[發明專利]基于機器學習法的產時縮宮素速度智能調控方法及系統

在審

• 申請號: 202011109628.7
• 申請日: 2020-10-16
• 公開（公告）號: CN112365952A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 黃曉藝;朱曉玲;胡婷婷;張藝超;嚴雪婷;章瑤;葉盛;曾心怡
• 申請（專利權）人: 溫州醫科大學;溫州嗎哪醫療科技有限公司
• 主分類號: G16H20/17
• 分類號: G16H20/17;G16H50/70;G16H10/60;G06N20/10;A61M5/168
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

本發明提供基于機器學習法的產時縮宮素速度智能調控方法，包括獲取具有統計學意義的特征變量以及產時生理參數并共同作為輸入變量；從產婦人口學資料、所述產前檢查資料及產時生理參數各自對應的數據中，組合得到具有輸入變量的樣本數據作為模型輸入數據；基于機器學習法，構建產時縮宮素速度預測模型；其中，產時縮宮素速度預測模型以模型輸入數據為數據輸入，以縮宮素滴速變化情況為目標輸出；將模型輸入數據導入產時縮宮素速度預測模型中進行計算，得到最終縮宮素滴速變化情況對應的數值。實施本發明，能克服傳統輸注方案對個人經驗的依賴和醫務人員人力資源短缺的矛盾，實現精準給藥并同時保證用藥的安全。

技術領域

本發明涉及計算機智能技術領域和藥物技術領域，尤其涉及一種基于機器學習法的產時縮宮素速度智能調控方法及系統。

背景技術

縮宮素(又稱催產素，Oxytocin，OT)是臨床催產、引產、產前胎兒監測的首選藥物，其通過與分娩期子宮平滑肌特異性OT受體結合發揮作用。在催產、引產過程中通過調節OT注射速度來調整用藥劑量，從而控制產婦子宮收縮的頻率和強度，起到促進子宮收縮、加快產婦分娩進展的作用。一旦OT滴注速度過快或給藥過多，可能會引起強直性或痙攣性子宮收縮，誘發潛在的不良妊娠結局，同時過激的宮縮反應還會引起胎心率的變化，誘發胎兒窘迫，增加母兒風險，因此須嚴格掌握其用藥速度和濃度。目前臨床上產時OT的靜脈輸注尚需助產士專人守護，實時監測產婦宮縮、胎心及產程進展等產時數據，并依據產時信息人工調節輸液泵的注射速度，這一決策過程可能伴隨醫護人員主觀判斷的誤差，且人力成本高昂。隨著二胎政策的開放，產科分娩量激增，OT用藥問題在護士短缺的現狀下顯得尤為突出。

隨著數字化醫療健康成為新趨勢，利用人工智能技術代替人工注射成為解決該問題的有效途徑，然而尚未有一款智能系統能夠用于控制OT輸注，起到代替或減輕醫護人員在OT輸注中的作用，實現精準給藥并同時保證用藥的安全。

發明內容

本發明實施例所要解決的技術問題在于，提供一種基于機器學習法的產時縮宮素速度智能調控方法及系統，能克服傳統輸注方案對個人經驗的依賴和醫務人員人力資源短缺的矛盾，起到代替或減輕醫護人員在OT輸注中的作用，實現精準給藥并同時保證用藥的安全。

為了解決上述技術問題，本發明實施例提供了一種基于機器學習法的產時縮宮素速度智能調控方法，包括以下步驟：

S1、獲取產婦人口學資料和產前檢查資料并篩選出具有統計學意義的特征變量，以及獲取來自胎心監護儀所輸出的產時生理參數，且將所述具有統計學意義的特征變量及所述產時生理參數共同作為輸入變量；

S2、根據所述輸入變量，從所述產婦人口學資料、所述產前檢查資料及所述產時生理參數各自對應的數據中，組合得到具有所述輸入變量的樣本數據作為模型輸入數據；

S3、基于機器學習法，構建產時縮宮素速度預測模型；其中，所述產時縮宮素速度預測模型以所述模型輸入數據為數據輸入，以縮宮素滴速變化情況為目標輸出；

S4、將所述模型輸入數據導入所述產時縮宮素速度預測模型中進行計算，得到最終縮宮素滴速變化情況對應的數值。

其中，所述步驟S1具體包括：

從預設的電子病歷系統中，獲取產婦人口學資料和產前檢查資料，通過單因素分析和多重線性逐步回歸，篩選出具有統計學意義的特征變量；其中，所述具有統計學意義的特征變量包括連續性變量和分類變量；所述連續性變量包括年齡、BMI、胎先露、胎心、心率、宮腔壓力、宮縮持續時間、宮縮頻率、胎先露和宮口擴張；所述分類變量包括陰道分娩史、剖宮產史、分娩鎮痛；

從所述胎心監護儀數據端口中，獲取產時生理參數；其中，所述產時生理參數包括胎心、宮縮頻率、宮縮持續時間、宮縮強度、宮腔壓力峰值在指定時間內的平均值；

將所述具有統計學意義的特征變量及所述產時生理參數共同作為輸入變量。