[发明专利]用于预测患者健康状态的系统和方法在审
| 申请号: | 201880089994.5 | 申请日: | 2018-12-21 |
| 公开(公告)号: | CN111837194A | 公开(公告)日: | 2020-10-27 |
| 发明(设计)人: | 刘晨;A·E·卡特吉;S·科比特 | 申请(专利权)人: | 阿比奥梅德公司 |
| 主分类号: | G16H20/40 | 分类号: | G16H20/40;A61M5/14;G16H20/17;G16H50/00;A61M1/10 |
| 代理公司: | 中国专利代理(香港)有限公司 72001 | 代理人: | 冯夏雨;陈岚 |
| 地址: | 美国马*** | 国省代码: | 暂无信息 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 用于 预测 患者 健康 状态 系统 方法 | ||
1.一种用于治疗心源性休克中的患者的方法,所述方法包括:
将血管内心脏泵系统插入到所述患者的脉管系统中,所述心脏泵系统包括套管、泵入口、泵出口和转子;
将所述心脏泵系统定位在所述患者内,使得所述套管延伸跨过所述患者的主动脉瓣,所述泵入口位于所述患者的左心室内,并且所述泵出口位于所述患者的主动脉内;
从所述心脏泵系统获取与所述心脏泵系统的时变参数相关的第一数据;
从所述第一数据提取多个特征;
使用预测模型并且基于所述多个特征来确定所述患者的存活概率;以及
操作所述心脏泵系统以治疗所述患者。
2.根据权利要求1所述的方法,其中所述存活概率包括表示所述患者的心脏性能的心脏分量和表示所述患者的循环性能的系统灌注分量。
3.根据权利要求1或2所述的方法,还包括:
获取与所述患者的生理参数相关的第二数据;以及
其中确定所述存活概率是基于所述第二数据。
4.根据权利要求3所述的方法,其中所述第二数据包括以下各项中的至少一个:年龄、性别、体表面积(BSA)、排尿量、肌酐水平、酸碱度(pH)、氧浓度、二氧化碳浓度和乳酸盐浓度。
5.根据权利要求4所述的方法,其中第一多个特征包括心脏功率输出,并且所述第二数据包括乳酸盐浓度。
6.根据前述权利要求中任一项所述的方法,其中基于所述存活概率来选择泵操作参数值。
7.根据权利要求6所述的方法,其中所述泵操作参数是泵速度。
8.根据权利要求7所述的方法,其中基于所述存活概率来增加所述泵速度。
9.根据前述权利要求中任一项所述的方法,还包括:
获取包括所述存活概率的多个存活概率,每个存活概率对应于多个时间段中的时间段;以及
基于所述多个存活概率来确定患者健康的改变。
10.根据前述权利要求中任一项所述的方法,其中所述多个特征包括以下各项中的至少一个:主动脉压力、差压、电机电流、电机速度、泵压力、左心室压力、舒张末期压力、主动脉脉搏压力、天生心输出量、心输出量、心脏功率输出、放置、均流量、目标流量、P-水平、收缩性、舒张、放置信号、平均值放置、放置的标准差、平均值放置范围、放置范围的标准差、平均值差压、差压的标准差、平均值差压范围、差压范围的标准差、左心室压力最大值、左心室压力最小值、泵压力最大值、泵压力均值、泵压力最小值、差压最大值、差压最小值、电机电流最大值、电机电流最小值、电机电流均值以及电机速度均值。
11.根据前述权利要求中任一项所述的方法,其中所述预测模型是机器学习模型,所述机器学习模型是以下各项之一:逻辑回归技术、深度学习技术、决策树、随机森林技术、朴素贝叶斯技术和支持向量机技术。
12.根据前述权利要求中任一项所述的方法,还包括:
显示所述多个特征中的第一特征与所述多个特征中的第二特征相比的相对重要性的指示符。
13.根据前述权利要求中任一项所述的方法,其中确定所述存活概率包括:
从数据库获取训练数据集,所述训练数据集包括与心脏泵系统的时变参数相关的多个数据点;
预处理所述数据集以确定对应于所述多个数据点的第三多个特征;
处理所述第三多个特征以确定模式,其中所述模式包括所述第三多个特征的子集中的每个特征的权重;
获取患者数据;以及
基于所述患者数据和所述模式来计算患者的所述存活概率。
14.根据前述权利要求中任一项所述的方法,其中所述存活概率指示所述患者的死亡或存活。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿比奥梅德公司,未经阿比奥梅德公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201880089994.5/1.html,转载请声明来源钻瓜专利网。





