[发明专利]一种基于机器学习的CRRT上机病人体温校正系统

说明书

本发明公开了一种基于机器学习的CRRT上机病人体温校正系统，包括计算机存储器、计算机处理器以及存储在计算机存储器中并可在计算机处理器上执行的计算机程序，还包括温度监测设备，用于对CRRT设备最靠近人体的采血端和输血端进行温度监测；所述计算机存储器中存有训练好的体温校正模型，所述的体温校正模型由若干种算法融合而成，所述的若干种算法包括但不限于Xgboost、LightGBM、SVM和LR算法；所述计算机处理器执行所述计算机程序时实现以下步骤：获取待测时间点的病人生理数据、CRRT面板数据、环境变量数据以及温度监测设备监测的温度数据，输入体温校正模型后得到病人的正确体温数据。利用本发明，可以准确、无创的评估病人在CRRT治疗时的真实体温。

技术领域

本发明属于医疗数据处理系统领域，尤其是涉及一种基于机器学习的CRRT上机病人体温校正系统。

背景技术

病人的体温是反映病人生命特征的重要指标，正常人的体温是35℃至37℃，低于或者高于正常体温，都会对病人产生不适。尤其对重症感染病人而言，体温对重症病人的健康状态评估、治疗方案选择都有着极为重要的影响。因此，准确有效的测量病人体温，有着非常重要的意义。

连续性肾脏替代治疗(Continuous Renal Replacement Therapy，CRRT)技术，是效仿肾小球的滤过机制，每天24小时或者接近24小时持续性的使用对流和弥散以清除溶质并对脏器起支持作用的体外血液净化技术。在CRRT的治疗过程中，体温的波动变化是一种严重的并发症，体温过高或体温过低都会严重的影响患者的恢复。此外，体温的波动更是会影响患者的凝血功能。因此，在CRRT治疗的过程中，有效的体温监测是非常重要的。

但是，由于CRRT治疗长时间、大量的血液被引出患者体外再输到患者体内，会导致热量丢失、体温降低。虽然目前很多CRRT治疗设备都已经有加热装置可进行液体加热，但是血液在体外循环路线长且加热装置只能对部分管路进行加热，这些并不能弥补耗散热量的损失。大量未加温的置换液、PBP溶液和透析液进入回输的血液中，从而使得患者体温下降，导致低体温现象的产生。

另一方面，对于体温异常上升，有发热症状的患者而言，由于CRRT治疗设备的血液体外循环机制，带来了一定的体温下降影响，从而导致了原先体温偏高症状的掩埋，使得医师无法正确的对病人的身体健康状态进行评估。这是非常可怕的，也是需要小心注意的。

在目前的重症监护领域中，大部分有经验的医生对CRRT治疗过程中病人体温存在误差的情况是有所认知的，但具体对于CRRT治疗时病人丢失的血液热量、CRRT治疗设备加热补偿的热量是认知有限的，只能通过估计来评判病人身体体温的真实数值。这种方法是不够准确的，对后续采取的治疗方案也会有一定的影响。

通常认为，在CRRT治疗过程中，由于重症监护室(ICU)的室温是较为恒定的，并且待病人完成CRRT治疗血管穿刺后，病人的血液交换状态与外界的热交换状态将会达到稳定，故此，为了克服现有技术中无准确还原CRRT上机病人的真实体温的方法，亟需设计一种可以准确、快速评估病人真实体温，从而对病人体温进行实时校正的系统，从而对病人接受CRRT治疗后体温不准确情况有效校正。

发明内容

本发明提供了一种基于机器学习的CRRT上机病人体温校正系统，可以在病人进行CRRT治疗过程中，可以准确、无创的评估病人的真实体温，从而对病人体温有效校正。

一种基于机器学习的CRRT上机病人体温校正系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，还包括温度监测设备，用于对CRRT设备最靠近人体的采血端和输血端进行温度监测；

所述计算机存储器中存有训练好的体温校正模型，所述的体温校正模型由若干种算法融合而成，所述的若干种算法包括但不限于Xgboost、LightGBM、SVM和LR算法；

所述计算机处理器执行所述计算机程序时实现以下步骤：