基于人工智能的VTE管控平臺(tái)建設(shè)*

——藍(lán)淳愉 曹 磊

靜脈血栓栓塞癥(Venous Thromboembolism，VTE)是全球性的醫(yī)療保健問(wèn)題。醫(yī)院發(fā)生VTE的風(fēng)險(xiǎn)與患者的病情、手術(shù)等有關(guān)。早期識(shí)別VTE高?；颊?，及時(shí)干預(yù)，可以顯著降低醫(yī)院VTE的發(fā)生概率[1]。目前，我國(guó)有的醫(yī)療機(jī)構(gòu)信息化水平對(duì)于VTE管控的支撐還不成熟，主要集中在評(píng)分平臺(tái)建立方面。多數(shù)平臺(tái)能夠做到事前預(yù)警通知，但對(duì)全流程閉環(huán)管理的支持力度不足；平臺(tái)建設(shè)中表單填報(bào)由紙質(zhì)轉(zhuǎn)為電子化，但評(píng)估仍依賴(lài)醫(yī)護(hù)人員，未充分利用大數(shù)據(jù)及人工智能技術(shù)減輕醫(yī)護(hù)人員工作負(fù)擔(dān)。本研究結(jié)合人工智能模型和自然語(yǔ)言處理引擎技術(shù)，依據(jù)南昌大學(xué)第一附屬醫(yī)院VTE管控要求，構(gòu)建了基于人工智能的VTE管控平臺(tái)，旨在通過(guò)信息技術(shù)驅(qū)動(dòng)高效高質(zhì)的醫(yī)療管理[2]。

1 平臺(tái)構(gòu)建與應(yīng)用

1.1 構(gòu)建自動(dòng)風(fēng)險(xiǎn)評(píng)估模塊

評(píng)估患者VTE風(fēng)險(xiǎn)的常用方法是使用評(píng)分量表，典型的評(píng)分量表為Caprini評(píng)分表。該量表變量有40多項(xiàng)，填寫(xiě)過(guò)程耗時(shí)耗力；而且人工評(píng)分過(guò)程依賴(lài)于評(píng)分人員的個(gè)人經(jīng)驗(yàn)，針對(duì)同一判斷不同醫(yī)生可能采取不同評(píng)價(jià)標(biāo)準(zhǔn)，容易造成評(píng)分結(jié)果一致性差[3]。

為解決這一問(wèn)題，該院在VTE管控平臺(tái)中構(gòu)建自動(dòng)風(fēng)險(xiǎn)評(píng)估模塊。該模塊對(duì)接病歷、檢驗(yàn)檢查、護(hù)理、手麻等系統(tǒng)，設(shè)定計(jì)算規(guī)則，在患者參與相應(yīng)醫(yī)療活動(dòng)時(shí)，利用接入信息自動(dòng)對(duì)患者進(jìn)行Caprini評(píng)分[4]，并將評(píng)分信息推送至患者的主管醫(yī)生。

1.2 完善基于人工智能模型的風(fēng)險(xiǎn)預(yù)測(cè)功能

AI(Artificial Intelligence，人工智能)深度學(xué)習(xí)模型通過(guò)大量樣本數(shù)據(jù)的學(xué)習(xí)、訓(xùn)練，不僅可以分類(lèi)出300+的特征變量，而且能夠動(dòng)態(tài)表達(dá)一些變量組合后的增強(qiáng)關(guān)系，從而更加貼合疾病誘因的真實(shí)關(guān)系?；诖耍撛阂劳兄形淖匀徽Z(yǔ)言理解和知識(shí)圖譜技術(shù)，應(yīng)用圖卷積神經(jīng)網(wǎng)絡(luò)、多層貝葉斯網(wǎng)絡(luò)推理等算法，構(gòu)建了面向VTE的AI風(fēng)險(xiǎn)預(yù)測(cè)模型[5]。經(jīng)過(guò)對(duì)醫(yī)院數(shù)據(jù)進(jìn)行分析挖掘，AI風(fēng)險(xiǎn)預(yù)測(cè)模型剔除了頻率低、共線(xiàn)性強(qiáng)的特征，最終保留了300余項(xiàng)特征變量。模型上線(xiàn)后，經(jīng)驗(yàn)證測(cè)試，其靈敏度(80%)和特異度(84%)均超過(guò)了傳統(tǒng)的Caprini評(píng)分表對(duì)應(yīng)指標(biāo)(57%、13%)[6]。同時(shí)，模型構(gòu)建過(guò)程中采用了可解釋性強(qiáng)的模型算法，除輸出風(fēng)險(xiǎn)評(píng)分外，還包含患者的危險(xiǎn)因素和保護(hù)因素，可以幫助醫(yī)生更好地判斷患者VTE風(fēng)險(xiǎn)。

1.3 形成閉環(huán)管理

明確各環(huán)節(jié)的分工及責(zé)任，以信息化技術(shù)為手段，建立完善的閉環(huán)管理體系。主要分為事前預(yù)警、事中監(jiān)控、事后管理3部分工作。在事前預(yù)警階段，應(yīng)用AI模型實(shí)現(xiàn)風(fēng)險(xiǎn)自動(dòng)識(shí)別；在事中監(jiān)控階段，主要監(jiān)控預(yù)防措施執(zhí)行情況；在事后管理階段，重點(diǎn)對(duì)各項(xiàng)工作開(kāi)展情況進(jìn)行統(tǒng)計(jì)分析。

1.4 建立輕量級(jí)數(shù)據(jù)自動(dòng)接入方案

基于醫(yī)院信息平臺(tái)，以MQ(Message Queue，消息隊(duì)列)消息形式，接入標(biāo)準(zhǔn)的HL7 V3格式消息，實(shí)現(xiàn)各業(yè)務(wù)平臺(tái)與VTE管控平臺(tái)的數(shù)據(jù)交互。這種方式在保證數(shù)據(jù)自動(dòng)接入、快速自動(dòng)運(yùn)算的基礎(chǔ)上，不會(huì)對(duì)各業(yè)務(wù)平臺(tái)的運(yùn)行造成壓力，保障了平臺(tái)平穩(wěn)運(yùn)行。

2 應(yīng)用效果

2.1 實(shí)現(xiàn)了VTE風(fēng)險(xiǎn)的閉環(huán)管理

2.1.1 事前預(yù)警：VTE預(yù)警消息推送 對(duì)VTE評(píng)估風(fēng)險(xiǎn)為中高危、需干預(yù)的預(yù)警患者，平臺(tái)自動(dòng)推送預(yù)警消息給指定責(zé)任人，并支持短信、微信、與醫(yī)生工作站集成推送等方式。消息內(nèi)容包括預(yù)警內(nèi)容、評(píng)分細(xì)節(jié)、建議預(yù)防處方措施等，協(xié)助醫(yī)生早發(fā)現(xiàn)、早干預(yù)。

2.1.2 事中監(jiān)控：預(yù)警干預(yù)措施管理 在完成預(yù)警消息推送后，平臺(tái)自動(dòng)記錄干預(yù)處理結(jié)果，具體內(nèi)容包括消息反饋情況、完成處置情況、具體處方情況等。如果患者在院信息發(fā)生了變化，平臺(tái)會(huì)對(duì)患者再次評(píng)估。在平臺(tái)內(nèi)可查看推送信息和反饋歷史記錄，追蹤預(yù)警處理流程，從而形成監(jiān)控閉環(huán)[8]。

2.1.3 事后管理：統(tǒng)計(jì)分析功能 提供監(jiān)測(cè)患者的多維度統(tǒng)計(jì)分析功能，支持指定時(shí)間段、科室、風(fēng)險(xiǎn)等級(jí)人群統(tǒng)計(jì)，支持全院患者VTE風(fēng)險(xiǎn)人群特征分析、分科室患者風(fēng)險(xiǎn)管理、高風(fēng)險(xiǎn)患者抗凝等治療干預(yù)監(jiān)控等功能[9]。

2.2 VTE防控效果顯著

2.2.1 Caprini評(píng)分效率大幅度提高 平臺(tái)應(yīng)用后，改變?cè)腥斯な謩?dòng)評(píng)分方式為機(jī)器自動(dòng)評(píng)分+人工審核方式。經(jīng)過(guò)對(duì)比分析發(fā)現(xiàn)，在準(zhǔn)確率(人工97%，機(jī)器93.25%)、召回率(人工81.29%，機(jī)器84%)變化不大的前提下，機(jī)器自動(dòng)評(píng)分+人工審核耗時(shí)明顯減少。在機(jī)器自動(dòng)評(píng)分+人工審核方式下，機(jī)器自動(dòng)評(píng)分耗時(shí)不足1s。同時(shí)，由于平臺(tái)可自動(dòng)從檢驗(yàn)系統(tǒng)、電子病歷系統(tǒng)完成數(shù)據(jù)獲取與整合，評(píng)分醫(yī)生人工審核校驗(yàn)時(shí)間也大大縮短，使得整個(gè)評(píng)分任務(wù)從原來(lái)的20多分鐘縮短為5分鐘。

2.2.2 針對(duì)風(fēng)險(xiǎn)人群的預(yù)防措施實(shí)施率顯著提升 平臺(tái)應(yīng)用后，針對(duì)風(fēng)險(xiǎn)人群(低、中、高?；颊?的預(yù)防措施實(shí)施率從72%上升至88%。同時(shí)，定性分析顯示，預(yù)防措施更趨合理。出血風(fēng)險(xiǎn)較高的患者主要以機(jī)械預(yù)防措施為主，如分級(jí)加壓彈力襪等；對(duì)于出血風(fēng)險(xiǎn)較低的患者可以采用藥物預(yù)防或藥物預(yù)防聯(lián)合機(jī)械預(yù)防，如使用低分子肝素、華法林等。

3 討論

目前，我國(guó)有的醫(yī)療機(jī)構(gòu)在VTE管控方面的信息化應(yīng)用水平普遍不高。通過(guò)大數(shù)據(jù)、人工智能技術(shù)實(shí)現(xiàn)自動(dòng)評(píng)分、風(fēng)險(xiǎn)預(yù)測(cè)的應(yīng)用近年來(lái)已有嘗試。基于人工智能的VTE管控平臺(tái)主要有以下創(chuàng)新點(diǎn)：

(1)通過(guò)應(yīng)用自然語(yǔ)言處理技術(shù)、數(shù)據(jù)整合技術(shù)等，縮短了填表時(shí)間，提高了評(píng)估效率。以往手動(dòng)填寫(xiě)需登錄各業(yè)務(wù)平臺(tái)人工查詢(xún)患者病歷，耗時(shí)較長(zhǎng)。通過(guò)管控平臺(tái)，患者入院后即可自動(dòng)進(jìn)行風(fēng)險(xiǎn)評(píng)估再交由醫(yī)生審核，提高了評(píng)估效率。同時(shí)，支持患者在院期間實(shí)時(shí)動(dòng)態(tài)評(píng)分，實(shí)時(shí)監(jiān)控患者風(fēng)險(xiǎn)狀態(tài)，實(shí)現(xiàn)了全流程管理。

(2)實(shí)現(xiàn)了評(píng)分標(biāo)準(zhǔn)的統(tǒng)一。手動(dòng)評(píng)分在較大程度上依賴(lài)于醫(yī)生個(gè)人經(jīng)驗(yàn)，不可避免地會(huì)存在一定評(píng)分差異。在平臺(tái)構(gòu)建過(guò)程中，信息處與質(zhì)控科、護(hù)理部、臨床醫(yī)生密切合作，針對(duì)每項(xiàng)指標(biāo)制定了明確的評(píng)判規(guī)則，結(jié)合醫(yī)院在用業(yè)務(wù)字典進(jìn)行自動(dòng)判斷，實(shí)現(xiàn)了評(píng)分標(biāo)準(zhǔn)的統(tǒng)一化管理，提升了評(píng)分的可信度。

(3)實(shí)現(xiàn)了全過(guò)程數(shù)據(jù)留痕。平臺(tái)設(shè)計(jì)了數(shù)據(jù)存儲(chǔ)功能，在完成評(píng)分后會(huì)自動(dòng)保存評(píng)分所依據(jù)的數(shù)據(jù)內(nèi)容，形成VTE專(zhuān)病數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)不僅可用于評(píng)分的準(zhǔn)確性評(píng)估，也可以作為后續(xù)VTE管控相關(guān)科學(xué)研究的數(shù)據(jù)基礎(chǔ)。

4 總結(jié)與展望

本研究基于人工智能技術(shù)探索了VTE管控平臺(tái)建設(shè)，結(jié)合管控閉環(huán)，建立了智能化的風(fēng)險(xiǎn)預(yù)測(cè)模型，實(shí)現(xiàn)了高靈敏度的實(shí)時(shí)風(fēng)險(xiǎn)預(yù)警，并覆蓋患者整個(gè)就診周期。根據(jù)醫(yī)院實(shí)踐，借助VTE管控平臺(tái)，在診前能夠借助人工智能技術(shù)的預(yù)測(cè)能力，提高發(fā)現(xiàn)VTE風(fēng)險(xiǎn)的可能性，避免遺漏重要的預(yù)警信號(hào)；在診中可實(shí)時(shí)對(duì)患者相關(guān)指標(biāo)進(jìn)行監(jiān)測(cè)，監(jiān)控預(yù)防措施實(shí)施情況，合理處置風(fēng)險(xiǎn)；在診后可以總結(jié)各病例情況，進(jìn)一步總結(jié)提高。

但本研究還存在一些不足之處。由于該平臺(tái)運(yùn)行時(shí)間較短，尚未收集到長(zhǎng)期的運(yùn)營(yíng)管理數(shù)據(jù)；平臺(tái)作為新的業(yè)務(wù)平臺(tái)，對(duì)相關(guān)人員的業(yè)務(wù)影響需要進(jìn)一步探討。這些問(wèn)題將在后續(xù)工作中加以改進(jìn)完善。