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:中国医学科学院北京协和医院
摘要:本发明公开了基于人工智能的重症监护患者住院时间预测方法及系统,用于时间预测领域,该方法包括以下步骤:收集重症监护患者的临床数据;构建多个基于深度学习的动态预测模型,并将重症患者的静态信息作为协变量输入动态预测模型;利用留一交叉验证对多个动态预测模型进行训练;当重症患者病情出现重大变换时,使用最新的时序数据对最佳动态预测模型进行增量训练;利用当前时刻的信息作为最佳动态预测模型的输入,输出重症患者的预期住院天数;结合医疗知识图谱对预测结果进行审核;根据新收集的重症患者入院数据和随访数据,迭代训练并优化最佳动态预测模型。本发明利用当前最新信息作为模型输入,实时监测和反映患者的最新状态。
主权项:1.基于人工智能的重症监护患者住院时间预测方法,其特征在于,该重症监护患者住院时间预测方法包括以下步骤:S1、收集重症监护患者的临床数据;S2、构建多个基于深度学习的动态预测模型,并将重症患者的静态信息作为协变量输入动态预测模型;S3、利用留一交叉验证对多个动态预测模型进行训练,并选择最佳动态预测模型;S4、当重症患者病情出现重大变换时,使用最新的时序数据对最佳动态预测模型进行增量训练;S5、在每个预测时间点,利用当前时刻的信息作为最佳动态预测模型的输入,并进行动态预测,输出重症患者的预期住院天数;S6、将预期住院天数作为参考,结合医疗知识图谱对预测结果进行审核,作为输出重症患者最终的住院天数预测;S7、根据新收集的重症患者入院数据和随访数据,迭代训练并优化最佳动态预测模型;所述利用留一交叉验证对多个动态预测模型进行训练,并选择最佳动态预测模型包括以下步骤:S31、获取重症监护患者的临床数据,所述临床数据包括不同时间点的生理参数和病历数据;S32、对临床数据进行数据清洗,并构建多个不同的动态预测模型;S33、每次从临床数据中留出一个样本作为验证集,使用剩余样本训练模型;S34、对每个动态预测模型,计算其在留出的验证集中样本的预测误差;S35、重复执行S33至S34的步骤,直到每个样本都作为验证集一次,得到每个动态预测模型的平均预测误差;S36、比较不同动态预测模型的平均预测误差,选择误差最小的动态预测模型作为最佳动态预测模型;S37、使用所有训练数据重新训练选择出的最佳模型,作为最终的动态预测模型;所述当重症患者病情出现重大变换时,使用最新的时序数据对最佳动态预测模型进行增量训练包括以下步骤:S41、监测重症患者生理参数和病情状况,判断病情是否有显著变化;S42、若病情出现重大变化,则收集病情变化时间段的最新时序数据;S43、将最新时序数据与原训练数据合并,得到更新后的训练数据集,并对更新后的训练数据集进行预处理;S44、基于预处理后的训练数据集,使用增量学习对最佳动态预测模型进行训练;S45、冻结最佳动态预测模型原有的参数,训练新增部分的参数;S46、计算增量训练后的最佳动态预测模型在验证集上的性能;S47、若验证性能提升,则保存增量训练后的最佳动态预测模型作为最终模型。
全文数据:
权利要求:
百度查询: 中国医学科学院北京协和医院 基于人工智能的重症监护患者住院时间预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。