本發(fā)明涉及智慧醫(yī)療，特別是涉及一種基于互聯(lián)網(wǎng)和ai相結(jié)合的在線麻醉評估方法及系統(tǒng)。

背景技術(shù)：

1、隨著醫(yī)療技術(shù)的不斷進步，麻醉評估在手術(shù)前的準備過程中變得愈發(fā)重要。近年來，互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展為醫(yī)療服務(wù)的提供帶來了新的機遇。在線醫(yī)療咨詢和遠程醫(yī)療服務(wù)逐漸成為一種趨勢，能夠有效地提高醫(yī)療服務(wù)的可及性和便利性。但是目前的麻醉評估仍通常依賴于醫(yī)生的經(jīng)驗和面對面的咨詢，這種方法不僅耗時，而且在某些情況下可能導(dǎo)致信息傳遞不準確或遺漏重要的患者健康信息。此外，面對面的評估在資源有限或偏遠地區(qū)的醫(yī)療環(huán)境中可能難以實施，導(dǎo)致患者無法獲得及時和適當?shù)穆樽碓u估。

2、傳統(tǒng)麻醉評估存在三大技術(shù)瓶頸：

3、1)必須依賴現(xiàn)場體格檢查導(dǎo)致評估效率低下，現(xiàn)有遠程系統(tǒng)無法實現(xiàn)氣道解剖結(jié)構(gòu)的智能化采集與分析；

4、2)風(fēng)險評估多采用靜態(tài)評分量表，未能建立動態(tài)概率模型反映麻醉狀態(tài)的時序演變特征；

5、3)知情同意流程存在時空割裂，評估數(shù)據(jù)與法律文書生成缺乏系統(tǒng)級整合?，F(xiàn)有技術(shù)雖實現(xiàn)了麻醉數(shù)據(jù)的電子化采集，但未解決多模態(tài)生理參數(shù)的動態(tài)建模問題；現(xiàn)有技術(shù)中提出了遠程問診框架，但未涉及麻醉特有的氣道評估算法。特別是在狀態(tài)轉(zhuǎn)移概率建模方面，傳統(tǒng)方法未考慮患者個體化病史對麻醉階段轉(zhuǎn)移的影響，導(dǎo)致風(fēng)險預(yù)測存在顯著偏差。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種基于互聯(lián)網(wǎng)和ai相結(jié)合的在線麻醉評估方法及系統(tǒng)，通過多模態(tài)數(shù)據(jù)融合、動態(tài)風(fēng)險評估、智能合約綁定等創(chuàng)新技術(shù)，實現(xiàn)了麻醉評估的精準化、智能化、無紙化，為患者、醫(yī)生、醫(yī)院三方帶來顯著效益，同時具有廣泛的社會價值。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種基于互聯(lián)網(wǎng)和ai相結(jié)合的在線麻醉評估方法，包括：

4、根據(jù)患者電子病歷數(shù)據(jù)、實時視頻采集的頭頸面部三維坐標數(shù)據(jù)、語音呼吸特征頻譜數(shù)據(jù)，通過卷積神經(jīng)網(wǎng)絡(luò)進行多模態(tài)特征融合，得到特征融合數(shù)據(jù)；

5、根據(jù)所述特征融合數(shù)據(jù)輸入至訓(xùn)練好的智能化氣道評估與麻醉風(fēng)險評估模型中，得到數(shù)字化評估報告；所述數(shù)字化評估報告包括：asa分級、心功能量化指標、肺功能量化指標、腦功能量化指標、肝功能量化指標、腎功能量化指標、出凝血血栓事件量化指標和氣道評估量化指標；

6、根據(jù)所述asa分級、心功能量化指標、肺功能量化指標、腦功能量化指標、肝功能量化指標、腎功能量化指標、出凝血血栓事件量化指標和氣道評估量化指標建立狀態(tài)空間，結(jié)合馬爾科夫鏈的轉(zhuǎn)移概率矩陣，通過維特比算法計算不同麻醉方案下達到目標麻醉深度的狀態(tài)轉(zhuǎn)移路徑概率；

7、根據(jù)所述狀態(tài)轉(zhuǎn)移路徑概率確定包含有低氧血癥風(fēng)險值和循環(huán)波動概率的量化風(fēng)險評估；

8、基于模糊邏輯推理引擎，根據(jù)所述量化風(fēng)險評估生成包含推薦麻醉方式、禁忌藥物列表、監(jiān)測重點提示的個性化評估報告；

9、通過智能合約技術(shù)將所述個性化評估報告與知情同意書模板進行動態(tài)綁定，生成包含風(fēng)險條款高亮顯示、并發(fā)癥概率可視化展示的交互式電子文書。

10、優(yōu)選地，根據(jù)患者電子病歷數(shù)據(jù)、實時視頻采集的頭頸面部三維坐標數(shù)據(jù)、語音呼吸特征頻譜數(shù)據(jù)，通過卷積神經(jīng)網(wǎng)絡(luò)進行多模態(tài)特征融合，得到特征融合數(shù)據(jù)，包括：

11、通過自然語言處理提取患者電子病歷數(shù)據(jù)中的文本數(shù)據(jù)，得到目標結(jié)構(gòu)化字段，并使用全連接網(wǎng)絡(luò)將所述目標結(jié)構(gòu)化字段生成128維的病歷特征向量；所述目標結(jié)構(gòu)化字段包括年齡、性別、既往診斷、既往用藥情況、既往手術(shù)史和過敏史；

12、通過空間卷積網(wǎng)絡(luò)提取所述頭頸面部三維坐標數(shù)據(jù)的骨骼關(guān)鍵點拓撲關(guān)系，構(gòu)建包含下頜角間距、舌骨位置偏移量的32維的空間特征向量；

13、通過時頻卷積層提取所述語音呼吸特征頻譜數(shù)據(jù)的呼吸周期內(nèi)基頻波動率、吸氣/呼氣時間比，生成16維的時頻特征向量；

14、基于注意力加權(quán)機制，采用特征拼接與非線性變換方式對所述病歷特征向量、所述空間特征向量和所述時頻特征向量進行特征融合，得到特征融合數(shù)據(jù)。

15、優(yōu)選地，所述特征融合數(shù)據(jù)的計算公式為：

16、

17、其中，ffused為所述特征融合數(shù)據(jù)，ft為病歷特征向量，fs為空間特征向量，fa為時頻特征向量，km和qm為跨模態(tài)的查詢矩陣和鍵矩陣，用于實現(xiàn)文本特征對空間特征的注意力引導(dǎo)，查詢矩陣是由病歷特征向量的特征空間向跨模態(tài)公共空間的投影矩陣，鍵矩陣是由空間特征向量的特征空間向同一跨模態(tài)公共空間的投影矩陣，σ(·)為門控sigmoid函數(shù)，ρ(·)為空間梯度敏感函數(shù)，用于計算空間特征的絕對值均值，λ為asa分級衰減系數(shù)，λ∈{0.1,0.3,0.5}，lstm(·)為雙向lstm網(wǎng)絡(luò)，wc為特征對齊矩陣。

18、優(yōu)選地，所述門控sigmoid函數(shù)的計算公式為：

19、σ(x)＝1/(1+e-k(x-θ))

20、其中，x為自變量，x＝ft[i]·qm[i,j]·fs[j]，i和j分別對應(yīng)病歷特征向量的第i維和空間特征向量的第j維，k和θ是通過網(wǎng)格搜索確定的最優(yōu)參數(shù)組合，k＝5,θ＝0.7。

21、優(yōu)選地，根據(jù)所述特征融合數(shù)據(jù)輸入至訓(xùn)練好的智能化氣道評估與麻醉風(fēng)險評估模型中，得到數(shù)字化評估報告，包括：

22、獲取預(yù)設(shè)的特征融合數(shù)據(jù)集；

23、構(gòu)建深度學(xué)習(xí)模型；

24、根據(jù)所述特征融合數(shù)據(jù)集對所述深度學(xué)習(xí)模型進行訓(xùn)練，得到訓(xùn)練好的分類器；

25、在所述分類網(wǎng)絡(luò)后連接訓(xùn)練好的lstm神經(jīng)網(wǎng)絡(luò)，得到訓(xùn)練好的智能化氣道評估與麻醉風(fēng)險評估模型；

26、將所述特征融合數(shù)據(jù)輸入至所述智能化氣道評估與麻醉風(fēng)險評估模型中，得到所述數(shù)字化評估報告。

27、優(yōu)選地，根據(jù)所述asa分級、心功能量化指標、肺功能量化指標、腦功能量化指標、肝功能量化指標、腎功能量化指標、出凝血血栓事件量化指標和氣道評估量化指標建立狀態(tài)空間，結(jié)合馬爾科夫鏈的轉(zhuǎn)移概率矩陣，通過維特比算法計算不同麻醉方案下達到目標麻醉深度的狀態(tài)轉(zhuǎn)移路徑概率，包括：

28、采用三維離散編碼將所述asa分級、心功能量化指標、肺功能量化指標、腦功能量化指標、肝功能量化指標、腎功能量化指標、出凝血血栓事件量化指標和氣道評估量化指標映射為狀態(tài)節(jié)點，并根據(jù)所述狀態(tài)節(jié)點生成狀態(tài)空間；

29、通過最大似然估計方法，根據(jù)歷史麻醉病例數(shù)據(jù)庫中的狀態(tài)轉(zhuǎn)移記錄和所述狀態(tài)空間計算狀態(tài)間轉(zhuǎn)移概率，并根據(jù)所述狀態(tài)間轉(zhuǎn)移概率確定麻醉方案相關(guān)的所述轉(zhuǎn)移概率矩陣；所述轉(zhuǎn)移概率矩陣的計算公式為：其中，st為當前時刻t的狀態(tài)節(jié)點，ak為麻醉方案類別，為歷史病例中從st經(jīng)方案ak轉(zhuǎn)移至st+1的次數(shù)，n(st,ak)為歷史病例中在st狀態(tài)下采用方案ak的總例數(shù)，p(st+1∣st,ak)為所述轉(zhuǎn)移概率矩陣；

30、基于維特比算法根據(jù)當前患者初始狀態(tài)、目標麻醉深度和選定的麻醉方案確定所述狀態(tài)轉(zhuǎn)移路徑概率；所述狀態(tài)轉(zhuǎn)移路徑概率的計算公式為：δt(s)＝maxs′∈s(δt-1(s′)·p(s∣s′,ak))；其中，δt(s)為時刻t到達狀態(tài)s的最大狀態(tài)轉(zhuǎn)移路徑概率，s′為前一時刻的可能狀態(tài)，p(s∣s′,ak)為從狀態(tài)s′經(jīng)方案ak轉(zhuǎn)移至s的概率，s為狀態(tài)空間集合。

31、優(yōu)選地，根據(jù)所述狀態(tài)轉(zhuǎn)移路徑概率確定包含有低氧血癥風(fēng)險值和循環(huán)波動概率的量化風(fēng)險評估，包括：

32、根據(jù)狀態(tài)轉(zhuǎn)移路徑中各節(jié)點的spo2相關(guān)狀態(tài)概率確定路徑中所有低氧血癥相關(guān)狀態(tài)的概率；所述低氧血癥相關(guān)狀態(tài)的概率的計算公式為：rhypoxia＝1-∏s∈path(1-p(s∣spo2<90％))；其中，rhypoxia為所述低氧血癥相關(guān)狀態(tài)的概率，path為由維特比算法輸出的最優(yōu)路徑，包含一系列狀態(tài)節(jié)點，p(s∣spo2<90％)為在狀態(tài)s下發(fā)生低氧血癥的概率，來自歷史病例統(tǒng)計或?qū)崟r監(jiān)測模型預(yù)測，最優(yōu)路徑的計算公式為：path＝argmaxδt(s)；

33、采用預(yù)設(shè)的血壓波動閾值確定所述循環(huán)波動概率；所述循環(huán)波動概率的計算公式為：pfluct＝maxs∈pathp(s∣δbp>20％)；其中，pfluct為所述循環(huán)波動概率，δbp>20％為所述血壓波動閾值，p(s∣δbp>20％)為在狀態(tài)s下發(fā)生血壓波動的概率，通過實時貝葉斯網(wǎng)絡(luò)更新。

34、一種基于互聯(lián)網(wǎng)和ai相結(jié)合的在線麻醉評估系統(tǒng)，包括：

35、數(shù)據(jù)采集單元，用于根據(jù)患者電子病歷數(shù)據(jù)、實時視頻采集的頭頸面部三維坐標數(shù)據(jù)、語音呼吸特征頻譜數(shù)據(jù)，通過卷積神經(jīng)網(wǎng)絡(luò)進行多模態(tài)特征融合，得到特征融合數(shù)據(jù)；

36、麻醉風(fēng)險與氣道評估單元，用于根據(jù)所述特征融合數(shù)據(jù)輸入至訓(xùn)練好的智能化氣道評估與麻醉風(fēng)險評估模型中，得到數(shù)字化評估報告；所述數(shù)字化評估報告包括：asa分級、心功能量化指標、肺功能量化指標、腦功能量化指標、肝功能量化指標、腎功能量化指標、出凝血血栓事件量化指標和氣道評估量化指標；

37、馬爾科夫決策單元，用于根據(jù)所述asa分級、心功能量化指標、肺功能量化指標、腦功能量化指標、肝功能量化指標、腎功能量化指標、出凝血血栓事件量化指標和氣道評估量化指標建立狀態(tài)空間，結(jié)合馬爾科夫鏈的轉(zhuǎn)移概率矩陣，通過維特比算法計算不同麻醉方案下達到目標麻醉深度的狀態(tài)轉(zhuǎn)移路徑概率；

38、風(fēng)險評估單元，用于根據(jù)所述狀態(tài)轉(zhuǎn)移路徑概率確定包含有低氧血癥風(fēng)險值和循環(huán)波動概率的量化風(fēng)險評估；

39、個性化評估單元，用于基于模糊邏輯推理引擎，根據(jù)所述量化風(fēng)險評估生成包含推薦麻醉方式、禁忌藥物列表、監(jiān)測重點提示的個性化評估報告；

40、文書生成單元，用于通過智能合約技術(shù)將所述個性化評估報告與知情同意書模板進行動態(tài)綁定，生成包含風(fēng)險條款高亮顯示、并發(fā)癥概率可視化展示的交互式電子文書。

41、根據(jù)本發(fā)明提供的具體實施例，本發(fā)明公開了以下技術(shù)效果：

42、本發(fā)明提供了一種基于互聯(lián)網(wǎng)和ai相結(jié)合的在線麻醉評估方法及系統(tǒng)，方法包括：根據(jù)患者電子病歷數(shù)據(jù)、實時視頻采集的頭頸面部三維坐標數(shù)據(jù)、語音呼吸特征頻譜數(shù)據(jù)，通過卷積神經(jīng)網(wǎng)絡(luò)進行多模態(tài)特征融合，得到特征融合數(shù)據(jù)；根據(jù)所述特征融合數(shù)據(jù)輸入至訓(xùn)練好的智能化氣道評估與麻醉風(fēng)險評估模型中，得到數(shù)字化評估報告；所述數(shù)字化評估報告包括：asa分級、心功能量化指標、肺功能量化指標、腦功能量化指標、肝功能量化指標、腎功能量化指標、出凝血血栓事件量化指標和氣道評估量化指標；根據(jù)所述asa分級、心功能量化指標、肺功能量化指標、腦功能量化指標、肝功能量化指標、腎功能量化指標、出凝血血栓事件量化指標和氣道評估量化指標建立狀態(tài)空間，結(jié)合馬爾科夫鏈的轉(zhuǎn)移概率矩陣，通過維特比算法計算不同麻醉方案下達到目標麻醉深度的狀態(tài)轉(zhuǎn)移路徑概率；根據(jù)所述狀態(tài)轉(zhuǎn)移路徑概率確定包含有低氧血癥風(fēng)險值和循環(huán)波動概率的量化風(fēng)險評估；基于模糊邏輯推理引擎，根據(jù)所述量化風(fēng)險評估生成包含推薦麻醉方式、禁忌藥物列表、監(jiān)測重點提示的個性化評估報告；通過智能合約技術(shù)將所述個性化評估報告與知情同意書模板進行動態(tài)綁定，生成包含風(fēng)險條款高亮顯示、并發(fā)癥概率可視化展示的交互式電子文書。本發(fā)明通過多模態(tài)數(shù)據(jù)融合、動態(tài)風(fēng)險評估、智能合約綁定等創(chuàng)新技術(shù)，實現(xiàn)了麻醉評估的精準化、智能化、無紙化，為患者、醫(yī)生、醫(yī)院三方帶來顯著效益，同時具有廣泛的社會價值。