[發明專利]一種預測肝素劑量的方法及裝置

在審

• 申請號: 202010098475.4
• 申請日: 2020-02-18
• 公開（公告）號: CN111223536A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 隆云;洪娜;朱衛國;賀杰;王郝;劉淳;李冬凱;馬瑩瑩;周翔;王小亭;何懷武;蘇龍翔
• 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: G16H10/20
• 分類號: G16H10/20;G16H70/40;G06K9/62;G06N3/02
• 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: 劉亞飛

1.一種預測肝素劑量的方法，其特征在于，包括：

獲取待注射患者的臨床觀測數據，依據預先設置的肝素劑量影響參數，提取所述臨床觀測數據中包含的肝素劑量影響參數對應的參數值；

將所述參數值分別與預設的歸一化肝素劑量集中的每一歸一化肝素劑量值進行組合，得到與預先設置的治療分類模型輸入相匹配的組合參數值；

將所述組合參數值輸入預先設置的治療分類模型，得到所述組合參數值在治療分類中屬于正常治療的概率值，獲取最大概率值對應的目標組合參數值；

依據所述正常治療對應的肝素劑量范圍以及所述目標組合參數值中的歸一化肝素劑量值，預測所述待注射患者的肝素劑量。

2.根據權利要求1所述的方法，其特征在于，構建所述治療分類模型，包括：

收集已進行肝素劑量注射的患者樣本數據；

針對每一條患者樣本數據，提取該患者樣本數據中包含的肝素劑量影響參數對應的原始參數值以及肝素劑量值；

依據患者樣本數據的肝素劑量影響參數對應的原始參數值以及肝素劑量值，計算該患者樣本數據對應的肝素劑量影響特征；

依據所述肝素劑量值中的活化部分凝血活酶時間aPTT，對患者所屬的治療進行分類，所述分類包括：正常治療、亞治療以及超治療；

以患者樣本數據包含的肝素劑量影響特征值作為淺層全連接神經網絡的輸入，以患者對應的類別作為標簽，以患者屬于每個類別的概率為所述淺層全連接神經網絡的輸出，對所述淺層全連接神經網絡進行訓練，得到治療分類模型。

3.根據權利要求2所述的方法，其特征在于，在所述對患者所屬的治療進行分類之后，所述方法還包括：

對分類的患者樣本數據進行處理，使得各分類的患者樣本數據的數量相同，保證模型對每個類別同樣敏感。

4.根據權利要求1所述的方法，其特征在于，所述將所述組合參數值輸入預先設置的治療分類模型，得到所述組合參數值在治療分類中屬于正常治療的概率值，獲取最大概率值對應的目標組合參數值，包括：

針對每一組合參數值，將該組合參數值輸入預先設置的治療分類模型，得到該組合參數值在治療分類中屬于正常治療的概率值；

從得到的各概率值中，獲取最大概率值對應的目標組合參數值。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述將所述組合參數值輸入預先設置的治療分類模型，得到所述組合參數值在治療分類中屬于正常治療的概率值，獲取最大概率值對應的目標組合參數值，包括：

按照組合參數值中的歸一化肝素劑量值，對組合參數值進行排序，依序輸入預先設置的治療分類模型，得到輸入的組合參數值在治療分類中屬于正常治療的概率值；

挑選所述屬于正常治療的概率值的最大值以及該概率值對應的目標組合參數值。

6.根據權利要求1至4任一項所述的方法，其特征在于，所述方法還包括：

從所述治療分類模型的輸出中，得到該組合參數值在治療分類中屬于亞治療的概率值，以及，屬于超治療的概率值，其中，屬于正常治療的概率值、屬于亞治療的概率值與屬于超治療的概率值的和值為1。

7.根據權利要求1至4任一項所述的方法，其特征在于，所述依據所述正常治療對應的肝素劑量范圍以及所述目標組合參數值中的歸一化肝素劑量值，預測所述待注射患者的肝素劑量，包括：

計算所述正常治療對應的肝素劑量范圍內的肝素劑量上限值與肝素劑量下限值的差值；

計算所述差值與所述歸一化肝素劑量值的乘積；

計算所述肝素劑量下限值與所述乘積的和值，得到所述待注射患者的肝素劑量。