论文部分内容阅读
在重症监护室（Intensive Care Unit，简称ICU）监护过程中，患者发生急性低血压（Acute Hypotension Episode，简称AHE）往往会导致患者不可逆的器官损害，严重时甚至危及患者的生命。临床上，AHE发生后主要依靠医生经验进行处置。如果能根据ICU监测的患者各种数据提前预判AHE发生，医生可根据产生血容量减少，心输出量不足，或血管扩张性休克的特定原因，如脓毒症、心肌梗死、心律失常、肺栓塞、出血，脱水等采取不同的临床干预措施。提前预测AHE的发生，给医生予足够的时间提前采取有效的干预措施，将极大的降低患者可能受到的危害。研究预测AHE的发生具有关键的作用。ICU中存在着大量有关患者的各种临床监测数据，这些监测数据包括患者基本信息、历史诊疗记录、医技检查记录、用药记录、患者各种实时生理体征数据（如血压、脉搏、呼吸）等。研究实践表明，AHE发生与患者的一些监测数据及其变化间存在着一定的关联，通过一段特定时期内的监测数据预测下一段时间内AHE发生在临床上是可行的。本文引入一种基于经验模态分解算法（Empirical Mode Decomposition,简称EMD）与基因表达式编程算法（Gene Expression Programming,简称GEP）组合预测的方法，使用美国PhysioNet网站MIMIC II数据库中的ICU患者真实动脉血压（Arterial BloodPressure,简称ABP）记录进行分析实验，研究建立预测患者未来一段时期内ABP变化规律的方法。方法分为三个阶段：一、根据相关医学知识将动脉压数据转换成平均动脉压（MeanArtery Pressure,简称MAP）、再通过信号处理方法对数据进行预处理，包括重采样、平滑和去噪；二、通过EMD，将数据分解为多个本征模态分量，针对不同本征模态分量的特性，分别用GEP建立其数学模型；三、对新的患者记录，通过关联度计算，找出与已知模型中最匹配的一些记录，用这些记录模型预测，并经过加权计算，得出新患者未来一段时期内的血压值。经过实验测试，本方法能较准确地预测患者未来1个小时的血压数值，准确率达75%以上。这表明本方法可以作为预测ICU患者AHE发生的有效方法。