基于生理功能特征模型的个性化拔管风险预测模型构建方法及装置

本发明涉及一种基于生理功能特征模型的个性化拔管风险预测方法。属于拔管风险预测。

背景技术：

1、机械通气是重症监护病房(intensive care unit,icu)内患者生命支持的常用手段之一，合理的机械通气能够有效维持重症患者生命。拔管是脱离机械通气的过程，尽早实现成功拔管是患者治愈条件之一。确定拔管时机是icu内重要的问题。通气时间过长可能产生呼吸机相关性肺炎等一系列并发症，导致icu住院时间延长，增加死亡率，以及对重症医疗资源的过度消耗；过短无法达到有效的治疗效果，导致拔管失败，不利于患者病情。对于拔管失败需要重新插管的患者，再次插管可能会出现新的并发症，进而导致死亡率增加。因此，正确判断患者病情，制定合理的拔管决策至关重要，过早或过晚的拔管都会引发不良的后果。然而，对于最优的拔管标准，仍旧存在争议。多数情况下，还是根据医生经验进行判断。也有许多学者提出基于人工智能的方法来预测拔管结果，但采用的特征多为观察测量得到的值，往往不能全面考虑患者内部生理功能的个体化差异，而生理功能特征模型的建立为个性化的拔管预测提供了新的方法。

2、生理功能特征模型是一种基于生理学原理的方法，可以综合考虑多个生理指标和特征，包括呼吸、循环、神经系统方面的变量，结合生理功能特征，可以更全面、准确的评估患者的拔管风险。针对患者的独特生理特征，可以个性化的预测拔管风险，综合考虑多维因素，进一步提高预测的准确性和可靠性。因此，基于生理功能特征模型的个性化拔管风险预测方法具有潜在的临床应用前景，优化拔管策略，降低拔管失败风险。

技术实现思路

1、本发明的目的在于克服上述不足，提供了一种基于生理功能特征模型的个性化拔管风险预测模型构建方法及装置。

2、本发明的目的是这样实现的：

3、一种基于生理功能特征模型的个性化拔管风险预测模型构建方法，包括：

4、从重症监护室电子病历数据库中提取进行有创机械通气并拔管的患者相关数据，并提取获得每一患者的原始特征；

5、基于生理功能特征模型，利用提取获得的原始特征计算获得生理功能参数并提取获得每一患者的生理功能特征；生理功能特征包含无效腔、无效腔/潮气量、浅快呼吸指数、动脉血氧分压/吸氧浓度、心输出量、呼末二氧化碳分压/动脉血二氧化碳分压、通气比、肺动态顺应性、肺静态顺应性、血浆和红细胞中碳酸氢根离子浓度、磷酸盐浓度、血红蛋白浓度、脱氧血红蛋白浓度、含氧血红蛋白浓度等在血液中参与化学反应的分子浓度、血浆和红细胞中氧气和二氧化碳溶解度、外周化学感受器灵敏度、外周驱动阈值、中枢驱动阈值、中枢驱动力、外周驱动力中的多种；

6、将每一患者的原始特征、生理功能特征及拔管标签组合构成一样本构建获得机械通气拔管数据集；

7、构建个性化拔管风险预测模型结构，并基于机械通气拔管数据集进行训练获得训练好的个性化拔管风险预测模型。

8、进一步地，所述从重症监护室电子病历数据库中提取进行有创机械通气并拔管的患者相关数据，筛选的标准包括：

9、(1)年龄大于18岁或小于89岁；

10、(2)此次通气为首次通气；

11、(3)通气时间>＝12小时；

12、(4)此次拔管为计划拔管。

13、进一步地，所述原始特征包括基于患者的人口统计学信息、疾病诊断、出入量、生命体征及呼吸相关监测参数值、检验报告及评分提取获得的原始特征；其中，基于患者的人口统计学信息提取的原始特征包括：年龄、性别和身体质量指数中的至少一种；基于疾病诊断提取的原始特征为是否患艾滋病、心肌梗塞、心脏衰竭、外周血管疾病、脑血管疾病、痴呆、糖尿病、慢性肺疾病、风湿病、消化性溃疡、肝病、截瘫、肾病、恶性肿瘤、转移性实体瘤和呼吸衰竭；基于出入量提取的原始特征包括：尿液量；基于生命体征及呼吸相关监测参数值提取的原始特征包括：心率、收缩压、舒张压、平均压、呼吸频率、体温、血氧饱和度、有创通气时间、平均气道压、分钟通气量、吸气峰压、平台压、潮气量监测值、潮气量设置值、潮气量自主呼吸值、吸氧浓度、呼气末正压和呼末二氧化碳分压中的至少一种；基于检验报告提取的原始特征包括：碱剩余、血红蛋白测定、动脉血二氧化碳分压、动脉血氧分压、酸碱度、阴离子间隙、尿素氮浓度、肌酐浓度、国际标准化比值、乳酸浓度、凝血酶原时间、血小板浓度、钾浓度、钙浓度、钠浓度、白细胞计数、葡萄糖浓度中的至少一种；基于评分提取的原始特征包括：哥斯拉昏迷指数评分和镇静评分中的至少一种。

14、进一步地，所述个性化拔管风险预测模型结构为线性回归、支持向量机、极端梯度提升机或轻量级梯度提升机(light gradient boosting machine,lightgbm)。

15、进一步地，所述基于机械通气拔管数据集进行训练获得训练好的个性化拔管风险预测模型具体为：将机械通气拔管数据集的每一样本作为个性化拔管风险预测模型的输入，并以最小化个性化拔管风险预测模型的输出与拔管标签的误差为损失函数进行训练，获得训练好的个性化拔管风险预测模型。

16、进一步地，采用五折交叉验证进行训练。

17、进一步地，训练时，还包括采用随机搜索和网格搜索对个性化拔管风险预测模型超参数进行优化。

18、进一步地，还包括对原始特征及生理功能特征进行重要性排序选择最优的特征组合。

19、一种基于生理功能特征模型的个性化拔管风险预测装置，包括个性化拔管风险预测模块，所述个性化拔管风险预测模块用于将待测患者的提取获得的原始特征及生理功能特征输入至所述基于生理功能特征模型的个性化拔管风险预测模型构建方法构建获得的个性化拔管风险预测模型中，输出待测患者的拔管风险预测概率。

20、与现有的技术相比，本发明的有益效果是：

21、本发明基于大型的公共数据集，选取患者多维特征，同时，基于生理功能特征模型，综合考虑患者在呼吸、循环、神经系统等多个方面的生理指标和特征，更加全面、个性化的反映了患者的内在生理状态，构建的个性化拔管风险预测模型可以更好的适应不同患者的变化。利用生理功能特征模型进行拔管预测，可以更准确地评估患者拔管失败风险。进一步的，引入的生理功能参数从患者生理层面进一步解释模型，增强模型的可解释性。个性化拔管风险预测模型能为医疗专业人员提供有力的决策支持，改善icu患者的治疗情况，降低患者再插管率，提高患者治愈率。

技术特征：

1.一种基于生理功能特征模型的个性化拔管风险预测模型构建方法，其特征在于，包括：从重症监护室电子病历数据库中提取进行有创机械通气并拔管的患者相关数据，并提取获得每一患者的原始特征；

2.根据权利要求1所述的方法，其特征在于，所述从重症监护室电子病历数据库中提取进行有创机械通气并拔管的患者相关数据，筛选的标准包括：

3.根据权利要求1所述的方法，其特征在于，所述原始特征包括基于患者的人口统计学信息、疾病诊断、出入量、生命体征及呼吸相关监测参数值、检验报告及评分提取获得的原始特征；其中，基于患者的人口统计学信息提取的原始特征包括：年龄、性别和身体质量指数中的至少一种；基于疾病诊断提取的原始特征为是否患艾滋病、心肌梗塞、心脏衰竭、外周血管疾病、脑血管疾病、痴呆、糖尿病、慢性肺疾病、风湿病、消化性溃疡、肝病、截瘫、肾病、恶性肿瘤、转移性实体瘤和呼吸衰竭；基于出入量提取的原始特征包括：尿液量；基于生命体征及呼吸相关监测参数值提取的原始特征包括：心率、收缩压、舒张压、平均压、呼吸频率、体温、血氧饱和度、有创通气时间、平均气道压、分钟通气量、吸气峰压、平台压、潮气量监测值、潮气量设置值、潮气量自主呼吸值、吸氧浓度、呼气末正压和呼末二氧化碳分压中的至少一种；基于检验报告提取的原始特征包括：碱剩余、血红蛋白测定、动脉血二氧化碳分压、动脉血氧分压、酸碱度、阴离子间隙、尿素氮浓度、肌酐浓度、国际标准化比值、乳酸浓度、凝血酶原时间、血小板浓度、钾浓度、钙浓度、钠浓度、白细胞计数、葡萄糖浓度中的至少一种；基于评分提取的原始特征包括：哥斯拉昏迷指数评分和镇静评分中的至少一种。

4.根据权利要求1所述的方法，其特征在于，所述个性化拔管风险预测模型结构为线性回归、极端梯度提升机、支持向量机或轻量级梯度提升机。

5.根据权利要求1所述的方法，其特征在于，所述基于机械通气拔管数据集进行训练获得训练好的个性化拔管风险预测模型具体为：将机械通气拔管数据集的每一样本作为个性化拔管风险预测模型的输入，并以最小化个性化拔管风险预测模型的输出与拔管标签的误差为损失函数进行训练，获得训练好的个性化拔管风险预测模型。

6.根据权利要求5所述的方法，其特征在于，采用五折交叉验证进行训练。

7.根据权利要求5所述的方法，其特征在于，训练时，还包括采用随机搜索和网格搜索对个性化拔管风险预测模型超参数进行优化。

8.根据权利要求1所述的方法，其特征在于，还包括对原始特征及生理功能特征进行重要性排序选择最优的特征组合。

9.一种基于生理功能特征模型的个性化拔管风险预测装置，其特征在于，包括个性化拔管风险预测模块，所述个性化拔管风险预测模块用于将待测患者的提取获得的原始特征及生理功能特征输入至权利要求1-8任一项所述基于生理功能特征模型的个性化拔管风险预测模型构建方法构建获得的个性化拔管风险预测模型中，输出待测患者的拔管风险预测概率。

技术总结
本发明提供了一种基于生理功能特征模型的个性化拔管风险预测模型构建方法及装置，本发明基于大型的公共数据集，选取患者多维特征，同时，基于生理功能特征模型，综合考虑患者在呼吸、循环、神经系统等多个方面的生理指标和特征，更加全面、个性化的反映了患者的内在生理状态，构建的个性化拔管风险预测模型可以更好的适应不同患者的变化。利用生理功能特征模型进行拔管预测，可以更准确地评估患者拔管失败风险。进一步的，引入的生理功能参数从患者生理层面进一步解释模型，增强模型的可解释性。个性化拔管风险预测模型能为医疗专业人员提供有力的决策支持，改善ICU患者的治疗情况，降低患者再插管率，提高患者治愈率。

技术研发人员：潘清,蒋梦婷,葛慧青,方路平
受保护的技术使用者：浙江工业大学
技术研发日：
技术公布日：2024/1/15