[发明专利]有创机械通气的停止策略生成方法、系统和存储介质

说明书

本发明公开了一种有创机械通气的停止策略生成方法、系统和存储介质，可广泛应用于医疗数据处理技术领域。本发明方法通过符合第二预设条件第一时间序列平均数据来确定病人亚型类型和每个所述亚型类型的特征，并通过符合第三预设条件的第二时间序列数据动态预测下一时段的病人状态转移情况，然后根据病人亚型类型和每个所述亚型类型的特征构建马尔可夫决策模型，以病人状态转移情况作为马尔可夫决策模型的输入数据，来预测得到每种亚型的最优停止策略，从而可以为医护人员提供有创机械通气的撤机参考，提高多源异质的重症患者撤机决策的准确度。

技术领域

本发明涉及医疗数据处理技术领域，尤其是一种有创机械通气的停止策略生成方法、系统和存储介质。

背景技术

相关技术中，有创呼吸机精准撤机是改善重症患者预后的关键，过早撤机危及生命，延迟撤机易造成呼吸机依赖、感染、肺炎并浪费医疗资源。目前，通过一些呼吸机的参数或者一些筛查的标准来辅助医生做撤机决策，普适性的标准浅快呼吸指数准确率较高，但是特异性较低；现有的机器学习预测模型大多性能不高或过度筛选入组人群，从而无法适用于多源异质的重症患者，使得模型无法在临床上使用。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种有创机械通气的停止策略生成方法、系统和存储介质，能够提高多源异质的重症患者撤机决策的准确度。

一方面，本发明实施例提供了一种有创机械通气的停止策略生成方法，包括以下步骤：

获取符合第一预设要求的有创机械通气病人数据；

从所述病人数据中获取符合第二预设条件的病人数据组成第一时间序列平均数据；

根据所述第一时间序列平均数据确定病人亚型类型和每个所述亚型类型的特征；

从所述病人数据获取符合第三预设条件的病人数据组成第二时间序列数据；

根据所述第二时间序列数据动态预测下一时段的病人状态转移情况；

根据所述病人亚型类型和每个所述亚型类型的特征构建马尔可夫决策模型；

将所述病人状态转移情况输入所述马尔可夫决策模型，预测得到每种亚型的最优停止策略。

在一些实施例中，所述获取符合第一预设要求的有创机械通气病人数据，包括：

获取若干个有创通气病人数据；

从所述若干个有创通气病人数据中提取有创通气时长大于等于第一预设时长、病人年龄大于等于第一预设年龄且撤机时间大于死亡时间的病人数据组成第一数据集；

从所述第一数据集内获取属于第一次进行有创机械通气的病人数据做出第二数据集；

对所述第二数据集内的病人数据进行分类。

在一些实施例中，所述对所述第二数据集内的病人数据进行分类，包括：

当所述第二数据集内的病人数据满足第一预设撤机状态，将当前病人数据分类为成功数据组；所述第一预设撤机状态为病人在呼吸机撤离内24小时内不需要重新开始有创通气；

当所述第二数据集内的病人数据满足第二预设撤机状态，将当前病人数据分类为失败数据组；所述第二预设撤机状态为病人在呼吸机撤离后24小时内需要重新开始有创通气或死亡。

在一些实施例中，所述有创机械通气病人数据包括病人进行有创通气的时间点、病人的人口学特征、病人基本特征、实验室指标、评分、呼吸参数或结局指标。

在一些实施例中，所述从所述病人数据中获取符合第二预设条件的病人数据组成第一时间序列平均数据，包括：