一种利用患者数据和机器学习技术建立的实时质量控制框架制造技术

本发明专利技术涉及检验医学领域，具体涉及一种基于机器学习算法的检验科仪器异常监控框架。本发明专利技术意在指出一种利用患者数据和机器学习技术建立的实时质量控制框架，应用于检验医学领域，可同时监控临床发生的三大类仪器异常，即恒定系统异常、比例系统异常、随机系统异常，是一套完整的检验仪器异常监控的技术解决方案。一种基于机器学习算法的检验科仪器异常监控框架可作为系统软件部署于医院检验系统、检验仪器系统、或作为服务端部署于可执行计算机程序的计算器中。序的计算器中。

【技术实现步骤摘要】
一种利用患者数据和机器学习技术建立的实时质量控制框架


[0001]本专利技术创造涉及检验医学领域，具体涉及一种利用患者数据和机器学习技术建立的实时质量控制框架。

技术介绍

[0002]随着检验技术的发展，有数据显示目前国际可开展检测项目涵盖5000多项，国内包括实验室自建项目（LDT）在内，可开展的检测项目达2000多项，医疗机构大型检验科常规开展的检验项目近500项。医生大约有近2/3的诊疗决策有赖于准确及时的检测结果。而医学检测误差会导致诊疗差错与延迟，会对患者造成严重伤害，甚至死亡。
[0003]检测误差可发生于检验全过程。例如，不当的样本采集、运输或处理、仪器设备故障、不当的人员操作、不合理的结果解释等。为保证检测结果的可靠性，传统室内质控是医学实验室最早引入，且目前普遍使用的用于监测检验性能的重要手段之一。质量控制是医疗机构等级评审中指令性考评指标。《临床检验定量测定室内质量控制》国家卫生行业标准明确规定了在医学检测过程中应如何设计传统质控方案，并有效实施。
[0004]然而，传统质控临床应用中的技术问题包括：1）质控本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用患者数据和机器学习技术建立的实时质量控制框架其特征在于基于患者检验数据并利用机器学习技术，建立一种新型的基于患者检验结果的实时动态质量控制框架，且该框架同时具备临床三大类仪器异常的监控，即恒定系统异常、比例系统异常、随机系统异常。2.一种利用患者数据和机器学习技术建立的实时质量控制框架包括数据获取层，数据处理层，输出层；其中数据处理层中包含两个大的监控板块，即连续异常监控板块、随机异常监控板块；且该两个板块中同时含特征工程模块、模型预测模块、概率平滑模块；特征工程模块：主要包含单位量纲统一、数据过滤、数据标准化、队列组织；模型预测模块包含若干分段预测模型；概率平滑模块包含预测结果的二次组织和计算并输出最终预测结果。3.根据权利要求2所述的数据获取层，其特征在于：数据均直接或间接获取自于检验仪器。4.根据权利要求2所属的数据处理层，其特征在于：对接数据获取层获取数据，并经过计算返回最终预测结果。5.根据权利要求2所述的输出层，其特征在于：接收数据处理层的计算结果并返回最终结果。6.根据权利要求2所述的连续异常监控板块，其特征在于：能够监控连续异常，即比例异常和恒定异常，并返回预测结果。7.根据权利要求2所述的随机异常监控板块，其特征在于：能够监控随机异常，并返回预测结果。8.针对权利要求2所述的特征工程模块，其特征在于：本质是模型预测模块前期的数据预处理阶段。9.针...

【专利技术属性】
技术研发人员：陈超，宋彪，冯祥，韩泽文，王哲，
申请(专利权)人：内蒙古卫数数据科技有限公司，
类型：发明
国别省市：