區(qū)塊鏈和人工智能驅(qū)動的腦血管病診療和質(zhì)量管理決策范式研究

王孟，韓穎，李子孝，，4，5

腦血管病是我國成人死亡和致殘的首位病因[1]，1990-2017年我國腦血管病患病率和發(fā)病率呈持續(xù)上升趨勢[2-3]。2017年因腦血管病醫(yī)療支出接近1400億元人民幣，構(gòu)成重大的公共衛(wèi)生問題[4]。2005-2015年我國住院醫(yī)療服務需求增加接近6倍[5]，但醫(yī)療診療和質(zhì)量水平落后，靜脈溶栓和心房顫動抗凝等診療決策執(zhí)行率僅為20%～30%[6-9]，而同期我國從事腦血管病診療的神經(jīng)科醫(yī)師數(shù)量僅增加了2倍[10]。醫(yī)療資源總量供給和優(yōu)質(zhì)醫(yī)療資源供給嚴重不足，制約著廣大腦血管病患者日益增長的優(yōu)質(zhì)醫(yī)療服務的需求。醫(yī)療衛(wèi)生人員是醫(yī)藥衛(wèi)生供給側(cè)最主要的要素之一，如何提升醫(yī)療衛(wèi)生人員的腦血管病診斷和治療水平，提供高效而優(yōu)質(zhì)的醫(yī)療服務，對滿足我國廣大腦血管病患者日益增長的優(yōu)質(zhì)醫(yī)療服務需求至關重要。

1 腦血管病管理決策范式轉(zhuǎn)變

1.1 傳統(tǒng)以管理流程為主的線性范式 《中國腦血管病臨床管理指南》推薦的腦血管病診療方法與醫(yī)師臨床實踐之間還存在巨大鴻溝，如何彌合鴻溝，及時、高效地將這些循證方法向臨床轉(zhuǎn)化，從而進一步降低腦血管病復發(fā)率、致殘率和死亡率[11]，亟須通過建立醫(yī)療決策管理方法解決這一重大問題。研究顯示以管理流程為主的線性范式包括臨床路徑等可有效地改善腦血管病醫(yī)療質(zhì)量和患者結(jié)局[12-13]。通過多中心整群隨機對照研究證實，基于臨床路徑、標準化操作手冊等建立的腦血管病診療流程管理的線性范式，腦血管病患者1年復發(fā)率相對下降28%，致殘率相對下降26%[14]。

傳統(tǒng)以管理流程為主的線性范式存在以下不足：①增加臨床醫(yī)師工作量：需要臨床醫(yī)師在完成常規(guī)臨床病歷書寫等工作時，二次錄入用于反映腦血管病醫(yī)療質(zhì)量診斷和治療信息的基本數(shù)據(jù)；②醫(yī)療質(zhì)量反饋存在滯后性：由于數(shù)據(jù)需要患者出院后二次錄入，不能實時反饋，存在滯后性；③外部數(shù)據(jù)要素嵌入不足：多模影像等特征、更新的指南推薦因素對于醫(yī)療決策有重要作用，但以線性范式為主的管理決策并未能及時整合上述要素，不能做到全景式的多維交互以及全要素參與，造成決策效能下降；④數(shù)據(jù)安全和可溯源性差：對于二次錄入的病歷數(shù)據(jù)的安全性和可溯源性問題，存在選擇性上報等偏移風險，醫(yī)師和研究人員無法根據(jù)需要自動調(diào)取原始數(shù)據(jù)記錄信息。

1.2 大數(shù)據(jù)驅(qū)動的管理決策范式 信息科技的飛速發(fā)展和深度融合開啟了健康醫(yī)療數(shù)字化的新篇章，醫(yī)療健康進入了大數(shù)據(jù)的時代[15]，成為開展精準診療、質(zhì)量管理和人工智能研究的重要基礎[16]。我國約有1100萬例現(xiàn)存腦血管病患者，年門診人次數(shù)和住院人次數(shù)分別達1.2億和448萬，產(chǎn)生包括臨床電子病歷、實驗室檢測、醫(yī)學影像、生物樣本等腦血管病醫(yī)療大數(shù)據(jù)[17]。通過引入多模影像特征、指南決策要素等外部變量，與臨床特征決策要素形成廣義的臨床大數(shù)據(jù)，指導精細化腦血管病診療和質(zhì)量管理[18]。首先，通過人工智能、知識工程基礎和新技術等的逐步應用，使得腦血管病臨床診斷、病因分類、診療決策和醫(yī)療質(zhì)量管理等以更細粒度的數(shù)據(jù)形式呈現(xiàn)，進而整個腦血管病的診療和質(zhì)量管理決策的“像素”得到顯著提升；其次，這些“像素”的提升促進了數(shù)字“成像”的發(fā)展，通過數(shù)據(jù)世界可以更清晰地描繪腦血管病真實世界診療和質(zhì)量管理活動的情景，進而基于數(shù)據(jù)的決策分析，成為使能創(chuàng)新的核心競爭力，使腦血管病診療和質(zhì)量管理決策從管理流程為主的線性范式向以數(shù)據(jù)驅(qū)動扁平化互動范式轉(zhuǎn)變，對腦血管病診療和質(zhì)量管理產(chǎn)生深刻影響。

基于智能合約區(qū)塊鏈的醫(yī)院信息系統(tǒng)數(shù)據(jù)平臺建設已逐步在國內(nèi)開展[19]，如何利用包括數(shù)據(jù)在個體醫(yī)院內(nèi)部分布式存儲，保障數(shù)據(jù)安全、可溯源以及實時反饋，實現(xiàn)與臨床診療流程無縫融合和互動，促進腦血管病診療和質(zhì)量管理決策情景向大數(shù)據(jù)驅(qū)動范式發(fā)展，對實現(xiàn)高效而優(yōu)質(zhì)的遵循指南的腦血管病診治醫(yī)療服務至關重要。

2 基于人工智能的腦血管病臨床診療決策

隨著醫(yī)療健康大數(shù)據(jù)的不斷積累，人工智能（artificial intelligence，AI）技術迅猛發(fā)展并廣泛應用于醫(yī)療領域。基于人工智能技術對大量數(shù)據(jù)進行學習從而構(gòu)建腦血管病影像標志物和預后預測模型等，逐漸成為大數(shù)據(jù)時代腦血管病精準醫(yī)療的熱點與趨勢[20]。臨床決策支持系統(tǒng)（clinical decision support system，CDSS）利用計算機技術及時、高效地將人類專家智能和循證知識融合，通過計算機系統(tǒng)來輔助醫(yī)師做出臨床決策，將患者臨床信息與知識庫相匹配，協(xié)助疾病診斷，依據(jù)指南給出最優(yōu)的診療方案，并可以通過實時提示干預診療流程，從而減少醫(yī)療差錯、提高醫(yī)療質(zhì)量[21]。在腦血管病病因診斷方面，由于影像等數(shù)據(jù)判讀缺乏統(tǒng)一標準，受醫(yī)師個人經(jīng)驗水平影響，利用機器學習自動提取標準化的神經(jīng)影像特征[22]，并通過自然語言提取技術自動提取電子病歷信息，可以獲取真實、準確的患者信息，從而提高診斷的準確性[23]。在臨床輔助決策方面，基于警報的計算機決策支持工具，可以提高住院患者治療的指南依從性[24]。Viz.ai公司開發(fā)的人工智能臨床輔助決策工具，可自動分析CT血管造影發(fā)現(xiàn)可疑的大血管閉塞，從而為再灌注治療提供快速決策支持[25]。

通過基于人工智能的臨床診療決策系統(tǒng)，融合臨床信息、影像和最新指南推薦內(nèi)部和外部等醫(yī)療大數(shù)據(jù)，指導臨床決策和質(zhì)量管理，對提升腦血管病診療水平具有重要意義?？赡艹蔀榻鉀Q基層醫(yī)療資源短缺、促進醫(yī)療服務優(yōu)質(zhì)化的有效技術增強范式。

3 區(qū)塊鏈和人工智能驅(qū)動的腦血管病診療和質(zhì)量管理決策

區(qū)塊鏈采用分布式的數(shù)據(jù)存儲、點對點傳輸、共識機制、加密算法等計算機技術，實現(xiàn)去中心化的分布式結(jié)構(gòu)的醫(yī)療數(shù)據(jù)共享，為數(shù)據(jù)存儲傳輸、溯源性、安全性等提供了良好的解決方案[26-27]。在醫(yī)院間實現(xiàn)去中心化并最終形成統(tǒng)一標準的數(shù)據(jù)分中心，為進一步的醫(yī)療數(shù)據(jù)處理和開展人工智能應用奠定基礎[28]。此外，通過基于算法路由的數(shù)據(jù)計算，傳輸?shù)牟皇菙?shù)據(jù)本身，而是子算法及其計算結(jié)果，即“算法跑路代替數(shù)據(jù)跑路”，避免數(shù)據(jù)泄露及由網(wǎng)絡傳輸速度造成的性能低下等問題。

區(qū)塊鏈和人工智能兩種大數(shù)據(jù)技術融合用于心腦血管疾病的慢性病管理，已成為技術趨勢[29]。人工智能決策系統(tǒng)結(jié)合區(qū)塊鏈技術，建立智能合約管理系統(tǒng)，通過在區(qū)塊鏈上運行智能合約，實現(xiàn)心腦血管病診療和質(zhì)量管理決策情景的多方協(xié)同計算，可以最終確保合約執(zhí)行的可控性與可追溯性，使得數(shù)據(jù)交換參與方之間充分信任。人工智能依賴于大數(shù)據(jù)并可服務于數(shù)據(jù)應用，區(qū)塊鏈是新型的分布式數(shù)據(jù)庫技術，區(qū)塊鏈和人工智能的融合可以大大提升人工智能算法的數(shù)據(jù)可用性，有助于打造出高效的醫(yī)療生態(tài)系統(tǒng)。在應用層面，通過區(qū)塊鏈技術部署基于人工智能的腦血管病診療和質(zhì)量管理算法，能夠?qū)⒓赏獠繉＜医?jīng)驗和指南知識的智能化輔助決策工具，實現(xiàn)人工智能、區(qū)塊鏈等大數(shù)據(jù)處理技術在腦血管病診療和質(zhì)量管理決策的有效應用。已有研究團隊利用區(qū)塊鏈技術，探索采用“模型投放”——即算法流替代數(shù)據(jù)傳輸?shù)乃枷耄詤^(qū)塊鏈和智能合約技術為依托，整合安全沙箱、解密、摘要生成等關鍵技術，開展基于醫(yī)院信息系統(tǒng)數(shù)據(jù)的腦血管病診療決策和質(zhì)量評價，實現(xiàn)在多中心協(xié)作和敏感信息受控場景中，為診療和質(zhì)量管理決策奠定技術支撐[30]。

4 小結(jié)

傳統(tǒng)管理流程線性范式為主的腦血管病診療和質(zhì)量管理決策存在臨床醫(yī)師工作量重，依從性不佳，數(shù)據(jù)安全，可溯源性差，以及多維交互動態(tài)和全要素參與不足等短板。在健康醫(yī)療大數(shù)據(jù)的時代背景下，新型的腦血管病診療管理決策范式呈現(xiàn)出人工智能和區(qū)塊鏈等大數(shù)據(jù)核心技術驅(qū)動的全景式特點。在粒度縮放方面，決策相關的臨床大數(shù)據(jù)要素在宏觀和微觀層面可測可獲得，如臨床影像數(shù)據(jù)，通過人工智能技術實現(xiàn)腦血管病病灶數(shù)量、體積、位置等特征的自動測量和提??；在跨界關聯(lián)方面，在傳統(tǒng)的人口學特征、腦血管病危險因素和臨床特征方面，引入臨床影像數(shù)據(jù)和臨床指南診療決策推薦和臨床研究證據(jù)的外部要素，與傳統(tǒng)的臨床特征要素形成內(nèi)外互動；在全局視圖方面，依托區(qū)塊鏈、體系構(gòu)建和平臺計算能力，通過臨床特征、影像特征和指南推薦等多維要素整合，針對腦血管病病因診斷和分類，急性期和二級預防治療決策、醫(yī)療質(zhì)量管理等場景進行情景映現(xiàn)和評估。大數(shù)據(jù)驅(qū)動的管理決策范式在粒度縮放、跨界關聯(lián)和全局視圖等方面引入新的視角，推動新型臨床診療管理模式，將進一步提升大數(shù)據(jù)使能創(chuàng)新的價值創(chuàng)造。