[发明专利]一种预测无创呼吸机治疗失败概率的方法

说明书

本发明适用于医疗器械技术领域，涉及一种预测无创呼吸机治疗失败概率的方法，包括步骤：S10、收集使用者的训练数据并记录使用者最终治疗结果；S20、将训练数据输入到时间序列模型和分类模型并进行标定标签；S30、用LSTM模型对训练数据进行训练，以MSE相对较小的时间序列模型作为时间序列母模型，通过时间序列母模型预测未来生理参数；S40、用LightGBM模型对未来生理参数进行训练，根据训练样本分布分析无创呼吸最终治疗效果，调整参数从而确定最优分类模型，通过最优分类模型预测治疗失败的概率；S50、分配使用者的训练数据与时间序列母模型中的训练数据权重，对时间序列母模型进行再训练。本发明可预测未来生理参数，并能根据未来生理参数预测治疗失败的概率。

技术领域

本发明属于医疗器械技术领域，尤其涉及一种预测无创呼吸机治疗失败概率的方法。

背景技术

无创呼吸机虽然发明相对有创呼吸机较晚，但对于呼吸疾病症状较轻的治疗对象，使用无创呼吸机进行治疗是优选的方法。但当患者症状逐步加重，如何在合适的时机转换成有创治疗，一直是临床上关注的重点话题。现阶段，医护人员基于相关监测指标(如PaCO2指标等)，根据以往经验对关注的指标进行分析，从而判定有创治疗时机。现有技术存在一些不足：主观性太强，无创治疗失败的因素很多，患者的年龄、基础疾病、临床监测指标等都可能影响无创治疗结果，医护人员是根据以往经验进行分析，多个因素共同影响效果难以判断，并且医护人员主观关注的指标不同，则判定结果也有可能不同；积累时间较长，该方法需要多年临床经验积累；并且所使用的生理参数是现时的，无法得到未来时刻患者的生理参数变化，也无法预测未来时刻患者使用无创通气的失败概率。

申请号为CN202010961481.8的专利文献公开了一种呼吸支持设备判定预期效果方法和呼吸支持设备，其采用的技术方案包括步骤：S1、获取使用者的基本体征数据，所述基本体征数据至少包括基本特征、病史特征、检测数据；S2、使用判定网络模型对所述基本体征数据进行综合判定，确定无创治疗预期效果。此申请同样无法解决现有技术所存在的问题。

因此，如何提供一种能够预测未来时刻患者的生理参数，并能够在未来生理参数的基础上预测无创呼吸机失败概率的方法是本技术领域人员亟待解决的问题。

发明内容

针对现有技术的不足，本发明的目的是提供一种预测无创呼吸机治疗失败概率的方法，以解决现有技术中无法预测未来生理参数，同时也无法通过未来生理参数预测治疗失败概率的问题。

为了解决上述技术问题，本发明采用了如下的技术方案：

本发明提供了一种预测无创呼吸机治疗失败概率的方法，包括以下步骤：

S10、收集使用者的训练数据并记录使用者的最终治疗结果，所述训练数据包括使用者的基本特征、患病情况、监测数据；

S20、将所述训练数据输入到时间序列模型和分类模型并进行标定标签；

S30、选择LSTM模型对所述训练数据进行训练，以MSE相对较小的时间序列模型作为时间序列母模型，通过时间序列母模型预测未来生理参数；

S40、选择LightGBM模型对所述未来生理参数进行训练，根据训练样本分布分析无创呼吸最终治疗效果，调整参数从而确定最优分类模型，通过最优分类模型预测治疗失败的概率；

S50、分配使用者的所述训练数据与所述时间序列母模型中的训练数据权重，对时间序列母模型进行再训练。

进一步的，所述步骤S40中，将所述训练数据按照预定比例分为训练集和测试集，训练集用于训练所述LightGBM模型，测试集用于测试评估。

进一步的，所述训练集与测试集的比例为4∶1。

进一步的，所述步骤S50中，使用者的所述训练数据与所述时间序列母模型中的训练数据权重比值为9∶1或4∶1。