本申请公开了一种腭咽部手术疗效的预测方法及装置，其中，方法包括：获取患者术前的专科体检数据、睡眠监测数据与影像学检查数据；从专科体检数据、睡眠监测数据与影像学检查数据中提取专科体检特征、睡眠监测特征与影像学检查特征；将提取的特征输入至预先训练的XGBoost预测模型，得到腭咽部手术疗效的预测结果。以患者术前的专科体检特征、睡眠监测特征、影像学检查特征为依据，通过XGBoost模型对术后呼吸暂停低通气指数进行预测，有助于筛选患者，有效提高手术成功率，为患者提供个性化诊疗。解决了相关技术中选择的预测因子不全面且均是评分系统，预测结果仅能提供患者在一定评分内的单一有效率，无法针对患者进行个体化预测的问题。预测的问题。预测的问题。
【技术实现步骤摘要】
腭咽部手术疗效的预测方法及装置
[0001]本申请涉及手术疗效预测
，特别涉及一种腭咽部手术疗效的预测方法及装置。
技术介绍
[0002]当前包括悬雍垂腭咽成形术(Uvulo Palato Pharyngo Plasty，UPPP)及其各种改良术式 在内的腭咽部手术是治疗阻塞性睡眠呼吸暂停(Obstructive Sleep Apnea，OSA)的主流手 术方式，但成功率仅为40％。UPPP手术成功的定义为术后呼吸暂停低通气指数(ApneaHypopnea Index，AHI)小于术前AHI的50％且术后AHI小于20。Friedman等人建立了一 个以身体质量指数、舌位和扁桃体大小三种预测因子为基础的手术疗效评分系统。该系统 简单实用，被国内外广泛采用。针对UPPP手术有效率Friedman的分型结果为：I型为80％、 II型为38％、III型仅为8.0％。但是这个分级系统的一个局限之处在于其并未纳入除专科 体检数据以外的其他检查数据，因此对手术疗效的预测造成较大的误差。
[0003]在Friedman分级系统的基础上，叶京英等人建立了一个以扁桃体大小、下颌骨下缘距 舌骨下缘的垂直距离(MH)和最低血氧饱和度三个预测因子为基础的TCM评分系统。依 据此评分系统对每例患者评分，公式为：总分＝2.7
×
扁桃体(评分)+2.2
×
CT90(评分)+1.6
×
HM (评分)。评分为＜14分、14
‑
17分、17
‑
22分、≥22分的患者有效率分别为100％，76.3％、 48.1％以及10％。该系统的不足之处是对于总分大于17分的患者没有提供重要的预测价值。
[0004]以上两个预测系统均是预测手术成功与否，而无法准确预测患者术后AHI，不能为医 生提供更加精准的决策信息。
技术实现思路
[0005]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0006]为此，本申请的第一目的在于提出一种腭咽部手术疗效的预测方法，解决了相关技术 中选择的预测因子不全面且均是评分系统，预测结果仅能提供患者在一定评分内的单一有 效率，无法针对患者进行个体化预测的问题。
[0007]本申请的第二个目的在于提出一种腭咽部手术疗效的预测装置。
[0008]本申请的第三个目的在于提出一种电子设备。
[0009]本申请的第四个目的在于提出一种非临时性计算机可读存储介质。
[0010]为达到上述目的，本申请第一方面实施例提供一种腭咽部手术疗效的预测方法，包括 以下步骤：获取患者术前的专科体检数据、睡眠监测数据与影像学检查数据；从所述专科 体检数据、所述睡眠监测数据与所述影像学检查数据中提取专科体检特征、睡眠监测特征 与影像学检查特征；将所述专科体检特征、所述睡眠监测特征与所述影像学检查特征输入 至预先训练的XGBoost预测模型，得到腭咽部手术疗效的预测结果。
[0011]可选地，在本申请的一个实施例中，在将所述专科体检特征、所述睡眠监测特征与
所 述影像学检查特征输入至所述预先训练的XGBoost预测模型之前，还包括：基于XGBoost 算法，利用训练数据集中的专科体检特征、睡眠监测特征与影像学检查特征进行模型训练， 确定XGBoost预测模型的模型参数；通过均方根误差得到所述模型的性能评价结果，并根 据所述性能评价结果调整所述模型的参数，直至所述均方根误差小于或等于预设阈值，得 到所述预先训练的XGBoost预测模型。
[0012]可选地，在本申请的一个实施例中，在提取所述专科体检特征、所述睡眠监测特征与 所述影像学检查特征之后，还包括：对所述专科体检特征、所述睡眠监测特征与所述影像 学检查特征进行预处理，筛选出满足预测条件的专科体检特征、睡眠监测特征与影像学检 查特征。
[0013]可选地，在本申请的一个实施例中，所述预测条件为数据置信度大于预设阈值，且在 筛选出满足所述预测条件的专科体检特征、睡眠监测特征与影像学检查特征之后，还包括： 对满足预设类别的特征进行独热编码处理。
[0014]可选地，在本申请的一个实施例中，所述专科体检特征包括性别、年龄、身体质量指 数、颈围、扁桃体大小、Friedman舌位分型中的一项或多项；所述睡眠监测特征包括呼吸 暂停低通气指数、仰卧位呼吸暂停低通气指数、REM期呼吸暂停低通气指数、NREM期呼 吸暂停低通气指数、最低血氧饱和度、血氧饱和度小于90％的时间比例中的一项或多项； 所述影像学检查特征包括气道长度特征和舌骨距下颌骨垂直距离特征中的至少一项。
[0015]为达到上述目的，本申请第二方面实施例提供一种腭咽部手术疗效的预测装置，包括： 数据采集模块，用于获取患者术前的专科体检数据、睡眠监测数据与影像学检查数据；特 征提取模块，用于从所述专科体检数据、所述睡眠监测数据与所述影像学检查数据中提取 专科体检特征、睡眠监测特征与影像学检查特征；手术疗效模型预测模块，用于将所述专 科体检特征、所述睡眠监测特征与所述影像学检查特征输入至预先训练的XGBoost预测模 型，得到腭咽部手术疗效的预测结果。
[0016]可选地，在本申请的一个实施例中，还包括：训练模块，用于基于XGBoost算法，利 用训练数据集中的专科体检特征、睡眠监测特征与影像学检查特征进行模型训练，确定 XGBoost预测模型的模型参数；手术疗效模型建模模块，用于通过均方根误差得到所述模 型的性能评价结果，并根据所述性能评价结果调整所述模型的参数，直至所述均方根误差 小于或等于预设阈值，得到所述预先训练的XGBoost预测模型。
[0017]可选地，在本申请的一个实施例中，还包括：数据预处理模块，用于对所述专科体检 特征、所述睡眠监测特征与所述影像学检查特征进行预处理，筛选出满足预测条件的专科 体检特征、睡眠监测特征与影像学检查特征。
[0018]为达到上述目的，本申请第三方面实施例提供一种电子设备，包括：至少一个处理器； 以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少 一个处理器执行的指令，所述指令被设置为用于执行如上述实施例所述的腭咽部手术疗效 的预测方法。
[0019]为达到上述目的，本申请第四方面实施例提供一种非临时性计算机可读存储介质，所 述非临时性计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行 如上述实施例所述的腭咽部手术疗效的预测方法。
[0020]本申请实施例的腭咽部手术疗效的预测方法及装置，以患者术前的专科体检特
征、睡 眠监测特征、影像学检查特征为依据，通过XGBoost模型对术后呼吸暂停低通气指数进行 预测，有助于筛选患者，有效提高手术成功率，为患者提供个性化诊疗，直接预测患者术 后AHI，量化手术疗效，从根本上反应手术疗效等信息。解决了相关技术中选择的预测因 子不全面且均是评分系统，预测结果仅能提供患者在一定评分内的单一有效率，无法针对本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种腭咽部手术疗效的预测方法，其特征在于，包括以下步骤：获取患者术前的专科体检数据、睡眠监测数据与影像学检查数据；从所述专科体检数据、所述睡眠监测数据与所述影像学检查数据中提取专科体检特征、睡眠监测特征与影像学检查特征；以及将所述专科体检特征、所述睡眠监测特征与所述影像学检查特征输入至预先训练的XGBoost预测模型，得到腭咽部手术疗效的预测结果。2.根据权利要求1所述的方法，其特征在于，在将所述专科体检特征、所述睡眠监测特征与所述影像学检查特征输入至所述预先训练的XGBoost预测模型之前，还包括：基于XGBoost算法，利用训练数据集中的专科体检特征、睡眠监测特征与影像学检查特征进行模型训练，确定XGBoost预测模型的模型参数；通过均方根误差得到所述模型的性能评价结果，并根据所述性能评价结果调整所述模型的参数，直至所述均方根误差小于或等于预设阈值，得到所述预先训练的XGBoost预测模型。3.根据权利要求1所述的方法，其特征在于，在提取所述专科体检特征、所述睡眠监测特征与所述影像学检查特征之后，还包括：对所述专科体检特征、所述睡眠监测特征与所述影像学检查特征进行预处理，筛选出满足预测条件的专科体检特征、睡眠监测特征与影像学检查特征。4.根据权利要求3所述的方法，其特征在于，所述预测条件为数据置信度大于预设阈值，且在筛选出满足所述预测条件的专科体检特征、睡眠监测特征与影像学检查特征之后，还包括：对满足预设类别的特征进行独热编码处理。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述专科体检特征包括性别、年龄、身体质量指数、颈围、扁桃体大小、Friedman舌位分型中的一项或多项；所述睡眠监测特征包括呼吸暂停低通气指数、仰卧位呼吸暂停低通气指数、REM期呼吸暂停低通气指数、NREM期呼吸暂停低通气指数...
【专利技术属性】
技术研发人员：叶京英，尤静媛，
申请(专利权)人：北京清华长庚医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。