【技术实现步骤摘要】
本专利技术属于临床及生物医学，具体涉及一种慢性阻塞性肺疾病重症患者下呼吸道感染临床辅助预判系统及预判方法。
技术介绍
1、慢性阻塞性肺疾病(慢阻肺，copd)是一种常见的慢性呼吸系统疾病，不仅患病率高且疾病负担重。copd急性加重是copd发展过程中常见的急性事件，与copd患者肺功能的减退、生命质量的下降、医疗支出的增加、死亡风险的上升密切相关。因此，如何减少急性加重的发生和防止后续事件的影响被纳入为copd重要的治疗目标之一。临床上，多种下呼吸道感染(lrti)是copd急性加重发生的主要原因，其中细菌感染十分常见且影响巨大。因此，抗菌药物在急性加重的治疗中具有举足轻重的地位。而长期使用抗菌药物和糖皮质类激素还容易引起真菌感染，因此，真菌也是copd患者lrti常见的微生物类型之一。
2、目前，临床工作中对患者lrti进行诊断、治疗的首要任务，就是要明确致病微生物的类型。细胞学样本的微生物培养作为临床常规检测手段之一，常被作为检测各类细菌与真菌感染的首要检测方式。除罕见种类外，通过细胞学标本检测可准确地诊断出绝大多数细菌和真菌感染。然而，各种细菌与真菌的生长速度从1-3天到2-3周不等，这在极大程度上影响了微生物培养的周转时间(turn-around time，tat)。对于重症患者的临床治疗通常要在尚未明确判断病原体的情况下，对lrti的初始治疗做出快速决策。因此，在实际工作中，lrti的初始治疗主要依靠临床医师的经验性判断。
3、但是，这种经验性判断常伴随着抗菌药物的不当使用和/或过度使用，增加了
4、为了有效控制上述问题，实现对lrti的快速预判，学界众多研究通常分为两个方向。第一个方向是通过大量临床实践和研究，总结lrti的诊断与治疗经验，不断形成领域内新的权威性共识，完善与更新专业知识体系。依靠循证医学知识的临床决策具有较高的准确性，但是临床经验的产生常需要大量实践和研究的积累，相关知识与共识往往需要通过半结构化访谈、delphi调查等方法实现更新，过程中需要专家学者们付出大量的时间与精力，无法及时应对病原体耐药性的快速发展。随着医疗卫生大数据的不断积累，以机器学习为核心的生物医学预测技术日益成熟，利用感染预测模型辅助医务人员实现临床快速诊断的第二大方向应运而生。
5、但值得注意的是，临床工作中对于lrti的经验性治疗(尤其是对重症患者)多采用覆盖多种感染类别的广谱抗菌药物。这使得病原体耐药性不断增加而一线抗感染药物逐渐失效的风险进一步增加，亟需可以实现多种感染类别预判的辅助工具。然而，目前鲜有预测模型可实现对copd重症患者多种lrti类别的同步快速预判。
6、目前，感染相关的预测模型通常具有如下特点：(1)个性化的应用场景：narayana等人开发的感染模型仅适用于预判复发型肾病综合征患者感染的场景，li等人开发的模型仅适用于预判3岁以下患儿泌尿道感染的场景，zhang等人开发的模型仅适用于预判心血管术后患者继发感染的场景；(2)聚焦于特定感染类别：eickelberg等人开发了危重患者细菌感染的预测模型，wei等人开发了呼吸科住院患者多重耐药菌感染的预测模型，han等人开发了copd急性加重患者真菌感染的预测模型；(3)聚焦于特定种属的病原体：shahin等人开发的模型用于预判危重症患者是否感染念珠菌属真菌，kim等人的研究聚焦于预判产生超广谱β内酰胺酶(esbl)的大肠杆菌和克雷伯氏菌。
7、因此，本领域亟需构建多标签机器学习为基础的交互式决策支持系统，辅助临床医务人员进行copd重症患者下呼吸道多种类别感染的同步快速诊断。
技术实现思路
1、为此，本专利技术所要解决的技术问题在于提供一种慢性阻塞性肺疾病重症患者下呼吸道感染临床辅助预判系统；
2、本专利技术所要解决的第二个技术问题在于提供一种慢性阻塞性肺疾病重症患者下呼吸道感染临床辅助预判方法。
3、为解决上述技术问题，本专利技术所述的一种copd患者下呼吸道感染临床辅助预判系统，所述系统包括多标签临床预测模型；
4、所述多标签临床预测模型基于多模型多标签特征筛选(mmfs)开放式算法框架以及复合型多标签不平衡数据处理(cmidp)算法框架构建的多标签临床预测模型。
5、具体的，所述copd患者下呼吸道感染临床辅助预判系统，所述下呼吸道感染包括下呼吸道的革兰氏阴性细菌(gnb)感染、革兰氏阳性细菌(gpb)感染、多重耐药菌(mdro)感染和/或真菌(fungi)感染。
6、具体的，所述copd患者下呼吸道感染临床辅助预判系统，所述多标签临床预测模型的预测指标包括年龄、白蛋白(alb)、bt、天门冬氨酸氨基转移酶与丙氨酸氨基转移酶比值(ast/alt)、嗜酸性粒细胞(eos)、中性粒细胞(neu)、碱性磷酸酶(alp)、白细胞(wbc)、天门冬氨酸氨基转移酶(ast)、红细胞比容(hct)、乳酸脱氢酶(ldh)、尿素氮(bun)、血糖(glu)、凝血酶原时间(pt)、血氯(cl-)、血钙(ca2+)、sb、pao2、paco2、ph、tco2、氧饱和度(sao2)、体质指数(bmi)、c-反应蛋白(crp)和淋巴细胞(lym)。
7、具体的，所述copd患者下呼吸道感染临床辅助预判系统，所述多标签临床预测模型的预测效果评价指标包括基于示例(example-based)和基于标签(label-based)的两类指标；其中，
8、基于示例的评价指标包括hamming loss、zero-one loss、samples-precision、samples-recall、samples-f1 score；
9、基于标签的评价指标包括micro-auc、macro-auc、micro-ap、macro-ap。
10、具体的，所述copd患者下呼吸道感染临床辅助预判系统，所述系统的预判结果包括对lrti类别的同步预判，并显示相应类别的阳性预判概率；
11、所述lrti类别包括下呼吸道的革兰氏阴性细菌(gnb)感染、革兰氏阳性细菌(gpb)感染、多重耐药菌(mdro)感染和/或真菌(fungi)感染。
12、本专利技术还公开了一种如所述copd患者下呼吸道感染临床辅助预判系统的构建方法本文档来自技高网...
【技术保护点】
1.一种COPD患者下呼吸道感染临床辅助预判系统，其特征在于，所述系统包括多标签临床预测模型；
2.根据权利要求1所述COPD患者下呼吸道感染临床辅助预判系统，其特征在于，所述多标签临床预测模型的预测指标包括年龄、白蛋白、BT、天门冬氨酸氨基转移酶与丙氨酸氨基转移酶比值、嗜酸性粒细胞、中性粒细胞、碱性磷酸酶、白细胞、天门冬氨酸氨基转移酶、红细胞比容、乳酸脱氢酶、尿素氮、血糖、凝血酶原时间、血氯、血钙、SB、PaO2、PaCO2、pH、TCO2、氧饱和度、体质指数、C-反应蛋白和/或淋巴细胞。
3.根据权利要求1或2所述COPD患者下呼吸道感染临床辅助预判系统，其特征在于，所述多标签临床预测模型的预测效果评价指标包括基于示例和基于标签的两类指标；其中，
4.根据权利要求1-3任一项所述COPD患者下呼吸道感染临床辅助预判系统，其特征在于，所述系统的预判结果包括对LRTI类别的同步预判，并显示相应类别的阳性预判概率；
5.根据权利要求1-4任一项所述COPD患者下呼吸道感染临床辅助预判系统，其特征在于，所述系统还包括基于CC-Light
6.一种如权利要求1-5任一项所述COPD患者下呼吸道感染临床辅助预判系统的构建方法，其特征在于，包括如下步骤：
7.根据权利要求6所述COPD患者下呼吸道感染临床辅助预判系统的构建方法，其特征在于，所述步骤(2)中，患者的临床信息包括一般情况、临床诊断、体格检查、实验室检查和/或微生物培养信息。
8.根据权利要求6或7所述COPD患者下呼吸道感染临床辅助预判系统的构建方法，其特征在于，所述步骤(3)中：
9.根据权利要求6-8任一项所述COPD患者下呼吸道感染临床辅助预判系统的构建方法，其特征在于，所述步骤(4)中，所述多标签类别不平衡处理步骤利用REMEDIAL、MLSMOTE、MLTL三种基础算法提出CMIDP算法框架，并形成REMLSMOTL、REMLSMOTE、REMLTL、MLSMOTL四种拓展算法。
10.一种COPD患者下呼吸道感染临床辅助预判方法，其特征在于，包括采集待测患者的临床信息的步骤，以及，利用权利要求1-5任一项所述COPD患者下呼吸道感染临床辅助预判系统进行预测的步骤。
...【技术特征摘要】
1.一种copd患者下呼吸道感染临床辅助预判系统，其特征在于，所述系统包括多标签临床预测模型；
2.根据权利要求1所述copd患者下呼吸道感染临床辅助预判系统，其特征在于，所述多标签临床预测模型的预测指标包括年龄、白蛋白、bt、天门冬氨酸氨基转移酶与丙氨酸氨基转移酶比值、嗜酸性粒细胞、中性粒细胞、碱性磷酸酶、白细胞、天门冬氨酸氨基转移酶、红细胞比容、乳酸脱氢酶、尿素氮、血糖、凝血酶原时间、血氯、血钙、sb、pao2、paco2、ph、tco2、氧饱和度、体质指数、c-反应蛋白和/或淋巴细胞。
3.根据权利要求1或2所述copd患者下呼吸道感染临床辅助预判系统，其特征在于，所述多标签临床预测模型的预测效果评价指标包括基于示例和基于标签的两类指标；其中，
4.根据权利要求1-3任一项所述copd患者下呼吸道感染临床辅助预判系统，其特征在于，所述系统的预判结果包括对lrti类别的同步预判，并显示相应类别的阳性预判概率；
5.根据权利要求1-4任一项所述copd患者下呼吸道感染临床辅助预判系统，其特征在于，所述系统还包括基于cc-lightgbm模型结合shap个体可解释性技术构建...
【专利技术属性】
技术研发人员：张岩波，何航帜，赵卉，李莉芳，胡晓娟，
申请(专利权)人：山西医科大学，
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。