(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111455643.1 (22)申请日 2021.12.01 (71)申请人 中国人民解 放军总医院第一医学中 心 地址 100853 北京市海淀区复兴 路28号 申请人 清华大学 (72)发明人 潘菲　李春平　韩有方　宋海楠　 黎檀实　陈威　 (74)专利代理 机构 北京智桥联合知识产权代理 事务所(普通 合伙) 11560 代理人 赵景平 (51)Int.Cl. G16H 50/20(2018.01) G16H 50/30(2018.01) G16H 10/60(2018.01)G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 气道梗阻严重程度评估方法及系统 (57)摘要 本发明公开了一种气道梗阻严重程度评估 方法及系统， 该方法包括： 获取当前患者的即时 诊断数据； 从所述即时诊断数据中提取关键指标 特征数据； 将所述关键指标特征数据输入预先基 于病人医疗数据源构建的气道梗阻严重程度评 估模型， 根据所述气道梗阻严重程度评估模型的 输出得到 所述患者的气道梗阻严重程度评分。 本 发明可以辅助相关救治人员对患者气道梗阻做 出快速正确评估和及时有效处置， 提高紧急突发 条件下的救治能力。 权利要求书2页 说明书9页 附图3页 CN 114155955 A 2022.03.08 CN 114155955 A 1.一种气道梗阻严重程度评估方法， 其特 征在于， 所述方法包括： 获取当前患者的即时诊断数据； 从所述即时诊断数据中提取关键指标 特征数据； 将所述关键指标特征数据输入预先基于病人医疗数据源构建的气道梗阻严重程度评 估模型， 根据所述气道梗阻严重程度评估模型的输出得到所述患者的气道梗阻严重程度评 分； 所述气道梗阻严重程度评估模型包括输入层、 三个隐藏层、 输出层， 所述三个隐藏层与 所述输出层为全连接， 并且相邻隐藏层之间使用随机失活机制。 2.根据权利要求1所述的方法， 其特征在于， 所述基于病人医疗数据源构建气道梗阻严 重程度评估 模型包括： 采集病人医疗数据源， 并从所述医疗数据源中提取病人就诊相关数据； 对所述病人就诊相关数据进行相关性分析， 得到关键指标集； 对所述关键指标集中的指标进行规范化处 理及缺失值 填充， 得到关键指标样本集； 确定所述关键指标样本集中的各样本的气道干预手段标签及与所述气道干预手段标 签对应的气道严重程度； 根据所述关键指标样本集及所述气道严重程度训练得到气道梗阻严重程度评估 模型。 3.根据权利要求2所述的方法， 其特征在于， 所述病人医疗数据源包括以下任意一种或 多种： 急诊数据库、 护理系统、 医院数据库。 4.根据权利要求2所述的方法， 其特征在于， 所述病人就诊相关数据包括以下任意一种 或多种： 病人基本信息、 病人气道干预记录、 病人检测指标、 以及病人的意识状态信息； 所述病人气道干预记录包括： 鼻导管吸氧、 面 罩吸氧、 口咽 通气道或气管插管； 所述病人检测指标包括： 生命体征、 血常规、 血气分析、 凝血功能、 急诊生 化； 所述病人的意识状态信息包括： 神志状态、 是否躁动。 5.根据权利要求4所述的方法， 其特征在于， 所述对所述病人就诊相关数据进行相关性 分析， 得到关键指标集包括： 对所述病人检测指标进行相关性 解析， 得到候选关键指标集； 对所述候选关键指标集中的每个候选指标， 将其与气道梗阻严重程度的相关系数按绝 对值大小进行排序， 选择相关系 数绝对值大于等于设定阈值的候选指标加入推荐指标集， 否则加入剩余指标集； 结合医学知识对所述推荐指标集中的各项指标进行重要程度分级， 并将所述推荐指标 集中的指标加入关键指标集； 从所述剩余指标集中选出部分指标加入所述关键指标集； 对所述关键指标集中的每 个训练样本加入神志状态标签和躁动标签。 6.根据权利要求2所述的方法， 其特征在于， 所述对所述关键指标集中的指标进行规范 化处理包括： 如果所述指标在正常区间内， 则将所述指标 取值为0； 如果所述指标高于所述正常区间、 并且低于极度危险上限值， 则将所述指标取值映射 为0到1区间内的值； 如果所述指标高于或等于所述极度危险上限值， 则将所述指标 取值为1；权　利　要　求　书 1/2 页 2 CN 114155955 A 2如果所述指标低于所述正常区间、 并且高于极度危险下限值， 则将所述指标取值映射 为0到‑1区间内的值； 如果所述指标低于或等于所述极度危险下限值， 则将所述指标 取值为‑1。 7.根据权利要求2所述的方法， 其特征在于， 所述根据所述关键指标样本集及所述气道 干预手段 标签训练得到气道梗阻严重程度评估 模型包括： 根据所述关键指标样本集及所述气道干预手段标签， 采用MAE作为损失函数， 使用Adam 优化器迭代训练， 得到气道梗阻严重程度评估 模型。 8.一种气道梗阻严重程度评估系统， 其特 征在于， 所述系统包括： 数据获取模块， 用于获取当前患者的即时诊断数据； 特征提取模块， 用于从所述即时诊断数据中提取关键指标 特征数据； 评估模块， 用于将所述关键指标特征数据输入预先基于病人医疗数据源构建的气道梗 阻严重程度评估模型， 根据所述气道梗阻严重程度评估模型的输出得到所述患者的气道梗 阻严重程度评分； 所述气道梗阻严重程度评估模型包括输入层、 三个隐藏层、 输出层， 所述三个隐藏层与 所述输出层为全连接， 并且相邻隐藏层之间使用随机失活机制。 9.根据权利要求8所述的系统， 其特 征在于， 所述系统还 包括： 模型构建模块， 用于构建气道梗阻严重程度评估 模型； 所述模型构建模块包括： 数据采集单元， 用于采集病人医疗数据源， 并从所述医疗数据源中提取病人就诊相关 数据； 数据分析 单元， 有于对所述病人就诊相关数据进行相关性分析， 得到关键指标集； 数据处理单元， 用于对所述关键指标集中的指标进行规范化处理及缺失值填充， 得到 关键指标样本集； 标签确定单元， 用于确定所述关键指标样本集中的各样本的气道干预手段标签及与 所 述气道干预手段 标签对应的气道严重程度； 训练单元， 用于根据 所述关键指标样本集及所述气道严重程度训练得到气道梗阻严重 程度评估 模型。 10.根据权利要求9所述的系统， 其特 征在于， 所述数据分析 单元包括： 数据解析子单 元， 用于对所述病人检测指标进行相关性 解析， 得到候选关键指标集； 排序处理子单元， 用于对所述候选关键指标集中的每个候选指标， 将其与气道梗阻严 重程度的相关系数按绝对值大小进行排序， 选择相关系数绝对值大于等于 设定阈值的候选 指标加入推荐指标集， 否则加入剩余指标集； 筛选子单元， 用于结合医学知识对所述推荐指标集中的各项指标进行重要程度分级， 再将分级后的推荐指标集中的指标加入关键指标集； 从所述剩余指标集中选出部分指标加入所述关键指标集； 标签添加子单元， 用于对所述关键指标集中的每个训练样本加入神 志状态标签和躁动 标签。权　利　要　求　书 2/2 页 3 CN 114155955 A 3