[发明专利]一种呼吸机撤机管理系统及方法

权利要求书

1.一种呼吸机撤机管理方法，其特征在于，包括以下步骤：

步骤1，从医院的His，Lis，EMR系统里获取多维度数据，含有生命体征、呼吸支持参数、血气、检验数据、以及感染数据；

步骤2，把获取的多维度临床数据进行清洗整理，并按照入院时间进行排序，变成结构化的时间序列数据以作为待提取数据；

步骤3，提取时间序列数据按照6h，12h，24h为周期计算各个基础变量在不同时间间隔下的变化值，得到时间序列数据的衍生变量，衍生变量包含基于时间间隔下的各个参数单独的连续性变化值、各个参数之间联合作用下的变化值，衍生变量体现了患者对呼吸机需求程度的变化趋势；

步骤4，除上述衍生变量之外，还额外添加了一些更高维的数据特征，通过提取时间序列数据进行动态评估患者与呼吸性疾病相关的疾病状态，如慢性阻塞性肺疾病COPD、急性呼吸窘迫综合征ARDS、呼吸机相关性肺炎VAP，具体通过相应呼吸性疾病下对应的特征指标，对时间序列数据进行数据比对和分析，动态评估出患者得相应呼吸性疾病的判断值；

步骤5：把时间序列数据、衍生变量和呼吸性疾病的动态评估结果三部分已处理数据合并成一标准的输入数据集，预训练出具有预测患者呼吸机脱机概率功能的脱机预测模型；

步骤6：根据呼吸机具有完全控制通气、辅助/控制通气、压力支持模式、同步间歇指令通气4种通气方式，预先设计出呼吸机模式调整预测模型，根据患者与呼吸相关的实时数据预测出患者对呼吸机的支持力度，以此判断在当前病人状态下，是否需要改变呼吸机的模式；脱机预测判断只能在呼吸机模式调整预测模型的预测结果为减少呼吸支持的情况下才能进一步进行；

步骤7：根据当前呼吸机的模式下的脱机成功率，动态调整预测阈值，阈值调整公式为：P_new＝P_std*ln(1/(P_mode/P_psv))+P_std；其中，P_std为0.5，P_psv为在压力支持模式下的脱机成功率，作为基数，P_model为在各个呼吸机通气模式下的脱机成功率；

步骤8：将根据患者实时数据处理得出的标准数据集输入到脱机预测模型中，判断在当前病人状态下，呼吸机脱机的概率，并将得出的概率与动态调整得出的新预测阈值进行比较，得到是否可脱机的最终判断；

步骤9：针对脱机预测模型给出的判断，再计算每次预测路径的上数据集中的重要特征的权重排序，形成重要特征的权重序列，提供特征贡献度的解释，给医生的临床决策提供询证依据，医生结合特征贡献度的解释与预测结果进行综合判断。

2.根据权利要求1所述的一种呼吸机撤机管理方法，其特征是：生命体征包括心率、血压、温度、脉搏、血氧，呼吸支持参数包括呼吸机模式、潮气量、分钟通气量、压力支持、吸入氧浓度、呼吸峰压、呼吸末正压，血气包括PH值、二氧化碳分压、氧分压、碱剩余、血乳酸、阴离子间隙、红细胞压积，检验数据包括血红蛋白、白细胞、钾、钠、血小板。

3.根据权利要求1所述的一种呼吸机撤机管理方法，其特征是：呼吸机撤机管理方法还将定期把标准数据集内增加的数据加入模式转换模型和脱机预测模型内进行再次学习，更新模型评估参数及评估标准。

4.根据权利要求1所述的一种呼吸机撤机管理方法，其特征是：所述时间序列数据不单单按照时间节点包含各基本参数及其变化，同时含有各时间点的发生的事件信息。

5.一种实现如权利要求1-4任意一项所述的呼吸机撤机管理方法的呼吸机撤机管理系统，其特征在于，包括：

标准化数据库，从医院信息化平台获取多维度数据并进行标准化处理以作为待提取数据；

特征池模块，根据在特征池定义好的特征，计算和选取所需要的特征，形成标准化的输入数据集；

算法模型模块，含有模式转换模型和脱机预测模型，定期把增加的数据加入模型进行再次学习以更新模型，在使用过程中通过接收实时数据进行在线预测并输出评估结果。

6.根据权利要求5所述的呼吸机撤机管理系统，其特征是：所述多维度数据含有生命体征、呼吸支持参数、血气、检验数据、以及感染数据，并进行清洗整理、按照入院时间进行排序，变成结构化的时间序列数据以作为待提取数据。