公开/公告号CN114974555A
专利类型发明专利
公开/公告日2022-08-30
原文格式PDF
申请/专利权人 中国人民解放军总医院第一医学中心;
申请/专利号CN202210294271.7
申请日2022-03-24
分类号G16H50/20(2018.01);G16H50/70(2018.01);G16H40/20(2018.01);G06N20/00(2019.01);
代理机构重庆信必达知识产权代理有限公司 50286;
代理人李小伟
地址 100080 北京市海淀区复兴路28号
入库时间 2023-06-19 16:34:57
法律状态公告日
法律状态信息
法律状态
2022-10-14
实质审查的生效 IPC(主分类):G16H50/20 专利申请号:2022102942717 申请日:20220324
实质审查的生效
技术领域
本发明涉及医学技术领域,更具体地说,它涉及一种机械通气后严重急性肾损伤风险预测系统。
背景技术
机械通气(MV)是重症监护病房(ICU)广泛需要的一种抢救生命的关键干预措施。此外,它还被认为是危重患者急性肾损伤(AKI)最重要的危险因素之一,这可能会使AKI的几率增加近三倍。到目前为止,机械通气(MV)诱导的严重AKI的治疗策略仍然有限,这是由于在初始损伤后2-3天,血清肌酐(SCr)升高的情况下延迟识别到严重急性肾损伤(AKI)。由于缺乏严重急性肾损伤(AKI)的有效治疗,预防则变得非常关键。在可检测到血清肌酐(SCr)升高之前,早期发现机械通气(MV)诱导的严重AKI风险增加的患者,将为重症监护人员提供早期评估的关键时间窗口,并提供更好的知情决策,以改变机械通气(MV)接受患者中使用的当前干预策略。
目前,还没有一种理想的方法能够在机械通气(MV)启动后向临床医生提供严重急性肾损伤(AKI)几率的早期信息。重症患者大量电子数据的二次分析日益增多,这为预测重症急性心肌梗死(AKI)在ICU中的发生提供了一个新的机会,也是向前迈出的重要一步。
因此,本发明针对机械通气患者,提供一种机械通气后严重急性肾损伤风险预测系统,以解决上述问题。
发明内容
本发明的目的是为了解决上述问题,提供一种机械通气后严重急性肾损伤风险预测系统,本发明的预测系统基于医疗大数据背景和机器学习算法而形成人工智能预测系统,能够对机械通气(MV)开始12小时后ICU住院的第一周内AKI 2或3期的发生和首次发生AKI 3期进行精准预测,便于为医疗人员提供早期干预或预警的时间窗,便于对患者及时进行早期的干预或防治。
本发明的上述技术目的是通过以下技术方案得以实现的:一种机械通气后严重急性肾损伤风险预测系统,包括预测选择模块、风险因素输入模块、预测执行模块和预测结果显示及解读模块;
所述预测选择模块用于选择预测模型;
所述风险因素输入模块用于输入预测因子;
所述预测执行模块根据预测选择模块选择的预测模型及风险因素输入模块中输入的预测因子,通过预测模型进行机械通气后严重急性肾损伤风险的预测,并将预测结果传递至预测结果显示及解读模块;
所述预测结果显示及解读模块用于显示及解读预测执行模块的预测结果。
进一步地,所述预测模型为两种,且两种预测模型分别用于预测急性肾损伤2或3级和预测急性肾损伤3级。
进一步地,两种所述预测模型分别为AKI-23模型和AKI-3模型,且所述AKI-23模型和AKI-3模型通过logistic回归和随机森林机器学习算法构建。
进一步地,所述AKI-23模型的预测因子包括12个变量;所述AKI-3模型的预测因子包括8个变量。
综上所述,本发明具有以下有益效果:
1、本发明的预测系统基于医疗大数据背景和机器学习算法而形成人工智能预测系统,能够对机械通气(MV)开始12小时后ICU住院的第一周内AKI 2或3期的发生和首次发生AKI 3期进行精准预测;
2、本发明的预测系统能够为医疗人员提供早期干预或预警的时间窗,便于对患者及时进行早期的干预或防治;
3、本发明的该预测系统操作简单、便捷,便于节省医务人员的工作量;
4、通过本发明的该预测系统,便于对机械通气后严重急性肾损伤的患者进行早期分层,从而便于早期调配医疗资源并优化医疗资源的分配,减少患者的住院时间和住院成本。
附图说明
图1是本发明实施例中预测系统的初始界面图;
图2是本发明实施例中预测系统的风险因素输入界面图;
图3是本发明实施例中预测系统的预测执行界面图;
图4是本发明实施例中预测系统的预测结果显示及解读界面图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明的实施例及附图,对本发明的技术方案进行进一步详细地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将结合实施例来详细说明本发明。
实施例:
一种机械通气后严重急性肾损伤风险预测系统,包括预测选择模块、风险因素输入模块、预测执行模块和预测结果显示及解读模块;
预测选择模块用于选择预测模型;
风险因素输入模块用于输入预测因子;
预测执行模块根据预测选择模块选择的预测模型及风险因素输入模块中输入的预测因子,通过预测模型进行机械通气后严重急性肾损伤风险的预测,并将预测结果传递至预测结果显示及解读模块;
预测结果显示及解读模块用于显示及解读预测执行模块的预测结果。
其中,预测模型为两种,且两种预测模型分别用于预测急性肾损伤2或3级和预测急性肾损伤3级。两种预测模型分别为AKI-23模型和AKI-3模型,且AKI-23模型和AKI-3模型通过logistic回归和随机森林机器学习算法构建。AKI-23模型用于预测在MV开始12小时后ICU住院的第一周内预测AKI 2或3期的发生。AKI-3模型用于预测在MV开始12小时后的ICU住院第一周内首次发生AKI 3期的预测。
其中,AKI-23模型的预测因子包括12个变量;AKI-3模型的预测因子包括8个变量。
在本实施例中,通过从数据库中提取了57个候选变量,包括人口统计学信息、主要诊断、共病、生命体征、呼吸机参数、额外的血流动力学支持和实验室值,这些变量来自入院前、ICU入院时和MV后。基于AKI-23和AKI-3模型开发的进一步多变量分析选择的预测因子,最后,分别选择12个和8个变量作为AKI-23和AKI-3模型开发的预测因子。
在本实施例中,该预测系统的操作方法流程为:
第一步:选择预测模块;
第二步:在风险因素输入界面输入各风险因素值;
第三步:点击预测执行按键;
第四步:解读预测结果。
在本实施例中,关于本发明预测系中的模型的校准:
AKI-23和AKI-3模型进行了良好校准,开发队列的校准斜率分别为1.13和1.08,内部验证队列的校准斜率分别为1.04和0.90。大范围内的校准接近0,校准曲线接近对角线。
外部验证队列模型性能:
根据发育队列中确定的分类阈值,鉴别结果对AKI-23的AUC为0.80(95%CI 0.76-0.84),敏感性为0.57(95%CI 0.48-0.66),特异性为0.83(95%CI 0.81-0.85),PPV为0.23(95%CI 0.20-0.27),NPV为0.96(95%CI 0.95-0.97),AUC为0.80(95%CI 0.73-0.86),AKI-3的敏感性为0.67(95%CI 0.55-0.78),特异性为0.85(95%CI 0.83-0.87),PPV为0.18(95%CI 0.15-0.21),NPV为0.98(95%CI 0.98-0.99)。
亚群体中的模型表现:
AKI-23模型和AKI-3模型在来自内部和外部验证队列的心脏病患者、呼吸病患者、脓毒症患者和神经病患者的所有亚群中表现良好。在内部验证队列中,AKI-23的AUC在0.68到0.85之间,AKI-3的AUC在0.70到0.77之间。同时,在外部验证队列中,AKI-23和AKI-3的AUC分别在0.73和0.85之间,以及0.74和0.77之间。
主要临床结果的模型表现:
所有AKI-23模型和AKI-3模型在预测透析或RRT需求方面表现良好,内部验证队列的AUC介于0.76和0.77之间,外部验证队列的AUC介于0.76和0.78之间。
在线MV相关严重AKI预测模型:
发明人的在线门户网站上公开了与AKI-23和AKI-3相关的微调模型,网址为:https://apoet.shinyapps.io/mv_aki_2021_V2。
在本发明的上述实施例中,本发明中的预测系统基于大型数据库开发并验证了早期MV相关AKI-23和AKI-3预测的临床预测模型。严重AKI阶段的预测与临床实践和研究相关,因为它允许风险分层。由于现有技术中关于MV开始后严重AKI发展的临床预测模型很少,本实施例的该预测系统的预测结果清楚地表明,根据KDIGO SCr标准的定义,在ICU住院的第一周内,在MV开始12小时后,AKI-23和AKI-3的发展可以仅基于临床信息准确预测。虽然本发明的该预测系统选择的预测变量较少,但根据内部和外部验证的评估标准,本发明的预测系统中的预测模型表现良好,甚至在不同的患者亚群中也表现良好。该预测模型在预测ICU住院期间透析或RRT的相关需求方面也有显著优势。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
机译: 预测继发性严重贫血严重程度的风险的方法,需要在上半年的 u0433 u0435 u043c u043e u0442 u0440 u0430 u043d u0441 u0444 u0443 u0437 u0438 u0438 u0432 u043d u0443 u0442 u0440 u0438 u0443 u0442 u0440 u043e u0431 u043d u043e u0435后输血对胎儿的溶血性疾病的影响
机译: 完整通气瓣膜置换术后心包膜后综合征发展的风险预测方法
机译: 基于风险评估系统的慢性心力衰竭失代偿期患者急性肾损伤预测方法