本发明专利技术属于智慧医疗辅助技术领域，解决了现有技术依靠医护人员从业经验或者有限样本数据库进行麻醉剂的配药，所导致麻醉剂用量不准确的技术问题，提供了一种麻醉剂用药数据库的智能更新方法、装置、系统及介质。该方法包括:根据当前用户的身体指标参数遍历数据库，得到患者的麻醉剂信息和对应的预测麻醉效果曲线，对比预测麻醉效果曲线和实际麻醉效果曲线的差异，从而对该麻醉剂信息进行优化，并以当前患者和优化后麻醉剂信息对应的新增患者更新数据库。本发明专利技术还包括用于执行上述方法的装置、系统及介质。本发明专利技术通过麻醉剂用量信息对应的实际麻醉效果去优化用量信息和预测麻醉效果，完善麻醉剂用药数据库，实现以患者的身体指标进行精准用药。身体指标进行精准用药。身体指标进行精准用药。
【技术实现步骤摘要】
麻醉剂用药数据库的智能更新方法、装置、系统及介质
[0001]本专利技术涉及智慧医疗辅助
，尤其涉及一种麻醉剂用药数据库的智能更新方法、装置、系统及介质。
技术介绍
[0002]众所周知，当我们做手术或者治疗某些疾病时。医生会使用麻醉药物，使机体或者机体的局部暂时失去知觉与痛觉，从而使人体免受手术的痛苦，也促进手术更加顺利地进行。麻醉药物可以分为吸入性麻醉药物、静脉麻醉药物和局部麻醉药物三类。
[0003]麻醉药品、精神药品被医生用于麻醉病人，便于手术的顺利进行，但若是它们落入不法分子的手中，则会被用作毒品，危害社会。为此，国家出台了严格的法律法规以规制麻醉药品的使用，医疗机构在采购、存储和使用等环节按照《麻醉药品和精神药品管理条例》的要求执行。现有技术中，麻醉药品的存储和使用都有较为严格的约束，但麻醉药品的药剂量的选用都依赖于医生根据患者的体重、体脂率等结合自己的从业经验来确定不同患者的麻醉药品的药剂量。
[0004]然而不同医生在使用麻醉药品过程中的任意性，一方面会给麻醉药品管理带来风险，另一方面剂量过大会导致患者产生耐药性。最近，随着计算机技术尤其是深度学习、人工智能技术的兴起，智慧医疗逐渐成为医疗技术发展的一个方向，现有技术对于麻醉剂用量的使用方向上也提出了一些不依赖于医生经验等的计算机方法。例如现有技术CN112807542A提出一种麻醉剂用量控制的方法和装置，该方法主要包括：获得第一用户的第一生理状态信息；根据第一用户的第一生理状态信息，对第一用户的第一生理状态信息进行归类，获得第一类别生理状态信息；获得第一用户的手术信息；将第一类别生理状态信息和第一用户的手术信息输入术前干预模型，获得第一术前干预方案；根据第一术前干预方案，对第一用户进行术前干预，获得第一术前干预结果；将第一术前干预结果和手术信息输入麻醉用量估计模型，获得第一用户的第一麻醉用量信息。上述方法是基于每一用户的生理状态信息和手术信息输入一个事先建立好的术前干预模型，得到术前干预方案，然后结合术前干预结果和手术信息得到麻醉用量估计模型，整体上都是依赖于事先建立好的数据模型估测麻醉用量，实际上忽视了模型本身存在的局限性，如果数据模型采集的样本较少，没有做大量样本的深度学习不断优化数据模型，或者每个数据模型的准确率即便达到90％，则两个数据模型的准确率也会大大下降，这导致获取的麻醉剂用量数据不准确。
技术实现思路
[0005]有鉴于此，本专利技术实施例提供了一种麻醉剂用药数据库的智能更新方法、装置、系统及介质，用以解决现有技术中，依靠医护人员从业经验或者有限样本数据库进行麻醉剂的配药，所导致麻醉剂用量不准确的技术问题。
[0006]本专利技术采用的技术方案是：
[0007]本专利技术提供了一种麻醉剂用药数据库的智能更新方法，所述方法包括：
[0008]S1:获取当前用户的身体指标参数；
[0009]S2：根据所述身体指标参数遍历麻醉剂用药数据库，输出与当前用户的所述身体指标参数匹配的麻醉剂信息，其中，麻醉剂信息包括麻醉剂类型、用量、使用方式及手术过程中麻醉效果的预测麻醉效果曲线；
[0010]S3：获取当前用户在所述麻醉剂信息的麻醉剂作用下对应的手术过程中的实际麻醉效果曲线；
[0011]S4：对比所述预测麻醉效果曲线和所述实际麻醉效果曲线，得到当前用户的用药效果差异信息；
[0012]S5：根据所述用药效果差异信息优化所述麻醉剂信息，得到与优化后的所述麻醉剂信息对应的新增病例样本和与所述麻醉剂信息对应的当前用户的真实病例样本，以所述新增病例样本和所述真实病例样本更新所述麻醉剂用药数据库。
[0013]优选地，所述S2包括：
[0014]S21：根据所述身体指标参数遍历麻醉剂用药数据库，得到至少一个与所述身体指标参数对应的体征信息适配的参考病例样本；
[0015]S22：根据各所述参考病例样本的麻醉剂样本信息，得到当前用户的所述麻醉剂信息；
[0016]其中，所述体征信息包括正常体征和肥胖体征。
[0017]优选地，所述S21包括：
[0018]S211：根据所述身体指标参数的身高信息和体重信息，得到当前用户的体征信息；
[0019]S212：根据所述身体指标参数遍历麻醉剂用药数据库，得到各所述体征信息相对应的所有历史病例样本；
[0020]S213：根据当前用户的所述体征信息和各所述历史病例样本对应的各所述体征信息，得到当前用户的各所述参考病例样本。
[0021]优选地，所述S211包括：
[0022]S2111：根据当前用户的所述身高信息和所述体重信息，由公式B＝W/H2计算得到当前用户的身体质量指数；
[0023]S2112：当所述身体质量指数超过预设的体征阈值范围时，确定当前用户的体征信息为所述肥胖体征；
[0024]S2113：当所述身体质量指数小于等于预设的所述体征阈值范围时，确定当前用户的体征信息为所述正常体征；
[0025]其中，B为身体质量指数，W为患者体重，H为患者身高。
[0026]优选地，所述S22包括：
[0027]S221：获取参考病例样本的样本体脂率和当前用户的目标体脂率；
[0028]S222：根据所述样本体脂率和所述目标体脂率，由公式A＝Wa(1
‑
C)计算得到麻醉剂用量的补偿剂量；
[0029]S223：根据所述补偿剂量和所述参考病例样本的样本用药信息，得到当前用户的所述麻醉剂用量信息；
[0030]其中，A为当前用户相对于参考病例样本的麻醉剂用量的补偿剂量，W为患者体重，a为单位体重的麻醉剂用量的补偿剂量，C为当前用户与参考病例样本的体脂率比值。
[0031]优选地，若当前患者的体征信息为肥胖体征，所述S222包括：
[0032]S2221：获取当前用户的性别信息和年龄信息；
[0033]S2222:根据所述性别信息、所述年龄信息以及身体质量指数，由公式 K＝mB+nY
‑
S+b计算得到所述目标体脂率；
[0034]S2223：根据所述目标体脂率和所述样本体脂率，由A＝Wa{1
‑
(mB+nY
‑
S+b)}/Q 计算得到所述麻醉剂用量的补偿剂量；
[0035]其中，Q为参考病例样本的样本体脂率，K为当前用户的体脂率，B为身体质量指数，Y为患者年龄，S为患者性别,b、m、n为常数。
[0036]优选地，所述S3包括：
[0037]S31：利用BIS麻醉深度监测仪实时测定手术过程中当前用户的脑电波波形和采集对应的外部条件反馈信息；
[0038]S32：根据所述脑电波波形和所述外部条件反馈信息，通过BIS评价系统输出当前用户实时的睡眠程度；
[0039]S33：根据当前用户实时的所述睡眠程度，建立所述当前麻醉效果曲线；
[0040]其中，所述外部条件反馈信息至少包括以下之一：吞咽本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种麻醉剂用药数据库的智能更新方法，其特征在于，所述方法包括：S1:获取当前用户的身体指标参数；S2：根据所述身体指标参数遍历麻醉剂用药数据库，输出与当前用户的所述身体指标参数匹配的麻醉剂信息，其中，麻醉剂信息包括麻醉剂类型、用量、使用方式及手术过程中麻醉效果的预测麻醉效果曲线；S3：获取当前用户在所述麻醉剂信息的麻醉剂作用下对应的手术过程中的实际麻醉效果曲线；S4：对比所述预测麻醉效果曲线和所述实际麻醉效果曲线，得到当前用户的用药效果差异信息；S5：根据所述用药效果差异信息优化所述麻醉剂信息，得到与优化后的所述麻醉剂信息对应的新增病例样本和与所述麻醉剂信息对应的当前用户的真实病例样本，以所述新增病例样本和所述真实病例样本更新所述麻醉剂用药数据库。2.根据权利要求1所述的麻醉剂用药数据库的智能更新方法，其特征在于，所述S2包括：S21：根据所述身体指标参数遍历麻醉剂用药数据库，得到至少一个与所述身体指标参数对应的体征信息适配的参考病例样本；S22：根据各所述参考病例样本的麻醉剂样本信息，得到当前用户的所述麻醉剂信息；其中，所述体征信息包括正常体征和肥胖体征。3.根据权利要求2所述的麻醉剂用药数据库的智能更新方法，其特征在于，所述S21包括：S211：根据所述身体指标参数的身高信息和体重信息，得到当前用户的体征信息；S212：根据所述身体指标参数遍历麻醉剂用药数据库，得到各所述体征信息相对应的所有历史病例样本；S213：根据当前用户的所述体征信息和各所述历史病例样本对应的各所述体征信息，得到当前用户的各所述参考病例样本。4.根据权利要求3所述的麻醉剂用药数据库的智能更新方法，其特征在于，所述S211包括：S2111：根据当前用户的所述身高信息和所述体重信息，由公式B＝W/H2计算得到当前用户的身体质量指数；S2112：当所述身体质量指数超过预设的体征阈值范围时，确定当前用户的体征信息为所述肥胖体征；S2113：当所述身体质量指数小于等于预设的所述体征阈值范围时，确定当前用户的体征信息为所述正常体征；其中，B为身体质量指数，W为患者体重，H为患者身高。5.根据权利要求2所述的麻醉剂用药数据库的智能更新方法，其特征在于，所述S22包括：S221：获取参考病例样本的样本体脂率和当前用户的目标体脂率；S222：根据所述样本体脂率和所述目标体脂率，由公式A＝Wa(1
‑
C)计算得到麻醉剂用量的补偿剂量；
S223：根据所述补偿剂量和所述参考病例样本的样本用药信息，得到当前用户的所述麻醉剂用量信息；其中，A为当前用户相对于参考病例样本的麻醉剂用量的补偿剂量，W为患者体重，a...
【专利技术属性】
技术研发人员：周翔，程鹏飞，宋晓阳，杨俊哲，张燕辉，罗中兵，
申请(专利权)人：中国人民解放军中部战区总医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。