[發明專利]一種模型訓練方法、機械通氣表型識別方法及呼吸機

在審

• 申請號: 202010057685.9
• 申請日: 2020-01-18
• 公開（公告）號: CN111261281A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 蘇龍翔;洪娜;隆云;鄭方蘭;周翔;賀杰;王小亭;劉淳;何懷武;馬瑩瑩;王郝;朱衛國
• 申請（專利權）人: 中國醫學科學院北京協和醫院;神州數碼醫療科技股份有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G16H50/30;G16H20/40;A61M16/00;G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 李飛

本申請實施例提供一種模型訓練方法、機械通氣表型識別方法及呼吸機，所述模型訓練方法包括：獲取被測試者的多維特征數據，其中，所述多維特征數據至少包括被測試者的基礎和評分特征、呼吸特征、循環與灌注特征和殘留特征出入量平衡；對所述多維特征數據進行補全及關聯性分析，得到分析數據；基于所述分析數據進行高斯混合聚類，學習模型參數，根據所述模型參數確定高斯混合模型。本申請實施例通過采集與某類疾病治療設備相關的特征參量來確定對應疾病的表型，后續醫生根據疾病表型類型和患者的某類疾病治療設備相關觀測數據相結合可以對不同患者進行分類別的救治和護理。

技術領域

本申請涉及ICU機械通氣危重患者，具體而言，涉及一種模型訓練方法，一種基于模型的機械通氣表型自動識別方法，以及模型的呼吸機應用。

背景技術

機械通氣時不恰當的通氣策略導致肺損傷，其機制包括較高氣道壓或較大潮氣量導致肺的氣壓/容積傷，呼氣末肺容積過低或肺不張導致終末肺單位反復的開放和塌陷的剪切傷。此外，在機械通氣中，即使沒有肺組織解剖上的改變，各種力的作用可以誘導促炎癥反應細胞因子的釋放、白細胞的募集，從而啟動局部炎癥過程，該過程稱為生物傷。前3種被認為是機械因素所致的機械傷，而后者是由于機械性損傷導致的后期伴有炎性細胞和炎性介質參與的二次損傷和打擊。因此如何調整和控制好機械通氣具有重要的臨床意義。既往研究表明，小潮氣量和高PEEP并控制好適當的平臺壓是解決目前機械通氣問題的原則。但是臨床實踐發現，呼吸機引起的肺損傷的決定性因素尚有爭議，即便是控制潮氣量和平臺壓并不能完全保證安全。另一方面，臨床實踐也可能會遇到各項保護性策略互相矛盾的情況，如增加PEEP會引起平臺相應升高，且往往是病變越嚴重、肺順應性越差的患者，達到目標平臺壓所需的PEEP越低。因此我們亟待用新的方法去審視傳統遺留的臨床問題。

發明內容

本申請實施例的目的在于提供一種模型訓練的方法、機械通氣表型識別方法及呼吸機，用以根據被測試者情況確定被測試者的機械通氣表型，并根據機械通氣表型對患者實施有針對性救治。

本申請實施例提供了一種表型分類模型訓練方法，所述方法包括：獲取被測試者的多維特征數據，其中，所述多維特征數據至少包括被測試者的基礎和評分特征、呼吸特征、循環與灌注特征和殘留特征；對所述多維特征數據進行補全及關聯性分析，得到分析數據；基于所述分析數據進行高斯混合聚類，學習模型參數，根據所述模型參數確定高斯混合模型；根據所述高斯混合模型以及所述分析數據訓練機械通氣表型分類模型。

本申請實施例基于被測試者的生命體征值等多維特征參量來訓練高斯混合模型，得到的高斯混合模型可以確定被測試者的機械通氣表型，之后醫生可以結合疾病表型和其他的臨床數據結合來確定治療方案或者根據疾病表型和其他的臨床數據對患者的預后健康進行預測評估。

在一些實施例中，基于所述分析數據進行高斯混合聚類，包括：對候選的表型類別數逐一進行對角型高斯混合聚類，并計算相應的戴維斯-鮑爾丁指數DBI；根據戴維斯-鮑爾丁指數選定最小的類別數；根據所述最小類別數進行高斯混合聚類。本申請實施例通過戴維斯-鮑爾丁指數DBI指數確定最合適的表型類別數，并在自動推薦的類別數的條件下，進行高斯混合聚類模型的訓練。

在一些實施例中，所述對所述多維特征數據進行插值補全及關聯性分析，得到分析數據，包括：根據鏈式方程對所述多維特征變量進行多元差值插補。所述多元差值插補對應的插補模型包括線性回歸模型和分類回歸樹模型。采用這些插補模型可以改善對缺失值插補的效果。

在一些實施例中，所述對所述多維特征數據進行插值補全及關聯性分析，得到分析數據，包括：對所述多維特征數據根據敏感性分析進行排序統計，以排除強關聯的所述多維特征變量。

在一些實施例中，所述方法還包括：對所述多維特征數據采用T分布隨機鄰域嵌入進行降維，得到兩個主特征數據。