本發明涉及急診內科，具體為一種急診內科病情智能評估與預警系統。

背景技術：

1、急診內科是醫療領域中的一個關鍵部門，負責處理各種急性病情和突發疾病，尤其是在糖尿病等慢性疾病的急性并發癥處理方面尤為重要。隨著人口老齡化和慢性病的普及，糖尿病患者數量逐年增加，且糖尿病引發的急性并發癥，尤其是糖尿病視網膜病變，在急診內科，糖尿病的眼底病變是一個關鍵的診療點。糖尿病視網膜病變對患者的眼健康構成重大威脅，其發病機制復雜，且與患者的血糖波動、病程以及視網膜微血管損傷等多因素密切相關。因此，糖尿病視網膜病變的早期發現與精準評估，成為急診內科中亟需解決的核心問題之一。

2、現階段急診內科針對糖尿病視網膜病變的評估大多依賴傳統的診斷方法，如眼底檢查和血糖監測等。然而，這些方法存在一些不足之處。首先，眼底檢查雖然是判斷視網膜病變的重要手段，但該方法需要依賴醫生的專業經驗，且檢查周期長、實時性差，難以適應急診的快速處理需求。其次，血糖波動與眼底病變之間的關系較為復雜，傳統的評估方法無法精確量化血糖波動對眼底病變的長期影響。此外，現有的評估系統通常忽視了糖尿病病程對眼底病變的非線性影響，缺乏基于數據驅動的綜合性評估工具。因此，現有的評估方法在精準度、實時性和個性化管理方面存在較大缺陷，無法有效支撐急診內科快速、準確的決策需求。

技術實現思路

1、針對現有技術的不足，本發明提供了一種急診內科病情智能評估與預警系統，解決了背景技術中提到的問題。

2、為實現以上目的，本發明通過以下技術方案予以實現：包括病程提取模塊、特征提取模塊、血糖波動與眼底病分析模塊、綜合評估預警模塊和深度評估預警模塊；

3、所述病程提取模塊通過構建病情評估預警平臺，提取糖尿病患者電子健康記錄ehr中的病程數據，同時構建時序數據庫，在將所述時序數據庫與所述病情評估預警平臺進行連接，將所采集到的病程數據存儲至時序數據庫中；

4、所述特征提取模塊通過提取時序數據庫中的病程數據進行預處理，獲取病理數據集，并對病理數據集進行特征提取，獲取病理特征向量；

5、所述血糖波動與眼底病分析模塊通過構建病程算法模型和眼底病風險算法模型，將所獲取的病理特征向量輸入至病程算法模型和眼底病風險算法模型中，進行分別計算輸出病程影響因子rdt、視網膜微血管損傷的風險貢獻值rwx和血糖波動風險貢獻值rbv；

6、所述綜合評估預警模塊通過將病程算法模型和眼底病風險算法模型的輸出結果進行綜合計算輸出綜合眼底病變風險因子rrisk，再基于綜合眼底病變風險因子rrisk輸出結果進行初步判斷糖尿病眼底病變風險，并基于初步判定結果將糖尿病患者眼底病變劃分為不同風險等級；

7、所述風險等級包括一級風險、二級風險和三級風險；

8、所述深度評估預警模塊通過在識別糖尿病患者為二級風險和三級風險時，則觸發深度分析，所述深度分析基于綜合眼底病變風險因子rrisk進行深度計算輸出深度風險因子rdeep，并基于深度風險因子rdeep輸出結果進行深度判定眼底病變程度，并基于深度判定結果生成相關預警措施。

9、優選的，所述病程提取模塊包括病程提取單元和數據存儲單元；

10、所述病程提取單元通過設置api應用程序接口，將病情評估預警平臺接入醫院的電子健康記錄ehr，提取糖尿病患者的病程數據；

11、所述病程數據包括患者信息、糖尿病持續時間dt、血糖監測量b和眼底檢查圖像；

12、所述數據存儲單元通過構建時序數據庫，并設置寫出端口和寫入端口，通過寫入端口將病程數據按照提取時間戳存儲至時序數據庫中，同時通過編碼技術依據患者信息，進行生成唯一字符id，每個唯一字符id對應相關糖尿病患者的病程數據。

13、優選的，所述特征提取模塊包括預處理單元和特征提取單元；

14、所述預處理單元通過寫出端口提取所述病程數據，并對所述病程數據進行預處理，所述預處理的方式包括圖像預處理和數據預處理；

15、所述圖像預處理通過對病程數據中的眼底檢查圖像使用ai圖像處理技術，進行智能識別眼底檢查圖像中的視網膜微出血數量nmic、視網膜病變區域面積aretina、視網膜水腫區域面積aedema和視網膜總區域面積azqymj；

16、所述數據預處理通過對病程數據中的糖尿病持續時間dt和血糖監測量b，結合所獲取的視網膜微出血數量nmic、視網膜病變區域面積aretina、視網膜水腫區域面積aedema和視網膜總區域面積azqymj，進行數據清洗和歸一化處理，將病程數據中的所有數據進行歸一化至[0,1]范圍，去除異常值、缺失數據和消除量綱影響；

17、在將預處理后的獲取的視網膜微出血數量nmic、視網膜病變區域面積aretina、視網膜水腫區域面積aedema、視網膜總區域面積azqymj、糖尿病持續時間dt和血糖監測量b進行匯總生成病理數據集；

18、所述特征提取單元通過基于所獲取的病理數據集，進行特征提取獲取病理特征向量；

19、所述病理特征向量包括糖尿病持續時間dt、血糖監測量b、血糖波動指數bv、視網膜微血管損傷指數rmi和視網膜水腫指數rsw；

20、所述血糖波動指數bv通過依據每次檢測到的血糖監測量b，進行標準差計算提取，具體提取公式為：，其中，n表示測量總次數，bi表示第i次血糖測量值，表示血糖測量平均值；

21、所述視網膜微血管損傷指數rmi通過依據視網膜微出血數量nmic和視網膜病變區域面積aretina，進行計算提取，具體提取公式為：；

22、所述視網膜水腫指數rsw通過依據視網膜水腫區域面積aedema和視網膜總區域面積azqymj，進行計算提取，具體提取公式為：。

23、優選的，所述血糖波動與眼底病分析模塊包括病程病變分析單元、微血管損傷分析單元和血糖分析單元；

24、所述病程病變分析單元通過提取病理特征向量中的糖尿病持續時間dt，輸入至病程算法模型中，計算輸出病程影響因子rdt，分析病程對眼底病變影響情況；

25、所述病程影響因子rdt通過以下病程算法模型計算輸出；

26、；

27、式中，tanh表示雙曲正切函數，表示調節病程對眼底病變影響的參數，e表示指數函數，表示指數衰減項，表示調節病程對風險變化的靈敏度，表示指數衰減項調節系數，表示指數衰減項的速度控制系數。

28、優選的，所述微血管損傷分析單元通過構建眼底病風險算法模型，所述眼底病風險算法模型包括微血管損傷風險算法模型和血糖波動風險算法模型；

29、同時提取病理特征向量中的視網膜微血管損傷指數rmi輸入至微血管損傷風險算法模型中，進行計算輸出視網膜微血管損傷的風險貢獻值rwx，進行量化視網膜的微血管損傷程度；

30、所述視網膜微血管損傷的風險貢獻值rwx通過以下微血管損傷風險算法模型計算輸出；

31、；

32、式中，ln表示自然對數，表示對數變換項，表示對數變換項調節系數，rmi3表示視網膜微血管損傷指數的三次項，表示三次項調節系數。

33、優選的，所述血糖分析單元通過提取病理特征向量中的血糖波動指數bv，輸入至血糖波動風險算法模型中，進行計算輸出血糖波動風險貢獻值rbv，進行量化血糖波動對眼底病變的影響；

34、所述血糖波動風險貢獻值rbv通過以下血糖波動風險算法模型計算輸出；

35、；

36、式中，e表示指數函數，表示血糖波動指數的指數項，表示血糖波動指數的指數項的增幅控制系數，sin表示正弦函數，表示血糖波動指數的敏感度控制系數，表示血糖波動指數的周期性控制系數。

37、優選的，所述綜合評估預警模塊包括綜合匯總單元和等級劃分評估單元；

38、所述綜合匯總單元通過將血糖波動與眼底病分析模塊輸出的病程影響因子rdt、視網膜微血管損傷的風險貢獻值rwx和血糖波動風險貢獻值rbv，結合視網膜水腫指數rsw，進行綜合計算輸出綜合眼底病變風險因子rrisk，進行綜合量化眼底病變風險；

39、所述綜合眼底病變風險因子rrisk通過以下算法公式計算輸出；

40、；

41、式中，表示視網膜水腫指數調節系數。

42、優選的，所述等級劃分評估單元通過用戶基于眼底病變風險進行設定糖尿病患者眼底病變風險區間[0.3,0.6]，再基于綜合眼底病變風險因子rrisk的輸出結果進行初步判定當前糖尿病患者的眼底病變風險情況，并對糖尿病患者進行病變等級劃分，具體判定內容如下；

43、當綜合眼底病變風險因子rrisk＜0.3時，標記為一級風險；

44、當0.3≤綜合眼底病變風險因子rrisk＜0.6時，標記為二級風險；

45、當綜合眼底病變風險因子rrisk≥0.6時，標記為三級風險；

46、其中，病變風險等級由低到高，一級風險＜二級風險＜三級風險。

47、優選的，所述深度評估預警模塊包括深度分析單元和深度評估單元；

48、所述深度分析單元通過再初步判斷為二級風險和三級風險后觸發深度分析，所述深度分析通過從電子健康記錄ehr提取糖尿病患者在3個月內的平均糖化血紅蛋白值hba1c，計算獲取血糖控制指數dci，具體算法公式為：，其中hba1c表示平均糖化血紅蛋白值，6.5表示糖尿病診斷標準，8.5表示血糖控制異常；

49、再基于血糖控制指數dci與初步判定的綜合眼底病變風險因子rrisk進行結合計算，輸出深度風險因子rdeep，進行深度分析糖尿病患者眼底病變風險；

50、所述深度風險因子rdeep通過以下算法公式計算輸出；

51、；

52、式中，表示血糖控制指數調整系數，表示視網膜水腫指數第二調節系數。

53、優選的，所述深度評估單元通過api應用程序接口從醫院的電子健康記錄ehr中提取糖尿病的歷史數據，結合臨床檢查結果和治療結果，由用戶進行設置病變程度區間[0.4,0.7]，再將所獲取的深度風險因子rdeep輸出結果，進行深度判定糖尿病患者的眼底病變風險，具體判定內容如下；

54、當深度風險因子rdeep＜0.4時，此時提示定期檢查；

55、當0.4≤深度風險因子rdeep＜0.7時，此時生成第一預警信息提示醫護人員對糖尿病患者的藥物進行調整；

56、當深度風險因子rdeep≥0.7時，此時生成第二預警信息提示醫護人員干預治療。

57、本發明提供了一種急診內科病情智能評估與預警系統。具備以下有益效果：

58、（1）該系統通過構建病程提取模塊、特征提取模塊和血糖波動與眼底病分析模塊，實現對糖尿病患者病程數據、血糖監測和眼底檢查圖像的智能化采集與分析。病程提取模塊通過接入醫院的電子健康記錄ehr，提取糖尿病患者的病程數據，并通過時序數據庫進行存儲，為后續的病理數據集提取和病理特征向量生成提供基礎，基于病理特征向量，進行綜合評估患者的眼底病變風險，并在早期識別高風險患者，進行及時預警。通過病程影響因子rdt、視網膜微血管損傷的風險貢獻值rwx和血糖波動風險貢獻值rbv的綜合分析，系統能夠提供針對性的預警，為糖尿病眼底病變的早期干預提供依據，顯著提升眼底病變的早期診斷和干預效果。

59、（2）該系統通過綜合評估預警模塊和血糖波動與眼底病分析模塊，基于多個維度的病理特征進行量化評估，包括糖尿病持續時間、血糖波動、視網膜微血管損傷和視網膜水腫等。這些數據的融合能夠形成綜合眼底病變風險因子rrisk，為糖尿病患者的眼底病變風險進行全方位的量化評估。系統通過設定的風險等級對患者的眼底病變風險進行劃分，并結合綜合眼底病變風險因子rrisk，提供不同等級的干預建議。當患者處于高風險等級時，系統能夠及時觸發相關預警，提醒醫護人員采取針對性治療或進一步檢查，避免病情發展至失明等嚴重后果。這種多維度的綜合評估不僅提高了患者眼底病變的診斷準確性，也為臨床治療提供了強有力的決策支持，確保患者能夠獲得最佳的治療和管理。

60、（3）該系統通過深度評估預警模塊，結合糖尿病患者的血糖控制情況與眼底病變風險因子rrisk，提供了個性化的風險評估機制。當患者的綜合眼底病變風險因子rrisk超過設定的風險閾值時，系統能夠通過深度分析和計算輸出深度風險因子rdeep，并根據患者的具體病情進行相應的干預。特別是在眼底病變風險等級為二級或三級時，深度評估模塊將結合患者的糖化血紅蛋白值hba1c和血糖控制情況進行深度分析，精準地評估糖尿病眼底病變的進展程度，并觸發必要的臨床干預措施，如增加眼底檢查頻率或調整治療方案。通過這種個性化的干預機制，系統能夠有效減少患者因未及時干預導致的眼底病變加重，提升治療效果和患者的生活質量。