集具有危险评分， 从而导出一个适当的阈值，以报告灵敏度和特异性。
[0252]
[0253] 表1.用于定义真阳性（TP)、假阳性（FP)、真阴性（TN)、假阴性（FN)的混淆矩阵表
[0254] 表1显示了用于定义真阳性（TP)、假阳性（FP)、真阴性（TN)、假阴性（FN)的混淆 矩阵表。TP表示正确地预测72小时内的急性心脏并发症病人；FP表示将健康的病人错误 地预测为72小时内心脏骤停的病人；TN表示将健康的病人正确地预测为健康的病人；FN 表示将72小时内的急性心脏并发症病人错误地预测为健康的病人。然后，提供系统灵敏度 和特异性的计算等式如下：
[0255] (5)
(6)
[0257] 此外，接收器操作特性（ROC)曲线、阳性预测值（PPV)和阴性预测值（NPV)也被用 来表示系统的性能，其中的PPV和NPV被定义为：
[0258] (7) 剛 (8)
[0260] 基于新加坡中央医院急诊部门的564位胸痛病人队列，进行了一项前瞻性、非随 机、观察性的研究，以评估合并十二导联心电图、HRV和生命体征作为72小时内急性心脏并 发症的预测的实用性。采用十二导联心电图、HRV和生命体征的USS和HSS算法在R0C曲 线（AUC)下获得的面积分别为0. 799和0. 813,优于HMI评分（0. 621AUC)和MEWS评分 (0. 672AUC)。表2和图6所示为比较结果，该结果表明了所提出的评分系统对于急性心脏并 发症预测的有效性。选择一条分数线，以保持灵敏度和特异性都尽可能高。需要注意的是， USS和HSS的分数范围是0-100,而TIMI和MEWS的分数范围是0-6。我们观察到的PPV值 较小而NPV值较大，这是由于不平衡数据中的阴性类是多数类。值得注意的是，USS和HSS 算法能够滤除99%的没有急性心脏并发症的病人，而这种能力也有助于对危重病人进行分 类。此外，USS和HSS均可以挑选出78. 9%的符合主要结果的病人，同时保持较高的特异性 (>73% ) 〇
[0261]
[0262]
[0263] 表2.不同评分方法的预测结果（其中，输入为特征向量，包括十二导联ECG、HRV 和生命体征）
[0264] 在R0C分析中，我们将USS和HSS与HMI评分和MEWS评分分别进行比较，并将比 较结果分别记录在图8A和图8B中。图8A为USS与HMI和MEWS的性能比较图。图8B为 HSS与HMI和MEWS的性能比较图。总的来说，从获得的较高AUC、灵敏度、特异性、PPV和 NPV来看，提出的USS和HSS都优于TIMI和MEWS。
[0265] 在本公开中，描述了一种智能分类系统，该系统具有新颖的评分系统，集成了十二 导联心电图、心率变异性和生命体征用于危险预测。因此，针对确定十二导联心电图如何有 助于系统也进行了研究。该研究评估基于采用或不采用12导电心电图参数的USS和HSS 算法的特征进行，对比的结果列于表3和、图9A和图9B中。图9A为采用和不采用十二导 联心电图参数的USS性能图。相比于采用十二导联心电图参数的评分方法，可以观察到不 采用十二导联心电图参数的方法获得较低的AUC、特异性、PPV和NPV值。换句话说，十二导 联心电图可以作为急性心脏并发症的显著预测因子。
[0266]
[0267]
[0268] 表3.采用和不采用十二导联ECG参数的不同评分方法的结果
[0269] 此外，通过进一步查看表2和表3中的结果，可以发现即使不采用十二导联心电图 进行预测，HSS和HSS仍然优于HMI和MEWS评分，这更好地证明了使用USS和HSS算法预 测急性心脏并发症的有效性。
[0270] 虽然以下关于特定系统实施例的描述针对可用于医院急诊部门测定危险评分的 分类系统100,但是应当了解的是，本分类系统100可以根据本发明公开的各实施方案进行 增加修改、替换，以在其他任何情况下测定病人的危险评分，这些均应包含在本发明的保护 范围之内。
[0271] 例如，一设想的实施例，其中将心脏事件评估系统用于家庭或其他场所（例如公 司）。家用心脏事件评估系统包括一个总的中央集成评分系统，将其设想为一种便携评估系 统，便于在没有经过训练的医务工作人员的情况下，可容易地使用该系统。这样的系统可能 会受到限制，如此使得心脏事件的危险分数作为评估输出。危险评分可用于观察目前任何 胸痛症状的严重程度，并可用于鼓励家庭用户采取相关的医疗行为。
[0272] -种设想的系统，该系统包括与互联网连接的数据连接，并随后建立一个与医院 以往病人数据数据库连接的安全数据连接。在心脏事件评估系统的评分系统中，为家庭用 户预先创建分类器，使得在使用时，可以更方便地获得结果。
[0273] 在家庭使用中，可以采集生命体征，如心率、呼吸频率、血压或血氧饱和度读数，并 作为输入提供给心脏事件评估系统。另外，为了提供更准确的诊断，可采用ECG，其结果可 用ECG分析模块进行分析，并将ECG参数和/或HRV参数提供给心脏事件评估系统。因此 基于预先创建的分类器可快速进行分析，并为心脏事件提供危险评分。
[0274] 在家庭使用中，可设想另一个实施例，所述心脏事件的评估系统适合于家庭使用。 该家用心脏事件评估系统包括紧急报警系统。在危险评分超出心脏事件评估系统可接收 的预先设置的风险分数的紧急情况下，紧急报警系统报警，通过互联网连接或3G或4G或 WiFi，通过警报将危险评分传送至受过训练的医疗从业人员的可接收危险评分的便携式手 持设备中。然后，该受过训练的医疗从业人员可以立即返回医院，并对病人实施救援。
[0275] 本公开解决了与现有的医院急诊部门的分类系统相关的至少一个方面、问题、限 制和/或缺点。与某些特定实施例相关联的特征、方面和/或优点已经在本公开中进行了 描述，其他实施例也可展现此类特征、方面和/或优点，并且并非所有实施例都需要必然地 表现出这样的特征、方面和/或优点，才落入本公开的范围之内。本领域的普通技术人员可 以理解，以上公开的系统、组件、过程或它们的替代物，可根据需要组合成其他不同的系统、 组件、过程和/或应用。另外，在本公开的范围和精神内，本领域的普通技术人员可能对本 公开的各种实施例进行各种变型、改变和/或改进。凡在本发明的精神和原则之内所作的 任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种测定用于分类的危险评分的系统，包括： 第一输入设备，用于测量与病人生理学数据相关的第一输入参数，所述第一输入参数 包括生命体征参数； 十二导联心电图设备，用于在病人身上执行心电图操作，以及根据所述心电图操作产 生的结果创建心电图，所述心电图设备包括心电图提取模块，用于从所述心电图中提取至 少一项心电图参数； 心率变异性分析模块，用于从所述心电图中测定心率变异性分析，所述心率变异性分 析包括至少一项心率变异性参数；以及 集成评分系统，包括： 多个用于提供危险评分计算的加权分类器，所述多个加权分类器基于积累以往病人的 数据的数据库中以往病人的数据而建立；以及 分析模块，用于接收所述第一输入参数、所述至少一项心率变异性参数和所述至少一 项心电图参数，所述多项参数被传送至集成评分系统， 其中所述分析模块通过将所述第一输入参数、所述至少一项心率变异性参数以及所述 至少一项心电图参数与相应的加权分类器进行对比，以测定危险评分。2. 如权利要求1所述的测定用于分类的危险评分的系统，其特征在于，所述集成评分 系统还包括数据存取模块，用于获取以往病人的数据，以及用于与积累以往病人数据的数 据库进行数据通信。3. 如权利要求1所述的测定用于分类的危险评分的系统，其特征在于，所述集成评分 系统进一步包括分类模块，用于： 接收来自积累以往病人数据的数据库中的数据；以及 将所述数据分为多个数据集，每个数据集对应一个分类器并包括一组不平衡数据集。4. 如权利要求3所述的测定用于分类的危险评分的系统，其特征在于，所述集成评分 系统还包括采样模块，用于： 接收所述分类模块传送的对应第一分类器的第一不平衡数据集，所述第一不平衡数 据集包括第一多数数据集及第一少数数据集，所述第一多数数据集包括第一数量的数据样 本，所述第一少数数据集包括第二数量的数据样本；以及 提取所述第一多数数据集以得到第一多数数据子集，所述第一多数数据子集包括第三 数量的样本； 其中，所述第一多数数据子集中第三数量的样本的数量等于所述第一少数数据集中第 二数量的样本的数量。5. 如权利要求4所述的测定用于分类的危险评分的系统，其特征在于，所述集成评分 系统进一步包括分类器生成模块，用于根据数据存取模块提供的以往病人的数据创建多个 加权分类器。6. 如权利要求5所述的测定用于分类的危险评分的系统，其特征在于，所述分类器生 成模块进一步包括训练模块，用于： 接收采样模块传送的第一多数数据子集与第一少数数据集；以及 建立第一分类模型，以用第一多数数据子集和第一少数数据集表示第一分类器。7. 如权利要求6所述的测定用于分类的危险评分的系统，其特征在于，所述训练模块 接收所述采样模块传送的多个多数数据子集及多个少数数据集，以及建立分类模型，以用 所述接收到的多个多数数据子集和少数数据集表示多个分类器。8. 如权利要求4所述的测定用于分类的危险评分的系统，其特征在于，所述评分系统 还包括过采样模块，用于： 接收所述采样模块传送的所述第一多数数据子集及所述第一少数数据集；以及 通过对所述第一多数数据子集及所述第一少数数据集执行重置过采样合成处理来创 建第一合成数据集。9. 如权利要求8所述的测定用于分类的危险评分的系统，其特征在于，所述评分系统 还包括验证模块，用于： 训练模块根据所述第一多数数据子集以及与所述第一分类器对应的所述第一少数数 据集建立第一分类模型； 根据所述第一合成数据集对所述第一分类模型进行验证；以及 获得指示所述第一分类器的重要性的所述第一分类模型产生的预测精度。10. 如权利要求9所述的测定用于分类的危险评分的系统，其特征在于，所述过采样模 块接收所述采样模块传送的多个多数数据子集与多个少数数据集，以及创建多个合成数据 集； 所述训练模块建立多个分类模型，以用所述接收到的多个多数数据子集和少数数据集 表不多个分类器； 所述验证模块根据所述多个合成数据集对所述多个分类模型进行验证，获得所述多个 分类模型产生的多个预测精度，每个分类模型产生的预测精度用于表示所述多个分类器中 相应分类器的重要性。11. 如权利要求10所述的测定用于分类的危险评分的系统，其特征在于，所述分类器 生成模块还包括加权模块，用于根据每个分类器的重要性向所述多个分类器中每个分类器 分配权重，以获得多个加权分类器。12. -种测定危险评分的方法，包括以下步骤： 测量与病人生理学数据相关的第一输入参数，所述第一输入参数包括生命体征参数； 在病人身上执行十二导联心电图操作； 基于心电图操作结果建立心电图，所述心电图包括提取心电图得到的至少一项心电图 参数； 从心电图中提取至少一项心电图参数； 基于心电图确定心率变异性分析，所述心率变异性分析包括至少一项心率变异性参 数； 向集成评分系统提供第一输入参数、至少一项心率变异性参数以及至少一项心电图参 数； 集成评分系统包括多个用于提供危险评分计算的加权分类器，所述多个加权分类器基 于积累以往病人数据的数据库中的以往病人数据而创建；并且 通过用该集成评分系统，将所述第一输入参数、所述至少一项心率变异性参数以及所 述至少一项心电图参数与相应的加权分类器进行对比，以测定危险评分。13. 如权利要求12所述的测定危险评分的方法，其特征在于，至少一项心电图参数为 以下任意一种：ST段抬高、T波倒置、Q波、QT间期校正、QRS轴、左束支传导阻滞、右束支传 导阻滞、室内传导延迟、左心房异常、左心室肥厚、右心室肥厚和房颤。14. 如权利要求12所述的测定危险评分的方法，包括以下步骤： 提取所述心电图得到多个RR间期，以及进行时域分析或频域分析以获取至少一项心 率变异性参数。15. 如权利要求14所述的测定危险评分的方法，其特征在于，至少一项心率变异性参 数为以下任意一种：所有RR间期的平均长度、所有RR间期的标准偏差、平均心率、所有瞬时 心率值的标准偏差、NN50计数，pNN50百分比，连续RR间期的差值的均方的平方根、心率变 异性三角指数和适合RR间期直方图的三角基线宽度、总功率、极低频功率、低频功率、高频 功率、标准化低频功率、标准化高频功率和低频功率与高频功率的比值。16. 如权利要求12所述的测定危险评分的方法，其特征在于，所述第一输入参数为以 下任意一种：心率、呼吸速率、血压读数、温度读数、格拉斯哥昏迷评分、氧气饱和读数以及 疼痛分数。17. 如权利要求12所述的测定危险评分的方法，其特征在于，还包括以下步骤： 建立与病人疾病状况相关的第二输入参数，将所述第二输入参数传输至所述集成评分 系统，以及将所述第二输入参数与相应的加权分类器进行比较以测定危险评分。18. 如权利要求17所述的测定危险评分的方法，其特征在于，所述第二输入参数为以 下任意一种：病史、用药史、吸烟史、心脏疾病的家庭史以及过去24小时内发生心绞痛的次 数。19. 一种测定危险评分的方法，包括以下步骤： 接收与第一分类器对应的第一不平衡数据集，并对数据样本进行采样，以形成第一平 衡数据集； 通过对所述第一平衡数据集执行重置过采样合成处理来创建第一合成数据集； 基于与第一分类器相应的第一平衡数据集建立第一分类模型； 根据第一合成数据集对第一分类模型进行验证； 获得指示第一分类器的重要性的第一分类模型产生的预测精度。20. 如权利要求19所述的测定危险评分的方法，其特征在于，所述方法还包括： 获取与多个分类模型有关的多个预测精度； 根据每个分类模型的预测精度对所述多个分类模型进行排序； 根据每个分类模型的重要性对所述多个分类模型中的每个分类模型分配权重，以获得 多个加权分类器； 用相应的加权分类器评估输入参数； 每个用于评估的加权分类器生成〇或1的二进制预测输出结果； 基于所有用于评估的加权分类器的二进制预测输出结果的标准化总和计算危险评分。
【专利摘要】本发明提供了一种测定用于分类的危险评分的系统和方法。更具体地，该系统用于为病人提供心脏事件的危险评估，例如医院急诊部门主诉胸痛的新入病人。本公开中，该系统包括输入设备，用于测量基于病人生理学数据的生命体征参数；十二导联心电图设备，用于根据心电图操作产生的结果创建心电图(ECG)，并测定其中获得的心电图参数和心率变异性(HRV)参数。本发明还进一步提供了集成评分系统，并基于以往病人数据的创建了加权分类器，将生命体征参数、心电图参数以及心率变异性参数与相应的加权分类器进行对比，以测定危险评分。本发明还提供了相应的测定用于分类的危险评分的方法。
【IPC分类】A61B5/0205, A61B5/0452, G06F19/00, A61B5/00, A61B5/024, G06N99/00
【公开号】CN105228508
【申请号】CN201480024174
【发明人】王永福·马克思, 刘楠
【申请人】新加坡健康服务有限公司
【公开日】2016年1月6日
【申请日】2014年3月7日
【公告号】EP2964077A1, US20140257122, US20160022162, WO2014137295A1