[发明专利]一种基于机器学习的重症序贯性脏器衰竭评分方法及系统

权利要求书

1.一种基于机器学习的重症序贯性脏器衰竭评分方法，其特征在于，包括以下步骤：

(1)根据医生的经验筛选出初步的临床指标；

(2)选择公开的重症数据库，对样本中与筛选出的临床指标相关的数据进行提取和清洗，剔除缺失指标较多的部分样本；

(3)构建基于决策树模型的多算法模型，通过多个算法的加权平均作为模型的最终输出；

(4)筛选算法指标，输入步骤(2)处理后的样本数据，在基于决策树模型的特征重要性排序功能下，通过算法对临床指标进行重要性特征排序，保留13个算法筛选指标；

(5)根据决策树模型生成树枝期间产生的自动分割算法，并结合临床医学知识，将保留的13个指标进行数据进行指标数值区间的划分，建立0到4分的评估体系；

(6)对于待评分的样本数据，在评估体系下，通过多算法模型进行打分，对重症全身性感染相关性器官功能衰竭进行评估。

2.根据权利要求1所述的基于机器学习的重症序贯性脏器衰竭评分方法，其特征在于，步骤(1)中，筛选出的临床指标包括呼吸系统指标、血液系统指标、肝脏指标、心血管系统指标、中枢神经系统指标、肾脏指标、感染系统指标和人口信息学指标。

3.根据权利要求2所述的基于机器学习的重症序贯性脏器衰竭评分方法，其特征在于，所述的临床指标一共选取26个，具体如下：

所述的呼吸系统指标包括氧合指数PaO2/FiO2、有无机械通气、二氧化碳分压；

所述的血液系统指标包括血小板plt计数、血浆凝血酶原时间PT、活化部分凝血活酶时间、D二聚体测试；

所述的肝脏指标包括胆红素计数、谷草转氨酶AST、谷丙转氨酶ALT、白蛋白albumin计数；

所述的心血管系统指标包括平均动脉压、多巴胺、多巴酚丁胺、肾上腺素、去甲肾上腺素、乳酸lactate、标准碱剩余BE；

所述的中枢神经系统指标包括格拉斯哥昏迷指数GCS评分；

所述的肾脏指标包括肌酐、血尿素氮BUN、尿量；

所述的感染系统指标包括白细胞WBC计数、急性反应蛋白CRP计数、体温；

所述的人口信息学指标包括年龄。

4.根据权利要求1所述的基于机器学习的重症序贯性脏器衰竭评分方法，其特征在于，步骤(2)中，在剔除缺失指标较多的部分样本后，还包括对剩余样本数据中的临床指标进行数据清洗、分布分析以及相关性分析。

5.根据权利要求1所述的基于机器学习的重症序贯性脏器衰竭评分方法，其特征在于，步骤(3)中，所述的多算法模型包括xgboost算法、lightgbm算法以及catboost，通过三个算法的加权平均作为模型的最终输出。

6.根据权利要求1所述的基于机器学习的重症序贯性脏器衰竭评分方法，其特征在于，步骤(4)中，保留的13个算法筛选指标具体为：

年龄、氧合指数PaO2/FiO2、血小板plt计数、平均动脉压MAP、格拉斯哥昏迷指数GCS评分、血尿素氮BUN、乳酸lactate、血浆凝血酶原时间PT、谷草转氨酶AST、白细胞WBC计数、尿量、体温以及二氧化碳分压。