技术摘要：
本发明涉及一种基于谵妄动态预测模型的谵妄风险监测方法，所述谵妄风险监测方法至少包括以下步骤中的一个或几个：在待评估对象完成至少一次谵妄意识模糊快速评估后，由谵妄因子处理模块调取出医疗信息管理系统中与该待评估对象相关的显性因子与隐性因子，并根据所述显  全部
背景技术：
谵妄(delirium)是一组以注意缺陷、思维混乱、意识模糊、意识状态改变的急性认 知障碍综合征，它是一种急性或亚急性起病的疾病，通常在数小时到数天内发生变化，识别 需要简短的认知筛查和敏锐的临床观察，主要的诊断特征包括急性发作和波动的意识状态 改变、注意力不集中、意识水平受损、认知障碍(例如，迷失方向、记忆障碍)。临床上常将重 症加强护理病房(Intensive  Care  Unit，ICU)患者发生的谵妄称为ICU谵妄，据文献报道， 14％～24％的住院患者在住院期间发生谵妄，其中老年患者谵妄的发生率高达30％～ 50％，ICU谵妄的发生率高达35％～80％。 虽然谵妄的发生率之高不容小觑，但是一直以来，ICU患者发生谵妄后被误认为是 无关大局、也无需重视的“ICU精神病”，这种忽视可能引起多种不良后果。谵妄是一种复杂 的神经综合征，并且与多种不良结局有关，如：医疗费用增加、住院时间延长、认知损害、独 立性降低、并发症增加、累积生存率下降、术后恢复时间延长、术后病死率提高等。Trogrlic  Z等研究发现谵妄的发生使得患者治疗更复杂化并增加了更多困难，同时也有可能导致永 久性不可逆脑损伤。如果患者长期处于谵妄状态，可造成潜在的器官功能不全，其发病率约 70％～92％，误吸、医源性肺炎的危险性增加10倍，肺栓塞、压疮等并发症的发生率大大增 加，并可造成机械通气患者脱机困难，意外拔管或拔管后再度气管插管等，最终延长ICU住 院时间，增加死亡率。研究显示谵妄患者较无谵妄患者平均住院时间增加8天，谵妄一旦发 生，会延长患者用呼吸机来支持生存的时间、在ICU停留时间及患者的住院时间；据相关研 究显示，75.7％出现谵妄的患者出院时仍存在认知障碍，老年人一旦出现谵妄往往预示预 后不良，包括整体功能受损、无法独力生活、极度需要照顾；据相关研究表明，与未发生谵妄 患者相比，术后谵妄的患者肺部并发症发生率也有增加的趋势，术后接受进一步疗养的概 率增加，ICU谵妄的发生能够促使医源性肺炎的危险提高10倍，同时能够使接受机械通气的 患者出现意外拔管、二次气管插管、脱机困难等情况。 然而谵妄由于其早期症状不典型，起病隐匿，同时非专业精神科医生常常缺乏对 该疾病的认识和了解，故容易被误诊或漏诊，通常无法给予及时的关注和治疗。 现有技术如公开号为CN109069081A的专利文件所公开的用于预测、筛查和监测脑 病/谵妄的系统和方法，该系统和方法检测患者脑波中弥漫性减慢(脑病发作的标志)的存 在。该系统和方法能够通过对在患者头部上的少量的离散位置所记录的脑波，进行谱密度 分析来检测弥漫性减慢，从而，例如使用手持式装置，较轻易地实现床边评估。也就是说，该 系统和方法能够通过放置在患者头部的两条或者多条导线记录脑波，执行算法以评估所记 录的低频波与高频波的比率，并且将该比率与确定的阈值进行比较，从而识别脑病的发作。 在进一步的实施例中，该系统和方法利用机器学习和诸如来自病历的附加数据来提高评估 4 CN 111568445 A 说　明　书 2/19 页 准确度。 根据由美国精神病学会制定的、通常作为谵妄诊断金标准的精神疾病诊断与统计 手册现行版本——DSM-IV-TR诊断标准，可知谵妄的诊断需要符合：A伴随注意力，持续性或 转移能力减退的意识障碍；B认知功能改变(包括记忆力推荐，定向力障碍，语言障碍)，或存 在不能以痴呆所解释的知觉障碍；C病情短期内发生(通常数小时到数天)，病情在一天过程 中多有起伏变化。 上述专利文件利用放置在患者上的十几个生理传感器或脑传感器，持续地对患者 的至少包括脑信号的生理信息进行监测，输出所述患者的谵妄的存在、不存在或者后续罹 患可能性的指示。但在实际操作中，一方面，脑电图主要是针对临床症状不典型、不易发觉 的脑异常放电的早期监测，无法提供DSM-IV-TR诊断标准所需的患者信息，即谵妄的评估难 以仅仅通过该脑电的持续监测来确定，易错失及时采取预防谵妄措施的时机；另一方面，原 本排查术后谵妄的主要目的之一，是及时采取预防措施及避免高额的谵妄治疗费用，现采 用高昂的脑电陪护持续监测的评估方案反而增大了患者治疗成本。 除了采用脑电图作为谵妄评估和鉴别的辅助检查手段，临床中常应用在DSM-IV- TR诊断标准的基础上所衍生出的谵妄量表，来评估ICU谵妄严重程度，为谵妄患者提供预后 评估，并作为治疗的依据。目前主要应用的量表如下：意识模糊评定量表(confusion  assessment  method，CAM)、记忆谵妄评定量表(memorial  delirium  assessment  scale， MDAS)、谵妄评定量表(delirium  rating  scale，DRS)、谵妄评定量表-98修订版(DRS-R- 98)、谵妄认知功能测查量表(cognitive  test  for  delirium，CTD)、谵妄意识模糊快速评 估法(3-Minute  Diagnostic  Interview  for  CAM-Defined  Delirium，3D-CAM)。上述专利 文件中也提及了在脑电图无法评估出谵妄时，采用常用量表之一对患者继续进行评估的解 决方案。然而其未考虑到，谵妄量表本身虽然将客观的认知测试评估结合到谵妄评估中，但 其对护理人员的谵妄评估能力的要求较高，医护人员基于上述专利文件中所提出的解决方 案，即基于护理人员自身对脑电图和量表的理解评估，难以实现可靠有效的谵妄评估。
技术实现要素：
目前谵妄护理技术领域中存在有如：谵妄量表对护理人员的谵妄评估能力的要求 较高，仅基于护理人员自身对量表的理解评估，难以实现可靠有效的谵妄风险预测的问题。 对此，现有技术中提出了对医疗大数据中的相似病情信息进行聚类抓取并以基于抓取到的 数据进行风险预测的解决方案，但由于此类解决方案都是针对与疾病本身相关的多个医疗 数据进行聚类抓取，未考虑当前待评估对象自身的个体性差异对于谵妄风险的重要影响， 即单一的医疗数据无法反映当前待评估对象的状态及反应情况；此外，该类解决方案所抓 取到的医疗数据对象均是已经确定了疾病已经存在的患者，导致基于确诊后患者的医疗数 据所确定的风险预测结果，可靠性极低，因此现有技术所提出的解决方案不适用于谵妄风 险预测，尤其不适用于尚未出现谵妄的待评估对象的谵妄风险预测。 对此，在本发明所提供的利用医疗大数据中的相似病情信息进行风险预测的解决 方案中，一方面利用谵妄量表本身客观的认知测试评估的特性，将通过评估过程所获得的 与患者个体性差异紧密相关的评估数据，作为用于聚类抓取大数据的隐性因子，在充分满 足患者个体性差异的基础上实现了对数据抓取的高匹配度，并且，另一方面考虑到多个医 5 CN 111568445 A 说　明　书 3/19 页 疗数据之间的相互叠加和抵消而导致风险预测结果的准确性低的问题，本发明所提出的解 决方案是分别从整体变化趋势以及局部变化趋势两个不同层面分别对大数据进行分析处 理的，进一步地提高了风险预测的准确性以及可靠性，尤其适用于尚未出现谵妄的待评估 对象或谵妄潜在风险较低的谵妄风险预测。 针对现有技术之不足，本申请提出了一种基于谵妄动态预测模型的谵妄风险监测 装置，所述谵妄风险监测装置至少包括：谵妄因子处理模块，其用于在待评估对象完成至少 一次谵妄意识模糊快速评估后，调取出医疗信息管理系统中与该待评估对象相关的显性因 子与隐性因子，并根据所述显性因子的属性和/或隐性因子的属性，生成谵妄风险监测模块 所需的标签；谵妄风险监测模块，其用于以其与云平台进行信息交互的方式基于生成的所 述标签获得所述云平台中与该待评估对象相匹配的多个病例信息组，其中，所述谵妄风险 监测模块根据获得的多个病例信息组，利用谵妄动态预测模型进行计算，获得待评估对象 的谵妄风险预测。 针对谵妄发生或谵妄恶化的风险预测，国内外学者的研究方面主要是以患者、自 身疾病以及治疗与环境等因素(可视为显性因子)为指标构建风险体系进行谵妄风险预测， 然而上述因素不仅数量庞大，且各因素间的关联度不清楚，也就是，虽然众多因素对谵妄的 诱发具有可能潜在影响，但其中包含了与谵妄发生或谵妄诱发无关、弱相关或相互冗余的 因素，这些因素不但对预测结果无明显贡献，而且会增大数据计算量，降低了预测效率。 对此，本申请所提出的谵妄风险监测方法利用谵妄量表本身客观的认知测试评估 的特性，将通过评估过程所获得的与患者个体性差异紧密相关的评估数据，作为用于聚类 抓取大数据的隐性因子，一方面隐性因子数量远低于显性因子数量，数据计算量少，有利于 数据处理效率的提升，另一方面本申请所提出的谵妄风险监测方法是在已经基于隐性因子 而筛选出部分病例信息组的基础上，再利用对谵妄的诱发具有可能潜在影响的显性因子， 继续对病例信息组进行筛选才确地的用于风险监测的病例样本，使得谵妄风险监测在充分 满足患者个体性差异的同时实现了对数据抓取的高匹配度以及高处理效率。 进一步优选地，所述谵妄风险监测模块根据所获得的多个历史信息组以及与各个 历史信息组相对应的整体变化趋势和/或局部变化趋势，利用谵妄动态预测模型进行计算， 获得待评估对象的谵妄风险预测。尤其是针对单个的患者而言，若采用现主流的大数据分 析方法，大数据所采集到的通常是当前时间点下的因素、谵妄情况以及因素与谵妄情况之 间的关联关系，然而谵妄作为一种时间序列病症，因为某一时间点的相关因素的变化(或可 简单地理解为治疗措施的实施等)，会对后续时间点的谵妄的诱发产生影响，该时间序列病 症具有一定的滞后性又具有较大的随机性，且由于其他可控性差的因素(例如患者自身疾 病所引起的突然疼痛等)的影响，存在短期内剧烈波动的可能。 对此，本申请所提出的谵妄风险监测方法是分别从隐性因子的整体变化趋势以及 隐性因子的局部变化趋势两个不同层面分别对大数据进行分析处理的，尤其适用于作为时 间序列病症的谵妄的滞后性特征，通过变化趋势可以确定出某一时间点的相关因素的变化 对后续时间点的谵妄的诱发所产生的影响。同时，整体变化趋势下的大数据处理过程相对 较为粗糙，针对受到可控性差因素而存在谵妄趋势恶化改善反复波动的样本而言，此类样 本的整体变化趋势无法反映该样本的真实谵妄变化趋势。以此，本申请将整体变化趋势与 局部变化趋势相结合，进一步地提高了风险预测的准确性以及可靠性，尤其适用于尚未出 6 CN 111568445 A 说　明　书 4/19 页 现谵妄的待评估对象或谵妄潜在风险较低的谵妄风险预测。 根据一种优选实施方式，所述谵妄风险监测模块在获取到所述标签后，先基于预 先设定的相似度区间，将当前待评估对象的隐性因子的标签与云平台中多个病例信息的隐 性因子的标签进行相似度比对，以此确定云平台中符合相似度区间的且用于形成病例信息 组的多个病例信息。 根据一种优选实施方式，在多个病例信息组中的至少一个病例信息组的病例信息 数量未达到样本数量阈值时，所述谵妄风险监测模块以区间范围选择性扩大的方式修正相 似度区间，以此在最大化病例信息组与待评估对象之间的匹配程度的同时满足对待评估对 象进行谵妄风险预测所需的样本数量。 根据一种优选实施方式，多个病例信息组的获得指的是在确定云平台中符合相似 度区间的多个病例信息后，所述谵妄风险监测模块根据多个病例信息各自的标签以及待评 估对象的标签，筛选出多个病例信息中满足其标签与待评估对象的标签相同的多个病例信 息，并形成病例信息组。 根据一种优选实施方式，显性因子至少包括至少一个谵妄主要危险因素和至少一 个谵妄次要危险因素，隐性因子至少包括待评估对象完成谵妄意识模糊快速评估的过程中 所确定的谵妄评估数据，其至少包括谵妄潜在风险级别变化趋势、谵妄特征k中的一个或几 个。 根据一种优选实施方式，所述谵妄风险监测装置包括谵妄评估模块，其被配置为： 获取关于待评估对象和/或关于辅助人员的反馈信息，并获取待评估对象在进行谵妄意识 模糊快速评估时进行的行为信息，和/或根据所述行为信息的属性和所述反馈信息的属性， 分别生成谵妄评估模型所需的参数，和/或根据生成的参数，利用所述谵妄评估模型进行计 算，获得待评估对象进行谵妄意识模糊快速评估所得的关于至少一个谵妄特征的评估值。 根据一种优选实施方式，所述谵妄风险监测装置还包括：影音处理模块，其用于对 确诊已发生谵妄的或具有谵妄潜在风险的待评估对象在进行谵妄意识模糊快速评估时的 行为进行视频采集的方式获取关于该待评估对象的行为信息和/或反馈信息，和/或外接输 入设备，其由待评估对象操作且用于获取由所述待评估对象针对评估内容所输入的反馈信 息，并对该待评估过程中待评估对象的自主操作情况进行检测以获取关于该待评估对象的 行为信息和/或反馈信息。 本申请还提出了一种基于谵妄动态预测模型的谵妄风险监测系统，所述风险监测 系统至少包括：存储器；与存储器相耦合的至少一个计算机处理器，第一计算机处理器，用 于在第一用户完成至少一次评估后，调取出数据库中与该第一用户相关的显性因子与隐性 因子，并根据所述显性因子的属性和/或隐性因子的属性，生成第二计算机处理器所需的标 签；第二计算机处理器，用于基于生成的所述标签，以其与数据库进行信息交互的方式，获 取与该第一用户相匹配的多个历史信息组，其中，所述第二计算机处理器根据所获得的多 个历史信息组以及与各个历史信息组相对应的整体变化趋势和/或局部变化趋势，利用动 态预测模型进行计算，获得第一用户的风险预测。 根据一种优选实施方式，所述第二计算机处理器还被配置为在获取到所述标签 后，先基于预先设定的相似度区间，将当前第一用户的隐性因子的标签与数据库中多个历 史信息的隐性因子的标签进行相似度比对，以此确定数据库中符合相似度区间的且用于形 7 CN 111568445 A 说　明　书 5/19 页 成历史信息组的多个历史信息。 根据一种优选实施方式，所述第二计算机处理器还被配置为在多个历史信息组中 的至少一个历史信息组的历史信息数量未达到样本数量阈值时，以区间范围选择性扩大的 方式修正相似度区间，以此在最大化历史信息组与第一用户之间的匹配程度的同时满足对 第一用户进行风险预测所需的样本数量。 在本发明中所提及的处理模块，可以使用“被配置为”来描述执行一个或多个功 能。一般来说，被配置为执行或被配置为用于执行一个功能的元件能够执行该功能，或者适 合执行该功能，或者可操作地执行该功能，或者是以其他方式执行该功能。应当理解的是， “X，Y，Z中的至少一个”和“X，Y，Z中的一个或多个”可理解为只有X，只有Y，只有Z，或者X，Y，Z 中的两个或多个的任意组合(例如，XYZ，XY，YZ，XZ，等等)。类似的逻辑也可应用于“至少一 个……”和“一个或多个……”语句中出现的任何两个或多个对象。在本说明书中使用的，单 数形式的“一”或“该”均包括复数的指代对象，除非该内容和上下文另外明确地指明。即例 如，提及“装置”包括两个或更多个此类装置的组合。除非另外指明，“或”连接意图以其作为 布尔逻辑算符的正确含义使用，包括择一性的特征选择(A或B)和合取性的特征选择(A或B) 两者。所述智能电子设备包括但不限于计算机、手机、平板电脑等各类终端设备。 本发明所提出的装置包括至少一个处理模块、系统存储设备以及至少一个计算机 可读存储介质。所述至少一个计算机可读存储介质上载有其上载有用于使处理器实现本发 明的各个方面的计算机可执行指令。以如图2为例说明，多个处理器、接口通过诸如母板的 通信总线(实线)互连(系统存储设备未示出)。接口至少包括通信接口和I/O接口。各模块借 助于通信接口(如网络适配器)可操作地耦合至计算机网络。计算机网络可以是因特网、互 联网和/或外联网，或与因特网通信的内联网和/或外联网。各模块通过计算机网络或通过 直线(例如有线、无线)连接与智能电子设备通信。 至少一个处理模块如第一处理模块用于执行所述计算机可执行指令。如附图中的 流程图和框图，其显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能 实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序 段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻 辑功能的可执行指令。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的 组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬 件与计算机指令的组合来实现。这里参照根据本发明实施例的方法、装置(系统)和计算机 程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每 个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。处理模 块是解释和执行指令的功能单元，也称为中央处理器或CPU，作为计算机系统的运算和控制 核心，是信息处理、程序运行的最终执行单元。 上述计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的 有形设备。计算机可读存储介质例如可以是但不限于是电存储设备、磁存储设备、光存储设 备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。这里所描述的计算机可执 行指令可以从计算机可读存储介质下载到各个计算/处理模块，或者通过网络、例如因特 网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输 电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计 8 CN 111568445 A 说　明　书 6/19 页 算/处理模块中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计 算机可执行指令，以供存储在各个计算/处理模块中的计算机可读存储介质中。 用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、 机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的 任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言诸如Sm  alltalk、C 等，以及常规的过程式编程语言诸如C语言或类似的编程语言。计算机可读程 序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软 件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务 器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网 (LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服 务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息 来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵 列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。 附图说明 图1是本发明提供的优选的谵妄风险监测方法的流程图；和 图2是本发明提供的优选的谵妄风险监测系统的简化模块连接示意图。 附图标记列表 101：移动电子设备                 102：谵妄因子处理模块 103：谵妄评估模块                 1011：影音处理模块 1012：外接输入设备                104：评估处理模块 105：谵妄风险监测模块             106：云平台 107：医疗信息管理系统