CN116504352A - 基于大数据平台的个体化麻醉方案确定方法 - Google Patents
基于大数据平台的个体化麻醉方案确定方法 Download PDFInfo
- Publication number
- CN116504352A CN116504352A CN202310478303.3A CN202310478303A CN116504352A CN 116504352 A CN116504352 A CN 116504352A CN 202310478303 A CN202310478303 A CN 202310478303A CN 116504352 A CN116504352 A CN 116504352A
- Authority
- CN
- China
- Prior art keywords
- data
- anesthesia
- scheme
- platform
- clinical
- 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.)
- Pending
Links
- 206010002091 Anaesthesia Diseases 0.000 title claims abstract description 159
- 230000037005 anaesthesia Effects 0.000 title claims abstract description 159
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000003444 anaesthetic effect Effects 0.000 claims abstract description 47
- 239000003814 drug Substances 0.000 claims abstract description 31
- 229940079593 drug Drugs 0.000 claims description 22
- 210000004556 brain Anatomy 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000013500 data storage Methods 0.000 claims description 13
- 230000036772 blood pressure Effects 0.000 claims description 12
- 230000006698 induction Effects 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 11
- 229910052760 oxygen Inorganic materials 0.000 claims description 11
- 239000001301 oxygen Substances 0.000 claims description 11
- 230000002980 postoperative effect Effects 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 239000002671 adjuvant Substances 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 13
- 208000035965 Postoperative Complications Diseases 0.000 abstract description 7
- 238000002360 preparation method Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000005611 electricity Effects 0.000 description 7
- 238000011084 recovery Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000036512 infertility Effects 0.000 description 4
- 238000001802 infusion Methods 0.000 description 4
- 208000001953 Hypotension Diseases 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000249 desinfective effect Effects 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000036543 hypotension Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 206010068319 Oropharyngeal pain Diseases 0.000 description 2
- 206010047700 Vomiting Diseases 0.000 description 2
- 229940035676 analgesics Drugs 0.000 description 2
- 239000000730 antalgic agent Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000013583 drug formulation Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- 206010021118 Hypotonia Diseases 0.000 description 1
- 206010028813 Nausea Diseases 0.000 description 1
- 201000007100 Pharyngitis Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002695 general anesthesia Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000002175 menstrual effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000036640 muscle relaxation Effects 0.000 description 1
- 239000003158 myorelaxant agent Substances 0.000 description 1
- 239000004081 narcotic agent Substances 0.000 description 1
- 230000008693 nausea Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 239000000932 sedative agent Substances 0.000 description 1
- 230000001624 sedative effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000023409 throat pain Diseases 0.000 description 1
- 238000002627 tracheal intubation Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Computing Systems (AREA)
- Medicinal Chemistry (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Accommodation For Nursing Or Treatment Tables (AREA)
Abstract
本发明公开了一种基于大数据平台的个体化麻醉方案确定方法，包括以下步骤：S100：获取已有的临床麻醉相关数据；S200：基于获取的相关数据搭建大数据平台；S300：依据大数据平台推荐及优化个体化麻醉方案；S400：根据确定的麻醉化方案自动进行药物配置。本发明能够更全面地、针对性地制定麻醉方案，提高麻醉过程安全性，避免主观因素影响，减少麻醉医师的人工操作，进而预测患者复苏时间及术后并发症发生率，不断优化临床麻醉方案。
Description
技术领域
本发明涉及医疗卫生，特别是一种基于大数据平台的个体化麻醉方案确定方法。
背景技术
国家卫生健康委统计数据显示，我国医院就诊人次数逐年增加，手术量亦逐年增加。麻醉作为临床手术过程中必不可少的一个重要环节，其方案的安全及有效性显得尤其重要。随着我国经济水平和社会的发展,个体化医疗的逐渐推广，人们不仅追求安全健康，更希望能针对个人的病情制定具体的麻醉方案。但由麻醉医师基于患者临床参数制定的个体方案耗时长，具有主观性，不能对麻醉方案的有效性进行客观地评估，且临床上尚未有相对完善的智能麻醉方案构建体系。
另外，麻醉剂的准备是个体化麻醉方案中的重要步骤，而临床上麻醉剂用量主要是根据经验来粗略估计后即进行人工抽取备用，未通过患者多方面的临床数据进行精确地计算。麻醉剂的不当使用，尤其是全身麻醉可引起患者生理和心理方面的损害，延迟患者的术后复苏时间，甚至造成严重术后并发症，加重医院甚至国家医疗保障系统的负担；而且目前我国麻醉医生数量严重不足，人工的操作亦增加麻醉医师的工作强度，引起精神上及身体上的劳累，从而增加抽取过程中失误率。此外，人工抽取麻醉剂不能排除主观因素，在操作过程中不能有效保证无菌，这些都将增加患者的麻醉风险。
随着智慧医疗的进一步发展，出现了智能麻醉机器人及一些可以自动控制输注速度的输注装置，但这些装置主要是对麻醉维持阶段进行分析、评估，尚未有基于患者临床参数而制定麻醉方案，并实时进行麻醉方案的评估及预测的体系，且目前整个麻醉过程中的麻醉剂配制仍是人工操作。
中国发明专利CN111798956A介绍了一种用于人工智能麻醉的决策确定方法、装置及系统，其在用户数据库中快速获取与用户基本信息相对应的麻醉决策数据，进而向麻醉实施装置输出麻醉决策数据，但并未对麻醉恢复期的相关信息进行跟踪、评估及预测，且其麻醉剂的准备仍是人工操作，亦受到主观因素的影响，不能办保证麻醉剂配制的无菌性。
中国实用新型专利CN206714993U介绍了一种智能麻醉机器人，其可根据输注过程中患者的实际麻醉效果和手术变化情况，对模块进行控制，从而准确地、自动管理麻醉，但只是在手术过程中对麻醉剂的使用量进行调控，并未在术前根据患者的临床参数进行方案构建及术后的评估。
中国发明专利CN201621242338介绍了可交互并深度学习的控制输液速度和加温的智能麻醉机器人，但只根据麻醉过程中参数反馈来进行调节，并未依据患者手术前的的临床参数及个体情况来综合析。
现有的技术并未基于患者临床参数获得个体化麻醉方案推荐，并动态对整个麻醉过程进行评估及预测，而且麻醉剂的准备及配置仍是人工操作，难以避免主观因素的影响，保证麻醉剂的无菌性。
发明内容
针对现有技术的缺陷，本发明提供了一种基于大数据平台的个体化麻醉方案确定方法。
一种基于大数据平台的个体化麻醉方案确定方法，包括以下步骤：S100：获取已有的临床麻醉相关数据；S200：基于获取的相关数据搭建大数据平台；S300：依据大数据平台推荐及优化个体化麻醉方案；S400：根据确定的麻醉化方案自动进行药物配置。
可选地，所述步骤S100包括，S110：获取原始数据；S120：对所述原始数据进行分类；S130：对分类后的原始数据规范化数据存储；所述步骤S130包括，采用Table记录，同一患者的每个麻醉阶段数据记录在一个Table表的不同子表，每个患者的Table以住院号标记，所有Table数据的采集通过离线同步工具DataX v1.0.0.3进行上传云端数据库；所述步骤S200包括，S210：麻醉相关临床原始数据采集；S220：原始数据处理；S230：数据搜索；S240：数据平台搭建；S250：数据安全管理；所述步骤S220包括，通过ETL进行清洗进行规范化数据存储和多维数据存储，按照数据仓库建模的需求对数据进行清洗和转换，最终将数据加载到数据仓库中，构建患者标识统一以及患者临床信息的统一数据仓库；所述步骤S230包括，通过大数据查询引擎对数据仓库中多个数据源的数据进行合并；所述步骤S240包括，数据通过可视化对比软件呈现，直观地反应出同种麻醉剂和辅助用药因年龄、性别、体重、合并症的不同而造成麻醉诱导期和麻醉维持期血压、心率、脑电双频指数值、脑氧含量值的变化，以及采用当前麻醉方案对术后复苏的影响；所述步骤S250包括，使用Ranger2.0对平台数据进行监测和安全管理，为平台提供具体数据的权限管控、访问监控、数据加密的功能；所述步骤S300包括，若大数据平台与用户有相同或类似的病例数据集，为匹配成功，此时系统直接输出麻醉方案；若大数据平台与用户输入数据无相似病例，为匹配不成功，此时系统将根据预设参数输出麻醉方案；对于匹配失败的病例，系统在完成该病例的麻醉后通过麻醉评价系统对麻醉方案进行评估，通过反馈学习算法对数据进行修正再后上传至云端数据库，及时优化调整麻醉诱导、维持和复苏后大数据平台。
本发明的有益效果是：本发明提供了一种基于大规模临床数据深度学习的个体化麻醉方案构建系统及装置，能够更全面地、针对性地制定麻醉方案，提高麻醉过程安全性，避免主观因素影响，减少麻醉医师的人工操作，进而预测患者复苏时间及术后并发症发生率，不断优化临床麻醉方案。
附图说明
图1为个体化麻醉方案构建的流程图；
图2为获取临床数据的流程图；
图3为搭建大数据平台的流程图；
图4为推荐及优化个体化麻醉方案的流程图；
图5为个体化麻醉方案构建系统药物配制结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明，使本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按比例绘制附图，重点在于示出本发明的主旨。
本发明是一种基于大数据深度学习的个体化麻醉方案确定方法，如图1所示，其主要包括以下步骤，S100：获取已有的临床麻醉相关数据；S200：基于获取的相关数据搭建大数据平台；S300：依据大数据平台推荐及优化个体化麻醉方案；S400：根据确定的麻醉化方案自动进行药物配置。通过上述方法，能够更全面地、针对性地、更智能化地制定麻醉方案并预测复苏状态，避免主观因素影响，减少麻醉医师的人工操作，提高麻醉过程安全性及准确性，促进患者早期复苏，减少术后并发症。
S100: 获取已有的临床麻醉相关数据。
临床麻醉数据获取是将现有的不同临床信息系统产生的临床数据汇总到统一的信息平台，实现构建患者标识统一以及患者临床信息的统一数据仓库。如图2所示，对于步骤S100: 获取已有的临床麻醉相关数据，这一步骤主要用于实现原始数据的收集与规范化存储，为后续大数据平台的搭建提供规范化的原始数据。其包括，S110：获取原始数据；S120：对原始数据进行分类；S130：规范化数据存储。
S110：获取原始数据。在该步骤中，临床麻醉相关的原始数据可以通过现有的临床信息系统获取，临床信息系统包括手术麻醉系统、术后复苏系统、电子病历系统、心电监测系统、放射科信息管理系统等业务系统。从手术麻醉系统中获取患者麻醉剂和辅助用药使用量，麻醉过程中的生命体征数据动态变化、尿量、脑电双频指数值以及脑氧含量值等；复苏系统主要获取复苏时间以及复苏并发症，电子病历系统获取患者的住院信息，心电监测系统获取患者心电图结果，放射科信息管理系统获取患者胸片X片结果。
S120：对原始数据进行分类。由于原始数据杂乱无章，为了提高数据利用效率，需要对数据进行分类。获取的原始数据可以分类为麻醉前、麻醉诱导、麻醉维持和麻醉复苏期间的临床参数。麻醉前数据为患者的住院信息，有住院号、性别、年龄、身高、体重、合并症、主要诊断、手术部位、手术方式和影像结果，其中影像结果主要为心电图和胸片结果；此部分数据通过住院号为用户标识与患者唯一对应，该标识为数字编号，从系统中自动检索识别患者的其他住院信息。麻醉诱导期的临床数据有血压、心率、血氧饱和度、麻醉剂及辅助用药使用量；血压可以是无创血压，也可以是有创血压；患者麻醉前的血压为患者基础血压，在此基础上增加20%或降低20%识别为血压过高或血压过低；血氧饱和度为0-100之间；麻醉剂包括镇静、镇痛药物，辅助用药为肌肉松弛药物、抑制腺体分泌药物以及激素类药物等。麻醉维持期的数据有血压、心率、血氧饱和度、脑电双频指数值、脑氧含量值及药物使用量；血压、心率及脑电双频指数值均增加超过20%,提示麻醉过浅，应增加药物的使用；血压、心率及脑电双频指数值降低超过20%,提示麻醉过深，应减少药物的使用；血压过低可影响血氧饱和度及脑氧含量值。麻醉复苏期数据包括复苏时间和复苏并发症，复苏时间为停用麻醉剂和肌肉松弛药物后至苏醒的时间，该时间超过30分钟为苏醒延迟，麻醉维持期的药物使用应适当减少；复苏并发症有恶心、呕吐、咽喉疼痛、低血压以及高血压等；恶心、呕吐为麻醉药物常见术后并发症，与镇痛药物使用量、手术时间、手术部位及患者年龄相关；咽喉疼痛情况与麻醉插管方式相关，该插管方法可以是喉罩，也可以是气管导管插入。获取的临床数据可以是数字编号、字母编号或者文字编号，还可以是其他形式的标识，不作具体限制。
S130：规范化数据存储。所有患者的原始数据存储于专用的计算机设备，采用Table记录，同一患者的每个麻醉阶段数据记录在一个Table表的不同子表，每个患者的Table以住院号标记。所有Table数据的采集通过离线同步工具DataX v1.0.0.3进行上传云端数据库。云端数据存储系统采用了不同的底层存储设施，具体包括MySQL、HBase、Hadoop分布式文件系统（HDFS）等关系数据库、列存储数据库，MySQL主要用来存储结构化数据，包括病人基本信息、麻醉剂和辅助用药使用量、生命体征参数、复苏时间；HBase主要用来存储半结构化数据，如主要诊断、手术部位和手术方式等。HDFS主要用来存储非结构化的二进制文件，如来自影像归档和通信系统（PACS）的放射检查胶片图像。
S200：基于获取的相关数据搭建大数据平台。
麻醉诱导、维持和复苏后大数据平台的搭建是对获取的临床数据进行多模态加工及整合，涉及到的核心技术主要为知识加工、深度搜索和可视交互等。原始数据整合即将现有产生的临床数据汇总到统一的信息平台，实现患者标识统一以及患者临床信息的统一浏览发布。如图3所示，其包括下述步骤。
S210：麻醉相关临床原始数据采集。
云端数据存储系统采用了不同的底层存储设施，支持多种目前流行的程序设计语言，包括C、C++、Java、Perl、PHP等。平台开发采用PHP语言，该语言是一种通用开源脚本语言，吸收了C语言、Java和Perl的优点，利于学习，使用广泛，主要适用于Web数据库开发领域，与数据库的接入性能优越，管理高效。底层存储设施具体包括MySQL、HBase、Hadoop分布式文件系统（HDFS）等关系数据库、列存储数据库，MySQL主要用来存储结构化数据，包括病人基本信息、麻醉剂和辅助用药使用量、生命体征参数、复苏时间；HBase主要用来存储半结构化数据，如主要诊断、手术部位和手术方式等。HDFS主要用来存储非结构化的二进制文件，如来自影像归档和通信系统（PACS）的放射检查胶片图像。云端数据对数据源文件并不进行删减或修改，仅负责抽取、加载和分类。
采用规范化数据存储（normalized data store，NDS）结合多维数据存储（dimensional data store，DDS）的数据流架构对原始数据整合，构成数据源。NDS结合DDS将原始临床信息分为患者基本信息、主要诊断、手术部位、手术方式、麻醉剂和辅助用药使用等几大模块，其中基本信息为麻醉前临床数据，包括基本信息，麻醉诱导、维持期、术后复苏数据；主要诊断作为患者此次住院的最主要原因。
S220：原始数据处理。分类的数据集通过ETL进行清洗进行规范化数据存储和多维数据存储，此过程需要按照数据仓库建模的需求对数据进行一定的清洗和转换，最终将数据加载到数据仓库中，构建患者标识统一以及患者临床信息的统一数据仓库。通过对数据源进行数据抽取、加载和转换（extraction-loadingtransformation，ETL）实现原始数据的处理和分析。ETL通过数据计算、任务调度和元数据管理实现。数据计算采用Hive或者Spark2.0引擎，支持批量临床处理数据。任务调度采用轻量级的批量工作流任务调度器Azkaban，调度器Azkaban在获取完整临床数据后执行存储任务，同时根据目前工作状态更新数据库；元数据管理采用Apache Atlas 2.2.0元数据管理系统，用来规划数据仓库和ETL流程中的数据，保证临床数据的实时整合、处理和分析。ETL是麻醉诱导、维持和复苏后大数据仓库的重要一环。从临床信息系统抽取所需的数据，经过数据清洗，最终按照预先定义的数据仓库模型，将数据加载到数据仓库中。
S230：数据搜索。为完善数据，可通过大数据查询引擎Presto 0.278.3对数据仓库中多个数据源的数据进行合并，甚至跨越整个数据仓库进行分析。该分析包括首先面向数据平台全局查询的方法是全文对比检索法，可实现对检索数据库全记录内容的全覆盖检索，包括字符、中文及数据；为了对某一病例信息进行查询，系统采用Presto 0.278.3引擎跨不仅可越整个数据仓库进行分析，同时对数据仓库中同一和患者的多个相同数据源数据进行合并，实现数据仓库最优化存储。该搜索引擎包括的查询方法有全文对比检索法，可实现对检索数据库全记录内容的全覆盖检索，也可以是字符、中文及数据查询法；其次是二维码查询技术，便于推送转移查询到的数据、文字及图片。
S240：数据平台搭建。最终数据通过可视化对比软件Echarts 3.5.2呈现，直观地反应出同种麻醉剂和辅助用药因年龄、性别、体重、合并症的不同而造成麻醉诱导期和麻醉维持期血压、心率、脑电双频指数值、脑氧含量值的变化，以及采用当前麻醉方案对术后复苏的影响；基于术后复苏情况构建麻醉方案评价系统，并不断优化麻醉过程中麻醉方式和药物使用量。
分析获取的数据通过可视化对比软件Echarts 3.5.2呈现，直观地反应出同一麻醉剂和辅助用药不同人群类别下不同表现的对比，表现形式有曲线、直方图和柱形图等。通过可视化对比，可直观地反应出同种麻醉剂和辅助用药因年龄、性别的不同而造成的影响，从而输出精准的麻醉方案。还可采用模型分析法，使用的典型模型有多元线性回归模型、单因素正交多项式回归模型等。这些方法是大样本多元数据分析的主要方式。由此建立的动态模型，可有效预测麻醉方案中存在的不确定性，推动数据的升值化利用。同时还建立了同一患者的麻醉复苏演化图，分析麻醉复苏期间临床数据的特征，推理该患者的术后苏醒拔管时间，以及预测麻醉相关并发症的发生率，构建个体化麻醉方案评价系统。
S250：数据安全管理。为加强数据的安全管理，大数据平台使用Ranger 2.0对平台数据进行监测和安全管理，为平台提供具体数据的权限管控、访问监控、数据加密的功能。
S300：依据大数据平台推荐及优化个体化麻醉方案。
如图4所示， 个体化麻醉方案推荐及优化基于大数据平台实现，主要包括输入用户临床参数（S310），识别临床参数（S320）、调度大数据平台匹配和输出麻醉方案（S340-S380）。输入用户临床参数基于系统爬虫软件，输入用户住院号后自动填充性别、年龄、身高、体重、合并症、主要诊断、手术部位、手术方式和影像结果，对于信息不全的病例需手动输入。系统识别输入的临床数据中与麻醉方式、术中体位、麻醉用药相关的数据，与麻醉方式相关的主要诊断和手术方法；与手术体位相关的手术部位；与麻醉剂和辅助用药使用量相关的有年龄、身高、体重、合并症等；数据分类上传至大数据平台匹配进行匹配（S340-S350）；此时分为两种情况，第一种为麻醉诱导、维持和复苏后大数据平台与用户有相同或类似的病例数据集，为匹配成功（S360），此时系统直接输出麻醉方案；另一种为大数据平台与用户输入数据无相似病例，为匹配不成功（S370），此时系统将根据预设参数输出麻醉方案。输出推荐的患者麻醉方案后，经验丰富的麻醉医师根据推荐方案进行调整，获得个体化麻醉方案（S380）。
推荐的麻醉方案，包括麻醉方法、麻醉剂和辅助用药选择及用量，该麻醉剂和辅助用药使用情况下的复苏时间及并发症的发生情况等信息。对于与大数据平台匹配成功的病例，系统将进一步通过Q-Learning算法加强学习；对于匹配失败的病例，系统在完成该病例的麻醉后通过麻醉评价系统对麻醉方案进行评估，通过反馈学习算法对数据进行修正再后上传至云端数据库，及时优化调整麻醉诱导、维持和复苏后大数据平台。
S300：根据确定的个体化麻醉方案自动进行药物配制。
如图5所示，麻醉医师通过触屏显示器11中输入患者的临床数据，包括姓名、性别、年龄、身高、体重、既往病史、女性的月经病史，家族遗传病史、诊断以及手术部位、手术方式等信息后，数据将分级输入到麻醉方案推荐及评价模块中后，触屏显示器11输出患者麻醉方案的推荐，经验丰富的麻醉医师可根据推荐方案进行调整，获得确定的个性化麻醉方案。推荐的麻醉方案，包括麻醉方法、麻醉剂选择及用量，并预测复苏时间及并发症发生的几率等信息。
麻醉方案数据传输至麻醉剂配备主体2后，麻醉剂配制运行装置24根据麻醉剂种类及用量抽取麻醉剂于注射器置入口22选择合适的注射器，抽取液体置入口21中的液体后，再于麻醉剂置入23后中抽取麻醉剂。麻醉剂混匀后传输至麻醉剂输出口25备用。使用量相对较多的维持麻醉剂可于注射装置26处持续泵入。麻醉剂配备装置在完成一位患者的麻醉后可通过麻醉剂入口干燥及消毒按钮4、麻醉剂配制运行装置干燥及消毒41、麻醉剂输出口干燥及消毒42进行清洗消毒及干燥，保证配制药物环境的无菌性。当麻醉病例均完成麻醉后，通过主体开关5关闭该装置电源。
术中及术后的数据存储通过在无线接收装置12或者有线接收装置13进行动态数据收集传输，动态收集数据。在完成一位患者麻醉后，麻醉数据将上传至云端数据库中进一步丰富数据库，也再次优化该个体化麻醉方案推荐体系。该系统不仅仅可减轻麻醉医师的工作负担，更可针对个人的病情制定具体的麻醉方案，实时、可靠、全面地评估麻醉方案并预测麻醉相关并发症的发生，不断优化麻醉方案，提高麻醉安全性。
本发明提供了一种基于大规模临床数据深度学习的个体化麻醉方案构建和评价系统，以及自动化药物配制装置，能够更全面地、针对性地、更智能化地制定麻醉方案并预测复苏状态，避免主观因素影响，减少麻醉医师的人工操作，提高麻醉过程安全性及准确性，同时构建的麻醉方案评价系统，不断优化临床麻醉方案，促进患者早期复苏，减少术后并发症。
本发明，根据患者的临床数据（性别、年龄、身高、体重、合并症、手术部位、手术方式、麻醉过程中的生命体征数据动态变化、脑电双频指数值、脑氧含量值等、术后复苏时间及并发症发生情况）构建麻醉方案大数据分析平台，智能化获得麻醉方案推荐，并预测复苏时间及并发症发生的几率等信息。经验丰富的麻醉医师再根据推荐方案进行适当调整，进而获得个体化麻醉方案。输出的麻醉方案传输至药物配制系统将进行全自动化药物配置。在整个麻醉过程中，该体系动态收集各项临床参数，实时对数据库进行更新、评估及优化，并实现麻醉剂和辅助用药全自动配制。此系统及装置不仅可减轻麻醉医师的工作负担，更有利于优化麻醉方案，提高麻醉安全性，促进患者术后早期复苏，减少术后并发症，进而推动个体化麻醉学科发展。
在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已，本发明能够以很多不同于在此描述的其它方式来实施，因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种基于大数据平台的个体化麻醉方案确定方法，其特征在于，包括以下步骤：
S100：获取已有的临床麻醉相关数据；
S200：基于获取的相关数据搭建大数据平台；
S300：依据大数据平台推荐及优化个体化麻醉方案；
S400：根据确定的麻醉化方案自动进行药物配置。
2.根据权利要求1所述的个体化麻醉方案确定方法，其特征在于，所述步骤S100包括，S110：获取原始数据；S120：对所述原始数据进行分类；S130：对分类后的原始数据规范化数据存储。
3.根据权利要求2所述的个体化麻醉方案确定方法，其特征在于，所述步骤S130包括，采用Table记录，同一患者的每个麻醉阶段数据记录在一个Table表的不同子表，每个患者的Table以住院号标记，所有Table数据的采集通过离线同步工具DataX v1.0.0.3进行上传云端数据库。
4.根据权利要求1所述的个体化麻醉方案确定方法，其特征在于，所述步骤S200包括，S210：麻醉相关临床原始数据采集；S220：原始数据处理；S230：数据搜索；S240：数据平台搭建；S250：数据安全管理。
5.根据权利要求4所述的个体化麻醉方案确定方法，其特征在于，所述步骤S220包括，通过ETL进行清洗进行规范化数据存储和多维数据存储，按照数据仓库建模的需求对数据进行清洗和转换，最终将数据加载到数据仓库中，构建患者标识统一以及患者临床信息的统一数据仓库。
6.根据权利要求5所述的个体化麻醉方案确定方法，其特征在于，所述步骤S230包括，通过大数据查询引擎对数据仓库中多个数据源的数据进行合并。
7.根据权利要求4所述的个体化麻醉方案确定方法，其特征在于，所述步骤S240包括，数据通过可视化对比软件呈现，直观地反应出同种麻醉剂和辅助用药因年龄、性别、体重、合并症的不同而造成麻醉诱导期和麻醉维持期血压、心率、脑电双频指数值、脑氧含量值的变化，以及采用当前麻醉方案对术后复苏的影响。
8. 根据权利要求4所述的个体化麻醉方案确定方法，其特征在于，所述步骤S250包括，使用Ranger 2.0对平台数据进行监测和安全管理，为平台提供具体数据的权限管控、访问监控、数据加密的功能。
9.根据权利要求1所述的个体化麻醉方案确定方法，其特征在于，所述步骤S300包括，若大数据平台与用户有相同或类似的病例数据集，为匹配成功，此时系统直接输出麻醉方案；若大数据平台与用户输入数据无相似病例，为匹配不成功，此时系统将根据预设参数输出麻醉方案。
10.根据权利要求9所述的个体化麻醉方案确定方法，其特征在于，对于匹配失败的病例，系统在完成该病例的麻醉后通过麻醉评价系统对麻醉方案进行评估，通过反馈学习算法对数据进行修正再后上传至云端数据库，及时优化调整麻醉诱导、维持和复苏后大数据平台。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310478303.3A CN116504352A (zh) | 2023-04-28 | 2023-04-28 | 基于大数据平台的个体化麻醉方案确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310478303.3A CN116504352A (zh) | 2023-04-28 | 2023-04-28 | 基于大数据平台的个体化麻醉方案确定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116504352A true CN116504352A (zh) | 2023-07-28 |
Family
ID=87326155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310478303.3A Pending CN116504352A (zh) | 2023-04-28 | 2023-04-28 | 基于大数据平台的个体化麻醉方案确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116504352A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116884605A (zh) * | 2023-08-24 | 2023-10-13 | 上海罗根医疗科技有限公司 | 一种手术麻醉信息智能管理系统 |
-
2023
- 2023-04-28 CN CN202310478303.3A patent/CN116504352A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116884605A (zh) * | 2023-08-24 | 2023-10-13 | 上海罗根医疗科技有限公司 | 一种手术麻醉信息智能管理系统 |
| CN116884605B (zh) * | 2023-08-24 | 2024-04-26 | 上海罗根医疗科技有限公司 | 一种手术麻醉信息智能管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103559397A (zh) | 一种应用于高血压慢性病的智慧服务系统及方法 | |
| Brossier et al. | Creating a high-frequency electronic database in the PICU: The perpetual patient | |
| CN111445977A (zh) | 一种多疾病整合运动康复管理系统 | |
| CN109599188A (zh) | 一种医护信息管理系统 | |
| CN108257648B (zh) | 一种基于大数据的医疗健康数据管理系统 | |
| CN116504352A (zh) | 基于大数据平台的个体化麻醉方案确定方法 | |
| 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 | |
| WO2019041710A1 (zh) | 基于健康检查一体机的慢病管理系统及方法 | |
| EP4128256A1 (en) | Systems and methods of producing patient encounter records | |
| CN108140044A (zh) | 用于确定与临床医生相关的信息的设备、系统和方法 | |
| CN114341999A (zh) | 用于医疗设备趋势的图形用户界面的系统和方法 | |
| CN115547439A (zh) | 患者随访跟踪分析装置、方法、系统及介质 | |
| CN110838358A (zh) | 一种个性化的结合眼底图像的糖尿病智能信息管理系统 | |
| KR101606155B1 (ko) | 개인 맞춤형 건강정보 제공시스템 | |
| CN116884605A (zh) | 一种手术麻醉信息智能管理系统 | |
| CN107066816A (zh) | 基于临床数据的就医指导方法、装置及服务器 | |
| CN116153489A (zh) | 一种电子镇痛泵的智能管理方法和系统 | |
| CN115171901A (zh) | 用于困难气道评估和术中气道管理辅助的智能系统及方法 | |
| CN115547483A (zh) | 用于监测患慢性炎症性疾病的患者的远程监测方法和系统 | |
| CN111986782A (zh) | 一种集成多平台的中医诊疗系统 | |
| US20210151178A1 (en) | System, apparatus and method for monitoring clinical state of a user | |
| US20230041220A1 (en) | ICU Monitor With Medication Data | |
| US20230157544A1 (en) | System and Methods for Remotely Monitoring an ICU Environment | |
| CN117524431A (zh) | 一种智能健康宣教系统 | |
| CN118039073A (zh) | 一种智能药食同源调理方案生成系统及方法 |
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 |