求85所述的系统，其中，还包括以下步骤：
基于所述被检者的风险水平来修改用于确定所述事件估计风险评分的算法的敏感性。
93.一种医疗事件估计系统，包括：
至少一个非暂时性计算机可读存储介质，其与至少一个处理器进行通信并且存储有指令，所述指令在由所述至少一个处理器执行的情况下使所述至少一个处理器进行包括以下的操作：
接收包括被检者的生理参数数据的至少一个信号；以及
至少部分基于所述生理参数数据来计算与所述被检者的至少两个不同的潜在医疗事件相关联的潜在事件的时间估计值。
94.一种医疗事件估计系统，包括：
至少一个非暂时性计算机可读存储介质，其与至少一个处理器进行通信并且存储有指令，所述指令在由所述至少一个处理器执行的情况下使所述至少一个处理器进行包括以下的操作：
接收包括被检者的生理参数数据的至少一个信号；以及
至少部分基于所述生理参数数据来计算基于与所述被检者的至少两个不同的潜在医疗事件相关联的潜在事件的时间估计值的风险评分。
95.一种医疗事件估计系统，包括：
医疗装置，其被配置为测量被检者的生理参数数据，发送包括所述被检者的所述生理参数数据的信号，并且响应于多个不同的医疗事件来进行多个不同动作；以及至少一个非暂时性计算机可读存储介质，其与至少一个处理器进行通信并且存储有指令，所述指令在由所述至少一个处理器执行的情况下使所述至少一个处理器进行包括以下的操作：
接收包括所述被检者的所述生理参数数据的至少一个信号；
至少部分基于所述生理参数数据来计算基于与所述被检者的至少两个不同的潜在医疗事件相关联的潜在事件的时间估计值的风险评分；以及
至少部分基于所计算出的风险评分至少之一来控制所述医疗装置以进行所述多个不同动作中的至少一个动作。
96.一种用于医疗事件估计的方法，包括以下步骤：
利用医疗装置来测量被检者的生理参数数据；
利用所述医疗装置来发送包括所述被检者的所述生理参数数据的信号；
利用一个或多个处理器来接收包括所述被检者的所述生理参数数据的至少一个信号；
利用所述一个或多个处理器，至少部分基于所述生理参数数据来计算基于与所述被检者的至少两个不同的潜在医疗事件相关联的潜在事件的时间估计值的风险评分；以及利用所述医疗装置，至少部分基于所计算出的风险评分至少之一来进行多个不同动作中的至少一个动作。
97.一种医疗先兆事件估计系统，包括：
非暂时性计算机可读存储介质，其与一个或多个处理器进行通信并且存储有指令，所述指令在由所述一个或多个处理器执行的情况下使所述一个或多个处理器进行包括以下的操作：
至少部分基于被检者的生理参数信号来计算与关联时间段内发生的所述被检者的潜在医疗事件相关联的事件估计风险评分，其中计算所述事件估计风险评分包括：
从所述被检者的所述生理参数信号中提取多个生理测量值；
将所述多个生理测量值的至少一部分组合成多元参数信号；
向所述多元参数信号应用变点分析以确定至少一个变点；
确定所述至少一个变点相对于基线的距离；
向所述多元参数信号应用异常检测以确定至少一个异常评分；以及
至少部分基于至少一个所述距离和至少一个所述异常评分来确定所述事件估计风险评分。
98.根据权利要求97所述的医疗先兆事件估计系统，其中，所述生理参数信号包括所述被检者的ECG信号。
99.根据权利要求98所述的医疗先兆事件估计系统，其中，从所述ECG信号中所提取的所述多个生理测量值包括以下内容至少之一：心率、心率变异性、PVC负担或计数、活动、噪声量化、心房颤动、瞬时停顿、心率震荡、QRS高度、QRS宽度、形态的大小或形状的变化、余弦R-T、人工起搏、校正QT间隔、QT变异性、T波宽度、T波交替、T波变异性、ST段变化、早期复极化、晚电位、碎裂型QRS/HF含量和碎裂型T波/HF含量。
100.根据权利要求98所述的医疗先兆事件估计系统，其中，所述生理参数信号包括加速度计信号。
101.根据权利要求100所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：
至少部分基于所述加速度计信号来从所述ECG信号中去除一个或多个ECG信号伪影。
102.根据权利要求97所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：
针对所述多元参数信号的与所述至少一个变点相关联的至少一个间隔来计算所述多元参数信号的统计值；以及
确定至少一个所述统计值和所述基线的相应统计值之间的差。
103.根据权利要求97所述的医疗先兆事件估计系统，其中，应用所述异常检测包括：确定与所述多个生理参数测量值相对应的多个原始单参数输出。
104.根据权利要求97所述的医疗先兆事件估计系统，其中，所述异常检测包括神经网络，以及以所述多元参数信号的所述基线来训练所述神经网络。
105.根据权利要求97所述的医疗先兆事件估计系统，其中，至少部分基于至少一个所述距离和至少一个所述异常评分来确定所述事件估计风险评分包括：使用一个或多个机器学习处理来对至少一个所述距离和至少一个所述异常评分进行分类。
106.根据权利要求97所述的医疗先兆事件估计系统，其中，计算所述事件估计风险评分包括：
向所述多元参数信号应用变点分析以确定多个变点；
确定所述多个变点相对于基线的多个距离；
向所述多元参数信号应用异常检测，以确定与所述多个变点相对应的多个异常评分；
以及
基于所述多个距离和所述多个异常评分来针对所述多个变点确定所述事件估计风险评分。
107.根据权利要求97所述的医疗先兆事件估计系统，其中，还包括可穿戴医疗装置。
108.一种用于医疗先兆事件估计的方法，所述方法包括以下步骤：
利用一个或多个处理器，至少部分基于被检者的生理参数信号来计算与关联时间段内发生的所述被检者的潜在医疗事件相关联的事件估计风险评分，其中计算所述事件估计风险评分包括：
从所述被检者的所述生理参数信号中提取多个生理测量值；
将所述多个生理测量值的至少一部分组合成多元参数信号；
向所述多元参数信号应用变点分析以确定至少一个变点；
确定所述至少一个变点相对于基线的距离；
向所述多元参数信号应用异常检测以确定至少一个异常评分；以及
至少部分基于至少一个所述距离和至少一个所述异常评分来确定所述事件估计风险评分。
109.根据权利要求108所述的方法，其中，所述生理参数信号包括所述被检者的ECG信号。
110.根据权利要求109所述的方法，其中，从所述ECG信号中所提取的所述多个生理测量值包括以下内容至少之一：心率、心率变异性、PVC负担或计数、活动、噪声量化、心房颤动、瞬时停顿、心率震荡、QRS高度、QRS宽度、形态的大小或形状的变化、余弦R-T、人工起搏、校正QT间隔、QT变异性、T波宽度、T波交替、T波变异性、ST段变化、早期复极化、晚电位、碎裂型QRS/HF含量和碎裂型T波/HF含量。
111.根据权利要求109所述的方法，其中，所述生理参数信号包括加速度计信号。
112.根据权利要求111所述的方法，其中，计算所述事件估计风险评分包括：
至少部分基于所述加速度计信号来从所述ECG信号中去除一个或多个ECG信号伪影。
113.根据权利要求108所述的方法，其中，计算所述事件估计风险评分包括：
针对所述多元参数信号的与所述至少一个变点相关联的至少一个间隔来计算所述多元参数信号的统计值；以及
确定至少一个所述统计值和所述基线的相应统计值之间的差。
114.根据权利要求108所述的方法，其中，应用所述异常检测包括：确定与所述多个生理参数测量值相对应的多个原始单参数输出。
115.根据权利要求114所述的方法，其中，所述异常检测包括神经网络，以及以所述多元参数信号的所述基线来训练所述神经网络。
116.根据权利要求108所述的方法，其中，至少部分基于至少一个所述距离和至少一个所述异常评分来确定所述事件估计风险评分包括：使用一个或多个机器学习处理来对至少一个所述距离和至少一个所述异常评分进行分类。
117.根据权利要求108所述的方法，其中，计算所述事件估计风险评分包括：
向所述多元参数信号应用变点分析以确定多个变点；
确定所述多个变点相对于基线的多个距离；
向所述多元参数信号应用异常检测，以确定与所述多个变点相对应的多个异常评分；
以及
基于所述多个距离和所述多个异常评分来针对所述多个变点确定所述事件估计风险评分。
118.一种可穿戴医疗装置，其被配置为进行根据权利要求108所述的方法。
119.一种医疗先兆事件估计系统，包括：
非暂时性计算机可读存储介质，其与一个或多个处理器进行通信并且存储有指令，所述指令在由所述一个或多个处理器执行的情况下使所述一个或多个处理器进行包括以下的操作：
获取第一时间段内所接收到的并且至少部分基于被检者的第一ECG信号的所述被检者的第一生理信息集、以及第二时间段内所接收到的所述被检者的第二生理信息集；
基于将所述第一生理信息集和所述第二生理信息集应用于以训练度量进行训练的一个或多个机器学习分类器模型，来计算与估计所述被检者的潜在心律失常事件的风险相关联的第一风险评分和第二风险评分，其中所述训练度量包括以下至少之一：i)多个第一被检者的心脏电生理度量；以及ii)所述多个第一被检者的人口统计度量和病史度量至少之一，
其中，以多个第二被检者的验证度量来验证所述一个或多个机器学习分类器模型，以及基于所述验证来设置所述一个或多个机器学习分类器模型的一个或多个阈值；
至少提供与所述潜在心律失常事件相关联的所述第一风险评分和所述第二风险评分作为时变系列的风险评分；以及
基于所述一个或多个阈值来对与估计所述被检者的所述潜在心律失常事件的风险相关联的所述第一风险评分和所述第二风险评分进行分类。
120.根据权利要求119所述的医疗先兆事件估计系统，其中，所述一个或多个阈值至少包括高风险阈值和即时发生风险阈值，以及所述分类包括：针对所述第一风险评分和所述第二风险评分各自，
基于所述第一风险评分或所述第二风险评分超过所述高风险阈值，来将所述被检者的所述潜在心律失常事件的风险分类为高风险；以及
基于所述第一风险评分或所述第二风险评分超过所述即时发生风险阈值，来将所述被检者的所述潜在心律失常事件的风险分类为即时发生风险。
121.根据权利要求119所述的医疗先兆事件估计系统，其中，所述分类包括基于所述时变系列的风险评分的所述被检者的所述潜在心律失常事件的风险的时变分类。
122.根据权利要求119所述的医疗先兆事件估计系统，其中，所述分类包括调整所述一个或多个机器学习分类器模型的基础特异性，以降低所述被检者的所述潜在心律失常事件的风险的基础分类中的假阳性。
123.根据权利要求119所述的医疗先兆事件估计系统，其中，所述验证度量包括所述多个第二被检者的心脏电生理度量、人口统计度量和病史度量中的一个或多个。
124.根据权利要求119所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
通过以下操作至少之一来更新所述验证度量：1)调整所述验证度量中的一个或多个度量以及2)基于向所述多个第二被检者添加附加的一个或多个被检者来扩展所述验证度量；
以及
基于更新后的验证度量来细化所述一个或多个阈值。
125.根据权利要求119所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
通过以下操作至少之一来更新所述训练度量：1)调整所述训练度量中的一个或多个度量以及2)基于向所述多个第一被检者添加附加的一个或多个被检者来扩展所述训练度量；
以及
基于更新后的训练度量来重新训练所述一个或多个机器学习分类器模型。
126.根据权利要求119所述的医疗先兆事件估计系统，其中，所述多个第二被检者的验证度量独立于所述多个第一被检者的训练度量。
127.根据权利要求119所述的医疗先兆事件估计系统，其中，以所述验证度量来验证所述一个或多个机器学习分类器模型，以及所述验证度量包括所述验证度量的一个或多个基础验证度量中的异位搏动的存在与否的指示。
128.根据权利要求119所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
在所述第一时间段内所接收到的并且至少部分基于所述第一ECG信号的所述被检者的所述第一生理信息集中的正常搏动和异位搏动之间进行判别。
129.根据权利要求119所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括基于心率、心率变异性、非持续性室性心动过速(VT)发作次数和心室早发性收缩(PVC)计数至少之一的度量。
130.根据权利要求119所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括基于心率变异性的度量，以及基于心率变异性的度量包括正常间间隔的随时间经过的标准偏差。
131.根据权利要求119所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括基于QRS宽度、QRS高度、单导联QRS形态和双导联QRS形态至少之一的度量。
132.根据权利要求119所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括基于单导联QRS形态的度量，以及基于单导联QRS形态的度量包括侧向(SS)通道和前后(FB)通道各自上的相似度评分的随时间经过的平均值。
133.根据权利要求119所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括基于QRS宽度的度量，以及基于QRS宽度的度量包括QRS复合波的估计宽度的随时间经过的标准偏差和QRS复合波的估计宽度的随时间经过的均值至少之一。
134.根据权利要求119所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括基于QRS高度的度量，以及基于QRS高度的度量包括QRS复合波的估计高度的随时间经过的标准偏差。
135.根据权利要求119所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括基于以下内容至少之一的度量：QT变异性；ST压低、抬高和/或斜率；T波交替；T波变异性；以及双导联T波形态。
136.根据权利要求119所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括心音度量。
137.根据权利要求136所述的医疗先兆事件估计系统，其中，所述心音度量包括S3心音度量和S4心音度量。
138.根据权利要求119所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括机电激活时间度量，其中所述机电激活时间度量描述从心电图即ECG的第一预定基准时间点到心脏的后续机械活动的第二预定基准时间点的间隔。
139.根据权利要求138所述的医疗先兆事件估计系统，其中，所述ECG的所述第一预定基准时间点包括P波和QRS复合波的起点，其中P波和QRS复合波的起点包括与a)P波、b)Q波、c)R波和d)S波至少之一有关的时间点。
140.根据权利要求138所述的医疗先兆事件估计系统，其中，所述心脏的后续机械活动包括左心室室壁运动。
141.根据权利要求140所述的医疗先兆事件估计系统，其中，所述心脏的后续机械活动的所述第二预定基准时间点包括以下至少之一：a)最大左心室室壁运动的时间点；以及b)所述左心室室壁运动的松弛状态。
142.根据权利要求138所述的医疗先兆事件估计系统，其中，所述心脏的后续机械活动的所述第二预定基准时间点包括S1心音的峰值强度的时间点。
143.根据权利要求138所述的医疗先兆事件估计系统，其中，所述心脏的后续机械活动的所述第二预定基准时间点是基于所述心脏的超声测量值。
144.根据权利要求138所述的医疗先兆事件估计系统，其中，所述机电激活时间度量包括百分比机电激活时间度量。
145.根据权利要求119所述的医疗先兆事件估计系统，其中，所述分类包括计算所述时变系列的风险评分的标绘曲线下方的面积和所述时变系列的风险评分的均值至少之一。
146.根据权利要求119所述的医疗先兆事件估计系统，其中，基于所述第一风险评分和所述第二风险评分超过所述一个或多个阈值的量来对所述第一风险评分和所述第二风险评分进行分类。
147.根据权利要求119所述的医疗先兆事件估计系统，其中，基于所述时变系列的风险评分超过所述一个或多个阈值的次数来对所述第一风险评分和所述第二风险评分进行分类。
148.根据权利要求119所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
基于所述第一风险评分和所述第二风险评分的分类来通知所述被检者和第三方至少之一。
149.根据权利要求148所述的医疗先兆事件估计系统，其中，所述第一风险评分和所述第二风险评分的分类表示高风险和即时发生风险至少之一。
150.根据权利要求148所述的医疗先兆事件估计系统，其中，所述通知包括向所述被检者的医疗团队的至少一个成员发送通知。
151.根据权利要求119所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
基于所述第一风险评分和所述第二风险评分的分类来调整心脏事件的检测和所述心脏事件的治疗之间的时间间隔。
152.一种外部医疗装置，其包括根据权利要求1所述的医疗先兆事件估计系统，其中所述外部医疗装置被配置为监测所述被检者的心脏状况。
153.根据权利要求152所述的外部医疗装置，其中，所述外部医疗装置包括可穿戴医疗装置。
154.根据权利要求152所述的外部医疗装置，其中，所述一个或多个处理器进行包括以下的操作：
基于所述第一风险评分和所述第二风险评分的分类来修改所述外部医疗装置的用户接口的一个或多个功能或特征。
155.一种医疗先兆事件估计系统，包括：
非暂时性计算机可读存储介质，其与一个或多个处理器进行通信并且存储有指令，所述指令在由所述一个或多个处理器执行的情况下使所述一个或多个处理器进行包括以下的操作：
计算与被检者的潜在医疗事件相关联的事件估计风险评分，其中所述事件估计风险评分是基于机器学习分类器来计算的，其中以包括以下内容至少之一的训练度量来训练所述机器学习分类器：i)多个被检者的心脏电生理度量；以及ii)多个被检者的人口统计度量和病史度量至少之一。
156.根据权利要求155所述的医疗先兆事件估计系统，其中，基于独立于所述训练度量的验证度量来验证所述机器学习分类器，以及基于所述验证来设置所述机器学习分类器的至少一个阈值。
157.根据权利要求156所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
基于至少一个阈值来对所述事件估计风险评分进行分类。
158.根据权利要求156所述的医疗先兆事件估计系统，其中，所述至少一个阈值是基于大致连续更新的度量的登记而大致连续细化的。
159.根据权利要求155所述的医疗先兆事件估计系统，其中，所述一个或多个处理器进行包括以下的操作：
计算时间序列内的与所述被检者的所述潜在医疗事件相关联的多个事件估计风险评分；以及
分析所述多个事件估计风险评分，以确定所述时间序列内的与所述被检者的所述潜在医疗事件相关联的至少一个趋势。
160.根据权利要求156所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括心音度量。
161.根据权利要求160所述的医疗先兆事件估计系统，其中，所述心音度量包括S3心音度量和S4心音度量。
162.根据权利要求156所述的医疗先兆事件估计系统，其中，所述训练度量和所述验证度量至少之一包括机电激活时间度量，所述机电激活时间度量描述从心电图即ECG的第一预定基准时间点到心脏的后续机械活动的第二预定基准时间点的间隔。
163.根据权利要求162所述的医疗先兆事件估计系统，其中，所述ECG的所述第一预定基准时间点包括P波和QRS复合波的起点，其中P波和QRS复合波的起点包括与a)P波、b)Q波、c)R波和d)S波至少之一有关的时间点。
164.根据权利要求162所述的医疗先兆事件估计系统，其中，所述心脏的后续机械活动包括左心室室壁运动。
165.根据权利要求164所述的医疗先兆事件估计系统，其中，所述心脏的后续机械活动的所述第二预定基准时间点包括以下至少之一：a)最大左心室室壁运动的时间点；以及b)所述左心室室壁运动的松弛状态。
166.根据权利要求162所述的医疗先兆事件估计系统，其中，所述心脏的后续机械活动的所述第二预定基准时间点包括S1心音的峰值强度的时间点。
167.根据权利要求162所述的医疗先兆事件估计系统，其中，所述心脏的后续机械活动的所述第二预定基准时间点是基于所述心脏的超声测量值。
168.根据权利要求162所述的医疗先兆事件估计系统，其中，所述机电激活时间度量包括百分比机电激活时间度量。
169.一种医疗先兆事件估计方法，包括以下步骤：
获取第一时间段内所接收到的并且至少部分基于被检者的第一ECG信号的所述被检者的第一生理信息集、以及第二时间段内所接收到的所述被检者的第二生理信息集；
基于将所述第一生理信息集和所述第二生理信息集应用于以训练度量进行训练的一个或多个机器学习分类器模型，来计算与估计所述被检者的潜在心律失常事件的风险相关联的第一风险评分和第二风险评分，其中所述训练度量包括以下至少之一：i)多个第一被检者的心脏电生理度量；以及ii)所述多个第一被检者的人口统计度量和病史度量至少之一，
其中，以多个第二被检者的验证度量来验证所述一个或多个机器学习分类器模型，以及基于所述验证来设置所述一个或多个机器学习分类器模型的一个或多个阈值；
至少提供与所述潜在心律失常事件相关联的所述第一风险评分和所述第二风险评分作为时变系列的风险评分；以及
基于所述一个或多个阈值来对与估计所述被检者的所述潜在心律失常事件的风险相关联的所述第一风险评分和所述第二风险评分进行分类。
170.根据权利要求169所述的医疗先兆事件估计方法，其中，所述一个或多个阈值至少包括高风险阈值和即时发生风险阈值，以及所述分类包括：
针对所述第一风险评分和所述第二风险评分各自，
基于所述第一风险评分或所述第二风险评分超过所述高风险阈值，来将所述被检者的所述潜在心律失常事件的风险分类为高风险；以及
基于所述第一风险评分或所述第二风险评分超过所述即时发生风险阈值，来将所述被检者的所述潜在心律失常事件的风险分类为即时发生风险。
171.根据权利要求169所述的医疗先兆事件估计方法，其中，所述分类包括基于所述时变系列的风险评分的所述被检者的所述潜在心律失常事件的风险的时变分类。
172.根据权利要求169所述的医疗先兆事件估计方法，其中，所述分类包括调整所述一个或多个机器学习分类器模型的基础特异性，以降低所述被检者的所述潜在心律失常事件的风险的基础分类中的类型1错误(假阳性)。
173.根据权利要求169所述的医疗先兆事件估计方法，其中，所述验证度量包括所述多个第二被检者的心脏电生理度量、人口统计度量和病史度量中的一个或多个。
174.根据权利要求169所述的医疗先兆事件估计方法，其中，所述训练度量和所述验证度量至少之一包括心音度量。
175.根据权利要求169所述的医疗先兆事件估计方法，其中，所述心音度量包括S3心音度量和S4心音度量。