(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111416387.5 (22)申请日 2021.11.25 (71)申请人 中南大学湘雅医院 地址 410008 湖南省长 沙市湘雅路87号 (72)发明人 袁琼靖　刘乐平　周泓杉　 (74)专利代理 机构 长沙轩荣专利代理有限公司 43235 代理人 丛诗洋 (51)Int.Cl. G16H 50/70(2018.01) G06Q 10/04(2012.01) G06N 3/08(2006.01) G06K 9/62(2022.01) G06F 30/27(2020.01) (54)发明名称 脓毒症相关急性肾损伤患者死亡预测方法、 系统、 设备及 介质 (57)摘要 本公开实施例中提供了一种脓毒症相关急 性肾损伤患者死亡预测方法、 系统、 设备及介质， 属于医疗保健信息学技术领域， 具体包括： 将样 本数据集训练XGBOOS T算法， 建立预测模型； 采 集 目标人员的尿量、 尿素氮最大值、 去甲肾上腺素 注射速率、 阴离子间隙最大值、 肌酐最大值、 红细 胞分布宽度最大值、 国际标准化比率最小值、 心 率最大值、 体温最大值、 吸氧分数最小值、 中风状 态、 肌酐最小值、 格拉斯哥昏迷评分最小值和糖 尿病状态； 将关键信息数据集输入预测模型， 得 到预测结果。 通过本公开的方案， 利用机器学习 算法进行学习， 建立预测模型， 然后将采集到关 键信息数据集输入预测模型， 得到预测结果， 提 高了预测效率和精准度。 权利要求书2页 说明书7页 附图2页 CN 114038570 A 2022.02.11 CN 114038570 A 1.一种脓毒症相关急性肾损伤患者死 亡预测方法， 其特 征在于， 包括： 将样本数据集训练XGBO OST算法， 建立预测模型； 采集目标人员的关键信息数据集， 其中， 所述关键信息数据集包括尿量、 尿素氮最大 值、 去甲肾上腺素注 射速率、 阴离子间隙最大值、 肌酐最大值、 红细胞分布宽度最大值、 国际 标准化比率最小值、 心率最大值、 体温最大值、 吸氧分数最小值、 中风状态、 肌酐最小值、 格 拉斯哥昏迷评分最小值和糖尿病状态； 将所述关键信息数据集输入所述预测模型， 得到预测结果。 2.根据权利 要求1所述的方法， 其特征在于,所述将样本数据集训练XGBOOST算法， 建立 预测模型的步骤之前， 所述方法还 包括： 从病历数据库中提取预设数量的样本人员的初始病历数据， 其中， 所述样本人员为脓 毒症相关的急性肾损伤人员； 根据预设指标筛除所述初始病历数据中的干扰数据， 形成所述样本数据集。 3.根据权利 要求1所述的方法， 其特征在于,所述将样本数据集训练XGBOOST算法， 建立 预测模型的步骤， 包括： 分析所述样本数据集中各 数据与死 亡率的关联性并生成决策树； 根据所述决策树建立所述预测模型。 4.根据权利要求1所述的方法， 其特征在于,所述采集目标人员的关键信 息数据集的步 骤之前， 所述方法还 包括： 获取所述目标 人员的体 检信息； 采用序列化特征选择算法从所述体检信 息内提取多个特征数据并转换为对应的格 式， 形成所述关键信息数据集。 5.根据权利要求1所述的方法， 其特征在于,所述将所述关键信 息数据集输入所述预测 模型， 得到预测结果的步骤之后， 所述方法还 包括： 根据所述预测结果与所述关键信息数据集的关联性， 生成治疗方案 。 6.一种脓毒症相关急性肾损伤患者死 亡预测系统， 其特 征在于， 包括： 训练模块， 用于将 样本数据集训练XGBO OST算法， 建立预测模型； 采集模块， 用于采集目标人员的关键信息数据集， 其中， 所述关键信息数据集包括尿 量、 尿素氮 最大值、 去甲肾上腺素注射速率、 阴离子间隙最大值、 肌酐最大值、 红细胞分布宽 度最大值、 国际标准化比率最小值、 心率最大值、 体温最大值、 吸氧分数最小值、 中风状态、 肌酐最小值、 格拉斯哥昏迷评分最小值和糖尿病状态； 预测模块， 用于将所述关键信息数据集输入所述预测模型， 得到预测结果。 7.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处理器能够执行前述权利要求1 ‑5中任一项所述的脓毒症相 关急性肾损伤患者死 亡预测方法。 8.一种非暂态计算机可读存储介质， 该非暂态计算机可读存储介质存储计算机指令， 该计算机指令用于使 该计算机执行前述权利要求 1‑5中任一项 所述的脓毒症相关急性肾损权　利　要　求　书 1/2 页 2 CN 114038570 A 2伤患者死 亡预测方法。权　利　要　求　书 2/2 页 3 CN 114038570 A 3