【技术实现步骤摘要】
呼吸拔管评估系统及呼吸拔管评估方法
[0001]本专利技术是与呼吸辅助装置的拔管评估有关;特别是指一种呼吸拔管评估系统及呼吸拔管评估方法
。
技术介绍
[0002]在医疗行为中,插管是将呼吸辅助装置的管子经由患者的嘴或鼻插入患者的气管中,为患者建立呼吸的通道,提供氧气给患者以维持患者的生命
。
待医师评估患者的病情改善,开始进行脱离呼吸辅助装置脱离的训练
。
训练一段时间后,医师评估患者可脱离呼吸辅助装置而自主呼吸之后,便会对患者进行拔管,让患者脱离呼吸辅助装置
。
[0003]目前常用的评估指标为浅快呼吸指数
(Rapid Shallow Breathing Index
,
RSBI)
,浅快呼吸指数是在拔管前进行测量,当
RSBI≤105
时,则评估为拔管较易成功,亦即拔管后的
48
小时之内不需重新插管
。
一般而言,
RSBI≤105
约有
92
%的机会可拔管成功,
RSBI>105
虽评估为不易成功,但临床上
RSBI>105
的患者仍有
53
%的拔管成功的机会
。
换言之,浅快呼吸指数预测不易成功的案例中,仍有超过一半的成功案例
。
[0004]是以,以浅快呼吸指数评估患者是否适合脱离呼吸辅助装置并不准确
。
专利 ...
【技术保护点】
【技术特征摘要】
1.
一种呼吸拔管评估系统,包含:一呼吸辅助装置,用以插管连通一患者的气管,所述呼吸辅助装置持续地每隔一记录时间记录所述患者的多个呼吸参数;一人工智能平台,接收多个记录时间及各所述记录时间对应的所述多个呼吸参数,所述人工智能平台包括一预测模块,所述预测模块根据至少一个预测模型对一预定期间内的所述多个呼吸参数进行分析以产生至少一个预测结果,其中,所述至少一个预测结果包含一成功状态与一失败状态中的一者;以及一医疗资讯系统,接收所述至少一个预测结果,并将所述至少一个预测结果记录于所述患者的一病历数据中
。2.
如权利要求1所述的呼吸拔管评估系统,其中,所述至少一个预测结果还包含对应所述成功状态的一信心度,或对应所述失败状态的一信心度
。3.
如权利要求1所述的呼吸拔管评估系统,其中,所述至少一个预测模型是基于卷积神经网络算法与长短期记忆模型算法中的至少一者对所述预定时段内的所述多个呼吸参数进行分析
。4.
如权利要求3所述的呼吸拔管评估系统,其中,所述至少一个预测模型为两个且分别基于卷积神经网络算法与长短期记忆模型算法对所述预定时段内的所述多个呼吸参数进行分析,以分别产生两个所述预测结果;所述医疗资讯系统接收所述两个预测结果,并将所述两个预测结果记录于所述患者的所述病历数据中
。5.
如权利要求1所述的呼吸拔管评估系统,其中,所述人工智能平台包括一人工智能训练模块,所述人工智能训练模块依据多个训练数据对所述至少一个预测模型进行训练;其中,所述多个训练数据报括多个参考患者在一参考期间的多个历史呼吸参数及所述多个参考患者的呼吸拔管的结果
。6.
如权利要求5所述的呼吸拔管评估系统,其中,所述医疗资讯系统中还输入有所述患者的呼吸拔管的结果,所述人工智能平台接收所述患者的呼吸拔管的结果,所述人工智能训练模块依据所述患者的所述多个记录时间及个各所述记录时间对应的呼吸参数及所述患者的呼吸拔管的结果对所述至少一个预测模型进行训练
。7.
如权利要求1所述的呼吸拔管评估系统,其中,所述多个呼吸参数包括潮气容积与呼吸速率
。8.
如权利要求7所述的呼吸拔管评估系统,其中,所述多个呼吸参数还包括尖峰气道压力
、
平均气道压力
、
呼气末期正压
、
吸入氧气浓度中的至少一者
。9.
如权利要求1所述的呼吸拔管评估系统,其中,包含一消息队列装置,连接于所述呼吸辅助装置
、
所述人工智能平台与所述医疗资讯系统之间;所述呼吸辅助装置的所述多个记录时间及各所述记录时间对应的所述多个呼吸参数传送至所述消息队列装置;所述人工智能平台向所述消息队列装置取得所述多个记录时间及各个所述记录时间对应的所述多个呼吸参数且将所述至少一个预测结果传送至所述消息队列装置;所述医疗资讯系统向所述消息队列装置取得所述至少一个预测结果<...
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。