基于临床医疗数据因果机器学习的手术麻醉选择推荐方法技术

本发明专利技术属于健康管理技术领域，具体涉及一种基于临床医疗数据因果机器学习的手术麻醉选择推荐方法，包括：获取待进行手术的患者数据；对数据进行预处理；将预处理后的数据输入到因果机器学习模型中，进行倾向性得分估计和患者实体响应缺失值预测；采用平均处理效应估计算法对倾向性得分估计和患者实体响应缺失值预测进行估计，得到平均处理效应估计值；根据平均处理效应估计值得到麻醉方式预测值，根据麻醉方式预测值得到手术麻醉推荐方案；本发明专利技术通过分析手术患者的档案数据，利用机器学习和因果效应推理方法，预测手术时长，并评估麻醉方式对手术时长作用的因果效应，并为患者提供个体化医疗的麻醉方式，辅助医疗服务人员临床决策

【技术实现步骤摘要】
基于临床医疗数据因果机器学习的手术麻醉选择推荐方法


[0001]本专利技术属于健康管理
，具体涉及一种基于临床医疗数据因果机器学习的手术麻醉选择推荐方法
。

技术介绍

[0002]因果机器学习
(CausalML)
为将数据生成过程形式化为结构因果模型
(SCM)
的机器学习方法的总称
。
其中，因果机器学习中的因果推断是一种从数据中揭示因果关系的方法，其与传统的关联分析不同，因果推断确定事件之间的因果关系，而不仅仅是相关性
。
它关注的是一个事件如何影响另一个事件，而不仅仅是它们之间是否同时发生
。
因果推断能够帮助机器学习模型更准确地预测未来事件，从而增强了算法的决策能力
。
随着医疗信息化的快速发展和医疗临床数据的广泛应用，医疗临床数据成为了医疗领域的重要组成部分
。
医疗临床数据记录了患者的个人资料
、
病历
、
检查结果等大量医疗数据，为医生提供了全面准确的患者信息，有助于指导医本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于临床医疗数据因果机器学习的手术麻醉选择推荐方法，其特征在于，包括：获取待进行手术的患者数据；对数据进行预处理；将预处理后的数据输入到基于临床医疗数据因果机器学习的手术麻醉选择推荐模型中，得到麻醉方式预测值，根据麻醉方式预测值得到手术麻醉推荐方案；对基于临床医疗数据因果机器学习的手术麻醉选择推荐模型进行训练包括：
S1、
获取用户档案数据，并构建用户临床数据表；其中用户档案数据为与手术相关的变量因素；
S2、
根据用户临床数据表构建因果效应数据表；
S3、
对因果效应数据表中的数据进行清理；
S4、
构建因果机器学习模型；将清理后的因果效应数据表中的数据输入到因果机器学习模型中，进行倾向性得分估计和患者实体响应缺失值预测；
S5、
采用平均处理效应估计算法对倾向性得分估计和患者实体响应缺失值进行估计，得到平均处理效应估计值；
S6、
根据平均处理效应估计值选择麻醉方式；
S7、
调整因果机器学习模型的参数，当模型收敛时完成模型的训练
。2.
根据权利要求1所述的一种基于临床医疗数据因果机器学习的手术麻醉选择推荐方法，其特征在于，变量因素包括：患者年龄
、
性别
、
身体指标
、
病史以及手术类型
。3.
根据权利要求1所述的一种基于临床医疗数据因果机器学习的手术麻醉选择推荐方法，其特征在于，将因果效应数据表中数据输入到因果机器学习模型包括：采用倾向性得分匹配算法对因果效应数据表中数据进行处理，得到倾向性得分估计结果；采用随机森林算法对处理数据进行分析，得到各个因素对手术结果的影响程度；设置影响程度阈值，保存大于影响程度阈值的因素，得到手术麻醉方式因素对于手术时长影响的因果效应
。4.
根据权利要求3所述的一种基于临床医疗数据因果机器学习的手术麻醉选择推荐方法，其特征在于，对数据进行倾向性得分估计包括：对档案库中的对应手术数据提取，通过
logistic
回归模型或者线性回归方法判断数据间是否存在相互影响的关系；若存在一定的联系，则将数据代入到倾向性得分匹配算法中进行数据匹配；根据匹配结果得到手术麻醉方式因素对于手术时长影响的因果效应
。5.
根据权利要求...

【专利技术属性】
技术研发人员：袁雨洁，余海燕，吴子涵，左小龙，陈波，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：