技術摘要

本發明係提供一種以機器學習模型建立拔管預測之系統及其方法，其係能夠透過一機器學習模型之訓練及/或驗證得到一拔管預測模型及其所使用之關鍵特徵，而透過該拔管預測模型即時分析一病人之關鍵特徵資料，係能得到該病人之拔管可能性及其相關說明。據此，本發明所揭以機器學習模型建立拔管預測之系統及其方法係做為臨床照護者評估拔管之工具，以降低拔管後無法自主呼吸致使重新插管之可能性

現有技術描述、問題及其缺陷

透過機器學習/人工智慧分析病人數據得到用以評估脫離呼吸器或是拔管時點的模型乃為習知技術之一環，並透過此模型得到進行演算之呼吸參數，如TWI777611B、TWI788743B、US20200360634A1 US09785745B2 等前案揭露不同呼吸參數及模型；且本案所使用之部份機器學習模型係於TWI788743B 中有被揭露；將比對前案所揭內容與本案之技術特徵，可知本案所揭主要6 個判斷之特徵參數係未被單一前案所完整揭露或涵蓋，故就新穎性之判斷上來說，本案應可具有新穎性。再者，就進步性之判斷來說，本案所揭示預估模型中的特徵參數與前案最大之差異係在於體液平衡參數：尿量和注射液，因此，要降低被前案阻礙之進步性的風險，建議應強化該兩參數對於預測或評估準確性的重要性，並且透過數據說明本案僅須透過6個參數可以達到高準確度的評估結果，藉此可以強調本案具有明顯較佳的功效，如TWI788743B 須透過兩組預測模型才能達到預測評估效果；US09785745B2 需要轉換波形訊號等。

本技術發明之目的及達成功效

按，根據統計，有約80％以上重症加護病房中病人需要靠著機械式呼吸輔助（mechanical ventilation）維持生命，而研究顯示，當病人依賴機械式呼吸輔助之時間越長，要使病人脫離機械式呼吸輔助則會難度增加，甚至演變成會長期依賴機械式呼吸輔助才能維生，或是短時間脫離呼吸器後，又很快地必須重新插管仰賴機械式呼吸輔助才能維持存活。

為能提高病人脫離機械式呼吸輔助之成功率增加，目前許多研究是透過各類研究方式來預測病人脫離機械式呼吸輔助之時間點及成功率，例如有研究係透過整理加護病房及慢性呼吸照顧病房中病人及其臨床特徵、使用呼吸器之原因、慢性併發症、呼吸器脫離困難原因等之資訊進行統計分析，以歸納出難以脫離機械式呼吸輔助之病人特徵，惟，各個病人病情不相當且病況瞬息萬變，透過回溯性統計分析方法所得之結果將無法準確預測適合拔管之時間點。

相關專利資訊

專利證書號：M648156