【技术实现步骤摘要】
本申请涉及数字孪生，具体涉及基于数字孪生的重症能量-蛋白质摄入量智能预测系统。
技术介绍
1、重症患者没有接受合理的营养支持治疗是导致患者出现icu住院时间延长、呼吸机难以脱机乃至病死等不良结局的重要因素之一。患者能量摄入不足会导致累积能量债，加重蛋白质分解，进而导致患者的肌肉消耗，而过高的能量供应会导致患者血糖升高，加重应激性高血糖和胰岛素抵抗。患者蛋白质摄入不足会引发营养不良，引起icu获得性虚弱等，而过高的蛋白质摄入会给肝脏和肾脏带来巨大压力，并导致电解质平衡紊乱以及肠道微生物失衡等问题。因此，最佳的营养治疗需要为患者提供摄入量接近于实际营养消耗量的营养支持，以适配患者的病理生理指标和改善患者的营养代谢指标。
2、目前有研究表明，重症患者的代谢特征在不同病程阶段具有显著差异。以2018年欧洲营养和代谢学会对重症患者的分期为例，处于“急性期的早期阶段”的患者具有代谢不稳定和分解代谢严重增加的特征，而处于“急性期的晚期阶段”的患者具有显著的肌肉萎缩和代谢趋于稳定。
3、传统的患者病程分期主要根据观察患者的临床表现和病史，依靠医疗工作者的主观经验进行粗略估计。但这种方法存在较高的主观性，评估准确性较低。虽然现有指南提出了针对重症患者的能量和蛋白质摄入目标量的推荐意见，但由于重症患者的遗传、免疫和代谢背景等的不同，即使同一疾病的临床表现也难以完全相同，进而增加了医疗工作者制定营养治疗方案的难度。
技术实现思路
1、本专利技术的目的在于解决在治疗过程中如何为重症
2、本专利技术请求保护基于数字孪生的重症能量-蛋白质摄入量智能预测系统，包括患者特征获取模块、孪生模型更新模块、候选方案获取模块、营养支持预测模块和营养方案推荐模块；
3、所述患者特征获取模块用于获取目标患者的生理特征，得到目标生理特征；所述生理特征包括静态变量特征和动态变量特征；
4、所述孪生模型更新模块用于根据所述目标生理特征实时更新目标患者的目标数字孪生模型；
5、所述候选方案获取模块用于获取预设营养方案；营养方案包括能量摄入量和蛋白质摄入量；
6、所述营养支持预测模块用于分别将每一所述预设营养方案输入当前所述目标数字孪生模型，得到对应的第一患者预测状态；
7、所述营养方案推荐模块用于根据所述目标患者当前的生理特征、每一所述预设营养方案和对应的所述第一患者预测状态生成推荐营养方案。
8、在本申请一实施例中，所述孪生模型更新模块还包括参考患者检索子模块和实时模型训练子模块；所述参考患者检索子模块用于根据所述目标患者在不同时刻的所述目标生理特征查询第一数据库，以得到对应的第一参考患者，所述第一参考患者的生理特征与对应所述目标生理特征之间的相似度不大于第一预设阈值；所述实时模型训练子模块用于根据所述目标生理特征和对应的所有所述第一参考患者的生理特征实时更新所述目标数字孪生模型，所述目标数字孪生模型的初始状态根据所述目标患者的初始生理特征和对应的所述第一参考患者的生理特征对标准孪生数字模型进行迁移学习得到。
9、在本申请一实施例中，所述标准孪生数字模型包括第一数字孪生子模型，所述第一数字孪生子模型包括输入层、第一隐藏层、第二隐藏层和输出层；所述输入层用于输入患者的生理特征；所述第一隐藏层用于提取所述目标患者对应时空图的空间特征向量，所述第二隐藏层用于提取所述目标患者对应时空图的时间特征向量；所述输出层用于根据所述空间特征向量和所述时间特征向量得到所述第一患者预测状态；
10、其中，所述时空图包括若干时刻对应的图结构，每一图结构包括节点和边，所述节点根据所述生理特征得到，所述边根据不同所述生理特征之间的关联关系得到。
11、在本申请一实施例中，根据人体系统将所有所述动态变量特征划分为若干个特征集，所有所述静态变量特征对应一个特征集，所述时空图的每一节点表示对应的特征集，边表示不同特征集之间的关联关系。
12、在本申请一实施例中，所述标准数字孪生模型用于模拟患者在不同时刻的生理特征值，所述动态变量特征包括血糖浓度、血浆胰岛素浓度和胰岛素注射速率，所述标准数字孪生模型还包括第二数字孪生子模型，所述第二数字孪生子模型根据动力学建模方式构建患者的血糖与胰岛素变化预测模型，所述第二数字孪生子模型包括：
13、；
14、；
15、；
16、；
17、其中，t表示时刻，x（t）表示第t时刻患者的血糖浓度的变化率，g（t）表示第t时刻患者的血糖浓度，i（t）表示第t时刻患者的血浆胰岛素浓度，q（t）表示第t时刻患者的血浆胰岛素浓度的变化率，uex（t）表示第t时刻患者的胰岛素注射速率，k1、k2、k3、k4、k5、k6、k7、α、basal和h表示动力学模型参数。
18、在本申请一实施例中，所述营养方案推荐模块还包括方案生成子模块，所述方案生成子模块用于根据所有所述预设营养方案和对应的所述第一患者预测状态在方案生成模型的输出，得到所述推荐营养方案；其中，所述方案生成模型根据大语言模型构建得到，根据所有历史患者使用营养方案前的生理特征、实际使用的营养方案、使用营养方案后的生理特征和对应的标准营养方案得到方案生成数据集，根据所述方案生成数据集对所述方案生成模型进行监督微调。
19、在本申请一实施例中，所述营养方案推荐模块还包括生成模型更新子模块，所述生成模型更新子模块用于获取所述目标患者的实际营养方案和患者实际状态，根据所述实际营养方案和所述推荐营养方案的对比结果得到方案差异，获取所述目标患者使用所述实际营养方案后的恢复情况，根据所述方案差异和所述恢复情况构建强化学习模型的奖励函数，根据所述强化学习模型更新所述方案生成模型。
20、在本申请一实施例中，所述营养支持预测模块还包括低营养预警子模块，所述低营养预警子模块用于将所述目标生理特征输入低营养概率预测模型，得到所述目标患者存在营养不良的目标概率，当所述目标概率大于第一预设阈值时，产生第一反馈信息，所述第一反馈信息用于提醒医护人员为所述目标患者摄入能量和/或蛋白质。
21、在本申请一实施例中，所述营养方案推荐模块还包括方案筛选子模块，所述方案筛选子模块用于获取所述方案生成模型的输出，得到候选营养方案，判断所述候选营养方案是否大于1，若所述候选营养方案的数量大于1，将每一所述候选营养方案输入当前所述目标数字孪生模型，得到对应的第二患者预测状态，分别将每一时刻的所述第二患者预测状态输入所述低营养概率预测模型，得到对应的低营养概率，取所述低营养概率大于所述第一预设阈值的时刻得到对应的补充时刻，取所有所述补充时刻中最大值对应的所述候选营养方案作为所述推荐营养方案。
22本文档来自技高网...
【技术保护点】
1.基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，包括患者特征获取模块、孪生模型更新模块、候选方案获取模块、营养支持预测模块和营养方案推荐模块；
2.根据权利要求1所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述孪生模型更新模块还包括参考患者检索子模块和实时模型训练子模块；所述参考患者检索子模块用于根据所述目标患者在不同时刻的所述目标生理特征查询第一数据库，以得到对应的第一参考患者，所述第一参考患者的生理特征与对应所述目标生理特征之间的相似度不大于第一预设阈值；所述实时模型训练子模块用于根据所述目标生理特征和对应的所有所述第一参考患者的生理特征实时更新所述目标数字孪生模型，所述目标数字孪生模型的初始状态根据所述目标患者的初始生理特征和对应的所述第一参考患者的生理特征对标准孪生数字模型进行迁移学习得到。
3.根据权利要求2所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述标准孪生数字模型包括第一数字孪生子模型，所述第一数字孪生子模型包括输入层、第一隐藏层、第二隐藏层和输出层；所述输入层用于输入患者
4.根据权利要求3所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，根据人体系统将所有所述动态变量特征划分为若干个特征集，所有所述静态变量特征对应一个特征集，所述时空图的每一节点表示对应的特征集，边表示不同特征集之间的关联关系。
5.根据权利要求4所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述标准数字孪生模型用于模拟患者在不同时刻的生理特征值，所述动态变量特征包括血糖浓度、血浆胰岛素浓度和胰岛素注射速率，所述标准数字孪生模型还包括第二数字孪生子模型，所述第二数字孪生子模型根据动力学建模方式构建患者的血糖与胰岛素变化预测模型，所述第二数字孪生子模型包括：
6.根据权利要求1-5任意一项所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述营养方案推荐模块还包括方案生成子模块，所述方案生成子模块用于根据所有所述预设营养方案和对应的所述第一患者预测状态在方案生成模型的输出，得到所述推荐营养方案；其中，所述方案生成模型根据大语言模型构建得到，根据所有历史患者使用营养方案前的生理特征、实际使用的营养方案、使用营养方案后的生理特征和对应的标准营养方案得到方案生成数据集，根据所述方案生成数据集对所述方案生成模型进行监督微调。
7.根据权利要求6所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述营养方案推荐模块还包括生成模型更新子模块，所述生成模型更新子模块用于获取所述目标患者的实际营养方案和患者实际状态，根据所述实际营养方案和所述推荐营养方案的对比结果得到方案差异，获取所述目标患者使用所述实际营养方案后的恢复情况，根据所述方案差异和所述恢复情况构建强化学习模型的奖励函数，根据所述强化学习模型更新所述方案生成模型。
8.根据权利要求6所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述营养支持预测模块还包括低营养预警子模块，所述低营养预警子模块用于将所述目标生理特征输入低营养概率预测模型，得到所述目标患者存在营养不良的目标概率，当所述目标概率大于第一预设阈值时，产生第一反馈信息，所述第一反馈信息用于提醒医护人员为所述目标患者摄入能量和/或蛋白质。
9.根据权利要求8所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述营养方案推荐模块还包括方案筛选子模块，所述方案筛选子模块用于获取所述方案生成模型的输出，得到候选营养方案，判断所述候选营养方案是否大于1，若所述候选营养方案的数量大于1，将每一所述候选营养方案输入当前所述目标数字孪生模型，得到对应的第二患者预测状态，分别将每一时刻的所述第二患者预测状态输入所述低营养概率预测模型，得到对应的低营养概率，取所述低营养概率大于所述第一预设阈值的时刻得到对应的补充时刻，取所有所述补充时刻中最大值对应的所述候选营养方案作为所述推荐营养方案。
10.根据权利要求7所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述动态变量特征还包括是否出现胃肠道不耐受的症状，所述蛋白质摄入量包括肠内营养支持方式提供的蛋白质摄入量和肠外营养支持方式提供的蛋白质摄入量，所述能量摄入量包括肠内营养支持方式提供的能量摄入...
【技术特征摘要】
1.基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，包括患者特征获取模块、孪生模型更新模块、候选方案获取模块、营养支持预测模块和营养方案推荐模块；
2.根据权利要求1所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述孪生模型更新模块还包括参考患者检索子模块和实时模型训练子模块；所述参考患者检索子模块用于根据所述目标患者在不同时刻的所述目标生理特征查询第一数据库，以得到对应的第一参考患者，所述第一参考患者的生理特征与对应所述目标生理特征之间的相似度不大于第一预设阈值；所述实时模型训练子模块用于根据所述目标生理特征和对应的所有所述第一参考患者的生理特征实时更新所述目标数字孪生模型，所述目标数字孪生模型的初始状态根据所述目标患者的初始生理特征和对应的所述第一参考患者的生理特征对标准孪生数字模型进行迁移学习得到。
3.根据权利要求2所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述标准孪生数字模型包括第一数字孪生子模型，所述第一数字孪生子模型包括输入层、第一隐藏层、第二隐藏层和输出层；所述输入层用于输入患者的生理特征；所述第一隐藏层用于提取所述目标患者对应时空图的空间特征向量，所述第二隐藏层用于提取所述目标患者对应时空图的时间特征向量；所述输出层用于根据所述空间特征向量和所述时间特征向量得到所述第一患者预测状态；
4.根据权利要求3所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，根据人体系统将所有所述动态变量特征划分为若干个特征集，所有所述静态变量特征对应一个特征集，所述时空图的每一节点表示对应的特征集，边表示不同特征集之间的关联关系。
5.根据权利要求4所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述标准数字孪生模型用于模拟患者在不同时刻的生理特征值，所述动态变量特征包括血糖浓度、血浆胰岛素浓度和胰岛素注射速率，所述标准数字孪生模型还包括第二数字孪生子模型，所述第二数字孪生子模型根据动力学建模方式构建患者的血糖与胰岛素变化预测模型，所述第二数字孪生子模型包括：
6.根据权利要求1-5任意一项所述的基于数字孪生的重症能量-蛋白质摄入量智能预测系统，其特征在于，所述营养方案推荐模块还包括方案生成子模块，所述方案生成子模块用于根据所有...
【专利技术属性】
技术研发人员：江华，王璐，曾俊，王栋，
申请(专利权)人：四川省医学科学院·四川省人民医院，
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。