[發明專利]器官衰竭感染病癥的預測、預測模型的訓練方法及系統

在審

• 申請號: 202110285409.2
• 申請日: 2021-03-17
• 公開（公告）號: CN113057589A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 薛佩姣;賴志明;林志哲;蔣勁峰;薛佳佳
• 申請（專利權）人: 上海電氣集團股份有限公司
• 主分類號: A61B5/00
• 分類號: A61B5/00
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 楊東明;林嵩

本發明公開了一種器官衰竭感染病癥的預測、預測模型的訓練方法及系統，該訓練方法包括：獲取參考數據集；提取參考數據集中與器官衰竭感染病癥關聯的第一病癥數據以訓練得到器官衰竭感染病癥預警模型；獲取目標數據集；基于目標數據集對器官衰竭感染病癥預警模型進行增量學習訓練，以得到目標病癥預測模型。本發明充分利用MIMIC數據集數據量大的優勢，基于MIMIC數據集中龐大的病患數據訓練得到器官衰竭感染病癥預警模型；獲取更新后的國內患者數據對器官衰竭感染病癥預警模型進行增量學習訓練得到目標病癥預測模型，有效地提高國內病患數據集的器官衰竭感染病癥發病的預測準確率。

技術領域

本發明涉及人工智能技術領域，特別涉及一種器官衰竭感染病癥的預測、預測模型的訓練方法及系統。

背景技術

器官衰竭感染病癥(以下簡稱“病癥”)是指由感染引起的全身炎癥反應綜合征，該病癥發病率高，病情兇險，病死率高，是重癥監護病房內非心臟病人死亡的主要原因，此病癥可以由任何部位的感染引起，常常發生在有嚴重疾病的患者中，其根本發病機制尚未明了。病癥判別標準包括SIRS(systemic inflammatory response syndrome，全身炎癥反應綜合征)評分、SOFA(sequential organ failure assessment，序貫器官衰竭估計)評分等。

由于該病癥病情危重，因此需要在發病前一段時間，通過各項生理指標提前做出預判，并做好相應的醫治準備；然而，現有的預判方案均存在預測的準確率較低，無法滿足實際的醫治需求的問題。

發明內容

本發明要解決的技術問題是為了克服現有技術中器官衰竭感染病癥的預判方式均存在準確率較低，無法滿足實際的醫治需求缺陷，提供一種器官衰竭感染病癥的預測、預測模型的訓練方法及系統。

本發明是通過下述技術方案來解決上述技術問題：

本發明提供一種器官衰竭感染病癥預測模型的訓練方法，所述訓練方法包括：

獲取參考數據集；

提取所述參考數據集中與器官衰竭感染病癥關聯的第一病癥數據；

基于所述第一病癥數據訓練得到器官衰竭感染病癥預警模型；其中，所述器官衰竭感染病癥預警模型用于輸出器官衰竭感染病癥的發病概率；

獲取目標數據集；

基于所述目標數據集對所述器官衰竭感染病癥預警模型進行增量學習訓練，以得到目標病癥預測模型。

較佳地，所述基于所述目標數據集對所述器官衰竭感染病癥預警模型進行增量學習訓練，以得到目標病癥預測模型的步驟包括：

根據所述目標數據集劃分出訓練集；

采用所述訓練集對所述器官衰竭感染病癥預警模型進行增量學習訓練以得到目標病癥預測模型。

較佳地，所述參考數據集為MIMIC(Medical Information Mart for IntensiveCare，重癥監護醫學信息庫)數據集，所述目標數據集為國內患者病患數據。

較佳地，所述采用所述訓練集對所述器官衰竭感染病癥預警模型進行增量學習訓練以得到目標病癥預測模型的步驟包括：

基于Learn++(一種增量學習算法)增量學習算法采用所述訓練集對所述器官衰竭感染病癥預警模型進行增量學習訓練以得到目標病癥預測模型；

其中，所述Learn++算法中的弱分類器均采用多層感知器MLP。

較佳地，所述獲取目標數據集的步驟包括：

每隔設定時間獲取更新后的國內患者數據對應的數據量；