一种用于血液需求量预测方法以及血液动态库存预警系统与流程

本发明涉及医疗技术领域，尤其涉及采供血、输血方面的一种用于血液需求量预测方法以及血液动态库存预警系统。

背景技术：

我国血液采集量各地区分布严重不平衡。东部、中部和西部地区差异明显。一线城市及大多数省会城市血液供求矛盾突出。血液采集量少，再加上临床血液需求高，目前的血液短缺问题对我国的血液供应和公共健康提出了严重挑战。面对血液采集量和使用量都无法预知的实际困难，血液库存无法根据患者需求进行有效预测及调整。

现有技术中，临床医生采用的确定患者是否用血的技术手段一般有：多因素风险评分来预测患者是否需要术中输血；利用回归分析、逻辑分析、分类和回归树分析等传统统计技术预测是否有血液需求。采供血机构只能通过历史数据分析来制定采血计划。在血液短缺时，临床医生不得不主动减少血液用量或者采用自体输血等方式来缓解血液短缺的问题；在血液供应充足时，采取冰冻保存的方式储存一部分血液，以应对季节性短缺。现有技术中存在如下技术问题需要解决：

a由于冰冻血液成分制备技术及成本限制，只能解决少数稀有血型血液供应短缺的问题；

b自体输血只能解决少部分择期手术患者的用血需求；

c缺乏计划的随机补充血液库存方式极易导致血液供需的不对称；

d回归分析、逻辑分析、分类和回归树分析等传统统计技术预测是否有血液需求的准确性尚无法满足实际需求。

技术实现要素：

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的技术方案。本发明的一个方面，提供了一种用于血液需求量预测方法，该方法包括：

从历史用户数据集中获取原始特征，将原始特征通过梯度提升决策树gbdt算法进行训练得到对应的组合特征，或者利用梯度提升决策树算法重构更加有效的特征；

把原始特征和组合特征或者新特征一起进行模型训练，根据特征的分布特性、相关特性以及重要性从多个特征中提取适合表征单用户输血量的特征参数集来训练输血量预测模型；

根据当前住院患者输血相关信息、输血量预测模型，确定患者个体的输血量。

可选的，该方法还包括：

以预定科室的历史血液用量历史信息作为输入，形成按时间排列的离散值构成的曲线；

判断曲线是否出现波动，如果出现波动，则使用多阶差分进行平稳化调整，直到曲线稳定差分参数为零；

根据平滑的时间序列信息建立自回归移动平均时序模型，并确定阶数；

根据各科室的历史用血信息对所述模型参数进行估计和检测；

根据所建立的模型以及参数，当前预定科室患者对应的输血信息对一段时间内的输血量进行预测。

可选的，当前患者输血信息包括输血时间信息。

可选的，分别以历史的手术用血、治疗用血的输注量历史信息作为输入，结合时间信息，建立第一时序模型、第二时序模型，根据所述第一时序模型、第二时序模型确定未来几天的供血量。

可选的，将各个患者个体的输血量进行累加，再将累加的结果与预定科室预测的输血量进行求和，确定未来几天内的用血需求量；

根据所述用血需求量与供血量建立血液库存预警模型；

根据当前求和的用血液需求量量、血液库存预警模型进行库存血量预警。

本发明还提供一种血液动态库存预警系统，该系统包括：

单体特征构建模块，用于从历史用户数据集中获取原始特征，将原始特征通过梯度提升决策树gbdt算法进行训练得到对应的组合特征，或者利用梯度提升决策树算法重构更加有效的特征；

单体输血量预测模型模块，用于把原始特征和组合特征或者新特征一起进行模型训练，根据特征的分布特性、相关特性以及重要性从多个特征中提取适合表征单用户输血量的特征参数集来训练输血量预测模型；

第一输血量计算模块，根据当前患者输血相关信息、输血量预测模型，确定患者个体的输血量。

可选的，该系统还包括：

科室特征构建模块，用于以预定科室的血液用量历史信息作为输入，形成按时间排列的离散值构成的曲线；判断曲线是否出现波动，如果出现波动，则使用多阶差分进行平稳化调整，直到曲线稳定差分参数为零；

科室输血模型模块，用于根据平滑的时间序列信息建立自回归移动平均时序模型，并确定阶数；

模型自适应单元，用于根据各科室的历史信息对所述模型参数进行估计和检测；

第二输血量计算模块，用于根据所建立的模型以及参数，当前预定科室患者对应的输血信息对一段时间内的输血量进行预测。

可选的，当前患者输血信息包括输血时间信息。

可选的，该系统还包括供血模型模块，用于分别以历史的手术用血、治疗用血的输注量历史信息作为输入，结合时间信息，建立第一时序模型、第二时序模型，根据所述第一时序模型、第二时序模型确定未来几天的供血量。

可选的，该系统还包括总血量确定模块，用于将各个患者个体的输血量进行累加，再将累加的结果与预定科室预测的输血量进行求和，确定未来几天内的用血需求量；

血液库存预警模型模块，用于根据所述用血需求量与供血量建立血液库存预警模型；

实时预警模块，用于根据当前求和的输血液需求量量、血液库存预警模型进行库存血量预警。

本申请实施例中提供的技术方案，至少具有如下技术效果或优点：根据在院患者的个体信息，帮助采供血机构多维度掌握用血需求情况，精确调整库存情况，实现采供血机构与医疗机构的血液库存信息透明化，提前掌握供求关系，避免血液浪费。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清晰明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明提出的单体预测输血量的方法的流程图；

图2示出了根据本发明提出的利用时间序列模型对科室整体进行输血量预测的流程图；

图3示出了基于前述输血总量预测、供血量预测建立红细胞血液动态库存预警模型并进行库存量预测的流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明的一个方面，提供了一种用于血液需求量预测方法，如图1所示，该方法包括：

s1.从历史用户数据集中获取原始特征，将原始特征通过梯度提升决策树gbdt算法进行训练得到对应的组合特征，或者利用梯度提升决策树算法重构更加有效的特征；

s2.把原始特征和组合特征或者新特征一起进行模型训练，根据特征的分布特性、相关特性以及重要性从多个特征中提取适合表征单用户输血量的特征参数集来训练输血量预测模型；

s3.根据当前患者输血相关信息、输血量预测模型，确定患者个体的输血量。

从历史用户数据集中获取原始特征，将原始特征通过梯度提升决策树(gbdt)算法进行训练得到对应的组合特征，或者利用梯度提升决策树算法重构更加有效的特征。比如，在内科输血前进行检查血常规、血气、凝血、生化、生命体征，患者在内科输血后的血常规等，患者在内科就诊过程中的诊断数据训练梯度提升决策树模型，然后利用梯度提升决策树模型学习到的树构造新特征，该新特征向量的长度等于梯度提升决策树模型中所有树包含的叶子结点树之和。把原始特征和新特征一起进行模型训练，根据特征的分布特性、相关特性以及重要性从多个特征中提取适合表征单用户输血量的特征参数集来训练输血量预测模型，从而使得模型泛化能力更强，减少过拟合。在训练模型时，有些数据对于模型的优化和验证非常有帮助。在临床实际应用中，可以提前获取到一些用血申请数据，而输血申请量和实际用血量往往又存在差异。比如择期手术会提前1-3天提出用血申请，且为了预防术中的突发事件，往往申请量高于实际用血量，而内科患者用血多是根据患者症状决定申请量，可能为申请当天即输注，申请量与使用量差异不大。这些申请数据与实际用量有利于对模型进行优化和准确性验证。

在训练模型后，基于该模型，可预测每个患者(外科手术、内科治疗)未来1，2，3，7天红细胞输注需求量，累加所有患者的预测值，可以得到未来1,2,3,7天的总红细胞需求量作为该科室用血需求总量。

如在外科建立围手术期精准输血模型，输入特征变量为单个患者手术的信息，包括基本信息，生命体征，实验室检验信息，手术信息，主要诊断，既往病史内容；使用决策树算法(如梯度提升决策树)对术中输血值做预测；将外科1,2,3,7天所有患者的预测输血值求和作为外科的用血需求总量。例如一个做双髋关节置换术的患者，我们通过纳入患者的年龄，性别，身高，体重，术前的血红蛋白，凝血功能，手术医师，是否有糖尿病、高血压等伴随疾病等一系列信息，可以预测出该患者的手术输血量。

在内科建立精准输血模型，内科患者往往根据不同病因需要长时间多次输血，此时输入特征变量多关注患者近期内的贫血状态和疾病类型等信息；使用决策树算法(如梯度提升决策树)分别预测该患者1,2,3,7天输血值，累加不同患者1,2,3,7天的总红细胞需求量作为内科的用血需求总量。对于内科输血患者，主要由内科造血功能障碍患者，消化道出血患者，术前贫血纠正患者，术后贫血纠正患者构成。这些患者的共同特征是会多次输血，每次输注1-2u，第二天通过检查血常规再根据血红蛋白决定是否输注。例如对一个造血功能障碍的患者，通过纳入其基本信息、当前血红蛋白及其他实验室检验、之前是否输过血，以及上次输血后血红蛋白的变化情况、是否有直抗阳性等信息，来预测其接下来1，2，3，7天的用血总量。

但是，有些科室，比如急诊科室，急诊患者输血来源多是车祸等意外事故失血过多急需输血或急需手术输血，患者数量具有随机性，无法对每个患者去预测输血量，所以需要直接预测该科室全部患者的输血需求量。将急诊科历史上每天的红细胞需求总量带入自回归移动平均时间序列模型中，预测未来一段时间所需输注的红细胞总量和平均每天血液用量。自回归移动平均模型是基于血液用量的历史信息作为输入值，预测未来一段时间所需的红细胞体积。流程分为4步，第1步进行序列平稳化，从离散的输入特征中观察曲线的波动情况，如果曲线存在不稳定现象，使用多阶差分进行平稳化调整，如果曲线稳定差分参数设为零；第2步进行模型识别，通过自相关和偏相关函数建立基于aic和bic标准的识别模型和阶数，使用特定模型拟合估计需要分析的时间序列信息；第3步进行模型参数估计和检测，参数估计是在模型识别阶段对参数进行估计和假设检验确定模型选取的有效性，调节参数进行模型适应性检验，当模型结果不理想时返回第2步重新选定新的模型；第4步进行模型预测，以急诊科为例，使用急诊科红细胞输血量的历史信息、患者对应的输血时间等因素带入自回归移动平均时序模型中，预测未来一段时间所需的红细胞输注信息。

通过统计预定科室血液用量历史信息，反映未来一段时间红细胞的使用趋势；时间因素，考虑周一至周日的历史血液用量作为预测未来一段时间血液用量预测结果；当接近假期时，操作方案存在提前或延迟安排情况，操作量的变化会直接影响红细胞量的需求量，因此将假期时间因素作为输入值加入到预测模型中；平均血液用量代表该科室红细胞输注的相对值，是判断未来一段时间血液用量是否密集的指标，同时表征近期红细胞使用的频率。

在本发明中，对所有急诊及住院患者预测任一时刻开始，当下未来1、2、3、7天红细胞的需求量，包含每个病种、每个科室、每个血型的需求量。建立时间序列模型，智能化动态预测需求总量。

如图2所示，本发明对科室整体输血量进行预测，通过下列流程实现：

s21.以预定科室的历史血液用量历史信息作为输入，形成按时间排列的离散值构成的曲线；

s22.判断曲线是否出现波动，如果出现波动，则使用多阶差分进行平稳化调整，直到曲线稳定差分参数为零；

s23.根据平滑的时间序列信息建立自回归移动平均时序模型，并确定阶数；

s24根据各科室的历史信息对所述模型参数进行估计和检测；

s25.根据所建立的模型以及参数，当前预定科室患者对应的输血信息对一段时间内的输血量进行预测。当前患者输血信息包括输血时的时间信息。

不管是针对科室内单体进行输血量预测、还是进行科室整体的输血量预测，算法均基于历史用血量信息，并纳入了时间(包括星期几、节假日)的均线差异和波动因素，申请用血目的(包括手术用血或内外科治疗用血)，申请时间及用血时间，将这些影响每天用血量的因素代入模型预测未来一段时间内每天红细胞用血量。

1)红细胞用血量统计：各科室(病区)不同红细胞用血量可被视为内因，通过统计历史各科室红细胞用血量，可反映未来时间内不同科室(病区)的红细胞用血量概况。

2)时间因素，是指取历史周一、周二…的均值用来反映未来每周周一、周二、…的用血情况。

3)节假日与工作日因素，例如临近假期，手术会提前安排或者延后安排，节假日手术量下降，都会影响当天的用血量。

4)申请用血目的，由于手术用血或内外科治疗的用血规律不同，分别将其纳入模型影响预测。

5)申请时间及计划用血时间。

利用这些当前输血的相关信息，可对预测模型进行参数方面的调整，便于准确地预测输血量。

为了满足输血需求，需要进行血液供应。如何确定需要采购或者采集的血液量是个技术问题，在本发明中，根据以往血液采购量或者采集量的数据积累，构建血液采集或者外购量的时间序列模型，预测任一时刻开始，未来1、2、3、7天红细胞的供应量，具体，将输血科采集和外购红细胞一周的历史信息、对应时间以及一周内各科室红细胞总用量，平均每天红细胞用量等因素带入自回归移动平均时间序列模型中，预测未来一周所需采集和外购的红细胞总量。

将所有输血申请按照输血目的，拆分成治疗用血和手术用血分别统计，可以发现手术用血和治疗用血呈现不同的规律，手术用血和治疗用血均受季节和公共假期影响，手术用血在工作日和周末差别较大，而治疗目的用血基本稳定在100单位/天左右，受周末影响小。因此在利用自回归移动平均时间序列模型中，对手术和治疗用输血申请分别建立时序模型，即分别以历史的手术用血、治疗用血的输注量历史信息作为输入，结合时间信息，建立第一时序模型、第二时序模型，根据所述第一时序模型、第二时序模型确定未来几天的供血量。

如图3所示，根据前面预测的科室中各个体输血量确定科室总输血量，即将各个患者个体的输血量进行累加，再将累加的结果与预定科室预测的输血量进行求和，确定未来几天内的总输血量；

前面已经说明，根据第一时序模型(手术用血)、第二时序模型(治疗用血)确定未来几天的供血量，根据所述总输血量与供血量建立血液库存预警模型；根据当前用血需求与所述血液库存预警模型进行库存血量预警。

本发明还提供一种血液动态库存预警系统，该系统包括：

单体特征构建模块，用于从历史用户数据集中获取原始特征，将原始特征通过梯度提升决策树gbdt算法进行训练得到对应的组合特征，或者利用梯度提升决策树算法重构更加有效的特征；

单体输血量预测模型模块，用于把原始特征和组合特征或者新特征一起进行模型训练，根据特征的分布特性、相关特性以及重要性从多个特征中提取适合表征单用户输血量的特征参数集来训练输血量预测模型；

第一输血量计算模块，根据当前患者输血信息、输血量预测模型，确定患者个体的输血量。

该系统还包括：

科室特征构建模块，用于以预定科室的历史血液用量历史信息作为输入，形成按时间排列的离散值构成的曲线；判断曲线是否出现波动，如果出现波动，则使用多阶差分进行平稳化调整，直到曲线稳定差分参数为零；

科室输血模型模块，用于根据平滑的时间序列信息建立自回归移动平均时序模型，并确定阶数；

模型自适应单元，用于根据各科室的历史信息对所述模型参数进行估计和检测；

第二输血量计算模块，用于根据所建立的模型以及参数，当前预定科室患者对应的输血信息对一段时间内的输血量进行预测，当前患者输血信息包括输血时间信息。

该系统还包括供血模型模块，用于分别以历史的手术用血、治疗用血的输注量历史信息作为输入，结合时间信息，建立第一时序模型、第二时序模型，根据所述第一时序模型、第二时序模型确定未来几天的供血量。

该系统还包括总血量确定模块，用于将各个患者个体的输血量进行累加，再将累加的结果与预定科室预测的输血量进行求和，确定未来几天内的用血需求量；

血液库存预警模型模块，用于根据所述用血需求量与供血量建立血液库存预警模型；

实时预警模块，用于根据当前求和的输血液需求量量、血液库存预警模型进行库存血量预警。

本申请实施例中提供的技术方案，至少具有如下技术效果或优点：根据在院患者的个体信息，帮助采供血机构多维度掌握用血需求情况，精确调整库存情况，实现采、供血机构的透明化，提前掌握供应、需求，避免血液浪费。将时间序列模型应用于血液的库存管理，对所有急诊及住院患者，预测任一时刻开始，当下未来1、2、3、7天红细胞的需求量及采集或外购量。随患者出入院周转及血液采集、发放的动态变化，输血科了解每个患者、每个病种、每个科室、每个血型的需求量，对血液的使用随时监管并及时补充库存。医院和血液中心可了解血液库存的动态变化，提前采取措施调配血液，有效保障各患者、科室、医院、血站、地区的血液供需平衡。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。