[發(fā)明專利]一種出血轉(zhuǎn)化預測系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711209120.2
• 申請日: 2017-11-27
• 公開（公告）號: CN108053885B
• 公開（公告）日: 2023-03-28
• 發(fā)明（設(shè)計）人: 王楓
• 申請（專利權(quán)）人: 上海市第六人民醫(yī)院
• 主分類號: G16H50/30
• 分類號: G16H50/30
• 代理公司: 上海申新律師事務(wù)所 31272
• 代理人: 俞滌炯

本發(fā)明公開了一種出血轉(zhuǎn)化預測系統(tǒng)，屬于醫(yī)療技術(shù)領(lǐng)域；系統(tǒng)包括：獲取單元，用于獲取多條訓練用患者數(shù)據(jù)；模型生成單元用于根據(jù)多條獲取的訓練用患者數(shù)據(jù)生成一用于對出血轉(zhuǎn)化進行預測的預測模型，模型生成單元進一步包括：特征選擇模塊，用于對訓練用患者數(shù)據(jù)中的訓練用病情特征進行選擇；特征分類模塊，用于對被選擇的訓練用病情特征進行特征分類；模型訓練模塊，用于根據(jù)經(jīng)過分類的訓練用病情特征訓練形成預測模型；采集單元，用于采集得到實際患者數(shù)據(jù)；預測單元，用于將實際患者數(shù)據(jù)送入訓練形成的預測模型中，以輸出對應(yīng)的預測結(jié)果。上述技術(shù)方案的有益效果是：降低出血轉(zhuǎn)化情況的發(fā)生概率，從而降低臨床風險和相應(yīng)的醫(yī)療費用。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)療技術(shù)領(lǐng)域，尤其涉及一種出血轉(zhuǎn)化預測系統(tǒng)。

背景技術(shù)

腦梗死是全球主要公共衛(wèi)生問題之一，其發(fā)病率、致死率、致殘率及復發(fā)率高，且臨床治療手段有限。其中靜脈溶栓治療是近20年在缺血性腦卒中臨床治療手段上的一項重大突破，可有效降低死亡及致殘率。但是靜脈溶栓治療是一種高風險的治療手段，在治療的同時可能伴隨著溶栓后出血轉(zhuǎn)化的癥狀，有些出血可加重神經(jīng)功能損害，甚至危及生命，出血轉(zhuǎn)化也是靜脈溶栓治療手段無法進一步推廣的重要原因之一。具體地，在臨床救治過程中，靜脈溶栓有嚴格的時間限制，只有發(fā)病4.5小時以內(nèi)符合靜脈溶栓條件的急性腦梗死患者才可以進行該項治療，所謂“符合靜脈溶栓條件”即指發(fā)生出血轉(zhuǎn)化的風險較低或者基本沒有出血轉(zhuǎn)化危險。因此，對于出血轉(zhuǎn)化風險的預判直接關(guān)系到醫(yī)生與患者的溝通及對治療的決策把握。

現(xiàn)有技術(shù)中對于出血轉(zhuǎn)化的預測通常依據(jù)一些相關(guān)的臨床研究來決定，例如譬如年齡、血糖、發(fā)病時的臨床神經(jīng)功能等。同時也會有相關(guān)的臨床評分表來輔助臨床醫(yī)生對出血轉(zhuǎn)化的可能性進行預判，例如溶栓后出血評分、多中心卒中調(diào)查預測評分、SITS評分、GRASPS評分以及SEDAN評分等。但是這些評分表基本都是基于醫(yī)生的診療經(jīng)驗或者是使用了簡單的邏輯回歸而得到的，使用價值和相應(yīng)的精確性都有待檢驗。可以參照《五種預測模型在中國人群溶栓后出血預測應(yīng)用中的比較》一文中，對不同的評分模型的性能進行了比較。其中GRASPS評分性能最優(yōu)，但是其受試者工作特征曲線(receiver operatingcharacteristiccurve,ROC)所對應(yīng)的AUC值僅有0.7056，其工作性能仍然有待提升。并且，上述臨床提示相對獨立，評分表也相對簡單，基本都只涵蓋了幾項臨床上可能對預后影響較大的因素，而不會對患者的臨床相關(guān)因素進行綜合評判，亦缺乏個體化評判。

發(fā)明內(nèi)容

根據(jù)現(xiàn)有技術(shù)中存在的問題，現(xiàn)提供一種出血轉(zhuǎn)化預測系統(tǒng)的技術(shù)方案，旨在降低靜脈溶栓治療過程中出血轉(zhuǎn)化情況的發(fā)生概率，從而降低臨床風險和相應(yīng)的醫(yī)療費用。

上述技術(shù)方案具體包括：

一種出血轉(zhuǎn)化預測系統(tǒng)，其中，包括：

獲取單元，用于獲取多條訓練用患者數(shù)據(jù)，每條所述訓練用患者數(shù)據(jù)中包括多個訓練用病情特征；

模型生成單元，連接所述獲取單元，用于根據(jù)多條獲取的所述訓練用患者數(shù)據(jù)生成一用于對出血轉(zhuǎn)化進行預測的預測模型，所述模型生成單元進一步包括：

特征選擇模塊，用于對所述訓練用患者數(shù)據(jù)中的所述訓練用病情特征進行選擇；

特征分類模塊，連接所述特征選擇模塊，用于對被選擇的所述訓練用病情特征進行特征分類；

模型訓練模塊，連接所述特征分類模塊，用于根據(jù)經(jīng)過分類的所述訓練用病情特征訓練形成所述預測模型；

采集單元，用于采集得到實際患者數(shù)據(jù)；

預測單元，分別連接所述采集單元和所述模型生成單元，用于將所述實際患者數(shù)據(jù)送入訓練形成的所述預測模型中，以輸出對應(yīng)的預測結(jié)果。

優(yōu)選的，該出血轉(zhuǎn)化預測系統(tǒng)，其中，所述特征選擇模塊中進一步包括：