无痛支气管镜检查下低氧血症的多变量预测系统的制作方法

本发明属于医学领域，具体是无痛支气管镜检查下低氧血症的多变量预测系统。

背景技术：

1、低氧血症是指血液中含氧不足，动脉血氧分压(pao2)低于同龄人的正常下限，主要表现为血氧分压与血氧饱和度下降；引起低氧血症的常见原因有：①吸入氧分压过低；②肺泡通气不足；③弥散功能障碍；④肺泡通气/血流比例失调；⑤右向左分流。

2、支气管镜是检查呼吸系统疾病诊断与治疗的重要手段，而在进行支气管镜诊疗时，患者产生强烈的不适感，因此目前在麻醉下实施支气管镜诊疗的情况逐渐增多；但是因为麻醉本身就能影响呼吸循环，支气管镜又占用气道，因此导致患者低氧血症的发生率明显升高；

3、现有的相关技术中，对于低氧血症的诊断方式主要是通过临床表现，如出现口唇爪甲发绀发紫、呼吸困难、气短、喘促的症状，初步判断患者可能患上低氧血症，然后作进一步动脉血气分析。上述方式虽然能够初步诊断低氧血症，但是不能给医务人员预留足够的时间作干预措施，导致患者出现低氧血症的概率大大增加。而患者在进行手术前，一般都会给患者进行手术评估，患者在术前的情绪和生理状态都会影响手术效果，甚至加重病情。一旦患者发生低氧血症，会导致患者在手术期间发生肺动脉高压、心率失常、机体能量代谢障碍等并发症的风险增加，因此，在患者进行手术前，对低氧血症的预测预防是十分必要的。

4、因此，亟需无痛支气管镜检查下低氧血症的多变量预测系统，能够在患者进行全身麻醉手术前，通过对患者手术前的情绪和生理状态进行监测，分析并预估患者发生低氧血症的概率，以便于医务人员及时作出防治应对措施，降低低氧血症的发生率。

技术实现思路

1、为了解决上述问题，本发明的目的是提供无痛支气管镜检查下低氧血症的多变量预测系统，能够在患者进行全身麻醉手术前，对患者的情绪和生理状态进行监测，例如患者情绪激动时，呼吸频率加快，通过采集患者呼吸急促时的呼吸音，并进行分析呼吸音的音调和/或音频，判断患者可能引起的呼吸生理变化，进而预测患者在术后会出现低氧血症的概率，以便于医务人员在低氧血症出现前作出应对措施，从而降低患者低氧血症的发生率。

2、为了实现上述目的，本发明的技术方案如下：

3、无痛支气管镜检查下低氧血症的多变量预测系统，包括：模型构建模块、声音采集模块、综合分析模块以及预测模块；

4、模型构建模块用于通过计算机断层扫描技术对患者的头部至胸腔进行扫描，获取患者的二维图像数据，并将患者的二维图像数据进行三维重建，得到患者的呼吸系统模型，并通过3d打印技术输出患者的呼吸系统模型；呼吸系统模型用于模拟患者的呼吸状态；

5、声音采集模块用于采集患者在手术前的呼吸音的音调和/或音频；

6、综合分析模块用于根据呼吸音的音调和或音频进行患者呼吸状态模拟分析；通过呼吸气流模拟器对呼吸系统模型进行患者的呼吸状态还原，调节呼吸气流模拟器直至呼吸系统模型产生的呼吸音的音调和/或音频与声音采集模块采集的呼吸音的音调和/或音频一致；并分析患者的呼吸生理变化；

7、预测模块用于根据患者的呼吸生理变化推测患者出现低氧血症的概率，并输出预测结果。

8、基础方案原理以及有益效果如下：

9、在进行预测前，模型构建模块通过计算机断层扫描技术扫描患者的头部至胸腔位置的二维图像，并将二维图像进行三维重建，然后通过3d打印技术将三维重建获得的呼吸系统模型进行打印；然后在患者手术前，通过声音采集模块采集患者的呼吸音的音调和/或音频；综合分析模块根据采集到的呼吸音进行患者的呼吸状态模拟，即通过呼吸气流模拟器对呼吸系统模型进行呼吸状态还原，呼吸系统模型是根据患者的二维图像进行构建的，因此，当呼吸系统模型在呼吸气流模拟器的作用下，产生与声音采集模块采集的呼吸音的音调和/或音频一致时，呼吸系统模型上产生的变化与患者真实的呼吸系统发生的变化是趋于一致的，即患者的呼吸生理变化可以在呼吸系统模型上映射。然后，预测模块根据患者的呼吸生理变化判断推测患者在术中、术后是否会出现低氧血症。医务人员可以通过预测模块的预测结果，进行提前预防。

10、本方案通过提前采集患者在术前的呼吸音，判断患者在不同呼吸音下的呼吸生理变化，进而对患者患上低氧血症的概率进行预测；在患者的情绪发生时，患者的呼吸频率、深浅、快慢、均匀程度等都会发生变化，因此患者在术前的情绪变化引起的呼吸音变化会影响患者的通气功能和换气功能，从而导致患者的血样饱和度降低；所以，在患者术前采集呼吸音能够有利于提前预测患者在术后出现低氧血症的概率，以便于医务人员及时作出防治措施，降低低氧血症对患者的危害。

11、本方案通过采集患者在术前的呼吸音，对患者出现低氧血症的概率进行预测，相较于传统技术中的通过对患者术后的临床表现进行诊断，本方案对低氧血症的预测准确性更高，且缩短了低氧血症的确诊时间，使医务人员能够有充足时间提前准备低氧血症的防治措施，进而降低患者出现低氧血症的概率。

12、综上所述，采用本方案能够更容易对患者低氧血症进行评估预测，使医务人员能够提前了解患者出现低氧血症的概率，以便于医务人员更好地作出防治措施，降低低氧血症的发生率以及对患者的危害。

13、进一步，还包括基础信息模块，基础信息模块用于采集患者的基础信息，基础信息包括但不限于患者年龄、手术类型、麻醉方式、手术持续时间以及体重；预测模块还用于利用logistics回归分析对自变量患者年龄、手术类型、麻醉方式、手术持续时间、体重以及患者的呼吸生理变化以及因变量是否低氧血症构建预测模型。

14、有益效果：通过采集患者的患者年龄、手术类型、麻醉方式、手术持续时间、体重以及呼吸生理变化，预测患者在术中、术后是否会出现低氧血症，能够提高数据采集的全面性，一定程度上避免由于患者个体差异化导致的数据缺失；同时提高预测模块的可靠性。

15、进一步，呼吸音包括但不限于患者休息时的呼吸音和鼾声。

16、进一步，还包括二氧化碳采集模块，二氧化碳采集模块用于对患者呼出的二氧化碳浓度进行采集，通过对患者呼气末二氧化碳的采集，分析呼气末二氧化碳浓度变化，判断患者是否出现呼吸抑制，若出现呼吸抑制，则提高预测模型中自变量患者的呼吸生理变化的权重比值。

17、有益效果：通过对患者的呼气末二氧化碳浓度进行采集，分析判断患者是否出现呼吸抑制，提高患者低氧血症的预测准确性。

18、进一步，声音采集模块还用于对患者的其他情绪波动造成的音频变化和/或音调变化进行采集。

19、有益效果：患者在术前除了正常休息时呼吸音会发生变化外，例如尖叫等，也会对患者的呼吸功能造成影响，导致患者出现低氧血症的概率升高，通过对患者在术前的各种音调、音频变化进行采集，能够分析出患者的音调、音频变化对呼吸系统的影响，进而使得医务人员能够提前安抚患者，避免患者情绪波动较大，预防低氧血症的出现。

20、进一步，预测模型在进行预测时，自变量还包括在麻醉前使用的阿片类药物剂量，根据阿片类药物剂量的不同，进行权重赋值，其中阿片类使用剂量越高，权重赋值越高。

21、有益效果：阿片类药物能够与中枢特异性受体相互作用，从而抑制患者的呼吸功能，通过在预测模型中输入阿片类药物使用剂量，能够提高预测结果的准确性。

22、进一步，二氧化碳采集模块还用于对呼气末二氧化碳浓度变化速率进行采集，若呼气末二氧化碳浓度变化速率大于预设阈值，则初步判断患者将出现呼吸抑制，反之，若呼气末二氧化碳浓度变化速率小于等于预设阈值，则初步判断患者不会出现呼吸抑制。

23、有益效果：在患者出现呼吸抑制前，患者的呼吸速率会产生变化，通过采集患者在出现呼吸抑制前的二氧化碳浓度变化速率，可以预测呼吸抑制出现的概率，进而对患者的通气换气功能状态进行评估，以便于医务人员提前做好防治准备。

24、进一步，在预测模型进行预测时，自变量还包括但不限于患者的血红蛋白含量、吸烟史、手术侧。