本公開涉及識別具有發生心臟切開術后心源性休克風險的患者。

背景技術：

1、心臟切開術后心源性休克(pccs)是已經歷心臟手術的患者的相對罕見但重要的死亡原因。盡管在文獻中不一致地定義，但pccs與心臟手術后需要機械循環支持(例如，體外膜氧合(ecmo)裝置、心室輔助裝置(vad)等的支持)及/或投與高劑量強心劑的循環衰竭有關。

技術實現思路

1、在一些實施例中，提供一種預測患者是否可能發生心臟切開術后心源性休克(pccs)的方法。所述方法包含：接收患者的醫療信息；從所述所接收醫療信息提取一或多個特征；提供所述一或多個特征作為經訓練分類模型的輸入，所述經訓練分類模型經配置以輸出所述患者可能發生pccs的風險評估；及輸出所述風險評估的指示。

2、在一個方面，患者的醫療信息包含電子健康記錄、實驗室報告、醫療程序報告、醫生筆記及醫學成像報告中的一或多者。在另一方面，醫療信息包含結構化數據及非結構化數據。在另一方面，提取一或多個特征包括使用自然語言處理從非結構化數據提取一或多個特征中的至少一些特征。在另一方面，一或多個特征包含左心室射血分數及/或總膽紅素水平。在另一方面，所述方法進一步包含接收指示患者是否發生pccs的數據，及至少部分基于所接收數據而再訓練經訓練分類模型。在另一方面，風險評估包含數值，且輸出風險評估的指示包括在用戶接口上顯示所述數值及/或基于所述數值的信息。在另一方面，所述方法進一步包含基于數值執行將患者分類為多個風險群組中的風險群組，且輸出風險評估的指示包括輸出患者的風險群組的指示。在另一方面，執行將患者分類為風險群組包括確定數值是否高于閾值，及在確定數值高于閾值時對pccs的高風險進行分類。在另一方面，輸出患者的風險群組的指示包括在用戶接口上顯示風險群組的彩色編碼指示。

3、在另一方面，風險評估是將患者分類為多個風險群組中的風險群組，且輸出風險評估的指示包括輸出患者的風險群組的指示。在另一方面，經訓練分類模型包含經訓練神經網絡。在另一方面，經訓練分類模型包含經訓練隨機森林模型。在另一方面，經訓練分類模型包含經訓練多變量回歸模型。在另一方面，所述方法進一步包含接收額外醫療信息，及基于所述額外醫療信息再訓練經訓練分類模型。在另一方面，額外醫療信息包含醫療設施處被執行心臟手術的多個患者的醫療信息。在另一方面，所述方法進一步包含：提供經配置以顯示一或多個特征的值的用戶接口；經由用戶接口接收用戶輸入以改變一或多個特征的值中的一或多者；至少部分基于經改變一或多個值而模擬患者可能發生pccs的風險評估以產生模擬風險評估；及在用戶接口上顯示模擬風險評估。在另一方面，輸出風險評估的指示包括輸出與風險評估相關聯的累積分數。

4、在一些實施例中，提供一種訓練風險模型以預測患者是否可能發生心臟切開術后心源性休克(pccs)的方法。所述方法包含：接收患者醫療信息的數據集；基于pccs準則及定義數據字段從患者醫療信息的數據集選擇訓練數據，其中所述訓練數據包含患者的至少兩個風險群組的患者醫療信息；使用選定訓練數據來訓練風險模型；及輸出經訓練風險模型。

5、在一個方面，所述方法進一步包含定義多個pccs準則及基于所述pccs準則產生患者的至少兩個風險群組。在另一方面，所述方法進一步包含經由用戶接口接收關于將要定義的數據字段的輸入，及至少部分基于所接收輸入而定義數據字段。在另一方面，所述方法進一步包含使用未用于訓練模型的至少一些患者醫療信息來驗證經訓練模型，且輸出經訓練風險模型包括輸出經驗證訓練模型。在另一方面，所述方法進一步包含接收更新經訓練風險模型的指示，及響應于接收更新經訓練風險模型的指示而再訓練風險模型。在另一方面，風險模型包含神經網絡。在另一方面，風險模型包含隨機森林模型。在另一方面，風險模型包含多變量回歸模型。在另一方面，所述方法進一步包含接收額外醫療信息，及基于所述額外醫療信息再訓練經訓練風險模型。在另一方面，額外醫療信息包含醫療設施處被執行心臟手術的多個患者的醫療信息。

6、在一些實施例中，提供一種用于預測患者是否可能發生心臟切開術后心源性休克(pccs)的計算機實施系統。所述系統包含：至少一個硬件計算機處理器；及至少一個非暫時性計算機可讀媒體，其經編碼有多個指令，所述多個指令在由所述至少一個硬件計算機處理器處理時執行方法。所述方法包含：從所述患者的醫療信息提取一或多個特征；提供所述一或多個特征作為經訓練分類模型的輸入，所述經訓練分類模型經配置以輸出所述患者可能發生pccs的風險評估；及輸出所述風險評估的指示。

7、在一些實施例中，提供至少一種非暫時性計算機可讀媒體，其經編碼有多個指令，所述多個指令在由至少一個硬件計算機處理器處理時執行方法。所述方法包含：從患者的醫療信息提取一或多個特征；提供所述一或多個特征作為經訓練分類模型的輸入，所述經訓練分類模型經配置以輸出所述患者可能發生pccs的風險評估；及輸出所述風險評估的指示。

技術特征：

1.一種預測患者是否可能發生心臟切開術后心源性休克(pccs)的方法，所述方法包括：

2.根據權利要求1所述的方法，其中所述患者的所述醫療信息包含電子健康記錄、實驗室報告、醫療程序報告、醫生筆記及醫學成像報告中的一或多者。

3.根據權利要求1所述的方法，其中所述醫療信息包含結構化數據及非結構化數據。

4.根據權利要求3所述的方法，其中提取一或多個特征包括使用自然語言處理從所述非結構化數據提取所述一或多個特征中的至少一些特征。

5.根據權利要求1所述的方法，其中所述一或多個特征包含左心室射血分數及/或總膽紅素水平。

6.根據權利要求1所述的方法，其進一步包括：

7.根據權利要求1所述的方法，其中

8.根據權利要求7所述的方法，其進一步包括：

9.根據權利要求8所述的方法，其中

10.根據權利要求8所述的方法，其中輸出所述患者的所述風險群組的指示包括在用戶接口上顯示所述風險群組的彩色編碼指示。

11.根據權利要求1所述的方法，其中

12.根據權利要求1所述的方法，其中所述經訓練分類模型包含經訓練神經網絡。

13.根據權利要求1所述的方法，其中所述經訓練分類模型包含經訓練隨機森林模型。

14.根據權利要求1所述的方法，其中所述經訓練分類模型包含經訓練多變量回歸模型。

15.根據權利要求1所述的方法，其進一步包括：

16.根據權利要求15所述的方法，其中所述額外醫療信息包含醫療設施處被執行心臟手術的多個患者的醫療信息。

17.根據權利要求1所述的方法，其進一步包括：

18.根據權利要求1所述的方法，其中輸出所述風險評估的指示包括輸出與所述風險評估相關聯的累積分數。

19.一種訓練風險模型以預測患者是否可能發生心臟切開術后心源性休克(pccs)的方法，所述方法包括：

20.根據權利要求19所述的方法，其進一步包括：

21.根據權利要求19所述的方法，其進一步包括：

22.根據權利要求19所述的方法，其進一步包括：

23.根據權利要求19所述的方法，其進一步包括：

24.根據權利要求19所述的方法，其中所述風險模型包含神經網絡。

25.根據權利要求19所述的方法，其中所述風險模型包含隨機森林模型。

26.根據權利要求19所述的方法，其中所述風險模型包含多變量回歸模型。

27.根據權利要求19所述的方法，其進一步包括：

28.根據權利要求20所述的方法，其中所述額外醫療信息包含醫療設施處被執行心臟手術的多個患者的醫療信息。

29.一種用于預測患者是否可能發生心臟切開術后心源性休克(pccs)的計算機實施系統，所述系統包括：

30.至少一種非暫時性計算機可讀媒體，其經編碼有多個指令，所述多個指令在由至少一個硬件計算機處理器處理時執行方法，所述方法包括：

技術總結
本公開描述用于預測患者是否可能發生心臟切開術后心源性休克(PCCS)的方法及系統。所述方法包含：接收患者的醫療信息；從所述所接收醫療信息提取一或多個特征；提供所述一或多個特征作為經訓練分類模型的輸入，所述經訓練分類模型經配置以輸出所述患者可能發生PCCS的風險評估；及輸出所述風險評估的指示。

技術研發人員：P·帕克斯,E·布萊克斯通,E·紹爾特斯,E·喬爾特貝格
受保護的技術使用者：阿比奧梅德公司
技術研發日：
技術公布日：2025/4/24