本發(fā)明涉及醫(yī)療信息，特別涉及基于機(jī)器學(xué)習(xí)的胸科術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、外科手術(shù)在胸部器官疾病的治療中起著重要作用，持續(xù)性術(shù)后疼痛（ppsp）是許多外科手術(shù)常見并發(fā)癥，且胸外科手術(shù)是疼痛程度最高的外科手術(shù)之一。

2、神經(jīng)損傷引起的神經(jīng)性疼痛已多次被認(rèn)為是ppsp的主要原因。有研究顯示在胸部和乳房手術(shù)后持續(xù)疼痛的患者中，可能或確定的神經(jīng)性疼痛的患病率高達(dá)66%和68%。術(shù)后神經(jīng)性疼痛嚴(yán)重影響患者術(shù)后生活，常伴有抑郁、焦慮及睡眠、社會(huì)功能、生活質(zhì)量的損害，甚至喪失日常生活能力，神經(jīng)性疼痛緩解效果差、治療反應(yīng)持續(xù)時(shí)間短以及常見且難以忍受的治療副作用，因此，預(yù)測和預(yù)防是術(shù)后神經(jīng)性疼痛防治方法中最重要的環(huán)節(jié)。

3、目前，現(xiàn)有技術(shù)的相關(guān)研究主要集中在胸科、膝關(guān)節(jié)置換術(shù)后慢性疼痛預(yù)測模型的建立以及胸科腫瘤術(shù)后神經(jīng)性疼痛的風(fēng)險(xiǎn)因素分析，且模型大多采用logistic回歸，缺少對胸外科腫瘤手術(shù)的術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于機(jī)器學(xué)習(xí)的胸科術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測方法及系統(tǒng)，能夠有效預(yù)測患者術(shù)后神經(jīng)性疼痛的風(fēng)險(xiǎn)，為臨床醫(yī)護(hù)人員提供精準(zhǔn)的預(yù)防和干預(yù)方案。

2、為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明實(shí)施例提供了以下技術(shù)方案：

3、一種基于機(jī)器學(xué)習(xí)的胸科術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測方法包括：

4、基于時(shí)間條件，獲取胸科腫瘤患者的疼痛數(shù)據(jù)并進(jìn)行預(yù)處理，得到風(fēng)險(xiǎn)因素；所述疼痛數(shù)據(jù)包括術(shù)前疼痛數(shù)據(jù)、術(shù)中疼痛數(shù)據(jù)和術(shù)后疼痛數(shù)據(jù)；

5、將風(fēng)險(xiǎn)因素輸入至術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測模型，輸出得到風(fēng)險(xiǎn)預(yù)測結(jié)果；

6、判斷風(fēng)險(xiǎn)預(yù)測結(jié)果是否滿足安全閾值；若是則完成術(shù)后疼痛風(fēng)險(xiǎn)預(yù)測；反之則更新風(fēng)險(xiǎn)因素并重新迭代。

7、進(jìn)一步地，所述術(shù)前疼痛數(shù)據(jù)包括該患者的年齡、性別、bmi、術(shù)前是否有進(jìn)行放化療、飲酒史、吸煙史、胸部手術(shù)史、婚姻狀態(tài)、職業(yè)、教育程度、asa分級、dn4量表評估術(shù)前有無神經(jīng)性疼痛、術(shù)前是否使用催眠藥物；

8、所述術(shù)中疼痛數(shù)據(jù)包括手術(shù)方式、手術(shù)名稱、手術(shù)時(shí)間、術(shù)中出血量、胸腔引流管安置數(shù)量、手術(shù)醫(yī)師信息；

9、所述術(shù)后疼痛數(shù)據(jù)包括nrs評分、dn4量表評分、切口感染程度、i-dn4量表評分、鎮(zhèn)痛藥物醫(yī)囑、胸腔引流管安置時(shí)間。

10、進(jìn)一步地，所述時(shí)間條件包括手術(shù)當(dāng)天、術(shù)后1日、術(shù)后3日、術(shù)后7日、術(shù)后1月和術(shù)后3月；當(dāng)時(shí)間條件不同時(shí)，輸入至術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測模型的風(fēng)險(xiǎn)因素不同。

11、進(jìn)一步地，所述預(yù)處理包括：

12、基于正態(tài)分布，對疼痛數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，獲取統(tǒng)計(jì)分析結(jié)果；基于統(tǒng)計(jì)分析結(jié)果，計(jì)算疼痛數(shù)據(jù)的統(tǒng)計(jì)顯著性；

13、基于統(tǒng)計(jì)顯著性，對疼痛數(shù)據(jù)進(jìn)行篩選，獲取篩選后的疼痛數(shù)據(jù)；

14、對篩選后的疼痛數(shù)據(jù)進(jìn)行變量特征篩選，獲取風(fēng)險(xiǎn)因素。

15、進(jìn)一步地，所述術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測模型包括全局特征風(fēng)險(xiǎn)預(yù)測模塊、數(shù)值特征風(fēng)險(xiǎn)預(yù)測模塊和核心特征風(fēng)險(xiǎn)預(yù)測模塊；全局特征風(fēng)險(xiǎn)預(yù)測模塊可采用svm模型、rf模型、lgbm模型、lr模型、knn模型、xgboost模型中的任一種；數(shù)值特征風(fēng)險(xiǎn)預(yù)測模塊可采用svm模型、rf模型、lgbm模型、lr模型、knn模型、xgboost模型中的任一種；核心特征風(fēng)險(xiǎn)預(yù)測模塊可采用svm模型、rf模型、lgbm模型、lr模型、knn模型、xgboost模型中的任一種。

16、進(jìn)一步地，所述術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測模型的構(gòu)建過程包括：

17、獲取歷史風(fēng)險(xiǎn)因素，采用k折交叉驗(yàn)證進(jìn)行劃分，得到訓(xùn)練歷史風(fēng)險(xiǎn)數(shù)據(jù)和驗(yàn)證歷史風(fēng)險(xiǎn)數(shù)據(jù)；

18、將訓(xùn)練歷史風(fēng)險(xiǎn)數(shù)據(jù)分別輸入至svm模型、rf模型、lgbm模型、lr模型、knn模型和xgboost模型，并采用網(wǎng)格搜索和隨機(jī)搜索進(jìn)行迭代訓(xùn)練，得到各個(gè)初始訓(xùn)練后的模型；

19、分別將驗(yàn)證歷史風(fēng)險(xiǎn)數(shù)據(jù)輸入至各個(gè)初始訓(xùn)練后的模型，計(jì)算對應(yīng)的auc指標(biāo)；

20、基于auc指標(biāo)和模型特性，選擇3個(gè)模型分別作為全局特征風(fēng)險(xiǎn)預(yù)測模塊、數(shù)值特征風(fēng)險(xiǎn)預(yù)測模塊和核心特征風(fēng)險(xiǎn)預(yù)測模塊，完成對術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測模型的構(gòu)建。

21、進(jìn)一步地，所述術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測模型的處理過程包括：

22、對風(fēng)險(xiǎn)因素進(jìn)行分類，得到數(shù)值風(fēng)險(xiǎn)因素和核心風(fēng)險(xiǎn)因素；

23、將風(fēng)險(xiǎn)因素輸入至全局特征風(fēng)險(xiǎn)預(yù)測模塊，輸出得到全局風(fēng)險(xiǎn)預(yù)測值；

24、將數(shù)值風(fēng)險(xiǎn)因素輸入至數(shù)值特征風(fēng)險(xiǎn)預(yù)測模塊，輸出得到數(shù)值風(fēng)險(xiǎn)預(yù)測值；

25、將核心風(fēng)險(xiǎn)因素輸入至核心特征風(fēng)險(xiǎn)預(yù)測模塊，輸出得到核心風(fēng)險(xiǎn)預(yù)測值；

26、通過加權(quán)平均法設(shè)置風(fēng)險(xiǎn)預(yù)測權(quán)重參數(shù)；

27、基于風(fēng)險(xiǎn)預(yù)測權(quán)重參數(shù)、全局風(fēng)險(xiǎn)預(yù)測值、數(shù)值風(fēng)險(xiǎn)預(yù)測值和核心風(fēng)險(xiǎn)預(yù)測值，計(jì)算風(fēng)險(xiǎn)預(yù)測值，得到風(fēng)險(xiǎn)預(yù)測結(jié)果。

28、進(jìn)一步地，所述判斷風(fēng)險(xiǎn)預(yù)測結(jié)果是否滿足安全閾值；若是則完成術(shù)后疼痛風(fēng)險(xiǎn)預(yù)測；反之則更新風(fēng)險(xiǎn)因素并重新迭代。包括：

29、判斷風(fēng)險(xiǎn)預(yù)測結(jié)果是否滿足安全閾值；若是維持鎮(zhèn)痛藥物醫(yī)囑，完成術(shù)后疼痛風(fēng)險(xiǎn)預(yù)測；

30、反之則判斷該患者的康復(fù)治療時(shí)間是否滿足時(shí)間條件；若是則調(diào)整鎮(zhèn)痛藥物醫(yī)囑，更新術(shù)后疼痛數(shù)據(jù)，并將術(shù)前疼痛數(shù)據(jù)、術(shù)中疼痛數(shù)據(jù)和更新后的術(shù)后疼痛數(shù)據(jù)輸入至術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測模型進(jìn)行迭代；反之則停止當(dāng)前迭代，調(diào)整鎮(zhèn)痛藥物醫(yī)囑，等待下一康復(fù)治療時(shí)間。

31、一種基于機(jī)器學(xué)習(xí)的胸科腫瘤術(shù)后疼痛風(fēng)險(xiǎn)預(yù)測系統(tǒng)，包括：

32、疼痛數(shù)據(jù)獲取預(yù)處理模塊，用于獲取胸科腫瘤患者的疼痛數(shù)據(jù)并進(jìn)行預(yù)處理，得到風(fēng)險(xiǎn)因素；

33、術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測模塊，用于對風(fēng)險(xiǎn)因素進(jìn)行處理，輸出得到風(fēng)險(xiǎn)預(yù)測結(jié)果；

34、風(fēng)險(xiǎn)預(yù)測結(jié)果判斷模塊，用于判斷風(fēng)險(xiǎn)預(yù)測結(jié)果是否滿足安全閾值；若是則完成術(shù)后疼痛風(fēng)險(xiǎn)預(yù)測；反之則更新風(fēng)險(xiǎn)因素并重新迭代。

35、進(jìn)一步地，所述術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測模塊包括：

36、風(fēng)險(xiǎn)因素分類單元，用于對風(fēng)險(xiǎn)因素進(jìn)行分類，得到數(shù)值風(fēng)險(xiǎn)因素和核心風(fēng)險(xiǎn)因素；

37、全局特征風(fēng)險(xiǎn)預(yù)測單元，用于對風(fēng)險(xiǎn)因素進(jìn)行處理，得到全局風(fēng)險(xiǎn)預(yù)測值；

38、數(shù)值特征風(fēng)險(xiǎn)預(yù)測單元，用于對數(shù)值風(fēng)險(xiǎn)因素進(jìn)行處理，得到數(shù)值風(fēng)險(xiǎn)預(yù)測值；

39、核心特征風(fēng)險(xiǎn)預(yù)測單元，用于對核心風(fēng)險(xiǎn)因素進(jìn)行處理，得到核心風(fēng)險(xiǎn)預(yù)測值；

40、風(fēng)險(xiǎn)預(yù)測結(jié)果計(jì)算單元，用于設(shè)置風(fēng)險(xiǎn)預(yù)測權(quán)重參數(shù)；基于風(fēng)險(xiǎn)預(yù)測權(quán)重參數(shù)、全局風(fēng)險(xiǎn)預(yù)測值、數(shù)值風(fēng)險(xiǎn)預(yù)測值和核心風(fēng)險(xiǎn)預(yù)測值，計(jì)算風(fēng)險(xiǎn)預(yù)測值，得到風(fēng)險(xiǎn)預(yù)測結(jié)果。

41、本發(fā)明的有益效果為：

42、本方法通過綜合運(yùn)用多種機(jī)器學(xué)習(xí)模型，并采用k折交叉驗(yàn)證、網(wǎng)格搜索和隨機(jī)搜索等技術(shù)進(jìn)行模型訓(xùn)練和優(yōu)化，顯著提高了術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測的準(zhǔn)確性。同時(shí)，該方法考慮了術(shù)前、術(shù)中和術(shù)后多個(gè)時(shí)間點(diǎn)的疼痛數(shù)據(jù)，能夠全面評估患者的風(fēng)險(xiǎn)因素，并通過動(dòng)態(tài)更新數(shù)據(jù)進(jìn)行迭代預(yù)測，及時(shí)調(diào)整治療方案，優(yōu)化術(shù)后鎮(zhèn)痛管理。

43、本系統(tǒng)包括疼痛數(shù)據(jù)獲取預(yù)處理模塊、術(shù)后神經(jīng)性疼痛風(fēng)險(xiǎn)預(yù)測模塊和風(fēng)險(xiǎn)預(yù)測結(jié)果判斷模塊，實(shí)現(xiàn)了從數(shù)據(jù)采集到風(fēng)險(xiǎn)預(yù)測再到結(jié)果判斷的全流程自動(dòng)化和系統(tǒng)化，通過分類處理風(fēng)險(xiǎn)因素，并結(jié)合不同模型的優(yōu)勢，進(jìn)一步提高了預(yù)測的準(zhǔn)確性和可靠性，為臨床決策提供了有力支持。