技術摘要
本發明提供一種急性腎損傷預測系統及其方法。主處理單元連接主記憶體並讀取儲存於主記憶體之待測資料、檢測資料、機器學習演算法及風險機率對照表。主處理單元依據機器學習演算法訓練檢測資料而產生急性腎損傷預測模型，並輸入待測資料至急性腎損傷預測模型而產生急性腎損傷特徵風險機率與資料順位表。資料順位表依據各待測資料於急性腎損傷特徵中所佔之影響比重而依序列出待測資料。主處理單元依據急性腎損傷特徵風險機率從風險機率對照表選取醫療處置資料。藉此，預測受測者於24小時後發生急性腎損傷的機率，且即時給予醫療處置。
本技術發明之目的及達成功效
本發明之目的在於提供一種急性腎損傷預測系統及其方法，其先對醫療常規的檢測資料進行資料前處理後，再訓練檢測資料而產生急性腎損傷預測模型。急性腎損傷預測模型可用以對受測者的待測資料進行處理且預測待測資料於24小時後符合急性腎損傷特徵所對應之急性腎損傷特徵風險機率，進而輔助醫療人員並提升工作效率。此外，本發明可依據急性腎損傷特徵風險機率從風險機率對照表選取醫療處置資料，以供急重症醫師作為處置推薦而即時給予患者適當的醫療處置，達到改善治療結果。
相關專利資訊
主處理單元連接主記憶體並讀取儲存於主記憶體之待測資料、檢測資料、機器學習演算法及風險機率對照表。主處理單元依據機器學習演算法訓練檢測資料而產生急性腎損傷預測模型，並輸入待測資料至急性腎損傷預測模型而產生急性腎損傷特徵風險機率與資料順位表。資料順位表依據各待測資料於急性腎損傷特徵中所佔之影響比重而依序列出待測資料。