[发明专利]人工智能的急性肾损伤的早期预测方法和装置

权利要求书

1.一种人工智能的急性肾损伤的早期预测方法，其特征在于，所述方法包括：

获取各类原始参数，对所述各类原始参数进行数据清洗和特征提取，得到特征参数；

将所述特征参数通过遗传算法与随机森林算法，得到各个时间段急性肾损伤AKI的发展状态；

获取所述AKI的状态点；

根据所述各个时间段AKI的发展状态通过蒙特卡罗树算法确定所述各个时间段AKI的奖励值，并将所述各个时间段AKI的奖励值赋予到所述AKI的状态点上；

将所述各个时间段AKI的奖励值与所述各类原始参数通过所述随机森林算法，预测所述各个时间段之后的所述AKI的发病概率。

2.根据权利要求1所述的人工智能的急性肾损伤的早期预测方法，其特征在于，所述各类原始参数包括生理参数、人群属性参数和药物，所述生理参数包括血压、心率、体温、尿量、肌酐、血小板、红细胞、白细胞、血糖、胆红素、K+、Na+、Cl-和pH值中的一种或几种，所述人群属性参数还包括年龄、种族和性别中的一种或几种，所述药物包括速尿、去氧肾上腺素、两性霉素、万古霉素中的一种或几种。

3.根据权利要求1所述的人工智能的急性肾损伤的早期预测方法，其特征在于，所述各个时间段包括24小时、48小时和72小时。

4.根据权利要求3所述的人工智能的急性肾损伤的早期预测方法，其特征在于，所述将所述各个时间段AKI的奖励值与所述各类原始参数通过所述随机森林算法，预测所述各个时间段之后的所述AKI的发病概率，包括：

在所述24小时的AKI预测中，AUC大于且等于90％；

在所述48小时的AKI预测中，AUC大于且等于85％；

在所述72小时的AKI预测中，AUC大于且等于80％。

5.根据权利要求1所述的人工智能的急性肾损伤的早期预测方法，其特征在于，所述特征参数包括特征项和所述特征项对应的特征值。

6.一种人工智能的急性肾损伤的早期预测装置，其特征在于，所述装置包括：

提取单元，用于获取各类原始参数，对所述各类原始参数进行数据清洗和特征提取，得到特征参数；

第一发展状态获取单元，用于将所述特征参数通过遗传算法与随机森林算法，得到各个时间段急性肾损伤AKI的发展状态；

状态点获取单元，用于获取所述AKI的状态点；

确定单元，用于根据所述各个时间段AKI的发展状态通过蒙特卡罗树算法确定所述各个时间段AKI的奖励值，并将所述各个时间段AKI的奖励值赋予到所述AKI的状态点上；

第二发展状态获取单元，用于将所述各个时间段AKI的奖励值与所述各类原始参数通过所述随机森林算法，预测所述各个时间段之后的所述AKI的发病概率。

7.根据权利要求6所述的人工智能的急性肾损伤的早期预测装置，其特征在于，所述各类原始参数包括生理参数、人群属性参数和药物，所述生理参数包括血压、心率、体温、尿量、肌酐、血小板、红细胞、白细胞、血糖、胆红素、K+、Na+、Cl-和pH值中的一种或几种，所述人群属性参数还包括年龄、种族和性别中的一种或几种，所述药物包括速尿、去氧肾上腺素、两性霉素、万古霉素中的一种或几种。

8.根据权利要求6所述的人工智能的急性肾损伤的早期预测装置，其特征在于，所述各个时间段包括24小时、48小时和72小时。

9.根据权利要求8所述的人工智能的急性肾损伤的早期预测装置，其特征在于，所述第二发展状态获取单元包括：

在所述24小时的AKI预测中，AUC大于且等于90％；

在所述48小时的AKI预测中，AUC大于且等于85％；

在所述72小时的AKI预测中，AUC大于且等于80％。

10.根据权利要求6所述的人工智能的急性肾损伤的早期预测装置，其特征在于，所述特征参数包括特征项和所述特征项对应的特征值。