[发明专利]重度急性呼吸窘迫综合症预警方法及系统

说明书

本发明实施例提供重度急性呼吸窘迫综合症预警方法及系统。该方法包括：获取ICU重症患者的待预测生理体征数据；将待预测生理体征数据经过数据预处理、特征提取、特征标准化以及特征选择后，得到生理特征时序数据；将生理特征时序数据输入至预先训练好的监测预警模型，得到监测预警模型输出的监测预警结果。本发明实施例通过提取重症患者的四种典型生理特征数据，并进行线性和非线性的特征选择构建监测预警模型，对患者可能出现的急性呼吸窘迫综合症进行识别和早期预警，辅助医护人员及时诊治病人出现和发生急性呼吸窘迫综合症。

技术领域

本发明涉及临床医疗与人工智能技术领域，尤其涉及重度急性呼吸窘迫综合症预警方法及系统。

背景技术

急性呼吸窘迫综合症(Acute Respiratory Distress Syndrome,简称为ARDS)是一种由多种原因引发急性肺部炎性反应而导致一系列病理生理学反应的临床综合症，是急诊及ICU常见的具有较高死亡率的疾病，其发生率随着人口老龄化而上升。因有效治疗手段匮乏，急性呼吸窘迫综合症一旦发作则死亡率极高，并且治疗费用昂贵。因此，对可能发生急性呼吸窘迫综合症的患者进行提前预警并及时采取有效治疗手段抑制其发生，具有重要的临床医疗意义。

目前已有的急性呼吸窘迫综合症预警方法大体有以下两种：第一种是传统的肺损伤预测评分(LIPS)，通过利用病人入院后病情记录信息对急性呼吸窘迫综合症进行预测，但该方法无法实现动态实时性监测预警；第二种是利用人工智能、机器学习技术，基于患者的连续基本生命体征相关动态数据构建急性呼吸窘迫综合症预警模型。目前虽然存在有基于距离检测和基于信念函数理论的预测模型，并可以达到了一定的预测准确性，但其均采用小样本数据训练模型且数据质量要求高，特别是对于ICU重症病人有其应用局限性。

发明内容

本发明实施例提供重度急性呼吸窘迫综合症预警方法及系统，用以解决现有技术中存在的问题或至少在一定程度上解决存在的问题。

第一方面，本发明实施例提供重度急性呼吸窘迫综合症预警方法，包括：

获取ICU重症患者的待预测生理体征数据；

将所述待预测生理体征数据经过数据预处理、特征提取、特征标准化以及特征选择后，得到生理特征时序数据；

将所述生理特征时序数据输入至预先训练好的监测预警模型，得到所述监测预警模型输出的监测预警结果，其中所述监测预警模型，是基于患者样本集特征时序数据，以及重度急性呼吸窘迫综合症在时间窗口内是否发作作为分类标签，并采用机器学习算法训练得到的。

进一步地，所述获取ICU重症患者的待预测生理指标数据，具体包括：

从ICU重症监护医学信息数据库中按照第一约束条件筛选出所述ICU重症患者；

按照第二约束条件从所述ICU重症患者筛选出ARDS组患者，按照第三约束条件从所述ICU重症患者筛选出非ARDS组患者；

分别提取所述ARDS组患者和所述非ARDS组患者的心率时间序列监测数据、呼吸率时间序列监测数据、血氧饱和度时间序列监测数据和平均脉动压时间序列监测数据。

进一步地，所述将所述待预测生理体征数据经过数据预处理、特征提取、特征标准化以及特征选择后，得到生理特征时序数据，具体包括：

将所述待预测生理体征数据进行数据可视化处理，剔除远离预设正常值范围的噪音数据，并进行缺失值数据填补，得到待预测生理体征预处理数据；

按照预设时间窗口生成所述待预测生理体征预处理数据的时序数据曲线；

在所述预设时间窗口中对所述时序数据曲线进行特征提取处理，得到时序数据特征集合；

将所述时序数据特征集合进行标准化处理，得到时序数据标准化结果；