[发明专利]可解释分层老年MODS早期死亡风险评估模型、装置及其建立方法

说明书

本申请公开一种可解释分层老年MODS早期死亡风险评估模型、装置及其建立方法，评估模块基于融合了SHAP方法的XGBoost模型，所述评估模块分为针对年龄大于等于65岁但小于80岁的MODS患者的低龄老年评估子模块和针对年龄大于等于80岁的MODS患者的高龄老年评估子模块；评估模块基于对应于多个特征中的至少一些特征的输入特征进行死亡风险评估；且评估模块对输入特征对评估结果的重要性进行排名并计算出每个输入特征对评估结果的贡献作为风险因素贡献程度。本申请的可解释分层老年MODS早期死亡风险评估模型、装置，有助于医生获得对患者的疾病紧急和危险程度更为准确的评估，适用于更多不同地区、中心的医疗机构使用。

技术领域

本发明涉及机器学习，尤其涉及针对两类老年人群体，基于可解释机器学习模型的老年多器官功能衰竭早期死亡风险评估模型、装置、及其建立方法。

背景技术

老年人口目前呈指数级增长，且在医疗服务的费用支出比重逐年加重，重症监护室ICU的监护压力也在不断增加。由于老年患者生理机能减退且存在多种慢性疾病，其ICU期间的病死率相比于成年人要高很多。冠状病毒COVID-19的大量研究表明，高龄是死亡的高风险因素，患者最终多因发生了多器官功能衰竭MODS而失去生命。大量研究表明，随着年龄增长老年患者的临床特性会发生较大的改变。他们多表现出相比于成年患者的虚弱(即身体各种功能逐渐下降，应激期间储备减少)、认知能力减退和免疫老化。目前有部分研究表明，高龄患者较年轻患者的治疗效果较差且临床常用的疾病严重程度评分如序贯器官衰竭评分SOFA、急性生理与慢性健康评分APACHE-II等与老年患者真实的疾病严重程度存在较大的偏差。主要原因包含：参数异常范围的变化、未考虑表征老年患者特性的因素以及对复杂疾病的线性评估，且低龄老年患者(65-80岁)和高龄老年患者(80岁以上)存在一定的病理和生理变化。因而采用相同的评估标准可能会造成评估的偏差而导致忽略了疾病的凶险。

近年来基于电子健康档案的疾病预测模型研究极大的促进了开发更为精准的疾病风险早期评估模型/评分，但较多研究受限于有限的样本集(如单中心、小样本、来自一个国家)使得模型的普适性、鲁棒性无法得到保证。尽管有些基于深度学习的预测模型取得了良好的预测性能，但受限于其黑箱原理导致无法被医生理解和信任，也一定程度上影响了模型的推广和使用。

发明内容

鉴于上述问题，本申请针对低龄和高龄的老年多器官功能衰竭患者，基于来自不同国家和多个地区医院的多中心数据集分别开发可早期评估ICU住院期间死亡风险的预测模型，并同步呈现模型的推理分析原因便于医生的理解，以真正帮助医生进行辅助诊疗。

一方面，本申请提出一种可解释分层老年MODS早期死亡风险评估模型，其包括评估模块；所述评估模块基于融合了SHAP方法的XGBoost模型，所述评估模块包括多个特征；

所述评估模块分为针对年龄大于等于65岁但小于80岁的MODS患者的低龄老年评估子模块和针对年龄大于等于80岁的MODS患者的高龄老年评估子模块；

对于低龄老年评估子模块，所述多个特征中按照其重要性由高到低的前20个特征为：GCS、查尔森合并症指数、是否进行机械通气、呼吸频率、尿素氮、休克指数、心率、BMI、体温最低值、一天内的总尿量、体温最高值、年龄、使用去甲肾上腺素的速率、血氧饱和度、血钾、血糖、红细胞压积比、淋巴细胞、二氧化碳分压和肌酐；

对于高龄老年评估子模块，所述多个特征中按照其重要性由高到低的前20个特征为：是否进行机械通气、GCS、呼吸频率、查尔森合并症指数、血氧饱和度、心率、体温最低值、休克指数、一天内的总尿量、体温最高值、肌酐、谷草转氨酶、二氧化碳分压、Code status、白蛋白、氧分压、BMI、乳酸、使用去甲肾上腺素的速率和淋巴细胞；

所述评估模块基于对应于所述多个特征中的至少一些特征的输入特征进行死亡风险评估；且所述评估模块对所述输入特征对评估结果的重要性进行排名并计算出每个所述输入特征对评估结果的贡献作为风险因素贡献程度。