本技術屬于帶狀皰疹相關檢測和ai分析，具體涉及帶狀皰疹神經痛慢性化進程評估的檢測及其ai識別模型訓練系統與方法。

背景技術：

1、帶狀皰疹后神經痛，發生于帶狀皰疹病毒感染后，10%的患者疼痛時間超過一個月，如得不到及時治療或治療不當，疼痛可在皰疹消失后仍然存在，有的病例疼痛甚至超過數十年。與發病年齡有關，小于40歲患者很少發生，60歲以上患者發生率為50%，70歲以上患者發生率為75%，約有10%~25%的后遺神經痛患者疼痛可持續超過一年。可于皮疹出現前或伴隨皮疹出現。這種疼痛性疾病是醫學界極其難治的頑癥之一，有“不死的?癌?癥”之惡名。

2、疼痛強度:臨床上其獲取方式我們常用疼痛視覺模擬評分法?(visual?analoguescale,?vas)?評分和疼痛數字評分法?(numeric?rating?scale,?nrs)?評分。

3、比較通用的治療手段包括：

4、1.局部治療：臨床上局部用藥常用的是5%?利多卡因貼劑和辣椒素局部貼敷。

5、2.藥物治療臨床上全身用藥一線藥物包括鈣離子通道調節劑（普瑞巴林和加巴噴丁）、三環類抗抑郁藥（阿米替林），?二線藥物包括阿片類藥物和曲馬多。其他藥物包括5-羥色胺和去甲腎上腺素再攝取抑制藥（snris?)?（文拉法辛和度洛西汀），牛痘疫苗接種家兔皮膚炎癥提取物、其他抗癲癇藥（拉莫三嗪、丙戊酸鈉、托吡酯）及草烏甲素也被用來治療phn。

6、3.微創介入治療，包括神經介入技術和神經調控技術，神經介入技術包括神經阻滯、選擇性神經毀損和鞘內藥物輸注治療；神經調控技術包括神經阻滯、選擇性神經毀損和鞘內藥物輸注治療。

7、4.?其他治療：物理治療如微波、超聲波治療、激光療法、振動療法等，另外針刺治療，臭氧治療等技術在臨床上顯示有一定的效果，國內有報道，5?年隨訪臭氧介入治療頑固性?phn?療效穩定，但還需要更多的研究數據。

8、疼痛作為臨床上最常見的癥狀之一，是影響人類健康的一個世界性難題。慢性疼痛往往起源于急性疼痛，從急性疼痛到慢性疼痛的轉變涉及生物-心理-社會模式的一系列變化。然而當前疼痛由急轉慢的發病機制仍不清楚，且缺乏監測疼痛慢性化的可靠指標。

9、然而疼痛是否會由急性疼痛轉成慢性疼痛，現有技術中，通常是無法準確獲知的，也無法預測。對不同的病人個體更是很難確定或評估急性疼痛轉成慢性疼痛的風險程度。如何對上述急性疼痛轉成慢性疼痛的轉化風險進行評估是待解決的技術問題。若能進行急性轉化成慢性疼痛的風險評估，事先預知風險，可以及早采取相應措施。若，獲知轉化風險高，則能盡早采取進一步的治療手段，防止轉成慢性疼痛，減少慢性疼痛發生的時間。

技術實現思路

1、本技術中，發明人提出帶狀皰疹神經痛慢性化檢測及其ai識別模型訓練方法與系統，能對疼痛的慢性化進程進行評估，借助ai識別模型訓練方法系統，能實現對疼痛轉化風險進行評估，借助ai算力對大樣本數據學習，提取有效信息，進行疼痛慢性化的風險進行評估。結束了之前對此沒有科學手段進行檢測和干預的情況，為帶狀皰疹后神經痛提供了一種全新角度的診療依據信息。

2、本技術解決技術問題的技術方案是一種帶狀皰疹神經痛慢性化檢測ai識別模型訓練方法，收集檢測者信息，檢測者信息包括年齡、性別、帶狀皰疹確診時間；收集檢測者檢測信息，檢測信息包括il18與il18bp的比值；收集檢測者疼痛信息；檢測者疼痛信息包括疼痛強度與發作頻率；對檢測者疼痛信息進行標注，獲得標注信息，標注信息包括急性疼痛、慢性疼痛、急性疼痛轉慢性疼痛的風險度；根據上述檢測者信息、檢測信息與標注信息進行ai訓練，ai訓練后獲得帶狀皰疹神經疼痛ai特征數據集；帶狀皰疹神經疼痛ai特征數據集用于與ai軟件結合檢測被測試者帶狀皰疹神經痛由急性疼痛轉慢性疼痛的可能性。

3、可以是，檢測信息包括il18與il18bp的單位體積含量，檢測信息由檢測者的血液樣本測量獲得。

4、可以是，發作頻率包括每天疼痛的次數、單次疼痛的平均時長。

5、可以是，急性疼痛轉慢性疼痛的風險度為百分數，還包括帶狀皰疹神經痛由急性疼痛轉慢性疼痛需要的時長。

6、本技術解決技術問題的技術方案還可以是一種帶狀皰疹神經痛慢性化檢測ai識別模型訓練系統，包括檢測者信息收集組件，檢測信息收集組件，疼痛信息收集組件，標注信息收集組件，ai訓練計算組件；檢測者信息收集組件用于收集檢測者信息，檢測者信息包括年齡、性別、帶狀皰疹確診時間；檢測信息收集組件用于收集檢測信息，檢測信息包括il18與il18bp的比值；疼痛信息收集組件用于收集疼痛信息，疼痛信息包括疼痛強度與發作頻率；標注信息收集組件用于收集標注信息，標注信息包括急性疼痛、慢性疼痛、急性疼痛轉慢性疼痛的風險度；ai訓練計算組件根據上述檢測者信息、檢測信息、疼痛信息與標注信息進行ai訓練，ai訓練后獲得帶狀皰疹神經疼痛ai特征數據集；帶狀皰疹神經疼痛ai特征數據集用于與ai軟件結合檢測被測試者帶狀皰疹神經痛由急性疼痛轉慢性疼痛的可能性。

7、本技術解決技術問題的技術方案還可以是一種帶狀皰疹神經痛慢性化檢測系統，包括檢測者信息收集組件，檢測信息收集組件，ai計算組件；檢測者信息收集組件用于收集檢測者信息，檢測者信息包括年齡、性別、帶狀皰疹確診時間；檢測信息收集組件用于收集檢測信息，檢測信息包括il18與il18bp的比值；ai計算組件包括帶狀皰疹神經疼痛ai特征數據集；ai計算組件結合檢測者信息、檢測信息計算，獲得帶狀皰疹神經痛評估報告；帶狀皰疹神經痛評估報告包括帶狀皰疹神經痛由急性疼痛轉慢性疼痛的風險評估值。

8、可以是，還包括疼痛信息收集組件，疼痛信息收集組件用于收集疼痛信息，疼痛信息包括疼痛強度與發作頻率；ai計算組件結合檢測者信息、檢測信息、與疼痛信息計算，獲得帶狀皰疹神經痛評估報告。

9、本技術解決技術問題的技術方案還可以是一種帶狀皰疹神經痛慢性化檢測方法，收集檢測者信息，檢測者信息包括年齡、性別、帶狀皰疹確診時間；收集檢測者檢測信息，檢測信息包括il18與il18bp的比值；ai軟件結合帶狀皰疹神經疼痛ai特征數據集對檢測者信息與檢測信息計算，獲得帶狀皰疹神經痛評估報告；帶狀皰疹神經痛評估報告包括帶狀皰疹神經痛由急性疼痛轉慢性疼痛的風險評估值。

10、可以是，檢測信息包括il18與il18bp的單位體積含量，檢測信息由檢測者的血液樣本測量獲得。

11、可以是，帶狀皰疹神經疼痛ai特征數據集由帶狀皰疹神經痛患者歷史數據訓練獲得；帶狀皰疹神經痛患者歷史數據包括檢測者信息包括年齡、性別、帶狀皰疹確診時間；帶狀皰疹神經痛患者歷史數據包括檢測者信息包括il18與il18bp的比值；帶狀皰疹神經痛患者歷史數據包括檢測者疼痛信息；檢測者疼痛信息包括疼痛強度與發作頻率。

12、可以是，發作頻率包括每天疼痛的次數、單次疼痛的平均時長。

13、上述技術方案的技術效果之一是：基于il18與il18bp的比值進行疼痛的評估不僅是申請人的科研成果，還是業界首創。

14、上述技術方案的技術效果之一是：基于il18與il18bp的比值這樣的檢測信息、檢測者信息和檢測者疼痛信息，通過ai訓練，獲得帶狀皰疹神經疼痛ai特征數據集，基于帶狀皰疹神經疼痛ai特征數據集，與ai軟件結合，能檢測被測試者帶狀皰疹神經痛由急性疼痛轉慢性疼痛的可能性，從而給出其由急性疼痛轉換成慢性疼痛的可能性，給出一個轉化可能性的參數，作為后續治療決策的依據之一。可能性可以是0-100%之間的一個數據，還可以是分級的一個標識數據，如1-4級，分別代表可能性從低到高，或從高到低。

15、上述技術方案的技術效果之一是：il18與il18bp的單位體積含量為ai訓練提供了準確的基礎數據，該數據比例的失衡是導致神經病理性疼痛的慢性化發展的標志之一。

16、上述技術方案的技術效果之一是：檢測者信息包括年齡、性別、帶狀皰疹確診時間，可以獲得更多維度的相應數據，讓帶狀皰疹神經疼痛ai特征數據集更豐富和準確。

17、上述技術方案的技術效果之一是：疼痛信息包括疼痛強度與發作頻率，發作頻率包括每天疼痛的次數、單次疼痛的平均時長，可以獲得更多維度的相應數據，讓帶狀皰疹神經疼痛ai特征數據集更豐富和準確。

18、上述技術方案的技術效果之一是：ai識別模型訓練系統為ai訓練提供了物質基礎，得以長期實施循環進行數據積累和訓練。

19、上述技術方案的技術效果之一是：帶狀皰疹神經痛慢性化檢測系統為帶狀皰疹神經痛慢性化檢測方法提供了基礎，讓檢測得以進行。

20、上述技術方案的技術效果之一是：帶狀皰疹神經痛慢性化檢測方法能基于帶狀皰疹神經疼痛ai特征數據集輸出獲得帶狀皰疹神經痛評估報告，帶狀皰疹神經痛評估報告包括帶狀皰疹神經痛由急性疼痛轉慢性疼痛的風險評估值，為疼痛的病程進展提供了一個量化的評估數據，供臨床醫生參考。

21、帶狀皰疹神經疼痛ai特征數據集提供了一個可循環迭代的基礎，參與訓練的數據越多輸出的可能性評估結果越接近真實。ai識別和檢測者信息以及疼痛信息的收集可以通過網絡連通，能提高ai數據收集能力。數據越多訓練后的模型和數據集的適應性更好。