一种房颤患者心血管事件风险评估动态随诊系统技术方案

本发明专利技术公开了一种房颤患者心血管事件风险评估动态随诊系统，包括数据采集层、数据存储层、数据计算层、应用层，与现有技术相比，本发明专利技术依据与房颤相关中风人群的大范围的人口统计、临床文本、生化指标、影像学标记来进行心血管事件风险评估系统建立，从而揭示房颤患者罹患出血和缺血性中风的全面风险。通过计算选定参数或者可调风险因素的动态变化，精准、个体化的评估心血管事件发生的风险，以便制定出最优的治疗方案并根据个体情况进行针对性的治疗，进而调控那些可显著降低心血管事件的风险因素。险因素。险因素。

【技术实现步骤摘要】
一种房颤患者心血管事件风险评估动态随诊系统


[0001]本专利技术涉及一种医疗系统，尤其涉及一种房颤患者心血管事件风险评估动态随诊系统。

技术介绍

[0002]房颤相关卒中是房颤患者最常见也是最严重的并发症，其致死、致残率高。抗凝治疗在房颤人群中获益明确，但科学的抗凝治疗策略应基于综合动态评估患者实时的血栓和出血风险、肾功能变化以及药物剂量使用的个体化而制定。因此，就算是同一名患者，抗凝治疗方案也应是动态变化的、实时优化调整的。
[0003]目前，市面上缺乏针对房颤患者心血管事件风险评估的动态随诊系统。“用于心血管疾病和中风的风险评估的模糊系统”，是建立在一种或者多种风险因素的基础上，进行模糊引擎和计算，推断病人发生心血管疾病和中风的可能性。“一种基于网络的心血管疾病智能随访系统”，是在网络平台的基础上，建立患者、医生客户端以及数据信息中心，实现医患双方的信息传送。这是一种宽泛的信息收集和管理系统，而没有针对疾病、患者的特殊性和治疗方法的个体化进行系统和内容设计。

技术实现思路

[0004]本专利技术的目的是针对房颤患者治疗方案不够优化、科学化，房颤抗凝治疗率低的现实问题，现有风险分层方案中缺乏精准、个体化的房颤心血管事件风险计算方法提供一种房颤患者心血管事件风险评估动态随诊系统。
[0005]为达到上述目的，本专利技术是按照以下技术方案实施的：
[0006]本专利技术包括数据采集层、数据存储层、数据计算层、应用层，所述数据采集层包括患者基本信息导入和患者动态信息导入，所述数据存储层存储所述数据采集层倒入的患者基本信息、患者动态信息，所述数据计算层从数据存储层获取对应患者基本信息和动态信息为应用层各功能赋能，进行数据处理、数据计算和状态管理，所述应用层包括患者指标监控服务、AI诊断服务、患者报告服务、患者指标监控、诊断结果推送，患者反馈服务为医护人员提供发布问卷的功能，患者通过问卷填写医生关心的相应的问题，提交后数据将同步更新到患者指标监控，AI模型将根据最新的参数重新计算出患者当前身体状况，然后依据赋值后的分数，进一步计算出此患者的风险评估值范围，并给予低、中、高风险的提示，计算结果将提交给患者报告服务，生成的报告待医生审核后，便以推送的方式反馈给用户。
[0007]所述数据采集层包括Kafka数据流入、Web UI数据输入和Rest API数据输入，Kafka作为数据流的中间件，用于接收和分发数据，动态的患者信息作为输入数据发送到Kafka的主题中，再使用Kafka相应的REST API将数据发送到指定的主题；Web UI提供用户界面，包含了医护端和患者端，医护端收集患者数据，患者端包含反馈服务、AI诊断及其报告和结果的展示；Rest API作为数据采集的接口，允许外部系统或应用程序通过HTTP请求发送数据。
[0008]所述数据存储层包括数据存储与处理、数据存储与查询、数据查询与分析、数据转换与存取；
[0009]数据存储与处理：使用Hadoop分布式文件系统(HDFS)作为数据的存储层，将数据上传到HDFS中，以实现数据的分布式存储和容错性，HDFS将数据分割成块并复制到不同的节点上，提供高可靠性和高吞吐量的数据存储；
[0010]数据存储与查询：使用HBase作为分布式NoSQL数据库，HBase将数据存储在Hadoop集群上，并提供快速的随机读写能力，将数据从HDFS导入到HBase表中，通过HBase提供的API进行数据的查询和操作；
[0011]数据查询与分析：使用Hive进行数据查询和分析，Hive是建立在Hadoop之上的数据仓库基础设施，提供类似于SQL的查询语言(HiveQL)，允许使用类SQL语句对存储在Hadoop中的数据进行查询和分析，Hive将HiveQL查询转换为MapReduce作业，并在Hadoop集群上执行；
[0012]数据转换与存取：Hive通过定义外部表(External Table)来直接访问HBase中的数据，这一部分是通过Web UI的对于后端的命令开始运行的，使用Hive的HBase存储处理器(HBase Storage Handler)建立与HBase的连接，并在Hive中创建与HBase表关联的外部表，在Hive中使用类SQL语句对HBase中的数据进行查询和分析。
[0013]所述数据计算层将深度学习模型所需的训练数据准备好，并将其存储在HDFS系统；部署AI模型并且使用Spark Streaming和MapReduce来进行数据的计算。
[0014]所述应用层包括
[0015]划分微服务：根据Web UI的功能和模块划分，将其拆分为独立的微服务；
[0016]容器化微服务：使用Docker将每个微服务打包成独立的容器，Docker容器提供环境隔离和便捷的部署方式，使得微服务独立运行并可移植到不同的环境中；
[0017]定义容器化服务：创建一个Docker Compose文件或使用容器编排工具定义和管理微服务的组合，在这个文件中，指定每个微服务的镜像、网络配置和其他相关参数。
[0018]构建镜像：为每个微服务构建Docker镜像，使用Dockerfile定义构建步骤和所需的依赖项，镜像使用公共的Docker镜像仓库或私有的镜像仓库进行存储和分享；
[0019]运行微服务：使用Docker Compose或容器编排工具部署和运行微服务，根据需要进行扩缩容，管理容器的生命周期和资源分配；
[0020]定义API和交互：在每个微服务中定义API接口，用于与其他微服务进行通信和交互，API使用REST协议定义，并遵循微服务之间的通信规范；
[0021]实现Web UI：在其中一个微服务中实现Web UI的功能，这个微服务处理用户界面的渲染、用户交互和前端逻辑，使用现有的前端框架构建用户界面；
[0022]微服务通信：微服务之间的通信使用REST API进行微服务之间的数据传递和调用；
[0023]监控和管理：使用监控工具和日志收集系统对微服务进行监控和管理，帮助实时监测微服务的运行状态、性能指标和错误日志。
[0024]该系统基于临床文本资料、影像学图像、实验室检查结果等多模态的数据，实现一种动态、个体化的房颤出血和中风风险计算方法。并且系统针对性的收集、分析有利于制定最优治疗方案的各种参数，可以实时、动态呈现特定参数的时间序列对比曲线，自动矫正房
颤患者心血管事件风险系数，并且可以结合患者提供的图片、语音或者文字等实时反馈的内容，优化调整患者的治疗方案。
[0025]本专利技术的有益效果是：
[0026]本专利技术是一种房颤患者心血管事件风险评估动态随诊系统，与现有技术相比，本专利技术依据与房颤相关中风人群的大范围的人口统计、临床文本、生化指标、影像学标记来进行心血管事件风险评估系统建立，从而揭示房颤患者罹患出血和缺血性中风的全面风险。通过计算选定参数或者可调风险因素的动态变化，精准、个体化的评估心血管事件发生的风险本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种房颤患者心血管事件风险评估动态随诊系统，其特征在于：包括数据采集层、数据存储层、数据计算层、应用层，所述数据采集层包括患者基本信息导入和患者动态信息导入，所述数据存储层存储所述数据采集层倒入的患者基本信息、患者动态信息，所述数据计算层从数据存储层获取对应患者基本信息和动态信息为应用层各功能赋能，进行数据处理、数据计算和状态管理，所述应用层包括患者指标监控服务、AI诊断服务、患者报告服务、患者指标监控、诊断结果推送，患者反馈服务为医护人员提供发布问卷的功能，患者通过问卷填写医生关心的相应的问题，提交后数据将同步更新到患者指标监控，AI模型将根据最新的参数重新计算出患者当前身体状况，然后依据赋值后的分数，进一步计算出此患者的风险评估值范围，并给予低、中、高风险的提示，计算结果将提交给患者报告服务，生成的报告待医生审核后，便以推送的方式反馈给用户。2.根据权利要求1所述的房颤患者心血管事件风险评估动态随诊系统，其特征在于：所述数据采集层包括Kafka数据流入、Web UI数据输入和Rest API数据输入，Kafka作为数据流的中间件，用于接收和分发数据，动态的患者信息作为输入数据发送到Kafka的主题中，再使用Kafka相应的REST API将数据发送到指定的主题；Web UI提供用户界面，包含了医护端和患者端，医护端收集患者数据，患者端包含反馈服务、AI诊断及其报告和结果的展示；Rest API作为数据采集的接口，允许外部系统或应用程序通过HTTP请求发送数据。3.根据权利要求1所述的房颤患者心血管事件风险评估动态随诊系统，其特征在于：所述数据存储层包括数据存储与处理、数据存储与查询、数据查询与分析、数据转换与存取；数据存储与处理：使用Hadoop分布式文件系统(HDFS)作为数据的存储层，将数据上传到HDFS中，以实现数据的分布式存储和容错性，HDFS将数据分割成块并复制到不同的节点上，提供高可靠性和高吞吐量的数据存储；数据存储与查询：使用HBase作为分布式NoSQL数据库，HBase将数据存储在Hadoop集群上，并提供快速的随机读写能力，将数据从HDFS导入到HBase表中，通过HBase提供的API进行数据的查询和操作；数据查询与分析：使用Hive进行数据查询和分析，Hive是建立在Hadoop之上的数据仓库基础设施，提供类似于SQL的查询语言(HiveQL)...

【专利技术属性】
技术研发人员：周秘，张文军，彭博，谭静，刘军，尹立雪，廖明娇，张俊清，赵津艺，
申请(专利权)人：成都市温江区人民医院，
类型：发明
国别省市：