心脏手术围术期异体输血风险的预测方法及系统

本申请涉及医疗大数据与人工智能，具体而言，涉及一种心脏手术围术期异体输血风险的预测方法及系统。

背景技术：

1、心脏手术创伤大、体外循环时间长，围术期出血风险本就偏高，临床中往往需要实施异体输血。然而，异体输血可能引起输血反应、免疫抑制、感染风险增加和医疗费用上升等一系列问题，因此有必要在围术期对患者的异体输血风险进行评估，以便为术前备血和术中输血管理提供依据。

2、目前，临床评估主要依赖医生的个人经验，或采用基于少数临床指标的简易评分系统和逻辑回归等统计方法。这些工具多以独立计算器或纸质表格的形式存在，评估时间多集中在术前或术后阶段，与临床麻醉信息系统的整合程度较低。

3、现有方法中，所采用的预测维度相对单一，难以将患者静态基础信息与术中生理参数的连续变化综合起来考量；逻辑回归等传统统计方法在处理非线性关系和高维数据时能力有限。此外，评估往往局限于术前或术后，无法根据手术进程中患者状态的实时变化动态更新风险水平，也就不能提供术中预警，而独立工具的使用又额外增加了医护人员的工作负担。综上，现有方法尚不能很好地兼顾多维数据利用、术中动态预警和临床系统集成这几项关键需求。

4、因此，本申请提供了一种心脏手术围术期异体输血风险的预测方法及系统，以解决上述技术问题之一。

技术实现思路

1、本申请的目的在于提供一种心脏手术围术期异体输血风险的预测方法及系统，能够解决上述提到的至少一个技术问题。具体方案如下：

2、根据本申请的具体实施方式，第一方面，本申请提供一种心脏手术围术期异体输血风险的预测方法，包括：

3、获取目标患者的静态临床数据和术中实时监测数据；从所述静态临床数据中提取静态特征，并基于滑动窗口从所述术中实时监测数据中提取术中动态特征；在预先训练的异体输血风险预测模型的输入层，按照特征维度拼接所述静态特征和所述术中动态特征，得到各滑动窗口对应的混合特征向量；将各混合特征向量依次输入所述异体输血风险预测模型，得到随所述滑动窗口更新的异体输血风险概率；根据连续更新的所述异体输血风险概率和预设风险阈值，确定风险等级及风险预警状态，并将所述风险等级和处于触发状态的风险预警输出至临床麻醉信息系统。

4、根据本申请的具体实施方式，第二方面，本申请提供一种心脏手术围术期异体输血风险的预测系统，包括：

5、数据采集模块，用于获取患者的静态临床数据和术中实时监测数据，并将所述静态临床数据和所述术中实时监测数据输出至人工智能预测模块；所述人工智能预测模块，用于从所述静态临床数据中提取静态特征，基于滑动窗口从所述术中实时监测数据中提取术中动态特征，按照特征维度拼接所述静态特征和所述术中动态特征，得到各滑动窗口对应的混合特征向量，将各混合特征向量依次输入预先训练的异体输血风险预测模型，得到随所述滑动窗口更新的异体输血风险概率，并将所述异体输血风险概率输出至临床预警与决策推荐模块；所述临床预警与决策推荐模块，用于根据所述异体输血风险概率和预设风险阈值确定风险等级，在连续多个滑动窗口对应的所述异体输血风险概率均超过所述预设风险阈值时触发风险预警，结合医学知识库生成与所述风险等级对应的处理建议，并向临床麻醉信息系统输出所述风险等级、所述风险预警和所述处理建议。

6、本申请实施例的上述方案与现有技术相比，至少具有以下有益效果：

7、本申请提供了一种心脏手术围术期异体输血风险的预测方法，该方法从静态临床数据中提取静态特征，同时基于滑动窗口从术中实时监测数据中提取动态特征，并在模型输入层将这两类特征按维度拼接，形成每个滑动窗口对应的混合特征向量。基于此，预先训练的异体输血风险预测模型便能够同时兼顾患者的静态基础状况和手术过程中不断变化的动态信息，从而对当前风险做出更准确的判断。将各滑动窗口的混合特征向量依次输入模型，风险概率便可随窗口滑动而持续更新。在此基础上，根据连续更新的风险概率和预设阈值，即可判定风险等级并触发相应的预警状态，最终将结果输出至临床麻醉信息系统。由此，围术期异体输血风险得以实现连续动态评估与术中实时预警，有效弥补了过去仅依赖静态评估所带来的风险识别滞后问题。

1.一种心脏手术围术期异体输血风险的预测方法，其特征在于，包括：

2.根据权利要求1所述的心脏手术围术期异体输血风险的预测方法，其特征在于，所述获取目标患者的静态临床数据和术中实时监测数据，包括：

3.根据权利要求1所述的心脏手术围术期异体输血风险的预测方法，其特征在于，所述基于滑动窗口从所述术中实时监测数据中提取术中动态特征，包括：

4.根据权利要求3所述的心脏手术围术期异体输血风险的预测方法，其特征在于，所述重新计算当前滑动窗口内的术中动态特征，包括：

5.根据权利要求1所述的心脏手术围术期异体输血风险的预测方法，其特征在于，在获取所述目标患者的静态临床数据和术中实时监测数据之前，所述异体输血风险预测模型采用如下方式预先训练得到：

6.根据权利要求5所述的心脏手术围术期异体输血风险的预测方法，其特征在于，所述按照与所述目标患者相同的静态特征提取、滑动窗口动态特征提取和特征拼接方式处理所述历史围术期病例数据，并以所述异体输血发生结果作为监督学习标签，构建训练样本，包括：

7.根据权利要求1所述的心脏手术围术期异体输血风险的预测方法，其特征在于，所述根据连续更新的所述异体输血风险概率和预设风险阈值，确定风险等级及风险预警状态，包括：

8.根据权利要求1所述的心脏手术围术期异体输血风险的预测方法，其特征在于，所述方法还包括：

9.一种心脏手术围术期异体输血风险的预测系统，其特征在于，包括：

10.根据权利要求9所述的心脏手术围术期异体输血风险的预测系统，其特征在于，所述人工智能预测模块中的异体输血风险预测模型封装为微服务，所述微服务通过医疗数据标准协议嵌入所述临床麻醉信息系统；