【技术实现步骤摘要】
本专利技术涉及智能医疗，更具体地，涉及一种急性心梗pci手术辅助决策的方法、设备、系统、计算机可读存储介质。
技术介绍
1、急性st段抬高型心肌梗死(st-segment elevation myocardial infarction,stemi)是冠状动脉急性、持续性缺血缺氧所引起的心肌坏死，目前冠状动脉介入(percutaneous coronary intervention,pci)手术为stemi患者主要且有效的治疗方式，已成功挽救了许多心梗患者的生命。但临床发现经及时有效的pci手术后仍有很多患者发生心律失常、心衰、低血压休克、心脏破裂等心血管不良事件(maces)，院内死亡率仍较高。
技术实现思路
1、早期发现和有效干预这些不良事件是一项技术路线明确、成本效益高的防控项目。本专利技术提供急性心梗pci手术辅助决策的方法，利用患者的临床特征前瞻性的预测pci术后发生风险的概率，从而实现早期干预，指导手术决策，实现术后风险的防控。
2、一种急性心梗pci手术辅助决策的方法，包括：
3、获取待手术患者临床数据；
4、提取所述临床数据得到临床特征，所述临床特征包括sii和下列的一种或几种：年龄、收缩压、lvef；
5、基于所述临床特征得到待手术患者术后发生风险的概率；
6、基于所述发生风险的概率决定是否进行干预治疗，所述干预治疗包括在pci手术前、手术中、手术后采用不同方案。
7、进一步，所述不同方案包括：
8、进一步，所述临床特征还包括下列的一种或几种：mhr、plr、nlr、fpg、心率、肌钙蛋白、wbc。
9、进一步，基于所述临床特征得到待手术患者术后发生风险的概率的方法包括下列的一种或几种：基于阈值判断、机器学习模型。
10、进一步，所述机器学习模型包括下列的一种或几种：支持向量机、逻辑回归、决策树、随机森林、极限学习机。
11、进一步，所述机器学习模型的构建方法包括下列步骤：
12、获取急性心梗pci术后发生风险的数据集；
13、对所述数据集提取临床特征；
14、将所述临床特征输入机器学习模型中训练后得到可用于急性心梗pci手术辅助决策的机器学习模型。
15、进一步，所述阈值基于统计检验得到。
16、一种急性心梗pci手术辅助决策的系统，包括：
17、数据获取单元：获取待手术患者临床数据；
18、特征提取单元：提取所述临床数据得到临床特征，所述临床特征包括sii和下列的一种或几种：年龄、收缩压、lvef；
19、预测单元：基于所述临床特征得到待手术患者术后发生风险的概率；
20、决策单元：基于所述发生风险的概率决定是否进行干预治疗，所述干预治疗包括在pci手术前、手术中、手术后采用不同方案。
21、一种急性心梗pci手术辅助决策的设备，包括：存储器和处理器；
22、所述存储器用于存储程序指令；所述处理器用于调用程序指令，当程序指令被执行时，实现上述的任意一项所述的急性心梗pci手术辅助决策的方法步骤。
23、一种急性心梗pci手术辅助决策的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述的急性心梗pci手术辅助决策的方法步骤。
24、本申请的优势：
25、1.本申请为了实现急性心梗pci术后发生风险的早期发现，提出了一个预测模型，该模型基于临床数据，能够避免人为判断的主观性，帮助医生做出客观的临床决策，并决定是否实施pci手术前中后的干预措施；
26、2.本申请获取患者临床数据，提取出患者的临床特征的sii、年龄、收缩压、lvef，用上述临床特征预测患者术后风险发生概率，基于该客观、定量的预测方法，帮助医生快速做出临床决策，帮助心梗患者恢复健康；
27、3.本申请获取患者临床数据，提取出患者的临床特征用于预测患者术后风险发生概率，并根据概率采取相应干预措施，数据证明，采用干预措施后术后发生风险的概率明显降低。
本文档来自技高网...【技术保护点】
1.一种急性心梗PCI手术辅助决策的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的急性心梗PCI手术辅助决策的方法，其特征在于，所述不同方案包括：所述PCI手术前的方案包括下列的一种或几种：在常规急诊PCI术前准备的基础上进行IABP辅助，PCSK9负荷量术前皮下注射；所述手术中的方案包括下列的一种或几种：减少手术时间，减少造影剂用量；所述手术后的方案包括下列的一种或几种：采用CNP护理模式，围术期继续使用IABP器械辅助，使用无创呼吸机正压通气辅助，床旁CRRT连续血液替代治疗，采用抗凝治疗方案。
3.根据权利要求1所述的急性心梗PCI手术辅助决策的方法，其特征在于，所述临床特征还包括下列的一种或几种：MHR、PLR、NLR、FPG、心率、肌钙蛋白、WBC。
4.根据权利要求1所述的急性心梗PCI手术辅助决策的方法，其特征在于，基于所述临床特征得到待手术患者术后发生风险的概率的方法包括下列的一种或几种：基于阈值判断、机器学习模型。
5.根据权利要求4所述的急性心梗PCI手术辅助决策的方法，其特征在于，所述机器学习模型包
6.根据权利要求4所述的急性心梗PCI手术辅助决策的方法，其特征在于，所述机器学习模型的构建方法包括下列步骤：
7.根据权利要求4所述的急性心梗PCI手术辅助决策的方法，其特征在于，所述阈值基于统计检验得到。
8.一种急性心梗PCI手术辅助决策的系统，其特征在于，包括：
9.一种急性心梗PCI手术辅助决策的设备，包括：存储器和处理器；
10.一种急性心梗PCI手术辅助决策的计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1-7任意一项所述的急性心梗PCI手术辅助决策的方法步骤。
...【技术特征摘要】
1.一种急性心梗pci手术辅助决策的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的急性心梗pci手术辅助决策的方法，其特征在于，所述不同方案包括：所述pci手术前的方案包括下列的一种或几种：在常规急诊pci术前准备的基础上进行iabp辅助，pcsk9负荷量术前皮下注射；所述手术中的方案包括下列的一种或几种：减少手术时间，减少造影剂用量；所述手术后的方案包括下列的一种或几种：采用cnp护理模式，围术期继续使用iabp器械辅助，使用无创呼吸机正压通气辅助，床旁crrt连续血液替代治疗，采用抗凝治疗方案。
3.根据权利要求1所述的急性心梗pci手术辅助决策的方法，其特征在于，所述临床特征还包括下列的一种或几种：mhr、plr、nlr、fpg、心率、肌钙蛋白、wbc。
4.根据权利要求1所述的急性心梗pci手术辅助决策的方法，其特征在于，基于所述临床特征得到待手术患者术后发生风险...
【专利技术属性】
技术研发人员：马晶茹，杨洋，任灵，徐以康，管静文，
申请(专利权)人：沈阳医学院附属第二医院，
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。