买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东莞市东南部中心医院(东莞市东南部中医医疗服务中心)

摘要：本发明提供一种基于人工智能的脓毒症高危患者筛查和预警方法及系统，医疗信息技术领域，包括：获取脓毒症患者和非脓毒症患者结构化临床数据和非结构化临床数据，添加至初始筛查模型中，构建患者临床状态图，进行对齐，对信息进行聚合，得到预测高危概率，训练初始筛查模型，得到高危患者筛查模型；通过高危患者筛查模型得到患者脓毒症高危概率，通过解码器进行解码，得到临床状态图并组合得到临床状态序列，对临床状态序列进行识别，得到关键状态转移路径；对临床数据进行实时跟踪，得到当前状态转移路径并与关键状态转移路径对比，若发生异常偏离，则根据偏离程度触发警报，确定病情恶化原因，生成临床决策支持方案。

主权项：1.基于人工智能的脓毒症高危患者筛查和预警方法，其特征在于，包括：获取脓毒症患者和非脓毒症患者结构化临床数据和非结构化临床数据并进行预处理，将预处理后的数据添加至预先构建的初始筛查模型中，通过基于图神经网络的多模态表示学习算法构建患者临床状态图，通过图序列神经网络对所述患者临床状态图进行对齐，结合时空注意力机制对所述患者临床状态图中的信息进行聚合，得到预测高危概率，基于所述预测高危概率训练所述初始筛查模型，得到高危患者筛查模型；获取待筛查患者的结构化临床数据和非结构化临床数据，通过所述高危患者筛查模型得到所述待筛查患者对应的患者脓毒症高危概率，同时通过预先设置的解码器对当前隐藏状态和注意力权重进行解码，得到临床状态图并组合得到临床状态序列，对所述临床状态序列进行识别，得到关键状态转移路径；基于所述待筛查患者的临床数据，构建双层动态贝叶斯网络并对所述临床数据进行实时跟踪，得到当前状态转移路径并与所述关键状态转移路径对比，若发生异常偏离，则根据偏离程度触发警报，结合反事实推断算法确定病情恶化原因，生成临床决策支持方案；基于所述待筛查患者的临床数据，构建双层动态贝叶斯网络并对所述临床数据进行实时跟踪，得到当前状态转移路径并与所述关键状态转移路径对比，若发生异常偏离，则根据偏离程度触发警报，结合反事实推断算法确定病情恶化原因，生成临床决策支持方案包括：根据待筛查患者的临床数据特点，构建双层动态贝叶斯网络，其中，第一层为临床状态层，节点表示待筛查患者的临床指标，第二层为病情演变层，节点表示待筛查患者的病情状态，在两层网格之间添加网格有向边，其中，所述网格有向边用于指示临床指标与病情状态之间的因果关系；在所述临床数据中的每个时间步，确定后验概率最大的状态节点并作为最可能状态，连接全部时间步中的最可能状态得到当前状态转移路径，将所述当前状态转移路径与所述关键状态转移路径进行比较并基于编辑距离计算相似度，若所述相似度小于预设的相似度阈值，则认为发生异常偏离；若发生异常偏离，则根据偏离程度确定警报等级，同时选择异常偏离发生的时间点，作为反事实推断算法的推断起点，根据所述推断起点对应的临床状态在所述双层动态贝叶斯网络中设置初始状态，生成多个反事实场景，确定所述反事实场景中的节点状态并计算后验分布概率，结合前向-后向算法进行推断，得到每个反事实场景下的状态转移路径和关键事件概率，基于所述关键事件概率确定病情恶化原因，基于所述病情恶化原因，参考临床指南和治疗案例，生成对应的临床决策支持方案；将所述当前状态转移路径与所述关键状态转移路径进行比较并基于编辑距离计算相似度如下公式所示： ；其中，SimA，B表示当前状态转移路径A和关键状态转移路径B的相似度，α表示权重参数，EDA，B表示A和B之间的编辑距离，m表示当前状态转移路径A的长度，n表示关键状态转移路径B的长度，LCSA，B表示路径A和B之间的最长公共子序列长度。

全文数据：

权利要求：

百度查询： 东莞市东南部中心医院(东莞市东南部中医医疗服务中心) 基于人工智能的脓毒症高危患者筛查和预警方法及系统