腔内瓣膜放置患者预后预测制造技术

方法、系统和用例的各个方面可以用于训练模型，以基于侧支通气数据来确定患者是否是用于接收腔内瓣膜的候选。方法可以包括：接收基于患者的肺的目标部分处的压力或气流的传感器数据，所述患者的肺的目标部分被阻塞而不经由肺的呼吸气道接收空气。方法可以包括：至少部分地基于训练数据(例如，基于传感器数据)来训练机器学习模型，以经由在特定患者目标肺部分中是否存在侧支通气的指示来预测患者呼吸预后。

【技术实现步骤摘要】
【国外来华专利技术】

技术介绍

1、腔内瓣膜可以放置在通向肺的患病部分的气道内部，以重新引导呼吸的空气远离患病区域朝向肺的更健康的部分。这些腔内瓣膜是单向瓣膜(check valve)，其允许空气和体液(例如，粘液)逸出肺的患病部分，同时防止呼吸的空气进入这些部分。由于肺的患病部分(例如，患有严重肺气肿的肺区域)的体积往往会增加，并且肺的患病部分阻止了其他部分充分扩张，因此腔内瓣膜放置是用于减少患病肺部分(其对o2-co2气体交换没有贡献)所占体积的有效治疗。减少患病部分的体积为健康的肺部分提供了更多的空间来在呼吸循环期间完全充气，这允许明显更大的气体交换。不幸的是，一些患病的肺部分可能接收来自侧支通气的气流，其中气体通过侧支通道诸如例如肺泡孔和/或直接气道吻合从一个肺单元进入相邻的肺单元。虽然腔内瓣膜放置即使在存在一定程度的侧支通气的情况下也可以是有效的治疗，但是相对较高程度的侧支通气可能使腔内瓣膜放置对于肺减容(lung volumereduction)成为无效治疗。

技术实现思路

【技术保护点】

1.一种用于训练机器学习模型的侧支通气量化系统，所述机器学习模型在基于计算机的临床决策支持系统中使用以帮助预测针对腔内瓣膜放置的患者预后，所述侧支通气量化系统包括：

2.一种用于训练机器学习模型的方法，所述机器学习模型在基于计算机的临床决策支持系统中使用以帮助预测针对腔内瓣膜放置的患者预后，所述方法包括：

3.根据权利要求2所述的方法，其中，所阻塞的呼吸气道被球囊阻塞以堵塞流出气道，并且其中，所述接收到的数据是基于对流入气道施加的正压的压力数据。

4.根据权利要求3所述的方法，其中，所施加的正压包括恒定施加的压力。

5.根据权利要求2所述的...

【技术特征摘要】
【国外来华专利技术】

1.一种用于训练机器学习模型的侧支通气量化系统，所述机器学习模型在基于计算机的临床决策支持系统中使用以帮助预测针对腔内瓣膜放置的患者预后，所述侧支通气量化系统包括：

2.一种用于训练机器学习模型的方法，所述机器学习模型在基于计算机的临床决策支持系统中使用以帮助预测针对腔内瓣膜放置的患者预后，所述方法包括：

3.根据权利要求2所述的方法，其中，所阻塞的呼吸气道被球囊阻塞以堵塞流出气道，并且其中，所述接收到的数据是基于对流入气道施加的正压的压力数据。

4.根据权利要求3所述的方法，其中，所施加的正压包括恒定施加的压力。

5.根据权利要求2所述的方法，其中，训练所述机器学习模型包括使用肺部分的体积数据、所述患者的医学图像、裂隙完整性评分、所述患者的疾病状态、患者年龄或所述患者的共病中的至少一者作为附加的输入数据。

6.根据权利要求2所述的方法，其中，所述对应的患者呼吸预后包括基于所述接收到的数据的对所述患者在所述肺的所述目标部分处是否具有侧支通气的临床医生确定。

7.根据权利要求2所述的方法，其中，所述对应的患者呼吸预后包括在将腔内瓣膜插入所述患者体内的手术之后获得的所述患者的呼吸的客观预后或患者报告的呼吸评估。

8.根据权利要求2所述的方法，其中，从所述模型输出在特定患者目标肺部分中是否存在侧支通气的指示，作为侧支通气存在或侧支通气不存在的二元显示。

9.根据权利要求2所述的方法，其中，从所述模型输出所述指示，所述指示包括所述患者在所述目标部分中具有侧...

【专利技术属性】
技术研发人员：马修·E·尼克森，托尔斯滕·M·莱昂，
申请(专利权)人：捷锐士阿希迈公司以奥林巴斯美国外科技术名义，
类型：发明
国别省市：