CN114366934B - 一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统 - Google Patents

一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统 Download PDF

Info

Publication number
CN114366934B
CN114366934B CN202210161585.XA CN202210161585A CN114366934B CN 114366934 B CN114366934 B CN 114366934B CN 202210161585 A CN202210161585 A CN 202210161585A CN 114366934 B CN114366934 B CN 114366934B
Authority
CN
China
Prior art keywords
drug
information
treatment
eof
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210161585.XA
Other languages
English (en)
Other versions
CN114366934A (zh
Inventor
吴一兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yifei Huatong Robot Technology Co ltd
Original Assignee
Beijing Yifei Huatong Robot Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Yifei Huatong Robot Technology Co ltd filed Critical Beijing Yifei Huatong Robot Technology Co ltd
Publication of CN114366934A publication Critical patent/CN114366934A/zh
Application granted granted Critical
Publication of CN114366934B publication Critical patent/CN114366934B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/1407—Infusion of two or more substances
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16804—Flow controllers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16804—Flow controllers
    • A61M5/16827—Flow controllers controlling delivery of multiple fluids, e.g. sequencing, mixing or via separate flow-paths
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16831—Monitoring, detecting, signalling or eliminating infusion flow anomalies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16877—Adjusting flow; Devices for setting a flow rate
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A61M2005/14208—Pressure infusion, e.g. using pumps with a programmable infusion control system, characterised by the infusion program
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/35—Communication
    • A61M2205/3576—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver
    • A61M2205/3584—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver using modem, internet or bluetooth
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/59—Aesthetic features, e.g. distraction means to prevent fears of child patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/04—Heartbeat characteristics, e.g. ECG, blood pressure modulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/08—Other bio-electrical signals
    • A61M2230/10—Electroencephalographic signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/20—Blood composition characteristics
    • A61M2230/205—Blood composition characteristics partial oxygen pressure (P-O2)
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/30—Blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/40—Respiratory characteristics
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/50—Temperature

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Anesthesiology (AREA)
  • Vascular Medicine (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • Infusion, Injection, And Reservoir Apparatuses (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统。机器人系统通过患者治疗环节测量的生理生化指标的变化，获得治疗效果的客观评分，针对个体疾病病种和患者不同的病情基础，自动优化药物输注方案、药物组合、药物启动顺序、药物闭环调控效应指标的稳态目标。机器人系统通过感知和计算神经功能的镇静、镇痛深度变化，感知和计算循环功能的血压、心率变化，作为神经类药物的安全控制指标，自适应调控神经类药物的输注量变化。本发明通过可穿戴脑电波传感器，感知患者的情绪紧张状态、疼痛程度、睡眠情况和疲劳程度，作为神经功能的反馈效应指标，自动实时输出语言和音乐刺激，对患者实施精神抚慰的临床功能。

Description

一种分布式多模态信息感知的多通道辅助智能闭环类脑给药 机器人系统
技术领域
本发明属于医疗器械技术领域。
背景技术
医疗领域，治疗是核心临床目标和临床过程。其中的药物给药治疗是医疗临床中的主要内容之一。治疗中给药需要鉴别诊断作为基础，医学科学发展已经形成了系列规范的循证医学手段支持鉴别诊断的科学性和精准化。鉴别诊断可以确认疾病的种类、疾病的来源、疾病的影响因素、疾病的内在病理特征、疾病的外在致病微生物等等疾病的关键信息。鉴别诊断采用的手段包括：病理检查、生化检查、影像检查、电生理检查、物理检查、询问诊等等。疾病诊断清晰后，医生设计药物、手术或物理治疗方案，其中，药物治疗方案具有经验性和创造性，往往是医生长年累积的重要临床知识。同时，治疗中疗效效果的监控、疾病发展的预判、监护指标的观察、多监护测量参数的推理关联思考、需要进一步开展的各种检查等等重复鉴别诊断的过程，及时调整药物的用量、药物的组合、药物的紧急推注、护理等等医疗行为的执行。疾病治疗中，反复这个过程，也是医生长年累积的临床经验。另一方面，随着医学科学技术的发展，很多药物的病理、生理学特性和药代动力学特点、代谢原理等都已经完全清晰，药物作用的效果也可以实时的量化测量，主要包括镇静、肌松、血管活性药物的应用，极为成熟。镇痛药物作用于脑部神经的疗效效果实时测量指标脑电镇痛指数也在近两年被本发明人所发明，并进入临床应用，发表多篇临床应用研究文章。实时测量指标的成熟，使药物自动化输注的应用有了基础。分布式多模态信息感知的多通道辅助智能自学习闭环类脑给药机器人就是实现给药闭环反馈自动化的装置。自动化给药相比较人工给药，其特点是更高的安全性、更高的诊疗质量、更及时的药物调整、更精准的药物剂量、更有针对性的调整药物。自动化给药实现了给药的实时闭环反馈自适应的过程，是医学科学技术在治疗学上的创新。当今时代互联网技术和通讯技术是引领科学技术进步的支撑力量之一，结合临床医疗服务，在互联网平台上以无线通讯手段实现医疗信息集成交换，是未来的医疗服务的创新模式。临床治疗中的医生知识经验，是医学诊疗中的宝贵财富，利用互联网平台，共享每一个医生的诊疗知识经验，并利用机器人自动化功能，形成标准化的医生诊疗行为规范操作，最大限度的利用累积的最佳诊疗知识经验，提高医疗服务的科学性和有效性。
发明内容
本发明的目的是提供一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统，以解决实现智能化、平台化、交互化的，具备人工智能属性的自动化给药装备的技术问题。
一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统，包括：
机器人主计算机；主要由计算机和显示器、键盘组成；对于接收到的诊疗信息计算分析，按照如下的规则方案，控制注射泵的注射速度的变化；
无线通讯接口组件；由无线路由器和控制电路组成；接受生命体征监护仪、麻醉深度监护仪、注射泵的输出输入信息，转发至主计算机的通讯接口；
互联网通讯接入模块；由互联网通讯计算机组成；控制主计算机信息和互联网信息的流动，包括主计算机整合加密的诊疗信息、知识经验方案信息、报警信息，以及手机移动端、中心监控系统发出的信息；
神经功能监护仪，包括镇静、镇痛、肌松深度监护仪；
生命体征监护仪，包括血压、心率、血氧、体温、呼吸；
呼吸机麻醉机，包括已呼末二氧化碳、潮气量、气道阻力；
一组注射泵；
输液泵；
患者电子病案系统；
医生手持端平板；
手机移动端APP；
机器人系统利用无线通讯技术，感知医疗设备的输出信息，串联这些信息并推理分析，得到泵的给药量控制信息，输出到各个注射泵的通讯接口，控制多种药物的输注；
机器人系统将包括主计算机、通讯控制计算机、手机移动端、中心监控计算机、服务器的信息流在主计算机、生命体征监护仪、麻醉深度监护仪、呼吸机、麻醉机、输液泵、注射泵、血气机和临床诊疗电子病案之间实时交换，主计算机根据接收到的信息流中镇静深度、镇痛深度的数值，以自适应算法，得到镇静药、镇痛药的推注速度数值，控制镇静、镇痛注射泵的推注速度；系统在诊疗过程开始前，预先人工设定镇静深度、镇痛深度数值的初始稳态目标，诊疗过程中，计算镇静和镇痛的实测值和稳态设定值的差值，通过实时调节镇静和镇痛药物注射量的变化，使实测值和设定值的差值最小化作为系统控制的主规则，考虑到镇静和镇痛实测值的波动特性，差值的最小化设定为一个范围；同时，主计算机根据信息流中血压和心率的数值，调节镇静和镇痛深度数值的稳态目标设定值，实现实测值和设定值差值的动态浮动调整，自适应血压和心率的变化，使镇静和镇痛深度的变化和循环系统的变化达到平衡，克服神经类药物对于循环系统的间接影响，保证血压和心率在安全范围内的诊疗目标；
机器人主计算机内存储有供计算机运行的如下程序：
设定镇静指数和镇痛指数的稳态目标调节范围：
WLi<>(WL,Wl)
PTi<>(PL,Pl)
WLi：镇静深度实测值
PTi：镇痛深度实测值
(WL,Wl)：镇静设定值的差值最小化范围
(PL,Pl)：镇痛设定值的差值最小化范围
由于镇静镇痛类药物对循环功能和呼吸功能的抑制作用，设定循环功能的血压、心率的安全目标下限：
SBP>(Sl)
HR>(Hl)
SBP：血压
HR：心率
(Sl)：血压安全目标最低值
(Hl)：心率安全目标最低值
利用镇静深度和镇痛深度作为反馈指标，TCI靶控的血药浓度指标作为调控参数，由于算法已经包含了包括药物的起效时间、作用时间、代谢时间控制变化的过渡过程，WLi和PTi通过改变镇静的血药浓度和镇痛的血药浓度的设定值，可靠安全的实现闭环控制给药的目的；
药物输注过程分为初始诱导阶段和药物维持阶段；如果是初始诱导给药，快速建立镇静和镇痛效果，需要快速输注药物，以WLi、PTi逼近稳态目标(WL,Wl)、(PL,Pl)满足设定的时间区段作为条件，建立血药浓度调控的自适应初始值：
PCT＝WLi<>(WL,Wl)
FCT＝PTi<>(PL,Pl)
PCT：镇静药血药浓度初始值
FCT：镇痛药血药浓度初始值
初始建立血药浓度初始值的过程，控制规则需要考虑循环功能的相应变化，特别需要区分疾病的严重程度和年龄因素，以及当前的基础病情，建立初始药物的初始值，建立过程要以分时、间断等待的方式进行，以适应循环功能的最低安全性要求；排除上述情况的患者，可以直接采用连续方式；两种方式给药的过程，都是利用注射泵的最大速度推注药物，推注过程中，或者间断，或者连续，都要实时判断血压、心率，是否处于安全目标之内；如果超出范围，停止药物的推注，等待血压或心率达到安全目标；同时，判断是否达到WLi和PTi的稳态目标；满足条件后，当前血药浓度确定为PCT、FCT初始值；两个稳态目标其中之一的出现，机器人系统随即进入血药浓度的维持阶段；
机器人系统的镇静、镇痛药输注的维持阶段，利用PID控制技术，实现PCT和FCT的连续控制，维持镇静深度和镇痛深度的需求；控制的输出结果是注射泵的推注速度，推注速度数值在经由循环系统的稳态目标血压和心率影响因子的加权过滤后，通过通讯接口输入注射泵，维持药物的输注；
e(t)＝r(t)-c(t)；
e(t)：稳态目标和实测值的差值函数
c(t)：效应器官实际效果函数
r(t)：稳态目标和循环影响因子函数
u(t)：注射泵给药速度函数
u(t)的计算公式如下：
离散化后：
k：离散时间点；
n：偏差函数的序列号；
u(t)的增量计算如下：
Δu(k)＝u(k)-u(k-1)＝Kp(e(k)-e(k-1))+Kie(k)+Kd(e(k)-2e(k-1)+e(k-2))
Kp：比例系数；
Ki：积分系数＝Kp×T/Ti；
Kd：微分系数＝Kp×Td/T；
T：采样频率；
Ti：积分时间；
Td：微分时间；
选择采样频率1.25s，积分和微分时间10s，计算药物在身体内的代谢速度，可以确定比例系数和积分系数、微分系数；针对比例系数Kp，采用自适应算法，形成给药过程中实时的动态变化，Kp＝CT(n)，以适应药物在人体内的药物代谢动力学特征；
CT(n)计算如下：
a＝asin(1.0)×2/173；
b0＝k10×k21×k31；
b1＝k10×k31+k21×k31+k21×k13+k10×k21+k31×k12；
b2＝k10+k12+k13+k21+k31；
p＝b1-(b2×b2/3)；
q＝(2×b2×b2×b2/27)-(b1×b2/3)+b0；
a：慢速周边室传递系数；
k10：中央室于效应室的传递系数；
k21：中央室于快速周边室的传递系数；
k31：慢速周边室于中央室的传递系数；
k13：中央室于慢速周边室的传递系数；
k12：快速周边室于中央室的传递系数；
rl＝sqrt(-(p×p×p)/27)；
rl＝2×exp(log(rl)/3)；
eof[0]＝-(cos(q×p)×rl-b2/3)；
eof[1]＝-(cos(q×p+120×a)×rl-b2/3)；
eof[2]＝-(cos(q×p+240×a)×rl-b2/3)；
a_1＝(k21-eof[0])×(k31-eof[0])/(eof[0]-eof[1])/(eof[0]-eof[2])/Vc/eof[0]；
a_2＝(k21-eof[1])×(k31-eof[1])/(eof[1]-eof[0])/(eof[1]-eof[2])/Vc/eof[1]；
a_3＝(k21-eof[2])×(k31-eof[2])/(eof[2]-eof[1])/(eof[2]-eof[0])/Vc/eof[2]；
a1[1]＝exp(-(eof[0]×10))×a1[0]+a_1×u[0]×(1-exp(-(eof[0]×10)))；
a2[1]＝exp(-(eof[1]×10))×a2[0]+a_2×u[0]×(1-exp(-(eof[1]×10)))；
a3[1]＝exp(-(eof[2]×10))×a3[0]+a_3×u[0]×(1-exp(-(eof[2]×10)))；
CT(1)＝(a1[1]+a2[1]+a3[1])；
eof：房室之间的偏差；
Vc：身体组织的容积率；
u[0]：前一次中央室的药物注射量；
自适应比例系数CT(n)命名为KCTp。效应室输出keo：
c(t)＝Keo∈{PCT，FCT}
PCT：镇静药血药浓度控制值；
FCT：镇痛药血药浓度控制值；
Δu(k)作为药物推量的增量，实时调整镇静药和镇痛药的注射速度；实时调整时间为10s，实现闭环自适应实时调节给药的自动模式；
针对肌松药的自动过程，系统控制规则包含两钟情况：医生制定的给药规则是连续的，或者是定时的；肌松药的稳态目标：
JSM＜JCT
JSM：肌松密度指数；
JCT：肌松稳态目标＝30；
依据肌松药的代谢率，药物作用时间30-40分钟，在自动定时给药状态下，每次启动肌松药推注的时刻，系统判断稳态目标是否满足条件，如果满足，推迟10分钟，循环这个过程；最多延迟时间为30分钟；在连续给药状态下，药物的输注速度由医生确定；
血管活性药物或其他辅助药物的输注，由专家诊疗知识方案设置或者单通道自由设置完成，每通道可以选择多种工作模式：
10)条件触发单次给药；
11)单次定时给药；
12)延迟单次给药；
13)单次blos给药；
14)连续给药；
15)血压心率闭环阈值调节连续给药；
16)连续定时给药；
17)连续衰减给药；
18)条件触发连续给药；
10)单次给药后接连续给药；
13)条件单次给药后连续给药；
14)时间段定量给药；
13)条件触发时间段定量给药；
给药控制规则中条件的定义是：满足某个事件或某个测量的生理指标、生化指标的阈值设定条件，启动药物的给药过程；每个通道给药的启动前，具有一分钟倒计时提示功能，医生可以立即确认、取消或修改药物的剂量；药物的剂量单位自动转换，注射泵的推注速度、推注总量、启动延时可以实时显示。
所述的一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统，机器人系统设置多种设备的通讯协议和通讯接口，实现通讯的三通模式，接受设备的输出信息，同时，在发送至仿真的通讯口向第三方系统输出信息；通讯接口包含有线无线通讯模式，无线通讯包含wifi和蓝牙方式；模块连接所接设备的通讯接口，自动识别该医疗设备的通讯方式，启动相应的接口通讯的工作，实时接受到下述医疗设备的输出数据，包括生命体征监护仪、神经功能监护仪、肌松监护仪、麻醉机、呼吸机、注射泵、输液泵以及患者电子病案的输出数据，对于接受的数据按照所接设备的通讯协议，解码，并按照机器人系统的编码格式，实时编码，在通过有线或无线方式，发送至机器人系统的数据接口中，达到机器人系统的感知能力；
通讯管理软件管理所有的移动信息的流动，各种监护设备和系统主计算机之间的信息流，以及和网络之间的信息流；多种监护仪的通讯接口发送的数据，指向一个固定的wifi地址作为服务端，每个通讯接口作为客户端，实现信息的交互；通讯管理软件接收到信息后，经过组合机器号，形成实时数据流，传送至机器人系统主计算机；机器人系统主计算机对接受的数据进行处理分析计算，形成注射泵推注和诊疗处置行为步骤提示的控制过程；同时，将所有获得的原信息、处理分析计算信息和泵信息、提示信息一起向服务器发送；机器人系统通过互联网通讯接口或者手机app实现于互联网的对接，每台机器人系统传送的信息设定唯一的地址编码，由系统的机器号加服务器的固定IP地址组成：
终端机器地址IP＝组网范围内的唯一地址号+组网服务器的固定IP地址；
组网内最大机器数量＝65535
互联网通讯接口模块，内部采用单片计算机实现对数据的管理；对于数值型数据的传送，采用TCP包；利用单片计算机的流控制能力，实时处理GPRS接入的状态和内部缓存大小，自动识别和自我修正网络通讯的实时进程，进而控制数据流的方向和网络呼叫拨号；设置多达三分钟的动态数据链路队列区，保证数据的完整和容错能力的提高；
数据在链路存储队列等待入网，网络状态触发电路触发一个网络状态事件，计算控制单元的事件处理流程根据事件性质，分别进入不同的线程处理单元；在正常状态下，取得链路数据，以TCP协议分包，通过无线网络向网络中设置的网址和端口发送协议包；
TCP协议包+＝(save_point-read_point)*real_data→read_point++
save_point,read_point为数据指针，real_data为实时数据；
如果非正常状态，系统启动等待拨号线程处理流程，网络接入状态识别电路定时尝试网络接通情况，同时，触发一个数据缓存事件，并重组数据结构；网络状态识别确定网络服务器忙还是网络断线发生，触发不同的消息，启动重新拨号电路或尝试连通服务器线程；
机器人系统的互联网通讯接口对于传输的信号数据实施加密化处理和压缩；整合的数据流进入链路存储队列中；数据窗口为8个bety
L流窗口＝wavelet(m1+m2+m3+m4+addr+asyn+data1+data2)
m1,m2,m3,m4为模块传送的数据，asyn为同步，data为数据和加密包
通过和患者电子病案信息的集成或医生手持终端，感知诊疗过程中多种事件发生后的诊疗处置方案信息；通过系统的人机交互通道，感知医生的药物治疗方案的信息；机器人系统通过人机交互模块的自动给药编辑界面，医生可以在不同的时间节点上，设计包括但不限于关联的：
1)注射泵；
2)推注的药物名称；
3)推注药物的分类；
4)推注药物的浓度；
5)推注药物的剂量；
6)给药的方式；
7)给药的持续时间；
8)给药的延迟时间；
9)启动给药的条件；
10)安全给药阈值；
11)给药总量限制；
12)闭环自适应镇静；
13)镇痛药物输注效应的稳态目标；
14)基础血压下限；
15)基础血压上限：
16)基础心率下限；
17)基础心率上限；
18)患者的合并症(基础疾病)；
19)变化调节强度阶梯
机器人系统通过和患者电子病案系统的集成，或者通过系统配置的医生手持终端，编辑输入诊疗过程中，出现的各种事件，包括但不限于患者镇静深度、患者镇痛深度、患者肌松深度、血压心率、血氧饱和度、体温、呼吸次数、呼末二氧化碳、气道阻力、呼吸潮气量等生命体征监护测量指标异常，以及出血、尿量、胶体液、晶体液体出入量异常，生化检查中的各个测量参数的异常，以及外科医生、麻醉医生、护士人员的诊疗操作种种事件，作为关键字，在针对这些事件，编辑输入相应的医生诊疗处置行为方案；上述关于医生临床诊疗知识的信息编辑完成后，以结构数据格式，个人命名、个人注解，导入系统的数据库中；
机器人系统提供数据库中所有方案的列表选择功能；医生根据患者的病情，可以有针对性的选择不同的方案施治；自动药物输注方案启动后，完成多种药物的注射泵自动输注药物的控制目标；除了闭环自适应稳态连续推注的镇静、镇痛药物的输注以外，其他药物的注射启动，在系统显示单元、医生手持端、移动端具有倒计时确认提示，医生可以确认立即推注、修改药量、延迟时间或者取消本次操作；
医生诊疗处置行为方案，是在机器人系统感知到确定的事件出现后，利用系统显示单元或医生手持端、移动端，以及远程中心监控显示屏上，显示针对本事件的处置步骤的倒计时提示信息，报警并指导医生针对性的完成诊疗操作步骤的过程，以及远程监控的诊疗目标；每个医生设置的方案，都是机器人系统的一个知识基点，转化成机器人系统感知的诊疗知识，形成知识库；知识库设置于云服务器中，云服务器系统通过对知识库的操作，按照方案的疾病分类、药物分类、事件分类、时间分类，输出到有需求的不同移动显示终端或监控显示中心的工作站上排列检索出来的方案内容，并通过关键字搜索，获得针对同一事件的共性内容和不同内容，云服务器中的方案模板，按照疾病类型、手术名称、患者年龄、患者基础疾病、疾病ASA分级、诊疗疗效评分、使用药物名称、使用药物组合、诊疗中事件、诊疗中监护测量生理、生化指标、查房访视结论、术前术后访视结论等分类分组生成列表，云服务器定期通过多元回归算法、目标拟合算法，以诊疗疗效评分为最优方案稳态目标，计算各个列表方案中自动药物输注内容的每一个元素，对目标贡献的权重，以及事件处置对目标贡献的权重，云服务器通过对各个元素权重的排名，可以得到一组优化的方案内容，作为学习结果，导入到所有机器人系统中，作为系统方案，形成机器人系统的优化方案。
所述的一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统，机器人系统的专家知识库，采用结构化元素存储每一个方案中的内容，医生手动编辑方案中的每一项内容，其中自动药物输注方案中每一项内容的结构化，包括：注射泵通道，药物名称、药物用量、药物浓度单位、给药方式、延迟时间、给药时间、药物分类、给药条件；诊疗处置方案中每一项内容的结构化，包括：建立诊疗关键字字典，编辑时的关键字必须在字典中选择，处置内容以逗号为分隔符，提取于诊疗相关的语义词，通过人机交互界面，由编辑者确认对错，反复此过程，得到每一个关键词对应的处置步骤的结构化表达内容；优化方案的计算采用多元线性回归算法，将每一个方案中每一条内容形成一组标准元素矩阵：
m(i)＝{m1，m2，m3....mn}；
g(i)＝{g1，g2，g3....gn}
m：自动药物输注方案中的元素向量；
g：诊疗处置行为方案中的元素向量；
i：方案中内容的序列号；
n：内容中所包含的元素序列号；
诊疗效果因变量设置为W：
w＝a×(SBpmax-SBpmin)+b×(Hrmax-Hrmin)+c×(Wli_ml)+d×(PTi_ml)+e×(ASA)+f×(jc)+h×(1/T)+u×(Wlimin)+q×(|lqout-lqinp|)
a：血压平稳度影响因子；
b：心率平温度影响因子；
c：镇静药总量的影响因子；
d：镇痛药总量的影响因子；
e：ASA疾病分级的影响因子；
f：合并疾病的影响因子；
h：神志认知恢复时间影响因子；
u：镇静指数的最小值；
q：液体平衡的影响因子；
max：最大值；
min：最小值；
lqout：液体输出量
lqinp：液体输入量
针对自变量m和g，因变量计算模型如下：
k(x0,x1,,,xn)＝g0×X0+g1×X1+....+gn×Xn+e
p(y0,y1,,,yn)＝m0×y0+m1×y1+....+mn×yn+e
X：诊疗处置行为方案的元素回归系数；
y：自动给药方案的元素回归系数；
n：元素数量；
e：回归的损失系数；
需要求出回归函数的损失函数，一般线性回归我们用均方误差作为损失函数；损失函数的代数法表示如下：
使损失函数最小化，作为x和y的计算目标；随着样本数量的增加，回归系数的准确性提高；设定一个x和y的阈值，超过阈值的自变量m和g，作为优化方案中的成分内容保留，其余舍弃。
本发明的优点及积极效果：
利用无线物联网和互联网技术，以及多元信息感知技术、自动控制算法技术、脑电两房室计算技术、电生理技术、药代动力学模型算法技术、机器理解和知识自学习技术、无线通讯技术、人机交互技术、专家系统技术，实现类似于人脑的具备多元信息感知、知识经验积累与总结学习能力的药物治疗、生命维持的医生-机器协同自动过程。在获得医生针对个体患者的诊疗知识和行为计划方案的基础上，感知包括患者生命体征监护、神经功能监护、生化检测、患者电子病案信息的实时诊疗数据，自动加协同实时执行药物输注的开启、停止、连续增减药量的治疗环节，以及针对病情关键变化节点的出现，向医护提示针对性的诊疗或护理操作的解决方案。机器人装置可以通过患者治疗环节测量的生理生化指标的变化，获得治疗效果的客观评分，在此基础上产生深度学习机制，针对个体疾病病种和患者不同的病情基础，自动优化药物输注方案、药物组合、药物启动顺序、药物闭环调控效应指标的稳态目标，以及病情变化节点的主动提示诊疗处理步骤。机器人装置通过感知和计算神经功能的镇静、镇痛深度变化，作为神经类药物的效应指标，感知和计算循环功能的血压、心率变化，作为神经类药物的安全控制指标，在疾病治疗目的的稳态目标基础上，自适应调控神经类药物的输注量变化。机器人装置可以通过感知和计算血压、心率、血氧饱和度，以及体温、呼吸的变化，自动调整血管活性药物和其他药物的输注过程。机器人装置通过可穿戴脑电波传感器，可以感知患者的情绪紧张状态、疼痛程度、睡眠情况和疲劳程度，作为神经功能的反馈效应指标，自动实时输出语言和音乐刺激，对患者实施精神抚慰的临床功能。机器人装置通过医生设定的药物单次和总量安全剂量限制，保证药物输注的安全性。机器人装置通过物联网和互联网技术，实现信息感知的分布式布局，无线传感能力，可以区域感知和远程感知各种诊疗和患者病情发展信息，实现医疗数据云存储、云计算、数据挖掘的工作模式，实现检索、统计、分析的边缘计算工作模式。机器人装置通过医生手持端，实现区域麻醉给药监控、确认以及带有解决方案的智能报警提示，手持端支持手机或平板计算机作为载体，
附图说明
图1是本发明的系统工作原理图。
图2是本发明的镇静、镇痛药输注的三房室人体药代模型。
具体实施方式
一种分布式多模态信息感知的多通道辅助智能自学习闭环类脑给药机器人，在医疗机构和健康管理机构范畴的诊疗环节，机器人系统通过信息感知通讯接口模块，自动感知周围环境中医疗设备的实时输出信息。通过和患者电子病案信息的集成或医生手持终端，感知诊疗过程中多种事件发生后的诊疗处置行为方案信息。通过系统的人机交互通道，感知医生的自动药物输注方案的信息。机器人系统利用感知的所有信息，作为原始数据，经过多模态数据的组合计算结果，生成最终的稳态目标控制过程的输出信号，传送至注射泵，控制多种药物的输注速度，达到控制注射泵注射药量的变化或启动停止药物注射的功能,以及依据感知医生诊疗的处置经验，对诊疗处置行为规范实时提示。通过移动APP应用，感知的医生自动药物输注方案和医生诊疗处置行为方案可以被所有机器人系统所共享，方案的分类统计，方案的使用排名，方案内容的交流，以及方案内容的深度学习及优化。针对诊疗过程的效果评价，利用生理、液体、药量等数据的变化结合病情等客观定量数据作为诊疗质量的评分。机器人系统通过在医疗设备的数据输出端配置wifi、232串行通讯接口，医疗设备包含：神经功能测量数据，肌松测量数据、生命体征测量数据，麻醉机、呼吸机输出数据，注射泵、输液泵，将多种设备的输出信息解码并整合后，以固定的协议上传至机器人系统的通讯接口中，实现机器人系统感知周围医疗设备的监护测量数据。通过和患者电子病案系统的信息对接，或者医生通过手持端录入，机器人系统可以感知诊疗中的各种患者事件和医生操作事件信息，以及没有包含在感知范围之外的测量设备的更多数据。机器人系统将接收到的信息加以分解，获得各个医疗设备的测量输出数据，机器人系统内部配置的软件系统，根据神经功能(镇静深度、镇痛深度)要求、肌松深度要求、循环功能要求(血压、心率)、呼吸功能要求、液体出入量要求、以及患者病情基础要求的控制规则和控制目标，对数据计算处理，确认镇静、镇痛、肌松药物，以及包括血管活性药物在内的其他药物的反馈目标指数，得到多模态患者生命维持的基础药物需求数据。再通过人机交互媒介，每个医生根据患者病情现状，可以选择导入或编辑包括多种治疗药物的组合、每种药物输注的时间顺序、药物的经验输注量、药物的安全输注量的药物输注方案，机器人系统感知到给药方案信息后，经过参数设置，结合患者基础病情、当前生命体征基础值和稳态调控目标范围，得到经验药物需求数据，基础药物需求数据和经验药物需求数据相结合，计算神经类药物和血管类药物的相互影响，形成稳态系统控制过程的多因素、多系统综合影响目标数据，也是给药过程的实时控制数据，控制数据经由机器人系统的输出通讯接口，输出到注射泵的通讯接口中，控制多个注射泵不同药物的注射速度，达到闭环自适应调整的多维度、多种药物药量输注的综合维持生命系统的稳态目标。通过机器人系统的人机交互界面，除了感知上述的给药方案以外，医生还可以针对诊疗过程中的各种医疗事件、监护测量数据的变化极点事件和报警事件，输入针对这些事件出现而施加的治疗干预处理方法和事件处置行为规范的提示方案，机器人系统感知到了上述事件出现后，输出上述的治疗处理方法或处置行为规范的提示信息到系统本身的人机交互界面、医生手持端(手机或手持电脑)，以及远程监控中心的屏幕上，指导医生后续的医疗操作行为。机器人系统的数据计算方法，采用多层级滤波算法，结合模糊计算，多元数据相关性计算，规则和条件触发相结合，获得有关患者神经系统的镇静目标稳态调节指数，神经系统镇痛目标稳态调节指数，神经系统肌松目标稳态调节指数，循环系统血压安全触发条件动态调节指数，心率安全触发条件动态调节指数，神经系统、循环系统相互作用影响因子指数，术前神经敏感性因子指数，患者高级神经中枢调节功能因子指数，患者术后疼痛烦躁因子指数。神经镇静镇痛调节指数通过血压过滤、心率过滤、年龄过滤、基础疾病过滤、各因子指数过滤，最后得到神经类药物注射泵的推注速度控制结果。循环调节指数经过其他因子指数过滤、基础疾病过滤、年龄过滤，最后得到循环类药物注射泵的推注速度控制结果。
模块由计算机系统和多通道通讯接口组成，模块中设置多种设备的通讯协议和通讯接口，通讯接口包含有线无线通讯模式，无线通讯包含wifi和蓝牙方式。模块连接所接设备的通讯接口，自动识别该医疗设备的通讯方式，启动相应的接口通讯的工作，实时接受到下述医疗设备的输出数据，包括生命体征监护仪、神经功能监护仪、肌松监护仪、麻醉机、呼吸机、注射泵、输液泵以及患者电子病案的输出数据，接收到的数据再以仿真原设备的通讯形式，通过一个同样模式的通讯接口输出数据，同时，对于接受的数据按照所接设备的通讯协议，解码，并按照机器人系统的编码格式，实时编码，在通过有线或无线方式，发送至机器人系统的数据接口中。达到机器人系统的感知能力。
通过和患者电子病案信息的集成或医生手持终端，感知诊疗过程中多种事件发生后的诊疗处置方案信息。通过系统的人机交互通道，感知医生的药物治疗方案的信息。机器人系统通过人机交互模块的自动给药编辑界面，医生可以在不同的时间节点上，设计包括但不限于关联的注射泵、推注的药物名称、药物的分类、药物的浓度、药物的剂量、给药的方式、给药的持续时间、给药的延迟时间、启动给药的条件、安全给药阈值、给药总量限制、闭环自适应镇静、镇痛药物输注效应的稳态窗口、循环影响的基础血压、基础心率、调节强度阶梯作为自动药物输注方案，以及方案的说明、方案的背景、方案针对的疾病。机器人系统通过和患者电子病案系统的集成，或者通过系统配置的医生手持终端(手机或平板电脑)，编辑输入诊疗过程中，出现的各种事件，包括患者神经、循环、呼吸等生命体征监护测量指标异常、液体出入量异常、生化检查异常、以及医生护士操作等种种事件，作为关键字，在针对这些事件，编辑输入相应的医生诊疗处置行为方案。上述关于医生临床诊疗知识的信息编辑完成后，以结构数据格式，个人命名、个人注解，导入系统的数据库中。机器人系统提供数据库中所有方案的列表选择功能，医生根据患者的病情，可以有针对性的选择不同的方案施治。自动药物输注方案启动后，完成多种药物的注射泵自动输注药物的控制目标。除了闭环自适应稳态连续推注的镇静、镇痛药物的输注以外，其他药物的注射启动，在系统显示单元、医生手持端、移动端具有倒计时确认提示，医生可以确认立即推注、修改药量、延迟时间或者取消本次操作。医生诊疗处置行为方案，是在机器人系统感知到事件出现后，利用系统显示单元或医生手持端、移动端，以及远程中心监控显示屏上，显示针对本事件的处置步骤的倒计时提示信息，报警并指导医生针对性的完成诊疗过程，以及远程监控的诊疗目标。每个医生设置的方案，都是机器人系统的一个知识基点，转化成机器人系统感知的诊疗知识，形成知识库。机器人系统通过对知识库的操作，按照方案的疾病分类、药物分类、事件分类、时间分类，在不同的显示终端排列输出检索出来的方案内容，并通过关键字搜索，获得针对同一事件的共性内容和不同内容，形成机器人系统的优化方案。
通过移动APP应用，感知的医生自动药物输注方案和医生诊疗处置行为方案可以被所有机器人系统所共享，方案的分类统计，方案的使用排名，方案内容的交流，以及方案内容的深度学习及优化。机器人感知的医生自动药物输注方案和医生诊疗处置行为方案，经由局域网、物联网、互联网、云数据服务，可以在所有机器人系统中共享，系统的方案可以实时导入和导出，方案的导入和导出通过系统配置的互联网通讯接口，或者手机移动端实现。每次诊疗行为的开始和结束，自动同步云服务器中更新方案的导入，方案数据同步到机器人系统的知识数据库中，并在系统的显示单元界面上列表显示，并可以被医生所选取、修改、启用。每次启用方案，方案内容都同步上传至云服务器，方案内容可以被中央监控、远程监控、多点监控，形成方案的信息化管理功能。监控方可以随时修改启用的方案内容，并回传方案至机器人系统。该交流过程可以反复进行，直至远程监控者和本地医疗实施者之间对方案的认识统一后开启方案的执行。每次方案的执行，机器人系统通过移动端APP系统，向云服务器传送方案的执行确认信息，云服务器累积此方案被采用的次数、方案制定拥有者、方案内容，并传送至互联网，互联网的所有移动端APP共享此信息，移动端APP接受到信息后，显示所有方案的采用次数排名、方案的拥有者、方案的内容、方案执行过程中的疗效评分。方案的采用次数排名和方案执行过程的疗效评分，经过加权换算后，可以折算成方案拥有者的积分，所有的积分，可以排列显示在移动端APP的人机交互界面中。积分作为拥有者的知识价值体现，度量拥有者的临床专业水平，并伴随其一生。移动端APP系统的显示可以按照不同的关键字分类排列、分类查询、分类统计。机器人系统对于感知到的事件和报警信息，以及相对应的解决处置步骤，可以同步传送到移动端APP系统中，移动端APP系统通过人机交互界面，以文字和声音方式显示并通知移动端携带者执行相对应的诊疗操作。机器人系统针对医生自动药物输注方案和医生诊疗处置行为方案的内容编辑结果，通过移动端APP或者互联网通讯接口模块，经由互联网，可以导出到云服务器中作为模板保存并导入所有机器人系统中共享，每个方案导入模板前，需要通过云服务平台设定的专家委员会对方案的认可审查。专家委员会由多位行业内专家组成。通过移动端APP或者远程监控中心，专家可以实时或分时查看需要导入模板的方案内容，独立作出审查结论，审查过程匿名，三分之二专家通过，为规则之一。新方案同所有方案的差异度超过20％以上，为规则之二，满足规则的方案即可进入云服务器的模板。云服务器中的方案模板，按照疾病类型、手术名称、患者年龄、患者基础疾病、疾病ASA分级、诊疗疗效评分、使用药物名称、使用药物组合、诊疗中事件、诊疗中监护测量生理、生化指标、查房访视结论、术前术后访视结论等分类分组生成列表，云服务器定期通过多元回归算法、目标拟合算法、神经网络算法，以诊疗疗效评分为最优方案稳态目标，计算各个列表方案中自动药物输注内容的每一个元素，对目标贡献的权重，以及事件处置对目标贡献的权重，云服务器通过对各个元素权重的排名，可以得到一组优化的方案内容，作为学习结果，导入到所有机器人系统中，作为系统方案。云服务器随着方案数量的增加，通过不断的计算，方案会越来越聪明，实现精准医疗的根本目标。
针对诊疗过程的效果评价，利用生理、生化、液体、药量等数据的变化结合病情等客观定量数据作为诊疗质量的评分。其特征在于：利用诊疗过程中的生理数据、液体出入量数据、使用的药量大小数据，以及患者的疾病严重程度，疾病住院时间，疾病的合并症，诊疗期间患者的神经功能，睡眠情况的定量分析数据，经加权计算后，得出一个最终的分数，判定诊疗过程的质量高低。称为诊疗效果指数。
本发明所述的一种分布式多模态信息感知的多通道辅助智能自学习闭环类脑给药机器人系统的组成及工作原理参见图1所示。
机器人系统架构，包括：
1.机器人主计算机；主要由计算机和显示器、键盘组成。对于接收到的诊疗信息计算分析，按照一定的规则方案，控制注射泵的注射速度的变化。
2.无线通讯接口组件；由无线路由器和控制电路组成。接受生命体征监护仪、麻醉深度监护仪、注射泵的输出(输入)信息，转发至主机的通讯接口。
3.互联网通讯接入模块；由互联网通讯计算机组成。控制主机信息和互联网信息的流动，包括主机整合加密的诊疗信息、知识经验方案信息、报警信息，以及手机移动端、中心监控系统发出的信息等等。
4.神经功能监护仪(镇静、镇痛、肌松深度监护仪)；
5.生命体征监护仪(血压、心率、血氧、体温、呼吸)；
6.呼吸机麻醉机(呼末二氧化碳、潮气量、气道阻力)；
7.3-10个注射泵；
8.输液泵
9.患者电子病案系统；
10.医生手持端平板；
11.手机移动端APP；
机器人系统利用无线通讯技术，感知各种医疗设备的输出信息，串联这些信息并推理分析，结合医生的知识经验，得到泵的给药量控制信息，输出到各个注射泵的通讯接口，控制多种药物的输注。
系统软件分布于多台计算机中，包括主计算机、通讯控制计算机、手机移动端、中心监控计算机、服务器，信息流在主计算机、生命体征监护仪、麻醉深度监护仪、呼吸机、麻醉机、输液泵、注射泵、血气机和临床诊疗电子病案之间实时交换，主计算机根据接收到的信息流中镇静深度、镇痛深度的数值，以自适应算法，得到镇静药、镇痛药的推注速度数值，控制镇静、镇痛注射泵的推注速度。系统在诊疗过程开始前，预先人工设定镇静深度、镇痛深度数值的初始稳态目标，诊疗过程中，计算镇静和镇痛的实测值和稳态设定值的差值，通过实时调节镇静和镇痛药物注射量的变化，使实测值和设定值的差值最小化作为系统控制的主规则，考虑到镇静和镇痛实测值的波动特性，差值的最小化设定为一个范围。同时，主计算机根据信息流中血压和心率的数值，调节镇静和镇痛深度数值的稳态目标设定值，实现实测值和设定值差值的动态浮动调整，自适应血压和心率的变化，使镇静和镇痛深度的变化和循环系统的变化达到平衡，克服神经类药物对于循环系统的间接影响，保证血压和心率在安全范围内的诊疗目标。设定镇静指数和镇痛指数的稳态目标调节范围：
WLi<>(WL,Wl)
PTi<>(PL,Pl)
WLi：镇静深度实测值
PTi：镇痛深度实测值
(WL,Wl)：镇静设定值的差值最小化范围
(PL,Pl)：镇痛设定值的差值最小化范围
由于镇静镇痛类药物对循环功能和呼吸功能的抑制作用，设定循环功能的血压、心率的安全目标下限：
SBP>(Sl)
HR>(Hl)
SBP：血压
HR：心率
(Sl)：血压安全目标最低值
(Hl)：心率安全目标最低值
系统的调节，通过改变药物在血液中维持的浓度，达到药物作用于大脑，产生镇静和镇痛的效果。药物在血液中维持一个稳定的浓度，就可以达到作用于大脑效果的稳定。药物在血液中会被多个系统所代谢，血液中的药物浓度随着时间下降，如果维持稳定的血药浓度，需要随时补充随着时间被代谢掉的药量。国际上于上个世纪九十年代已经实现了镇静、镇痛药物在血液中浓度维持的药代动力学计算公式，称作TCI靶控给药算法。包括镇静药的血药浓度维持控制和镇痛药的血药浓度维持控制。相关技术已经应用于临床麻醉诊疗中超过20年了。应用中人工随时设定维持的血药浓度数值，以实现不同麻醉镇静深度和镇痛深度的目的。算法根据设定的血压浓度值，计算随时间需要补充的药量，自动完成输注药物的过程，维持稳定的血药浓度。算法是一个经验模型，是开环方式。无法克服不同人的个体差异，导致实际的血药浓度和算法计算的血药浓度有较大的的误差，无法做到精准给药的目的。但是，利用镇静深度和镇痛深度作为反馈指标，TCI靶控的血药浓度指标作为调控参数，由于算法已经包含了药物的起效时间、作用时间、代谢时间等等控制变化的过渡过程，WLi和PTi通过改变镇静的血药浓度和镇痛的血药浓度的设定值，可以方便可靠安全的实现闭环控制给药的目的。
药物输注过程分为初始诱导阶段和药物维持阶段。如果是初始诱导给药，快速建立镇静和镇痛效果，需要快速输注药物，以WLi、PTi逼近稳态目标(WL,Wl)、(PL,Pl)满足设定的时间区段作为条件，建立血药浓度调控的自适应初始值：
PCT＝WLi<>(WL,Wl)
FCT＝PTi<>(PL,Pl)
PCT：镇静药血药浓度初始值
FCT：镇痛药血药浓度初始值
初始建立血药浓度初始值的过程，控制规则需要考虑循环功能的相应变化，特别需要区分疾病的严重程度和年龄因素，以及当前的基础病情，比如，合并症等等。针对病情严重的患者，建立初始药物的初始值，建立过程要以分时、间断等待的方式进行，以适应循环功能的最低安全性要求。排除上述情况的患者，可以直接采用连续方式。两种方式给药的过程，都是利用注射泵的最大速度推注药物，推注过程中，或者间断，或者连续，都要实时判断血压、心率，是否处于安全目标之内。如果超出范围，停止药物的推注，等待血压或心率达到安全目标。同时，判断是否达到WLi和PTi的稳态目标。满足条件后，当前血药浓度确定为PCT、FCT初始值。两个稳态目标其中之一的出现，机器人系统随即进入血药浓度的维持阶段。
机器人系统的镇静、镇痛药输注的维持阶段，利用PID控制技术，实现PCT和FCT的连续控制，维持镇静深度和镇痛深度的需求。控制的输出结果是注射泵的推注速度，推注速度数值在经由循环系统的稳态目标血压和心率影响因子的加权过滤后，通过通讯接口输入注射泵，维持药物的输注。如图1所示。
e(t)＝r(t)-c(t)；
e(t):稳态目标和实测值的差值函数
c(t):效应器官实际效果函数
r(t):稳态目标和循环影响因子函数
u(t):注射泵给药速度函数
u(t)的计算公式如下：
离散化后:
k：离散时间点；
n：偏差函数的序列号；
u(t)的增量计算如下：
Δu(k)＝u(k)-u(k-1)＝Kp(e(k)-e(k-1))+Kie(k)+Kd(e(k)-2e(k-1)+e(k-2))
Kp：比例系数；
Ki：积分系数＝Kp ＊T/Ti；
Kd：微分系数＝Kp ＊Td/T；
T：采样频率；
Ti：积分时间；
Td：微分时间；
选择采样频率1.25s，积分和微分时间10s，计算药物在身体内的代谢速度，可以确定比例系数和积分系数、微分系数。针对比例系数Kp，采用自适应算法，形成给药过程中实时的动态变化，Kp＝CT(n)，以适应药物在人体内的药物代谢动力学特征。
CT(n)计算如下：
a＝asin(1.0)*2./173.；
b0＝k10*k21*k31；
b1＝k10*k31+k21*k31+k21*k13+k10*k21+k31*k12；
b2＝k10+k12+k13+k21+k31；
p＝b1-(b2*b2/3.)；
q＝(2*b2*b2*b2/27.)-(b1*b2/3.)+b0；
a：慢速周边室传递系数；
k10：中央室于效应室的传递系数；
k21：中央室于快速周边室的传递系数；
k31：慢速周边室于中央室的传递系数；
k13：中央室于慢速周边室的传递系数；
k12：快速周边室于中央室的传递系数；
rl＝sqrt(-(p*p*p)/27.)；
rl＝2.*exp(log(r1)/3.)；
eof[0]＝-(cos(q*p)*rl-b2/3.)；
eof[1]＝-(cos(q*p+120.*a)*rl-b2/3.)；
eof[2]＝-(cos(q*p+240.*a)*rl-b2/3.)；
a_1＝(k21-eof[0])*(k31-eof[0])/(eof[0]-eof[1])/(eof[0]-eof[2])/Vc/eof[0]；
a_2＝(k21-eof[1])*(k31-eof[1])/(eof[1]-eof[0])/(eof[1]-eof[2])/Vc/eof[1]；
a_3＝(k21-eof[2])*(k31-eof[2])/(eof[2]-eof[1])/(eof[2]-eof[0])/Vc/eof[2]；
a1[1]＝exp(-(eof[0]*10.))*a1[0]+a_1*u[0]*(1-exp(-(eof[0]*10.)))；
a2[1]＝exp(-(eof[1]*10.))*a2[0]+a_2*u[0]*(1-exp(-(eof[1]*10.)))；
a3[1]＝exp(-(eof[2]*10.))*a3[0]+a_3*u[0]*(1-exp(-(eof[2]*10.)))；
CT(1)＝(a1[1]+a2[1]+a3[1])；
eof：房室之间的偏差；
Vc：身体组织的容积率；
u[0]：前一次中央室的药物注射量；
自适应比例系数CT(n)命名为KCTp。效应室输出keo：
c(t)＝Keo∈{PCT，FCT}
PCT：镇静药血药浓度控制值；
FCT：镇痛药血药浓度控制值
Δu(k)作为药物推量的增量，实时调整镇静药和镇痛药的注射速度。实时调整时间为10s，实现闭环自适应实时调节给药的自动模式。
针对肌松药的自动过程，系统控制规则包含两钟情况：医生制定的给药规则是连续的，或者是定时的。肌松药的稳态目标：
JSM＜JCT
JSM：肌松密度指数；
JCT：肌松稳态目标＝30；
依据肌松药的代谢率，药物作用时间30-40分钟，在自动定时给药状态下，每次启动肌松药推注的时刻，系统判断稳态目标是否满足条件，如果满足，推迟10分钟，循环这个过程。最多延迟时间为30分钟。在连续给药状态下，药物的输注速度由医生确定。
血管活性药物(或其他辅助药物)的输注，由专家诊疗知识方案设置或者单通道自由设置完成，每通道可以选择多种工作模式：
19)条件触发单次给药；
20)单次定时给药；
21)延迟单次给药；
22)单次blos给药；
23)连续给药；
24)血压心率闭环阈值调节连续给药；
25)连续定时给药；
26)连续衰减给药；
27)条件触发连续给药；
28)单次给药后接连续给药；
29)条件单次给药后连续给药；
30)时间段定量给药；
31)条件触发时间段定量给药；
给药控制规则中条件的定义是：满足某个事件或某个测量的生理指标、生化指标的阈值设定条件，启动药物的给药过程。比如，血压低于某个阈值多少时间，启动某个剂量的升压药输注。比如，外科手术开始切皮事件，启动设定剂量的辅助镇痛药物的输注过程。比如，出血量大于某个阈值了，启动固定剂量的凝血类药物的输注过程。每个通道给药的启动前，具有一分钟倒计时提示功能，医生可以立即确认、取消或修改药物的剂量，延迟等等确认功能。药物的剂量单位自动转换，注射泵的推注速度、推注总量、启动延时可以实时显示。
信息感知通讯接口，以及通讯管理软件，由计算机系统和多通道通讯接口组成，模块中设置多种设备的通讯协议和通讯接口，实现通讯的三通模式，接受设备的输出信息，同时，在发送至仿真的通讯口向第三方系统输出信息。通讯接口包含有线无线通讯模式，无线通讯包含wifi和蓝牙方式。模块连接所接设备的通讯接口，自动识别该医疗设备的通讯方式，启动相应的接口通讯的工作，实时接受到下述医疗设备的输出数据，包括生命体征监护仪、神经功能监护仪、肌松监护仪、麻醉机、呼吸机、注射泵、输液泵以及患者电子病案的输出数据，对于接受的数据按照所接设备的通讯协议，解码，并按照机器人系统的编码格式，实时编码，在通过有线或无线方式，发送至机器人系统的数据接口中。达到机器人系统的感知能力。
通讯管理软件管理所有的移动信息的流动，各种监护设备和系统主计算机之间的信息流，以及和网络之间的信息流。多种监护仪的通讯接口发送的数据，指向一个固定的wifi地址作为服务端，每个通讯接口作为客户端，实现信息的交互。通讯管理软件接收到信息后，经过组合机器号，形成实时数据流，传送至机器人系统主计算机。机器人系统主计算机对接受的数据进行处理分析计算，形成注射泵推注和诊疗处置行为步骤提示的控制过程。同时，将所有获得的原信息、处理分析计算信息和泵信息、提示信息一起向服务器发送。机器人系统通过互联网通讯接口或者手机app实现于互联网的对接，每台机器人系统传送的信息设定唯一的地址编码，由系统的机器号加服务器的固定IP地址组成：
终端机器地址IP＝组网范围内的唯一地址号+组网服务器的固定IP地址
组网内最大机器数量＝65535
互联网通讯接口模块，内部采用单片计算机实现对数据的管理。对于数值型数据的传送，采用TCP包；利用单片计算机的流控制能力，实时处理GPRS接入的状态和内部缓存大小，自动识别和自我修正网络通讯的实时进程，进而控制数据流的方向和网络呼叫拨号；设置多达三分钟的动态数据链路队列区，保证数据的完整和容错能力的提高；
数据在链路存储队列等待入网，网络状态触发电路触发一个网络状态事件，计算控制单元的事件处理流程根据事件性质，分别进入不同的线程处理单元；在正常状态下，取得链路数据，以TCP协议分包，通过无线网络向网络中设置的网址和端口发送协议包；
TCP协议包+＝(save_point-read_point)*real_data→read_point++
save_point,read_point为数据指针，real_data为实时数据；
如果非正常状态，系统启动等待拨号线程处理流程，网络接入状态识别电路定时尝试网络接通情况，同时，触发一个数据缓存事件，并重组数据结构；网络状态识别确定网络服务器忙还是网络断线发生，触发不同的消息，启动重新拨号电路或尝试连通服务器线程。
机器人系统的互联网通讯接口对于传输的信号数据实施加密化处理和压缩。整合的数据流进入链路存储队列中。数据窗口为8个bety
L流窗口＝wavelet(m1+m2+m3+m4+addr+asyn+data1+data2)
m1,m2,m3,m4为模块传送的数据，asyn为同步，data为数据和加密包
通过和患者电子病案信息的集成或医生手持终端，感知诊疗过程中多种事件发生后的诊疗处置方案信息。通过系统的人机交互通道，感知医生的药物治疗方案的信息。机器人系统通过人机交互模块的自动给药编辑界面，医生可以在不同的时间节点上，设计包括但不限于关联的：
1.注射泵；
2.推注的药物名称；
3.推注药物的分类；
4.推注药物的浓度；
5.推注药物的剂量；
6.给药的方式；
7.给药的持续时间；
8.给药的延迟时间；
9.启动给药的条件；
10.安全给药阈值；
11.给药总量限制；
12.闭环自适应镇静；
13.镇痛药物输注效应的稳态目标；
14.基础血压下限；
15.基础血压上限：
16.基础心率下限；
17.基础心率上限；
18.患者的合并症(基础疾病)；
19.变化调节强度阶梯
作为自动药物输注的方案，以及方案的说明、方案的背景、方案针对的疾病。机器人系统通过和患者电子病案系统的集成，或者通过系统配置的医生手持终端(手机或平板电脑)，编辑输入诊疗过程中，出现的各种事件，包括但不限于患者镇静深度、患者镇痛深度、患者肌松深度、血压心率、
血氧饱和度、体温、呼吸次数、呼末二氧化碳、气道阻力、呼吸潮气量等生命体征监护测量指标异常，以及出血、尿量、胶体液、晶体液等等液体出入量异常，生化检查中的各个测量参数的异常，以及外科医生、麻醉医生、护士人员的诊疗操作等种种事件，作为关键字，在针对这些事件，编辑输入相应的医生诊疗处置行为方案。上述关于医生临床诊疗知识的信息编辑完成后，以结构数据格式，个人命名、个人注解，导入系统的数据库中。
机器人系统提供数据库中所有方案的列表选择功能。医生根据患者的病情，可以有针对性的选择不同的方案施治。自动药物输注方案启动后，完成多种药物的注射泵自动输注药物的控制目标。除了闭环自适应稳态连续推注的镇静、镇痛药物的输注以外，其他药物的注射启动，在系统显示单元、医生手持端、移动端具有倒计时确认提示，医生可以确认立即推注、修改药量、延迟时间或者取消本次操作。
医生诊疗处置行为方案，是在机器人系统感知到确定的事件出现后，利用系统显示单元或医生手持端、移动端，以及远程中心监控显示屏上，显示针对本事件的处置步骤的倒计时提示信息，报警并指导医生针对性的完成诊疗操作步骤的过程，以及远程监控的诊疗目标。每个医生设置的方案，都是机器人系统的一个知识基点，转化成机器人系统感知的诊疗知识，形成知识库。知识库设置于云服务器中，云服务器系统通过对知识库的操作，按照方案的疾病分类、药物分类、事件分类、时间分类，输出到有需求的不同移动显示终端或监控显示中心的工作站上排列检索出来的方案内容，并通过关键字搜索，获得针对同一事件的共性内容和不同内容，云服务器中的方案模板，按照疾病类型、手术名称、患者年龄、患者基础疾病、疾病ASA分级、诊疗疗效评分、使用药物名称、使用药物组合、诊疗中事件、诊疗中监护测量生理、生化指标、查房访视结论、术前术后访视结论等分类分组生成列表，云服务器定期通过多元回归算法、目标拟合算法，以诊疗疗效评分为最优方案稳态目标，计算各个列表方案中自动药物输注内容的每一个元素，对目标贡献的权重，以及事件处置对目标贡献的权重，云服务器通过对各个元素权重的排名，可以得到一组优化的方案内容，作为学习结果，导入到所有机器人系统中，作为系统方案。形成机器人系统的优化方案。
机器人系统的专家知识库，采用结构化元素存储每一个方案中的内容，医生手动编辑方案中的每一项内容，其中自动药物输注方案中每一项内容的结构化，包括：注射泵通道，药物名称(来源于药物字典)、药物用量、药物浓度单位、给药方式、延迟时间、给药时间、药物分类、给药条件。诊疗处置方案中每一项内容的结构化，包括：建立诊疗关键字字典，编辑时的关键字必须在字典中选择，处置内容以逗号为分隔符，提取于诊疗相关的语义词，通过人机交互界面，由编辑者确认对错，反复此过程，得到每一个关键词对应的处置步骤的结构化表达内容。优化方案的计算采用多元线性回归算法，将每一个方案中每一条内容形成一组标准元素矩阵：
m(i)＝{m1，m2，m3....mn}；
g(i)＝{g1，g2，g3....gn}
m：自动药物输注方案中的元素向量；
g：诊疗处置行为方案中的元素向量；
i：方案中内容的序列号；
n：内容中所包含的元素序列号；
诊疗效果因变量设置为W：
w＝a*(SBpmax-SBpmin)+b*(Hrmax-Hrmin)+c*(Wli_ml)+d*(PTi_ml)+e*(ASA)+f*(jc)+h*(1/T)+u*(Wlimin)+q*(|lqout-lqinp|)
a：血压平稳度影响因子；
b：心率平温度影响因子；
c：镇静药总量的影响因子；
d：镇痛药总量的影响因子；
e：ASA疾病分级的影响因子；
f：合并疾病的影响因子；
h：神志认知恢复时间影响因子；
u：镇静指数的最小值；
q：液体平衡的影响因子；
max：最大值；
min：最小值；
lqout：液体输出量
lqinp：液体输入量
针对自变量m和g，因变量计算模型如下：
k(x0,x1,,,xn)＝g0*X0+g1*X1+....+gn*Xn+e
p(y0,y1,,,yn)＝m0*y0+m1*y1+....+mn*yn+e
X：诊疗处置行为方案的元素回归系数；
y：自动给药方案的元素回归系数；
n：元素数量；
e：回归的损失系数；
需要求出回归函数的损失函数，一般线性回归我们用均方误差作为损失函数。损失函数的代数法表示如下：
使损失函数最小化，作为x和y的计算目标。随着样本数量的增加，回归系数的准确性提高。设定一个x和y的阈值，超过阈值的自变量m和g，作为优化方案中的成分内容保留，其余舍弃。
机器人系统可以通过通讯接口，实现互联网的共享应用。共享的信息包括感知的神经监护信息、生命体征信息、呼吸机麻醉机信息、生化检测信息、各个注射泵的给药信息，以及医生设定的诊疗方案信息和给药确认、诊疗行为提示、报警信息。利用移动端终端(手机)，通过下载移动机器人系统的APP应用，APP应用实时显示生命体征的监护数据，显示医生采用的诊疗方案的分类统计，方案的使用排名，方案内容的交流，以及方案内容的深度学习及优化。机器人感知的医生自动药物输注方案和医生诊疗处置行为方案，经由局域网、物联网、互联网、云数据服务，可以在所有机器人系统中共享，系统的方案可以实时导入和导出，方案的导入和导出通过系统配置的互联网通讯接口，或者手机移动端实现。每次诊疗行为的开始和结束，自动同步云服务器中更新方案的导入，方案数据同步到机器人系统的知识数据库中，并在系统的显示单元界面上列表显示，并可以被医生所选取、修改、启用。每次启用方案，方案内容都同步上传至云服务器，方案内容可以被中央监控、远程监控、多点监控，形成方案的信息化管理功能。监控方可以随时修改启用的方案内容，并回传方案至机器人系统。该交流过程可以反复进行，直至远程监控者和本地医疗实施者之间对方案的认识统一后开启方案的执行。每次方案的执行，机器人系统通过移动端APP系统，向云服务器传送方案的执行确认信息，云服务器累积此方案被采用的次数、方案制定拥有者、方案内容，并传送至互联网，互联网的所有移动端APP共享此信息，移动端APP接受到信息后，显示所有方案的采用次数排名、方案的拥有者、方案的内容、方案执行过程中的疗效评分。方案的采用次数排名和方案执行过程的疗效评分排名，经过加权换算后，可以折算成方案拥有者的积分，所有的积分，可以排列显示在移动端APP的人机交互界面中。积分作为拥有者的知识价值体现，度量拥有者的临床专业水平，并伴随其一生。移动端APP系统的显示可以按照不同的关键字分类排列、分类查询、分类统计。机器人系统对于感知到的事件和报警信息，以及相对应的解决处置步骤，可以同步传送到移动端APP系统中，移动端APP系统通过人机交互界面，以文字和声音方式显示并通知移动端携带者执行相对应的诊疗操作。机器人系统针对医生自动药物输注方案和医生诊疗处置行为方案的内容编辑结果，通过移动端APP或者互联网通讯接口模块，经由互联网，可以导出到云服务器中作为模板保存并导入所有机器人系统中共享，每个方案导入云服务器的知识库之前，需要通过云服务平台设定的专家委员会对方案的认可审查。专家委员会由多位行业内专家组成。通过移动端APP或者远程监控中心，专家可以实时或分时查看需要导入模板的方案内容，独立作出审查结论，审查过程匿名，三分之二专家通过，为规则之一。新方案同所有方案的差异度超过20％以上，为规则之二，满足规则的方案即可进入云服务器的模板。云服务器随着方案数量的增加，通过不断的计算，方案会越来越聪明，实现精准医疗的根本目标。
本发明的镇静、镇痛药输注的三房室人体药代模型实施例参见图2所示。

Claims (3)

1.一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统，其特征在于，包括：
机器人主计算机；主要由计算机和显示器、键盘组成；对于接收到的诊疗信息计算分析，按照如下的规则方案，控制注射泵的注射速度的变化；
无线通讯接口组件；由无线路由器和控制电路组成；接受生命体征监护仪、麻醉深度监护仪、注射泵的输出输入信息，转发至主计算机的通讯接口；
互联网通讯接入模块；由互联网通讯计算机组成；控制主计算机信息和互联网信息的流动，包括主计算机整合加密的诊疗信息、知识经验方案信息、报警信息，以及手机移动端、中心监控系统发出的信息；
神经功能监护仪，包括镇静、镇痛、肌松深度监护仪；
生命体征监护仪，包括血压、心率、血氧、体温、呼吸；
呼吸机麻醉机，包括已呼末二氧化碳、潮气量、气道阻力；
一组注射泵；
输液泵；
患者电子病案系统；
医生手持端平板；
手机移动端APP；
机器人系统利用无线通讯技术，感知医疗设备的输出信息，串联这些信息并推理分析，得到泵的给药量控制信息，输出到各个注射泵的通讯接口，控制多种药物的输注；
机器人系统将包括主计算机、通讯控制计算机、手机移动端、中心监控计算机、服务器的信息流在主计算机、生命体征监护仪、麻醉深度监护仪、呼吸机、麻醉机、输液泵、注射泵、血气机和临床诊疗电子病案之间实时交换，主计算机根据接收到的信息流中镇静深度、镇痛深度的数值，以自适应算法，得到镇静药、镇痛药的推注速度数值，控制镇静、镇痛注射泵的推注速度；系统在诊疗过程开始前，预先人工设定镇静深度、镇痛深度数值的初始稳态目标，诊疗过程中，计算镇静和镇痛的实测值和稳态设定值的差值，通过实时调节镇静和镇痛药物注射量的变化，使实测值和设定值的差值最小化作为系统控制的主规则，考虑到镇静和镇痛实测值的波动特性，差值的最小化设定为一个范围；同时，主计算机根据信息流中血压和心率的数值，调节镇静和镇痛深度数值的稳态目标设定值，实现实测值和设定值差值的动态浮动调整，自适应血压和心率的变化，使镇静和镇痛深度的变化和循环系统的变化达到平衡，克服神经类药物对于循环系统的间接影响，保证血压和心率在安全范围内的诊疗目标；
机器人主计算机内存储有供计算机运行的如下程序：
设定镇静指数和镇痛指数的稳态目标调节范围：
WLi<>(WL,Wl)
PTi<>(PL,Pl)
WLi：镇静深度实测值
PTi：镇痛深度实测值
(WL,Wl)：镇静设定值的差值最小化范围
(PL,Pl)：镇痛设定值的差值最小化范围
由于镇静镇痛类药物对循环功能和呼吸功能的抑制作用，设定循环功能的血压、心率的安全目标下限：
SBP>(Sl)
HR>(Hl)
SBP：血压
HR：心率
(Sl)：血压安全目标最低值
(Hl)：心率安全目标最低值
利用镇静深度和镇痛深度作为反馈指标，TCI靶控的血药浓度指标作为调控参数，由于算法已经包含了包括药物的起效时间、作用时间、代谢时间控制变化的过渡过程，WLi和PTi通过改变镇静的血药浓度和镇痛的血药浓度的设定值，可靠安全的实现闭环控制给药的目的；
药物输注过程分为初始诱导阶段和药物维持阶段；如果是初始诱导给药，快速建立镇静和镇痛效果，需要快速输注药物，以WLi、PTi逼近稳态目标(WL,Wl)、(PL,Pl)满足设定的时间区段作为条件，建立血药浓度调控的自适应初始值：
PCT＝WLi<>(WL,Wl)
FCT＝PTi<>(PL,Pl)
PCT：镇静药血药浓度初始值
FCT：镇痛药血药浓度初始值
初始建立血药浓度初始值的过程，控制规则需要考虑循环功能的相应变化，特别需要区分疾病的严重程度和年龄因素，以及当前的基础病情，建立初始药物的初始值，建立过程要以分时、间断等待的方式进行，以适应循环功能的最低安全性要求；排除上述情况的患者，可以直接采用连续方式；两种方式给药的过程，都是利用注射泵的最大速度推注药物，推注过程中，或者间断，或者连续，都要实时判断血压、心率，是否处于安全目标之内；如果超出范围，停止药物的推注，等待血压或心率达到安全目标；同时，判断是否达到WLi和PTi的稳态目标；满足条件后，当前血药浓度确定为PCT、FCT初始值；两个稳态目标其中之一的出现，机器人系统随即进入血药浓度的维持阶段；
机器人系统的镇静、镇痛药输注的维持阶段，利用PID控制技术，实现PCT和FCT的连续控制，维持镇静深度和镇痛深度的需求；控制的输出结果是注射泵的推注速度，推注速度数值在经由循环系统的稳态目标血压和心率影响因子的加权过滤后，通过通讯接口输入注射泵，维持药物的输注；
e(t)＝r(t)-c(t)；
e(t):稳态目标和实测值的差值函数
c(t):效应器官实际效果函数
r(t):稳态目标和循环影响因子函数
u(t):注射泵给药速度函数
u(t)的计算公式如下：
离散化后:
k：离散时间点；
n：偏差函数的序列号；
u(t)的增量计算如下：
Δu(k)＝u(k)-u(k-1)＝Kp(e(k)-e(k-1))+Kie(k)+Kd(e(k)-2e(k-1)+e(k-2))
Kp：比例系数；
Ki：积分系数＝Kp×T/Ti；
Kd：微分系数＝Kp×Td/T；
T：采样频率；
Ti：积分时间；
Td：微分时间；
选择采样频率1.25s，积分和微分时间10s，计算药物在身体内的代谢速度，可以确定比例系数和积分系数、微分系数；针对比例系数Kp，采用自适应算法，形成给药过程中实时的动态变化，Kp＝CT(n)，以适应药物在人体内的药物代谢动力学特征；
CT(n)计算如下：
a＝asin(1.0)×2/173；
b0＝k10×k21×k31；
b1＝k10×k31+k21×k31+k21×k13+k10×k21+k31×k12；
b2＝k10+k12+k13+k21+k31；
p＝b1-(b2×b2/3)；
q＝(2×b2×b2×b2/27)-(b1×b2/3)+b0；
a：慢速周边室传递系数；
k10：中央室于效应室的传递系数；
k21：中央室于快速周边室的传递系数；
k31：慢速周边室于中央室的传递系数；
k13：中央室于慢速周边室的传递系数；
k12：快速周边室于中央室的传递系数；
rl＝sqrt(-(p×p×p)/27)；
rl＝2×exp(log(rl)/3)；
eof[0]＝-(cos(q×p)×rl-b2/3)；
eof[1]＝-(cos(q×p+120×a)×rl-b2/3)；
eof[2]＝-(cos(q×p+240×a)×rl-b2/3)；
a_1＝(k21-eof[0])×(k31-eof[0])/(eof[0]-eof[1])/(eof[0]-eof[2])/Vc/eof[0]；
a_2＝(k21-eof[1])×(k31-eof[1])/(eof[1]-eof[0])/(eof[1]-eof[2])/Vc/eof[1]；
a_3＝(k21-eof[2])×(k31-eof[2])/(eof[2]-eof[1])/(eof[2]-eof[0])/Vc/eof[2]；
a1[1]＝exp(-(eof[0]×10))×a1[0]+a_1×u[0]×(1-exp(-(eof[0]×10)))；
a2[1]＝exp(-(eof[1]×10))×a2[0]+a_2×u[0]×(1-exp(-(eof[1]×10)))；
a3[1]＝exp(-(eof[2]×10))×a3[0]+a_3×u[0]×(1-exp(-(eof[2]×10)))；
CT(1)＝(a1[1]+a2[1]+a3[1])；
eof：房室之间的偏差；
Vc：身体组织的容积率；
u[0]：前一次中央室的药物注射量；
自适应比例系数CT(n)命名为KCTp效应室输出keo：
c(t)＝Keo∈{PCT,FCT}
PCT：镇静药血药浓度控制值；
FCT：镇痛药血药浓度控制值；
Δu(k)作为药物推量的增量，实时调整镇静药和镇痛药的注射速度；实时调整时间为10s，实现闭环自适应实时调节给药的自动模式；
针对肌松药的自动过程，系统控制规则包含两鈡情况：医生制定的给药规则是连续的，或者是定时的；肌松药的稳态目标：
JSM<JCT
JSM：肌松密度指数；
JCT：肌松稳态目标＝30；
依据肌松药的代谢率，药物作用时间30-40分钟，在自动定时给药状态下，每次启动肌松药推注的时刻，系统判断稳态目标是否满足条件，如果满足，推迟10分钟，循环这个过程；最多延迟时间为30分钟；在连续给药状态下，药物的输注速度由医生确定；
血管活性药物或其他辅助药物的输注，由专家诊疗知识方案设置或者单通道自由设置完成，每通道可以选择多种工作模式：
1)条件触发单次给药；
2)单次定时给药；
3)延迟单次给药；
4)单次blos给药；
5)连续给药；
6)血压心率闭环阈值调节连续给药；
7)连续定时给药；
8)连续衰减给药；
9)条件触发连续给药；
10)单次给药后接连续给药；
11)条件单次给药后连续给药；
12)时间段定量给药；
13)条件触发时间段定量给药；
给药控制规则中条件的定义是：满足某个事件或某个测量的生理指标、生化指标的阈值设定条件，启动药物的给药过程；每个通道给药的启动前，具有一分钟倒计时提示功能，医生可以立即确认、取消或修改药物的剂量；药物的剂量单位自动转换，注射泵的推注速度、推注总量、启动延时可以实时显示。
2.根据权利要求1所述的一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统，其特征在于，机器人系统设置多种设备的通讯协议和通讯接口，实现通讯的三通模式，接受设备的输出信息，同时，在发送至仿真的通讯口向第三方系统输出信息；通讯接口包含有线无线通讯模式，无线通讯包含wifi和蓝牙方式；模块连接所接设备的通讯接口，自动识别该医疗设备的通讯方式，启动相应的接口通讯的工作，实时接受到下述医疗设备的输出数据，包括生命体征监护仪、神经功能监护仪、肌松监护仪、麻醉机、呼吸机、注射泵、输液泵以及患者电子病案的输出数据，对于接受的数据按照所接设备的通讯协议，解码，并按照机器人系统的编码格式，实时编码，在通过有线或无线方式，发送至机器人系统的数据接口中，达到机器人系统的感知能力；
通讯管理软件管理所有的移动信息的流动，各种监护设备和系统主计算机之间的信息流，以及和网络之间的信息流；多种监护仪的通讯接口发送的数据，指向一个固定的wifi地址作为服务端，每个通讯接口作为客户端，实现信息的交互；通讯管理软件接收到信息后，经过组合机器号，形成实时数据流，传送至机器人系统主计算机；机器人系统主计算机对接受的数据进行处理分析计算，形成注射泵推注和诊疗处置行为步骤提示的控制过程；同时，将所有获得的原信息、处理分析计算信息和泵信息、提示信息一起向服务器发送；机器人系统通过互联网通讯接口或者手机app实现于互联网的对接，每台机器人系统传送的信息设定唯一的地址编码，由系统的机器号加服务器的固定IP地址组成：
终端机器地址IP＝组网范围内的唯一地址号+组网服务器的固定IP地址；
组网内最大机器数量＝65535
互联网通讯接口模块，内部采用单片计算机实现对数据的管理；对于数值型数据的传送，采用TCP包；利用单片计算机的流控制能力，实时处理GPRS接入的状态和内部缓存大小，自动识别和自我修正网络通讯的实时进程，进而控制数据流的方向和网络呼叫拨号；设置多达三分钟的动态数据链路队列区，保证数据的完整和容错能力的提高；
数据在链路存储队列等待入网，网络状态触发电路触发一个网络状态事件，计算控制单元的事件处理流程根据事件性质，分别进入不同的线程处理单元；在正常状态下，取得链路数据，以TCP协议分包，通过无线网络向网络中设置的网址和端口发送协议包；
TCP协议包+＝(save_point-read_point)*real_data→read_point++
save_point,read_point为数据指针，real_data为实时数据；
如果非正常状态，系统启动等待拨号线程处理流程，网络接入状态识别电路定时尝试网络接通情况，同时，触发一个数据缓存事件，并重组数据结构；网络状态识别确定网络服务器忙还是网络断线发生，触发不同的消息，启动重新拨号电路或尝试连通服务器线程；
机器人系统的互联网通讯接口对于传输的信号数据实施加密化处理和压缩；整合的数据流进入链路存储队列中；数据窗口为8个bety
L流窗口＝wavelet(m1+m2+m3+m4+addr+asyn+data1+data2)
m1,m2,m3,m4为模块传送的数据，asyn为同步，data为数据和加密包
通过和患者电子病案信息的集成或医生手持终端，感知诊疗过程中多种事件发生后的诊疗处置方案信息；通过系统的人机交互通道，感知医生的药物治疗方案的信息；机器人系统通过人机交互模块的自动给药编辑界面，医生可以在不同的时间节点上，设计包括但不限于关联的：
1)注射泵；
2)推注的药物名称；
3)推注药物的分类；
4)推注药物的浓度；
5)推注药物的剂量；
6)给药的方式；
7)给药的持续时间；
8)给药的延迟时间；
9)启动给药的条件；
10)安全给药阈值；
11)给药总量限制；
12)闭环自适应镇静；
13)镇痛药物输注效应的稳态目标；
14)基础血压下限；
15)基础血压上限：
16)基础心率下限；
17)基础心率上限；
18)患者的合并症；
19)变化调节强度阶梯
机器人系统通过和患者电子病案系统的集成，或者通过系统配置的医生手持终端，编辑输入诊疗过程中，出现的各种事件，包括但不限于患者镇静深度、患者镇痛深度、患者肌松深度、血压心率、血氧饱和度、体温、呼吸次数、呼末二氧化碳、气道阻力、呼吸潮气量等生命体征监护测量指标异常，以及出血、尿量、胶体液、晶体液体出入量异常，生化检查中的各个测量参数的异常，以及外科医生、麻醉医生、护士人员的诊疗操作种种事件，作为关键字，在针对这些事件，编辑输入相应的医生诊疗处置行为方案；上述关于医生临床诊疗知识的信息编辑完成后，以结构数据格式，个人命名、个人注解，导入系统的数据库中；
机器人系统提供数据库中所有方案的列表选择功能；医生根据患者的病情，可以有针对性的选择不同的方案施治；自动药物输注方案启动后，完成多种药物的注射泵自动输注药物的控制目标；除了闭环自适应稳态连续推注的镇静、镇痛药物的输注以外，其他药物的注射启动，在系统显示单元、医生手持端、移动端具有倒计时确认提示，医生可以确认立即推注、修改药量、延迟时间或者取消本次操作；
医生诊疗处置行为方案，是在机器人系统感知到确定的事件出现后，利用系统显示单元或医生手持端、移动端，以及远程中心监控显示屏上，显示针对本事件的处置步骤的倒计时提示信息，报警并指导医生针对性的完成诊疗操作步骤的过程，以及远程监控的诊疗目标；每个医生设置的方案，都是机器人系统的一个知识基点，转化成机器人系统感知的诊疗知识，形成知识库；知识库设置于云服务器中，云服务器系统通过对知识库的操作，按照方案的疾病分类、药物分类、事件分类、时间分类，输出到有需求的不同移动显示终端或监控显示中心的工作站上排列检索出来的方案内容，并通过关键字搜索，获得针对同一事件的共性内容和不同内容，云服务器中的方案模板，按照疾病类型、手术名称、患者年龄、患者基础疾病、疾病ASA分级、诊疗疗效评分、使用药物名称、使用药物组合、诊疗中事件、诊疗中监护测量生理、生化指标、查房访视结论、术前术后访视结论等分类分组生成列表，云服务器定期通过多元回归算法、目标拟合算法，以诊疗疗效评分为最优方案稳态目标，计算各个列表方案中自动药物输注内容的每一个元素，对目标贡献的权重，以及事件处置对目标贡献的权重，云服务器通过对各个元素权重的排名，可以得到一组优化的方案内容，作为学习结果，导入到所有机器人系统中，作为系统方案，形成机器人系统的优化方案。
3.根据权利要求1所述的一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统，其特征在于，机器人系统的专家知识库，采用结构化元素存储每一个方案中的内容，医生手动编辑方案中的每一项内容，其中自动药物输注方案中每一项内容的结构化，包括：注射泵通道，药物名称、药物用量、药物浓度单位、给药方式、延迟时间、给药时间、药物分类、给药条件；诊疗处置方案中每一项内容的结构化，包括：建立诊疗关键字字典，编辑时的关键字必须在字典中选择，处置内容以逗号为分隔符，提取于诊疗相关的语义词，通过人机交互界面，由编辑者确认对错，反复此过程，得到每一个关键词对应的处置步骤的结构化表达内容；优化方案的计算采用多元线性回归算法，将每一个方案中每一条内容形成一组标准元素矩阵：
m(i)＝{m1，m2，m3....mn}；
g(i)＝{g1，g2，g3....gn}
m：自动药物输注方案中的元素向量；
g：诊疗处置行为方案中的元素向量；
i：方案中内容的序列号；
n：内容中所包含的元素序列号；
诊疗效果因变量设置为W：
w＝a×(SBpmax-SBpmin)+b×(Hrmax-Hrmin)+c×(Wli_ml)+d×
(PTi_ml)+e×(ASA)+f×(jc)+h×(1/T)+u×(Wlimin)+q×(|lqout-lqinp|)
a：血压平稳度影响因子；
b：心率平温度影响因子；
c：镇静药总量的影响因子；
d：镇痛药总量的影响因子；
e：ASA疾病分级的影响因子；
f：合并疾病的影响因子；
h：神志认知恢复时间影响因子；
u：镇静指数的最小值；
q：液体平衡的影响因子；
max：最大值；
min：最小值；
lqout：液体输出量
lqinp：液体输入量
针对自变量m和g，因变量计算模型如下：
k(x0,x1,,,xn)＝g0×X0+g1×X1+....+gn×Xn+e
p(y0,y1,,,yn)＝m0×y0+m1×y1+....+mn×yn+e
X：诊疗处置行为方案的元素回归系数；
y：自动给药方案的元素回归系数；
n：元素数量；
e：回归的损失系数；
需要求出回归函数的损失函数，一般线性回归我们用均方误差作为损失函数；损失函数的代数法表示如下：
使损失函数最小化，作为x和y的计算目标；随着样本数量的增加，回归系数的准确性提高；设定一个x和y的阈值，超过阈值的自变量m和g，作为优化方案中的成分内容保留，其余舍弃。
CN202210161585.XA 2021-04-21 2022-02-22 一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统 Active CN114366934B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110427353X 2021-04-21
CN202110427353.XA CN113509610A (zh) 2021-04-21 2021-04-21 分布式多模态信息感知的多通道辅助智能闭环给药机器人

Publications (2)

Publication Number Publication Date
CN114366934A CN114366934A (zh) 2022-04-19
CN114366934B true CN114366934B (zh) 2023-12-29

Family

ID=78062633

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110427353.XA Pending CN113509610A (zh) 2021-04-21 2021-04-21 分布式多模态信息感知的多通道辅助智能闭环给药机器人
CN202210161585.XA Active CN114366934B (zh) 2021-04-21 2022-02-22 一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110427353.XA Pending CN113509610A (zh) 2021-04-21 2021-04-21 分布式多模态信息感知的多通道辅助智能闭环给药机器人

Country Status (1)

Country Link
CN (2) CN113509610A (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116779152B (zh) * 2023-08-21 2023-12-05 瑞鞍星医疗科技(苏州)有限公司 一种麻醉机器人系统
CN117339069B (zh) * 2023-12-04 2024-02-23 南京沪家医疗科技有限公司 呼吸机监测参数的测量方法及测量系统
CN117421548B (zh) * 2023-12-18 2024-03-12 四川互慧软件有限公司 基于卷积神经网络对生理指标数据缺失的治理方法及系统
CN117540783B (zh) * 2024-01-09 2024-05-28 之江实验室 仿真脑活动数据的生成方法、装置、电子装置和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103793593A (zh) * 2013-11-15 2014-05-14 吴一兵 第三种生命维护模式及长寿定量牵引信息交换方法和实现
CN106730110A (zh) * 2016-12-01 2017-05-31 谢言虎 一种基于麻醉深度监测的病人自控镇静靶控输注系统
CN110193113A (zh) * 2019-05-30 2019-09-03 北京易飞华通科技开发有限公司 多通道智能给药系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120095437A1 (en) * 2008-10-17 2012-04-19 Thomas Hemmerling Automatic control system and method for the control of anesthesia

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103793593A (zh) * 2013-11-15 2014-05-14 吴一兵 第三种生命维护模式及长寿定量牵引信息交换方法和实现
CN106730110A (zh) * 2016-12-01 2017-05-31 谢言虎 一种基于麻醉深度监测的病人自控镇静靶控输注系统
CN110193113A (zh) * 2019-05-30 2019-09-03 北京易飞华通科技开发有限公司 多通道智能给药系统

Also Published As

Publication number Publication date
CN114366934A (zh) 2022-04-19
CN113509610A (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
CN114366934B (zh) 一种分布式多模态信息感知的多通道辅助智能闭环类脑给药机器人系统
US11107591B1 (en) Method and system for describing and recommending optimal treatment plans in adaptive telemedical or other contexts
Zaouter et al. Autonomous systems in anesthesia: Where do we stand in 2020? A narrative review
US7524279B2 (en) Sleep and environment control method and system
CN201519339U (zh) 危重监护及输液控制诊疗一体化系统
US10811130B2 (en) Pulse oximeter integration for evaluating and updating a drug administration schedule using effectiveness rating
Khodaei et al. Physiological closed-loop control (PCLC) systems: Review of a modern frontier in automation
CN109243605A (zh) 一种基于人工智能的精神障碍诊断治疗系统
DK201770197A1 (en) A telemedicine system for remote treatment of patients
CN111803756B (zh) 一种智能自控镇痛系统
CN110289094B (zh) 一种基于专家规则的胰岛素精准给药决策方法
US20180365385A1 (en) Monitoring and evaluating patient reactions to medications
US11710547B2 (en) Methods and systems for providing personalised medicine to a patient
CN206714993U (zh) 智能麻醉机器人
CN116583313A (zh) 使用药物施用装置进行患者监测
KR20210066271A (ko) 마취 분야에서의 의료 딥러닝을 활용한 처방 시스템
US20210228092A1 (en) Treatment recommendation creation system
Hemmerling et al. Robotic anesthesia: a vision for 2050
CN117877674A (zh) 一种智能化静脉液体治疗控制方法及系统
CN113648484A (zh) 一种便携式靶控输注静脉麻醉装置及靶控输注控制方法
CN116168840B (zh) 一种预测术后谵妄发生风险的方法、设备及系统
CN114898841A (zh) 高血压患者健康管理系统
CN112190233A (zh) 患者术后居家疼痛观察远程分析管理系统
Kumar et al. Hybrid approach for automatic drug dispensing and control
CN110517764A (zh) 用于提供冠心病延续性护理的远程医疗系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant