本发明涉及智能医疗领域,更具体地,涉及一种心源性休克临床决策支持的系统、设备、计算机可读存储介质及其应用。
背景技术:
1、心源性休克(cardiogenic shock)是一种危及生命的病理状态,由于心脏功能严重受损,无法维持足够的血液循环,引起全身血流动力学衰竭和器官供血不足。其临床表现为血压下降,心率加快,皮肤苍白,冷汗等,严重时可导致多器官功能衰竭。根据心源性休克的病程,可将其分为a期、b期、c期、d期和e期五个阶段,a期(风险期):患者未出现心源性休克症状或体征,但存在进展为心源性休克的风险;b期(开始期/休克前期/代偿性休克期):患者可能出现血压相对降低或心动过速,但无低灌注临床证据;c期(典型期):患者表现为低灌注,为恢复灌注需给予除容量复苏外的其他干预,如正性肌力药、升压药、机械支持;d期(恶化期):患者接受了系列治疗但病情仍未稳定、趋于恶化,需要进一步治疗;e期(终末期):患者出现循环衰竭,经常在进行心肺复苏时出现顽固性心脏骤停,或者正在接受多种同时进行的急性干预措施,包括ecmo辅助的心肺复苏。
2、心源性休克的治疗方案主要包括药物治疗、机械支持和手术治疗。药物治疗包括升压药、正性肌力药和利尿剂等;机械支持包括主动脉内球囊反搏(intra-aortic balloonpump, iabp)、体外膜氧合(extracorporeal membrane oxygenation, ecmo)、左心室辅助装置(left ventricular assist device, lvad)等;手术治疗主要是介入治疗和外科手术。其中,药物治疗可能存在药物耐受性、副作用等问题;机械支持设备存在着使用限制、并发症等问题;手术治疗需要考虑病情和手术风险等因素。
技术实现思路
1、本发明方法基于患者临床特征和/或代谢组学特征,判断患者心源性休克所处时期,并给予对应时期的治疗方案,辅助医生做出临床决策,为患者生命健康保驾护航。
2、本发明公开一种心源性休克临床决策支持系统,包括:
3、获取单元,用于获取患者心源性休克分期诊断结果,所述分期诊断结果为c期、d期或e期;
4、决策单元,用于基于所述分期诊断结果选择治疗方案:当分期诊断结果为c期时,给予一种升压强心药物治疗或机械支持治疗;当分期诊断结果为d期时,给予一种升压强心药物治疗和机械支持治疗;当分期诊断结果为e期时,给予两种以上升压强心药物治疗和机械支持治疗。
5、进一步,所述升压强心药物包括升压药物和强心药物,所述升压药物包括下列中的一种或几种:多巴胺、去甲肾上腺素、肾上腺素、去氧肾上腺素、加压素;所述强心药物包括下列中的一种或几种:多巴酚丁胺、异丙肾上腺素、米力农、依诺昔酮、左西孟旦;所述机械支持治疗包括下列中的一种或几种:iabp、ecmo、tandem heart和impella。
6、进一步,所述分期结果是将患者临床特征和/或代谢组学特征输入分类器中,得到分类结果,所述分类结果为c期、d期或e期。
7、进一步,所述患者临床特征是基于患者的人口统计学信息、实验室检验检查报告、医嘱记录、病程记录和护理记录中提取得到的;所述患者代谢组学特征是基于患者与心源性休克相关的代谢物水平提取得到的,所述代谢物包括下列中的一种或几种:尿素氮、肌酐、乳酸、转氨酶、肌酸磷酸激酶、肌酸激酶同工酶、肌钙蛋白i、肌钙蛋白t。
8、进一步,所述分类器为分类模型,所述分类模型的构建方法为:
9、获取患者数据集,所述数据集包括患者临床信息和/或代谢物水平以及患者处于c期、d期或e期的分类标签;
10、对所述临床信息和遗传信息进行特征提取,将所述临床信息特征和/或遗传信息特征输入机器学习模型进行模型构建,得到初步分类结果,将所述初步分类结果与所述分类标签比对,生成损失函数,基于损失函数优化机器学习模型,得到训练好的多分类模型。
11、进一步,所述特征提取采用下列方法中的一种或几种模型:vgg、inception、xception、alexnet、zf_net、resnet、resnext、resnest。
12、进一步,所述机器学习模型可采用下列多分类模型中的一种或几种:knn、决策树、随机森林、svm、逻辑回归、gbdt、xgboost、ensemble-boosting、ensemble-bagging。
13、进一步,当分期诊断结果为d或e期时,获取患者外周血单核细胞样本的遗传信息,提取所述细胞样本的遗传特征,基于所述遗传特征判断患者是否给予ecmo治疗。
14、一种心源性休克临床决策支持设备,包括:存储器和处理器;
15、所述存储器用于存储程序指令;
16、所述处理器用于调用程序指令,当程序指令被执行时,用于执行以下心源性休克临床决策支持方法,包括:
17、获取患者心源性休克分期诊断结果,所述分期诊断结果为c期、d期或e期;
18、基于所述分期诊断结果选择治疗方案:当分期诊断结果为c期时,给予一种升压强心药物治疗或机械支持治疗;当分期诊断结果为d期时,给予一种升压强心药物治疗和机械支持治疗;当分期诊断结果为e期时,给予两种以上升压强心药物治疗和机械支持治疗。
19、一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的心源性休克临床决策支持设备中的心源性休克临床决策支持方法。
20、本发明的优点:
21、1.本申请考虑治疗方案选择的临床需求,创造性的提出一种心源性休克临床决策支持系统,该系统可以获取患者心源性休克分期诊断结果,根据分期诊断结果的不同提供相应的治疗方案,辅助医生做出治疗决策,进一步,当患者处于d期时,给予iabp 结合 1种药物的治疗方法,当患者处于e期时,给予iabp 结合 2种及以上药物的治疗方法;
22、2.本申请将患者的临床特征和代谢组学特征输入机器学习模型进行分类模型构建,根据该分类模型预测患者的心源性休克的进展阶段,辅助医生确定患者的临床分期;
23、3.本申请创新性的基于患者8个基因中任意一种或几种的表达水平,判断诊断结果处于d期或e期的患者是否给予ecmo治疗,根据所述8个基因表达差异的预测结果,为患者是否采取进一步的ecmo治疗措施提供基于分子诊断的评估结果,辅助医生诊断病情和确定治疗方案,帮助患者及其家属了解ecmo治疗前后的病情。
1.一种心源性休克临床决策支持系统,其特征在于,所述系统包括:
2.根据权利要求1所述的心源性休克临床决策支持系统,其特征在于,所述升压强心药物包括升压药物和强心药物,所述升压药物包括下列中的一种或几种:多巴胺、去甲肾上腺素、肾上腺素、去氧肾上腺素、加压素;所述强心药物包括下列中的一种或几种:多巴酚丁胺、异丙肾上腺素、米力农、依诺昔酮、左西孟旦;所述机械支持治疗包括下列中的一种或几种:iabp、ecmo、tandemheart和impella。
3.根据权利要求1所述的心源性休克临床决策支持系统,其特征在于,所述分期诊断结果是将患者临床特征和/或代谢组学特征输入分类器中,得到分类结果,所述分类结果为c期、d期或e期。
4.根据权利要求3所述的心源性休克临床决策支持系统,其特征在于,所述患者临床特征是基于患者的临床信息提取得到的;所述患者代谢组学特征是基于患者与心源性休克相关的代谢物水平提取得到的,所述代谢物包括下列中的一种或几种:尿素氮、肌酐、乳酸、转氨酶、肌酸磷酸激酶、肌酸激酶同工酶、肌钙蛋白i、肌钙蛋白t。
5.根据权利要求3所述的心源性休克临床决策支持系统,其特征在于,所述分类器为分类模型,所述分类模型的构建方法为:
6.根据权利要求5所述的心源性休克临床决策支持系统,其特征在于,所述特征提取采用下列方法中的一种或几种机器学习模型:vgg、inception、xception、alexnet、zf_net、resnet、resnext、resnest。
7.根据权利要求5所述的心源性休克临床决策支持系统,其特征在于,所述机器学习模型可采用下列多分类模型中的一种或几种:knn、决策树、随机森林、svm、逻辑回归、gbdt、xgboost、ensemble-boosting、ensemble-bagging。
8.根据权利要求1所述的心源性休克临床决策支持系统,其特征在于,当分期诊断结果为d期或e期时,获取患者外周血单核细胞样本的遗传信息,提取所述细胞样本的遗传特征,基于所述遗传特征判断患者是否给予ecmo治疗。
9.一种心源性休克临床决策支持设备,其特征在于,所述设备包括:存储器和处理器;
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求9所述的心源性休克临床决策支持设备中的心源性休克临床决策支持方法。