[發(fā)明專利]一種重癥監(jiān)護(hù)病房提早轉(zhuǎn)入預(yù)測方法、系統(tǒng)及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011094477.2
• 申請日: 2020-10-14
• 公開（公告）號: CN112331350A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計）人: 趙淦森;趙磊;余達(dá)明;吳清藍(lán);彭璟;李雙印;林成創(chuàng)
• 申請（專利權(quán)）人: 華南師范大學(xué)
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H40/20
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 常柯陽

本發(fā)明公開了一種重癥監(jiān)護(hù)病房提早轉(zhuǎn)入預(yù)測方法、系統(tǒng)及存儲介質(zhì)，方法包括：獲取歷史數(shù)據(jù)，獲取帶標(biāo)簽的數(shù)據(jù)集合中具有提早分類能力的子序列，將所述具有提早分類能力的子序列映射到低維空間，訓(xùn)練分類器得到訓(xùn)練好的模型；利用所述訓(xùn)練好的模型對實時臨床數(shù)據(jù)進(jìn)行預(yù)測分類，提早識別出病情惡化而需要轉(zhuǎn)入重癥監(jiān)護(hù)病房的患者。本發(fā)明挑選出具有提早分類能力的子序列輸入模型，而且本發(fā)明采用的帶標(biāo)簽的數(shù)據(jù)集合包括異步多元時間序列，使用了具有異步性的時間序列，使得訓(xùn)練好的模型具有不失異步性，而且具有效果很好的提早預(yù)測轉(zhuǎn)入重癥監(jiān)護(hù)病房的能力。本發(fā)明可廣泛應(yīng)用于醫(yī)療數(shù)據(jù)挖掘領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)療數(shù)據(jù)挖掘領(lǐng)域，尤其涉及一種重癥監(jiān)護(hù)病房提早轉(zhuǎn)入預(yù)測方法、系統(tǒng)及存儲介質(zhì)。

背景技術(shù)

隨著智能醫(yī)療的不斷研究探索和快速發(fā)展，醫(yī)學(xué)智能診斷成為智能醫(yī)療的重要內(nèi)容。醫(yī)學(xué)智能診斷可以輔助醫(yī)生診斷，提高醫(yī)生的工作效率，同時降低漏診和誤診的風(fēng)險。其中重癥監(jiān)護(hù)病房(ICU)預(yù)測任務(wù)在醫(yī)學(xué)智能診斷中的重要性一直受到研究者的關(guān)注，它通過監(jiān)測患者的生理和生命體征來判斷患者病情是否惡化，進(jìn)而判斷是否需要及時轉(zhuǎn)入重癥監(jiān)護(hù)病房(ICU)。但在實際情況中，患者的生理體征數(shù)據(jù)基本上是一個異步多元(或異步多變量)的時間序列，異步即各項生理體征的測量是相互獨立的，而不是在同一時間且同一間隔下測量得到；多元是指患者的生理體征包括體溫、呼吸、心率等多種變量。若智能診斷過程中能夠綜合考慮患者生理體征數(shù)據(jù)、預(yù)測目標(biāo)和實際情景等因素，盡早預(yù)測出患者的病情，從而避免ICU轉(zhuǎn)診延誤，最終減少因為延遲入住ICU而導(dǎo)致的高死亡率和額外的資源消耗。

目前在ICU轉(zhuǎn)移預(yù)測上，現(xiàn)有技術(shù)主要為基于離散型數(shù)據(jù)和連續(xù)性數(shù)據(jù)進(jìn)行建模并預(yù)測，而ICU轉(zhuǎn)移預(yù)測任務(wù)在數(shù)據(jù)上、目標(biāo)上和場景上都有自己的獨特性，這些獨特性使得現(xiàn)有的研究技術(shù)存在以下一些問題：

基于離散性數(shù)據(jù)的現(xiàn)有技術(shù)將不同時段所測得的患者的各項生理體征數(shù)據(jù)當(dāng)成一個個離散的點，在模型訓(xùn)練和預(yù)測時忽視了測量點的時間維度信息，因此不能對不完整的信息提前做出決策判斷，并且不具有可解釋性；而基于連續(xù)性數(shù)據(jù)的現(xiàn)有技術(shù)主要針對單變量或少量針對同步多變量的時間序列分類，無法直接對異步多變量的時間序列進(jìn)行建模，且即使對該類時間序列進(jìn)行處理后再建模，也會引起額外的數(shù)據(jù)誤差，從而造成預(yù)測效果降低。因此，現(xiàn)有的ICU轉(zhuǎn)移預(yù)測技術(shù)中很難直接針對異步多變量的時間序列建立一個具有可解釋性的模型來供醫(yī)生提前做出決策判斷，進(jìn)而減少患者的死亡率。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明的目的是提供一種效果好的，具有異步性的重癥監(jiān)護(hù)病房提早轉(zhuǎn)入預(yù)測方法、系統(tǒng)及存儲介質(zhì)。

本發(fā)明提出了一種重癥監(jiān)護(hù)病房提早轉(zhuǎn)入預(yù)測方法，包括以下步驟：

獲取歷史數(shù)據(jù)，對歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，獲取帶標(biāo)簽的數(shù)據(jù)集合；

獲取帶標(biāo)簽的數(shù)據(jù)集合中具有提早分類能力的子序列，將所述具有提早分類能力的子序列映射到低維空間，輸入預(yù)先設(shè)置的分類器，訓(xùn)練分類器得到訓(xùn)練好的模型；

利用所述訓(xùn)練好的模型對實時臨床數(shù)據(jù)進(jìn)行預(yù)測分類，提早識別出病情惡化而需要轉(zhuǎn)入重癥監(jiān)護(hù)病房的患者。

在本發(fā)明的一些實施例中，所述獲取帶標(biāo)簽的數(shù)據(jù)集合中具有提早分類能力的子序列，將所述具有提早分類能力的子序列映射到低維空間，輸入預(yù)先設(shè)置的分類器，訓(xùn)練分類器得到訓(xùn)練好的模型這一步驟，包括以下步驟：

獲取所述帶標(biāo)簽的數(shù)據(jù)集合中，異步多元時間序列的子序列；

計算所述子序列間的距離，所述距離包括子序列間的距離和序列到子序列的距離；

從子序列中選擇出具有提早分類能力的子序列；

采用所述具有提早分類能力的子序列訓(xùn)練分類器模型。