基于人工智能的脓毒症诊疗方案辅助生成系统

摘要: 本发明涉及医疗数据处理,具体涉及基于人工智能的脓毒症诊疗方案辅助生成系统。背景技术:1、脓毒症是由感染引起的机体反应失调并导致危及生命的器官功能障碍,是全球重症...
基于人工智能的脓毒症诊疗方案辅助生成系统

本发明涉及医疗数据处理,具体涉及基于人工智能的脓毒症诊疗方案辅助生成系统。

背景技术:

1、脓毒症是由感染引起的机体反应失调并导致危及生命的器官功能障碍,是全球重症监护病房患者发病和死亡的主要原因之一,其病理生理过程复杂,临床表现异质性强,疾病进展迅速,黄金治疗窗口期极短。在临床实践中脓毒症的早期识别和及时、有效的干预是改善患者预后的关键。近年来以机器学习和深度学习为代表的人工智能技术取得了突破性的进展,并迅速渗透到医疗健康的各领域,特别是重症监护等这些数据密集型场景,而脓毒症患者也大多处于急诊科、icu等,这便使得可以对患者进行详细的监测,进而可以通过患者的详细监测数据中提取、分析,从而实现患者脓毒症的诊断与治疗方案的生成。

2、现有技术在通过人工智能技术生成脓毒症的诊疗方案时,大多会整合患者的临床表现信息以及基本情况,然后根据过去具有相似病症的历史患者的治疗方案来生成对该患者的治疗方案。但是不同的患者在患有脓毒症时也会存在不同的并发症,再加上患者其本身所患有的各种疾病,便导致了一些用药上的限制,使得仅将相似的历史患者的方案推荐给当前患者时,会出现方案不合理的问题。

技术实现思路

1、为了解决仅将相似的历史患者的方案推荐给当前患者时,会出现方案不合理的技术问题,本发明的目的在于提供基于人工智能的脓毒症诊疗方案辅助生成系统,所采用的技术方案具体如下:

2、第一方面,本发明实施例提供了基于人工智能的脓毒症诊疗方案辅助生成系统,该系统包括以下模块:

3、数据预处理模块,用于获取当前患者的体征数据;

4、筛选模块,用于根据患者在历史时段内出入院时的体征数据,构建脓毒症的不同并发症对应的疾病影响向量;基于患者之间不同并发症的疾病影响向量的相似情况,分析当前患者与各患者类簇中患者的疾病影响一致度,从患者类簇中筛选出当前患者所对应的参考类簇;所述患者类簇为基于脓毒症的并发症划分得到的由历史患者构建的类簇;

5、体质分析模块,用于根据当前患者与参考类簇中的参考患者的用药情况,确定当前患者与参考患者的体质一致性;

6、权重分析模块,用于结合药品对患者的疗效一致性以及当前患者与参考患者的体质一致性,确定每种药品对当前患者的推荐权重;

7、方案生成模块,用于基于当前患者的体征数据,结合药品对当前患者的推荐权重,生成当前患者的辅助诊疗方案。

8、进一步地,所述根据患者在历史时段内出入院时的体征数据,构建疾病影响向量,包括:

9、对于任意并发症,比较患者在历史时段内因并发症进入院后每次检测的体征数据与标准健康数据之间的差值,得到并发症相对于每项体征数据的疾病影响指标;

10、由并发症相对于所有体征数据的疾病影响指标,构建并发症对应的疾病影响向量。

11、进一步地,所述基于患者之间不同并发症的疾病影响向量的相似情况,分析当前患者与各患者类簇中患者的疾病影响一致度,从患者类簇中筛选出当前患者所对应的参考类簇,包括:

12、以任意患者类簇中的任意历史患者,根据当前患者与历史患者之间的疾病影响向量的相似情况,分析当前患者与各患者类簇中历史患者的疾病影响一致度,确定当前患者与历史患者之间的病情一致性;

13、将最大病情一致性的历史患者所属的患者类簇作为当前患者所对应的参考类簇。

14、进一步地,所述病情一致性的获取方法为:

15、计算当前患者与历史患者之间的疾病影响向量的相似度;

16、通过所述相似度,对当前患者与历史患者之间共有的并发症的数量进行加权,得到病情一致性。

17、进一步地,所述根据当前患者与参考类簇中的参考患者的用药情况,确定当前患者与参考患者的体质一致性,包括:

18、根据当前患者与参考类簇中的参考患者之间的用药次数以及药品用量,确定当前患者与参考患者之间的适用权重;

19、结合当前患者与参考患者之间的适用权重、当前患者与参考患者用药后的治疗疗效,确定当前患者与参考患者的体质一致性。

20、进一步地,所述结合药品对患者的疗效一致性以及当前患者与参考患者的体质一致性,确定每种药品对当前患者的推荐权重,包括:

21、以任意种药品作为目标药品,确定参考患者使用目标药品后的基础疗效值;

22、结合所述基础疗效值以及体质一致性,构建目标药品对并发症所对应的患者的疗效一致性;

23、根据基础疗效值与疗效一致性,获得目标药品的推荐权重。

24、进一步地,所述疗效一致性的获取方法为:

25、对于目标药品,通过当前患者与参考患者的体质一致性,对所述基础疗效值进行加权,得到普遍疗效值;

26、比较基础疗效值和普遍疗效值,确定目标药品对患者的疗效一致性。

27、进一步地,所述患者类簇的获取方法为:基于患者患有脓毒症的并发症的情况,构建患者对应的脓毒症伴生向量;根据所述脓毒症伴生向量对历史患者进行分簇处理,得到患者类簇。

28、进一步地,所患者对应的脓毒症伴生向量的构建方法为:以脓毒症所对应的并发症作为维度,对于每种并发症,若患者患有并发症,则对应的维度值设为1,否则对应的维度值设为0,构建脓毒症伴生向量。

29、进一步地,所述基于当前患者的体征数据,结合药品对当前患者的推荐权重,生成当前患者的辅助诊疗方案,包括:

30、基于当前患者的体征数据通过sofa评分标准判断患者是否可能发生脓毒症,当通过sofa评分标准判断患者可能发生脓毒症时,对于每个症状,获取当前患者对应的参考患者的药品,将药品按推荐权重从大到小排列,选取推荐权重排名前三的药品作为候选药品,生成辅助诊疗方案。

31、第二方面,提供了基于人工智能的脓毒症诊疗方案辅助生成方法,所述方法包括:

32、用于获取当前患者的体征数据;

33、用于根据患者在历史时段内出入院时的体征数据,构建脓毒症的不同并发症对应的疾病影响向量;基于患者之间不同并发症的疾病影响向量的相似情况,分析当前患者与各患者类簇中患者的疾病影响一致度,从患者类簇中筛选出当前患者所对应的参考类簇;所述患者类簇为基于脓毒症的并发症划分得到的由历史患者构建的类簇;

34、用于根据当前患者与参考类簇中的参考患者的用药情况,确定当前患者与参考患者的体质一致性;

35、用于结合药品对患者的疗效一致性以及当前患者与参考患者的体质一致性,确定每种药品对当前患者的推荐权重;

36、用于基于当前患者的体征数据,结合药品对当前患者的推荐权重,生成当前患者的辅助诊疗方案。

37、第三方面,本发明实施例提供了一种电子设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现如第一方面各个可能实现的实施例。

38、第四方面,本发明实施例提供了一种计算机程序产品,该计算机程序产品包括:计算机程序代码,当该计算机程序代码在计算机上运行时,使得该计算机执行上述第一方面或第一方面任意一种可能的实现方式中的方法。

39、第五方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行如第一方面各个可能实现的实施例。

40、本发明实施例至少具有如下有益效果:

41、本发明同分析数据库中患有脓毒症的历史患者在过去这些并发症出现时对各药品的反应情况,分析脓毒症对不同并发症的疾病影响情况,从历史患者中筛选出当前患者所对应的参考类簇以及对应的参考患者。通过分析当前患者与参考患者之间的体质情况,确定体质一致性。通过这些药品作用于各种患者时表现的疗效一致性,结合疗效一致性,综合分析药品对并发症具有的疗效,确定每种药品对当前患者的推荐权重,进而有效提高对脓毒症患者的诊疗方案推荐药品的有效性。