基于AI技术的肾脏病血液透析方案定制方法及系统技术方案

本发明专利技术公开了一种基于AI技术的肾脏病血液透析方案定制方法及系统。所述方法包括：整理待定制用户数据，将待定制用户数据代入透析方案生成模型，生成一种或多种透析方案；将待定制用户数据以及一个或多个透析方案带入血液透析异常情况评估模型，获得所述一种或多种透析方案的异常情况评估结果；根据异常情况评估结果确定肾脏病血液透析定制方案；其中所述血液透析异常情况评估模型根据历史透析数据利用机器学习CART决策树算法训练而得到。本发明专利技术根据历史透析数据建立机器学习模型，提前预测患者当前身体状态在某种透析方案中可能出现的不良反应，制定出个性化的透析方案，有效地将透析风险化解到最小，保证病人安全，提高医护质量。

【技术实现步骤摘要】
基于AI技术的肾脏病血液透析方案定制方法及系统
本专利技术涉及血液透析方案定制技术，具体涉及一种基于AI技术的肾脏病血液透析定制方法及系统。
技术介绍
肾脏病是一种严重危害人类健康常见病的统称，主要包括不同类型的肾炎、急性肾衰竭、肾结石、肾囊肿等等。急慢性肾功能衰竭患者会以血液透析的方式来替代治疗，把身体中血液引流到体外，清除身体中的代谢废物，维持电解质和酸碱平衡。血液透析是一项专业性较强、风险性较大的医疗护理行为。患者在透析周期中经常出现一些不良反应，在透析过程中会出现一些偶然的、突发的变化，为应付某些意外情况的发生，事先制定出个性化的透析方案，可以有效地将透析风险化解到最小，从而保证病人的安全，提高医疗护理质量。目前现有的血透中大多依靠医护人员的经验判断或者专业仪器的检测进行血透方案的制定及生命体征的检测，但是不同患者个体情况复杂，医护人员判断经验有限，同时，使用仪器每隔一定时间（如半小时左右）监测一次生命体征，操作频繁增加了工作量，而且不是实时监测，增加了发生危急情况的可能性。亟需对现有技术做出改进，提供个性化透析方案适应性，提高血透风险评估的准确性和效率，降低透析风险。
技术实现思路
专利技术目的：针对现有血液透析中不良反应人工评判能力不能满足患者实际不良反应预警需求的问题，本专利技术提出一种基于人工智能技术构建肾脏病血液透析定制方案的方法，能够有效的将血液透析风险化解到最小，保证病人的安全，提高医疗护理质量。本专利技术的另一目的是提供一种基于AI技术的肾脏病血液透析方案定制系统。技术方案：根据本专利技术的第一方面，一种基于AI技术的肾脏病血液透析方案定制方法，包括以下步骤：整理待定制用户数据，将待定制用户数据代入透析方案生成模型，生成一种或多种透析方案；将待定制用户数据以及一个或多个透析方案带入血液透析异常情况评估模型，获得所述一种或多种透析方案的异常情况评估结果，其中，所述血液透析异常情况评估模型根据历史透析数据利用决策树算法训练而得到；根据血液透析异常情况评估结果，确定肾脏病血液透析定制方案。其中，所述透析方案生成模型中涉及的内容包括：透析模式、预设脱水、透析时间、透析器、灌流器、置换液、置换液量、抗凝剂、透析液温度、透析液浓度ca、透析液浓度K、透析液浓度na、拟用药、透析液流量，所述一种或多种透析方案根据待定制用户数据按照预设的医学规则生成，所述待定制用户数据包括患者基础信息、透析前体格检查、历史检验检查数据。进一步地，所述血液透析异常情况评估模型为使用CART算法建立的决策树，所述决策树中每个内部节结点为提取的医学特征，表示在一个属性上的测试，每个分支代表测试输出，每个叶结点代表异常情况中的一种类别。进一步地，所述血液透析异常情况评估模型的训练具体过程包括：获取已有血液透析全过程样本数据，包括患者基础信息、透析前体格检查、透析方案、治疗效果、历史检验检查数据；对获取的样本数据进行清洗和标准化预处理；基于预处理后的数据，采用统计学方法和Xgboost算法得到影响血液透析中发生异常情况的特征数据；将特征数据划分为训练集和测试集，利用训练集数据对血液透析异常情况评估模型进行训练，利用测试集数据对血液透析异常情况评估模型进行测试，根据Kappa系数确定训练合格的血液透析异常情况评估模型。进一步地，所述患者基础信息包括包括年龄、性别、身高、体重、血型、民族、透析龄、原发病、传染史、重要病史中的一项或多项；所述透析前体格检查包括干体重、上次下机体重、透析前体重、血压-低压、血压-高压、心率、体温中的一项或多项；所述透析方案包括透析模式、预设脱水、透析时间、透析器、灌流器、置换液、置换液量、抗凝剂、透析液温度、透析液浓度ca、透析液浓度K、透析液浓度na、拟用药、透析液流量中的一项或多项；所述治疗效果包括透中情况；所述历史检验检查数据包括血红蛋白、平均血红蛋白浓度、平均血红蛋白含量、血小板计数、白细胞计数、红细胞计数、红细胞比积、平均红细胞体积、肌酐、尿素、尿酸、白蛋白、总蛋白、前白蛋白、葡萄糖、钠、钾、钙、磷、氯、碳酸氢根、血浆纤维蛋白原、纤维蛋白(原)降解产物、血浆D-D二聚体、血清肌钙蛋白I、血清肌钙蛋白T、肌红蛋白、血清铁、血清总铁结合力、血清铁蛋白、甲状旁腺激素、尿隐血、尿蛋白中的一项或多项。进一步地，所述对获取的样本数据进行清洗和标准化预处理包括：依据医学实体标准库与规定的单位换算，找出样本数据中不同的单位名称，采用统一单位对各不同的单位名称进行统一替换；根据非数值型数据转换规则，对样本数据中非数值型数据进行赋值换算；对样本数据中数值型数据进行异常值处理，得到标准化样本数据。进一步地，所述采用统计学方法和Xgboost算法得到影响血液透析中发生异常情况的特征数据包括：针对数值型医学特征数据，通过Levene检验查看方差是否齐，如果方差齐，则采用统计学上的方差分析方法；如果方差不齐，则采用统计学上的Welch检验，对于没有统计学意义的医学特征进行数据删除；针对非数值型医学特征数据，采用统计学上的卡方检验，对于没有统计学意义的医学特征进行数据删除；利用Xgboost算法对上述统计学方法处理后的特征进行排序，并选取排序指定部分的作为特征数据。根据本专利技术的第二方面，一种基于AI技术的肾脏病血液透析方案定制系统，包括：数据输入模块，用于将待定制用户数据整理成透析方案生成模块和血液透析异常情况评估模块的数据输入的标准，将数据发送给透析方案生成模块和血液透析异常情况评估模块；透析方案生成模块，用于根据待定制用户数据，基于预设的医学规则生成一种或多种透析方案；血液透析异常情况评估模块，用于根据待定制用户数据和所述一个或多个透析方案，基于预先训练好的血液透析异常情况评估模型得到所述一种或多种透析方案的异常情况评估结果，其中，所述血液透析异常情况评估模型是根据历史透析数据利用决策树算法训练而得到；定制方案输出模块，用于根据血液透析异常情况评估结果，确定肾脏病血液透析定制方案。进一步地，所述血液透析异常情况评估模型是基于血液透析异常情况评估模型构建模块而得到，所述血液透析异常情况评估模型构建模块包括：数据获取单元，用于获取已有血液透析全过程样本数据，包括患者基础信息、透析前体格检查、透析方案、治疗效果、历史检验检查数据；预处理单元，用于对获取的样本数据进行清洗和标准化预处理；特征提取单元，用于基于预处理后的数据，采用统计学方法和Xgboost算法得到影响血液透析中发生异常情况的特征数据；模型训练单元，用于将特征数据划分为训练集和测试集，利用训练集数据对血液透析异常情况评估模型进行训练，利用测试集数据对血液透析异常情况评估模型进行测试，根据Kappa系数确定训练合格的血液透析异常情况评估模型。进一步地，所述预处理单元包括：第一处理单元，用于针对数值型医学特本文档来自技高网...

【技术保护点】
1.一种基于AI技术的肾脏病血液透析方案定制方法，其特征在于，包括以下步骤：/n整理待定制用户数据，将待定制用户数据代入透析方案生成模型，生成一种或多种透析方案；/n将待定制用户数据以及一个或多个透析方案带入血液透析异常情况评估模型，获得所述一种或多种透析方案的异常情况评估结果，其中，所述血液透析异常情况评估模型根据历史透析数据利用决策树算法训练而得到；/n根据血液透析异常情况评估结果，确定肾脏病血液透析定制方案。/n

【技术特征摘要】
1.一种基于AI技术的肾脏病血液透析方案定制方法，其特征在于，包括以下步骤：
整理待定制用户数据，将待定制用户数据代入透析方案生成模型，生成一种或多种透析方案；
将待定制用户数据以及一个或多个透析方案带入血液透析异常情况评估模型，获得所述一种或多种透析方案的异常情况评估结果，其中，所述血液透析异常情况评估模型根据历史透析数据利用决策树算法训练而得到；
根据血液透析异常情况评估结果，确定肾脏病血液透析定制方案。


2.根据权利要求1所述的基于AI技术的肾脏病血液透析方案定制方法，其特征在于，所述透析方案生成模型中涉及的数据包括：透析模式、预设脱水、透析时间、透析器、灌流器、置换液、置换液量、抗凝剂、透析液温度、透析液浓度ca、透析液浓度K、透析液浓度na、拟用药、透析液流量，所述一种或多种透析方案根据待定制用户数据按照预设的医学规则生成，所述待定制用户数据包括患者基础信息、透析前体格检查、历史检验检查数据。


3.根据权利要求1所述的基于AI技术的肾脏病血液透析方案定制方法，其特征在于，所述血液透析异常情况评估模型为使用CART算法建立的决策树，所述决策树中每个内部节结点为提取的医学特征，表示在一个属性上的测试，每个分支代表测试输出，每个叶结点代表异常情况中的一种类别。


4.根据权利要求3所述的基于AI技术的肾脏病血液透析方案定制方法，其特征在于，所述血液透析异常情况评估模型的训练具体过程包括：
获取已有血液透析全过程样本数据，包括患者基础信息、透析前体格检查、透析方案、治疗效果、历史检验检查数据；
对获取的样本数据进行清洗和标准化预处理；
基于预处理后的数据，采用统计学方法和Xgboost算法得到影响血液透析中发生异常情况的特征数据；
将特征数据划分为训练集和测试集，利用训练集数据对血液透析异常情况评估模型进行训练，利用测试集数据对血液透析异常情况评估模型进行测试，根据Kappa系数确定训练合格的血液透析异常情况评估模型。


5.根据权利要求2或4所述的基于AI技术的肾脏病血液透析方案定制方法，其特征在于，所述患者基础信息包括包括年龄、性别、身高、体重、血型、民族、透析龄、原发病、传染史、重要病史中的一项或多项；
所述透析前体格检查包括干体重、上次下机体重、透析前体重、血压-低压、血压-高压、心率、体温中的一项或多项；
所述透析方案包括透析模式、预设脱水、透析时间、透析器、灌流器、置换液、置换液量、抗凝剂、透析液温度、透析液浓度ca、透析液浓度K、透析液浓度na、拟用药、透析液流量中的一项或多项；
所述治疗效果包括透中情况；
所述历史检验检查数据包括血红蛋白、平均血红蛋白浓度、平均血红蛋白含量、血小板计数、白细胞计数、红细胞计数、红细胞比积、平均红细胞体积、肌酐、尿素、尿酸、白蛋白、总蛋白、前白蛋白、葡萄糖、钠、钾、钙、磷、氯、碳酸氢根、血浆纤维蛋白原、纤维蛋白(原)降解产物、血浆D-D二聚体、血清肌钙蛋白I、血清肌钙蛋白T、肌红蛋白、血清铁、血清总铁结合力、血清铁蛋白、甲状旁腺激素、尿隐血、尿蛋白中的一项或多项。


6.根据权利要求5所述的基于AI技术的肾脏病血液透析方案定制方法，其特征在于，所述对获取的样本数据进行清洗和标准化处理包括：
依据...

【专利技术属性】
技术研发人员：黎海源，陆凯东，陈浩，刘迪，斯海燕，钱东平，林燕榕，姜玉苹，
申请(专利权)人：肾泰网健康科技南京有限公司，
类型：发明
国别省市：江苏;32