CN113921127A - 一种区域内血液资源优化调度及精准使用信息系统及方法 - Google Patents

Abstract

本发明公开了一种区域内血液资源优化调度及精准使用信息系统及方法，包括：包括通讯网络模块、模块化物联网设备、中央数据处理与存储中心、人机交互终端、AI辅助系统；通过模块化物联网设备管理血液资源的位置信息、状态信息；通过人机交互终端、中央数据处理与存储中心、把院内已有患者信息及血液储存信，输入AI辅助系统，由AI辅助系统结合整个信息系统给出合理的调度及使用方案。本发明可显著提高临床用血效率，缓解血液资源紧缺状况，从而满足紧急救治的需求。

Description

一种区域内血液资源优化调度及精准使用信息系统及方法

技术领域

本发明属于血液管理信息技术领域，特别是涉及一种区域内血液资源优化调度及精准使用信息系统及方法。

背景技术

血液成分包括红细胞、血小板、血浆等，是临床医疗急救的重要稀缺资源。然而目前我国血液供需严重失衡：我国临床用血需求量正以10～15％的速度快速增长，但目前我国人均献血率仅1.00％，远低于世界高收入国家的3.31％及中等收入国家的1.17％，且其增长率不足需求量增长的50％。临床用血困难日益彰显，其中红细胞作为急救输血中最关键的血液成分，短缺尤甚：我国年人均可用量仅为2.3mL，低于8mL的全球人均用血量，和美国等发达国家年人均用血量30mL相比，缺口巨大。此外，我国各地区血液中心(或血站)血液报废率高达5.4％，其中46.15％的报废血液由血液中心(或血站)直接销毁。本发明针对当前传统的血液管理模式存在的问题，提出了一种全新的血液管理模式，助以缓解目前我国临床用血存在的严重供需矛盾问题。

发明内容

本发明的目的是提供一种区域内血液资源优化调度及精准使用信息系统及方法，以解决上述现有技术存在的问题。

一方面为实现上述目的，本发明提供了一种区域内血液资源优化调度及精准使用信息系统，包括：

通讯网络模块、模块化物联网设备、中央数据处理与存储中心、人机交互终端和AI辅助系统；

其中所述通讯网络模块用于在不同系统模块之间进行通讯；

所述模块化物联网设备用于监控血液的位置信息和温度信息；

所述中央数据处理与存储中心用于对诊疗信息进行收集、处理以及存储；

所述人机交互终端用于通过所述通讯网络模块与所述中央数据处理与存储中心连接，实现血站管理人员、医院医护人员与病患个人的相互通讯；

所述AI辅助系统用于智能调配血液和对医院临床用血进行评估。

可选的，所述通讯网络模块包括：

便携式通讯网关、5G通讯模块、互联网交换链路，便携式通讯网关通过5G通讯模块接入互联网交换链路。

可选的，所述模块化物联网设备包括血袋冷链系统。

可选的，所述人机交互终端还用于供所述医院医护人员通过所述讯网络模块与所述中央数据处理与存储中心连接，下载诊疗信息、诊断病情介绍并上传诊断结果以及进行病患信息管理与跟踪。

可选的，所述AI辅助系统包括血液调配动态智能决策模型和医院临床用血实时智能评估模型；

所述血液调配动态智能决策模型用于在所辖区域内不同医院之间进行血液调度；

所述医院临床用血实时智能评估模型用于调度及评估医院内的具体患者的精准用血。

可选的，所述血液调配动态智能决策模型中，用于调度血液的指标包括：

采血量与库存量、医院床位数、手术类别与例数以及住院患者生命体征。

可选的，所述医院临床用血实时智能评估模型中，用于调度血液的指标包括：

红细胞库存量、临床用血需求量、患者临床诊断、手术分类和手术级别、患者实验室检测结果以及临床表现。

一种区域内血液资源的优化调度及精准使用方法，包括：

获取区域内血液资源数据并进行处理，获取第一血液资源数据和第二血液资源数据；

构建血液调配动态智能决策模型，将所述第一血液资源数据输入所述血液调配动态智能决策模型，获取血液资源的优化调度方案；

构建医院临床用血实时智能评估模型，将所述第二血液资源数据输入所述医院临床用血实时智能评估模型，获取医院中血液资源的精准使用方案。

可选的，构建所述血液调配动态智能决策模型的过程中包括：

基于大数据分析所述第一血液资源数据中各指标，所述第一血液资源数据中的指标包括采血量与库存量、医院床位数、手术类别与例数以及住院患者的生命体征；

利用多家医院、多院区已有的HIS系统、电子病历系统、输血信息系统采集所述第一血液资源数据中各指标，组建大数据库，在这些数据中按照时间、人群流动、区域突发事情、疫情流行等情况进行数据分类，从血站信息系统中采集各个时间段血液总库存数、调配数、各个医院用血需求满足度等，这些数据进行归类组成有效调度样本集、待提高调度样本集；把这些样本输入基于深度残差网络模型，进行训练学习，构建所述血液调配动态智能决策模型。

可选的，构建所述医院临床用血实时智能评估模型的过程中包括：

基于大数据分析所述第二血液资源数据中各指标，所述第二血液资源数据中的指标包括红细胞库存量、临床用血需求量、患者临床诊断、手术分类和手术级别、患者实验室检测结果和临床表现；

根据已有利用多家医院、多院区已有的HIS系统、电子病历系统、输血信息系统采集所述第二血液资源数据中各指标，利用深度残差网络模型推导出用血预测评估，临床实际效果反馈两者数据，利用多元线性回归算法对模型的参数进行实时软修正。

本发明的技术效果为：

本发明包括通讯网络模块、模块化物联网设备、中央数据处理与存储中心、人机交互终端、AI辅助系统；通过模块化物联网设备管理血液资源的位置信息、状态信息；通过人机交互终端、中央数据处理与存储中心、把院内已有患者信息及血液储存信，输入AI辅助系统，由AI辅助系统给出合理的调度及使用方案。本发明可显著提高临床用血效率，缓解血液资源紧缺状况，从而满足紧急救治的需求。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例2中的模型构建流程示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例1

本发明实施例1公开了一种区域内血液资源优化调度及精准使用信息系统及方法，包括：

通讯网络模块、模块化物联网设备、中央数据处理与存储中心、人机交互终端和AI辅助系统；

其中基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法通讯网络模块用于在不同系统模块之间进行通讯；

基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法模块化物联网设备用于监控血液的位置信息和温度信息；

基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法中央数据处理与存储中心用于对诊疗信息进行收集、处理以及存储；

基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法人机交互终端用于通过基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法通讯网络模块与基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法中央数据处理与存储中心连接，实现血站管理人员、医院医护人员与病患个人的相互通讯；

基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法AI辅助系统用于智能调配血液和对医院临床用血进行评估。

可选的，基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法通讯网络模块包括：

便携式通讯网关、5G通讯模块、互联网交换链路，便携式通讯网关通过5G通讯模块接入互联网交换链路。

可选的，基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法模块化物联网设备包括血袋冷链系统。

可选的，基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法人机交互终端还用于供基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法医院医护人员通过基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法讯网络模块与基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法中央数据处理与存储中心连接，下载诊疗信息、诊断病情介绍并上传诊断结果以及进行病患信息管理与跟踪。

可选的，基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法AI辅助系统包括血液调配动态智能决策模型和医院临床用血实时智能评估模型；

基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法血液调配动态智能决策模型用于在所辖区域内不同医院之间进行血液调度；

基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法医院临床用血实时智能评估模型用于调度及评估医院内的具体患者的精准用血。

可选的，基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法血液调配动态智能决策模型中，用于调度血液的指标包括：

采血量与库存量、医院床位数、手术类别与例数以及住院患者生命体征。

可选的，基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法医院临床用血实时智能评估模型中，用于调度血液的指标包括：

红细胞库存量、临床用血需求量、患者临床诊断、手术分类和手术级别、患者实验室检测结果以及临床表现。

一种区域内血液资源的优化调度及精准使用方法，包括：

获取区域内血液资源数据并进行处理，获取第一血液资源数据和第二血液资源数据；

构建血液调配动态智能决策模型，将基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法第一血液资源数据输入基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法血液调配动态智能决策模型，获取血液资源的优化调度方案；

构建医院临床用血实时智能评估模型，将基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法第二血液资源数据输入基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法医院临床用血实时智能评估模型，获取医院中血液资源的精准使用方案。

可选的，构建基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法血液调配动态智能决策模型的过程中包括：

基于大数据分析基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法第一血液资源数据中各指标，基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法第一血液资源数据中的指标包括采血量与库存量、医院床位数、手术类别与例数以及住院患者的生命体征；

利用多家医院、多院区已有的HIS系统、电子病历系统、输血信息系统采集基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法第一血液资源数据中各指标，组建大数据库，在这些数据中按照时间、人群流动、区域突发事情、疫情流行等情况进行数据分类，从血站信息系统中采集各个时间段血液总库存数、调配数、各个医院用血需求满足度等，这些数据进行归类组成有效调度样本集、待提高调度样本集；把这些样本输入基于深度残差网络模型，进行训练学习，构建基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法血液调配动态智能决策模型。

可选的，构建基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法医院临床用血实时智能评估模型的过程中包括：

基于大数据分析基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法第二血液资源数据中各指标，基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法第二血液资源数据中的指标包括红细胞库存量、临床用血需求量、患者临床诊断、手术分类和手术级别、患者实验室检测结果和临床表现；

根据已有利用多家医院、多院区已有的HIS系统、电子病历系统、输血信息系统采集基于声学特征和视觉特征的特征融合的生猪咳嗽声音识别方法第二血液资源数据中各指标，利用深度残差网络模型推导出用血预测评估，临床实际效果反馈两者数据，利用多元线性回归算法对模型的参数进行实时软修正。

实施例2

如图1所示，本实施例2提供一种区域内血液资源优化调度及精准使用信息系统及方法，包括：

通讯网络模块、模块化物联网设备、中央数据处理与存储中心、人机交互终端和AI辅助系统；通过模块化物联网设备管理血液资源的位置信息、状态信息；通过人机交互终端、中央数据处理与存储中心、把院内已有患者信息及血液储存信，输入AI辅助系统，由AI辅助系统结合整个信息系统给出合理的调度及使用方案；

其中通讯网络模块用于在不同系统模块之间进行通讯，通讯网络模块包括：便携式通讯网关、5G通讯模块、互联网交换链路；

模块化物联网设备包括血袋冷链系统，用于监控血液的位置、温度信息；

模块化物联网设备能实时监控所存储血液的位置、数量、温度等状态，与整个信息系统进行实时的数据交换。

中央数据处理与存储中心用于对诊疗信息进行收集、处理以及存储；

人机交互终端用于通过通讯网络模块与中央数据处理与存储中心连接，实现血站管理人员、医院医护人员与病患个人的相互通讯，人机交互终端还用于供医院医护人员通过讯网络模块与中央数据处理与存储中心连接，下载诊疗信息、诊断病情介绍并上传诊断结果以及进行病患信息管理与跟踪；

AI辅助系统根据已有的血液调配与医院临床实时大数据，基于多元回归或人工神经网络等算法构建血液中心(或血站)血液调配动态智能决策模型、医院临床用血实时智能评估模型，利用这两个模型结合医院内相关信息系统，给出指导合理的血液调派及使用方案。

血液中心(或血站)血液调配动态智能决策模型负责调度所辖区域内不同医院之间的血液调度，医院临床用血实时智能评估模型负责调度及评估医院内的具体患者的精准用血。

血液中心(或血站)血液调配动态智能决策模型由采血量与库存量、医院床位数、手术类别与例数、学科特色等构成指标的选择，基于专家知识和大数据分析确定各指标权重。基于大数据的预测算法与建模方法，根据已有的血液调配与医院临床实时大数据，基于多元回归或人工神经网络算法进行构建系统模型；

医院临床用血实时智能评估模型组成由红细胞库存量、临床用血需求量、患者临床诊断、手术分类和手术级别、患者实验室检测结果和临床表现等构成指标的选择，基于专家知识和大数据分析确定各指标权重，通过实验模拟和临床效果反馈两者数据利用人工神经网络、多元线性回归算法，结合量化医院临床用血实现模型动态调整优化。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种区域内血液资源优化调度及精准使用信息系统，其特征在于，包括：通讯网络模块、模块化物联网设备、中央数据处理与存储中心、人机交互终端和AI辅助系统；

其中所述通讯网络模块用于在不同系统模块之间进行通讯；

所述模块化物联网设备用于监控血液的位置信息和温度信息；

所述中央数据处理与存储中心用于对诊疗信息进行收集、处理以及存储；

所述人机交互终端用于通过所述通讯网络模块与所述中央数据处理与存储中心连接，实现血站管理人员、医院医护人员与病患个人的相互通讯；

所述AI辅助系统用于智能调配血液和对医院临床用血进行评估。

2.根据权利要求1所述的系统，其特征在于，所述通讯网络模块包括：

便携式通讯网关、5G通讯模块、互联网交换链路，便携式通讯网关通过5G通讯模块接入互联网交换链路。

3.根据权利要求1所述的系统，其特征在于，所述模块化物联网设备包括血袋冷链系统。

4.根据权利要求1所述的系统，其特征在于，所述人机交互终端还用于供所述医院医护人员通过所述讯网络模块与所述中央数据处理与存储中心连接，下载诊疗信息、诊断病情介绍并上传诊断结果以及进行病患信息管理与跟踪。

5.根据权利要求1所述的系统，其特征在于，所述AI辅助系统包括血液调配动态智能决策模型和医院临床用血实时智能评估模型；

所述血液调配动态智能决策模型用于在所辖区域内不同医院之间进行血液调度；

所述医院临床用血实时智能评估模型用于调度及评估医院内的具体患者的精准用血。

6.根据权利要求5所述的系统，其特征在于，所述血液调配动态智能决策模型中，用于调度血液的指标包括：

采血量与库存量、医院床位数、手术类别与例数以及住院患者生命体征。

7.根据权利要求5所述的系统，其特征在于，所述医院临床用血实时智能评估模型中，用于调度血液的指标包括：

红细胞库存量、临床用血需求量、患者临床诊断、手术分类和手术级别、患者实验室检测结果以及临床表现。

8.一种区域内血液资源的优化调度及精准使用方法，其特征在于，包括：

获取区域内血液资源数据并进行处理，获取第一血液资源数据和第二血液资源数据；

构建血液调配动态智能决策模型，将所述第一血液资源数据输入所述血液调配动态智能决策模型，获取血液资源的优化调度方案；

构建医院临床用血实时智能评估模型，将所述第二血液资源数据输入所述医院临床用血实时智能评估模型，获取医院中血液资源的精准使用方案。

9.根据权利要求8所述的方法，其特征在于，构建所述血液调配动态智能决策模型的过程中包括：

基于大数据分析所述第一血液资源数据中各指标，所述第一血液资源数据中的指标包括采血量与库存量、医院床位数、手术类别与例数以及住院患者的生命体征；

利用多家医院、多院区已有的HIS系统、电子病历系统、输血信息系统采集所述第一血液资源数据中各指标，组建大数据库，在这些数据中按照时间、人群流动、区域突发事情、疫情流行等情况进行数据分类，从血站信息系统中采集各个时间段血液总库存数、调配数、各个医院用血需求满足度等，这些数据进行归类组成有效调度样本集、待提高调度样本集；把这些样本输入基于深度残差网络模型，进行训练学习，构建所述血液调配动态智能决策模型。

10.根据权利要求8所述的方法，其特征在于，构建所述医院临床用血实时智能评估模型的过程中包括：

基于大数据分析所述第二血液资源数据中各指标，所述第二血液资源数据中的指标包括红细胞库存量、临床用血需求量、患者临床诊断、手术分类和手术级别、患者实验室检测结果和临床表现；

根据已有利用多家医院、多院区已有的HIS系统、电子病历系统、输血信息系统采集所述第二血液资源数据中各指标，利用深度残差网络模型推导出用血预测评估，临床实际效果反馈两者数据，利用多元线性回归算法对模型的参数进行实时软修正。

Images