[发明专利]一种基于机器学习的烧伤患者气管切开辅助决策系统

说明书

本发明公开了一种基于机器学习的烧伤患者气管切开辅助决策系统。该系统包括数据获取模块、特征集构建与分析模块、评估模型构建模块和辅助决策模块；本发明基于临床大数据与专家知识，构造并筛选与气管切开高度相关的特征，通过合成少数类过采样算法扩充临床数据并均衡数据分布，采用网格搜索与假阴性敏感的优化指标调优模型参数，结合机器学习模型构建了准确的烧伤患者气管切开辅助决策系统，实际应用时仅需输入各个特征值，即可快速得到决策建议。本发明充分结合医学知识与机器学习，构建了性能卓越的临床决策辅助系统，推进烧伤患者气管切开必要性评估的标准化，助力临床医生快速地做出相关决策。

技术领域

本发明属于医疗健康信息技术领域，具体涉及一种基于机器学习的烧伤患者气管切开辅助决策系统。

背景技术

烧伤是一种常见的外伤，烧伤后烧伤区周围的血浆样液体快速渗入组织间隙形成组织水肿，而大面积烧伤、头面颈部深度烧伤、吸人性损伤等易导致烧伤患者气道水肿、狭窄、梗阻甚至窒息，危及生命患者生命，需要及时建立人工气道进行救治。其中，当气管插管困难时，需要及时进行气管切开术以维持气道通畅，保障患者安全。因此，如何根据烧伤患者的当前病情与气道情况，快速地评估其气管切开的必要性，对烧伤患者的治疗具有重要意义。

先进的机器学习算法能够从数据中自动学习知识并且辅助决策，然而其对数据的需求和依赖程度较高。随着医院数字化系统的推广，海量的电子病历数据正在不断累积扩充，这为当前机器学习算法在临床上的应用奠定了深厚的数据基础。以海量的真实医疗数据为基础，机器学习算法可以高效地进行风险因素的自动挖掘、风险的预测以及疾病的诊断，为临床实践和医学研究提供重要的辅助工具。

当前临床上评估烧伤患者是否需要切开气管的主要依据较为模糊，主要依赖于资历较深的烧伤科专家综合评定，如明志国等人总结归纳的《烧伤患者气管切开置管全国专家共识(2018版)》[1]中提及的各项指征，如头面部深度烧伤、中重度吸入性损伤者、严重肺部冲击伤(爆震伤)等，但各个指征严重程度的具体判定描述宽泛，同时缺乏多指征共同影响的综合分析；同时，实际临床决策时，医生对烧伤患者气管切开的必要性评估较为主观，多基于个人经验，部分医生倾向积极治疗，及时进行预防性气切，部分医生倾向保守治疗，慎重进行气管切开，不具有普遍推广意义；相关研究中，如Janik等人[2]提出的气管切开必要性评估方法，仅纳入年龄、全身烧伤面积和吸入性损伤三项特征，无法全面分析真实烧伤情况，因此性能较差，难以提供准确的辅助决策。

[1]明志国，雷晋，段鹏，谭江琳，娄季鹤，狄海萍，王德运.烧伤患者气管切开置管全国专家共识(2018版)[J].中华烧伤杂志，2018,34(11)：782-785.

[2]Janik，S.，Grasl，S.，Yildiz，E.et al.A new nomogram to predict theneed for tracheostomy in burned patients[J].European Archives of Oto-Rhino-Laryngology，2021,278：3479-3488.

发明内容

鉴于上述，本发明的目的在于针对烧伤患者进行气管切开必要性评估时，缺乏全面而量化的特征表示烧伤情况以及相应的快速辅助决策系统之困境，结合临床大数据与机器学习算法，提供一种基于机器学习的烧伤患者气管切开辅助决策系统，无需复杂计算与额外指导，快速地做出决策建议，避免未及时切开气管导致的严重后果以及过度切开导致的患者负担。

本发明的目的是通过以下技术方案来实现的：一种基于机器学习的烧伤患者气管切开辅助决策系统，包括：

(1)数据获取模块：

用于获取医院的真实临床数据作为系统开发的基础，连接医院电子病历系统，收集烧伤科一定时间段内全部收治病人的电子病历数据；确定样例的纳入与排除标准，选定符合后续模型构建需要的患者数据；

(2)特征集构建与分析模块：