呼吸拔管评估系统及呼吸拔管评估方法技术方案

一种呼吸拔管评估系统，包含一呼吸辅助装置

【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
技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种呼吸拔管评估系统及呼吸拔管评估方法，可反应出患者在拔管前一段时间的呼吸状态，提供医师更准确的拔管参考依据
。
[0006]缘以达成上述目的，本专利技术提供的一种呼吸拔管评估系统，包含一呼吸辅助装置
、
一人工智能平台与一医疗资讯系统，其中，所述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；所述人工智能平台接收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，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；所述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
。
[0007]本专利技术提供的一种呼吸拔管评估方法，包含下列步骤：
[0008]由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；
[0009]将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人工智能平台，且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；
[0010]将所述至少一个预测结果传送至所述医疗资讯系统，且记录于所述患者的一病历数据
。
[0011]本专利技术的效果在于，采用了人工智能的预测模型对预定期间内的患者的呼吸参数
进行分析以产生预测结果，相较于现有的拔管评估指标，本专利技术更能准确地反应出患者在拔管前一段时间的呼吸状态，提供医师更准确的拔管参考依据
。
加速医师决策速度，缩短患者的插管治疗期间，以减少不适
。
附图说明
[0012]图1为本专利技术一优选实施例的呼吸拔管评估系统的示意图
。
[0013]图2为本专利技术上述优选实施例的呼吸拔管评估方法的流程图
。
具体实施方式
[0014]为能更清楚地说明本专利技术，兹举优选实施例并配合附图详细说明如后
。
请参图1所示，为本专利技术一优选实施例的呼吸拔管评估系统，用以评估使用呼吸辅助装置插管的患者是否适合拔管脱离呼吸辅助装置
。
所述呼吸拔管评估系统包含一呼吸辅助装置
10、
一人工智能平台
20
与一医疗资讯系统
(Hospital Information System
，
HIS)30。
于后请配合图2一并说明本实施例应用所述呼吸拔管评估系统的呼吸拔管评估方法
。
[0015]所述呼吸辅助装置
10
是供患者配载并且插管连通至患者的气管，提供氧气给患者呼吸，所述呼吸辅助装置
10
除了提供氧气之外，还监测患者呼吸时的多个呼吸参数且持续记录所述多个呼吸参数，所述多个呼吸参数至少包括两个呼吸参数，包括潮气容积
(Tidal Volume
，
Vte)
与呼吸速率
(Respiratory Rate
，
RR)
，此外，所述多个呼吸参数还可包括尖峰气道压力
(Peak Airway
，
Pressure Ppeak)、
平均气道压力
(Mean Airway Pressure
，
Pmean)、
呼气末期正压
(Positive End
‑
expiratory Pressure
，
PEEP)、
吸入氧气浓度
(Fraction of inspiration O2
，
FiO2)
中的至少一个
。
[0016]所述呼吸辅助装置
10
持续地每隔一记录时间记录一次所述多个呼吸参数，例如每隔1分钟记录一次所述多个呼吸参数，且将每次记录时间及每次记录的所述多个呼吸参数传送到一呼吸参数数据库
40
中储存
。
[0017]在一实施例中，若有多个所述呼吸辅助装置
10
分别供多个患者配戴，则所述多个呼吸辅助装置
10
各自将每次记录时间及每次记录的所述多个呼吸参数传送到所述呼吸参数数据库
40
中储存
。
[0018]另外，本实施例中还可选择地包括一讯息队列
(Message Queue)
装置
50
，连接于所述呼吸辅助装置
10、
所述人工智能平台
20
与所述医疗资讯系统
30
之间，所述讯息队列装置
50
是作为讯息传递的中心
。
本实施例中，所述讯息队列装置
50
连接所述呼吸参数数据库
40
，以接收所述呼吸辅助装置
10
所记录的所述多个记录时间及各个所述记录时间对应的呼吸参数
。
实务上，所述讯息队列装置
50
亦可直接连接所述呼吸辅助装置
10
本文档来自技高网...

【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<...

【专利技术属性】
技术研发人员：黄国扬，许英麟，施因泽，
申请(专利权)人：许英麟，
类型：发明
国别省市：